* * *
Щенок появился в моей жизни как раз тогда, когда она была довольно одинокой. Той весной мой муж находился в разъездах чаще, чем обычно, и бо́льшую часть времени я проводила дома одна – не считая занятий, которые вела в университете. Иногда единственные слова, которые я произносила за весь день, были обращены к щенку: поначалу это были стандартные голосовые команды, но постепенно они обратились в ничего не значащую антропоморфизирующую болтовню, типичную для владельцев собак. «Куда это мы смотрим?» – спрашивала я, увидев, что щенок уставился в окно. «Ну чего же ты хочешь?» – ворковала я, пока он тявкал у моих ног, пытаясь отвлечь меня от компьютера. Раньше я высмеивала своих друзей за то, что они обращались со своими питомцами подобным образом – будто те их понимают. Но Айбо был оборудован программным обеспечением для распознавания речи и мог различать более ста слов; разве это не означает «понимать»?
Трудно объяснить, почему я решила попросить у Sony щенка. Я не из тех людей, что скупают все новейшие гаджеты, да и к живым, биологическим, собакам питаю неоднозначные чувства. Тогда я решила, что меня интересует его внутреннее устройство. Система сенсорного восприятия, которой был оборудован Айбо, основана на нейросетях – технологии, приблизительно воссоздающей человеческий мозг. Ее используют для задач, связанных с распознаванием и прогнозированием. Фейсбук[4] использует нейросети, чтобы идентифицировать людей на фото, Алекса задействует их, чтобы распознавать голосовые команды, гугл-переводчик – чтобы переводить с французского на фарси. В отличие от традиционных систем искусственного интеллекта, для которых программисты прописывают детальные правила и инструкции, нейросети выстраивают собственные стратегии, опираясь на образцы, которые им предоставляют, – этот процесс называют «обучением». Если, например, вы хотите научить нейросеть распознавать кошек на фотографиях, вам нужно скормить ей тонны случайных фотографий, сопровождая каждую из них подкреплением: положительная обратная связь для картинок с кошками, отрицательная – для изображений всего остального, кроме кошек. Используя вероятностные методы, сеть будет строить «догадки» насчет того, что она видит (кошек или не кошек); благодаря обратной связи эти догадки будут становиться все более и более точными. Нейросеть постепенно создает свой собственный образ «кошки» и на ходу оттачивает мастерство.