Стартап. Стэнфорд, весна 2012 г. (ЛП)

Питер Тиль: Так что вы оба убеждены, что фундаментально это всё сработает.

Скотт Браун: Да, но не в мечтательном смысле. Мы должны относиться к своей работе так же, как к построению бомбы или созданию супер-вирусов. В то же время, я не думаю, что возможны жесткие сценарии вроде Skynet. Мы добьемся некоторых прорывов в некоторых областях, подключится сообщество, и процесс повторится.

Эрик Джонас: И нет оснований полагать, что ИИ, который мы создадим, будет способен создать лучший ИИ. Может, это и будет так. Но не обязательно. Вообще, это интересные вопросы. Но люди, которые слишком много времени тратят на них, в итоге могут не оказаться людьми, которые действительно создадут ИИ.

Боб МакГрю: Мы в Palantir смотрим на опасности технологии немного иначе, так как мы создаем дополненный интеллект вокруг сенсорных данных, не пытаясь построить сильный ИИ. Конечно, компьютеры могут быть опасны, даже если они не являются полностью искусственно интеллектуальными. Поэтому мы работаем в сотрудничестве с юристами по правам человека и частной собственности, они помогают нам работать в безопасных рамках. Очень важно найти правильный баланс.

Вопрос из аудитории: Знаем ли мы в действительности достаточно о мозге, чтобы эмулировать его?

Эрик Джонас: Мы на удивление мало понимаем принципы работы мозга. Мы знаем, как люди решают проблемы. Люди очень хороши в интуитивном нахождении паттернов в малых объемах данных. Иногда этот процесс кажется иррациональным, но в действительности он может быть весьма рациональным. Но мы не так уж много знаем о колесиках и винтиках нервной системы. Мы знаем, что реализуются различные функции, но не знаем, как именно. Так что люди используют разные подходы. У нас свой подход, и, возможно, того, что мы знаем, вполне достаточно для использования стратегии эмуляции. Тут шанс 50/50.

Скотт Браун: Как я уже говорил, мы считаем, что эмуляция — это неправильный подход. Братьям Райт не нужны были детальные модели физиологии птиц, чтобы построить самолет. Вместо этого мы задаемся вопросом: какими статистическими неравномерностями воспользовалась бы природа в создании мозга? Если вы взглянете на меня, вы увидите, что пиксели, составляющие мое тело, не передвигаются рандомно по вашему полю зрения. Они сгруппированы в каждый момент времени. Существует также иерархия, в соответствии с которой, если я поворачиваю лицо, глаза и нос движутся вместе с ним. Глядя на то, как эта пространственная и временная иерархия превращается в сенсорную информацию, мы можем получить хорошую подсказку относительно того, какого рода вычисления мы можем найти в мозгу. И вот, когда вы смотрите на мозг, вы видите пространственно-временную иерархию, которая отражает данные о мире. Совмещение этих идей в строгом математическом порядке и их тестирование в приложении к реальному миру — это и есть то, как мы пытаемся создать ИИ. Так что нейрофизиология очень помогает, но только в общем смысле.

Вопрос из аудитории: Насколько легко будет перенести систему зрения на систему слуха, языка и т.д.? Если бы было так легко решить одну вертикальную проблему и просто применить решение к другим вертикалям, разве кто-нибудь не сделал бы этого уже? Есть ли причина считать, что издержки такого перехода низки?

Скотт Браун: Зависит от того, есть ли для этого общий кортикальный контур. Существует хорошая экспериментальная поддержка того факта, что входящую визуальную и аудиальную информацию обрабатывает один контур. В одном из недавних экспериментов в мозгах хорьков переподключили нервный канал оптической информации к области мозга, обрабатывающей слуховую информацию. Хорьки были способны нормально видеть. Существует множество экспериментов, демонстрирующих схожие результаты, которые поддерживают тезис об общем алгоритме, который мы называем “интеллект”. Конечно, для разных типов сенсорных данных нужно делать свои настройки, но мы считаем, что это будут настройки одного мастер-алгоритма, а не фундаментально иной механизм.

Эрик Джонас: Мой соучредитель Бо (Beau) был в этой лаборатории с хорьками в MIT. Похоже, что кортикальные зоны и соответствующие им паттерны во временных рядах данных достаточно гомогенны. Мы понимаем мир не потому, что обладаем идеальными алгоритмами, но также потому что нам помогает громадное количество наблюдаемой информации. Всеобъемлющая цель — возможно, для всех нас — получить все знания о мире с целью воспользоваться ими. Резонно полагать, что некоторые вещи перебазируются на другие вертикали. Продукты различны; очевидно, создание видеокамеры не помогает продвинутой речевой терапии. Но, возможно, в таком подходе кроется множество частичных совпадений.

Питер Тиль: Существует ли страх, что разрабатываемая вами технология будет нуждаться в проблеме для решения? Беспокоит то, что ИИ похож на научный проект, который может не иметь приложения в данный момент.

Эрик Джонас: Мы считаем, что лучшее понимание данных имеет множество возможностей приложения. Нахождение верного баланса между построением ядра технологии и фокусировкой на продуктах — это всегда проблема, которую должны решать команды стартаперов. Конечно, нам нужно следить за бизнес-требованиями идентификации конкретных вертикалей проблем и создания продуктов, имеющих конкретное приложение. Ключ — совместная работа с советом директоров и инвесторами над долгосрочным видением и различными целями по пути.

Скотт Браун: Мы основали Vicarious, потому что хотели раскусить ИИ. Мы считали, что шаг за шагом кто-то захочет создать настоящий ИИ. Оказывается, многие из этих шагов имеют довольно большую коммерческую значимость сами по себе. Взять хотя бы распознавание неразделенных объектов. Если мы просто достигнем этой точки, это само по себе будет очень ценно. Мы смогли бы вывести это на уровень продукта и продолжить дальше. Поэтому вопрос ставится так: можете ли вы «продать» свое видение проблемы и поднять денег, чтобы развиваться к первой контрольной точке, вместо того чтобы просить пустой чек на проведение невнятных экспериментов ведущих к выигрышу с вероятностью 50/50 через 15 лет.

Боб МакГрю: Нужно быть настойчивым. Вероятно, больше не осталось низко висящих фруктов. Если сильный ИИ — это высоко висящий фрукт (или даже недостижимо высоко висящий), дополненный интеллект Palantir — это вполне досягаемый фрукт. И у нас ушло три года, прежде чем мы получили платежеспособного клиента.

Питер Тиль: Вот вопрос к Бобу и Palantir. Доминантная парадигма, к которой люди склоняются по умолчанию, либо на 100% человеческая, либо на 100% компьютерная. Люди считают их антагонистичными. Как вы собираетесь убедить ученых или Гугл, которые сосредоточены на отодвигании рамок возможностей компьютеров, что парадигма сотрудничества человека и компьютера, предлагаемая Palantir — лучше?