Раньшес понятием искусственного интеллекта (ИИ) связывали надежды на созданиемыслящей машины, способной соперничать с человеческим мозгом и, возможно,превзойти его. Эти надежды, на долгое время захватившие воображение многихэнтузиастов, так и остались несбывшимися. И хотя фантастические литературныепрообразы «умных машин» создавались еще за сотни лет до наших дней, лишь ссередины тридцатых годов, с момента публикации работ А. Тьюринга, в которыхосуждалась реальность создания таких устройств, к проблеме ИИ стали относитьсясерьезно.
Длятого, чтобы ответить на вопрос, какую машину считать «думающей», Тьюрингпредложил использовать следующий тест: испытатель через посредника общается сневидимым для него собеседником человеком или машиной. «Интеллектуальной» можетсчитаться та машина, которую испытатель в процессе такого общения не сможетотличить от человека.
Еслииспытатель при проверке компьютера на «интеллектуальность» будет придерживатьсядостаточно жестких ограничений в выборе темы и формы диалога, этот тествыдержит любой современный компьютер, оснащенный подходящим программнымобеспечением. Можно было бы считать признаком интеллектуальности умениеподдерживать беседу, но, как было показано, эта человеческая способность легкомоделируется на компьютере. Признаком интеллектуальности может служитьспособность к обучению. В 1961 г. профессор Д. Мичи, один из ведущих английскихспециалистов по ИИ, описал механизм, состоящий из 300 спичечных коробков,который мог научиться играть в крестики и нолики. Мичи назвал это устройство MENACE (Matchbox EducableNaughts and Crosses Engine). Вназвании (угроза) заключается, очевидно, доля иронии, вызванной предубеждениямиперед думающими машинами.
Донастоящего времени единого и признанного всеми определения ИИ не существует, иэто не удивительно. «Достаточно вспомнить, что универсального определениячеловеческого интеллекта также нет дискуссии о том, что можно считать признакомИИ, а что нет, напоминают споры средневековых ученых о том, которыхинтересовало, сколько ангелов смогут разместиться на кончике иглы»1. Сейчас кИИ принято относить ряд алгоритмов и программных систем, отличительным свойствомкоторых является то, что они могут решать некоторые задачи так, как кто делалбы размышляющий над их решением человек.
Нейросети
Идеянейронных сетей родилась в ходе исследований в области искусственногоинтеллекта, а именно в результате попыток воспроизвести способность нервныхбиологических систем обучаться и исправлять ошибки, моделируя низкоуровневуюструктуру мозга. Основной областью исследований по искусственному интеллекту в60-80е годы были экспертные системы. Такие системы основывались на высокоуровневоммоделировании процесса мышления (в частности, на его представлении какманипуляций с символами). Скоро стало ясно, что подобные системы, хотя и могутпринести пользу в некоторых областях, не охватывают некоторые ключевые аспектыработы человеческого мозга.
Согласноодной из точек зрения, причина этого состоит в том, что они не в состояниивоспроизвести структуру мозга. Чтобы создать искусственный интеллект,необходимо построить систему с похожей архитектурой.
Мозгсостоит из очень большого числа (приблизительно 1010) нейронов, соединенныхмногочисленными 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 разветвленнуюструктуру ввода информации (дендриты), ядро и разветвляющийся выход (аксон).Аксоны клетки соединяются с дендритами других клеток с помощью синапсов. Приактивации нейрон посылает электрохимический сигнал по своему аксону. Через синапсыэтот сигнал достигает других нейронов, которые могут в свою очередьактивироваться. Нейрон активируется тогда, когда суммарный уровень сигналов,пришедших в его ядро из дендритов, превысит определенный уровень (порогактивации).
Интенсивностьсигнала, получаемого нейроном (а, следовательно, и возможность его активации),сильно зависит от активности синапсов. Каждый синапс имеет протяженность, испециальные химические вещества передают сигнал вдоль него. Один из самыхавторитетных исследователей нейросистем, Дональд Хебб, высказал постулат, чтообучение заключается в первую очередь в изменениях силы синоптических связей.Например, в классическом опыте. Павлова каждый раз перед кормлением собакизвонил колокольчик, и собака быстро научилась связывать звонок колокольчика спищей.
Синоптическиесвязи между участками коры головного мозга, ответственными за слух, и слюннымижелезами усилились, и при возбуждении коры звуком колокольчика у собакиначиналось слюноотделение.
Такимобразом, будучи построен из очень большого числа совсем простых элементов(каждый из которых берет взвешенную сумму входных сигналов и в случае, еслисуммарный вход превышает определенный уровень, передает дальше двоичныйсигнал), мозг способен решать чрезвычайно сложные задачи. Определениеформального классического нейрона дается следующим образом:
Онполучает входные сигналы (исходные данные или выходные сигналы других нейроновсети) через несколько входных каналов. Каждый входной сигнал проходит черезсоединение, имеющее определенную интенсивность (или вес); этот вессоответствует синоптической активности биологического нейрона. С каждымнейроном связано определенное пороговое значение. Вычисляется взвешенная суммавходов, из нее вычитается пороговое значение и в результате получается величинаактивации нейрона.
Сигналактивации преобразуется с помощью функции активации (или передаточной функции)и в результате получается выходной сигнал нейрона.
Еслипри этом использовать ступенчатую функцию активации, то такой нейрон будетработать точно так же, как описанный выше естественный нейрон.
Нейросети в искусственном интеллекте
Работыпо созданию интеллектуальных систем ведутся в двух направлениях. Сторонникипервого направления, составляющие сегодня абсолютное большинство среди специалистовв области искусственного интеллекта, исходят из положения о том, чтоискусственные системы не обязаны повторять в своей структуре и функционированииструктуру и проистекающие в ней процессы, присущие биологическим системам.Важно лишь то, что теми или иными средствами удается добиться тех жерезультатов в поведении, какие характерны для человека и других биологическихсистем.
Сторонникивторого направления считают, что на чисто информационном уровне этого неудастся сделать. Феномены человеческого поведения, его способность к обучению иадаптации, по мнению этих специалистов, есть следствие именно биологическойструктуры и особенностей её функционирования.
Усторонников первого информационного направления есть реально действующие макетыи программы, моделирующие те или иные стороны интеллекта. Одна из наиболееярких работ, представляющих первое направление, это программа «Общий решательзадач» А. Ньюэлла, И. Шоу и Г. Саймона. Развитие информационного направленияшло от задачи о рационализации рассуждений путем выяснения общих приемовбыстрого выявления ложных и истинных высказываний в заданной системе знаний.Способность рассуждать и находить противоречия в различных системахвзаимосвязанных ситуаций, объектов, понятий является важной стороной феномена мышления,выражением способности к дедуктивному мышлению.
Результативностьинформационного направления бесґспорна в области изучения и воспроизведениядедуктивных мыслительных проявлений. Для некоторых практических задач этогодостаточно. Информационное направление наука точная, строгая, вобравшая в себяосновные результаты изысканий кибернетики и математическую культуру. Главныепроблемы информационного направления ввести в свои модели внутреннюю активностьи суметь представить индуктивные процедуры.
Однаиз центральных проблем, это «проблема активных знаний, порождающих потребностив деятельности системы из-за тех знаний, которые накопились в памяти системы»1.
Усторонников второго биологического направления результатов пока существенноменьше, чем надежд. Одним из родоначальников биологического направления вкибернетике является У. Мак-Каллок. В нейрофизиологии установлено, что целыйряд функций и свойств у живых организмов реализованы с помощью определенныхнейронных структур. На основе воспроизведения таких структур в ряде случаевполучены хорошие модели, в особенности это касается некоторых сторон работызрительного тракта.
Созданиенейрокомпьютеров, моделирующих нейронные сети (НС), в настоящее времярассматривается как одно из наиболее перспективных направлений в решениипроблем интеллектуализации вновь создаваемых ЭВМ и информационно-аналитическихсистем нового поколения.
Вбольшей части исследований на эту тему НС представляется как совокупностьбольшого числа сравнительно простых элементов, топология соединений которыхзависит от типа сети. Практически все известные подходы к проектированию НСсвязаны в основном с выбором и анализом некоторых частных структур однородныхсетей на формальных нейронах с известными свойствами (сети Хопфилда, Хемминга,Гроссберга, Кохоннена и др.) и некоторых описанных математически режимов ихработы. В этом случае термин нейронные сети метафоричен, поскольку он отражаетлишь то, что эти сети в некотором смысле подобны живым НС, но не повторяют ихво всей сложности. Вследствие такой трактовки нейронные ЭВМ рассматриваются вкачестве очередного этапа высоко параллельных супер-ЭВМ с оригинальной идеейраспараллеливания алгоритмов решения разных классов задач. Сам термин нейроннаяЭВМ нейрокомпьютер, как правило, никак не связан с какими-то ни было свойствамии характеристиками мозга человека и животных. Он связан только с условнымнаименованием порогового логического элемента как формального нейрона снастраиваемыми или фиксированными весовыми коэффициентами, который реализуетпростейшую передаточную функцию нейрона-клетки. Исследования в области созданиянейроинтеллекта ведутся на различных уровнях: теоретический инструментарий,прототипы для прикладных задач, средства программного обеспечения НС, структурыаппаратных средств. Основными этапами на пути создания мозгоподобногокомпьютера являются выяснение принципов образования межэлементных связей имозгоподобных системах адаптивных сетях с большим числом элементов, созданиекомпактного многовходового адаптивного элемента аналога реального нейрона,исследование его функциональных особенностей, разработка и реализация программыобучения мозгоподобного устройства.
Однимиз наиболее существенных путей расширения функционального диапазона НС, а такжеповышения их эффективности для традиционных задач является болеецеленаправленное использование в моделях механизмов и принципов организациимозга. Обоснованием этого служит достаточно экономная реализация функций вмозге, пока не доступная для самых совершенных супер-ЭВМ. В мозге, как и влюбой сложной системе, процесс функционирования представляет собой совокупныйрезультат работы его элементов и способов их взаимодействия. Оба эти факторанаходят свое отражение в системной работе мозга.
Внастоящее время становится очевидным, что успех разработки нейрокомпьютеров иинтеллектуализации ЭВМ нового поколения в значительной степени определяетсяуспехом работы над созданием нового класса базовых элементов с использованиемданных о работе мозга. В первую очередь, это касается усложнения архитектуры,простанственно-временного распределения процессов в самом базовом элементе ирасширении его функциональных возможностей. Поэтому актуальна необходимость вновом взгляде на перераспределение основных функций обработки информации междусамими базовыми элементами нейрокомпьютера и сетевыми ресурсами в сторонуувеличения логической нагрузки на базовые элементы.
Этосвязано с тем, что только в самое последнее время, на основе данныхпрактической нейрофизиологии появилась возможность выделить из огромного числапроцессов в мозге небольшое их количество наиболее значимых для переработкиинформации и выполнения сложных функций принятия конечных решений. Минимальнонеобходимый набор структур, обеспечивающих эти процессы, значительно сузился ивследствие установленных ограничений существующих ЭВМ, которые не могут бытьпреодолены в настоящее время без использования свойств работы мозга. Крометого, широко практикуемые однородные структуры искусственных НС на формальныхнейронах не используют в полной мере возможностей реальных нейронов: ихразнотипность, свойства распределенной и параллельной работы, многоуровневуюиерархическую структурированность и соподчиненность в организации базовыхструктур головного мозга.
Изогромного числа данных о деятельности мозга, по-видимому, наиболее близко крешению проблемы интеллектуализации разрабатываемых ЭВМ относятся факты омеханизмах и принципах элементной и сетевой организации процессов и функций вкоре больших полушарий (КБП). Это определяется ее функциональной значимостью иуровнем современных данных о конкретных механизмах ее работы. Известно, что КБПявляется основным субстратом выполнения высших функций, определяющим уровеньинтеллекта личности.
Внастоящее время накоплен и в значительной мере систематизирован экспериментальныйи теоретический материал об элементарной организации корковых функций.
Всеэто дает основания предполагать, что данные о работе высшего отдела мозга могутиметь существенное значение и для идеологии создания нейрокомпьютеров, и дляконструктивных решений отдельных их блоков.
Вплане общего подхода к моделированию нейрокомпьютера существенно то, что помере накопления фактов о морфологии, цитохимии и нейрофизиологии появляется всебольше путей для перехода от вероятностных к детерминированным сетям корковойдеятельности, основанных на данных об архитектурных принципах организации КБП.На основе этих данных все четче прослеживается связь особенностей функций КБП сконкретной спецификой ее элементов и связей. Это позволяет уже на исходной стадиимоделирования решать принципиальный вопрос о соотношении функциональныхнагрузок отдельного элемента и сети в целом, определяющим саму стратегиюразработки нейрокомпьютера.
Напрактике этот выбор связан, прежде всего, с определением набора функций и свойствбазового элемента и зависит как от уровня технической базы, так и отконструкторского решения их реализации. Обоснованием пересмотра концепциибазового элемента нового типа являются данные практической нейрофизиологии,выявившие необходимый минимальный набор базовых свойств реальных нейронов,обеспечивающий реализацию основных информационных функций мозга у животных ичеловека. В соответствии с этими данными. В задаче создания новых поколенийинтеллектуальных вычислительных систем и задаче развития робототехники путьинтеллектуализации за счет введения квазибиологических автоматов, в конечномсчете, окажется технически и экономически более целесообразным направлением посравнению с введением элементов интеллекта на основе информационно-логических методов.
Длятого, чтобы интегрировать эти навязанные биологией наблюдения в логичныетеоретические рамки, необходимо также найти некартезианское концептуальноепространство для размышлений о жизни и разуме, пространство в рамках строгойнепрерывности. К счастью такое пространство существует в концепции Аристотеля.
Все еще картезианская
Будеточень полезно на некоторое время сконцентрироваться на одном специфическомспорном вопросе, по которому расходятся ортодоксальная и биологическая наука омышлении, а именно выражение соотношения которое существует междунейробиологическими/биохимическими свойствами живых организмов с одной стороныи мышлением с другой стороны. Различие в этом вопросе может быть объяснено темфактом, что два вида науки о мышлении сформированы в радикально различающихсяфилософских концепциях. В целом биологическая наука о мышлении наиболееорганично ложится в рамки общей аристотелевой концепции, в то же время уортодоксальной науки о мышлении наблюдаются картезианские корни.
Любой,кто даже не проявлял особого интереса к философии разума, знает, что Декартсчитал мыслимое и физическое двумя различными, но взаимодействующимионтологическими реальностями. Однако другой вклад, сделанный Декартом визучение разума, менее широко известен. Этим вторым вкладом является формапсихологического обоснования – дуализм обоснования – который одновременноподдерживает следующие тезисы: (1) для объяснения физического явления, нектонуждается в привлечении только специфических физических сущностей и состояний испецифических физических законов; (2) для объяснения психологических явлений,некто нуждается в привлечении только специфических мыслительных сущностей исостояний и специфических законов мышления. Дуализм обоснования прекрасносогласуется с идеей, что мыслительные события являются предельной формойфизических явлений. Для физической онтологии, предлагаем ли мы физический илипсихологический стиль обоснования зависит описания, к которому, с текущимизаданными конкретными целями обоснования, склоняются взятые интересующие насявления.
Важното, что Декарт мыслил органическое тело мыслителя как еще один физическийобъект в физическом мире. Учитывая дуализм обоснования, данная идея приводилаего к тому, что нейробиологическое/биохимическое обоснование событий в телемыслителя неуместно в психологическом обосновании событий в разуме мыслителя, втом смысле, что психологическое обоснование может быть проведено в отсутствиилюбого, сколько бы то ни было детализированногонейробиологического/биохимического знания о теле мыслящего объекта. Данноеобосновательное отделение разума от физического носителя приводил в результатек прерывистости в обосновании в данном контексте между жизнью и разумом.Научное обоснование процессов, которые рассматривались картезианством какорганические, относящиеся к телесной жизни (такие процессы как пищеварение,размножение и рост) немедленно попадало в область биологических объяснений,которая толковалась как принижаемая физической наукой. Научное обоснованиефизических процессов, с другой стороны, нуждается в изложении на языке,совершенно отличающемся от биологического языка, в языке специфическом дляпсихологии. Это равнозначно отклонению положений строгой непрерывности. Другимисловами, дуализм обоснования несовместим с биологической наукой о мышлении.
Внастоящее время функционалисты в философии разума придерживаются взглядов, чтоопределяющее свойство типа ментального состояния является причинная роль того,что состояние играет в посредничестве между (1) сенсорными входами, (2) другимитипами ментальных состояний и (3) моторикой поведения. Строго говоря,функционализм не проводит связей к природе основы, на которой реализованыментальные состояния, так как сущность в некотором частном ментальном состоянииуже является, как уже говорилось, сущностью в некотором специфическомфункциональном состоянии, и совершенно эквивалентные функциональные состояниямогут быть, в принципе, реализованы биохимически на углеродной основе, в видекремниевого мозга или в виде картезианского разума самого по себе. Здесь, впринципе, функционализм входит составной частью в дуализм субстанций. Данныйпринципиальный факт может показаться незначительным, если считать, чтофункционализм обычно является рабочей лошадкой теории распознавания, согласнокоторой любая сущность данного типа ментального состояния является единственнойи сходна с некоторым физическим состоянием в физической системе. Но,«дополнение к требованиям распознавания не рассматривает нейробиологические ибиохимические детали тела биологического мыслящего объекта относящегося кпроцессу психологического обоснования»1. Согласно функционалистам, процесспсихологического обоснования может проводиться в превосходной изоляции от этихчастных деталей. Подобная позиция уже рассматривалась ранее: функционализмявляется формой картезианского дуализма обоснования.
Таккак же база дуализма обоснования в функционализме уместна в пониманииортодоксальной науке о мышлении? Ответом является, что ортодоксальная наука омышлении построена на функционализме. В самом деле, вычислительные состояния(тип состояний к которым прибегают ортодоксальный искусственный интеллект иортодоксальная наука о мышлении) прекрасные примеры функционально определенныхсостояний. При этом нет никакого противоречия в том, что одно из классическихположений функционализма было выражено в теории путем использования машиныТьюринга. Как только принимается функционалисткие основы ортодоксальной науки омышлении и вместе с ней общее картезианское рассмотрение отношений между живымтелом и разумом которые порождаются данными основами, можно увидеть почемуортодоксальная наука о мышлении связана с идеей, что может быть описано безпонимания или существенных ссылок на нейробиологический или биохимический базисданного процесса мышления. Другими словами, можно видеть почему ортодоксальнаянаука о мышлении принимает положения совершенно неприемлемые биологическойнаукой о мышлении.
Список литературы
Дляподготовки данной работы были использованы материалы с сайта www.popal.ru/