Пришестя роботів: техніка і загроза майбутнього безробіття

Одна з найяскравіших демонстрацій можливостей машинного навчання відбулася тоді, коли компанія Google запровадила свій інтернет-перекладач з різних мов. У його алгоритмах був застосований принцип розв’язання проблеми, який можна було б назвати принципом розетського каменя і який полягав у аналізі й порівнянні мільйонів сторінок тексту, що раніше вже перекладалися безліччю мов. Команда програмістів компанії Google почала з того, що зосередилася на офіційних документах, підготовлених в ООН, а потім поширила свої зусилля на інтернет, де пошуковий двигун цієї компанії зміг знаходити величезну кількість конкретних прикладів, які стали «поживним кормом» для ненажерливих самонавчальних алгоритмів. Проти тієї кількості документів, що використовуються для навчання системи, зійшло нанівець все, що з’явилося раніше. Франц Ох, учений-комп’ютерник, який керував цим проектом, зазначив, що група створила «дуже-дуже великі лінгвістичні моделі, значно більші за ті, які коли-небудь були створені за всю історію людства» [8].

У 2005 році компанія Google виставила свою систему на щорічний чемпіонат машинних перекладачів, організований Національним Бюро стандартів і технології (National Bureau of Standards and Technology) — агенцією, що є одним із підрозділів Міністерства торгівлі Сполучених Штатів і яка публікує вимірювальні стандарти. Ґуґлівським алгоритмам машинного навчання вдалося з легкістю взяти гору над своїми конкурентами, які, зазвичай, намагалися активно програмувати свої перекладацькі системи, продираючись крізь хащі суперечливих і непослідовних граматичних правил, характерних для кожної мови. Головний урок полягає в тому, що коли конкретний масив даних стає надто великим, то він часто може звести нанівець усі зусилля навіть найкращих програмістів. Система Google іще неспроможна скласти конкуренцію досвідченим перекладачам у людській подобі, проте вона забезпечує двосторонній переклад у понад 500 мовних пар. Це означає дійсно дестабілізаційний прогрес у комунікативній здатності: вперше в історії людства нині майже кожен має змогу вільно й миттєво отримати грубий переклад практично будь-якого тексту з будь-якої мови.

Хоча існує цілий ряд різноманітних принципів машинного навчання, одна з найпотужніших і доволі цікавих технологій передбачає використання штучних нейронних мереж або систем, створених за тим же фундаментальним робочим принципом, що й мозок людини. Мозок містить аж 100 млрд нервових клітин, поєднаних багатьма трильйонами зв’язків, але потужні навчальні системи можна побудувати з використанням значно простіших конфігурацій симульованих нейронів.

Окремий нейрон працює майже як пластмасові іграшки-стрибунці, популярні серед малих дітей. Коли дитинча натискає кнопку, вистрибує яскрава кольорова фігурка, можливо — якийсь мультиплікаційний персонаж або тваринка. А якщо натиснути кнопку потихеньку, то не станеться нічого. Якщо ж натиснути трохи сильніше, то також нічого не станеться. Та коли зусилля натиску долає певний поріг, то — гоп! — вистрибує фігурка. Нейрон працює приблизно так само, з тією лише різницею, що активаційна кнопка натискається за допомогою комбінації з численних вхідних сигналів.