Зачем мы говорим - Тревор Кокс

Еще одна трудность для Машины «что-если» состоит в том, что она не обладает чувствами и не стремится создать что-то ценное. Фраза «Что, если бы жил-был маленький котенок, который не мог бы найти свой туалет?», возможно, помогла бы создать банальную историю для детей, но из такого сценария вряд ли получилось бы много продуктивных нарративов. У подобных идей, которые достаточно оригинальны, чтобы быть интригующими, но не столь произвольны, чтобы быть необъяснимыми, есть зона наилучшего восприятия. Для мюзикла Beyond the Fence понадобилось вмешательство человека, причем композитору и сценаристу пришлось перебрать 600 сценариев, чтобы выбрать лучший. И они выбрали такой: «Что, если бы раненому солдату пришлось узнать, как понять ребенка, чтобы найти настоящую любовь?»

Этот мюзикл – история любви из 1980-х со счастливым концом, в которой главной героиней была женщина. Сюжет был создан другой программой, написанной группой специалистов по машинному самообучению из Кембриджского университета. Они провели статистический анализ 17 000 мюзиклов, определяя, какие составляющие мюзикл элементы встречались в самых успешных из них. В результате была получена структура мюзикла и еще одна программа. Было обнаружено, что в произведениях такого типа необходимы вступительный номер, который зацепил бы слушателей (как «Willkommen» из «Кабаре»), и броский комедийный номер (как «Officer Krupke» из «Вестсайдской истории») [21]. Статистический анализ такого типа проводят и люди. «Я думаю, что именно так работает мозг», – говорит Герайнт. Если вы регулярно ходите в театр, то знаете, как будет структурирован мюзикл, хотя это знание будет в значительной степени неосознанным. Оно создает ожидания относительно сюжетных поворотов, например, необходимость песни «I am what I am», которую герой поет с вызовом и триумфом.

Особенно новаторским мюзикл Beyond the Fence сделало то, каким образом в нем сочетались различные аспекты творчества. Слова песен были написаны той же программой, которая пыталась дописать сонет Шекспира «Сравню ли я тебя…». Джеймс Ллойд и Алекс Дэвис, ученые, работавшие над кодом, загрузили в программу слова из мюзиклов, на основе которых можно было обучаться, но получившиеся в результате строки напоминали поток сознания человека, который постоянно отклоняется от темы [22]. Здесь опять вмешались люди-сценаристы и отобрали лучший материал. То же самое произошло и с музыкой: музыкант выбрал мелодии, созданные компьютером, и организовал их так, чтобы они соответствовали словам и стали похожи на полноценные песни [23].

Чтобы создавать песни для мюзиклов, например, в оптимистичном ключе, компьютеру нужно не просто отобрать радостные слова и веселую мелодию в мажорной тональности. При таком подходе в лучшем случае будет создана простенькая детская песенка. Обычно в музыке огромное количество оттенков. Хороший пример – хиты британской певицы и автора песен Лили Аллен. Одна из фишек Лили – записи, в которых чувства, передаваемые текстами, контрастируют с настроением музыки. В песне Not Fair Аллен с горечью поет о неспособности своего парня заниматься любовью, но аккомпанемент больше подошел бы веселенькой песенке с «Евровидения». Чтобы улучшить свои способности в области создания песен, компьютер должен стать внимательным слушателем: он должен научиться понимать, как мелодическая дуга музыки меняет просодию речи, как будет восприниматься текст и как все это способствует реализации повествовательного намерения. Человеку еще далеко до создания компьютера, который будет обнаруживать тончайшие голосовые маркеры сарказма и иронии, не говоря уже о том, чтобы создавать песни, обладающие всеми этими качествами.

Возможно, для решения этих проблем потребуются десятилетия работы, но исследователи уже придумали инструменты, которыми пользуются современные музыканты. FlowComposer компании Sony – это интерактивный сочинительский инструмент, задействующий искусственный интеллект. Сначала компьютер пишет партитуру, затем музыкант отлаживает и настраивает ее, создавая окончательный вариант композиции [24]. Маловероятно, что такое сотрудничество полностью заменит великих поэтов-песенников и композиторов, но ведь существует большое количество рутинных задач, где компьютер может оказаться полезным. Например, так можно быстро создать дорожку аккомпанемента к дешевому корпоративному видеоролику. Кроме того, искусственный интеллект может принести пользу в образовании. Можно научить алгоритмы обеспечивать обратную связь в процессе овладения новыми навыками – например, для обучающихся музыке студентов, начинающих осваивать импровизацию, или начинающих ораторов, работающих над постановкой харизматичного голоса.

Совместная работа искусственного интеллекта и человека над творческими проектами будет становиться все более привычной и за пределами сферы искусства. Например, в области разработки программного обеспечения. Написание компьютерной программы – это упражнение в решении задач: какие инструкции потребуются машине, чтобы она выполнила конкретное задание? Но сложные программы очень трудоемкие в плане кодирования, и там существует большая вероятность человеческих ошибок. В настоящее время исследователи разрабатывают инструменты, которые будут помогать специалистам по разработке программного обеспечения, как это делает FlowComposer, который помогает музыкантам. На самом простом уровне программисты могут с успехом использовать процесс, напоминающий интеллектуальный ввод текста, когда новые строки компьютерного кода создаются автоматически и человеку не приходится набирать их вручную. Анализируя обширную базу данных других компьютерных программ, алгоритм «догадывается», какие элементы кода должны последовать далее [25].

Другие ученые занимаются исследованием того, как научить компьютер писать коды самостоятельно. Google снабдил свои алгоритмы машинного обучения рабочей памятью, чтобы приблизиться к тому, что имеется в человеческом мозге. Нейронная машина Тьюринга от Google уже освоила создание процедур, которые выполняют простые вычислительные задачи, но пока эти машины научились только самым базовым процедурам, таким как неоднократное копирование и сортировка данных. Но даже на этапе своего младенчества искусственный интеллект уже позволяет компьютерам решать некоторые четко определенные задачи лучше, чем это делает человек. Например, поисковик Google теперь использует машинное самообучение, чтобы улучшить производительность, тогда как в прошлом люди должны были вручную создавать все основанные на правилах алгоритмы для ранжирования веб-страниц [26]. Компьютерное самокодирование – совсем молодое направление, но оно перевернет мир. Особенно учитывая последние радикальные и подрывные технологии, подобные iPhone, в основе которых находится программное обеспечение.

В других отраслях инженерного искусства становится все более обычным тот факт, что окончательные проекты на самом деле определяются компьютером, а не человеком. Я сам использовал такое программное обеспечение с целью разработки способов подбора материалов для улучшения звука в театрах. Как мы видели в главе 5, хорошо продуманная акустика помогает голосу актера достигнуть самой дальней части зала. Если правильно подобрать материал, форму и конфигурацию стен и других поверхностей, то характер отражения звука будет усиливать речь, а не мешать ей. Я специализируюсь на создании бугорчатых поверхностей, которые называются диффузорами и рассеивают звук. Когда диффузор размещается на большой плоской стене, это похоже на матирование зеркала. В матовом зеркале изображение смазано, подобным же образом акустический образ становится менее четким, когда звук отражается от диффузора. Это может помочь устранить акустические аберрации, такие как эхо, от задних стен театрального зала [27].