Мивары: 25 лет создания искусственного интеллекта - [9]

Миварный подход предназначен, прежде всего, для работы на втором уровне, который мы расширяем с логической обработки до обработки информации с учетом автоматического конструирования алгоритмов (это относилось ранее к области создания ИППП). Кроме того, наш опыт создания интеллектуальных систем показал, что на этом уровне необходимо учитывать и традиционные вычислительные процедуры или подпрограммы. Из наиболее известных формализмов, кроме миваров этому соответствует подход на основе сервисов или агентов. Есть некая задача; ее формулируют в виде сервиса или агента и затем формализуют в виде "черного ящика" – процедуры с описанием входных и выходных данных. Миварный подход основывается на представлении всей информации в виде "тройки": "вещь-свойство-отношение". Тогда все процедуры, подпрограммы, агенты, сервисы и т.п. могут быть представлены в виде неких отношений, которые хранятся в базе данных, а при необходимости запускаются на основе миварной сети. Миварный подход позволяет для одной предметной области хранить несколько разных процедур, решающих одинаковые задачи. Более того, если вычислительные ресурсы позволяют, то все эти процедуры могут запускаться одновременно, а потом на основе конкуренции из представленных ими результатов выбирается наиболее подходящий для каждого конкретного случая. Сразу отметим, что методы первого, рефлексного, уровня (в нашей трактовке) могут быть реализованы в виде точно таких же миварных процедур, включающих и нейронные сети, и генетические алгоритмы, и т.д.

В книге Люгера приведено довольно точное и краткое определение: "ИИ можно определить как область компьютерной науки, занимающуюся автоматизацией разумного поведения" [264, стр. 27]. ИИ опирается на теоретические и прикладные принципы компьютерной науки (информатики): структуры данных, алгоритмы, языки и методики программирования. Отметим: само понятие интеллекта определено не очень четко, что дает некую иллюзию использовать термин ИИ в качестве недостижимого горизонта, к которому надо стремиться, но невозможно достичь. К настоящему моменту времени все примерно так и происходит: если некая творческая проблема решается, т.е. ее удается формализовать и разработать соответствующие алгоритмы решения на компьютерах, то большинство ученых сразу объявляет эту проблему нетворческой, решение неинтеллектуальным и, таким образом, отодвигает горизонт (ИИ) дальше и дальше. Нечто подобное уже произошло с самой интеллектуальной игрой – шахматами, после того, как компьютеры стали уверенно обыгрывать самых лучших шахматистов-людей. Да, мы тоже согласны с тем, что, машина решает эти задачи не как человек… Тем не менее, уже достаточно большое количество промышленных автоматизированных систем решает сложные, "человеческие", задачи, а их пользователи-люди уже не могут обойтись без компьютеров.

Подчеркнем лишь то, что в этой области слишком много антропоморфности – человекоподобия, а следовательно, и субъективизма. Мы являемся сторонниками установления единых правил измерения интеллектуальности, т.е. некой шкалы способности к активному отражению, где человеческий мозг – лишь очередное звено и двигаться к нему надо постепенно. Не надо забывать, что до создания человека природа прошла большой путь дарвиновского развития. Вместо того чтобы так же постепенно улучшать способности компьютера, т.е. повышать его интеллектуальность, люди ставят завышенные цели и не могут достичь их, а это приводит к разочарованию "публики" в науке. Что отражается и на финансовом состоянии современной науки. Более того, всякое компьютерное достижение сравнивают не с обычным "средним" человеком, а сразу с самым умным и гениальным… Если писать стихи, то как Пушкин. А много ли таких Пушкиных среди людей? Объективно говоря, наши требования к компьютерам очень сильно завышены. Это с одной стороны. С другой стороны, для многих практических задач достаточно моделирования и реализации деятельности хотя бы простейших животных. Обычно на дискуссиях мы предлагаем сделать не разумного человека, а начать с таракана, собаки и т.п. Необходимо сначала разобраться с интеллектуальностью на уровне животных, что само по себе весьма полезно для промышленности, а уж потом "замахиваться" на создание искусственного человека. Нам не нужны искусственные люди: людей пока в достаточном количестве рожают наши любимые женщины. Кстати, в плане биологического клонирования человека – это тоже, в определенном смысле, проблема создания искусственных людей, т.е. ИИ. Нас интересует не биологический аспект, а создание технических систем. Тогда и приходим к выводу: смысл ИИ – создание усилителя человеческих возможностей. Если этот усилитель-ИИ будет работать полностью автономно, то возникнут проблемы выживания человека в борьбе со "злыми" роботами. Да, эти проблемы тоже лучше решать заранее, но все же, это несколько другие проблемы, хотя, безусловно, важные и актуальные.

Необходимо отдать историческое должное языку Фреге, изложенному им в 1884 году и именуемому сейчас исчислением предикатов первого порядка. Да, это исчисление предикатов служит инструментом для записи теорем и задания значений истинности, а также сыграло принципиальную роль в создании теории представления для ИИ. Исчисление предикатов первого порядка обеспечивает средства автоматизации рассуждений: язык для построения выражений, теорию, позволяющую судить об их смысле, и логически безупречное исчисление для вывода новых истинных выражений. [264, стр. 34]. Далее Люгер указывает, что работа Рассела и Уайтхеда особенно важна для фундаментальных принципов ИИ, т.к. они относились к математике как к чисто формальной системе. Это означает, что аксиомы и теоремы должны рассматриваться исключительно как наборы символов, а доказательства должны выводиться лишь посредством применения формальных правил. При этом исключается использование интуиции или смысла теорем в качестве основы доказательств. Смысл, содержащийся в теоремах и аксиомах системы, имеет отношение только к внешнему миру и совершенно не зависит от логического вывода. Этот формальный подход Рассела и Уайтхеда к математическим умозаключениям сделал возможной его автоматизацию в реальных вычислительных машинах. Логический синтаксис и формальные правила вывода, разработанные Расселом и Уайтхедом, лежат в основе систем автоматического доказательства теорем и составляют теоретические основы искусственного интеллекта [264, стр. 34-35]. Однако, с другой стороны, это наложило и важные ограничения на возможности описания реальных предметных областей: формализм, как выясняется, тоже имеет свои недостатки вместе с преимуществами. Нельзя не отметить и роль А.Тарского, чья теория ссылок сыграла принципиальную роль в процессе формирования ИИ. Согласно этой теории, правильно построенные формулы Фреге или Рассела-Уайтхеда определенным образом ссылаются на объекты реального мира, а эта концепция лежит в основе большинства теорий формальной семантики. Люгер справедливо отмечает, что ИИ не стал жизнеспособной научной дисциплиной до появления цифровых вычислительных машин. Однако архитектура цифровых компьютеров наталкивает на специфичное представление теории ИИ. Получается, что интеллект – это способ обработки информации. Далее Люгер формулирует совершенно замечательную мысль, к которой мы с удовольствием присоединяемся: "Мы часто забываем, что инструменты, которые мы создаем для своих целей, влияют своим устройством и ограничениями на формирование наших представлений о мире". Такое, казалось бы, стесняющее наш кругозор взаимодействие является важным аспектом развития человеческого знания: инструмент (а научные теории, в конечном счете, тоже инструменты) создается для решения конкретной проблемы. По мере применения и совершенствования инструмент подсказывает другие способы его использования, которые приводят к новым вопросам и, в конце концов, разработке новых инструментов [264, стр. 35]. Это очень важно для развития науки!