Текст книги "Машины создания"
Автор книги: Эрик Дрекслер
сообщить о нарушении
Текущая страница: 7 (всего у книги 21 страниц)
Но в своей бумаге, Тьюринг задался вопросом, как мы оцениваем человеческий интеллект, и предложил мысль, что мы обычно оцениваем людей по тому, как хорошо они говорят. Он тогда предложил то, что он назвал игрой-имитацией – которую теперь все называют испытанием Тьюринга. Представьте себе, что вы находитесь в комнате, и можете связаться через терминал с человеком и компьютером в двух других комнатах. вы печатаете сообщения; а человек и компьютер могут отвечать. Каждый из них пытается действовать умно и как человек. После длительной беседы с ними с помощью клавиатуры, возможно затрагивая литературу, искусство, погоду, и какой вкус во рту с утра, может так случиться, что вы не сможете сказать, кто из них человек, а кто – машина. Если машина могла бы разговаривать так на регулярной основе, то Тьюринг предлагает мысль, что мы могли бы её считать действительно интеллектуальной. Далее, мы должны были бы признать, что она знала достаточно много о человеческих существах.
Для большинства практических целей, нам не нужно задаваться вопросом, сможет ли машина осознавать себя, то есть иметь сознание. "Действительно, критики, которые заявляют, что машины не могут сознавать, похоже, никогда не способны определить вполне отчётливо, что они подразумевают подо этим термином. Осознание себя, появившееся в процессе эволюции для того, чтобы руководить мыслью и действием, не просто украшение нашей человеческой природы. Бы должны знать о других людях, о их способностях и склонностях, чтобы строить планы, которые их включают. Подобным образом мы должны знать себя, о наших способностях и склонностях, чтобы создавать планы, связанные с нами самими. В осознании себя нет никакой особой тайны. То, что мы называем собой, реагирует на впечатления, получаемые из всего остального разума, координируя некоторые из его видов деятельности; это делает его ничем не больше (и не меньше), как особой частью сложного рисунка мыслей. Идея, что Я – это структура в особом веществе разума (отличном от вещества разума мозга) ничего не объяснило бы насчёт самосознания.
Машина, пытающаяся преодолеть испытание Тьюринга, конечно, утверждала бы, что осознаёт себя. Убеждённые биошовинисты просто сказали бы, что она бы лгала или запуталась. Пока они отказываются сказать, что они подразумевают под сознанием, никогда нельзя будет доказать, что они не правы. Тем не менее, называть их сознательными или нет, интеллектуальные машины будут все равно действовать интеллектуально, и это – их действия, которые затронут нас. Возможно они будут однажды опозорят биошовинистов и заставят их замолчать страстной аргументацией, с помощью блестящей кампании по связям с общественностью.
Ни одна машина пока не может пройти тест Тьюринга, и ни одна, вероятно, это не сделает в ближайшее время. Кажется мудрым спросить, есть ли хорошее основание даже пробовать: мы можем извлекать больше пользы от исследований по ИИ, преследующих другие цели.
Разрешите различить два вида искусственного интеллекта, хотя некая конкретная система могла бы проявлять оба вида. Первый вид – это технический ИИ, приспособленный иметь дело с физическим миром. Усилия в этой области ведут к автоматизированному проектированию и научному исследованию. Второй вид – социальный ИИ, приспособленный иметь дело с человеческими умами. Усилия в этой сфере ведут к машинам, способным пройти тест Тьюринга.
Исследователи, работающие над системами социального ИИ, на пути к цели узнают много о человеческом разуме, и их системы будут несомненно иметь большую практическую ценность, так как все мы можем выиграть от умной помощи и совета. Но автоматизированное проектирование, основанное на техническом ИИ будет иметь большее влияние на гонку технологий, включая гонку по направлению к молекулярной технологии. И может быть легче разработать продвинутую систему автоматизированного проектирования, чем систему, способную пройти тест Тьюринга, которая должна не только владеть знаниями и интеллектом, но должна подражать человеческому знанию и человеческому интеллекту – особая, более сложная задача.
Как Тьюринг спросил, ""Разве машины не могут делать что-то, что должно быть описано как мышление, но которое очень отличается того, что делает человек?" "Хотя некоторые авторы и политические деятели могут отказываться признать машинный интеллект, пока они не столкнутся с говорящей машиной, способной пройти тест Тьюринга, многие инженеры признают интеллект в других формах.
Машины проектирования
Мы достаточно далеко продвинулись на пути к автоматизированной разработке. Разработчики экспертных систем продают системы, которые помогают людям решать практические проблемы. Программисты создали автоматизированные системы проектирования, которые воплощают знания о формах и видах движения, нагрузке и напряжении, электронных схемах, потоках тепла, а также о том, как машины придают форму металлу. Разработчики используют эти системы, чтобы обогатить свои умственные модели, ускоряя эволюцию ещё непостроенных конструкций. Вместе, разработчики и компьютеры создают интеллектуальные полуискусственные системы.
Инженеры могут использовать широкое разнообразие компьютерных систем для помощи в своей работе. На одном конце спектра, они используют экраны компьютера просто как доски для рисования. Намного далее по этому пути, они используют системы, способные описывать части в трех измерениях и вычислять их реакцию на тепло, нагрузку, электрический ток и т. д. Некоторые системы также знают о производственном оборудовании, управляемом компьютером, позволяя инженерам делать моделированные тесты инструкций, которые будут позже направлять контролируемые компьютером машины на производство реальных деталей. Но на самом конце этого спектра системы включают использование компьютеров не только для записи и тестирования различных конструкций, но и для их генерирования.
Программисты разработали свои наиболее впечатляющие инструменты для использования в самом компьютерном бизнесе. Пример – программное обеспечение для проектирования чипа. Чипы интегральной схемы сейчас содержат много тысяч транзисторов и соединений. Разработчики когда-то были вынуждены работать в течение многих месяцев, чтобы разработать схему для выполнения определённой работы, и расположить её многие части по поверхности чипа. Сегодня они могут часто поручить эту задачу так называемому "силиконовому компилятору". Имея спецификацию на функцию чипа, эти системы программ могут производить детализированную разработку схемы, готовой для производства, с небольшой или вообще без человеческой помощи.
Все эти системы основываются целиком на человеческом знании, тщательно собранном и закодированном. Наиболее гибкие автоматизированные системы проектирования сегодня могут варьировать предложенный проект для поиска усовершенствований, но они не узнают ничего применимого к следующему проекту. Но EURISKO отличается. Разработанная профессором Дугласом Ленатом и другими в Стэндфордском университете, EURISKO предназначена для исследования новых областей знания. Она управляется эвристиками – кусочками знания, которые подсказывают возможные действия, которым можно следовать, или те, которые нужно избегать; по сути, различные "правила большого пальца". Она использует эвристики, чтобы подсказывать темы, над которыми нужно работать, и другие эвристики, чтобы подсказывать, какие подходы попробовать и как оценить результаты. Ещё одни эвристики ищут устойчивые структуры в результатах, предлагая новые эвристики, и ранжируют ценность и новых, и старых эвристик. Таким образом EURISKO вырабатывает лучшее поведение, лучшие внутренние модели, и лучшие правила выбора между внутренними моделями. Сам Ленат описывает вариацию и отбор эвристик и принципов в системе терминов «мутация» и «селекция», и подсказывает социальные, культурные метафоры для понимания их взаимодействия.
Поскольку в EURISKO эвристики эволюционируют и конкурируют, имеет смысл ожидать, что появятся паразиты – как действительно многие появляются. Одна произведенная машиной эвристика, например, повысилась до самой высокой возможной оценки ценности, заявляя, что она помогла открыть каждую ценную новую догадку. Профессор Ленат работал близко с EURISKO, улучшая её умственную иммунную систему, давая ей эвристики для отсеивания паразитов и избежания глупых линий рассуждения.
EURISKO использовалась для исследования элементарной математики, программирования, биологической эволюции, игр, трехмерной конструкции интегральных схем, сбора нефтяных пятен, слесарного дела, и, конечно, самих эвристик. В некоторых областях она поразила своих проектировщиков новыми идеями, включая новые электронные устройства в возникающей технологии 3-мерных интегральных схем.
Результаты турнира иллюстрируют мощь команды, состоящей из людей и машин с ИИ. Traveller TCS – футуристическая игра в войну на море, включающая две сотни страниц правил, которые определяют конструкцию, стоимость и ограничения возможностей для флота ("TCS" расшифровывается как Trillion Credit Squadron – "Эскадра, стоящая триллион"). Профессор Ленат дал EURISKO эти правила, набор стартовых эвристик и программу для моделирования битвы между двумя флотами. Он сообщает, что "затем она разрабатывала флот за флотом, используя симулятор как механизм "естественного отбора" по мере того, как она разрабатывала всё лучшие и лучшие проекты флота." Программа работала всю ночь, разрабатывая, тестируя и извлекая уроки из результатов. Утром Ленат отбраковал плохие проекты и помог их улучшить. Он приписывает около 60 процентов результатов себе и около 40 процентов – EURISKO.
Ленат и EURISKO вступили в национальный турнир 1981 года по игре Traveller TCS турнир со флотом, выглядящим странно. Другие соперники над ним смеялись, но затем ему проиграли. Флот Ленат/EURISKO выиграл все раунды, став как национальным чемпионом. Как Ленат замечает, ""Эта победа делается более значительной тем фактом, что никто, кто делал эту программу никогда не играл в эту игру до турнира, не видел, как в неё играют, и не было ни одного тренировочного раунда."
В 1982 спонсоры соревнования изменили правила. Ленат и EURISKO пришли с очень отличающимся от предыдущего флотом. Другие соперники снова смеялись над ним, но затем проиграли. Ленат и EURISKO снова выиграли национальное первенство.
В 1983 спонсоры соревнования сказали Ленату, что, если он вступит и победит снова, соревнование будет отменено. Ленат откланялся.
EURISKO и другие программы ИИ показывают, что компьютеры обязаны ограничиваться скучной, повторяющейся работой, если им дают правильный вид программирования. Они могут исследовать возможности и открывать новые идеи, которые удивляют их создателей. EURISKO имеет недостатки, однако она указывает путь к чему-то вроде партнёрства, в котором и система ИИ, и человек-эксперт вкладывают знание и творчество в процесс разработки.
В следующие годы, подобные системы преобразят инжиниринг. Разработчики будут работать в творческом партнёрстве со своими машинами, используя программное обеспечение, выросшее из сегодняшних автоматизированных систем проектирования для выполнения моделирования, и используя эволюционирующие, EURISKO-подобные системы для генерации предложений, какие конструкции моделировать. Инженеры будут сидеть у экрана, чтобы вводить цели для процесса разработки и рисовать эскизы предлагаемых конструкций. Система будет отвечать тем, что детализировать конструкцию, тестировать её и отображать предлагаемые альтернативы с объяснениями, графиками и диаграммами. Потом инженер будет вносить дальнейшие предложения и изменения, или давать новое задание, до тех пор, пока вся система оборудования не будет разработана и смоделирована.
По мере того, как автоматизированные технические системы будут улучшаться, они будут делать все больше работы всё быстрее и быстрее. Все более часто, инженер просто предложит цели и затем выберет одно из хороших решений, предложенных машиной. Всё менее и менее часто инженеру придётся выбирать части, материалы и конфигурацию. Постепенно инженеры будут способны ставить более общие цели и ожидать хороших решений как само собой разумеющееся. Также, как EURISKO работал в течение часов, разрабатывая флоты для симулятора Traveller TCS, автоматизированные системы проектирования будут в один прекрасный день усердно работать над разработкой пассажирских реактивных самолётов, имеющих максимум безопасности и экономичности, или над разработкой военных самолётов и ракет, способных наилучшим образом контролировать воздушное пространство.
Также, как EURISKO изобрел электронные устройства, автоматизированные системы проектирования будущего будут изобретать молекулярные машины и молекулярные электронные устройства, с помощью программ для молекулярного моделирования. Такие успехи в автоматизированной разработке усилят явление проектирования вперёд, описанное ранее. Таким образом автоматизированная разработка не только ускорит ассемблерную революцию, она ускорит прыжок, который за ней последует.
В конечном счете системы программного обеспечения будут способны создавать смелые новые проекты без человеческой помощи. Будет ли большинство людей называть такие интеллектуальные системы? Это действительно не имеет значения.
Гонка ИИ
Компании и правительства во всем мире поддерживают разработку ИИ, потому что он сулит коммерческие и военные преимущества. В Соединенных Штатах имеется много университетских лабораторий искусственного интеллекта и большое количество новых компаний с названиями, подобными такими как Machine Intelligence Corporation (корпорация «Машинный интеллект»), Thinking Machines Corporation (корпорация «Думающие машины»), Teknowledge («Технознание») и Cognitive Systems Incorporated (корпорация «Познающие системы»). В октябре 1981 года министерство торговли и промышленности Японии объявило десятилетнюю программу на 850 миллионов долларов по разработке передовых аппаратных и программных средств искусственного интеллекта. С этой программой исследователи планируют разработать системы, способные выполнять миллиард логических выводов в секунду. Осенью 1984 года Московская Академия Наук объявила аналогичную 5-летнюю программу на 100 миллионов долларов. В октябре 1983 года департамент обороны США объявил 5-летнюю Программу по стратегическим вычислениям; они пытаются сделать машины, способные видеть, рассуждать, понимать речь и помогать управлять сражениями. Как сообщает Пол Валич в IEEE Spectrum, «Искусственный интеллект рассматривается большинством людей как краеугольный камень следующего поколения компьютерной технологии; все усилия в разных странах дают ему выдающееся место в своём списке целей.»
Продвинутый ИИ появится шаг за шагом, и каждый шаг окупится знанием и возросшими способностями. Также как с молекулярной технологией (и многими другими технологиями), попытки остановить прогресс в одном городе, округе или стране самое большее – даст другим перехватить инициативу. Чудесный успех на ниве повсеместной остановки видимых работ над ИИ самое большее замедлил бы его появление и, по мере того как компьютеры становятся дешевле, позволил бы ему вызревать тайно, без ведома общества. Только единое во всём мире государство с огромной властью и стабильностью могло бы действительно остановить исследования по ИИ повсеместно и навсегда – решение неимоверной опасности, в свете прошлых злоупотреблений всего лишь государственной властью. Продвинутый ИИ, по-видимому, неизбежен. Если мы надеемся сформировать реалистичный взгляд на будущее, мы не можем это игнорировать.
В некотором смысле, искусственный интеллект будет окончательный инструмент, потому что он будет помогать нам строить любые другие возможные инструменты. Продвинутые ИИ системы могли бы прекратить существование людей, или они могли бы помочь нам построить новый и лучший мир. Агрессоры могли бы использовать их для завоевания, а прозорливые защитники могли бы использовать их, чтобы мир стабилизировать. Они могли бы даже помочь нам управлять самим ИИ. Рука, которая качает колыбель ИИ, вполне может начать управлять миром.
Как и с ассемблерами, нам будет нужно предвидение и тщательная выработка стратегии для использования этой новой технологии безопасно и во благо. Нерешённые проблемы сложны и взаимосвязаны со всем, от деталей молекулярной технологии до занятости и экономики, до философского обоснования, что есть человеческие права. Наиболее основные вопросы, тем не менее, включают то, что ИИ может делать.
Достаточно ли мы умные?
Несмотря на пример эволюции людей, критики всё же могут доказывать, что наш ограниченный интеллект может некоторым образом препятствовать тому, чтобы мы смогли создать программы для по-настоящему интеллектуальных машин. Этот аргумент кажется слабым, сводясь немного более чем к заявлению, что поскольку критики не видят, как достичь успеха, значит вряд ли кто-нибудь когда-нибудь увидит. Однако мало кто отрицал бы, что программирование компьютеров для их соответствия человеческим способностям действительно потребует свежих идей в понимании человеческой психологии. Хотя путь к программированию ИИ кажется открытым, наши знания не соответствуют той основательной уверенности, которую имели вдумчивые инженеры (за десятилетия до первого спутника) в том, что можно достичь луны с помощью ракет, или которая у нас сегодня есть в том, что можно построить ассемблеры с помощью проектирования белка. Программирование настоящего искусственного интеллекта, хотя это и форма инжиниринга, потребует новой науки. Это ставит ИИ вне возможности надёжных прогнозов.
Тем не менее нам нужно точное предвидение. Похоже, что люди, цепляющиеся за успокоительные сомнения относительно ИИ, страдают принципиально ошибочными образами будущего. К счастью, автоматизированная разработка спасает некоторых от бремени биошовинистского предрассудка. Большинство людей меньше расстроено идеей о машинах, разрабатывающих машины, чем идеей об истинных системах ИИ общего назначения. Кроме того, уже доказано, что автоматизированная разработка работает; то, что остается сделать – это расширить её. Однако, если вероятно, что возникнут более общие системы, было бы глупо выпустить их из наших расчётов. Имеется ли способ обойти вопрос, способны ли мы разработать интеллектуальные программы?
В 1950-ых, многие исследователи ИИ сосредотачивались на моделировании мозговых функций, моделируя нейроны. Но исследователи, работающие на программах, основанных на словах и символах сделали более быстрый прогресс, и фокус работ по ИИ соответственно переместился. Тем не менее, базовая идея нейронного моделирования остаётся правильной, а молекулярная технология сделает её более практической. Что более важно, этот подход, по-видимому, гарантирует, что будет работоспособен, потому что он не требует никаких новых фундаментальных открытий в области природы мысли.
В конечном счете, нейробиологи будут использовать молекулярные машины размера с вирус для изучения структуры и функционирования мозга, клетка за клеткой и молекула за молекулой, где это необходимо. Хотя исследователи ИИ могут получать новое полезное понимание организации мысли из успехов науки о мозге, которые появятся как результат молекулярной технологии, нейронное моделирование может преуспеть и без такого понимания. Компиляторы переводят программы компьютера от одного языка до другого без понимания, как они работают. Фотокопировальные устройства отображают рисунки из слов, не читая их. Аналогичным образом, исследователи будут способны скопировать структуры нейронов в мозгу на другой носитель не понимая их высокоуровневой организации.
После изучения, как нейроны работают, инженеры будут способны разрабатывать и строить аналогичные устройства, базой которых будет продвинутая наноэлектроника и наномашины. Они будут взаимодействовать подобно нейронам, но работать быстрее. Нейроны, хотя и сложны, но кажутся достаточно простыми для понимания разумом, и чтобы инженеры смогли сделать имитацию. Действительно, нейробиологи узнали многое о их структуре и функции, даже без машин молекулярного масштаба, с помощью которых бы можно было исследовать их объекты изучения.
С этим знанием, инженеры будут способны строить быстрые системы ИИ с большими возможностями, даже без понимания мозга и умного программирования. Им нужно только изучить нейронную структуру мозга и соединить искусственные нейроны так, чтобы образовалась та же самая функциональная структура. Если они делают все части правильно, включая то, как они соединяют части, чтобы образовать целое, то целое также окажется каким надо. «Нейронная» деятельность будет течь в структурах, которые мы называем мыслью, но быстрее, потому что все части будут работать быстрее.
Ускорение гонки технологий
Системы продвинутого ИИ кажутся возможными и неизбежными, но что будет в результате их появления? Никто не может ответить на это полностью, что это полностью, но одно следствие автоматизированной разработки очевидно: она ускорит наше продвижение к пределам возможного.
Чтобы понять наши перспективы, нам нужно некоторое представление о том, насколько быстро продвинутые системы ИИ будут думать. Современные компьютеры имеют только крошечную долю сложности мозга, и все же на них уже могут работать программы, имитирующие существенные аспекты человеческого поведения. Они совершенно отличаются от мозга по своему принципу действия, хотя такое прямое физическое сравнение почти бесполезно. Мозг делает огромное количество вещей одновременно, но довольно медленно; большинство современных компьютеров делают за раз только одно, но с умопомрачительной скоростью.
Однако, можно представить себе аппаратные средства ИИ, построенные, чтобы подражать мозгу не только в функции, но и в структуре. Это могло бы следовать из подхода нейронного моделирования, или из развития программ ИИ, чтобы они могли работать на аппаратных средствах со стилем организации, подобным тому, который существует в мозгу. Так или иначе мы можем использовать аналогии с человеческим мозгом, чтобы оценить минимальную скорость для продвинутых систем ИИ, построенных с помощью ассемблеров.
Синапсы нейронов реагируют на сигналы за тысячные доли секунды; экспериментальные электронные переключатели реагируют в сто миллионов раз быстрее (а наноэлектронные переключатели будут ещё быстрее). Нейронные сигналы движутся со скоростью сто метров в секунду; электронные – в миллион раз быстрее. Это грубое сравнение скоростей даёт представление, что электронные устройства, подобные мозгу будут работать примерно в миллион раз быстрее чем мозг, состоящий из нейронов (со скоростью, ограниченной скоростью электронных сигналов).
Это, конечно, грубая оценка. Синапс нейрона сложнее переключателя; он может изменять реакцию на сигналы, изменяя структуру. При прошествии какого-то времени могут даже появляться новые синапсы и исчезать старые. Эти изменения в волокнах и связях мозга являются материальной основой долговременных изменений ума, которые мы называем обучением. Они подтолкнули профессора Роберта Джастроу из Дартмауса описать мозг как заколдованный станок, ткущий, распускающий и ткущий заново свои нейронные структуры на протяжении всей жизни.
Чтобы представить себе подобное мозгу устройство с сопоставимой гибкостью, изобразите его электронные схемы как окруженные механическими нанокомпьютерами и ассемблерами, с «переключателями», по одному на эквивалент синапса. Также, как молекулярные машины синапса отвечают на схемы нейронной активности изменяя структуру синапса, также нанокомпьютеры будут реагировать на схемы активности давая команду наномашинам изменить структуру переключателей. С правильным программированием и с коммуникациями между нанокомпьютерами для моделирования химических сигналов, такое устройство должно вести себя во многом подобно мозгу.
Несмотря на сложность, устройство будет очень небольшим. Нанокомпьютеры будут меньше чем синапсы, а соединения, построенные ассемблерами, будут тоньше, чем аксоны и дендриты мозга. Тонкие провода и маленькие переключатели будут делать для компактных схем, а плотно упакованные схемы ускорят потоки электронных сигналов, сокращая расстояния, которые сигналы должны проходить. Похоже, что структура, подобная мозгу будет умещаться меньше, чем в кубический сантиметр (как это обсуждается в Примечаниях). Более короткие пути для сигналов тогда соединятся с более быстрой передачей, и в результате этого получится устройство более чем в десять миллионов раз быстрее человеческого мозга.
Только проблема охлаждения могла бы ограничивать такие машины и замедлять средние скорости работы. Представьте себе консервативную конструкцию, которая в миллион раз быстрее чем мозга и рассеивает в миллион раз больше тепла. Система представляет собой блок, построенный ассемблерами из сапфира, размером с кружку кофе, изрешечённый системой каналов охлаждения. Труба равного диаметра, по которой поступает под высоким давлением вода, прикручивается к его вершине, проталкивая охлаждающую воду через каналы к подобной трубе слива, выходящей через низ. Мощные кабели питания и пучки оптоволокна для каналов данных тянутся с его боков.
Кабели обеспечивают пятнадцать мегаватт электроэнергии. Труба с водой отводит появляющееся в результате тепло вовне потоком в "три тонны в минуту "кипящей воды. Оптические волокна передают не много не мало, сразу миллион телевизионных каналов. Они обеспечивают коммуникации с другими системами ИИ, с симуляторами для конструирования и с ассемблерными системами, которые строят структуры для окончательного тестирования. Каждые десять секунд система сжирает почти два киловатта-дня электрической энергии (что сейчас стоит около доллара). Каждые десять секунд система выполняет столько же работы, сколько человек-инженер за восемь часов в день в течение года (что сейчас стоит десятки тысяч долларов). За час она выполняет работу столетий. Для всей своей деятельности система работает в тишине, которая нарушается только потоком охлаждающей воды.
Мы затронули вопрос чистой скорости мысли, но что можно сказать о её сложности? Кажется маловероятным, что разработка ИИ остановится на сложности единственного человеческого разума. Как отмечает Джон Маккарти, лаборатория ИИ Стэнфорда, если мы можем разместить эквивалент одного человеческого разума в металлический череп, мы можем разместить в здании эквивалент десяти тысяч работающих в кооперации умов. (А большая современная электростанция могла бы обеспечивать достаточно энергии для каждого, чтобы он думал в десять тысяч раз быстрее, чем человек.) К идее быстродействующего инженерного интеллекта добавьте идею быстродействующих команд.
Разработка систем ИИ будет замедлена в своей работе необходимостью выполнять эксперименты, но не настолько, насколько можно было бы ожидать. Инженеры сегодня должны выполнять много экспериментов, потому что балк-технология трудноуправляема. Кто может заранее точно сказать, как новый сплав будет себя вести когда его будут ковать, а потом изогнут миллион раз? Маленькие трещины ослабляют металл, но детали обработки определяют их природу и последствия.
Поскольку ассемблеры будут создавать объекты по точным спецификациям, непредсказуемости оптовой технологии можно будет избежать. Разработчики (будь то человеческий разум или ИИ) далее будут экспериментировать только тогда, когда проведение эксперимента быстрее или дешевле чем вычисление, или (более редкий случай), когда отсутствует базовое знание.
Системы ИИ с доступом к наномашинам многие эксперименты будут выполнять стремительно. Они разработают устройство за секунды, а воспроизводящиеся ассемблеры его построят без многих задержек (заказ специальных частей, их отгрузка и т. п.), которые являются бедой проектов сегодня. Построить экспериментальное устройство масштаба ассемблера, нанокомпьютера или живой клетки будет занимать лишь минуты, а наноманипуляторы будут делать миллион движений в секунду. выполнение миллиона обычных экспериментов одновременно будет легко. Таким образом, вопреки задержкам с экспериментированием, системы автоматизированного проектирования будут продвигать технологию вперёд с ошеломительной скоростью.
От прошлого к будущему, тогда, вероятный рисунок приближающейся способности выглядит примерно так. На протяжение целых временных эпох, жизнь продвигалась вперёд растянутым во времени, медленным темпом, который определялся эволюцией генов. Разум с языком подхватили темп, ускоренный гибкостью мимов. Изобретение методов науки и технологии ещё ускорило продвижение, заставив мимы эволюционировать быстрее. Рост богатства, образования и населения – лучшие физические и интеллектуальные инструменты, продолжили эту тенденцию ускорения на протяжение нашего века.
Автоматизация разработки ускорит темп еще больше. Автоматизированное проектирование улучшится, помогая людям-инженерам генерировать и проверять идеи быстрее, чем когда-либо. Преемники EURISKO сократят сроки проектирования, предлагая проекты и заполняя детали инноваций, вносимых человеком. С какого-то момента полностью автоматизированные системы проектирования станут двигаться вперёд сами по себе.
Параллельно, молекулярная технология разовьется и вызреет, чему будут помогать продвижения в автоматизированном проектировании. Тогда системы ИИ, построенные ассемблерами, дадут еще более стремительное автоматизированную разработку, развивая технологические идеи в темпе, устанавливаемом системами в миллион раз более быстрыми, чем человеческий мозг. Скорость продвижения технологии вперёд тогда ускорится огромнейшим скачком вперёд: за короткое время многие области технологии пододвинутся к своим ограничениям, установленным законом природы. Тогда продвижение в этих областях остановится на очень высоком уровне достижений.
Эта трансформация – головокружительная перспектива. За ней, если мы выживем, лежит мир воспроизводящихся ассемблеров, способных делать всё, что им говорят делать, без необходимости в человеческом труде. За ней, если мы выживем, лежит мир с системами автоматизированного проектирования, способными направить ассемблеры создавать устройства, на пределе возможного, близко к конечным границам технического совершенства.
В конечном счете, некоторые ИИ системы будут иметь и большие технические способности и социальные способности, необходимые, чтобы понимать человеческую речь и желания. Если ей дать достаточно энергии, материалов и ассемблеров, такая система могла бы вероятно называться «машиной-джином» Она произведёт всё, что вы просите, арабская сказка и "О чем вы просите, это произведет, Аравийская легенда и универсальный здравый смысл подсказывают, чтобы мы воспринимали опасности таких машин создания действительно очень серьезно.
