Еще древние римляне подозревали, что разум каким-то образом связан с мозгом. Почти 2000 лет назад римский врач Гален в ходе серии поразительно кровавых экспериментов вскрыл свинью и сжал ее пульсирующий мозг своим огрубевшим кулаком. Он обнаружил, что это заглушило ее жалобный визг, и она, содрогаясь, потеряла сознание (хотя сжатие сердца подобного эффекта не давало, средневековые ученые упрямо продолжали верить, что именно в нем обитает разум, — ведь так сказал Аристотель). Ко времени Декарта связь между разумом и мозгом утвердилась прочнее, но мысль о том, что разум и есть мозг — то есть что мысли и чувства являются продуктом физического вычислительного устройства в голове, — все еще оставалась, в общем-то, немыслимой. Вместо этого Декарт предположил, что в то время как мозг состоит из физической материи — res extensa, или «вещи протяженной», — разум сложен из совершенно иной субстанции, которую он назвал res cogitans, или «вещью мыслящей». Слегка сомнительное предположение Декарта о том, что разум и мозг соединяются в гипофизе (который на самом деле отвечает за выработку гормонов роста и стресса), не выдержало испытания временем, но дуалистическую идею о том, что разум и мозг по своей природе различны, оказалось на удивление трудно искоренить. В 1747 году, когда французский врач Жюльен Офре де Ламетри выдвинул физикалистское утверждение о том, что «человек — машина, и во всей Вселенной существует лишь одна субстанция, материя, различным образом видоизмененная», его книга с провокационным названием L’Homme Machine была мгновенно запрещена в Париже и публично сожжена в Амстердаме. Автору пришлось провести остаток жизни в бегах, уклоняясь от ордеров на арест, выданных властями нескольких европейских государств.[*1]

Декартов (картезианский) дуализм отбросил длинную тень на философию, биологию и психологию. Даже во второй половине двадцатого века многие философы все еще твердо придерживались мнения, что разум находится вне физического мира, управляя нашим поведением из своего рода эфирной диспетчерской вышки, что делало ментальные состояния «духом в машине».[*2] На самом деле, как мы увидим, этот извечный вопрос о том, как возникают ментальные состояния, упрямо дает о себе знать в жарких спорах вокруг современных систем ИИ, даже в компьютерных науках — дисциплине, в остальном сугубо материалистической. Но понять, почему так происходит, пожалуй, можно. Альтернатива — то, что разум есть не больше и не меньше чем мозг, — действительно почти непостижима. Все, что делает вас вами, — все ваши мысли, чувства, убеждения, тревоги, воспоминания, цели, знания, надежды и мечты — втиснуто в комок белков и жиров, уместившийся между вашими ушами и весящий примерно как приличных размеров ананас.

И все же это правда. Мозг содержит клетки, называемые нейронами, которые соединены друг с другом в густую, лабиринтообразную сеть. Когда один нейрон вырабатывает электрический сигнал, тот быстро распространяется по аксону клетки — длинному, покрытому жировой оболочкой «проводу», связывающему ее с другими клетками. Когда электрическая активность, проходящая по аксону, достигает места соединения с другим нейроном (называемого синапсом), она запускает высвобождение нейромедиаторов, которые, в свою очередь, изменяют уровень электрического потенциала в постсинаптическом нейроне, делая его более или менее склонным к активации (или «возбуждению»). Таким образом, сенсорные сигналы могут проходить по сети каскадом, при этом структура связей в каждый конкретный момент определяет информационное состояние мозга. Это информационное состояние определяет то, что организм воспринимает, о чем он думает или что знает.

У животных, которые еще не изобрели вязание крючком или кроссворды и потому живут менее запутанной жизнью, чем мы, сеть нейронов, управляющая поведением, предопределена при рождении врожденной генетической программой и остается практически неизменной на протяжении всей жизни организма. Один из примеров — плодовая мушка. Если летом вы хоть раз оставляли без внимания вазу с фруктами на несколько дней, то наверняка замечали рой крошечных мушек, настойчиво кружащих над чернеющими бананами. Это Drosophila melanogaster — вид насекомых, который гораздо более популярен в нейробиологических лабораториях, чем на обычной кухне. В первые несколько часов после вылупления дрозофилы проходят быструю серию личиночных стадий, во время которых они слегка напоминают раздавленного белого мармеладного мишку. В 2015 году нейробиологи разрезали мозг одной ничего не подозревающей шестичасовой личинки дрозофилы на тысячи тончайших срезов толщиной менее 4 нанометров каждый (для сравнения, диаметр среднего человеческого волоса составляет около 100 000 нанометров). Нейробиологи уже десятилетиями в общих чертах знают, как устроен мозг мух, мышей, обезьян и человека, но этот эксперимент с дрозофилой был особенным. Изучив срезы под электронным микроскопом и проделав огромную кропотливую работу, группа исследователей смогла реконструировать каждую из 548 000 связей между 3016 нейронами в ее крошечном личиночном мозге.[*3] Впервые в истории нейробиологам удалось создать полную реконструкцию (или «коннектом») мозга насекомого.

Многие поведенческие реакции, которые демонстрируют дрозофилы, врожденно запечатлены в этой сети и потому абсолютно неизменны. Например, в дикой природе дрозофилы подвергаются различным потенциальным угрозам — скажем, нападению паразитических ос, которые откладывают в них яйца (вылупившись, личинки осы пожирают своего несчастного хозяина изнутри). Для самозащиты у личинок дрозофилы выработались специализированные реакции избегания. Угрожающие вибрации обычно вызывают равномерное пульсирующее «ползание» прочь от опасности, в то время как настоящие укусы провоцируют паническое «кувыркание», при котором личинка сворачивается в клубок и стремительно укатывается из опасной зоны (иногда опрокидывая нападающего на спину). Мы знаем, что эти реакции фиксированы, потому что у каждой плодовой мушки исследователи могут обнаружить нейроны, активируемые завихрениями воздуха от взмахов крыльев хищной осы, другие нейроны, которые распознают болезненный укол, и даже те, что запускают неистовое кувыркание. Затем ученые могут применить метод под названием оптогенетика (при котором мух генетически модифицируют так, чтобы их нейроны активировались под воздействием цветного света) и облучить клетки синим лазером, чтобы заставить личинку дрозофилы ползти или кувыркаться по одному нажатию кнопки. Все выглядит так, будто мозг мухи работает за счет хранения набора готовых полезных нейронных программ, каждая из которых может быть запущена в строго определенный момент («ЕСЛИ вибрация, ТОГДА ползти»).

Идея о том, что объединение нейронов в сеть может быть отличным способом создания искусственного разума, почти столь же стара, как и сами исследования в области ИИ. В 1940-х годах, когда на Европу сыпался град бомб, на другой стороне Атлантики замечательный дуэт — биолог и математик — разработал проект мыслящей системы, основанной на принципах работы нейронных связей. Уоррен Мак-Каллок только что получил должность профессора нейрофизиологии в Иллинойсском университете, когда встретил Уолтера Питтса, эксцентричного и не по годам развитого студента-математика. Питтс — по всем свидетельствам — жил исключительно по собственным правилам. В то время как другие дети Среднего Запада играли на улицах в шарики или догонялки, Питтс просиживал в публичной библиотеке, уткнувшись носом в экземпляр «Principia Mathematica» Бертрана Рассела.

Всего в двенадцать лет он взял на себя смелость написать Расселу в Тринити-колледж в Кембридже, указав на несколько ошибок, замеченных им в первом томе. Это положило начало оживленной переписке, которая в итоге привела к тому, что в нежном возрасте пятнадцати лет Питтс стал учеником как самого Рассела, так и его друга и коллеги по логическому позитивизму Рудольфа Карнапа, а затем и нейроанатома Герхардта фон Бонина, написавшего основополагающий труд по структуре коры головного мозга человека. Однако Питтс сбежал из дома, чтобы осуществить свою мечту о жизни в «башне из слоновой кости», оборвав все связи с семьей, и потому остался без гроша в кармане и без крыши над головой. К счастью, Мак-Каллок взял его под свое крыло, и Питтс поселился в его доме. Так началось почти идеальное интеллектуальное партнерство, в равных долях сочетавшее биологию и математику.

Плодом этого союза стала эпохальная статья под названием «Логическое исчисление идей, имманентных нервной активности». Питтс и Мак-Каллок сосредоточили свое внимание на важнейшей особенности передачи сигналов в нейронных сетях: клетки мозга активируются по принципу «все или ничего». Нейрон срабатывает только тогда, когда суммарные входные сигналы превышают определенный порог. Таким образом, его можно представить в виде переключателя, посылающего сигналы другим нейронам только при соблюдении определенных условий. Питтс и Мак-Каллок, как и их современники, были пропитаны позитивистским идеалом, согласно которому мышление можно свести к логическим операциям вроде И, НЕ и ИЛИ. Их удивительное открытие состояло в том, что сеть из подобных переключателям нейронов может физически реализовывать алгебраические операции, предложенные Булем веком ранее, где «выключенные» нейроны обозначают «ложь», а «включенные» — «истину». Если сеть устроена так, что сигналы сходятся в одном узле, то состояние этого выходного нейрона — включен или выключен — можно интерпретировать как утверждение об истинности или ложности входных данных. Рассмотрим утверждение: «Я проголосую за политика, если он выступает за защиту климата И за социальную справедливость, но НЕ в том случае, если окажется, что он замешан в коррупции». Этот мысленный процесс может быть сымитирован элементарной нейронной сетью, которая выдает результат y , если присутствуют оба входных сигнала — x₁ И x₂, а x₃ НЕ присутствует. В своей статье Питтс и Мак-Каллок приводят математическое доказательство того, что нейронная система, организованная подобным образом, способна решить практически любую вычислительную задачу, и предлагают ее в качестве модели мыслящей машины.

Сеть Питтса и Мак-Каллока устроена так, чтобы выполнять логические вычисления строго определенным образом, и поэтому не может учиться на опыте. Как таковая, она страдает от того же недостатка, что и другие символические модели, — она слишком хрупка, чтобы справляться с хаотичной действительностью реального мира. Как же тогда справляется дрозофила? Ответ заключается в том, что сила связей в мозге плодовой мушки способна адаптироваться. На самом деле, как и почти любое другое животное на Земле, дрозофила способна учиться — корректировать свое поведение на основе опыта. Об этом известно по меньшей мере с 1970-х годов, со времен ранних исследований, в которых дрозофилам предоставляли выбор: лететь по синему или желтому туннелю, причем за неверный выбор они получали удар током (они быстро научились выбирать безопасный маршрут).[*4] Плодовых мушек можно научить предпочитать определенные запахи (например, этанола или бананового масла), избегать определенных зон в тренировочной камере, поскольку те часто оказываются неприятно горячими, или сворачивать в ту или иную сторону в ответ на изображения разноцветных фигур (что фиксируется с помощью крошечного симулятора полета). Их можно даже научить предпочитать одного потенциального партнера другому на основе цвета его глаз: для этого самцов обучают тому, что красноглазые самки, как правило, более благосклонны к спариванию, в то время как кареглазые обычно менее сговорчивы.[*5] У дрозофил обучение не добавляет новых и не исключает старых форм поведения из базового репертуара животного. Ее невозможно научить летать задом наперед или танцевать танго. Вместо этого обучение тонко настраивает уже существующие нейронные программы, заставляя их работать так, чтобы определенные места, запахи или партнеры-мушки предпочитались доступным альтернативам.

В мозге обучение происходит потому, что связи между нейронами пластичны — то есть под влиянием опыта они могут становиться сильнее или слабее. В биологии это происходит в основном по принципу, называемому хеббовским обучением. Когда сигнал проходит между двумя нейронами, это запускает каскад синтеза белка, что приводит к укреплению синапса, и в будущем эти две клетки будут легче обмениваться информацией. Это означает, что по мере обучения организм становится все более склонным повторять одни и те же действия и воспринимать мир привычным образом. Возможно, вы наблюдали за тем, как вода течет по песку, когда после дождя по пляжу извивается маленький ручеек. Первая струйка растекается широко и равномерно, но со временем она пробивает русла, которые постепенно превращаются в устойчивую сеть каналов. Подобным образом и небольшие первоначальные различия в нейронных связях запечатлеваются в мозге под влиянием опыта, вот почему поведение взрослых людей зачастую менее гибко, чем поведение ребенка (надо полагать, пожилые плодовые мушки тоже несколько более старомодны). Во многих областях мозга, если за сигналом, проходящим между двумя нейронами, следует положительный результат — например, сахар или секс — то эта связь становится еще прочнее. Поэтому, когда дрозофила получает в награду сахарозу за вытягивание хоботка (аналог высовывания языка у плодовых мушек) в ответ на запах бананового масла, синапсы, связывающие чувствительные к этому запаху клетки с клетками, отвечающими за вытягивание хоботка, потенциируются (усиливаются). Это означает, что при последующих встречах с запахом бананового масла муха с большей вероятностью повторит это действие.

Вскоре исследователи ИИ нашли способ создавать нейронные сети, способные обучаться. Одну из первых таких систем — перцептрон — разработал в 1960-х годах психолог Фрэнк Розенблатт. Вместо использования нейронов, работающих как переключатели «все или ничего» (как предлагали Питтс и Мак-Каллок), Розенблатт предположил, что сила связи может быть градуальной величиной — непрерывным положительным или отрицательным числом, определяющим влияние (или вес), оказываемое каждым нейроном на его соседей. В перцептроне каждый входной сигнал нейрона умножается на соответствующий ему вес, полученные значения складываются и сравниваются с порогом, что позволяет модели делать бинарный выбор (например, «да» или «нет»). Изначально весам присваиваются случайные значения, из-за чего сеть поначалу выдает совершенно бессмысленные результаты. Однако Розенблатт разработал алгоритм, способный корректировать силу связей между нейронами, что позволяло сети постепенно обучаться и все лучше справляться с задачей. Иными словами, сеть начинала работу, ничего не зная о мире, подобно тому как философы-эмпирики, такие как Локк и Юм, утверждали, что человеческие младенцы начинают жизнь с «чистого листа», прежде чем научатся ходить и говорить. Розенблатт научил перцептрон распознавать простые объекты — базовой когнитивной способности, которую люди осваивают в первые годы жизни. В 1950-х годах он подключил перцептрон к камере, подавая на его входы сигналы с растра изображения, и успешно обучил сеть различать простые фигуры, такие как квадрат и круг.

Розенблатт был крайне воодушевлен этим открытием. В интервью New York Times он слегка увлекся и сделал множество самых фантастических заявлений о том, на что вскоре будут способны перцептроны — например, летать в космос и исследовать за нас далекие планеты. Так зародилась долгая традиция: преисполненные энтузиазма исследователи ИИ пускаются в восторженные рассуждения в интервью СМИ, а журналисты раздувают шумиху вокруг их открытий перед потрясенной публикой. Дерзкие заявления Розенблатта также спровоцировали первую локальную культурную войну в сфере ИИ между лагерями эмпириков и рационалистов. Один из главных соперников Розенблатта — Марвин Минский — был настолько раздражен, что стал соавтором книги, нещадно критиковавшей недостатки перцептрона, и тем самым в одиночку похоронил интерес к нейронным сетям более чем на десятилетие. Главный недостаток заключался в том, что сеть могла обучаться решению лишь относительно простых («линейных») типов задач — тех, где для перехода от входных данных к выходным требовалась всего одна операция умножения и сложения. Однако к 1970-м годам исследователи нашли способ обучать сети, которые (в отличие от линейного перцептрона Розенблатта) состояли из нескольких слоев и могли выполнять цепочку операций, что позволяло им выстраивать чрезвычайно сложные отображения входных данных в выходные — минуя проблемы, на которые указывал Минский. Сегодня сети со множеством слоев называют «глубокими сетями», а науку, возникшую вокруг их разработки и внедрения, — «глубоким обучением».

По мере роста мощности компьютеров глубокое обучение вошло в полную силу. Сегодня глубокое обучение повсюду. Вы, вероятно, сталкиваетесь с глубокими сетями сотни раз в день, даже не подозревая об этом. Когда вы заходите в Instagram, глубокая сеть выбирает то, что вы увидите в самом верху своей ленты. Если вы спросите Google, как переводится слово «белка» на украинский язык, перевод будет выполнен с помощью глубокого обучения. Если Netflix предлагает вам посмотреть научно-фантастическую классику «Бегущий по лезвию», эту рекомендацию дает глубокое обучение. Если вы используете face ID для разблокировки телефона, именно глубокая сеть сканирует вашу физиономию, а если вас поймают за превышение скорости на шоссе, именно глубокая сеть считывает ваш номерной знак. Нейронные сети, выполняющие эти задачи, работают на тех же базовых принципах, что и перцептрон, но состоят из сотен слоев и миллионов связей (весов). А если вы общаетесь с LLM, такой как ChatGPT, Gemini или Claude, то количество параметров модели может исчисляться триллионами. Тем не менее, эти сети — праправнуки логического калькулятора, предложенного Мак-Каллоком и Питтсом еще в 1940-х годах.

Пропустить примечания

*1 Подробнее об истории нашего понимания разума и мозга см. книгу Мэтью Кобба «Идея мозга» (2021).

*2 Эту фразу ввел в обиход Гилберт Райл в своей книге 1949 года «Понятие сознания». Райл прославился своими беспощадными нападками на дуализм двадцатого века.

*3 Winding et al., 2023.

*4 Spatz, Emanns, and Reichert, 1974.

*5 Подробнее об этом потрясающем результате см. Verzijden et al., 2015.