Главная »
Реферат »
Реферат философские проблемы искусственного интеллекта
7.3 Философский аспект проблемы построения «искусственного интеллекта». Реферат философские проблемы искусственного интеллекта
7.3 Философский аспект проблемы построения «искусственного интеллекта»
Философская проблема искусственного интеллекта
Основная философская проблема в области искусственного интеллекта заключается в доведении возможности и целесообразности моделирования процесса мышления человека. Существует опасность тратить время на изучение того, что невозможно создать, в частности, на современном этапе развития человечества. Примером подобного времяпрепровождения может быть занятие научным коммунизмом — наукой, что на протяжении десятилетий изучала то, чего нет, и в обозримом будущем быть не может. Рассмотрим ряд доказательств, которые подводят к положительному ответу на вопрос возможности создания искусственного интеллекта.
Первое доказательство выходит из области схоластики и говорит о непротиворечия искусственного интеллекта и Библии. Об этом говорят слова священного писания: «И создал Господь Бог человека по своему образу и подобию». Исходя из этих слов, можно утверждать, что, поскольку люди по своей сути подобные Творцу, то они вполне могут искусственным путем создать несколько по собственному образу и подобию.
Второй довод вытекает из успехов человечества, достигнутых в области создания нового разума биологическим путем. В 90-х годах прошлого столетия появилась возможность клонирования млекопитающих, начиная с овечки Долли. Дальнейшие достигнутые успехи в данном направлении заключаются в создании форм искусственной жизни, не имеющие никакого естественного экземпляра, к которому бы они были похожи. Например, кролики с дополнительным геном, что создает эффект светлячка. В отличие от клонов, эти формы в полной мере представляют собой искусственную жизнь. Вместе с тем, такие существа можно считать интеллектуальными, учитывая их способности к элементарному обучению. Поэтому они могут называться системами искусственного интеллекта, хотя несотворенным на основе использования средств вычислительной техники, которые представляют наибольший интерес для человечества.
Третий довод — это доказательство возможности самовоспроизведения объектов, состоящих из неживой материи. Способность к самовоспроизводству, как признак наличия интеллекта, долгое время считалась прерогативой живых организмов. Однако некоторые явления, происходящие в неживой природе, например, рост кристаллов, синтез сложных молекул через копирования, во многом идентичны самовоспроизводству.
В начале 50-х годов прошлого столетия Дж. фон Нейман занялся основательным изучением самовоспроизведения и заложил основы математической теории автоматов, «самовоспроизводящихся». Он также доказал теоретическую возможность управляемой инициализации самовоспроизведению. На сегодня, существует много различных неформальных доказательств возможности самовоспроизведения объектов, но для программистов наиболее существенный довод заключается в существовании компьютерных вирусов.
Четвертое доказательство — это существование принципиальной возможности автоматизации решения интеллектуальных задач с помощью вычислительной техники. Она обеспечивается ее свойством алгоритмической универсальности. Алгоритмическая универсальность вычислительных машин означает, что на них можно программно реализовывать любые алгоритмы преобразования информации: вычислительные алгоритмы, алгоритмы управления, поиска доказательства теорем и т.д. При этом, подразумевается, что процессы, порождаемые этими алгоритмами, являются потенциально осуществимыми, то есть, что они осуществляются в результате проведения конечного количества элементарных операций.
Практическая реализация алгоритмов зависит от существующих вычислительных мощностей, которые изменяются с развитием техники. В частности, вследствие появления быстродействующих компьютеров, стало практически возможным создание программных систем, способных реализовывать такие алгоритмы, которые ранее считались лишь потенциальноосуществимыми.
Для обозначения программных систем, использующих искусственный интеллект, сложился общий срок — интеллектуальная система. Целесообразность создания интеллектуальных систем заключается в необходимости решения задач, которые не решаются на достаточном уровне эффективности программными системами, созданными на жесткой алгоритмической основе. К таким задачам относятся задачи, имеющие, как правило, следующие особенности:
у них неизвестный алгоритм решения — такие задачи носят названия интеллектуальных задач;
в них используется, помимо традиционных форматов данных, информация в виде графических изображений, рисунков, звуков;
в них предполагается наличие свободы выбора — то есть, отсутствие единого алгоритма решения задачи обусловливает необходимость сделать выбор между вариантами действий в условиях неопределенности.
Приведенный перечень задач формирует особенности интеллектуальных систем, предназначенных для их решения. Источником такого определения особенностей фактически является известный тест Тьюринга, предложенный британским математиком и одним из первых исследователей в области компьютерных наук Аланом Тьюрингом (Alan Turing). В данном тесте экспериментатор, обмениваясь сообщениями с подопытным объектом, пытается определить, кем он является на самом деле: человеком или компьютерной программой.
Интеллектуальная система, успешно прошла такой тест, считается сильным искусственным интеллектом. Термин «сильный искусственный интеллект» пропагандируется специалистами, которые считают, что искусственный интеллект должен базироваться на строгой логической основе. В отличие от сильного, слабыйискусственный интеллект, по их мнению, базируется исключительно на одном из методов решения интеллектуальных задач (искусственных нейронных сетях, генетических алгоритмах, эволюционных методах). В наши дни стало очевидным, что ни один из методов искусственного интеллекта не позволяет успешно решить приемлемое количество задач — лучше проявляет себя использование комбинации методов.
Не следует думать, что интеллектуальные системы могут, решать любые задачи. Математиками было доказано существование таких типов задач, для которых невозможен единый алгоритм, чтобы воспроизводил их эффективные решения. В этом контексте определяется невозможность решения задач такого типа с помощью интеллектуальных систем, разработанных для вычислительных машин. Кроме того, утверждение про алгоритмическую невозможность решения некоторого класса задач является одновременно и прогнозом на будущие времена, согласно которому алгоритмы их решения не будут найдены никогда.
Этот факт способствует лучшему пониманию того, где в современном мире могут найти свое практическое применение системы искусственного интеллекта. В частности, для решения задачи, не имеет универсального алгоритма решения, целесообразно ее сужение до уровня, когда она решается только для определенного подмножества начальных условий. Такие решения по силам интеллектуальным системам, а их результат способен сузить, для человека, область вариантов интуитивного выбора.
Можно выделить две основные линии работ по искусственному интеллекту. Первая связана с совершенствованием самих машин, с повышением "интеллектуальности" искусственных систем. Вторая связана с задачей оптимизации совместной работы "искусственного интеллекта" и собственно интеллектуальных возможностей человека.
В 1963 г. выступая на совещании по философским вопросам физиологии ВНД и психологии, А. Н. Леонтьев сформулировал следующую позицию: машина воспроизводит операции человеческого мышления, и следовательно соотношение "машинного" и "немашинного" есть соотнесение операционального и неоперационального в человеческой деятельности в то время этот вывод был достаточно прогрессивен и выступал против кибернетического редукционизма. Однако в последствии при сравнении операций, из которых слагается работа машины, и операций как единиц деятельности человека выявились существенные различия - в психологическом смысле "операция" отражает способ достижения результатов, процессуальную характеристику, в то время как применительно к машинной работе этот термин используется в логико-математическом смысле (характеризуется результатом).
В работах по искусственному интеллекту постоянно используется термин "цель". Анализ отношения средств к цели А. Ньюэлл и Г. Саймон называют в качестве одной из "эвристик". В психологической теории деятельности "цель" является конституирующим признаком действия в отличии от операций (и деятельности в целом) . В то время как в искусственных системах "целью" называют некоторую конечную ситуацию к которой стремится система. Признаки этой ситуации должны быть четко выявленными и описанными на формальном языке. Цели человеческой деятельности имеют другую природу. Конечная ситуация может по разному отражаться субъектом: как на понятийном уровне, так и в форме представлений или перцептивного образа. Это отражение может характеризоваться разной степенью ясности, отчетливости. Кроме того, для человека характерно не просто достижение готовых целей но и формирование новых.
Также работа систем искусственно интеллекта, характеризуется не просто наличием операций, программ, "целей", а как отмечает О. К. Тихомиров, - оценочными функциями. И у искусственных систем есть своего рода "ценностные ориентации". Но специфику человеческой мотивационно-эмоциональной регуляции деятельности составляет использование не только константных, но и ситуативно возникающих и динамично меняющихся оценок, существенно также различие между словесно-логическими и эмоциональными оценками. В существовании потребностей и мотивов видится различие между человеком и машиной на уровне деятельности. Этот тезис повлек за собой цикл исследований, посвященных анализу специфики человеческой деятельности.
Между прочим, именно недостаточная изученность процесса целеобразования нашла свое отражение в формулировании "социального заказа" для психологии со стороны исследователей проблемы существенное стимулирующее влияние психологической науки.
Информационная теория эмоцийСимонова также в значительной степени питается аналогиями с работами систем искусственного интеллекта. Кроме того, проблема волевого принятия решения в психологии в некоторых работах рассматривается как формальный процесс выбора одной из множества заданных альтернатив, опуская тем самым специфику волевых процессов.
Таким образом все три традиционные области психологии - учения о познавательных, эмоциональных и волевых процессах оказались под влиянием работ по ИИ, что по мнению О. К. Тихомирова привело к оформлению нового предмета психологии - как наука о переработке информации, научность этого определения достигалась за счет "технизации" психологического знания.
Обращаясь к проблеме роли ИИ в обучения Л. И. Ноткин рассматривает этот процесс как одну из разновидностей взаимодействия человека с ЭВМ, и раскрывает среди перспективных возможностей те, которые направлены на создание так называемых адаптивных обучающихся систем, имитирующих оперативный диалог учащегося и преподавателя-человека.
Таким образом, взаимодействие между исследованиями искусственного интеллекта и психологической наукой можно охарактеризовать как плодотворный диалог, позволяющий если не решать, то хотя бы научиться задавать вопросы такого высокого философского уровня как - "Что есть человек? "
Лекция 8. ФИЛОСОФСКИЕ ПРОБЛЕМЫ СОЦИАЛЬНО-ГУМАНИТАРНЫХ НАУК
studfiles.net
Реферат Философия Проблемы искусственного интеллекта
МИНИСТЕРСТВО ОБЩЕГО И ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ РФ ОРЛОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ РЕФЕРАТ по философии на тему ПРОБЛЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Выполнила: Орел 1998 XX столетие – уникальный по своим особенностям и содержанию этап мировой истории. Он отличается не виданной ранее динамичностью и сложностью социального, научно-технического и культурного развития, глубиной и значительностью происходящих в них перемен, необычной трудностью проблем, вставших перед человечеством. Динамичные перемены в социальной и культурной жизни человечества вызваны успехами науки и техники. На смену длившемуся многие тысячелетия медленному прогрессу человеческой цивилизации пришла пора ошеломляюще быстрых перемен, всевозрастающего ускорения процесса наращивания материальных и духовных сил общества. Процесс науки и техники вызвал в современном обществе глубокие преобразования, затрагивающие все сферы и стороны человеческого бытия. Человек в XX столетии стал обладателем множества научных открытий, совершенных технических средств. В естествознании первой половины нашего века ведущим направлением была физика. Начиная с 50-х годов, наряду с физикой, химией и биологией все возрастающее значение и влияние на развитие науки и всего уклада нашей жизни начала оказывать кибернетика. Кибернетика становится важнейшим фактором научно-технической революции на высших этапах ее развития. Кибернетика возникла на стыке многих областей знания математики, логики, семиотики, биологии и социологии. Обобщающий характер кибернетических идей и методов сближает науку об управлении, каковой является кибернетика, с философией. Задача обоснования исходных понятий кибернетики, особенно таких, как информация, управление, обратная связь и др. требуют выхода в более широкую, философскую область знаний, где рассматриваются атрибуты материи - общие свойства движения, закономерности познания. Сама кибернетика как наука об управлении многое дает современному философскому мышлению. Она позволяет более глубоко раскрыть механизм самоорганизации материи, обогащает содержание категории связей, причинности, позволяет более детально изучить диалектику необходимости и случайности, возможности и действительности. Открываются пути для разработки "кибернетической" гносеологии которая позволяет уточнить, детализировать и углубить в свете науки об управлении ряд существенно важных проблем. Возникнув в результате развития и взаимного стимулирования ряда, в недалеком прошлом слабо связанных между собой, дисциплин технического, биологического и социального профиля кибернетика проникла во многие сферы жизни. Столь необычная "биография" кибернетики объясняется целым рядом причин, среди которых надо выделить две. Во-первых, кибернетика имеет необычайный, синтетический характер. В связи с этим до сих пор существуют различия в трактовке некоторых ее проблем и понятий. Во-вторых, основополагающие идеи кибернетики пришли в нашу страну с Запада, где они с самого начала оказались под влиянием идеализма и метафизики, а иногда и идеологии. То же самое, или почти то же самое происходило и у нас. Таким образом становится очевидной необходимость разработки философских основ кибернетики, освещение ее основных положений с позиции философского познания. Осмысление кибернетических понятий с позиции философии будет способствовать более успешному осуществлению теоретических и практических работ в этой области, создаст лучшие условия для эффективной работы и научного поиска в этой области познания. Кибернетика как перспективная область научного познания привлекает к себе все большее внимание философов. Положения и выводы кибернетики включаются в их области знания, которые в значительной степени определяют развитие современной теории познания. Как справедливо отмечают исследователи, кибернетика, достижения которой имеет громадное значение для исследования познавательного процесса, по своей сущности и содержанию должна входить в теорию познания. Исследование методологического и гносеологического аспектов кибернетики способствует решению многих философских проблем. В их числе - проблемы понимания простого и сложного, количества и качества, необходимости и случайности, возможности и действительности, прерывности и непрерывности, части и целого. Для развития самих математики и кибернетики важное значение имеет применение к материалу этих наук ряда фундаментальных философских принципов и понятий, применение, обязательно учитывающее специфику соответствующих областей научного знания. Среди этих принципов и понятий следует особо выделить положение отражения, принцип материального единства мира конкретного и абстрактного, количества и качества, нормального и содержательного подхода к познанию и др. Философская мысль уже много сделала в анализе аспектов и теоретико- познавательной роли кибернетики. Было показано, сколь многообещающим в философском плане является рассмотрение в свете кибернетики таких вопросов и понятий, как природа информации, цель и целенаправленность, соотношение детерминизма и теологии, соотношение дискретного и непрерывного, детерминистского и вероятностного подхода к науке. Нужно сказать и о большом значении кибернетики для построения научной картины мира. Собственно предмет кибернетика - процессы, протекающие в системах управления, общие закономерности таких процессов. Явления, которые отображаются в таких фундаментальных понятиях кибернетики, как информация и управление, имеют место в органической природе и общественной жизни. Таким образом, кибернетику можно определить как науку об управлении и связи с живой природой в обществе и технике. Один из важнейших вопросов, вокруг которого идут философские дискуссии - это вопрос о том, что такое информация, какова ее природа? Для характеристики природы информационных процессов необходимо кратко рассмотреть естественную основу всякой информации, а таковой естественной основой информации является присущее материи объективное свойство отражения. Положение о неразрывной связи информации и отражения стало одним из важнейших в изучении информации и информационных процессов и признается абсолютным большинством философов. Информация в живой природе в отличие от неживой играет активную роль, так как участвует в управлении всеми жизненными процессами. Теория отражения видит решение новых проблем науки и, в частности, такой кардинальной проблемы естествознания как переход от неорганической материи к органической. Проблема заключается в том, что существует материя, способная ощущать, и материя, созданная из тех же атомов и в тоже время не обладающая этой способностью. Вопрос, таким образом поставлен вполне конкретно и, тем самым, толкает проблему к решению. Кибернетика вплотную занялась исследованием механизмов саморегуляции и самоуправления. Вместе с тем, оставаясь методически ограниченными, эти достижения оставили открытыми ряд проблем к рассмотрению которых привела внутренняя ломка кибернетики. Сознание является не столько продуктом развития природы, сколько продуктом общественной жизни человека, общественного труда предыдущих поколений людей. Оно является существенной частью деятельности человека, посредством которой создается человеческая природа и не может быть принята вне этой природы. Если в машинах и вообще в неорганической природе отражение есть пассивный, мертвый физико-химический, механический акт без обобщения и проникновения в сущность обобщаемого явления, то отражение в форме сознания есть, "познание высокоорганизованной материей самой себя, проникновение в сущность, закон развития природы, предметов и явлений объективного мира". В машине же отражение не осознанно, так как оно осуществляется без образования идеальных образов и понятий, а происходит в виде электрических импульсов, сигналов и т.п. Поскольку, в нашем понимании, машина не мыслит, это не есть та форма отражения, которая имеет место в процессе познания человеком окружающего мира. Закономерности процесса отражения в машине определяются, прежде всего, закономерностями отражения действительности в сознании человека, так как машину создает человек в целях более точного отражения действительности, и не машина сама по себе отражает действительность, а человек отражает ее с помощью машины. Поэтому отражение действительности машиной является составным элементом отражения действительности человеком. Появление кибернетических устройств приводит к возникновению не новой формы отражения, а нового звена, опосредующего отражение природы человеком. Общность мышления со способностью отражения служит объективной основой моделирования процессов мышления. Мышление связано с созданием, передачей и преобразованием информации, а эти процессы могут происходить не только в мозгу, а и в других системах, например ЭВМ. Кибернетика, устанавливая родство между отражением, ощущением и даже мышлением, делает определенный шаг вперед в решении поставленной проблемы. Это родство между мышлением и другими свойствами материи вытекает из двух фундаментальных принципов: принципа материального единства мира и принципа развития. Однако нельзя ни абсолютизировать ни отрицать это родство. Мышление это человеческое качество и отличается от кибернетической обработки информации. Несмотря на качественное различие машины и мозга в их функциях есть общие закономерности (в области связи, управления и контроля), которые и изучает кибернетика. Но эта аналогия между деятельностью автоматической и нервной системы, даже в плане переработки информации, относительно условна и ее нельзя абсолютизировать. И в этой связи следует отметить, что для некоторых исследований по кибернетике, особенно тех, которые выполнены в начальный период ее развития, были характерны механистические и метафизические тенденции. Имело место непринятие во внимание качественных различий между неживой материей и мыслящим мозгом, стиралась всякая грань между познающим субъектом и объектом материального мира. Коль скоро современные ЭВМ универсальны и способны выполнять целый ряд логических функций, то утверждалось, что нет никаких оснований не признавать эту деятельность интеллектуальной. Допускалось создание искусственного интеллекта или машины, которая будет "умнее" своего создателя. Были поставлены другие вопросы, связанные с возможностью такой машины. Сможет ли машина полностью, во всех отношениях заменить человека? Существуют ли вообще какие ли пределы развития кибернетических устройств? Конечно эти вопросы не утратили актуальность. Было бы преждевременно списывать их в архив нестрого поставленных вопросов, ибо через них проходит линия конфликта между различными философскими школами. Иначе говоря, речь идет о сущности человеческого сознания и его отношения к функционированию кибернетических устройств. В настоящее время происходит обсуждение вопроса о перспективах развития кибернетических машин и их взаимоотношений с человеческим разумом. Чтобы создать машину, функционирующую как мозг, необходимо создать вещество, обладающее свойствами или подобное высокоорганизованной белковой материи, каковое образует мозг. Действительно, такая машина будет функционировать "как мозг", но именно функционировать, а не мыслить. Чтобы мыслить материя должна существовать не только в экономической, но и в социальной форме. А замена неорганического содержимого органическим этого не дает, более того, в результате подобной замены будет утрачено одно из основных преимуществ электронной машины быстродействие. Рассматривая возможность создания искусственным путем, на основе моделирования, мыслящего существа необходимо остановиться на двух аспектах этой проблемы. Во-первых, кибернетика моделирует не все функции мозга, а только те, которые связаны с получением, обработкой и выдачей информации, т.е. функции, которые поддаются логической обработке. Все же другие, бесконечно разнообразные функции человеческого мозга остаются вне поля зрения кибернетики. Во-вторых, с точки зрения теории моделирования вообще не имеет смысла говорить о полном тождестве модели и оригинала. Отождествление человеческого и "машинного" разума происходит тогда, когда субъект мышления подменяется какой-либо материальной системой, способной отражать. Единственным же субъектом мышления является человек, вооруженный всеми средствами, которыми он располагает на данном уровне своего развития. В эти средства входят и кибернетические машины, в которых материализованы результаты человеческого труда. И, как всякое орудие производства, кибернетика продолжает и усиливает возможности человеческого мозга. Человек будет передавать машине лишь некоторые функции, выполняемые им в процессе мышления. Само мышление как духовное производство, создание научных понятий, теорий, идей, в которых отражаются закономерности объективного мира, останется за человеком. До сих пор понимание мышления опиралось главным образом на обобщенные данные психологии, физиологии и языкознания. Данные кибернетики позволяют поставить вопрос о более конкретном понимании мышления. Кибернетика не ставит целью "замену" человека или "подмену" его мышления. Оно лишь дает новые аргументы в пользу представления о машине, как помощнице человека. Кибернетика подводит к выводу о том, что при решении вопроса о принципиальных и реальных вопросах машинного моделирования процессов мышления следует, прежде всего, учитывать социальную обусловленность мышления, сознания, психической жизни человека. Моделирование как метод исследования характеризуется опосредованным практическим или теоретическим исследованием объекта. При этом изучается не объект а вспомогательная искусственная или естественная система, находящаяся в объективном соответствии с исследуемым объектом, способная замещать его в определенном отношении и дающая при ее исследовании информацию о самом моделируемом объекте. С гносеологической точки зрения суть моделирования заключается в опосредованном познании интересующего нас объекта, т.е. по модели мы судим о некоторых свойствах оригинала. С помощью моделирования познаются новые явления на основе уже изученных. Кибернетический подход означает моделирование процессов интеллектуальной деятельности человека с одной определенной стороны, а именно - на уровне элементарных процессов переработки информации. Природа мышления, загадка сознания, тайна разума, все это, безусловно, одна из наиболее волнующих человека проблем. Популярность кибернетики, неослабевающий интерес к ней со стороны самых широких кругов во многом объясняется именно ее тесной связью с этой "вечной" проблемой. Американский психолог и философ У. Джемс в конце прошлого века пытался обосновать точку зрения, что есть мозг. Джемс не оспаривает ни одного утверждения физиологии, устанавливающему связь между процессами, которые мы субъективно осознаем как мышление, и материальными процессами, происходящими при этом в мозгу. Но (и в этом смысл аргументов Джемса) с логической точки зрения эта связь не означает то, что мозг есть орган мысли; любые данные физиологии доказывают лишь наличие соответствия и не более того. Высшим судьей научных концепций всегда в конечном счете является практика. "Если мы можем доказать правильность нашего понимания данного явления природы тем, что сами его производим, вызываем его из его условий, заставляем его к тому же служить нашим целям, то кантовской неуловимой "вещи в себе" приходит конец". Этот аргумент искусственного воспроизведения отсутствовал в традиционной философии и кибернетика дает его независимо от исхода споров о возможности создания искусственного интеллекта, сравнимого с человеческим. На основе уже достигнутого можно утверждать, что целый ряд функций мышления, ранее считавшихся исключительным достоянием живого мозга, искусственно воспроизводится кибернетическими устройствами. В этом заключается огромной важности философский результат кибернетики, констатировать который можно уже сегодня. Мышление есть функция высокоорганизованной материальной системы - важнейшее философское завоевание кибернетики. Но кибернетика идет дальше и ставит вопрос, вместе с которым мы попадаем в пучину споров, вопрос о возможности "искусственного интеллекта", "машинного мышления", "кибернетического разума" и т.д. Здесь обнаруживается полный спектр взглядов, начиная от "крайне оптимистических" до "крайне пессимистических" на возможность возникновения мыслящих машин. Аргументация в пользу пессимистического взгляда обычно двоякая : либо авторы исходят из особой субстанционной природы мышления, либо из особой качественной его специфичности. Правда не совсем ясно, чем отличается первое от второго. Представляется наиболее разумной позиция, которую можно назвать "умеренно оптимистической": на сегодня нет непреодолимых, принципиальных преград на пути создания искусственных устройств, обладающих интеллектом. Но на этом пути стоят огромные трудности, отнюдь не уменьшающиеся с бурным развитием кибернетики (например машинный перевод), хотя лет 20 назад большинство специалистов рисовали самые радужные перспективы на самое ближайшее будущее; но задача оказалась на много сложнее, чем это показалось вначале. Кроме того, нет оснований считать, что непреодолимые препятствия не появятся в будущем. Имеющееся у нас знание включает в себя как совокупность научных теорий и эмпирических сведений, так и общефилософские принципы. Из имеющихся научных теорий и эмпирических данных "крайне пессимистический" вывод не следует. Аргументы против возможности искусственного интеллекта, основанные на имеющихся научных теориях и эмпирических данных, могут быть названы "конкретными" аргументами. Обычно они состоят в указании на какие-нибудь определенные действия мышления, которые неспособно выполнить никакое кибернетическое устройство. Однако все такие аргументы были опровергнуты в ходе развития кибернетики. Более того, существует теорема МакКаллока Питса, сводящая вопрос о выполнении любой функции головного мозга к вопросу о познаваемости этой функции. Не становясь на позиции агностицизма трудно быть приверженцем "конкретных" аргументов. Идея искусственного интеллекта часто объявляется механистической на том основании, что работа ЭВМ управляется законами электродинамики, и, значит, здесь происходит сведение высшего (мышления) к низшему (физическим процессам в ЭВМ). Однако исходная посылка неверна. Работа ЭВМ отнюдь не управляется законами электродинамики. Этими законами управляется работа отдельных элементов машины. По физическим законам ЭВМ работает только в том смысле, что она, скажем, преобразует электрическую энергию в тепло. Ведь сущность работы состоит не в этом преобразовании, а в том, что она производит определенные арифметико-логические операции. Машина имеет дело с информацией и работает по законам преобразования информации, т.е. по законам кибернетики. Поэтому, если рассматривать эти процессы с позиции механизма, неизбежно оказываешься на позициях механицизма, т.к. происходит сведение более сложных процессов переработки информации к более простым. Это то же самое, что сказать, будто работа мозга сводится к биохимическим и биофизическим процессам. На самом деле эти процессы происходят на уровне нервных клеток, а на уровне процессов переработки информации действуют другие законы, закономерности которых отнюдь не эквивалентны. С этой точки зрения и работу ЭВМ надо рассматривать как работу системы по переработки информации. Не касаясь вопроса о структуре информации, представляющей собой меру упорядоченности процесса и составляющей его внутреннее достояние, мы охарактеризуем внешнюю или относительную информацию, всегда связанную с отношением двух процессов. Пусть имеются процессы А и В со множеством некоторым образом упорядоченных состояний А1...Аn и В1...Вn. Если каждому Аi соответствует определенное Вi и отношение между состояниями А изоморфны состояниям В, то можно сказать, что процесс В несет в себе информацию о процессе А. Эта информация заключается не в В ни в А, но существует именно в отношении этих процессов друг к другу. Взятая сама по себе эта информация столь же объективна и материальна, как и любые другие свойства и отношения объектов или процессов. Теперь возьмем множество состояний нашего мозга в процессе функционирования. Мозг отражает внешний мир, что значит, что между множеством состояний элементов мозга и множеством состояний внешних процессов имеется соответствие, т.е. мозг имеет информацию о внешних процессах. Эта информация заключена и не заключена в мозгу, т.к. сколько бы мы ни исследовали мозг кроме электрических, химических и др. характеристик нейронов мы там ничего не обнаружим. Необходимо рассмотреть связь мозга с внешним миром. Именно в этом и заключена информация, носителем которой и являются нейроны. Информация, с которой работает мозг и есть та идеальная сторона в его работе, и таким образом идеальное не существует в виде особого предмета или субстанции. Оно существует как сторона деятельности мозга, заключающейся в установлении связей между множеством состояний внешнего мира и головного мозга. Идеальная информация человеческого мозга имеет в принципе тот же характер, что и относительная информация вообще. На известной ступени исторического развития материи произошел качественный скачок, в результате которого информация, превратившись в достояние мозга, приобрела характер идеальной информации. Если мы признаем у кибернетических систем возможность достижения сложности, сравнимой со сложностью мозга, то необходимо признать у таких систем существование у них черт, которые мы называем идеальными. Ряд авторов объявляет тезис искусственного интеллекта противоречащим тезису о социальной природе сознания и мышления. Но здесь скрывается ошибка - отсутствие различия между естественно историческим зарождением мышления и сознательным воспроизведением его человеком в универсальной ЭВМ. Во втором случае машина не становится социальным существом, но человек, поняв сущность мышления, воссоздает его в машине. Если социальная природа мышления закономерна и познаваема, то она может быть в принципе искусственно воспроизведена. Человек, кроме того есть не только природное существо, его основные характеристики - продукт социального, а не чисто биологического развития. Это означает, что мышление человека не может развиваться в изоляции, для этого необходимо, чтобы человек был включен в общество. Во-первых, для возникновения мышления необходимо наличие языка, что возможно лишь в обществе. Во-вторых, с кибернетической точки зрения "разумность" машины определяется количеством перерабатываемой информации, поэтому даже мощная система, попавшая в информационно-бедную среду, не может стать достаточно "разумной". Яркий пример - дети, выросшие вне общества, например в лесу. Для человека необходимым условием его развития было функционирование в обществе, т.к. общество по своим информационным параметрам является чрезвычайно богатой средой. Все это дает возможность понять, что тезис об общественной природе мышления никак не противоречит тезису о искусственном интеллекте. Кибернетическая система, имеющая достаточную мощность, для полного использования своих возможностей должна быть помещена в информационно-богатую среду, образовав вместе с создателями некий симбиоз, называемый "интегральным интеллектом". Принцип невозможности кибернетического интеллекта жестко привязывает определенный род функционирования к строго определенному субстрату (мозгу). Это ставит философскую проблему соотношения функции и субстрата. Философский анализ тенденций современного научного знания делает мало вероятным (но не исключает) вывод о жесткой привязанности мышления к мозгу. Именно из-за этого "крайний пессимист" отрицает возможность наличия интеллекта у кибернетического устройства. Он безоговорочно связывает мышление с одним, строго определенным субстратом - человеческим мозгом, и не приемлет попытки определения мышления без связи со структурой мыслящей системы. По его мнению это есть сведение мышления только к информационной стороне, в то время как мышлением называют возникшую у биологических существ способность. Таким образом, мышлением можно назвать только то, то осуществляется только мозгом человека, но это не является приемлемым решение проблемы. Разумеется, мышление есть функция высокоорганизованной материи и определено структурой системы. Но с гносеологической точки зрения знание функции выводится из знания структуры, а знание структуры является выводом из все более полного изучения способов функционирования. Если представить себе множество различных систем, осуществляющих функцию мышления, то именно выявление инвариантного аспекта этих систем и будет раскрытием той структуры, которая лежит в процессе мышления. Конечно может оказаться, что эта структура жестко связана со строго определенным субстратом, но этот тезис должен являться результатом научного исследования, а не исходной предпосылкой. Вопрос о жесткой связи мышления со строго определенным субстратом связан с вопросом о роли субстратных методов вообще. Не подлежит сомнению ведущая роль в современном естествознании функционально-структурных методов. Пока наука имела дело с непосредственно ощущаемыми объектами, она могла исходить из субстратной точки зрения. Суть ее заключается в том, что объект обладает набором характеристик, выражающим его природу, свойства того материала, из которого он сделан. Зная эти характеристики можно изучить поведение объекта. Материал, субстрат первичен; движение, поведение вторично. Эта точка зрения образует содержание так называемого мифического субстанционализма. Уже в 19 веке ограниченность этой концепции была вскрыта "лишь в движении тело обнаруживает, что оно есть... Познание различных форм движения и есть познание тел". Отсюда, разумеется, не следует, что только движение существует и никакого субстрата нет вообще. Отсюда следует лишь неправомерность употребления отношения первичности-вторичности для характеристики связи движения (поведения) и субстрата в плане их реального существования. Отсюда следует также, что в гносеологическом плане поведение действительно первично по отношению к субстрату и познание субстрата не содержит ничего иного, кроме непрерывно расширяющихся способов изучения объектов. В наши дни, идущие под знаком ускорения научно-технического прогресса, автоматизация интеллектуальной деятельности становится насущной проблемой. Согласно положению специалиста по кибернетике И. А. Полетаева мы вступаем в эпоху "пересечения кривых". Экстраполируя на обозримое будущее современные тенденции развития общества можно придти к парадоксальным результатам. Сейчас число лиц, занятых в сфере управления и обслуживания растет быстрее, чем число лиц, непосредственно занятых в производстве. Причем происходит это так быстро, что через некоторое время количество людей, занятых в непроизводственной сфере и, в частности, в науке будет близко к общей численности населения Земли. Стремительное увеличение потока перерабатываемой информации там, где раньше ее почти не было(торговля, банковское дело), также приведет к значительным изменениям в методах работы и требует автоматизации и интеллектуализации. Под интеллектом мы понимаем способность любого организма (или устройства) достигать некоторой измеримой степени успеха при поиске одной из многих возможных целей в обширном многообразии сред. Необходимо отличать знания от интеллекта, имея в виду, что знания - полезная информация, накопленная индивидуумом, а интеллект - это его способность предсказываль состояние внешней среды в сочетании с умением преобразовывать каждое предсказание в подходящую реакцию, ведущую к заданной цели. По-разному дается и определение искусственного интеллекта. Полагают, что о реализации искусственного интеллекта можно будет говорить лишь тогда, когда автомат начнет решать задачи, непосильные для человека, причем сделает это не в результате высокого быстродействия, а в результате применения нового найденного метода. Однако не все с этим согласны. В большинстве случаев исследований по искусственному интеллекту лишь соизмеримыми с результатами, полученными человеком, и не столь оригинальными. Принято различать три основные пути моделирования интеллекта и мышления: - классический, или (как его теперь называют) бионический; - эвристического программирования; - эволюционного моделирования. Рассмотрим их в этой последовательности. БИОНИЧЕСКОЕ МОДЕЛИРОВАНИЕ. Непосредственное моделирование человеческого мозга (т.е. моделирование каждой нервной клетки и связей между ними) с целью создания автоматов, обладающих интеллектом, чрезвычайно сложно. Мозг представляет собой самую сложную и лишь частично изученную структуру. Сложнейшее переплетение связей коры головного мозга практически не поддаются расшифровке. Известно лишь примерное расположение зон мозга, отвечающих за ту или иную функцию. В настоящее время не известен и принцип работы мозговых элементов нейронов, многочисленные связи которых имеют внешне хаотический характер. Попытки смоделировать работу головного мозга соединением между собой множества процессоров подобно нейронной сети, показали, что некоторое увеличение скорости и потока обрабатываемой информации идет лишь до уровня одного - двух десятков процессоров, а затем начинается резкий спад производительности. Процессоры как бы "теряются", перестают контролировать ситуацию или проводят большую часть времени в ожидании соседа. Некоторых успехов удалось добиться лишь в приборах, работающих в "двумерном варианте", т.е. обрабатывающих не последовательную, а параллельную информацию, например в системах распознаваниях образов. В них одна плоскость данных одновременно взаимодействует с другой, причем количество единиц информации может достигать нескольких миллионов. Таким образом происходит единовременный охват изучаемого объекта, а не последовательное изучение его частей. ЭВРИСТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ. Второй подход к решению задачи искусственного интеллекта связан с эвристическим программированием и решает задачи, которые в общем можно назвать творческими. Практичность этого метода заключается в радикальном уменьшении вариантов, необходимых при использовании метода проб и ошибок. Правда, всегда существует вероятность упустить наилучшее решение, так что говорят, что этот метод предлагает решения с некоторой вероятностью правильности. Обычно используют два метода : метод анализа целей и средств и метод планирования. Первый заключается в выборе и осуществлении таких операций, которые последовательно уменьшают разницу между исходным и конечным состоянием задачи. Во втором методе вырабатывается упрощенная формулировка исходной задачи, которая также решается методом анализа целей и средств. Один из полученных вариантов дает решение исходной задачи. ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ. Третий подход является попыткой смоделировать не то, что есть, а то, что могло бы быть, если бы эволюционный процесс направлялся в нужном направлении и оценивался предложенными критериями. Идея эволюционного моделирования сводится к экспериментальной попытке заменить процесс моделирования человеческого интеллекта моделированием процесса его эволюции. При моделировании эволюции предполагается, что разумное поведение предусматривает сочетание способности предсказывать состояние внешней среды с умением подобрать реакцию на каждое предсказание, которое наиболее эффективно ведет к цели. Этот метод открывает путь к автоматизации интеллекта и освобождению от рутинной работы. Это высвобождает время для проблемы выбора целей и выявления параметров среды, которые заслуживают исследования. Такой принцип может быть применен для использования в диагностике, управлении неизвестными объектами, в игровых ситуациях. Итак, существуют три пути моделирования интеллекта: бионический, эвристический и эволюционный. В зависимости от использованных средств можно выделить три фазы в исследованиях. Первая фаза - создания устройств, выполняющих большое число логических операций с высоким быстродействием. Вторая фаза включает разработку проблемно-ориентированных языков для использованного на оборудовании, созданном в первой фазе. Третья фаза наиболее выражена в эволюционном моделировании. В ходе развития этой фазы отпадает необходимость в точной формулировке постановки задачи, т.е. задачу можно сформулировать в терминах цели и допустимых затрат, а метод решения будет найден самостоятельно по этим двум параметрам. Работы по искусственному интеллекту во многом тесно связаны с философской проблемой кибернетического моделирования. Эти работы часто связывают с построением точной копии человеческого мозга. Однако такой подход можно назвать "некибернетическим". Каковы же черты кибернетического метода мышления, какие вопросы вносит кибернетика в человеческое познание? В своей "Истории западной философии" Б. Рассел ставит вопрос о факторах, позволивших европейцам создать тип культуры, в котором ведущее место заняла наука. Причину этого Рассел усматривает, как он выражается, в двух великих интеллектуальных изобретениях: изобретение дедуктивного метода древними греками (Эвклид) и изобретение экспериментального метода в эпоху возрождения (Галилей). Именно эти два интеллектуальных изобретения - дедуктивный метод (а тем самым математика) и эксперимент - позволили создать классическую науку. К этим двум основным интеллектуальным орудиям современное развитие познания добавляет третье - математическую модель и математическое моделирование. Соединение дедуктивных построений математики с данными, добытыми экспериментальным методом, создает естествознание, в центре которого стоит понятие научного закона. Совокупность законов - это основное содержание естествознания; их установление его основная задача. Закон претендует на точное ( в рамках данного уровня познания) описания хода явлений. Закон либо верен, либо неверен, бессмысленно говорить о хороших и плохих законах. Модель в этом отношении противоположна закону. Модель может быть плохой или хорошей, она не претендует на точное воспроизведение сложной системы, а ограничивается описанием отдельных аспектов, причем для одного и того же аспекта могут быть предложены модели, одновременно имеющие право на существование. В изучении сложных систем (в т.ч. диффузных - нельзя выделить отдельные части без повреждения системы) формулировка относительно простых законов оказывается невозможной и заменяется построением эскизных моделей. Образно говоря, здесь мы имеем дело с математическим описанием, напоминающим современную абстрактную живопись. Можно сказать, что попытки реалистичного описания сложных систем иллюзорны такое описание не воспринималось бы из-за чрезмерной сложности. Это не означает, что категория закона утрачивает смысл в науке, но то, что дополнительно к ранее известным интеллектуальным орудиям - строгой дедукции и эксперименту рождается третье орудие - математическое моделирование, в котором по-новому выступает математика и появляется новый вид эксперимента - машинный эксперимент, в котором проигрываются различные модели с последующим сопоставлением с реальным экспериментом. Путь, который предлагает кибернетика, состоит в построении эскизных моделей, охватывающих все более и более широкий диапазон функций мышления. Задачи раскрыть "в лоб" "сущность мышления" не ставится, а ставится задача построения эскизных моделей, позволяющих описать отдельные его стороны, воспроизведены отдельные его функции и, двигаясь в этом направлении, строить системы, все более приближающиеся к человеческому мозгу. Отсутствия жесткой связи способа функционирования (поведения) со строго определенным субстратом означает, что если две системы обнаруживают одинаковое поведение в достаточно широкой области, то они должны рассматриваться как системы сходные, аналогичные по этому способу поведения. Имеет смысл рассмотреть этот вопрос в связи с проблемой кибернетического моделирования. Иногда встречается утверждение, что кибернетическое моделирование вообще неприменимо к изучению мышления, т.к. моделирование основана на понятиях соответствия и изоморфизма, а мышление есть чисто человеческая способность, якобы не могущая быть описана на основе понятий соответствия. Иногда говорят, что понимание познания, мышления как соответствия образа предмету означает ни много ни мало как дуалистическую точку зрения, внешне сопоставляющую предмет и образ. Понимание сознания как отражения неизбежно означает понимание его как соответствия, возникающего в ходе приспособления организма к среде. Причем это соответствие не есть просто внешнее соответствие вещи и образа как самостоятельного по отношению к вещи идеального предмета. Это действительно была бы дуалистическая точка зрения, но она не может монополизировать понятие соответствия, именно как соответствие определенных состояний мозга определенным состояниям внешнего мира. Это соответствие и несет информацию о внешнем мире. В приведенном утверждении не проводится различие между информационным моделированием информационных процессов и информационным моделированием неинформационных процессов. Информационная модель прибора не будет работать, а будет только моделировать работу, однако в отношение мышления этот тезис представляется спорным. По отношении к информационным процессам их моделирование является функционально полным, т.е. если модель дает те же самые результаты, что и реальный объект, то их различие теряет смысл. Многие споры вокруг проблемы "кибернетика и мышление" имеют эмоциональную подоплеку. Признание возможности искусственного разума представляется чем-то унижающим человеческое достоинство. Однако нельзя смешивать вопросы возможности искусственного разума с вопросом о развитии и совершенствовании человеческого разума. Разумеется, искусственный разум может быть использован в негодных целях, однако это проблема не научная, а скорее морально-этическая. Однако развитие кибернетики выдвигает ряд проблем, которые все же требуют пристального внимания. Эти проблемы связаны с опасностями, возникающими в ходе работ по искусственному интеллекту. Первая проблема связана с возможной потерей стимулов к творческому труду в результате массовой компьютеризации или использования машин в сфере искусств. Однако в последнее время стало ясно, что человек добровольно не отдаст самый квалифицированный творческий труд, т.к. он для самого человека является привлекательным. Вторая проблема носит более серьезный характер и на нее неоднократно указывали такие специалисты, как Н. Винер, Н. М. Амосов, И. А. Полетаев и др. Состоит она в следующем. Уже сейчас существуют машины и программы, способные в процессе работы самообучаться, т.е. повышать эффективность приспособления к внешним факторам. В будущем, возможно, появятся машины, обладающие таким уровнем приспособляемости и надежности, что необходимость человеку вмешиваться в процесс отпадет. В этом случае возможна потеря самим человеком своих качеств, ответственных за поиск решений. Налицо возможная деградация способностей человека к реакции на изменение внешних условий и, возможно, неспособность принятия управления на себя в случае аварийной ситуации. Встает вопрос о целесообразности введения некоторого предельного уровня в автоматизации процессов, связанных с тяжелыми аварийными ситуациями. В этом случае у человека, "надзирающим" за управляющей машиной, всегда хватит умения и реакции таким образом воздействовать на ситуацию, чтобы погасить разгорающуюся аварийную ситуацию. Таковые ситуации возможны на транспорте, в ядерной энергетике. Особо стоит отметить такую опасность в ракетных войсках стратегического назначения, где последствия ошибки могут иметь фатальный характер. Несколько лет назад в США начали внедрять полностью компьютеризированную систему запуска ракет по командам суперкомпьютера, обрабатывающего огромные массивы данных, собранных со всего света. Однако оказалось, что даже при условии многократного дублирования и перепроверки, вероятность ошибки оказалась бы столь велика, что отсутствие контролирующего оператора привело бы к непоправимой ошибке. От системы отказались. Люди будут постоянно решать проблему искусственного интеллекта, постоянно сталкиваясь со все новыми проблемами. И, видимо, процесс этот бесконечен. 1. Философия. Учебное пособие для аспирантов / Р. В. Жердев, Т. А. Евсеева. Санкт-Петербург: НЕСТОР, 1997. 2. Баженов Л. Б., Гутчин И. Б., Интеллект и машина, М.: Знание, 1973. 3. Бердяев Н. А. Человек и машина, Вопросы философии, 1995, N2. 4. Вычислительные машины и мышление. М.: Мир, 1996. 5. Кибернетика и философия. АН Латвийской ССР, изд. "Зинатне", 1989. 6. Клаус Г. Кибернетика и философия, М.: "Иностранная литература", 1983. 7. Моисеев Н. Н. Компьютеризация, ее социальные последствия, Вопросы философии, 1987, N9. 8. Шалютин С. Искусственный интеллект. М., 1993. | works.tarefer.ru
Реферат - Искусственный интеллект и проблема субъективного в философии
Санкт-Петербургская кафедра философии РАН
“Искусственный интеллект” и проблема субъективного в философии
Реферат аспиранта ИМЧ РАН
Николаева Сергея Владимировича
Научный руководитель
к-т филос. наук, доцент
Мангасарян
Владимир Николаевич
С.-Петербург
2001
Содержание
1. Введение……………………………………………………………………..3
2. Эволюция понятия “искусственный интеллект”.
а.) Представление о наборе критериев предъявляемых к системам
искусственного интеллекта…………………………………………………...3
б.) Семантические проблемы при описании вычислительных
процессов в рамках кибернетики……………………………………………..5
в.) Первоначальные подходы к разработке интеллектуальных систем,
причины затруднений…………………………………………………………..6
3. Принципы создания действующих моделей искусственного
интеллекта.
а.) Моделирование функций человеческого мозга: системный подход……..9
б.) Значение субстратной и структурной специфичности для
реализации интеллектуальных функций………………………………………11
в.) Различная роль языка при обработке информации у человека и
кибернетических устройств……………………………………………………12
г.) Отражение и информация…………………………………………………...13
4. Возможности субъективного восприятия у человека, биологических
и кибернетических систем.
а.) Субъективное как проявление высшей формы активного отражения……15
б.) Альтернативы разрешения психофизической проблемы:
функционализм и теория психофизического тождества………………………16
в.) Возможная роль субъективных феноменов в процессах обработки
информации. ……………………………………………………………………..20
5. Заключение…………………………………………………………………….22
6. Список литературы……………………………………………………………23
Вопрос о возможности или невозможности искусственного разума всегда интересовал людей. Но сравнительно недавно эта тема из разряда теоретических споров переросла в практически-важную область знания. При внимательном рассмотрении проблемы искусственного интеллекта выявляется ее комплексный характер, вовлеченность в ее разработку многих областей знания. Иначе не может и быть, когда дело касается, пожалуй, наиболее сложного явления в природе, которое лишь частично поддается объективному исследованию. Гносеологические, семантические, технологические аспекты рассматриваемой проблемы находят выражение не только в теоретических, но и прикладных областях естественнонаучных дисциплин. Сравнительно специфически занимается разработкой проблемы “искусственного интеллекта” кибернетика — наука об управлении, хотя в ее рамках рассматривается более широкий круг вопросов. Кибернетика имеет необычный, синтетический характер. В связи с этим до сих пор существуют различия в трактовке некоторых ее проблем и понятий. Для развития кибернетики немаловажное значение имеет применение к предмету ее исследования ряда фундаментальных философских принципов и понятий.
Все попытки создания искусственного разума, аналогичного человеческому так или иначе обращаются к феномену самопознания субъекта, потому что единственным доступным прототипом для всех моделей такого интеллекта является человеческое мышление и его физический субстрат – головной мозг. Учитывая, что сущность человеческого мышления и сознания сама по себе еще далека от полного понимания, практические реализации искусственного интеллекта представляются скорее средством решения более широкого вопроса об интеллекте вообще (если не учитывать прагматические соображения об использовании его в практических целях).
В прошлом философский анализ мышления производился сверху вниз, то есть процессы мышления рассматривались, как данность и основное внимание было направлено не на происхождение мышления, а на законы, по которым оно функционирует. Впервые в истории античной философии занялся специальным изучением внутренней структуры человеческого мышления Аристотель, он стремился вывести логические формы из реального содержания мысли.
Однако по мере накопления естественнонаучного знания назрела необходимость исследования и материальной основы сознания. Когда развитие техники достигло определенного уровня, естественным образом стала обсуждаться возможность осуществления техническими устройствами интеллектуальных функций.
Первоначально система искусственного мышления представлялась как система, занимающаяся вычислениями в чистом виде. Сейчас это кажется не вполне понятным, но некоторые представители философской науки длительное время абсолютизировали математические достижения, рассматривая их как высшую форму активности разума. С тех пор как древние греки изобрели логику и геометрию, мысль о том, что всякое рассуждение может быть сведено к своего рода вычислению – так что любое дискуссии можно было бы считать улаженными раз и навсегда — занимала умы многих мыслителей. Платон значительное место в своих взглядах отводил вопросам теории познания и логики.
Согласно Платону, всякое знание должно быть представлено в виде точного определения, которыми может пользоваться всякий. Если человек не может представить свое умение в виде такого рода точных правил, т.е. если он не в состоянии обратить свои знания о том, как нечто делается, в знание о том, что делать, значит, он располагает не знанием, а лишь уверенностью. Однако представления Платона еще не совпадали с центральной линией современной кибернетики. Аристотель, обоснованно отметил, что для применения платоновских правил необходимо обращение к интуиции. Это действительно так, потому что Платон исходил из предположения, что человек изначально понимает значение понятий, составляющих правила. Сам Платон признавал, что его правила не могут быть полностью формализованы. Как будет показано ниже, такая установка на априорное понимание правил может завести в тупик. Впервые синтаксическая концепция мышления как процесса вычисления была в явной форме сформулирована Т. Гоббсом: “Когда человек рассуждает, он лишь образует в уме итоговую сумму путем сложения частей…”..Лейбниц — изобретатель системы двоичной системы счисления — посвятил свою жизнь разработке однозначного формального языка необходимого для такого “строгого” мышления. Используя этот универсальный язык, как думал Лейбниц, всякое понятие можно будет представить в виде небольшого количества исходных неопределяемых идей, каждому объекту приписать определяющее его “характеристическое число”. На основе таких характеристик и правил их комбинирования в единой дедуктивной системе должны были стать легкорешаемы любые проблемы. По Лейбницу практика есть, по сути, не что иное, как более сложная и подробная теория. Дж. Буль – известный математик и логик 19-го века – продолжил заниматься формализацией процессов мышления, что нашло воплощение в логической алгебре, основном теоретическом базисе современной вычислительной техники. В то же время, И. Кант предостерегал против абсолютизации законов логики. По взглядам И. Канта, логика представляет собой науку о необходимых законах, правилах рассудка вообще. Он первым указал, что всегда необходимо отличать логическое основание и логическое следствие от реальной причины и реального следствия.
Если оценивать достигнутые на сегодняшний день успехи кибернетики с указанных позиций, искусственный разум, как его понимали на протяжении веков, давно и успешно реализован. Недаром М. Хайдеггер справедливо назвал кибернетику кульминацией философской традиции.
В 1944 году Х. Айкен создал первую электромеханическую вычислительную машину. В основу этого устройства был заложен принцип дискретной (цифровой) и последовательной обработки информации. Хотя эта машина еще не была электронной, по своей сути она ничем не отличалась от компьютеров производимых в последующие 50 лет. Существуют 2 основных типа вычислительных машин: аналоговые и цифровые. Аналоговые машины не вычисляют в строгом смысле слова – их функционирование заключается в измерении физических величин. Комбинируя различные непрерывные величины, такие машины измеряют получившийся результат. Цифровая вычислительная машина оперирует абстрактными символами, которые могут означать все что угодно и логическими операциями, которые могут связывать все что угодно. Иногда в литературе можно встретить мнение, согласно которому цифровые машины считаются универсальными, т.к. вследствие абстрактности символического языка они могут имитировать любую другую цифровую и даже аналоговую машину (если для ее описания определена математическая функция). Но я думаю, что такие утверждения не вполне обоснованы. Поскольку все области знания, в том числе математика и философия постоянно развиваются, чисто теоретически нельзя исключить, что будет разработан алгоритм, реализация которого станет возможна лишь на цифровой машине качественно отличной. Однако, во второй половине 20-го века самодостаточным базовым элементом, реализующим любые мыслимые принципы, считалась логическая алгебра Буля, которая внедрялась в устройства уже на стадии проектирования.
Несмотря на бурное развитие электронной техники и параллельное этому совершенствование алгоритмических языков вскоре стали заметны несоответствие между широким кругом задач, которые предъявлялись создаваемым системам и теми задачами, которые они были в состоянии выполнить. Например, попытки решения сложных задач (выбор пути в лабиринте, игра в шахматы и т.д.) методом простого перебора вариантов наталкивались на экспоненциальный рост объема вычислений. Это подвигло ученых на пересмотр критериев, характеризующих ”интеллектуальность” искусственных устройств. Все большее внимание теперь уделялось не только абстрактно-отвлеченным операциям формальной логики, но и задачам аналогичным другой стороне человеческого мышления: интуитивному восприятию и творческому преобразованию действительности. В связи с этим стала еще более актуальной потребность в уяснении внешне не очевидных закономерностей человеческого мышления и стратегий решения задач. Что бы найти путь решения надо вначале уяснить, что является задачей в принципе. Как отмечают психологи, этот термин тоже не является достаточно определенным. По-видимому, в качестве исходного можно принять понимание задачи как мыслительной задачи, существующее в психологии: задача есть только тогда, когда есть работа для мышления, т. е. когда имеется некоторая цель, а средства к ее достижению не ясны; их надо найти посредством мышления. Хорошо по этому поводу сказал Д. Пойа: “...трудность решения в какой-то мере входит в само понятие задачи: там, где нет трудности, нет и задачи”. Если человек имеет очевидное средство, с помощью которого, наверное, можно осуществить желание, то задачи не возникает.
На сегодняшний день наиболее популярно определение искусственного интеллекта как системы способной решать интеллектуальные задачи, т.е. задачи, которые человек обычно решает посредством своего интеллекта (интеллектом принято называть способность приобретать новые и использовать ранее накопленные знания, что подразумевает способность эффективно действовать в нестандартных ситуациях.). Мне такое определение искусственного интеллекта представляется не вполне конкретным. Оно вносит неоднозначность, так как согласно ему требования к функциям, выполняемым системой, могут варьировать в широких пределах. Например, на заре электронной эры, когда исследователи-кибернетики еще не знали об ограничениях применяемого ими подхода, они постулировали создание систем, превосходящих человека по широкому кругу вопросов. Впоследствии, столкнувшись с проблемами, разработчики программ для электронных устройств перенесли основной акцент на создание экспертных систем, и такие системы, имея редуцированные в целом функции, сохранили за собой наименование искусственного интеллекта. Еще больше критики вызывает так называемый тест Тьюринга или игра в имитацию. Обе попытки определить данное понятие страдают антропоморфизмом. Причина сложности видимо кроется в семантической неадекватности термина “искусственный интеллект”. Причем это частный случай более широкой проблемы. Так, например, постановка вопроса “может ли машина мыслить?” была обусловлена тем, что при использовании моделирования для изучения мыслительной деятельности стала применяться техническая, точнее, кибернетическая технология, а термины биологии, физиологии и психологии стали проникать в кибернетику. Как справедливо выразился Э.Хольст, “cторонники кибернетики распоряжаются по своему усмотрению тем запасом знаний, который был накоплен с таким трудом отдельными науками…”. Подведение под определенный термин не соответствующего ему понятия порождает так называемые “языковые ловушки”. Так описание психического процесса при помощи технических терминов нередко приводит к “открытию” машиноподобности психики, мышления. Вот что говорил по этому поводу один из крупнейших кибернетиков Ст. Бир: “Модель языка системы, которым пользуется кибернетика, вносит в описание такие смысловые оттенки, от которых нам хотелось бы избавиться. Но мы не в силах этого сделать и поэтому всегда должны помнить о возможности неверных толкований при обсуждении нервных систем, мозга и машин”.
Допустим все же, что можно согласиться с таким обозначением рассматриваемого понятия как “искусственный интеллект”. Какие же признаки позволяют однозначно отнести ту или иную вычислительную систему к разряду интеллектуальной? Характеризуя особенности систем “искусственного интеллекта”, Л. Т. Кузин указывает на:1) наличие в них собственной внутренней модели внешнего мира; эта модель обеспечивает индивидуальность, относительную самостоятельность системы в оценке ситуации, возможность семантической и прагматической интерпретации запросов к системе;2) способность пополнения имеющихся знаний;3) способность к дедуктивному выводу, т.е. к генерации информации, которая в явном виде не содержится в системе; это качество позволяет системе конструировать информационную структуру с новой семантикой и практической направленностью; 4) умение оперировать в ситуациях, связанных с различными аспектами нечеткости, включая “понимание” естественного языка;5) способность к диалоговому взаимодействию с человеком;6) способность к адаптации. Некоторые из указанных критериев будут обсуждаться ниже.
При характеристике мышления необходимо отметить, что его основная функция заключается в выработке схем целесообразных внешних действий в бесконечно варьирующих условиях. Специфика человеческого мышления (в отличие от рассудочной деятельности животных) состоит в том, что человек вырабатывает и накапливает знания, храня их в своей памяти. Выработка схем внешних действий происходит не по принципу «стимул — реакция», а на основе знаний, получаемых дополнительно из среды, для поведения в которой вырабатывается схема действия.
Этот способ выработки схем внешних действий (а не просто действия по командам, пусть даже меняющимся как функции от времени или как однозначно определенные функции от результатов предшествующих шагов), является существенной характеристикой любого интеллекта. Если задача не является мыслительной, то она решается на ЭВМ традиционными (алгоритмическими) методами и, значит, не входит в круг задач “искусственного интеллекта”. Ее интеллектуальная часть выполнена человеком. На долю машины осталась часть работы, которая не требует участия мышления, т. е. “безмысленная”, неинтеллектуальная.
Отсюда следует, что к системам “искусственного интеллекта” относятся те, которые, используя заложенные в них правила переработки информации, вырабатывают новые схемы целесообразных действий на основе анализа моделей среды, хранящихся в их памяти. Способность к перестройке самих этих моделей в соответствии с вновь поступающей информацией является свидетельством более высокого уровня “искусственного интеллекта”.
Принципы обработки информации, заложенные в первые вычислительные устройства, определялись традиционными представлениями о могуществе формальной логики. Жесткие алгоритмы предписывали устройству поочередно шаг за шагом выполнить некоторые арифметические преобразования. И с такой задачей устройства успешно справлялись. Но далее сложилась парадоксальная ситуация: компьютеры прекрасно имитировали высшие формы абстрактной деятельности человека, такие как решение сложных инженерных задач и в тоже время им были недоступны более “примитивные” способности типа распознавания изображений, понимания конструкций языка. Попытки экстенсивного наращивания скорости и объема вычислений проблему не решили. Стало очевидно, что необходим пересмотр фундаментальных принципов работы решающих устройств.
Первым реальным шагом на пути преодоления ограничений алгоритмического подхода была разработка эвристического программирования. Решению задачи может способствовать использование информации самого различного рода: информация может подсказать порядок, в котором следует проверять возможные решения или послужить основанием, для того чтобы исключить из рассмотрения целый класс возможных решений. Всякая информация такого рода есть эвристика, т.е. то, что способствует открытию. Иными словами суть эвристического поиска — сокращение числа перебираемых вариантов без потери качества решения, благодаря содержащейся в задаче дополнительной информации. Эвристики в редких случаях могут служить безошибочным руководством, их результаты варьируют от задачи к задаче, и успешность их применения нельзя гарантировать. Однако, руководствуясь такими инструкциями, машина проявляет больше “человеческих” свойств, ей становится доступным принципиально новый круг задач (например, поиск в лабиринте). Именно в 50-х годах, когда был открыт принцип эвристического программирования, термин “искусственный интеллект” получил еще одно толкование, теперь им обозначалась область исследований, в которой цифровые машины используются для моделирования разумного поведения.
Другим подходом было создание алгоритмов, которые обеспечили бы компьютерам способность обучаться, или, иначе говоря, способность изменяться под влиянием собственного опыта. К сожалению, системы искусственного интеллекта практически неспособны активно воздействовать на внешнюю среду, что отрицательно сказывается на возможностях самообучения и вообще совершенствования «интеллектуальной» деятельности. Простые процессы ассоциативного обучения были промоделированы на цифровых машинах, но такое обучение имеет мало общего с тем, что мы наблюдаем у человека или высокоорганизованных животных.
Задача создания обучающихся систем непосредственно связана со структурированием знаний, объем которых может быть грандиозным. Вспомним, что наличие собственной модели мира неотъемлемый признак “искусственного интеллекта”. Формирование такой модели связано с преодолением синтаксической односторонности системы, т.е. с тем, что символы или та их часть, которой оперирует система, интерпретированы, имеют семантику. На начальных этапах разработки проблемы искусственного интеллекта ряд исследователей, особенно занимающихся эвристическим программированием, ставили задачу создания интеллекта, успешно функционирующего в любой сфере деятельности. Это можно назвать разработкой «общего интеллекта». Сейчас большинство работ направлено на создание «профессионального искусственного интеллекта», т. е. систем, решающих интеллектуальные задачи из относительно ограниченной области (например, управление портом, интегрирование функций, доказательство теорем геометрии и т.п.). Тем самым создаются предпосылки для устранения неоднозначности семантической интерпретации, что упрощает процесс реализации функций самообучения. Такие специализированные системы получили название экспертных. Однако даже на современном этапе экспертные системы не в полной мере оправдывают свое название. Они представляют собой скорее склад знаний, которыми обладают различные эксперты и только в этом могут принести пользу при определенных обстоятельствах. Однако элемент интеллектуальности у этих систем все-таки имеется. Дело в том что самостоятельное структурирование огромных массивов информации является довольно сложной задачей. Основой современных экспертных систем служат фреймы – крупная, структурированная единица знаний, основанная на фактах и процедурах. Фактуальные (декларативные) знания – база данных. Важнейшая часть базы данных – сценарий описывающий внешнюю обстановку, с которой взаимодействует эксперт. Процедурные знания – множество правил вывода (продукций) для базы знаний. Правила включают информацию о методах сужения области поиска. Отдельные фреймы взаимосвязаны и образуют единую систему. Единство системы реализуется с помощью дополнительной информации, содержащейся в каждом фрейме. Она включает сведения о способе обращения с данным фреймом, о действии, которое нужно выполнить, о действии которое нужно выполнить, если текущие предположения не оправдались. Таким образом, фрейм включает способы переадресации к другому фрейму, а иногда переадресация осуществляется по аналогии. Еще одна характерная особенность фрейма связана с наследованием атрибутов, что позволяет избегать дублирования информации и устранять противоречивые данные
Некоторые задачи, такие как распознавание образов и использование естественных языков не удавалось реализовать длительное время, лишь в последние годы в этой области наметился некоторый прогресс. На задаче распознания зрительных образов следует остановиться особо. Человек узнает человека, которого видел один-два раза, непосредственно в процессе чувственного восприятия. Исходя из этого, кажется, что задача не является интеллектуальной. Но в процессе узнавания человек не решает мыслительных задач лишь постольку, поскольку программа распознания не находится в сфере осознанного. Традиционный подход показал полную несостоятельность в плане восприятия естественного языка даже для эвристически запрограммированных систем. Попытки свести понимание языка к конечному набору каких-то правил выявили, что он не поддается окончательной формализации. Правила, которые выводились из других правил, в свою очередь нуждались в интерпретации. Вскрылась проблема “изначального понимания” человеком неявных инструкций, которые не могут быть четко сформулированы. Принципиальная корректность работы компьютера означает невозможность порождения ошибочных гипотез, а указание на локальный характер работы ЭВМ — отсутствие как такового механизма выдвижения гипотез, поскольку для выдвижения гипотез необходима другая, отличная от алгоритмического вычислителя, программа, способная «помнить» результаты своих прошлых вычислений и анализировать их. По существу, речь в данном случае идет уже о программе следующего иерархического уровня (метапрограмме), которая работает не непосредственно с «входными данными», а с результатами работы программы первого уровня — с результатами работы алгоритмического вычислителя.
Это заставило ученых обратиться к еще одному аспекту человеческого мышления: умению человека учитывать нечеткие ситуации, не прибегая к замене их точными описаниями. Человек способен использовать глобальный контекст для требуемого уменьшения неоднозначности, не прибегая при этом к формализации (то есть полному исключению неопределенности). Это особенно ярко проявляется при манипулировании естественным языком. Присущее человеку ощущение ситуации позволяет ему исключить из рассмотрения большинство возможных вариантов до всякого точного их анализа. По аналогии с человеком в цифровые вычислительные устройства попытались ввести принцип случайности. Такой подход оказался наиболее продуктивным при решении игровых задач, например шахматных. Также интересной в этом плане представляется используемая во фреймах операция по умолчанию. Она включается, если не хватает конкретной информации для использования данного фрейма. Тогда вводится предположение, что недостающая информация – обычная, т.е. не отличается от нормы. Такой прием позволяет снять неопределенность – понять смысл ситуации при неполноте информации. Вывод по умолчанию выполняет весьма важную функцию при распознавании. Например, если видна лишь часть образа, то, заменив другие части значениями по умолчанию, можно хотя бы приблизительно идентифицировать образ. Точно также, используя значения по умолчанию, можно восстановить смысл контекста, из которого выхвачены отдельные предложения. Отчетливо видно, что те механизмы мышления, которые мыслители прошлого, считали лишь помехой на пути постижения истины, являются не менее важным способом получения информации о действительности, хотя законы такого способа не столь очевидны по сравнению с правилами формальной логики.
На данной стадии возникает необходимость прояснить взаимоотношения, существующие между “искусственным интеллектом” и биологической наукой о мышлении.Один из аспектов проблемы – это моделирование процессов мышления. В исследованиях по “искусственному интеллекту” ученые, сталкиваясь с затруднениями, неизбежно обращали взоры на процессы мыслительной деятельности, имеющие место у человека. Вот что пишет по этому поводу Станислав Мурсалов программист, известный разработчик систем с элементами “искусственного интеллекта”:“Многочисленные аналогии с психикой человека будут продолжаться, …аналогия в данном случае – важный инструмент разработки. Фундаментальная теория всегда опирается на подходящую модель явления, а здесь самая подходящая модель – наша психика, сотворив которую, природа давно решила нашу задачу. Уже многократно в трудах своих, придя к тем или иным выводам, впоследствии я обнаруживал объяснение этому в «психической» книжке или беседуя с умным человеком. … если совершенно разные пути приводят к аналогичным выводам, значитпредмет– рационален, работать с ним можно…”
Общим для мозга и моделирующими его работу устройствами является материальность, закономерный характер всех процессов, общность некоторых форм движения материи и отражение как всеобщее свойство материи.
Когда мы говорим о модели, речь идет о системе, в определенных существенных структурах и отношениях аналогичной предмету исследования, системе, применение которой при исследовании определенных предметных областей опирается на научную обоснованность выводов по аналогии. Аналогия предполагает тождественность некоторых характеристик сравниваемых систем, но в целом эти системы всегда различны.
Модель при этом выступает как заместитель прототипа, причем это не простое замещение, а такое, которое дает возможность получить о прототипе определенное знание. Следовательно, для всех научных моделей характерно то, что они являются заместителями объекта исследования, находящимися с последним в таком сходстве (или соответствии), которое позволяет получить новое знание об этом объекте. Весьма распространенным является отождествление модели с идеальным образом. С этой точкой зрения трудно согласиться, ведь нетождественность модели и образа определяется самой природой моделирования – последнее предполагает формирование образа в процессе предварительного исследования объекта (прототипа).
В моделировании объекта мы можем выделить разные этапы, для которых характерно использование моделей, отражающих степень полноты аналогии между моделью и прототипом: моделирование результата; моделирование поведения, ведущего к этому результату; моделирование структуры; моделирование материала. Этот способ разделен
www.ronl.ru
