Когда вы посылаете в магазин за покупками десятилетнего сына, он очень раздраженно реаги­рует на ваши советы, как лучше выполнить по­ставленную перед ним задачу. Он сам давно уже спланировал, что и как сделать. Он знает, что, спускаясь по лестнице, не нужно перепрыгивать через две ступеньки, потому что можно споткнуться, разбить пустые банки, лежащие в сумке, и, конечно же, порезаться; что, переходя через дорогу, нужно быть внимательным, при этом вначале следует по­смотреть налево, потом направо; что, уплатив деньги в кассу, нужно, не отходя от нее, проверить сдачу и т. д. и т. п. Ему достаточно получить соответству­ющее задание — все остальные действия он плани­рует сам. В первый раз, может быть, и не все полу­чится хорошо, зато потом он до всего дойдет своим умом. Сам решит, к какой кассе встать в очередь (конечно, к той, у которой меньше народу), пройти ли мимо киоска, в котором продаются билеты спор­тивной лотереи и вывешена таблица розыгрыша первенства мира по футболу, или сразу пересечь улицу и постоять у витрины книжного магазина,— словом, всю эту колоссальную программу получасо­вой трудовой деятельности он разрабатывает с помощью своего «механизма планирования и при­нятия решений». А механизм этот находится в голов­ном мозге и состоит из нескольких элементов, среди которых и прошлый опыт, кодированный в «кладовой» памяти. В решениях, продиктованных интеллектом, этот опыт играет важную, если не решающую роль.

Десять лет — вполне приличный возраст. Наш герой уже четыре года учится в школе, сам, как вы поняли, переходит улицу, один ездит в трамвае и троллейбусе, умеет читать и считать,— словом, с утра до вечера принимает десятки самостоятель­ных решений, и первое из них — сразу же встать с постели или еще немного поваляться. Предположим теперь, что задание купить продукты он получает впервые в жизни. Все ведь когда-то бывает впервые! Кто поможет нашему приятелю спланировать про­грамму для выполнения его задачи? Конечно, память. Только память.

Ну, а если вам поручат выполнить какую-то задачу впервые в жизни? Разумеется, с момента рождения вы только и делаете, что выполняете различные задачи. И на этот раз вы сразу же прибегнете к помощи вашей памяти, где найдете ряд подобных ситуаций, воспоминаний и представ­лений, которые, несомненно, помогут вам решить новую задачу. Основной упор здесь придется на ассоциативную память — одну из составных частей человеческого интеллекта (до сих пор мы этого не касались, но не будем забывать, что память — основа интеллекта!). Ассоциативная память тут же приведет в порядок разбросанные и, может быть, чуть смазанные кадры, извлеченные из «кладовой» памяти, и смонтирует из них стройный «коротко­метражный фильм». Таким же образом поступит и наш юный покупатель, и каждое разумное существо.

Этот процесс «монтажа» в сущности заполняет собой повседневную жизнь человека, начиная с незапамятных времен. Этот процесс прост и в то же время весьма важен. И представьте себе, воспроиз­ведением именно этого процесса заняты сейчас уче­ные. И не без успеха.

В наше время уже можно запросто говорить об искусственном разуме, искусственной памяти, искусственном интеллекте. Оперирование этими по­нятиями давно перестало быть привилегией одних лишь писателей-фантастов.

Вы, вероятно, видели, что находится внутри вашего телевизора. Пучки разноцветных проводов, коротких и длинных; в различных сочетаниях они соединяют десятки элементов, образуя сложную сеть, в которой неопытный взгляд не сумеет открыть никаких закономерностей, никакого замысла. А те­перь представьте себе, что размеры телевизионного ящика раз в пятьдесят уменьшены, число элементов исчисляется несколькими десятками миллиардов, а число проводов — тысячами миллиардов, при этом все они окрашены одинаково и видны только под микроскопом. Добавьте к этому, что никто из нас не сможет сказать, с чем точно имеет дело — с теле­визором, вычислительным автоматом, генератором идей и изобретений или с прибором для сочинения стихов и заявлений. Отметьте также, что ни в одной книге мы не найдем даже слабого намека на монтажную схему этого устройства, и вы получите полное представление о небезызвестном вам аппа­рате, называемом «головной мозг».

Но тогда возникает вопрос, что же такое разум, и далее — что такое искусственный разум и какие проблемы должен решить естественный разум в процессе создания своего искусственного подобия? Оригинальный ответ на эти вопросы дает известный советский хирург Н. М. Амосов:

Создание искусственного разума сводится к со­зданию программ для универсальных машин или конструированию специальных устройств, могу­щих воспринимать воздействия и выделять из них информацию, на основании которой обеспе­чивалось бы целесообразное воздействие на внешний мир… Для этого нужно создавать некую структуру, способную к обучению как пер­вому и необходимому этапу «разумной» пере­работки информации. Следующим этапом явля­ются сознание и творчество, уже чисто чело­веческие приобретения.

Но академик Амосов достаточно объективен, чтобы взглянуть и на обратную сторону медали — ведь искусственный разум имеет и слабые стороны. Первая — ущерб человеку от внедрения искусст­венного разума в творчество. Не исключено, что придет время, и искусственный разум сможет не только конструировать машины, но писать стихи и музыку, открывать новые законы при­роды. Это повлечет за собой ослабление твор­чества у людей.

Вторая проблема состоит в превращении искусственного разума, действующего по про­граммам человека, в личность, имеющую собст­венные интересы… Нельзя выполнить разум без всяких чувств, так как они отражают степень эффективности в реализации поставленных целей…

Личность тем и отличается от автомата, что имеет собственные интересы — потребности, цели, оценки. Искусственный разум неизбежно превратится в личность, как только у него будет воспроизведена самоорганизация. Позволим себе не согласиться с известным уче­ным. Конечно, проблема очень сложна, и у нас нет намерения отрицать этого. Но, так или иначе, элек­тронный мозг, то есть искусственный разум, сейчас наступает на человеческий. Это происходит как в сфере интеллектуальной, так и в сфере высших механизмов запоминания. Рассмотрим это подробнее. Итак, главный вопрос сводится к тому, можно ли фундаментальные закономерности и главные свой­ства, отличающие живую материю — раздражи­мость, чувствование, приспособление, размножение, память,— а также свойства, отличающие наиболее высокоорганизованную материю (человеческий мозг) — сознание, аналитическое и синтетическое мышление,— заменить интеллектуализированием, то есть «умными машинами», которые будут исполнять биологические функции? Прежде чем найти более или менее удовлетворительный ответ, давайте вспомним о некоторых основных понятиях в этой области.

Прежде всего, что такое «интеллектуальность»? Из всех определений, которые можно встретить в литературе, нам кажется наиболее научно обосно­ванным определение советских ученых П. Граве и Л. Расстригина. По их мнению, человека и челове­ческую психику от психики животных (да и от «психики» уже существующих «умных машин») отличает способность формулировать цели, ставить задачи, создавать гипотезы и теоремы. Эта способ­ность и может быть положена в основу понятия «интеллектуальность». Итак, не решение, а поста­новка задачи; не достижение, а постановка цели; не доказательство, а формулирование теоремы — вот критерии «интеллектуальности».

Определив, что представляет собой интеллекту­альность, мы, однако, не объясним понятие «интел­лект». У нас нет ни возможности, ни необходимости рассматривать возникающие здесь тонкости. Но в самом общем виде под интеллектом мы понимаем мыслительную способность индивидуума, его умст­венную работу (по Н. Стефанову). Умение ставить вопросы соответствует высокому уровню интеллекта. Чем сложнее эти вопросы, тем должен быть выше интеллект тех, кто на них будет отвечать. И еще. Так как в ответах всегда содержится определенное коли­чество информации, которую отвечающий передает по пути обратной связи, то есть используя прошлый опыт и сохраненную в виде энграммы информацию, уровень его интеллекта в большой степени зависит от объема и реактивной способности памяти. В на­стоящее время в качестве отвечающего в этом обмене мыслями может участвовать и электронная вычислительная машина. Вот мы и подошли к проб­леме искусственного интеллекта, в которой необхо­димо различать два аспекта: бионический и позна­вательный.

Как известно, бионика в общих чертах — это направление в науке, которое «эксплуатирует идеи живой природы». Ее девиз: «От живых прототи­пов — к техническим моделям». На современном этапе развития науки совершенно определенно можно сказать, что будущее — за такими техни­ческими системами, в которых осуществляется само­организация технологического процесса (по типу живого организма). Иными словами, будущее — в «бионизации производства, то есть в такой его организации, когда каждая производственная си­стема функционирует как живой организм». Раз­личие между бионическим и познавательным аспек­тами не так велико. Бионический аспект может оказаться полезным для достижения познаватель­ных целей, а познавательный — необходимым для принятия технических решений.

Изучение возможностей интеллектуализации биологических процессов должно протекать в двух направлениях: во-первых, создание аналогов адап­тивно-реактивных возможностей живых существ и постепенное создание машин-заменителей, выпол­няющих ряд мыслительных и творческих функций; во-вторых, решение проблем повышения возмож­ностей самого человеческого интеллекта, увеличение способности переработки информации, хранящейся в мозге, и повышение творческой эффективности человека как биологического вида. Эта научная установка определяет диалектику интеллектуали­зации биологических процессов и главным образом процессов, совершающихся в головном мозге, а также подчеркивает определенное различие биологи­ческой интеллектуализации с интеллектуализацией чисто механических процессов, лежащих в основе общественного производства средств потребления. Конечно, нас интересуют главные направления интеллектуализации биологической, точнее, мысли­тельной деятельности.

Иван Петрович Павлов писал, что живой орга­низм представляет собой саморегулирующуюся систему, «поддерживающую саму себя, восстанав­ливающуюся, корригирующуюся и даже самоусовер­шенствующуюся». Саморегуляция живых организ­мов — необычайно сложный процесс. В технике системы, поддерживающие в определенных преде­лах постоянство, являются объектами теории авто­матического регулирования. В биологических си­стемах, как и в технических, также существует объект, подлежащий регулированию, управляющее устройство, измерительное устройство и органы управления (или исполнительные механизмы). Главная их особенность состоит в том, что они многоконтурны — одни и те же объекты регулиру­ются несколькими управляющими средствами, кото­рые в свою очередь являются объектом регулирова­ния. Более того, для регулирования одного и того же параметра существует несколько исполнительных механизмов, которые могут взаимно дублироваться. Каждая система биологического регулирования действует в направлении поддержания и сохране­ния устойчивого внутреннего равновесия (гомео­стаза). Иными словами, гомеостатическое действие биологических управляющих устройств направлено на сохранение основных химико-физических пара­метров внутренней среды организма при самых разнообразных обстоятельствах.

Многократное регулирование и тесная взаимо­связь между отдельными регуляторами в организме создают значительные методологические трудности при экспериментальных исследованиях. Различают следующие динамические системы с внутренней саморегуляцией:

а) клетка в системе клеток живых организмов;

б) органы и системы органов;

в) целостная жизнь организма;

г) совокупность живых организмов.

Живая клетка обладает сложной системой само­регулирующих устройств двух классов. Первый работает в режиме «самосохранения» структурной организации и стабилизации на определенном уровне метаболических процессов, лежащих в основе этого самосохранения. Второй работает по прин­ципу самонастройки наиболее выгодного режима в резко и быстро изменяющихся условиях существо­вания.

Нейрокибернетика, которая занимается изуче­нием принципов саморегулирования, а следова­тельно, и функционирования сложных биологических систем, достигла в наше время исключительных успехов. Более того, она уже определилась как область, в которой сейчас весьма интенсивно раз­рабатываются проблемы интеллектуализации био­логических процессов. Основные методы достижения этой цели — создание алгоритмов и моделирование. Алгоритмы, как известно, определяют, какие сиг­налы запоминаются, какие вызывают ту или иную двигательную реакцию и т. д. Моделирование же — это исследовательское направление, позволяющее экспериментально изучать проявления сложного поведения биологических систем. Не менее важна и практическая сторона моделирования, то есть воз­можность создания моделей, выполняющих нор­мальные физиологические функции организма.

Одна и та же биологическая функция может моделироваться различными способами: физио­логическим, электронным и математическим. Сейчас в науке наибольшее распространение приобрели различные модели нервных связей, выполняющие функции нервной системы.

При создании моделей, способных выполнять, скажем, функции головного мозга, допускаются некоторые упрощения. Предполагается, что нервные клетки полностью подчиняются закону «все или ничего». Каждый нейрон может находиться лишь в одном из двух состояний: возбуждения или тор­можения. Для возбуждения нейронов величина раздражения должна достигать его порогового по­казателя, при этом она не зависит от силы раз­дражителя. Таким образом, каждый нервный эле­мент может оказаться в одном из двух возможных состояний — «да» или «нет». Этот подход к нервным элементам мозга обеспечивает создание изоморфных технических устройств. Одно из таких устройств — триггер. Для моделирования нейрона можно с таким же успехом применять реле, ферритные кольца и другие бистабильные элементы. Такая модель ней­рона получила название «формальный нейрон». Определенное число формальных нейронов образует нервную сеть. Как и у биологического индивидуума, каждый нейрон такой сети состоит из тела и концевой пластинки-синапса, прилежащего к телу соседнего нейрона. Естественно, что с телом одного нейрона могут контактировать пластинки-синапсы несколь­ких нейронов, причем синапсы могут быть возбуж­дающими и тормозящими. Конечный баланс между действием массы возбуждающих и тормозящих синапсов, который приводит нейрон в состояние возбуждения, называется порогом раздражения нейрона. Например, нейрон X приходит в возбужде­ние, только если одновременно возбуждены два возбуждающих и один тормозящий синапсы или три возбуждающих и два тормозящих.

В. Тейлор создал модели нейронов и синапти­ческих связей с помощью конденсаторов и сопротив­лений, возбуждающихся прямоугольными импуль­сами продолжительностью в 1 миллисекунду. Из таких элементов построен нейронный ансамбль, осу­ществляющий ряд сложных действий. Построены нейронные ансамбли и из пластических нейронов, которые изменяют свой порог раздражения в зависимости от заданных условий. Созданы также мо­дели нейронов, обладающие несколькими входами, которые позволяют им воспринимать значительно более богатую информацию.

Моделирование памяти оказалось для ученых сравнительно простой инженерной задачей. Трудно лишь добиться большего запоминания по сравне­нию с возможностями головного мозга. Аналогами памяти могут быть различные инерционные чувстви­тельные элементы, например термореле. Память можно моделировать и с помощью конденсатора и сопротивления. Более совершенны, однако, схемы запоминания с неограниченной продолжитель­ностью хранения информации. Самый простой вариант — это релейная схема с блокировкой; более сложные — ферритная клетка и триггер.

Для конструкторов робототехники (в том числе и искусственной памяти) интерес представляет следующая схема циклического запоминания эле­ментов.

Циклическая схема содержит логические эле­менты «ИЛИ» и линию задержки (ЛЗ). Подлежа­щий запоминанию импульс подается на вход эле­мента «ИЛИ», а из его выхода (А) поступает в линию задержки. Проходя через эту линию, импульс снова поступает на вход «ИЛИ». Если время задержки (Т) значительно больше продолжитель­ности импульса, то за время продвижения его по линии задержки схема успевает запомнить всю серию новых импульсов. Благодаря этому цикли­ческие запоминающие устройства могут служить «кладовыми» значительного количества информа­ции.

Для моделирования условных рефлексов исполь­зуются как различные электронные схемы, так и схемы с логическими элементами по типу цикли­ческой памяти. Однако удобнее всего модели­ровать условнорефлекторную деятельность головного мозга с помощью электронных вычислительных машин.

На основе свойств биологических систем созданы два типа моделей — биологических аналогов искус­ственного интеллекта. Первый тип — простые ана­логи нейрона; они получили названия «нейромимы, артроны и нейристоры». Второй тип — самоуправ­ляющиеся системы с определенной функцией; к ним относятся избирательные фильтры и перцептроны (по В. В. Ларину и Р. М. Баевскому).

В основе нейромима — преобразователь с двой­ным выходом и двумя типами входных устройств, возбуждающим и тормозящим. Конструкторы стре­мятся получить и получают аналоги нейронов, обладающие рядом свойств живых прототипов. В конструкции одного из первых нейронных ана­логов, созданного в Рокфеллеровском институте, применено устройство, в котором имитируется воз­никновение мембранного потенциала; поляризация меняется в зависимости от способности мембраны пропускать ионы натрия.

Артрон — один из нейронных аналогов, в его основу положена схема конструируемых самоуправ­ляющихся машин. Артрон имеет два входа: «по­ощряющий» и «наказующий». Его логические функ­ции действуют в одном направлении: от входов, соответствующих дендритам, к выходному каналу, имитирующему аксон. Артрон может имитировать 16 возможных состояний нейрона. Познающую машину создают из множества артронов, связанных один с другим прямой и обратной связью. В период «обучения» машины определяются и ее задачи. Обратная связь отмечает допущенные ошибки. Арт­роны в результате избирательного подкрепления («поощрения») за совершенную операцию специа­лизируются; изменения внешних условий вызывают переход к другим логическим операциям.

Нейристор является типичным бионическим эле­ментом. Это активный прибор с определенными параметрами, созданный из термического материала и распределительного конденсатора, который играет роль энергетического заряда. Когда какой-либо участок нейристора приходит в активное состояние, происходит местное нагревание материала тер­мистора, в результате чего высвобождается извест­ное количество энергии. Происходит возбуждение соседних участков, которое передается дальше и дальше. Разряд распространяется так же, как это происходит в аксоне,— с постоянной скоростью. Чтобы участок пришел в активное состояние, в нем должно накопиться определенное количество энер­гии (зарядка конденсатора), затем наступает период восстановления, который соответствует реф­рактерному периоду нервного волокна. Это свойство еще больше усиливает сходство нейристора с нерв­ным волокном.

Преимущество нейристорной системы состоит в ее структурной однородности, определяемой как однородность распределения активно-пассивной структуры на составляющие ее элементы. Система однородна и с функциональной точки зрения — все элементы действуют по одному принципу, сигналы выражаются импульсами, какие-либо преобразова­тели отсутствуют. На основе элементов с харак­теристикой нейристоров создано устройство, воспро­изводящее процессы запоминания и заучивания.

Избирательные фильтры — это элементы, осно­ванные на способности биологических анализатор­ных систем производить отбор поступающей инфор­мации на основании определенных характеристик. По этому принципу работают входные устройства опознающих систем, обладающие способностью про­изводить выбор информации по заданному признаку.

И для робототехники, и для физиологии наиболь­ший интерес представляют перцептроны. Это «обу­чающиеся» самоорганизующиеся опознающие си­стемы, выполняющие логические функции опоз­навания и классификации. Увеличение числа эле­ментов памяти в новых моделях перцептронов и усложнение систем взаимосвязи расширяют их воз­можности.

При разработке систем для автоматического опознавания символов применяются два принципа. Один основан на сравнении геометрических форм неизвестного символа с формами известных симво­лов, хранящихся в памяти опознающего устройства. Другой принцип состоит в использовании скани­рующих устройств, то есть в последовательном изучении всех поверхностей предъявленного сим­вола, установлении его границ и вычислении его свойств на основе логических решений, заложенных в программу опознавания.

Вычислительные машины служат для нас не только устройствами для переработки информации, они также являются источником теоретических идей для моделирования других систем переработки ин­формации. И все же при моделировании познава­тельных процессов нужно рассчитывать не на «ум­ные машины», а на «умные программы».

Система для переработки информации, которая использована в представленном ниже устройстве, служит основой для создания моделей мышления, обучения, а также процесса решения различных задач. Она обыкновенно содержит определенное число символов: C₁, C₂, … C_n. Некоторые из них связаны друг с другом. Связь символов в сущности представляет собой тройственное отношение между ними, так как каждая связь двух символов обозна­чается каким-то третьим символом. Фрагмент искусственной памяти описанного типа изображен на рис. 2: здесь символ С₃ связан с символом С₂ линией, обозначенной С₆. Такая память хранит информацию в виде структурных связей. Добавляя, стирая или изменяя связи, создавая новые символы или уничтожая старые, можно изменять информа­цию. Таким образом, в памяти такого устройства символ является узлом в системе связей.

Представим себе, что некий организм состоит из: 1) памяти только что описанного типа; 2) вычисли­тельного устройства, которое обрабатывает мате­риал, содержащийся в памяти, и 3) совокупности рецепторов и эффекторов, служащих для связи с окружающей средой. Такая организация показана на рис. 3.

Вычислительное устройство этой системы соот­ветствует управляющему устройству вычислитель­ных машин, ассоциативная память — обыкновенной машинной памяти с последовательной адресацией, блок «рецепторы — эффекторы» соответствует вхо­ду — выходу.

Какие же процессы включает переработка инфор­мации по этому способу?

Вычислительное устройство, получая инфор­мацию из окружающей среды (с помощью рецепторов) и из «кладовых» памяти, видоизменяет окру­жающую среду (с помощью эффекторов) и память. Для нас, однако, представляет интерес только спо­соб, которым видоизменяется память в ходе реше­ния данной задачи; иными словами, мы должны выяснить, под влиянием каких процессов, происходя­щих в вычислительном устройстве и в памяти (в «голове» изучаемого организма), память видо­изменяется.

Вычислительное устройство может воздейство­вать на память с помощью следующих пяти опера­ций:

а) найти символ, связанный с символом C₁ по­средством линии связи С₂;

б) связать символы С₃ и C₁ линией связи С₂;

в) стереть связь С₂, идущую от символа C₁;

г) ввести новый символ;

д) уничтожить символ С₁

Первая операция (найти) позволяет вычисли­тельному устройству получить информацию от па­мяти. Так как символы не обязательно связаны друг с другом, эта информация может ограни­читься только одним сообщением: символа, связан­ного с C₁ через связь С₂, в памяти нет. Вторая операция (связать) позволяет вычислительному устройству видоизменить существующие в памяти связи: если символ С₁ не имеет связи типа С₂, то мы можем связать его с символом С₃ посредством новой линии связи.

Если же такая связь уже существует, операцию «связывания» можно изменить таким образом, что она приведет к другому символу. С помощью третьей операции (стереть) просто уничтожаются соответ­ствующие связи. Четвертая и пятая операции направ­лены на сами стимулы, а не на связи между ними, и позволяют расширить или сократить объем памяти.

Описанных пяти операций оказалось достаточно, чтобы преобразовывать структуры памяти, необ­ходимые для решения интеллектуальных задач. Эти операции аналогичны системе команд для вычисли­тельной машины. Однако кроме системы операций необходимо предусматривать средства для составле­ния рабочих программ на базе этих операций.

А сейчас рассмотрим подробнее работу перцеп­трона (от латинского слова perceptio, означающего «восприятие»).

Перцептрон представляет собой систему, которая состоит из моделей нейронов и предназначена для изучения познавательных процессов нервной дея­тельности: восприятия, усвоения, запоминания. Пер­цептронные модели создаются с целью найти и сформулировать логико-математические обоснова­ния этих процессов. Нужно подчеркнуть, что исследования, связанные с применением перцептрона, направлены прежде всего на изучение общих прин­ципов обработки информации, а не на выработку методов решения конкретных задач.

Несмотря на то что исследования на перцеп­троне, безусловно, входят в сферу вычислительной техники, они все же отличаются от традиционных работ с использованием вычислительных методов в биологии. Вычислительные машины, как правило, применяются там, где требуется быстрая обработка большого объема информации. Перцептронный под­ход позволяет применить теорию синтеза вычисли­тельных машин и даже более общую теорию автома­тов для изучения процессов, происходящих в нерв­ных клетках.

Первоначальное определение перцептрона, кото­рое волей-неволей требуется запомнить, в сущности гораздо шире, чем принятое в научной литературе. Обычно перцептронными называют те схемы, которые обладают способностью быть обученными; для этого применяется простое упрочение связей в качестве основных средств управления структур­ной сетью. И здесь необходимо воздать должное Розенблатту, который первым ввел это понятие и имеет большие заслуги в развитии теории нейрон­ных сетей или ансамблей.

Сам ученый определяет перцептрон как сеть, состоящую из входных, выходных и решающих элементов, а также из памяти, воздействующей только на поток сигналов между элементами. Ближе к первоначальному нашему определению перцеп­трона стоит определение Блока, который называет это образование «классом теоретических моделей мозга, позволяющих лучше понять, как структурами мозга осуществляется высшая нервная деятель­ность».

Конструктивные достижения теории перцептрона реализуются в четырех направлениях: в вычисли­тельном аспекте, в обучаемости, надежности (устой­чивости) и способности к обобщению. Исследование способности перцептрона к обучению направлено на объяснение механизмов обучаемости в живом орга­низме. Результаты исследований показали, что мо­дели случайных связей могут приобрести различные конкретные вычислительные способности, если для изменения свойств «синапсов» будет применена методика закрепления этих связей. Исследование надежности связано с понятием распределения памяти и использованием этого понятия в качестве возможного объяснения относительно высокой надежности и гибкости нервной системы в сравнении с очевидной ненадежностью отдельного нейрона. Самые интересные результаты в этой области каса­ются характера нейронных ансамблей и их моди­фикации в процессе обучения, а следовательно, в процессе сохранения той или иной информации.

И все же, как уже было сказано, искусственная память — только составная часть в механизме про­цесса «интеллектуализации», сущность которой сводится к созданию искусственного интеллекта и его применению на практике. Но поскольку интеллек­туальность — свойство самой высокоорганизованной материи (человеческого мозга), при создании искусственного интеллекта мы вынуждены имити­ровать и свойства этой материи, то есть ее психи­ческую деятельность, мышление. Какие свойства человеческой психики имеются в виду? Как указы­вают П. Граве и Л. Расстригин, это — тенденциоз­ность, многопрограммность, формирование цели, многоэтажность, ассоциативность, проверка досто­верности, наличие выходного фильтра, право на ошибку, эмоции и творческое мышление. В то же время, по мнению ученых, для создания искусствен­ного интеллекта необязательно такое свойство, как тенденциозность, поскольку для биологических систем характерны многопрограммность и эмоции. А поскольку скорость и эффективность работы вы­числительных машин могут изменяться и строго управляться (контролироваться), это исключает не­обходимость эмоционального напряжения «мозговой атаки».

Как типичный пример исследования с примене­нием искусственного интеллекта, которое имеет своей целью моделирование решения поставленной задачи (без точного воспроизведения механизмов, с помощью которых эта задача решается челове­ком), рассмотрим программу SIR, разработанную известным кибернетиком Рафаэлем. Программа функционирует так, будто «понимает» вопросы, за­даваемые ей на обычном языке.

В основу программы Рафаэль положил принципы ранее разработанных «понимающих» программ, но с более ограниченными возможностями.

Программа позволяет вводить в машину простые вопросы, заданные обычным языком, и новые све­дения на том же языке. Кроме того, программа может делать несложные выводы из своих знаний и отвечать на вопросы в тех случаях, когда ответ не содержится непосредственно в памяти вычисли­тельной машины. Экспериментатор может сообщить программе какую-либо информацию и после этого задавать ей вопросы, чтобы проверить, как она понимает полученные сведения. Вот одна из таких примерных бесед (по Р. Стейки и Б. Уоксмену):

— Каждый мальчик — человек.

— Понимаю.

— Палец — часть руки.

— Понимаю.

— Каждый человек имеет две руки.

— Смысл этого выражения не понятен. Пере­фразируйте его.

— Рук у человека — две.

— Понимаю.

— Сколько пальцев имеет Джон?

— Смысл этого выражения не понятен. Но пред­полагаю, что слово «имеет» означает «имеет как часть». Не знаю, палец — часть Джона?

— Джон — мальчик.

— Понимаю.

— Сколько пальцев имеет Джон?

— Смысл этого выражения не понятен. Но пред­полагаю, что слово «имеет» означает «имеет как часть». Сколько пальцев имеет рука?

— Каждая рука имеет пять пальцев.

— Смысл этого выражения не понятен. Пред­полагаю, что слово «имеет» означает «имеет как часть». Понимаю.

— Сколько пальцев имеет Джон?

— Смысл этого выражения не понятен. Но предполагаю, что слово «имеет» означает «имеет как часть». Десять.

В приведенном примере экспериментатор сооб­щает программе некоторые сведения о руках, паль­цах и мальчиках. После чего спрашивает, сколько пальцев у Джона. Ответ программы, в конечном счете верный, показывает, что она поняла кое-что из того, что ей было сказано. Если беседы такого типа повторяются в различных контекстах, можно ска­зать, что создана программа, которая в определен­ном смысле способна понимать. Но вследствие огра­ниченности объема памяти вычислительной машины она может работать лишь с небольшим запасом сведений.

Общий принцип действия этой программы по­казан на рис. 4. Давайте его рассмотрим.

Данное выражение (вопрос или сообщаемая информация) поступает на вход программы и интер­претируется, после чего в действие вступает храня­щаяся в памяти информация. Если появившееся на входе выражение является вопросом, то память предлагает различные варианты ответа или другую возможную информацию, относящуюся к задан­ному вопросу, в результате чего подготавливается необходимый ответ. Ответ может быть лишь простой копией хранящейся в памяти информации. Если на входе подается какое-либо утверждение, структура памяти не видоизменяется, включая эту новую информацию, и программа SIR сообщает собесед­нику «Понимаю».

При создании этой программы одним из основ­ных моментов является выработка подходящей структуры памяти. Если информация хранится в памяти в той форме, в какой поступает на вход, процедура запоминания может быть очень простой, но ответ на вопрос готовится с трудом. Если же информацию, прежде чем ее закладывают в память машины, преобразуют каким-либо подходящим спо­собом, процедура подготовки ответа упрощается, но ценой затраты усилий на преобразование.

Второй важный момент — это организация про­цесса интерпретации и выбор характеристики языка, на котором предполагается вести разговор с машиной. Решение этих двух задач показывает, что программа по существу однозначно определена.

На рис. 5 показан один из возможных вариантов организации памяти о беседе.

Каждый символ памяти представляет слово из этой беседы, которая, согласно положениям про­граммы SIR, означает какой-то объект. Когда по­являются новые слова, в память соответственно вводят и новые символы. Таким образом, факти­ческая структура памяти машины строится путем извлечения из информации, получаемой на входе. Следует обратить внимание на то, что в изображе­нии структуры памяти умышленно игнорируется факт, что один объект может одновременно принадлежать многим классам и иметь много со­ставных частей. Сообразно с этим подготовлена про­грамма с усложненной структурой памяти.

Итак, чтобы ответить на вопрос: «Сколько пальцев имеет Джон?», программа должна обнару­жить, существует ли соответствующая связь между словами «Джон» и «палец», то есть принадлежит ли Джон к какому-либо классу объектов, которые обла­дают пальцами как составными частями. Поначалу программа SIR может решить, что такой связи не существует, и сообщить об этом, но после добавле­ния новой информации она может найти такую связь. Так как программа знает, что символ «коли­чество» показывает операцию «умножение», она может «спокойно» определить число пальцев.

Можно даже сказать, что программа SIR про­ливает определенный свет на понятие «понимание», так как справляется с такими задачами, решение которых человек считает доказательством понима­ния. Возможности программы можно расширить в различных направлениях.

Как уже было сказано, проблема создания искусственного интеллекта вошла в такую стадию разработки, которая приведет нас к моделированию поведения человека. Изучение организма различ­ными методами показывает очень небольшие раз­личия при исследовании «изнутри», когда изучаются его физические и химические свойства, и при иссле­довании «снаружи», когда изучается его поведение. Вычислительные машины также могут служить при­мером сложных систем, к которым приложим этот парадокс.

• ← Память за бажанням
• Як покращити нашу память? →