| ГЛАВНАЯ | ДОКЛАДЫ | ОБСУЖДЕНИЕ | |
К концу 40-х годов двадцатого столетия были созданы фундаментальные основы для появления новой научной дисциплины, которая по названию одной из пионерских работ получила название «кибернетика». В основу новой науки были положены идеи А. Тьюринга, С. Черча, А.А. Маркова, в работах которых было существенно развито математическое понятие «алгоритм». В работах К. Шеннона, А.Н. Колмогорова, также ставших базисом нового научного направления, была разработана теория передачи информации, Н. Винер сформулировал постулат о необходимости применения в технических системах способов обработки информации, реализованных в биологической среде, У. Мак-Каллок и У. Пирс предложили модель нейрона, способную к проведению арифметических и логических операций. Все эти достижения явились базисом для бурного развития вычислительных систем, что привело фактически к созданию параллельного «машинного сознания» на нашей планете.
Феномен «машинного сознания» обладает рядом специфических особенностей, отличающих его от человеческого разума. В первую очередь это огромная скорость проведения арифметических и логических операций. Это свойство технических устройств поразило воображение ученых уже при первом появлении вычислительных электронных систем. Так, после разработки первых ламповых ЭВМ с производительностью 5 тыс. оп/c считалось, что министерству обороны США для удовлетворения всех вычислительных нужд достаточно иметь не более десятка подобных машин.
Второй специфической чертой современного «машинного сознания» является способность к восприятию моделей внешнего мира только в форме математических и логических абстракций.
Использование указанных особенностей кибернетических устройств дает возможность решать интеллектуальные задачи, c которыми человеческий мозг справиться не в состоянии. В то же время существуют области интеллектуальной деятельности, где компьютер в настоящее время не может составить конкуренции человеку. В первую очередь это области творческой деятельности, а также области, требующие быстрой и гибкой обработки информации, такие, например, как распознавание зрительных образов, слитной речи, действия в аварийных ситуациях и т.д.
Сегодня отчетливо видно, что «машинное сознание» принципиально отличается от человеческого разума. Мы попробуем определить причину этого отличия.
Термин «искусственный интеллект» (Artificial Intelligence), был введен в 1956 году американским ученым Дж. Маккарти, но вопрос о возможности мышления в машине возник одновременно с началом компьютерной революции в конце 40-х годов. Сегодня термин «искусственный интеллект» (ИИ) имеет два основных значения: во-первых, под ИИ понимается теория создания программных и аппаратных средств, способных осуществлять интеллектуальную деятельность, сопоставимую с интеллектуальной деятельностью человека.
При решении практических задач чаще всего пользуются заданием их списка, считая при этом, что если компьютерная система в состоянии решить эти задачи, то она и является системой ИИ. Обычно в этот список включают игру в шахматы, доказательство теорем, решение диагностических задач по исходному неполному набору данных, понимание естественного языка, способность к обучению и самообучению, способность к классификации объектов, а также способность вырабатывать новые знания на основе порождения новых правил и моделей регуляризации знаний.
Под ИИ иногда понимается также набор аппаратных и программных средств, использование которых при решении данного класса задач приводит к тем же результатам, что и интеллектуальная деятельность человека.
Другим распространенным среди специалистов мнением является определение ИИ как системы, выполняющей имитацию интеллектуальной деятельности человека на основе программ, моделирующих процессы мышления. Однако в настоящее время не существует достаточно четкого понимания сущности ЕИ. И определить, что к нему ближе, а что дальше не представляется возможным. Естественно, такое определение ИИ не может считаться достаточно полным и однозначным.
По существу, центральная проблема создания ИИ, обладающего свойствами мозга, заключается в следующем. Для многих задач точные и четкие правила решения отсутствуют, иными словами человеческий разум в настоящее время не обладает полным и исчерпывающим самопознанием. Причем это равным образом касается как абстрактного логического мышления, так и эмоциональной сферы. Мы оперируем звуковыми и зрительными образами, не зная, каким способом они функционируют в нашем сознании. Человек часто принимает неожиданные творческие решения, не сознавая алгоритмы мозга при такой деятельности. Описание существа этих процессов, как на формальном, так и на качественном уровне, несмотря на огромные затраченные усилия, до настоящего времени получить не удалось.
Поэтому и среди философов, и среди представителей естественнонаучных дисциплин сегодня широко распространено мнение, что человеческий мозг принципиально непознаваем. При этом основания для этого утверждения различны: от религиозно-мистических до системно-кибернетических.
Во втором случае главным основанием для утверждения о непознаваемости процессов мышления, протекающих в живом мозге, являются экспериментальные данные, свидетельствующие о чрезвычайно сложной системной организации нейронных связей в структурах мозга.
Некоторые крупные ученые, которые оптимистично оценивали перспективы создания модели деятельности мозга на протяжении 70-80 годов XX века, затем отказались от таких попыток.
Например, Н. П. Бехтерева утверждала (Н. П. Бехтерева. Нейрофизиологические аспекты психической деятельности человека. Л., 1971, стр. 92,102 и др.), что в ее коллективе в результате проведенных экспериментов получены нейрофизиологические и биоэлектрические корреляты конкретных психических явлений, что позволяет оптимистично оценить перспективы решения проблемы расшифровки нейродинамического кода головного мозга человека. Однако в марте 1994 в интервью Общественному телевидению года академик Н. П. Бехтерева заявила, что эту задачу, несмотря на значительные усилия затраченные руководимым ей институтом, решить не удалось. Преграда в изучении мозга, по ее мнению, скорее всего, поставлена высшим разумом для исключения вмешательства человека в деятельность сознания.
Существенные трудности на концептуальном уровне имеются сегодня и в нейрокибернетике (нейроинформатике). Они возникают уже на первом этапе - при описании процессов переработки сенсорной информации. Несколько моделей зрительного и слухового восприятия, предложенные в последние десятилетия, не подтвердили своей эффективности при их программной и аппаратной реализации. Естественно, что ввиду неадекватности исходных моделей, поиск способов формализации процессов мышления становится похожим на гадание на кофейной гуще.
Все указанные обстоятельства являются основанием для выдвижения концепции компьютерного агностицизма, утверждающего, что технические устройства никогда не смогут достигнуть уровня человеческого сознания и что между ними стоит непреодолимая стена.
Заметим, что в любом случае компьютерным агностикам следует ответить на вопрос, какими специфическими механизмами и свойствами обладает мозг человека, которые не могут быть воспроизведены в небиологической среде, и по какой причине эти механизмы непознаваемы. Если доказательного ответа на этот вопрос не будет получено, мы можем рассчитывать на создание систем ИИ, по многим показателям адекватных естественному интеллекту. Заметим, что сегодня научных доказательств о невозможности моделирования или даже воспроизведения мышления человека не существует.
В тоже время существует мнение, особенно в среде разработчиков аппаратного и программного обеспечения суперЭВМ, что достижение результатов, сопоставимых с деятельностью человеческого разума, лишь вопрос времени и будет связано, в основном, с повышением быстродействия электронно- вычислительных устройств.
Для подобных утверждений сегодня имеются некоторые основания. К настоящему времени созданы огромные базы знаний и мощные экспертные системы, содержащие тысячи правил и способные решать некоторые задачи лучше, чем любой математик-человек. Компьютерные шахматные программы играют на уровне чемпиона мира по шахматам. Имеются компьютерные системы, читающие газетный шрифт человеческим голосом в режиме реального времени и выполняющие переводы технической литературы высокого качества. Эти и многие другие факты лежат в основе компьютерной эйфории, утверждающей, что трудности на пути создания искусственного интеллекта, превосходящего по мощи и творческим возможностям человеческий, носят временный характер и связаны лишь с техническими проблемами.
В связи с этим представляется чрезвычайно актуальным ответ на вопрос, в чем состоит принципиальная разница между мышлением человека и «мышлением» существующих систем ИИ.
Интересно, что эта проблема своими корнями восходит еще к античной науке. Естественно у античных ученых не возникали сомнения в гуманоидной природе интеллекта, но вопрос о природе абсолютного знания получил двойственное решение. Представители первого направления «материалисты», к которым относились Аристотель, Демокрит, Левкипп и др., считали, что в основе мира лежат физические процессы движения материи. Человеческое сознание в состоянии воспринимать эти процессы и на их основе строить модели мира, которые собственно и являются единственно возможными системами знаний.
Представители второго направления «идеалисты», наиболее яркими представителями которых были Платон, Пифагор и ученики созданной им школы, считали, что в основе мироздания лежат некоторые магические числа, а наиболее точным отражением мира является наука о числах - арифметика. Существование этого знания, по мнению Пифагора и его последователей, не зависит от сознания человека.
Спор между представителями этих двух направлений продолжается и сегодня, спустя более двух тысячелетий после его начала. Идею об универсальности математического языка поддерживал ряд выдающихся ученых. К ним можно отнести И. Ньютона, И. Лейбница, А. Эйнштейна, В. Гайзенберга и многих др.
Весомым аргументом «идеалистов» в пользу идеи Пифагора о существовании мировых магических чисел явилось открытие абсолютных констант нашей Вселенной. Как известно, сущность физических взаимодействий в нашей Вселенной определяется набором некоторых физических констант, которые не выводятся из других физических величин. Для моделей Вселенной, в которых принимаются другие, незначительно измененные значения этих констант, процессы физического развития заканчиваются быстрой катастрофой. Таким образом, само существование нашей Вселенной основано на выполнении некоторых математических соотношений на уровне субатомного взаимодействия вещества.
Как утверждал один из создателей квантовой механики В. Гайзенберг, у человеческого разума нет альтернативы для описания моделей микромира. Явления атомного и субатомного взаимодействия микрочастиц в нашем пространстве могут быть представлены, только в форме математических абстракций, что, по мнению В. Гайзенберга, свидетельствует о первичности математического знания. Учитывая эти обстоятельства, он писал: «Мне думается, современная физика со всей определенностью решает вопрос в пользу Платона. Мельчайшие единицы материи на самом деле не физические объекты в обычном смысле слова, они суть формы, структуры или идеи в смысле Платона, о которых однозначно можно говорить только на языке математики. Платон был убежден, что такой принцип можно выразить и понять только в математической форме. Центральная проблема современной теоретической физики и состоит в математической формулировке закона природы, определяющего поведение элементарных частиц».
Естественным следствием идей об универсальности в широком смысле математического знания является утверждение о том, что «машинное сознание» адекватно отражает окружающий нас мир, а человеческий разум в состоянии постигнуть только приблизительные контуры проходящих в окружающей среде процессов и явлений. Таким образом, если разделить указанную точку зрения, следует признать, что «машинное сознание» является первичным и обладает адекватностью по отношению к явлениям внешнего мира, а машинный «разум» уже превосходит человеческий. Однако нам более убедительной представляется противоположная точка зрения.
В ее подтверждение замечу следующее. Математические абстракции являются продуктом человеческого разума. Они построены в результате обобщения некоторых множеств явлений путем вычленения из всех свойств явления его количественной сути. Таким образом, математическое знание описывает, прежде всего, количественную сторону явлений и процессов. Но главное, на наш взгляд, состоит в том, что математическое описание процессов и явлений – это только один из способов отражения свойств внешней среды в структурах мозга. Поэтому математическое знание не может рассматриваться как единый универсальный язык природы. Но оно действительно объективно, поскольку объективны механизмы функционирования нейронной среды, формирующей математические представления о мире.
Перефразируя известное высказывание Г. Галилея, утверждавшего, что природа говорит с нами на математическом языке, сегодня мы можем уточнить. Человеческое сознание в состоянии адекватно описывать природу на созданном им математическом языке. А собственно способность к созданию такого языка и является одним из наиболее загадочных свойств человеческого разума. Но отметим еще раз, что это не единственный язык, на котором мозг человека состоянии воспринимать реалии внешнего мира.
Подводя итоги, отметим, что тезис о первичности «математического знания» и соответственно «машинного сознания», по нашему мнению, не находит подтверждения в современной научной картине мира. Вместе с тем, у нас не вызывает сомнений то, что не существует принципиальных ограничений для создания математического описания процессов обработки информации в структурах мозга и формализации основных информационных свойств ЕИ.
Создание адекватного математического аппарата для описания процессов мышления является, по нашему мнению, делом ближайшего будущего и только после его создания и реализации нового знания в компьютерных программах можно будет вновь поставить вопрос об адекватности человеческого и «машинного» сознания.
Ответ на вопрос: может ли компьютер мыслить, зависит сегодня только от того, какой смысл мы вкладываем в понятие «мышление». Если в это понятие мы вкладываем способность к формальному логическому мышлению или выполнению сложных математических операций, то ответ будет положительным.
Если же под мышлением мы понимаем процесс создания новых понятий, выходящий за рамки формальных математических и логических операции, состоящий в сопоставлении нескольких областей знаний и нахождении существенных аналогий между ними, то для современных интеллектуальных систем ответ будет отрицательным.
Проблема создания машинных систем, адекватно отображающих процессы мышления, разделила исследователей на два противоположных лагеря: агностиков и оптимистов. Наиболее известным представителем компьютерного агностицизма является американский ученый Х. Дрейфус. Его аргументы получили широкое признание среди специалистов по ИИ. Аргументы Х. Дрейфуса коротко сводятся к следующим.
1. Интеллектуальная деятельность человека разнообразна. Она включает в себя логические рассуждения оперирование образами, анализ, формирование новых образов и т.д. Но даже если мы будем рассматривать лишь часть этой деятельности - логические рассуждения, формализовать в настоящее время все алгоритмы, применяемые человеком при рассуждении невозможно. В связи с этим заметим, что прогресс компьютерных шахматных программ связан не с успехами в моделировании мышления шахматиста, а с успехами математиков в формализации процесса шахматной игры и программистов в реализации разработанных математических моделей. При этом, подход компьютера к анализу шахматной позиции основан на почти полном переборе вариантов на максимально возможную глубину. Шахматист-человек рассчитывает небольшое количество вариантов переменной длинны, которые по его мнению определяют некоторые объективные особенности позиции. Достаточно полный перебор вариантов позволяет современным шахматным программам на компьютерах с высокой производительностью, получать конечный результат, совпадающий с результатом гроссмейстера-человека. Но, по существу, компьютер реализует подход, противоположный подходу человека.
2. В интеллектуальной деятельности человек оперирует целостными образами. Они, по утверждению гештальтистов (Gestalt - образ, нем.), последователей учения созданного несколькими психологами в Германии в конце 20-х годов являются фундаментальным, системным и неразложимым компонентом мышления. Гештальт несводим к сумме образующих его элементов; механизм его формирования неизвестен. Целостность гештальта и его несводимость к элементам образуют непреодолимое интеллектуальное препятствие для компьютера.
3. Х. Дрейфус утверждает, что наиболее известная модель нервной системы - перцептрон Розенблатта неспособен к имитации мышления, хотя, по мнению Х. Дрейфуса, такая имитация возможна только на основе некоторой модели нервной сети.
4. Невозможно сформулировать законы бессознательной деятельности, творчества и интуиции.
5. Для интеллектуальной деятельности, сопоставимой с человеческим разумом, компьютер должен понимать естественный язык, учитывая значения слов в зависимости от контекста и ситуации. Сегодня простейший перевод с языка на язык фактически недоступен компьютеру.
6. Познавательную деятельность человек проводит на основе ощущений, которые являются уникальными для конкретного индивида. Интеллект человека - функция этой уникальности. В силу этого компьютер не может иметь сознания адекватного человеческому.
7. Человеческое мышление, разум, интеллект - продукты биологической и социальной эволюции. Несмотря на утверждение М. Минского о возможности адекватной компьютерной эволюции, ее реализация невозможна, так как такой эволюцией в конечном счете будет управлять человек.
Аргументы Х. Дрейфуса можно объединить в две группы. К первой относятся указание на фактическое положение дел в области вычислительной техники: недостаточная емкость памяти и быстродействие при синтезе и поиске образов.
Ко второй группе относятся аргументы естественнонаучного характера, которые сводятся к утверждению, что интеллектуальная деятельность человека есть продукт его уникальной и неповторимой организации, которая является непознаваемой и невоспроизводимой. История науки не раз подтверждала ошибочность таких аргументов.
Наиболее принципиальным возражением сторонников компьютерного агностицизма является тезис о невозможности познания гештальта, а, следовательно, и бесперспективности попыток его моделирования. Однако сегодня существует ряд концепций, которые можно противопоставить рассмотренным аргументам.
Поведение человека, конечно, не может быть описано в рамках бихевиористской модели, в соответствии с которой каждый поведенческий акт человека детерминируется определенным стимулом. Однако сегодня достаточно данных для того, чтобы утверждать что познавательная деятельность является результатом реализации мозгом некоторой последовательности процедур. Процедура представляет собой набор элементарных операций. « То, что делает возможным для людей действовать на базе представлений - это реализация таких представлений физически в виде когнитивных кодов, а их поведение есть причинная последовательность операций, выполняемая на основании этих кодов. Так как это тоже самое, что делает компьютер, мое заключение состоит в следующем - познание есть тип вычисления.» Pylyshyn Z. Computation and Congition. Toward for Cognitive Science. (Mass.), 1984. P.292.
Разделяя эту точку зрения, укажем, что основой мышления человека являются формальные описания объектов и явлений внешнего мира, построенные в структурах памяти мозга. Главную роль в механизмах формирования таких описаний играют сенсорные системы, и в первую очередь, зрительный анализатор человека.
Именно, чувственная основа ЕИ принципиально отличает его от систем ИИ. ЕИ оперирует структурными единицами - «образами» (сложными моделями явлений), построенными в результате «сжатия» больших потоков сенсорной информации, а ИИ на сегодняшний день применяет фактически противоположный подход, используя только «нуль» и «единицу».
Возвращаясь к аргументам Х. Дрейфуса, заметим, что в его подходе к созданию интеллектуальных систем смешиваются две имеющие точки пересечения, но принципиально разные проблемы.
Первая проблема состоит в решении сложных задач непосредственного моделирования, а возможно и воспроизведения нервных процессов, протекающих в структурах мозга при его интеллектуальной деятельности. В нашем понимании эта задача равнозначна задаче получения живого вещества, не обязательно белковой природы, искусственным путем. Именно при реализации такого подхода возможно, например, моделирование ощущений. Очевидно, что решение рассматриваемой проблемы имеет в первую очередь огромное медицинское значение и чрезвычайно важно для восстановления функций мозга путем трансплантации необходимых функциональных частей. Полагаем, что решение этой задачи следует проводить путем создания именно (квази)биологического вещества, идентичного по свойствам веществу мозга.
Целесообразное использование такого вещества будет возможно при решении второй принципиальной проблемы, состоящей в том, чтобы определить структуру и принципы информационного взаимодействия функциональных частей мозга.
Решение второй проблемы не предполагает достижения полной адекватности процессов мышления в технической и биологической среде и важно в прикладном аспекте для создания сверхскоростных систем для интеллектуальной обработки информации, которые моделируют лишь некоторые функции человеческого разума.
На наш взгляд, первая из указанных проблем пока не стоит на повестке. Вопросы моделирования чувственного, бессознательного и т.д. должны сегодня, по нашему мнению, отойти на второй план и не затуманивать рассуждений о возможностях создания искусственного разума. Но для решения второй проблемы необходимо сосредоточить сегодня усилия комплекса наук, так как именно здесь возможно достижение реальных успехов в ближайшем будущем. Дальнейшее обсуждение будет проводиться в рамках второй из указанных проблем.
Непосредственно описание деятельности мозга на формальном уровне является предметом исследований нейрокибернетики. Но, к сожалению, существующее положение дел в этой науке, нельзя назвать удовлетворительным. Это связано, прежде всего, с недостаточным уровнем формализации полученных экспериментальных данных о механизмах функционирования нейронных структур.
Главную задачу нейрокибернетики можно определить как создание рациональных моделей, включающих в себя факты, относящиеся к процессам обработки информации в структурах мозга и отвечающих двум основным требованиям. Первое состоит в том, чтобы модель была вычислительно реализуемой. Второе заключается в необходимости разработки моделей обладающих прогностическими свойствами, то есть модель должна постулировать некоторые новые знания и определять направления дальнейших нейробиологических исследований. По нашему глубокому убеждению нейрокибернетика должна стать теоретической основой нейробиологии. Ввиду чрезвычайной сложности мозга работа «вслепую» обречена на неудачи, что и доказали результаты исследований за последние 50 лет. Ситуация и в нейробиологии, и в нейрокибернетике на сегодняшний день близка к патовой. Причем, если нейробиологов по сути упрекать не в чем, экспериментального материала получено достаточно много, а аксиоматики для формализации процессов преобразования данных в нейронной среде эта наука не имеет. То нейрокибернетика просто ушла далеко в сторону от попыток объяснения накопленных экспериментальных данных, с непонятным энтузиазмом исследуя модели, не имеющие отношения к реальности.
Но дело даже не скудности конструктивных результатов. Парадоксальность ситуации состоит в том, что в нейрокибернетике до настоящего момента не сформулированы основные проблемы, которые необходимо решить. Ввиду этого многие проводимые сегодня исследования, по сути, не имеют смысла.
Проведенный нами анализ существующих экспериментальных данных позволил сформулировать четыре фундаментальные проблемы, возникающих при кибернетической интерпретации нейробиологических данных. В сжатом виде их существо состоит в следующем.
Первая проблема – энергетическая.
Даже нижние оценки производительности мозга дают значение порядка миллиардов операций в секунду. Но потребление энергии мозгом не превышает нескольких ватт. Ситуация выглядит еще парадоксальнее, если учесть, что уровень сигналов в мозге – не микро, а милливольты, а также то, что при умственном напряжении не происходит существенного увеличения потребления энергии по сравнению с состоянием покоя.
Вторая проблема – быстродействие мозга.
Каким образом удается обеспечить быстродействие, соответствующее уровню современных суперкомпьютеров, на биоэлементах, имеющих латентность в единицы и десятки миллисекунд, и при передаче сигналов в биологической среде со скоростью несколько десятков метров в секунду?
Третья проблема – функциональные возможности мозга.
Биологический нейрон – элемент с очень ограниченными функциональными возможностями. А задачи, которые решает мозг, требуют выполнения сложных преобразований данных. Каким образом нейронные структуры проводят необходимые функциональные преобразования сигналов?
Четвертая проблема – математическая.
В чем суть преобразований данных, выполняемых на разных уровнях обработки информации. Возможно ли математическое описание операций, проводимых мозгом, и насколько оно универсально?
Замечу сразу, что в результате наших исследований выяснилось, что все четыре проблемы глубоко взаимосвязаны. Мы полагаем также, что нам удалось получить первые результаты, позволяющие продвинуться в решения этих проблем.
В результате анализа экспериментальных данных установлено, что в нейронных структурах мозга реализован принципиально иной, чем в технической среде способ проведения вычислительных операций. Вид преобразований сигналов зависит не столько от способа изменения некоторых частотно-временных параметров, как это реализовано в современных технических устройствах, сколько от пространственного положения участвующего в выполнении операции обработки данных нейрона.
В нейронной среде реализован детекторный принцип обработки данных, когда каждый нейрон отвечает за строго определенные признаки процесса или явления. Именно поэтому мозгу необходимо иметь такое огромное количество нейронов.
В качестве функциональных преобразователей используются поверхности с «заданными» свойствами. Передача (проецирование) сигналов «сквозь» такие поверхности приводит к функциональному преобразованию данных. Процесс фактически является физической реализацией хорошо известного математического определения понятия функции. Очевидно, при таком способе преобразования сигналов возможности преобразования данных будут определяться очень широким классом функций. Легко показать также, что энергетические затраты в биологической нейронной среде связаны только с потерями при передаче данных между функциональными единицами мозга, а непосредственно вычислительный процесс проходит без затрат энергии.
Описанный способ проведения вычислительных операций позволяет считать мозг «геометрическим процессором», который использует пространственные свойства среды для проведения детерминированных преобразований сигналов. Естественно, что использование проецирующих связей и геометрических свойств объектов в плоскости имеет мало смысла. Поэтому считаем, что архитектура биологической вычислительной среды является принципиально трехмерной и принципиально топографической. Именно при реализации предложенного способа обработки сигналов одновременно находится подход к решению всех четырех сформулированных выше проблем.
Кроме того, можно доказать, что предложенная архитектура вычислительной среды реализует абсолютный максимум по критерию быстродействие/энергетические затраты. Причем в числителе достигается абсолютный максимум, а в знаменателе абсолютный минимум.
Этот критерий можно считать фундаментальным для систем обработки информации. Именно по этому критерию биологические системы на много порядков превосходят устройства ИИ. Считаем, что сегодня на основе этого понимания, мы вновь можем вернуться к идее Н. Винера об использовании биологических принципов и способов обработки данных при разработке технических систем.
Предметом наших исследований стали также механизмы и способы обработки информации в зрительном анализаторе. Это объясняется тем, что, во-первых, 90% информации о внешнем мире человек получает при помощи зрения, а механизмы обработки зрительной информации являются наиболее развитыми и представляют большой интерес для выяснения существа всех сформулированных проблем (в наибольшей степени четвертой – математической). Разумеется, зрительное восприятие - это не мышление, но связь между этими процессами является достаточно глубокой.
Во-вторых, именно обработка зрительной информации в структурах мозга приводит к образованию наиболее существенной части внутренней модели внешнего мира. Понимание сущности информационных процессов при такой обработке, очевидно, позволит вплотную приблизится к пониманию гештальта и формированию рациональных моделей мышления.
В рамках очерченных представлений нами получена функциональная модель зрительного анализатора, в которой использовано большое количество экспериментальных данных, относящихся к функционированию биологических нейронных структур. Конечным результатом процесса преобразования зрительной информации стало формирование нейрона (идентификатора конкретного объекта), координаты которого в «гностическом» поле инвариантны к сдвигу, повороту и размеру, а также к частичной видимости объекта в поле зрения.
Фактически, найден подход к формализации таких свойств биологического зрительного анализатора как «константность» восприятия объектов и «восприятие целого по видимой части».
Это может рассматриваться как доказательство осуществимости идеи создания технических устройств, использующих алгоритмы обработки информации идентичные тем, что реализованы в биологической нейронной среде.
Анализ информационных процессов, которые реализуются в предложенной модели, позволяет также сделать вывод о том, что мозг является вычислительным устройством особого типа, которое выполняет специфические алгоритмы обработки информации, приводящие к значительному сжатию входного потока данных. При этом, сущность обработки сенсорной информации связана с формированием в структурах мозга устойчивых образований, состоящих из нескольких десятков нейронов, а возможно и единичного нейрона, которые фактически являются эквивалентами огромного объема (108-1010 бит) информации. Именно такие «гностические» (по определению Конорского) нейроны являются коррелятами психологического понятия «образ». Взаимодействие «гностических» нейронов приводит к вовлечению в информационный обмен практически одновременно (за время менее 100 млс) огромного количества информации, которое современные компьютеры не в состоянии обработать за многие часы работы. Одновременное взаимодействие больших объемов строго организованных конгломератов данных, адекватных реалиям внешней среды, и позволяет мозгу получать результаты, качественно недоступные современным вычислительным устройствам.
Реализация биологических способов обработки данных в технических устройствах неизбежно приведет к тому, что интеллектуальная мощь машинного разума намного превзойдет интеллектуальные возможности мозга человека. Построение сложных информационных моделей внешней среды в машинном сознании, основой которого будут «образы» объектов реального мира и отношения между ними, откроет возможность создания в системах ИИ абстракций, которые до настоящего момента являются интеллектуальной собственностью человека.
Считаем, что не исключена возможность созданная в обозримом будущем искусственного разума, обладающего свойством самосознания. Реализация указанных возможностей, в соединении со способностью к сверхбыстрым математическим вычислениям, а также с возможностями получения огромного объема информации из внешней среды позволяет сегодня выдвинуть гипотезу о реальной возможности создания искусственного «сверхразума». Такие системы ИИ смогут ориентироваться в законах мироздания, общаться с человеком на естественном языке, понимать свою роль и место в системе социальных отношений, а также, мы надеемся, абсолютную ценность человека в окружающем мире. В этом случае компьютерный разум не выйдет за границы усилителя интеллектуальных способностей человека.
Заметим, что понимание сущности законов обработки информации в нейронных структурах мозга, определение смысла нейродинамической активности при формировании когнитивных кодов, а также способов формирования «образов», по всей видимости, позволит общаться с системами ИИ на естественном языке мозга. Очевидно, при таком «общении» будет достигнута максимальная скорость обмена информацией между естественным и искусственным интеллектом. Это, во-первых, приведет полному раскрытию интеллектуальных способностей мозга, во-вторых, позволит рассматривать подобные системы ИИ как функциональный отдел мозга, предназначенный для проведения «чистой» интеллектуальной деятельности. Быстрое накопление и использование знаний при внедрении таких систем полностью изменит характер нашей цивилизации. Направления этих изменений сегодня мы предвидеть не в состоянии. Будем надеяться, что такие понятия как «добро», «справедливость», «мораль», «гуманизм» сохранят свое значение и ценность для новых поколений людей в новом информационном обществе.
Однако, по нашему глубокому убеждению следует отказаться от попыток спроецировать модель мира, созданную в компьютерном сознании, на искусственную эмоциональную сферу, что может привести к непредсказуемым последствиям. Искусственный интеллект не должен иметь собственной воли, собственных побудительных мотивов к действию и собственных моральных оценок.
В заключение привожу подборку, коротко характеризующую современное состояние знаний о работе мозга.
1.Предложена, формальная модель работы мозга, основанная на принципе предсказания. Пусть {<М,Р,Э>} - множество всех потребностей, где М - мотивация, Р - конечный результат (подкрепляющий раздражитель), Э - закрепляющая эмоция. Так как каждая вероятностная закономерность “вырабатывается” единственным набором <М,Р,Э>, то множество {<М,Р,Э>} разбивает все множество вероятностных закономерностей PR на непересекающиеся группы PR(М,Р,Э). Множество всех групп {PR(М,Р,Э)} и есть все множество функциональных систем, обнаруживаемых мозгом. На основе этих множеств может быть разработана формальная модель работы мозга, вытекающая из принципа предсказания [1,2,3]. Можно показать, что все основные свойства ТФС и ИТЭ, а так же некоторых других теорий могут быть объяснены на основе данной модели [1,2,3].
1. Витяев Е.Е. Целеполагание как принцип работы мозга // Модели когнитивных процессов, Труды ИМ СО РАН (Выч. системы, 158), Новосибирск, 1997, с.9-52.
2. Витяев Е.Е. Вероятностное прогнозирование и предсказание как принцип работы мозга // Измерение и Модели Когнитивных Процессов, Труды ИМ СО РАН (Выч. системы, 162), Новосибирск, 1998, Стр. 14-40.
3. Витяев Е.Е. Формальная модель работы мозга, основанная на принципе предсказания // Модели Когнитивных Процессов, Труды ИМ СО РАН (Выч системы, 164), Новосибирск, 1998, Стр. 3-62.
2.Организация функциональных систем при целенаправленном поведении, осуществляется в соответствии с двумя принципами: последовательностью и иерархией результатов. Последовательность результатов выстраивается по принципу “доминанты”: “... всегда имеется ведущий параметр общей метаболической потребности - доминирующая потребность, наиболее важная для выживания особи, ее рода или вида. Она возбуждает доминирующую функциональную систему и строит поведенческий акт, направленный на ее удовлетворение. Удовлетворение ведущей потребности приводит к тому, что начинает доминировать другая важная для сохранения вида или рода потребность". По отношению к доминирующей функциональной системе все остальные функциональные системы выстраиваются в иерархию по принципу “иерархии Результатов”: “... по отношению к каждой доминирующей функциональной системе все другие функциональные системы выстраиваются в определенном иерархическом порядке … Иерархия функциональных систем... прежде всего включает иерархическое взаимодействие Результатов их действия, когда Результат деятельности одной функциональной системы входит в качестве компонента в Результат деятельности другой".
Судаков К.В. Общая Теория Функциональных Систем. М.: Медицина, 1984. с. 222.
Дискуссия на конференции “Нейроинформатика –2003” Москва, 29-31 января
http://wsni2003.narod.ru/papers.htm
В. Г. Редько
Какие нейросетевые парадигмы можно привлечь к моделированию адаптивного поведения и мышления?
По-видимому, при моделировании целостного адаптивного поведения совсем не обязательно делать привязку к реальным нейронным структурам мозга (??? – знак мой В.Б.). Скорее, более разумно конструировать модели, используя нейросетевые блоки с хорошо известными свойствами. Здесь мы отметим только пару возможностей такого конструирования.
Например, в проекте "Мозг анимата" для моделирования прогноза между текущей и последующей ситуацией предлагается использовать блоки гетероассоциативной памяти, обучаемые с помощью метода обратного распространения ошибки. Отметим, что это аналогично использованию ассоциативной памяти в прогнозирующем модуле в работе (верхняя часть рис.2).
Интересной представляется идея использования Хеббовских ансамблей для моделирования формирования понятий и логических связей между понятиями в базах знаний животных, примерно так, как это делается в работах Э.М. Куссуля с сотр.
Как часто говорят, наука 21-го века - биология. В биологии накоплен огромный эмпирический материал, который требует своего теоретического осмысления. Необходима теоретическая биология (нейрокибернетика!- В.Б.). Здесь может быть вполне востребована научная культура исследований, которая была накоплена в физике и физиками. Как говорил Р. Фейнман, "нужны светлые головы, умеющие осмысливать эксперимент" (цитирую по памяти).
По-видимому, наиболее глубокая проблема теоретической биологии - проблема эволюционного происхождения интеллекта. Понятно, что эта проблема интересна сама по себе (скажем, даже для "человека с улицы") - действительно, интересно проанализировать, как в процессе эволюции развивались познавательные свойства биологических организмов. Кроме того исследования эволюции познавательных свойств важны с точки зрения осмысления глубокой гносеологической проблемы "почему наше человеческое мышление применимо к познанию природы?" Такие исследования могли бы прояснить причины возникновения познавательных способностей человека, и, в определенной степени, обосновать применимость нашего мышления в научном познании.
Т.е., на мой взгляд, исследование проблемы эволюционного происхождения интеллекта – именно то направление в современной (или будущей) науке, где мы можем ожидать наибольшего прогресса в развитии научного миропонимания.
Мне … чужд формалистический дух проекта «Анимат». Я высоко оцениваю возможности формализации и строгих доказательств как метода научных исследований, но тут мы имеем иное. Делаются произвольные предположения там, где можно и нужно обосновать. Вводятся в рассмотрение формальные объекты и разные процессы, но не потому, что их введение помогает пониманию реальности. Теорией управления поведением автоматов и роботов я не занимался, но при построении теории процессов управления, протекающих в мозге, по моему мнению, очень полезно постоянно пытаться представлять себе, как соответствующие процессы протекают в реальном мозге и в его нейронных сетях. Здесь моё мнение тоже резко расходится с позицией авторов обсуждаемой статьи.
Меня удивляет, когда для объяснения биологических явлений используют модели, явно противоречащие известным экспериментальным данным; лучше уж вообще не строить модель, чем строить исходно порочную конструкцию. Как пример, можно здесь указать, что в статье К.В. Анохина с соавторами, предполагается использование (хотя и не названных) многослойных перцептронов. Мне уже давно хочется высказать всё, что я думаю о перцептронах. Исходная, почти ни на что не годная, модель Ф. Розенблатта была представлена им как модель механизмов мозга, и поэтому произвела фурор (людям хотелось выглядеть настолько умными, что они понимают мозг). Минский и Пейперт поставили трёхслойный перцептрон на место. Но потом появились многослойные перцептроны. Несмотря на то, что реальные нейронные сети мозга не могут обучаться так, как обучаются многослойные перцептроны, многие полагают, что в их перцептронных моделях происходит что-то подобное тому, что происходит в мозгу. Люди полагают, что там, где человек разумный не может написать компьютерную программу, эффективно решающую задачу, можно добиться её решения, тупо изменяя веса связей. Чаще всего перцептроны применяют для распознавания образов. В распознавании же образов главное — выявление структуры объекта. Но если в перцептроне, настроенном на распознавание одного штрихового изображения, сдвинуть изображение на одну клетку, то придётся его заново настраивать, потому что перцептрон реагирует не на структуру изображения. Если же нужна ассоциативная память — так и делайте ассоциативную память! Перцептрон же — это не устройство памяти; это "обучаемая" или настраиваемая сеть (мной выделен текст, с которым полностью согласен – В.Б.).
| ГЛАВНАЯ | ДОКЛАДЫ | ОБСУЖДЕНИЕ | |