Наш коллега - робот - [38]
Бобров. Почему вы спрашиваете?
В-пр. Может быть, мне удастся заключить сделку.
Бобров. Почему вы в этом уверены?
В-пр. Мои предполагаемые покупатели никогда не видели нашу систему в действии.
Бобров. Это имеет для вас большое значение?
В-пр. Конечно.
Бобров. Вы как будто сомневаетесь в этом?
В-пр. Что за нелепое замечание?
Бобров. Что вы имеете в виду, говоря о нелепом замечании?
В-пр. Возражаете ли вы против того, чтобы я сейчас воспользовался ЭВМ?
Бобров. Расскажите мне побольше о ваших предполагаемых покупателях.
В-пр. Позвоните мне 491-18-50.
Когда звонка от Д. Боброва не последовало, разгневанный вице-президент начал отчитывать своего секретаря, и тут выяснилось, что телетайпный коммутатор соединил его не с самим Д. Бобровым, а с той самой системой, которую вице-президент и хотел предложить заказчикам. Таким образом, критерий Тюринга быстро девальвировал в глазах кибернетиков, так и не поведя нас к границам подлинной интеллектуальности компьютеров.
ЗА СОВЕТОМ К РОБОТУ
Пока одни ученые разрабатывали принципы кибернетического диалога, другие практики и прагматики стремились запрячь эту новую способность машины в телегу научно-технического прогресса. Они решили предложить машине некоторый объем знаний из очень конкретной области.
Все полученные машиной элементы информации связаны между собой сложной системой взаимозависимых отношений. Прибегая чаще к аналогиям и заключениям, чем к логическим выводам, машина сортирует, объединяет и синтезирует эти элементы, постепенно развивая свою способность "мыслить".
Первые такие машины появились в конце 50-х годов.
Они доказали около сорока теорем и решали простые задачки типа "постройка детской пирамиды".
Уже в 60-х годах можно было побеседовать о погоде с машиной, имеющей понятие о метеорологии и обладающей знаниями синтаксиса, которые ей необходимы для правильного построения фраз. Когда, например, ей говорили: "Я не люблю дождь летом", она очень вежливо отвечала: "Да, но дождь летом бывает не так часто".
Другая программа, получившая название "Бейсбол", отвечает на все вопросы, связанные с матчами года: место встречи, счет, состав команд. Что касается программы "Сэд Сэм", то она уже стала интересоваться семейными отношениями своих собеседников, правда, не имея о том никакого понятия. И только в 1965 году машина "Сэр" стала больше внимания уделять значению слов, а не их расстановке во фразе. А машина такого же типа "Стьюдент", как хорошо успевающий учащийся, решала уравнения первого порядка, формулируя последовательность их решения на беглом английском языке.
Чем в большей степени вводимые в машину знания относятся к специальной области, тем больше шансов существует за то, чтобы машины их освоили. В настоящее время некоторые из них являются самыми настоящими "экспертами". Они уже помогают специалистам определять, например, насколько богат рудой тот или иной геологический пласт, или ставить диагноз при инфекционном заболевании.
Для создания таких искусственных "специалистов" необходимо передать им знания специалистов-людей.
Но, как это ни парадоксально, главная трудность как раз заключается в том, чтобы "изъять" эти знания из мозга человека. Врач, например, ставит свой диагноз, исходя из опыта, следуя при этом правилам, которыми он пользуется почти бессознательно, автоматически.
И вот исследователи проводят долгие часы, интервьюируя врачей и других специалистов, чтобы затем уяснить для себя основные закономерности, свойственные процессу их мышления. Как только удастся восстановить весь ход их рассуждений, будет относительно несложно воспроизвести его в программе вычислительной машины.
Начиная с 1965 года машина "Дендрал" - первый искусственный "специалист", созданный в Стенфордском университете Э. Файгенбаумом, помогает химикам определять молекулярную структуру веществ. Другой эксперт, "Проспектор" ("Старатель"), тщательно исследует геологические карты и пробы грунта для определения возможных месторождений. В штате Вашингтон им было открыто богатое месторождение молибдена.
Что касается машины "Медцин", ее программа была составлена в 70-х годах, то она ставит диагнозы при инфекционных заболеваниях, если ей сообщат результаты анализов и основные симптомы заболевания. И что самое важное, она в любой момент объяснит причину, по которой ставит именно такой диагноз, а не другой, если таких объяснений потребует от нее пользователь.
В университете Питтсбурга специалист по компьютерам Г. Поупл и специалист по внутренним болезням Дж. Майерс создали программу "Кадуцей", которая содержит в своей памяти больше симптомов болезней, чем смог бы в любом случае запомнить врач. Программа позволяет ЭВМ комбинировать факты, оценки и суждения и ставить сложные диагнозы. Машина ставит диагноз?
Да! И вот тому пример. В этот компьютер были однажды введены детальные сведения о пожилом человеке, доставленном ночью машиной "скорой помощи" в университетскую клинику. У него был плохой вид и одышка. Сердечный приступ? "Это было мое первое предположение", - рассказывал доктор Майерс.
Принимая во внимание картину состояния больного - отсутствие болей в области грудной клетки, перенесенный ранее сердечный приступ, нормальное давление крови, запись в истории болезни о диабете, - компьютер отверг более десятка предположенных заболеваний, предварительно оценив их проявления, а затем на экране появилось сообщение о главном подозрении: "предварительный диагноз - диабет сахарный".
Миром правят числа. Все чаще и чаще решения принимают не люди, а математические модели. В числах измеряется все – от наших успехов в образовании и работе и состояния нашего здоровья до состояния экономики и достижений политики. Но числа не так объективны, как может показаться. Кроме того, мы охотнее верим числам, подтверждающим наше мнение, и легко отбрасываем те результаты, которые идут вразрез с нашими убеждениями… Анализируя примеры обращения с численными данными в сферах здравоохранения, политики, социологии, в научных исследованиях, в коммерции и в других областях и проливая свет на ряд распространенных заблуждений, нидерландский журналист, специалист по числовой грамотности Санне Блау призывает мыслить критически и советует нам быть осмотрительнее, о чем бы ни шла речь – о повседневных цифрах, управляющих нашим благополучием, или о статистике, позволяющей тем, кто ее применяет, достичь огромной власти и влияния. «Числа влияют на то, что мы пьем, что едим, где работаем, сколько зарабатываем, где живем, с кем вступаем в брак, за кого голосуем, как решаем вопрос, брать ли ипотеку, как оплачиваем страховку.
В эпоху тотальной цифровизации сложно представить свою жизнь без интернета и умных устройств. Но даже люди, осторожно ведущие себя в реальном мире, часто недостаточно внимательно относятся к своей цифровой безопасности. Между тем с последствиями такой беспечности можно столкнуться в любой момент: злоумышленник может перехватить управление автомобилем, а телевизор – записывать разговоры зрителей, с помощью игрушек преступники могут похищать детей, а к видеокамерам можно подключиться и шпионить за владельцами.
Виктор Пронин пишет о героях, которые решают острые нравственные проблемы. В конфликтных ситуациях им приходится делать выбор между добром и злом, отстаивать свои убеждения или изменять им — тогда человек неизбежно теряет многое.
О чем это? • о ключевых словах современной науки; • о самых страшных экспериментах; • о сущности цивилизации. «Любому человеку нужен просто разговор – о важном, научном. Это задача научных журналистов. И один из самых ярких, самых ясных, самых ответственных – Григорий Тарасевич». Александр Архангельский, телеведущий, писатель, профессор Высшей школы экономики «…Книга вызывает множество противоречивых чувств: с рядом моментов хочется спорить, от большинства историй смеялась в голос, а от некоторых глав становилось безумно грустно».
История машинного обучения, от теоретических исследований 50-х годов до наших дней, в изложении ведущего мирового специалиста по изучению нейросетей и искусственного интеллекта Терренса Сейновски. Автор рассказывает обо всех ключевых исследованиях и событиях, повлиявших на развитие этой технологии, начиная с первых конгрессов, посвященных искусственному разуму, и заканчивая глубоким обучением и возможностями, которые оно предоставляет разработчикам ИИ. В формате PDF A4 сохранен издательский макет.
Что значат для демократии добровольные общественные объединения? Этот вопрос стал предметом оживленных дискуссий после краха государственного социализма и постепенного отказа от западной модели государства всеобщего благосостояния, – дискуссий, сфокусированных вокруг понятия «гражданское общество». Ответ может дать обращение к прошлому, а именно – к «золотому веку» общественных объединений между Просвещением и Первой мировой войной. Политические теоретики от Алексиса де Токвиля до Макса Вебера, равно как и не столь известные практики от Бостона до Санкт-Петербурга, полагали, что общество без добровольных объединений неминуемо скатится к деспотизму.