Текст книги "Об ИИ без мифов. Путеводитель по истории Искусственного Интеллекта"
Автор книги: Леонид Черняк
сообщить о нарушении
Текущая страница: 8 (всего у книги 19 страниц) [доступный отрывок для чтения: 8 страниц]
Наибольших практических успехов по части ES достиг Дуглас (Даг) Ленат. Он начал с того, что в качестве диссертационной работы написал на языке Lisp «Автоматизированного математика» (Automated Mathematician, AM) одну из первых систем класса discovery systems, так назвали системы, предназначенные для открытия новых знаний. По следам AM была им же написана программа Eurisko, ее название переводится с греческого как «отыскиваю» или «открываю». Она представляла собой набор эвристик с элементами самообучения, они изменялась после того, как уточнялись ранее созданные эвристики. Программа Eurisko оставила свой след в технологии проектирования электронных интегральных микросхем, где тогда существовала проблема слишком сложная для человеческого разума, человек не справлялся с проверкой вариантов многослойного размещения компонентов на подложке.
Золотым веком для экспертных систем и лично для Лената были 80-е годы, когда каждая крупная компания считала необходимым обзавестись своей экспертной системой. Ленату повезло больше других – его идеями заинтересовалось ЦРУ, оно обеспечивает ему финансирование до сих пор. Во всех опубликованных хрониках работ по экспертным системам можно найти упоминания о его проекте Cyc. История Cyc началась в 1983 году, когда Министерство обороны США анонсировало пятилетнюю программу Strategic Computing Program, управлять реализацией которой должно было агентство DARPA. Одной из созданных в рамках этой программы компаний была Cycorp, созданная Ленатом и его партнером адмиралом Робертом Инманом. В одном из интервью Ленат так определил предмет деятельности своей компании: «С моей точки зрения, AI – это попытка заставить компьютеры делать то, что требует интеллекта, например, медицинская диагностика, сочинение музыки, изобретение новых или использование по-новому старых устройств. Компьютеры должны находить ответы на сложные вопросы наподобие "Что это?", относя их, в частности, к таким явлениям, как военные или политические кризисы. Пока на эти вопросы ни компьютеры, ни программы ответить не могут, люди остаются единственными мыслящими существами на планете, но существующая ситуация вполне может измениться в ближайшие годы, машины могут стать разумными. Для этого они должны владеть совокупностью человеческих знаний, причем речь не идет только о научном знании. Cyc – это огромный репозиторий самых разнообразных знаний, которые могут показаться тривиальными. Например, мы знаем, но не задумываемся о том, что наполненный стакан стоит держать донышком вниз, а людей не стоит тревожить по ночам и т. д. Это настолько очевидные истины, что их даже не объясняют детям, они приходят к этим выводам сами, но компьютеру следует передать и эти знания, какими бы простыми они ни казались».
По некоторым источникам ЦРУ по-прежнему эксплуатирует Cyc, который насчитывает к настоящему времени до 10 миллионов статей. Недавно Лената назвали «одиноким творцом, пытающимся научить компьютеры понимать смысл». Его деятельность оценивают по-разному, немногие оставшиеся сторонники символьного подхода, сохраняют веру в его дело, те же представители следующего поколения, кто занят практическими задачами, решаемыми средствами машинного обучения, не проявляют к Сус никакого внимания. Сам Ленат скептически относится к машинному обучению и нейронным сетям, он уверен, что когда-нибудь он и дело его жизни еще будут востребованы.
Одной из самых последних разработок, которую можно отнести к ES, является машина, вычисляющая знания (computational knowledge engine), Wolfram|Alpha. Ее создал в 2009 году известный математик и удачливый предприниматель Стивен Вольфрам, он объявил, что его компания Wolfram Research подготовила систему, в которой реализован альтернативный подход к работе с информацией. В прессе сообщалось, что она сможет составить конкуренцию Google, но это продукт совершенно иного класса. Wolfram|Alpha не ищет страницы по ключевым словам. Вольфрам так ее охарактеризовал: «Alpha – не поисковая машина, а машина, дающая ответы на заданные ей вопросы». Сам Вольфрам публично не распространяется о технологиях вычисления знаний. Относительно Wolfram|Alpha Ленат сделал следующий вывод: «Поисковая система Google работает с данными, не вникая в них, основываясь на формальном соответствии. Моя система Cyc сможет дать глубокий ответ, если вы, в свою очередь, сможете ей задать вопрос и при этом попадете в ту область, которую она знает. Wolfram|Alpha представляет собой нечто среднее. Грядущие перспективы системы в сильной степени зависят от того, насколько продуктивным окажется идея формирования базы знаний силами самой компании, удастся ли с подобным сугубо проприетарным подходом противостоять открытому редактированию, принятому в Wikipedia и других сетевых энциклопедиях». Складывается впечатление, что не удалось, и сегодня Wolfram|Alpha известна только узкому кругу специалистов.
Японские компьютеры пятого поколенияОкончательному подрыву авторитета AI заметно способствовало правительство Японии принятым им в 1982 году планом создания компьютеров 5-го поколения Fifth Generation Computer System (FGCS). Идеологом FGCS был профессор Кузухиро Фучи (Fuchi Kazuhiro 1936–2006). Он ставил целью превращение компьютеров из приспособлений для облегчения работы в системы, способные самостоятельно оперировать знаниями (Knowledge Information Processing Systems, KIPS). По его замыслу, FGCS, обладая специализированным программным обеспечением, должны были извлекать знания из баз данных и баз знаний, чтобы оперировать ими. В качестве первых задач были поставлены следующие: ввод текста под диктовку, что решило бы проблему ввода иероглифической записи, перевод с голоса, реферирование статей, поиск смысла и категоризация, а также задачи распознавания образов.
Качественное отличие этих компьютеров от традиционных, построенных на микропроцессорах с фон-неймановской архитектурой, заключалось в том, что FGCS-компьютеры должны были быть ориентированы на логическое программирование и предназначены для решения задач AI. Проект был ошибочен по целому ряду исходных положений: в нем не было функционального разделения на программное и аппаратное обеспечение, отсутствовало глубинное понимание сути AI. Десять лет упорного туда и десятки миллиарды долларов не принесли какого-либо позитивного результата. Программа закончилась провалом, так как не опиралась на чёткие научные методики, более того, даже её промежуточные цели оказались недостижимы в технологическом плане.
Взгляд на символьный AI с современных позиций
Современный AI сохраняет все то же название, которое придумал Джон Маккарти в 1956 году, но скрывает под ним совершенно иное содержание. Лингвисты называют такое явление «диахроническим сдвигом значения». Сегодня внимание сосредоточено не на мифических умственных способностях машины, а на прикладных аспектах AI (Applied AI), в итоге, практически все, что делалось прежде на протяжении предшествующих шестидесяти с лишним лет, приходится признать, как говорят зодчие, «бумажной архитектурой».
Английский термин visionary architecture, который можно перевести как «архитектура мечты» подошел бы точнее, поскольку он не несет свойственного русскому слову «бумажный» иронического оттенка. Основателем этого самостоятельного жанра утопической архитектуры был живший в XVII веке Джованни Пиранези. Рисунок на бумаге или бумажный макет позволяют творцу освободиться от физических и других ограничений. Неслучайно бумажная архитектура привлекала к себе тех, кто не мог творчески состояться в советское время. Когда нет возможности построить желаемое, архитектор творит на бумаге. Можно с уверенностью сказать, что знакомство с лучшими образцами старинной и современной бумажной архитектуры доставит эстетическое удовольствие.
Сравнение старого доброго символьного AI с бумажной архитектурой не следует рассматривать как унижение тех людей, которые отдали свои силы и талант бумажному AI, на самом деле у них не было иной возможности. Вплоть до появления теорий машинного обучения и специализированных серверов на графических процессорах общего назначения GPGPU (General-purpose computing on graphics processing units) или, как теперь принято говорить, просто GPU для реализации нейронных сетей, не было компьютерной платформы для реализации AI.
Глава 5 Дуэт «Мак-Каллок и Питтс» и рождение кибернетики
Дуэты обычны в исполнительском искусстве, их меньше в литературе, и совсем уж редки они в науке, если они и встречаются, то это скорее совместное использование двух имен, не связанное с общим творчеством. Двойные имена несут открытия или изобретения, сделанные одновременно, например, закон Бойля – Мариотта. Случается, что имена двух людей связывает не сотрудничество, а наоборот – многолетнее противостояние, как в случае Роберта Гука и Исаака Ньютона. Исключение являет собой творческий союз Уоррена Мак-Каллока (Warren McCulloch, 1898–1969), и Уолтера Питтса (Walter Pitts, 1923–1969), двух удивительных, почти позабытых персонажей, невероятно значимых для современности. Каждый из них обладал собственным даром, а синергия двух талантов стала фундаментом тех современных систем AI, где используются нейронные сети и машинное обучение. В истории науки имена Уоррена Мак-Каллока и Уолтера Питтса неразрывно связаны, они основатели коннекционизма, в этом они оказались настолько неразделимы, что о них говорят не иначе как о «дуэте Мак-Каллока и Питтса», или просто MCP.
Мятежный гений
Современники называли Уоррена Мак-Каллока «человеком эпохи Возрождения» (Renaissance man). Он был одним из последних представителей исчезнувшего племени универсальных гениев-полиматов, о нем было сказано: «Этот человек, способен сделать все что угодно, если захочет». В Сети доступна запись его интервью, сделанного канадским телевидением в 1969 году, незадолго до его кончины, она дает возможность воочию увидеть облик Мак-Каллока, его благородство и умение говорить. Писатель Тара Абрахам, автор посвященной Мак-Каллоку книги с весьма символическим названием «Мятежный гений» (Rebel Genius) видит в нем философа, поэта, невролога, нейрофизиолога, нейропсихиатра и кибернетика. Наряду с качествами ученого, она отмечает его уникальную харизму и редкую способность объединять единомышленников и создавать творческую атмосферу. Для таких людей в английском есть специальное слово collaborator (его иногда ошибочно переводят как коллаборационист, хотя по-английски это collaborationist). Коллаборатор же – это тот, кто создает условия для совместного творчества, то есть для коллаборации. Особенно ярко эта черта натуры Мак-Каллока проявилось в процессе организации конференций Мэйси, вошедших в историю науки как место, где родилась кибернетика.
Профессиональная жизнь Мак-Каллока делится на три периода:
• По окончании университета в 1923 году он работал в госпитале, с 1934 года продолжил свои исследования в лаборатории нейрофизиологии Йельского университета и с 1941 года на факультете психиатрии Иллинойского университета в Чикаго.
• Параллельно с работой в университете в период с 1943 по 1953 Мак-Каллок был занят подготовкой масштабных научных встреч, вошедших в историю науки как «Кибернетические конференции Мэйси», там были выработаны существующие поныне подходы к кибернетике.
• В последние пятнадцать лет жизни работал в МТИ, сначала совместно с Норбертом Винером, но по ряду причин ему пришлись продолжить свои исследования в области физики нейронных сетей в MIT Research Laboratory of Electronics (RLE).
Уоррен Мак-Каллок выходец из состоятельной религиозной семьи квакеров-первопоселенцев, следуя семейной традиции, он в юные годы готовил себя к карьере священника и поступил в соответствующий этому выбору Квакерский колледж. Осуществлению этих намерений помешала Первая Мировая Война, Уоррен записался во флот добровольцем, хотя поучаствовать в сражениях ему не довелось, но служба серьезно повлияла на его взгляды на жизнь и в даже на некоторые профессиональные взгляды. По окончании войны он покончил с богословием и поступил в Йельский университет, входящий в Лигу плюща, так называют неформальное объединение университетов на северо-востоке США за побеги плюща, которые обвивают их старинные здания. Вскоре после начала учебы на философском факультете вектор интересов Мак-Каллока изменил свое направление: он погрузился в труды Декарта, Лейбница и Канта, а потом область интересов сместилась в сторону нейрофизиологии, об этом чуть ниже. Изменению интересов в немалой степени способствовала, как это ни покажется странным, работа сигнальщиком на корабле. Напомним, что до появления радиосвязи на флоте использовалась семафорная азбука, где каждой букве соответствуют определенное положение рук сигнальщика с флажками. Выступая в роли ретранслятора на прием и передачу, Мак-Каллок убедился в ненадежности используемой на флоте централизованной системы связи, где флагман принимал сигналы с одних кораблей и далее транслировал их на другие. Удивительно, но возникшая тогда идея создания надежных децентрализованных систем из ненадежных компонентов, прослеживается в работах на протяжении всей его последующей деятельности.
Еще на выбор пути в немалой степени повлиял поставленный в юности вопрос, ответа на который он искал почти полвека: «Что такое число, которое может знать человек, и что такое человек, который может знать число?» (What is a number that a man may know it and a man that he may know a number?) Именно в такой далеко не простой форме юный Мак-Каллок озадачил преподавателя философии в Квакерском колледже. Пораженный глубиной вопроса, учитель сказал, что для ответа на него не хватит и трех жизней. Но Мак-Каллоку хватило одной, в 1960 году он прочитал лекцию в Институте общей семантики (The Institute of General Semantics), в название которой был вынесен тот же вопрос и был дан ответ на него. Текст лекции тогда же был опубликован в ежегоднике этого института, его несложно найти в Сети.
Упрощая и переводя на современную лексику, вопрос Мак-Каллока можно переформулировать следующим образом: «Как соотносятся человеческий разум и доступные ему данные?» Это, возможно, один из ключевых вопросов для понимания различия между интеллектом человека и AI, поскольку они обладают качественно разными способностями при работе с данными. Преимущество человеческого интеллекта – в способности делать логические выводы и решать стоящие перед ним проблемы в условиях неопределенности, ограниченного и порой неполного объема данных. Ему помогает предшествующий опыт, интуиция, наблюдательность. Но человеческий интеллект слаб при работе с большими объемами данных, он попросту не подготовлен к этому виду деятельности в процессе эволюции. И напротив, примитивный механистичный AI, снабженный необходимыми алгоритмами, используя серьезные вычислительные ресурсы, успешно справляется с извлечением полезных данных из колоссальных объемов, но ни к какому творчеству не приспособлен. Интеллектуальный потенциал машины сводится к способности перемалывать огромные массивы данных, извлекая полезную информацию, это качество оказалось востребовано с возникновением проблемы Больших данных.
Такая трактовка отношения «разум-данные» служит ключом к пониманию различия в двух намеченных Аланом Тьюрингом альтернативных подходов к AI – имитирующего человеческий мозг «сверху-вниз» и чисто машинного «снизу-вверх». Врожденная слабость первого заключается в том, что машина не обладает творческим началом, у нее нет интуиции – отсюда вывод, не следует возлагать надежды на решение средствами AI тех задач, на которые способен человек. И напротив, беспредельные перспективы развития второго подхода обеспечены неограниченной мощностью машин, их способностью механически перемалывать данные. Она не имеет пределов, поэтому компьютеры могут быть мощнейшим инструментом, поддерживающим творческий потенциал человека.
Интерес к изучению работы мозга Мак-Каллока пробудило чтение в студенческие годы тех трудов Декарта, которые не входят в классические университетские программы по философии. В них Декарт рассуждает о мозге, как о системе, состоящей из нервных волокон в виде гидравлических трубочек, движением жидкости по которым управляют мышцы, открывающие или закрывающие клапаны. Это, возможно, самая первая «нейронная» модель мозга с обратными связями. Возникший интерес к работе мозга побудил Мак-Каллока к поступлению в магистратуру Медицинского и хирургического колледжа в Нью-Йорке, но там он был разочарован, оказалось, что медики сосредоточены исключительно на физиологии и оставляют в стороне логику работы мозга и его системную организацию. В ответ на выраженное им сомнение в единственности такого подхода, он получил упрек в противоестественном, с точки зрения медиков, желании применить математические подходы к живому мозгу.
На дальнейшее становление Мак-Каллока как самостоятельного ученого неожиданным образом положительно повлияла Великая депрессия, она заставила его встать на землю, отвлечься от философских исследований, задуматься о хлебе насущном и перейти к более практическим оплачиваемым занятиям нейрофизиологией. С 1934 по 1941 год Мак-Каллок работал в Йельской Медицинской школе, где ему невероятно повезло, там он получил возможность сотрудничать с Дюссером де Баренном (1885–1940), голландским нейропсихиатром, который с 1930 года руководил лабораторией нейрофизиологии в Йеле. Де Баренн исследовал функции коры головного мозга, что особенно привлекало Мак-Каллока, к тому же их обоих объединяла этническая общность – Мак-Каллок был полушотландец, полуголландец и испытывал привязанность к Голландии как родине своих предков.
Под руководством де Баренна Мак-Каллок изучал нейроанатомию и параллельно с философских позиций размышлял о логических операциях, выполняемых мозгом. В то время в Йеле проводились семинары, предметом которых были сходные вопросы, на них Мак-Каллок узнал о работах Тьюринга с описанием универсальной машины, об «Основаниях математики» Рассела и о том, как в них рассматриваются эти вопросы. Все это способствовало усилению интереса к логике работы мозга, поэтому он продолжил свои исследования связей в нейронных сетях.
На научном ранчо
В те же годы супруги Мак-Каллок купили ранчо поблизости от популярного летнего курорта Олд-Лайм в штате Коннектикут, особое своеобразие этому городку придавала расположившаяся здесь в конце XIX века богемная колония американских художников-импрессионистов. В этом характерном своими легкими нравами месте Мак-Каллок с женой создали не имевшую аналогов научную коммуну, где в окружении полудюжины единомышленников они вели открытый, но при этом ориентированный на занятия наукой образ жизни. На ранчо сложилась атмосфера творческой лаборатории, опыт ее создания помог Мак-Каллоку в будущем стать организатором кибернетических конференций Мэйси. Нравы, царившие в коммуне, был достаточно свободными, что несвойственно довоенной Америке, в известной мере Мак-Каллок и его коллеги своим бражничеством опередили следующее поколение, названное битниками, с тем отличием, что для битников главным делом была свободная литература и, прежде всего поэзия, а для обитателей ранчо свободные размышления о работе мозга. Внешний облик Мак-Каллока соответствовал его стилю жизни – самоуверенный сероглазый красавец с нестриженой бородой, не выпускающий изо рта сигарету, этакий философ-поэт, живущий на виски и мороженом, ложившийся спать не раньше 4 часов утра. Тогда его впервые назвали мятежником за стремление нарушить все сложившиеся границы приличий, которое он сохранил на всю жизнь. Одновременно учась и обучая, Мак-Каллок стал знатоком философии, психологии, нейропсихологии и нейропсихиатрии, но этого мало, он не желал признавать их раздельного существования. Это желание приведет его к организации кибернетических конференций, о них речь позже в этой главе.
О своеобразии нравов в окружении Мак-Каллока рассказал один из обитателей коммуны и соратник в будущем Джери Литтвин (Jerome Lettvin,1920–2011), кстати, и он из семьи эмигрантов из России. В момент, когда он с подругой по заведенной на ранчо традиции купался нагишом в соседнем пруду, к нему подошел строгого вида джентльмен, спросил дорогу к дому профессора Мак-Каллока и при этом высказал свое неодобрение этой вольностью. Каково же было взаимное удивление, когда они вторично встретились: приезжий оказался крупным британским ученым, приехавшим специально на семинар Мак-Каллока. Он рассчитывал на встречу в академических традициях, но все, с чем британский профессор столкнулся на ранчо, ужасно фрустрировало его. Возвратившись на родину он не смог не поделиться своими впечатлениями.
