Текст книги "Инновационная сложность"
Автор книги: "Правова група "Домініон" Колектив
сообщить о нарушении
Текущая страница: 31 (всего у книги 38 страниц)
В исследованиях мозга хорошо понимаемы до сих пор только нейрохимия нейронов и синапсов и образцы построения их соединений, стало быть, «машинный язык» мозга. Мост („Middleware") между познанием и «машинным языком» только еще должен быть перекинут. Для этого требуются еще более детальные исследования. При этом отнюдь не ясно, можно ли провести различия между отдельными иерархическими уровнями, как в построении компьютера. Очевидно, архитектура динамики мозга оказывается существенно более сложной. Кроме того, в основе развития мозга не лежит никакого запланированного дизайна, а только множество эволюционных алгоритмов, которые в большей или меньшей степени случайно возникли на протяжении миллионов лет при различных условиях и запутанным образом связаны друг с другом.
2.3 Математические законы динамики мозга
В исследованиях мозга синаптическое взаимодействие нейронов в мозге может быть описано посредством системы дифференциальных уравнений. Уравнения Ходжкина-Хаксли являются примером нелинейных уравнений реакции-диффузии, посредством которых может быть смоделирована передача нервных импульсов. Они были найдены посредством эмпирических измерений Нобелевскими лауреатами по медицине Аланом Л. Ходжкином и Эндрю Ф. Хаксли. Эти уравнения дают хорошо подтвержденную математическую модель динамики нейронов в мозге. Это не исключает, что эти уравнения в ходе дальнейших исследований могут быть улучшены или изменены.
Как уже разъяснялось выше, с помощью таких дифференциальных уравнений могут быть точно определены пространства параметров динамической системы с локально активными и локально пассивными областями. В случае уравнений Ходжкина-Хаксли мы получаем пространство параметров мозга с точно измененными областями локальной активности и локальной пассивности. Только в области локальной активности могут возникать потенциалы действия нейронов, которые вызывают в мозге соединения по определенным образцам. Моделирование на компьютере позволяет систематически исследовать и предсказывать образцы соединений для различных значений параметров, как показано в нашей книге[370]370
Mainzer К, Chua L О. The Universe as Automaton. From Simplicity and Symmetry to Complexity. Berlin: Springer, 2011.
[Закрыть]. В отдельных случаях этот образец уже может быть расшифрован посредством «чтения мозга» („brain reading"). Тем самым строятся первые мосты к смысловому уровню познания.
Рис. 3: Нейронная модель уравнений Ходжкина-Хаксли (Mainzer & Chua 2013)
Эта программа зависит от математической модели мозга Ходжкина-Хаксли. Проект «Человеческий мозг» („Human Brain Project"), осуществляемый Европейским Союзом, нацелен на точное эмпирическое моделирование человеческого мозга во всех нейрологических деталях. Тем самым в нашем распоряжении оказывается основание для эмпирического тестирования этой математической модели, посредством которого могут быть проверены предсказания о формировании образцов в мозге и их когнитивных значениях.
2.4 Математические законы когнитивных состояний
Из психологии мы знаем, что ментальные и когнитивные состояния влияют друг на друга крайне сложным образом. Так, восприятия способны запускать мысли и представления, которые ведут к действиям и движениям. Восприятие, однако, как правило, связано с самовосприятием: я есть тот, кто воспринимает. Самовосприятие, будучи связанным с сохранением собственной биографии в памяти, ведет к осознанию Я. Если удастся описать все эти различные ментальные состояния в мозге согласно некоторым образцам соединений, то можно понять не только взаимодействие отдельных нейронов, но и соединения клеток („cell assemblies") с соединениями клеток, построенных в свою очередь из соединений клеток и т. д.
Для этого также могут быть введены дифференциальные уравнения, которые зависят не от локальной активности отдельных нейронов, а от целостных ансамблей клеток, которые в свою очередь могут зависеть от ансамблей клеток ансамблей клеток и т. д. Так получают систему нелинейных дифференциальных уравнений, которые на различных уровнях вложены друг в друга и таким образом моделируют крайне сложную динамику. Снабженный сенсорами и акторами (исполнительными элементами) наш организм распознает эти процессы, которые порождают наши сложные моторные, когнитивные и ментальные состояния. Как уже подчеркивалось выше, нам еще не известны все эти процессы в деталях. Однако ясно, как математически они должны быть смоделированы в принципе и как они могут быть эмпирически проверены в ходе реализации проекта «Человеческий мозг».
2.5 Отелесненный разум
Мозг является сложной системой органических соединений. Ведь и психология развития показывает, что наши ментальные и когнитивные способности в значительной степени сформированы через наше тело, которое возникло в процессе эволюции. Так, грудные дети и дети младшего возраста уже могут различать объекты (например, игрушки, еду и питье), схватывая их руками, слушая ушами, видя глазами, слизывая и чувствуя их вкус языком, ртом и губами, еще до того, как они научаются называть их словами. Мы имеем наглядные представления и эмоциональные предпочтения (преференции), симпатии и антипатии, которые неосознанно направляют наши действия и редко выражаются в языковой форме, не говоря уже о том, что они могут быть репрезентированы в компьютерной программе. Необходимо тело, чтобы могли развиться познание и интеллект. Мы говорим о «телесном» познании и интеллекте (embodied cognition, embodied intelligence). Только через касания и восприятия окружения и через действия в этом изменяющемся окружении возник интеллект[371]371
Varela F. et al. The Embodied Mind. Cognitive Science and Human Experience. Cambridge Mass.: MIT Press, 1991.
[Закрыть].
Только посредством взаимодействия через тело, возникла возможность понимать других и осознавать свои собственные намерения и на основе этого соответствующим образом направлять свое собственное поведение. Эта способность традиционно рассматривается в философии как интенциональность. С медицинской точки зрения теория ума (Theory of Mind) исследует, что происходит, если при этом определенные нейронные области перестают функционировать. В качестве причин могут выступать повреждения мозга в результате несчастных случаев или же деменция, которая угрожает почти всем людям во все более стареющих обществах[372]372
Förstl H. (Hg.(Theory of Mind. Neurobiologie und Psychologie sozialen Verhaltens. 2. Auflage. Berlin: Springer, 2012.
[Закрыть]. Последствия этого – потеря человечности и эмпатии, а, в конце концов всякой способности к социально отзывчивому поведению, а также ответственности.
Нейропсихология показывает нам сегодня, что сознание является собирательным понятием для в высшей степени сложных ментальных состояний, которыми обладают в некоторой степени также и другие живые существа. Восприятие, как правило, не только у нас, людей, связано с самовосприятием: я есть тот, кто воспринимает. Самовосприятие выполняло в процессе эволюции очень важную функцию защиты и контроля, чтобы уберечь организм от повреждений. Оно было связано со сложными сенсорными процессами визуального, тактильного и слухового самовосприятия, а также с самоконтролем моторных процессов и самонаблюдением телесной чувствительности. Наконец возникла память с сохранением собственной биографии, чтобы достигнуть того состояния, которое мы обозначаем как Я-сознание. В теории ума („Theory of Mind“) проводятся различия между «я», «ты», «мы» и «другие», и только тогда становятся возможными очень сложные формы социальной организации, такие, как человеческое общество.
Однако техника показывает нам, что многие наши когнитивные возможности реализуемы даже без «сознания», иногда (в смысле теста Тьюринга) даже лучше. Во всяком случае то, насколько сильно эти ментальные состояния связаны со сложными соединениями в мозге, замечаем мы позже, когда случаются впадения в коматозные состояния из-за несчастных случаев или болезней, соответствующие нарушения участвующих в формировании ментальных состояний областей мозга или помутнения в результате приема лекарственных средств или алкоголя; в таких случаях выпадают, оказываются бездейственными соответствующие грани состояний сознания. Для перепроверки различных аспектов и степеней состояний, которые мы подводим под собирательный термин «сознания», в настоящее время имеются в наличии хорошие экспериментальные и технически измеряемые условия. При этом не исключено, что такие состояния при точном знании затронутых областей мозга и их связи с телесными действиями и органами чувств могут быть вызваны также и «искусственно», т. е. в технических системах. [373]373
Инновация, связанная с появлением когнитивных роботов
3.1 Сложность моделирования на компьютерах
Телесность нашего интеллекта показывает, что природа не производит вычислений, как это делает компьютер. Не «считают» ни молекулы, ни клетки, ни мускулы, ни органы или организмы. Но дело в том, что даже такие сложные молекулярные, клеточные и нейронные взаимодействия могут быть смоделированы на компьютерах с увеличивающейся вычислительной мощностью1. Системная биология показывает это нам на молекулярном и клеточном уровнях. Также и нейронная сеть по образцу мозга моделируется сегодня на компьютере. Возможны ли также роботы с сильным искусственным интеллектом (ИИ), которые имитируют не только когнитивные функции (в смысле слабого ИИ)?
[Закрыть]
За этим стоит сильный тезис логиков и математиков Алана Тьюринга и Алонзо Чёрча, согласно которому всякий алгоритм, логико-математическое представление которого может быть просчитано всякой управляемой программой вычислительной машиной, может быть смоделирован универсальной машиной Тьюринга. С теоретико-познавательной точки зрения понятие универсальной машины Тьюринга дает в наше распоряжение инструмент, посредством которого независимо от соответствующего технического стандарта развития компьютеров можно принципиально определить сложность динамических процессов (т. е. их «логическую глубину»)[374]374
Mainzer К. Computer – Neue Flügel des Geistes? 2. Auflage. Berlin/New York: De Gruyter, 1995.
[Закрыть].
Еще Курт Гёдель (как логик) и Ричард Фейнман (как физик) думали, что процессы в природе можно понимать как своего рода метод вычислений. Вместо элементарных шагов вычислений с символами, из которых состоят эффективные методы математики, появляются, например, квантовые скачки элементарных частиц, элементарные химические реакции с молекулами, включение и отключение генов, изменения состояний клеток или изменения напряжения в технических устройствах переключения. Также и случайные изменения (например, мутации) могут учитываться в не детерминистических машинах Тьюринга. Таким образом понимаются и сами стохастические процессы посредством вероятностных (про-бабилистических) машин (например, машины Больцмана как про-бабилистической сети). Вообще говоря, степени вычислимости на компьютере соответствуют различным степеням сложности природы[375]375
Mainzer K. Die Berechnung der Welt. Von der Weltformel zu Big Data. München:
С. H. Beck, 2014.
[Закрыть].
Что касается технических стандартов развития компьютеров, мы переживаем согласно закону Мура стремительное увеличение вычислительных мощностей, которые делают доступным моделирование сложных динамических систем природы. В соответствии с теоремой о неполноте Гёделя принципиально не может существовать никакого суперкомпьютера, который мог бы прояснить и разрешить все задачи. Мощности вычислений для имитации человеческого мозга или других клеточных и органических систем, однако, поддаются оценке и могут быть смоделированы на компьютере. Правда отсюда с необходимостью не вытекает, что мы уже в ближайшие десятилетия сможем смоделировать, скажем, чувства и мышление. Но принципиально это не исключено, и отдельные аспекты уже удалось понять. Вычислительная мощность сама по себе здесь, правда, недостаточна. Чтобы смочь построить компьютерные модели, мы должны понять также и ход самих процессов. Для этого мы обращаемся теперь к робототехнике.
3.2 Адаптивные и способные к обучению роботы
В традиции механистических автоматов сначала сооружались роботы, процессы движения которых были точным образом установлены. В случае сложной и постоянно изменяющейся окружающей среды в программе не могут быть учтены все возможные события. Так протекает процесс сложной телесной самоорганизации, в значительной степени без сознательного центрального управления. Подобным образом двигаются вниз по пологому склону, только будучи подгоняемыми силой тяжести, инерцией и толчками, таким образом телесные взаимодействия осуществляются без программного управления[376]376
Pfeifer R., Scheier С Understanding Intelligence. Cambridge (MA): MIT Press,
2001.
[Закрыть].
Сложные образцы движений управляются и вычисляются в природе вне централизованного контроля, они организуются децентрализованно посредством нейронных сетей с обратными связями. Знанию движения по неизвестной территории обучаются и это знание – learning by doing – сохраняется в нейронных сетях[377]377
Nolfi 5., Floreono D. Evolutionary Robotics. The Biology, Intelligence, and Technology of Self-Organizing Machines. 2nd edition. Cambridge (MA): MIT Press, 2001.
[Закрыть]. Нейронные сети являются примерами сложных динамических систем, состоящих из отдельных нервных клеток, которые взаимодействуют нейрохимически посредством передающих сигналы тканей (нейротрансмиттеров) и порождают образцы поведения как системные свойства.
Роботы должны, стало быть, обучаться, самостоятельно в большей или меньшей степени приспосабливаться, чтобы быть способными оценивать новые ситуации. Возрастающая сложность нашего мира требует все большей автономии и самоорганизации[378]378
Tuci Е. et о/. Self-Assembly in Physical Autonomous Robots: the Evolutionary Robotics Approach. // Proc. of the 11th International Conference on Simulation and Synthesis of Living Systems (ALifeXI) / Ed. by S. Bullock et al. MIT Press: Cambridge (MA),
2008. P. 616–623.
[Закрыть].
При участии роботов в космическом полете сразу становится очевидным, что мы напрямую с Земли не можем управлять их реакциями, например, на Марсе из-за задержки передачи сигналов. Но и роботы в промышленности и в обыденной жизни (например, на кухне) должны реагировать самостоятельно и быстро на новые ситуации[379]379
Knoll, A., Christaller T. Robotik. Frankfurt: Fischer, 2003.
[Закрыть]. Функционирование и очистка посудомоечной машины является, к примеру, процессом огромной сложности, который не может быть запрограммирован заранее детерминистической последовательностью отдельных приказов. Роботы, обеспечивающие уход, во всё более стареющем обществе должны к тому же обучаться заботливо обращаться с людьми.
Для этого роботы должны быть снабжены сенсорными, моторными и нейронными способностями, формировать образцы поведения и развивать когнитивные способности. Японская промышленность ставит задачу до 2016 года разработать роботы-гуманоиды, которые способны бегать и хватать как люди. К 2020 году они должны уметь работать самостоятельно с людьми в одной команде и уметь обращаться с людьми[380]380
Kajita 5. (Hg.) Humanoide Roboter. Theorie und Technik des Künstlichen Menschen. Berlin: Akademische Verlagsgesellschaft, 2007.
[Закрыть]. Это предполагает создание чувствительной и автономной системы, которая может развивать представление, как обходиться с людьми[381]381
Be key G. A. Autonomous Robots. From Biological Inspiration to Implementation and Control. Cambridge (MA): MIT Press, 2005.
[Закрыть]. Роботы должны будут справляться со все более сложными заданиями, которые мы, люди, при каждом отдельном шаге больше не можем контролировать, а в итоге (мы надеемся) развить хотя бы минимальную ответственность.
Роботы, которые взаимодействуют с людьми, должны, по идее, обладать когнитивными способностями, которые были развиты в природе в ходе эволюции. Восприятие через органы чувств, способности видеть, слышать и ощущать тактильно ведут у людей через центральную нервную систему к чувствам, мышлению и сознанию, за которые ответственен мозг. К этому добавляется наша мобильность, которая проявляется у нас, прямоходящих существ, в высоко дифференцированных хватательных движениях рук. Все это является образцом для построения роботов-гуманоидов в человеческом облике, которые могут взаимодействовать с людьми.
Однако инженеры хотят решить эти задачи сначала технически, а не имитировать природу (стало быть, людей во всех их деталях). В истории инженеры были всегда успешны тогда, когда в рамках природных законов вступала в действие новая технология, которая еще не была найдена в природе. К примеру, люди размышляли о полете, что в самолетах удалось осуществить, не хлопая крыльями, а с помощью пропеллеров и реактивных двигателей, и в конечном счете технически была реализована даже более мощная и эффективная летательная система, чем в эволюции.
Также и при конструировании роботов-гуманоидов не стремятся ни к какой имитации. Что касается нашей мобильности, наши конечности представляют собой удивительное создание природы. Они сформированы из сложных клеточных тканей, сухожилий, легких и эластичных костей и с минимальными затратами энергии и информации в полной мере управляют собой – и, что немыслимо, вплоть до сегодняшнего дня, причем так, что стремятся достраивать себя. Но с легким металлом, маленькими высокопроизводительными моторами, программированием с помощью высокомощных вычислительных устройств и огромными затратами энергии можно добиться подобных процессов движения у двигающихся роботов (например, Asimo[382]382
Аббревиатура от: Advanced Step in Innovative Mobility (прим. перев.).
[Закрыть] фирмы Хонда).
Мы полагаемся, таким образом, в развитии техники на наши вычислительные возможности и можем с большими затратами на вычислительную технику так управлять роботом-гуманоидом, что он оказывается способным двигаться подобным человеку образом. Тем не менее движение человека происходит совершенно по-другому. Не существует никакого высокопроизводительного вычислительного устройства, которое рассчитывало бы в реальном масштабе времени положение равновесия, чтобы система могла к нему адаптироваться. Математически это может быть описано уравнениями Эйлера-Ньютона, которые лежат в основе теории устойчивости, разработанной еще в XVIII веке математиком Леонардом Эйлером.
Если мы посмотрим на сложное движение такого живого существа, как палочник, то не обнаружим никакого центрального вычислительного устройства, которое бы координировало движение его ног и поддержание им равновесия. Его движение происходит децентрализованно через нейронную сеть. Импульсы отдельных ног настолько локально согласованы друг с другом, что, если одна нога оказывается запертой, другая нога на это реагирует. С небольшими затратами на вычисления в природе, следовательно, достигается такой же эффект. Но эволюционный опыт, который здесь хорошо упакован, является высоко сложным. От обмена веществ на субклеточном уровне до физиологических процессов, до функционирования сосудов, мускул и сухожилий – все эти процессы в человеческой ноге технически до сих пор даже примерно не реализуемы.
Как могут быть реализованы когнитивные способности в роботах? В качестве конкретных примеров выступают сервисные роботы, которые были разработаны в рамках исследовательской программы CoTeSys. В исследовательском кластере Мюнхена „Cognition for Technical Systems" (CoTeSys) совместно на междисциплинарной основе работали более ста ученых из инженерных наук, естествознания, нейронаук, клинической неврологии и информатики, биологии и психологии[383]383
Cluster of Excellence: Cognition in Technical Systems CoTeSys, 2011. http:// www.cotesys.de/
[Закрыть]. Неврологи и биологи исследовали когнитивные способности людей и животных и возможность их перенесения на технические системы. Психологи изучали требования к вербальной и невербальной коммуникации между роботами и людьми. На технических факультетах рассматривались механические, физические вопросы и технические вопросы управления, при этом математика и биология внесли свой вклад в поиск методов оптимизации.
Рис. 4: Социальные роботы в домашнем хозяйстве (Cluster of Excellence 2011)
Ученые, работавшие в CoTeSys, взяли на себя обязательство протестировать разработанные когнитивные методы в сценариях технических демонстраций и показать их преимущество по сравнению с классическими подходами не только на бумаге. Важный и вызывающий сценарий – область ведения домашнего хозяйства (Нотесаге) (Рис. 4). При этом кажущаяся для самих людей простая деятельность, такая, как сервировка напитка, для робота составляет сложную проблему. Так как для этого робот должен, к примеру, различать людей, знать, достаточно ли чашки кофе или нужен стакан, а перед этим идентифицировать объект как желательный. Когда робот взаимодействует с человеком, он должен уметь делать это человеческим способом и с человеческими манерами.
Обработка образов для интерпретации объектов и их окружения хорошо разработаны. Также и лица людей могут быть упорядочены, их мимика и эмоции могут хорошо распознаваться или интерпретироваться. Гораздо более проблематичным является распознавание тактильных (осязательных) образов, например, через датчики давления при механическом схватывании и при движении пальцев. Здесь часто не хватает подходящих сенсорных датчиков, а также интеграция с визуальными сенсорами еще является предметом исследований.
3.3 Социальные и когнитивные роботы
Координировать свои собственные движения и действия с движениями и действиями других людей – высоко значимая способность в социальной повседневной жизни и в трудовой деятельности, которой мы, люди, очевидно без труда овладеваем. Целью исследования является выявление, какие правила координации могут быть перенесены на взаимодействие человека и робота[384]384
Mainzer К. From Embodied Mind to Embodied Robotics: Humanities and System Theoretical Aspects // Journal of Physiology. 2009. Vol. 103. P. 296–304.
[Закрыть]. Первые результаты показывают, что человек всегда планирует движение в аспекте его оптимизации с последующими движениями. Участники серии экспериментов, которые должны были поставить бутылку на стеллаж с полками на различной высоте, схватывали бутылку по-разному в зависимости от того, на каком уровне высоты она в итоге должна быть поставлена.
Для чего могут оказаться полезными эти результаты в робототехнике и как найти им применение? Чтобы взаимодействие человек-машина организовать комфортабельным для человека образом, манера и способ движения человека может служить мерилом. Человек предвосхищает – как правило бессознательно и до фактического начала движения, – что определенная траектория движения является лучшей и наиболее эффективной, чтобы добраться до объекта. Эта модель, которая была разработана психологами, может быть полезной для инженеров или информатиков при ее переносе в исследовательскую область управления роботами[385]385
Dominey P. F., Warneken F. The Basis of shared intentions in human and robot cognition // New Ideas in Psychology. Vol. 29. P. 260–274
[Закрыть]. Так планирование движения робота становится менее сложным, при этом более эффективным и исчислимым для человека как партнера во взаимодействии. Также и здесь стратегии оптимального управления процессами движения служат в качестве образца, который был сформирован у людей в ходе эволюции.
Эти исследования помогают сделать более интуитивным взаимодействие робота и человека. Как НотеСаге робот, когда он новенький входит в дом с фабрики и доставлен на дом, обучается освоению в новом окружении? Согласно сценарию CoTeSys, он остается сначала пару дней на кухне, чтобы изучить, что там происходит, где хранятся объекты, что необходимо поставить на стол для завтрака, и кто что ест на завтрак. Так робот учится накрывать стол для завтрака и затем убирать со стола. Для этого он должен идентифицировать домочадцев и их пристрастия. Если робот не знает, что такое «чашка», он входит в интернет и ищет среди картинок Google чашки, чтобы сравнить предметы. Или он входит в интернет, чтобы узнать, как сварить макароны (в интернете есть тысячи рецептов и инструкций их приготовления). В этом сценарии основной целью CoTeSys может быть придать техническим системам когнитивные функции и наглядно их пояснить: технические системы, которые планируют, решают, обучаются, защищены от неожиданностей – и могут сами себя информировать.
Окружающий мир кухни уже указывает на такую сложность и изменение во времени, что робот может быть запрограммирован не на всякое применение и не на всякую возможную ситуацию. Программа должна уметь обучаться из опыта, где нужно стоять, чтобы взять стакан из шкафа, как лучше овладеть кухонными приборами, где следует искать столовые приборы и т. д. Для этого система управления должна знать параметры навыков управления и иметь в своем распоряжении шаблоны, как изменять параметры поведения.
Как такие роботы могут самостоятельно оценивать меняющиеся ситуации? Телесный опыт робота начинается с восприятия окружения через данные сенсорных датчиков. Эти данные сохраняются в реляционной базе данных робота как его память. Отношения с объектами внешнего мира строят одну под другой причинные сети, по которым робот ориентируется в своих действиях. При этом проводятся различия, например, между событиями, людьми, местами, ситуациями, предметами обихода. Возможные сценарии репрезентируются положениями формальной логики первого уровня. Возможные события зависят от условий, которые связаны в конкретных ситуациях с условными вероятностями.
Распределение вероятностей таких ситуаций описывается логикой Маркова. Отсюда могут быть выведены оценки вероятностей ситуаций, на которые может ориентироваться робот[386]386
Thrun S. et al. Probabilistic Robotics. Cambridge (MA): MIT Press, 2005.
[Закрыть], когда он, например, готовит для кого-то завтрак и кроме того должен собирать посуду на кухне. Сложную причинную сеть возможных действий робота можно сделать понятной из байесовской сети условных вероятностей[387]387
GlymourC. et al. Discovering Causal Structures. Artificial Intelligence, Philosophy of Science, and Statistical Modeling. Orlando: Academic Press, 1987.
[Закрыть]. Этим ни в коей мере не утверждается, что помощники по ведению хозяйства человеком в своих действиях придерживаются байесовской сети. Но с комбинацией логики, вероятности и сенсорного и телесного взаимодействия реализуются сходные цели, что и у человека.
3.4 Интеллект и сложность
Являются ли такие роботы умными (или, иначе, обладают ли они интеллектом)? Первое определение «искусственного интеллекта» (ИИ) исходит от Алана Тьюринга. Выражаясь короче, некую систему можно назвать умной (обладающей интеллектом), если ее по ее ответам и реакциям невозможно отличить от ответов и реакций человека. Это определение, однако, является очень антро-поцентричным: оно ставит интеллект в зависимость от человека. Кроме того, оно является круговым, так как не определен «человеческий интеллект».
Мое рабочее определение делает интеллект зависимым от способности системы решать проблемы. Система, в соответствии с этим рабочим определением, называется «умной», если она в состоянии эффективно и самостоятельно решать более или менее сложные задачи. Степень интеллекта зависит от измеряемых величин, независимых от человека: а) степени самостоятельности (автономии) системы, б) степени эффективности метода решения проблемы и в) степени сложности проблемы[388]388
Mainzer К. Kl – Künstliche Intelligenz. Grundlagen intelligenter Systeme. Darmstadt: Wissenschaftliche Buchgesellschaft, 2003.
[Закрыть].
Согласно этому определению, автомобиль, например, имеет степень интеллекта, поскольку он может до определенной степени самостоятельно и эффективно управлять собой в сложных транспортных ситуациях. Также и палочник на этом основании имеет некую степень интеллекта, так как он может самостоятельно управлять процессами своего движения в сложном окружении. Исходный код в первом случае был написан человеком, во втором случае через эволюционные алгоритмы обучения, которые смогли оптимизироваться на протяжении миллионов лет также и без «сознания».
Согласно этому рабочему определению, мы уже сегодня повсюду в природе и технике окружены интеллигентными функциями. В технике они часто, однако, спроектированы иначе, чем они возникли в ходе эволюции. Для меня, стало быть, степень сложности функциональных процессов и соответствующих методов решения является мерилом интеллекта.
Человек является примером системы с интеллектом, которая возникла (также как и палочник) в ходе эволюции. Существует, следовательно, не «интеллект», а степень интеллекта, которую мы в нашем рабочем определении сделали зависимой от измеряемых свойств систем. «Рабочее определение» должно при этом указывать, что ни в коем случае не стремится к полноте, которой и не существует. Рабочее определение показывает свою пригодность в исследовании и в развитии и, к тому же, открыто для дополнений и коррекции.
Но также и по классическому критерию ИИ Тьюринга некоторые технические системы уже могут быть охарактеризованы как обладающие интеллектом (при их сравнении с человеком). Возьмем, к примеру, суперкомпьютер Deep Blue, который одержал победу над человеком, чемпионом мира по шахматам. Фактически он не отличим в своем конечном поведении от человека: он играет в шахматы по известным правилам. При этом система действует и реагирует с игровыми особенностями, которые в конечном счете лучше и быстрее, чем у людей. Отличие от человека состоит прежде всего в том, что Deep Blue не умеет ничего иного, кроме как играть в шахматы. Но это в настоящее время осуществляется только из чистого интереса. Система, правда, в отличие от человека настолько производительна, что она использует большой вычислительный потенциал и параллельные вычисления. Мы, люди, играя в шахматы, просчитываем значительно медленнее. Наша сила, однако, заключается в том, что мы думаем наглядно, используя образцы, и можем ассоциировать, в известной мере развивать в себе интуитивное чувство экспертов, тогда как компьютер «брутально» просчитывает возможные конфигурации с большой скоростью.
Следующим шагом был (в смысле теста Тьюринга) суперкомпьютер Ватсон (Watson), который в игре вопрос-ответ «Рискуй! (Jeopardy) выигрывал против многих игроков-людей. Ватсон понимает даже естественный язык и в состоянии в итоге давать ответы быстрее и лучше, чем человек. В этом отношении при выполнении этого задания в смысле теста Тьюринга техническая система опять-таки лучше и умнее, чем человек. Но если посмотреть на события более внимательно, дело отнюдь не в том, что Ватсоном был найден новый, сверхинтеллигентный языковый алгоритм. Скорее эта программа параллельно условным образом использовала тысячи широко известных алгоритмов анализа языка, молниеносно разлагала предложения на отдельные части и просчитывала вероятности, что определенный языковый образец подходит к соответствующему вопросу. Для этого затем стали использоваться огромные хранилища данных из миллионов страниц. Эта комбинация составила превосходство над людьми.
На примере Ватсона также демонстрируется, что семантическое понимание значений никоим образом не должно быть сопряжено с сознанием, что как раз характерно для человека. Первые практические применения – это смартфоны, с которыми мы можем вести простые диалоги. Эти способности также могут быть переданы роботам. Через интернет они могут быть снабжены огромными хранилищами данных как памятью, которая превосходит человеческую память[389]389
Mainzer К. Die Berechnung der Welt. Von der Weltformel zu Big Data. München: С. H. Beck, 2014.
[Закрыть].
Следующим шагом могут быть разработаны гибридные системы, которые, подобно человеческому мозгу, интегрируют различные способности. Так, понимание значений (семантика) у нас, людей, связана еще с созерцаниями, восприятиями и воспоминаниями. В этом нет абсолютной необходимости, как показывает Ватсон. Центральный пункт этого аргумента таков: частичные функции человеческого интеллекта для определенных целей уже технически реализованы в смысле теста Тьюринга. Соответствующие технические приборы превосходят даже от случая к случаю человеческие способности в этих областях.
И в этом нет нового: мы уже давно имеем машины, которые, например, превосходят нашу мускульную силу, нашу способность видеть и слышать. Почему бы нам не соединить эти способности в гибридных системах, как в ходе эволюции и возник человек посредством добавления, связывания и коррекции различных способностей. Вообще говоря, техника сегодня уже усиливает наши телесные и интеллектуальные способности – часто по-другому, чем это происходило в процессе эволюции: при этом для инженера, как правило, несущественно, работает ли его/ее система точно по образцу эволюции, причем он/она вполне могут быть вдохновлены природой. Для инженерных наук решающим является то, что в итоге проблема эффективно решена.
3.5 Эмоции и сложность
Эмоции важны для нас, людей, и для всех животных. Они служат спонтанной оценке ситуаций (страх, радость, отвращение и т. д.), которая гормонально через лимбическую систему мозга подготавливает тело к адекватному поведению, к примеру, в опасных или радостных ситуациях. На практике это приобретает тот смысл, что роботы для общения с людьми могут распознавать эмоции и чувствительно реагировать на людей. Это в корне отличается от промышленных роботов, которые могут только отрабатывать свою рабочую программу.
На этом примере видно, что отдельные когнитивные способности людей могут быть реализованы технически иначе через роботов, но иногда даже более эффективно, чем у людей. Распознавание эмоций – это задача, которая уже много лет назад решена в робототехнике. Исследовательская группа в Лозанне разработала голову робота, которая улыбалась в ответ, когда ему улыбались. Как робот это делал? Сегодня исходят из того, что для людей – в отличие от обезьян – характерны определенное число основных эмоциональных состояний, независимо от всех возможных рас и культур. Повсюду люди демонстрируют одни и те же эмоциональные выражения лица – способность, которая заложена до рождения. Речь идет, прежде всего, о технической задаче, распознавать и различать различные выражения лица.