Страница:
Функциональный подход к проблеме сложности преодолевает некоторые трудности, возникающие при сравнительном анализе мозга и машины. Эти трудности привносятся мнением о том, что пока не решена проблема структурной сложности машин на уровне сложности мозга, до тех пор не может быть речи об искусственном интеллекте. Кибернетика позволяет перевести проблему структурной сложности "на язык" сложности функционального порядка. Происходит своего рода оборачивание метода: то, что исторически являлось первичным, на логическом уровне анализа оказывается вторичным. Структура и функция объективно находятся в неразрывном единстве. Однако в научном исследовании существенным становится тот или иной аспект. В данном контексте функциональный аспект гносеологически обладает большей разрешающей способностью, чем субстратно-структурный подход. В самоорганизующихся системах функциональная организация приобретает решающее значение: в том случае, когда вычислительная машина может самоорганизоваться, способ первоначального соединения элементов подвергается "пересмотру", если он не обеспечивает эффективного решения стоящих перед системой задач. Вообще принципы самоорганизации (в особенности эвристической самоорганизации - на основе "отсечения" плохих вариантов поведения) выступают основанием для восхождения от абстрактных постулатов к конкретным разработкам задач искусственного интеллекта.
При сравнительной оценке интеллекта заслуживает внимания следующее определение: "Интеллект можно рассматривать как способность принимающего решения устройства достигать определенной степени успеха при поиске широкого многообразия целей в обширном диапазоне сред" [79]. Здесь интеллект определяется в терминах поведения стремящегося к цели существа, а степень интеллекта измеряется по адекватности принимаемых решений.
Достоинство такого подхода заключается в выделении универсальности и гибкости как существенных признаков интеллектуального поведения, так как, по определению, принимающее решения существо или устройство, которое может достигнуть цели только в конкретной среде, но не в других средах, не обнаруживает значительного интеллекта [80]. Заметим также, что важным
149
признаком интеллекта, согласно данному определению, является связь со средой. Разумного поведения можно ожидать только тогда, когда система имеет некоторую оптимальную модель среды. Разум будет ограничен, если модель слишком груба и не дает достаточного описания среды или если она неполным образом отражает взаимодействия между элементами среды. Интеллект присущ системам, которые обнаруживают целенаправленное поведение, обладают необходимой информационно-логической структурой, обеспечивающей продуктивное мышление.
Рассматриваемая дефиниция интеллекта охватывает наиболее сложные формы поведенческой деятельности: цель, принятие решения, предсказание. И это верно. Однако его недостаток, как полагает П. К. Анохин [81], состоит в том, что существенные и характерные для интеллекта факторы просто перечисляются, а не даются в той логической связи и последовательности, которая соединила бы их прочной нитью системного детерминизма. Иначе говоря, главным недостатком этих исследований является отсутствие универсальной модели, которая логически связала бы все этапы формирования интеллектуальных актов. Как известно, попытка создания такой модели реализована П. К. Анохиным в разработанной им концепции функциональной системы.
Функциональный подход плодотворен и в отношении к моделям человеческого мозга. Важное приложение этого подхода к моделированию мозга как самоорганизующейся системы дано Д. И. Дубровским. Он, в частности, пишет: "Во-первых, из категорического отрицания явлений сознания у современных вычислительных машин вовсе не следует, что это свойство не сможет быть воспроизведено у будущих искусственных устройств. Во-вторых, признавая правомерность функционального подхода к человеческой психике, мы тем самым обязаны признать и правомерность моделирования субъективных явлений" [82]. Что касается того часто выдвигаемого аргумента, что сознание присуще только общественному субъекту, то он не играет решающей роли, поскольку самоорганизующиеся системы с искусственным интеллектом явятся общественным продуктом и будут компонентами общества как самоорганизующейся системы более высокого ранга [83].
Интересуясь предельными теоретическими возможностями машин, нельзя не отметить ограниченности тех представлений, согласно которым машины по самой своей природе могут делать лишь то, что им прикажут, и будут делать это без каких-либо уклонений. В литературе прослеживается тенденция обходить этот вопрос, ссылаясь на то, что машины, в том числе и кибернетические, - это орудие в руках человека. Справедливы возражения [84], в которых обращается внимание на то, что создаваемые человеком орудия могут выходить из-под его контроля, - и чем сложнее эти орудия, тем пагубнее могут быть связанные с ними аварии [85].
150
Как видим, междисциплинарный характер кибернетического подхода вызывает определенные трудности при сопоставлении порождаемых им общенаучных понятий с традиционными категориями. Это объясняется известной специфичностью кибернетики как науки.
Кибернетизация науки и техники в значительной мере определяет характер и уровень общенаучного понятийного аппарата. Вновь возникающие общенаучные категории (подобно "искусственному интеллекту") отличаются, как правило, (математической) строгостью, так как современная наука вынуждает исследовать те области, в которых отказывает интуиция. В пограничных областях, на стыках различных дисциплин, нужны более тонкие и четкие идеи. Уточнение интуитивных, содержательных понятий ведется в плане формализации их содержания. Очевидно, что не все содержание такого рода понятий (нередко философских) подвергается уточнению в той или иной формализованной теории. Последнее обязывает различать понятие и его приложение к конкретному случаю. Логико-математическое уточнение качественных понятий нередко приводит к осмыслению того или иного понятия в новом значении, стимулирующем создание более широкой, обобщающей концептуальной модели. Это подчеркивает тот факт, что понятийное обобщение может приводить к обогащению и конкретизации понятия "благодаря полноте снятых в нем определений". Такое обобщение, однако, как мы убедились в отношении "искусственного интеллекта", предполагает структурирование понятия, выявление инвариантных характеристик, что сопряжено с включением его в конкретную научную теорию. Это также означает, что дефиниция и уточнение понятий осуществляется эффективнее всего в процессе решения той или иной научной проблемы.
Таким образом, кибернетические общенаучные понятия, даже не будучи философскими категориями, играют вполне определенную роль и в теоретическом решении проблем науки, и в адекватном осмыслении действительности. Этим и обусловливается их методологический статус.
ГЛАВА V
ТВОРЧЕСКИЙ ИНТЕЛЛЕКТ
1. Искусственный интеллект и творческое мышление
Вопрос о возможности создания искусственного интеллекта в настоящее время связан с проблемой воспроизведения на машине процессов творческого мышления. Творческая активность человеческого мышления нередко рассматривается в качестве уникального феномена, не воспроизводимого машиной. Так, А. В. Брушлинский пишет: "Если действительно любое мышление всегда продуктивное (творческое), то... неизбежен отрицательный ответ на столь волнующий многих вопрос: "Может ли машина мыслить?" [1] Ныне, однако, не подлежит сомнению тот факт, что машинное мышление продуктивно: машина способна порождать новое, создавать новую информацию. А творческое мышление как раз и характеризуется тем, что дает новые, неизвестные до этого результаты.
Вместе с тем высказывается мнение о том, что новизна продуктов мышления - необходимый, но недостаточный показатель творческого мышления. "Новые нетривиальные результаты, - отмечает В. С. Тюхтин, - могут быть получены путем машинной переработки информации согласно сложным по строению многошаговым алгоритмам, содержащим сотни и тысячи элементарных операций. Такие решения не являются творческими в строгом смысле слова. Творчество функция активных состояний высокоорганизованных систем" [2]. Возникает, таким образом, вопрос о новых дефинициях, позволяющих различать творческое и нетворческое мышление, об алгоритмической выразимости творческого мышления и вообще о принципах эвристического мышления и его осуществимости в машинных программах.
Разработка эвристических принципов и предписаний поведения проводится путем анализа и обобщения деятельности людей, в которой спонтанно реализуются логические и другие законы творческого мышления. Эффективность эвристического программирования достигается лишь тогда, когда логические операции творческого мышления человека, будучи алгоритмизированы, моделируются автоматами. Эвристический поиск представляет главную особенность искусственного интеллекта [3]. Эвристическая программа - это конечная последовательность предписаний в символическом выражении, однозначно описывающая операции по переработке информации некоторого эвристического опыта.
152
Широко распространено мнение о том, что творческое мышление является деятельностью, исключительное право на которую имеет лишь человек, и которая принципиально немоделируема автоматами. С такой точки зрения автомат никогда не сможет стать творчески деятельным. В этой связи правомерно поставить вопрос: есть ли принципиальные границы человеческого познания, которые препятствуют созданию программы, могущей моделировать определенные логические фазы творческого мышления автоматами? Гносеологические принципы диалектического материализма содержат в себе идею познаваемости мира. Познание как отражение объективной реальности, несмотря на ограниченность развития индивидуума и общества определенным состоянием, ведет ко все более полному знанию, приближающемуся к своей суверенности, к абсолютной истине. Будучи постоянно развивающимся процессом, познание в принципе безгранично. Отсюда нетрудно сделать принципиально позитивный вывод о моделировании творческих процессов автоматами [4]. Как справедливо заметил П. В. Копнин, "задача философа состоит не в том, чтобы ставить какие-то пределы развитию машин, а объяснять их действительное место в общественной жизни людей" [5].
Между нетворческими и творческими мыслительными процессами нередко проводится такое разграничение: нетворческое (схематичное) мышление выразимо с помощью алгоритма, в то время как творческое мышление - нет. Так как автомат совершает операции только с помощью алгоритма, а творческие процессы принципиально неалгоритмизируемы, моделирование их на вычислительной машине невозможно.
Однако благодаря эвристическому программированию, выявляющему элементарные информационные процессы, лежащие в основе сложных форм деятельности мозга, в универсальных кибернетических машинах удается воспроизводить способность человека к творческой деятельности, отличной от простых логических операций. По замечанию М. Минского, "мы должны быть готовы также к открытию эффективных путей эвристического программирования, которые не имитируют человеческого поведения" [6]. До возникновения современной эвристики в силу того, что физиологические исследования не охватывают сложных мозговых процессов, существовал разрыв между физиологией и психологией мышления. Эвристическое программирование помогает преодолению этих трудностей; оно способствует созданию материалистической теории и экспериментальных методов, позволяющих выявлять системы принципов переработки информации в головном мозге человека и идти в направлении создания целостной теории нервно-психических познавательных процессов.
Важное значение приобретает изучение процедур организации элементарных информационных процессов в программе различных уровней, поскольку живая природа представляется иерархически структурированной. Характерно, что при статистическом типе образования высшего яруса взаимная заменяемость объектов низ
153
шего яруса получается сама собой, а это сильно повышает надежность функционирования рассматриваемых систем. Таким образом открываются возможности для перехода от случайного выявления отдельных принципов (например, принципа проб и ошибок перебора вариантов) к более полному описанию сложных функций мозга.
Эвристическое программирование нередко противопоставляется алгоритмическому описанию [7]. При этом утверждается, что эвристики эффективны в тех случаях, когда невозможно алгоритмическое решение проблемы. В настоящее время существует широкий класс систем, для которых процесс управления алгоритмически описан. Теория алгоритмов - в ее кибернетическом аспекте - обычно определяется как дисциплина, в которой исследуются однозначно детерминированные процедуры преобразования дискретной информации в системах управления в отвлечении от материального носителя информации и границ реальных возможностей физического механизма, реализующего это преобразование. К границам реальных возможностей, от которых теория алгоритмов, понимаемая таким образом, абстрагируется в своем анализе, относятся также "продолжительность жизни" механизма во времени и пространстве и его надежность. Имеются, однако, такие системы, в которых процесс управления не описывается алгоритмически. То или иное регулирующее воздействие, нормализующее управляемый объект и приводящее в соответствие с программой его динамические характеристики, должно вырабатываться регулятором специально для данного случая.
Тем не менее противопоставление эвристического программирования алгоритмическому решению проблем не оправдано. Согласно действующему в науке принципу соответствия, понятие алгоритма как однозначно детерминированного преобразования было обобщено и распространено на класс вероятностных процессов. В. М. Глушков [8] предложил понятие алгоритма, допускающее вероятностные варианты перехода. С точки зрения такого определения алгоритма и разрабатываемой на этой основе теории алгоритмов, вполне законна задача алгоритмического описания эвристических форм работы мозга. Трудности этой задачи определяются тем, что в основе эвристических форм работы лежат алгоритмы, о которых человек обычно не может дать словесного отчета. В качестве примера "бескомпьютерной кибернетизации" инженерного творчества Ф. П. Тарасенко [9] приводит известный АРИЗ - алгоритм изобретений Г. С. Альтшулера, представляющий собой систему эвристик из изобретательской практики.
Таким образом, эвристическое программирование как сравнительно новая область кибернетики, изучающая высшие функции человеческого мозга с целью воссоздания последних в тех или иных искусственных системах, пользуется методами, которые реализуются на основе учета динамических и вероятностно-статистических законов в их диалектической связи. Метод эвристического
154
изучения функционирования мозга свидетельствует о том, что по мере углубления в сущность биологических и психических процессов на некоторых уровнях организации, в частности на уровне информационных отношений, мы сталкиваемся с "особым" типом причинных отношений - со статистической закономерностью и необходимостью нового понимания роли случайности.
Эвристический подход к явлениям действительности, отличающимся сложностью и неопределенностью, есть в сущности качественный скачок в логике научного исследования. Он, в частности, демонстрирует способность человеческого разума к самопознанию; этот процесс в то же время выступает как процесс познания объективных законов природы, знание которых необходимо человеку в практическом преобразовании действительности. Кибернетика решает проблему передачи некоторых функций человека машинам в процессе научного решения тех или иных задач, и подобная постановка вопроса вряд ли может вызвать возражения. Данная проблема, однако, предполагает формализацию самого процесса научного исследования. Развитие науки свидетельствует о том, что потребности в формализации обгоняют изучение содержания того или иного процесса, ибо познание, будучи нацеленным с самого начала на удовлетворение практических нужд человека, создает образы предметов, не существующих в природе, но "долженствующих" быть. Эвристическое программирование при составлении программы подходит к проблеме логики научного исследования в рамках кибернетики. В решении этой проблемы должны объединиться философия, кибернетика, логика, физиология и психология. Как справедливо заметил Э. Хант, "если бывает трудно понять различные достижения искусственного интеллекта, то не потому, что требуются специальные знания в какой-нибудь одной из областей исследований, а потому, что необходимы некоторые познания во многих областях" [10].
Эвристическое программирование[11] возникло вследствие недостаточности и ограниченности приложения современных математических методов к биологическим и психическим явлениям. Современный математический подход, несмотря на его все возрастающую роль, не свободен от недостатков. Интересно отметить, что методы теории вероятностей и математической статистики, как наиболее эффективные в прикладной математике, обнаруживают свою ограниченность уже в решении проблемы надежности. Сейчас разрабатываются элементы радиоэлектронной аппаратуры, надежность которых характеризуется интенсивностью отказов порядка 10(-11 степени)-10(12 степени) 1/ч. Проверить столь высокую надежность, требуемую от современной аппаратуры и ее элементов, практически невозможно. В связи с этим ставится под сомнение правомерность и целесообразность использования в ряде случаев вероятностных критериев, дающих "интегральную" количественную оценку надежности и оставляющих в тени истинные причины отказов. Вероятностно-статистический анализ не позволяет полу
155
чить внутренню характеристику той или иной задачи. "Слабости современных ЭВМ при решении многих задач управления большими системами, подчеркивают Д. А. Поспелов и В. Н. Пушкин, - связаны отнюдь не только с устройством самих автоматов. Своими корнями слабости эти уходят весьма далеко - в глубь принципов и оснований самой математики. Поэтому дальнейшее движение вперед в деле разработки автоматов, воссоздающих высшие формы человеческой деятельности, предполагает фундаментальные открытия в математике" [12].
Симптоматично, что методы исследования живых систем приобретают ярко выраженный кибернетико-физико-химико-биологический характер. Это фундаментальное для исследования жизни обстоятельство обусловливает все большее возрастание роли содержательного подхода в собственно кибернетических формализованных приемах. Развитие кибернетических исследований свидетельствует о том, что движение знаний происходит от функциональности к структурности. Кибернетическое моделирование в результате такого диалектического движения познания становится частично структурным по своему характеру, в определенной мере перерастает в собственно структурно-субстратное исследование объекта. Эвристическое программирование, опираясь на методы, которые реализуются на основе учета динамических и вероятностно-статистических законов в их диалектико-материалистическом описании причинности, как раз и выступает выражением этой тенденции в кибернетических исследованиях.
Необычность и новизна идей, возникающих в данной области познания, вызывают подчас непонимание и поспешную критику проблематики искусственного интеллекта и связанных с ней эвристических подходов, принципов и понятий. Так, Н. И. Жуков констатирует: "Попытки создать общую теорию эвристического программирования и на ее базе объяснить мозговую деятельность представляются необоснованными. За пределами технической и математической кибернетики эта терминология имеет вполне ощутимый привкус механицизма... метод эвристического программирования теоретически несостоятелен для решения проблемы воссоздания мышления в его качестве искусственным путем. Крушением этих попыток завершился еще один акт драмы идей XX в." [13] В литературе отмечался поверхностный и в принципе неверный подход к философским проблемам искусственного интеллекта, приводящий к такого рода негативным оценкам эвристического программирования [14].
Еще в самом начале становления кибернетики А. Тьюринг писал: "Я убежден, что к концу нашего века употребление слов и мнения, разделяемые большинством образованных людей, изменятся настолько, что можно будет говорить о мыслящих машинах, не боясь, что тебя поймут неправильно. Более того, я считаю вредным скрывать такие убеждения" [15]. Особенность ведущихся ныне дискуссий по данной проблеме заключается в том,
156
что их философская заостренность существенно обогащается знанием фактических достижений во всех разделах кибернетической науки. Да и сам характер проблем (получивших название глобальных) отличается "уникальностью", которая задается новым уровнем сложности. Последний стал предметом изучения в социальных системах, обладающих многогранными внутренними связями. До недавнего времени не было иных путей вхождения в сферу сложных систем, кроме раздумий, дискуссий, споров и догадок. Однако благодаря достижениям кибернетики стал возможным метод, объединяющий в себе силу человеческого мышления и способности вычислительных машин. Важно иметь в виду, что ключ к успеху не столько в обладании вычислительной машиной, сколько в уровне ее использования. Машина - это не альтернатива мышлению человека, а способ расширения его возможностей.
Сущность и функции автомата как машины состоят не в том, чтобы сравняться с человеком, а в том, чтобы быть вспомогательным средством в выполнении определенной деятельности, стать помощником человека. Речь может идти лишь о создании автоматов, которые в качестве вспомогательных средств моделировали бы некоторые стороны, логические "механизмы" творческого мышления и тем самым способствовали дальнейшему развитию человека. Необходимо также учитывать, что творческое мышление имеет не статическую, а диалектическую природу: оно развивается от низших форм к высшим [16]. Творческий автомат призван освободить человека от низших форм творческого мышления для перехода к высшим.
Дж. Слэйгл высказал мнение о том, что эвристические программы будут управлять роботами и помогать нам в общении с машиной на естественном языке [17]. Как отмечают Н. М. Амосов и А. М. Касаткин [18], в рамках эвристического программирования разрабатываются модели деятельности человека в строго определенных ситуациях (например, деятельность по решению логических задач фиксированного класса). Поэтому различные модели оказываются слабо связанными друг с другом и возникает важная задача теоретического осмысления и систематизации полученных результатов. Эта задача наиболее актуальна в эвристическом программировании - важнейшем направлении развития искусственного интеллекта.
Можно ли сделать машину "надкритической"? Этот вопрос поставил А. Тьюринг, рассматривая аргумент, согласно которому машина способна выполнять лишь то, что мы ей приказываем [19]. Допустимо сказать, отмечает А. Тьюринг, что человек "вставляет" в машину ту или иную идею и машина, прореагировав на нее некоторым образом, возвращается затем к состоянию покоя, подобно фортепианной струне, по которой ударил молоточек. Другое сравнение - атомный реактор, размеры которого не превышают критических. Идея, вводимая человеком в машину, соответствует здесь нейтрону, влетающему в реактор извне. Каждый такой
157
нейтрон вызывает некоторое возмущение, в конце концов замирающее. Но если величина реактора превосходит критические размеры, то весьма вероятно, что возмущение, вызванное влетевшим нейтроном, будет нарастать и приведет в конце концов к разрушению реактора. Справедливо ли это для человеческого разума и характерно ли нечто подобное для машины? А. Тьюринг полагает, что следует дать утвердительный ответ. Идея, ставшая достоянием такого "надкритического" ума, может породить целую "теорию", состоящую из вторичных, третичных и еще более отдаленных идей. Разумеется, эти аналогии весьма условны и, по признанию самого А. Тьюринга, их нужно считать аргументами скорее риторического характера. Существенно, однако, что машина, достигшая некоторой критической ступени сложности, приобретает качественно новые черты, такие как способность к самоорганизации, самообучению и самовоспроизведению.
Следовательно, проблема творческого мышления становится важнейшей проблемой создания искусственного интеллекта - междисциплинарного научного направления, объединяющего определенные аспекты кибернетики, бионики, математики, физиологии, психологии, философии и других наук. Одной из объективных трудностей, возникающих на пути к искусственному интеллекту, является разноуровневый характер исследований, проводимых в рамках этих наук, что подчас создает ситуации взаимного непонимания, например, между кибернетиками и психологами.
При сравнительной оценке интеллекта заслуживает внимания следующее определение: "Интеллект можно рассматривать как способность принимающего решения устройства достигать определенной степени успеха при поиске широкого многообразия целей в обширном диапазоне сред" [79]. Здесь интеллект определяется в терминах поведения стремящегося к цели существа, а степень интеллекта измеряется по адекватности принимаемых решений.
Достоинство такого подхода заключается в выделении универсальности и гибкости как существенных признаков интеллектуального поведения, так как, по определению, принимающее решения существо или устройство, которое может достигнуть цели только в конкретной среде, но не в других средах, не обнаруживает значительного интеллекта [80]. Заметим также, что важным
149
признаком интеллекта, согласно данному определению, является связь со средой. Разумного поведения можно ожидать только тогда, когда система имеет некоторую оптимальную модель среды. Разум будет ограничен, если модель слишком груба и не дает достаточного описания среды или если она неполным образом отражает взаимодействия между элементами среды. Интеллект присущ системам, которые обнаруживают целенаправленное поведение, обладают необходимой информационно-логической структурой, обеспечивающей продуктивное мышление.
Рассматриваемая дефиниция интеллекта охватывает наиболее сложные формы поведенческой деятельности: цель, принятие решения, предсказание. И это верно. Однако его недостаток, как полагает П. К. Анохин [81], состоит в том, что существенные и характерные для интеллекта факторы просто перечисляются, а не даются в той логической связи и последовательности, которая соединила бы их прочной нитью системного детерминизма. Иначе говоря, главным недостатком этих исследований является отсутствие универсальной модели, которая логически связала бы все этапы формирования интеллектуальных актов. Как известно, попытка создания такой модели реализована П. К. Анохиным в разработанной им концепции функциональной системы.
Функциональный подход плодотворен и в отношении к моделям человеческого мозга. Важное приложение этого подхода к моделированию мозга как самоорганизующейся системы дано Д. И. Дубровским. Он, в частности, пишет: "Во-первых, из категорического отрицания явлений сознания у современных вычислительных машин вовсе не следует, что это свойство не сможет быть воспроизведено у будущих искусственных устройств. Во-вторых, признавая правомерность функционального подхода к человеческой психике, мы тем самым обязаны признать и правомерность моделирования субъективных явлений" [82]. Что касается того часто выдвигаемого аргумента, что сознание присуще только общественному субъекту, то он не играет решающей роли, поскольку самоорганизующиеся системы с искусственным интеллектом явятся общественным продуктом и будут компонентами общества как самоорганизующейся системы более высокого ранга [83].
Интересуясь предельными теоретическими возможностями машин, нельзя не отметить ограниченности тех представлений, согласно которым машины по самой своей природе могут делать лишь то, что им прикажут, и будут делать это без каких-либо уклонений. В литературе прослеживается тенденция обходить этот вопрос, ссылаясь на то, что машины, в том числе и кибернетические, - это орудие в руках человека. Справедливы возражения [84], в которых обращается внимание на то, что создаваемые человеком орудия могут выходить из-под его контроля, - и чем сложнее эти орудия, тем пагубнее могут быть связанные с ними аварии [85].
150
Как видим, междисциплинарный характер кибернетического подхода вызывает определенные трудности при сопоставлении порождаемых им общенаучных понятий с традиционными категориями. Это объясняется известной специфичностью кибернетики как науки.
Кибернетизация науки и техники в значительной мере определяет характер и уровень общенаучного понятийного аппарата. Вновь возникающие общенаучные категории (подобно "искусственному интеллекту") отличаются, как правило, (математической) строгостью, так как современная наука вынуждает исследовать те области, в которых отказывает интуиция. В пограничных областях, на стыках различных дисциплин, нужны более тонкие и четкие идеи. Уточнение интуитивных, содержательных понятий ведется в плане формализации их содержания. Очевидно, что не все содержание такого рода понятий (нередко философских) подвергается уточнению в той или иной формализованной теории. Последнее обязывает различать понятие и его приложение к конкретному случаю. Логико-математическое уточнение качественных понятий нередко приводит к осмыслению того или иного понятия в новом значении, стимулирующем создание более широкой, обобщающей концептуальной модели. Это подчеркивает тот факт, что понятийное обобщение может приводить к обогащению и конкретизации понятия "благодаря полноте снятых в нем определений". Такое обобщение, однако, как мы убедились в отношении "искусственного интеллекта", предполагает структурирование понятия, выявление инвариантных характеристик, что сопряжено с включением его в конкретную научную теорию. Это также означает, что дефиниция и уточнение понятий осуществляется эффективнее всего в процессе решения той или иной научной проблемы.
Таким образом, кибернетические общенаучные понятия, даже не будучи философскими категориями, играют вполне определенную роль и в теоретическом решении проблем науки, и в адекватном осмыслении действительности. Этим и обусловливается их методологический статус.
ГЛАВА V
ТВОРЧЕСКИЙ ИНТЕЛЛЕКТ
1. Искусственный интеллект и творческое мышление
Вопрос о возможности создания искусственного интеллекта в настоящее время связан с проблемой воспроизведения на машине процессов творческого мышления. Творческая активность человеческого мышления нередко рассматривается в качестве уникального феномена, не воспроизводимого машиной. Так, А. В. Брушлинский пишет: "Если действительно любое мышление всегда продуктивное (творческое), то... неизбежен отрицательный ответ на столь волнующий многих вопрос: "Может ли машина мыслить?" [1] Ныне, однако, не подлежит сомнению тот факт, что машинное мышление продуктивно: машина способна порождать новое, создавать новую информацию. А творческое мышление как раз и характеризуется тем, что дает новые, неизвестные до этого результаты.
Вместе с тем высказывается мнение о том, что новизна продуктов мышления - необходимый, но недостаточный показатель творческого мышления. "Новые нетривиальные результаты, - отмечает В. С. Тюхтин, - могут быть получены путем машинной переработки информации согласно сложным по строению многошаговым алгоритмам, содержащим сотни и тысячи элементарных операций. Такие решения не являются творческими в строгом смысле слова. Творчество функция активных состояний высокоорганизованных систем" [2]. Возникает, таким образом, вопрос о новых дефинициях, позволяющих различать творческое и нетворческое мышление, об алгоритмической выразимости творческого мышления и вообще о принципах эвристического мышления и его осуществимости в машинных программах.
Разработка эвристических принципов и предписаний поведения проводится путем анализа и обобщения деятельности людей, в которой спонтанно реализуются логические и другие законы творческого мышления. Эффективность эвристического программирования достигается лишь тогда, когда логические операции творческого мышления человека, будучи алгоритмизированы, моделируются автоматами. Эвристический поиск представляет главную особенность искусственного интеллекта [3]. Эвристическая программа - это конечная последовательность предписаний в символическом выражении, однозначно описывающая операции по переработке информации некоторого эвристического опыта.
152
Широко распространено мнение о том, что творческое мышление является деятельностью, исключительное право на которую имеет лишь человек, и которая принципиально немоделируема автоматами. С такой точки зрения автомат никогда не сможет стать творчески деятельным. В этой связи правомерно поставить вопрос: есть ли принципиальные границы человеческого познания, которые препятствуют созданию программы, могущей моделировать определенные логические фазы творческого мышления автоматами? Гносеологические принципы диалектического материализма содержат в себе идею познаваемости мира. Познание как отражение объективной реальности, несмотря на ограниченность развития индивидуума и общества определенным состоянием, ведет ко все более полному знанию, приближающемуся к своей суверенности, к абсолютной истине. Будучи постоянно развивающимся процессом, познание в принципе безгранично. Отсюда нетрудно сделать принципиально позитивный вывод о моделировании творческих процессов автоматами [4]. Как справедливо заметил П. В. Копнин, "задача философа состоит не в том, чтобы ставить какие-то пределы развитию машин, а объяснять их действительное место в общественной жизни людей" [5].
Между нетворческими и творческими мыслительными процессами нередко проводится такое разграничение: нетворческое (схематичное) мышление выразимо с помощью алгоритма, в то время как творческое мышление - нет. Так как автомат совершает операции только с помощью алгоритма, а творческие процессы принципиально неалгоритмизируемы, моделирование их на вычислительной машине невозможно.
Однако благодаря эвристическому программированию, выявляющему элементарные информационные процессы, лежащие в основе сложных форм деятельности мозга, в универсальных кибернетических машинах удается воспроизводить способность человека к творческой деятельности, отличной от простых логических операций. По замечанию М. Минского, "мы должны быть готовы также к открытию эффективных путей эвристического программирования, которые не имитируют человеческого поведения" [6]. До возникновения современной эвристики в силу того, что физиологические исследования не охватывают сложных мозговых процессов, существовал разрыв между физиологией и психологией мышления. Эвристическое программирование помогает преодолению этих трудностей; оно способствует созданию материалистической теории и экспериментальных методов, позволяющих выявлять системы принципов переработки информации в головном мозге человека и идти в направлении создания целостной теории нервно-психических познавательных процессов.
Важное значение приобретает изучение процедур организации элементарных информационных процессов в программе различных уровней, поскольку живая природа представляется иерархически структурированной. Характерно, что при статистическом типе образования высшего яруса взаимная заменяемость объектов низ
153
шего яруса получается сама собой, а это сильно повышает надежность функционирования рассматриваемых систем. Таким образом открываются возможности для перехода от случайного выявления отдельных принципов (например, принципа проб и ошибок перебора вариантов) к более полному описанию сложных функций мозга.
Эвристическое программирование нередко противопоставляется алгоритмическому описанию [7]. При этом утверждается, что эвристики эффективны в тех случаях, когда невозможно алгоритмическое решение проблемы. В настоящее время существует широкий класс систем, для которых процесс управления алгоритмически описан. Теория алгоритмов - в ее кибернетическом аспекте - обычно определяется как дисциплина, в которой исследуются однозначно детерминированные процедуры преобразования дискретной информации в системах управления в отвлечении от материального носителя информации и границ реальных возможностей физического механизма, реализующего это преобразование. К границам реальных возможностей, от которых теория алгоритмов, понимаемая таким образом, абстрагируется в своем анализе, относятся также "продолжительность жизни" механизма во времени и пространстве и его надежность. Имеются, однако, такие системы, в которых процесс управления не описывается алгоритмически. То или иное регулирующее воздействие, нормализующее управляемый объект и приводящее в соответствие с программой его динамические характеристики, должно вырабатываться регулятором специально для данного случая.
Тем не менее противопоставление эвристического программирования алгоритмическому решению проблем не оправдано. Согласно действующему в науке принципу соответствия, понятие алгоритма как однозначно детерминированного преобразования было обобщено и распространено на класс вероятностных процессов. В. М. Глушков [8] предложил понятие алгоритма, допускающее вероятностные варианты перехода. С точки зрения такого определения алгоритма и разрабатываемой на этой основе теории алгоритмов, вполне законна задача алгоритмического описания эвристических форм работы мозга. Трудности этой задачи определяются тем, что в основе эвристических форм работы лежат алгоритмы, о которых человек обычно не может дать словесного отчета. В качестве примера "бескомпьютерной кибернетизации" инженерного творчества Ф. П. Тарасенко [9] приводит известный АРИЗ - алгоритм изобретений Г. С. Альтшулера, представляющий собой систему эвристик из изобретательской практики.
Таким образом, эвристическое программирование как сравнительно новая область кибернетики, изучающая высшие функции человеческого мозга с целью воссоздания последних в тех или иных искусственных системах, пользуется методами, которые реализуются на основе учета динамических и вероятностно-статистических законов в их диалектической связи. Метод эвристического
154
изучения функционирования мозга свидетельствует о том, что по мере углубления в сущность биологических и психических процессов на некоторых уровнях организации, в частности на уровне информационных отношений, мы сталкиваемся с "особым" типом причинных отношений - со статистической закономерностью и необходимостью нового понимания роли случайности.
Эвристический подход к явлениям действительности, отличающимся сложностью и неопределенностью, есть в сущности качественный скачок в логике научного исследования. Он, в частности, демонстрирует способность человеческого разума к самопознанию; этот процесс в то же время выступает как процесс познания объективных законов природы, знание которых необходимо человеку в практическом преобразовании действительности. Кибернетика решает проблему передачи некоторых функций человека машинам в процессе научного решения тех или иных задач, и подобная постановка вопроса вряд ли может вызвать возражения. Данная проблема, однако, предполагает формализацию самого процесса научного исследования. Развитие науки свидетельствует о том, что потребности в формализации обгоняют изучение содержания того или иного процесса, ибо познание, будучи нацеленным с самого начала на удовлетворение практических нужд человека, создает образы предметов, не существующих в природе, но "долженствующих" быть. Эвристическое программирование при составлении программы подходит к проблеме логики научного исследования в рамках кибернетики. В решении этой проблемы должны объединиться философия, кибернетика, логика, физиология и психология. Как справедливо заметил Э. Хант, "если бывает трудно понять различные достижения искусственного интеллекта, то не потому, что требуются специальные знания в какой-нибудь одной из областей исследований, а потому, что необходимы некоторые познания во многих областях" [10].
Эвристическое программирование[11] возникло вследствие недостаточности и ограниченности приложения современных математических методов к биологическим и психическим явлениям. Современный математический подход, несмотря на его все возрастающую роль, не свободен от недостатков. Интересно отметить, что методы теории вероятностей и математической статистики, как наиболее эффективные в прикладной математике, обнаруживают свою ограниченность уже в решении проблемы надежности. Сейчас разрабатываются элементы радиоэлектронной аппаратуры, надежность которых характеризуется интенсивностью отказов порядка 10(-11 степени)-10(12 степени) 1/ч. Проверить столь высокую надежность, требуемую от современной аппаратуры и ее элементов, практически невозможно. В связи с этим ставится под сомнение правомерность и целесообразность использования в ряде случаев вероятностных критериев, дающих "интегральную" количественную оценку надежности и оставляющих в тени истинные причины отказов. Вероятностно-статистический анализ не позволяет полу
155
чить внутренню характеристику той или иной задачи. "Слабости современных ЭВМ при решении многих задач управления большими системами, подчеркивают Д. А. Поспелов и В. Н. Пушкин, - связаны отнюдь не только с устройством самих автоматов. Своими корнями слабости эти уходят весьма далеко - в глубь принципов и оснований самой математики. Поэтому дальнейшее движение вперед в деле разработки автоматов, воссоздающих высшие формы человеческой деятельности, предполагает фундаментальные открытия в математике" [12].
Симптоматично, что методы исследования живых систем приобретают ярко выраженный кибернетико-физико-химико-биологический характер. Это фундаментальное для исследования жизни обстоятельство обусловливает все большее возрастание роли содержательного подхода в собственно кибернетических формализованных приемах. Развитие кибернетических исследований свидетельствует о том, что движение знаний происходит от функциональности к структурности. Кибернетическое моделирование в результате такого диалектического движения познания становится частично структурным по своему характеру, в определенной мере перерастает в собственно структурно-субстратное исследование объекта. Эвристическое программирование, опираясь на методы, которые реализуются на основе учета динамических и вероятностно-статистических законов в их диалектико-материалистическом описании причинности, как раз и выступает выражением этой тенденции в кибернетических исследованиях.
Необычность и новизна идей, возникающих в данной области познания, вызывают подчас непонимание и поспешную критику проблематики искусственного интеллекта и связанных с ней эвристических подходов, принципов и понятий. Так, Н. И. Жуков констатирует: "Попытки создать общую теорию эвристического программирования и на ее базе объяснить мозговую деятельность представляются необоснованными. За пределами технической и математической кибернетики эта терминология имеет вполне ощутимый привкус механицизма... метод эвристического программирования теоретически несостоятелен для решения проблемы воссоздания мышления в его качестве искусственным путем. Крушением этих попыток завершился еще один акт драмы идей XX в." [13] В литературе отмечался поверхностный и в принципе неверный подход к философским проблемам искусственного интеллекта, приводящий к такого рода негативным оценкам эвристического программирования [14].
Еще в самом начале становления кибернетики А. Тьюринг писал: "Я убежден, что к концу нашего века употребление слов и мнения, разделяемые большинством образованных людей, изменятся настолько, что можно будет говорить о мыслящих машинах, не боясь, что тебя поймут неправильно. Более того, я считаю вредным скрывать такие убеждения" [15]. Особенность ведущихся ныне дискуссий по данной проблеме заключается в том,
156
что их философская заостренность существенно обогащается знанием фактических достижений во всех разделах кибернетической науки. Да и сам характер проблем (получивших название глобальных) отличается "уникальностью", которая задается новым уровнем сложности. Последний стал предметом изучения в социальных системах, обладающих многогранными внутренними связями. До недавнего времени не было иных путей вхождения в сферу сложных систем, кроме раздумий, дискуссий, споров и догадок. Однако благодаря достижениям кибернетики стал возможным метод, объединяющий в себе силу человеческого мышления и способности вычислительных машин. Важно иметь в виду, что ключ к успеху не столько в обладании вычислительной машиной, сколько в уровне ее использования. Машина - это не альтернатива мышлению человека, а способ расширения его возможностей.
Сущность и функции автомата как машины состоят не в том, чтобы сравняться с человеком, а в том, чтобы быть вспомогательным средством в выполнении определенной деятельности, стать помощником человека. Речь может идти лишь о создании автоматов, которые в качестве вспомогательных средств моделировали бы некоторые стороны, логические "механизмы" творческого мышления и тем самым способствовали дальнейшему развитию человека. Необходимо также учитывать, что творческое мышление имеет не статическую, а диалектическую природу: оно развивается от низших форм к высшим [16]. Творческий автомат призван освободить человека от низших форм творческого мышления для перехода к высшим.
Дж. Слэйгл высказал мнение о том, что эвристические программы будут управлять роботами и помогать нам в общении с машиной на естественном языке [17]. Как отмечают Н. М. Амосов и А. М. Касаткин [18], в рамках эвристического программирования разрабатываются модели деятельности человека в строго определенных ситуациях (например, деятельность по решению логических задач фиксированного класса). Поэтому различные модели оказываются слабо связанными друг с другом и возникает важная задача теоретического осмысления и систематизации полученных результатов. Эта задача наиболее актуальна в эвристическом программировании - важнейшем направлении развития искусственного интеллекта.
Можно ли сделать машину "надкритической"? Этот вопрос поставил А. Тьюринг, рассматривая аргумент, согласно которому машина способна выполнять лишь то, что мы ей приказываем [19]. Допустимо сказать, отмечает А. Тьюринг, что человек "вставляет" в машину ту или иную идею и машина, прореагировав на нее некоторым образом, возвращается затем к состоянию покоя, подобно фортепианной струне, по которой ударил молоточек. Другое сравнение - атомный реактор, размеры которого не превышают критических. Идея, вводимая человеком в машину, соответствует здесь нейтрону, влетающему в реактор извне. Каждый такой
157
нейтрон вызывает некоторое возмущение, в конце концов замирающее. Но если величина реактора превосходит критические размеры, то весьма вероятно, что возмущение, вызванное влетевшим нейтроном, будет нарастать и приведет в конце концов к разрушению реактора. Справедливо ли это для человеческого разума и характерно ли нечто подобное для машины? А. Тьюринг полагает, что следует дать утвердительный ответ. Идея, ставшая достоянием такого "надкритического" ума, может породить целую "теорию", состоящую из вторичных, третичных и еще более отдаленных идей. Разумеется, эти аналогии весьма условны и, по признанию самого А. Тьюринга, их нужно считать аргументами скорее риторического характера. Существенно, однако, что машина, достигшая некоторой критической ступени сложности, приобретает качественно новые черты, такие как способность к самоорганизации, самообучению и самовоспроизведению.
Следовательно, проблема творческого мышления становится важнейшей проблемой создания искусственного интеллекта - междисциплинарного научного направления, объединяющего определенные аспекты кибернетики, бионики, математики, физиологии, психологии, философии и других наук. Одной из объективных трудностей, возникающих на пути к искусственному интеллекту, является разноуровневый характер исследований, проводимых в рамках этих наук, что подчас создает ситуации взаимного непонимания, например, между кибернетиками и психологами.