часы, поскольку почти каждый шаг был сопряжен с обескураживающим обращением к одному из двух огромных словарей - одному для перевода китайского на английский, а другому - для обратного. Казалось, что беглость, с которой я подходил к учебе в китайской школе, и уж тем более мой начинающийся роман с физикой, придется отложить в сторону, чтобы смиренно вернуться к исходной точке. В обозримом будущем центром моей интеллектуальной жизни станет простое восстановление способности выражать свои мысли.

К счастью, мои родители были так же заняты, как и я, что придавало нашим дням ритм рутины. Вскоре после приезда отец познакомился с тайваньским бизнесменом и, используя свои инженерные способности, устроился на работу по ремонту фотоаппаратов в магазин, принадлежавший этому человеку. Зарплата была мизерной, а часы - тяжелыми, но этого было достаточно, чтобы выжить. Моя мама тоже нашла работу, устроившись кассиром в сувенирный магазин в Ньюарке, которым управляла жена мужчины. Дополнительный доход был желанным, но мне было тяжело наблюдать, как начинающая интеллектуалка обречена на работу, которая игнорирует все ее таланты. Поскольку их смены затягивались до вечера, а денег на еду на вынос не хватало, приготовление ужина превратилось в спешное дело, за которое мой отец брался каждый вечер, как бы сильно он ни был измотан.

Когда выдавались свободные минуты, я предпочитал проводить их так же, как мой отец в последние три года, - писать письма родным и друзьям. Каждое написанное от руки послание было просьбой напомнить, что люди и вещи, которые я любил - в частности, бабушкина стряпня, - все еще существуют в мое отсутствие. Каждое ответное письмо, как бы радостно ни было видеть его в почтовом ящике, было горько-сладким подтверждением. Впервые в жизни далекий мир, о котором я мечтала, не был экзотической местностью или неизведанным рубежом. Это было место, которое я знал лучше, чем любое другое.

Оглядываясь назад, я задаюсь вопросом, можно ли было справиться с тоской по дому, осознав, что теперь я как никогда близок к революции в современной науке, пусть даже и географической. Дом в Парсиппани означал, что пропасть между моим происхождением и моим будущим не просто сократилась, а сократилась настолько, что я проведу остаток своего подросткового возраста менее чем в часе езды от творящейся истории - всего в нескольких милях по Гарден-Стейт-Парквей - и даже не буду знать об этом.

 

Янн ЛеКун однажды станет главным научным сотрудником Facebook по искусственному интеллекту, но его карьера в области исследований только начиналась в лаборатории Bell Labs в Холмделе, штат Нью-Джерси, , когда моя семья приехала в Америку. Непритязательный, но амбициозный, он в последние годы наделал много шума, продемонстрировав поразительные возможности алгоритма под названием "нейронная сеть" для точного распознавания человеческого почерка. Этот метод, еще относительно новый и далекий от популярности, которой он однажды достигнет, был радикальным отходом от предшествовавших ему десятилетий традиций ИИ. Вместо того чтобы пытаться описать почерк в виде дискретных правил - прямой край "1", кривая "2", симметричные половинки "3" и так далее, - нейросеть была разработана только для того, чтобы выводить закономерности в данных.

В случае с ЛеКуном это означало показать сети тысячи примеров реального человеческого почерка, охватывающих различные стили, текстуры и даже распространенные ошибки - всего более 7200 сканов рукописных почтовых индексов, предоставленных Почтовой службой США, - чтобы она выучила соответствующие шаблоны, как это делает человек. В результате был создан набор интуиции, который, хотя и трудно сформулировать в виде традиционной компьютерной программы, позволил алгоритму разобраться в беспорядке реального мира, как ничто другое, что было раньше.

Работа ЛеКуна имела впечатляющий успех. Его работа была настолько точной, что уже через несколько лет он стал использоваться в банкоматах по всей стране для считывания цифр, написанных на чеках. Спустя десятилетия после того, как Дартмутское исследовательское предложение представило миру идею искусственного интеллекта, эта область, наконец, заявила о своем самом практическом достижении.

Он также предвещал смелое будущее: после поколений жестких алгоритмов, пытавшихся исчерпывающе описать интеллект в терминах правил, которые часто называли "символическим ИИ", в конце 1980-х и начале 1990-х годов начался перелом в пользу этого более естественного подхода. Все большее внимание уделялось алгоритмам, которые решали задачи, обнаруживая закономерности на примерах, а не будучи явно запрограммированными - другими словами, учились делать, а не получали указания. Исследователи дали этому явлению подходящее название: "машинное обучение".

Среди наиболее поэтичных аспектов эволюции науки - период созревания идей. Не существует естественного закона, гарантирующего, что озарения появляются только тогда, когда их можно реализовать на практике, и история изобилует искрами вдохновения, появляющимися за годы, десятилетия или даже столетия до своего часа. Что действительно вдохновляет, так это стремление этих первых мыслителей отказаться от своих открытий; каким бы непрактичным ни казался путь вперед и какими бы маловероятными ни были перспективы экспериментального успеха, великими учеными движет врожденная жажда исследования, которая процветает даже в самых неблагоприятных обстоятельствах. На протяжении десятилетий именно такой была природа машинного обучения.

История машинного обучения - это, пожалуй, самая малоизвестная половина истории ИИ, остающаяся относительно нишевой, даже несмотря на то, что одно из первых признаний в ее адрес прозвучало из уст самого Алана Тьюринга. В работе 1950 года под названием "Вычислительные машины и интеллект" Тьюринг кратко противопоставил "ИИ на основе правил", в котором с нуля создается полноценный агент, способный к разумному поведению, и машинное обучение, в котором такому агенту позволяется развиваться самостоятельно, спросив: "Вместо того чтобы пытаться создать программу, имитирующую разум взрослого человека, почему бы не попытаться создать программу, имитирующую разум ребенка?" Действительно, с момента своего появления машинное обучение в той или иной степени черпало вдохновение в человеческом познании, в немалой степени благодаря современному развитию таких областей, как нейронауки.

Смутное функциональное представление о мозге существовало еще в XIX веке, но только в XX нейронаука начала формироваться в том виде, в котором мы знаем ее сегодня. Однако даже тогда состояние наших знаний было примитивным. Подобно первым астрономам, пытавшимся понять смысл небесных траекторий, нанесенных на карту неба, ученые тех дней мало что знали о мозге, кроме того, что они видели - потоки электрических импульсов и химических выбросов, пульсирующих в слоях влажной, таинственно сложенной ткани.

Однако если в периоды такой непрозрачности, когда мир кажется практически закрытым для научного поиска, и есть какая-то положительная сторона, то любопытные среди нас становятся наиболее изобретательными. Гипотезы рождаются практически из ничего. Даже незначительные достижения могут стать преобразующими. А последующий эффект снежного кома может быть головокружительным.