Популярно об ИИ

Конечно, изначально планировалась статья-практикум по созданию автономных роботов. Ваш покорный слуга даже сделал структурный набросок такого материала, но… после понял, что без базовых знаний в области искусственного интеллекта читателю будет трудно в чем-то разобраться — вернее, полностью проникнуть в смысл. Поэтому в течение нескольких номеров мы рассмотрим эту тему, которая актуальна не только для роботов, но и для большинства современного ПО.

Искусственный интеллект (ИИ) как отдельное направление науки появился буквально недавно, практически одновременно с множеством других ныне серьезнейших дисциплин — таких, как кибернетика, нейронные сети, другие ответвления от базовых: медицины, психологии, экономики. Между тем, большинству из тех, кто впервые сталкивается с этим понятием, может показаться, что искусственный интеллект — это попытка полноценно заменить человеческий мозг машиной. Возможно, изначально так оно и предполагалось. Но, например, в чем одна из ошибок Леонардо да Винчи (если это можно считать ошибкой)? Он, как и множество изобретателей, его предшественников, предполагал, что полет возможен при условии создания аппарата, имитирующего птицу. Хотя на самом деле пример не очень удачен, потому как в рамках современной авиации мы видим явную связь с биологическим миром — подводным. Но в ряде книг по ИИ именно этот пример ставят для наглядности в качестве сравнения:). Мы возьмем другой пример, который вы можете видеть на улицах — автомобили. Ни одна биологическая форма на Земле не обладает таким механизмом передвижения. При этом автомобили и поезда являются самыми скоростными видами наземного транспорта. Если бы изобретали не их, а имитировали гуманоидов либо другие биологические виды, что мы можем увидеть на примерах фантастических "паровых" людей и лошадей в конце XIX века, то оптимальность таких решений была бы минимальной. Третий пример… вы дотронулись до обжигающе горячей конфорки. Прочитав некоторые научные труды, можно сделать вывод, что в данном случае вы начинаете анализировать ситуацию, вычислять в мозгу наиболее оптимальное решение, перебирая его из множества вариантов, как возможных, так и нет. Но что делает человек? Просто отдергивает руку, даже не задумываясь о своих действиях. Рефлекс.

***

Создание искусственного интеллекта — это, прежде всего, сложная задача, при возможности оптимально разделяемая на ряд простых. В современном представлении этой науки больше расположены к использованию понятия агентов, которые преобразовывают собственные восприятия в собственные же действия. К этому можно смело отнести и любую компьютерную программу, и робота на производстве. Но повторения конкретных действий человека нет. Среди других определений ИИ можно встретить более емкие — например, "автоматизация разумного поведения". Не так давно, а именно примерно в 2003- м году, была опубликована таблица сравнения количества нейронов человеческого мозга с числом транзисторов в современном ПК. И был применен закон Мура, согласно которому количество транзисторов при расчете на единицу площади увеличивается ровно в два раза за период 1,5-2 года. Причем это даже больше относится к статистическим исследованиям, потому как такая тенденция имеет место на протяжении последних 25 лет, а то и больше. Эту таблицу опубликовали практически все СМИ, так или иначе связанные с хай-тек, потому как вывод был замечательным: числа сравняются к 2020 году. Но значит ли это?..

На самом деле наш мозг нельзя сравнивать с одним компьютером — это целая структурированная и взаимосвязанная сеть. Причем уже в 80-х или 90-х могли создать нечто подобное — например, один компьютер отвечает за зрение и анализ изображений, второй — за слух и распознавание речи, третий — за тактильные ощущения, четвертый — за химический анализ, пятый — за выработку решений и т.д. Это возможно? Конечно! Но… нет алгоритмов! Просто нет! Не изобретены… И на самом деле не в транзисторах дело. То, что нам предлагают математики, весьма сложно в принципе, к тому же, отличается от природного восприятия. Например, наша слуховая система не использует преобразование Фурье для разложения сложной звуковой волны на ряд простых. Она его просто не знает, а применяет другие более универсальные методы — для каждой частоты есть специальный рецептор. Зрение устроено по схожему принципу, но со своей спецификой. Кстати, к его биологической сущности ученые и современная техника находятся ближе всего. Но, возвращаясь к тому же слуху, стоит отметить оптимальность современных решений, ведь преобразования Фурье плюс компьютер гораздо проще создания полноценной модели человеческого слуха. Поэтому наука об ИИ только в частном порядке подразумевает повторение человека, а на самом деле больше близка к программированию агентов или той же "автоматизации разумного поведения". Но, с одной стороны, математически можно сделать очень многое. А раз уж мы вспомнили о Фурье, то Жан-Батист удивительно подходит и к дальнейшему повествованию. Очень яркий пример из истории, когда этот французский ученый пытался расшифровать иероглифы Древнего Египта (при Наполеоне он был губернатором Нижнего Египта). Нужно сказать, что Фурье, решая эту задачу, сломал копья и заявил, что лингвистика неподвластна математическому анализу. Он оказался и прав, и не прав одновременно. Не прав потому, что азбуку древнеегипетского языка выпустил его ученик, а прав по той причине, которую широко обсуждали теоретики и практики искусственного интеллекта впоследствии и с чем мы сталкиваемся сейчас.

Тест Тьюринга

Алан Тьюринг является одним из основоположников искусственного интеллекта как научной дисциплины, вернее, даже не дисциплины, а целого научного направления. В принципе, он своими исследованиями и работами больше напоминал фантаста-практика. То есть личность очень творческая плюс хороший научный базис. Кстати, под его руководством в 1940 году был создан первый операционный компьютер Heath Robinson (назван в честь карикатуриста). Это было электромеханическое устройство, которое предназначалось для расшифровки сообщений, передаваемых немцами. В 1943-м этой же командой ученых был создан более мощный компьютер Colossus, где уже использовались электронные лампы, а спектр назначения стал более широким. Также Тьюринг известен тем, что написал один из первых алгоритмов для игры в шахматы и хотел его реализовать на том же Colossus, но ему это не разрешило британское правительство. Поэтому вместо машины по алгоритмам работал сам автор, на вычисление хода тратилось по полчаса, а сама технология впоследствии получила название "бумажной машины Тьюринга". Об ученом написано очень много, поэтому при желании обратитесь к специализированной литературе, а мы продолжим говорить об ИИ.

Итак, почему было произнесено слово "фантаст"? Дело в том, что это был научный романтизм. Точно так же, как Айзек Айзимов вывел правила для роботов, когда самих роботов, по существу, еще и не было как таковых. Точно так же и Тьюринг предполагал, как может себя вести вычислительная машина в будущем, а как не может. Естественно, он пытался приравнять ее к человеку, поэтому изначально предполагал возможности общения с компьютером на обычном языке, наличие компьютерной памяти (способность машины запоминать), автоматического формирования логических выводов и способности к обучению. При этом по его же мнению машина не могла (даем полный список): "быть доброй, щедрой, красивой, дружелюбной, инициативной, иметь чувство юмора, отличать правду от лжи, совершать ошибки, влюбляться, наслаждаться земляникой и мороженым, заставлять влюбляться в себя, учиться на опыте, правильно употреблять слова, быть предметом собственных мыслей, проявлять такое же разнообразие в поведении, как и человек, создавать действительно что-то новое". Но все же Тьюринг предполагал, что машина сможет действовать интеллектуально, под чем подразумевал скорее не способность мыслить, а некое наличие интеллектуального поведения. Он опубликовал статью "Computing Machinery and Intelligence", где предложил тест, который впоследствии стал широко известен как "тест Тьюринга". Суть его заключается в том, что после пятиминутного общения человека и программы в рамках передаваемых сообщений первый в 30% не смог определить, кто с ним был на связи: живой собеседник или компьютер. Алан Тьюринг даже предсказал, что ЭВМ начнут проходить этот тест в 2000 году. В принципе, как вы понимаете, все очень и очень условно. Например, несколько лет назад ваш покорный слуга был живым свидетелем, как человек общался с автоответчиком на мобильном телефоне, сообщающем остаток на счету. То есть ему назвали сумму, а данный персонаж произнес ключевую фразу: "Это я понял, но я час назад внес новую сумму! Когда она перечислится?" А если серьезно, то многое зависит от поставленных вопросов, уровня восприятия собеседника и ситуации. Поэтому сам тест Тьюринга у многих сейчас ассоциируется с теми же законами для роботов Айзимова. Они есть, но это не основные правила. Другими словами, научный шоу-бизнес.

Китайская комната

Очень известный мысленный эксперимент. На самом деле то, что тогда занимало умы ученых, сейчас очевидно любому пользователю ПК. Но для опережения будущего приходилось пользоваться воображением, "бумажными машинами". Так и Джон Сирл предложил чисто мысленный эксперимент. Представьте себе человека, закрытого в комнате. Он понимает только английский язык. На столе лежат стопки бумаг, часть из которых пуста, а другая заполнена документами с непонятными записями на китайском. Также имеется справочная книга-руководство на английском, которая может помочь в расшифровке. И вот через специальное отверстие в комнату поступают сообщения на китайском с определенными руководствами к действию — например, сделать новую запись, найти определенный документ либо символ или переместить стопку из одного места в другое. Соответственно, сам человек — это процессор, стопки бумаги — память, книга — программа. Это внутри. А внешне все выглядит как посылка запросов/команд и получения
ответов/результатов на китайском. И если вы спросите саму систему, знает ли она китайский, то получите утвердительный ответ. Система даже может пройти тест Тьюринга. Но если зададите такой же вопрос англичанину или книге — отрицательный. Таким образом, мы подошли к основной проблеме ИИ, а именно самосознанию и пониманию. Сирл тогда вывел несколько законов-аксиом о том, что программы имеют синтаксическую сущность, но разум в полноценном его представлении подразумевает семантику или мыслительное содержание (понимание значений слов). Одного синтаксиса для семантики недостаточно. Кстати, на данный момент вопросы семантики остаются нерешенными, хотя можно видеть множество достаточно удачных промежуточных реализаций, как бы предваряющих, но…

Промежуточное завершение

Давайте сейчас подумаем: а почему Фурье все-таки оказался прав в своем высказывании? На самом деле он имел в виду прежде всего семантику. Те же древние языки расшифровывались в основной своей массе благодаря тому, что имелись аналоги записей на других известных. Кстати, тут можно привести один замечательный пример времен второй мировой. Американцы для того, чтобы их сообщения не могли расшифровать японские специалисты, привлекли… представителей небольшого индейского племени, у которого был собственный язык. И вся связь, соответственно, производилась на нем. Японцы ничего не смогли сделать в данной ситуации. И давайте подумаем: а нужна ли семантика машинам, на самом деле? Ваш покорный слуга видел множество современных алгоритмов, мало того, с некоторыми из них активно работал и принимал участие в проектах по их созданию, но практически все они, по существу, для машины являются "китайской комнатой". Это если абстрактно. На самом деле, автоматизированный семантический поиск, соответствующее "понимание" компьютером или роботом реализуемы. Причем принципы работы таких алгоритмов вполне понятны нашему современнику, знакомому с объектноориентированным программированием, высокоуровневыми языками, да… даже с понятием классов.

Продолжение следует.

Кристофер, christopher@tut.by


Компьютерная газета. Статья была опубликована в номере 19 за 2008 год в рубрике технологии

©1997-2024 Компьютерная газета