Измерять и навязывать. Социальная история искусственного интеллекта

Таким образом, ИИ представляет собой продолжение техник анализа данных, которые сначала развивали государственные бюро, затем тайно культивировали спецслужбы, и в конечном счете закрепили интернет-компании в форме глобального бизнеса по надзору и прогнозированию. Однако такая интерпретация – это также не что иное, как взгляд «сверху», фокусирующийся на техниках контроля, а вовсе не на субъектах, над которыми контроль осуществляется. Мишени этой власти («надзорного капитализма» в определении Шошаны Зубофф) обычно описываются как пассивные субъекты, подверженные измерению и контролю, то есть не как акторы, обладающие автономией и собственной «разумностью». В этом заключается проблема критической теории вообще и критических исследований ИИ в частности. Хотя эти исследования и фиксируют воздействие ИИ на общество, они часто упускают из виду, что коллективные знания и труд – главный источник той самой «разумности», которую извлекает, кодирует и превращает в товар ИИ. Более того, их авторы зачастую не способны оценить вклад социальных форм и сил в ключевые этапы технологических изобретений и разработок. По-настоящему критическая интервенция должна бросить вызов гегемонистской позиции ИИ как уникального «хозяина» коллективного разума. Выступая против образовательной иерархии, итальянский философ Антонио Грамши однажды заявил, что «все люди – интеллектуалы»[49 - Цитата из эссе «Формирование интеллигенции» из «Тюремных тетрадей» Грамши. – Прим. ред.]. Аналогичным образом в этой книге я стремлюсь показать центральную роль социального интеллекта, поставляющего данные и расширяющего возможности ИИ. В ней также выдвинут более радикальный тезис, согласно которому именно социальный интеллект формирует изнутри саму структуру алгоритмов ИИ.

Моя книга задумана как экскурс в техническую и социальную историю ИИ и основана на социотехническом историческом подходе, который способен показать, какие экономические и политические факторы повлияли на внутреннюю логику ИИ. Вместо того, чтобы встать на сторону привычного социального конструктивизма и попытаться выйти за рамки новаторских идей социальной информатики, я применяю к ИИ метод исторической эпистемологии, который в истории науки продвигали, каждый по-своему, Борис Гессен, Генрик Гроссман, Жорж Кангийем и Гастон Башляр. Из недавних работ в этом направлении я выделяю исследования Института истории науки Макса Планка в Берлине[50 - Критику социального конструктивизма см.: Winner L. Upon Opening the Black Box and Finding It Empty: Social Constructivism and the Philosophy of Technology // Science, Technology, and Human Values 18, no. 3 (1993): 362–378. Обзор исторической эпистемологии см.: Renn J. The Evolution of Knowledge: Rethinking Science for the Anthropocene, Princeton, NJ: Princeton University Press, 2020; Omodeo P. D. Political Epistemology: The Problem of Ideology in Science Studies. Berlin: Springer, 2019; Schmidgen H. History of Science // The Routledge Companion to Literature and Science. Bruce Clarke and Manuela Rossini (eds). London: Routledge, 2011.]. Если социальный конструктивизм в целом подчеркивает влияние внешних факторов на науку и технику, историческая эпистемология делает акцент на диалектическое развертывание социальной практики, орудий труда и научных абстракций внутри экономической динамики. В этой книге я подхожу к изучению ИИ и алгоритмического мышления точно так же, как историческая и политическая эпистемология изучает роль механического мышления и научных абстракций (например, число и пространство) в социально-экономических преобразованиях Нового времени[51 - О понятии числа см. главу 1. О механическом мышлении см.: Damerow P. et al. Exploring the Limits of Preclassical Mechanics: A Study of Conceptual Development in Early Modern Science. 2nd ed. New York: Springer, 2004; Schemmel M. Historical Epistemology of Space: From Primate Cognition to Spacetime Physics. New York: Springer, 2015.].

В последние десятилетия политическую эпистемологию науки и технологий продвигали исследовательницы-феминистки – Хилари Роуз, Сандра Хардинг, Эвелин Фокс Келлер, Сильвия Федеричи и другие. Они убедительно показали, как возникновение современной рациональности и механического мышления (к которому относится ИИ) связано с превращением женского тела и коллективного тела вообще в послушную производительную машину[52 - Rose H. and Rose St. (eds). The Radicalisation of Science. London: Macmillan, 1976; Harding S. The Science Question in Feminism. Ithaca, NY: Cornell University Press, 1986; Keller E. F. Reflections on Gender and Science. New Haven, CT: Yale University Press, 1985; Federici S. Caliban and the Witch: Women, the Body, and Primitive Accumulation. New York: Autonomedia, 2004.]. В традиции политической эпистемологии мы еще должны обратить внимание на анализ трудового процесса, предложенный Гарри Браверманом в работе «Труд и монополистический капитал» (Labor and Monopoly Capital; 1974), а также на исследования итальянских рабочих, проводившиеся операистами, в частности, Романо Альквати на заводе ЭВМ Olivetti в Ивреа еще в 1960 году[53 - См. главу 5. О новом подходе к исследованию рабочих см.: Woodcock J. Towards a Digital Workerism: Workers’ Inquiry, Methods, and Technologies // Nanoethics 15 (2021): 87–98.]. Браверман и Альквати – авторы влиятельных работ, в которых впервые показано, что проекты автоматизации вычислений Бэббиджа в XIX веке и кибернетика XX века неотъемлемо связаны с трудом и его организацией.

Автоматизация познания как распознавание паттернов

Перевод трудового процесса сначала в логическую процедуру, а затем в технический артефакт редко протекает просто и безотказно; чаще это путь проб и ошибок. В этом смысле название книги[54 - Имеется в виду название книги в оригинале (The Eye of the Master). Напомню, что «хозяйский глаз» – выражение Фридриха Энгельса. – Прим. пер.] содержит не только политическую, но и техническую аналогию. Оно иронически сигнализирует, что нынешняя парадигма ИИ амбивалентна: она возникла вовсе не из когнитивных теорий, как верят некоторые, а из спорных экспериментов по автоматизации перцептивного труда, то есть распознавания паттернов[55 - Термины «хозяин» [master] и «паттерн» имеют общую политическую этимологию. Английский термин «паттерн» происходит от французского patron и латинского patronus. Последние два слова имеют общий корень с английскими словами «отеческий» [paternal] и «отец» [father] и восходят к латинскому pater. Латинское patronus означает также «защитник», в том числе защитник слуг. Французское patron – это «лидер», «начальник» и «глава сообщества», что в патриархальном контексте подразумевает «образец для подражания».]. Глубокое обучение начиналось как расширение методов распознавания визуальных образов, разработанных в 1950?е годы, на невизуальные данные – текст, аудио, видео и поведенческие материалы самого разного происхождения. Подъем глубокого обучения начался в 2012 году, когда сверточная нейронная сеть AlexNet выиграла конкурс компьютерного зрения ImageNet. С тех пор термин «ИИ» стал по умолчанию обозначать парадигму искусственных нейронных сетей, которая в 1950?х годах, напротив, считалась конкурентом ИИ (пример противоречий, характеризующих его «рациональность»)[56 - AlexNet была сверточной нейронной сетью нового поколения, названной в честь Алекса Крижевского, ученика Джеффри Хинтона. Принято считать, что следующая статья знаменует собой начало эры глубокого обучения: Krizhevsky A., Sutskever I., and Hinton G. Imagenet Classification with Deep Convolutional Neural Networks // Advances in Neural Information Processing Systems 25 (2012): 1097–105. См. также: Cardon D., Cointet J.-Ph., and Mazi?res A. Neurons Spike Back: The Invention of Inductive Machines and the Artificial Intelligence Controversy // Elizabeth Libbrecht (trans.). Rеseaux 211, no. 5 (2018): 173–220.]. Стюарт и Хьюберт Дрейфусы осветили эту коллизию в эссе 1988 года «Создание сознания vs моделирование мозга», в котором обрисовали две родословные ИИ – символическую и коннекционистскую. Cудьба этих подходов, основанных на разных логических постулатах, сложилась по-разному[57 - Дрейфус Х.Л., Дрейфус С.И. Создание сознания vs. моделирование мозга: искусственный интеллект вернулся на точку ветвления // Аналитическая философия: становление и развитие. М.: Дом интеллектуальной книги, Прогресс-Традиция, 1998. С. 401–432.].

Символический ИИ – это родословная, связанная с Дартмутским семинаром 1956 года, на котором Джон Маккарти предложил небесспорный термин «искусственный интеллект»[58 - McCarthy J. et al. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. 31 August 1955, AI Magazine 27, no. 4 (2006).]. На основе символического ИИ были разработаны программы Logic Theorist и General Problem Solver, а также множество экспертных систем и машин логического вывода, оказавшихся тривиальными и склонными к комбинаторному взрыву. Коннекционизм в свою очередь представляет родословную искусственных нейронных сетей, созданных Фрэнком Розенблаттом в 1957 году. Изобретенный им «перцептрон» в 1980?х годах развился в сверточные нейронные сети и в конечном итоге породил архитектуру глубокого обучения, которая доминирует в этой области с 2010?х.

Обе родословные развивают разные виды логики и эпистемологии. Символический подход утверждает, что разумность – это представление мира (знание-что), которое можно формализовать в виде суждений и, следовательно, механизировать согласно дедуктивной логике. Согласно коннекционистскому подходу, разумность представляет собой опыт мира (знание-как), и этот опыт можно реализовать в приближенных моделях, построенных по индуктивной логике. Что бы ни утверждали корпоративная пропаганда и вычислительные философии разума, ни одна из двух парадигм не смогла полностью имитировать человеческий интеллект. Однако нельзя отрицать, что машинное обучение и глубокие искусственные нейронные сети оказались очень успешными в распознавании паттернов и, как следствие, автоматизации многочисленных задач, благодаря высокой разрешающей способности при обсчете многомерных данных. Двигаясь против традиции, которая воспроизводит чрезмерно знаменитую сагу о Дартмутском семинаре, в книге я концентрируюсь на более убедительной истории ИИ, связанной с происхождением искусственных нейронных сетей, коннекционизмом и машинным обучением. По этому направлению, особенно в том, что касается работы Розенблатта, критической и обстоятельной литературы все еще не хватает.

Структура книги

Книга состоит из трех частей. В вводной части речь идет о вопросах методологии, а две основных посвящены истории – индустриальной и информационной эпохам соответственно. При этом в книге нет линейной истории технологии и автоматизации. Скорее, каждую главу можно читать как независимый «семинар» по изучению алгоритмических практик и машинного разума.

В первой главе я исхожу из необходимости прежде всего прояснить центральное вычислительное понятие: алгоритм. Что такое алгоритм? В компьютерной науке алгоритм определяют как конечную процедуру пошаговых инструкций по преобразованию ввода в вывод, которая оптимально использует имеющиеся ресурсы. В главе ставится под сомнение приведенное чисто техническое определение алгоритма и обосновывается его материалистическая критика, указывающая на экономические и социальные корни явления. Как и у других абстрактных понятий – таких как число или механизм, – у алгоритма долгая история. Как указал математик Жан-Люк Шабер, «алгоритмы существовали с незапамятных времен, задолго до того, как было придумано специальное слово для их обозначения»[59 - Chabert J.-L. (ed.). A History of Algorithms: From the Pebble to the Microchip. Berlin: Springer, 1999. P. 1.]. Обращаясь к социальной математике древнего индуистского ритуала Агничаяна, я утверждаю, что алгоритмическое мышление и алгоритмическая практика присущи всем цивилизациям, а не только метаязыку западной компьютерной науки. В противовес математическому и философскому интуитивизму, который верит в полную независимость ментальных конструкций, в главе подчеркивается, что алгоритмическое мышление возникло в качестве материальной абстракции из взаимодействия разума и орудий, направленного главным образом на решение экономических и социальных задач. Центральный тезис главы сформулирован намеренно остро: труд представляет собой первый алгоритм.

Основные части книги посвящены изучению машинного разума в две исторические эпохи и выявляют сходную проблематику. В первой части рассматриваются труд как источник знаний и автоматизация умственного труда в индустриальную эпоху в Великобритании. Этот период обычно исследуется с точки зрения ручного труда, накопления капитала и ископаемых источников энергии, а вовсе не в перспективе когнитивных аспектов. Во второй части анализируется распространение коннекционизма (доктрины искусственных нейронных сетей) в кибернетических кругах в США 1940–1960?х годов. Искусственные нейронные сети возникли в результате проекта автоматизации зрительного труда (т. н. распознавания образов), отличного от ручного и умственного. Я утверждаю, что изучение роли знаний, умственного труда и науки в XIX веке необходимо для понимания истории автоматизации, подготовившей восхождение ИИ в XX веке. Обе части книги подходят с разных сторон к одной проблеме: взаимосвязи между формами технологических инноваций и социальной организацией.

Как отмечали историки науки Дастон и Шаффер, движущую силу современных вычислений легче найти в мастерских индустриальной эпохи, чем в томах по математике или натурфилософии того же времени. Поэтому во второй главе в попытке избежать традиционной машинной агиографии новаторские эксперименты Бэббиджа в области автоматизированных вычислений – его Разностная и Аналитическая машины – пересмотрены с экономической точки зрения. Для объяснения устройства этих первых компьютеров (и воплощенного в них варианта «машинного разума») в главе описываются два принципа анализа труда, выработанные Бэббиджем. Согласно первому аналитическому принципу (трудовой теории машин), конструкция машины воспроизводит и заменяет схему разделения труда. Второй принцип (исчисления труда, т. н. принцип Бэббиджа) гласит, что разделение труда на мелкие задачи позволяет измерить и приобрести ровно столько труда, сколько требуется для производства. При совмещении два принципа дают промышленную машину, которая не только делает труд более интенсивным, но и выступает как инструмент (и неявная метрика) его измерения. Бэббидж применил оба принципа к автоматизации ручного счета. Так возникло вычисление – как автоматизация умственного труда и подсчет его стоимости.

Помимо представления обычных «термодинамических» интерпретаций ручного труда, в третьей главе показывается, что сложные понятия умственного труда, коллективного разума и отчуждения знания были разработаны уже в индустриальную эпоху. В этой главе исследуются идеи вокруг становления политической экономии в XIX веке, движения Института механики, общественной кампании «Марш разума» и Вопроса о машинах (дебаты о технологиях и безработице, волновавшие английское общество в те годы). Также освещены противоположные размышления о введенных Бэббиджем принципах анализа труда и изобретательстве. С одной стороны, я показываю, что задолго до появления теоретиков общества знаний в XX веке рикардианские социалисты Уильям Томпсон и Томас Годскин выдвинули познавательную теорию труда. С другой стороны, подчеркиваю необходимость признать влияние промышленных машин и инструментов на развитие знаний о природе, что требует расширить машинную теорию науки. В результате выражение «машинный интеллект» приобретает по меньшей мере четыре значения:

человеческое знание машины;

знание, воплощенное в ее конструкции;

человеческие задания, ею автоматизированные;

новое знание о мире, ставшее возможным благодаря ее применению.

Четвертая глава посвящена тому, как связаны Бэббидж и другой столп политической экономии индустриальной эпохи, Карл Маркс, – эта тема все еще изучена недостаточно[60 - За исключением работ: Caffentzis G. In Letters of Blood and Fire: Work, Machines, and Value. Oakland: PM Press, 2013; Wendling A. E. Karl Marx on Technology and Alienation. Berlin: Springer, 2009. См. также: Beamish R. Marx, Method, and the Division of Labour. Urbana: University of Illinois Press, 1992; Dotzler B. Diskurs und Medium I: Zur Arch?ologie der Computerkultur. Munich: Fink Verlag, 2006.]. Здесь исследуется вплетение знаний в материальные действия и артефакты и дано соответствующее прочтение теорий Маркса. В известном отрывке из Grundrisse[61 - В советско-российской традиции за этим сборником записей, известном как черновой вариант «Капитала», закрепилось название «Экономические рукописи 1857–1859 годов», под которым он был опубликован в составе 46?го тома собрания сочинений Маркса и Энгельса. Позднее сотрудники Института марксизма-ленинизма уточнили датировку вошедших в сборник документов, поэтому отдельное двухтомное издание 1980 года, по которому даны цитаты в этом переводе, носит название «Экономические рукописи 1857–1861 гг. (Первоначальный вариант "Капитала")». Во избежание путаницы для обозначения сборника я использую название, принятое в западной марксистской традиции, – Grundrisse (нем. план, очерки, набросок). Историю переоткрытия Grundrisse с точки зрения западного марксизма автор разбирает в главе 4. – Прим. пер.] философ предсказывал, что постепенное накопление знаний (то, что он назвал «всеобщим интеллектом») в машинах подорвет законы капиталистического накопления и вызовет его фатальный кризис. Благодаря интерпретации итальянских операистов, данной в 1989 году, этот необычный отрывок, получивший название «Фрагмент о машинах», обрел широкую известность среди исследователей и активистов в качестве пророчества об экономике знаний, пузыре доткомов и восхождении ИИ. После десятилетий всевозможных спекуляций в этой главе впервые раскрывается происхождение идеи всеобщего интеллекта (general intellect), которую Маркс встретил в книге Уильяма Томпсона «Исследование принципов распределения богатства» (An Inquiry into the Principles of the Distribution of Wealth; 1824). Также я объясняю (и это даже важнее), почему это понятие не вошло в «Капитал». У Томпсона Маркс почерпнул идею добродетельного накопления знаний и аргумент, согласно которому знание, отчуждаясь в машинах, становится враждебным по отношению к рабочим. Однако именно у Бэббиджа Маркс нашел альтернативную теорию, позволяющую понять двусмысленную роль знаний и науки в промышленной экономике. В «Капитале» Маркс заменил утопические упования на всеобщий интеллект материальной фигурой «совокупного рабочего» (Gesamtarbeiter) – другое имя расширенной трудовой кооперации. Фигура совокупного рабочего как некоего сверхорганизма, объединяющего людей и машины, знаменует в этой книге переход к эпохе кибернетики и кибернетическим экспериментам по самоорганизации. Переходную роль выполняет пятая глава, где кратко описана трансформация труда индустриальной эпохи в век кибернетики и разъясняется, как труд распался на абстрактную энергию и абстрактную форму (информацию).

Вторая часть посвящена коннекционизму как главной родословной современных систем ИИ (я избегаю повторения известной литературы по кибернетике, теории информации и символическому ИИ). В шестой главе развитие искусственных нейронных сетей рассматривается с точки зрения, которой обычно пренебрегают, а именно в перспективе исследований самоорганизации организмов и машин (их обошла вниманием даже Боден в своей огромной истории ИИ). Теории самоорганизации сегодня востребованы в физике, химии, биологии, неврологии и экологии, но именно в среде кибернетиков, а не представителей естественных наук, в середине XX века вспыхнули дебаты о самоорганизации. В главе рассмотрены парадигмы самоорганизующихся вычислений, которые способствовали, среди прочего, укреплению коннекционизма, – в частности, концепция нейронных сетей Уоррена Мак-Каллока и Уолтера Питтса (1943–1947), клеточные автоматы Джона фон Неймана (1948) и перцептрон Розенблатта (1957). Также в шестой главе исследуется реакция кибернетических теорий самоорганизации на социотехнические изменения. Подобно иным вариантам механистического мышления в другие века, кибернетика проецировала на мозг и природу формы организации, которые были частью технического состава окружающего общества. Ключевым примером здесь выступает телеграфная сеть, которая использовалась в XIX веке в качестве аналогии нервной системы, а в ХХ веке – для формализации нейронных сетей, включая машину Тьюринга.

В седьмой главе прослеживается связь концепций искусственных нейронных сетей Мак-Каллока и Питтса с забытым спором о гештальте: дебаты о человеческом восприятии как о когнитивном акте, который может быть представлен аналитически и, следовательно, механизирован. В учебниках по машинному обучению обычно утверждается, что Мак-Каллок и Питтс вдохновлялись нейрофизиологией мозга, но авторами упускается из виду упомянутый интеллектуальный сор. Между тем, именно после этих дебатов выражение «гештальт-восприятие» из военных и академических публикаций превратилось в широко известное словосочетание «распознавание паттернов». Спор о гештальте – это когнитивная окаменелость нерешенной проблемы, и ее изучение помогает понять форму и ограничения, унаследованные глубоким обучением, в частности, неразрешенное противоречие между восприятием и познанием, образом и логикой, которое преследовало технонауку XX века.

В восьмой главе разъясняется двойственная роль неолиберального экономиста Фридриха фон Хайека в укреплении коннекционизма. В книге 1952 года «Сенсорный порядок» Хайек предложил коннекционистскую теорию разума, куда более продвинутую, чем определения ИИ, выработанные на Дартсмутском семинаре в 1956?м. В этом тексте, как предположили Мак-Каллок и Питтс, Хайек размышлял о создании машины, функционально подобной «нервной системе как инструменту классификации»[62 - Hayek F. The Sensory Order: An inquiry into the Foundations of Theoretical Psychology. Chicago: University of Chicago Press, 1952. P. 55.]. Подобно кибернетикам Хайек изучал самоорганизацию разума, но с другой целью: его интересовала не промышленная автоматизация, а автономия рынка.

Девятая глава посвящена одному из наиболее важных и наименее изученных эпизодов в истории ИИ: изобретению Розенблаттом в 1950?х годах искусственной нейронной сети перцептрон. Несмотря на свои ограничения, перцептрон стал прорывом в истории вычислений – в нем впервые была автоматизирована техника статистического анализа; по этой причине его считают первым алгоритмом машинного обучения[63 - Первое использование термина «машинное обучение» см.: Samuel A. Some Studies in Machine Learning Using the Game of Checkers // IBM Journal of Research and Development 44 (1959): 206–226. Также Тьюринг размышлял о «неорганизованных машинах», которые обладают способностью самоорганизовываться и, таким образом, обучаться: Turing A. Intelligent Machinery (1948) // The Essential Turing. B. Jack Copeland (ed). Oxford: Oxford University Press, 2004.]. В качестве технической формы перцептрон претендовал на имитацию биологических нейронных сетей, но с математической точки зрения осуществлял совсем другой трюк. Чтобы решить задачу распознавания образов, машина представляла пиксели изображения как независимые координаты в многомерном пространстве. Любопытно, что статистический метод многомерной проекции зародился в психометрии и евгенике в конце XIX века и аналогичен тому методу оценки «общего интеллекта» [general intelligence], который Чарльз Спирмен реализовал в спорном тесте на определение коэффициента интеллекта (IQ). Это еще одно доказательство социальной генеалогии ИИ: первая искусственная нейронная сеть – перцептрон – родилась не как автоматизация логического рассуждения, а как статистический метод, который применялся для измерения интеллекта в когнитивных задачах и соответствующей этим измерениям организации социальной иерархии.

В заключении утверждается, что принцип действия ИИ представляет собой не только автоматизацию труда, но и навязывание социальной иерархии ручного и умственного труда посредством автоматизации. С XIX по XX век «хозяйский глаз» промышленного капитализма охватил все общество и установил новые формы контроля, основанные на статистических измерениях «интеллекта», с целью дискриминировать рабочих по уровню навыков. Результаты теста IQ применялись именно так: американский психолог Льюис Терман в 1919 году заявлял, что «IQ 75 или ниже обычно относится к неквалифицированным рабочим, от 75 до 85 – диапазон для полуквалифицированного труда, а показатели 80 или 85 вполне достаточны для успеха в некоторых видах квалифицированного труда»[64 - Terman L. The Intelligence of School Children: How Children Differ in Ability, the Use of Mental Tests in School Grading, and the Proper Education of Exceptional Children. Boston: Houghton Mifflin, 1919. P. 274. Цит. по: Gould S. J. The Mismeasure of Man. New York: Norton & Company, 1981. P. 212.]. ИИ продолжает кодировать социальные иерархии и дискриминировать рабочую силу, косвенно навязывая метрики разумности. Классовые, гендерные и расовые предубеждения, которые системы ИИ, как известно, только усиливают, следует рассматривать не как технический недостаток, а как неотъемлемую дискриминационную черту автоматизации при капитализме. Предвзятость ИИ не ограничивается социальным угнетением: она также выражается в неявном навязывании иерархии труда и знаний, что усиливает поляризацию квалифицированных и неквалифицированных работников на рынке труда. Замену традиционных рабочих мест системами ИИ следует рассматривать вместе с умножением прекарных, низкооплачиваемых и маргинализированных рабочих мест в глобальной экономике[65 - О деградации рынка труда за счет умножения бессмысленных профессий см.: Грэбер Д. Бредовая работа. Трактат о распространении бессмысленного труда. М.: Ад Маргинем, 2020. См. также: Бенанав А. Автоматизация и будущее работы. М.: Изд-во Института Гайдара, 2022.]. ИИ и «призрачная работа» – две стороны одного и того же механизма автоматизации труда и социальной психометрии.

Наконец, выдвинутая в книге трудовая теория автоматизации представляет собой не только аналитический принцип, нужный для демонтажа «верховного алгоритма» монополий ИИ, но и принцип синтетический. Он говорит о практике социальной автономии, которая создаст новые формы знания и новые культуры изобретательства.

1. Материальные орудия алгоритмического мышления

Силу наших «ментальных» орудий усиливает сила наших «металлических» орудий[66 - Wing J. M. Computational Thinking and Thinking about Computing // Philosophical Transactions of the Royal Society A: Mathematical, Physical, and Engineering Sciences 366, no. 1881 (2008): 3718.].

    Жаннет Винг, «Вычислительное мышление», 2008 г.

Использование материального орудия всегда дает больше знаний, чем вложено в его изобретение[67 - Damerow P. and Lef?vre W. Tools of Science // Abstraction and Representation: Essays on the Cultural Evolution of Thinking. Berlin: Springer, 2013. P. 401.].

    Петер Дамеров и Вольфганг Лефевр, «Орудия науки», 1981 г.

Правила стали механическими до того, как им могли следовать машины[68 - Daston L. Algorithms before Computers: Patterns, Recipes, and Rules // Katz Distinguished Lecture in the Humanities, Simpson Center for the Humanities, University of Washington, 19 April 2017. См. также: Daston L. Rules: A Short History of What We Live By. Princeton, NJ: Princeton University Press, 2022.].

    Лоррейн Дастон, «Алгоритмы до компьютеров», 2017 г.

Воссоздание расчлененного бога

В космогоническом мифе индуистских Вед говорится, что верховное божество Праджапати распадается на части в акте сотворения вселенной. После творения происходит нечто контринтуитивное с точки зрения западных нарративов о господстве и принципов непротиворечивости: тело творца оказывается разобранным и расчлененным. В Индии этот древний миф разыгрывают в ритуале Агничаяна. Ритуал предполагает строительство огненного алтаря Шьеначити, и этот процесс служит символическим воссозданием распавшегося тела бога (см. рис. 1.1).

Рис. 1.1. Диаграмма огненного алтаря Агничаяна (Staal F. Greek and Vedic geometry // Journal of Indian Philosophy 27, no. 1 (1999): 111)

Алтарь Шьеначити возводят из тысячи кирпичей выверенной формы и точного размера в соответствии со сложной схемой, изображающей сокола. Рабочие кладут пять слоев по 200 кирпичей в каждом, повторяя специальную мантру и следуя пошаговым инструкциям. В основе ритуала лежит решение загадки: каждый слой должен повторять одну и ту же пространственную форму, но различаться внутренней конфигурацией[69 - Ramasubramanian K. Glimpses of the History of Mathematics in India // Mathematics Education in India: Status and Outlook. R. Ramanujam and K. Subramaniam (eds). Mumbai: Homi Bhaba Centre for Science Education (TIFR), 2012.]. Соколиный алтарь следует обращать на восток, знаменуя предстоящий символический полет воссозданного бога к восходящему солнцу – здесь мы видим уникальный пример божественного перевоплощения средствами геометрии.

Агничаяна подробно описана в шульба-сутрах; это посвященное вопросам геометрии дополнение к Ведам записано около 800 года до н. э. в Индии и опирается на гораздо более древнюю устную традицию[70 - Голландский индолог Фриц Сталь описывает Агничаяну в двухтомнике (и документальном фильме) об экспедиции в Кералу в 1975 году. См.: Staal F. Agni: The Vedic Ritual of the Fire Altar. Two vols. Berkeley: Asian Humanities Press, 1983. Сталь утверждает, что абстрактные культурные формы возникают из бессознательного и что язык, числовые символы и геометрия представляют собой первые коллективные практики. См.: Staal F. Rules without Meaning: Ritual, Mantras, and the Human Sciences. New York: Peter Lang, 1989. P. 71]. Согласно этим текстам риши (духи жизни) создали семь пуруш (космических существ), имеющих форму квадрата; вместе они образовали единое тело, а уже из этой простой конфигурации возникло сложносоставное тело Праджапати[71 - Zellini P. La matematica degli d?i e gli algoritmi degli uomini/ Milano: Adelphi, 2016. P. 41. (The Mathematics of the Gods and the Algorithms of Men. London: Penguin, 2020.)]. Шульба-сутры учат строить алтари определенных геометрических форм, чтобы снискать благорасположение богов. Так, говорится, что «тем, кто хочет уничтожить настоящих и будущих врагов, следует построить огненный алтарь в форме ромба»[72 - Plofker K. Mathematics in India // The Mathematics of Egypt, Mesopotamia, China, India, and Islam. Victor Katz (ed.). Princeton, NJ: Princeton University Press, 2007.]. Помимо религиозного значения ритуал Агничаяна и шульба-сутры обладали функцией передачи важных для общества техник, например умения планировать строительство и увеличивать существующие здания с сохранением первоначальных пропорций[73 - Об исследовании передачи знаний и технологий в древности см.: Renn J. (ed.). The Globalization of Knowledge in History, Princeton, NJ: Princeton University Press, 2020.]. Агничаяна служит примером того, что математическое знание изначально носит социально-материальный характер, а также демонстрирует типичную для кастовой системы иерархию ручного и умственного труда. При сооружении жертвенника рабочие руководствуются правилами, которые традиционно существуют лишь у определенной группы мастеров. Она же и передает эти правила. Ритуалы, подобные Агничаяне, – это не только упражнения в геометрии. Они обучают процедурному знанию, которое не сводится к абстракции и основано на продолжительной «механической» тренировке. Кроме того, они показывают, как религия может побуждать к точности, а духовные упражнения – использоваться как средство трудовой дисциплины[74 - Разделение труда в Агничаяне также напоминает сложную оперативную цепь (cha?ne opеratoire), которую французский антрополог Андре Леруа-Гуран выявил во многих родовых (изначально не иерархических, а спонтанных и кооперативных) практиках изготовления инструментов. См.: Sellet F. Cha?ne opеratoire: The Concept and its Applications // Lithic Technology 18, nos. 1–2 (1993): 106–112.].

Агничаяна – уникальный артефакт в истории человеческой цивилизации: это самый древний задокументированный ритуал, который практикуется по сей день, хотя из-за сложности и проводится лишь несколько раз в столетие[75 - Последние ритуалы прошли в 1955, 1975 (церемония задокументирована Фрицем Сталем) и 2011 годах.]. На протяжении тысячелетий с его помощью передавались и сохранялись сложные парадигмы знания, и благодаря комбинаторному механизму Агничаяны этот ритуал можно определить как первичный пример алгоритмической культуры. Что же позволяет интерпретировать как алгоритм столь древний ритуал? Согласно одному из самых распространенных в компьютерной науке определений, алгоритм, как уже упоминалось, – это конечная процедура пошаговых инструкций для преобразования ввода в вывод вне зависимости от данных и с наилучшим использованием имеющихся ресурсов[76 - См. также: Chabert J.-L. (ed.). A History of Algorithms: From the Pebble to the Microchip. Berlin: Springer, 1999. P. 2. (Chabert J.-L. Histoire d’algorithmes: Du caillou ? la puce. Paris: Belin, 1994. P. 6.) «Алгоритм – это конечная последовательность правил, применяемая в определенном порядке к конечному набору данных для получения за конечное число шагов определенного результата вне зависимости от данных». Перевод мой: французский оригинал дает более точное определение, поскольку в английском издании отсутствует оборот «вне зависимости от данных».]. Рекурсивные мантры, которые направляют рабочих на строительной площадке огненного алтаря, напоминают правила компьютерной программы: вне зависимости от контекста алгоритм Агничаяны позволяет точно распределить кирпичи и построить Шьеначити. Историки обнаружили, что индийская математика с древних времен носила преимущественно алгоритмический характер. Это означает, что задачи предлагалось решать не с помощью логической демонстрации, а путем пошаговой процедуры[77 - Sriram M. S. Algorithms in Indian Mathematics // Contributions to the History of Indian Mathematics. Gurgaon: Hindustan Book Agency, 2005. P. 153–182.].

Так, итальянский математик Паоло Целлини утверждает, что ритуал Агничаяны свидетельствует о более сложной технике, чем следование жесткому правилу, а именно – об эвристическом методе пошаговой аппроксимации. Известно, что ведическая математика раньше, чем это произошло у других цивилизаций, познакомилась с бесконечно большими и бесконечно малыми числами. В древних сутрах перемножались огромные позиционные числа индуистской системы счета для охвата необъятных просторов вселенной (мыслительное упражнение, которое невозможно себе представить, например, в аддитивных шумерских, греческих и римских системах счисления). Ведическая математика также была знакома с иррациональными числами, например квадратным корнем, который во многих случаях (например, ?2) можно рассчитать только приблизительно. В мантрах шульба-сутр пропеваются самые древние (и доскональные) объяснения вычислительных процедур (например, так называемого вавилонского алгоритма) для приближенного выражения квадратного корня. Процедуры приближения могут показаться громоздкими, слабыми и неточными по сравнению с математическими функциями и геометрическими теоремами, но их роль в истории математики и техники важнее, чем это принято считать. В книге по истории методов постепенного прироста (включая, среди прочего, древний метод гномона) Целлини утверждал, что индуистские методы пошагового приближения эквивалентны современным счетным алгоритмам Лейбница и Ньютона и даже техникам исправления ошибок, которые лежат в основе искусственных нейронных сетей и машинного обучения, составляющих парадигму ИИ (см. главу 9)[78 - Zellini. La matematica degli d?i, 51. Спорная, но влиятельная история исчислений, см.: Cohen H. Das Prinzip der Infinitesimal-Methode und seine Geschichte: Ein Kapitel zur Grundlegung der Erkenntniskritik (1883).].

Некоторым прочтение древних культур через парадигму новейших технологий Кремниевой долины, как и изучение математической составляющей религиозных ритуалов в эпоху оголтелого национализма, может показаться актом незаконного присвоения. Однако утверждать, что абстрактные техники познания и искусственные метаязыки безраздельно принадлежат современному индустриальному Западу, исторически неверно. Подобное утверждение – акт скрытого эпистемического колониализма по отношению к культурам других эпох и регионов[79 - Историк математики Сентил Бабу пишет: «До сих пор специалисты по истории математики в Индии в основном работали с корпусом текстов на санскрите… Индология признала и канонизировала только благородную санскритскую традицию. Знания многих практиков математики стали невидимыми». Babu S. Mathematics and Society: Numbers and Measures in Early Modern South India. Oxford: Oxford University Press, 2022. P. 2–5. См. также: Babu S. Indigenous Traditions and the Colonial Encounter: A Historical Perspective on Mathematics Education in India // Ramanujam and Subramaniam, Mathematics Education in India.]. Альтернативные формы вычислений, лежащие вне гегемонии Глобального севера и присущего ему режиму экстрактивизма знаний, получили признание и изучаются благодаря вкладу этноматематики, деколониальных исследований, а также истории науки и техники. Алгоритмами из-за их роли в компьютерном программировании обычно считают абстрактное применение сложных наборов правил. В этой книге я, напротив, утверждаю, что все алгоритмы, включая сложные алгоритмы искусственного интеллекта и машинного обучения, берут начало в общественной и материальной деятельности. Алгоритмическое мышление и алгоритмические практики, широко понимаемые как решение задач на основе правил, представляют собой часть всех культур и цивилизаций.