# Педро Домингос: «Верховный алгоритм еще не найден» Источник: https://www.youtube.com/watch?v=X9x1BBO8O0k Канал: Eye on AI Опубликовано: 24.04.2025 --- ## Искусство поиска «Главного алгоритма»: Педро Домингос о будущем ИИ [[JUMP:2:17]] Педро Домингос, профессор Вашингтонского университета и автор книги «Верховный алгоритм» (The Master Algorithm), продолжает цикл бесед о пяти основных школах машинного обучения. В этом выпуске исследователь обсуждает два менее обсуждаемых, но фундаментально важных направления: эволюционные алгоритмы и аналогизаторов, размышляя об их роли в создании настоящего общего искусственного интеллекта (AGI). ### 🧬 Эволюционные алгоритмы: программирование как биологический процесс [[JUMP:3:11]] В отличие от коннекционистов, вдохновленных архитектурой человеческого мозга, эволюционисты черпают идеи из механизмов естественного отбора. По мнению Домингоса, они задаются более глубоким вопросом: не как работает «мозговая машина», а как именно природа создала сам механизм интеллекта. * **Принцип работы:** Эволюционный алгоритм берет популяцию случайных «строк» (наборов бит, кодирующих программу или спецификацию устройства) и подвергает их процессам, имитирующим биологическую эволюцию: мутациям и кроссоверам (скрещиванию). * **Функция приспособленности (Fitness function):** Это ключевой элемент, аналогичный функции вознаграждения в обучении с подкреплением. Успешность особи определяется тем, насколько эффективно она решает поставленную задачу — будь то работа радиоприемника или выживание робота. * **Практическое применение:** Несмотря на скепсис со стороны ряда коллег, Домингос отмечает, что этот метод использовался для проектирования электронных схем и даже создания роботов-насекомых, способных к передвижению в реальном мире. Хотя многие современные исследователи считают эволюционный подход «бесполезным» по сравнению с градиентным спуском, Домингос призывает не забывать, что аналогично критиковали нейронные сети в начале 2000-х. ### 🧩 Аналогизаторы: мышление через призму подобия [[JUMP:15:43]] Аналогизаторы исходят из того, что решение новой задачи заключается в извлечении из памяти похожих ситуаций, с которыми мы уже сталкивались, и адаптации найденного решения. * **Масштаб концепции:** Дуглас Хофштадтер в своей работе *Surfaces and Essences* утверждает, что аналогия — это «топливо и огонь» любого когнитивного процесса, от простых слов до достижений уровня Эйнштейна. * **Техническая база:** Домингос отмечает, что до триумфа AlexNet в 2012 году именно «ядерные машины» (kernel machines), такие как машины опорных векторов (SVM), были эталоном в компьютерном зрении. Ядро здесь выступает в роли математической функции, оценивающей степень сходства двух объектов. * **Структурное отображение (Structure mapping):** Это концепция, где структура одного домена накладывается на другой. Классический пример — модель атома Нильса Бора, построенная по аналогии с Солнечной системой. Домингос полагает, что школа аналогизаторов несправедливо игнорируется в современной академической среде, несмотря на то, что это наиболее интуитивно понятный способ обучения для человека. ### 🌐 Путь к «Верховному алгоритму» и единство школ [[JUMP:26:34]] По словам Домингоса, пять парадигм ИИ (символисты, коннекционисты, байесовцы, эволюционисты и аналогизаторы) существуют с 1950-х годов. В прошлом они конфликтовали, но сегодня происходит их активное слияние. * **Современный тренд:** Модели типа GPT являются гибридами, объединяющими нейросетевую архитектуру с элементами символического поиска (например, RAG или механизмы логического вывода в моделях o1). * **Унификация vs Комбинация:** Домингос настаивает, что нам нужна не просто «сборка» из разных модулей, а глубокая унификация, подобно тому как Максвелл объединил электричество и магнетизм в единую электромагнитную силу. * **Научное открытие:** Ученый утверждает, что текущие модели, несмотря на доступ ко всей базе человеческих знаний, всё еще не способны совершать прорывы уровня Общей теории относительности, так как им не хватает «глубокого» razonamiento (рассуждения), которое, вероятно, кроется в комбинации этих пяти подходов. ### ⚖️ ИИ, квантовые вычисления и будущее прогресса [[JUMP:48:45]] Домингос оценивает перспективы квантовых вычислений для ИИ с осторожным оптимизмом: они могут стать мощным ускорителем, но пока остаются крайне хрупкой и дорогой технологией. Однако реальный прорыв в ИИ, вероятно, будет достигнут за счет оптимизации классических алгоритмов, которые станут достаточно «умными», чтобы обходиться без экспоненциальных квантовых мощностей. Говоря о текущем прогрессе, гость отмечает: 1. Технологический прогресс движется S-кривыми, и текущий этап «экспоненциального роста» потребует принципиально новых идей, а не просто увеличения вычислительных затрат. 2. Общий ИИ (AGI) — это спектр возможностей, а не единая точка. Мы превосходим людей в шахматах и вычислениях, но до сих пор не имеем универсального домашнего робота-помощника.