15:05 

Ричард Фейнман.

Грейв
Carpe diem, at memento mori
Добрался наконец до третьей книги про Фейнмана "Радость познания" и обнаружил в этой книге очень, по крайней мере для меня, интересный момент.

Ричард Фейнман в 1985 году (самое точное описание даты этого выступления, которое я смог найти: "через 40 лет после атомной бомбардировки Нагасаки, по факту это было не раньше 1981 и не позже 1988 годов) в Японии выступал с докладом "Компьютеры будущего", где ему задают вопрос про схожесть компьютеров и нервной системы мозга. В процессе ответа Ричард упомянул, что "...для создания устройства, на много порядков превышающего возможности Природы, нет необходимости имитировать ее детальное поведение. ", но к этому мы вернемся позже, а ниже я приведу цитатой вторую часть его ответа:

"Ваш мозг очень слаб по сравнению с компьютером. Я задам серию чисел: один, три, семь… Или, лучше: ichi, san, ni, go, ichi, hachi, ichi, ni, ku, san, go . А теперь я хотел бы, чтобы вы повторили их в обратном порядке. Компьютер может вместить десятки тысяч чисел и выдать их мне в обратном порядке или взять их сумму, или выполнить массу других вещей, которые мы сами сделать не можем. С другой стороны, если я рассматриваю лицо, глаза человека, я могу сказать, кто это, если знаю этого человека, или сказать, что не знаю его. Мы пока еще не понимаем, как создать такую компьютерную систему, которая выдавала бы нам подобную информацию при задании черт лица даже при условии, что вы ее учили и она видела множество лиц.
Другой интересный пример — машины, играющие в шахматы. Просто удивительно, что мы можем создавать машины, которые играют в шахматы лучше, чем почти все присутствующие здесь. Но они делают это, перебирая множество вариантов. Компьютер двигает фигуру, я могу передвинуть фигуру, потом опять он и так далее. Компьютеры просматривают каждую альтернативу и выбирают лучший вариант. Они пересматривают миллионы альтернатив, однако человек, владеющий шахматной игрой, делает это иначе. Он распознает рисунок, структуру. Перед тем как сделать ход, он просматривает только тридцать или сорок позиций. Поэтому, хотя правила при игре в Го проще, машины играют в Го довольно плохо, поскольку в каждой позиции существует слишком много возможностей сделать ход и слишком много вещей, которые надо проверить, — машины не могут смотреть так глубоко. Проблема распознавания рисунка, структуры и что делать в данных обстоятельствах — это то, что пока инженерам (они любят называть себя учеными-компьютерщиками) дается с трудом. Это, безусловно, одна из важнейших задач компьютеров будущего — возможно, более важная, чем то, о чем я говорил. Заставим машины эффективно играть в Го!" (с)


Многие предсказания можно оценить только по происшествию многих лет, так вышло и в этом случае, только сейчас можно понять насколько точно попал Фейнман.
Понадобилось почти двадцать лет, чтобы создать достаточно эффективную программу распознавания лиц и тридцать, чтобы превратить ее в игрушку для телефона.
И лишь в марте 2016 года программа AlphaGo выиграла у человека в Го (в рамках чемпионата мира), это по настоящему знаковое событие, потому что в отличии от шахмат, в Го невозможно просчитать все ходы противника наперед, их просто астрономически много.
Сотрудники Google DeepMind справились с этой нетривиальной задачей, но самое интересное в данном случае даже не то что они сделали, а как. AlphaGo это программа основанная на нейронных сетях с обратным подключением, т. е. алгоритм подсмотренный и скопированный у Природы, эволюция оказалась хитрее.

Но я должен предупредить, что ничего не рассказывал о том, как работает мозг, и так ли важно знать об этом, чтобы создать работоспособный компьютер. Для создания летательного аппарата не обязательно понимать, каким образом птицы машут крыльями и как учесть в конструкции эти особенности. Не нужно понимать устройство двигательной системы лап гепарда — животного, бегающего очень быстро, — чтобы сконструировать автомобиль с колесами, которые вертятся очень быстро. Поэтому для создания устройства, на много порядков превышающего возможности Природы, нет необходимости имитировать ее детальное поведение. Это интересная тема, и я хотел бы поговорить об этом. (с)

Оказалось мы не на столько хороши, нам все равно пришлось имитировать уже созданное природой, но надеюсь это только начало. И хотя большинство задач, в том числе и распознавание лиц, которые считались неразрешимыми или трудно достижимыми для классических компьютерных алгоритмов, решаются сейчас благодаря нейронным сетям и генетическим алгоритмам - я надеюсь человечество сможет уйти от подражания и создать что-то по настоящему новое, опирающееся на фундаментальные законы этого мира.

В качестве послесловия:
Фейнман в этом выступлении так же упоминал квантовые компьютеры их минимальный размер и способ записи информации на атомном уровне. К этому его предсказанию мы вернемся когда человечество создаст полноценный универсальный квантовый компьютер и заодно посмотрим сколько лет понадобилось для прохождения пути от зарождения идеи до ее реализации (или признания невозможности).

URL
   

Разговоры с самим собой

главная