Замечательное видео, с демонстрацией настоящего домашнего помощника Jibo, о котором пишет Wired.
В гиперинформационную эпоху виден общий вектор работы государства с Новыми Промышленными Революциями, которые обыватели, по аналогии с революциями политическими, до сих пор считают "творчеством широким народных масс". На самом деле, такие мероприятия готовятся десятилетиями и принимают в них участие значительные группы населения, практически не ведая о том. Вот примерная последовательность мероприятий:
1. Появление идеи и ее обсуждение узким кругом научного, политического и бизнес эстеблишмента. Это делается, как на уровне бесед-консультаций (вспоминается Манхэттенский проект с поездками Лоуренса в Вашингтон), так и на уровне мониторинга аналитики, работы штабов внешней разведки и т.п. Один из косвенных признаков серьезности намерений является сначала вброс в популярную культуру темы, а затем ее полное цензурирование. Так было с тем же ядерным оружием, когда фантастика 20-30х, полная смертельных лазеров, сменяется десятилетием молчания.
2. Оформление среды. Создание институтов развития, организационно-правовой структуры. Ровно как в оформлении компании сначала человек делает документарное оформление идеи, а затем только приступает к делам. В случае робототехники это стимулирование грантовой политики в исследовании некоторых тем (о них ниже), создание проблематики. В Оксфорде, к примеру, функционирует кафедра биоэтики на философском факультете. Обсуждают таки вот вопросы – «Если Ване пересадить все, кроме мозга, останется ли он Ваней?». Кстати, с учетом количества огромного количества искусственных рук и ног, совершенно актуальный вопрос. Или вот Институт Этики и Новых Технологий. Из обсуждаемых тем: работают ли таблетки для повышения когнитивных способностей? Как разговаривать с вещами?
3. Ведение прикладных исследований. На этом этапе необходимо доказать исполнимость программы модернизации до переворачивания на другой бок. В этот период организуются специализированные НИИ и отделения в университетах. В применении к нашим баранам, вехой может служить организация AI Lab в MIT. Т.е. 65-70 гг. К слову об AI: в итоге это стало "неинтересно" и в конце 80-х-начале 90-х на искусственный интеллект навесили ярлык "междусобойчика" для программистов. Но идея-то была не в прохождении теста Тюринга, а скорее в практических вещах, зависящих только от емкости "железа". Понятно, что любая машина может распознать цвета, но пока не может вкус и запах. Однако это вопрос времени -- тут прямая зависимость от сверхчувствительных материалов. То есть дискретная математика исполнима ровно потому, что робот, как и человек, ограничен в размере мозга и познавательных возможностях. Их можно дискретно наращивать.
Как и все дальнейшие начинания, все организуется из единого центра – практически все передовые кафедры грантами обеспечивает DARPA. Сама DARPA это крошечная организация (в масштабах эффекта своей деятельности), которая представляет собой экспертный совет и грантовую службу. Это "точка сборки" проектов. Сами гранты могут выделяться, как коммерческим, так и государственным структурам с учетом паритетных прав на изобретения. Это значит, что государство, в конечном счете, обеспечивает себе возможность использования всех потенциально получаемых в рамках программы финансирования лицензионных продуктов.
Тут происходит сепарация различных научных тематик -- именно в 70-80-х рождаются сначала портативные автоматизированные системы, концепция хранилища данных (прообраз Big Data), массовое роботизированное производство и т.п.
Тут мы плавно подходим к коммерциализации и здесь, в отличие от предыдущих пунктов есть новации.
4. Инженерное создание продуктов (их частей) и обкатка. Манхеттенский проект показал неэффективность защиты любых масштабных государственных начинаний от промышленного шпионажа. а также невероятное бюджетное напряжение на уровне создания прототипов. Посему правильный путь можно предложить такой:
- создать открытую среду обмена идеями (сеть),
- стимулировать инженерные новации в направлении основных научных тематик, сначала через гранты Министерства Обороны США, дальше через частные рыночные вливания,
- коммерциализировать куски разработок. Это позволяет относительно быстро вводить новации "поверх" прошлых. Причем отдельные элементы пазла казалось бы совершенно не свзаны друг с другом. В случае робототехники это:
I. Распознавание речи. Появившись в конце 60-х – начале 70-х, первые коммерческие образцы машинного распознавания речи появились в начале 90-х, а с появлением мощных мобильных устройств пошли косяком. Jibo на представленном выше видео это же просто Siri c фотоаппаратом и Kinect. Если магию разделить на части она перестает быть магией.
II. Распознавание зрительных образов. Сейчас есть уже технологии машинного распознавания лиц на ходу, используемые в охранных целях. На рынок они вышли в 2010-х. Опять-таки появился Kinect. Однако сам формат задачи существовал в виде распознавания символов уже пару с лишком десятков лет.
III. Движение с учетом вестибулярного аппарата. Тут решили все пробовать сначала в уменьшенном виде, так как многие вещи связаны с мощностью автономных батарей. Японию в ее «золотое десятилетие» 80-х зарядили задачей такого расчета. После получения опытных образцов сертификаты выкупили и организовали несколько компаний, в том числе ныне известную Boston Dynamics.
IV. Складная и понятная речь. История «говорящих машин» гораздо более богатая, чем слышащих. Тут важным шагом стали технологии встраивания в персоналки динамиков, остальное было делом техники. Так, что история началась в 70-х.
V. Ручные манипуляции. Долгое время здесь преобладали так называемые станки-роботы. Мелкие ручные манипуляции в производстве микропроцессоров стали банальностью уже в 80-х.
+ VI. Факультативный – 3D-принтинг. Это запчасти для роботов в полевых условиях. Как известно подобие 3D-принтеров армия США использовала уже в иракскую кампанию.
5. Процесс частичной или полной сборки прототипов. Тут нужно действовать быстро во избежании воровства идеи на последнем шаге. Тут же заложен ключевой секрет. В случае робототехники – это энергетика. По ней нет открытых исследований и все сводится к, казалось бы, несвязанным примером с Tesla. Последняя как раз недавно открыла свои патенты для свободного доступа J
6. Промышленное производство. Параллельно должны существовать планы строительства и быстрого запуска масштабного завода УльтраGM в новом индустриальном центре.
Как видно из вышесказанного, тут была опробована схема функционирование индустрии инноваций в качестве нейронной сети бизнесов -«свободных агентов». Думается, что немногие компании до конца понимали, ЧТО именно они производили.
Помимо, собственно, описания промышленных революций по Куну, хочется пофантазировать о «Новом Чудном Мире». Сквозь белый шум информационного потока вырисовываются следующие соображения.
Одним из интересных последствий создания сети является основание коллективного разума. Взять концепцию свободно распространяемого софта и, например, только недавно появившегося "интернета вещей". По первому поводу до сих пор идут бои -- непростая история для безболезненного принятия. В Западном мире постепенно образуется лобби из юристов и держателей технологических производств, настаивающих на перехода от авторского труда к crowdsourcing во всех областях человеческой деятельности. Логично, что программисты начали первыми с «Собора и Базара» Реймонда, но сейчас уже музыку пишут коллективно. А вначале появилось отдельное GPL и правовое поле для компьютерных систем * nix-класса. Cоздание на их основе Red Hat и, далее, Ubuntu поспособствовало созданию real-time OS таких как QNX. Их-то как раз комфортно вставлять в голову киборгам :-) Что касается интернета вещей, то, похоже, это интернет базового уровня будущего -- несущая конструкция нового мира. Именно тут будут применима и имплементирована концепция по-настоящему "Больших данных".
В научной среде принято кивать на недостаток гениев последние лет 50, но надо понимать природу изменений, которые приключились с самой научной средой. Это центры обработки данных, а не предлагающие сногшибательных гипотез. Они пишут вполне рядовые статьи с приращением истины n+1. Это деятельность, в которой роботы легко обойдут китайских и индустских PhD. Французы вот разработали универсальный язык математических доказательств, которым пока пользоваться некому – чувствуется, что скоро акторы найдутся.
Примерно понятно, как гуманоидам действовать в мышлении и движении. А вот, что им делать в деловой среде? Есть такое предположение – они станут, наконец-то, правильной аудиторией для бизнес-литературы. Это та самая бытовая этика «на каждый день». «7 правил высокоэффективных помощников». Она и написана как машинная инструкция.
А в искусстве уже господствуют AI-типажи J Если посмотреть любой голливудский блокбастер, то его кастинг состоит из мультипликационных персонажей, а не живых людей. Роботам и каскадеров не нужно подбирать J
