Filozofia inżynierska: Raj Reddy, technologia dla najuboższego miliarda

Najważniejsze wnioski

• Zbuduj interfejs, który nie wymaga umiejętności czytania. Reddy poświęcił całą karierę uczeniu maszyn rozumienia ludzkiej mowy – pierwszym systemom rozpoznawania mowy ciągłej, a później systemom Hearsay i Harpy – ponieważ mowa to jedyny interfejs, który niczego nie wymaga od użytkownika. Nie trzeba umieć czytać, pisać na klawiaturze ani jej posiadać, żeby mówić. Dla mniej więcej 2,5 miliarda ludzi na świecie, którzy nie potrafią czytać, głos nie jest udogodnieniem; jest jedynymi drzwiami do wiedzy całego świata.¹⁹
• Nagrodę Turinga otrzymał za to, że uczynił AI realną na dużą skalę. W 1994 roku Reddy podzielił Nagrodę Turinga ACM A.M. z Edwardem Feigenbaumem „za pionierskie projektowanie i konstruowanie wielkoskalowych systemów sztucznej inteligencji, dowodzące praktycznego znaczenia i potencjalnego komercyjnego wpływu technologii sztucznej inteligencji”. Był pierwszą osobą pochodzenia azjatyckiego, która otrzymała tę nagrodę.¹²
• Model tablicowy to jego cichy, uniwersalny wkład. Hearsay-II koordynował niezależne źródła wiedzy – akustyczne, fonetyczne, leksykalne, składniowe – pozwalając im współpracować we wspólnej przestrzeni roboczej, czyli na „tablicy”. Ta architektura przerosła samo rozpoznawanie mowy i stała się ogólnym wzorcem łączenia wielu źródeł dowodów w jedną odpowiedź – czyli dokładnie tym, co współczesny stos AI robi do dziś.³⁴
• Od wsi bez prądu do pierwszego doktoratu z AI pod kierunkiem McCarthy’ego. Urodzony w Katoor w stanie Andhra Pradesh w 1937 roku, pierwszy w rodzinie, który ukończył szkołę, Reddy przeszedł drogę z Guindy przez Nową Południową Walię aż do doktoratu obronionego w 1966 roku na Stanfordzie pod kierunkiem Johna McCarthy’ego, a następnie zbudował najambitniejsze systemy w tej dziedzinie na Carnegie Mellon – i skierował je z powrotem ku ludziom takim jak ci, wśród których dorastał.⁵⁶⁹

Zasada

„Wszystko, co robisz umysłem, możesz zrobić szybciej, lepiej i taniej za pomocą komputerów… Moglibyśmy skierować tę dodatkową produktywność tam, gdzie istnieje poważna potrzeba społeczna.” – Raj Reddy⁹

Większość zaawansowanej technologii spływa w dół powoli. Powstaje dla ludzi, których już na nią stać – piśmiennych, podłączonych do sieci, dysponujących urządzeniem i pakietem danych – a do całej reszty dociera dopiero po latach, w rozwodnionej postaci, o ile w ogóle. Reddy odwrócił cel. Był przekonany, że to najbardziej zaawansowana AI powinna być kierowana ku ludziom, których reszta informatyki pomija: niepiśmiennym, biednej ludności wiejskiej, temu, co ekonomiści rozwoju nazywają najuboższym miliardem. Nie jako dobroczynność doczepiona do gotowego produktu, lecz jako ograniczenie projektowe, które pojawia się jako pierwsze.⁹

Zasada ta ma precyzyjną konsekwencję inżynierską i jest nicią przewodnią wszystkiego, co zbudował: interfejs nie może wymagać niczego, czego użytkownik jeszcze nie posiada. Klawiatura wymaga umiejętności czytania i alfabetu łacińskiego. Ekran dotykowy wymaga urządzenia oraz znajomości ikon pozwalającej się po nim poruszać. Mowa nie wymaga niczego. Każdy człowiek, który potrafi mówić, ma pełny interfejs zainstalowany od urodzenia, we własnym języku. Jeśli więc chce się oddać wiedzę całego świata w zasięg kogoś, kto nigdy nie nauczył się czytać, nie uczy się go czytać – uczy się maszynę słuchać. Właśnie dlatego człowiek, któremu zależało na najbiedniejszych ludziach na ziemi, spędził dziesięciolecia nad głęboko technicznym problemem rozpoznawania mowy ciągłej. Jedno i drugie to ten sam projekt.¹⁹

To właśnie czyni Reddy’ego nietypowym wśród gigantów AI. Prestiż w tej dziedzinie płynie ku możliwościom – większym modelom, trudniejszym testom porównawczym, grze ponad ludzkie zdolności. Reddy gonił za możliwościami równie zawzięcie jak ktokolwiek inny, budując systemy na tyle ambitne, by zasłużyć na Nagrodę Turinga. Nigdy jednak nie oddzielał jak potężne od dla kogo. Głos jako wielki czynnik wyrównujący szanse; wielkie systemy AI budowane po to, by służyć ludziom z dna piramidy. Technologia musi dotrzeć do pominiętych – a sposobem na zagwarantowanie tego jest uczynienie z pominiętych specyfikacji.

Kontekst

Dabbala Rajagopal Reddy urodził się 13 czerwca 1937 roku w Katoor, wsi leżącej na terenie dzisiejszego stanu Andhra Pradesh w Indiach. Był pierwszym w rodzinie, który poszedł na studia – pierwszym, w istotnym sensie, który w ogóle wyszedł poza orbitę wsi.⁵⁶ Wiele lat później, zapytany o to dzieciństwo, odrzucił ramę niedostatku: „Niebo było cudownie czyste i widziałem wszystkie gwiazdy. Ludzie pytali: »O Boże, byłeś aż tak biedny?«. Ale ja nigdy nie czułem żadnego niedostatku.”⁹ To zdanie ma znaczenie dla inżynierii, ponieważ człowiek, który projektował dla najuboższego miliarda, nie projektował dla abstrakcji. Projektował dla ludzi, z których się wywodził, i nie uważał, że brakuje im czegokolwiek poza dostępem.

Droga na zewnątrz wiodła przez inżynierię. Licencjat uzyskał w College of Engineering w Guindy (University of Madras) w 1958 roku, a następnie tytuł magistra na University of New South Wales w Sydney w 1960 roku, pracując dla IBM w Australii, zanim przekroczył Pacyfik.⁵⁶ Na Stanfordzie zdobył tytuł magistra w 1964 roku, a w 1966 roku doktorat z informatyki pod kierunkiem Johna McCarthy’ego – człowieka, który dekadę wcześniej ukuł termin „sztuczna inteligencja”. Reddy jest powszechnie opisywany jako pierwsza osoba, która uzyskała doktorat z AI pod kierunkiem McCarthy’ego, co umieszcza go u dosłownych źródeł tej dziedziny.⁵⁶

Pozostał na Stanfordzie jako pracownik naukowy (1966-69), a następnie wykonał ruch, który zdefiniował resztę jego życia: w 1969 roku dołączył do Carnegie Mellon University, gdzie pozostaje do dziś.⁶ Na CMU zbudował systemy rozpoznawania mowy, które przyniosły mu sławę, założył Robotics Institute w 1979 roku (pierwszy wydział robotyki na jakimkolwiek amerykańskim uniwersytecie), pełnił funkcję dziekana School of Computer Science (1991-99) i został profesorem informatyki i robotyki na katedrze Moza Bint Nasser.⁵⁶⁷ Stanford dał mu najczystszy w tej dziedzinie rodowód. Carnegie Mellon dało mu swobodę budowania wielkich, niechlujnych, prawdziwych systemów – oraz wydania zaufania wartego Nagrody Turinga na populację, dla której nikt inny w AI nie budował.

Praca

Rozpoznawanie mowy: Hearsay, model tablicowy i Harpy

Zacznijmy od trudnej części, bo to tutaj zasada staje się matematyką. Ludzka mowa to ciągły strumień dźwięku bez wyraźnych przerw między słowami – ciszę, którą wydaje nam się, że słyszymy między słowami, w większości dopowiada nasz mózg. Co gorsza, ten sam sygnał akustyczny można pokroić na różne słowa. Klasyczny przykład jest taki, że angielskie „recognize speech” i „wreck a nice beach” brzmią niemal identycznie. Na podstawie samego surowego dźwięku oba odczytania uzyskują mniej więcej równą ocenę; maszyna naprawdę nie jest w stanie stwierdzić, które z nich miano na myśli. Widżet poniżej pozwala usłyszeć, jak ta wieloznaczność się rozstrzyga.

Spostrzeżenie Reddy’ego, rozwijane wraz z jego studentami na CMU przez lata 70. w ramach programu DARPA Speech Understanding Research, brzmiało: żadne pojedyncze źródło wiedzy nie potrafi rozstrzygnąć tej wieloznaczności, ale kilka współpracujących źródeł już tak. Akustyka mówi, jakie dźwięki są obecne. Model fonetyczny odwzorowuje dźwięki na kandydujące fonemy. Leksykon ogranicza to, które sekwencje fonemów są prawdziwymi słowami. Gramatyka ogranicza to, które sekwencje słów są prawdopodobnymi zdaniami. Każde z osobna jest zawodne; razem przygważdżają odpowiedź. Pytanie brzmiało: jak sprawić, by niezależne, zawodne źródła współpracowały.

Jego odpowiedzią był model tablicowy, urzeczywistniony w systemie Hearsay-II. Wyobraźmy sobie panel specjalistów wokół wspólnej tablicy. Każdy wypatruje czegoś, co rozumie – fonemu, słowa, frazy – a gdy może coś wnieść, umieszcza na tablicy hipotezę wraz z oceną pewności. Pozostali specjaliści odczytują tablicę, budują na tym, co widzą, i umieszczają własne hipotezy. Żaden specjalista nie dowodzi; żaden sztywny potok nie wymusza na nich kolejności. Poprawna interpretacja wyłania się z wielu cząstkowych, probabilistycznych wkładów współpracujących nad wspólną przestrzenią roboczą. Podtytuł opublikowanej pracy ujmuje to dokładnie: integrowanie wiedzy w celu rozstrzygnięcia niepewności.³⁴ Hearsay-I, który go poprzedził, był pierwszym systemem w ogóle zdolnym do rozpoznawania mowy ciągłej; Hearsay-II nadał tej zdolności trwałą architekturę.¹³

Równolegle do Hearsay rozwijał się Harpy (Bruce Lowerre i Reddy, ok. 1976), który postawił na przeciwne rozwiązanie i okazał się równie wpływowy. Zamiast niezależnych źródeł umieszczających coś na wspólnej tablicy, Harpy skompilował całą wiedzę – słownictwo, gramatykę, wymowę – w jedną ogromną sieć obejmującą każdą wypowiedź, jaką system mógłby usłyszeć, a następnie przeszukiwał tę sieć za pomocą przeszukiwania wiązkowego (beam search): na każdym kroku zachowuje się jedynie garstkę najbardziej obiecujących ścieżek, a resztę odcina, dzięki czemu przeszukiwanie pozostaje wykonalne, mimo że przestrzeń jest ogromna.⁸ Harpy obsługiwał słownictwo liczące 1011 słów i był pierwszym systemem rozumiejącym mowę ciągłą z błędem poniżej dziesięciu procent niemal w czasie rzeczywistym.⁸ Tablica Hearsay dała AI sposób na łączenie źródeł wiedzy; przeszukiwanie wiązkowe Harpy dało jej sposób na wydajne przeszukiwanie połączonej przestrzeni. Oba pomysły wciąż są nośne – współpraca dowodów i zdyscyplinowane odcinanie możliwości leżą u podstaw rozpoznawania mowy w każdym dzisiejszym telefonie.

CMU Robotics Institute

W 1979 roku Reddy założył Robotics Institute na Carnegie Mellon i pełnił funkcję jego pierwszego dyrektora – był to pierwszy wydział robotyki na jakimkolwiek uniwersytecie w Stanach Zjednoczonych.⁵⁶⁷ Łatwo odczytać to jako osobny rozdział, zwrot od mowy ku maszynom. Lepiej jednak odczytać to jako ten sam instynkt poszerzony. Rozpoznawanie mowy to problem maszyny postrzegającej i interpretującej niechlujny, ciągły, rzeczywisty sygnał w warunkach głębokiej niepewności. Robotyka to ten sam problem z dodaną resztą świata fizycznego: wzrokiem, ruchem, manipulacją – a wszystko zaszumione, wszystko wieloznaczne, wszystko wymagające scalenia wielu niedoskonałych źródeł informacji w jedną decyzję.

Instynkt tablicowy – wiele współpracujących źródeł wiedzy wspólnie rozstrzygających niepewność – to dokładnie to, czego autonomiczny robot potrzebuje, by nadać sens swojemu otoczeniu. Budując instytucję, a nie tylko laboratorium, Reddy dokonał czegoś, czego pojedynczy badacz nie może: stworzył miejsce, w którym integracja postrzegania, uczenia się i działania mogła być rozwijana przez dziesięciolecia przez setki ludzi. Robotics Institute stał się jednym z najważniejszych ośrodków w tej dziedzinie i jest strukturalnym wyrazem tego samego przekonania, które napędza jego pracę nad mową – że interesujące problemy to te dotyczące całego systemu, w których wiele części musi współpracować, by poradzić sobie ze światem, który nie przychodzi wstępnie opisany.

Nagroda Turinga z 1994 roku i wielkoskalowe systemy AI

W 1994 roku Reddy i Edward Feigenbaum podzielili Nagrodę Turinga ACM A.M. – najwyższe wyróżnienie w informatyce – z uzasadnieniem, które warto przeczytać uważnie: „za pionierskie projektowanie i konstruowanie wielkoskalowych systemów sztucznej inteligencji, dowodzące praktycznego znaczenia i potencjalnego komercyjnego wpływu technologii sztucznej inteligencji.”¹² Reddy był pierwszą osobą pochodzenia azjatyckiego, która otrzymała Nagrodę Turinga.⁵

Zatrzymajmy się przy tym, co nagradza to uzasadnienie. Nie twierdzenie. Nie pojedynczy algorytm. Projektowanie i konstruowanie wielkoskalowych systemów oraz wykazanie ich praktycznego znaczenia. Feigenbaum pokazał, że AI potrafi uchwycić i zastosować wiedzę ekspercką w rzeczywistych dziedzinach; Reddy pokazał, że AI potrafi postrzegać i rozumieć rzeczywisty, niechlujny ludzki świat mowy ciągłej. Razem przesunęli AI od demonstracji laboratoryjnej ku działającemu systemowi – dowodząc, że te idee da się zbudować na dużą skalę i że będą miały znaczenie poza światem akademickim.¹² Ten nacisk na to, co zbudowane, na dużą skalę, do realnego użytku, to cały duch kariery Reddy’ego. Nigdy nie zadowalał się wynikiem istniejącym wyłącznie na papierze. Chodziło zawsze o system, z którego ktoś mógłby faktycznie skorzystać – co jest oczywiście tym samym impulsem, który kieruje go ku ludziom, którzy mają najmniej.

Technologia dla najuboższego miliarda: Million Book Project, RGUKT i przepaść cyfrowa

Tutaj zasada wychodzi w pełni na jaw. Zdobywszy najwyższe wyróżnienie w tej dziedzinie za budowę wielkich systemów AI, Reddy spędził drugą połowę kariery, kierując te możliwości ku ludziom, o których branża technologiczna rutynowo zapomina. Współprzewodniczył Komitetowi Doradczemu Prezydenta USA ds. Technologii Informacyjnych (PITAC) w latach 1999-2001, kształtując krajowe priorytety badawcze z wnętrza administracji.⁵ Jednak najbardziej charakterystyczne dla niego projekty powstały z myślą o krajach rozwijających się.

Universal Digital Library / Million Book Project, którym Reddy kierował na Carnegie Mellon od 2001 roku, stawiał sobie za cel zeskanowanie miliona książek i bezpłatne udostępnienie ich w sieci, ze świadomym naciskiem na populacje wielojęzyczne i niedostatecznie obsługiwane – wiedza całego świata, zdigitalizowana, dla ludzi, którzy nigdy nie mieli biblioteki. Do grudnia 2007 roku zeskanowano w jego ramach ponad 1,5 miliona książek w około 20 językach, we współpracy z partnerami w Indiach, Chinach i Egipcie.¹⁰ Rajiv Gandhi University of Knowledge Technologies (RGUKT), w którego utworzeniu Reddy odegrał kluczową rolę i którego był pierwszym kanclerzem, powstał specjalnie „by zaspokoić potrzeby edukacyjne uzdolnionej, wiejskiej młodzieży o niskich dochodach” w Indiach – studentów takich jak chłopiec z Katoor, któremu udało się wyrwać.⁵⁶ Był również pierwszym przewodniczącym International Institute of Information Technology (IIIT) w Hajdarabadzie i w 2001 roku otrzymał Padma Bhushan, jedno z najwyższych indyjskich odznaczeń cywilnych.⁵

Logika, która to wszystko spaja, to ta, do której wciąż powraca: „Dla 2,5 miliarda niepiśmiennych ludzi na świecie [Reddy] dąży do zastosowania swojej technologii rozpoznawania mowy, by pomóc im uzyskać dostęp do wiedzy całego świata przez internet.”¹ Otwarcie opowiadał się za kierowaniem AI ku najtrudniejszym problemom krajów rozwijających się – ubóstwu, opiece zdrowotnej, edukacji – zamiast traktowania ich jako dodatku do produktów komercyjnych.¹¹ Praca nad mową i praca na rzecz rozwoju to nie dwie kariery. Całym sensem uczenia maszyny rozumienia języka mówionego było zawsze to – by człowiek, który nie potrafi czytać, we wsi bez prądu, mógł zadać maszynie pytanie we własnym języku i otrzymać odpowiedź. Głos jest wielkim czynnikiem wyrównującym szanse, ponieważ jest interfejsem, którego obsługą każdy człowiek włada już od urodzenia.

Metoda

Metoda Reddy’ego to mniej hasło, a bardziej zbiór trwałych zobowiązań. Spójrzmy przekrojowo na pracę nad mową, na instytut i na projekty rozwojowe, a powtarzają się te same posunięcia.

Uczyń z ograniczenia użytkownika specyfikację systemu. Najgłębsza decyzja projektowa w karierze Reddy’ego – by przez dziesięciolecia gonić za rozpoznawaniem mowy – wynika wprost z faktu dotyczącego docelowego użytkownika: może on nie umieć czytać. Interfejs nie mógł niczego wymagać, więc maszyna musiała robić wszystko. Ogólna lekcja jest taka, by znaleźć najtrudniejsze ograniczenie, z którym mierzy się twój najsłabiej obsłużony użytkownik, i pozwolić mu napędzać architekturę, zamiast projektować dla łatwego użytkownika i łatać resztę. To minimalny godny produkt czytany od dna piramidy w górę.⁹

Gdy żadne pojedyncze źródło nie jest wiarygodne, spraw, by wiele z nich współpracowało. Model tablicowy to metoda, nie tylko artefakt: przestań szukać jednej wyroczni, która rozstrzygnie niepewność, a zamiast tego pozwól niezależnym, omylnym źródłom dowodów umieszczać coś we wspólnej przestrzeni roboczej i zbiegać się do odpowiedzi. Tak Hearsay słyszał mowę; tak współczesny system scala sygnały; tak też, szczerze mówiąc, działa dobra deliberacja wśród ludzi.³⁴

Buduj systemy, nie demonstracje. Uzasadnienie Nagrody Turinga nagradza konstruowanie na dużą skalę. Miarą Reddy’ego nigdy nie było „czy działa w pracy naukowej”, lecz „czy jest to system, z którego ktoś może skorzystać”. Wynik, którego nie da się zbudować i wdrożyć, jest – według jego standardów – niekompletny; to bramka dowodu zastosowana do całych systemów, a nie pojedynczych twierdzeń.²

Skieruj najbardziej zaawansowaną możliwość ku najsłabiej obsłużonym ludziom. To posunięcie sprawia, że reszta jest czymś więcej niż tylko imponująca. Dyscyplina polega na odrzuceniu domyślnego gradientu – w którym technologia płynie ku już obsłużonym – i celowym skierowaniu pogranicza ku najuboższemu miliardowi. Możliwość bez godnego celu jest popisem; to test Steve’a – pytanie o to, czy praca zasługuje na istnienie, na które odpowiada to, dla kogo jest.⁹

Odrzuć ramę niedostatku. „Nigdy nie czułem żadnego niedostatku.” Reddy projektuje dla niedostatecznie obsługiwanych, nie traktując ich protekcjonalnie – traktuje ich jako ludzi, którym brakuje dostępu, a nie zdolności. Ten szacunek sam w sobie jest zasadą projektową: zbuduj narzędzie, które wychodzi im naprzeciw jak równym, w ich własnym języku, zamiast uproszczonej rzeczy, którą – jak się zakłada – są w stanie ogarnąć.⁹

Łańcuch wpływu

Kto go ukształtował

John McCarthy. Reddy obronił doktorat pod kierunkiem człowieka, który nazwał tę dziedzinę, na Stanfordzie, w latach jej powstawania – docierając do AI, zanim AI ustaliła, czym jest. To umieszcza cały jego światopogląd u źródła: dyscypliny nauczył się jako czegoś, co się buduje, od ludzi, którzy ją wymyślali. (Wpływ bezpośredni)

Wieś, z której pochodził. Katoor to nie tło. Decyzja, by spędzić karierę laureata Nagrody Turinga na najuboższym miliardzie, jest bez niej niezrozumiała. Chłopiec, który jako pierwszy w rodzinie ukończył szkołę, nigdy nie przestał projektować dla ludzi, których zostawił – dlatego jego najbardziej techniczna i najbardziej humanitarna praca to ta sama praca. (Wpływ formujący)

Program DARPA Speech Understanding. Finansowany, konkurencyjny, napędzany terminami impuls lat 70. dał Reddy’emu i jego studentom presję oraz zasoby, by zbudować Hearsay i Harpy jako prawdziwe systemy, a nie szkice – poligon doświadczalny, na którym wykuto model tablicowy i rozpoznawanie mowy oparte na przeszukiwaniu wiązkowym. (Wpływ bezpośredni)

Kogo ukształtował

Współczesne rozpoznawanie mowy. Systemy rozpoznawania mowy ciągłej, które Reddy i jego studenci zbudowali na CMU, ustanowiły idee – współpracujące źródła wiedzy, ocenianie probabilistyczne, wydajne przeszukiwanie ogromnych przestrzeni hipotez – które w rozwiniętej postaci działają pod maską każdego dzisiejszego asystenta głosowego i systemu dyktowania. Ta praca zasila wprost dostępność jako funkcję platformy.

Architektura tablicowa, wszędzie. Wzorzec niezależnych źródeł wiedzy współpracujących we wspólnej przestrzeni roboczej w celu rozstrzygnięcia niepewności przerósł rozpoznawanie mowy i stał się ogólnym wzorcem projektowym w AI, stosowanym wszędzie tam, gdzie wiele cząstkowych sygnałów trzeba scalić w jedną odpowiedź.

Pokolenie badaczy i instytucji. Poprzez CMU Robotics Institute, School of Computer Science, RGUKT oraz IIIT w Hajdarabadzie Reddy ukształtował nie tylko idee, ale też miejsca i ludzi, którzy je tworzą – w USA i w Indiach – co jest własnym rodzajem wpływu, narastającym przez dziesięciolecia.

Nić przewodnia

Reddy to miejsce, gdzie nić tej serii dotycząca tego, dla kogo jest technologia, spotyka się z głęboką maszynerią AI. Grace Hopper sprawiła, że komputer mówił językiem, który ludzie potrafili czytać, obstając przy tym, że to programowanie powinno ustępować ludziom, a nie ludzie maszynie; Reddy jest jej lustrzanym odbiciem – sprawił, że komputer słucha, by ludzie, którzy nie potrafią czytać ani pisać na klawiaturze, mimo to mogli być zrozumiani. Tim Berners-Lee zbudował sieć przeznaczoną dla wszystkich, na zasadzie, że dostęp nie powinien zależeć od przywileju; Reddy popycha tę powszechność o jeden krok dalej w dół, ku ludziom, których sama sieć wciąż wyklucza – tym bez umiejętności czytania. A tam, gdzie Fei-Fei Li obstaje przy AI skoncentrowanej na człowieku, Reddy jest wczesnym dowodem tej doktryny: AI zaprojektowanej, od pierwszego ograniczenia, wokół człowieka, który ma najmniej. Hopper mówi: spraw, by maszyna mówiła po ludzku; Berners-Lee mówi: spraw, by docierała do wszystkich; Reddy mówi: spraw, by słuchała tych, do których nigdy nie dotarto – i kieruje najbardziej zaawansowany system, jaki potrafi zbudować, ku najuboższemu miliardowi. (Pomost serii)

Co z tego wynoszę

Lekcja, którą zachowuję od Reddy’ego, jest taka, że to, dla kogo budujesz, jest decyzją inżynierską i powinno być na pierwszym miejscu. Łatwo traktować użytkownika jak parametr, który dostraja się na końcu – wypuść potężną rzecz, potem pomyśl o dostępności, potem może zlokalizuj ją na inne języki. Reddy postąpił odwrotnie. Wziął najtrudniejsze ograniczenie, z którym mierzył się docelowy użytkownik – nie potrafi czytać – i pozwolił, by ten jeden fakt podyktował najgłębsze techniczne zobowiązanie jego kariery. Interfejs nie mógł niczego wymagać, więc spędził dziesięciolecia na uczeniu maszyn słyszenia. To zmienia kolejność tego, jak myślę o własnej pracy: nie „co ten system potrafi i kto może go używać”, lecz „dla kogo to jest i czym to zmusza system, by się stał”. Specyfikacja zaczyna się od dna piramidy, nie od jej szczytu.

Druga lekcja jest cichsza i dotyczy ambicji mającej cel. Reddy gonił za możliwościami równie zawzięcie jak każdy laureat Nagrody Turinga – wielkoskalowe systemy, założone instytucje, dziesięciolecia badań na pograniczu. Nigdy jednak nie pozwolił, by jak potężne oderwało się od komu to służy. Najbardziej zaawansowana rzecz, jaką potrafił zbudować, skierowana celowo ku ludziom, o których reszta branży zapomina. To dyscyplina, którą chcę pożyczyć: odrzucić domyślny gradient, w którym technologia płynie pod górę, ku już ustawionym wygodnie. Zbuduj rzecz z pogranicza, a potem skieruj ją w dół. To jakość jest jedyną zmienną z doczepionym sumieniem – pytanie brzmi nie tylko „czy jest doskonałe?”, ale „czy jest doskonałe dla ludzi, którzy najbardziej tego potrzebowali?”. Reddy spędził całą karierę, dowodząc, że to może być to samo pytanie.

FAQ

Na czym polega filozofia inżynierska Raja Reddy’ego?

Na tym, że najbardziej zaawansowana technologia powinna być kierowana ku ludziom, których reszta informatyki pomija, i że sposobem na zagwarantowanie tego jest uczynienie z najsłabiej obsłużonego użytkownika specyfikacji projektowej. Dla Reddy’ego oznaczało to mowę: ponieważ około 2,5 miliarda niepiśmiennych ludzi na świecie nie potrafi czytać ani pisać na klawiaturze, jedynym interfejsem, który niczego od nich nie wymaga, jest ludzki głos. Dlatego poświęcił karierę głęboko technicznemu problemowi rozpoznawania mowy ciągłej właśnie dlatego, że zależało mu na najbiedniejszych ludziach – inżynieria i misja to ten sam projekt.¹⁹

Dlaczego Raj Reddy otrzymał Nagrodę Turinga?

W 1994 roku Reddy podzielił Nagrodę Turinga ACM A.M. z Edwardem Feigenbaumem „za pionierskie projektowanie i konstruowanie wielkoskalowych systemów sztucznej inteligencji, dowodzące praktycznego znaczenia i potencjalnego komercyjnego wpływu technologii sztucznej inteligencji.”¹² Nagroda docenia budowanie prawdziwych systemów na dużą skalę, a nie pojedyncze twierdzenie – Reddy’ego za rozumienie mowy, Feigenbauma za systemy eksperckie. Reddy był pierwszą osobą pochodzenia azjatyckiego, która otrzymała tę nagrodę.⁵

Czym jest model tablicowy w AI?

Model tablicowy, urzeczywistniony w systemie rozpoznawania mowy Hearsay-II autorstwa Reddy’ego, to architektura, w której kilka niezależnych „źródeł wiedzy” – akustyczne, fonetyczne, leksykalne, składniowe – współpracuje, umieszczając hipotezy, każdą z oceną pewności, we wspólnej przestrzeni roboczej zwanej tablicą.³⁴ Żadne pojedyncze źródło nie jest na tyle wiarygodne, by rozstrzygnąć wieloznaczność mowy, ale razem zbiegają się do najbardziej prawdopodobnej interpretacji. Wzorzec okazał się ogólny: stał się w całej AI standardowym sposobem scalania wielu cząstkowych, niepewnych źródeł dowodów w jedną odpowiedź.

Czym były Hearsay i Harpy?

Były to pionierskie systemy rozpoznawania mowy ciągłej, które Reddy i jego studenci zbudowali na Carnegie Mellon w ramach programu DARPA Speech Understanding z lat 70. Hearsay-I był pierwszym systemem zdolnym do rozpoznawania mowy ciągłej; Hearsay-II nadał tej zdolności trwałą architekturę tablicową złożoną ze współpracujących źródeł wiedzy.¹³ Harpy (Lowerre i Reddy, ok. 1976) skompilował całą wiedzę językową w jedną wielką sieć i przeszukiwał ją za pomocą przeszukiwania wiązkowego – zachowując na każdym kroku jedynie najbardziej obiecujące ścieżki – obsługując słownictwo liczące 1011 słów i stając się pierwszym systemem rozumiejącym mowę ciągłą z błędem poniżej dziesięciu procent niemal w czasie rzeczywistym.⁸

Źródła