Анатолий Фисенко - Галактика 1995 № 2

Вполне естественным является предположение, что отдельные контакты с энлонавтами происходят как контакты с объектами, наделенными искусственным интеллектом, т. е. с биороботами. И, по-видимому, правомерно предположение, что отдельные «зонды» и космические объекты могут управляться биороботами, системами, наделенными искусственным интеллектом.

Позволим себе небольшое отступление. На минуту вспомним увлекательный американский фильм «Полет навигатора», в котором образно показан пилот-биоробот. Прекрасная реакция, логически стройные заключения, быстрый и четкий анализ окружающей обстановки — вот что Мы видим в этом пилоте-биороботе.

На сегодня в мире усиленно ведутся работы по созданию систем, наделенных искусственным интеллектом. Охватывая проблему в ретроспективе, отметим, что одна из первых, наиболее эффективных программ, обладающих свойствами искусственного интеллекта, была программа DENDRAN, созданная Э. Фейгенбаумом и его коллегами в Станфордском университете еще в конце 60-х годов. Программа широко использовалась в физико-химических лабораториях многих стран мира для анализа структуры органических молекул, основываясь на данных масс-спектрометрии, ядерного магнитного резонанса и других видов информации. Иной экспертной системой является система, обладающая способностью получать новую информацию, или же, основываясь на некоторых фундаментальных принципах, прийти к информации известной; примером системы подобного рода является программа EVRISKO. Оказалось, что снабдив программу определенным количеством информации из областей, в которых она должна была работать, можно ее эффективно использовать в теории множеств, военных играх, при программировании и в экологических задачах. Отметим, что в процессе поисков, заключающихся в синтезе, анализе и оценивании новых концепций, EVRISKO управляется сотнями эвристик довольно общего характера. Одна из них, например, состоит в том, чтобы «рассмотреть экстремальные случаи». Так, когда программа «размышляла» над функцией «делители» в теории множеств, эта эвристика привела к выводу, что надо рассматривать только те числа, у которых мало делителей. На этом пути система «открыла» простые числа, а также установила тот факт, что любое число можно единственным образом разложить на множители, являющиеся простыми числами. Отметим, что эта простая эвристика оказалась весьма ценной, когда EVRISKO занялись военной игрой «Трэвеллер», цель которой заключалась в том, чтобы подобрать оптимальный состав эскадры, сражающейся с эскадрами противников согласно многочисленным строгим правилам. Ознакомившись с правилами игры, система составила эскадру, почти полностью состоящую из маленьких быстрых атакующих судов, типа торпедных катеров. Было также включено в эскадру одно настолько быстрое и малое по габаритам судно, что его практически невозможно было поразить. Увлекающиеся этой игрой люди первоначально осмеяли стратегию EVRISKO и выставили против нее эскадры с традиционным составом кораблей. Однако машина с заданной программой сражение выиграла. Система EVRISKO содержит такие правила, как «если все элементы множества неожиданно удовлетворяют какому-то редкому свойству, то следует повысить оценку „интересности“ этого множества и эвристики, которая привела к его определению».

Другое правило предоставляет программе критерий, по которому она может решить, какую из двух очень близких концепций следует изучить. По этому критерию она выбирает концепцию, требующую меньше машинного времени и меньшего количества вопросов, задаваемых пользователю. Отметим, что от использования эвристик для открытия новых понятий или фактов теоретически недалеко до того, чтобы генерировать новые эвристики на основе имеющихся.

Главной целью исследований в области искусственного интеллекта является создание программ, способных обучаться на опыте, приобретаемом ими в ходе выполнения различных работ. Ряду исследователей действительно удалось разработать системы, которые порождают общие правила, основываясь на опыте, полученном ими при решении частных задач. Еще в начале 80-х годов Т. Эванс из Массачусетского технологического института создал программу, способную улавливать аналогии между геометрическими фигурами. Научить программу находить концептуальные аналогии — задача трудная, и ряд исследователей многие годы работают над этой проблемой. Так, Дж. Карбонел из Университета Карнеги-Мелл имеет программу, улавливающую сходство между алгоритмами, записанными на различных языках программирования, но имеющими одно и то же назначение. Программа же EVRISKO не столько отыскивает аналогии, сколько пользуется рассуждениями по аналогии. Интересно, что работая в области конструирования интегральных микросхем, EVRISKO натолкнулась на факт, что симметрия для них — весьма желательное свойство. И когда позже перед ней была поставлена задача подобрать состав эскадры для военной игры «Трэвеллер», программа сделала эскадру симметричной, оправдав свое решение ссылкой на полученный опыт. И все же на сегодня по сравнению с человеческими способностями эти успехи выглядят довольно скромно. Слабость, проявляемая компьютерными программами при отыскании аналогий и их использовании, обусловлена скорее узостью базы знаний, которыми располагают программы, чем неспособностью исследователей разработать подходящие алгоритмы.

Люди в своих рассуждениях располагают огромными запасами понятий, из которых извлекают всевозможные аналогии. Каждый человек имеет, наверное, около миллиона отчетливых воспоминаний об отдельных предметах, действиях, чувствах, ситуациях. Такой огромный багаж знаний на сегодня невозможно встроить в современные программы. Накопить столь огромный опыт в ходе работы программы пока не в состоянии. Даже программы, работающие в течении долгого времени, при повторном запуске не имеют достаточно хороших записей о результатах своих прошлых поисков: при остановке большая часть усвоенных ими знаний оказывается утерянной.

У программы EVRISKO, которая работает непрерывно в течении нескольких недель, а при остановках и повторных запусках сохраняет большую часть своих записей, общая продолжительность «разумной» жизни все же весьма мала, ее опыт уступает по своему многообразию даже опыту малолетнего ребенка.

Основной путь повышения способности программ к рассуждению по аналогии, так же, как и общего прогресса в программах искусственного интеллекта, заключается в том, чтобы расширить базу знаний. В идеальном случае можно записать целую энциклопедию в форме, доступной для ЭВМ, в виде системы структурированных, многократно проиндексированных фрагментов. Исследования показали, что эта задача намного труднее, чем первоначально казалось, поскольку даже для понимания статей энциклопедии требуется обширный запас знаний на основе «здравого смысла», которым не обладают современные программы.