Страница:
Содержанием целеполагания является информационный процесс. Информация в данном случае унифицирует структуру целеполагания. Благодаря информационному принципу, главным образом, стала возможна столь расширительная (по крайней мере в логическом плане) трактовка проблемы цели. Именно на этой основе были разработаны разрешающие проблему телеологии основополагающие принципы кибернетики - управления и организации.
Применительно к системам, способным к прогрессивному развитию, важны еще два фактора: соотнесенность внутренних и внешних целей и время. Можно утверждать, что логика поведения внешней среды "снимается" во внутренней структуре целеполагания системы, что находит выражение в известном принципе
167
саморазвития: не среда управляет системой, а система управляет средой. Структура целеполагания, таким образом, становится автономной, в известном смысле независимой от среды. Такого рода жесткость, выделенность целенаправленных механизмов позволяет приблизиться к постановке вопроса о "релятивистских эффектах" времени в объективных процессах самоорганизации. Само течение времени, как известно, стремится дезорганизовать, элиминировать внутреннюю логику целеполагания системы. Однако целенаправленность систем, обладающих ярко выраженной активностью поведения с позиций не только задач выживания, но и прогрессивной эволюции, способна создавать свой, автономный, ритм протекания процесса. Эта автономность самосовершающихся процессов тесно связана с природой времени, равносильна, в известном смысле, его замедлению [46]. В конечном счете даже существование самоорганизующихся систем с их механизмами целеполагания зависит от определенных космологических предпосылок и объяснимо лишь в их свете [47].
Это общее (и далеко не полное) описание структуры целеполагания может быть конкретизировано применительно к различным типам поведения и развития, имеющим место в живой природе. Так, формализация процесса целеполагания делает возможным уточнение дискуссионного вопроса о целенаправленности эволюции живого, о степени детерминированности этого процесса. Она также дает возможность (благодаря введению некоторых общенаучных "трансспецифичных" - понятий типа кодирования, надежности и тому подобных) преодолеть альтернативу физического и телеологического описания, что особенно важно в плане создания теории перехода от простого к сложному. Проблема целеполагания в такой теории играет существенную роль, так как позволяет применить системные оценки к собственно системным явлениям [48].
Структурный аспект проблемы цели дает возможность также непосредственно соотнести целеполагание с другим компонентом управления - прогнозированием. Целеполагание и прогнозирование в оптимально организованных системах не существуют отдельно друг от друга; они взаимодействуют посредством контуров обратной связи. Прогностическая информация, накладывая вето на неэффективные процессы, выполняет корректирующую функцию по отношению к процессу целеполагания; целевое управление, в свою очередь, определяет направленность и характер прогноза. Стратегия опережения, таким образом, обосновывает стратегию управления. Структура целеполагания в известном смысле соответствует (оказывается симметричной) структуре прогнозирования; прогнозы позволяют в конечном итоге выявить последовательность операций по принятию решений. Главная функция прогноза - эвристическая (особенно в случаях невозможности прямой экстраполяции), связанная с тем или иным уровнем понимания соответствующих процессов. Эвристичность прогнозирования заключается также в том, что прогноз начинается с постановки проблемы.
168
Неизбежным при этом становится познание взаимосвязей цели и потребности, цели и средства, цели и результата и т. п. На этой основе возникает проблема отношений субъекта и объекта, ибо целеполагание (в социальном плане) выступает как форма объективирования человека во внешнем мире, причем наблюдается закономерность, согласно которой каждый значительный шаг в научном проникновении в глубь вещей представляет процесс десубъективизации познания [49].
Способы познания целеполагающей деятельности субъекта определяются природой той организации, которая задает и формирует поведение субъекта; структура цели связана с организацией поведения. Последняя включает в себя как "жесткие", социально контролируемые, так и спонтанные, неконтролируемые (на данном уровне) параметры. Автономия человека зависит, в частности, от обратной связи: каждый человек управляет собой с некоторой точки зрения, общепринятой в данной группе. В этом аспекте системный монизм с его концепцией цели заслуживает существенной модификации. Будучи важным средством научного познания структур целеполагания и прогнозирования как информационных процессов, этот принцип дополняется содержательной трактовкой, если речь идет не о собственно логическом и кибернетическом аспектах проблемы цели, а о реальных, отличающихся индивидуальностью, уникальных процессах человеческой природы.
Таким образом, проблема цели в современном понимании содержит, по крайней мере, два взаимосвязанных аспекта: онтологический и логико-кибернетический; их выделение и соотнесение с предметными областями науки становятся неизбежными. Оба этих аспекта нельзя не учитывать в методологических разработках, идущих в плане создания теории перехода от простого к сложному. Эвристическую роль в этом отношении выполняют понятия "внутренняя цель", "целеполагание", "прогнозирование", структурное рассмотрение которых позволяет выявить определенные возможности формализованного (модельного) представления биологических, технических и некоторых социальных явлений.
Системно-кибернетический анализ процессов целеполагания вскрывает методологическую основу построения и развития целесообразных и целенаправленных систем с элементами целеполагания, в частности у систем искусственного разума. Хотя в общем плане ясно, что определение целей системы во всех случаях остается делом человека [50], необходимо в то же время иметь в виду, что кибернетическая машина - это не жестко детерминированная система, следующая программе без каких-либо отклонений. Машине так же, как и человеку, свойственно ошибаться. Кроме того, надо различать уровни целеполагания по степени их сложности [51]. Простое целеполагание не нуждается в машинном участии, тогда как целеполагание относительно трудных (глобальных) за
169
дач предполагает компьютерное обеспечение, связанное с расчетом, оптимизацией и вообще значительной логической глубиной. "Трудно представить себе, - пишет М. Минский, - как можно решать задачи, не задумываясь над целями. Действительная трудность, связанная с телеологическими определениями, носит технический, а не философский характер: она возникает тогда, когда телеологические определения приходится использовать, а не тогда, когда о них упоминается" [52].
Рассматривая концепцию "узких мест" во взаимодействии человека и машины, Г. Л. Смолян отмечает тенденцию "смещения понятия "узкого места" от человека к машине" [53]. Видимо, такой подход в общем и целом не может вызвать возражений. Однако по определенным критериям, в частности по интеллектуальным параметрам, он представляется небесспорным. Искусственный интеллект, как известно, усиливает интеллект человека, а усиливать может, надо полагать, лишь более сильный интеллект [54]. Концепция взаимодействия человека и машины не дает достаточных оснований для превращения систем искусственного интеллекта в простое средство достижения человеческих целей. Последние машина (как "телеогенная" система) также способна усиливать, обеспечивая их не только материально, но и интеллектуально. Основанием для такого рассмотрения служит, в частности, способность систем искусственного интеллекта к обучению с учетом собственного опыта [55].
3. Обучение мышлению и самообучающиеся автоматы
Интеллект предполагает способность к обучению В условиях информационного насыщения интеллектуальной сферы период обучения распространяется на всю жизнь человека. Ощущается необходимость в повышении эффективности процесса обучения, что приводит к новому подходу к проблеме обучения. Оно все более предстает как процесс информационный и кибернетический, поддающийся оптимизации и автоматизации. Возникает проблема дальнейшего развития теории педагогики, построения современной количественной педагогической теории, допускающей точное прогнозирование.
Кибернетическое направление педагогики включает в себя представление о педагогическом процессе как об управляемом процессе, рассмотрение системы "педагог-учащиеся" с позиций общей теории управления, обучения как процесса переработки информации, учащегося как преобразователя информации [56]. Основу развития педагогической теории на новом этапе составляет системный подход к расмотрению явлений воспитания и образования [57]. Само понятие обучения в этом плане становится системным. В современных теориях обучение выступает как особый вид поведения, что позволяет наполнить это понятие кибернетическим содержанием.
170
Обычно под обучением понимается процесс, в рамках которого учитель преподносит ученику некоторую информацию, подлежащую усвоению, а ученик реагирует на нее соответствующим образом, что позволяет учителю определить следующую дозу информации. Процесс обучения можно рассматривать как отношение связи и управления между компонентами некоторой системы. Сейчас, когда все острее проявляется несоответствие между возможностями традиционных методов обучения и возрастающим потоком научно-технической информации, реализация идей кибернетики, которая подходит к обучению как к процессу связи и управления, оказывается эффективным средством решения проблемы обучения, и прежде всего проблемы надежности в обучении [58]. Использование обучающих машин, выдающих ученику информацию и управляющих его поведением в последовательности взаимодействий, определяемой обучающей программой, делает такой подход вполне реальным. Обучение в этом случае становится функционированием системы "человек-машина", состоящей из учеников, программы и обучающей машины. Параметры оптимизации этой системы определяются эмпирически - путем изучения ошибок обучающихся, отклонений их поведения от критериев, выработанных учителем.
Кибернетическое направление педагогики впервые поставило проблему постепенного вытеснения в разумных пределах педагога из непосредственного общения с учащимися и замещения его функций опосредованным общением через машинное информационно-логическое устройство. Машина заменяет живого учителя, который обычно осуществляет обучение. Разумеется, это касается только собственно процесса ведения обучения, а не деятельности, связанной с его планированием [59]. Тем не менее это изменяет характер труда педагога и остро ставит вопрос о творческой деятельности и индивидуальном подходе к личности в ходе воспитания [60].
Таким образом, обучающая машина представляется принципиально новым элементом образования. Она выступает как инструмент для объективного исследования проблем в этой области Она предназначается не для замены и устранения учителя, а скорее для помощи в осуществлении его идей и указаний и повышает их эффективность. Машина берет на себя часть утомительной черновой работы, учитель же, по-прежнему сохраняя ответственность за планирование всего процесса обучения, не тратит время на "натаскивание", проверку заданий и т.д. Машина позволит учителю лучше определять и учитывать индивидуальные потребности его учеников. Ученик же из пассивного приемника информации превращается в активного участника процесса обучения, причем его постоянный контакт с учителем обеспечивается машиной [61].
171
Обучающая машина - устройство, предназначенное для реализации обучающих программ - выполняет следующие функции: предъявляет обучаемому порции учебного материала, контрольные задания, вопросы; требует, чтобы обучаемый ответил на предъявленные вопросы, выполнил задания и ввел ответ в машину; сообщает обучаемому, правильно ли он ответил, а в ряде случаев указывает и тип допущенной ошибки; обеспечивает индивидуальную работу в удобном для обучаемого (либо в контролируемом) темпе, а зачастую - и ту или иную степень адаптации к индивидуальным особенностям обучаемого [62]. Особого внимания заслуживает свойство адаптивности обучающей машины. Адаптивными называют такие обучающие машины, которые на основе обработки последовательности ответов обучаемого могут изменять способы изложения учебного материала с сохранением качества обучения при произвольных внешних и внутренних условиях обучения. По имеющимся данным, применение адаптивных обучающих машин сократит время обучения в среднем на 30% при сохранении качества обучения, достигаемого по разветвленной обучающей программе [63]. Адаптивная обучающая машина выбирает вариант обучающей программы, дающий возможность оптимизировать процесс обучения.
Внедрение в обучение достаточно гибких и эффективных способов управления познавательной деятельностью обучаемых в последние годы идет по пути использования ЭВМ в качестве обучающей машины. Это способствует не только высокой степени адаптации к каждому обучаемому, но и обучению методам решения сложных задач. Вычислительная машина обеспечивает такое управление, при котором обучаемый от исходной ситуации может двигаться различными путями, причем одни из них неверные, а другие - верные. Возможности ЭВМ особенно ярко раскрываются в тех случаях, когда вычислительная машина является не только средством обучения, но и объектом изучения [64].
Использование вычислительных машин в качестве обучающих машин позволяет решить задачу комплексной автоматизации учебного процесса. Вместе с тем, как отмечает Л. И. Ноткин, "сам факт возможности выполнения некоторого класса интеллектуальных операций машиной не может еще служить полноценным критерием для включения или невключения этого класса операций в программу обучения человека. Несомненно также и то, что творческое и рутинное представлено в мышлении человека нераздельно. Поэтому распределение функций между человеком и ЭВМ не следует понимать как прямую "экстериоризацию" нетворческих компонентов мышления человека" [65].
Обучающая машина уже в силу того, что она должна быть адаптивной, необходимо приводит к идее обучающейся машины. Ее свойства описывает Ст. Бир [66] на примере обучающейся машины Паска. Последняя рассматривает ученика как "черный ящик". Она может управлять входами и измерять выходы, но не прини
172
мает во внимание характера внутренних связей ученика. Она просто манипулирует входами на основе вероятностных характеристик, которые она сама обнаруживает. Машина также есть "черный ящик". Ее входы (реакции ученика) влияют на ее выходы. Система, включающая ученика и машину, представляет собой один из видов гомеостата, так как один "черный ящик" постоянно предлагает новые состояния другому, изменяя свое поведение под влиянием реакций партнера. Вся система стремится к устойчивому состоянию, критериями которого являются быстрота и точность работы. Более того, состояние равновесия будет ультраустойчивым, ибо эта система обладает способностью находить устойчивое состояние, подстраиваясь при непредвиденных возмущениях, поступающих из окружающей среды. Наконец, система Паска, включающая обучающуюся и обучающую машины, наглядно иллюстрирует само понятие кибернетического управления. Система постепенно приходит в уравновешенное состояние, хотя к ней не прикладывают резких и радикальных воздействий, в ней не фигурируют категорические приказы и наказания. Мы наблюдаем только эволюцию - развитие к зрелости. Следовательно, отличительная особенность таких машин - способность к обучению и приспособлению к окружающей среде [67].
Решение проблемы эффективного обучения людей приводит к необходимости создания самообучающейся кибернетической системы с элементами самоорганизации. Нередко этот вопрос освещается следующим образом: "Кибернетические системы способны к обучению (с "учителем"), но элементы активности при этом остаются за "учителем", то есть человеком, а на долю устройства остается выполнение лишь алгоритмических предписаний. К самообучению и самоадаптации современные технические системы, строго говоря, не способны, не будучи самоорганизующимися системами" [68]. Такой акцент на техническую сторону проблемы не выражает, однако, сути дела.
В рамках технической кибернетики самоорганизующиеся системы включаются в более широкий класс адаптивных систем. Адаптивными называют системы, в которых способ (алгоритм) функционирования управляющего устройства автоматически изменяется целенаправленным образом для осуществления успешного или в каком-либо смысле наилучшего управления объектом. Характеристики последнего или воздействия внешней среды могут изменяться заранее непредвиденным образом. Благодаря успехам кибернетического моделирования созданы простейшие модели самоорганизующихся систем. Так, гомеостат Эшби представляет собой систему, цель деятельности которой предопределена, но поведение, при помощи которого эта цель достигается, не фиксировано. Важным этапом на пути к созданию более совершенных устройств являются самонастраивающиеся автоматы (типа автопилота). Задача последних приспосабливаться к варьированию свойств среды, изменяя свою структуру, и стремиться выйти на
173
оптимальный режим работы. Принцип самонастройки отличается от принципа самоорганизации тем, что на его основе изменяются лишь некоторые параметры алгоритма управления, в то время как самоорганизация связана с изменением структуры самого алгоритма.
Необходимо выяснить смысл таких понятий, как "адаптация", "обучение" и "самообучение", так как они включаются в "самоорганизацию", образуя ее необходимую основу. Вышеперечисленные понятия наиболее модны в теории автоматического управления. Поскольку эти термины, как правило, не имеют однозначного толкования, мода на них нередко превышает функцию, что выражается в фантастических рассуждениях, встречающихся подчас в популярной литературе по кибернетике. Научная интерпретация этих понятий может быть достигнута при обеспечении двух условий: наличия содержательных понятий адаптации, обучения и самообучения и создания математического аппарата, адекватного этим понятиям. Обсуждение указанных понятий на содержательном уровне правомерно с единой точки зрения. В этом плане заслуживает внимания подход Я. 3. Цыпкина [69]. Под обучением понимается процесс выработки в системе той или иной реакции на внешние сигналы путем многократных воздействий и внешней корректировки. Предполагается, что система потенциально способна к обучению. Внешняя корректировка, то есть "поощрение" или "наказание", осуществляется "учителем", которому известна желаемая реакция на определенные внешние воздействия. "Учитель" сообщает системе дополнительную информацию о том, верна или не верна ее реакция.
Самообучение отличается отсутствием внешней корректировки; это обучение без поощрения или наказания. Дополнительная информация о верности реакции системе не сообщается. Адаптацией называется процесс изменения параметров и структуры системы, а возможно и управляющих воздействий на основе текущей информации с целью достижения определенного, обычно оптимального состояния системы при начальной неопределенности и изменяющихся условиях работы. Наиболее характерная черта адаптации - накопление и немедленное использование текущей информации для устранения неопределенности, вызванной недостаточной априорной информацией с целью оптимизации избранного показателя качества.
Что же касается второго условия интерпретации данных понятий - создания адекватной математической теории, то выполнить его труднее. Но такой математический аппарат (хотя и в зародышевой форме) существует. Он содержится, с одной стороны, в сформировавшейся к настоящему времени математической статистике, а с другой - в интенсивно развивающейся новой дисциплине, известной под названием математического программирования.
174
Как видим, понятие самоорганизации уточняется в терминах даптации (оптимизации), обучения и самообучения, в частности, в теории математического программирования.
Наряду с понятием самоорганизации в теории автоматов пользуются понятиями самоизменения и самосовершенствования. Важно определить их субординацию. В первом приближении понятия самоорганизации и самосовершенствования отождествляются. Основное содержание и того, и другого - самообучение. Так, В. М. Глушков пишет: "Автомат естественно называть самосовершенствующимся, или самообучающимся, если по мере удлинения истории обучения он улучшает свои ответы" [70]. Различают самосовершенствование, заранее предопределенное конструктором автомата, и самопроизвольное самосовершенствование, детерминированное фактически имевшей место историей обучения и потому не планируемое заранее. Очевидно, лишь второй тип самосовершенствования заслуживает такого названия.
Понятие самоорганизации, тем не менее, является более общим, чем понятие самосовершенствования. Это вытекает из интерпретации, предложенной У. Р. Эшби, относительно любой кибернетической (самоорганизующейся) системы [71]. Применительно к обучающимся автоматам при самосовершенствовании должно улучшаться качество ответов. При самоорганизации качество ответов может вовсе не определяться; необходимо лишь, чтобы автомат по мере обучения увеличивал в среднем их определенность. Что касается понятия самоизменения, то оно оказывается еще более широким. Автомат называют самоизменяющимся, если он меняет с течением времени ответы на задаваемые ему вопросы. Ясно, что не всякое самоизменение следует отождествлять с самоорганизацией. Опираясь на интуитивное представление о самоорганизации, естественно называть самоорганизующимся автомат, который улучшает организацию своих ответов при улучшении организации возможных его историй обучения.
Итак, понятие самоорганизации, обобщенное в случае кибернетической системы, оказывается более общим, чем понятие самосовершенствования, и менее общим, чем понятие самоизменения. Самоорганизация, будучи кибернетической категорией, не ограничивается техническим уровнем. Особый интерес представляет рассмотрение самоорганизующихся систем в живой природе и в обществе. Самоорганизация - это тот механизм, который лежит в основе эволюции биологических форм и определяет ряд важных закономерностей развития экономических и социальных систем. Механизм самоорганизации, что нетрудно заметить, является необходимым условием эффективного функционирования систем обучения.
Доминирующее значение в этом плане имеет концепция совершенствования внутренней модели внешнего мира, общая для всех обучающихся систем и выражающая факт обучения машин в зависимости от ситуаций внешней среды [72]. Сбор, обработка и запоминание информации в процессе создания моделей окружения
175
представляют собой одну из основных и простых форм обучения. К. Штейнбух относит к обучающимся автоматам такие автоматы, функционирование которых улучшается в желаемом направлении [73] на основе информации о внешнем мире. Система обладает способностью к моделированию, если она, прежде чем совершить какое-либо действие, направленное во вне, определяет с помощью заключенной в ней модели внешнего мира предполагаемые его реакции на различные ее действия и совершает только действия, вызывающие желаемую реакцию. Обучение системы заключается в том, что она в соответствии с прежними успехами или неудачами улучшает внутреннюю модель внешнего мира.
Взаимодействие между внешним миром и обучающейся системой соответствует тому, что обычно называют методом проб и ошибок. Здесь имеется определенное сходство с мутацией и естественным отбором в биологии. Ошибаясь, система накапливает опыт. Успешность обучения зависит, таким образом, от степени сложности внешней среды, от ее устойчивости или изменчивости. Так как под обучением понимается улучшение поведения на основе информации о внешнем мире, то поведение внешнего мира существенно влияет на процесс обучения. Последний предусматривает, по крайней мере частично, постоянство функционирования внешнего мира [74]. Вместе с тем продолжительность обучения системы (пока поведение ее не станет оптимальным), естественно, сильно зависит от объема сообщенных ей сведений о внешнем мире.
Применительно к системам, способным к прогрессивному развитию, важны еще два фактора: соотнесенность внутренних и внешних целей и время. Можно утверждать, что логика поведения внешней среды "снимается" во внутренней структуре целеполагания системы, что находит выражение в известном принципе
167
саморазвития: не среда управляет системой, а система управляет средой. Структура целеполагания, таким образом, становится автономной, в известном смысле независимой от среды. Такого рода жесткость, выделенность целенаправленных механизмов позволяет приблизиться к постановке вопроса о "релятивистских эффектах" времени в объективных процессах самоорганизации. Само течение времени, как известно, стремится дезорганизовать, элиминировать внутреннюю логику целеполагания системы. Однако целенаправленность систем, обладающих ярко выраженной активностью поведения с позиций не только задач выживания, но и прогрессивной эволюции, способна создавать свой, автономный, ритм протекания процесса. Эта автономность самосовершающихся процессов тесно связана с природой времени, равносильна, в известном смысле, его замедлению [46]. В конечном счете даже существование самоорганизующихся систем с их механизмами целеполагания зависит от определенных космологических предпосылок и объяснимо лишь в их свете [47].
Это общее (и далеко не полное) описание структуры целеполагания может быть конкретизировано применительно к различным типам поведения и развития, имеющим место в живой природе. Так, формализация процесса целеполагания делает возможным уточнение дискуссионного вопроса о целенаправленности эволюции живого, о степени детерминированности этого процесса. Она также дает возможность (благодаря введению некоторых общенаучных "трансспецифичных" - понятий типа кодирования, надежности и тому подобных) преодолеть альтернативу физического и телеологического описания, что особенно важно в плане создания теории перехода от простого к сложному. Проблема целеполагания в такой теории играет существенную роль, так как позволяет применить системные оценки к собственно системным явлениям [48].
Структурный аспект проблемы цели дает возможность также непосредственно соотнести целеполагание с другим компонентом управления - прогнозированием. Целеполагание и прогнозирование в оптимально организованных системах не существуют отдельно друг от друга; они взаимодействуют посредством контуров обратной связи. Прогностическая информация, накладывая вето на неэффективные процессы, выполняет корректирующую функцию по отношению к процессу целеполагания; целевое управление, в свою очередь, определяет направленность и характер прогноза. Стратегия опережения, таким образом, обосновывает стратегию управления. Структура целеполагания в известном смысле соответствует (оказывается симметричной) структуре прогнозирования; прогнозы позволяют в конечном итоге выявить последовательность операций по принятию решений. Главная функция прогноза - эвристическая (особенно в случаях невозможности прямой экстраполяции), связанная с тем или иным уровнем понимания соответствующих процессов. Эвристичность прогнозирования заключается также в том, что прогноз начинается с постановки проблемы.
168
Неизбежным при этом становится познание взаимосвязей цели и потребности, цели и средства, цели и результата и т. п. На этой основе возникает проблема отношений субъекта и объекта, ибо целеполагание (в социальном плане) выступает как форма объективирования человека во внешнем мире, причем наблюдается закономерность, согласно которой каждый значительный шаг в научном проникновении в глубь вещей представляет процесс десубъективизации познания [49].
Способы познания целеполагающей деятельности субъекта определяются природой той организации, которая задает и формирует поведение субъекта; структура цели связана с организацией поведения. Последняя включает в себя как "жесткие", социально контролируемые, так и спонтанные, неконтролируемые (на данном уровне) параметры. Автономия человека зависит, в частности, от обратной связи: каждый человек управляет собой с некоторой точки зрения, общепринятой в данной группе. В этом аспекте системный монизм с его концепцией цели заслуживает существенной модификации. Будучи важным средством научного познания структур целеполагания и прогнозирования как информационных процессов, этот принцип дополняется содержательной трактовкой, если речь идет не о собственно логическом и кибернетическом аспектах проблемы цели, а о реальных, отличающихся индивидуальностью, уникальных процессах человеческой природы.
Таким образом, проблема цели в современном понимании содержит, по крайней мере, два взаимосвязанных аспекта: онтологический и логико-кибернетический; их выделение и соотнесение с предметными областями науки становятся неизбежными. Оба этих аспекта нельзя не учитывать в методологических разработках, идущих в плане создания теории перехода от простого к сложному. Эвристическую роль в этом отношении выполняют понятия "внутренняя цель", "целеполагание", "прогнозирование", структурное рассмотрение которых позволяет выявить определенные возможности формализованного (модельного) представления биологических, технических и некоторых социальных явлений.
Системно-кибернетический анализ процессов целеполагания вскрывает методологическую основу построения и развития целесообразных и целенаправленных систем с элементами целеполагания, в частности у систем искусственного разума. Хотя в общем плане ясно, что определение целей системы во всех случаях остается делом человека [50], необходимо в то же время иметь в виду, что кибернетическая машина - это не жестко детерминированная система, следующая программе без каких-либо отклонений. Машине так же, как и человеку, свойственно ошибаться. Кроме того, надо различать уровни целеполагания по степени их сложности [51]. Простое целеполагание не нуждается в машинном участии, тогда как целеполагание относительно трудных (глобальных) за
169
дач предполагает компьютерное обеспечение, связанное с расчетом, оптимизацией и вообще значительной логической глубиной. "Трудно представить себе, - пишет М. Минский, - как можно решать задачи, не задумываясь над целями. Действительная трудность, связанная с телеологическими определениями, носит технический, а не философский характер: она возникает тогда, когда телеологические определения приходится использовать, а не тогда, когда о них упоминается" [52].
Рассматривая концепцию "узких мест" во взаимодействии человека и машины, Г. Л. Смолян отмечает тенденцию "смещения понятия "узкого места" от человека к машине" [53]. Видимо, такой подход в общем и целом не может вызвать возражений. Однако по определенным критериям, в частности по интеллектуальным параметрам, он представляется небесспорным. Искусственный интеллект, как известно, усиливает интеллект человека, а усиливать может, надо полагать, лишь более сильный интеллект [54]. Концепция взаимодействия человека и машины не дает достаточных оснований для превращения систем искусственного интеллекта в простое средство достижения человеческих целей. Последние машина (как "телеогенная" система) также способна усиливать, обеспечивая их не только материально, но и интеллектуально. Основанием для такого рассмотрения служит, в частности, способность систем искусственного интеллекта к обучению с учетом собственного опыта [55].
3. Обучение мышлению и самообучающиеся автоматы
Интеллект предполагает способность к обучению В условиях информационного насыщения интеллектуальной сферы период обучения распространяется на всю жизнь человека. Ощущается необходимость в повышении эффективности процесса обучения, что приводит к новому подходу к проблеме обучения. Оно все более предстает как процесс информационный и кибернетический, поддающийся оптимизации и автоматизации. Возникает проблема дальнейшего развития теории педагогики, построения современной количественной педагогической теории, допускающей точное прогнозирование.
Кибернетическое направление педагогики включает в себя представление о педагогическом процессе как об управляемом процессе, рассмотрение системы "педагог-учащиеся" с позиций общей теории управления, обучения как процесса переработки информации, учащегося как преобразователя информации [56]. Основу развития педагогической теории на новом этапе составляет системный подход к расмотрению явлений воспитания и образования [57]. Само понятие обучения в этом плане становится системным. В современных теориях обучение выступает как особый вид поведения, что позволяет наполнить это понятие кибернетическим содержанием.
170
Обычно под обучением понимается процесс, в рамках которого учитель преподносит ученику некоторую информацию, подлежащую усвоению, а ученик реагирует на нее соответствующим образом, что позволяет учителю определить следующую дозу информации. Процесс обучения можно рассматривать как отношение связи и управления между компонентами некоторой системы. Сейчас, когда все острее проявляется несоответствие между возможностями традиционных методов обучения и возрастающим потоком научно-технической информации, реализация идей кибернетики, которая подходит к обучению как к процессу связи и управления, оказывается эффективным средством решения проблемы обучения, и прежде всего проблемы надежности в обучении [58]. Использование обучающих машин, выдающих ученику информацию и управляющих его поведением в последовательности взаимодействий, определяемой обучающей программой, делает такой подход вполне реальным. Обучение в этом случае становится функционированием системы "человек-машина", состоящей из учеников, программы и обучающей машины. Параметры оптимизации этой системы определяются эмпирически - путем изучения ошибок обучающихся, отклонений их поведения от критериев, выработанных учителем.
Кибернетическое направление педагогики впервые поставило проблему постепенного вытеснения в разумных пределах педагога из непосредственного общения с учащимися и замещения его функций опосредованным общением через машинное информационно-логическое устройство. Машина заменяет живого учителя, который обычно осуществляет обучение. Разумеется, это касается только собственно процесса ведения обучения, а не деятельности, связанной с его планированием [59]. Тем не менее это изменяет характер труда педагога и остро ставит вопрос о творческой деятельности и индивидуальном подходе к личности в ходе воспитания [60].
Таким образом, обучающая машина представляется принципиально новым элементом образования. Она выступает как инструмент для объективного исследования проблем в этой области Она предназначается не для замены и устранения учителя, а скорее для помощи в осуществлении его идей и указаний и повышает их эффективность. Машина берет на себя часть утомительной черновой работы, учитель же, по-прежнему сохраняя ответственность за планирование всего процесса обучения, не тратит время на "натаскивание", проверку заданий и т.д. Машина позволит учителю лучше определять и учитывать индивидуальные потребности его учеников. Ученик же из пассивного приемника информации превращается в активного участника процесса обучения, причем его постоянный контакт с учителем обеспечивается машиной [61].
171
Обучающая машина - устройство, предназначенное для реализации обучающих программ - выполняет следующие функции: предъявляет обучаемому порции учебного материала, контрольные задания, вопросы; требует, чтобы обучаемый ответил на предъявленные вопросы, выполнил задания и ввел ответ в машину; сообщает обучаемому, правильно ли он ответил, а в ряде случаев указывает и тип допущенной ошибки; обеспечивает индивидуальную работу в удобном для обучаемого (либо в контролируемом) темпе, а зачастую - и ту или иную степень адаптации к индивидуальным особенностям обучаемого [62]. Особого внимания заслуживает свойство адаптивности обучающей машины. Адаптивными называют такие обучающие машины, которые на основе обработки последовательности ответов обучаемого могут изменять способы изложения учебного материала с сохранением качества обучения при произвольных внешних и внутренних условиях обучения. По имеющимся данным, применение адаптивных обучающих машин сократит время обучения в среднем на 30% при сохранении качества обучения, достигаемого по разветвленной обучающей программе [63]. Адаптивная обучающая машина выбирает вариант обучающей программы, дающий возможность оптимизировать процесс обучения.
Внедрение в обучение достаточно гибких и эффективных способов управления познавательной деятельностью обучаемых в последние годы идет по пути использования ЭВМ в качестве обучающей машины. Это способствует не только высокой степени адаптации к каждому обучаемому, но и обучению методам решения сложных задач. Вычислительная машина обеспечивает такое управление, при котором обучаемый от исходной ситуации может двигаться различными путями, причем одни из них неверные, а другие - верные. Возможности ЭВМ особенно ярко раскрываются в тех случаях, когда вычислительная машина является не только средством обучения, но и объектом изучения [64].
Использование вычислительных машин в качестве обучающих машин позволяет решить задачу комплексной автоматизации учебного процесса. Вместе с тем, как отмечает Л. И. Ноткин, "сам факт возможности выполнения некоторого класса интеллектуальных операций машиной не может еще служить полноценным критерием для включения или невключения этого класса операций в программу обучения человека. Несомненно также и то, что творческое и рутинное представлено в мышлении человека нераздельно. Поэтому распределение функций между человеком и ЭВМ не следует понимать как прямую "экстериоризацию" нетворческих компонентов мышления человека" [65].
Обучающая машина уже в силу того, что она должна быть адаптивной, необходимо приводит к идее обучающейся машины. Ее свойства описывает Ст. Бир [66] на примере обучающейся машины Паска. Последняя рассматривает ученика как "черный ящик". Она может управлять входами и измерять выходы, но не прини
172
мает во внимание характера внутренних связей ученика. Она просто манипулирует входами на основе вероятностных характеристик, которые она сама обнаруживает. Машина также есть "черный ящик". Ее входы (реакции ученика) влияют на ее выходы. Система, включающая ученика и машину, представляет собой один из видов гомеостата, так как один "черный ящик" постоянно предлагает новые состояния другому, изменяя свое поведение под влиянием реакций партнера. Вся система стремится к устойчивому состоянию, критериями которого являются быстрота и точность работы. Более того, состояние равновесия будет ультраустойчивым, ибо эта система обладает способностью находить устойчивое состояние, подстраиваясь при непредвиденных возмущениях, поступающих из окружающей среды. Наконец, система Паска, включающая обучающуюся и обучающую машины, наглядно иллюстрирует само понятие кибернетического управления. Система постепенно приходит в уравновешенное состояние, хотя к ней не прикладывают резких и радикальных воздействий, в ней не фигурируют категорические приказы и наказания. Мы наблюдаем только эволюцию - развитие к зрелости. Следовательно, отличительная особенность таких машин - способность к обучению и приспособлению к окружающей среде [67].
Решение проблемы эффективного обучения людей приводит к необходимости создания самообучающейся кибернетической системы с элементами самоорганизации. Нередко этот вопрос освещается следующим образом: "Кибернетические системы способны к обучению (с "учителем"), но элементы активности при этом остаются за "учителем", то есть человеком, а на долю устройства остается выполнение лишь алгоритмических предписаний. К самообучению и самоадаптации современные технические системы, строго говоря, не способны, не будучи самоорганизующимися системами" [68]. Такой акцент на техническую сторону проблемы не выражает, однако, сути дела.
В рамках технической кибернетики самоорганизующиеся системы включаются в более широкий класс адаптивных систем. Адаптивными называют системы, в которых способ (алгоритм) функционирования управляющего устройства автоматически изменяется целенаправленным образом для осуществления успешного или в каком-либо смысле наилучшего управления объектом. Характеристики последнего или воздействия внешней среды могут изменяться заранее непредвиденным образом. Благодаря успехам кибернетического моделирования созданы простейшие модели самоорганизующихся систем. Так, гомеостат Эшби представляет собой систему, цель деятельности которой предопределена, но поведение, при помощи которого эта цель достигается, не фиксировано. Важным этапом на пути к созданию более совершенных устройств являются самонастраивающиеся автоматы (типа автопилота). Задача последних приспосабливаться к варьированию свойств среды, изменяя свою структуру, и стремиться выйти на
173
оптимальный режим работы. Принцип самонастройки отличается от принципа самоорганизации тем, что на его основе изменяются лишь некоторые параметры алгоритма управления, в то время как самоорганизация связана с изменением структуры самого алгоритма.
Необходимо выяснить смысл таких понятий, как "адаптация", "обучение" и "самообучение", так как они включаются в "самоорганизацию", образуя ее необходимую основу. Вышеперечисленные понятия наиболее модны в теории автоматического управления. Поскольку эти термины, как правило, не имеют однозначного толкования, мода на них нередко превышает функцию, что выражается в фантастических рассуждениях, встречающихся подчас в популярной литературе по кибернетике. Научная интерпретация этих понятий может быть достигнута при обеспечении двух условий: наличия содержательных понятий адаптации, обучения и самообучения и создания математического аппарата, адекватного этим понятиям. Обсуждение указанных понятий на содержательном уровне правомерно с единой точки зрения. В этом плане заслуживает внимания подход Я. 3. Цыпкина [69]. Под обучением понимается процесс выработки в системе той или иной реакции на внешние сигналы путем многократных воздействий и внешней корректировки. Предполагается, что система потенциально способна к обучению. Внешняя корректировка, то есть "поощрение" или "наказание", осуществляется "учителем", которому известна желаемая реакция на определенные внешние воздействия. "Учитель" сообщает системе дополнительную информацию о том, верна или не верна ее реакция.
Самообучение отличается отсутствием внешней корректировки; это обучение без поощрения или наказания. Дополнительная информация о верности реакции системе не сообщается. Адаптацией называется процесс изменения параметров и структуры системы, а возможно и управляющих воздействий на основе текущей информации с целью достижения определенного, обычно оптимального состояния системы при начальной неопределенности и изменяющихся условиях работы. Наиболее характерная черта адаптации - накопление и немедленное использование текущей информации для устранения неопределенности, вызванной недостаточной априорной информацией с целью оптимизации избранного показателя качества.
Что же касается второго условия интерпретации данных понятий - создания адекватной математической теории, то выполнить его труднее. Но такой математический аппарат (хотя и в зародышевой форме) существует. Он содержится, с одной стороны, в сформировавшейся к настоящему времени математической статистике, а с другой - в интенсивно развивающейся новой дисциплине, известной под названием математического программирования.
174
Как видим, понятие самоорганизации уточняется в терминах даптации (оптимизации), обучения и самообучения, в частности, в теории математического программирования.
Наряду с понятием самоорганизации в теории автоматов пользуются понятиями самоизменения и самосовершенствования. Важно определить их субординацию. В первом приближении понятия самоорганизации и самосовершенствования отождествляются. Основное содержание и того, и другого - самообучение. Так, В. М. Глушков пишет: "Автомат естественно называть самосовершенствующимся, или самообучающимся, если по мере удлинения истории обучения он улучшает свои ответы" [70]. Различают самосовершенствование, заранее предопределенное конструктором автомата, и самопроизвольное самосовершенствование, детерминированное фактически имевшей место историей обучения и потому не планируемое заранее. Очевидно, лишь второй тип самосовершенствования заслуживает такого названия.
Понятие самоорганизации, тем не менее, является более общим, чем понятие самосовершенствования. Это вытекает из интерпретации, предложенной У. Р. Эшби, относительно любой кибернетической (самоорганизующейся) системы [71]. Применительно к обучающимся автоматам при самосовершенствовании должно улучшаться качество ответов. При самоорганизации качество ответов может вовсе не определяться; необходимо лишь, чтобы автомат по мере обучения увеличивал в среднем их определенность. Что касается понятия самоизменения, то оно оказывается еще более широким. Автомат называют самоизменяющимся, если он меняет с течением времени ответы на задаваемые ему вопросы. Ясно, что не всякое самоизменение следует отождествлять с самоорганизацией. Опираясь на интуитивное представление о самоорганизации, естественно называть самоорганизующимся автомат, который улучшает организацию своих ответов при улучшении организации возможных его историй обучения.
Итак, понятие самоорганизации, обобщенное в случае кибернетической системы, оказывается более общим, чем понятие самосовершенствования, и менее общим, чем понятие самоизменения. Самоорганизация, будучи кибернетической категорией, не ограничивается техническим уровнем. Особый интерес представляет рассмотрение самоорганизующихся систем в живой природе и в обществе. Самоорганизация - это тот механизм, который лежит в основе эволюции биологических форм и определяет ряд важных закономерностей развития экономических и социальных систем. Механизм самоорганизации, что нетрудно заметить, является необходимым условием эффективного функционирования систем обучения.
Доминирующее значение в этом плане имеет концепция совершенствования внутренней модели внешнего мира, общая для всех обучающихся систем и выражающая факт обучения машин в зависимости от ситуаций внешней среды [72]. Сбор, обработка и запоминание информации в процессе создания моделей окружения
175
представляют собой одну из основных и простых форм обучения. К. Штейнбух относит к обучающимся автоматам такие автоматы, функционирование которых улучшается в желаемом направлении [73] на основе информации о внешнем мире. Система обладает способностью к моделированию, если она, прежде чем совершить какое-либо действие, направленное во вне, определяет с помощью заключенной в ней модели внешнего мира предполагаемые его реакции на различные ее действия и совершает только действия, вызывающие желаемую реакцию. Обучение системы заключается в том, что она в соответствии с прежними успехами или неудачами улучшает внутреннюю модель внешнего мира.
Взаимодействие между внешним миром и обучающейся системой соответствует тому, что обычно называют методом проб и ошибок. Здесь имеется определенное сходство с мутацией и естественным отбором в биологии. Ошибаясь, система накапливает опыт. Успешность обучения зависит, таким образом, от степени сложности внешней среды, от ее устойчивости или изменчивости. Так как под обучением понимается улучшение поведения на основе информации о внешнем мире, то поведение внешнего мира существенно влияет на процесс обучения. Последний предусматривает, по крайней мере частично, постоянство функционирования внешнего мира [74]. Вместе с тем продолжительность обучения системы (пока поведение ее не станет оптимальным), естественно, сильно зависит от объема сообщенных ей сведений о внешнем мире.