увеличивая силу до 36 килограммов. Основное применение – снизить нагрузку на работников, весь день занимающихся тяжелым физическим трудом: заводских рабочих, грузчиков в аэропортах, медсестер в больницах. «Наша философия – расширить возможности людей, а не заменить их, потому что мы не считаем, что людей нужно заменять», – говорит Шмидт.

Наследие инженерного совершенства сделало Германию одним из центров робототехнической революции. Но надежды на то, что технология станет надежной защитой от глобализации, не совсем оправдались.

Недалеко от офиса German Bionic в Аугсбурге находится штаб-квартира, пожалуй, самого известного бренда в мировой робототехнической индустрии. Kuka, основанная в 1898 году, – один из четырех крупнейших производителей роботов в мире, это серьезный успех в отрасли, где доминируют азиатские игроки. Ее характерные оранжевые роботы – привычное зрелище на заводских площадках повсюду; SpaceX, BMW, Hyundai, Volvo – все используют роботов Kuka на сборочных линиях.

В 2016 году Kuka была выкуплена китайским конгломератом Midea Group из Шэньчжэня за 4,5 млрд евро. Нельзя не заметить иронию: Kuka считалась символом «Индустрии 4.0» – грандиозного плана обойти зарубежных конкурентов через автоматизацию. А затем зарубежный игрок просто купил эту же компанию. Раньше за границу уходили только немецкие рабочие места, теперь – целые компании.

Сделка вызвала политическую бурю в Германии, но мало что могло помешать ей состояться. Ни одна европейская компания не готова была предложить столько же, сколько щедрая Midea, а сделка не нарушала законов. Историю с Kuka теперь рассматривают как поворотный момент в отношении Германии к зарубежным поглощениям – регуляторы с тех пор ужесточили правила для иностранных покупок в стратегических секторах.

Почти десятилетие спустя после поглощения Kuka его отголоски все еще ощущаются в технологических кругах Германии, и эта тема часто поднималась в разговорах с их представителями. Меня не слишком удивляла позиция противников – я ожидал, что она будет преобладать, но удивился, обнаружив людей, которые поддерживали происходящее. Китай – большой рынок; если они не могут играть здесь, то мы не сможем играть там, они предлагают больше денег, чем кто-либо еще, что-то в этом роде. Одним словом, вопрос оказался спорным, причем противников было больше, чем сторонников.

Но в долгосрочной перспективе это поглощение может оказаться не таким уж важным. «В будущем производители роботов будут менее важны, поскольку их оборудование становится все более стандартизированным», – говорит Кристиан Пихник, основатель и генеральный директор робототехнической компании Wandelbots из Дрездена[290].

Робототехника переживает момент, похожий на эпоху персональных компьютеров. В мире около 4 млн действующих роботов, и почти все они установлены на производстве. Пихник считает, что нынешние темпы внедрения составляют менее 1 % от будущих возможностей, а количество неизбежно вырастет до миллиардов. Получится тот же резкий взлет, что мы видели с компьютерами, смартфонами и интернетом.

Подобно тому, как производители первых персональных компьютеров – IBM, Compaq, DEC – давно утратили былое величие или вовсе закрылись, а ранние компании, занимавшиеся созданием программного обеспечения, – Microsoft и Apple, – все еще процветают, так и в робототехнике, по мнению Пихника, повторится тот же сценарий. «Посмотрите на акции ABB за последние 20 лет – практически плоская линия», – говорит он.

Wandelbots создает универсальные операционные системы для роботов. Сейчас роботы разных производителей работают на собственном программном обеспечении. Wandelbots делает что-то вроде Windows или Android для роботов, что сделает всех роботов совместимыми и простыми в использовании.

Это грандиозная цель – стать Windows мира робототехники. Я спросил Пихника, есть ли у компании все необходимые преимущества для достижения этой цели. «Я бы сказал, это самая требовательная отрасль в мире, – ответил он. – И если вы способны полностью удовлетворить клиента здесь, вы преуспеете где угодно на планете». В Германии у него есть доступ к специалистам мирового уровня, и с финансированием проблем не было. Как же совместить его позитивный опыт с общественными обсуждениями, окрашенными тревогами о неопределенном положении Германии в индустриях будущего?

«Думаю, это особенность немецкого менталитета – постоянно жаловаться и видеть стакан наполовину пустым, а не полным», – сказал он. В мире есть всего несколько компаний, способных стать следующим большим прорывом в робототехническом программном обеспечении. И в этом соревновании то, что Wandelbots базируется в Германии, – однозначно преимущество. «Это гонка, – сказал мне Пихник, – и я не собираюсь довольствоваться вторым местом».

Глава 8. Импорт гениев

1

Наш переход от полного молчания об ИИ к постоянным разговорам о нем во многом связан с Канадой. Многие крупнейшие научные прорывы, лежащие в основе современного бума ИИ, совершили исследователи канадских институтов, причем львиную долю работы выполнили трое ученых: Джеффри Хинтон из Университета Торонто, Йошуа Бенжио из Университета Монреаля и Рич Саттон из Университета Альберты.

История выдающейся роли Канады в ИИ-исследованиях демонстрирует, как всего три человека могут изменить технологический статус целой страны, и при этом они могут быть даже не канадцами.

Начнем с Джеффри Хинтона. Чтобы понять его вклад в ИИ, полезно вспомнить основные споры, которые волновали эту область с момента появления термина «искусственный интеллект» на конференции в Дартмуте в 1956 году – событии, положившем начало новой научной дисциплине.

То, что мы называем «искусственным интеллектом», – это обобщающий термин для множества подходов, которые могут использоваться для симуляции похожего на человеческое мышления машинами. Сторонники разных подходов порой фанатично преданы своим методам, и споры между ними определяли развитие молодой науки на протяжении семи десятилетий.

Нейронные сети – один из подходов к ИИ, существующий практически с самого начала. Основная идея: искусственный мозг должен работать по тем же принципам, что и человеческий, – сеть взаимосвязанных нейронов, согласованно обрабатывающих информацию. Звучит достаточно очевидно, но это не так. Искусственные системы совсем не обязательно должны копировать природные образцы. Самолеты ведь не летают, махая крыльями.

Нейронные сети лучше объяснить через сравнение с тем, чем они не являются. Обычные программы работают по четким правилам и заданным инструкциям: сложные схемы, ведущие программу по разным путям в зависимости от действий пользователя – если это, то то; если не это, то другое. Существует направление ИИ – символический, или основанный на правилах, также известный как «старый добрый ИИ» (Good Old Fashioned AI, GOFAI), – которое использует этот подход.

Предположим, вы учите компьютер распознавать котов. Символический подход состоит в том, чтобы задать множество правил о том, что делает кота котом: у него есть хвост, уши, он пушистый и т. д. Когда программа видит объект, который подходит под все эти признаки, она знает, что смотрит на кота. Суть решения – дать программе правильный набор правил.

Нейронные сети для решения той же задачи действуют иначе. Исследователь показывает компьютеру миллионы изображений котов, помеченных как «кот», и система анализирует эти изображения, чтобы выявить закономерности и понять, что делает кота котом. Вместо правил система получает примеры и обучается через распознавание образов.

Именно это делает нейронные сети похожими на человеческий мозг. Ребенок учится распознавать кота не через изучение правил о том, что делает кота котом, а наблюдая множество примеров существа, которое все называют котом.

Методы с правилами и методы с примерами можно