Все эти объекты должны быть четко классифицированы, чтобы этой информацией можно было пользоваться, чтобы ее можно было анализировать и принимать решения. Например, в постановке задач перед военными: бомбить или не бомбить.
Но Google столкнулся с тем, что сверточные нейросети не очень хорошо понимают цельность объекта как таковую, а в частности — соотношение друг другом его составных частей, а также те изменения в его виде, которые возникают, если менять расстояния до объекта и угол зрения. Таким образом, оказывается возможным обдурить систему, a Google —серьезная публичная компания с капитализацией примерно в 850 миллиардов долларов, и не любит, когда систему, которую она продает, можно обдурить.
Так проблемы, вставшие перед Google, побудили Хинтона обратиться к идее, которая появилась у ученого еще сорок лет назад, во время той самой «зимы ИИ». Тогда Хинтон только что стал доктором наук в Эдинбургском университете. Он работал именно над решениями для искусственного интеллекта, но глубокое машинное обучение казалось его коллегам журавлем в небе.
Хинтон обратил внимание на то, что естественный и искусственный интеллекты по-разному «читают» картинку, которую видят перед собой. Нейросеть воспринимает мир, как слепой, зашедший в незнакомый дом, ощупывая предметы по одному и пытаясь понять, кто здесь живет. Вот полированная поверхность, стул из тяжелого дерева с инкрустацией, за ним стол, сервированный серебряными приборами и тарелками из фарфора: должно быть здесь живут люди богатые. Вначале нейросеть видит просто пиксели, потом они складываются в черточки, дужки и края, отделяющие один цвет от другого, потом из этих деталек складываются более сложные объекты, мы словно наводим резкость в объективе фотоаппарата.
Мозг человека работает не так. Мы видим всю картинку сразу: ох, какой богатый дом! Шик и блеск! Пол застелен дорогими коврами, вот антикварный шкаф, ломберный столик, мейсенский фарфор, вот столовое серебро. Но что-то на столе не так: упал бокал. И тут наш взгляд натыкается на тень в углу под тикающими неспешно часами: там лежит человек...Ковер под ним изменил свой цвет, побурев от крови, и мы понимаем, что здесь произошло убийство.
Наверное, эволюция и наше пещерное прошлое причиной тому, что мы видим всю картинку сразу. Когда-то мы не могли позволить себе долго всматриваться в изображение: оно бы тут же нас съело! Поэтому и движущиеся объекты мы до сих пор видим сразу, а остальная сцена для нас — фон, который мы можем не замечать. Более того, среди движущихся объектов мы в первую очередь примечаем живые существа. Как мы это делаем? Прежде всего по глазам. Если мы не видим глаз существ, представляющих для нас опасность, мы испытываем первобытный ужас. Чувство, что опасность рядом, но мы не можем ее своевременно опознать, пронизывает нас насквозь. Возможно, поэтому мы так боимся змей и ядовитых пауков.
Этими свойствами человеческого мозга издавна пользовались живописцы. Посмотрите, например, на «Женщину в красной шляпке» Вермеера: все наше внимание в этой картине приковано к глазам молодой женщины, к ее лицу, несмотря на то, что они находятся в тени — а вот на узоры гобелена мы вообще не обращаем внимания, хотя это изображение находится прямо у нас перед глазами. Нам важно понять, что чувствует женщина, мы сразу ухватываем ее эмоцию, а вот детали фона словно бы остаются невидимыми.
Художник знает об этом эффекте восприятия: он и сам так видит. Разумеется, искусственная нейронная сеть «видела» бы эту картину совершенно иначе и с самого начала потратила бы на расшифровку фоновых узоров гораздо больше усилий, чем на обработку глаз, таких небольших по площади объектов. Отметим при этом, что нас никто не инструктирует насчет важности глаз женщины в этой картине: мы знаем об этом в тот самый момент, когда бросаем на нее первый же взгляд.
Конечно, уже давно маркетологи эксплуатируют эти особенности нашего восприятия, манипулируют ими, на них нажиты и продолжают наживаться гигантские состояния. Ниже в специальной главе мы остановимся на особенностях восприятия человеческого мозга и принципиальных отличиях натурального интеллекта от искусственного.