Зачем мы говорим - [91]
Когда я начинал работу над диффузорами, в лучших моделях использовались умные математические принципы. Моим нововведением стало использование компьютера для поиска топографий поверхностей, которые производят нужные акустические отражения и обладают внешними характеристиками, совместимыми с современной архитектурой. И делается это методом проб и ошибок, реализуемым на компьютере. Мы уже видели, как копирование правил эволюции позволяет сгенерировать новую музыку. Тот же процесс можно применить и в инженерной акустике.
Была ли деятельность моего компьютера творческой? Существует тест на искусственный интеллект, названный в честь математика XIX века Ады Лавлейс. Она считается первым программистом, потому что детально описала аналитическую машину Чарлза Бэббиджа — первый в мире проект компьютера. Следуя заданной программе, машина могла рассчитывать математические функции. Но сама Лавлейс признавала: «В ней не было даже малейших притязаний на то, чтобы что-то создавать. Она может делать все, что ей прикажут. Она может последовательно осуществлять анализ, но не обладает способностью предугадывать какие-либо аналитические связи или устанавливать истину» >{411}. Тест Лавлейс проверяет возможности искусственного интеллекта создавать то, что не поддается описанию программиста. Чтобы добиться этого, моему компьютеру пришлось бы выдвинуть гипотезу о том, что подражание законам эволюции может привести к более удачным акустическим моделям, а затем разработать научные эксперименты, необходимые для доказательства истинности этой гипотезы. Мой компьютер не прошел бы тест Лавлейс.
В верхнем ряду показаны диффузоры 1970-х годов. Ниже — спроектированный мной волнистый потолок Синерамы, изгибы которого соответствуют современным тенденциям дизайна интерьера
Чтобы развиваться, науке, технике и математике нужны инновационные идеи и артефакты. Художник основывается на канонах предшествующих произведений искусства. Так и ученый «стоит на плечах гигантов», основываясь на современных знаниях и понимании. В конце концов, и художники, и ученые должны производить новое, удивительное и ценное. Научный поиск — одна из вершин человеческих достижений, но даже эта область не застрахована от вмешательства креативных компьютеров. Этот новый подход к науке лучше всего применяется в биологии. В Манчестерском университете профессор Росс Кинг и его коллеги создали ученого-робота по имени Ева, который, как они надеются, поможет открыть новые лекарственные препараты. Кинг устроил мне экскурсию по своим белоснежным лабораториям, включая маленькую комнатку, где работает Ева. Она выглядит как небольшой промышленный робот с двумя руками, которыми она берет образцы и умело ими манипулирует. Робота окружают стеллажи с химикатами, инкубаторы и камеры. Все это помогает Еве организовывать эксперименты, выращивать клеточные культуры, фотографировать результаты и использовать анализ изображений, чтобы выяснить, насколько хорошо растут клетки.
Ева автоматизирует утомительные экспериментальные процедуры, необходимые при разработке новых лекарств, и может исследовать 10 000 соединений в день. Ученые надеются найти лекарства против таких болезней, как малярия и африканский трипаносомоз. Лабораторный автомат — дело обычное, потому что роботы лучше управляются с пипеткой при отборе образцов и могут работать круглые сутки. Но Ева значительно умнее, чем использующая грубую силу машина, работающая методом проб и ошибок. Она не просто проверяет все возможные комбинации химикатов в надежде на то, что случайно наткнется на полезное лекарство, но выдвигает научные гипотезы, а затем проектирует и выполняет эксперименты для проверки этих идей. Кроме того, она совершенствует собственные знания, основываясь на том, что уже обнаружила.
Чтобы Ева могла работать, ей нужны знания в определенной области. Первым ученым-роботом, над которым работал Кинг, был Адам, в которого были загружены модели обмена веществ дрожжей и базовые знания по химии (клетки дрожжей напоминают человеческие). Однако одним из преимуществ использования искусственного интеллекта для исследования лекарственных препаратов является возможность компьютеров обладать более обширными и детализированными знаниями в конкретной области, чем человек. К сожалению, эти знания существуют преимущественно в научных публикациях, и переводить их в форму, которую сможет использовать машина, очень непросто и трудоемко. Однако постепенно и эта проблема решается. В одном исследовании компьютер Ватсон компании IBM (он известен тем, что выиграл в американском игровом шоу Jeopardy!) проанализировал 70 000 научных статей, посвященных белку-супрессору опухолей под названием p53. На основании прочитанного Ватсон идентифицировал шесть новых белков, которые могли модифицировать p53, для тестирования их в лабораторных условиях >{412}.
Каким образом Адам и Ева расширяют свои знания и проводят научные исследования? Они используют дедукцию, индукцию и абдукцию. Росс объясняет дедукцию, используя классический пример из Аристотеля. При наличии двух фактов: «некоторые птицы — это лебеди» и «все лебеди белые» — можно сделать вывод, что «некоторые птицы белые». Этот способ логического умозаключения лежит в основе многих областей информатики. Абдукция и индукция представляют повышенный интерес, потому что они как раз о том, как компьютер может создать достойную проверки научную гипотезу. Если Аристотель наблюдал птиц в Греции, он мог заключить, что все лебеди — белые. Но это умозаключение ложно, что можно продемонстрировать, посетив Австралию, где есть черные лебеди. К абдукции прибегает Шерлок Холмс, когда делает самый аргументированный вывод на основе наблюдений
