О работах в области моделирования мышления

Кибернетика

Работы, направлявшиеся на понимание и автоматизацию (имитацию) мышления, велись под разными флагами. Первым и самым большим из этих флагов была кибернетика - наука об управлении в технике, природе и обществе. Кибернетика не стала наукой. Слово "кибернетика" сейчас чаще всего используется как родовое понятие для разных научных направлений, объединяемых тем, что они занимаются получением, обработкой, передачей, хранением и использованием информации. Кибернетика как новая наука была предложена Норбертом Винером в 1948 г. Содержательная часть кибернетики состояла в попытке обобщения понятия управления и в провозглашении единства (схожести) принципов и процессов управления в технике, живой природе и обществе. Утверждалось, что в живой природе реализуются те же принципы управления, что и в технике, а именно управление по отклонению на основе отрицательных обратных связей и управление по возмущению - схема стимул-реакция (т. е. рефлексы).

Эти представления прекрасно сочетаются со сформулированным русским физиологом И.П. Павловым (задолго до возникновения кибернетики) общим принципом поведения живых организмов, звучащим как "уравновешивание со средой". Эти же представления легли в основу концепции гомеостаза и гомеостата (Эшби), а также в основу многочисленных как теоретических, так и технических моделей поведения и мышления, строящихся по схеме стимул-реакция. Об этом еще будем подробно говорить в дальнейшем.

Провозглашение общих принципов кибернетики имело как положительное, так и отрицательное значение. Положительное значение состояло в том, что кибернетика подтолкнула ученых, и в первую очередь представителей точных наук, к исследованию и моделированию информационных процессов, связанных с поведением, восприятием и мышлением. Математики и инженеры стали интересоваться физиологией и психологией. Начались попытки проведения комплексных междисциплинарных исследований.

Отрицательное значение общих принципов кибернетики состояло в том, что на этой основе часто упрощались (и даже примитивизировались) представления о живом и в особенности представления о поведении животных. Подчеркивалась общность, и отодвигалось на задний план принципиальное различие между живым и неживым. Излишнее внимание уделялось (а часто уделяется и сейчас) гомеостазу, обратным связям, схеме стимул-реакция, проблеме "уравновешивания со средой". В то же время недостаточное внимание уделялось аспектам активности и целенаправленности. (Об этом мы подробно будем говорить в дальнейшем.)

Кроме того, на первых порах с энтузиазмом обсуждался вопрос о сходстве между устройством мозга и устройством вычислительной машины. Появлялась масса статей и книг, таких как, например, "Мозг как вычислительная машина" (Джордж), "Конструкция мозга" (Эшби), "Алгоритмы разума" (Амосов).

В начале работ по кибернетике часто в разных аспектах проводились неправомочные прямые параллели между мозгом и вычислительной машиной. Так, очень часто, сравнивая мозг и вычислительную машину, в качестве важного различия говорили, а иногда и сейчас говорят, о том, что ЭВМ - это последовательный вычислитель, а мозг - огромный, включающий 14 млрд. нейронов, параллельный. Однако уже давно совершенно очевидна неправильность такого поверхностного сравнения. Говорить о том, что мозг - это мощный вычислитель, и сопоставлять операции, которые выполняет человеческий мозг, с операциями вычислительной машины нельзя. Это совершенно разные операции.

Человек, несмотря на якобы параллельную организацию своего "вычислителя", не может делать 100 тысяч сложений в секунду. Он, как правило, и одного сложения за секунду сделать не может. При этом человеку удается решать некоторые задачи, которые машина при всей своей вычислительной мощности решать не может либо решает долго, на основе перебора. И дело здесь не в том, что машина - это последовательный вычислитель, а мозг - параллельное "устройство". Просто мозг и вычислительная машина решают свои задачи совсем по-разному. Тем не менее до сих пор иногда возникают работы, в которых говорится (как об открытии) о том, что мозг и вычислительная машина работают совершенно по-разному, хотя в этом уже давно можно не сомневаться.

В дальнейшем мы постараемся более или менее подробно обосновать, что, говоря о работе мозга, не следует использовать термины "алгоритм" и "программа", поскольку то, что управляет работой мозга в процессе мышления, ни алгоритмом в строгом смысле, ни программой, по-видимому, не является. Не является то, что происходит в мозге, и вычислениями.

Бионика

Так называемая интеллектуализация машин велась под разными флагами. Один из них назывался бионика. Бионика инициировалась кибернетикой, и общая цель бионики формулировалась как перенос в технику "изобретений" природы. Под этим флагом открывались многочисленные лаборатории, часто объединявшие инженеров и физиологов. Например, многочисленные лаборатории в различных организациях Министерства радиопромышленности, НИИ нейрокибернетики РГУ, студенческие группы в РГУ, которым в равном объеме читались физиология и математика, группы с бионическим уклоном на физфаке МГУ и т. п.

Одной из наиболее важных задач бионики считалось использование в вычислительной технике знаний из области нейрофизиологии мозга. Однако достаточно быстро выяснилось, что переносить из нейрофизиологии в вычислительную технику нечего, при этом не только потому, что физиология не располагает достаточной конструктивной и целостной информацией о работе мозга, но и попросту потому, что эта информация вычислительной технике не нужна. Современная вычислительная машина на мозг не похожа. Устройство и принципы работы современной вычислительной машины не имеют ничего общего с устройством и принципами работы мозга.

Взаимодействие между физиологами и инженерами не получилось. Совместные междисциплинарные исследования в основном остались лозунгом.

Естественно, бионический бум 60-х годов, когда основной и единственной целью провозглашалось создание технических устройств или практически используемых программ, окончился полным крахом. Правда, были и исключения, не связанные с мышлением. Например, некоторые результаты исследований эхолокации летучих мышей использовались в радиолокации.

В целом, междисциплинарные исследования принципов работы мозга, которые велись под общим флагом - кибернетика или под частным флагом - бионика, принесли свою пользу хотя бы потому, что было привлечено внимание инженеров и математиков к проблемам, которые до этого считались исключительно делом психологов и физиологов. Это привело к многочисленным попыткам применения к описанию мозга и мышления как формальных аналитических средств, так и средств программного или технического моделирования, что, безусловно, принесло пользу для общего понимания проблем.

Алгоритмический Искусственный интеллект

Еще одним флагом, под которым велись и ведутся работы в рассматриваемой области, был и до сих пор остается "Искусственный интеллект".

Термин "Искусственный интеллект" (ИИ) используется в двух разных смыслах. Во-первых, ИИ может отождествляться с искусственным (машинным) мышлением. В этом случае вопросы "Возможен ли искусственный интеллект?" и "Может ли машина мыслить?" - это один и тот же вопрос. Во-вторых, ИИ - это название научного направления.

В Советском Союзе направление "Искусственный интеллект" пришло на смену кибернетическому буму первой половины 60-х годов.

Сначала оптимистам казалось, что вот-вот произойдет революция и вычислительная машина начнет думать по-человечески. Однако ничего подобного не произошло. Стало ясно, что полноценное искусственное мышление быстро построить нельзя. Поэтому стали говорить, что нужно заниматься не научными спекуляциями и не исследованиями с непонятной перспективой, а искусственным интеллектом, т. е. просто машинным решением трудноформализуемых задач - таких задач, которые человек решает, а машина нет. Таким образом, первоначально ИИ не претендовал на прямое моделирование мышления человека.

И все-таки с самого начала явно или неявно предполагалось, что эти работы позволят сформулировать обобщения и выработать специфические методы ИИ, ведущие в конечном счете к машинному мышлению. Представители возникшего направления полагали (и полагают), что в понимании и моделировании мышления полезно идти от специфики задач к методам их решения, вводя "интеллект" как механизм, необходимый для решения.

Какие задачи традиционно относят к области ИИ? Оказалось, что таких задач много. Это понимание машиной естественного языка, т. е. системы "вопрос-ответ" и доступ к базам данных на естественном языке, перевод с одного языка на другой, распознавание образов, анализ изображений 3-мерных сцен, логистические системы представления знаний и логический вывод, эвристическое программирование, доказательство теорем, принятие решений, игры, базы данных, базы знаний, роботы, экспертные системы и др.

Перечисленные задачи, по-видимому, можно действительно считать специфическими трудноформализуемыми "человеческими" задачами, и возникает проблема выявления в этих задачах общности, определяющей необходимость мышления.

На определенную общность ориентировались такие направления, как эвристическое программирование, построение систем представления знаний и разработка методов поиска решений.

Эвристическое программирование основано на психологическом анализе и попытках формализации методов решения, используемых человеком. Серьезных обобщений получить не удалось. Универсальный решатель проблем ( GPS Ньюела, Шоу и Саймона) не получился. Часто не удавалось формализовать методы решения и одной-единственной задачи. Например, не удалось формализовать мышление шахматиста.

Важными и перспективными можно считать работы по разработке систем представления знаний. Предназначаемые главным образом для решения задач машинной лингвистики, иерархические системы представления и использования знаний обычно строятся на основе математической логики, фреймов, семантических сетей или графов. Все такие системы можно считать шагом в нужном направлении, т. е. в переходе от данных к знаниям, хотя они и являются не активными моделями, а пассивными описаниями. На разнице между моделью и описанием мы еще будем останавливаться в дальнейшем.

Говорят, что любая "интеллектуальная" система, например, система управления, перевода или восприятия, должна уметь строить и использовать семантическую модель мира. Это, безусловно, верно, как верно и то, что достаточно общего решения эта проблема пока еще не имеет.

Коротко о проблеме поиска решений.

Общая схема:

Начальная ситуация: " " может иметь интерпретацию от простого сигнального стимула до сложной ситуации. Соответственно, идентификация " " в среде решаемой задачи может быть разной - от очень простой до очень сложной, требующей специальных методов распознавания.

" " может иметь интерпретацию от конкретной целевой ситуации до ситуации, определяемой как обобщение. В последнем случае необходимо формирование конкретных целей (дедукция) и выбор между ними.

" " может иметь интерпретацию от простой реакции до сложной последовательности действий, ведущих к переходу в промежуточные ситуации, и от однозначной реакции типа рефлекса (ситуационное управление) до выбора из множества возможностей.

В общем случае большинство задач может представляться как поиск пути на графе путем перебора. Перебор сокращается, если возможны точные или эвристические оценки промежуточных ситуаций в отношении приближения к цели. В этом случае в одноэкстремальных задачах возможно построение градиентных алгоритмов управления. В многоэкстремальных задачах полный градиентный алгоритм невозможен, но можно на основе какой-то общей информации о задаче и эвристик пытаться упорядочивать перебор или сокращать пространство поиска.

Если нет никакой обобщающей информации о многоэкстремальной задаче, то ее решение может гарантировать только полный перебор.

Среди конкретных задач наиболее актуальными были машинная лингвистика и машинное зрительное восприятие. Определенные комплексные исследования велись под флагами "экспертные системы" и "интегральные роботы".

В экспертных системах центральными моментами были базы данных, информационный поиск и общение человека с базами данных, распознавание ситуаций по признакам и связывание ситуаций с рекомендациями и, в некоторых случаях, с управляющими действиями. Это связывание может происходить с использованием знаний экспертов как по схеме стимул-реакция, так и на основе формальных методов поиска решений - главным образом с использованием исчисления предикатов и его расширений.

При создании роботов главные вопросы - это зрительное восприятие трехмерных сцен и управление движением тележки или манипулятора. Роботы используются в программируемых технологических операциях, например, таких как покраска автомобиля, либо как игрушки.

Можно считать, что конструктивных обобщений методов ИИ, применимых к разным задачам и принципиально отличающихся от традиционных способов решения, создано не было. В частности, сейчас машины прекрасно играют в шахматы. Практический уровень игры машины сопоставим с уровнем игры чемпиона мира. Машина решает эту задачу за счет мощных вычислительных возможностей, в основном перебором огромного числа вариантов и использованием как точных, так и эвристических правил оценки сравниваемых позиций.

Если задача машинной игры в шахматы поддалась "силовому" решению, то успех в решении многих других задач практически отсутствует. Главным инструментом в системах ИИ была и остается логика предикатов и ее расширения (вероятностная логика, логика с часами и т. п.). Принципиальных прорывов не было и нет. Поэтому нет и серьезных практических успехов.

Так, не был реализован японский проект ЭВМ 5-го поколения, направлявшийся главным образом на создание естественных зрительных и речевых форм общения между человеком и компьютером и дружелюбного "интеллектуального" интерфейса. Ставилась задача радикального упрощения программирования. Приводились кривые роста населения земного шара и роста числа программистов. Эти кривые при их экстраполяции пересекаются. Выяснилось, что для реализации этого проекта недостаточно построить "глаз" и "ухо". Оказалось, что нужно еще и понять, как работает мозг. (Впрочем, решающее значение этого вопроса было ясно многим с самого начала проекта.)

По тем же причинам отсутствует качественное продвижение в решении таких задач, как анализ 3-мерных сцен и перевод с одного языка на другой. Точно так же и роботы, как и 30 лет назад, остаются либо устройствами для выполнения сложных стандартных технологических операций, либо все более и более сложными игрушками, не идущими, тем не менее, в своем обучении и поведении дальше условного рефлекса, динамического стереотипа, т. е. фиксированной последовательности действий, или принятия решений по простому набору правил.