Искусственный интеллект

• Введение
• Глава 1. Используемые термины и понятия
• Искусственный интеллект: «за» и «против»
• Глава 2. Теоретические основы искусственного интеллекта
• Экспертные системы и компьютерное понимание /11/
• Выводы
• Список использованных источников

Самым уникальным достижением компьютерной революции является создание «интеллектуальной технологии». Этим компьютерная революция радикально отличается от всех предыдущих технологических революций и инновационных процессов.

" Интеллектуальная технология" охватывает аспекты различного рода. К ним относятся компьютеры, программы для них, системы знаний и представлений, позволяющих создать устройства, используемые для реализации деятельности, аналогичной мыслительной деятельности человека /1/.

Информационная деятельность считается интеллектуальной, если она способна к логическим суждениям и доказательствам, способна обрабатывать данные, воспринимать и различать внешние объекты, общаться на естественном языке и понимать человека, создавать новые знания, автоматически конструировать и производить новые предметы, принимать рациональные решения или участвовать в их принятии. Создание «интеллектуальной технологии» — самый дерзкий вызов, который человеческий разум когда-либо бросал породившей его природе. Хотя скептики до сих пор считают, что «интеллектуальная технология» еще очень несовершенна и не имеет настоящего права претендовать на это название, действительный прогресс в этой области таков, что уже сейчас есть основания говорить об этой технологии как о реальности. Ее развитие требует нового взгляда и на сам человеческий интеллект. Возникают вопросы: является ли интеллектуальная деятельность человеческого мозга и компьютера идентичной? Каковы критерии такой идентичности? Какова структура интеллектуальной деятельности, осуществляемой естественными и искусственными системами? Каково соотношение информации и знаний? Можно ли вообще считать компьютеры «органами» интеллектуальной деятельности? Данная работа — попытка приблизиться к нахождению ответов на эти вопросы с точки зрения информационной эпистемологии — дисциплины, занимающейся такого рода проблемами.

Термин «информационная эпистемология» не является общепринятым. В англоязычной литературе термин «эпистемология» употребляется как символ германоязычного понятия «гносеология» или «теория познания». Необходимо развести эти термины. Под теорией познания или гносеологией, с этой точки зрения, следует понимать теорию развития познания и функционирования готового знания вообще. Эпистемология изучает те же проблемы, но применительно к специальным видам научного знания. Поэтому можно говорить о естественнонаучной эпистемологии. Аналогичным образом вводится понятие информационной эпистемологии.

Эпистемология стала разделом гносеологии, изучающим процессы, специфические именно для научного познания. Ее проблематика формировалась под влиянием передовых наук века: физики, особенно квантовой механики, теории относительности, математики, астрономии и биологии. Познавательные же механизмы и проблемы обыденного познания, или здравого смысла, и социального познания вообще, как правило, оставались за пределами эпистемологии /3/.

Возникновение «интеллектуальной технологии» и жгучий интерес к природе информации и возможностям машинного мышления, порожденный компьютерной революцией, привели к формированию нового, нетрадиционного раздела эпистемологии — эпистемологии информационной. Она исследует не те или иные виды научного знания, а знания вообще, но под особым углом зрения, с позиции переработки и преобразования информации, анализируя способы и механизмы превращения информации в ее высшую форму — знания. Так как обыденное познание и здравый смысл являются изначальной формой познавательной деятельности, без исследования их невозможно понять механизм превращения информации в знания, то есть механизм трансформации информации. Поэтому в информационной эпистемологии развиваются новые подходы и концепции, далекие от традиционной гносеологии. Информационная эпистемология рассматривает знания как высший уровень и формы информации. Хотя у традиционной гносеологии и информационной эпистемологии есть зона пересечения, основные проблемы последней нетрадиционны: что такое информация; как она передается и трансформируется; каковы функции и соотношения сигналов и кодов; какова функция компьютеров, могут ли они мыслить; как из информации создаются знания; как соотносятся информация, смысл и значение; каковы способы машинного представления знаний; какова связь информации и языка; как осуществляется машинное понимание и взаимопонимание машины и человека; можно ли редуцировать мыслительные процессы к вычислительным функциям; в чем сущность инженерного подхода к познавательной деятельности; и, наконец, каково соотношение компьютера и мозга? Ответы на эти и другие вопросы — цель данной работы.

искусственный интеллект мыслительный вычислительный

Глава 1. Используемые термины и понятия

Наиболее интересным результатом информационной эпистемологии является новое членение корпуса человеческих знаний /4/. Оно возникло на основе исследования опыта компьютерной переработки знаний и данных. Эти понятия — «знания» и «данные» как раз и задают контуры такого членения. Данные — это тоже знания, однако знания совершенно особого рода. Если мы говорим, что ртутный столбик на шкале термометра стоит на отметке 37.1 С, то это — определенное числовое данное. Оно содержит информацию о температуре тела, измеряемой с помощью термометра. Для человека, имеющего соответствующую подготовку, сама запись «температура Х=37.1 С» уже представляет собой знание об энергетическом состоянии измеряемого тела. Однако это следует не из анализа записи, т. е. не из формулировки данных, а из целого ряда других «привлекаемых» знаний, используемых для интерпретации данного. Такими «привлекаемыми» знаниями могут быть, например, утверждения, что температура есть функция кинетической энергии движущихся молекул, образующих тело, и т. д. Если привлечь дополнительные данные, например биологические и медицинские, то можно утверждать, что показание на шкале термометра говорят о том, что человек болен, если речь идет об измерении температуры тела взрослого человека, для которого нормой является температура 36.6 С. Но для такого утверждения необходимы дополнительные знания. Для детей такая температура не всегда говорит о заболевании. Существуют и некоторые взрослые нормальные люди, для которых температура 37.1С не говорит о заболевании. Напротив, если единичное данное, т. е. запись отдельного измерения на шкале обычного ртутного термометра, гласит, что температура Х в момент t равна 39 С, то можно сказать, что Х болен, если Х — человек, и здоров, если Х — собака, так как 39 С — нормальная температура тела собаки. Вместе с тем утверждение о том, что собака здорова, нуждается в дополнительных данных и знаниях, так как имеется целый ряд болезней, не связанных с повышением температуры тела собаки /7/.

Грань, отделяющая данные от знаний, условна. При погружении в определенный контекст единичное данное тоже может обнаружить свойства знания. Так, например, было, когда ассистент Резерфорда Марздем заметил неожиданно сильное отклонение альфа — частиц от расчетной траектории. Этот феномен можно сформулировать в виде единичного данного, однако в контексте сложной системы физических знаний и детерминистской методологии в классической физике это привело в действие определенное методологическое правило: если имеет место нетривиальное и не поддающееся стандартному объяснению событие в каком-либо процессе, то следует искать нетривиальную причину (или нетривиальное объяснение). Именно это правило было импульсом к созданию резерфордовской модели атома.

Процесс «прочитывания» знаний, как правило, называется регуляризацией. Регуляризация представляет собой систему процедур, позволяющих путем сложной интерпретации, анализа, сопоставлений, отождествлений с образцами и т. д. представить в виде матриц, используемых для «производства» правил. Наука сама оказывается огромной развивающейся системой матриц, из которых «вычитываются» правила вычисления, измерения, наблюдения, экпериментирования и т. д. Сами законы этой науки могут рассматриваться как правила, запрещающие, разрешающие или предписывающие определенное поведение природным и социальным объектам. Можно теперь окончательно сформулировать еще одно отличие традиционной гносеологии от информационной эпистемологии. Оно состоит в том, что первая концентрируется на процедуре дескрипции, с логической точки зрения — на высказывании, а с методологической — на использовании правил для получения знаний. напротив, вторая концентрируется на регуляризации, с логической точки зрения — на нормативных предложениях, а с методологической — на использовании знаний для продуцирования правил /7/.

Если теперь посмотреть на проблему интеллектуально-компьютерной революции, возникновение и развитие интеллектуальной технологии, и особенно программирования, то становится ясным, что все сводится к созданию адекватных алгоритмов, правил, компьютерных программ, т. е. последовательности разнородных, но взаимосвязанных правил, и, наконец, к технологическим системам, реализующим эти правила. Мы оказываемся погруженными в мир правил. В этом мире правила распадаются и объединяются, взаимодействуют, дополняют или исключают друг друга, выполняются в детерминированном или произвольном порядке, последовательно или параллельно. Если компьютеры не могут что-либо сделать, то лишь потому, что не располагают адекватными правилами или соответствующими техническими характеристиками. С возникновением информационной эпистемологии именно правила становятся «героем дня». Вселенная информационной эпистемологии состоит не из высказываний, как в традиционной теории познания, а из правил.

Искусственный интеллект: «за» и «против»

Регуляризация знаний подводит нас к наиболее сложной проблеме информационной эпистемологии — вопросу о природе и возможностях создания искусственного интеллекта. Термин «искусственный интеллект» был введен Дж. Маккарти в 1956 г., но вопрос о машинном интеллекте или о возможности компьютерного мышления возник почти одновременно с началом компьютерной революции. Сам термин «искусственный интеллект» имеет два основных значения: во-первых, под искусственным интеллектом понимается теория создания программных и аппаратных средств, способных осуществлять интеллектуальную деятельность, сопоставимую с интеллектуальной деятельностью человека; во-вторых, сами такие программные средства, а также выполняемая с их помощью деятельность /8/.

Основная проблема искусственного интеллекта заключается в том, что до сих пор не существует однозначного и общепринятого понимания интеллекта естественного. На практике под искусственным интеллектом понимается набор программных и аппаратных средств, использование которых должно было бы приводить к тем же результатам, к которым при решении данного класса задач приходит интеллектуальная деятельность человека. Это, по существу, «итоговая» концепция искусственного интеллекта. Другая распространенная точка зрения определяет искусственный интеллект как полную или приближенную имитацию интеллектуальной деятельности человека. Поскольку же человеческий интеллект до сих пор остается величайшей философской загадкой и даже на специальном научно — психологическом, психиатрическом и логическом уровнях изучен лишь феноменологически, то ни одно из определений искусственного интеллекта не может считаться вполне приемлемым, а тем более окончательным. Поэтому при решении практических задач чаще всего пользуются заданием их списка и принимают утверждение, что данная компьютерная система является системой искусственного интеллекта, если она в состоянии решать данные задачи. К этому добавляют еще требование, чтобы система решала эти задачи в режиме реального времени, сопоставимого с временным режимом человеческой деятельности. Обычно в этот список включают игру в шахматы, доказательство теорем, решение диагностических задач по исходному набору данных, интерфейс (общение с человеком на естественном языке), понимание естественного языка, перевод с одного языка на другой. К числу интеллектуальных задач, подлежащих выполнению на компьютерах, относят также способность программ к обучению и самообучению, принятию решений, автоматическую коррекцию, испытание и самоконтроль, а также (в максималистском варианте) способность вырабатывать новые знания на основе компьютерного порождения новых правил и моделей регуляризации знаний, а также подготавливать знания и данные, необходимые для диагностирования и принятия медицинских, экономических, социально — политических и других решений. По существу, центральная проблема искусственного интеллекта заключается в следующем. Если мы обладаем четкими, поддающимися формальной интерпретации знаниями о решении определенного класса задач, то на основе регуляризации таких знаний могут быть получены четкие алгоритмы или эвристические правила. Используя их, можно сконструировать программы, реализация которых современными аппаратными средствами способна дать решение данных задач. Однако человек довольно часто решает задачи, не зная того, как именно он сам это делает. Иными словами, люди фактически не обладают полным и исчерпывающим самопознанием. Это касается не только чисто интеллектуальной сферы абстрактного, логического мышления, но и сферы эмоциональной и физиологической. Мы видим, пользуемся зрительными образами, слышим, оперируем звуковыми образами и т. д., не зная, как именно возникают образы и каковы в точности закономерности их функционирования в нашем сознании. Мы часто ставим задачи, высказываем догадки, принимаем неожиданные, в том числе принципиально новые, творческие решения, не зная, как мы это делаем, не умея в точности представить алгоритм такой деятельности. Из этого следует, что мы не всегда можем регуляризировать процессы, процедуры и операции, лежащие в ее основе, а следовательно, не можем поручить компьютеру выполнение соответствующих имитирующих или дублирующих действий. Здесь как будто бы берет реванш знаменитый тезис, согласно которому машина никогда не сможет сделать того, чего человек сам не умеет делать. В действительности же сам человек умеет гораздо больше, чем знает, как делать. Эти рассуждения служат основанием для компьютерного агностицизма. Его подкрепляют также определенные философские соображения, основывающиеся на ограниченной познаваемости мира вообще и субъективно-духовного мира в человека в особенности.

В то же время уже сейчас существуют огромные базы знаний и мощные, например, экспертные системы, содержащие тысячи правил и способные решить некоторые задачи лучше, чем писавшие для них программы программисты или специалисты соответствующего профиля. Если несколько лет тому назад пределы шахматных компьютеров ограничивались тем, что они конкурировали с гроссмейстерами, то в настоящее время компьютерная система «DEEP BLUE» обыгрывает шахматного короля Г. Каспарова.

Уже несколько лет имеются интеллектуальные компьютерные системы, читающие любые тексты любым голосом, и притом в режиме реального времени, и выполняющие переводы любой литературы. Эти и другие факты лежат в основе компьютерной эйфории, утверждающей, что трудности на пути создания искусственного интеллекта, превосходящего по мощи и творческим возможностям человеческий интеллект, носят временный характер и связаны лишь с техническими проблемами, принципиально устранимыми в обозримом будущем.

И компьютерный агностицизм, и компьютерная эйфория имеют философские корни. И поэтому речь должна идти о выяснении принципиальной, а не технической стороны дела. С философской же точки зрения она заключается в исследовании того, является ли мышление исключительной прерогативой мозга, или же такая деятельность не связана с ним однозначно и может осуществляться нечеловеческими, в том числе техническими, аппаратными системами. Если принять первую альтернативу, то следует далее ответить на вопрос, обладает ли человеческий мозг какими-то специфическими механизмами, уникальными, невоспроизводимыми с помощью других систем и в дополнение ко всему непознаваемыми, вследствие чего относительно сугубо гуманоидной (человеческой) природы мышления не могут быть получены адекватные знания, а стало быть, невозможна и их регуляризация. Если на этот вопрос может быть получен доказательный отрицательный ответ, то это тоже еще не означает признания прямой практической возможности создания искусственного интеллекта, так как может, например, оказаться, что его создание упирается в техническую неосуществимость тех или иных интеллектуальных процедур. Но все же такой ответ дал бы принципиальное основание если не для эйфории, то по крайней мере для ограниченного компьютерного оптимизма.

Необходимо отметить, что до определенного времени, по крайней мере на протяжении всей досократической философии, для античного мышления и античной культуры сомнения в чисто гуманоидной природе интеллекта даже не возникали. Существует точка зрения, что сами античные боги были, по существу, не таинственными и сверхъестественными существами наподобие иудейского и христианского бога, но суперлюдьми. Их бессмертие было просто фантастически продолжительным долголетием. Они обладали физической природой и утрированными человеческими характерами. Среди них встречались боги глуповатые, хитрые, злобные, завистливые, добродушные и т. д. Однако наличие «головы» у бога как источника мышления было столь же необходимо, как и у человека. Сократ разделил мышление на два слоя. Первый слой-это система мышления и знаний, порождаемых индивидуальным человеком. Второй — надындивидуальный слой знаний, своего рода знание родовое, общечеловеческое, знание вообще. В специфическом виде эта концепция знаний выступила у Платона как автономный мир идей /2/.

Не исключено, что под влиянием античной философии в европейской философской научной традиции никогда не исчезала мысль о возможности знаний в самостоятельном, так сказать, автономном негуманоидном виде, т. е. знаний, не продуцированных индивидуальным человеческим мозгом. Для христианской традиции это были знания, порожденные божественным разумом. Однако подлинные философские предпосылки и компьютерной эйфории, и компьютерного агностицизма усматриваются лишь в философии Декарта. Его подлинный дуализм заключался в следующем. С одной стороны он определяет ум и интеллект через объем памяти, число логических операций и скорость их выполнения. Сейчас можно сказать, что он определяет ум через машинно реализуемые характеристики и параметры. С другой стороны, основой и источником человеческого знания он считает интуицию, т. е. нечто коренящееся в душе человека и божественное, внечеловеческое по своему происхождению. Она, следовательно, не является машинно реализуемой. Таким образом, именно в картезианской традиции коренится и компьютерный агностицизм.

Напротив, компьютерный оптимизм берет свое начало в другом тезисе Декарта, т. е. в признании машинно-операциональной природы интеллектуальной деятельности. Поэтому компьютерный оптимизм в конечном счете приводит к выводу, что для интеллектуальной деятельности важно, не чем она осуществляется (мозгом или машиной), а какова операциональная структура деятельности, включающей в себя как интеллектуальную, так и эмоциональную деятельность. Если бы относительно операциональной природы, функциональной архитектуры естественного интеллекта была бы достигнута полная ясность и были бы получены адекватные знания, то с точки зрения компьютерного оптимизма регуляризация этих знаний была бы проблемой не принципиальной, не философской, а математической и инженерной. Все связанные с этим вопросы были бы, как уже случалось в прошлом, переведены из сферы философствования в области инженерного мышления.

Многие сторонники теории искусственного интеллекта занимают достаточно осторожные позиции, говоря о возможностях компьютерного мышления. Иногда компьютерный пессимизм и агностицизм перерастают в так называемый компьютерный алармизм (от англ. alarm — тревога), подчеркивающий опасность создания высокоинтеллектуальных автономных роботов. В этом усматривается опасность для существования и свободы человека. Таков социальный контекст возражений против искусственного интеллекта. Рассуждения сторонников компьютерного пессимизма можно свести к следующему /10/:

Если признать, что мышление-уникальная способность человека, то компьютерное мышление представляет собой имитацию интеллектуальной деятельности человека либо отличается от нее по структуре и операциям, но идентично по результатам.

В интеллектуальной деятельности человек оперирует целостными образами, или гештальтами. Они являются фундаментальным системным и неразложенным компонентом мышления. Гештальт неэквивалентен и несводим к сумме образующих его элементов; механизм его формирования неизвестен. Компьютер же оперирует дискретными элементами, т. е. числами, или символами. Поэтому там, где, например, гроссмейстер во время принятия решения относительно следующего хода оперирует целостным гештальтом, компьютер строит дерево целей и, двигаясь по нему, должен просчитывать все возможные варианты, но здесь его поджидает комбинаторный взрыв, состоящий в лавинообразном нарастании операций.

Целостность гештальта и нередуцируемость его к элементам образует непреодолимое интеллектуальное препятствие перед компьютером.

Нельзя сформулировать законы бессознательной деятельности, интуиции и творчества. Значительная часть поведенческих актов не может быть формализована, и, следовательно, эти виды деятельности не могут быть представлены в виде компьютерных программ, хотя некоторые авторы компьютерных программ громко заявляют о том, что им удалось запрограммировать творческий процесс при создании, например, какого-нибудь нового технического устройства. Наконец, мир не может быть редуцирован к своим «атомам», т. е. единичным фактам, неразложимым далее событиям. В противном случае компьютеру пришлось бы иметь дело с бесконечным или слишком большим числом фактов и связей.

Для интеллектуальной деятельности компьютер должен «понимать» естественный язык и пользоваться им. Язык же сложен, а зафиксированные в нем значения зависят от контекста и ситуаций. Поэтому даже простейший перевод с языка на язык фактически недоступен компьютеру. Это может утверждать любой пользователь, хотя бы раз столкнувшийся с программой-переводчиком. Это особенно отчетливо заметно при так называемых обратных переводах.

Человек обладает уникальной телесностью, и только она способна обеспечить познавательную деятельность. Его интеллект-функция этой уникальности. Уже в силу этого компьютеры не в состоянии быть интеллектуальными в том же смысле, что и человек.

Человеческое мышление, разум, интеллект-продукты биологической и культурной эволюции. Хотя некоторые говорят о возможности компьютерной эволюции и самообучения, это — глубокое заблуждение. В действительности этой эволюцией стоит программист, т. е. человек.

Все эти и другие положения, характерные для представителей компьютерного пессимизма, можно объединить в две группы. К первой относятся указания на некоторое фактическое положение дел в области вычислительной техники, создающей, по мнению компьютерных пессимистов, непреодолимые препятствия для реализации программ искусственного интеллекта из-за отсутствия необходимых скоростей или объемов памяти, существенных с точки зрения преодоления комбинаторного взрыва, скорости поиска, синтеза образов или извлечения элементов памяти в режиме реального времени. Ко второй группе относятся аргументы уже философского характера. Они базируются на убеждении, что интеллектуальная деятельность есть продукт не операциональных систем или функциональных структур, а уникальной специфической, неповторимой организации человека, и эта организация настолько своеобразна, что оказывается таинственной и невоспроизводимой.

В настоящее время существует огромное количество контраргументов к первой группе утверждений компьютерных пессимистов. Само развитие информационной технологии является контраргументом. Достигнуты скорости свыше миллиарда операций в секунду. Имеются машинные носители памяти на сотни гигабайт. При современных достижениях в сфере компьютерного дизайна это обеспечивает поиск необходимой информации в системах, эквивалентных по емкости библиотекам в миллионы томов, в течение нескольких секунд. Но наиболее красноречивый контраргумент-говорящий и читающий компьютер для слепых, который может быть как собеседником, так и источником информации.

Естественно, есть еще немало трудностей, связанных с распознаванием образов, компьютерным пониманием, контекстуальным конструированием и выявлением смысла слов и выражений. Но одновременно со всеми этими трудностями имеется довольно значительное продвижение в каждой из этих областей.

Несмотря на то, что контраргументы, идущие от достигнутого уровня, кажутся на первый взгляд вполне эффективными и убедительными, им свойственна та же слабость, что и аргументам компьютерных пессимистов: они представляют собой в значительной степени наложение (экстраполяцию) ситуации сегодняшнего дня на обозримое будущее. История науки и техники не раз подтверждала, что такие экстраполяции бывают ошибочными. Поэтому гораздо больший интерес представляют фундаментальные теоретические соображения, в том числе и философские. Им могут и должны быть противопоставлены не отдельные факты, а столь же фундаментальные и теоретические контраргументы /15/.

Глава 2. Теоретические основы искусственного интеллекта

Принципиальную теоретическую концепцию искусственного интеллекта как машинного эквивалента человеческого мышления предложил профессор З. Пилишин. Его взгляды, изложенные в книге «Вычисление и познание», могут быть суммированы в нескольких общих положениях, носящих смешанный философско-психологически-математический характер. Поведение человека не может быть адекватно понято в рамках бихевиористской модели, считающей что каждый поведенческий акт обусловлен определенным стимулом. В конкретной ситуации, например в условиях наблюдения за автомобильной катастрофой, поведение человека неоднозначно и не определяется одними лишь внешними стимулами. Оно зависит от ситуационного и когнитивного контекста, т. е. от установок, верований, раннее накопленных знаний, объемы памяти, предрассудков и ценностей. В одном случае свидетель катастрофы бросится к телефонной будке и вызовет «скорую помощь», в другом — убежит, чтобы не ввязываться в неприятную историю, в третьем — если он, например, не умеет пользоваться телефоном — автоматом, не знает номера «скорой помощи» или равнодушно относится к человеческой жизни, предпримет другие действия. Компьютерные пессимисты могли бы настаивать, что компьютер не в состоянии вести себя подобным образом с учетом прежнего опыта и данной ситуации.

Познавательная деятельность, осуществляемая мозгом, заключается в решении тех или иных задач. Это подразумевает оценку ситуации, выбор вариантов и способов деятельности, осознание цели, контроль за протеканием деятельности и т. д. Все это осуществляется через соответствующие операции и процедуры. Даже если мы не знаем, как в точности и из чего состоит каждая процедура, сам факт достижения цели или решения задач подтверждает, что какие-то, хотя и не всегда точно понятные и объяснимые операции и процедуры были осуществлены. Процедура представляет собой набор элементарных операций и состоящих из них алгоритмов. Компьютеры также реализуют программы, представляющие собой системы правил и алгоритмов. Последние же, как известно, могут быть представлены через соответствующие вычисления и вычислительные процедуры. Эти вычисления могут быть выполнены через вычислимые функции. Если на их входе имеется последовательность сигналов, вводящих в систему символы, обозначающие свойства, отношения, процессы или объекты, или представления, и если переработка символов осуществляется по соответствующим синтаксическим правилам, то вычисление можно рассматривать как модель и даже эквивалент познания. «То, что делает возможным для людей действовать на базе представлений, — замечает З. Пилишин, — это то, что они реализуют такие представления физически, как когнитивные коды, а их поведение есть причинная последовательность операций, выполняемая на основании этих кодов. Так как это то же самое, что делает компьютер, мое заключение сводится к тому, что познание есть тип вычисления». Согласно Пилишину, компьютирование, включающее оперирование с символами, одни из которых обозначают представления и, следовательно, имеют содержательную интерпретацию, а другие обозначают правила, прежде всего синтаксические, представляет собой модель познания. Архитектура познания оказывается не последовательной, а параллельной. Но поскольку в каждом звене осуществляется процессирование символами, можно говорить о том, что познание есть мультипараллельное компьютирование. Процесс познания — это процесс, поведение которого рассматривается как нечто зависящее от его состояний. Это происходит в силу существования другого уровня структуры, называемого либо символическим уровнем, либо синтаксическим или логическим, который обладает следующими двумя существенными свойствами:

Формальная синтаксическая структура отдельных событий символических выражений соответствует реальным физическим различиям в системе, различиям, которые влияют на соответствующие черты поведения системы.

Формальные структуры символов отражают все различия, которым, по предположению, соответствует система, и продолжают действовать так же, когда к ним (структурам) применяются определенные семантически интерпретированные правила, трансформируя их в новые символические структуры. Для каждого явно семантического различия имеется соответствующее синтаксическое различие. Таким образом, любая семантическая черта, которая сознательно влияет на поведение, должна быть закодирована синтаксически на уровне формальной структуры символов. Таким путем мы устанавливаем соотношение между поведением системы, описываемой с помощью содержания репрезентаций и того, что в этом содержании репрезентировано, и притом способом, полностью совместимым с материализмом.

Пилишин выдвинул принципиально важный тезис о функциональных архитектурах когнитивных систем, принципе сильной эквивалентности, когнитивной проницаемости и механизма связи познающей системы с внешним миром.

Функциональная архитектура — это набор определенным образом структурированной системы операций, выполняемых устройством, осуществляющим познавательный, интеллектуальный процесс. Таким устройством может быть мозг или компьютер. Нейронная архитектура мозга принципиально отличается от конструктивно — технологической структуры компьютера. Но из этого не следует, что функциональная архитектура, реализуемая на компьютере, в принципе не может быть идентичной функциональной архитектуре, реализуемой мозгом. В данном случае речь идет не о качественном различии машины и органа живого человеческого тела, а о наборе связанных целостных операций. Такая целостность может быть структурирована различным образом, поскольку представляет собой полиструктурную систему. Гарантию идентичности функциональных архитектур, осуществляемых компьютером и мозгом, Пилишин видит в особенности соотношения алгоритмов и программ, реализуемых на различных языках, включая машинные языки и языку мозга. «Один и тот же умственный процесс может быть по-разному описан разными программами. Для психолога, настаивает Пилишин, важно убедиться в том, что если не в деталях, то по крайней мере в принципе можно сконструировать вычислительный процесс, который, не имитируя в точности умственную деятельность, отражает ее существо и приходит к адекватному результату». Анализ, проведенный в рамках когнитивной психологии, показывает, по убеждению Пилишина, что элементарные операции, реализующие процесс мышления, могут быть выполнены в достаточно богатых функциональных архитектурах. Это позволяет утверждать существование «сильной» эквивалентности между мышлением человека и имитирующими его вычислительными процедурами (интеллектуальное компьютирование), с той оговоркой, что соответствующие алгоритмы могут реализоваться в различных программах. При этом реальная работа компьютера может предполагать применение языков разных уровней. Язык одного уровня, ориентированный на определенную предметно — проблемную область (проблемно — ориентированный язык), интерпретируется другим языком, ориентированным на данный тип компьютера (машинно — ориентированный язык). Поэтому можно говорить не только о сложных и достаточно богатых функциональных архитектурах, но и о не менее сложных архитектурных программах и наборах реализующих их языков. Утверждение «сильной» эквивалентности провозглашает идентичность элементарных интеллектуальных операций машинного и человеческого интеллекта, но уровень элементарности условен и может меняться. Она в значительной мере зависит от накопленного опыта, записанных в памяти знаний, убеждений, целей, верований и предрассудков. Другим фактором, воздействующим на уровень элементарности, может явиться обратная связь процессирующего устройства с окружающей средой. В случае с компьютером роль окружающей среды могут играть вводимые данные. Операции, их наборы, элементы и блоки функциональных архитектур называются когнитивно проницаемыми, если они поддаются влиянию и трансформируются под воздействием уже имеющихся когнитивных структур, тем более структур, модифицирующихся под влиянием окружающей среды. «Рационально объясняемая изменчивость поведения компонентов в ответ на изменение целей и установок есть как раз то, что я отношу к когнитивной проницаемости» , — отмечает Пилишин. Для сохранения эффекта объективности в связи компьютера с внекогнитивной действительностью в структуре аппаратной части должны существовать особые устройства — трансдьюсеры (от англ. transducer-преобразователь). В отличие от операций, реализуемых в виде особых функций в составе функциональных архитектур, трансдьюсер представляет собой чисто физический процесс. Он управляется не законами логики или вычислительной математики, а физическими законами. Вследствие этого трансдьюсер когнитивно непроницаем. На его входе — взаимодействующие с ним физические процессы, на выходе — сигналы, находящиеся с этими процессами в изоморфном соответствии и несущие информацию, поступающую на вход компьютера.

Аппаратным вариантом трансдьюсера может служить любое электронное сканирующее устройство. Подобные устройства используются, например, для ввода обычных типографских текстов, рисунков, графиков, чертежей в запоминающее устройство компьютера. При этом исходное чисто физическое взаимодействие потока фотонов, отбрасываемых типографским текстом или рисунком, в самом сканирующем аппарате трансформируется в поток выходных сигналов, которые могут в дальнейшем интерпретироваться как коды семантически нагруженных символов тех или иных образов или осмысленных выражений. Это наводит на мысль, что в общем и целом между когнитивной деятельностью человека и компьютера возможны весьма широкие параллели. И в том и в другом случае имеет место оперирование символами образов (представлений), осмысленных выражений и синтаксических правил; и в том и в другом случае исходная информация может вводиться (аналог чувственности) через трансдьюсер (например, глаза человека или микропроцессорное сканирующее устройство) или посредством акустических устройств. И в том и в другом случае решение задач осуществляется путем реализации определенных операций и алгоритмов, объединяемых в программы. Таким образом, компьютерный оптимизм исходит из допущения, что не существует когнитивных процессов и процедур, принципиально не переводимых на язык вычислительных операций. Мы можем до поры до времени не знать, как именно, в каких точно алгоритмах и программах эти операции должны быть выражены, но само их наличие, хотя бы в качестве своеобразной «вещи в себе», за пределами отрицания.

Спор между компьютерными пессимистами и оптимистами подразумевает две противоположные философские гипотезы. Первая исходит из абсолютной уникальности «человеческой телесности», неповторимости человеческой индивидуальности. Поэтому создание искусственного интеллекта, подобно интеллекту человека, объявляется невозможным. Вторая гипотеза, напротив, принимает тезис о принципиальной идентичности элементарных операций функциональных архитектур человеческого и машинного мышления. Познавательные процессы, чувственные образы, установки и ценности могут быть более или менее адекватно смоделированы и реализованы на дискретных электронных вычислительных системах. Такие системы по своим параметрам вполне адекватны аналоговым устройствам. Однако, опираясь на достижения современной когнитивной психологии, сторонники второй гипотезы сомневаются в том, что мозг человека работает по принципу аналогового устройства.

Из сопоставления позиций компьютерных пессимистов и оптимистов следует, что спор противников и сторонников о возможности создания искусственного интеллекта, по существу, происходит не в рамках единой теории, а свидетельствует о возникновении двух разных теорий /7/.

Экспертные системы и компьютерное понимание /11/

Эпистемологические исследования представления знаний и реализации компьютерных восприятий вплотную подводят к вопросу о возможности о возможности технологической сублимации знаний. По существу, речь идет о том, можно ли в каком — то смысле «отделить» знания от мозга и реализовать их как действующую работающую систему на вычислительных машинах. В настоящее время большинство специалистов по искусственному интеллекту склонны к осторожному оптимизму в решении этого вопроса. «Осторожность» связана с тем, что на сегодняшний день еще нет точного представления и точных знаний о собственных знаниях. «Оптимизм» же — с тем, что имеются реальные результаты, позволяющие реализовать в компьютерных программах экспертные знания, способные в чисто практическом плане решать довольно сложные технические, медицинские, экономические, химические и т. д. задачи. Эти программы под общим названием «экспертные системы» получили за последние два десятилетия значительное распространение и вышли на уровень рыночных продуктов.

Так как существует обширная литература, посвященная экспертным системам, а технология их создания получила дисциплинарную форму и превратилась даже в объект университетского преподавания, то имеет смысл остановиться на тех спецификациях, которые существенны для анализа философских и эпистемологических проблем взаимоотношения естественного интеллекта и искусственного интеллекта.

В самом общем виде знания, которые любой человек, обладающий нормальным естественным интеллектом, использует для принятия решений и сознательного распознавания объектов или постановки диагноза, можно разделить на два фундаментальных блока — стандартизованные, вполне рациональные и нестандартизованные, внерациональные. Здесь подчеркивается именно «вне», так как речь идет не о противостоянии или противоположности, а об особом способе существования этих блоков. Стандартизованные знания являются общедоступными. Они излагаются в учебниках, справочниках, энциклопедиях, статьях, книгах и т. д. Поэтому они могут быть с большей или меньшей затратой сил регуляризованы усилиями профессиональных программистов и представлены в виде специальных программ. Разумеется, такое представление требует высокого уровня компетентности не только в программировании, но и в специальной области знаний — например, химии, технологии, медицине, машинной диагностике, экономике и т. п. но все эти знания, в свою очередь, могут быть стандартизованными. Действительно, сложная проблема возникает в связи с тем, что в реальных жизненных политических, экономических и научных ситуациях всегда имеется более или менее значительный набор признаков, свойств, отношений, событий, процессов и т. д., не подпадающих под стандартизованные знания. В таких ситуациях любой человек вынужден принимать решения с большим или меньшим риском, опираясь на свою интуицию, жизненный опыт, случайную информацию. Вместе взятые, эти знания образуют то, что принято называть здравым смыслом. Конечно, реальный здравый смысл как феномен, лежащий на перекрестке индивидуального и общественного сознания, не так прост и не сводится лишь к этим трем компонентам. Помимо индивидуальной интуиции и опыта он включает в себя гигантский арсенал знаний, относящихся к культуре в целом, к социальным ценностям и историческому опыту. Но это все лишь осложняет возможность нахождения эффективных решений в условиях, когда стандартизованные знания оказываются недостаточными для достижения намеченных целей. В подобных ситуациях как раз и возникает необходимость рационализации, а затем и регуляризации таких элементов здравого смысла, как интуитивные знания. Экспертные системы, собственно говоря, и являются сложной программой, в которой оба блока знаний рационализованы, регуляризованы и представлены в виде машинно выполняемых алгоритмов. Особенность таких программ заключается в том, что донором этих интуитивных знаний должны выступать эксперты, профессиональные знания которых, опыт работы и принятия решений позволяют предельно минимизировать риск в условиях довольно значительной неопределенности. Именно это и дает право данным наборам программ называться «экспертными» .

В философском плане важно понять, что процесс построения экспертных систем дает возможность нового подхода к исследованию знаний и их понимания. Дело в том, что отчуждение знаний — не новый процесс. Знание — продукт индивидуальной деятельности, «индивидуальной головы», как говорил Ницше. Но уже на стадии первобытного общества формирование общественного сознания как сознания, функционирующего над индивидуальным слоем, есть несомненный факт такого отчуждения. Оно зафиксировано в отчетливой форме уже Сократом. Создание письменности позволяет фиксировать отчужденное, сублимированное от индивида знание не просто в языке и устной речи, но в письменном тексте, поддающемся многократному прочтению и относительно легкой временной и пространственной трансляции. Такое знание может быть многократно «прочитано», интерпретировано, переинтерпретировано, проанализировано, реконструировано и дополнено не тем, кто его создал, а тем, кто им располагает и умеет пользоваться. Возникновение полиграфической промышленности, основанной на изобретении печатного станка, тысячекратно усиливает этот эффект. Компьютерная же революция делает еще один не просто гигантский, но радикально новый шаг, который был невозможен на предыдущем этапе развития искусственного интеллекта.

Дело в том, что выявление экспертных знаний и даже регуляризация их в принципе были возможны не только десятилетия назад, но даже и столетия. Однако обозрение тысяч и десятков тысяч правил, получаемых в процессе регуляризации, проверки их на совместимость, различные виды тестирования и приведение в соответствие с быстро меняющейся ситуацией, отображаемой в базе данных без применения современных компьютеров, неосуществимо. Более того, экспертные системы — это не просто сублимированные знания экспертов, превращенные в набор программ, но, что особенно важно, это — знания, способные «автономно» работать в режиме реального времени и даже обрабатывать гигантские массивы данных, необходимых для принятия адекватных решений с минимальным риском быстрее, чем это способен делать эксперт — человек.

Но в отношении к создателям экспертных систем есть как их сторонники, так и их противники. Но скептицизм этот подрывается объективно быстрым процессом распространения таких систем. Ведь то, что в недалеком прошлом было в области фантастики, сейчас реальность. Экспертные системы используются в таких ответственных ситуациях, как, например, в качестве пилотов самолетов, диспетчеров АЭС и т. д. Экспертные системы насчитывают многие сотни тысяч правил. С их помощью они не только способны решать основные задачи, но и совершать целый ряд процедур и операций, облегчающих общение с пользователем и делающих это общение дружественным. Важнейшая отличительная черта экспертных систем состоит в том, что все системы этого класса обладают способностью к объяснению своих действий. Они в состоянии объяснить пользователю, как и почему, на каком основании они пришли к тому или иному выводу, рекомендации, решению или диагнозу. Эта «открытость» для скептического контроля и анализа дает возможность проследить за правильностью логических рассуждений экспертной системы и оценить уровень доказательности аргументов. Экспертная система способна также задавать уточняющие вопросы, определять, каких данных и знаний ей не хватает, уточнять смысл поставленной задачи и т. д. Самый главный философско-социальный аспект, связанный с построением и эксплуатацией экспертных систем, касается ситуационного изменения проблем и объектов, к которым относятся экспертные знания. Эксперт в состоянии быстро фиксировать изменения в ситуации, трансформировать свободную интуицию, модифицировать память, создавать новые знания. Экспертные системы последующих поколений, которым еще предстоит возникнуть, должны будут приобрести способность к творческой модификации и развитию знаний, иначе их возможности к развитию окажутся сильно ограниченными. Трудно сейчас сказать, появятся ли у экспертных систем способности к спонтанному творчеству. Несмотря на безусловный оптимизм некоторых энтузиастов искусственного интеллекта, большинство современных специалистов продолжают считать, что творчество — исключительная и притом нетехнологизируемая прерогатива естественного интеллекта, его изначальный божественный импульс. Если все же экспертной системе удастся преодолеть барьер творчества, то у человека действительно появится серьезный соперник, а сублимация и автономизация знаний станет свершившимся фактом. В этом случае придется по — новому осмыслить платоновское «царство идей» .

Необходимо остановиться еще на одном вопросе, имеющем первостепенное философское значение. Это вопрос о компьютерном понимании.

Понимание представляет собой гносеологический акт, принципиально отличающийся от объяснения тем, что первое фиксирует индивидуальные черты, детали, поступки и ситуации и осуществляется на чисто личностном, неформальном уровне. Если индивид, А понимает другого индивида — В, то это означает, что имеется некий надличностный слой, который позволяет, А и В устанавливать некоторые общие соответствия смыслов и значений, совершаемых ими поступков и действий, речевых актов, языковых выражений, а также поступков и действий других людей и индивидуально неповторимых событий.

Различие между объяснением и пониманием легко проецируется на проблематику информационной эпистемологии. Выше уже говорилось, что способность объяснять, или наличие объясняющих подпрограмм является характерной чертой и признаком всех экспертных систем. Возникает вопрос: способны ли они или другие системы искусственного интеллекта также и к пониманию? Для этого следовало бы точно определить, что имеется в виду под пониманием. Понимание есть процесс построения знаний из того, что не является знанием, т. е. из результатов непосредственных контактов человека с внекогнитивной средой. Понимание в этом смысле есть процесс рационализации внерационального. Для, А понять В — значит установить соответствия между языковыми структурами и рациональными компонентами интеллектуальной деятельности В с аналогичными компонентами и структурами своей собственной интеллектуальной деятельности.

Если вспомнить пилишинскую идею трансдьюера и роль функциональных архитектур в процессе переработки внезнаковой информации в знаковую и трансформации последней из одних форм в другие, то нетрудно заметить, что сложные иерархические системы, возникающие в процессе компьютерной переработки данных, в общем и целом могут подпадать под определение процессов и процедур, фигурирующих в гипотезе понимания. Пройдет еще немало времени, прежде чем мы разберемся в том, что представляет собой человеческое понимание, и только после этого сможем ответить на вопрос, что такое понимание компьютерное. Но уже сейчас можно утверждать, что наука находится на пути к созданию теории компьютерного понимания в самом широком смысле этого слова. В скором времени мы столкнемся с достаточно интеллектуальными роботами и компьютерами. В этом случае допустимо, что они сами найдут способ объяснить нам, что такое компьютерное понимание, и сумеют убедительно продемонстрировать, насколько хорошо они понимают человека.

Выводы

Так являются ли интеллектуальная деятельность человеческого мозга и компьютера идентичной? На этот вопрос нельзя ответить однозначно положительно или отрицательно. В интеллектуальной деятельности мозга и компьютера есть много общих черт и много различий. Как человеческий мозг, так и компьютер имеют возможность, получая данные, превращать их в знания, накапливая их в памяти. Как мозг, так и компьютер, соответственно при наличии знаний и алгоритмов, способны решать способны решать поставленные перед ними интеллектуальные задачи, т. е. мозг и компьютер идентичны по функциям и по полученным в итоге их выполнения результатам.

Естественно, что с технической точки зрения эти процессы совершенно различны, однако это не является предметом для рассуждений. Кроме технических, есть еще и ряд принципиальных различий между интеллектуальной деятельностью человеческого мозга и компьютера.

Компьютер не способен к самообучению в том объеме, в котором к самообучению способен человеческий мозг. Ведь компьютер — это продукт изобретения человека, т. е. результат работы мозга, значит, только человек способен, вводя необходимые данные, обучать компьютер.

А как создать искусственную интеллектуальную модель интуиции и творчества, чтобы, введя их в компьютер, научить его творить? На сегодняшнем этапе это невозможно. Известна точка зрения, согласно которой интуиция — это непосредственное постижение истины без предварительного логического рассуждения (точнее, с учетом принципиальной невозможности абсолютного познания истины, интуиция — наибольшее приближение к истине без предварительных логических рассуждений), т. е. приближение к истине возможно при наличии обобщенного опыта. Моделирование обобщенного опыта при наличии соответствующей технической поддержки не является неразрешимой задачей. Однако, интуиция — это обобщенный опыт и еще «нечто», и это «нечто» искусственно создать нельзя.