В новом выпуске подкаста TWIML AI ведущий Сэм Чаррингтон беседует с Майклом И. Джорданом — профессором Калифорнийского университета в Беркли, который считается одним из самых влиятельных специалистов в области компьютерных наук и статистики. Основная идея дискуссии заключается в том, что современный искусственный интеллект должен перестать имитировать человеческий мозг и сосредоточиться на создании глобальных «интеллектуальных рынков» и инфраструктуры, приносящей реальную экономическую ценность.
🎓 Путь от философии к алгоритмам 2:52
Майкл И. Джордан признается, что его приход в Computer Science был в некоторой степени случайным «блужданием» . В детстве на него сильно повлияла трехтомная автобиография Бертрана Рассела, которая открыла для него мир логики, психологии и заложила фундамент интереса к науке о разуме .
Ключевые вехи его профессионального становления:
- Интерес к неопределенности: Джордана всегда интриговало, как люди могут быть «нелогичными», но при этом демонстрировать колоссальную мощь интеллекта .
- Критика дедукции: По его мнению, компьютеры слишком долго были заперты в рамках чисто дедуктивного мира, тогда как реальность требует навыков инференса (вывода) и принятия решений в условиях неизвестности .
- Междисциплинарность: Несмотря на то что его «академический дом» — это электротехника, компьютерные науки и статистика (EECS), он активно интегрировал знания из когнитивистики, биологии и экономики .
Джордан считает биологию «темой эпохи» и утверждает, что любой современный ученый обязан разбираться в иммунологии и геномике, хотя для него лично это остается скорее интеллектуальным хобби .
📈 Экономика как новый фронтир для ИИ 7:26
Гость подчеркивает, что никогда не разделял классического стремления ИИ — создать компьютер, заменяющий человека. По его мнению, это интересная философская задача, но в ближайшее время она недостижима, так как человеческий интеллект слишком богат и глубок .
Вместо этого Джордан фокусируется на «алгоритмическом мышлении» в контексте целых систем . Он приводит в пример банковскую систему и сеть банкоматов:
- Это планетарная инфраструктура, позволяющая проводить триллионы транзакций без ошибок .
- Она работает даже при сбоях электричества и обеспечивает синхронность данных по всему миру.
- Современные медицинские системы (например, при ответе на пандемию COVID-19) выглядят на этом фоне как разрозненные и нескоординированные механизмы .
Джордан утверждает, что наша задача — построить такие же надежные интеллектуальные системы в медицине, торговле и социальной сфере, которые будут прозрачны и управляемы .
🎶 Музыкальный рынок: как ИИ может спасти «длинный хвост» 12:28
Одним из самых ярких примеров применения его идей является индустрия музыки. Работая со Стивом Стаутом в компании United Masters, Джордан увидел огромный «отсутствующий рынок» .
Статистические факты, которые приводит Джордан:
- 95% прослушиваемой музыки создано не суперзвездами, а независимыми авторами, о которых большинство даже не слышало .
- Смена циклов: 95% популярного сегодня контента было создано в последние два года .
Проблема современных стриминговых платформ, по мнению Джордана, в том, что они не создают экономической ценности для авторов напрямую. Он предлагает использовать ИИ как инструмент расширения прав и возможностей («empowerment»):
- Музыкант должен видеть на интерактивной карте (дашборде), где именно его слушают .
- Обладая этими данными, артист может сам договариваться с площадками о концертах в конкретных городах, минуя посредников и агентов .
- ИИ здесь выступает не как «сочинитель музыки», а как «карманный дата-сайентист», помогающий строить карьеру .
⚖️ Рынки как силы природы и роль регулирования 23:36
Джордан сталкивается с критикой самого понятия «рынок», которое у многих ассоциируется с глобальным потеплением или социальным неравенством . Однако он сравнивает рынки с гравитацией: это сила природы, которую бессмысленно игнорировать, но необходимо контролировать .
Основные тезисы о рыночных механизмах в ИИ:
- Скудность ресурсов: В отличие от раннего интернета, который стремился к бесконечному копированию данных, реальная жизнь полна ограничений по времени и ресурсам. Рынки помогают управлять этими компромиссами .
- Необходимость регулирования: Джордан категорически не согласен с идеей «нерегулируемых рынков» Чикагской школы. Он считает, что для систем, работающих быстрее и масштабнее человеческого восприятия, необходимо многоуровневое государственное регулирование и участие юристов и социологов .
- Пример с навигатором: Если приложение отправляет всех водителей по самому быстрому маршруту, оно создает пробку. Истинное решение — не в «командном» управлении сверху, а в создании аукционной системы, где пользователи могут выбирать (например, доплатить за скорость или выбрать более медленный, но дешевый путь) .
🕵️ Конденциальность и «цифровой секретарь» 39:42
Майкл Джордан критикует подход Кремниевой долины к созданию «супер-умных» ассистентов, которые знают о пользователе всё . По мнению гостя, концепция «секретаря», предугадывающего каждое желание на основе истории поиска, пугающая и нереалистичная .
Его альтернатива:
- Контекстуальный обмен данными: Мы должны отдавать ровно столько информации, сколько нужно для конкретной услуги (как в случае с турагентом) .
- Ценность за данные: Пользователь должен получать явную выгоду или даже оплату за предоставление своей информации .
- Локальность: Джордан полагает, что Google знает о его жизни гораздо меньше, чем кажется, и большинство данных — это просто «шум», не имеющий ценности уже через минуту .
🛠️ Советы молодым исследователям 51:58
Завершая беседу, профессор делится своим подходом к работе. Он не берется за задачи, которые можно решить за месяц, и не тратит время на безнадежные проблемы вроде Великой теоремы Ферма . Идеальный горизонт планирования для него — 2–3 года интенсивного «взламывания» сложной темы .
Его распорядок дня нацелен на баланс:
- Половина времени — исследование (Explore): чтение книг из смежных областей (теория игр, механизм-дизайн), изучение нового .
- Половина времени — реализация (Exploit): продвижение текущих проектов вперед .
Джордан призывает новое поколение ученых учиться говорить с внешним миром и осознавать ответственность: их алгоритмические решения теперь имеют прямые последствия для жизни и смерти людей, как это показала ситуация с расовой диспропорцией в лечении COVID-19 .
