Ух ты, искусственный… интеллект! - Олег Паламарчук
Однако к нему, цифровому компьютеру, еще надо было прийти. К такому, который мог бы моделировать, искусственно моделировать работу человеческого мозга[30]. Причем, только в математическом, алгоритмическом формате. Другими словами, смоделировать искусственный мозг человека. Что необходимо для этого? Создать искусственный нейрон, ибо он, — живой нейрон, — основная, базовая, фундаментальная структурная и функциональная единица нервной системы живых организмов, независимо от уровня их развитости. К примеру, у самого мелкого из многоклеточных существ — червя-коловратки число нейронов 102, или всего 100. А вот у человека 1010 [15. С. 1033], т. е. более чем 90 млрд нейронов. Как бы там ни было, ученые верили, что могут создать модель человеческого мозга, начав с простейшего — с создания искусственного нейрона. А затем уже объединить их в сеть, в искусственную нейронную «мозговую» сеть.
Искусственный нейрон — это так называемый линейный электронный блок, из которых (блоков) можно было создать модели вычислительных нейронных сетей. В 1943 году нейрофизиолог Уоррен Маккалок и логик Уолтер Питтс напечатали статью: «Логическое исчисление идей, относящихся к нервной активности». В статье рассматривались некоторые из базовых моделей, нашедших применение в нейронных сетях [4. С. 89]. Искусственный нейрон — это узел искусственной нейронной сети, являющийся упрощенной моделью естественного биологического нейрона. К объяснению функционирования искусственного нейрона подключились математики. С математической точки зрения — искусственный нейрон представляется как некоторая нелинейная функция от единственного аргумента[31], — линейной комбинации всех входных сигналов. Эта функция выполняет роль активации, срабатывания, как передаточный узел. Полученные результаты посылаются на единственный выход.
Но «один в поле не воин». Чтобы искусственный нейрон начал работать, он должен, как и биологические (живые) нейроны, объединиться с другими электронными собратьями в цепь. То есть образовать своеобразный искусственный «мозг», способный заниматься исчислениями и не только. В 1951 году Марвин Мински, ученый-когнитивист, со своим студентом сконструировал SNARC — нейросетевую машину, состоящую из 3000 электронных ламп, которые имитировали… 40 связанных между собой нейронов. Ученый использовал эту машину как устройство обучения машины, накопления ею опыта, т. е. обучение с подкреплением. Обучение систем ЭВМ «методом их собственных проб и ошибок». Здесь «ученик», т. е. программный агент, совершает множество «лишних» действий, чтобы выйти на тот алгоритм, через который система достигает цели. «При обучении с подкреплением («закреплением в памяти результативных действий» — О. П.) и системы, и машины учатся без заранее сформулированных инструкций [4. С. 99].
Забегая вперед, следует обратить внимание читателя, что обучение с подкреплением — это, по мнению энтузиастов ИИ, — создание сильного искусственного интеллекта. Такого, который превзойдет человеческий. Однако академик Арутюн Ишханович Аветисян относится к этим прогнозам-ожиданиям скептически: «Я утверждаю много лет: сильного искусственного интеллекта не существует… Сейчас (2022 год — О. П.) даже уже перестали говорить: «Ну дайте денег, и через 2–3 года мы его сделаем…». Что же касается нынешнего «искусственного интеллекта», …то это не интеллект, а машинное обучение» [16. С. 10].
Обучение с подкреплением электронной системы напоминает шаги младенца человека, входящего в большой мир общественных отношений. Уникальную и гениальную для создания искусственного интеллекта идею о «машине-ребенке» (!) высказал еще Алан Тьюринг все в той же статье в «Mind» 1950 года. Как пишет Д. Мичи, Тьюринг прозорливо указывает на безнадежность метода непосредственного программирования в машине огромного массива знаний, таких знаний-данных, чтобы машина начала выполнять поставленную перед ней задачу. Ребенок-человек и «машина-ребенок» похожи в том, что они не в состоянии загрузить сразу в свою память всех «взрослых» данных-знаний. К сожалению, гениальную по простоте идею Тьюринга «машины-ребенка» сообщество исследователей искусственного интеллекта упустили из виду; не сразу приняли эту аргументацию для обучения с подкреплением [1. С. 152]. «Машина-ребенок» Тьюринга — это этап, чтобы затем перейти к самообучающимся нейронным сетям. Думается, что вклад Алана Тьюринга в разработку теории создания и развития цифровых вычислителей, цифровой экономики еще предстоит оценить по достоинству.
На пути к созданию искусственных устройств, функционирующих на принципах биологических сетей нейронов по передаче сигналов в головном мозге, важным открытием стали, повторимся, нейронные сети. Точнее, создание на их базе перцептронного алгоритма распознавания образов. В конкретном (машинном) случае — компьютером. Перцепция (лат. perception) — непосредственное, без дополнительных устройств и «помощников», отражение органами чувств объектов действительности. В 1957 году Фрэнк Розенблатт (1928–1971) создал перцептронный алгоритм распознавания образов. Как полагают некоторые специалисты по теории искусственного интеллекта, если компьютер, а точнее объединенный в нейросеть ряд компьютеров, начинает запоминать и распознавать образы объектов мира, значит они получили … зрение.
Реплика в духе диамата
Эксперт по искусственному интеллекту Джефф Дин (р. 1968) убежден, что тот этап эволюции, на котором у животных развились глаза, стал большим шагом вперед. Теперь глаза есть и у компьютеров [Цит. по 4. С. 89]. Главное заблуждение (или нежелание понять) многих влюбленных в технологию искусственного интеллекта заключается в том, что не глаза сами по себе видят, а животное, тем более человек, видят с помощью глаз. А как же слепые, глухие люди, тем более слепоглухие, которые стали полноценными, «видящими» и «слышащими» членами человеческой цивилизации. Видящими и слышащими глазами и умами своих родных, близких, знакомых. Всех. Но это к слову…
Первые разработчики программ с двоичным кодом исчисления четко сознавали, что ЭВМ — это качественно усовершенствованный, но все же арифмометр. «Поведение» компьютера фактически детерминировано материалом (электронной начинкой), потребляемой энергией (электричество) и программным — алгоритмическим обеспечением. Если создававшиеся ранее человеком машины и механизмы «работали» с веществом и энергией, на выходе у них появлялись новые вещественные продукты, то компьютер «работает» с информацией. Он получает на входе «пищу» — информацию и выдает на выходе «продукт» — информацию[32][17. С. 287]; [18. С. 5]. В своей книге «Человеческое использование человеческих существ» (1950 год) Н. Винер полагает, «что общество можно понять только путем изучения его информационных посланий и средств…»
