Пять признаков грядущего нашествия роботов

Автоматические повара — первые примеры того, что Гилл Прэтт, CEO Исследовательского института Toyota (и наш бывший коллега по Массачусетскому технологическому институту), называет кембрийским взрывом в робототехнике. Кембрийский взрыв — условное название события, произошедшего 500 миллионов лет назад, когда в течение относительно короткого периода времени на Земле появилась б о льшая часть крупных таксонов — типов. Почти все типы существ, живущих сейчас на планете, восходят к той эволюционной вспышке.

По мнению Прэтта, мы стоим на пороге таких же революционных новаций в робототехнике. В 2015 году он писал: «Сегодня технологические разработки на нескольких фронтах способны спровоцировать аналогичный взрыв в разнообразии и сферах применения роботов. Многие базовые аппаратные технологии, от которых они зависят, в частности вычисления, хранение данных и коммуникации, улучшаются с экспоненциальной скоростью»[244]. Одним из самых важных факторов, сделавших возможным кембрийский взрыв, было появление зрения, когда биологические виды впервые развили в себе способность видеть мир. Это открыло множество новых возможностей для наших предков. Прэтт обращает внимание, что вот-вот возникнет аналогичная ситуация для машин. Впервые в истории они учатся видеть и получают многочисленные выгоды от приобретения зрения.

В своих дискуссиях и исследованиях мы выявили недавнее масштабное развитие в пяти взаимозависимых и смежных областях: это данные, алгоритмы, сети, облачные технологии и экспоненциальное улучшение аппаратного обеспечения.

Данные. Компакт-диски с музыкой и фильмами, а также веб-страницы десятилетиями пополняют мировой запас цифровой информации, но за последние несколько лет скорость кодирования резко увеличилась. По оценкам IBM, 90 процентов всех цифровых данных в мире было создано за последние 24 месяца[245]. Сигналы от сенсоров в смартфонах и промышленном оборудовании, цифровые фотографии и видеоролики, непрерывно создаваемый контент в социальных сетях по всему миру и многие другие виды информации толкают нас к эпохе больших данных, не имеющей аналогов в истории.

Алгоритмы. Резкое увеличение объема данных важно, поскольку поддерживает и ускоряет разработки в сфере искусственного интеллекта и машинного обучения, описанные в предыдущей главе. Алгоритмы и подходы, которые сейчас доминируют в этой области, например глубокое обучение или обучение с подкреплением, обладают общим свойством показывать всё лучшие результаты по мере увеличения объема поступающих данных. Работа большинства алгоритмов обычно сводится к асимптотическому уровню, когда добавление новых данных улучшает результат совсем чуть-чуть или вовсе на него не влияет. Однако, похоже, для многих широко использующихся сейчас подходов к машинному обучению это не так. Эндрю Ын сказал нам, что в случае с современными алгоритмами «закон Мура и некоторое количество очень умной технической работы позволяют изменить ситуацию»[246].

Сети. Очень быстро улучшаются технологии и протоколы беспроводной связи — как на коротких, так и на длинных расстояниях. Например, AT&T и Verizon объявили об испытаниях в 2016 году беспроводной технологии 5G со скоростью загрузки до 10 гигабит в секунду[247]. Это в пятьдесят раз быстрее, чем средняя скорость сетей LTE (самых быстрых из тех, что широко развернуты в настоящее время), а сама технология LTE вдесятеро быстрее предыдущего поколения — технологии 3G. Такое повышение скорости означает более качественное и быстрое накопление данных, а также подразумевает, что роботы и летающие дроны смогут постоянно быть на связи, координировать свою работу и совместно реагировать на быстро меняющиеся обстоятельства.

Облачные технологии. Для организаций и отдельных людей сейчас доступен беспрецедентный объем вычислительных мощностей. Через интернет можно арендовать на долгий срок или на несколько минут приложения, серверы различного уровня конфигурирования и объемы дискового пространства. Такая инфраструктура для облачных вычислений, существующая меньше десяти лет, ускоряет кембрийский взрыв в робототехнике по трем причинам.

Во-первых, она сильно снижает входной барьер, поскольку те виды компьютерных ресурсов, которые раньше имелись только в крупных исследовательских университетах и международных лабораториях, занимающихся НИОКР, теперь стали доступны для стартапов и изобретателей-одиночек.

Во-вторых, облако позволяет разработчикам роботов и дронов исследовать важный вопрос о распределении локальных и централизованных вычислений: какие задачи по обработке информации следует выполнять в локальном мозге каждого робота, а какие должен делать глобальный мозг, расположенный в облаке? Кажется вероятным, что самая ресурсоемкая работа, например воспроизведение предыдущего опыта для получения новых выводов, до какого-то времени будет выполняться в облаке.

В-третьих (и это, возможно, важнее всего), облако означает, что каждый участник группы роботов или дронов будет способен быстро узнать, что делают все другие участники. Прэтт замечает: «Люди учатся десятки лет, чтобы добавить что-то содержательное в совокупность общечеловеческого знания. Тем временем роботы в смысле обучения не просто стоят на плечах друг у друга[248], а способны начать делать вклад в совокупность “общероботового” знания сразу после своего создания»[249]. Один из первых примеров «коллективного разума» такого рода — это парк автомобилей Tesla, способных обмениваться данными о придорожных объектах, мимо которых они проезжают. Получение такой информации помогает со временем понять, какие объекты постоянны (те, мимо которых в одном и том же месте проезжает много разных автомобилей), и сделать вывод о крайне малой вероятности того, что они выбегут на середину дороги.

Экспоненциальное улучшение аппаратного обеспечения. В 2015 году закон Мура, который гласит, что производительность микросхем удваивается каждые 18–24 месяца[250], отпраздновал полувековой юбилей, и в это время он все еще был актуален. Недавно высказывались предположения, что разработчики столкнутся с проблемами физических ограничений, поэтому в ближайшие годы темпы удвоения замедлятся. Возможно, это и так, но, даже если ученые и инженеры, работающие в области информационных технологий, не сумеют выяснить в ближайшие десятилетия, как еще тоньше протравливать кремний, мы уверены, что еще долго будем радоваться тому, как снижаются цены и одновременно повышается производительность цифрового оборудования: процессоров, памяти, средств связи, запоминающих устройств и тому подобного.

Как такое возможно? Крис Андерсон, CEO компании 3D Robotics, занимающейся изготовлением дронов, дал нам яркую иллюстрацию того, что происходит в этой индустрии и некоторых смежных областях. Показав нам металлический цилиндр примерно 2,5 сантиметра в диаметре и 7,5 сантиметра в длину, он сказал: «Это гиродатчик. Он механический, стоит 10 тысяч долларов, был сделан в 1990-е годы несколькими очень талантливыми женщинами на авиационном заводе — ручная работа и все такое. Он отслеживает движение всего по одной оси. На каждом нашем дроне 24 таких датчика. При цене в 10 тысяч долларов общая стоимость была бы равна 240 тысячам долларов, а места они занимали бы столько же, сколько холодильник. Вместо этого мы устанавливаем одну крохотную микросхему или несколько крохотных микросхем, которые стоят по три доллара и почти невидимы»[251].

Идея Андерсона состоит в том, что сочетание дешевого сырья, глобальных рынков, сильной конкуренции и экономики промышленных масштабов фактически служит гарантией стабильного быстрого снижения цен и улучшения рабочих характеристик техники. По его словам, дроны — это «дивиденды смартфонных войн. Компоненты смартфонов — сенсоры, GPS, камеры, ARM-процессоры, беспроводная связь, память, аккумуляторы — все эти штуки, на которые повлияли невероятная экономия из-за производственных масштабов и инновационные исследования в Apple, Google и других компаниях, теперь стали доступны за несколько долларов. Десять лет назад они были фактически унобтанием[252]. Когда-то такие технологии использовались только военными, теперь же вы можете купить их в любом из магазинов сети RadioShack»[253].

В совокупности пять перечисленных элементов и вызвали кембрийский взрыв, обусловив появление роботов, дронов, автономных легковых и грузовых автомобилей и многих других в значительной степени цифровых машин. Экспоненциально дешевеющее оборудование позволяет увеличить темп инноваций и экспериментов, которые создают гигантские потоки данных. Эта информация используется для тестирования и оттачивания алгоритмов и помогает системе обучаться. Алгоритмы задействуют облако и распределенные вычисления с помощью устойчивой сети. Новаторы проводят следующий раунд тестов и экспериментов, и цикл повторяется.