Она была права: не со всяким человеком удаётся так приятно и спокойно беседовать на любую тему. В то же время вспоминается иконическая сцена из фильма Ридли Скотта “Чужой” (1979), в которой капитан корабля “Ностромо” Даллас, а потом и доктор Рипли задают компьютеру, носящему трогательное имя Мама, вопросы по поводу оценки ситуации и проводимых мероприятий, получая ответ: “Просчитать нельзя”. События в картине происходят в 2122 году, однако уже сейчас можно сказать, что это не то будущее, которое наступило.

В памяти всплывает и ещё один случай. Автор этих строк в очередной раз читал лекцию по вопросам нейронных сетей и искусства – это было на книжном фестивале “Красная площадь” в Москве. По завершении выступления настало время вопросов, и среди прочих поднялся невысокий крепкий мужчина в возрасте около шестидесяти лет, седой, на вид довольно благополучный. Он встал и произнёс: “Вот вы говорите «нейросети», «нейросети»… Но сможет ли она нарисовать мою маму?.. Маму-то она мне не заменит…”

Всю ситуацию можно было бы счесть абсурдом или полной скепсиса шуткой, если бы на глазах этого человека не блеснули слёзы, а голос не дрогнул в конце. Ирония отсутствовала. Не вызывало сомнений, что от наступившего будущего, от невероятной технологической новации, которая перевернёт и его жизнь, этот человек ждёт образа своей мамы и ничего другого.

Приведённые истории показывают, что действительно нужно людям от технологий, и это вовсе не скорость мобильного интернета. Запросы и ожидания носят крайне человечный характер. Собственно, как раз поэтому в настоящей книге мы говорим о том, могут ли машины создавать подлинное искусство.

Всё дело в том, что именно через художественное люди от века определяли и познавали себя. Средства бывали самыми разными, от угля на влажном камне пещеры или сложной по своему химическому составу краски на холсте до вычурных слов на языках с витиеватой грамматикой или множества коробок с целлулоидной киноплёнкой. Неизменным оставалось одно: всякий раз находилась какая-то таинственная причина, толкавшая человека на то, чтобы создавать нечто, принадлежащее к категории искусства. Это обстоятельство, заметим, объясняет, почему искусствоведение и история прекрасного входят в число наиболее увлекательных и невероятных сфер знания – они посвящены огромной загадке, едва ли не таинству или волшебству: почему люди во все времена находили основания делать эти странные, имеющие весьма сомнительное отношение к выгоде вещи.

Иногда кажется, что эпохи не связывает воедино вообще почти ничего, кроме трёх неизменных сфер человеческих интересов: деньги / власть, любовь и искусство. И именно искусствоведение фокусирует своё внимание на том, что является ключевыми плодами существования цивилизации, – на главных антропогенных произведениях, проходящих сквозь века. Деньги и власть – категории сиюминутные, ограниченные пределами жизни, равно как и любовь… если только они не отливаются в прекрасное. Однако то, что такое преобразование возможно и даже довольно часто встречается, тоже придаёт искусству особенное значение.

Границы того, что называется этим словом, – один из ключевых вопросов искусствоведения, и появление неожиданных способностей нейросетей делает его по-новому актуальным. Кстати, насколько верно использование здесь вокабулы “способности”? Пожалуй, она не менее уместна, чем “навыки”. Определённо, о “талантах” в данном случае можно говорить лишь иносказательно, иронично или метафорически. Более того, вряд ли сам процесс создания произведений нейросетями можно называть “творчеством” моделей искусственного интеллекта. И тогда важно пояснить: вопрос, вынесенный в заголовок настоящей книги, связан не с тем, чтобы соотнести ход возникновения произведения в нейронной сети с творчеством. Нас интересует лишь то, может ли результат являться искусством. Сразу поднимает голову следующая теоретическая проблема: может ли искусство возникать в результате не творчества, а какого-то другого процесса? В общем, пока вопросов больше, чем ответов, но вынесенный в название книги определённо оказывается одним из первых, который требуется разрешить, когда мы начинаем обживать наступившее будущее.

Сумма технологии: нейронные сети, ложь и живопись

Честно говоря, от детального обсуждения того, что такое нейронные сети и как они устроены, хотелось бы уклониться. Во-первых, принимая во внимание магистральную тему нашего разговора, это существенно размыло бы целевую аудиторию – не всякий читатель прорвётся через текст, посвящённый одновременно программированию, биологии и культуре. Во-вторых, теоретическая и техническая стороны их устройства обсуждаются в великом множестве источников, а потому не хочется повторяться.

Для дальнейшего понимания настоящей книги достаточно отдавать себе отчёт в том, что нейронная сеть – это термин, пришедший в компьютерные технологии из биологии. Так называется система нейронов, соединённых между собой с помощью синапсов. В свою очередь, нейроны – специализированные, электрически возбудимые клетки нервной системы, предназначенные для приёма, элементарной обработки, хранения и передачи информации далее посредством электрических и химических сигналов. По сути, именно они являются структурно-функциональными единицами нервной системы. Каждый отдельный нейрон работает поразительно просто, и это не вяжется с тем, что мы называем высшей нервной деятельностью. Однако тривиальные операции превращаются в сложные решения за счёт невероятного количества участвующих элементов. Скажем, такое творческое занятие, как чтение, становится возможным в том числе и благодаря нейронной сети, связывающей зону угловой извилины со зрительными областями, а также с несколькими теменными (ответственными за количественное мышление) и затылочно-височными зонами (где происходит распознавание образов)^[6].

В центре нашего разговора будут искусственные нейронные сети – математические модели, созданные для имитации определённых аспектов работы человеческого мозга при решении определённого вида задач. Они состоят из большого количества искусственных нейронов, связанных между собой искусственными синапсами. В остальном же всё происходит, как в биологическом прототипе: нейроны обрабатывают поступившую к ним через входные синапсы информацию, выполняют над ней различные функции, такие как распознавание образов, классификация или прогнозирование, а потом через выходные синапсы направляют результат далее. Нейросеть можно представить себе как систему взаимосвязанных ячеек, на каждую из которых возложены определённые вычисления.

Как правило, нейрон имеет множество неравноправных синапсов – среди них есть более и менее предпочтительные^[7]. Каждой связи сопоставлен “вес”. Таким образом, “траектория” данных по сети становится вероятностным процессом, словно судьба игрока в казино. Для того чтобы определить, каким из синапсов следует воспользоваться при передаче, генерируется случайное число, и путь выбирается с учётом “желательности” каждой конкретной связи. Пройдя свой неожиданный маршрут от входа до выхода из сети, начальные данные превращаются в конечный результат. Получается, что одну из важнейших ролей в работе модели играют упомянутые веса, сопоставляемые всем синапсам и определяющие важность, а также вклад каждого отдельного нейрона. Но откуда они берутся и от чего зависят? Это самое интересное.

Прежде чем войти во “взрослую жизнь”, новорождённые нейронные сети получают “образование”, и этим они тоже похожи на людей. Ab ovo все связи каждого нейрона равноправны. “Сознание” “цифрового младенца” – чистый лист, у него отсутствуют основания для принятия решений, а потому данные проходят сквозь череду нейронов по воле беспримесного случая… И тут появляется человек новой профессии – тренер нейронных сетей.

На первых порах он оценивает каждый прецедент функционирования “своих подопечных”, и если результат соответствует входным данным и поставленной задаче, то веса всех задействованных для его получения синапсов увеличиваются, а если нет – уменьшаются. Таким образом, модель “изучает” ту предметную область, в которой ей предстоит работать, – получает “профессиональное образование”. В результате она обобщает поступающие данные, находит закономерности, что впоследствии позволит ей делать прогнозы и принимать решения. Аналогичным образом закономерности запечатлеваются и в нашем мышлении, хоть порой мы и не отдаём себе отчёта, когда руководствуемся ими.

Такова отличительная черта систем так называемого “глубокого обучения”: подобные нейронные сети можно именно “натренировать”, “привить” им определённые представления о мире, которые лягут в основу их последующей работы. При этом в них нет фиксированного алгоритма решения задач конкретного типа – они тренируются под задачи.

Если описанный принцип остался не вполне понятным, то имеет смысл обратиться к хрестоматийному примеру – “самообучающейся машине из спичечных коробков”, предложенной популяризатором науки Мартином Гарднером в культовой некогда книге “Математические досуги”^[8]. Пример искусственного интеллекта, собранного без кремниевых процессоров – из картонных коробочек и бисера, – может послужить занятной иллюстрацией и сделать принцип работы довольно прозрачным, но скорее всего, именно тут зазвучат голоса скептиков: “Вы серьёзно? Так просто? Хотите сказать, что эта модель может хоть как-то воспроизводить работу мозга?” Безусловно, совершенно серьёзно. Всё дело в масштабе, в количестве нейронов, синапсов, параметров и объёме обучения. Чтобы играть в крестики-нолики, достаточно трёхсот спичечных коробков, выполняющих функции нервных клеток, и двадцати тренировочных партий в качестве базового образования. Гарднер, впрочем, предлагает оптимизированную модель для упрощённой игры, позволяющую сократить количество коробков до двадцати четырёх. Разумеется, чтобы создавать тексты, картины, музыку или видео, нужно что-то посложнее, но принцип не меняется.

Скажем, в среднестатистическом человеческом мозге восемьдесят шесть миллиардов нейронов. В остальном всё то же самое: по ходу взросления и обучения (в том числе даже не умышленного и организованного, а совершенно спонтанного, связанного с восприятием всего вокруг) в теменной коре формируется информационно-речевая модель реальности. Слово “модель” в данном случае использовано не менее правомерно, чем при обсуждении нейросетей, поскольку наши представления о мире не тождественны миру, они – лишь его отпечаток.

Не стоит поддаваться заблуждению, будто у нас в голове – реальность. Каждый человек несёт в себе лишь модель действительности. Для описания такого положения дел Стивен Хокинг предложил идею “моделезависимого реализма”^[9]. Это словосочетание звучит будто название художественного направления, но обозначает куда более универсальный принцип, поскольку включает искусство (как реалистическое, так и нет) в виде частного случая. Именно наша нейронная сеть – отпечатавшаяся в теменной коре модель действительности – используется нами как в творчестве, так и при принятии любых решений. Если ответ на какой-то вопрос удаётся найти едва ли не мгновенно, даже не задумываясь, это значит, что траектория от входа к выходу оказалась чрезвычайно удачной, чуть ли не идеальной. Заметим, что такую ситуацию почти никогда не описывают приведёнными словами – чаще её связывают с интуицией.