Гони быстрее, твори страннее

А если хоть часть соответствующих знаний тоже можно было создавать автоматически? Если к сочетанию программы для генеративного дизайна и трехмерной печати можно было бы добавить дополнительные инструменты, чтобы творческие цифровые технологии продвинулись дальше? Чтобы выяснить это, в 2013 году в Лос-Анджелесе представители Autodesk объединились с группой автомобильных дизайнеров и водителей-каскадеров[274]. Они поставили цель разработать автоматизированную систему, которая могла бы с нуля проектировать гоночные шасси и самостоятельно определять, как они должны функционировать, — иными словами, задавать его характеристики.

Для этого команда сначала построила урезанную модель традиционного гоночного автомобиля — фактически только шасси, трансмиссию, двигатель, сиденье и колеса. Затем специалисты покрыли шасси датчиками, измеряющими нужные параметры: напряжение, деформацию, температуру, смещение и все прочие вещи, к которым должно быть приспособлено шасси. Как мы уже говорили в предыдущей главе, цифровые датчики сейчас одновременно малы, дешевы и производительны, поэтому команда смогла без больших затрат получить огромное количество точных данных от шасси, оснащенного измерительными приборами.

Автомобиль с датчиками отвезли в пустыню Мохаве, где шофер-испытатель водил его на предельных режимах, разгоняясь и тормозя максимально жестко (но без крушений), а датчики машины в это время собирали информацию. К концу заезда у команды имелось 20 миллионов замеров для конструкции автомобиля и сил, действующих на него. Все эти данные были загружены в Project Dreamcatcher — систему генеративного дизайна, разработанную Autodesk, — а потом использованы для трехмерного моделирования шасси. Рисунок 2 показывает то, что выдала программа. Нам кажется, что шасси для гоночного автомобиля тут можно опознать с большим трудом. Скорее это похоже на череп мамонта или кита, или, возможно, на микроскопический панцирь диатомовой водоросли, состоящий из диоксида кремния[275].

Рис. 2

Модель шасси гоночного автомобиля (схема предоставлена компанией Autodesk)

Это не простое совпадение. Кости, экзоскелеты и прочие природные конструкции победили в ходе древней безжалостной эволюционной конкуренции — битвы в буквальном смысле не на жизнь, а на смерть. Эволюция создала изумительные проекты, одновременно жизнеспособные, выносливые, энергетически эффективные, изощренные, сильные и стройные. Поэтому мы не должны удивляться тому, что программа генеративного дизайна, которая получила задание спроектировать оптимальную конструкцию, удовлетворяющую какому-либо набору функциональных требований, выдает нечто, выглядящее так, как будто оно создано природой.

Вы обратили внимание на еще одну необычную черту? Шасси асимметрично, его правая и левая стороны не являются зеркальным отражением друг друга. Это вполне разумно. Гоночный автомобиль чаще ездит по кругу в одном направлении[276], чем в другом, поэтому на обе стороны шасси действуют различные силы. Дизайнеры-люди знали об этом давно, но их творения редко бывали настолько асимметричными (если вообще бывали), как проект, созданный программой генеративного дизайна.

Примеры вроде гоночного шасси убеждают нас, что цифровое творчество — это больше, чем просто подражание и инкрементализм[277]. Компьютеры способны на нечто большее, чем просто расширение и комбинирование уже сделанного людьми. Мы оптимистично смотрим на то, что может происходить нечто противоположное. Когда компьютеры вооружаются накопленным человеком научным и техническим знанием и получают эксплуатационные требования для какой-либо ситуации (или достаточное количество данных, чтобы выяснить их самостоятельно), они предлагают новые решения, которые людям не пришли бы в голову.

КОМПЬЮТЕР КРИЧИТ: «ЭВРИКА!»

Машины-проектировщики не имеют слепых пятен и предрассудков, которые, видимо, неизбежно накапливаются вместе с опытом у людей. Доступные сегодня вычислительные мощности позволяют машинам-проектировщикам быстро и недорого исследовать множество решений — больше, чем может придумать целое здание, полное людей. Цифровые творцы уже существуют.

Типичный пример творчества в духе «Эврика!» в науке — это появление новой теории, которую со временем подкрепляют результаты экспериментов. Хорошо продуманное исследование, проведенное специалистами по вычислительной биологии в Медицинском колледже Бейлора и аналитиками из IBM, показало, что технология искусственного интеллекта IBM Watson могла бы применяться для создания полезных научных гипотез[278]. Группа искала киназы[279] — активаторы белка p53; он интересен тем, что сдерживает развитие рака. Исследователи заставили Watson прочитать[280] 70 тысяч опубликованных научных работ по этой теме[281], а затем попросили спрогнозировать киназы, которые будут включать и выключать деятельность белка p53. Watson назвал семь возможных вариантов.

Откуда нам знать, хороши они или плохи? Нам это известно, потому что исследователи дали системе только работы, опубликованные до 2003 года. Это означает, что ученые могли использовать десять лет научного прогресса между 2003 и 2013 годами, чтобы определить, какие из гипотез Watson были исследованы и подтверждены. В реальности оказалось, что все семь киназ, предложенных компьютером, активируют p53. Результаты особенно впечатляют, если учесть, что за последние тридцать лет наука в данной области открывала примерно по одной активирующей p53 киназе в год. Это не какая-то частная проблема.