Не то чтобы нейронные сети были не способны уловить смысл предложения или выполнить задачу грамматического спряжения. (Лучше бы они это умели, потому что сама идея, что размышление — это форма нейронного вычисления, требует, чтобы какой-то вид нейронной сети повторял все, что может делать разум.) Проблема лежит в убежденности, что можно сделать что угодно с самой общей моделью, если правильно ее обучать. Многие исследователи усиливали, модернизировали или объединяли сети в более сложные и мощные системы. Они посвящали разделы нейронной сети абстрактным понятиям вроде «глагольная группа» или «утверждение», встраивали дополнительные механизмы (такие как синхронизированные паттерны импульсов), чтобы связать их в подобие составной рекурсивной системы символов. Они устанавливали пакеты нейронов для слов, или для английских суффиксов, или для основных грамматических признаков. Они строили гибридные системы: с одной нейросетью — для извлечения неправильной формы глагола из памяти и другой — для соединения глагола с суффиксом.

Система, собранная из усиленных подсетей, может оказаться вне всякой критики. Но в этом случае мы уже не говорим об обычной нейронной сети! Мы будем говорить о сложной системе, в которой изначально заложены механизмы для выполнения задач, подвластных людям. В детской сказке «Каша из топора» главный герой просит разрешения воспользоваться котлом, чтобы сварить кашу из топора. Но затем, чтобы сделать кашу вкуснее, он добавляет все новые и новые ингредиенты и готовит сытное наваристое блюдо за счет скупой хозяйки. Разработчики коннекционистских сетей, претендующие на создание интеллекта на базе обычных нейронных сетей, не требуя чего-то существенного, занимаются тем же самым. Элементы дизайна, которые делают нейросеть умной — за что отвечает каждый нейрон, как они связаны друг с другом, какие типы сетей объединены в систему следующего уровня и каким образом, — отражают врожденную организацию моделируемой части разума. Обычно исследователь подбирает их вручную, подобно изобретателю, перетряхивающему коробку с диодами и транзисторами, но в настоящем мозге они могли развиваться благодаря естественному отбору (и архитектура некоторых сетей действительно создается с помощью симуляции естественного отбора). Единственная альтернатива состоит в том, что какие-то предыдущие эпизоды научения подготовили сеть к научению нынешнему, но, разумеется, нам придется в какой-то момент остановиться и признать некоторые врожденные характеристики самой первой сети, запустившей этот процесс.

Так что слухи, что нейронная сеть может заменить ментальную структуру статистическим научением, неверны. Простая, неспециализированная сеть не отвечает требованиям обычного человеческого мышления и речи; комплексные, специализированные сети — это каша из топора, в которой большая часть интересующей нас работы выполняется благодаря изначально заданным, врожденным настройкам нейронных связей внутри сети. Когда мы призна́ем это, моделирование нейронных сетей станет неотъемлемым дополнением теории сложной человеческой природы, а не будет пытаться подменить ее. Оно заполнит пробелы между элементарными мыслительными операциями и психологической активностью мозга и послужит важным звеном в длинной цепи знаний между биологией и культурой.

* * *

Бо́льшую часть своей истории нейронауки сталкивались с обескураживающим фактом: мозг выглядит так, словно он изначально специализирован до мельчайшей детали. Если говорить о человеческом теле, то на нем мы видим следы жизненного опыта: оно может быть загорелым или бледным, плотным или рыхлым, иссушенным, пухлым или рельефным. Но подобных следов не найдешь в мозге. Очевидно, что-то здесь не так. Люди учатся, и учатся многому: осваивают язык, культуру, секреты производства, базы данных накопленных ими фактов. К тому же сотни триллионов связей в мозгу невозможно задать геномом в 750 мегабит.