Содержание

• Введение
• Механический подход
• Электронный подход
• Кибернетический подход
• Нейронный подход
• Появление перцептрона
• Проблема искусственного интеллекта
• Заключение

Введение 
 

     С конца 40-х годов ученые  все большего  числа  университетских   и промышленных  исследовательских лабораторий устремились к дерзкой цели: построение компьютеров,  действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума.

     Терпеливо продвигаясь вперед  в своем нелегком труде, исследователи,  работающие в области искусственного интеллекта (ИИ),  обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что прежде всего необходимо  понять механизмы процесса обучения, природу языка и чувственного восприятия. Выяснилось, что для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов.  И тогда многие  исследователи пришли к выводу, что пожалуй самая трудная проблема,  стоящая перед современной наукой - познание процессов функционирования человеческого разума,  а не просто имитация его работы. Что непосредственно затрагивало фундаментальные теоретические проблемы психологической  науки.  В самом  деле,  ученым  трудно даже прийти к единой точке зрения относительно самого предмета их исследований  -  интеллекта.  Здесь,  как  в притче о слепцах,  пытавшихся описывать слона, пытается придерживаться своего заветного определения.

     Некоторые считают,  что интеллект  - умение решать сложные задачи; другие рассматривают его как  способность к обучению,  обобщению  и аналогиям;  третьи - как возможность  взаимодействия с внешним миром  путем общения, восприятия и  осознания воспринятого. Тем не менее многие исследователи ИИ склонны принять тест машинного интеллекта,  предложенный в начале 50-х годов выдающимся английским математиком и специалистом по  вычислительной  технике Аланом Тьюрингом.  Компьютер можно считать разумным,- утверждал Тьюринг,- если он способен  заставить  нас  поверить, что мы имеем дело не с машиной, а с человеком. 

Механический  подход. 

     Идея создания мыслящих машин  "человеческого типа",  которые  казалось бы думают,  двигаются,  слышат, говорят, и вообще ведут себя как живые люди уходит корнями в глубокое прошлое.  Еще древние египтяне  и римляне испытывали благоговейный ужас перед культовыми статуями, которые жестикулировали и изрекали пророчества (разумеется не  без помощи жрецов).  Средневековые летописи полны рассказов об автоматах, способных ходить и двигаться почти также как их хозяева -  люди.  В  средние века и даже позднее ходили слухи о том, что у кого-то из мудрецов есть гомункулы (маленькие искусственные человечки) - настоящие живые,  способные чувствовать существа. Выдающийся швейцарский врач и естествоиспытатель XVI в Теофраст Бомбаст фон  Гогенгейм  (более  известный под именем Парацельс) оставил руководство по изготовлению гомункула, в котором описывалась странная процедура, начинавшаяся с закапывания в лошадиный  навоз герметично закупоренной человеческой спермы.  "Мы будем как боги,  - провозглашал Парацельс. - Мы повторим величайшее из чудес господних - сотворение человека!"(4)

     В XVIII в.  благодаря развитию  техники, особенно разработке  часовых механизмов, интерес к подобным изобретениям возрос, хотя результаты были гораздо более "игрушечными", чем это хотелось бы Парацельсу. В 1736 г.  французский изобретатель Жак де Вокансон изготовил механического флейтиста в человеческий рост,  который исполнял двенадцать мелодий, перебирая пальцами отверстия и дуя в мундштук,  как настоящий музыкант. В середине 1750-х годов Фридрих фон Кнаус, австрийский автор, служивший при дворе Франциска I,  сконструировал серию машин,  которые умели держать перо и могли писать довольно длинные тексты. Другой мастер, Пьер Жак-Дроз из Швейцарии,  построил пару изумительных по  сложности механических кукол размером с ребенка: мальчика, пишущего письма и девушку, играющую на клавесине.

     Успехи механики  XIX в.  стимулировали еще более честолюбивые замыслы.  Так,  в 1830-х годах английский математик Чарльз Бэббидж задумал,  правда, так и не завершив, сложный цифровой калькулятор, который он назвал Аналитической машиной;  как утверждал Бэббидж,  его машина в принципе могла бы рассчитывать шахматные ходы. Позднее, в 1914 г., директор  одного  из  испанских  технических  институтов  Леонардо  Торрес-и-Кеведо  действительно из готовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти также  хорошо, как и человек. 

Электронный подход. 

     Однако только  после  второй  мировой войны появились устройства, казалось бы,  подходящие для  достижения заветной цели -  моделирования  разумного поведения;  это были  электронные цифровые вычислительные машины. "Электронный мозг",  как тогда восторженно  называли  компьютер, поразил в 1952 г. телезрителей США, точно предсказав результаты президентских выборов за несколько часов до получения окончательных данных. Этот "подвиг" компьютера лишь подтвердил вывод,  к которому в то время пришли многие ученые:  наступит тот день, когда автоматические вычислители, столь быстро, неутомимо и безошибочно выполняющие  автоматические действия, смогут имитировать невычислительные  процессы,  свойственные человеческому мышлению, в том числе восприятие и обучение, распознавание образов,  понимание повседневной речи и письма, принятие решений в неопределенных ситуациях,  когда известны не все факты.  Таким образом "заочно" формулировался своего рода "социальный заказ" для психологии, стимулируя различные отрасли науки.

     Многие изобретатели компьютеров  и первые  программисты  развлекались  составляя программы для отнюдь  не технических занятий,  как  сочинение музыки, решение головоломок  и игры, на первом месте здесь  оказались шашки и шахматы.  Некоторые романтически настроенные программисты даже заставляли свои машины писать любовные письма.

     К концу 50-х годов все эти  увлечения выделились в новую  более или менее самостоятельную  ветвь информатики,  получившую  название "искусственный интеллект".  Исследования в области ИИ, первоначально сосредоточенные в нескольких университетских центрах США - Массачусетском технологическом  институте,  Технологическом институте Карнеги в Питтсбурге,  Станфордском университете,  - ныне ведутся во  многих  других университетах и корпорациях США и других стран. В общем исследователей ИИ,  работающих над созданием мыслящих машин,  можно разделить на  две группы.  Одних интересует чистая наука и для них компьютер - лишь инструмент,  обеспечивающий возможность экспериментальной проверки теорий процессов  мышления.  Интересы  другой группы лежат в области техники: они стремятся расширить сферу применения компьютеров и облегчить пользование ими. Многие представители второй группы мало заботятся о выяснении механизма мышления - они полагают, что для их работы это едва ли более полезно, чем изучение полета птиц и самолетостроения.

     В настоящее время,  однако,  обнаружилось,  что как научные  так и технические поиски столкнулись  с несоизмеримо более серьезными трудностями, чем представлялось первым энтузиастам.  На первых порах многие пионеры ИИ  верили,  что через какой-нибудь десяток лет машины обретут высочайшие человеческие таланты. Предполагалось, что преодолев период "электронного  детства"  и обучившись в библиотеках всего мира, хитроумные компьютеры, благодаря быстродействию точности и безотказной памяти постепенно превзойдут своих создателей-людей.  Сейчас мало кто говорит об этом,  а если и говорит, то отнюдь не считает, что подобные чудеса не за горами.

     На протяжении всей своей короткой  истории исследователи в области  ИИ всегда находились на переднем  крае информатики. Многие ныне  обычные разработки,  в том  числе  усовершенствованные системы  программирования, текстовые  редакторы и программы распознавания образов,  в значительной мере рассматриваются на работах по ИИ.  Короче говоря,  теории,  новые идеи, и разработки ИИ неизменно привлекают внимание тех, кто стремится расширить области применения и возможности компьютеров, сделать их более "дружелюбными" то есть более похожими на разумных помощников и активных советчиков,  чем те педантичные и туповатые  электронные  рабы, какими они всегда были.

     Несмотря на многообещающие перспективы,  ни одну из разработанных до  сих  пор программ ИИ нельзя назвать "разумной" в обычном понимании этого слова.  Это объясняется тем,  что все они узко специализированы; самые  сложные экспертные системы по своим возможностям скорее напоминают дрессированных или механических кукол, нежели человека с его гибким  умом  и широким кругозором. Даже среди исследователей ИИ теперь многие сомневаются, что большинство подобных изделий принесет существенную пользу. Немало критиков ИИ считают, что такого рода ограничения вообще непреодолимы.

     К числу таких скептиков относится и  Хьюберт  Дрейфус,  профессор философии Калифорнийского  университета в Беркли.  С его точки зрения, истинный разум невозможно отделить от его человеческой основы,  заключенной в человеческом организме.  "Цифровой компьютер - не человек, - говорит Дрейфус.  - У компьютера нет ни тела, ни эмоций, ни потребностей. Он  лишен  социальной ориентации,  которая приобретается жизнью в обществе, а именно она делает поведение разумным.  Я не хочу  сказать, что компьютеры не могут быть разумными.  Но цифровые компьютеры,  запрограммированные фактами и правилами из  нашей,  человеческой,  жизни, действительно не могут стать разумными.  Поэтому ИИ в том виде, как мы его представляем,  невозможен".(1) 

Кибернетический подход. 

     Попытки построить машины, способные к разумному поведению, в значительной мере вдохновлены идеями профессора МТИ Норберта Винера,  одной из выдающихся личностей в интеллектуальной истории Америки.  Помимо математики  он обладал широкими познаниями в других областях,  включая нейропсихологию, медицину, физику и электронику.

     Винер был убежден, что наиболее  перспективны научные исследования  в так называемых пограничных  областях, которые нельзя конкретно  отнести к той или иной конкретной  дисциплины. Они лежат где-то на  стыке наук, поэтому к ним обычно не подходят столь строго. "Если затруднения в решении какой-либо  проблемы психологии имеют математический характер, пояснял он, - то десять несведущих в математике психологов продвинуться не дальше одного столь же несведущего".

     Винеру и его сотруднику Джулиану  Бигелоу  принадлежит  разработка  принципа "обратной связи", который  был успешно применен при разработке  нового оружия с радиолокационным  наведением.  Принцип  обратной  связи заключается в использовании  информации, поступающей из окружающего мира, для изменения поведения машины.  В основу разработанных Винером и Бигелоу систем  наведения  были положены тонкие математические методы; при малейшем изменении отраженных от самолета радиолокационных  сигналов они соответственно изменяли наводку орудий,  то есть - заметив попытку отклонения самолета от курса, они тотчас рассчитывали его  дальнейший путь и направляли орудия так, чтобы траектории снарядов и самолетов пересеклись.

     В дальнейшем Винер разработал  на принципе обратной  связи  теории как  машинного  так и человеческого разума.  Он доказывал,  что именно благодаря обратной связи все живое приспосабливается к окружающей среде  и  добивается  своих целей.  "Все машины,  претендующие на "разумность",- писал он,  - должны обладать способность преследовать определенные цели и приспосабливаться,  т.е.  обучаться". Созданной им науке Винер дает название кибернетика,  что в переводе с греческого означает рулевой.(2)

     Следует отметить, что принцип  "обратной связи", введенный Винером был в  какой-то  степени предугадан Сеченовым в явлении "центрального торможения" в "Рефлексах головного мозга" (1863 г.)  и  рассматривался как механизм регуляции деятельности нервной системы,  и который лег в основу многих моделей произвольного поведения в отечественной психологии. 

Нейронный подход. 

     К этому времени и другие  ученые стали  понимать,  что   создателям вычислительных машин   есть  чему  поучиться у биологии.  Среди них был нейрофизиолог  и поэт-любитель Уоррен Маккалох, обладавший как и Винер философским складом ума и широким кругом интересов.  В 1942 г.  Маккалох, участвуя в научной конференции в Нью-йорке, услышал доклад одного из сотрудников  Винера о механизмах обратной связи в биологии.  Высказанные в докладе идеи перекликались с собственными  идеями  Маккалоха относительно работы головного мозга.  В течении следующего года Маккалох в соавторстве со своим 18-летним  протеже,  блестящим  математиком Уолтером Питтсом,  разработал теорию деятельности головного мозга. Эта теория и являлась той основой,  на которой сформировалось широко распространенное мнение, что функции компьютера и мозга в значительной мере сходны.

     Исходя отчасти из предшествующих  исследований нейронов  (основных  активных клеток,  составляющих  нервную систему животных),  проведенных Маккаллохом, они с Питтсом выдвинули гипотезу, что нейроны можно упрощенно  рассматривать как  устройства, оперирующие двоичными числами. Двоичные числа, состоящие из цифр единица и нуль, - рабочий инструмент одной  из систем  математической логики.  Английский математик XIXв.

     Джордж Буль,  предложивший эту остроумную систему,  показал, что логические утверждения можно закодировать в виде единиц и нулей,  где единица соответствует истинному высказыванию а нуль - ложному, после чего этим можно оперировать как обычными числами. В 30-е годы XX в. пионеры информатики, в особенности американский ученый Клод Шеннон, поняли, что двоичные единица и нуль вполне соответствуют двум состояниям электрической цепи (включено-выключено), поэтому двоичная система идеально подходит для  электронно-вычислительных устройств. Маккалох и Питтс предложили конструкцию сети из электронных "нейронов" и  показа-

ли,  что  подобная  сеть может выполнять  практически любые вообразимые  числовые или логические операции. Далее они предположили, что такая сеть в состоянии также обучаться,  распознавать образы, обобщать, т.е. она обладает всеми чертами интеллекта.

     Теории Маккаллоха-Питтса в сочетании  с книгами Винера (2) вызвали огромный  интерес к разумным машинам.  В 40-60-е годы все больше кибернетиков  из  университетов  и частных фирм запирались в лабораториях и мастерских, напряженно работая над теорией функционирования  мозга  и методично припаивая электронные компоненты моделей нейронов.

     Из этого кибернетического,  или нейромодельного, подхода к машинному разуму  скоро сформировался так называемый "восходящий метод" - движение от простых аналогов нервной системы примитивных существ,  обладающих малым числом нейронов,  к сложнейшей нервной системе человека и даже выше. Конечная цель виделась в создании "адаптивной сети", "самоорганизующейся  системы" или "обучающейся машины" - все эти названия разные исследователи использовали для обозначения устройств, способных следить  за окружающей обстановкой и с помощью обратной связи изменять свое поведение в полном соответствии с господствовавшей в  те  времена бихевиористской  школой психологии,  т.е.  вести себя так же как живые организмы. Однако отнюдь не во всех случаях возможна аналогия с живыми организмами.  Как  однажды  заметили  Уоррен Маккаллох и его сотрудник Майкл Арбиб, "если по весне вам захотелось обзавестись  возлюбленной, не стоит брать амебу и ждать пока она эволюционирует".

     Но дело здесь не только  во времени. Основной трудностью, с которой столкнулся "восходящий метод" на заре своего существования, была высокая стоимость электронных элементов. Слишком дорогой оказывалась даже модель нервной системы муравья, состоящая из 20 тыс. нейронов, не говоря уже о нервной системе человека, включающей около 100 млрд. нейронов.  Даже  самые  совершенные кибернетические модели содержали лишь несколько сотен нейронов. Столь ограниченные возможности  обескуражили многих исследователей того периода. 

Появление перцептрона. 

     Одним из тех, кого ничуть не испугали трудности был Фрэнк Розенблат, труды которого казалось отвечали самым заметным устремлениям кибернетиков. В середине 1958 г.  им была предложена модель электронного устройства, названного им перцептроном,  которое должно было бы имитировать процессы человеческого мышления.  Перцептрон должен был передавать сигналы  от  "глаза",  составленного  из  фотоэлементов,  в блоки электромеханических ячеек памяти,  которые оценивали относительную величину электрических сигналов. Эти ячейки соединялись между собой случайным образом в соответствии с господствующей тогда теорией, согласно которой мозг  воспринимает  новую  информацию и реагирует на нее через систему случайных связей между нейронами.  Два года спустя была продемонстрирована первая  действующая машина "Марк-1",  которая могла научится распознавать некоторые из букв, написанных на карточках, которые подносили к его "глазам", напоминающие кинокамеры. Перцептрон Розенблата оказался наивысшим достижением "восходящего", или нейромодельного метода создания  искусственого  интеллекта.  Чтобы  научить перцептрон способности строить догадки на основе исходных предпосылок, в нем предусматривалась некая  элементарная разновидность автономной работы или "самопрограммирования". При распознании той или  иной  буквы  одни  ее элементы или  группы элементов оказываются гораздо более существеными, чем другие. Перцептрон мог научаться выделять такие характерные  особенности буквы  полуавтоматически,  своего рода методом проб и ошибок, напоминающим процесс обучения. Однако возможности перцептрона были ограниченными: машина  не  могла  надежно распознавать частично закрытые буквы, а также буквы иного размера или рисунка, нежели те, которые использовались на этапе ее обучения.

     Ведущие представители так называемого "нисходящего метода" специализировались,  в отличие от представителей  "восходящего  метода",  в составлении для цифровых компьютеров общего назначения программ решения задач,  требующих от людей значительного интеллекта,  например для игры в шахматы или поиска математических доказательств. К числу защитников "нисходящего метода" относились Марвин Минский и Сеймур Пейперт, профессора  Массачусетского технологического института.  Минский начал свою карьеру исследователя ИИ сторонником "восходящего  метода"  и  в 1951 г.  построил обучающуюся сеть на вакуумных электронных лампах. Однако вскоре к моменту создания перцептрона он перешел в противоположный лагерь.  В соавторстве с южно-африканским математиком Пейпертом,  с которым его познакомил Маккаллох, он написал книгу "Перцептроны"(3), где математически доказывалось, что перцептроны, подобные розенблатовсим,  принципиально не в состоянии выполнять  многие  из  тех функций, которые предсказывал им Розенблат. Минский утверждал, что, не говоря о роли работающих под диктовку  машинисток,  подвижных  роботов или машин,  способных читать, слушать и понимать прочитанное или услышанное,  перцептроны никогда не обретут даже умения распознавать предмет частично заслоненный другим.  Глядя на торчащий из-за кресла коша-

чий хвост, подобная машина никогда не сможет понять, что она видит.

     Нельзя сказать,  что появившаяся  в 1969 г. эта критическая работа  покончила с  кибернетикой.  Она  лишь переместила интерес  аспирантов и субсидии правительственных  организаций США, традиционно финансирующих исследования по  ИИ,  на другое направление исследований - "нисходящий метод".

     Интерес к кибернетике в последнее  время возродился,  так как  сторонники "нисходящего метода" столкнулись со столь же неодолимыми  трудностями. Сам  Минский публично выразил сожаление,  что его выступление нанесло урон концепции перцептронов, заявив, что, согласно его теперешним представлениям,  для реального прорыва вперед в создании разумных машин потребуется устройство , во многом похожее на перцептрон. Но в основном ИИ стал синонимом нисходящего подхода,  который выражался в составлении все более сложных программ для  компьютеров,  моделирующих сложную деятельность человеческого мозга. 

Проблема  искусственного интеллекта 

    Гносеологический анализ проблемы искусственного интеллекта вскрывает роль таких познавательных орудий, как категории, специфическая семиотическая система, логические структуры, ранее накопленное знание. Они обнаруживаются не посредством исследования физиологических или психологических механизмов познавательного процесса, а выявляются в знании, в его языковом выражении. Орудия познания, формирующиеся, в конечном счете, на основе практической деятельности, необходимы для любой системы, выполняющей функции абстрактного мышления, независимо от ее конкретного материального субстрата и структуры. Поэтому, чтобы создать систему, выполняющую функции абстрактного мышления, т. е. в конечном счете, формирующую адекватные схемы внешних действий в существенно меняющихся средах, необходимо наделить такую систему этими орудиями.

Развитие  систем искусственного интеллекта за последние десятилетия идет по этому  пути. Однако степень продвижения  в данном направлении в отношении каждого из указанных познавательных орудий неодинакова и в целом пока незначительна.

1. В наибольшей мере системы искусственного интеллекта используют формально-логические структуры, что обусловлено их неспецифичностью для мышления и, в сущности, алгоритмическим характером. Это дает возможность относительно легкой их технической реализации. Однако даже здесь кибернетике предстоит пройти большой путь. В системах искусственного интеллекта еще 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 вывода. Повышение "интеллектуального" уровня технических систем, безусловно, связано не только с расширением применяемых логических средств, но и с более интенсивным их использованием (для проверки информации на непротиворечивость, конструирования планов вычислений и т. д.).

2. Намного сложнее обстоит дело с семиотическими системами, без которых интеллект невозможен. Языки, используемые в ЭВМ, еще 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). Разработаны проблемно-ориентированные фрагменты естественных языков, достаточные для решения системой ряда практических задач. Наиболее важным итогом этой работы является создание семантических языков (и их формализация), в которых слова-символы имеют интерпретацию.

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

    Современные системы искусственного интеллекта способны осуществлять перевод с одномерных языков на многомерные. В частности, они могут строить диаграммы, схемы, чертежи, графы, высвечивать на экранах кривые и т. д. ЭВМ производят и обратный перевод (описывают графики и тому подобное с помощью символов). Такого рода перевод является существенным элементом интеллектуальной деятельности. Но современные системы искусственного интеллекта 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 перспективных задач теории искусственного интеллекта.

3. Воплощение в информационные массивы и программы систем искусственного интеллекта аналогов категорий находится пока в начальной стадии. Аналоги некоторых категорий (например, "целое", "часть", "общее", "единичное") 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 (теоретически существенные и практически важные) попытки выражения некоторых моментов содержания и других категорий (например, "причина", "следствие"). Однако ряд категорий (например, "сущность", "явление") в языках систем представления знаний отсутствует. Проблема в целом разработчиками систем искусственного интеллекта в полной мере еще не осмыслена, и предстоит большая работа философов, логиков и кибернетиков по внедрению аналогов категорий в системы представления знаний и другие компоненты интеллектуальных систем. Это одно из перспективных направлений в развитии теории и практики кибернетики.

4. Современные системы искусственного интеллекта 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. д.

    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. д.