211service.com
Tänkande maskiner
1982, när han fortfarande var student vid MIT, var Danny Hillis med och grundade Thinking Machines, ett av de mest kända misslyckandena i datorns historia. En bikupa av egensinniga och briljanta forskare försökte Thinking Machines bygga världens första artificiella intelligens. Men om företaget inte lyckades bygga en maskin som kommer att vara stolt över oss (dess företagsmotto), visade dess Connection Machine det praktiska med parallell bearbetning, grunden för modern superdator. Idag är Danny Hillis cochair för Applied Minds, ett design- och uppfinningsföretag, och han bygger The Clock of the Long Now, en mekanisk klocka som är tänkt att hålla i 10 000 år.
Danny Hillis på kontoret i en H-1-motor från en Saturn 1B-raket, det första motorsteget för Apollo 7. (Kredit: Daniel Hennessey)
TR: Varför är det så svårt att skapa en artificiell intelligens?
Den här historien var en del av vårt novembernummer 2006
- Se resten av frågan
- Prenumerera
Hillis: Vi ser till våra egna sinnen och tittar på våra mönster av medvetna tankar, resonemang, planering och analogier, och vi tänker, det är tänkande. Egentligen är det bara toppen av ett mycket djupt isberg. När tidiga AI-forskare började antog de att svåra problem var saker som att spela schack och klara kalkylprov. Det visade sig vara lätt. Men de typer av tänkande som verkade lätta, som att känna igen ett ansikte eller lägga märke till vad som är viktigt i en berättelse, visade sig vara väldigt, väldigt svårt.
TR: Varför misslyckades Thinking Machines med att skapa en tänkande maskin?
Hillis: Tja, det glittriga svaret är att vi bara inte hade tillräckligt med tid. Men tillräckligt med tid skulle ha varit decennier, kanske livstid. Det är ett svårt problem, förmodligen många svåra problem, och vi vet inte riktigt hur vi ska lösa dem. Vi har fortfarande inget riktigt vetenskapligt svar på Vad är ett sinne?
TR: Connection Machine var en effektiv plattform för superdatorer. Varför blomstrade inte Thinking Machines som ett superdatorföretag?
Hillis: Superdatorer visade sig vara en teknik, inte ett företag. Min vän Nathan Myhrvold, som drev Microsoft Research vid den tiden, sa en gång till mig: Det är minst lika svårt att göra mjukvara för en superdator som för en PC, men du har bara några tusen kunder, och vi har miljarder. Inte bara det, utan var och en av dessa kunder förväntar sig faktiskt att du ger dem exakt vad de behöver.
TR: Vilka var de framgångsrika kommersiella tillämpningarna av forskningen vid Thinking Machines?
Hillis: De kommersiella tillämpningarna var mestadels chipdesign, datautvinning, textsökning, kryptologi, beräkningskemi, datorgrafik, finansiell optimering, seismisk bearbetning och vätskeflödesmodellering. Vetenskapliga tillämpningar som astronomi, klimatmodellering eller kvantkromodynamik var spännande när de hjälpte till att få ett resultat på omslaget till Natur , men vi tjänade aldrig pengar på dem.
TR: Vad hände med patenten från Thinking Machines? Mer än någon annan är du ansvarig för massiv parallell bearbetning. Du får kredit, men ingen betalning. Vem får det och varför?
Hillis: Tja, först och främst bör jag vara tydlig med att jag bara är en av många personer som har bidragit till att utveckla massivt parallell datoranvändning. När det gäller patenten är en av konsekvenserna av Thinking Machines misslyckande att jag förlorade alla rättigheter till teknologierna. I efterhand visade det sig vara en välsignelse, eftersom det räddade mig från att tillbringa nästa decennium av mitt liv i domstol.
TR: Hur skiljer sig din filosofi om artificiell intelligens från Marvin Minskys berömda sinnessamhälle?
Hillis: Marvin är min mentor, så all filosofi om AI som jag har börjar med hans. Jag bodde i hans källare medan han skrev boken Society of Mind, och varje dag skrev han en ny sida eller två och lät mig läsa den. Då skulle vi få prata om det, och jag skulle få höra alla tankar som han lagt bakom det. Jag kan fortfarande inte föreställa mig hur det skulle vara att läsa den boken, pärm till pärm, utan ett långt samtal på varje sida. Men det är poängen med boken: som Marvin skulle uttrycka det, The brain is a kludge. Det är många olika saker som pågår och de interagerar på komplicerade sätt. Marvin har säkert fel på de flesta av detaljerna, men jag tror att den stora bilden av många olika, löst kopplade semiautonoma processer är i grunden rätt.
TR: Du var före din tid när det gäller att tillämpa beräkningar på immunologi, genetik och neurobiologi. Idag finns beräkningar allestädes närvarande inom biologin. Vad kommer detta att betyda?
Hillis: Jag är glad över att beräkningsbiologin kommer till sin rätt. Det känns som datorområdet gjorde 1970. Allt verkar möjligt, och den enda begränsningen är vår fantasi. Det finns fortfarande så många grundläggande, enkla frågor som är obesvarade: Hur kodas minnen? Hur har immunsystemet en känsla av 'jag'?
Jag är särskilt intresserad av vad som kommer att komma av beräkningsmodeller för evolution, även om jag måste erkänna att fältet verkar lite fast just nu. De flesta nuvarande modeller av evolution reducerar det till en mycket svag typ av sökalgoritm, men jag har alltid känt att det finns något mer i det än så. Det är inte så att biologerna har fel om mekanismerna, utan snarare att modellerna är mycket enklare än biologin. Det kan vara så att samspelet mellan evolution och utveckling är nyckeln, eller beteende och miljö, eller något liknande.