Документальный фильм DeepMind: универсальный ИИ важнее, чем тепловая энергетика, человеческая цивилизация будет переписана

Документальный фильм DeepMind «Игра разума» (The Thinking Game) стал доступен бесплатно и рассказывает о жизненном пути Демиcа Хассабиса в поисках всеобщего искусственного интеллекта (AGI). Хассабис считает, что появление AGI важнее, чем изобретение электричества и огня. Он предупреждает, что AGI вот-вот появится и станет водоразделом в истории человечества: «Наше следующее поколение будет жить в совершенно новом мире, и каждый момент имеет значение».

Миссия всей жизни Демиcа Хассабиса — всеобщий искусственный интеллект

(Источник: Youtube)

Будучи отличником Кембриджа, который выиграл свой первый шахматный турнир в шесть лет, Демис Хассабис рано сделал исследование AGI делом своей жизни — ведь он хотел решить одну из самых сложных биологических загадок последних 50 лет: проблему сворачивания белка. Сейчас это трудно вообразить, но тогда многие инвесторы и ученые скептически относились к технологиям AGI. Одни считали идеи Демиса фантазиями, другие не видели научной чистоты в сочетании нейронауки и машинного обучения.

DeepMind, основанная в 2010 году, с самого начала сталкивалась с трудностями на пути привлечения инвестиций. Всё изменилось, когда они встретили известного бизнес-ангела Питера Тиля (Peter Thiel). Хотя Тиль стал главным инвестором DeepMind, он настаивал, чтобы команда переехала в Кремниевую долину. Демис категорически хотел остаться в Лондоне, считая, что здесь уникальный кадровый потенциал, а культура быстрых провалов и разворотов Кремниевой долины не подходит для долгосрочных исследований в области AGI.

Это решение подчеркнуло глубокое понимание Хассабиса в вопросах AGI. Всеобщий искусственный интеллект — не массовый продукт, который можно быстро итерировать; это долгосрочное исследование, требующее фундаментальных научных прорывов. Культура стартапов Кремниевой долины ориентирована на быструю проверку рыночного спроса и бизнес-моделей, но ценность AGI-исследований может проявиться только через десятилетия. Хассабис настоял на том, чтобы DeepMind осталась в Лондоне, что позволило сохранить научную чистоту исследований компании.

Хассабис сравнивает AGI с открытием огня — и это сравнение очень глубоко. Огонь позволил человеку готовить пищу, обогреваться, освещать жилище и плавить металлы, что кардинально изменило ход человеческой цивилизации. Хассабис уверен, что всеобщий искусственный интеллект окажет не меньшее, а возможно и большее влияние, ведь это не просто инструмент, а интеллект, способный к самообучению и творчеству.

От игр к го: прорыв DQN и AlphaGo

(Источник: DeepMind)

После основания DeepMind в Лондоне вокруг Демиса собрались настоящие мечтатели. Для обучения ИИ они решили использовать игры как идеальную контролируемую среду. Объединив глубокое обучение (Deep Learning) и обучение с подкреплением (Reinforcement Learning), они создали модель DQN и дали ИИ играть в пинг-понг на Atari, не обучая его правилам — только анализировать пиксели и стремиться к максимальному счету.

Сначала ИИ не мог даже отбить мяч, и команда начала сомневаться, не является ли AGI всего лишь мечтой. Но внезапно ИИ стал набирать очки. Затем ему дали сыграть в Breakout. После сотен партий он сам научился пробивать боковые стены и запускать мяч над кирпичами, открыв эффективную стратегию, до которой не додумался бы человек.

Это доказало, что DeepMind удалось создать универсальную обучающуюся систему, способную адаптироваться к разным средам — огромный прорыв в развитии AGI. Речь уже шла не просто об обучении играть, а о способности машины самостоятельно находить стратегии и решения без человеческих подсказок. Такая способность к самообучению — ключевая черта всеобщего ИИ.

Несмотря на прорыв в машинном обучении, вычислительные мощности стали узким местом. Чтобы ускорить реализацию AGI, DeepMind в итоге согласилась на поглощение Google примерно за 400 миллионов фунтов, но настояла на сохранении исследовательской независимости. Получив доступ к вычислительным ресурсам Google, DeepMind обратила внимание на китайскую игру «го», которую считали непреодолимой для ИИ.

Так родился AlphaGo, который вызвал на дуэль сильнейшего игрока в го — Ли Седоля. В 37-м ходе AlphaGo сделал удивительный, оригинальный ход, который человек бы почти никогда не выбрал, — и этим потряс весь мир. Люди поняли: машины не только умеют считать, но и способны на творчество. Поражение Ли Седоля шокировало планету, а для Китая стало «моментом Спутника», пробудив мировое внимание к ИИ и запустив новую гонку — теперь уже в области искусственного интеллекта.

Четыре главных вехи эволюции технологий DeepMind

Модель DQN: сочетание глубокого обучения и обучения с подкреплением, самостоятельное открытие стратегий

AlphaGo: победа над чемпионом мира по го, демонстрация творчества и интуиции

AlphaZero: полное отвержение человеческих знаний, чистое самообучение в игре

AlphaFold: решение задачи сворачивания белка, Нобелевская премия по химии

Хотя AlphaGo был мощным, он в основном учился на человеческих партиях. DeepMind затем создала AlphaZero — более элегантный алгоритм, который полностью отказался от человеческих данных и учился только на собственных партиях. Начав с нуля, AlphaZero за один день освоил шахматы, сёги и го, показав стиль игры, невиданный людьми, — доказав, что машина может на опыте превзойти тысячелетнее мастерство человечества.

AlphaFold решил задачу сворачивания белка и получил Нобелевскую премию

Игры были лишь полигоном, а настоящая цель Демиса всегда состояла в применении ИИ для решения научных проблем, прежде всего — задачи сворачивания белка. Если бы человек мог предсказывать структуру белка, это ускорило бы разработку лекарств и лечение болезней. Для проверки возможностей ИИ в биологии DeepMind создала команду AlphaFold и приняла участие в CASP — соревновании по предсказанию белковых структур.

В 2018 году на CASP13 AlphaFold выиграл соревнование, но точность оказалась недостаточной для практического применения в биологии. Команда почувствовала разочарование и смирение, поняв, что научные задачи сложнее игровых. Не сдаваясь, Демис во время пандемии COVID-19 удвоил усилия по развитию AlphaFold и собрал команду, объединившую физиков и специалистов по машинному обучению. В условиях локдауна они работали круглосуточно.

В итоге на CASP14 в 2020 году AlphaFold показал ошеломляющие результаты. Научное сообщество признало: задача сворачивания белка решена по существу. После этого DeepMind приняла смелое решение: не коммерциализировать достижения, а бесплатно открыть данные о более чем 200 миллионах белков — практически обо всех известных белковых последовательностях на Земле, предоставив науку в дар биологам. За этот подвиг Демис и исследователь Джон Джампер получили Нобелевскую премию по химии 2024 года.

Обратный отсчет до AGI: срочно необходима ответственная регуляция

С момента появления чат-бота ChatGPT на базе больших языковых моделей (LLM) прошло всего три года, но генеративный ИИ уже кардинально изменил подход к программированию и творческому труду. Сегодня такие продукты, как ChatGPT, Gemini, Grok и другие, позволяют обычным людям почувствовать силу ИИ на себе. Следующий этап — эра всеобщего ИИ, и она станет переломным моментом для человечества.

Демис говорит: технологии нейтральны, но способ их использования определяет добро и зло. Он потребовал от Google обязательства не использовать технологии DeepMind для военного надзора и настаивал, что нельзя действовать по принципу «действуй быстро — ломай шаблоны». По его мнению, AGI слишком могущественен, и если его не контролировать, последствия могут быть катастрофическими.

Хассабис предупреждает: «AGI вот-вот появится, и наши дети будут жить в совершенно новом мире. Благодаря ИИ всё изменится. Если вы хотите ответственно управлять ИИ, каждый момент важен — я посвятил этому всю свою жизнь». Эта тревога отражает глубокое понимание командой DeepMind потенциальных рисков AGI. Как огонь может служить и готовке, и разрушению, так и всеобщий ИИ способен как решить величайшие проблемы человечества, так и привести к невиданным угрозам.

На фоне взрывного роста генеративных ИИ и появления AI-агентов сейчас, возможно, самое подходящее время оглянуться на историю развития AGI и задуматься о будущем.