Отныне уже карта предшествует территории, — прецессия симулякров, — именно она порождает территорию.

Итак, самые мощные модели современного ИИ бестелесны. Это невероятно умные системы, но их мир напоминает платоновскую пещеру, сотканную из теней человеческих текстов. Поэтому при всей архитектурной мощи ИИ это в некотором смысле «разум в колбе».

Наш же собственный разум, напротив, неотделим от нашего тела, он плоть от плоти — та реальность, в которой с младенчества развивался наш мозг. Но можем ли мы сказать, что наше тело — просто набор биологических датчиков, поставляющих информацию в мозг? Ответ на этот вопрос — по существу, ключ к загадке фундаментальных различий между «пониманием» человека и «пониманием» машины.

Искусственный интеллект может знать о яблоке всё: его химический состав, сорт, историю культивации, тысячи рецептов яблочных пирогов. Он может сгенерировать фотореалистичное изображение яблока или же написать о нём сонет. Но он никогда не знал, каково это — ощутить его упругую гладкость под пальцами, почувствовать его вес в ладони, услышать хруст при укусе и ощутить кисло-сладкий вкус.

Знание ИИ лишено «заземления», оно рождается из пространства символов, не имея точки опоры в непосредственном, физическом опыте. Для большинства создателей ИИ, работающих с большими лингвистическими моделями, этот факт казался незначительным нюансом — в конце концов, мы же мыслим не телом, а вроде бы словами, а слова мы можем передать ИИ.

Невероятные успехи ИИ в имитации виртуозных и, как кажется, почти осмысленных текстов заставили нас забыть, что слова — это вовсе не основа нашей мысли, а лишь её плоды. Поэтому и казалось, что если мы передадим машине наши слова, то в ней само собой возникнет и наше понимание.

Но сколько бы мы ни строили грандиозные замки из абстракций, они остаются парящими над реальностью миражами. Можно уповать на то, что в какой-то момент они обретут такую внутреннюю консистентность, что, отяжелев, коснутся земли.

Впрочем, и в этом случае у них не будет того фундамента, который связывал бы их с нашей реальностью.

Физическая воплощённость

Мир физической реальности дан нам в ощущениях, а революция глубокого обучения вроде бы решила проблему «восприятия»: машины научились «видеть», «слышать» и даже «читать» с точностью, приближающейся, а порой и превосходящей человеческую.

В IT-индустрии и академических кругах воцарилась тогда атмосфера головокружительной эйфории. Казалось, что путь к созданию «общего искусственного интеллекта» (AGI), который во всём будет не хуже людей, наконец-то открыт и теперь единственная наша проблема — масштабирование.

Больше данных, больше параметров, больше вычислительных мощностей — и все необходимые способности у ИИ появятся сами собой[162]. Впрочем, как это часто бывает в истории науки, решение одной проблемы лишь с безжалостной ясностью обнажило следующую, ещё более глубокую и пугающую.

Модели, обученные на гигантских архивах данных — бесчисленных текстах и изображениях из интернета, — начали демонстрировать странную «хрупкость» при столкновении с такой — понятной нам, но предельно загадочной для них — динамичной физической реальностью[163].

Умные модели могли идеально определить стул на изображении и даже его нарисовать. Но робот, оснащённый этой моделью, не мог воспользоваться стулом по назначению. ИИ способен написать блестящий текст о плавании, не имея ни малейшего представления о том, что значит «вода» или «дыхание». Не говоря уже о том, чтобы проплыть хотя бы пару метров.

То есть искусственный интеллект, при всей его грандиозной вычислительной мощи, оказался принципиально оторван от мира — зрячим, но слепым, эрудированным, но наивным.

И да, снова встала ребром проблема физической воплощённости, о которой, за исключением, кажется, только Boston Dynamics, все благополучно забыли или предпочитали просто не думать.

Проблема в том, что ИИ в принципе не озадачен реальностью. Если вы посмотрите на ребёнка, то ситуация обратная — он буквально погружён в окружающий его мир, не может от него оторваться, пытается с ним взаи-модействовать, чего бы ему это ни стоило.

Ребёнка из реальности — всей этой массы раздражителей — вырвать невозможно. Тогда как ИИ лишь сухо и холодно перерабатывает данные, даже не задаваясь вопросом, идёт ли речь о чём-то реальном, фактическом или это просто чей-то очередной галлюциноз.

По сути, инженеры Кремниевой долины на практике столкнулись с проблемой, которая, как мы уже с вами знаем, была до этого подробно разработана французским философом Морисом Мерло-Понти.

Да, наше тело — не только физический объект среди других, а сама точка зрения на мир, наша нулевая точка отсчёта, из которой рождается всякое значение. «Быть телом, — писал Мерло-Понти, — значит быть связанным с определённым миром».

Мышление не начинается в голове, оно начинается в телесном опыте. Именно об этом, как мы помним, заблаговременно предупреждал ИИ-энтузиастов философ Хьюберт Дрейфус в той самой работе «Чего не могут вычислительные машины»[164].

Тогда его аргументы были восприняты как неуместная критика, а теперь стало понятно, что она звучала как пророчество. IT-индустрия, потратив десятилетия и миллиарды долларов, эмпирически пришла к тому же выводу, что сделал Дрейфус и лишь на основе философского анализа: разум, лишённый тела, остаётся призраком, запертым в мире абстракций.

Чтобы понять, почему тело так критически важно, мы должны отказаться от упрощённой метафоры, будто тело — это просто «аппаратное обеспечение» для мозга. На самом деле тело — фундаментальный источник смыс-ла и интуиции, постоянно действующий резонансный контур, без которого наше мышление теряет внутреннюю опору.

Центральную концепцию для понимания этого процесса предложил нейробиолог Антонио Дамасио в своей знаковой книге «Ошибка Декарта». Десятилетиями когнитивная наука пыталась безуспешно разделить «благородный» разум и «низменные» эмоции. Но, как мы помним, Дамасио на клинических примерах показал, что это ошибка.

Пациенты с нарушением связей между центрами логического планирования и эмоциональными, телесными сигналами демонстрировали высокий интеллект в формальных тестах, но не могли принять ни одного осмыс-ленного решения.

Один из пациентов, которого описывает Дамасио, мог часами рассуждать о том, в какой день надо назначить встречу — во вторник или среду. Он перечислял множество плюсов и минусов, но не мог принять решение, потому что в нём не возникал тот интуитивный «толчок», который обычно и сообщает нам, какой вариант правильный[165].

Наше тело постоянно посылает мозгу фоновые сигналы — едва уловимые ощущения тревоги, комфорта, предвкушения. Эти «маркеры», спрятанные в нашем прошлом опыте, служат нам интуитивными фильтрами — эмоционально «подсвечивают» одни варианты и отсекают другие задолго до того, как мы успеваем их сознательно проанализировать.

Именно этого механизма и лишён искусственный интеллект. Для него мир существует не как поле опыта, а как гигантская база данных, состоящая из наборов форматов: пиксельных матриц (изображения), последовательностей токенов (тексты), таблиц чисел.

По сути, это реализация максимы Альфреда Коржибского: ИИ имеет доступ только к «карте», но не к «территории». Он может владеть самой точной и подробной картой, но никогда не почувствует под ногами ту саму землю, а без этого его знания будут катиться по ней, как перекати-поле.

ИИ может проанализировать миллион часов видео, изучить все законы физики и написать исчерпывающую инструкцию по езде на велосипеде. Но он никогда не почувствует тот миг, когда тело интуитивно смещает центр тяжести, чтобы сохранить равновесие, или ту вспышку страха перед падением, которая заставляет мышцы напрячься.

Это невербализуемое, воплощённое знание — «знание „как“» — и есть подлинное «понимание» баланса, а у ИИ есть, по крайней мере в подобных случаях, только «знание „что“».

Телесный опыт — это и есть тот первичный, «житейский» слой познания Льва Семёновича Выготского. Из этого слоя, как из плодородной почвы, вырастает всё остальное. Ребёнок сначала учится через падения, прикосновения и усилия, и лишь затем на этот фундамент надстраиваются абстрактные, «научные» понятия.

Искусственный интеллект лишён этого фундаментального этапа. Его познание начинается сразу с верхнего этажа — с мира готовых, абстрактных (в данном случае цифровых) представлений, без всякой связи с живым, телесным опытом. Он начинает с карты, и в мире этой карты ему и суждено остаться.

Симуляция физического мира

Осознав, что бестелесный разум больших языковых моделей, пусть и обогащённых мультимодальными данными, зашёл в тупик, индустрия ИИ встала перед выбором: либо признать поражение, либо найти обходной путь. И этот путь был найден — амбициозный и по-своему изящно простой.

Если мы не можем дать ИИ реальное тело, с его биологической сложностью и непредсказуемостью, тогда давайте дадим ему бесконечное число виртуальных, симулированных тел[166].

Так родилась концепция Physical AI, получившая название «симуляция к реальности» (sim-to-real). Суть её в том, что мы учим ИИ взаимодействовать с законами физики не в хаотичном реальном мире, а в идеально контролируемом цифровом двойнике[167].

И это стало возможным благодаря появлению сверхреа-листичных симуляционных сред. Игровые движки вроде Unity и Unreal Engine, а также специализированные промышленные платформы, такие как NVIDIA Omniverse, превратились в гигантские «песочницы» для искусственного интеллекта.

В этих виртуальных мирах можно с высокой точностью моделировать физику — гравитацию, трение, столкновения, свойства материалов, — создавая бесконечный полигон для обучения роботов.

Цель подхода «симуляция к реальности» — решить проблему данных. Обучать физического робота в реальном мире — процесс мучительно медленный, дорогой и опасный. Робот может сломаться сам, повредить окружающие предметы или нанести вред человеку.

В симуляции же можно запустить миллионы виртуальных роботов, которые будут «проживать» миллиарды сценариев, падать, сталкиваться и ломаться без каких-либо последствий. Это позволяет генерировать гигантские массивы синтетических данных о физическом взаимодействии, которые затем используются для обучения реальных машин.

Ключевой пример этой новой парадигмы — масштабный проект NVIDIA Cosmos, анонсированный в 2025 году[168]. Это не один только симулятор, а целая экосистема, предназначенная для создания и обучения моделей для робототехники.

Модели учатся не на текстах или картинках, а на триллионах симулированных сценариев. Они анализируют видеопоток из виртуального мира, соотносят его с текстовыми командами и генерируют последовательности действий.

Цель — развить у ИИ так называемое «телесное знание», то есть способность к рассуждению и планированию действий, основанному на понимании физики и пространственных отношений реального мира.

Создатели Cosmos обещают ускорить обучение роботов в тысячи, если не в миллионы раз, прежде чем их «сознание» будет загружено в физическую оболочку. По сути, это попытка создать для ИИ симулированное «детство», в котором он сможет обрести свой собственный, пусть и виртуальный, «житейский опыт». Мы даём ему «тело», но «тело в кавычках».

Карта — не территория

Энтузиазм вокруг симуляций породил иллюзию, будто проблема физической воплощённости — это всего лишь вопрос вычислительной мощности и точности моделирования. Однако симуляция решает проблему данных, но не проблему опыта.

Виртуальная симулированная физическая среда даёт машине возможность обучиться функционировать в мире. Но это вовсе не тот внутренний, подлинно «телесный» толчок, который делает наше познание живым.

У ИИ не появились «соматические маркеры», принципиальная роль которых для понимания следует из работ Антонио Дамасио. Мы учимся быть осторожными на льду не потому, что наш мозг вычислил низкий коэффициент трения, а потому, что мы помним резкую вспышку страха и боль от падения. Этот негативный опыт оставляет в нашей нервной системе глубокий след, который служит мощным интуитивным сигналом в будущем.

Машина, обучающаяся в симуляции, лишена этого измерения. Когда виртуальный робот «падает», он не испытывает ни боли, ни страха, ни досады. Для него падение — это лишь математическое событие, сигнал об ошибке, который запускает корректировку весов в его нейронной сети.

Мы можем научить его избегать падения, поставив перед ним соответствующую задачу. Но он не сможет перенести это знание на ситуацию, в которой упал или потенциально может упасть человек. Мы с вами инстинктивно попытаемся такому человеку помочь, а робот — только если мы пропишем ему такую программу.

Впрочем, как мы уже знаем, придумать универсальное правило-инструкцию для всех случаев невозможно. Человек может падать, потому что он клоун в цирке и так веселит людей, а может, потому что тренируется падать, обучаясь борьбе или прыжкам с парашютом.

Наконец, существует неустранимый разрыв между симуляцией и реальностью, и соответствующий принцип был блестяще сформулирован одним из пионеров робототехники — Родни Бруксом, бывшим главой лаборатории ИИ в Массачусетском технологическом институте и основателем компании iRobot.

Его знаменитый принцип гласит: «Мир — это его соб-ственная лучшая модель»[169]. То есть любая симуляция, какой бы детальной она ни была, всегда останется упрощением бесконечно сложной и хаотичной реальности.

В виртуальном мире всё предсказуемо: физика работает по идеальным законам, поверхности имеют чётко заданные свойства, объекты ведут себя так, как должны. Реальный же мир — это мир бесконечных «шумов»:

• сенсорный шум — датчики камер и лидаров дают не-идеальные данные из-за освещения, пыли или дождя;

• неожиданные помехи — внезапный порыв ветра, скользкая поверхность, лужа, которую мы не заметили, или лёгкий толчок со стороны человека;

• износ материалов — «усталость» металлических суставов или деградация аккумуляторов, которые меняют поведение робота со временем.

И мы всё это видим в бесчисленных демонстрациях: роботы, такие как Atlas от Boston Dynamics или Optimus от Tesla, которые демонстрируют чудеса акробатики в тщательно подготовленных демороликах, оказываются поразительно хрупкими и неуклюжими в неструктурированных, реальных средах.

Идеальная походка, выработанная за миллионы итераций в симуляции, рассыпается при столкновении с одним-единственным неровным камнем, который не был предусмотрен в модели. Так что попытка дать ИИ «тело» через симуляцию не решает задачи — мы не соединяем ИИ с реальностью, мы только делаем вид, что это происходит.

Мы можем дать ИИ самую совершенную карту тела, можем научить его идеально ориентироваться по карте на местности, но он, как и прежде, будет теряться, как только ступит на «территорию» мира нашей физической реальности, который мы впитали в себя с молоком матери ещё в детской колыбели.