1. Искусственный интеллект

1. Искусственный интеллект

Когдая окончил Корнельский университет в 1979 году в качестве радиоинженера, у меня не было каких-либо грандиозных планов на жизнь. Я начал работать инженером в новом кампусе компании Intel в Портлэнде, штат Орегон. Микрокомпьютерная индустрия только что начиналась, и Intel был ее сердцем. Моя работа состояла в том, чтоб анализировать и устранять проблемы, найденные другими инженерами, работающими с нашей главной продукцией — одноплатными компьютерами (расположение целого компьютера на одной печатной плате только что стало возможным, благодаря изобретению микропроцессора компанией Intel). Я публиковал объявления, должен был путешествовать по командировкам и встречаться с потребителями. Я был молод, и для меня это были веселые деньки, хотя я скучал по своей возлюбленной из колледжа, которая получила работу в Цинцинатти.

Несколько месяцев спустя я встретил нечто изменившее направление моей жизни. Это «нечто» было только что опубликованным сентябрьским выпуском «ScientificAmerican», посвященным полностью мозгу. Это вновь разожгло интересы моей юности относительно мозга. Это было великолепно. Оттуда я узнал об организации, развитии и химических процессах мозга, нейронных механизмах зрения, движения и других функций, а также о биологической основе психических расстройств. Это было одним из лучших выпусков «ScientificAmerican» за все время. Несколько нейрофизиологов, с которыми я общался, сказали мне, что это сыграло значительную роль в выборе их карьеры, так же как и в моей.

Последняя глава, «Раздумья о Мозге», была написана Френсисом Криком, одним из соавторов открытия структуры ДНК, который затем обратил свой талант в направлении изучения мозга. Крик заявил, что назло устойчивому приросту знаний о мозге, до сих пор остается глубокой тайной, как же работает мозг. Ученые обычно не пишут о том, что им неизвестно, но Крика это не беспокоило. Он как мальчик, который сказал «а король то голый!». Согласно Крику, у нейроученых много данных, но нет теории. Его точные слова «чего очевидно не достает — так это идейного каркаса». Для меня это по-джентельменски сказанное «Мы понятия не имеем, как это работает». Это было верно и тогда, и остается верным сейчас.

Слова Крика придали мне силы. Желание моей жизни понять работу мозга и построить интеллектуальную машину было возрождено к жизни. Хотя я только что окончил колледж, я решил поменять карьеру. Я собрался изучить мозг, не только понять, как он работает, но и использовать эти знания как фундамент новых технологий, чтоб построить интеллектуальную машину. Ушло некоторое время, пока эти планы воплотились в действие.

Весной 1980 я переехал в Бостонский офис компании Intel, чтоб воссоединиться со своей будущей женой, которая поступила в ВУЗ. Я занимался обучением пользователей и служащих тому, как проектировать микропроцессорные системы. Но мое рвение было направлено к другой цели: я пытался понять, как же построить теорию мозга. Инженер во мне осознавал, что как только мы поймем, как работает мозг, что мы сможем построить искусственный мозг, из кремния. Я работал на компанию, разработавшую кремниевые чипы памяти и микропроцессор; таким образом, возможно, я мог бы заинтересовать Intel позволить потратить часть моего времени на размышления об интеллекте и о том, как спроектировать мозгоподобные чипы памяти. Я написал письмо председателю Intel, Гордону Муру. Содержимое письма было примерно таким:

Дорогой Доктор Мур,

Я предлагаю организовать исследовательскую группу, занимающуюся изучением работы мозга. Ее можно начать всего с одного участника — с меня — и так далее. Я уверен, что мы можем понять, как он работает. Когда-нибудь это станет большим бизнесом.

Джеф Хокинс

Мур направил меня к главному ученому компании Intel, Теду Хоффу. Я вылетел в Калифорнию на встречу с ним и выложил свои планы по изучению мозга. Хофф был известен по двум вещам. Первая, о которой я был осведомлен — это разработка первого микропроцессора. Вторая, о которой я не знал до этого времени — его работа над теорией нейронных сетей. У Хоффа был опыт в искусственных нейронных сетях и в том, что с ними можно сделать. Я не был готов к этому. Выслушав мои предложения, он сказал, что не верит в то, что в обозримом будущем понять работу мозга, и что для Intel нет смысла поддерживать меня. Хофф был прав, потому что только сейчас, 25 лет спустя, мы только начинаем продвигаться в понимании мозга. В бизнесе время — это все. Однако, тогда я был слегка разочарован.

Я склонился к тому, чтоб с наименьшими потерями достигнуть своей цели. Работа над теорией мозга в Intel могла бы быть наилучшим выходом. Когда эта возможность была отвергнута, я стал искать другую. Я решил обратить внимание на Массачусетский Технологический Институт (MIT), который был известен своими исследованиями в области искусственного интеллекта и был удобно расположен по дороге. Это казалось великолепным совпадением. У меня большой опыт в вычислительной технике — «подходит». У меня желание построить интеллектуальную машину, «подходит». Я хочу сначала изучить мозг, чтоб понять, как он работает… «хмм… с этим проблемы». Эта последняя цель, желание понять работу мозга, было ненужным в глазах ученых из лаборатории искусственного интеллекта MIT.

Это было все равно что ломиться сквозь стену. MIT был родиной искусственного интеллекта. Когда я подал заявление в MIT, он был домом для множества интересных людей, порабощенных идеей запрограммировать компьютер так, чтоб он демонстрировал интеллектуальное поведение. Для этих ученых зрение, язык, роботы и математика были всего лишь вычислительными проблемами. Компьютеры могли бы делать все, что мог бы мозг, и даже больше, зачем же ограничивать мышление биологическими недостатками природных компьютеров? Изучение мозга ограничило бы наше мышление. Они были уверены, что лучше изучать предельные ограничения вычислений, как наиболее выраженные в цифровых вычислительных машинах. Их «Святым Граалем» было желание написать компьютерные программы, которые сначала сравнялись бы, а затем и обогнали человеческие способности. Они выбрали подход «цель оправдывает средства»; их не интересовало, как в работает реальный мозг. Они гордились игнорированием нейробиологии.

Меня поразило, как совершенно неверным способом берутся за проблему. Интуитивно я чувствовал, что ИИ-подход не только будет безуспешным в создании программ, могущих то же, что и человек — он ни за что не объяснит нам, что же такое интеллект. Компьютер и мозг построены на совершенно различных принципах. Первый программируется, второй — самообучается. Первый должен точно и четко работать с любыми данными, второй обладает естественной гибкостью и толерантностью к сбоям. У первого есть центральный процессор, у второго — нет централизованного управления. Список различий можно продолжать и продолжать. Основная причина, по которой я думал, что компьютер не может быть интеллектуальным — это то, что я понимал, как работает компьютер, вплоть до уровня физических процессов в транзисторе, и эти знания давали мне сильное интуитивное ощущение, что компьютер и мозг фундаментально различны. Я не мог этого доказать, но я знал это настолько точно, насколько человек может что-либо интуитивно знать. В конечном счете, я был убежден, что ИИ может привести к полезным изделиям, но он не приведет к построению действительно интеллектуальных машин.

В отличие от этого, я хотел понять реальный интеллект и восприятие, изучить физиологию и анатомию мозга, принять вызов Френсиса Крика и представить миру четко определенную систему взглядов на то, как работает мозг. Я обратил свой взор в особенности на неокортекс — наиболее молодую часть мозга млекопитающих и место локализации интеллекта. После понимания того, как работает неокортекс, мы смогли бы продвинуться в построении интеллектуальных машин, но не раньше.

К несчастью, преподаватели и студенты, которых я встретил в MIT, не разделяли моих интересов. Они не верили, что необходимо изучать реальный мозг, чтоб понять интеллект и построить интеллектуальные машины. Так они мне и сказали. В 1981 году университет отклонил мое заявление.

* * *

Большинство людей сегодня верит, что ИИ-подход жив и здоров, и всего лишь ожидает достаточных компьютерных мощностей, чтоб оправдать свои многочисленные обещания. Когда компьютеры будут обладать достаточным объемом памяти и производительностью, продолжается мысль, программисты ИИ смогут сделать интеллектуальные машины. Я не согласен. ИИ-подход страдает от такого фундаментального недостатка, что он не может адекватно указать, что такое интеллект или что обозначает понимание чего-либо. Краткий взгляд на историю ИИ и на догма, на которых он построен, объяснят, почему это направление сбилось с курса.

ИИ-подход родился с появлением цифровых вычислительных машин. Ключевой фигурой в ИИ-движении был английский математик Алан Тьюринг, один из соавторов идеи компьютера общего назначения. Его великолепной работой стала формальная демонстрация концепции универсальных вычислений: то есть, все компьютеры фундаментально эквивалентны, несмотря на то, как они построены. Как часть своего доказательства, он придумал воображаемую машину из трех основных частей: процессорного блока, бумажной ленты и устройства, которое считывало и записывало метки на ленту, двигая ее взад и вперед. Лента предназначалась для хранения информации, наподобие компьютерных 1 и 0 (это было до изобретения чипов памяти и дисковых накопителей, так что Тьюринг вообразил бумажную ленту для хранения). Блок, который теперь мы называем центральным процессором (CPU), следовал фиксированному набору правил для чтения и изменения информации на ленте. Тьюринг математически доказал, что если вы выберете верный набор правил для процессорного блока и дадите ему бесконечно длинную ленту, он сможет выполнить любые определяемые множества операций во вселенной. Такая одна из многих эквивалентных машин называется Универсальной Машиной Тьюринга. Является ли задачей извлечение квадратного корня, вычисление баллистической траектории, компьютерная игра, рисование изображений или согласование банковской транзакции — в основе нее лежат единицы и нули, и любая Машина Тьюринга может быть запрограммирована, чтоб выполнять ее. Преобразование информации это преобразование информации. Все цифровые компьютеры эквивалентны.

Вывод Тьюринга был бесспорно истинным и феноменально плодотворным. Вся компьютерная революция и все ее продукты базируются на нем. Позже Тьюринг обратился к вопросу как построить интеллектуальную машину. Он чувствовал, что компьютеры могут быть интеллектуальными, но не хотел вдаваться в аргументацию того, возможно это или нет. Он не только не задумывался, сможет ли он формально определить интеллект, он даже не пытался этого сделать. Вместо этого он предложил доказательство существования интеллекта, известный Тест Тьюринга: если сможет обмануть человека-экзаменатора, заставив его думать, что он общается также с человеком, то по определению компьютер интеллектуален. И таким образом, с Тестом Тьюринга в качестве мерила и с Машиной Тьюринга в качестве средства, Тьюринг помог стартовать направлению ИИ. Его центральная догма: мозг всего лишь другой тип компьютера. Не важно, как именно вы проектируете систему искусственного интеллекта, главное сымитировать поведение, подобное человеческому.

Сторонники ИИ увидели параллель между вычислениями и мышлением. Он говорят: — «Смотрите, большинство впечатляющих проявлений человеческого интеллекта несомненно затрагивают манипуляции абстрактными символами — и это именно то, что могут делать также и компьютеры. Что мы делаем, когда говорим или слушаем? Мы манипулируем ментальными символами, называемыми словами, используя хорошо определенные правила грамматики. Что мы делаем, когда играем в шахматы? Мы используем ментальные символы, которые представляют свойства и позиции различных шахматных фигур. Что мы делаем, когда мы смотрим? Мы используем ментальные символы для представления объектов, их положения, их названий и других свойств. Конечно, люди делают все это с помощью мозга, а не компьютера, но Тьюринг показал, что не важно, как вы реализуете манипуляцию символами. Вы можете делать это с помощью системы зубчиков и шестеренок, системы электронных ключей, или с помощью нейронной сети мозга — чем угодно, лишь бы ваше средство могло реализовать функциональный эквивалент Универсальной Машины Тьюринга».

Это предположение было поддержано важным научным документом, опубликованным в 1943 году нейрофизиологом Уорреном Мак-Каллоком и математиком Уолтером Питтсом. Они описали, как нейроны могли бы выполнять цифровые функции, то есть, как нервные клетки предположительно могли бы воспроизводить формальную логику компьютера. Идея заключалась в том, что нейроны могли бы выступать в качестве того, что инженеры называют логическими вентилями. Логические вентили реализуют простейшие логические операции, такие как И, НЕ, ИЛИ. Компьютерные чипы собраны из миллионов логических вентилей, соединенных в определенные сложные контуры. Процессор — это всего лишь набор логических вентилей.

Мак-Каллок и Питтс указали, что нейроны также могли бы быть соединены определенным образом, чтоб выполнять логические функции. Следовательно, нейроны собирают входные сигналы друг с друга и обрабатывают эти сигналы, чтоб решить, следует ли активировать выход, таким образом, предположительно нейроны могли бы быть живыми логическими вентилями. Таким образом, предположили они, мозг мог бы рассматриваться состоящим из И-вентилей, ИЛИ-вентилей и других логических элементов, построенных исключительно из нейронов, в прямой аналогии с соединением цифровых электронных контуров. Не ясно, действительно ли МакКаллок и Питтс верили, что мозг работает именно так, они всего лишь сказали, что так могло бы быть. И, логически рассуждая, такой взгляд на нейроны возможен. Нейроны могут теоретически реализовать цифровые функции. Однако никто не удосужился спросить, как же действительно соединены нейроны в мозгу. Они взяли в качестве доказательства, что несмотря на недостаточность биологических подтверждений, что мозг — всего лишь другой тип компьютера.

Нет ничего хуже, чем ИИ-философия, подкрепленная доминирующей точкой зрения психологии первой половины двадцатого века, называемой бихевиоризмом. Бихевиористы верили, что невозможно узнать, что творится внутри мозга, который они называли неприступным черным ящиком. Но возможно наблюдать и измерять окружение и поведение животного — что оно ощущает и что оно делает, его входы и выходы. Они признавали, что мозг содержит механизмы рефлексов, которые могли бы обуславливать адаптацию поведения животного через поощрения и наказания. Но что либо кроме этого они не считали необходимым изучать в мозге, особенно неопределенные субъективные переживания такие как голод, страх или то, что они значат для понимания чего либо. Излишне говорить, что такая исследовательская философия поблекла во второй половине двадцатого века, но ИИ продолжал гулять возле этого гораздо дольше.

Когда после Второй Мировой Войны электронные цифровые вычислительные машины стали доступны для широкого применения, пионеры ИИ засучили рукава и взялись за программирование. Перевод с языка на язык? Легко! Это всего лишь способ дешифрации. Нам просто надо отобразить каждый символ из Системы А в Систему Б. Зрение? Это тоже кажется легко. Мы уже знаем геометрические теоремы, которые оперируют с поворотами, масштабированием и смещением, и мы легко можем закодировать из в виде компьютерного алгоритма — и полдела сделано! Ученые мужи сделали делали заявления насчет того, как быстро компьютерный интеллект догонит и перегонит интеллект человеческий.

По иронии судьбы, наиболее всего приблизилась к прохождению Теста Тьюринга программа, которая называлась Элиза, прикидывающаяся психоаналитиком и перефразирующая ваши же фразы обратно вам. Например, если кто-то писал «Мой парень и я больше не общаемся», Элиза могла сказать «Расскажи мне о твоем парне» или «Почему ты думаешь, что ты и твой парень больше не общаетесь?». Разработанная в качестве шутки, эта программа действительно обманывала некоторых людей, хотя она была тупой и тривиальной. Более серьезные усилия были приложены к такой программе, как Блочный Мир, эмулирующей комнату с блоками различного цвета и формы. Вы могли задавать Блочному Миру вопросы типа «Есть ли зеленая пирамида на большом красном кубе?» или «Переместить синий куб на маленький красный куб». Программа должна была отвечать на ваши вопросы или пытаться выполнить то, что вы попросили. Она все это эмулировала и она работала. Но она была ограничена своим очень искусственным миром блоков. Программисты не могли обобщить ее, чтоб она делала что-то полезное.

Публика, меж тем, была впечатлена продолжительным потоком кажущихся успехов и новостей об ИИ-технологии. Одной из программ, вызвавшей возбуждение публики, была программа решения математических теорем. Даже начиная с Платона, многошаговые дедуктивные умозаключения виделись вершиной человеческого интеллекта, так что наперво казалось, что ИИ сорвал куш. Но, подобно Блочному Миру, программа оказалась ограниченной. Она могла найти только очень простые теоремы, которые уже были известны. Затем были большие телодвижения насчет «экспертных систем», БД фактов, которые могли отвечать на вопросы, заданные человеком-пользователем. Например, медицинские экспертные системы могли диагностировать болезнь пациента по заданному списку симптомов. Но снова оказалось, что она имеет ограниченное применение и не проявляет чего-либо близкого к обобщенному интеллекту. Компьютеры могли играть в шашки на уровне эксперта и в конечном счете IBM-овский Deep Blue превосходно обыграл Гари Каспарова, мирового чемпиона по шахматам, в его собственной игре. Но эти успехи ушли впустую. Deep Blue выиграла не за счет ума; он выиграл за счет того, что был в миллионы раз быстрее, чем человек. У Deep Blue нет интуиции. Опытный игрок смотрит на позицию на доске и сразу видит, какие варианты игры наиболее выгодны или опасны, тогда как компьютер не имеет врожденного чувства того, что важно, и должен исследовать гораздо больше вариантов. У Deep Blue также нет ощущения истории игры, и он не знал ничего о своем оппоненте. Он играл в шахматы так и не поняв, что такое шахматы, аналогично этому калькулятор выполняет арифметические операции, но понятия не имеет о математике.

Во всех случаях ИИ-программы были хороши только в одной определенной области, для которой они были разработаны. Они не обобщали и не выказывали гибкости, и даже их создатели признавались, что их программы не мыслят подобно человеку. Некоторые ИИ-проблемы, которые изначально казались легкими, не добились прогресса. Даже сегодня ни один компьютер не понимает язык так же хорошо, как может трехлетний ребенок, и не видит даже так, как может мышь.

По истечение многих лет усилий, неосуществленных обещаний и несостоявшихся успехов, ИИ начал блекнуть. Ученые из этой области ушли в другие области исследований. Компании, завязанные на ИИ, оказались неудачными. Вложения стали скудными. Стало казаться невозможным запрограммировать компьютер, чтоб он выполнял даже наиболее базовые задачи восприятия, языка и поведения. Сегодня немногое изменилось. Как я уже сказал ранее, до сих пор есть люди, которые верят, что ИИ-проблемы могут быть решены более быстрыми компьютерами, но большинство ученых думают, что в целом такие попытки ущербны.

Мы не должны порицать пионеров ИИ за их неудачи. Алан Тьюринг был блестящим человеком. Все могли бы сказать, что Машина Тьюринга должна изменить мир — и она сделала это, правда не путем ИИ.

* * *

Мой скептицизм насчет притязаний ИИ был обострен примерно в то самое время, когда я подал заявление в MIT. Джон Серл, влиятельный профессор философии в Калифорнийском Университете в Беркли, в то время говорил, что компьютеры не были и не смогут быть интеллектуальными. Чтоб доказать это, в 1980 году он предложил мысленный эксперимент, называемый Китайской Комнатой. Это было примерно следующее:

Предположим, у вас есть комната с прорезью в одной из стен, и внутри находится англоговорящий человек, сидящий за столом. У него есть большая книга с инструкциями и все карандаши и бумага для черновиков, которые ему как-нибудь могли бы понадобиться. Перелистывая книгу, он видит, что инструкции, написанные на английском языке, указывают ему способы манипулирования, сортировки и сравнения китайских символов. Представим себе, что указания ничего не говорят о значении китайских символов; они только задают, как символы должны быть скопированы, стерты, переупорядочены, перекодированы, и т. д.

Кто-то снаружи просовывает кусочек бумаги через прорезь. На ней написан рассказ и вопросы по этому рассказу, все на китайском. Человек внутри не говорит и не читает ни слова по-китайски, но он берет бумажку и идет работать с книгой. Он трудится и трудится, следуя инструкциям в книге. В некоторых ситуациях инструкции говорят ему записывать символы на клочке бумаги, в других — перемещать и стирать символы. Применяя правило за правилом, записывая и стирая символы, человек работает до тех пор, пока инструкции из книги не скажут ему, что все готово. По окончании, наконец у него есть новая написанная им страница символов, которая без его ведома стала ответами на вопросы. Книга говорит ему передать эту бумагу через прорезь. Он делает это и удивляется, для чего было это утомительное упражнение.

Снаружи человек, говорящий на китайском, читает страницу. Ответы правильные, он замечает — даже проницательные. Если его спросят, исходят ли эти ответы от интеллектуального разума, он определенно скажет «да». Но прав ли он? Кто понял историю? Определенно, это не человек внутри, несведущий в китайском и понятия не имеющий, о чем история. Это не книга, которая просто хорошая книга, спокойно лежащая на письменном столе среди кипы бумаг. Так где же возникло понимание? Сеел говорит, что никакого понимания не возникало, это всего лишь связка бессмысленного листания страниц и черкания карандашом. А теперь чудесное превращение: Китайская Комната — это в точности цифровая вычислительная машина. Человек — это процессор, бездумно выполняющий инструкции, книга — это программа, дающая инструкции процессору, черновики — это память. Таким образом, не важно, как хитро спроектирован компьютер для эмуляции интеллекта путем имитации человекоподобного поведения, у него нет понимания и нет интеллекта. (Серл дает понять, что он не знает, что такое интеллект; он только говорит, чем бы он ни был, компьютер не может иметь этого).

Этот аргумент создал огромную пропасть между философами и апологетами ИИ. Это расплодило сотни статей, а в дополнение — еще больше сарказма и вражды. Защитники ИИ выступили с массой контраргументов Серлу, таких как заявление, что хотя ни один из компонентов комнаты не понимает китайский, комната в целом понимает, или что человек в комнате действительно понимает китайский, но просто не знает этого. Что относительно меня, я думаю, что Серл был прав. Когда я размышлял над аргументом Китайской Комнаты и о том, как работают компьютеры, я не видел понимания ни там ни там. Я был убежден, что нам необходимо понять, что такое «понимание», найти способ формально определить его, что могло бы прояснить является система интеллектуальной или нет, когда она понимает китайский, и когда — нет. Одно лишь ее поведение не сможет нам этого сказать.

Человеку не требуется «делать» что-то, чтоб понять рассказ. Я могу спокойно прочитать рассказ, и хотя нет явного поведения, мое понимание и осмысление наглядны, по крайней мере для меня. С другой стороны, исходя из моего спокойного поведения вы не сможете понять, понял я рассказ или нет, даже если я знаю язык, на котором написан рассказ. Вы могли бы позже спросить меня, чтоб узнать, понял ли я, но мое понимание возникло, когда я читал рассказ, а не когда я отвечал на ваши вопросы. Тезис этой книги в том, что понимание не может быть измерено внешним поведением; как мы увидим в следующих главах, это внутренняя метрика того, как мозг помнит что-либо и использует эти воспоминания для того, чтоб делать предсказания. Китайская Комната, Deep Blue и большинство компьютерных программ не делают ничего похожего на это. Они не понимают, что они делают. Единственный же способ, по которому мы можем судить, является ли компьютер интеллектуальным — это по его выходным данным, или поведению.

Последним аргументом в защиту ИИ является то, что компьютер теоретически мог бы эмулировать целый мозг. Компьютер мог бы смоделировать все нейроны и их соединения, и, если так, то не останется различий между интеллектом мозга и интеллектом, эмулированным на компьютере. Хотя, это может быть практически и невозможно, я с этим согласен. Но исследователи ИИ не эмулируют мозг, и их программы не интеллектуальны. Вы не можете эмулировать мозг без того, чтоб сначала понять, что он делает.

* * *

После того, как я получил отказ и в Intel и в MIT, я не знал, что делать. Когда вы не знаете, как продолжать, часто наилучшей стратегией является ничего не делать, пока ваше мнение не прояснится. Таким образом, я продолжил работу в компьютерной отрасли. Меня удовлетворяло остаться в Бостоне, но в 1982 году моя жена захотела переехать в Калифорнию, так что мы переехали (снова путем наименьшего сопротивления). Я добился назначения в Силиконовой Долине, в проекте, названном Grid Systems. Grid занимался лэптопами, прекрасными машинами, которые стали первыми компьютерами в коллекции Музея Современного Искусства в Нью-Йорке. Работая сначала в маркетинге, а потом инженером, я создал в конце концов высокоуровневый язык программирования GridTask. Он и я становились все более и более важными для успеха Grid; моя карьера пошла в гору.

Я все еще не мог выкинуть из головы мое любопытство насчет мозга и интеллектуальных машин. Я был поглощен желанием изучать мозг. Так я прошел заочные курсы по психологии человека и обучался самостоятельно (никто еще не получал отказа от заочной школы!). После изучения порядочного объема биологии, я решил подать заявление в аспирантуру по биологии и изучать интеллект в биологических науках. Если компьютерные науки не нуждаются в мозговых теоретиках, то может быть мир биологии откроет двери для компьютерщика. Тогда еще не было такой вещи, как теоретическая биология, и в особенности теоретическая нейронаука, так что биофизика показалась наиболее подходящим полем для моих интересов. Я усердно учился, сдал требуемые вступительные экзамены, подготовил резюме, рекомендательные письма, и Вуаля! я был принят на дневное отделение биофизики в Калифорнийский Университет в Беркли.

Я был взволнован. Наконец то я смог приступить к серьезной работе над теорией мозга, или мне так казалось. Я завершил свою работу в Grid без намерений работать снова в компьютерной индустрии. Конечно, это обозначало неопределенный отказ от моей зарплаты. Моя жена уже подумывала что «пора покупать дом и заводить семью», и я к счастью перестал быть кормильцем. Это определенно не было путем наименьшего сопротивления. Но это было наилучшим вариантом, который у меня был, и она поддержала мое решение.

Джон Элленби, исследователь из Grid, затащил меня в свой офис почти перед моим уходом и сказал: — «я знаю, ты не собираешься когда-либо возвращаться в Grid или компьютерную индустрию, но ты никогда не сможешь сказать заранее, что произойдет. Вместо того, чтоб полностью отказываться, почему бы тебе не взять отпуск? В таком случае, если через год или два ты надумаешь вернуться, ты сможешь сохранить зарплату, положение и возможность распоряжаться пакетом акций». Это было прекрасным предложением. Я принял его, но я чувствовал, что оставляю компьютерную индустрию навсегда.