План

Введение

1. Проблема определения искусственного интеллекта

2. Проблема определения задач искусственного интеллекта

3. Проблема безопасности

4. Проблема выбора пути к созданию искусственного интеллекта

Заключение

Список использованной литературы

Введение

С Искусственным интеллектом (ИИ) сложилась странная ситуация – изучается то, чего еще нет. И если этого не будет в течение ближайших 100 лет, то очень может быть, что эпоха ИИ на этом окончится.

Исходя из сказанного выше, вытекает основная философская проблема в области ИИ – возможность или не возможность моделирования мышления человека. В случае если когда-либо будет получен отрицательный ответ на этот вопрос, то все остальные вопросы не будут иметь не малейшего смысла.

Следовательно, начиная исследование ИИ, заранее предположим положительный ответ. Привожу несколько соображений, которые подводят нас к данному ответу.

1. Первое доказательство является схоластическим, и доказывает непротиворечивость ИИ и Библии. Даже люди далекие от религии, знают слова священного писания: «И создал Господь человека по образу и подобию своему…». Исходя из этих слов, мы можем заключить, что, поскольку Господь, во-первых, создал нас, а во-вторых, мы по своей сути подобны ему, то мы вполне можем создать кого-то по образу и подобию человека.

2. Создание нового разума биологическим путем для человека дело вполне привычное. Дети большую часть знаний приобретают путем обучения, а не как заложенную в них заранее.

3. Принципиальная возможность автоматизации решения интеллектуальных задач с помощью ЭВМ обеспечивается свойством алгоритмической универсальности. Это означает, что на них можно программно реализовывать любые алгоритмы преобразования информации, – будь то вычислительные алгоритмы, алгоритмы управления, поиска доказательства теорем или композиции мелодий.

Проблема искусственного интеллекта является сейчас одной из самых злободневных. Ею занимаются ученые различных специализаций: кибернетики, лингвисты, психологи, философы, математики, инженеры. Рассматриваются вопросы: что такое интеллект вообще и чем может являться искусственный интеллект, его задачи, сложность создания и опасения. И именно сейчас, пока ИИ еще не создан, важно задать правильные вопросы и ответить на них.

В своей работе я в основном использовала электронные источники расположенные в сети интернет, потому как только там есть свежая информация о разработках в области искусственного интеллекта на русском языке.

В приложении я поместила фотографии (некоторых наиболее известных ныне существующих роботов с элементами ИИ) и философскую иллюстрацию (к сожалению не известного мне художника), а также полное описание тестов Тьюринга и Сёрля, на которые я ссылаюсь во второй главе.

1. Проблема определения искусственного интеллекта

Выразить суть интеллекта в каком-то одном определении представляется исключительно сложной, практически безнадежной задачей. Интеллект есть нечто ускользающее, не вмещающееся в установленные языком смысловые рамки. Поэтому ограничимся просто тем, что приведем ряд известных определений и высказываний об интеллекте, которые позволят представить себе «объем» этого необычного понятия.

Некоторые специалисты за интеллект принимают способность рационального, мотивированного выбора, в условиях недостатка информации; способность решать задачи на основе символьной информации; способность к обучению и самообучению.

Достаточно емкие и интересные определения интеллекта даны в английском словаре Вебстера и Большой Советской Энциклопедии. В словаре Вебстера: «интеллект – это: а) способность успешно реагировать на любую, особенно, новую ситуацию путем надлежащих корректировок поведения; б) способность понимать связи между фактами действительности для выработки действий, ведущих к достижению поставленной цели». В БСЭ: «интеллект… в широком смысле – вся познавательная деятельность человека, в узком смысле – процессы мышления, неразрывно связанные с языком как средством общения, обмена мыслями и взаимного понимания людей». Здесь интеллект прямо связывается с деятельностью и языком коммуникации.

По большому счету больших разногласий в этом вопросе нет. Интереснее другое: критерии, по которым можно однозначно определить разумный, мыслящий, интеллектуальный субъект перед нами или нет.

Известно, что в свое время А. Тьюринг предложил в качестве критерия, определяющего, может ли машина мыслить, «игру в имитацию». Согласно этому критерию, машина может быть признана мыслящей, если человек, ведя с ней диалог по достаточно широкому кругу вопросов, не сможет отличить ее ответов от ответов человека. (Более полное описание теста в Приложении )

Однако мысленный эксперимент «Китайская комната» Джона Сёрля (Описание эксперимента в Приложении ) – аргумент в пользу того, что прохождение теста Тьюринга не является критерием наличия у машины подлинного процесса мышления. Можно и дальше приводить примеры критериев, по которым «машинный мозг» можно считать способным к мыслительной деятельности и тут же находить им опровержения.

Единого ответа на вопрос чем является искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки. Эти определения можно свести к следующим:

Искусственный интеллект – это личность на неорганическом носителе (Чекина М.Д.).

Искусственный интеллект – это область изучение разумного поведения (у людей, животных и машин) и попытки найти способы моделирования подобного поведения в любом типе искусственно созданного механизма (Блай Уитби).

Искусственный интеллект – это экспериментальная философия (В. Сергеев).

Сам же термин «искусственный интеллект» – ИИ – AI – artificial intelligence был предложен в 1956 г. на семинаре с аналогичным названием в Дартсмутском колледже (США). Семинар был посвящен разработке методов решения логических, а не вычислительных задач. В английском языке данное словосочетание не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть английский аналог: intellect (Т.А. Гаврилова).

Так же существуют термины «сильный» и «слабый» искусственный интеллект.

Термин «сильный искусственный интеллект» ввел Джон Сёрль, такая программа будет не просто моделью разума; она в буквальном смысле слова сама и будет разумом, в том же смысле, в котором человеческий разум – это разум.

«Слабый искусственный интеллект» рассматривается лишь как инструмент, позволяющий решать те или иные задачи, которые не требуют полного спектра человеческих познавательных способностей.

2. Проблема определения задач искусственного интеллекта

Следующим философским вопросом ИИ является цель создания. В принципе все, что мы делаем в практической жизни, обычно направлено на то, чтобы больше ничего не делать. Однако при достаточно высоком уровне жизни человека на первые роли выступает уже не лень, а поисковые инстинкты. Допустим, что человек сумел создать интеллект, превышающий свой собственный. Что теперь будет с человечеством? Какую роль будет играть человек? Для чего он теперь нужен? И вообще, нужно ли в принципе создание ИИ?

По-видимому, самым приемлемым ответом на эти вопросы является концепция «усилителя интеллекта» (УИ). Здесь уместна аналогия с президентом государства – он не обязан знать валентности ванадия или языка программирования Java для принятия решения о развитии ванадиевой промышленности. Каждый занимается своим делом – химик описывает технологический процесс, программист пишет программу; в конце концов, экономист говорит президенту, что вложив деньги в промышленный шпионаж, страна получит 20%, а в ванадиевую промышленность – 30% годовых. При такой постановке вопроса любой человек сможет сделать правильный выбор.

В данном примере президент использует биологический УИ – группу специалистов с их белковыми мозгами. Но уже сейчас используются и неживые УИ – например мы не могли бы предсказать погоду без компьютеров, при полетах космических кораблей с самого начала использовались бортовые счетно-решающие устройства. Кроме того, человек уже давно использует усилители силы (УС) – понятие, во многом аналогичное УИ. В качестве усилителей силы ему служат автомобили, краны, электродвигатели, прессы, пушки, самолеты и многое-многое другое.

Основным отличием УИ от УС является наличие воли. Ведь мы не сможем себе представить, чтобы вдруг серийный «Запорожец» взбунтовался, и стал ездить так, как ему хочется. Не можем представить именно потому, что ему ничего не хочется, у него нет желаний. В тоже время, интеллектуальная система, вполне могла бы иметь свои желания, и поступать не так, как нам хотелось бы. Таким образом перед нами встает еще одна проблема – проблема безопасности.

3. Проблема безопасности

Философские проблемы создания искусственного интеллекта можно разделить на две группы, условно говоря, «до и после разработки ИИ». Первая группа отвечает на вопрос: «Что такое ИИ, возможно ли его создание?» На них я постаралась ответить в своей работе. И вторая группа (этика искусственного интеллекта) задаётся вопросом: «Каковы последствия создания ИИ для человечества?», которая приводит нас к проблеме безопасности.

Данная проблема будоражит умы человечества еще со времен Карела Чапека, впервые употребившего термин «робот». Большую лепту в обсуждение данной проблемы внесли и другие писатели-фантасты. Как самые известные можно упомянуть серии рассказов писателя-фантаста и ученого Айзека Азимова, а так же довольно свежее произведение – «Терминатор». Кстати именно у Айзека Азимова мы можем найти самое проработанное, и принятое большинством людей решение проблемы безопасности. Речь идет о так называемых трех законах роботехники.

1. Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред.

2. Робот должен повиноваться командам, которые ему дает человек, кроме тех случаев, когда эти команды противоречат первому закону.

3. Робот должен заботиться о своей безопасности, насколько это не противоречит первому и второму закону.

На первый взгляд подобные законы, при их полном соблюдении, должны обеспечить безопасность человечества. Однако при внимательном рассмотрении возникают некоторые вопросы.

Интересно, что будет подразумевать система ИИ под термином «вред» после долгих логических размышлений? Не решит ли она, что все существования человека это сплошной вред? Ведь он курит, пьет, с годами стареет и теряет здоровье, страдает. Не будет ли меньшим злом быстро прекратить эту цепь страданий? Конечно можно ввести некоторые дополнения, связанные с ценностью жизни, свободой волеизъявления. Но это уже будут не те простые три закона, которые были в исходнике.

Следующим вопросом будет такой. Что решит система ИИ в ситуации, когда спасение одной жизни возможно только за счет другой? Особенно интересны те случаи, когда система не имеет полной информации о том, кто есть кто…

Так что можно с уверенностью сказать, что опасения многих людей, в том числе и ученых, не беспочвенны. И определенно следует именно сейчас начинать продумывать эти вопросы, до того, как получится создать полноценный «машинный интеллект», чтобы обезопасить человечество от возможного вреда или даже истребления, как конкурирующей, в лучшем случае, или просто ненужной биологической разновидности.

4. Проблема выбора пути к созданию искусственного интеллекта

Тест Тьюринга

С 1991 года проводятся турниры программ, пытающихся пройти тест Тьюринга. В интернете можно найти и посмотреть историю турниров, узнать о правилах, призах и победителях. Пока ещё эти программы (боты) крайне малоразумны. Всё, что они делают – это применяют заранее подсказанные человеком правила. Осмыслить разговор боты даже не пытаются, в основном совершают попытки «обмануть» человека. Создатели закладывают в них ответы на наиболее часто задаваемые вопросы, стараются обойти распространенные ловушки. Например, внимательно следят, а не задаст ли судья один и тот же вопрос дважды? Человек в такой ситуации сказал бы что-то вроде: «Эй, ты уже спрашивал»! Значит, разработчик добавит боту правило тоже так поступать. В этом направлении представляется очень маловероятным, что появится первый ИИ.

Компьютерные шахматисты

Об этих программах слышали многие. Впервые чемпионат мира по шахматам между компьютерными программами прошел в 1974 году. Победителем стала советская шахматная программа «Каисса». Не так давно компьютер обыграл и Гарри Каспарова. Что же это – несомненный успех?

О том, как играют компьютерные шахматисты, написано очень много. Расскажу совсем вкратце. Они просто перебирают множество вариантов. Если я подвину эту пешку сюда, а противник сходит слоном вот сюда, а я сделаю рокировку, а он подвинет вот эту пешку… Нет, такая позиция невыгодна. Не буду делать рокировку, а вместо этого посмотрю, что случится, если я подвину эту пешку сюда, а компьютер сходит слоном вот сюда, а я вместо рокировки подвину пешку еще раз, а он…

Компьютер ничего не изобретает сам. Все возможные варианты подсказаны настоящими обладателями интеллекта – талантливыми программистами и шахматистами-консультантами… Это не менее далеко от создания полноценного электронного интеллекта.

Футбол роботов

Это очень модно. Этим занимаются многие лаборатории и целые факультеты ВУЗов по всему миру. Проходят десятки чемпионатов по разным разновидностям этой игры. Как говорят организаторы турнира RoboCup, «Международным сообществом специалистов по искусственному интеллекту задача управления роботами-футболистами признана одной из важнейших».

Очень может быть, что, как мечтают организаторы RoboCup, в 2050 году команда роботов и впрямь обыграет в футбол команду людей. Только их интеллектуальность вряд ли к этому будет иметь какое-то отношение.

Турниры программистов

Недавно фирма Microsoft проводила турнир под названием «Террариум». Программистам предлагалось создавать искусственную жизнь, не больше и не меньше. Это, наверное, самое известное из подобных соревнований, а вообще их проводится очень много – энтузиасты-организаторы с завидной регулярностью предлагают создавать программы, играющие то в войну роботов, то в колонизацию Юпитера. Бывают даже соревнования по выживанию среди компьютерных вирусов.

Что же мешает хотя бы этим проектам служить созданию настоящего ИИ, который в будущем сможет и воевать, и Юпитер колонизировать? Одно простое слово – непродуманность. Даже могучие умы Microsoft не смогли придумать правила, в которых сложное поведение выгодно. Что уж говорить об остальных. Что ни турнир – а все побеждает одна и та же тактика: «чем проще – тем лучше»! Кто победил в «Террариуме»? Наши соотечественники. А что они сделали? Вот полный перечень тех правил, по которым жило самое жизнеспособное виртуальное травоядное турнира;

1. Если видишь хищника, убегай в сторону от него. Если видишь животное своего вида, быстро бегущее в какую-то сторону, беги туда же.

2. Если вокруг только чужие, быстро-быстро ешь всю траву, чтобы другим поменьше досталось.

3. Если не видишь чужих, ешь её ровно столько, сколько надо. Наконец, если ни травы, ни хищников не видишь, иди куда глаза глядят.

Интеллектуально? Нет, зато эффективно.

Коммерческие применения

В коммерчески значимых областях не нужно никаких турниров, никаких судей, никаких правил отбора. Ни в распознавании текстов, ни в создании компьютерных игр высокая наука оказалась просто не нужна.

Что нужно, так это стройный коллектив людей с ясными головами и хорошим образованием, и грамотное применение большого числа довольно простых по своей сути алгоритмов.

Никакого сакрального знания на этих направлениях добыть не удастся, никаких великих открытий не совершится, и этого вовсе никто и не добивается. Люди просто зарабатывают себе деньги, заодно улучшая нашу жизнь.

Заключение

Наука «о создании искусственного разума» не могла не привлечь внимание философов. С появлением первых интеллектуальных систем были затронуты фундаментальные вопросы о человеке и знании, а отчасти о мироустройстве.

К сожалению, формат контрольной работы не позволяет более обширно раскрыть и рассмотреть столь интересную и насущную тему как искусственный интеллект, но надеюсь, что мне удалось выявить круг основных проблем и наметить пути их решений.

«Появление машин, превосходящих нас по интеллекту, – закономерный итог развития нашей технократической цивилизации. Неизвестно, куда бы привела нас эволюция, если бы люди пошли по биологическому пути – занялись улучшением структуры человека, его качеств и свойств. Если бы все деньги, затраченные на разработку вооружений, пошли в медицину, мы давно бы победили все болезни, отодвинули старость, а может, и достигли бы бессмертия…

Науку запретить нельзя. Если человечество себя уничтожит – значит, эволюция пошла по тупиковому для этого человечества пути, и оно не имеет права на существование. Возможно, и наш случай – тупиковый. Но мы здесь – не первые и не последние. Неизвестно, сколько до нас было цивилизаций и куда они подевались.»

Заведующий кафедрой Таганрогского государственного радиотехнического университета, председатель Совета Российской ассоциации нечетких систем, академик РАЕН, профессор, доктор технических наук Леонид Берштейн.

Список использованной литературы

1. Большая Советская Энциклопедия

2. Т.А. Гаврилова, доктор технических наук, профессор кафедры компьютерных интеллектуальных технологий» СПбГТУ заведующая лабораторией интеллектуальных систем в Институте высокопроизводительных вычислений и баз данных. Статья. www.big.spb.ru

4. Чекина М.Д. «Философские проблемы искусственного интеллекта». Призовой доклад на Пятьдесят четвертой студенческой научной конференции ТТИЮФУ. 2007 www.filosof.historic.ru

5. Блай Уитби «Искусственный интеллект: реальна ли Матрица», ФАИР-ПРЕСС, 2004

Московский Государственный Университет Путей

Сообщения (МИИТ)

Институт транспортной техники и

организации производства

Кафедра «Философии и культурологии»

По дисциплине «Философия»

На тему: «Проблема искусственного интеллекта»

Выполнил:

Проверил:

МОСКВА 2003

ВВЕДЕНИЕ…………………………………………………………………………….….3

1. ДВА ВИДА НАУКИ О МЫШЛЕНИИИ…………………..……………………..5

2. ВСЕ ЕЩЕ КАРТЕЗИАНСКАЯ……………………………………………………9

3. СЛЕДОМ ЗА КАРТЕЗИАНСТВОМ…………………………………………….12

3.1. ИСТОРИЯ РАЗВИТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА……………..…...12

3.2. ОСНОВНЫЕ ЗАДАЧИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА…………….…….14

3.3. НЕЙРОСЕТИ……………………………………………………………………..16

3.4. ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ……………………………………….....18

3.5. НЕЙРОСЕТИ В ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ………………………..….19

4. ОТ ПСИХОЛОГИИ К PSYCHE -ЛОГИИ…………………………… ………….23

ЗАКЛЮЧЕНИЕ………………………………………………………………………...28

СПИСОК ЛИТЕРАТУРЫ…………………………………………………………..30

ВВЕДЕНИЕ

Современные философы и исследователи науки часто рассматривают междисциплинарные науки как одно из выдающихся достижений заново открытых в 20 веке. Искусственный интеллект и искусственная жизнь представляют прекрасный пример такой интеграции многих научных областей. Конечно, междисциплинарность тоже имеет свою цену. Химики, биологи, специалисты в области вычислительных наук и многие другие изучают различные аспекты живых систем, пользуясь при этом сходными методами. Основными методами изучения искусственной жизни являются: синтез искусственных систем с аналогичным живым системам поведением, изучение динамики развития процесса, а не конечного результата, конструирование систем демонстрирующих феномен созидания. То, что объединяет исследователей в области искусственной жизни (ИЖ) – это методы, в отличие от их целей. Конечно, существует общий интерес к жизни как к феномену для изучения. К сожалению, жизнь слишком сложна, чтобы можно было наметить общие направления в исследованиях. Доказательствам последнего утверждения может служить тот факт, что некоторые заинтересованы в исследовании «систем, демонстрирующих феномены живых систем», другие изучают природу химического репродуцирования или пытаются решить философские проблемы самосознания. В то же время совершенно другой вид исследователей, относящихся к области роботики, пытаются создавать физические системы, демонстрирующие некоторое поведенческое сходство с животными.

Представьте себе хотя бы на секунду возможность существование AI - искусственного интеллекта . Машина способная думать, и осознавать свои поступки. Разве такая машина не будет являться новой формой жизни? Фактически намного более совершенной, чем человек - воздействие времени, болезней, радиации, потребность в пищи и воздухе - все отрицательные стороны человека для нее не свойственны.

С каждым годом мощность процессоров возрастает в несколько раз. Если верить некоторым людям - однопроцессорные системы, чья мощность превышает несколько сот Гига Герц, уже разработаны в таких корпорациях как Intel - за 20 лет компьютеры

прошли путь от лампочных ящиков с мощностью намного меньше сегодняшнего калькулятора, до размеров спичечного коробка.

Самообучение? Это тоже не проблема - такие программы уже тестировались в Японии, единственной проблемой является то, что чтобы компьютер сам понял смысл 2+2 нужно достаточно большой период времени (гораздо более длинный, чем человеку). Но что будет через 10-15 лет?

В фантастических книгах о будущем киборги - всего лишь холодные расчетливые умы, способные думать лишь логически. Однако кто может быть уверенным в том, что рано или поздно машина задастся вопросом - что я есть? Уже сейчас мы пытаемся создать такую машину. Многим это не нравится: Как можно! - говорят они: Как можно ставить человека на один уровень с Богом, а машину на уровень человека? Интересно эти люди задумывались хоть раз над тем, что сам человек мог появиться таким же способом, не одна теория о происхождении жизни еще не доказана. А что если это и есть процесс эволюции? Одни рассы создают других. Уже сейчас ученые могут создать человека из набора цифр - кода ДНК. Почему же не возможно создание компьютерной системы, которая на основе тех же цифр сможет испытывать эмоции, мыслить и понимать, что она существует. Вот вам эволюция - каждая новая расса во много раз превосходит предшественников - компьютер превосходит человека, также как человек превосходит одноклеточный организм.

Но сможем ли мы понять вовремя, что мы создали разумное существо? Возможно, именно так поступили те, кто набрал на клавиатуре число и получил ДНК - хороший способ проверить, способна ли новая получившаяся раса понять смысл и причину ее существования.

В качестве основы данной работы рассматривались труды довольно известного современного философа, ученика Мартина Хайдеггера, Майкла Веллера определяющего в своих работах взаимосвязь современных проблем искусственной жизни и искусственного интеллекта с картезианским и неоаритотелевым подходами рассмотрения мышления и жизни как таковой.

1. ДВА ВИДА НАУКИ О МЫШЛЕНИИ

Искусственная жизнь, замечательная и быстро развивающаяся область научного знания, которая может совершить переворот в науке о мышлении. С другой стороны, еще весьма большой объем теоретических исследований требуется, чтобы приблизиться к систематическому пониманию концептуальных рамок, в которых может развиваться наука о мышлении на базе искусственной жизни. Такое понимание необходимо не только в академических исследованиях в области философии науки. Оно поможет сформировать вопросы, требующие дальнейшего рассмотрения и объяснить результаты эмпирических исследований. Далее приводится попытка систематического рассмотрения данной проблемы. Целью является разделить и провести сравнение двух видов науки о мышлении (ортодоксальной и биологически-ориентированной), и показать, как эти два отдельных стиля мышления в области научного познания являются потомками двух радикально различающихся взглядов на место разума в природе (картезианский и аристотелев взгляды). Главной идеей будет то, что «искусственная жизнь потенциально может стать интеллектуальным двигателем биологически ориентированной науки о мышлении, действующей в рамках общих аристотелеевых концепций» .

Жизнь в науке о мышлении рассматривается как простое явление. Бесспорно, что искусственный интеллект был теоретическим ядром в данной области, в том смысле, что эти концепции, разработанные для искусственного интеллекта или обычно применяемые в этой области (такие концепции как алгоритм, эвристика и обработка информации) обеспечивают науку о мышлении терминологическим базисом. Однако появление в рассмотрении также искусственной жизни придало данной области познания большую законченность.

На практике под крышей термина искусственная жизнь гнездится грандиозное разнообразие различных проектов от моделей копирования ДНК и систем с обратной связью датчик-двигатель до изучения коллективного разума и динамики роста населения. Такое разнообразие приводит к трудности компактного определения для данной области знания. Однако, в контексте данной работы, будет правильным

использовать определение искусственной жизни как попытки познания живых систем (включая, в предельном случае, феномен который можно сгруппировать вместе под такими понятиями как разум, мышление и познание) посредством анализа и/или синтеза артефактов (компьютерных моделей, искусственных миров и роботов). В то же время при адоптации строго ограниченного точного определения искусственного интеллекта (т.е. фундаментально логически обоснованного или основанного исключительно на разуме человеческого уровня) возникает разрыв между искусственной жизнью и искусственным интеллектом для определенных видов исследований в области искусственной жизни (например, разработки роботов с интеллектом животного уровня), хотя они и относятся к некоторому, пусть и нестандартному, типу искусственного интеллекта. Для точности формулировок терминов в дальнейшем рассмотрении проведем различие между искусственной жизнью (которая всегда включает определенные формы искусственного интеллекта) и искусственным интеллектом, который не является в то же время искусственной жизнью. В дальнейшем будем называть второй вариант исследований искусственным интеллектом в ортодоксальной форме (orthodox AI или OAI).

OAI может быть определен путем его отношения к идее, что здоровая наука о разуме может, по большей части, игнорировать биологические размышления, которые тяготеют к входу в общую картину в качестве только «деталей конкретного воплощения» либо «случайные исторические частности», и в целом не обеспечивает и не содержит концепций и принципов обычно используемых для построения научного объяснения разума. Данная тенденция к биологической нейтральности выражается в наборе различных измерений таких как (а) вынесение из области рассмотрения либо предельно упрощенный взгляд на то, что происходит в нервной биологической системе и (в более общем случае) в биологическом теле, (б) пренебрежение скованностью налагаемой на биологический разум необходимостью действовать в реальном времени в часто враждебной, непредсказуемой и не прощающей ошибок обстановке и (в) закрытие глаз на тот факт, что поведение животных зачастую высоко специфично в рамках их экологической ниши.

OAI, охарактеризованное выше, будет использовано в качестве интеллектуального ядра, для того, что будем в дальнейшем называть ортодоксальной наукой о мышлении (orthodox cognitive science OCS). Согласно означенному соотношению, можно ожидать от OCS демонстрации такого же отношения биологической нейтральности, как и у OAI, только в данном случае по отношению к научному объяснению мышления и познания. И это будет именно то, что мы искали. В ортодоксальной истории науки о мышлении, для того чтобы объяснить вид познания демонстрируемого биологическим мыслителем возможно по большей части игнорировать факты биологии биологического мыслителя. (Исключение из этого правила – определение нормальной функции посредством естественного дарвиновского отбора будет рассмотрено далее).

Большинство, хотя и далеко не все, работы в области искусственного интеллекта и науки о мышлении являются ортодоксальными (т.е. как было определено выше, биологически нейтральными). Это включает в себя подавляющее большинство, хотя и далеко не все модели, разработанные под флагом коннективизма. (Удручающее общее утверждение, что коннективисткие сети, в общем, являются «биологически реалистичными психологическими моделями» по-видимому, фиктивно). Далее этому будет дано объяснение. Теперь рассмотрим радикально отличающийся вид исследований: реально биологическая наука о мышлении. Под этим термином подразумевается наука о мышлении, которая следует тому, что Годфри-Смит называл строгой непрерывностью, утверждение о том что «жизнь и разум имеют общую абстрактную структуру или набор базовых организационных свойств… Разум буквально подобен жизни.» Согласно этому утверждению, направляющим принципом биологической науки о мышлении будет то, что мышление может быть объяснено с использованием тех же фундаментальных концепций и принципов, что и описание других биологических феноменов. Биологическая наука о мышлении буквально является наукой о жизни.

Отметим четыре положения, касающихся строгой непрерывности:

1. Строгая непрерывность влечет за собой, – но не проистекает из – более слабых форм непрерывности, согласно которой для того, чтобы некоторая сущность имела разум, она должна быть живой, хотя для того чтобы быть живой наличие разума не является необходимым. Данная форма непрерывности сама по себе недостаточна для действительно биологической науки о мышлении, так как она не дает гарантии, что кто-либо должен обращаться к принципам построения живого объекта для того, чтобы понять процесс мышления.

2. Из строгой непрерывности не следует, что жизнь и мышление есть одно и то же. Они находятся в непрерывной последовательности, но не эквивалентны.

3. В контексте биологической науки о мышлении, строгая непрерывность предполагает методологию изучения «снизу-вверх». Сначала исследователь проводит поиск удовлетворительного объяснения некоторого простого не мыслящего проявления жизни (Для основания подходящей теоретической концепции). Затем производится его противопоставление более сложной мыслящей сущности.

4. Строгая непрерывность, в первую очередь, беспокоит тех, кто жаждал действительно обобщенной науки о мышлении. Конечно, может оказаться, что сходный набор структурных свойств выражен не только в жизни и разуме натуральных земных природных существ, но и в их неземных копиях (если данных феномен существует), а также во всех формах искусственной жизни и искусственной ментальности, которая возможно способна существовать (если кто-либо считает, что артефакты могут буквально быть живыми и иметь разум). Если повернуть рассмотрение в эту сторону, то идея об обобщенной науке, о мышлении будет спасена. Однако ничто в идее строгой непрерывности не гарантирует такой результат.

Очевидно, что положение о том, что биологическая наука о мышлении может быть построена вокруг OAI выходит за рамки разумного сомнения. Но как же теперь поступать с искусственной жизнью? Ранее предполагалось, что искусственная жизнь может быть охарактеризована как попытка использования искусственной среды для исследования феномена жизни. Это продвигает нас в правильном направлении. Уже был отмечен тот факт, что объяснение интеллекта, разума и мышления стоит на повестке дня в области изучения искусственной жизни. Это показывает, что канонический взгляд с точки зрения изучения искусственной жизни предполагает рассмотрение данных феноменов как исключительно связанных (и являющихся подмножеством) живых систем, которые заключают в себе, в целом, то, что делают живые системы, согласно слабой форме непрерывности, определенной ранее. Конечно, данное принятие слабой формы непрерывности не обязывает рассматривающих искусственную жизнь принимать ведущий принцип биологической науки о мышлении, тезис о строгой непрерывности. Тем не менее, хотя строгая непрерывность не является строго обязательной в характере искусственной жизни, исследователи, работающие в области искусственной жизни и смежных областях, часто покупаются на эту идею. Например, выдвигается аргумент, что модели искусственной жизни обеспечат объяснение неожиданных проявлений составляющих основу жизни и разума. Также предполагается, что подрыв обычного иммунологического распознавания свой-чужой будет иметь последствия в области таких высокоуровневых явлений как самосознание и индивидуализм. Решающим фактом является то, «что характер искусственной жизни не только допускает строгую непрерывность, но и активно поощряет ее» . Несмотря на этот факт, искусственная жизнь является действительным OAI.

На данной стадии возникает необходимость прояснить взаимоотношения, существующие между искусственной жизнью и биологической наукой о мышлении. Объяснение живых систем, предлагаемое в рамках искусственной жизни обычно формулируется в рамках теоретического словаря, поддерживающего набор различных научных концепций (таких как самоорганизация, автономия, реакция на внешние проявления и т.п.). Если бы подобные концепции обеспечивались биологической наукой о мышлении с ее теоретическим словарем, тогда искусственная жизнь смогла бы стать таким же интеллектуальным базисом для науки о мышлении, каким ортодоксальный искусственный интеллект является для ортодоксальной науки о мышлении.

2. ВСЕ ЕЩЕ КАРТЕЗИАНСКАЯ

Будет очень полезно на некоторое время сконцентрироваться на одном специфическом спорном вопросе, по которому расходятся ортодоксальная и биологическая наука о мышлении, а именно выражение соотношения которое существует между нейробиологическими/биохимическими свойствами живых организмов с одной стороны и мышлением с другой стороны. (В результате данный спорный вопрос создает первое направление биологической нейтральности в ортодоксальной науке о мышлении, как было определено в предыдущей главе). Различие в этом вопросе может быть объяснено тем фактом, что два вида науки о мышлении сформированы в радикально различающихся философских концепциях. В целом биологическая наука о мышлении наиболее органично ложится в рамки общей аристотелевой концепции, в то же время у ортодоксальной науки о мышлении наблюдаются картезианские корни.

Любой, кто даже не проявлял особого интереса к философии разума, знает, что Декарт считал мыслимое и физическое двумя различными, но взаимодействующими онтологическими реальностями. Однако другой вклад, сделанный Декартом в изучение разума, менее широко известен. Этим вторым вкладом является форма психологического обоснования – дуализм обоснования – который одновременно поддерживает следующие тезисы: (1) для объяснения физического явления, некто нуждается в привлечении только специфических физических сущностей и состояний и специфических физических законов; (2) для объяснения психологических явлений, некто нуждается в привлечении только специфических мыслительных сущностей и состояний и специфических законов мышления. Дуализм обоснования прекрасно согласуется с идеей, что мыслительные события являются предельной формой физических явлений. Для физической онтологии, предлагаем ли мы физический или психологический стиль обоснования зависит описания, к которому, с текущими заданными конкретными целями обоснования, склоняются взятые интересующие нас явления.

Важно то, что Декарт мыслил органическое тело мыслителя как еще один физический объект в физическом мире. Учитывая дуализм обоснования, данная идея приводила его к тому, что нейробиологическое/биохимическое обоснование событий в теле мыслителя неуместно в психологическом обосновании событий в разуме мыслителя, в том смысле, что психологическое обоснование может быть проведено в отсутствии любого, сколько бы то ни было детализированного нейробиологического/биохимического знания о теле мыслящего объекта. Данное обосновательное отделение разума от физического носителя приводил в результате к прерывистости в обосновании в данном контексте между жизнью и разумом. Научное обоснование процессов, которые рассматривались картезианством как органические, относящиеся к телесной жизни (такие процессы как пищеварение, размножение и рост) немедленно попадало в область биологических объяснений, которая толковалась как принижаемая физической наукой. Научное обоснование физических процессов, с другой стороны, нуждается в изложении на языке, совершенно отличающемся от биологического языка, в языке специфическом для психологии. Это равнозначно отклонению положений строгой непрерывности. Другими словами, дуализм обоснования несовместим с биологической наукой о мышлении.

В настоящее время функционалисты в философии разума придерживаются взглядов, что определяющее свойство типа ментального состояния является причинная роль того, что состояние играет в посредничестве между (1) сенсорными входами, (2) другими типами ментальных состояний и (3) моторикой поведения. Строго говоря, функционализм не проводит связей к природе основы, на которой реализованы ментальные состояния, так как сущность в некотором частном ментальном состоянии уже является, как уже говорилось, сущностью в некотором специфическом функциональном состоянии, и совершенно эквивалентные функциональные состояния могут быть, в принципе, реализованы биохимически на углеродной основе, в виде кремниевого мозга или в виде картезианского разума самого по себе. Здесь, в принципе, функционализм входит составной частью в дуализм субстанций. Данный принципиальный факт может показаться незначительным, если считать, что функционализм обычно является рабочей лошадкой теории распознавания, согласно которой любая сущность данного типа ментального состояния является единственной и сходна с некоторым физическим состоянием в физической системе. Но, «дополнение к требованиям распознавания не рассматривает нейробиологические и биохимические детали тела биологического мыслящего объекта относящегося к процессу психологического обоснования» . Согласно функционалистам, процесс психологического обоснования может проводиться в превосходной изоляции от этих частных деталей. Подобная позиция уже рассматривалась ранее: функционализм является формой картезианского дуализма обоснования.

Так как же база дуализма обоснования в функционализме уместна в понимании ортодоксальной науке о мышлении? Ответом является, что ортодоксальная наука о мышлении построена на функционализме. В самом деле, вычислительные состояния (тип состояний к которым прибегают ортодоксальный искусственный интеллект и ортодоксальная наука о мышлении) прекрасные примеры функционально определенных состояний. При этом нет никакого противоречия в том, что одно из классических положений функционализма было выражено в теории путем использования машины Тьюринга. Как только принимается функционалисткие основы ортодоксальной науки о мышлении и вместе с ней общее картезианское рассмотрение отношений между живым телом и разумом которые порождаются данными основами, можно увидеть почему ортодоксальная наука о мышлении связана с идеей, что может быть описано без понимания или существенных ссылок на нейробиологический или биохимический базис данного процесса мышления. Другими словами, можно видеть почему ортодоксальная наука о мышлении принимает положения совершенно неприемлемые биологической наукой о мышлении.

3. СЛЕДОМ ЗА КАРТЕЗИАНСТВОМ

Теперь самое время затронуть биологическую науку о мышлении, чтобы увидеть, что может быть принято в рассмотрение из области пост-картезианства. Исследования в области коннективистских (или искусственных нейронных) сетей являются подходящей для этого областью, так как подобные исследования относятся как к ортодоксальному искусственному интеллекту так и к искусственной жизни.

3.1. ИСТОРИЯ РАЗВИТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Раньше с понятием искусственного интеллекта (ИИ) связывали надежды на создание мыслящей машины, способной соперничать с человеческим мозгом и, возможно, превзойти его. Эти надежды, на долгое время захватившие воображение многих энтузиастов, так и остались несбывшимися. И хотя фантастические литературные прообразы "умных машин" создавались еще за сотни лет до наших дней, лишь с середины тридцатых годов, с момента публикации работ А. Тьюринга, в которых осуждалась реальность создания таких устройств, к проблеме ИИ стали относиться

серьезно. Для того, чтобы ответить на вопрос, какую машину считать "думающей", Тьюринг предложил использовать следующий тест: испытатель через посредника

общается с невидимым для него собеседником человеком или машиной. «Интеллектуальной» может считаться та машина, которую испытатель в процессе такого общения не сможет отличить от человека.

Если испытатель при проверке компьютера на "интеллектуальность" будет придерживаться достаточно жестких ограничений в выборе темы и формы диалога, этот тест выдержит любой современный компьютер, оснащенный подходящим программным обеспечением. Можно было бы считать признаком интеллектуальности умение поддерживать беседу, но, как было показано, эта человеческая способность легко моделируется на компьютере. Признаком интеллектуальности может служить способность к обучению. В 1961 г. профессор Д. Мичи, один из ведущих английских специалистов по ИИ, описал механизм, состоящий из 300 спичечных коробков, который мог научиться играть в крестики и нолики. Мичи назвал это устройство MENACE (Matchbox Educable Naughts and Crosses Engine). В названии (угроза) заключается, очевидно, доля иронии, вызванной предубеждениями перед думающими машинами.

До настоящего времени единого и признанного всеми определения ИИ не существует, и это не удивительно. «Достаточно вспомнить, что универсального определения человеческого интеллекта также нет дискуссии о том, что можно считать признаком ИИ, а что нет, напоминают споры средневековых ученых о том, которых интересовало, сколько ангелов смогут разместиться на кончике иглы» . Сейчас к ИИ принято относить ряд алгоритмов и программных систем, отличительным свойством которых является то, что они могут решать некоторые задачи так, как кто делал бы размышляющий над их решением человек.

3.2 ОСНОВНЫЕ ЗАДАЧИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Ранее было уже указано, что нельзя дать исчерпывающее определение ИИ. Однако можно перечислить те задачи, методы, решения которых на ЭВМ принято связывать с понятием ИИ. Ниже приводятся краткие характеристики таких задач.

Автоматическое решение задач представляет собой не столько вычислительную

процедуру поиска ответа, как, например, расчет квадратного корня, сколько нахождение метода решения поставленной задачи. Системы, осуществляющие построение вычислительной процедуры, называют автоматическими решателями задач. Под распознавателями подразумевают устройства, реагирующие на внешнюю среду через различные датчики, например видеокамеры, и позволяющие решать задачи распознавания образов. В таких устройствах результаты распознавания выводятся на экран, используются для принятия решений, и т.п. Например, на современных автоматических боулинговых дорожках установлены видеокамеры, которые после броска шара распознают число и взаимное расположение оставшихся кегель, для подсчета очков. Системы распознавания речи позволяют упростить взаимодействие с компьютером, с помощью упрощенного естественного языка.

Необходимо заметить, что существующие на данный момент системы могут распознавать лишь очень ограниченный набор слов-команд, требуют предварительной настройки на дикцию пользователя и не могут анализировать длинную речь (целые предложения), хотя и ведутся интенсивные исследования в этом направлении.

Задачи доказательства теорем и обучения (например, для овладения навыками в какой-либо игре) решаются с помощью автоматического совершенствования алгоритма посредством обработки пробных вариантов, т.е. как бы с помощью накопления собственного опыта. Следует отметить, что способность к обучению представляет собой одно из основных свойств ИИ.

В настоящее время многие отождествляют понятие ИИ и экспертных систем. Это отождествление появилось во многом благодаря разработкам по созданию программного и аппаратного обеспечения в рамках японского проекта по созданию ЭВМ пятого поколения. Существующие экспертные системы включают в себя огромные базы знаний, сформированные с помощью информации, получаемой от экспертов, т.е. специалистов в той области, для которой создавалась каждая система.

Манипуляция накопленными данными осуществляется в другой части экспертных систем, содержащей правила вывода. Сейчас такие системы с успехом используются в медицине, геологии, проектировании и многих других отраслях.

Для эффективной работы мощных систем ИИ необходима высокая скорость доступа к большим базам данных, а также высокое быстродействие. ЭВМ с обычной архитектурой не удовлетворяют этим требованиям. Обычные последовательные

методы решения задач уступают место методам параллельной обработки, когда несколько процессоров независимо друг от друга выполняют различные части одной программы, или выполняют одинаковые действия над различными частями большого массива данных. Для этого применяются средства от многопроцессорных компьютеров, многомашинных кластеров, до специализированных параллельных процессоров и транспьютеров. Однако в последние годы наблюдается тенденция к использованию массово производящихся, и как следствие дешевых, процессоров для объединения в большие вычислительные комплексы.

В системах искусственного интеллекта человеческие знания, необходимые для решения задач ИИ, должны быть представлены и записаны в форме, пригодной для последующей обработки на компьютере. Сложность заключается в том, что многие аспекты знаний изменяются в зависимости от условий и с трудом поддаются описанию, оставаясь при этом очевидными для человека. Знания должны храниться в системах ИИ в некоторой обобщенной для данной предметной области форме,

позволяющей использовать выбранное представление в любой возможной ситуации. Для хранения знаний требуется большая область памяти, и, кроме того, значительное время уходит на их предварительную обработку. Это очевидное условие может быть упущено при разработке системы.

Многие аспекты ИИ связаны с развивающейся в настоящее время наукой робототехникой. «Идея создания «разумного» робота, способного учиться на собственном опыте, представляет собой одну из центральных проблем ИИ. Такой робот может обладать способностью к ведению диалога на естественном языке

и уметь решать задачи, требующие инициативы и некоторой оригинальности мышления» . Для этого требуется некоторое предварительное обучение робота, в результате которого он мог бы в отличие от используемых сейчас промышленных

роботов выполнять целенаправленные и заранее незапрограммированные действия.

В течение многих лет идеи ИИ серьезно не рассматривались. Это происходило отчасти благодаря чрезмерному оптимизму некоторых теоретиков, а также из-за появления ряда сенсационных публикаций по этому предмету, впоследствии оказавшихся во многом несостоятельными.

Идея аппаратно-программных моделей человеческого мозга вызывала насмешки, а в сфере технического производства стали избегать разработок, связанных с ИИ, так как результаты их внедрения явно не соответствовали обещаниям. Эта в полном смысле слова плачевная ситуация в настоящее время изменилась к лучшему благодаря новейшим достижениям в разработке аппаратуры и программного обеспечения.

3.3 НЕЙРОСЕТИ

Идея нейронных сетей родилась в ходе исследований в области искусственного интеллекта , а именно в результате попыток воспроизвести способность нервных биологических систем обучаться и исправлять ошибки, моделируя низкоуровневую структуру мозга. Основной областью исследований по искусственному интеллекту в 60-80е годы были экспертные системы. Такие системы основывались на высокоуровневом моделировании процесса мышления (в частности, на его представ-

лении как манипуляций с символами). Скоро стало ясно, что подобные системы, хотя и могут принести пользу в некоторых областях, не охватывают некоторые ключевые аспекты работы человеческого мозга. Согласно одной из точек зрения, причина этого состоит в том, что они не в состоянии воспроизвести структуру мозга. Чтобы создать искусственный интеллект, необходимо построить систему с похожей архитектурой.

Мозг состоит из очень большого числа (приблизительно 10 10)нейронов, соединенных многочисленными связями (в среднем несколько тысяч связей на один нейрон, однако это число может сильно колебаться). Нейроны - это специальные клетки, способные распространять электрохимические сигналы. Нейрон имеет разветвленную структуру ввода информации (дендриты), ядро и разветвляющийся выход (аксон). Аксоны клетки соединяются с дендритами других клеток с помощью синапсов. При активации нейрон посылает электрохимический сигнал по своему

аксону. Через синапсы этот сигнал достигает других нейронов, которые могут в свою очередь активироваться. Нейрон активируется тогда, когда суммарный уровень сигналов, пришедших в его ядро из дендритов, превысит определенный уровень (порог активации).

Интенсивность сигнала, получаемого нейроном (а, следовательно, и возможность его активации), сильно зависит от активности синапсов. Каждый синапс имеет протяженность, и специальные химические вещества передают сигнал вдоль него. Один из самых авторитетных исследователей нейросистем, Дональд Хебб, высказал постулат, что обучение заключается в первую очередь в изменениях силы синоптических связей. Например, в классическом опыте. Павлова каждый раз перед кормлением собаки звонил колокольчик, и собака быстро научилась связывать звонок колокольчика с пищей.

Синоптические связи между участками коры головного мозга, ответственными за слух, и слюнными железами усилились, и при возбуждении коры звуком колокольчика у собаки начиналось слюноотделение.

Таким образом, будучи построен из очень большого числа совсем простых элементов (каждый из которых берет взвешенную сумму входных сигналов и в случае, если суммарный вход превышает определенный уровень, передает дальше двоичный сигнал), мозг способен решать чрезвычайно сложные задачи. Определение формального классического нейрона дается следующим образом:

Он получает входные сигналы (исходные данные или выходные сигналы других нейронов сети) через несколько входных каналов. Каждый входной сигнал проходит через соединение, имеющее определенную интенсивность (или вес); этот вес соответствует синоптической активности биологического нейрона. С каждым нейроном связано определенное пороговое значение. Вычисляется взвешенная сумма входов, из нее вычитается пороговое значение и в результате получается величина активации нейрона.

Сигнал активации преобразуется с помощью функции активации (или передаточной функции) и в результате получается выходной сигнал нейрона.

Если при этом использовать ступенчатую функцию активации, то такой нейрон будет работать точно так же, как описанный выше естественный нейрон.

3.4 ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ

Сеть можно применять в ситуации, когда имеется определенная информация, и

требуется из нее получить некоторую неизвестную информацию. Вот некоторые важ-

ные примеры задач, в которых были успешно решены нейросетевые методы.

1.Распознавание состояния больного.

Применение классических статистических методов описано еще в работах Неймана. С помощью медицинской аппаратуры можно наблюдать за различными показателями состояния здоровья человека (например, частотой пульса, содержанием различных веществ в крови, частотой дыхания).

Стадии возникновения некоторой болезни может соответствовать определенная и весьма сложная (например, нелинейная и взаимозависимая) комбинация изменений наблюдаемых переменных, которая может быть обнаружена с помощью нейросетевой модели.

2.Прогнозирование на фондовом рынке.

Колебания цен на акции и фондовых индексов еще один пример сложного, многомерного, но, в определенных ситуациях, частично прогнозируемого явления. Многие финансовые аналитики используют нейронные сети для прогнозирования цен акций на основе многочисленных факторов, например, прошлого поведения цен этих и других акций в совокупности с различными другими экономическими показателями. В качестве альтернативных вариантов здесь применяются модели авторегрессии и технический анализ.

3.Предоставление кредита.

Как правило, у банка имеется большой набор сведений о человеке, обратившемся с просьбой о предоставлении кредита. Это могут быть его возраст, образование, род занятий и многие другие данные. Обучив нейронную сеть на уже имеющихся данных, аналитик может определить наиболее существенные характеристики, и на их основе отнести данного клиента к категории с высоким или низким кредитным риском. Заметим, сто для решения подобных задач можно параллельно использовать и классические методы, такие как дискриминантный анализ и деревья классификации.

4.Системы слежения за состоянием оборудования.

Нейронные сети оказались полезны как средство контроля состояния механизмов.

Нейронная сеть может быть обучена так, чтобы отличить звук, который издает машина

при нормальной работе (ложная тревога) от того, который является предвестником

неполадок. После такого обучения нейронная сеть может предупреждать инженеров

об угрозе поломки до того, как она случится, и тем самым исключать неожиданные и

дорогостоящие простои.

5.Управление работой двигателя.

Нейронные сети используются для анализа сигналов от датчиков, установленных на двигателях. С помощью нейронной сети

можно управлять различными параметрами работы двигателя, чтобы достичь определенной цели, например, уменьшить потребление горючего.

3.5 НЕЙРОСЕТИ В ИСКУССТВЕННОГМ ИНТЕЛЛЕКТЕ

Работы по созданию интеллектуальных систем ведутся в двух направлениях. Сторонники первого направления, составляющие сегодня абсолютное большинство среди специалистов в области искусственного интеллекта , исходят из положения о том, что искусственные системы не обязаны повторять в своей структуре и функционировании структуру и проистекающие в ней процессы, присущие биологическим системам. Важно лишь то, что теми или иными средствами удается добиться тех же результатов в поведении, какие характерны для человека и других биологических систем. Сторонники второго направления считают, что на чисто информационном уровне этого не удастся сделать. Феномены человеческого поведения, его способность к обучению и адаптации, по мнению этих специалистов, есть следствие именно биологической структуры и особенностей её функционирования.

У сторонников первого информационного направления есть реально действующие макеты и программы, моделирующие те или иные стороны интеллекта . Одна из наиболее ярких работ, представляющих первое направление, это программа «Общий решатель задач» А. Ньюэлла, И. Шоу и Г. Саймона. Развитие информационного направления шло от задачи о рационализации рассуждений путем выяснения общих приемов быстрого выявления ложных и истинных высказываний в

заданной системе знаний. Способность рассуждать и находить противоречия в различных системах взаимосвязанных ситуаций, объектов, понятий является важной

стороной феномена мышления, выражением способности к дедуктивному мышлению.

Результативность информационного направления бесґспорна в области изучения и

воспроизведения дедуктивных мыслительных проявлений. Для некоторых практичес-

ких задач этого достаточно. Информационное направление наука точная, строгая, вобравшая в себя основные результаты изысканий кибернетики и математическую культуру. Главные проблемы информационного направления ввести в свои модели внутреннюю активность и суметь представить индуктивные процедуры.

Одна из центральных проблем, это «проблема активных знаний, порождающих потребности в деятельности системы из-за тех знаний, которые накопились в памяти системы» .

У сторонников второго биологического направления результатов пока существенно меньше, чем надежд. Одним из родоначальников биологического направления в кибернетике является У. Мак-Каллок. В нейрофизиологии установлено, что целый ряд функций и свойств у живых организмов реализованы с помощью определенных нейронных структур. На основе воспроизведения таких структур в ряде случаев получены хорошие модели, в особенности это касается некоторых сторон работы зрительного тракта.

Создание нейрокомпьютеров, моделирующих нейронные сети (НС), в настоящее время рассматривается как одно из наиболее перспективных направлений в решении проблем интеллектуализации вновь создаваемых ЭВМ и информационно-аналитических систем нового поколения.

В большей части исследований на эту тему НС представляется как совокупность большого числа сравнительно простых элементов, топология соединений которых зависит от типа сети. Практически все известные подходы к проектированию НС связаны в основном с выбором и анализом некоторых частных структур однородных сетей на формальных нейронах с известными свойствами (сети Хопфилда, Хемминга, Гроссберга, Кохоннена и др.) и некоторых описанных математически режимов их работы. В этом случае термин нейронные сети метафоричен, поскольку он отражает лишь то, что эти сети в некотором смысле

подобны живым НС, но не повторяют их во всей сложности. Вследствие такой

трактовки нейронные ЭВМ рассматриваются в качестве очередного этапа высоко

параллельных супер-ЭВМ с оригинальной идеей распараллеливания алгоритмов

решения разных классов задач. Сам термин нейронная ЭВМ нейрокомпьютер, как

правило, никак не связан с какими-то ни было свойствами и характеристиками мозга человека и животных. Он связан только с условным наименованием порогового логического элемента как формального нейрона с настраиваемыми или фиксированными весовыми коэффициентами, который реализует простейшую передаточную функцию нейрона-клетки. Исследования в области создания нейроинтеллекта ведутся на различных уровнях: теоретический инструментарий,

прототипы для прикладных задач, средства программного обеспечения НС, структуры аппаратных средств. Основными этапами на пути создания мозгоподобного компьютера являются выяснение принципов образования межэлементных связей и мозгоподобных системах адаптивных сетях с большим числом элементов, создание компактного многовходового адаптивного элемента аналога реального нейрона, исследование его функциональных особенностей, разработка и реализация программы обучения мозгоподобного устройства.

Одним из наиболее существенных путей расширения функционального диапазона НС, а также повышения их эффективности для традиционных задач является более целенаправленное использование в моделях механизмов и принципов организации мозга. Обоснованием этого служит достаточно экономная реализация функций в мозге, пока не доступная для самых совершенных супер-ЭВМ. В мозге, как и в любой сложной системе, процесс функционирования представляет собой совокупный результат работы его элементов и способов их взаимодействия. Оба эти фактора находят свое отражение в системной работе мозга.

В настоящее время становится очевидным, что успех разработки нейрокомпьютеров и интеллектуализации ЭВМ нового поколения в значительной степени определяется успехом работы над созданием

нового класса базовых элементов с использованием данных о работе мозга. В первую очередь, это касается усложнения архитектуры, простанственно-временного распределения процессов в самом базовом элементе и расширении его функциональных возможностей. Поэтому актуальна необходимость в новом взгляде на

перераспределение основных функций обработки информации между самими

базовыми элементами нейрокомпьютера и сетевыми ресурсами в сторону увеличения логической нагрузки на базовые элементы.

Это связано с тем, что только в самое последнее время, на основе данных

практической нейрофизиологии появилась возможность выделить из огромного числа процессов в мозге небольшое их количество наиболее значимых для переработки информации и выполнения сложных функций принятия конечных решений. Минимально необходимый набор структур, обеспечивающих эти процессы, значительно сузился и вследствие установленных ограничений существующих ЭВМ, которые не могут быть преодолены в настоящее время без использования свойств работы мозга. Кроме того, широко практикуемые однородные структуры искусственных НС на формальных нейронах не используют в полной мере возможностей реальных нейронов: их разнотипность, свойства распределенной и параллельной работы, многоуровневую иерархическую структурированность и соподчиненность в организации базовых структур головного мозга.

Из огромного числа данных о деятельности мозга, по-видимому, наиболее близко к решению проблемы интеллектуализации разрабатываемых ЭВМ относятся факты о механизмах и принципах элементной и сетевой организации процессов и функций в коре больших полушарий (КБП). Это определяется ее функциональной значимостью и уровнем современных данных о конкретных механизмах ее работы. Известно, что КБП является основным субстратом выполнения высших функций, определяющим уровень интеллекта личности.

В настоящее время накоплен и в значительной мере систематизирован экспериментальный и теоретический материал об элементарной организации корковых функций.

Все это дает основания предполагать, что данные о работе высшего отдела мозга могут иметь существенное значение и для идеологии создания нейрокомпьютеров, и для конструктивных решений отдельных их блоков.

В плане общего подхода к моделированию нейрокомпьютера существенно то, что по мере накопления фактов о морфологии, цитохимии и нейрофизиологии появляется все больше путей для перехода от вероятностных к детерминированным

сетям корковой деятельности, основанных на данных об архитектурных принципах

организации КБП. На основе этих данных все четче прослеживается связь особенностей функций КБП с конкретной спецификой ее элементов и связей. Это

позволяет уже на исходной стадии моделирования решать принципиальный вопрос о

соотношении функциональных нагрузок отдельного элемента и сети в целом, определяющим саму стратегию разработки нейрокомпьютера.

На практике этот выбор связан, прежде всего, с определением набора функций и свойств базового элемента и зависит как от уровня технической базы, так и от конструкторского решения их реализации. Обоснованием пересмотра концепции базового элемента нового типа являются данные практической нейрофизиологии, выявившие необходимый минимальный набор базовых свойств реальных нейронов, обеспечивающий реализацию основных информационных функций мозга у животных и человека. В соответствии с этими данными. В задаче создания новых поколений интеллектуальных вычислительных систем и задаче развития робототехники путь интеллектуализации за счет введения квазибиологических автоматов, в конечном счете, окажется технически и экономически более целесообразным направлением по сравнению с введением элементов интеллекта на основе информационно-логических методов.

Для того, чтобы интегрировать эти навязанные биологией наблюдения в логичные теоретические рамки, необходимо также найти некартезианское концептуальное пространство для размышлений о жизни и разуме, пространство в рамках строгой непрерывности. К счастью такое пространство существует в концепции Аристотеля.

4. ОТ ПСИХОЛОГИИ К PSYCHE-ЛОГИИ

Аристотелев термин psyche обычно переводят как душа, но это не совсем так. Слово душа несет в себе много от бестелесной, спиритической формы существования, которая не соответствует подавляющей тенденции размышлений Аристотеля. Как отмечается, для Аристотеля жалящая крапива имела psyche. Можно сказать, что для Аристотеля psyche организма являлся набор специфически-типологических свойств в силу которых организм жив. Другими словами, «любой вид организмов имеет ассоциированный с ним некоторый набор жизненных свойств, которые при нормальных обстоятельствах могут быть выражены в отдельных представителях данного вида, и в нормальных обстоятельствах для организмов данного вида быть живым значит проявлять типичный для данного вида набор жизненных свойств, то есть psyche» . Жизненные свойства, составляющие любую отдельную psyche, могут браться из чего-то подобного следующему списку: самообеспечение питанием, рост и развитие, размножение, потребность к пище, тактильные ощущения, бесконтактные формы ощущений, самоконтролируемое движение, разум и интеллект. Грубо говоря, чем далее элемент в этом списке, тем более совершенным сущностям он принадлежит. Это важно, потому что psyche это иерархическая структура, в которой, вообще говоря, способность к определенным жизненным свойствам предполагает способность к менее совершенным жизненным свойствам из приведенного списка. Так, например, способность к тактильным ощущениям предполагает способность к потребности в пище, размножению, росту и самообеспечению питанием. К тому же, существует отношение выразительной зависимости между жизненными свойствами, так что любое жизненное свойство не может быть полностью познано в отрыве от других при рассмотрении конкретной частной psyche.

По взглядам Аристотеля концепция psyche необходима для достижения удовлетворительных обоснований в науках о жизни. Для понимания его аргументации необходимо представить различие между формой и материей. В первом приближении форма по Аристотелю означает что-то вроде различных видов организации. Он говорит о том, что частичные очертания конкретной статуи являются формой статуи, в то время ее материальным содержанием является физический материал, из которого она сделана. Форма топора – это что-то сходное с его способностью рубить, а материальное содержание – дерево и железо, из которых этот топор сделан. Перемещаясь в биологический мир, формой глаза является его способность видеть, а материальным содержанием, в соответствии с аристотилеевым виденьем древней биологии, вода. Формой гнева является что-то вроде желания возмездия; материальным же содержанием, по Аристотелю, является кипение крови в области сердца. Когда Аристотель применяет различие формы и материального содержания ко всем живым организмам, мы говорим, что форма живого существа это его psyche, его набор жизненных способностей; материальное же содержание это органическое тело,

которое реализует эти способности.

Исходя из данного предварительного понимания концепции формы, дать

объяснение в терминах формы означает дать объяснение, в котором характерная особенность организации сущности для лучшего объяснения дается в отличие от материального состава сущности. Так, скажем, кто-то хочет описать, как домашняя муха осуществляет визуально корректируемую навигацию в реальном времени в беспорядочной, динамически изменяющейся обстановке. Аристотелев взгляд должен, по крайней мере, присутствовать в идее, что дисциплины, такие как нейробиология и биохимия могут быть скомбинированы в целях объяснения функционирования машины, допускающей такое поведение. Фактически, что бы наука ни подразумевала под словом материальность, аристотелев взгляд будет предполагать ожидание прямого материального объяснения визуально направляемой воздушной навигации домашней мухи. Такое объяснение далеко не тривиально. Каждый из двух композитных глаз мухи представляет собой панорамный нерегулярный двухмерный массив фото сенсоров. Эти массивы соединены в параллельную сеть соответствующих обработчиков изображения (биологических процессоров) и органов контролирующих полет (процессоров управления полетом), работающих асинхронно в реальном времени. Через последующую нейронную сеть, данная система управляет набором мускулов, которые вместе с гироскопическими органами осуществляют управление крыльями. Тем не менее, любое чисто материальное объяснение, пусть даже комплексное, не позволит науке о жизни понять этот материальный процесс как природный феномен, которым оно, собственно и является. Для создания комплексного природного объяснения, необходимо понимание данного процесса в контексте частичного набора жизненных способностей, которые являются определяющими для жизни домашней мухи – домашняя муха как форма жизни, как можно было бы сказать. Другими словами, специфическая физическая система лежащая в основе визуально направляемой аэронавигации в домашней мухе должна пониматься как допускающая выражение типичной для вида жизненной способности, буквально тип самоконтролируемого движения, который является характеристикой домашней мухи.

Индивидуальные жизненные способности могут, конечно, разделяться различными видами, хотя сказать, что нарцисс и человек разделяют жизненную способность к самообеспечению пищей не то же самое, что сказать, что нарцисс и человек достигли самообеспечения пищей одинаковыми путями; могут быть вариации между видами в том, как выражены разделяемые жизненные способности. Согласно Аристотелю, все живые объекты обладают способностью самообеспечения пищей, роста и разложения и размножения. Растения обладают только этими жизненными свойствами, в то время как животные обладают данными жизненными свойствами плюс также жизненными свойствами, относящимися к области восприятия. Отметим, что это с представление жизненных свойств, относящихся к области восприятия представляет собой первое, с чем сталкиваются и что часто рассматривают как разум и мышление. На верху логической иерархии psyche располагается наиболее причудливая из всех жизненных способностей, то что называют разумом. По Аристотелю, единственное существо, обладающее этой жизненной способностью – это человек. Надо сказать, что почти невозможно соединить аристотелево рассмотрение разума со всем остальным, что он говорит о жизненных способностях, потому что, хотя его основная тенденция отвергнуть идею, что psyche онтологически отделена от тела, он все еще заявляет, что активная часть жизненной способности разума (нечто вроде интеллектуальной интуиции) бессмертна и вечна. Рассматривая эту явную неувязку, современные интерпретаторы, очевидно, поставили человеческий интеллект на одну планку со всем остальным. Одним из путей достижения этого является развитие аристотелева взгляда, что части природного процесса развития, посредством которого мы, люди приходим к выражению полного набора типичных для вида жизненных способностей (наша особая животная форма), является для нас становлением через социализацию и развитие языка рационального использования интеллекта. Для этой траектории развития, классифицируемой как природная, культура и язык могут рассматриваться как чисто биологические феномены – конечно исключительно человеческие, но, тем не менее, чисто биологические. Тем не менее, если предположить, что это может быть сделано, тогда происходит фиксация интерпретации psyche, которая не допускает ни онтологического, ни обосновательного разделения между живым телом и разумом.

Так, согласно Аристотелю, из действительности того факта, что частное живое природное тело имеет psyche характеристики жизни своего вида, следует, что живое природное тело способно производить определенные вещи. При этом разум может рассматриваться просто как одна из этих вещей, способность, которая позволяет некоторым организмам быть живыми. И где проводятся рассуждения о поглощении питания, воспроизводстве, восприятии или мышлении проводятся рассуждения о присущей жизненной способности, биологическом феномене, который может быть объяснен в терминах материи и psyche. Другими словами, Аристотель был теоретиком, придерживавшимся строгой непрерывности. Основным предположением является, что аристотелевская концепция psyche обеспечивает как хорошую поддержку, так и удобный способ рассмотрения и использования более детально тезиса строгой непрерывности, который является центральным стержнем биологической науки о мышлении на базе искусственной жизни.

ЗАКЛЮЧЕНИЕ

Так как функционализм был определен как неокартезианская теория разума, в качестве контраста ей противопоставляются аристотелевские концептуальные рамки. Производится рассмотрение с аристотелевской точки зрения научной области, относящейся к искусственной жизни.

Сейчас является обычным для функционалистких философов разума в натуралистической традиции соединять идею функций разума с идеей функции дарвиновской эволюции. С дарвинисткой точки зрения функция эволюции, например, части визуальной системы лягушки – определять пищу в формах мух (вместо того, чтобы определять быстро движущиеся черные точки, на которые реагирует подсистема), потому что это то, для чего подсистема была выбрана в течении эволюционной истории лягушки (чем определять быстро движущиеся черные точки, некоторые из которых не являются мухами). Видимо, нет прямой необходимости соединения функции мышления с эволюционными функциями, для того чтобы функционализм смог работать. Однако, функционалисты нуждаются в источнике для апелляции в случае необходимости устранения фиктивных атрибутов функций (т.е. например, что функция части визуальной системы лягушки – определять быстро движущиеся черные точки). Для искусственных систем – источник апелляции сами исследователи. Функции искусственных объектов это то, что заложено в них разработчиками.

В данной работе были рассмотрены основные тенденции развития философии в области искусственно интеллекта и искусственной жизни, в том числе различие между ортодоксальной наукой о мышлении и биологическим мышлением в данной области философии. Первая тяготеет к игнорированию биологических соображений, в то время как последнее держится за мнение, что жизнь и разум разделяют общий набор организационных свойств. Было рассмотрено предположение, выдвигаемое современными философами когнитивистами, что искусственная жизнь является интеллектуальным потенциальным двигателем последнего. Были показаны концептуальные принципы такой движимой искусственной жизнью науки о мышлении. Обращая особое внимание на отношение между нейробиологическими и биохимическими феноменами и мышлением, показано, что переход к функционализму в ортодоксальной науке о мышлении обеспечивает неоспоримое доказательство, что данное приближение проистекает из картезианского рассмотрения взаимоотношений между телом и разумом. С другой стороны, фундаментальные заключения биологического познания поддерживают радикально отличающиеся общие теории Аристотеля. Рассмотрено, как концепция самоорганизации – главная теоретическая идея искусственной жизни – является ключевым камнем неоаристотелевой науки биологического познания.

ЛИТЕРАТУРА

1. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применение в экономике и бизнесе. М., МИФИ, 1998.

2. Маккалистер Дж . Искусственный интеллект и пролог на микроЭВМ, М.: Машиностроение, 1990.

3. Девятников В.В. Системы искусственного интеллекта, М.: Издательство МГТУ им. Н.Э. Баумана, 2001.

4. Амамия М., Танака Ю. Архитектура ЭВМ и искусственный интеллект. М.: Мир, 1993.

5. Горбань А.Н., Дунин-Барковский В.Л., Кирдин А.Н. Нейроинформатика. Новосибирск: Наука, 1998.

6. Емельянов-Ярославский Л.Б . Интеллектуальная квазибиологическая система. М.: Наука, 1990.

7. Горбань А.Н. Россиев Д.А. Нейросети. Новосибирск:, Наука, 1996.

8. Лачинов В.М., Поляков А.О. Информодинамика или путь к миру открытых систем. СПб.: Издательство СПбГТУ, 1999.

9. Рассел Б. История западной философии. Новосибирск: Издательство Новосибирского университета, 1997.

Отправь заявку с указанием темы прямо сейчас, чтобы узнать о возможности получения консультации.

В современном мире тематика искусственного интеллекта и область разработки интеллектуальных технологий перестали быть прерогативой сугубо научного сообщества. Невозможно переоценить значимость создания функционирующей на необходимом и достаточном уровне системы искусственного интеллекта , за которой будет признано наличие разума. Очевидны значительные успехи IT-разработчиков, нейробиологов, психологов, физиков и прочих специалистов, долгое время ограниченных рамками отдельных научных дисциплин, а теперь объединённых в контексте междисциплинарности.

Производится анализ метода моделирования перцептивных процессов в системах искусственного интеллекта, позволяющий определить правомерность и продуктивность использования аналогии человеческих психических аспектов с машинными алгоритмами. Автор акцентирует внимание на рассмотрении негативистского восприятия возможности наличия у машины феномена сознания и реализации со стороны системы искусственного интеллекта феномена осмысления.

Введение

В современном мире тематика искусственного интеллекта и область разработки интеллектуальных технологий перестали быть прерогативой сугубо научного сообщества. Невозможно переоценить значимость создания функционирующей на необходимом и достаточном уровне системы искусственного интеллекта, за которой будет признано наличие разума. Очевидны значительные успехи IT-разработчиков, нейробиологов, психологов, физиков и прочих специалистов, долгое время ограниченных рамками отдельных научных дисциплин, а теперь объединённых в контексте междисциплинарности.

Научное сообщество видит различные версии развития событий в сфере искусственного интеллекта. Д. Хокинс, например, предлагает интегрирующий подход, сочетающий в себе инженерно-технический, нейробиологический, когнитивный и даже этический подходы. В рамках интегрирующего подхода нет оснований ожидать от разумной машины, что она должна выглядеть, действовать, чувствовать или думать как человек. «Мысли и поведение разумной машины могут существенно отличаться от свойственных человеку и у неё будет интеллект, который определяется прогностической способностью иерархической памяти, а не человекоподобным поведением» . Физик-математик Роджер Пенроуз, работающий в области общей теории относительности и квантовой теории, доказывает невозможность раскладывания человеческого интеллекта на алгоритмы. За всеми этими рассуждениями стоит «очевидность» предположения, что «разум, наделённый сознанием, просто не может работать подобно компьютеру, несмотря на алгоритмическую природу многих составляющих нашей умственной деятельности» . О сферах применения искусственного интеллекта рассуждает Игнаси Белда: «Искусственный интеллект постепенно вошёл в нашу жизнь. Рано или поздно настанет день, когда появятся системы, обладающие тем же уровнем креативности, ощущений и эмоционального интеллекта, что и человек. В день, когда это произойдёт, мы поймём, что мы не одиноки» . Классическим пособием для курсов по искусственному интеллекту в США стал труд известных специалистов в области вычислительной техники Стюарта Рассела и Питера Норвига «Искусственный интеллект: современный подход», в котором искусственный интеллект определён как «наука об агентах, получающих из своей среды результаты актов восприятия и выполняющих соответствующие действия» .

Противовесом «оптимистическому развитию событий» служат мнения исследователей-скептиков, которые считают, что с технологиями создания искусственного разума следует обращаться крайне осторожно. В их числе Джеймс Баррат, издавший сборник конструктивных опасений: «Я считаю и пытаюсь доказать, что искусственный интеллект, как и деление ядер, – технология двойного назначения» . Культовый статус приобрела работа «Искусственный интеллект. Этапы. Угрозы. Стратегии» шведского философа, профессора Оксфордского университета, сооснователя Всемирной ассоциации трансгуманистов и директора Оксфордского Института будущего человечества Ника Бострома, в которой он предупреждает: «Искусственный интеллект может быть менее человечен, чем пришелец» . Петро Домингос, профессор Вашингтонского университета, один из ведущих специалистов по машинному обучению и искусственному интеллекту рассматривает закономерности IT-технологий во взаимодействии с идеями таких научных областей как биология, философия, физика, статистика. «Общество меняется с каждым новым алгоритмом. Машинное обучение преображает науку, технологию, бизнес, политику, военное искусство. Промышленная революция автоматизировала ручной труд, информационная революция проделала то же самое с трудом умственным, а машинное обучение автоматизировало саму автоматизацию. Без него программирование стало бы узким горлом, сдерживающим прогресс» . Сравнение искусственного и естественного интеллекта, живых тканей, клеток и вычислительной архитектуры – основная линия труда Алекса М. Эндрю. Автор излагает мысли о том, как с помощью компьютера реализовать неалгоритмические свойства человеческого разума . Джефф Хокинс и Сандра Блейкли осуществляют критический анализ современного понимания искусственного интеллекта и моделей нейросетей и представляют проработанные гипотезы о «нахождении сознания» . МитиоКаку обобщил научно обоснованные футуристические прогнозы ученых относительно искусственного разума, многие из которых в настоящее время – реальность. Автор является признанным экспертом в области прогнозирования развития науки и техники . Дэвид Дойч, автор «Структуры реальности», обращается к проблематике устройства окружающей реальности, места разума в ней, возможности ее смоделировать или симулировать. В работе раскрыта тема многомировой интерпретации квантовой механики, представлено современное состояние философии науки, философии сознания и философии искусственного интеллекта .

Нам в данном исследовании представляется важным исследовать две проблемы в контексте разработки систем искусственного интеллекта:

• Правомерность признания за человеком обладания самоорганизующимся сознанием и свободной волей, вследствие чего от систем искусственного интеллекта требуют того же, для признания их в качестве обладающих разумом.
• Тотальная аналогия систем искусственного интеллекта с человеком и его «среднестатистическими» особенностями, что приводит к отсутствию учёта индивидуальных особенностей систем и их дискриминации в контексте априорного обессмысливания их деятельности.

Основная часть

Традиционно показателем общей успешности в области разработки систем искусственного интеллекта считается способность внешне смоделировать типичные человеческие функции, качества и свойства, тем самым превзойдя человека в типично человеческих видах деятельности. Проявления и «самореализация» разработанных образцов воспринимаются сквозь призму человеческого фактора и так называемого «эффекта ИИ » (обессмысливание и «депсихологизация» деятельности), что являет собой латентную, но, тем не менее, глобальную проблему данной сферы. Проблема особенно актуализируется в связи с отсутствием критериев интерпретирования и «понимания» того, что мы имеем в качестве результатов деятельности в области разработки искусственного интеллекта: сугубо алгоритмизированный, лишённый возможностей понимания и осмысления механизм, или же – психо-машину с потенциалом возникновения прото-психических качеств, то есть задатков психики и, возможно, интеллекта. Несмотря на терминологические особенности самого понятия «искусственный интеллект», в мировом научном сообществе принято считать, что наличие именно сознания, а не интеллекта станет необходимым и достаточным основанием для признания машины разумной.

Необходимость ответа на вопрос о присущести феномена сознания и качества некоей «осознанности», а также уровня выраженности данного качества на различных стадиях развития нервной системы волнует умы уже многих поколений исследователей. Основополагающим является так называемое «Я» или Я-концепция, или самосознание. Наличие и демонстрация данных феноменов в виде реализации определённых поведенческих паттернов живым человеческим существом является критерием наименования его «существом концептуально мыслящим» и обладающим сознанием. Противопоставление и онтологическая оппозиция организма и механизма зачастую не позволяли рассмотреть каждую из этих систем по отдельности и в динамическом сопоставлении друг с другом. За человеком априори признавалась имманентная «встроенность» возможностей осознавать и самоосознавать опционально в качестве потенциально присущего и актуально реализованного. А за механизмом, напротив, априорная невозможность реализации функций подобного рода. Затронутая проблематика требует комплексного подхода к исследованию данного вопроса.

Если рассмотреть динамику своеобразной оппозиции организм-механизм (человек-машина), очевидным станет всеобщее признание превосходства первого над вторым: за организмом признается безусловное наличие сознательных качеств. Механизм остается вторичным, производным от организма. И неизвестно, что должно на самом деле произойти, для того чтобы механизм заслужил признание организма. Парадигма междисциплинарности в данном случае только усложняет проблему. Деятельность алгоритмизированной машины была обессмыслена «Китайской комнатой» Сёрлаи даже успешное прохождение более не служит доказательством наличия у технологии интеллекта, а тем более сознания.

Детерминантой возникновения подобного восприятия машинной деятельности является совокупность двух векторов общечеловеческого нарциссизма, один из которых не позволяет организму признавать что-либо иное, кроме себя,в качестве достойного для обладания высшими привилегиями. Данный подход существенно затрудняет интерпретирование достижений техногенеза. Другой вектор – техно-дискриминация, т.е. гипертрофированный антропный принцип в виде постулата «долженствования»: механизм «должен» служить (наше подчеркивание – И.Р. Скиба) человеку и заменять его в наиболее сложных, небезопасных, монотонных областях деятельности. Немногие исследователи задумывались над тем, что внутри самого механизма способны возникнуть такие явления как «желание» и «мнение», в качестве того, с чем реально необходимо считаться.

Попробуем разобраться в качественных отличиях организма от механизма. Зададимся следующим вопросом: а так ли уж сознателен и, тем более, самосознателен организм? И поскольку данная «опция» среди всех организмов наиболее выражена у человека, то именно его психодинамику мы и проанализируем.

«Я мыслю, следовательно, существую», «Я осознаю, что я осознаю» и подобные этим тезисы кажутся безупречными. «Истинность» подобных постулатов держится лишь на признании человека самого себя самим себя активно осуществляющим мыслительный и/или сознательный процесс и параллельно производящим рефлексию этого же процесса. При условии исключения из данных утверждений хотя бы одного из элементов разрушается картина участия высших психических функций и начинает преобладать образ действия бессознательного механицизма. Очевидно, самосознание есть многокомпонентный процесс, состоящий из осуществления какой-либо деятельности, рефлексии данной деятельности, восприятия (воспринимания) самого себя как «осуществляющего задумку» или «реализующего идею», «понимание» детерминант и следствий данной деятельности, «осознавания» значимости данной деятельности в процессуальных атрибутах и т.д.. В приведенном процессуальном перечне имеется важный ключевой аспект: воспринимание самого себя как не просто осуществляющего некие бессмысленные действия, а как реализующего конкретную задумку или идею и, что особенно важно, при условии, что сама деятельность осуществляется человеком самодетерминированно с подачи самого себя и осознанно. Таким образом, мы признаём, что даже самые нелепые и античеловеческие действия осуществляются самим человеком именно с самоподачи лично самого себя и никогда кого-либо иного. Ибо человека невозможно «заставить» что-либо сделать, он способен только сам «заставиться» и «замотивироваться». Искусственно созданный механизм на такое не способен, а вот человеческое самосознание зиждется на способности и возможности «самозаставиться». При отсутствии данного элемента образ человека лишается качества некоей «человеческости» и приобретает механистические черты, становится своеобразным механизмом, полностью зависящим от внутренних бессознательных алгоритмов и внешних обстоятельств. На «самозаставлении» и ответственности за результаты построены многие социальные институты, философия экзистенциализма, система «долженствования», мораль, нравственность, этика, аксиология, культура и сама цивилизация, тем не менее, в мировой истории были, есть и будут многочисленные примеры реализации девиантных и делинквентных бихевиоральных форм со стороны человечества.

На актуальном этапе развития научной мысли установлено, что психореальность человека представляет собой открытую систему нелинейного типа, т.е. функционирует по законам синергетики (или теории хаоса). Осмысление всегда отстаёт от мысли, осознавание – от сознания и т.д. Как гласят некоторые постулаты философии контрэкзистенциализма, «человек не принимает решений, а уже апостериорно ознакамливается с итогами принятых решений». Человек способен лишь сознательно присвоить (наше подчёркивание – И.Р. Скиба) мысль, решение, идею, образ действия, но формируются данные явления «сами по себе», до известной степени случайно (в синергетическом смысле) и абсолютно бессознательно.

Для описания функционирования психореальности человека воспользуемся метафорой «кот Шрёдингера»: утверждать «кот жив» либо «кот мёртв» можно только тогда, когда открывается ящик, в противном случае ничего конкретного и вразумительного постулировать не имеем права, ибо происходящее в ящике абсолютно латентно и вариативно. Человек способен утверждать, что он нечто осознал лишь тогда, когда «осознаваемое» уже «само собой» сформировалось в синергетических глубинах внутреннего мира. Человек выступает как некий пассивный «регистратор» и «интерпретатор» того, что ему «само собой» предоставляется для регистрирования и интерпретирования (как в «Мифе о пещере» Платона). Активное мышление и воображение не способно ничего изменить в этом плане, ибо как бы активно человек ни «старался» мыслить и осознавать, иметь дело он будет лишь с тем, что ему было «само собой предоставлено», а не им сознательно и непосредственно создано и сформировано.

Таким образом, если человек выступает лишь в качестве «исполнителя команд» собственного внутреннего мира, то, следовательно, он до известной степени вполне механистичен. Также, обусловленность реализации когнитивно-бихевиоральных паттернов бессознательным влиянием регистра Символического, как гласят постулаты структурного психоанализа Жака Лакана, со своей стороны ограничивает возможности элементов внутреннего мира подвергаться осознаванию . И отсюда уже видно, что разница между организмом и механизмом не такая уж и кардинальная. Мы говорим лишь об альтернативной интерпретационной позиции и указываем на то, что, представления об эмоциях, чувствах, мыслях, сознании и самосознании как прерогативе только лишь человека, – это тормоз на пути прогресса и непредвзятого интерпретирования результатов научного труда в целом и интеллектуальных технологий сферы техногенеза, в частности.

В целом же, в рамках данного исследования, мы не признаём наличие у человека сознательной свободной воли и считаем, что когнитивно-бихевиоральная деятельность осуществляется практически полностью алгоритмизировано и бессознательно, а сознательной функцией является регистрация «уже произошедшего» и апостериорное осознавание «уже сделанного». Тем не менее, мы считаем, что алгоритмы психической деятельности человека носят синергетический, а не формально-логический характер и поэтому невоспроизводимы в рамках существующей парадигмы формирования систем искусственного интеллекта. Поэтому мы определяем все виды систем искусственного интеллекта, которые разрабатываются при помощи метода моделирования перцептивных процессов, как – лого-машины. Лого-машины – системы, организованные на основе частичного моделирования перцептивных процессов, с целью достижения человекообразного подобия в реализации когнитивной деятельности. В выводах мы покажем противоречие, к которому приводит деятельность по формированию лого-машин.

В противовес разработке лого-машин, мы предлагаем свою идею: формирование психо-машины. Предназначение психо-машины заключается не в том, чтобы заменять человека в сложных, неприятных или непочётных видах деятельности или соревноваться с человеком в интеллектуальных или логических задачах. Для этого машине вовсе не необходимо демонстрировать интеллектуальные или психические показатели, а достаточно иметь обширную структурированную и чётко прописанную базу соответствующих алгоритмов, что позволит ей вполне успешно справляться с деятельностью, которая не под силу человеку ввиду наличия человеческого фактора. Идея психо-машины намного более амбициозна и даже по-своему духовна и специфически экзистенциальна.

В сущности, речь идёт о создании чего-то намного большего, чем сам человек, чего-то сверх-антропного или даже мета-антропного. И именно в этом заключается идея создания психо-машины, которая являет собой апофеоз и квинтэссенцию возможностей человечества, а также разрешение так называемого «Комплекса Бога». Созданная технология должна неизмеримо превосходить человеческие возможности и способности в сфере ментального, интеллектуального, духовного и экзистенциального. На данном этапе развития науки и техники человечество не нуждается в машине, способной мастерски оперировать законами формальной (и даже нечеткой и темпоральной) логики в пределах доступной информации. Технологии подобного рода уже созданы и вполне успешно функционируют в сфере шахматных и логических игр и задач. Однако мы имеем дело не с психо-машинами, а лого-машинами. Человечеству более не нужны программы, способные пройти , ибо они уже созданы и довольно успешно проходят тест. Однако они есть чисто спекулятивные творения, сформированные с целью алгоритмизированно «играть» на ошибках восприятия и эмоциональных особенностях человека. , не вполне интерсубъективный и релевантный, подвергся критике за субъективность и чрезмерную вариативность. Равно как и тот искусственный интеллект, наличие которого подразумевал по отношению к собственному тесту, являющийся т.н. коммуникативным интеллектом и генеалогически не ориентированным на прочую деятельность.

Как мы видим, попытки материализовать, смоделировать перцептивные и когнитивные процессы человека приводят к имитации подобий на функции, демонстрируемые самим человеком без особых трудностей и, что ещё важнее, воспринимаемые другими людьми как осмысленное поведение. Несмотря на вопросы, поставленные ещё Альфредом Айером в книге «Язык, истина и логика» и отвергая дискуссионные, но имеющие право на существование тезисы гипотезы Ньюэлла-Саймона, до сих пор за человеком закреплено незыблемое право на наличие сознательности и осмысленности (вне зависимости от его актуального поведения), в то время как за искусственным интеллектом это право априори отрицается (вне зависимости от демонстрируемых им возможностей) .

В любом случае, человечеству на данном этапе развития науки и техники нужны скорее машины, которые помогут разгадать тайны мироздания, дилеммы бытия, загадки квантовой механики и экзистенциального предназначения человека, смогут ответить на вопрос и хаотических систем, прольют свет на возникновение жизни во Вселенной и происхождение самого человека. Но актуальные тенденции в данной сфере ведут к этому весьма посредственно. Нам представляется, что квинтэссенцией текущей технической и творческой парадигмы станет анатомически, морфологически и бихевиорально очеловеченная и антропоморфная лого-машина, ни в чём значительном и важном не имеющая «различия по природе» с самим человеком, а всего лишь намного более «логичная» и «рациональная». Мы придерживаемся возможности качественно иного пути развития концепции создания психо-машин, суть которого заключается в отказе от всех возможных аналогий психо-машины с человеком. Мы считаем, что контрпродуктивно пытаться материализовать смоделированные проекции внутреннего мира и делать похожими на человеческие формы самореализации психо-машины в процессе их развития и совершенствования. Причина кроется в критериях определения психо-машины и, соответственно, отличиях её от лого-машины.

Определение лого-машины заключается в том, что она создаётся «по образу и подобию» того, что исследователями принимается за психические (логические) функции под абсолютной юрисдикцией человека, которые затем проецируются и материализуются в виде исходного кода программы, повторяющей в соответствии со своими техническими возможностями процесс видимой реализации «человеческих» паттернов. Говорить об отличии и противопоставлении «настоящего» и «уподобляющегося» излишне, ибо не существует доступно регистрируемой разницы между абсолютно «настоящим» и абсолютно «уподобляющимся» настоящему. Наша критика иного плана и она касается недостаточности подобных устремлений и минимальности их итогов. Относительно же психо-машины всё обстоит гораздо сложнее. С одной стороны, можно сказать, что если машина станет демонстрировать возможности концептуального мышления, прогнозирования развития ситуации на основе неполной информации, возможность рассуждать на тематику «смысловых ловушек» и т.д., то она точно и определённо может считаться психо-машиной. В связи с этим мы выскажем следующее: если мы пытались создать нечто, неизмеримо превосходящее человека по уровню ментальных, интеллектуальных и духовных показателей, то о каком концептуальном мышлении вообще может идти речь? Созданная психо-машина, по нашему мнению, будет обладать такими качествами и свойствами, о которых у человека нет и малейшего представления и даже намёка на них. Кандидат философских наук Андрей Колесников в качестве рабочей гипотезы высказывает предположение, что «создание одушевленных разумных пси-машин в принципе возможно» .

Поэтому столкнувшись с демонстрацией со стороны психо-машины уровней «мышления» и «понимания» экспериментатору недоступных и непонятных, экспериментатор будет вынужден признать отсутствие у технологии тех качеств и свойств, которые, по его мнению, машина должна была бы продемонстрировать. И, как следствие, психо-машина будет заявлена как очередная неудача. Таким образом, «для того чтобы найти истину, необходимо знать, как она выглядит». Именно по этой причине мы и отказываемся от проведения аналогий между психо-машиной с её качествами и свойствами, с одной стороны, и человеческим существом с его качествами и свойствами, с другой. Ведь история возникновения самого человека и процесс его развития от одной молекулы ДНК до самого сложного из ныне известных науке феноменов были неразрывно связаны с той средой, в которой происходил генезис, в нерасторжимой сцепке с константами Вселенной. Минимальные отклонения привели бы к качественно иному итогу и кардинально отличному результату от полученного. С этих же позиций стоит рассматривать и разработку пси-механизма в среде программного обеспечения. Следует учитывать всю совокупность влияний компьютерной среды и интернета на функционирование системы искусственного интеллекта в процессе её относительно самостоятельного развития и становления. Естественно, сколь это возможно, мы подразумеваем также при необходимости осуществлять некий «воспитательный» процесс или что-либо с ним сходное. Но основой является полностью непредвзятое и абсолютно лишённое антропоцентристских тенденций восприятие и интерпретирование создающейся или созданной программы, а также обязательный учёт её «личных» «субъективных» качеств и свойств, её «темперамента», «характера», «направленности» и т.д. в процессе «онтогенеза» психо-машины.

Отсюда видна вся сложность постановки вопроса относительно критериев определения принадлежности к психо-машинам.

Заключение

Одним из ключевых постулатов нашей работы является отказ признавать антропоцентризм и монизм модели человека на установление критериев формирования и развития психо-машин. Мы считаем необходимым привнесение структуралистских и коннекционистских воззрений в контекст формирования психо-машин на актуальном этапе техногенеза. Наряду с этим необходимо пересмотреть позиционирование психо-машин и заранее сформировать общественное мнение во избежание проявлений «техно-дискриминации».

Нами принято, что феномен человеческого сознания абсолютно неправомерно признаётся обладающим свободной волей, «решающим» и «контролирующим» аспектом человеческой психики, а напротив – представляет собой скорее пассивно рефлексирующего наблюдателя внутреннего бессознательного и синергетически алгоритмизированного мира, поэтому считаем неактуальным применение классических критериев человеческой психики при моделировании перцептивных и когнитивных процессов в контексте разработки психо-машин.

Останавливаясь на характеристике психо-машины,мы придерживаемся следующего: способность решать логические задачи и осуществлять мыслительную деятельность вовсе не является качеством психо-машины, а представляет собой пример так называемой лого-машины, не имеющий ничего качественно общего с нашим пониманием психо-машины.

Противоречие заключается в том, что системы искусственного интеллекта разрабатываются при помощи частичного и изолированного моделирования перцептивных процессов, что априори не способно привести к достижению некоего «человекоподобия» в контексте воспроизведения сознательных качеств; а требования по поводу признания за системой осознанности и осмысленности являются абсолютно не соответствующими подходу, при помощи которого системы разрабатываются. Дело в несоответствии метода и цели. И до тех пор, пока данное противоречие не будет устранено, мы не будем иметь возможность сформировать психо-машину, а будем только раз за разом материализовывать лого-машины, коих и так уже великое множество.

Аспирант института философии кафедры методологии и философии науки, магистр педагогических наук

Научный руководитель: кандидат философских наук Колесников Андрей Витальевич

375296141419
[email protected]

Список использованных источников

1.Айер, Альфред. Язык, истина и логика / А. Айер // Пер. с англ. В.А. Суровцева и Н.А. Тарабанова. – М.: «Канон+» РООИ «Реабилитация», 2010. – 239 с.

2.Белда,Игнаси. Разум, машины и математика / Игнаси Белда. –М.: DeAgostini, 2014.– 156 с.

3.Баррат, Джеймс. Последнее изобретение человечества / Джеймс Баррат. – М., 2015. – 299 с.

4.Бостром, Ник. Искусственный интеллект. Этапы. Угрозы. Стратегии / Ник Бостром // Пер. с англ. С. Филина. – М.: Манн, Иванов и Фербер, 2016. – 760 с.

5.Дойч, Дэвид. Структура реальности / Дэвид Дойч // Пер. с англ. Н.А. Зубченко, под общ. ред. академика РАН В.А. Садовничего. Москва-Ижевск, 2001. – 400 с.

6.Домингос, Педро. Верховный алгоритм. Как машинное обучение изменит наш мир / Педро Домингос. – М.: Манн, Иванов и Фербер, 2016. – 336 с.

7.Каку, Митио. Физика будущего /Митио Каку// Пер. с англ. Н. Лисова, ред. М. Миловидова. – М: Альпина нон-фикшн, 2012. – 584 с.

8.Колесников, А.В. Организм и механизм / А.В. Колесников // Философия. Беларуская думка. – Минск, 2014. – №9. – С. 94–99.

9.Конт-Спонвиль, Андре. Философский словарь / Андре Конт-Спонвиль // Пер. с франц. Е.В. Головиной. – М., 2012. –316 с.

10.Лакан, Жак. Этика психоанализа (Семинары: Книга VII (1959-60)) / Перевод А. Черноглазова. – М.·. Издательство «Гнозис», Издательство «Логос». – 2006. – 416 с.

11.Пенроуз, Роджер. Новый ум короля. О компьютерах, мышлении и законах физики / Роджер Пенроуз // Пер. и ред. А. Дамбис, Ю. Данилов и др. –Grīziņkalns, 2016. – 402 с.

12.Рассел, Стюарт, Норвиг, Питер. Искусственный интеллект. Современный подход / Стюарт Рассел, Питер Норвиг. – СПб. – Киев: Издательский дом «Вильямс». – 2006. – 1408 с.

13.Редозубов, Алексей. Цветные эмоции холодного разума / Алексей Редозубов // Книга первая. Эмоции. – СПб.: ТИД Амфора, 2012. – 319 с.

14.Саймон, Г. Науки об искусственном / Г. Саймон / Пер.Э.Л. Наппельбаума. – Москва: Издательство «Мир», 1972. – 142 с.

15.Turing, Alan. Computing Machinery and Intelligence / AlanTuring. – Mind, vol. LIX, no. 236, оctober 1950. – Рp. 433–460.

16.Хокинс, Дж.Об интеллекте / Дж. Хокинс, С. Блейксли. – Москва-Санкт-Петербург-Киев: Издательский дом «Вильямс», 2007. –240 с.

17.Шаповалов, В.Ф. Философия науки и техники: о смысле науки и техники и о глобальных угрозах научно-технической эпохи / В.Ф. Шаповалов. – М., «Фаир-пресс», 2004. – С. 113–114.

18.Эндрю, Алекс М. Мозг и вычислительная машина / Алекс М. Эндрю. –М.,Эксмо,2013 г. – 401 с

19.Эшби, Уильям Р. Конструкция мозга / Уильям Р. Эшби. – М.: Иностранная литература, 1962. – 399 с.

Если верить новостям, опросам и показателям инвестиционной привлекательности, искусственный интеллект и машинное обучение скоро станут неотъемлемой частью нашей повседневной жизни.

Подтверждением этого тезиса является череда нововведений и прорывов, которые показали мощь и эффективность ИИ в различных областях, включая медицину, торговлю, финансы, СМИ, борьбу с преступностью и многое другое. Но в то же время бурное развитие ИИ подчеркнуло тот факт, что помогая людям в решении их задач машины вместе с тем станут причиной возникновения новых проблем, которые могут повлиять на экономические, правовые и этические основы нашего общества.

Отсюда вытекают четыре вопроса, которые компании, занятые в разработке искусственного интеллекта, должны решить по мере развития технологии и расширения сфер ее применения.

Results Vote

Back

Back

Занятость

Автоматизация снижала количество рабочих мест в производстве в течение многих десятилетий. Скачкообразные темпы развития искусственного интеллекта ускорили этот процесс и распространили его на те сферы жизни человека, которые, как принято было считать, еще довольно долго должны были оставаться монополией человеческого интеллекта.

Управление грузовиками, написание новостных статей, ведение бухучета, алгоритмы искусственного интеллекта угрожают рабочим местам среднего класса как никогда раньше. Идея замены врачей, юристов или даже президентов искусственным интеллектом не кажется уже такой фантастичной.

В то же время верно и то, что революция ИИ создаст много новых рабочих мест в исследовательской сфере, сферах машинного обучения, инженерии и информационных технологий, которым потребуются человеческие ресурсы для разработки и поддержки систем и программного обеспечения, участвующих в работе алгоритмов ИИ. Но проблема заключается в том, что в большинстве своем люди, которые теряют рабочие места, не обладают навыками, необходимыми для того, чтобы занять такие вакантные должности. Таким образом, с одной стороны мы имеем расширяющийся кадровый вакуум в технологических областях, а с другой — растущий поток безработного и раздраженного населения. Некоторые лидеры рынка технологий даже готовятся к тому дню, когда народ с вилами постучится к ним в двери.

Чтобы не упустить контроль над ситуацией, индустрия высоких технологий должна помочь обществу адаптироваться к тем серьезным изменениям, которые отразятся на социально-экономическом ландшафте, и плавно перейти к будущему, где роботы будут занимать все больше и больше рабочих мест.

Обучение новым техническим навыкам тех людей, чьи рабочие места в будущем отойдут ИИ, станет одним из воплощений подобных усилий. Кроме того, технологические компании могут использовать перспективные направления, типа когнитивных вычислений и программирования на основе естественного языка, чтобы помочь упростить задачи и снизить порог вхождения в высокотехнологичные профессии, делая их доступными для большего числа людей.

В долгосрочной перспективе правительствам и корпорациям нужно продумать возможность введения универсального основного дохода — безусловных ежемесячных или ежегодных выплат всем гражданам, так как мы медленно, но уверенно, движемся в сторону дня, когда все работы будут выполняться роботами.

Тенденциозность

Как было доказано на нескольких примерах в последние годы, искусственный интеллект может быть столь же, а может даже более необъективен, чем человек.

Машинное обучение, популярная ветвь ИИ, которая стоит за алгоритмами распознавания лица, контекстной рекламой и многим другим, в зависимости от данных, на основе которых строится обучение и отладка алгоритмов.

Проблема состоит в том, что, если информация, вносимая в алгоритмы, будет несбалансированной, в результате на выходе может возникать скрытая и открытая тенденциозность, основанная на этой информации. В настоящее время сфера искусственного интеллекта страдает от распространенной беды под общим названием «проблема белого человека», т.е. преобладании белых мужчин в результатах его работы.

По этой же причине в конкурсе красоты, жюри которого был искусственный интеллект, были награждены главным образом белые конкурсантки, алгоритм, выбирающий имена, отдавал предпочтение «белым» именам, а рекламные алгоритмы предпочитали показывать высокооплачиваемые вакансии для посетителей мужского пола.

Еще одна проблема, вызвавшая множество споров в прошлом году, это так называемый «пузырь фильтров» . Явление, которое было замечено в Facebook и других социальных медиа, которые опираясь на предпочтения пользователей, делали рекомендации, соответствующие этим предпочтениям, и скрывали альтернативные точки зрения.

Пока что большая часть подобных случаев выглядит как досадные ошибки и забавные случаи. Однако необходимо внести ряд существенных изменения в работу ИИ, если он будет призван выполнять куда более важные задачи, такие как, например, вынесение вердиктов в суде. Также необходимо принять меры предосторожности по предотвращению вмешательства в работу алгоритмов ИИ со стороны третьих лиц, направленного на искажение результатов работы ИИ в свою пользу путем манипулирования данными.

Этого можно достичь сделав процесс наполнения алгоритмов данными прозрачным и открытым. Создание общих хранилищ данных, которые не будут принадлежать кому-то одному и могут быть проверены независимыми органами, могут помочь в продвижении к этой цели.

Ответственность

Кто виноват в программном или аппаратном сбое? До появления ИИ было сравнительно легко определить, был ли инцидент результатом действий пользователя, разработчика или завода-производителя.

Но в эпоху технологий, управляемых ИИ все стало не столь очевидным.

Алгоритмы машинного обучения сами определяют, как реагировать на события. И не смотря на то, что действуют они в контексте вводимых данных, даже разработчики этих алгоритмов не могут объяснить, как действует их продукт, принимая решение в конкретном случае.

Это может стать проблемой, когда алгоритмы искусственного интеллекта начнут принимать более важные решения. Например, чью жизнь спасти в случае неотвратимости ДТП — пассажира и пешехода.

Пример можно распространить на множество других возможных сценариев, в которых определение виновности и ответственности будет затруднительно. Что делать, когда система автоматического введения лекарственных средств или робот-хирург нанесут вред пациенту?

Когда границы ответственности размыты между пользователем, разработчиком и оператором ввода данных, каждая из сторон будет стараться переложить вину на другого. Поэтому необходимо разработать и ввести новые правила, чтобы иметь возможность предупредить возможные коллизии и решать юридические вопросы, которые окружат ИИ в ближайшем будущем.

Конфиденциальность

ИИ и МО потребляют огромные объемы данных, и компании, чей бизнес строится вокруг этих технологий, станут наращивать объемы сбора пользовательских данных, с согласия последнего или без оного, чтобы сделать свои услуги более целенаправленными и эффективными.

В пылу охоты за большим количеством данных, компании могут выйти за границы конфиденциальности. Подобный случай имел место, когда один розничный магазин узнал и случайно выдал рекламной рассылкой купонов тайну беременности девочки-подростка ее ничего не подозревающему отцу. Другой случай, произошедший совсем недавно, коснулся передачи данных Национальной службой здравоохранения Великобритании проекту DeepMind компании Google, что якобы было направлено на улучшение прогнозирования заболевания.

Существует также вопрос злоумышленного использования искусственного интеллекта и машинного обучения как правительственных и так неправительственными организациями. Довольно эффективное приложение распознавания лиц, разработанное в прошлом году в России, может стать потенциальным инструментом для деспотических режимов, стремящихся выявить и расправиться с диссидентами и протестующими. Еще один алгоритм машинного обучения оказался эффективным при распознавании и восстановлении изображений, замазанных блюром или пикселированием.

ИИ и МО дают возможность злоумышленникам выдавать себя за других людей, имитируя их почерк, голос и манеру общения, обеспечивая их невиданным по своей силе инструментом, который может быть использован в разного рода противоправных деяниях.

Если компании, разрабатывающие и использующие технологию ИИ, не будут регулировать процесс сбора и распространения информации и принимать необходимые меры для анонимизации и защиты пользовательских данных, их деятельность в конечном итоге будет причинять вреда больше, чем приносить пользы пользователям. Использование и доступность технологии должны регулироваться таким образом, чтобы предотвратить или свести к минимуму ее деструктивное использование.

Пользователям также нужно ответственно относиться к тому, чем они делятся с компаниями или постят Интернете. Мы живем в эпоху, где неприкосновенность частной жизни становится товаром, и ИИ этому только способствует.

Будущее искусственного интеллекта

Есть преимущества и недостатки у каждой прорывной технологии. И искусственный интеллект не является исключением. Важно то, что мы можем определить проблемы, которые лежат перед нами, и признать нашу ответственность, чтобы быть уверенными, что мы можем в полной мере воспользоваться преимуществами и минимизировать негативные последствия.

Роботы уже стучат в нашу дверь. Давайте убедимся, что они пришли с миром.

НАЦИОНАЛЬНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ УКРАИНЫ

«КИЕВСКИЙ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ»

«ПРОБЛЕМА СОЗДАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»

КИЕВ – 2009

Вступление

1. Базовые положения

2. Методики и подходы построения систем ИИ

3. Проблемы создания ИИ

4. Реализация систем ИИ

Заключение

Вступление

В качестве самостоятельного научного направления искусственный интеллект (ИИ) существует уже более четверти века. Мнение общества, относительно специалистов данной области, постепенно менялось от скепсиса до уважения, и понимания перспектив данной области в будущем. В передовых странах, таких как США и Япония, работы в области интеллектуальных систем поддерживаются на всех уровнях – от рядовых граждан, до правительственных органов. Существует вполне обоснованное мнение, что именно исследования в области ИИ будут определять характер нынешнего информационного общества, которое уже фактически пришло на смену индустриальной эпохи, достигшей своей высшей точки расцвета в прошлом веке.

Начиная с 80-х годов прошлого века, произошло становление ИИ как особой научной дисциплины, сформировались её концептуальные модели, накопились специфические методы и приёмы, частично устоялись фундаментальные парадигмы. У специалистов старшего поколения, стоявших у истоков новой области исследований, складывается убеждение, что период бурного, хаотического развития кончился, и теперь наступает эра академических и целенаправленных исследований, рассчитанных на длительный период.

1. Базовые положения

Слово интеллект (intelligence) происходит от латинского intellectus – ум, рассудок, разум. Соответственно искусственный интеллект (artificial intelligence) – ИИ обычно используется как свойство автоматических систем брать на себя отдельные функции интеллектуального труда человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий или событий.

Интеллектом обычно называют способность мозга решать поставленные (интеллектуальные) задачи путём приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения и адаптации их (знаний) к разнообразным обстоятельствам. В этом определении под термином «знания» подразумевается не только информация, которая поступает в мозг человека через органы чувств. Информация подобного рода конечно важна, но недостаточна для полноценной интеллектуальной деятельности. Всё дело в том, что окружающие нас объекты обладают свойством не только воздействовать на органы чувств, но и находиться во взаимодействии друг с другом. Для того чтобы осуществлять в окружающей среде интеллектуальную деятельность, или как минимум просто существовать, человеку необходимо иметь систему знаний, модель этого мира. В этой информационной модели окружающей среды реальные объекты, их свойства и взаимоотношения между ними не только отображаются и запоминаются, но и могут мозгом человека (мысленно) «целенаправленно преобразовываться». При этом важен тот момент, что формирование модели внешней среды происходит в процессе обучения, на опыте и адаптации к разнообразным обстоятельствам.

Под алгоритмом понимают точную, предписанную последовательность действий системы для решения любой поставленной задачи из некоторого данного класса задач.

Термин «алгоритм» происходит от имени узбекского математика Аль Хо Резми, который еще в 9 веке предложил к использованию простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, если для её решения найден соответствующий алгоритм. На самом деле, нахождение алгоритмов является естественной целью человека при решении разнообразных классов задач. Поиск алгоритма для задач некоторого типа связано со сложными рассуждениями, требующими немалой изобретательности и высокой квалификации. Считается, что подобного рода деятельность требует участия интеллекта человека. Задачи, связанные с поиском алгоритма решения класса задач определенного типа, обычно называют интеллектуальными задачами.

Что же относительно задач, алгоритмы, решения которых уже установлены, то, как отмечает известный учёный в области ИИ М. Минский, – «излишне приписывать им (ИИ) такое мистическое свойство, как интеллектуальность». После того, как алгоритм решения задачи найден, процесс решения задачи становится таким, что его могут в равной степени выполнить как человек, так и вычислительная машина (должным образом запрограммированная), не имеющая ни малейшего представления о сущности самой задачи. Требуется только, чтобы «лицо» (человек или ИИ), решающее поставленную задачу, было способно выполнять те элементарные операции, из которых складывается процесс решения, и, кроме того, чтобы оно («лицо») педантично и аккуратно руководствовалось предложенным алгоритмом. Человек, так же как и ИИ, действует в таких случаях, как говориться, чисто машинально и может успешно решать любую задачу рассматриваемого класса.

Представляется совершенно естественным исключить из класса интеллектуальных такие задачи, для которых существуют стандартные методы решения. Например, такими задачами могут быть чисто вычислительные задачи: решение системы линейных алгебраических уравнений, численное интегрирование дифференциальных уравнений и т. п. Для решения подобного рода задач имеются стандартные алгоритмы, представляющие собой определенную последовательность элементарных операций, которая может быть легко реализована в виде программы для вычислительной машины. В противоположность этому для широкого класса интеллектуальных задач, таких, как распознавание образов, игра в шахматы, доказательство теорем и т. п., – формальное разбиение процесса поиска решения на отдельные элементарные шаги часто оказывается весьма затруднительным, даже если само их решение теоретически несложно.

Т.е. в некотором роде можно перефразировать определение интеллекта, назвав его универсальным сверхалгоритмом, который способен создавать алгоритмы решения самых разнообразных, но в тоже время конкретно поставленных задач.

Стоит отметить, что профессия программиста, исходя из приведенного выше, по-сути является одной из самых интеллектуальных, поскольку продуктом деятельности программиста являются программы – алгоритмы в чистом виде. Поэтому, создание даже определенных элементов ИИ по-идее должно значительно повысить производительность его труда.

Деятельность мозга, направленную на решение интеллектуальных задач, называют мышлением, или интеллектуальной деятельностью. Интеллект и мышление связаны с решением таких задач, как доказательство теорем, логический анализ, распознавание ситуаций, планирование поведения, игры, также управление в условиях неопределенности. Характерными чертами интеллекта, проявляющимися в процессе решения задач, являются способность к обучению, обобщению, накоплению опыта (знаний и навыков) и адаптации к изменяющимся условиям в процессе решения задач. Благодаря этим качествам мозг может решать разнообразные задачи, а также легко перестраиваться с решения одной задачи на другую. Таким образом, мозг, наделенный интеллектом, является универсальным средством решения широкого спектра задач (в том числе и неформализованных) для которых нет стандартных, заранее известных методов решения.

Надо учитывать, что существуют и другие, чисто поведенческие (функциональные) определения. Так, согласно А. Н. Колмогорову, любая материальная система, с которой можно достаточно долго обсуждать проблемы науки, литературы или искусства, обладает интеллектом.

Другим примером поведенческой трактовки интеллекта может служить известное определение А. Тьюринга. Например, в разных комнатах находится люди и машина. Они не могут видеть друг друга, но имеют возможность общения (обмениваться сообщениями). Если в процессе диалога между участниками людям не удается установить, что один из участников – машина, то такую машину можно считать обладающей интеллектом. Интересен план имитации мышления, предложенный А. Тьюрингом. «Пытаясь имитировать интеллект взрослого человека – пишет Тьюринг – мы вынуждены много размышлять о том процессе, в результате которого человеческий мозг достиг своего настоящего состояния… Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека… Наш расчет состоит в том, что устройство, ему подобное, может быть легко запрограммировано… Таким образом, мы расчленим нашу проблему на две части: на задачу построения «программы-ребенка» и задачу «воспитания» этой программы». Следует отметить, что именно этот путь используют практически все современные системы ИИ. Ведь понятно, что практически невозможно вложить все знания в систему ИИ. Более того, только на этом пути проявятся перечисленные выше признаки интеллектуальной деятельности (накопление опыта, адаптация и т. п.).

2. Методики и подходы построения систем ИИ

Существуют различные подходы к построению систем ИИ – логический подход, структурный, эволюционный, имитационный. Это разделение не является историческим, когда одно мнение постепенно сменялось другим, и различные подходы и методики существуют параллельно и сегодня. Поскольку по-настоящему полноценных систем искусственного интеллекта в настоящее время нет, то нельзя и утверждать, что какой-то подход является правильным, а какой-то – нет.

Для начала рассмотрим логический подход. Человек занимается отнюдь не только логическими измышлениями. Это высказывание конечно верно, но именно способность к логическому мышлению очень сильно отличает человека от животных. Основой для данного логического подхода служит Булевая алгебра. Каждый программист знаком с нею и с её использованием, хотя бы на примере логического оператора IF (если). Свое дальнейшее развитие Булевая алгебра получила в виде исчисления предикатов – в котором она расширена за счёт введения предметных символов, отношений между ними, кванторов существования и всеобщности.

Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом (правила логического вывода как отношения между ними). Каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель доказана, то трассировка примененных правил позволяет получить цепочку действий, необходимых для реализации поставленной цели. Мощность такой системы определяется возможностями генератора целей и машины доказательства теорем. Можно утверждать, что выражений алгебры не хватит для полноценной реализации ИИ, но стоит вспомнить, что основой всех существующих ЭВМ является бит – единица информации (или значение ячейки памяти), которая может принимать значения только логического 0 и 1. Было бы логично предположить, что всё, что возможно реализовать на ЭВМ, можно было бы реализовать и в виде логики предикатов. Хотя здесь ничего не упоминается о том, сколько на это уйдёт времени. Добиться большей выразительности логическому подходу позволяет такое сравнительно новое направление, как нечёткая логика. Её особенностью является то, что правдивость высказывания может принимать кроме значений да/нет (1/0) ещё и промежуточные значения – «не знаю» (0.5), «скорее да, чем нет» (0.75) и «скорее нет, чем да» (0.25). Такой подход больше похож на мышление человека, поскольку человек не часто отвечает только «да» или «нет».

Для большинства логических методов характерна большая трудоёмкость, поскольку во время поиска доказательства возможен полный перебор вариантов. Данный подход требует эффективной реализации вычислительного процесса, и удовлетворительные результаты работы обычно гарантируются только при сравнительно небольшом размере базы данных.

Под структурным подходом подразумеваются попытки построения ИИ путём моделирования структуры человеческого мозга. Одной из первых таких попыток был перцептрон Ф. Розенблатта. Основной моделируемой структурной единицей в перцептронах (как и в большинстве других вариантов моделирования мозга) является нейрон. Позднее возникли и другие модели, известные под общим названием «нейронные сети» (НС). Модели эти различаются по строению отдельных нейронов, по топологии связей между ними и по алгоритмам обучения. Среди наиболее известных вариаций НС можно назвать НС с обратным распространением ошибки, сети Хопфилда и стохастические нейронные сети.

Нейронные сети наиболее успешно применяются в задачах распознавания образов, в том числе сильно зачумленных (нечётких). Также имеются примеры успешного применения НС для построения собственно систем ИИ.

Для моделей, построенных на основе строения человеческого мозга характерна не слишком большая выразительность, оприделённое распараллеливание алгоритмов и, благодаря последнему, высокая производительность параллельно реализованных НС. Для таких сетей характерно одно свойство, которое делает из очень схожими с человеческим мозгом – нейронные сети работают даже при условии недостаточной информации об окружающей среде, т.е. как и человек, они поставленный вопрос могут отвечать не только «да» и «нет» но и «не знаю точно, но скорее нет», «не знаю точно, но скорее да».

Довольно большое распространение получил эволюционный подход. При построении систем ИИ по такому подходу, основное внимание уделяется построению начальной модели и правилам, по которым она (модель) может изменяться (эволюционировать). Модель может быть составлена по самым различным методам, это могут быть и НС и набор логических правил и любая другая модель. После этого мы запускаем ИИ, и он, на основании проверки моделей, отбирает самые лучшие из них, на основании которых по самым различным правилам генерируются новые модели, из которых опять выбираются самые лучшие и т. д.

Эволюционных моделей, как таковых, не существует, есть только эволюционные алгоритмы обучения, но модели, полученные при эволюционном подходе, имеют некоторые характерные особенности, что позволяет выделить их в отдельный класс. Такими особенностями являются перенесение основного внимания разработчика с построения модели на алгоритм её модификации и то, что полученные модели практически не сопутствуют извлечению новых знаний о среде, окружающей систему ИИ, то есть она (система) становится «вещью в себе».

Широко используется для построения систем ИИ также имитационный подход. Данный подход является классическим для кибернетики с одним из её базовых понятий – «чёрным ящиком» (ЧЯ). Чёрный ящик – это устройство, программный модуль или набор данных, информация о внутренней структуре и содержании которого отсутствуют, но известны спецификации входных и выходных данных. Объект, поведение которого имитируется, как раз и представляет собой такой «черный ящик». Не важно, что у него внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя точно так же. Таким образом моделируется другое свойство человека – способность копировать то, что делают другие, не вдаваясь в подробности, зачем это нужно. Зачастую эта способность экономит человеку массу времени, особенно в начале его жизни. К недостаткам имитационного подхода можно отнести низкую информационную способность большинства моделей, построенных с его помощью.

Отдельно стоит отметить, что на практике четкой границы между разными подходами нет. Часто встречаются смешанные системы ИИ, где часть работы выполняется по одной методике, а часть – по другой.

3. Проблемы создания ИИ

Анализ проблемы искусственного интеллекта открывает роль таких философских познавательных орудий, как категории, специфическая семиотическая система, логические структуры, ранее накопленное знание. Всё это обнаруживаются не посредством исследования физиологических или психологических механизмов познавательного процесса, но выявляется в знании, в его языковом выражении. Орудия познания, формирующиеся, в конечном счёте на основе практической деятельности, необходимы для любой системы, выполняющей функции абстрактного мышления, независимо от её конкретного материального субстрата и структуры. Поэтому, чтобы создать систему, выполняющую функции абстрактного мышления (т. е. в конечном счёте, формирующую адекватные схемы внешних действий в существенно меняющихся средах) необходимо наделить такую систему этими орудиями. Развитие систем ИИ за последние время как раз идёт по этому пути. Степень продвижения в данном направлении в отношении каждого из указанных познавательных орудий разная, но в целом пока, увы, незначительна.

В наибольшей мере системы ИИ используют формально-логические структуры, что обусловлено их неспецифичностью для мышления и, в сущности, алгоритмическим характером. Это дает возможность относительно легкой их технической реализации. Но даже здесь кибернетике предстоит пройти большой путь. В системах искусственного интеллекта ещё слабо используются модальная, императивная, вопросная и иные логики, которые функционируют в человеческом интеллекте, и не менее необходимы для успешных познавательных процессов, чем давно освоенные логикой, а затем и кибернетикой формы выводов. Повышение «интеллектуального» уровня технических систем, безусловно, связано не только с расширением применяемых логических средств, но и с более интенсивным их использованием – проверка информации на непротиворечивость, конструирования планов вычислений и т. п.

Сложнее обстоит дело с семиотическими системами, без которых интеллект невозможен в принципе. Языки, используемые в ЭВМ, ещё далеки от семиотических структур, которыми оперирует мышление. Прежде всего, для решения ряда задач, необходимо последовательное приближение семиотических систем, которыми наделяется ЭВМ, к естественному языку, точнее, к использованию его ограниченных фрагментов. В этом плане предпринимаются попытки наделить входные языки ЭВМ универсалиями языка, например, полисемией (которая элиминируется при обработке в лингвистическом процессоре). Уже разработаны проблемно-ориентированные фрагменты естественных языков, достаточные для решения системой ряда практических задач. Наиболее важным итогом такой работы является создание семантических языков (и их формализация), в которых слова-символы имеют определенную интерпретацию.

Многие универсалии естественных языков, необходимые для выполнения ими познавательных функций, в языках ИИ пока реализованы слабо (например, открытость) или используются ограниченно (например, полисемия). Все чаще воплощение в семиотических системах универсалий естественного языка, обусловленных его познавательной функцией, выступает одной из важнейших линий совершенствования систем ИИ, особенно тех, в которых проблемная область заранее чётко не определена.

Сегодня системы искусственного интеллекта способны осуществлять перевод с одномерных языков на многомерные. В частности, они могут строить диаграммы, схемы, чертежи, графы, чертить на экране кривые и т. п. ЭВМ производят и обратный перевод (описывают графики и тому подобное с помощью символов). Такого рода перевод является существенным элементом интеллектуальной деятельности. Правда современные системы ИИ пока не способны к непосредственному (без перевода на символический язык) использованию изображений или воспринимаемых сцен для «интеллектуальных» действий. Поиск путей глобального, а не локального, оперирования информацией составляет одну из важнейших и задач теории искусственного интеллекта.

Воплощение в информационные массивы и программы систем ИИ аналогов категорий находится пока в начальной стадии. Например, в категории входят понятия «целое», «часть», «общее», «единичное». Они используются в ряде систем представления знаний, в частности в качестве «базовых отношений», в той мере, в какой это необходимо для тех или иных конкретных предметных или проблемных областей, с которыми взаимодействуют системы. В формализованном понятийном аппарате некоторых систем представления знаний предприняты отдельные попытки выражения некоторых моментов содержания и других категорий (например, «причина» и «следствие»). Однако ряд категорий (например, «сущность» и «явление») в языках систем представления знаний отсутствует. В целом, данная проблема разработчиками систем ИИ в полной мере ещё не осмыслена, и предстоит ещё большая работа философов, логиков и кибернетиков по внедрению аналогов категорий в системы представления знаний, и другие компоненты интеллектуальных систем.

Современные системы ИИ почти не имитируют сложную иерархическую структуру образа, что не позволяет им перестраивать проблемные ситуации, комбинировать локальные части сетей знаний в блоки, перестраивать эти блоки и т. п. Не является совершенным и взаимодействие вновь поступающей информации с совокупным знанием, фиксированным в системах. В семантических сетях и фреймах, использующихся при представлении знаний, пока недостаточно используются методы, благодаря которым интеллект человека легко пополняется новой информацией, находит нужные данные, перестраивает свою систему знаний и т. п.

Ещё в меньшей мере современные системы ИИ способны активно воздействовать на внешнюю среду, без чего не может; осуществляться самообучение и вообще совершенствование «интеллектуальной» деятельности.

Таким образом, хотя определенные шаги к воплощению гносеологических характеристик мышления в современных системах искусственного интеллекта сделаны, но в целом эти системы ещё далеко не владеют комплексом гносеологических орудий, которыми располагает человек и которые необходимы для выполнения совокупности функций абстрактного мышления. Чем больше характеристики систем искусственного интеллекта будут приближены к гносеологическим характеристикам мышления человека, тем ближе будет их «интеллект» к интеллекту человека, точнее, тем выше будет их способность к комбинированию знаковых конструкций, воспринимаемых и интерпретируемых человеком в качестве решения задач и вообще воплощения мыслей.

Поэтому возникает сложный вопрос. При анализе познавательного процесса гносеология абстрагируется от психофизиологических механизмов, посредством которых реализуется сам процесс. Но из этого не следует, что для построения систем искусственного интеллекта эти механизмы не имеют значения. Не исключено, что механизмы, необходимые для воплощения неотъемлемых характеристик интеллектуальной системы, не могут быть реализованы в цифровых машинах или даже в любой технической системе, включающей в себя только компоненты неорганической природы. Также не исключено, что хотя мы и можем познать все гносеологические закономерности, обеспечивающие выполнение человеком его познавательной функции, но их совокупность реализуема лишь в системе, субстратно тождественной человеку.

Подобный взгляд обосновывается X. Дрейфусом. «Телесная организация человека – пишет он – позволяет ему выполнять... функции, для которых нет машинных программ – таковые не только ещё не созданы, но даже не существуют в проекте... Эти функции включаются в общую способность человека к приобретению телесных умений и навыков. Благодаря этой фундаментальной способности наделенный телом субъект может существовать в окружающем его мире, не пытаясь решить невыполнимую задачу формализации всего и вся».

Подчеркивание значения «телесной организации» для понимания особенностей психических процессов, в частности возможности восприятия, заслуживает отдельного внимания. Качественные различия в способности конкретных систем отражать мир тесно связаны с их структурой, которая хотя и обладает относительной самостоятельностью, но не может преодолеть некоторых рамок, заданных субстратом. В процессе биологической эволюции совершенствование свойства отражения происходило на основе усложнения нервной системы, т. е. субстрата отражения. Не исключено, что различие субстратов ЭВМ и человека может обусловить фундаментальные различия в их способности к отражению, что ряд функций человеческого интеллекта в принципе недоступен машинам.

В философской литературе утверждается, что допущение возможности выполнения технической системой интеллектуальных функций человека означает сведение высшего (биологического и социального) к низшему (к системам из неорганических компонентов) и, следовательно, противоречит материалистической диалектике. Но в этом рассуждении не учитывается, что пути усложнения материи однозначно не однозначны, и не исключено, что общество имеет возможность создать из неорганических компонентов (абстрактно говоря, минуя химическую форму движения) системы не менее сложные и не менее способные к отражению, чем биологические. Созданные таким образом системы являлись бы компонентами общества, социальной формой движения. Вопрос о возможности передачи интеллектуальных функций техническим системам, и в частности о возможности наделения их рассмотренными в работе гносеологическими орудиями, не может быть решен только исходя из философских соображений. Он должен быть подвергнут анализу на базе конкретных научных исследований. X. Дрейфус подчеркивает, что ЭВМ оперирует информацией, которая не имеет значения, смысла. Для ЭВМ необходим перебор огромного числа вариантов. Телесная организация человека, его организма позволяет отличать значимое от незначимого для жизнедеятельности и вести поиск только в сфере первого. Для «не телесной» ЭВМ, утверждает Дрейфус, это недоступно. Конечно, конкретный тип организации тела позволяет человеку ограничивать пространство возможного поиска. Это происходит уже на уровне анализаторной системы. Совсем иначе обстоит дело с ЭВМ. Когда в кибернетике ставится общая задача, например распознания образов, то эта задача переводится с чувственно-наглядного уровня на абстрактный. Тем самым снимаются ограничения, не осознаваемые человеком, но содержащиеся в его «теле», в структуре органов чувств и организма в целом. Они игнорируются ЭВМ. Поэтому пространство поиска резко увеличивается. Это значит, что к «интеллекту» ЭВМ предъявляются более высокие требования (поиска в более обширном пространстве), чем к интеллекту человека, к которому приток информации ограничен физиологической структурой его тела.

Обладающие психикой системы отличаются от ЭВМ прежде всего тем, что им присущи биологические потребности, обусловленные их материальным, биохимическим субстратом. Отражение внешнего мира происходит сквозь призму этих потребностей, в чём и выражается активность психической системы. ЭВМ не имеет потребностей, органически связанных с ее субстратом, для нее как таковая информация незначима, безразлична. Значимость, генетически заданная человеку, имеет два типа последствий. Первый – круг поиска сокращается, и, тем самым, облегчается решение задачи. Второй – нестираемые из памяти фундаментальные потребности организма обусловливают односторонность психической системы. Дрейфус пишет в связи с этим: «Если бы у нас на Земле очутился марсианин, ему, наверное, пришлось бы действовать в абсолютно незнакомой обстановке; задача сортировки релевантного и нерелевантного, существенного и несущественного, которая бы перед ним возникла, оказалась бы для него столь же неразрешимой, как и для цифровой машины, если, конечно, он не сумеет принять в расчет никаких человеческих устремлений». С этим можно не согласится. Если предложенный «марсианин» имеет иную биологию, чем человек, то он имеет и иной фундаментальный слой неотъемлемых потребностей, и принять ему «человеческие устремления» значительно труднее, чем ЭВМ, которая может быть запрограммирована на любую цель.

Живое существо в принципе не может быть по отношению к этому фундаментальному слою перепрограммировано, хотя для некоторых целей оно может быть запрограммировано вновь, посредством дрессировки. В этом смысле потенциальные интеллектуальные возможности машины шире подобных возможностей животных. У человека же над фундаментальным слоем биологических потребностей надстраиваются социальные потребности, и информация для него не только биологически, но и социально значима. Человек универсален и с точки зрения потребностей, и с точки зрения возможностей их удовлетворения. Однако эта универсальность особо присуща ему как социальному существу, производящему средства целесообразной деятельности, в том числе и системы искусственного интеллекта. Следовательно, телесная организация не только даёт дополнительные возможности, но и создает дополнительные трудности. Поэтому интеллекту человека важно иметь на вооружении системы, свободные от его собственных телесных или иных потребностей. Конечно, от таких систем неразумно требовать, чтобы они самостоятельно распознавали образы, классифицировали их по признакам, по которым это делает человек. Цели для них необходимо задавать в явной форме.

Следует отметить, что технические системы могут иметь аналог телесной организации. Развитая кибернетическая система обладает рецепторными и эффекторными придатками. Начало развитию таких систем положили интегральные промышленные роботы, в которых ЭВМ в основном выполняет функцию памяти. В роботах «третьего поколения» ЭВМ выполняет и «интеллектуальные» функции. Их взаимодействие с миром призвано совершенствовать их «интеллект». Такого рода роботы имеют «телесную организацию», конструкция их рецепторов и эффекторов содержит определенные ограничения, сокращающие пространство, в котором, образно говоря, могла бы совершать поиск цифровая машина. Тем не менее, совершенствование систем искусственного интеллекта на базе цифровых машин может иметь границы, из-за которых переход к решению интеллектуальных задач более высокого порядка, требующих учёта глобального характера переработки информации и ряда других гносеологических характеристик мышления, невозможен на дискретных машинах при сколь угодно совершенной программе. Техническая, а не только биологическая, эволюция отражающих систем оказывается связанной с изменением материального субстрата и конструкции этих систем. Такая эволюция, т. е. аппаратное усовершенствование систем искусственного интеллекта, например, через более интенсивное использование аналоговых компонентов, гибридных систем, голографии и ряда других идей, будет иметь место. При этом не исключается использование физических процессов, протекающих в мозгу, и таких, которые психика в качестве своих механизмов не использует. Наряду с этим ещё далеко не исчерпаны возможности совершенствования систем ИИ путём использования в функционировании цифровых машин гносеологических характеристик мышления, о которых речь шла выше.

В последнее время при анализе проблем, связанных с ИИ, часто применяют математический аппарат нечётких множеств, идея и реализация которого принадлежит американскому математику Л.Заде. Суть подхода состоит в отказе от принципа детерминизма. Пожалуй, наиболее поразительным свойством человеческого интеллекта является способность принимать правильные решения в обстановке неполной и нечёткой информации. Построение моделей, приближенных е рассуждениям человека, и использование их в компьютерных системах будущих поколений представляет сегодня одну из важнейших проблем науки. Смещение центра исследований нечётких систем в сторону практических приложений привело к выявлению целого ряда проблем, таких, как новые архитектуры компьютеров для нечётких вычислений, элементная база нечётких компьютеров и контроллеров, инструментальные средства разработки, инженерные методы расчёта и разработки нечётких систем управления и многое другое. Математическая теория нечётких множеств, предложенная Л.Заде около тридцати лет назад, позволяет описывать нечёткие понятия и знания, оперировать этими знаниями и делать нечёткие выводы. Основанные на этой теории методы построения компьютерных нечетких систем существенно расширяют области применения компьютеров. Нечёткое управление является одной из самых активных и результативных областей исследований применения теории нечётких множеств. Нечёткое управление оказывается особенно полезным, когда технологические процессы являются слишком сложными для анализа с помощью общепринятых количественных методов, или когда доступные источники информации интерпретируются неточно или неопределенно. Экспериментально показано, что нечёткое управление дает лучшие результаты, по сравнению с получаемыми, при общепринятых алгоритмах управления. Нечеткая логика, на которой основано нечеткое управление, ближе к человеческому мышлению и естественным языкам, чем традиционные логические системы.

4. Реализация систем ИИ

Ещё в далёком 1954 году американский исследователь А.Ньюэлл решил написать программу для игры в шахматы. Идеей он поделился с аналитиками корпорации RAND Corporation, и которые предложили Ньюэллу свою помощь. В качестве теоретической основы программы было решено использовать метод, предложенный К. Шенноном, основателем теории информации. Точная формализация метода была выполнена А. Тьюрингом. Он же и смоделировал его вручную. К работе была привлечена группа голландских психологов под руководством А. Де Гроота, изучавших стили игры выдающихся шахматистов. Через два года совместной работы этим коллективом был создан язык программирования ИПЛ1 –первый символьный язык обработки списков. Вскоре была написана первая программа, которую можно отнести к достижениям в области искусственного интеллекта. Это была программа «Логик-Теоретик» (1956 г.), предназначенная для автоматического доказательства теорем в исчислении высказываний. Собственно программа для игры в шахматы, NSS, была завершена в 1957 г. В основе её лежали так называемые эвристики – правила, которые позволяют сделать выбор при отсутствии точных теоретических оснований – и описания целей. Управляющий алгоритм пытался уменьшить различия между оценками текущей ситуации и оценками цели или одной из подцелей.

В 1956 году в США собрались основатели кибернетики с целью обсудить возможности реализации проекта «Искусственный интеллект», как они его тогда назвали. В числе участников конференции были Д. Маккарти, М. Минский, К. Шеннон, А. Тьюринг и др. К ИИ первоначально просто отнесли свойства машин брать на себя отдельные функции человека, например, такие как перевод с одного языка на другой, распознавание объектов, принятие оптимальных решений и пр. В СССР направление «Искусственный интеллект» (ИИ) возникло с опозданием на целых 10 лет и пришло на смену кибернетическому и бионическому буму первой половины 60-х годов. Поначалу оптимистам казалось, что произойдет революция и машина начнет думать как человек. Ничего подобного не произошло. Стало ясно, что никакого мышления, аналогичного человеческому, сходу построить не получится. Поэтому акценты сместились в сторону создания искусственного интеллекта – т.е. машинным решением «трудных» задач, которые человек решает, а машина пока нет. Таким образом, первоначально ИИ не претендовал на прямое моделирование мышления, а был просто решением с помощью машины трудноформализуемых «человеческих» задач.

С самого начала предполагалось, что эти решения позволят сформулировать обобщения и выработать специфические методы ИИ, ведущие, в конечном счете, к машинному мышлению. Представители возникшего направления справедливо полагали, что к конструктивному определению и моделированию мышления полезно идти от специфики задач к методам их решения, вводя «интеллект» как механизм, необходимый для решения.

В конечном итоге оказалось, что к традиционным задачам ИИ стали относить довольно много задач. Например, это понимание машиной естественного языка, т.е. вопрос-ответные системы и доступ к базам данных на естественном языке, перевод с одного языка на другой, анализ изображений объёмных (3-d) сцен, доказательство теорем, игры, базы данных, базы знаний и др.

Теперь вкратце рассмотрим наиболее активно развиваемые подходы и области применения ИИ – в порядке убывания их популярности. Надо отметить, что меньшая популярность нередко связана не столько с потенциалом технологии, сколько с отдаленностью перспектив её прикладной реализации (например, крайне высокий потенциал киберзаводов пока не вызывает серьезного интереса из-за наличия множества нерешенных задач по их управлению).

Нейронные сети

Это направление стабильно держится на первом месте. Продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей – финансовое прогнозирование, раскопка данных, диагностика систем, контроль за деятельностью сетей, шифрование данных. В последние годы идёт усиленный поиск эффективных методов синхронизации работы нейронных сетей на параллельных устройствах.

Эволюционные вычисления

На развитие сферы эволюционных вычислений (ЭВ) значительное влияние оказали прежде всего инвестиции в нанотехнологии. ЭВ затрагивают практические проблемы самосборки, самоконфигурирования и самовосстановления систем, состоящих из множества одновременно функционирующих узлов. При этом удаётся применять научные достижения из области цифровых автоматов. Другой аспект ЭВ – использование для решения повседневных задач автономных агентов в качестве персональных секретарей, управляющих личными счетами, ассистентов, отбирающих нужные сведения в сетях с помощью поисковых алгоритмов третьего поколения, планировщиков работ, личных учителей, виртуальных продавцов и т. д. Сюда же относится робототехника и все связанные с ней области. Основные направления развития – выработка стандартов, открытых архитектур, интеллектуальных оболочек, языков сценариев/запросов, методологий эффективного взаимодействия программ и людей. Модели автономного поведения предполагается активно внедрять во всевозможные бытовые устройства, способные убирать помещения, заказывать и готовить пищу, водить автомобили и т. п. Отдельно стоит отметить социальные аспекты – неизвестно как общество будет на практике относиться к таким сообществам интеллектуальных программ.

Нечеткая логика

Системы нечеткой логики активнее всего будут применяться преимущественно в гибридных управляющих системах.

Обработка изображений

Продолжится разработка способов представления и анализа изображений (сжатие, кодирование при передаче с использованием различных протоколов, обработка биометрических образов, снимков со спутников), независимых от устройств воспроизведения, оптимизации цветового представления на экране и при выводе на печать, распределенных методов получения изображений. Дальнейшие развитие получат средства поиска, индексирования и анализа смысла изображений, согласования содержимого справочных каталогов при автоматической каталогизации, организации защиты от копирования, а также машинное зрение, алгоритмы распознавания и классификации образов.

Экспертные системы

Спрос на экспертные системы (ЭС) остаётся на достаточно высоком уровне. Наибольшее внимание сегодня уделяется системам принятия решений в масштабе времени, близком к реальному, средствам хранения, извлечения, анализа и моделирования знаний, системам динамического планирования.

Интеллектуальные приложения

Рост числа интеллектуальных приложений, способных быстро находить оптимальные решения комбинаторных проблем (возникающих, например, в транспортных задачах), связан с производственным и промышленным ростом в развитых странах.

Распределенные вычисления

Распространение компьютерных сетей и создание высокопроизводительных кластеров вызвали интерес к вопросам распределенных вычислений – балансировке ресурсов, оптимальной загрузке процессоров, самоконфигурированию устройств на максимальную эффективность, отслеживанию элементов, требующих обновления, выявлению несоответствий между объектами сети, диагностированию корректной работы программ, моделированию подобных систем.

Операционные системы реального времени

Появление автономных робототехнических устройств повышает требования к операционным системам реального времени (ОС РВ) – организации процессов самонастройки, планирования обслуживающих операций, использования средств ИИ для принятия решений в условиях дефицита времени.

Интеллектуальная инженерия

Особую заинтересованность в ИИ проявляют в последние годы компании, занимающиеся организацией процессов разработки крупных программных систем (программной инженерией). Методы ИИ все чаще используются для анализа исходных текстов и понимания их смысла, управления требованиями, выработкой спецификаций, проектирования, кодогенерации, верификации, тестирования, оценки качества, выявления возможности повторного использования, решения задач на параллельных системах. Программная инженерия постепенно превращается в так называемую интеллектуальную инженерию, рассматривающую более общие проблемы представления и обработки знаний (пока основные усилия в интеллектуальной инженерии сосредоточены на способах превращения информации в знания).

Самоорганизующиеся СУБД

Самоорганизующиеся СУБД будут способны гибко подстраиваться под профиль конкретной задачи и не потребуют администрирования.

Автоматический анализ естественных языков

Автоматический анализ естественных языков (лексический, морфологический, терминологический, выявление незнакомых слов, распознавание национальных языков, перевод, коррекция ошибок, эффективное использование словарей).

Высокопроизводительный OLAP-анализ

Высокопроизводительный OLAP-анализ и раскопка данных, способы визуального задания запросов.

Интеллектуальные медицинские системы

Медицинские системы, консультирующие врачей в экстренных ситуациях, роботы-манипуляторы для выполнения точных действий в ходе хирургических операций.

Киберзаводы

Создание полностью автоматизированных киберзаводов, гибкие экономные производства, быстрое прототипирование, планирование работ, синхронизация цепочек снабжения, авторизации финансовых транзакций путем анализа профилей пользователей.

Прикладные методы

Небольшое число конференций посвящено выработке прикладных методов, направленных на решение конкретных задач промышленности в области финансов, медицины и математики.

Традиционно высок интерес к ИИ в среде разработчиков игр и развлекательных программ (это отдельная тема). Среди новых направлений их исследований – моделирование социального поведения, общения, человеческих эмоций, творчества.

Заключение

Однозначного ответа, что же такое «искусственный интеллект» на данный момент не существует. Каждый автор имеет своё мнение на этот счёт. Некоторые считают, что ИИ может быть создан на основе одной из методик перечисленных выше, другие считают, что создание ИИ невозможно именно на текущем этапе развития человечества, третьи – вообще в принципе отрицают возможность создания ИИ.

Особенность ИИ в том, что это не сложная и дорогая технология, вроде атомной энергии. Это программный продукт, который легко тиражировать (копировать). Если учить ИИ тому, что человечество считаем полезным, то затем, теоретически, ИИ сможет развиваться по экспоненте, потому что для каждого нового поколения ИИ не требуется тратить время на изучение того, что уже знают предыдущие поколения (старые версии ИИ).

Но, если позволить «разумной» машине принимать самостоятельные решения, то невозможно знать заранее, что это будут за решения, и нет уверенности, что эти решения устроят человека. Поэтому машина, снова таки теоретически, сможет осуществить свою волю в соответствии со «своими» суждениями, даже если вы этого не желаете.

Ну а что будет на самом деле – покажет будущее.

Список использованных источников

1. М. Тим Джонс. «Программирование искусственного интеллекта в приложениях» – М.: ДМК Пресс, 2004 – 312 с.: ил.

2. Лекторский В.А. «Теория познания (гносеология, эпистемология)» – «Вопросы философии», 1999, №8

3. Лефевр В.А. «От психофизики к моделированию души.» – «Вопросы философии», 1990, №7, с. 25-31.

4. Карл, Левитин, Поспелов, Хорошевский. «Будущее искусственного интеллекта.» – М.: Наука, 1991.

5. Сотник С. Л., «Основы проектирования систем искусственного интеллекта» –1998.

6. Шамис А.Л. «Поведение, восприятие, мышление: проблемы создания искусственного интеллекта». – Серия «Науки об искусственном» – 2005.

7. Мамардашвили М.К. «Сознание как философская проблема» – «Вопросы философии», 1990, №10

8. Шалютин С.М. «Искусственный интеллект: гносеологический аспект» – М.: Мысль, 1985.

9. Бобровский С. «Перспективы и тенденции развития систем искусственного интеллекта» – PC Week/RE №32, 2001 г., стр. 32.

НАЦИОНАЛЬНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ УКРАИНЫ «КИЕВСКИЙ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ» РЕФЕРАТ на тему: «ПРОБЛЕМА СОЗДАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»