Источник: журнал "Новый Век", Ноябрь 2002
Можно ли создать искусственный интеллект, хотя бы равный человеческому? Кто-то твердо говорит «нет», но тысячи ученых по всему миру бьются над тем, чтобы доказать обратное. И, вполне возможно, создадут. Но как поведет себя «сверхразумная» самосовершенствующаяся машина с человеком, который в какой-то момент перестанет ее догонять? Не превратимся ли мы для нее просто в новый подвид обезьян?
В последнее время интерес к искусственному интеллекту резко растет — вместе с требованиями к информационным системам. Умнеет программное обеспечение, умнеет бытовая техника. Мы неуклонно движемся к новой информационной революции, сравнимой по масштабам с развитием Интернета, название которой — искусственный интеллект.
Все уже наслышаны об электронных японских собаках, способных узнавать хозяина в лицо, выполнять некоторые команды и имеющих некоторую обучаемость. Кое у кого дома уже стоят холодильники с интеллектуальной системой управления и выходом в Интернет.
Здесь, наверное, уместно привести гипотезу о встречной эволюции человека и компьютера. Человек сначала учится видеть, ходить, разговаривать, а уже потом развивает способности к вычислениям и логическим выводам. Компьютер же, наоборот, появился как вычислительная система, базирующаяся на формальной логике, но в процессе развития приобретает способности к распознаванию образов, синтезу речи и т.п.
В чем суть задачи создания искусственного интеллекта? Сам термин «интеллект» происходит от латинского intellectus — ум, рассудок, разум, мыслительные способности человека. То есть это способность мозга решать задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения и адаптации к разнообразным обстоятельствам.
Соответственно, искусственный интеллект (по-английски — Artificial Intellect, AI — общепринятая аббревиатура) — свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать решения на основе ранее полученного опыта и анализа внешних воздействий.
Заметим, что понятие «знания» подразумевает не только ту информацию, которая поступает в мозг через органы чувств. Такие знания важны, но недостаточны для интеллектуальной деятельности. Ведь объекты окружающей среды не только воздействуют на наши органы чувств, но и взаимодействуют друг с другом. И для воссоздания интеллектуальной деятельности в этой среде необходимо знать ее модель. Формирование этой модели происходит в процессе обучения на основе опыта и адаптации к различным обстоятельствам.
Тут необходимо вспомнить известный термин — «алгоритм», который в самом упрощенном виде можно расшифровать как «инструкция по эксплуатации». Вот, например, алгоритм попадания в квартиру: «Подходишь к двери, вставляешь ключ в замочную скважину, поворачиваешь, тянешь дверную ручку на себя, переступаешь порог».
Нахождение алгоритмов — естественная цель человека при решении им разнообразных задач. Порой это связано с тонкими и сложными рассуждениями, требующими изобретательности, высокой квалификации. Иными словами, участия интеллекта.
Если алгоритм решения задачи известен, сам процесс решения становится почти автоматическим, он под силу и вычислительной машине, и роботу — надо только выполнять действия, предусмотренные инструкцией-алгоритмом. Поэтому чаще всего задачи со стандартными методами решения исключают из класса интеллектуальных. Например, чисто вычислительные: их стандартные алгоритмы — последовательность элементарных операций — легко выразить в виде программы. С этой точки зрения написание, например, традиционных компьютерных программ — это не конструирование искусственного интеллекта. Здесь интеллектуальная часть выполняется человеком. На долю машины остается работа, не требующая участия мышления.
А вот в интеллектуальных задачах, таких, как распознавание образов, игра в шахматы, доказательство теорем, формальное разложение процесса решения на отдельные шаги часто затруднительно.
Уже говорилось, что характерные черты интеллекта, проявляющиеся в решении задач, — способность к обучению, обобщению, накоплению опыта и знаний, адаптации к меняющимся условиям. Благодаря интеллекту мозг может легко перестраиваться с одной задачи на другую, причем, и такую, для которой нет стандартных, заранее известных методов решения.
Исторически сложились три основных направления в моделировании искусственного интеллекта. Первое— то, где объект исследований — структура и механизмы работы мозга человека, а конечная цель — раскрытие тайны мышления. Во втором случае объектом исследования выступает сам искусственный интеллект. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью является создание компьютерного программного обеспечения, позволяющего решать интеллектуальные задачи не хуже человека. Наконец, третий подход ориентирован на создание смешанных человеко-машинных, интерактивных систем. Одна из важнейших проблем в этих исследованиях — организация диалога между человеком и машиной.
С конца 40-х годов минувшего столетия ученые во всем мире устремились к дерзкой цели — построению компьютеров, действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума.
Терпеливо продвигаясь вперед, исследователи в области искусственного интеллекта обнаружили, что столкнулись с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики.
Оказалось, что прежде всего необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. Для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов.
Тогда многие исследователи пришли к выводу, что, пожалуй, самая трудная часть проблемы — познание процессов функционирования человеческого разума, а не имитация его работы. Тут сложным оказалось даже точно определить предмет исследований — интеллект: как в притче о слепцах, пытавшихся описывать слона, каждый придерживался своего «заветного» определения.
Некоторые считали, что интеллект — это прежде всего умение решать сложные задачи; другие напирали на обучаемость, обобщения и аналогии; третьи — на возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого. Многие исследователи AI склонны принять формулу оценки машинного интеллекта, предложенную еще в начале 50-х английским математиком и специалистом по вычислительной технике Аланом Тьюрингом. Компьютер можно считать разумным, утверждал Тьюринг, если он способен заставить нас поверить, что мы имеем дело не с машиной, а с человеком.
Кстати, интересен план имитации мышления, предложенный Тьюрингом. «Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, — писал он, — не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека... Наш расчет состоит в том, что устройство, подобное интеллекту ребенка, может быть легко запрограммировано... Таким образом, мы расчленим проблему на две части — на задачу построения «программы ребенка» и задачу «воспитания» этой программы». Можно сказать, что именно по этому пути идут практически все разработчики систем искусственного интеллекта.
Вообще-то идея создания мыслящих машин человеческого типа, которые думают, двигаются, слышат, говорят и ведут себя, как люди, уходит корнями в глубокое прошлое. Еще древние египтяне и римляне испытывали благоговейный ужас перед культовыми статуями, которые жестикулировали и изрекали пророчества (разумеется, не без помощи жрецов). Средневековые летописи полны рассказов об автоматах, способных ходить и двигаться. Выдающийся швейцарский врач и естествоиспытатель XVI века Филипп Ауреол Теофраст Бомбаст фон Гогенгейм (более известный под именем Парацельс) оставил руководство по изготовлению гомункула (искусственного человечка), которое начиналось с закапывания в лошадиный навоз герметично закупоренной человеческой спермы. «Мы будем как боги, — провозглашал Парацельс. — Мы повторим величайшее из чудес господних — сотворение человека!» Как выяснилось, он чуть-чуть поторопился. Только после Второй мировой войны появились устройства, казалось бы, подходящие для достижения заветной цели, моделирования разумного поведения, — электронно-вычислительные машины. «Электронный мозг», как тогда восторженно именовали компьютер, поразил в 1952 году телезрителей США, точно предсказав результаты президентских выборов за несколько часов до получения официальных данных. Этот «подвиг» лишь укрепил господствовавшую тогда надежду: близок день, когда ЭВМ смогут имитировать и невычислительные процессы, свойственные человеческому мышлению, — восприятие и обучение, распознавание образов, понимание повседневной речи и письма, принятие решений в неопределенных ситуациях, когда известны не все факты. Так сформулировался своего рода социальный заказ для науки.
Многие разработчики компьютеров и первые программисты взялись тогда за составление программ, сочинявших музыку, игравших в шашки и шахматы. К концу 50-х годов эти увлечения выделились в новую, более или менее самостоятельную ветвь информатики — искусственный интеллект. Исследования в области AI, первоначально сосредоточенные в нескольких университетских центрах США — Массачусетском технологическом институте (МТИ), Технологическом институте Карнеги в Питтсбурге, Стэнфордском университете, ныне ведутся во многих странах мира, включая Россию.
Тогда многие пионеры AI верили, что через десяток лет машины, выйдя из «электронного детства», обучившись в библиотеках всего мира, благодаря своим быстродействию, точности и безотказной памяти превзойдут своих создателей-людей. Сейчас мало кто говорит об этом, а если и говорит, то отнюдь не считает, что подобное произойдет завтра.
Значительное число ныне привычных разработок — те же текстовые редакторы, программы распознавания образов — в значительной мере рождались в работе над искусственным интеллектом. Но, несмотря на многообещающие перспективы, ни одну из существующих программ AI нельзя назвать разумной в общепринятом понимании этого слова. Все они узкоспециализированы, самые сложные системы по своим возможностям скорее напоминают дрессированных или механических кукол, нежели человека с его гибким умом и широким кругозором.
Немало критиков AI уверяет, что такого рода ограничения вообще непреодолимы. Профессор Калифорнийского университета в Беркли Хьюберт Дрейфус считает, например, что истинный разум невозможно отделить от его человеческой основы:
«Цифровой компьютер — не человек. У компьютера нет ни тела, ни эмоций, ни потребностей. Он лишен социальной ориентации, которая приобретается жизнью в обществе, а именно она делает поведение разумным. Я не хочу сказать, что компьютеры не могут быть разумными. Но цифровые компьютеры, запрограммированные фактами и правилами из нашей, человеческой, жизни, действительно не могут стать разумными. Поэтому искусственный интеллект в том виде, как мы его представляем, невозможен».
Попытки построить машины, способные на разумное поведение, были в значительной мере вдохновлены идеями «отца кибернетики» профессора Норберта Винера. Помимо математики, он обладал широкими познаниями в нейропсихологии, медицине, физике и электронике.
Винер был
убежден, что наиболее перспективны научные исследования в так
называемых пограничных областях, на стыке различных наук. Вместе со
своими сотрудниками он разработал принцип обратной связи, который
был успешно применен при создании зенитных ракет с радиолокационным
наведением. Этот принцип заключается в использовании информации,
поступающей из окружающего мира, для изменения поведения машины.
В дальнейшем Винер создал на принципе обратной связи теории как машинного, так и человеческого разума. Он доказывал, что именно благодаря обратной связи все живое приспосабливается к окружающей среде: «Все машины, претендующие на «разумность», должны обладать способностью преследовать определенные цели и приспосабливаться, то есть обучаться». Созданной им науке Винер дал название кибернетика.
К этому времени и другие ученые стали понимать, что создателям вычислительных машин стоит поучиться у биологии. Еще в 1943 году нейрофизиолог Уоррен Мак-каллох, обладавший, как и Винер, философским складом ума и широким кругом интересов, в соавторстве с 18-летним математиком Уолтером Питтсом разработал теорию деятельности головного мозга. Эта теория и стала основой, на которой сформировалось широко распространенное мнение, что функции компьютера и мозга в значительной мере сходны.
Исходя из исследований нейронов (основных активных клеток, составляющих нервную систему живых существ), Маккаллох и Питтс выдвинули гипотезу: нейроны можно рассматривать как устройства, оперирующие двоичными числами. Двоичные числа, состоящие из единиц и нолей, — рабочий инструмент так называемой Булевой логики. Сто с лишним лет назад английский математик Джордж Буль показал, что логические утверждения можно закодировать в виде единиц и нолей, где единица соответствует истинному высказыванию, а ноль — ложному, после чего ими можно оперировать как обычными числами. Позднее пионеры информатики поняли, что единица и ноль вполне соответствуют двум состояниям электрической цепи (включено/ выключено), поэтому двоичная система идеально подходит для электронных вычислительных устройств.
Маккаллох и Питтс предложили конструкцию сети из электронных нейронов, которая могла бы выполнять практически любые числовые или логические операции. А далее предположили, что такая сеть в состоянии обучаться, распознавать образы, обобщать, то есть обладает всеми чертами интеллекта.
Теории Маккаллоха—Питтса в сочетании с книгами Винера вызвали огромный интерес. В 40—60-е годы кибернетики запирались в лабораториях и мастерских, напряженно работая над теорией функционирования мозга и методично паяя электронные компоненты моделей нейронов.
Из этого кибернетического (или нейро-модельного) подхода к машинному разуму сформировался так называемый восходящий метод — движение от простых аналогов нервной системы примитивных существ к нервной системе человека. Конечная цель виделась в создании самоорганизующейся системы, обучающейся машины — устройств, способных следить за окружающей обстановкой и с помощью обратной связи менять свое поведение, вести себя, как живой организм.
Однако такое движение не всегда целесообразно и возможно. Как заметил сам Уоррен Маккаллох, «если по весне вам захотелось обзавестись возлюбленной, не стоит брать амебу и ждать, пока она эволюционирует». И дело не только во времени, но и в чисто физических ограничениях. Ведь даже модель нервной системы муравья состоит из 20 тысяч нейронов, а у человека их около 100 миллиардов.
Фрэнка Розенблата все эти трудности, однако, не пугали. В конце 50-х он предложил модель электронного устройства — перцеп-трона, который должен был бы имитировать процессы человеческого мышления. Перцептрон передавал сигналы от «глаза» из фотоэлементов в блоки электромеханических ячеек памяти, которые оценивали относительную величину электрических сигналов. Два года спустя была продемонстрирована первая действующая машина Марк1, которая могла научиться распознавать некоторые буквы, написанные на карточках, поднесенных к «глазам».
Перцептрон Розенблата оказался высшим достижением восходящего метода создания искусственного интеллекта. Чтобы научить перцептрон строить догадки на основе исходных предпосылок, в нем предусматривалась некое элементарное самопрограммирование.
Но недолго музыка играла: почву у сторонников восходящего метода выбили два профессора все того же МТИ — Минский и Пейперт, поначалу бывшие активными его приверженцами. В 1969 году они написали книгу, доказывая математически, что перцептроны принципиально не в состоянии выполнять многие из обещанных функций: не то что читать, слушать и понимать полученную информацию — они никогда не смогут распознавать предмет, частично заслоненный другим. То есть, глядя на торчащий из-за кресла кошачий хвост, такая машина никогда не догадается, кому он принадлежит. Правительство США финансировать это направление перестало.
Правда, затем Минский опять «перековался» и вернулся в стан «восходящих». И даже покаялся: теперь он считал, что для реального прорыва вперед в создании разумных машин потребуется устройство, во многом похожее на разгромленный им перцептрон.
Суммируя, можно привести слова члена Совета Российской ассоциации искусственного интеллекта В.Б.Тарасова о том, что на первом этапе — в 60—90-е годы — главной была «инженерия знаний»: интеллектуальные системы понимались как системы, основанные на знаниях. Иначе говоря, основное внимание уделялось вопросам работы с информацией — извлечению знаний, их обработке, классификации представлению и т.д. На этой основе появляется возможность создания различных «решателей» задач.
Самыми первыми интеллектуальными задачами, которые стали решать при помощи ЭВМ, были логические игры (шашки, шахматы), доказательство теорем. Американский кибернетик А.Самуэль составил для вычислительной машины программу, которая позволяла ей играть в шашки, причем в ходе игры машина обучалась (или создавала впечатление, что обучается), улучшая свои навыки на основе накопленного опыта. В 1962 году эта программа сразилась с Р.Нили, сильнейшим шашистом в США, и победила.
Ярким примером сложной интеллектуальной игры до недавнего времени были шахматы. Еще в 1974 году состоялся международный шахматный турнир программ для ЭВМ. Победу в нем одержала советская программа «Каисса».
Почему «до недавнего времени»? События показали, что, несмотря на сложность шахмат и невозможность полного перебора ходов, само увеличение этого перебора резко увеличивает и шансы на победу. К примеру, компьютер IBM, победивший Каспарова, имел 256 процессоров, каждый — с 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс просчитывал более 100 миллионов ходов в секунду. Именно шахматных ходов, которые должны быть сгенерированы и для которых просчитаны оценочные функции.
Сейчас одной из наиболее интересных интеллектуальных задач, имеющих огромное прикладное значение, является обучение распознаванию образов и ситуаций. Это сулит широкое практическое использование — читающие автоматы, системы, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т.п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации.
Проблема обучения распознаванию тесно связана с другой — проблемой перевода с языка на язык, а также обучения машины языку. Обработав и классифицировав основные грамматические правила и приемы пользования словарем, можно создать вполне удовлетворительный алгоритм для перевода, скажем, научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 60-х годов. Однако чтобы связно перевести большой разговорный текст, необходимо понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко.
Что же до моделирования логического мышления, хорошей задачей здесь может служить автоматизация доказательства теорем. Большой интерес представляла интеллектуальная программа американского математика Хао Ванга. С этой программой машина IBM-704 всего за 3 минуты" вывела 220 относительно простых лемм и теорем, а затем за 8 с половиной минут выдала доказательства еще 130 более сложных теорем, часть их которых еще не была выведена живыми математиками.
В начале 70-х появились логические экспертные системы, основанные на логических моделях «Если А, то В...» и знаниях, предоставляемых экспертами в той или иной области. В программу закладывали информацию, полученную путем детального опроса экспертов в той или иной области (например, на основании каких признаков врач ставит свой диагноз).
Такая система могла не только быстро и эффективно сделать вывод, но и объяснить свои действия, поэтому считалась вполне интеллектуальной.
Начался бум экспертных систем. Практически во всех областях человеческих знаний были созданы такие системы — и практически везде они оказались недостаточно эффективны. Реальная жизнь оказалась сложнее инструкций, хороший специалист принимает решение чисто интуитивно.
К началу 80-х появились системы нечеткой логики. В отличие от традиционных систем, основанных на двоичных множествах («да»—«нет», «истинно»—«ложно»), системы нечеткой логики оперируют бесконечным множеством значений (часто, редко, близко, далеко...) и представляют собой систему приближенных вычислений.
Современный вычислительный интеллект, основанный на «нечеткой»
логике, оказался лучше приспособлен к жизни: он успешно адаптируется
к изменениям внешней среды, меняя свою логику в зависимости от
изменения целей системы. Подобные системы дешевы: «нечеткий» чип
стоит сегодня порядка 5 долларов. А в результате стиральная машина
сама, определив состав ткани заложенного в барабан белья, выбирает
режим стирки, а утюг — оптимальную температуру глажения.
В 90-е
годы для самообучения интеллектуальных систем была создана мощная
вычислительная система поиска оптимальны) решений — генетический
алгоритм. Используя эволюционные модели: естественный отбор,
закрепление лучших наследственных признаков, а также метод проб и
ошибок — интеллектуальные системы из множества возможных решений
задачи находят наилучшее.
Интеллектуальные системы последнего поколения представляют собой вычислительный интеллект и используют гибридный подход, при котором в разных частях системы работают разные вычислительные модели, которые активно взаимодействуют между собой.
Важнейшим направлением развития систем AI является робототехника (в США, в отличие от европейцев, делают упор именно на роботов). В чем основное отличие интеллекта робота от интеллекта универсальных вычислительных машин?
Вспомним высказывание великого русского физиолога И.М.Сеченова: «Все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению — мышечному движению». Другими словами, вся интеллектуальная деятельность человека направлена в конечном счете на активное взаимодействие с внешним миром посредством движений. Точно так же интеллект робота служит, прежде всего, для организации его целенаправленных движений. Основное же назначение чисто компьютерных систем AI — решение интеллектуальных задач, носящих абстрактный или вспомогательный характер, обычно не связанных ни с восприятием окружающей среды искусственными органами чувств, ни с движениями механизмов.
Первых роботов трудно было назвать интеллектуальными. Только в 60-х годах появились «чувствующие» роботы, которые управлялись универсальными компьютерами. В 1969 году в Японии начались работы над проектом промышленного интеллектуального робота. Цель — создание манипуляционного робота с элементами искусственного интеллекта для выполнения сборочно-монтажных работ с визуальным контролем.
Манипулятор робота был оснащен тактильными датчиками, имел шесть степеней свободы и управлялся мини-ЭВМ NEAC-3100. ЭВМ формировала требуемое движение, а отрабатывала его следящая электрогидравлическая система.
Зрительное восприятие обеспечивали две телевизионные камеры с красно-зелено-синими фильтрами — для распознавания цвета. Поле зрения телевизионной камеры было разбито на 4000 ячеек. Сначала она грубо определяла область, где находился интересующий робота предмет. Затем эта область вновь делилась на 4 тысячи ячеек — для детального изучения. Если предмет не помещался в окошко, оно автоматически перемещалось — так человек скользит взглядом по предмету. Японский робот был способен распознавать простые предметы, ограниченные плоскостями и цилиндрическими поверхностями, при специальном освещении.
Постепенно характеристики роботов улучшались. Но до сих пор они еще далеки по понятливости от человека, хотя некоторые операции уже выполняют на уровне жонглеров. К примеру, удерживают на лезвии ножа шарик для настольного тенниса.
Сейчас многие исходные идеи AI уже воплощены в технологии, которые вошли в нашу обыденную жизнь. Системы AI уже трудятся и в таких сферах, как распознавание образов, компьютерные системы с речевым интерфейсом, ориентация в сложных ситуациях, медицинские экспертные системы, создание систем поддержки принятия решений, управление организациями, реинжиниринг, банковский, страховой бизнес. Причем границы AI как междисциплинарной области исследований, впитавшей в себя достижения различных наук, техники, постоянно меняются.
Происходит смещение акцентов от правил обработки знаний к объектам и агентам. Агенты — это виртуальные компьютерные единицы (или реальные — например, роботы), которые выполняют соответствующие интеллектуальные функции, вплоть до постановки задачи. Эти агенты становятся своеобразными помощниками, человека, работающего с компьютером.
Еще одно интересное направление заключается в социальном подходе к AI, переходе от технологии отдельных объектов и агентов к технологиям их коллективной работы, к созданию виртуальных организаций, сообщества многоагентских систем. Иначе говоря, вновь повторяется естественный путь развития интеллекта, который, как известно, социален по своей природе, то есть формируется в процессе общения людей между собой. Подобные разработки особенно популярны на Западе.
Не находя полного объяснения поведению тех или иных животных, ученые строят модели, имитирующие их поведение. С помощью генетических алгоритмов и нейронных сетей они создают системы, основанные на коллективе достаточно простых интеллектуальных агентов, взаимодействие которых порождает поведение гораздо более сложное, чем поведение каждого из них в отдельности. Это — не искусственный интеллект, а «искусственная жизнь», поскольку муравейник нельзя назвать интеллектуальным.
Естественно,
что при таких перспективах не мог не возникнуть вопрос: а что же
тогда останется на долю естественного интеллекта, не случится ли
так, что он будет вытеснен своим искусственным братом?
По мнению профессора О.П.Кузнецова, заведующего лабораторией дискретных систем управления Института проблем управления РАН, AI в принципе не может быть копией человеческого интеллекта. Мозг человека работает лучше и быстрее любой интеллектуальной системы, не используя при этом изощренных алгоритмов, необходимых для работы компьютерных систем.
Каким образом думает сам человек? В терминологии нейрогенетики есть ключевое понятие — нейросеть. Именно совокупность нейросетей образует отделы нервной системы человека, которые, в свою очередь, определяют всю деятельность, придают существу разум, интеллект.
Искусственные нейронные сети состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона — нервной клетки. Нейроны организуются по способу, который может соответствовать анатомии мозга. Они выстраиваются в цепи, соединяются. Искусственные нейронные сети демонстрируют удивительное число свойств, присущих мозгу. Они обучаются на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные.
Однако даже самый оптимистичный их защитник не предположит, что в скором будущем искусственные нейронные сети или какие-то их аналоги будут дублировать функции человеческого мозга. Реальный интеллект, демонстрируемый са-мыми сложными нейронными сетями, находится ниже уровня дождевого червя.
Вместе с тем, неправильно было бы игнорировать удивительное сходство * в функционировании тех же нейронных сетей с человеческим мозгом. Эти возможности наводят на мысль, что глубокое проникновение в человеческий интеллект, а также получение возможности формировать значительно большие сети, объединять их в системы, может, в конечном счете, вылиться во что-то более совершенное. И что же? В конце концов, мы получим искусственный разум, который будет за нас думать и придумывать великолепных слуг-роботов, свободных от человеческих страстей и эмоций, которые не будут требовать пищи, зрелищ и бытовых удобств? Единственной их заботой будет работа и служба человечеству?
Как считают некоторые ученые, развитие электронного мозга на этом не остановится. Наступит стадия самосовершенствования, которая пойдет намного быстрее эволюции человеческого мозга путем биологического отбора. Усовершенствование биологической системы, на которое человек тратит сотни лет, у электронного мозга займет не более нескольких месяцев. За короткое время электронный мозг превзойдет человеческий во много раз. Он сможет пользоваться всей базой данных, суммой знаний, накопленных человечеством за свою историю, и процесс обучения любой отрасли знания или языку будет занимать ровно столько, сколько занимает перезапись в свою память этих баз данных.
Следуя этой логике, как только электронный мозг превзойдет человеческий уровень, само человечество выполнит свою историческую миссию и будет никому не нужно. Есть закон непрерывного усложнения систем (т.е. неизбежного возникновения систем более высокого уровня), обладающих свойством воспроизводства себе подобных. Этот закон и привел к созданию человеческого разума, сегодня — наивысшего разума.
В истории ведь не было ситуации, когда высший умственный уровень был слугой у более низкого уровня. Мы не служим прислугой у ближайших предков — человекообразных обезьян. Более того, используем этих обезьян для медицинских опытов. А как к человечеству будет относиться цивилизация, построенная на совершенно другом, несравненно более высоком электронном принципе? Может быть, точно так же.
Что делать? Уничтожить все компьютеры и другие интеллектуальные системы? Это так же невозможно, как невозможно запретить прогресс науки и техники. Удерживать электронный сверхмозг под контролем? Но это то же самое, чем была бы попытка обезьян держать под контролем человека. Не кончится ли дело тем, что человека загонят в зоопарк, а миром будет править всеобщий мозг а-ля Солярис?
Артур Кларк прогнозировал появление искусственного разума уже к середине 1990 года. Теперь знаменитый фантаст называет новую дату — 2020 год.
Насколько реалистичны эти прогнозы? На каком уровне развития находятся современные интеллектуальные системы? В чем превосходят нас и в чем пока уступают? Об этом — разговор с заведующим сектором математических основ искусственного интеллекта Вычислительного центра РАН, членом Совета Российской ассоциации искусственного интеллекта, президентом Российской ассоциации нечетких систем Алексеем АВЕРКИНЫМ
— Алексей Николаевич, намного ли отстают от нас роботы?
— По многим функциям они опережают человека. С роботом бесполезно играть в любые игры — может быть, кроме шахмат, и то надо быть гроссмейстером. Роботы быстрее доказывают теоремы, и вообще многое, что связано с логическими моделями, у них получается лучше. И, конечно же, они лучше распознают образы.
— Но хоть е чем-то они отстают?
— Прежде всего, в понимании естественного языка. Когда имеется несколько значений той или иной фразы, человек по контексту легко находит нужный смысл, компьютер же выдает множество различных вариантов, но не может выбрать из них правильный.
С двигательной активностью у них тоже большие проблемы. Хотя андроиды двигаются все лучше и лучше, до человека им все еще далеко. Даже зная, как работает мышца, мы не в силах ее воспроизвести: так сложно она устроена. Поэтому пока приходится использовать моторы, механические тяги. Естественно, все это работает хуже, чем живые организмы. Неважно обстоит дело и со способностью учиться, осваивать новое. И даже если для интеллектуальных систем использовать универсальный механизм обучения — нейросеть, которая может научить чему угодно, сколь бы большую нейронную сеть мы ни построили, она не сможет распознавать смысл того же естественного языка.
— И когда системы искусственного интеллекта реально войдут в нашу?
— Это уже произошло. Все уважающие себя компании используют нейросети и динамические экспертные системы про гнозирования и поддержки принятия решений. Сегодня вся наша бытовая техника — утюги, холодильники, кондиционеры, стиральные машины — напичкана чипами с нечеткой логикой, основанными на принципах искусственного интеллекта. В Америке разработаны роботы — домашние хозяйки, которые застилают постели, пылесосят, выключают свет, словом, берут на себя всю работу по дому.
Очень скоро системы искусственного интеллекта будут управлять автомобилем. Машины, управляемые интеллектуальными системами, уже даже гоняли в Формуле-1. Словом, с каждым годом наша среда обитания будет становиться все более интеллектуальной.
— Но в один прекрасный день человекоподобные машины могут выйти из-под контроля...
— Такая опасность всегда остается. Любой механизм может выйти из повиновения, даже автомобиль. Любая система может отказать — и человек скорее, чем компьютер. Сегодня надежность систем искусственного интеллекта много выше, чем надежность человека.
Однако никто не собирается полностью дублировать людей так, что это станет опасным для человека. Я думаю, будущее — не за андроидами, имитирующими человека, а за маленькими, быстрыми устройствами, которые будут брать на себя лишь отдельные функции. Машины будут увеличивать, улучшать возможности человека, а не подменять его.
Сергей КОВАЛЕВ, доцент кафедры автоматики и телемеханики Ростовского государственного университета
Не секрет, что современные компьютеры порой дают сбои. Но если обычная система ненадежна — это полбеды: ненадежная интеллектуальная — это страшно. Поэтому с повышением уровня интеллекта вычислительной техники требования надежности и живучести должны повышаться. Но на деле этого не происходит. Этими вопросами сейчас никто не занимается.
Рубильник, спасающий от взбунтовавшихся роботов, — это наивная надежность. Ненадежная боеголовка без интеллекта не так опасна, как ненадежная — с интеллектом. Она может сама взлететь — и никто не знает, куда она полетит.
В отличие от машины, у человека есть несколько каналов получения информации. Слух, зрение, обоняние, осязание, в конце концов, шестое чувство. Даже если нам говорят неправду, мы, наблюдая за мимикой человека, часто просто интуитивно можем отфильтровать информацию. Благодаря этому мы более надежны.
Искусственный интеллект в идеале должен обладать кучей органов чувств, должен обладать эмоциями. Если сделать его просто на датчиках, он будет ошибаться чаще, чем человек.
Заведующий кафедрой Таганрогского государственного радиотехнического университета, председатель Совета Российской ассоциации нечетких систем, академик РАЕН, профессор, доктор технических наук Леонид БЕРШТЕЙН
— Леонид Самойлович, в чем отличие искусственного интеллекта от интеллекта естественного?
- Само название «искусственный интеллект» я считаю неправомерным. Интеллект — он либо есть, либо его нет. Генетический код, который мы в себе несем и посредством которого передаем информацию потомкам, — не что иное, как программа, заложенная в нас. Если считать, что наш интеллект — естественный, то пока носителями информации были устные рассказы, все было естественно. С появлением книг знания стали отделяться от мозга, а это уже естественным не назовешь. Любой искусственный интеллект — продолжение нашего интеллекта, только носители от нас отделены.
— Сможет ли искусственный интеллект, созданный нами, со временем превзойти возможности человека?
- Искусственный интеллект не должен повторять человеческий. Он будет гораздо лучше, умнее. Ведь мы до сих пор не знаем, как работает мозг, только догадываемся. А компьютер вообще работает не так. Он фактически превращает любой алгоритм в поток сравнений — и делает выбор. В будущем же, когда появятся молекулярные, плазменные или другие компьютеры, вообще неизвестно, каким путем пойдет развитие. Ведь если удастся смоделировать все функции мышления, если у такого устройства появится возможность осознавать себя, оно будет самовоспроизводиться, то это будет та же эволюция человека, только на другой — небиологической — основе.
— То есть человек закончит свое существование как вид ?
— Почему? Это тоже будет человек, но другой, более совершенный. Новая раса людей, в отличие от нас, гораздо более живучая, практически вечная, поскольку все их детали можно будет заменять.
— Тогда может отпасть необходимость в человеке, он не выдержит конкуренции и ему придется уступить место новому виду...
— Это нормальный путь эволюции. Когда появляются более совершенные существа, менее приспособленные уступают им дорогу. Более сильный вид вытесняет более слабый.
— Но если бы мы не создали таких машин с искусственным интеллек том, все могло быть иначе...
— Появление машин, превосходящих нас по интеллекту, — закономерный итог развития нашей технократической цивилизации. Неизвестно, куда бы привела нас эволюция, если бы люди пошли по биологическому пути — занялись улучшением структуры человека, его качеств и свойств. Если бы все деньги, затраченные на разработку вооружений, пошли в медицину, мы давно бы победили все болезни, отодвинули старость, а может, и достигли бы бессмертия...
— Но еще не поздно все изменить... Запретили же работы по клонированию человека.
— Науку запретить нельзя. Если человечество себя уничтожит - значит, эволюция пошла по тупиковому для этого человечества пути, и оно не имеет права на существование. Это как в науке — только три развиваемых направления из ста дают положительный результат. Тупиковых путей гораздо больше. Возможно, и наш случай -тупиковый. Но мы здесь — не первые и не последние. Неизвестно, сколько до нас было цивилизаций и куда они подевались.
Журнал "Новый Век", Ноябрь 2002