Часть14.

82.Гилетические данные {hyletic data) - от греч. "вещество", "материал", "материн". (Стр. 206.)

83. В перевод цитируемых слов М. Минского, как он фигурирует в

указываемом источнике, внесены существенные изменения. (Стр. 208.)

84. Логическая ошибка поп sequitur (лат.) - "не следует' заключается

в том, что некоторое суждение, логически не вытекающее из данных суж­

дений (посылок), тем не менее принимается в качестве их следствия,

(Стр. 211.)

85.Wunderbare (нем.) - чудесная, удивительная (способность) . (Стр.

212.)

86.С лингво-информационным аспектом этой работы читатель может

ознакомиться по книге Т. Винограда "Программа, понимающая естественный язык" (М., 1976; оригинал вышел в 1972г.), О значении этой работы М, Минский говорил на Первой советско-американской конференции по проблеме связи с внеземными цивилизациями, состоявшейся в

295

сентябре 1971 г. в Бюрэкане (Армения) (см. Проблема СЕЛ (Связь с внеземными цивилизациями), М., "Мир", 1975) . (Стр. 215.)

87.Негативная оценка автором перспектив роботостроения не может не

вызвать возражений. Реальным ее опровержением является уже советский луноход. Разработки в области роботостроения идут в нарастающем темпе, хотя, разумеется, никто из специалистов, занятых в данной области, не ставит перед собой задачи "замены" человека автоматом, (Стр. 216.)

88.Психологическая теория Ж. Пиаже достаточно далека от гештальт-

психологии. Концепция "системности" операций интеллекта, разработанная швейцарским психология, в определенном отношении ближе к "общей теории систем" (Л, Берталэнфи) и некоторым современным кибернетическим идеями, чем к психологии "гештальта". (См. ЪА. Г. Я р о ш е вс к и й. Психология в XX столетии. Теоретические проблемы развития психологической науки. М., Политиздат, 1971, с. 237 и ел.). [Стр. 218.)

89.Это касается поздней фазы развития философских взглядов

Витгенштейна. (Стр. 231.)

90.См. также: Вычислительные машины и мышление, с. 302 и ел.

(Стр. 232.)

91.Функцией полезности называется функция, отражающая предпочтение одних альтернатив перед другими в некоторой ситуации,- предпочте­

ние, которым руководствуется лицо, принимающее решение, в своем стремлении максимизировать положительный эффект собственного поведения. Характер функции полезности (принимающей значении из некоторого числового множества) существенно зависит от логических свойств рассматриваемого отношения предпочтения и от способа оценки ("взвешивания") альтернатив. (Стр. 241.)

92.Не ясно, что хочет сказать автор в этой и следующей фразе. По-видимому, он имеет в виду, то любые два объекта обладают некоторым набором общих свойств, а различение объектов означает выделение свойств ("более важных признаков"), которые присущи одному из них, но не присущи другому. (Стр.242.)

93. Оригинал: W, R.Reitman. Cognition and Thought. An Information-

Processing Approach. New York - London - Sydney, J, Wily and sons,

(Стр. 245.)

94.Это, разумеется, не относится к диапектико-материалистической

"философской и психологической традиции". В советской психологии и социологии в полной мере учитывается значение потребностей - физиологически-мзтериальных, итеплектуальных и особенно социально-нравственных - как регуляторов поведения. (Стр. 246.)

95.Согласно психологической теории Ж, Пиаже, процесс формирования

интеллекта -от первых реакций младенца до развитого мышления взрослого - необходимо проходит четыре качественно различных с т а д и и, из которых завершающая является стадией "формальных операций", то есть стадией овладения формальной логикой и навыками дедуктивно-гипотетического мышления, (Стр.264.)

96.Работа Б. Паскаля "О духе геометрии" (De I'esprit geometrique) и

тематически связанная с ней работа "Об искусстве убеждения" (De I 'art

de persuader) посвящены характеристике математического мышления и

формулировке некоторых важных принципов формальной логики <см, В. Р a s с a I. Oeuvres, vol. IX. Paris, 1914). Ниже, используя аналогию с паскалевым "духом геометрии", автор называет выделяемую им сферу IV разумного поведения обителью espfit de finesse - "духа проницательности". (Стр. 266.)

97.Из отечественных работ, в которых проводится различение форм

интеллектуальной деятельности - формализованной (формализуемой),

эвристической и творческой, - можно назвать коллективный труд "Управление, информация, интеллект", на с. 316-317 которого читатель может

296найти предложенное 3. Л. Рабиновичем схематическое представление соотношения упомянутых проявлений человеческого разума. (Сто 269) 98. Интересная идея разработки системы автоматической дедукции для математики, предполагающая такое взаимодействие людей-пользователей с вычислительно-информационным комплексом, которое приводит к обогащению дедуктивно-выразительных возможностей системы, предложена В.М. Глушковым (см. В. М. Г л у ш к о в, Ю.В. Капитонова. Автоматизация поиска доказательств теорем математических теорий и интеллектуальные машины,- "Кибернетика", Киев, 1972, № 5; Ф.В.Ануфриев, З.М.Асельдеров. Алгоритм очевидности,' - Там же" "Управление, информация, интеллект", параграф "Новый подход к автоматизации дедуктивных построений. Алгоритм очевидности”.) . (Стр. 277.)

99. Теория решеток (lattice theory), или теория структур, - теория

алгебраических систем определенного вида, частным случаем которых

является булева алгебра. (Стр.277.)

100. Автор имеет в виду взгляды П. Армерэ, согласно которым "мышление - это континуум, /т-мерный континуум" (П.Армер. О возможностях кибернетических систем. В кн.: М.Таубе. Вычислительные машины и здравый смысл. Миф о думающих машинах. М., "Прогресс",

1964); градации возможностей мышления (рассматриваемого в различных

"измерениях") располагаются не на прерывной, а на непрерывной шкале

для развития машин в этом "континууме", по Арм-ру, не существует априорных ограничений. (Стр. 278.

ЧТО ЖЕ МОГУТ ВЫЧИСЛИТЕЛЬНЫЕ МАШИНЫ?

ВМЕСТО ПОСЛЕСЛОВИЯ*

Ничто кардинально новое не входит спокойно в науку и практику. Буря - вот что обычно сопровождает появление идей и решений, ломающих сложившиеся представления. Кибернетика - яркий тому пример.

Этому комплексу методов и теорий, пронизанному

В гуще споров идеями управления, информации и моделирования

и спаянному лозунгом математической точности,

для реализации которого привлекаются средства автоматики, на протяжении всей его еще очень короткой истории сопутствуют острые дискуссии. Их главное содержание - вопрос о соотношении возможностей машины (автоматического устройства, вычислительной сети, системы для переработки информации и т. п.) и человека, обладающего психикой, сознанием и самосознанием. Вопрос этот перерастает в проблему осуществимости кибернетического "воспроизведения" интеллекта - частичного или "полного", то есть в проблему возможности "искусственного кибернетического разума".

Проблема эта мало кого может оставить равнодушным, так как неотделима от вопроса о познании человеком самого себя, вопроса, как магнит притягивавшего пытливую мысль на протяжении веков. Именно этот последний вопрос прежде всего стоит за современными исследованиями природы живого. Именно он во многом дал - и продолжает давать - импульс экспериментальной и теоретической психологии. И он же придает волнующую актуальность изучению человеческой психики и поведения на новом для науки пути - на пути теоретико-кибернетического и вычислительно-информационного моделирования человеческих феноменов восприятия, мышления, решения задач, прогнозирования и творчества. Ибо впервые в истории сферы разума на нашей планете - ноосферы - открылась возможность передачи машинам ряда таких форм интеллектуальной деятельности, которые до недавнего времени считались исключительной прерогативой человека.

Вопрос о перспективах искусственных кибернетических систем - и прежде всего соответствующим образом запрограммированных универсальных цифровых вычислительных машин - в реализации форм поведения, которые в каком-либо смысле можно признать "разумными", вот уже 30 лет стоит на "повестке дня" философско-кибернетических обсуждений. Спорящие стороны с разных позиций пытаются внести ясность в проблему возможности либо невозможности наличия принципиальных разли-

Автор выражает признательность коллегам, любезно предоставившим в его распоряжение некоторые свои материалы либо оказавшим помощь своими консультациями: М. В. Арапову, М. М- Ботвиннику, В* Л. Добла-еву, И, Б. Новику, Ю. В- Орфееву, Га Н. Повэрову, Де А. Поспелову, В. Л. Стефанюку, С, М. Шевенко и Ю. А. Шрейдеру. Он благодарит также О Н. Кессиди, чье квалифицированное редакционное вмешательство содействовало существенному улучшению данной статьи.

298чий между "машинно-вычислительным миром" и человеческим сознанием. Дискуссии проходят на разных уровнях научной квалификации и философской культуры их участников. Нередко они не столько проясняют, сколько затемняют суть дела. Но при всем том в них возможно усмотреть два противоположных подхода. Один из них можно назвать подходом с позиции "кибернетического оптимизма". Этой позиции подчас придерживаются некоторые специалисты по математическому обеспечению вычислительных систем, занятые программированием "интеллектуальных" (то есть не специфических математико-вычислительных) задач. Их противники - обычно представители "традиционных" областей знания, в особенности гуманитарного. "Кибернетические оптимисты" увлечены широкими горизонтами, открывающимися перед приложениями вычислительной техники. Их оппоненты, признавая значение и растущие перспективы внедрения автоматизации в область интеллектуального труда, подчеркивают, однако, что эти успехи не распространяются на человеческое творчество. Специфически человеческие процессы созидания новых научных и культурных ценностей, по их мнению, не могут быть переданы машине. Коль скоро это так, парируют этот довод "оптимисты", придется допустить, что человек наделен чем-то, не поддающимся объяснению, по крайней мере в той форме, которая принята в "точном" естествознании. В ответ следует возражение, что естественнонаучные критерии не совсем адекватны задачам изучения человеческой психики и социальных процессов...

Своеобразие интеллектуальной атмосферы, в которой происходит эта дискуссия, состоит в том, что защита человеческого суверенитета от "неумеренных претензий" кибернетиков создает, как ни парадоксально, благоприятную почву для провозглашения огромных (или даже неограниченных) возможностей "искусственного разума"- Дело в том, что специалисты, работающие в различных областях кибернетики, строят свои рассуждения в соответствии со схемами, принятыми в "классической" науке; опираясь на реальный прогресс в области вычислительной математики и автоматики, владея навыками формализации, они, как правило, четко формулируют свои установки и результаты, чего нельзя сказать об их оппонентах, нередко апеллирующих к непосредственно данному личности внутреннему миру. Но характерно, что в пылу полемики как "гуманитарии-пессимисты", так и "кибернетики-оптимисты" обращаются к сфере психического, в частности к той ее части, которая находится за порогом сознаний. Первые, к примеру, утверждают, что психика - как в ее осознанной, так и подсознательной форме - отсутствует у вычислительных машин. Вторые, со своей стороны, настаивают на том, что в мозгу человека происходят скрытые "информационные процессы", подобные процессам вычисления, реализуемым на ЭЦВМ.

Но и среди кибернетиков нет единства. Их взгляды варьируют, е частности, в зависимости от того, е какой мере привлекаются психологические данные. Кроме того, на аргументации "оптимистов" нередко лежит печать философского непрофессионализма. На Западе импонирующая самолюбию человека мысль о великих возможностях созданной обществом науки, способной сконструировать мощный искусственный интеллект без кавычек, была подхвачена многими философами неопозитивистской ориентации. Противники этой "оптимистической" доктрины изображались занимающими "страусову позицию" (выражение А.Тьюринга) перед лицом грядущей опасности пришествия роботов либо просто обвинялись в некомпетентности. Преобладание таких крайних взглядов привело к тому, что е научной литературе США и Западной Европы было мало квалифицированных работ, авторы которых старались бы трезво осмыслить возможности и пределы нового научного направления. Монография X. Дрейфуса является в этом отношении исключением.

299Философские аспекты моделирования на ЭЦВМ

Х. Дрейфус как критик процессов познания и создания систем "искус-искусственного разума ственного интеллекта" Хьюберт Дрейфус, являвшийся s период выхода данной книги профессором университета в Беркли (шт, Калифорния), разрабатывал с середины 60-х годов. Первоначальный краткий вариант данной книги составило исследование, выполненное им в период работы в качестве консультанта известной американской фирмы RAND. Первые критические выступления Дрейфуса не встретили понимания среди западных кибернетиков - по выражению А. Эттингера, написавшего предисловие к книге X, Дрейфуса (не вошедшее в данное издание), на него тогда "просто орали". Но когда книга Дрейфуса вышла в свет, она не могла не обратить на себя внимание. Ибо в лице ее автора специалисты по "искусственному интеллекту" нашли такого критика, который ведет дискуссию на их собственном языке и владеет необходимым фактическим материалом. В зарубежной литературе появился ряд статей, авторы которых полемизировали с Дрейфусом, Дискуссия вокруг его взглядов развернулась, впрочем, еще до захода в свет данной книги - в 19/1 г. на конференции в Университете графства Кент (Англия), те оппонентом Х- Дрейфуса выступил Н. Сатерленд (см, труды конференции: Philosophy of Psychology, ed. S. С. Brown, London and Basingstoke Macmillan, 1974, p. 247 ff). После появления книги в спор вступили С. Ватанабе и И. Уилке (S. W a t a n a b e. Some thoughts on Dreyfus, "Critique of Artificial ReasorTr.-IEEE Trans, on System Man, and Cybernetics. January 1975P p. 141-145; .1. W i I k s. Dreyfus's disproofs,- "British J. for the Philos, of Sci."F, vol. 27, No 2,1976, p. 177-185). Как справедливо отмечает А. Эттингер, вопросы, касающиеся возможностей и пределов "искусственного разума", "заслуживают серьезного открыто-го обсуждения. Они слишком связаны с естественными науками, чтобы предоставить их решение философам, и слишком философские по своему характеру, чтобы оставить их на усмотрение представителей естественных и точных наук" (A, G. О е 11 i n g e г Preface,-In: H. L. D г е у f и s. What Computers can't do, 1972, p, XI),

В нашей стране уже имеется солидная философско-кибернетическая литература, в которой обсуждаются, в частности, и проблемы, поднятые в книге американского автора (примером может служить коллективная монография "Управление, информация, интеллект" под ред. А. И, Берга и др., М., "Мысль", 1976) . Тем не менее для советского читателя целесообразно ознакомление с данной книгой, так как аргументы Дрейфуса залуживают того, чтобы их учли и специалисты в области вычислительных систем и их математического обеспечения, и психологи, использующие кибернетическое моделирование как метод изучения психики и поведения человека, и философы, осмысляющие познавательно-практический вклад нового направления б науке и технике, В книге Дрейфуса представлено развернутое изложение определенной линии в методолого-кибернетических исследованиях на Западе, а именно, линии скептического отношения к перспективам созданий систем, "интеллект" которых существенно приближался бы к логико-творческим способностям человеческого разума. Материал книги может содействовать углублению понимания "кибернетической

составляющей" научного прогресса, и скепсис автора, пропущенный через надежный методологический "фильтр", способен сыграть позитивную роль.

Еще в 50-х годах в кибернетике выделились

«Искусственный четыре родственных области. Это были: алгорит-

интеллект» как мизация "стратегических" игр типа шахмат; про-

исследовательская граммирование невычиспительных задач и логи-

сфера ческой дедукции в применении прежде всего к

математическому материалу; разработки в области автоматического распознавания образов и исследования, направлен-

300ные на создание машинных программ перевода с одного естественного языка на другой. Достаточно быстро обнаружилась глубокая общность задач этих областей. Выяснилось, что методы, разработанные в одной из них, могут быть применены в других, а также то, что их можно распространить и на иные сферы, например на проблематику машинного сочинения музыкальных композиций или автоматический диагноз заболеваний. Постепенно совокупность подобных исследований (достаточно единая по характеру своей проблематики) стала восприниматься как самостоятельное научное направление, и за ним все больше стало закрепляться название "искусственный интеллект".

С момента появления первых работ, которые можно отнести к направлению "искусственного интеллекта" (или просто к "искусственному интеллекту"), прошло гри десятилетия. За это время выявились две главные цели, которые преследуют соответствующие исследования. Одна из них - моделирование на цифровой машине некоторых существенных черт интеллектуального (разумного) поведения. Другая - использование ЭВМ для решения сложных проблем, овладение которыми до сих пор было под силу только человеку. Различие этих двух целей относительно (многие кибернетические разработки подчинены обеим целям одновременно) и отражает лишь разные акценты. В одном случае акцент ставится на использовании в кибернетических целях эмпирического материала нейрофизиологии и психологии, s другом - на разработке эффективных методов решения "интеллектуальных" проблем независимо от того, в какой степени эти методы используются человеком (и используются ли вообще) . Однако в обоих случаях соответствующие кибернетические исследования тесно связаны с психологией, поскольку поведенческий аспект интеллектуальной деятельности человека, учитываемый в большинстве работ по "искусственному интеллекту", близок или непосредственно заимствован из соответствующих психологических концепций. Работы многих специалистов США и Западной Европы в области "искусственного интеллекта" тесно связаны с теоретической установкой на объективное изучение поведения (известно, например, что Н. Винер придавал большое значение работам И.П. Павлова). В то же время исследования таких крупных американских психологов, как Дж. Миллер, К. Прибрам и У- Ниссер, выполненные за последние десяти-ле'ия, несут на себе явное влияние идей и методов "искусственного интеллекта". Советские психологи (А. А. Ератко, В. Н. Пушкин, О, К.Тихомиров и др.), так же как и специалисты других социалистических стран (Ф, Клике - ГДР, И. Лингарт - ЧССР), стоящие на диалектико-материалистических позициях, в своих исследованиях достаточно широко привлекают идеи и методы кибернетики.

Взаимодействие "искусственного интеллекта" и психологии способствует теоретическому и экспериментальному исследованию познавательной деятельности, стимулирует разработку новых психолого-кибернетических теоретических "моделей" интеллекта.

Эта истина как нельзя более подходит для харэк-

Крайности - вредны теристики исходных установок книги Дрейфуса.

Отпразной точкой рассуждений автора являются

прогнозы, сделанные в середине 50-х годов некоторыми американскими учеными, относительно быстрого - в пределах до двадцати лет - прогресса в разработках "искусственного интеллекта". Подводя итоги исследований десяти лет (1957-1967 гг.), автор пытается ответить на вопрос, "действительно ли машины могут достичь хотя бы элементов творчества, играя в шахматы, разрешая простые проблемные ситуации, читая простые предложения и распознавая образы" (с 23) . Подразделив исследования, проводившиеся в его стране, на два этапа, которые обозначаются в книге как моделирование процесса познания" и "переработка семантической информации" ("искусственный интеллект" в собственном смысле), и подвергнув их критическому анализу, Дрейфус приходит к заключению, что получен-

301ные результаты опровергают оптимистические настроения исследователей. По его мнению, развитие этих работ идет по одной и той же схеме: удачное начало при моделировании простых форм переработки информации и неудачи при попытках исследователей вложить в машину более сложные формы поведения. Создавшееся в данной области положение Дрейфус склонен характеризовать как "крушение радужных надежд", "застой", "тупик"- как ситуацию, окутанную неким "интеллектуальным смогом".

Такого рода оценки, рассматриваемые в применении к направлению е целом (а не к отдельным работам и программам, слабости которых верно подмечены Дрейфусом), искажают действительную перспективу развития. Сегодня мы можем сказать, что, вопреки заключениям автора, исследования в данной области не только не пошли на убыль, но неуклонно расширяются и набирают темп. Крайности, как известно, не способствуют уяснению подлинного положения вещей.

Дрейфус оперирует материалами работ

Следующее 1957 - 1967 гг. (лишь фрагментарно привлекая

десятилетие отдельные результаты конца шестого десятилетия

нашего века). Как же развивались работы по

"искусственному интеллекту" в период 1968-1977 годов? Не говоря уже о прогрессе электронной вычислительной техники и ее применений в самых различных областях экономики и культуры - а прогресс этот был колоссальным,- в развитии поисковых работ мы должны констатировать углубление исследований, появление интересных идей и решений, новых подходов, разработку более мощных машинных программ, О некоторых из этих результатов мы упомянем в последующем изложении. Здесь же обрисуем, так сказать, внешнюю сторону исследований десятилетия 1968-1977 гг., имея в виду не только американскую науку (материалами которой оперирует Дрейфус), но и работы советских ученых (которые остались вне поля зрения автора).

Перечислим для начала некоторые труды этих лет, которые в своей совокупности отнюдь не подтверждают тезиса автора о "застое" исследований в области "искусственного интеллекта"» Мы заранее просим читателя запастись терпением, так как список будет довольно обширным, но, с нашей точки зрения, ознакомление с ним небесполезно для тех, кто решит проследить прогресс, наблюдающийся и в создании автоматов, моделирующих "опыт" человеческой переработки информации, и в разработке систем, решающих сложные задачи способом, отличным от методов решения их человеком.

Прежде всего укажем переведенные на русский язык зарубежные исследования: сборники работ "Кибернетические проблемы бионики", вып. I, M., "Мир", 1971, вып. II, М., "Мир", 1972; З.Бэнерджи. Теория решения задач. Подход к созданию искусственного интеллекта. М., "Мир",(оригинал опубликован б 1969 г.); Н. Н и л ь с о н. Искусственный

интеллект. Методы поиска решений, М., "Мир", 1973 (оригинал вышел в1973 г.); Дж. С л э й гл. Искусственный интеллект- Подход на основе

эвристического программирования, М„ "Мир", 1973 (оригинал 1971 г.);

сборники статей "Интегральные роботы" [вып."|], М., "Мир", 1973,

вып.2 , М., "Мир", 1975; Т. Виноград. Программа, понимающая

естественные язык, М., "Мир", 1976 (оригинал 1972 г.) ; Р. Д у д а,

П. X а р т. Распознавание образов и анализ сцен. М-, "Мир"- 1976 (оригинал

1973 г,). Из бопьшого количества зарубежных работ, не представленных

(пока) в русском переводе, отметим: R.C.Schank, К.М,Col by (eds.l.

Computer Models of Thought and Language. San Francisco, Freemen and Сотр.,

1973; E. В. Hunt. Artificial Intelligence, New York - San Francisco - London, Acad. Press, 1975; G. P a s k. Cybernetics of Human Learning and Performance. The Guide to a Theory and Research. London, Hutch in son, 1975; G. Pask.

Conversation, Cognition and Methodology. Amsterdam, Elsevier, 1975;

P,H.W i n s t о n (ed.). The Psychology of Computer Vision. New York. McCrow-

302 1975; В. R a p h a e I, The Thinking Computer, San Francisco, Freemen and Corp 1976 P.H.Winslon. Artificial Intelligence. Reading (Mass.)-Meno park (Calif.), Addison-Wesley, 1977. Отечественная литература по "искусственному интеллекту" последних лет не менее обширна- См., например, следующие работы: Д. А. Поспелов, В.Н.Пушкин. Мышление и автоматы М "Советское радио", 1972; М. Б. Игнатьев, Ф, М. Кулаков, А. М, Покровский. Алгоритмы управления роботами-манипуляторами. Л., "Машиностроение", 1972; Н. М. Амосов, А, М- Касаткин и др. Автоматы и разумное поведение. Киев, "Наукова думка", 1973; Е- А. Александров, Основы теории эвристических решений. Подход к изучению естественного и построению искусственного интеллекта. M. "Советское радио", 1975; Н. Г.З агоруйко. Искусственный интеллект и эмпирическое предсказание. Новосибирск, 1975; Искусственный интеллект и психология. М., "Наука", 1976; Э. 6. П о п о в, Г, Р. Ф и р д-м а н. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. М., "Наука", 1976- Работы по "искусственному интеллекту" публикуются во многих научных изданиях, в том числе в международном журнале Artificial Intelligence (Амстердам) и в отечественном журнале "Кибернетика" (Киев); в Англии выходит продолжающееся издание Machine Intelligence (Эдинбург) .

Результаты исследований по кибернетическому моделированию процессов познания и системам, имитирующим определенные аспекты разумного поведения, обсуждаются на многочисленных научных совещаниях, в том числе международных. Наиболее авторитетные из них - Международные объединенные конференции по искусственному интеллекту (четвертая состоялась в СССР -1УМОКИИ, Тбилиси, сентябрь 1975 г., а пятая - в США, Кембридж, шт. Массачусетс, август 1977 г.), Сотрудничество советских, американских, английских специалистов и ученых других стран в области "искусственного интеллекта", активно начавшееся в период подго­товки и проведения IV МОК И И, было продолжено на международной конференции по данной проблематике, которая проходила в г. Репино (под Ленинградом) в апреле 1977 г.

Труды IV МОКИИ дают четкое представление о круге вопросов, который в настоящее время охватывает понятие "искусственного интеллекта" как исследовательского направления. Он включает следующие темы: математические и теоретические аспекты "искусственного интеллекта"; методы представления задач и знаний в памяти вычислительной системы; методы поиска решений, эвристические методы; обучение машины, отладка программ "искусственного интеллекта", автоматическое программирование; машинное распознавание речи; общение с ЭВМ на естественном языке; технические средства и математическое обеспечение «искусственного интеллекта»; обработка визуальной информации; алгоритмы управления движением и роботы; психологические аспекты "искусственного интеллекта". Двенадцать вы пусков трудов, изданных к началу этой конференции, составили свыше 2000 страниц! Таким образом, как мы видим, исследовательская работа в данном комплексном направлении кибернетики разворачивается все шире, вовлекая в круг своих проблем математиков и специалистов в области вычислительных систем, инженеров, лингвистов, психологов, логиков, философов.

Итак, общая оценка перспектив "искусственного

Реальность интеллекта", данная в книге, не прошла проверки

трудностей временем. Значит ли это, что критика Дрейфусом

работ американских авторов десятилетия

1957-1967 гг. (Г.Саймона, М.Минского и др.) совершенно беспочвенна? Отнюдь нет. Работы эти отражали реальные слабости подхода к решению интеллектуальных" задач, основанного на "силовом" приеме перебора вариантов и их выбраковке, базирующейся на достаточно слабых эвристических методах.

303Известно, что для любых мало-мальски сложных задач сплошной перебор невозможен из-за громадности дерева альтернатив. Например, число возможных позиций а шахматной игре К, Шеннон оценил как 10120. Чтобы представить себе, сколь необозримым оказывается в этом случае перебор, укажем на то, что, по имеющимся оценкам, с тек пор как человек обрел дар речи, все люди на земле произнесли "только" 1016 слов! Чтобы сделать реальным машинное решение подобных задач, причем не только на современных машинах, но и на машинах, создание которых возможно в любом обозримом будущем, составителю программы необходимо руководствоваться определенными соображениями относительно тех характеристик, которые можно эффективно использовать для ограничении перебори с тем, чтобы затраты машинного времени и объем требуемой для решения информации соответствовали реальным вычислительным мощностям. Коротко говоря, необходимо разумное ограничение рассматриваемых машиной альтернатив, ибо их число растет по экспоненциальному закону, который оборачивается кошмаром для вычислительной процедуры, "Переборный" подход в кибернетике - естественное следствие развитие машинной математики, основанной на цифровой технике. Кодирование информации с помощью дискретных объектов типа цифр и букв, которым пользуются создатели систем "искусственного интеллекта", с необходимостью порождает "атомистический'' машинный мир дискретных данных и фиксированных признаков. Ориентация в этом мире - и решение в его терминах сложных задач (хотя бы отчасти напоминающих те, которые решает человек в своей интеллектуально-творческой деятельности в науке и практике) - представлялась возможной лишь на пути выработки методов выделения существе******* ("релевантных") факторов (критериев, параметров, характеристик). Это обстоятельство стало ясно кибернетикам еще в 50-х - начале 60-х годов. Оно отмечается, например, в статье "Модели обучения и управляющие системы", написанной Ю. А. Шрейдером в качестве дополнения к переводной книге Р, Буша и Ф. Мостеллера "Стохастические модели обучаемости" (М., Физматгиз, 1962; оригинал книги вышел в 1955 г.; дополнение к русскому изданию было написано в 1960 г.) -

Для реализации целесообразно организованного перебора необходимо, чтобы программа оперировала заранее заданным перечнем фактов (признаков, объектов, альтернатив и т. п.) либо содержала метод регулярного (в каком-либо смысле) порождения таких фактов и чтобы она могла отбирать существенные факты. Однако проведение этого подхода в жизнь натолкнулось в области "искусственного интеллекта" на серьезные трудности. Анализу сложившейся в результате этого ситуации в американской кибернетике 1957-1967 гг. и посвящена первая часть книги Дрейфуса. Ее материал показывает, что задача сведения "многовариантиой" проблемы к "маловариантной"- существенное уменьшение "размерности" (числа подлежащих учету параметоов) решаемой машиной проблемы, то есть превращение проблемы, как говорят, в "задачу с хорошей структурой",-связано с гораздо большими трудностями, чем это поначалу представлялось.

Эти трудности очень рельефно показаны в книге. Автор исходит из того очевидного факта, что личность справляется с проблемой экспоненциального роста, по-видимому, потому, что человеческие психические процессы качественно отличны от функционирования современных машин, даже снабженных программами "искусственного интеллекта". Решая задачи творческого характера и даже просто осуществляя человеческие способы поведения - начинав с восприятия объектов и кончая актами сознательного целеполагания,- личность не оперирует заданной ей "извне" системой жестко фиксированных признаков ситуации (задачи), в которой ей надлежит сформировать свое поведение (найти решение задачи). Человек строит систему соответствующих признаков ("фактов") в ходе осмысления задачи, а не просто синтезирует ситуацию (задачу) из готовых признаков.

304Целое, как известно, состоит из частей, но части осмысляются в составе целого. "Переборное" осмысление неестественно для человека, по крайней мере коль скоро он рассуждает сознательно. Эвристические приемы, разумеется, используются человеком, так же как и разнообразные операции сравнения, абстракции, классификации и обобщения, В основе этих процессов, однако, в значительной мере лежит не до конца ясная в психологическом плане способность различения существенного и несущественного. Важную роль также играет феномен целостности восприятия - не только чувственно-сенсорного, но и мыслительно-абстрактного. Поэтому можно согласиться с Дрейфусом, когда он говорит, что без привлечения человеческой способности к "глобальному рассмотрению" объектов, восприятию целостных образов, "по-видимому, невозможно избежать ситуации экспоненциального роста и преодолеть ограниченные возможности эвристик в выборе вариантов, подлежащих рассмотрению"

(с. 50)

Нет сомнения, что изучение эвристик - как в психологическом плане,

так и в плане "эвристического программирования"- продвигает нас вперед и в понимании познавательного процесса у человека, и в разработке способов реализации на машине отдельных его проявлений либо результа­тов. Но до конца вскрыть соответствующие процессы "переработки информации" с помощью единственно лишь эвристического подхода вряд ли возможно. Никакие эвристики - четко формализованные, во всяком случае,- не могут, по-видимому, объяснить, как человек, переводя с одного естественного языка на другой, принимает решение остановиться на тех или иных вариантах результирующего текста. Тут существенную роль играет другое обстоятельство, настоятельно - и с полным основанием-подчеркиваемое Дрейфусом: способность человека учитывать нечеткие ситуации, не прибегая при этом к их точной формулировке. Идеи автора перекликаются здесь с соответствующими мыслями советского исследователя В. В. Налимова -автора книги "Вероятностная модель языка. О соотношении естественных и искусственных языков" (М-, "Наука", 1974). Отечественный специалист в области математической статистики и планирования эксперимента, оперируя вероятностными представлениями, раскрывает феномен "мягкости"-гибкости значений слов и выражений - естественных языков и "диффузный" характер сложных систем. Элементы последних настолько тесно взаимодействуют друг с другом, что делают невозможным их "классическое" описание, основывающееся на фиксации параметров и изолированном изучении поведения отдельных переменных-

Дрейфус развивает сходную аргументацию, подчеркивая значение "глобальной формы" переработки информации, при которой информация рассматривается человеком "не в четкой форме, а остается, скорее, в периферийной сфере сознания и учитывается неявно" (с. 50); эта форма освоения реальности "действует постоянно, непрерывно организуя наше эмпирическое познание" (там же)- Она тесно связана с использованием контекста для уменьшения неоднозначности - с учетом тех контекстуальных (ситуационных) черт, которые в книге названы неявными ориентирами. Конечно, соответствующие феномены человеческой психики далеки еще от уяснения, так же как явления интуиции ("инсайта"),- все то, что в своей совокупности играет ключевую роль в осмыслении фрагментов

реальности, попадающих в сферу человеческого опыта. Именно эти процессы - з не более простые и доступные для изучения процедуры четкой понятийной классификации и логической дедукции -составляют главную трудность для машинного моделирования,

В самом деле, если для того, чтобы распознавать образы, узнавать объекты, усматривать "семейное сходство" (для которого не обязательно наличие общих признаков у объектов одной семьи), человек не "концептуализирует" свойства, проводя между ними жесткие границы, не "атомизирует" характеристики, по которым происходит распознавание, то каким

305образом в машину, понимающую только четкие команды, вложить способность узнавания? Если перевод фразы иностранного языка зависит от серии нежестко фиксированных контекстов - быть может, от общего контекста нашей культуры,-то как возможен машинный перевод, который в его современном виде опирается на метод построения значений сложных языковых образований из значений более элементарных компонент?

На эти - и многие другие аналогичные - вопросы сегодня мы ответить не можем. Значит ли это, однако, что отмеченные выше функции интеллекта "преграждают путь" к дальнейшему прогрессу в области кибернетического моделирования процессов познания и создания систем "искусственного интеллекта", как думает Дрейфус? Как нам представляется, не значит. Можно добиваться успеха в формализации упомянутых феноменов, не предрешая при этом вопроса о том, с какой степенью полноты фактически окажется возможной такая формализация. Работы десятилетия 1968-1977 гг. свидетельствуют о реальности этого продвижения, О некоторых из них мы позволим себе сказать несколько слов.

Еще в 50-60-е годы (а для некоторых задач и

Проблема узнава- ранее) были выработаны методы сокращения

ния и понимания перебора и получения оптимальных решений для

задач с "хорошей организацией". Это были, в

частности, методы минимизации переключательных электрических схем, основанные на средствах алгебры логики, линейное и динамическое программирование и др. В некоторых из них - таких, например, как "метод оврагов" И. М. Гельфанда и М. Л. Цетлина (см, их статью "О некоторых способах управления сложными системами" в журнале "Успехи математических наук", 1962, т. XVII вып. 1(103) ) -была заложена адаптационная тактика, позволявшая "разделять переменные" и выделять.существенные для данной задачи параметры. Однако проблематика машинного распознавания образов, если образы не стандартизованы, а также программирование задач, связанных с пониманием текстов и ситуаций (не подвергшихся предварительной формализации}, плохо поддавались изучению на этом пути.

Задачи автоматического узнавания привели к созданию систем, которые получили название персептронов. Дрейфус довольно пренебрежительно отзывается о работе Ф. Розенблата, положившей начало "персептронной" проблематике. И действительно, эпоха персептронов оказалась непродолжительной. В книге М-Минского и С. Пейперта "Персептроны", материалом которой пользуется автор, показано, в частности, что персептрон (определенного класса) не в состоянии решить даже такую задачу, как вопрос о связности или несвязности предъявленной ему фигуры. В этой связи Минский и Пейперт дают трезвую оценку соответствующих работ (которую, однако, Дрейфус не приводит) : "Наука о вычислениях и кибернетика начались - и эта, по-видимому, совершенно правомерно - с шумной романтической рекламы. Они изобиловали волнующими и заманчивыми новыми идеями, уже принесшими богатые плоды. Тяжкие требования строгости и осторожности могли бы показать, какие направления окажутся наилучшими. В самом деле, мы считаем, что маститые эксперты,

наиболее активно выражающие недовольство по поводу "неуместных

претензий" энтузиастов кибернетики, оказались в конечном счете неправыми. Но теперь наступило время зрелости, и мы должны противопоставить нашим рискованным начинаниям в равной мере впечатляющие образцы критического подхода" {М. Минский, С. Пейперт, Персептроны. М., "Мир", 1971, с. 10). И этот критический подход не заставил себя долго ждать. Он выразился 1 в разработке альтернативных направлений исследований в проблеме автоматического узнавания и связанной с ней формализации феномена понимания, играющего фундаментальную роль в разумном поведении. В нашей стране здесь выделяется подход М. М. Бонгарда, изложенный им в книге

306"Проблема узнавания" (М., "Наука", 1967). Данный подход оказался вполне жизнеспособным, так как позволил установить естественную связь между проблемами узнавания и понимания. Об этом свидетельствует общая теоретическая установка авторов недавно вышедшего сборника работ "Моделирование обучения и поведения" (М., "Наука", 1975) -"понять, как думает человек, каковы механизмы мышления", учитывая при этом, что "это задача огромной сложности" (с, 3 упомянутого сборника),-и приведенные в нем результаты.

Критика Х.Дрейфусом работ в области моделирования рассудочной деятельности касается, в частности, американского кибернетика Д. Боброва. Его работы, однако, вскоре были превзойдены в исследованиях Т. "Винограда. Результаты последних изложены в монографии, вышедшей в 1972 г. (см. русский перевод, выходные данные которого были указаны выше!, и в публикации: Т. W i n о g г a d. Five Lectures on Artificial Intelligence. Stanford. 1974. Stanford Artificial Intelligence Laboratory. Memo AIM-246- За последние годы в кибернетических разработках, ведущихся в США, распространение получил метод представления знаний - то есть метод вложения в машину определенного способа "понимания" той "реальности", с которой ома должна иметь дело, - основанный на предложенном М. Минским понятии ситуационной рамки ("фрейма").

Согласно М. Минскому, фрейм (frame) есть во-

Фреймы и площение "структуры данных" для выражения

сценарий некоторой стереотипной ситуации; он представ-

ляет собой совокупность вопросов, которые

можно задать о соответствующей воображаемой ситуации- Ответы определяют, какие ситуационные аспекты и с помощью каких средств подлежат рассмотрению (М. М i n s k у. A Framework for Representing Knowledge, AJ, Memo. M.I.T. Artificial Intelligence Laboratory. Cambridge, Mass.r 1974). Например, фрейм "день" предполагает ответ на вопросы: какого года? какого месяца? какого числа соответствующего месяца? какого дня недели? и т. п.; в числе вопросов фрейма могут быть также вопросы о цели некоторой деятельности. Фреймы - это языковое средство представления в машине схемы некоторой ситуации или ситуационной структуры среды; такое представление осуществляется с помощью семантической сети, в которой фигурируют связанные между собой фреймы (frame system).

Идея ситуационных рамок - фреймов как способов организации "знаний" машины о некоторой {стандартизованной) внешней среде получила развитие в ряде работ американских кибернетиков. В одной из них - статье Р. Шенка и Р. Абельсона "Сценарии, планы и знания" (Труды IV Международной объединенной конференции по искусственному интеллекту, 6. Общение с ЭВМ на естественном языке. М., 1976) - понятие фрейма интерпретируется как общее название сведений о реальности, организованных в структуру, облегчающую обращение машины к этим сведениям; фреймы подразделяются на статические - сценарии (scripts) и динамические - планы {plans). Сценарий складывается из названия ситуации, указания причин ее возникновения и набора сцен; планы задают последовательности действий для достижения некоторой цели. Сценарии и планы служат отображению причинно-следственных связей между ситуациями среды.

Система организации информации, . основанная на методе фреймов, предполагает с необходимостью стандартизацию "машинного мира", и тем не менее она в определенной мере обогащает наши представления о том, как на кибернетическом пути можно преодолевать трудность обращения к контексту, на которой главным образом строится аргументация Дрейфуса, Хотя данный метод предполагает чисто кибернетическое истолкование понимания"- как "интерпретации новой информации в уже организованом картине мира" (Р.Шенк, Р.Абельсон. Цит. соч., с.208; курсив-Б.Б.) , он все же вносит известную гибкость в "машинный мир":

307предусмотренный методом переход от одного фрейма к другому на основе трансформационных правил можно рассматривать как некий упрощенный аналог человеческого "поведения в контексте".

Метод построения системы фреймов - как осо-

Тезаурусы и ситуацион- бых "ситуационных рамок", служащих для

ное управление щенного описания ситуаций, с которымиможет

иметь дело машина,-родствен другому методу,

идеи которого были развиты, в частности, в нашей стране. В его основе

лежит идея о логико-семантических системах с вариативными составными

частями - динамических тезаурусов, служащих для представления внешней

среды, выражения семантической информации и формализации интеллектуальной коммуникации. Основные положения подобного тезаурусного порхода были сформулированы Ю, А. Шрейдером (см„ например, его статью "О семантических аспектах теории информации" в кн.: Информация и кибернетика, М., "Советское радио", 1967); вопрос о логико-методологических возможностях данного метода освещен автором этих строк в книге "Кибернетика и методология науки" (М., "Наука", 1974, с» 353 и ел.). Другой метод, разрабатываемый в советской науке,-это подход,

получивший название ситуационного управления. '

Упомянутый подход вырос из задач построения систем управления такими сложными системами, для которых не имеется точного описания их структуры и поведения. В его разработке приняли участие как собственно кибернетики (Д, А. Поспелов, Ю- И. Клыков), так и психологи (В. Н. Пушкин) . Краткое представление о данном направлении можно получить из статьи Г.С.Поспелова и Д, А. Поспелова "Исследования по искусственному интеллекту в СССР" (в кн.: Кибернетику - на службу коммунизму, т. 9, М., "Энергия", 1978).

Суть метода ситуационного управления заключается в разработке

способа логико-языкового структурирования проблемной среды-среды,

в которой ставятся и решаются некоторые задачи с целью построения

эффективных алгоритмов их машинного решения. При этом развивается

некий "антропоморфный"-исходящий из лингво-психологической реальности-подход, позволяющий длв данного круга задач строить обобщенные описания, основанные на учете структур понятий. Говоря конкретнее, при описании некоторых ситуаций (или обработке соответствующих текстов) производится выделение различных в функциональном отношении групп объектов - понятий-классов, имен, бинарных отношений, императивов и др. В структурировании проблемного мира машины наибольшую роль играют отношения между понятиями. Считается, что для каждого круга задач в принципе можно выделить конечное число основных отношений, через которые получают выражение остальные отношения, имеющие смысл в данном классе ситуаций. Проведенное таким образом структурирование проблемной среды позволяет строить алгоритмы решения задач, в которых роль операторов играют императивы, допускающие формулировку на естественном языке; обобщенные описания в языке ситуационного управления родственны фреймам, о которых говорилось выше (подробнее о сит /ационном управлении см.: Д, А, П оспел о в, В.Н.Пушкин. Мышление и автоматы, М., 1972; Ю. И.Кпык о в. Ситуационное управление большими системами. М., ' Энергия", 1974; Д. А. Поспелов. Большие системы (ситуационное управление) . М., "Знание", 1975, '

Понятия естественного языка и содержательного

Расплывчатые (неформализованного) мышления часто носят

множества расплывчатый характер: имеют нечеткие, размы-

тые границы, причем у разных людей для "одних и

тех же" понятий характер "расплывания" может оказаться различным. Это обусловлено вариабельностью смыслов выражений, неоднозначностью значений, включением в содержание понятий субъективных оценок, В книге

308дрейфую об этом говорится достаточно подробно. Автор рассматривает отмеченные феномены как принципиальное препятствие для работ по моделированию процессов познания и "искусственному интеллекту". Между т^м исследования последних лет показали, что расплывчатость, гибкость и динамичность человеческих понятий и суждений в определенных пределах поддаются формализации. Соответствующие средства начиная с 20-х годов нашего века подготавливались в рамках многозначна :х и бесконечнозначных логик -логик, которые, помимо значений "истинно" и "ложно", допускают промежуточные истинностные значений. Однако лишь в середине 60-х годов обнаружилась связь этих логик с кибернетическим кругом идей,

В 1965 г. американский специалист в области автоматического регулирования и теории систем Л. А. Заде опубликовал первую работу по нечетким множествам, а затем развернул (вместе с рядом своих последователей) всестороннюю разработку теории расплывчатых понятий и алгоритмов. В силу важности данной теории для оценки вопросов, которые поднимаются в книге Дрейфуса, приведем имеющиеся на русском языке публикации создателя данной теории: Тени нечетких множеств {"Проблемы передачи информации", т. II, вып. 1, М., 19661 ; Расплывчатые алгоритмы (реферат) (Экспресс-информация "техническая кибернетика", 1968, №38); Основы нового подхода к анализу сложных систем и процессов принятия решений (в кн.: Математика сегодня. М., 1974); Понятие лингвистической переменной и его применение к принятию приближенных решений (М., "Мир", 1976) (см. также: Р, Б е л л м а н, Л. 3 а д е- Принятие решений в расплывчатых условиях.-В кн.: Вопросы анализа и процедуры принятия решений. Сб. переводов. М., "Мир", 1976).

Автор предлагаемой читателю книги очень кратко говорит о теории расплывчатых множеств, высказывая взгляд, что в своем понятии расплывчатости Заде "сваливает в одну кучу пять различных аспектов распознавания образов, а именно, аспекты, относящиеся к нечеткости границ, к зависимости от контекста, цели, субъективной оценки и к фамильному сходству" (с. 74) . X. Дрейфус утверждает, будто совершенно непонятно, "какой же аспект распознавания поддается формализации при помощи понятия расплывчатости (и поддается ли вообще хоть один)" (там же). Подобная оценка теории, в последние годы столь стремительно развивающейся, на наш взгляд, неправомерна (характерно, что Дрейфус в своей книге ссылается только на самую первую статью Заде по расплывчатым понятиям: L. A. Z a d e h. Furry sets.-Information and Control, vol. 8, 1965, No 3).

Вне всякого сомнения, новая теория означает шаг вперед в формализации феномена нечеткости понятий и образов. Она вводит многозначные (в общем случае бесконечнозначные) шкалы оценок принадлежности элементов данному множеству (объему нечеткого понятия); развертывает систему операций над такими множествами. Более того, использование нечетких понятий в составе предписаний к переработке информации приводит к распространению данного подхода на теорию алгоритмов. В связи с неоднозначностью нечетких алгоритмов в последние проникает такой специфически человеческий момент, как принятие решений. Решения, однако, также могут быть нечеткими, то есть основанными на расплывчатых критериях; отсюда необходимость разработки методов формализации такого рода расплывчатости. Нечетким оказывается и само понятие цели, которой должно отвечать искомое решение задачи. Формализуемыми в определенном смысле оказываются также субъективные оценки, начиная с исходного пункта теории - понятия нечеткой принадлежности предметов объему расплывчатого понятия: введенные Заде "функции членства в множестве" (принимающие значения из интервала [0, 1J действительных или рациональных чисел) могут Для данного понятийного образования задаваться по-разному, что можно рассматривать как выражение индиви-

309дуальных свойств носителей этих функций. Наконец, подход Л.Заде позволяет подойти к формализации семантики широкого класса выражений естественного языка (содержащего такие слова и обороты, как "очень", "более или менее", "вполне", и их повторные применения к расплывчатым понятиям: "очень старый", "очень-очень старый" и т. п.).

В настоящее время происходит стремительное развитие работ по теории расплывчатости. Представление о нем можно получить из статьи: Л-А. Гусев, И.М. Смирнова, Размытые множества (Обзор) ,-"Автоматика и телемеханика", 1973, № 5; и рецензии: М.А.Айзерман, И.М.Смирнова. Первые монографии по теории размытых множеств.-Там же, 1977, № 10. Размах исследований в новой области привел к появлению работ монографического характера (см. A. Kaufman n. Introduction a la theorie des sous-ensembles flous, t.l-lll, 1975, Paris; англ. перев.: А. К а-

u f m a n n. Introduction to the theory of Fuzzy Subsets, vol. 1, N.Y., 1975; C.V. N e g о i t a, D,A. R a I e s с u. Applications of Fuzzy Sets to Systems Analysis. Basel, 1975; N.Y., 1976}. И это вполне закономерно. Логико-кибернетическая теория расплывчатости означает новый подход к старой проблеме абстракции и образования понятий - подход, более связанный с "человеческим фактором", нежели традиционно рассматривавшиеся в логике процессы обобщении, которые предполагают жесткую дихотомию "истинно - ложно". Создается впечатление, что каждой математической теории (и каждой теореме теории) можно поставить в соответствие ее расплывчатый вариант, причем многими (пожалуй даже бесконечно многими) способами. Во всяком случае, на сегодняшний день мы уже располагаем понятиями расплывчатых графов, расплывчатых автоматов, расплывчатых систем управления. Хотя в практических разработках систем "искусственного интеллекта" теория "расплывчатости" еще не успела проявить себя в полной мере, методологические соображения (некоторые из них высказаны в статье автора этих строк в кн.: Кибернетика и современное научное познание. М., "Наука", 1976, а также в статье М.А. Айзермана в журнале "Автоматика и телемеханика", 1976, № 7) свидетельствуют в пользу того, что ее применение принесет новые результаты в моделировании таких проявлений разумного поведения, которые не охватываются "нерасплывчатыми" подходами. Но, разумеется, в рамках одного лишь подхода Заде наивно ожидать преодоления всех тех трудностей "искусственного интеллекта", которые столь тщательно анализируются автором данной книги. "Зависимость от контекста" и "семейное сходство", к примеру, вероятно, с трудом поддадутся рассматриваемой теории.

Как показывает произведенный нами краткий -и

Заложен ли в человеке фрагментарный - очерк проведенных за послед-

"компьютер"? Четыре ние десять лет модельно-кибернетических иссле-

допущения дований интеллектуальных процессов, с негати-

визмом Дрейфуса согласиться нельзя. Однако и

утверждать, что поставленные им проблемы решены, а конкретные критические аргументы утратили свою остроту, также неправомерно.

Прежде всего, в описанных выше работах по "искусственному интеллекту" нет ответа на кардинальный вопрос, сформулированный американским философом: верна ли гипотеза о том, что функционирование интеллекта и переработка им информации происходят путем дискретной пошаговой процедуры - процедуры, подобной той, которая закладывается в ЭВМ с помощью программ, содержащих разного рода эвристики? Иначе говоря, верно ли, что человеческое поведение может быть формализовано в "дискретностных" терминах? Положительный ответ на этот вопрос поднимает ряд проблем другого рода. Одна из них гласит: где же в живом организме "запрятано" подобное цифровое устройство? Другая, не менее важная, формулируется так: почему, как правило, мы не осознаем происходящего в нашем мозгу подобного цифрового процесса? Ведь известно, что ребенок, играющий со своими сверстниками, спортсмен, выступающий на соревнованиях, рабочий, изготовляющий какую-либо

310деталь на станке, ученый, выступающий с научным сообщением, не отдают себе отчета (ни в ходе самой деятельности, ни после нее), что их мозг (или психика) в действительности производят или производили гигантские по объему вычисления. По какому принципу мыслит шахматист - независимо от его квалификации,- когда он при оценке позиции и выборе очередного хода, находясь перед лицом обширнейшего множества вариантов, отсекает все альтернативы, кроме одной - той, которая, по его мнению, является достаточно хорошей или единственно возможной? Производит ли он подсознательно сложнейший подсчет, лишь "в финале" выходящий на уровень сознания (причем не обязательно даже в логическую его часть) ? А где гарантия, что подсознательный дискретный вычислительный процесс вообще имеет место?

Дрейфус признает, что не может дать категорический ответ на эти вопросы. По-видимому, ответа ныне не знает никто. Просто моделирование интеллекта и разработка систем "искусственного разума" идет по пути, определяемому используемой технологией,- по пути дискретного представления и переработки информации. Дрейфус считает, что перенос закономерностей, присущих подобным символьно-цифровым процессам, на поведение человека и его психику (процессы восприятия, воображения, мышления, прогнозирования и волеизъявления) не обоснован ни теоретически, ни эмпирически. Такой перенос просто равнозначен принятию четырех фундаментальных положений, которые в книге названы биологическим, психологическим, эпистемологическим и онтологическим допущениями.

Выделение этих допущений, несомненно, во многом верно схватывает методологическую ситуацию, сложившуюся в данном направлении кибернетики. Согласно биологическому допущению, на некотором уровне нейро-динамики (обычно таковым считают нейронный уровень) информационные процессы происходят на основе некоего биологического эквивалента переключательных схем. Психологическое допущение гласит, что мышление можно рассматривать как переработку информации, заданной в дискретном коде, причем переработка эта производится на основе некоторых формальных правил. Смысл эпистемологического допущение заключается в тезисе, что знание можно формализовать: все, что понято, может быть выражено в терминах логических отношений классической двузначной логики. И, наконец, согласно онтологическому допущению - все в мире, существенное для разумного поведения, можно представить в терминах множества четко определенных независимых друг от друга элементов. Цель рассуждений Дрейфуса состоит в том, чтобы показать, что биологическое допущение противоречит данным нейрофизиологии, психологическое и эпистемологическое (гносеологическое) допущения "полностью не доказаны и вполне могут оказаться несостоятельными" (с. 166) , а принимать онтологическое допущение нет никаких оснований.

Обсудим аргументацию Дрейфуса более основательно,

Дрейфус резонно констатирует, что представление

Является ли человек о мозге как об "устройстве", функционирующем машиной Тьюринга? подобно цифровой машине (это представление

было выдвинуто на заре кибернетики), является

"эмпирической гипотезой, .время которой уже прошло" (с. 112) . Действительно, если попытаться выразить принцип работы нервной системы и живого организма в целом в "машинных" терминах, то можно сказать, что перед нами аналого-цифровое ("гибридное") устройство. При этом не очень ясно, каково в сложнейших системах живого организма соотношение аналогового (например, гуморального) и цифрового (например, связанного с электрической импульсацией и наличием порогов "срабатывания" нейронов) начал.

В технике, однако, известны не только цифровые, но и аналоговые и аналого-цифровые вычислительные устройства- Если говорить о техноло-

311гии, основанной на электрических процессах, то аналоговые машины

появились раньше цифровых. Таким образом, сторонники "биологического

допущении" могут внести соответствующую поправку в свой тезис о

подобии живой системы вычислительному устройству. Дрейфус пытается

отвести это возражение, ограничив свою аргументацию случаем дискретной

переработки информации. Но это не усиливает, а ослабляет его позицию.

Оппонентов Дрейфуса не убедят также соображения автора относительно

того, что организация мозга основана "на "сильном взаимодействии"

его элементов", в то время как машина "лишена такого взаимодействия" (с. 112). Они могут сослаться на прогресс в разработке вычислительных машин и систем, в результате которого станет возможным воспроизведение подобного взаимодействия (или разработка достаточно

добротного его аналога) .

Отказ от признании живой системы "устройством" дискретной переработки информации означает, что такая система - и тем более человек - в физическом ("технологическом") плане не есть машина Тьюринга,

Но можно ли живые организм ы и людей рассматривать наподобие машин Тьюринга в некоем более общем плане? Разберемся в этом вопросе. Машина Тьюринга -то есть идеализированная схема некоего абстрактного устройства, введенная ее автором в известной статье, опубликованной в 1936 г. (см. прим. 12), - является универсальным вычислителем, то есть прибором, способным в принципе (о смысле этой оговорки, играющей очень существенную роль, мы скажем ниже) производить любую вычислительную процедуру, в частности осуществлять и такой процесс вычислений, который производится на аналоговом устройстве. Для этого требуется только одно условие - чтобы вычислительный процесс был задан с помощью четких правил. Универсальные электронные цифровые машины наших дней - это своего рода машины Тьюринга в металле: в предположении возможности надлежащего увеличения их размеров, памяти, быстродействии и надежности они вычислительно универсальны.

Описанный вывод, основанный на достижениях математико-логической теории алгоритмов 30 -40-х годов нашего века, приводит к заключению, что "любой вид интеллектуальной деятельности, коль скоро он четко и однозначно описан на каком-либо естественном или искусственном языке, в принципе можно автоматизировать (промоделировать) с помощью некоторой машины. Этот результат следует из... постулата об универсальности "обычной" цифровой ЭВМ (которая, в предположении абстракции потенциальной осуществимости, оказывается просто реализацией машины Тьюринга или любого другого "уточнения" понятия алгоритма)" (А. И. Берг, Б. В. Бирюков, Философские вопросы кибернетики.- Энциклопедия кибернетики, т. 2, Киев, 1974, с. 504).

Смысл выделенных в вышеприведенном тексте слов состоит а отвлечении от ограниченности человеческой конструктивной и познавательной деятельности в пространстве, времени и материалах, s допущении, согласно которому если выполнено п шагов некоторого четкого построения (рассуждения, анализа и т. п.}, то можно сделать и следующий (п+1}-й шаг. Эта абстракция-а ее важность в уяснении оснований теории алгоритмов в явной форме была отмечена одним из создателей данной теории, А. А. Марковым, - вводит в теоретическую кибернетику понятие, которое в философии называется абстрактной возможностью.

Какой смысл имеет привлечение данной абстракции к обсуждению интересующих нас проблем? Дело в том, что без обращения к этой абстракции невозможно говорить о м одел и руе мости (выразимости, воспроизводимости, представимости и т. п.) любого регулярного (или регулиризуемого, могущего быть описанным в четкой форме) поведения человека на машине дискретной переработки данных типа машины Тьюринга, обладающей в каждый данный момент конечным, но всегда могущим в случае необходимости быть расширенным объемом памяти. Только с

312позиции абстрактной возможности позволительно считать человека некой "машиной Тьюринга", или, точнее, "конечным автоматом".

В какой мере все сказанное касается обсуждаемого нами вопроса, спросит читатель. 6 незначительной. Ведь наши рассмотрения развертываются на иной, существенно более "низкой" - точнее говоря, содержательно более богатой - ступени абстракции. Вопрос касается фактической осуществимости на кибернетических устройствах - в наши дни или на какой-то грядущей ступени развития технологии и науки - моделей психических механизмов и процессов, поведения человека и т. п. Его можно сформулировать и иначе: возможно ли машинное получение результатов, которые, по общему признанию, являются творческими? В поисках ответа на эти вопросы не имеет смысла обращаться к абстракции потенциальной осуществимости. Техническая кибернетика и психология -сферы, в рамках которых развивается проблематика "искусственного интеллекта", - далеки от "логического рая" чистой математики.

Мы должны, таким образом, обратиться к психореальна ли "психо- логическому материалу, или - коль скоро мы в логическая реальность"? нашем анализе следуем за Дрейфусом - к "психологическому допущению". В какой мере кибернетические модели дискретных процессов переработки информации могут служить созданию картины функционирования человеческой психики?

На пути опровержения "психологического допущения" Дрейфус пытается доказать более сильное утверждение - что у психологических исследований вообще нет своего предмета. По его мнению, между уровнем физико-химических реакций мозга и "феноменологическим" уровнем осознаваемых человеком восприятий, воспоминаний, мыслей, актов целеполагания и т. п. вообще нет никакого "промежуточного уровня", который мог бы изучаться психологами, не говоря уже о моделировании соответствующих феноменов на цифровых устройствах. Подобное отвержение самой возможности существования теоретической психологии, а также точных методов изучения психики, представляется совершенно неприемлемым. Оно ведет к дуалистическому разрыву между нейродинамикой и субъективными явлениями, то есть тем, что в диалектико-материалисти-ческой литературе называется областью идеального- Оно снимает задачу изучения связей между физиологическим и психическим, в частности задачу выявления "нейрофизиологического кода" субъективных явлений-проблему, которая привлекает все большее внимание нейрофизиологов, психологов и философов (в этой связи можно указать, например, работы Н.П.Бехтеревой и идеи Д. И. Дубровского; см. об этом в кн.: Управление, информация, интеллект, с, 236 и ел.) . Это отвержение означает также, что "феноменологии" человеческого сознания отказывают в каких-либо реальных закономерностях- Советская психология, как известно, идет другим путем, признавая "психологическую реальность" как подлинный объект психологического исследования - объект, не "сводимый" к нейрофизиологической основе психики и не исчерпывающийся явлениями единственно сознательной жизни человеческого "я".

Пытаясь опровергнуть реальность "психологической деистеительности"

{и называя критикуемую им позицию "менталистской"), автор книги ссылается на различие между "моделированием" (как воспроизведением лишь внешнего, "входо-выходного" проявления некоторого процесса) и "представлением" (как более глубоким моделированием, охватывающим как поведение, так и субстрат моделируемого процесса или системы). В категоричности этого различения проявляется недиалектический подход Дрейфуса к процессам познания, объяснения и моделирования. X. Дрейфус не учитывает того, что всякое моделирование (так же как объяснение и познание вообще) всегда есть приближение к объекту и может производиться с разной степенью глубины и полноты. В кибернетическом моделировании находит свое выражение диалектика отображения поведения,

313