Впервые это словосочетание было использовано Джоном Маккарти в 1956 году, несмотря на то, что вопросы о разумных машинах поднимались и ранее. Например, в 1950 году один из пионеров в области вычислительной техники ученый Алан Тьюринг написал статью «Может ли машина мыслить?», в которой описал процедуру, определяющую разумность машины. В дальнейшем эта процедура получила название теста Тьюринга.
В философии не решён вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга или гипотеза Ньюэлла Саймона. Самый общий подход предполагает, что ИИ будет способен проявлять поведение, не отличающееся от человеческого, причём в нормальных ситуациях.
Эта идея является обобщением теста Тьюринга, который утверждает, что машина станет разумной тогда, когда будет способна поддерживать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке).
Считается, что человек обладает природным (естественным) интеллектом, поскольку способен творчески мыслить, создавать произведения науки, техники, культуры и искусства, правильно оценивать сложившуюся ситуацию и принимать правильные решения поведенческого характера (хотя и не всегда).
Но говорить об искусственном интеллекте машины по-моему преждевременно. Интеллект более высокое и широкое понятие, чем разум. Ребёнок может быть разумным, но его нельзя назвать интеллектуалом, поскольку он не может проявлять глубокие познания в различных областях науки, техники, культуры, искусства, морали и нравственности.
Однако, став взрослым, и выучившись, он может стать интеллектуалом т.е. культурным и образованным человеком, способным творить создавать новые знания, произведения искусства, строить машины, здания, правильно (культурно) вести себя в обществе.
Пока же нам следует ставить цель научить машину (компьютер) творчески мыслить и решать научные и технические задачи без подсказки человека. Это ещё не интеллект, но уже разум. Для интеллекта машине не хватает культуры, морали и нравственности. У неё нет чувств, эмоций, нет и морали. Она ведёт себя так, как её запрограммировали.
Человек существо общественное и только в обществе проявляется его интеллект. Общества машин как отдельного социума пока не существует, и вряд ли оно вообще нужно. Машина всегда должна оставаться лишь помощником человека, и интеллект ей не нужен, ей нужен только разум. Нужно научить машину думать. Поэтому наша ближайшая задача создать искусственный разум. Но для этого сначала надо понять, как думает человек, вернее, наш мозг.
А как же думает наш мозг? спросите Вы.
Начну издалека.
Ребёнок рождается с сознанием чистым как белый лист бумаги. Никаких мыслей у него нет. Это видно по отсутствующему блуждающему взгляду, по поведению. Но у него в голове уже есть прекрасный биологический компьютер его мозг! Большинство нейронных цепей памяти мозга пусты, за исключением тех, которые содержат наследственные программы управления процессами в организме и органами чувств. Эти программы передаются генетически и представляют собой вегетативную нервную систему.
Как только ребёнок попадает в этот мир и открывает глаза, на него обрушивается поток информации. Он начинает видеть предметы, слышать звуки, чувствовать прикосновения, тепло, холод. Но это ему ещё ни о чём не говорит. Он ещё не умеет думать, он не умеет обрабатывать информацию. Однако в его память уже закладываются зрительные образы, звуковые сигналы и тактильные ощущения. Изо дня в день они повторяются и сочетаются с различными воздействиями, положительными или отрицательными. Так в мозгу ребёнка формируются устойчивые связи. Лицо матери, её голос, грудь, связаны с приятными ощущениями тепла, сытости, комфорта. Лицо отца, его руки, голос и возникают приятные ощущения купания в тёплой воде, ласки.
Запоминаются и отрицательные эмоции: чувство голода, пощипывание в промежности от мокрого подгузника, усталость от лежания в одной позе. Позже ребёнок запоминает облик отца, матери, их манеры говорить, двигаться. Выделяет отдельные звуки и определяет, что за ними должно последовать. У него образуются прочные причинно-следственные связи: звук действие, предмет свойства. Он начинает двигать ручками, учиться брать и бросать игрушки. Так он познаёт силу тяжести, движение. И опять в мозгу возникают прочные связи, поступок последствия. Но пока это ещё не думанье. Это процесс накопления информации, познания предметов, их свойств и возможного применения. Например, ложкой можно есть, из чашки можно пить, на стуле можно сидеть. Пока работает только память, и опытным путём устанавливаются причинно-следственные связи. Но ребёнок уже способен предвидеть результаты своих действий, моделировать, т.е. проигрывать в уме ситуацию.
Например, если разжать пальцы, то игрушка упадёт на пол и раздастся соответствующий звук, если стукнуть по чашке, то она опрокинется, и т. д. У ребёнка в голове создаётся множество моделей последствий тех или иных его действий. Многие из них похожи. Бросить яблоко и бросить игрушку результат примерно одинаковый. Так ребёнок начинает различать сходные модели действий и их результаты. Возникают мысленные аналогии, обобщения. Например, стол в гостиной и стол в кабинете отца отличаются, а называются одним словом. У бабушки же вовсе другая мебель, но тоже есть стол, стулья, кровать, шкаф. Сходство лишь в назначении предметов и в их конструкции они имеют общие конструктивные признаки. Так у ребёнка формируются общие абстрактные понятия: образы стола, стула, шкафа, кровати. Он уже безошибочно в любой квартире определит, где стол, где стул, а где шкаф, хотя эти предметы могут значительно отличаться по форме, по цвету, по размерам. В его мозгу уже сформировались отличительные признаки предметов, по которым ребёнок относит их к той или иной категории. Но самое интересное, что слова «стол», «стул» вызывают те же ассоциации, что и зрительные образы. Слово заменило предмет! Это уже работа второй сигнальной системы больших полушарий мозга. Ребёнок слышит слово и мысленно воспроизводит образ предмета, обобщённый, абстрактный. Так слова могут порождать зрительные образы, идентифицироваться с ними. Значит, оперируя словами, можно оперировать зрительными образами, хотя реальные предметы отсутствуют. Это уже мыслительный процесс!
Зрительные образы конкретны, ими думают животные, а человек мыслит словами. Вдумайтесь в эту разницу. Мы произносим всего лишь два слова: «бросил камень», а представляем себе, что человек нагнулся, взял в руку камень, размахнулся и пустил его в определённом направлении. Мы представляем себе полёт камня и его приземление. А дальше мы произносим другие слова, и идёт новая абстрактная модель: поступок (причина) результат (следствие). Так возникает цепочка событий: предмет действие новое состояние предмета. Это уже абстрактное мышление. Моделирование процессов в общем виде, без деталей, а если надо, то и привязка к деталям, к частностям. Умение абстрагироваться, видеть в частном общее и переходить от общего к частному, конкретному это уже мышление.
Мы объединили все предметы в группы, назвав их словом «существительные». Мы объединили все действия с предметами в группы, назвав их словом «глаголы». Мы объединили все свойства предметов в группы, назвав их «прилагательными», и т. д. (включая все части речи). Теперь, не имея самих предметов, мы можем мысленно проделывать с ними всё что угодно и, пользуясь различными аналогиями, ассоциациями, предвидеть, что будет с предметом в результате тех или иных действий.
Мало того, вообще не имея образа предмета, скажем, атома или электромагнитной волны, мы можем иметь слова, обозначающие эти предметы и их свойства, и из этих умозрительных образов рождать какие-то умозаключения. Это уже познание неизведанного, скрытого от наших органов чувств. Это уже наука, творчество. Мы можем полностью отрешиться от реальности и оперировать только с вымышленными образами. Так создаются мифы, произведения искусства. На это способен только человек. Вот какая огромная роль принадлежит абстрактному, символьному мышлению!
А ещё человек мыслит понятиями: «много-мало», «тепло-холодно», «быстро-медленно» и т. д. Эти понятия выработаны им на основе ощущений и субъективных оценок. В отличие от машины, человек очень плохо считает, и эти понятия заменяют ему массивы числовых данных.
Он оперирует с нечёткими множествами, как сказал бы математик, границы которых размыты и субъективны. В результате человек часто ошибается в своих оценках, поэтому учёные предпочитают всё оценивать числами.
Машина-компьютер не имеет ощущений и ей непонятны субъективные оценки человека. Поэтому различные понятия приходится заменять массивами данных и описывать их статистическими характеристиками. Но машину научили оперировать с массивами как с единым целым. В результате скорость мышления машины значительно возросла.
Вот я, например, задал машине оператор «тау», который определяет количество осадков в Москве за лето. Я задал диапазон от «очень мало» до «очень много». Машина будет оперировать с массивами «очень мало», «мало», «норма», «много» и «очень много», интерпретируя их числовыми величинами.
И всё-таки, как же научить машину думать? спросите Вы.
Ну, прежде всего в неё нужно заложить информацию о внешнем мире, обо всех предметах и их свойствах. Но как это сделать? Как объяснить машине, что такое стол, если она никогда его не видела? Для неё это пустой звук, символ.
Можно заложить описание стола. Объяснить, что он состоит из столешницы, трёх или четырёх ножек. Но машина не знает что такое столешница, ножки. Ей надо объяснить, что столешница это прямоугольная или круглая доска. Но тогда она спросит: «а что такое доска?» И ей опять придётся долго объяснять. Но и в этом случае она ничего не поймёт, поскольку ей непонятен смысл слов «дерево», «прямоугольник», «толщина» и т. д. Мы создаём понятия на основе зрительных образов и ощущений, но у машины нет органов чувств, нет ощущений и для неё любые понятия не более чем набор символов, которые она не понимает. Словами нельзя определить слова.
Значит, машине надо дать органы чувств? спросите Вы.
Да. Можно дать машине глаза телекамеры, микрофон для записи звуков. Можно записать в память изображения многих предметов, но это сложно и долго. Ведь нужно предъявить машине десятки столов и научить её вырабатывать главные отличительные признаки стола, создавать абстрактный образ. Но можно поступить проще. Дать систему координат и семейство точек в разных плоскостях, т.е. простые геометрические формы изображающие абстрактный стол. Потом указать возможные, наиболее вероятные пределы изменения положения этих точек, этих фигур, их разброс. Получается размытая, абстрактная модель стола. Затем можно дать варианты конструкции: «стол письменный», «стол журнальный», «стол круглый обеденный» и т. д. Теперь, в случае необходимости, при появлении в операционной системе машины идентификатора: «стол круглый», из памяти её будет извлечён трёхмерный образ стола с круглой столешницей, с которым далее ей следует совершить какие-то действия. Конечно, это относится не только к столу, но и к любому известному людям предмету. Если нельзя точно описать предмет, то даётся его схематический, условный образ более или менее соответствующий реальному. Так, в машину необходимо занести описания всех известных нам предметов во Вселенной.
Но это же очень много! скажите Вы.
Да. На это уйдёт немало времени. Это всё равно, что годами учить сначала ребёнка, потом подростка, а затем и юношу. Поэтому целесообразно создать Мировой банк данных по всем предметам. Мало того, машине нужно объяснить свойства предметов: мягкий, твёрдый, тёплый, холодный и т. д. Как это сделать? Ведь у неё нет тактильных датчиков, она не может пощупать предмет. С длиной, шириной, высотой проще. Их можно задать на осях координат в трёх измерениях, а тут придётся вводить дополнительные оси, дополнительные измерения.
Временную ось чтобы описывать события, протекающие во времени, ось электромагнитного спектра ведь цвет, свет, теплота всё это электромагнитные волны разной длины. Гравитационную ось чтобы описывать притяжение предметов, гравитационные волны. Оси электростатического и магнитного полей чтобы измерять электрические заряды и магнитные поля.
Кроме того, потребуется описать все возможные виды взаимодействий предметов в пространстве и времени. Таких взаимодействий не так уж и много. Это перемещения вдоль осей координат, вращательные и колебательные движения, передача энергии от одного тела к другому, превращение энергии из одного вида в другой. Всё это надо описать на машинном языке. Множество слов глаголов превратить во множество моделей движения и каждая модель получит свой составной идентификатор. Таким образом, весь окружающий нас мир, со всеми его свойствами и видами взаимодействий, необходимо записать в память Мирового банка данных с помощью слов идентификаторов, и объяснить каждый идентификатор, дав ему пространственно-временные и прочие измерения. Осталось совсем немного научить машину думать создать искусственный разум!
А это действительно уже немного. Просто необходимо научить машину строить логические цепочки «причина следствие» или «действие результат», что, в общем-то, она давно умела, моделируя тот или иной процесс по частям. Например: тело + импульс силы = движение. Параметры движения зависят от массы тела, величины и направления импульса. Они легко рассчитываются машиной по известным уравнениям физики. Сложные взаимодействия разделяются на более простые, а затем каждое из них проигрывается машиной. Но главное здесь не проигрывать процесс каждый раз заново, а получить новую логическую связь: «действие результат», как у нас в мозгу, мгновенно. Для этого в машине автоматически создаются специальные информационные ключи, которые открываются, если этот процесс уже моделировался ранее и, подставляя нечёткие множества, машина сразу выходит на приблизительный результат, на качественную или количественную оценку.
Но и это ещё не всё. Необходимо развить у машины ассоциативное мышление. Научить её находить сходные процессы, описываемые одними и теми же математическими уравнениями, моделями, но принадлежащие к разным областям знаний. Таких процессов и моделей в природе множество. Достаточно сказать, что и в механике, и в термодинамике, и в электромагнетизме все процессы движения, волновые процессы, описываются одними и теми же дифференциальными уравнениями. И здесь машине помогают составные идентификаторы из других областей знаний. Если машина решает какую-нибудь задачу и встаёт в тупик в отношении модели решения, то она ищет сходные идентификаторы машинные слова, и движется по ним. А конечный результат проверяет на совпадение с экспериментальными данными или ожидаемым результатом, который задаёт человек. Если экспериментальные данные совпадают с расчётными, то модель (методика) расчётов выбрана машиной правильно. Если нет машина ищет новый вариант расчётов, новую модель. Сначала берутся наиболее близкие составные идентификаторы, совпадающие по большинству слов, потом более далёкие и, наконец, куски идентификаторов из других областей знаний, позволяющие составить новый, ранее неизвестный, идентификатор нового неизвестного процесса и таким образом найти решение неизвестной ранее задачи.