ИИ. История машины, которая научилась говорить

Марвин Минский подходил к вопросу через нейронные модели и теорию обучения. Ещё до встречи он работал над машиной, имитирующей обучение нервной сети, а в проектном документе рассматривал, как можно исследовать интеллектуальное поведение математически. Его интерес не сводился к утверждению, что мозг — это просто компьютер. Он проверял, какие функции способны выполнять упрощённые модели нейронов и что можно узнать, если перенести эту гипотезу в вычислительный эксперимент.

Натан Рочестер представлял IBM — организацию, где вычислительная техника уже была большим инженерным и промышленным проектом. Он участвовал в разработке IBM 701, одного из ранних больших компьютеров компании, и занимался тем, как заставить вычислительные машины выполнять задачи, прежде поручавшиеся человеку. Его присутствие связывало исследовательскую мечту с реальным оборудованием: сколько памяти доступно, как устроено программирование, какие задачи машина способна выполнять в срок и за какие ресурсы.

Клод Шеннон пришёл из Bell Telephone Laboratories, где сформулировал математическую теорию информации и применял логику к проектированию переключательных схем. Но в его интересах уже были не только каналы связи. Он предлагал программы для игры в шахматы и строил небольшие релейные устройства, демонстрировавшие элементы поиска и управления. Шеннон умел смотреть на информацию как на объект математического анализа, не смешивая её с человеческим смыслом сообщения. Для нового проекта это был важный ресурс и важное ограничение: измерить передачу сигнала — не то же самое, что объяснить понимание.

В приложениях к заявке каждый из четырёх организаторов описывал собственные направления работы. Это не была общая теория, которую они просто разделили на четыре части. Сам документ показывает различие интересов: формальные языки и окружение, нейронные модели, вычислительные машины и алгоритмы, теория информации и логические схемы. Их объединяла не договорённость о том, что такое интеллект, а решение работать под одной исследовательской вывеской, хотя бы на время.

У такого союза была практическая ценность. Математик мог увидеть в инженере того, кто превратит идею в работающую программу; специалист по компьютерам — получить задачу, выходящую за пределы арифметики; исследователь мозга — проверять гипотезы вычислением; теоретик информации — предложить язык для точности и сложности. Но союз не снимал разногласий. Он создавал условия, в которых разногласия можно было обсуждать как части одной проблемы.

Список задач, который оказался шире одной науки

Заявка не предлагала участникам сначала договориться, что такое интеллект, а потом уже работать. Она поступала практичнее: взять отдельные способности, найти способ их описать и посмотреть, удаётся ли поручить описание машине. Этот разбор на задачи сделал проект выполнимым. Одновременно он создал риск: если части исследуются отдельно, можно забыть, что они должны быть связаны в человеке.

Самый прямой путь шёл через автоматические вычислители. Если машину можно научить выполнять работу, рассуждали авторы, её действия можно представить как программу для калькулятора. Тут же появлялась оговорка: компьютеров середины 1950-х могло не хватить по скорости и памяти для моделирования сложных функций мозга, однако главным препятствием подписанты считали недостаток подходящих программ. Теперь это утверждение читается как очень смелая оценка инженерной задачи. Но в нём был и исследовательский вызов: прежде чем объявлять предел вычислительных устройств, нужно выяснить, умеем ли мы вообще описать нужную работу.

Программа при таком взгляде становилась центральным посредником между задачей и машиной. Электронное устройство могло быстро выполнять операции, но без подходящего описания оно оставалось мощным калькулятором, которому неизвестно, что считать. В то время идея уже проверялась на конкретных проектах: кто-то писал шахматные программы, кто-то исследовал сетевые модели, кто-то пытался формализовать доказательство. Дартмутская заявка не утверждала, будто язык программирования или объём памяти не имеют значения. Она ставила вопрос о другом барьере — о способности людей формулировать программы для сложных интеллектуальных задач.

Язык занимал в проекте особое место. Можно ли заставить компьютер работать со словами, а не только с числами? Один из возможных взглядов состоял в том, что значительная часть мысли — операции с языковыми единицами по правилам рассуждения и догадки. Обобщение тогда можно описать как введение нового обозначения и отношений, связывающих его с прежними выражениями. Авторы, однако, прямо отмечали, что эта идея пока не была разработана достаточно точно и не получила убедительных примеров. Это признание принципиально: в заявке язык был не доказанным методом, а областью, в которой предстояло придумать сам способ формализации.

Почему язык вообще казался привлекательным ключом? Слова позволяют коротко описывать классы объектов, события и отношения. Человек может сказать «положи книгу на стол», не перечисляя каждый пиксель поверхности и не задавая все возможные положения предмета. Чтобы программа справилась с такой инструкцией, ей нужно представить объекты, действия и отношения в форме, пригодной для обработки. Но обыденный язык не похож на таблицу, где у каждого знака ровно одно значение. Слова зависят от контекста, пропущенные сведения восстанавливаются из ситуации, а люди меняют тему, не объявляя об этом. Дартмутская заявка замечала потенциал языка, но ещё не обладала механизмом, который позволил бы безопасно перенести всё это в программу.

Рядом стояло исследование нейронных сетей. В документе спрашивали, как расположить гипотетические нейроны, чтобы из сети возникали понятия. Подписанты ссылались на более раннюю теоретическую и экспериментальную работу нескольких исследовательских групп и признавали, что есть частичные результаты, но нужна дальнейшая теория. Это не была попытка единодушно объявить нейронную сеть единственным путём к искусственному разуму. Скорее, её рассматривали как один из способов изучать, как простые элементы могут совместно формировать более сложную функцию.

Соседство языка и нейронных сетей сразу показывает, почему встреча не была собранием единомышленников с одинаковыми ответами. Один подход мог пытаться явно представить знания в символах и правилах; другой — выяснить, как сложное поведение рождается из сети более простых элементов; третий — исследовать поиск в пространстве вариантов. Они отличались не только техникой, но и тем, что считали объяснением. Для одних важно было, чтобы система следовала понятным правилам. Для других — чтобы она демонстрировала способность к обучению и обобщению. Общая вывеска дала возможность спорить об этом вместе, не разрешая спор заранее.

Авторы отдельно поднимали проблему вычислительной эффективности. Для задачи с формально проверяемым ответом можно перебирать варианты один за другим. В принципе такой поиск способен найти правильный результат, если вариантов конечное число и ответ среди них есть. Но пространство вариантов может расти так быстро, что поиск перестаёт быть практически полезным. Тогда мало знать, что решение существует: нужно оценить, насколько дорог путь к нему и как находить короткие или перспективные маршруты. Подписанты связывали это с теорией сложности вычисления — вопросом не только «может ли машина решить задачу?», но и «какие ресурсы потребует решение?».

Это был редкий для столь широкой заявки жест точности. Разговор об искусственном интеллекте легко превращается в спор о человеческой способности вообще. Теория сложности возвращала его к измеримому: можно описать задачу и сравнить методы решения по затратам. Однако даже на этом уровне возникал разрыв между формальным и практическим вопросами. Задачу, для которой можно проверить ответ, ещё требуется записать так, чтобы система знала, что перебирать; а сам перебор может быть непосильным. Уже в 1955 году было понятно, что вычислительная мощность не равна разумной стратегии.

Шахматы делают этот разрыв наглядным. Если программа рассматривает каждый возможный ход, а затем каждый ответ соперника, число вариантов быстро растёт с каждым дополнительным шагом поиска. Даже несколько вариантов на каждом ходе дают огромное дерево продолжений. Можно увеличить скорость компьютера, но это не отменяет вопроса, какие ветви стоит изучить первыми и когда дальнейший перебор уже не изменит выбор. Поэтому в задаче важны не только вычислительные ресурсы, но и стратегия сокращения поиска. Именно здесь инженерное ограничение становится частью интеллектуального вопроса: система должна не просто считать быстро, а решать, что считать.

Идея самоулучшения и творчества поднимала планку ещё выше. Если машина сможет менять собственные правила, улучшать способы решения и предлагать ходы, которые не были буквально прописаны программистом, где проходит граница между заранее заданным алгоритмом и неожиданным поведением? В предложении рассматривались схемы самосовершенствования, а различие между творческой и компетентной, но шаблонной работой связывалось с догадкой и некоторой долей случайности. Авторы не выдавали это за установленную теорию творчества. Напротив, называли такую догадку неполной и указывали, что случайность должна быть каким-то образом направлена.

Эта оговорка важна и сегодня. Если случайная инструкция появляется в произвольном месте программы, это скорее ломает вычисление, чем превращает его в творчество. Непредсказуемость сама по себе не является воображением. Нужно, чтобы система могла оценивать последствия, сохранять удачные варианты и ограничивать поиск. В 1955 году это пока обозначалось как вопрос, достойный исследования, а не как готовый рецепт. Но уже здесь видно, насколько рано ИИ взял на себя слово «творчество» и насколько осторожно, по крайней мере в отдельных местах самой заявки, авторы относились к объяснению этого слова.

Зачем Маккарти понадобилось новое название

До 1955 года люди уже исследовали устройства, которым сегодня мы без сомнений приписали бы отношение к ИИ. Работали с логическими схемами, автоматами, вычислительными алгоритмами, сетями нервных элементов, управлением и обучением. Но эти направления жили в разных интеллектуальных контекстах. В одних случаях обсуждали связь мозга и машины; в других — связь вычисления и логики; в третьих — управление и обратную связь. Между ними не было единого словаря и единого плана исследований.

Маккарти позже объяснял, что хотел закрепить за проектом отдельное направление. Его разочаровывало, что в сборнике Automata Studies, готовившемся вместе с Шенноном, лишь немногие работы прямо занимались тем, как заставить машины вести себя разумно. Сборник вырос из приглашений к исследователям, которые Маккарти и Шеннон разослали ещё в 1952 году; книга вышла в 1956-м. В ней автомат изучали прежде всего как формальную систему с заданными состояниями и переходами. Для Маккарти проблема была в фокусе: ему хотелось поставить в центр поведение, которое обычно называют разумным. Новый термин должен был не перечеркнуть теорию автоматов, а привлечь внимание к недостающему вопросу. Название «искусственный интеллект» он выбрал, чтобы обозначить приоритет и не дать основной теме раствориться среди исследований автоматов. Это воспоминание написано спустя полвека, и его следует читать именно как позднее объяснение одного из организаторов, а не как полный протокол мотивов всех четырёх. Но формулировка Маккарти полезна: речь шла не только о словах, но и о том, какой вопрос займёт центр внимания.

Название позволяло собрать под ним разные методы, не объявляя заранее победителя. «Теория автоматов» могла звучать как исследование формальных устройств. «Кибернетика» связывала разговор с управлением и обратной связью. «Машинное обучение» выделяло бы способность менять поведение на примерах. «Искусственный интеллект» было шире этих названий и привлекало к себе вопрос о функциях, которые люди связывают с разумом. Такая широта помогала приглашать математиков, инженеров и исследователей мозга на одну встречу.

Но широкий термин не был нейтральным контейнером. Назвать область — значит выбрать, с чем её сравнивать. Если речь идёт о «вычислении», в центре могут оказаться правила, процедуры и ресурсы. Если об «интеллекте», внимание смещается к человеческим способностям и к вопросу, насколько система на них похожа. Одно слово связывает эксперименты, которые технически сильно различаются, общей обещающей перспективой. Оно может открыть новые двери, но также заставляет людей ожидать от частного результата ответа на слишком общий вопрос.

Это не уникальная странность ИИ. Новые научные области часто создаются через названия, конференции, журналы, лаборатории и программы обучения. Вначале нет одной окончательной теории, которая объясняет, что именно объединяет все проекты. Есть исследователи, которые договариваются обсуждать свои работы в общей рамке, обмениваются методами и спорят о границах этой рамки. Если идея потом получает поддержку и воспроизводится в новых группах, название начинает казаться естественным — будто оно просто обнаружило область, которая всегда там лежала.

У выражения «искусственный интеллект» был дополнительный эффект: оно вызывало интерес за пределами лаборатории. «Автоматический вычислитель» описывал машину; «имитация человеческих функций» — исследовательскую цель; «искусственный интеллект» обещал разговор о способности мыслить. В одном коротком названии скрывалась гипотеза, что человеческие способности можно частично перенести в техническую систему. Такой заголовок было легче запомнить и обсуждать, чем перечень разных проектов. Но его заметность неизбежно опережала точность определения.

По позднему объяснению Маккарти, слово помогло «прибить флаг» к мачте. Метафора военная, но суть организационная: указать, где проходит территория проекта и какие исследования следует считать его частью. Это не значит, что авторы внезапно присвоили все похожие работы или что остальные исследователи приняли название без сопротивления. Речь о более скромном, но важном результате: новая рамка позволила обращаться к финансирующим организациям и приглашённым участникам с конкретным предложением о совместной работе.

Позднее историки будут оценивать, было ли Дартмутское событие началом новой области или прежде всего моментом её институционализации. Для самих организаторов эти формулировки не обязаны были исключать друг друга. До встречи существовали идеи и эксперименты, а после неё люди могли называть свою совместную область исследованием искусственного интеллекта, собирать проекты вокруг этого названия и передавать его следующим поколениям. Рождение области — не рождение всех её идей. Это устройство места, где они могут встретиться.

У проекта были деньги, сроки и список приглашённых

Летнее исследование требовало больше, чем хорошей идеи и свободной аудитории. Авторы попросили Фонд Рокфеллера выделить 13 500 долларов на двухмесячную работу группы из десяти человек. В смете шесть исследователей университетского уровня получали по 1 200 долларов, двум аспирантам отводили по 700. Ещё 2 400 долларов закладывали на дорогу и жильё, 850 — на секретарскую и организационную работу, 600 — на поездки краткосрочных гостей, 550 — на непредвиденные расходы. Эти цифры показывают масштаб замысла: организаторам нужно было не просто оплатить билеты, а создать условия, в которых разные специалисты могли бы на время отложить часть обычной работы.

Фонд не должен был платить всем одинаково. Организаторы ожидали, что сотрудники IBM и Bell Telephone Laboratories будут получать зарплату от своих учреждений; преподавателям Дартмута и Гарварда требовалась поддержка гранта. Аспирантам предлагали отдельные стипендии. Такой расчёт сводил за одним столом людей с разными работодателями, должностями и финансовыми условиями. Научное сотрудничество начиналось с вопроса, кто оплатит время каждого участника. Это было особенно важно для приглашённых из промышленных лабораторий: их присутствие зависело не только от интереса к теме, но и от того, мог ли работодатель освободить их от обычных обязанностей. Грант не покупал целиком лето каждого специалиста, а собирал части времени и поддержки из нескольких источников. Уже поэтому расписание в заявке было скорее координационным обещанием, чем гарантией, что десять исследователей одновременно окажутся доступны группе.

В строках о жилье и секретарской работе заметна повседневная сторона большой идеи. Некоторым исследователям пришлось бы одновременно оплачивать жильё в Дартмуте и квартиру дома. Кто-то должен был переписываться с приглашёнными, размножать предварительные материалы и согласовывать поездки. Без этой работы программа оставалась бы заявкой. Смета поэтому рассказывает не только о стоимости проекта, но и о его устройстве: исследователи должны были приехать, получить время для работы и иметь возможность обсуждать промежуточные результаты.

План включал регулярные семинары, индивидуальные занятия и встречи в небольших неформальных группах. До приезда потенциальным участникам собирались разослать предложение и спросить, над какой задачей они хотели бы работать; участникам предлагали заранее обменяться прежними работами и новыми идеями. Авторы надеялись собрать десять человек, чьи методы и интересы дополняли бы друг друга. Приглашения предполагалось направлять по оценке организаторов — исходя из того, какой вклад конкретный исследователь мог внести. От приглашённых ждали предварительной работы: прислать тему, поделиться уже написанными материалами и обозначить задачу, которую они хотели бы атаковать летом. Так организаторы надеялись не тратить первые недели на знакомство с интересами друг друга. Предложение строило мост от общей гипотезы к конкретным исследованиям ещё до того, как группа приезжала в Дартмут. Предварительный обмен был важен ещё и потому, что разные специалисты могли использовать одно слово для разных вещей. Если один исследователь говорил об обучении, он мог иметь в виду изменение параметров сети; другой — добавление фактов и правил в программу; третий — способность находить более короткое решение. Заранее присланные работы должны были дать группе общий материал для разговора и помочь быстрее перейти от терминов к конкретным методам. Это не гарантировало согласия: участники могли прочитать одну работу и увидеть в ней разные проблемы. Но спор хотя бы начинался с общего примера, а не с догадки о том, что собеседник имеет в виду.

Поэтому список людей вокруг проекта нельзя автоматически читать как список тех, кто провёл в Дартмуте всё лето. В нём соседствовали организаторы, потенциальные участники и люди, которым могла быть интересна новая тема. Приглашение зависело от личных обстоятельств; участие — от расписания, поддержки учреждения и собственных исследований. Вопрос «кто входил в область?» здесь ещё только формировался вместе с вопросом «кого позвали обсуждать её».

Позднее Маккарти вспоминал, что Фонд Рокфеллера выделил лишь половину запрошенной суммы. Это свидетельство организатора, записанное спустя десятилетия, а не полный финансовый отчёт; оно не позволяет пересчитать каждую статью расходов. Но оно объясняет, почему лето не могло в точности повторить проект на бумаге. Сокращение средств влияло на то, сколько времени и поддержки могли получить участники, а личные исследовательские планы в любом случае не исчезали вместе с билетом до Нью-Гэмпшира.

Уже в смете видна главная трудность: собраться вместе было возможно, но общая тема сама по себе не делала работу общей. Чтобы представить разницу между замыслом и состоявшейся встречей, нужно перейти от бюджета и плана к тому, кто действительно приехал, над чем работал и что Маккарти смог запомнить спустя полвека.

Лето 1956 года не исполнило план целиком

На бумаге участники должны были провести два месяца в Дартмуте, совместно работать над искусственным интеллектом и добиться значительного продвижения. В воспоминаниях Маккарти встреча выглядела иначе: люди приезжали в разные даты и оставались на разное время. У каждого была собственная исследовательская программа, и организаторам не удалось полностью переключить участников на одну общую задачу. Сокращённое финансирование тоже сыграло роль. Позже сам Маккарти отмечал, что первоначальный план не сработал так, как задумывался.

В позднем воспоминании Маккарти заметно и отсутствие некоторых учёных, которых он считал возможными важными собеседниками: Алан Тьюринг умер в 1954 году, а Джон фон Нейман к лету 1956-го был уже тяжело болен. Это наблюдение не превращает встречу в список приглашённых, которые «должны были» приехать. Оно напоминает, что область не создавалась в комнате, где собрались все главные авторы её предыстории.

Эта разница между планом и фактическим событием важна не для того, чтобы поймать организаторов на преувеличении. Напротив: она объясняет, почему миф о едином съезде учёных вводит в заблуждение. Дартмутский проект был не конференцией, где в один день все участники слушали один доклад, а затем подписали общий манифест. Это была попытка устроить исследовательскую работу на протяжении лета. Люди появлялись, обсуждали свои темы, представляли программы и продолжали проекты, которые уже начались в других местах.

В позднем рассказе Маккарти одним из самых заметных эпизодов стало короткое появление Аллена Ньюэлла и Герберта Саймона: они приехали всего на несколько дней и представили Logic Theorist, программу, уже находившуюся в разработке. Её показ связывал общий тезис заявки с конкретной работой: компьютер мог искать доказательство в формальной системе, где результат допускает проверку. Механизм программы и то, что именно она доказала, станут предметом следующей главы.

Здесь нужно быть точными с хронологией. Logic Theorist не родилась в Дартмуте и не была создана в ответ на встречу. Ньюэлл, Саймон и программист Клифф Шоу разрабатывали её до летнего проекта; ручную симуляцию одной из теорем провели ещё в декабре 1955 года. Презентация в Дартмуте сделала работу видимой участникам, но не была моментом создания алгоритма. Это важная разница между лабораторным проектом, публичной демонстрацией и институциональной историей области.

Другие эпизоды Маккарти вспоминал через собственный интерес. Он рассказывал о шахматной программе IBM, которую представлял Александр Бернстайн, и о своей реакции на поиск в игре. Маккарти предложил использовать альфа-бета-отсечение: если по уже просмотренной части вариантов ясно, что продолжение не может оказаться лучше найденного, программу можно не заставлять перебирать его до конца. Это не отменяло поиска, но помогало направить ограниченное машинное время на перспективные линии. Бернстайн, по воспоминанию Маккарти, не принял совет. Важен не спор о том, кто оказался прав, а то, что программа уже ставила практический вопрос о цене поиска: как выбирать ходы, когда число возможных продолжений растёт слишком быстро? Идея, предложенная у доски, превращала общее слово «интеллект» в обсуждение конкретного алгоритмического решения.

Маккарти также описывал геометрический доказатель, над которым работал Минский, и признавал, что его собственные идеи о представлении здравого смысла математической логикой ещё не созрели для доклада. Эти детали показывают встречу не как безупречную выставку готовых открытий, а как рабочую среду, где одни идеи демонстрировали, другие только формировались, а участники расходились в том, что стоило делать дальше.

Сам Маккарти оговаривался, что помнит прежде всего события, связанные с его собственными научными интересами, и не претендует на исчерпывающий отчёт. Это редкая и важная оговорка в истории, которую часто рассказывают как ровную линию из нескольких знаменитых имён. Один из главных организаторов прямо признаёт предел своего рассказа. Поэтому его свидетельство ценно как память участника, но его нельзя превращать в полный список событий и людей. Для этого нужны архивные записи, письма, заметки других исследователей и документы самого проекта. Маккарти прямо называл работы, которые его рассказ почти не затрагивал: Раймонд Соломонофф занимался алгоритмической информацией, а Эдвард Мур — автоматами. Их имена важны здесь не как ещё одна полка в пантеоне, а как проверка самой легенды: даже память одного из организаторов не охватывает все линии работы, присутствовавшие летом.

Не было и торжественного итогового отчёта, который свёл бы все летние обсуждения к общей теории. В первоначальном документе предполагалось, что заинтересованным людям будут рассылать отчёт о проекте; позднее Маккарти отметил, что такого отчёта не появилось. Ожидаемый формальный продукт не возник. Но отсутствие отчёта не означает, что встреча ничего не дала. Его последствия распространялись через участников и их дальнейшие проекты: программы развивались в университетах и лабораториях, идеи переходили к новым сотрудникам, студенты становились исследователями, а выражение «искусственный интеллект» закреплялось в профессиональном употреблении.