Разработки в рамках программы Alvey были тесно увязаны с усилиями DARPA, запустившего аналогичный проект под названием «Стратегическая компьютерная инициатива» (Strategic Computing Initiative, SCI)[1326]. Впрочем, праздник продлился недолго. В 1987 г. Бюро технологий обработки информации (Information Processing Technology Office, IPTO) DARPA возглавил Джейкоб Шварц, который резко сократил финансирование исследований в области искусственного интеллекта.
Шварц сравнивал стратегию DARPA с поведением пловца, упорно плывущего к поставленной цели, невзирая на волны и течения. Он считал, что вместо этого DARPA нужно двигаться с изяществом сёрфера — дождаться большой волны, чтобы, оседлав её, двигаться к той же цели, но не затрачивая чрезмерных усилий. По мнению Шварца, в долгосрочной перспективе искусственный интеллект являлся многообещающим направлением, но время подъёма его волны ещё не пришло. Поэтому Шварц отказался от поддержки SCI и резко сократил финансирование ряда исследовательских центров, занимавшихся ИИ и робототехникой. Именно с политикой Шварца нередко связывают наступление очередной «глубокой зимы ИИ», но реальность, вероятно, как всегда несколько сложнее. Шварц в действительности скептически относился к экспертным системам: по его мнению, они были просто «умным программированием». Но в то же время он проявлял большой интерес к нейронным сетям и оказал финансовую поддержку возрождающемуся коннекционизму[1327].
Хотя ряд проектов в области ИИ, осуществлённых во время этой кратковременной оттепели, следует признать весьма успешными, — например, к их числу можно отнести создание «Системы динамического анализа и перепланирования» (Dynamic Analysis and Replanning Tool, DART), которая сэкономила американской армии миллиарды долларов во время осуществления операции «Буря в пустыне», — но конечные результаты трудно считать впечатляющими[1328]. Лежавшая в основе нового витка исследований концепция компьютеров пятого поколения с массовым параллелизмом и ставкой на логическое программирование потерпела неудачу — выяснилось, что ввиду действия законов Амдала и Густафсона — Барсиса (налагающих ограничения на рост производительности при распараллеливании вычислений) выгода от параллелизации оказалась весьма ограниченна. В это же время удалось преодолеть сложные барьеры на пути развития электроники, что привело в итоге в конце 1980-х гг. к довольно странной ситуации, когда развивавшиеся поступательно компьютеры четвёртого поколения заметно превзошли по производительности своих предполагаемых наследников[1329]. Также не последнюю роль в «похолодании» сыграло сокращение военных бюджетов из-за окончания холодной войны. Вторую половину 1980-х гг. многие исследователи или называют наступлением новой зимы после кратковременной весны, или же вообще не признают события середины 1980-х гг. за весну ИИ. Но, как мы увидим позже, многие исследования, важные для дальнейшего развития, были осуществлены именно в конце 1980-х — логика развития науки и технологий на деле плохо вписывается в упрощённые схемы.
По всей видимости, благодаря развитию интернета и социальных сетей многие общественные процессы сегодня рассматриваются и обсуждаются в первую очередь с медийной точки зрения: само общество представляется в роли своеобразной коллективной личности, страдающей от биполярного расстройства, — оно то энергично хватается за какую-то идею на волне безудержного хайпа, то отбрасывает её, утратив к ней всякий интерес. Затем очередной виток цикла из маниакальной и депрессивной стадии повторяется — и так далее снова и снова. Уважаемые консалтинговые компании рисуют глубокомысленные кривые, типа цикла хайпа от компании Gartner[1330], и некоторые люди, похоже, всерьёз поверили в то, что развитие любой технологии (или даже целого направления в науке и технологиях), вне зависимости от содержательной стороны дела, неизбежно подчиняется нехитрым закономерностям.
![]()
Рис. 100. Цикл хайпа от Gartner (Gartner Hype Cycle for Emerging Technologies) — графическое отображение цикла зрелости появляющихся технологий, состоящего из пяти стадий — от стадии ажиотажа до стадии продуктивного использования
Эти простые для понимания, но имеющие слабое отношение к действительности схемы придают силы мамкиным экспертам, готовым предсказать в скором времени очередную «зиму» или «весну» в какой-нибудь области, о которой они имеют лишь смутное представление. В декабре 2016 г. вице-президент инвестиционного фонда Icon Ventures Майкл Маллани решил составить ретроспективу кривой зрелости технологий (Gartner Hype Cycle) и проверить, как часто ошибались аналитики. После анализа циклов с 2000 по 2016 г. Майкл пришёл к выводу, что технологии не подчиняются кривой зрелости. Какие-то технологии просто умирают, другие — продолжают тихо развиваться, несмотря на громкие неудачи. Иногда верный подход становится жертвой плохой реализации, и, напротив, бесперспективное на первый взгляд направление становится главным в силу плохо предсказуемых обстоятельств[1331]. Это вовсе не значит, что прогнозы в отношении развития технологий или целых технологических направлений невозможны в принципе, это лишь означает, что такие прогнозы требуют содержательного анализа предметной области и даже в таких условиях не являются надёжными на все 100%.
В противоположность зимам искусственного интеллекта периоды подъёма общественного интереса к этой сфере называют вёснами искусственного интеллекта. Принимая во внимание тот факт, что на смену зиме приходит весна, а на смену весне — снова зима, можно сделать вывод, что климат в области ИИ довольно прохладный. Ведь никто ещё никогда не употреблял термин «лето искусственного интеллекта». Возможно, виной тому пресловутый эффект ИИ, упомянутый в первой части этой книги: обыватели быстро насыщаются чудесами, дарованными наукой, и начинают требовать большего, обесценивая уже достигнутое. Возможно, всё дело в сенсационной шумихе, раздуваемой прессой и социальными медиа в погоне за вожделенными кликами и просмотрами, в безудержном хайпе и завышенных ожиданиях, продаваемых недобросовестными стартаперами технически неграмотным инвесторам. Здесь можно попенять и на закономерности массового сознания и социодинамики, проводя параллели с явлениями, описанными в своё время Бехтеревым в его работе «Внушение и его роль в общественной жизни»[1332] или Чарльзом Маккеем в его знаменитой книге «Наиболее распространённые заблуждения и безумства толпы»[1333]. Кто-то, рассуждая о зимах искусственного интеллекта, припоминает события из недавнего прошлого, такие как крах доткомов или даже взлёт и падение интереса публики к блокчейн-технологиям. Однако за внешним сходством этих событий важно видеть и их фундаментальные различия. Искусственный интеллект не является технологией, на самом деле это огромная отрасль информатики, в рамках которой разрабатываются и используются сотни и тысячи моделей и технологий. Поэтому выражения «зима ИИ» и «весна ИИ» примерно эквивалентны выражениям «зима ядерной физики» или «весна органической химии». Конечно, и в этих областях случаются периоды прорывов и относительного застоя, но исследования от этого не прекращаются и прогресс не замирает, хотя он и происходит в атмосфере пониженного внимания медиа. Неслучайно, что зиму 1970-х гг. нередко называют не «зимой ИИ», а «коннекционистской зимой» или даже «зимой нейронных сетей». Хотя мода на подходы и парадигмы меняется, сама отрасль продолжает развиваться. Именно в периоды, часто относимые к зимам ИИ, шахматные и шашечные программы научились обыгрывать чемпионов мира, именно в одну из зим ИИ возникла мобильная робототехника. Именно в подобные периоды, о чём мы подробнее поговорим позже, ведутся исследования, приводящие затем к революционным прорывам в области искусственного интеллекта.
Рис. 100. Цикл хайпа от Gartner (Gartner Hype Cycle for Emerging Technologies) — графическое отображение цикла зрелости появляющихся технологий, состоящего из пяти стадий — от стадии ажиотажа до стадии продуктивного использования
