Учебное пособие 800209

ности организма, в том числе и научения. Положение не меняется и при создании «блоков эмоций».

Не оправдал возлагавшихся одно время на него больших надежд и метод прямого моделирования деятельности мозга человека путем создания нервных сетей из искусственных нейронов. При моделировании деятельности мозга с помощью «формальных» нейронов возможна лишь имитация отдельных сторон психической деятельности мозга. Формальные нейроны6 нервной сети воспроизводят тоже формальнологическую сторону мышления, но не деятельность отдельных нервных клеток, не физиологические процессы, как полагали специалисты ранее.

Характерно, что в теории нервных сетей делаются вынужденные упрощения, которые признали и авторы фундаментальных работ по этим проблемам (Мак-Каллок, Пите). Предполагалось, во-первых, что нейрон работает сугубо по принципу «все или ничего», тогда как на самом деле работа нервной клетки основана на значительно более сложных закономерностях (наличие различных стадий в работе нейрона и рефракторного периода «отдыха», сложная взаимосвязь с глиальными клетками и пр.). Во-вторых, настоящий нейрон имеет 3—4 тыс. шипиков на аксоне, что дает возможность, по самым скромным подсчетам, образовывать в мозгу 5612 связей.

6 Формальный нейрон отличается от обычного триггера и других двустабильных элементов тем, что импульс на выходе возникает здесь не обязательно после второго импульса; это зависит от количества действующих входов, числа «запрещающих», «тормозящих» и «возбуждающих» волокон. Подробнее об этом см.: Гутчин И. Б. Формальные нейроны в био-

нике. М., 1967, с. 22—28.

143

Но главное заключается в том, что с помощью нервных сетей, как уже говорилось, моделируется не структура мозга и даже не деятельность отдельных клеточных ансамблей, а структура мыслительной деятельности человека. Формальный нейрон имеет фатальное родство с формальной логикой. Существенно и то, что нервная сеть так или иначе рассматривается как жестко детерминированная конструкция, в то время как нейрон и особенно ансамбли нервных клеток мозга имеют «вероятностно-статистический» характер организации и работы (А. Б. Коган). Вот это главное обстоятельство и не учитывали специалисты, которые пытались стохастические мозговые процессы воспроизвести с помощью жестко и однозначно детерминированных. Налицо опять-таки огрубление моделируемого процесса в силу вычленения в нем момента дискретности. Впрочем, в этом заключается особенность всякого технического моделирования природных процессов и социальных явлений.

Итак, однозначно детерминированный характер работы нервных сетей обусловлен дискретностью их структуры и строгой фиксацией свойств формального нейрона (использование артронов, резисторов и других технических устройств не меняет сути дела). Мозгу же человека присущ вероятностный принцип функционирования, который, кстати, объясняет феномен восстановления и компенсации некоторых функций мозга, временно утраченных в результате различных травм и патологических процессов.

Кибернетики опять столкнулись с трудностями принципиального плана, важнейшая из которых заключалась в том, что вынужденное упрощение при моделировании нейрона — абсолютизация дискретности в работе нервной клетки в соответствии с принципом «все или ничего»— оказывалось роковым, и имитация получалась слишком грубой, чтобы иметь какую-то ощутимую практическую ценность. Исследователи пришли в общем-то к единодушному мнению, справедливо

144

считая «создание машин с разумным поведением слишком трудной целью, чтобы можно было надеяться достигнуть ее, начиная с нуля» 23°. Нейрон оказался интегрирующей системой, значительно более сложной, чем самая совершенная современная ЭВМ или любая логическая программа.

Все это вынудило специалистов перейти с физиологического на информационный уровень моделирования мозговой деятельности, вернее, возвратиться к нему на новой основе, поскольку стало ясно, что «детерминированный автомат», смонтированное на триггерах арифметическое устройство, в частности, моделирует тоже не работу отдельных нервных клеток головного мозга, а умственную операцию счета в целом.

Тем не менее создание «искусственного разума» казалось настолько заманчивой, актуальной и благодарной задачей, что кибернетики стали искать новый, значительно более эффективный способ моделирования умственной деятельности. Появился метод так называемого эвристического программирования, который стал усиленно разрабатываться как за рубежом, так и в нашей стране. В чем же его сущность?

Дело в том, что для моделирования стохастических процессов не годятся методы абсолютно однозначной детерминации. Более того, даже задачи с полностью предсказуемыми событиями (задачи «с хорошей структурой», какие имеются только в искусственной среде), т. е. те, которые в принципе можно полностью формализовать и переложить на язык математики, практически не могут быть успешно решены «детерминированными машинами». Классический пример тому — игра в шахматы.

При выборе очередного хода перед машиной оказывается несколько альтернативных решений, каждое из которых в свою очередь ведет к различным тоже альтернативным последствиям. При выборе хода машина «руководствуется не

145

только тем, чтобы поставить мат (конечная площадка), но и достичь целей, следование которым обеспечивает сокращение перебора вариантов (обеспечение безопасности короля, контроль над центральными полями, развитие фигур, осада короля противника, продвижение пешек и т. д.).

В принципе такое «дерево» решений можно проанализировать детально и до конца, выработав в итоге самую оптимальную стратегию из всех возможных. Однако такой метод перебора, дающий возможность достичь цели, двигаясь по лабиринту решения задачи, оказывается неэффективным, так как требует огромного количества времени даже в случае использования самых быстродействующих машин современности или обозримого будущего.

С точки зрения лабиринтного подхода шахматы содержат примерно 10 12° путей, и современная машина со скоростью счета порядка миллиона операций в секунду вынуждена была бы тратить в состязании с опытным игроком на «обдумывание» каждого очередного хода десятилетия. Такой классический путь решения задачи, очевидно, бесперспективен, особенно если иметь в виду, что быстродействие машин подходит к своему физическому пределу.

Все это означает, что для разумного решения проблемы необходимо резкое улучшение стратегии поиска за счет сокращения ходов и вариантов игры, отсечения заведомо бесперспективных ветвей «дерева» решения. Подобная оптимизация стратегии поиска может быть осуществлена путем создания сложных многоуровневых программ. При этом программа более высокого уровня, не обеспечивающая самообучения непосредственно, производит анализ ситуации на предмет выявления наиболее эффективных для решения данной задачи подпрограмм, формируя программы низшего уровня. В случае неэффективности программа более высокого уровня включает другие блоки программ, формируя новую систему подпрограмм или переделывая старую. Короче говоря, в ходе своеоб-

146

разного обучения происходит перестройка и перегруппировка программ путем последовательного приближения в направлении к оптимуму (методом «подъема по градиенту», например).

Таким способом достигается улучшение стратегии поиска, а перспективные, ведущие к выигрышу партии «запоминаются». Происходит в некотором роде самообучение. Мало чем отличается от метода «эвристического программирования» другой «вероятностный» метод моделирования мышления — «эволюционное программирование», который специально здесь не рассматривается.

Нет сомнений, что этот путь моделирования психической деятельности обеспечивает большее сходство в работе машин с деятельностью мозга, в ряде случаев дает лучшие практические результаты, чем старый, классический способ. Нас в данном случае эта проблема интересует с методологической точки зрения. А наиболее существенным здесь представляется следующее:

1.Перестройка и перегруппировка программ происходит с использованием элемента случайности, что исключено в работе жестко «детерминированного автомата»(за исключением, пожалуй, машин со «случайными переходами»). Следует отметить, что ценой этой «вольности» является потеря оптимальности при решении тойили иной задачи в силу неполноты предварительного математического анализа проблемы (это происходит потой причине, что вместе с миллионами ненужных комбинаций всегда могут быть отброшены и оптимальные).

2.По-прежнему основным приемом решения задачиостается метод проб и ошибок, метод перебора вариантов, что вытекает из самой сути эвристического программирования: де-

лается неполный математический анализзадачи и его результаты используются для последующейорганизации более эффективного поиска.

147

3. Машина с эвристической программой учится решению каких-то задач определенного класса. Налицо довольно узкая специализация. В связи с этим нельзя несогласиться с А.В. Напалковым в том, что «ни однаиз созданных эвристических программ не моделируетмышления вообще или решения всех проблем мозгомчеловека, она рассчитана только на узкий класс информационных процессов». Больше того, «часто оказываетсяневозможным точно определить тот класс задач, к решению которых она может быть успешно применима».Моделирование, иначе говоря, осуществляется «наощупь».

4. Наконец, последнее (но, пожалуй, первое по важности) положение, характеризующее метод «эвристического программирования», касается той главной посылки, которая лежит в его основе и рассматривается как исходный принцип. Сторонники этого метода исходят из того, что все сложные психические процессы могут быть предварительно разложены на дискретные «атомы», элементы (квантование), последние промоделированы математически, а затем синтезированы в различных комбинациях. Однако постановка вопроса в таком плане, как уже отмечалось, вызывает серьезные возражения. Она является методологически уязвимой потому, что процесс мышления, представляющий собой (как и отображаемые им природные процессы) единство прерывного и непрерывного, не исчерпывается простой суммой дискретных элементов и не сводится к математическому «дереву» решений, как склонны считать многие инженеры и математики (отсюда, кстати, проистекает методологическая ошибка, в силу которой социальная информация рассматривается как снятая в результате выбора неопределенность). Это положение диалектики очевидно на примере простейшей формы движения — механического перемещения тел в пространстве (вспомним знаменитые апории Зенона). Движение, каковым является и мышление, нельзя выразить, исчерпать совокупностью дискретных моментов, а

148

именно — суммой покоящихся точек, не имеющих протяженности. В связи со сказанным метод «эвристического программирования» принципиально не отличается от прежних, классических способов кибернетики, воспроизводящих формаль- но-логическую сторону мышления. Метод альтернативного выбора, дихотомический принцип, олицетворяющий формаль- но-логический способ мышления по принципу «да — нет», односторонен по своей сути. А он-то и остается «ядром эвристического программирования», в то время как для мышления человека метод дихотомии является далеко не единственным и даже не главным.

Иллюстрацией может служить задача с явно «плохой структурой»: известная головоломка — как построить из 6 спичек 4 треугольника. Решение, как правильно отмечает В. Н. Пушкин, состоит в том, чтобы выйти в трехмерное пространство, построить трехгранную пирамиду. В терминах лабиринта подобные творческие задачи непредставимы; однако человек справляется с решением подобных задач сравнительно легко при отсутствии в голове всех ветвей «дерева» решения (четкое «дерево» характерно только для искусственных игр). И вообще метод проб и ошибок имеет в сознании человека не ведущее, а вспомогательное значение. Эвристическая деятельность человека основывается на его опыте, интуиции и получаемой информации, образе, а также модели потребного будущего — идеальной и динамичной по своему характеру цели.

Мышление имеет вероятностный характер, соответствующий отображаемой стохастической действительности. По выражению Неймана, «язык мозга не есть язык математики». Отсутствие математической строгости — это та цена, которую человек платит за эвристическое в полном смысле этого слова мышление, за интуитивные решения. Отсюда и «неопределенность» понятий «сознание», «мышление», которая так удручает математика.

149

Творческие мыслительные процессы невозможно точно и до конца выразить с помощью алгоритмов и программ. И хотя эвристическая программа содержит правила и операторы условных переходов, в машинном мышлении содержится только намек на интуицию, которая, как и сознание в целом, имеет вероятностный (хотя и вполне детерминированный) характер. В этом смысле можно, на наш взгляд, говорить о «барьере стохастичности» в моделировании мышления.

В связи с вышеизложенным попытки создать общую теорию эвристического программирования и на ее базе объяснить мозговую деятельность представляются необоснованными. За пределами технической и математической кибернетики вся эта терминология имеет вполне ощутимый привкус механицизма. «Списочная организация памяти», «выдвижение целей», «создание планов», «рассмотрение гипотез», «распознавание аналогий» в машинах есть не более как имитация соответствующих сторон психической деятельности человека. Такое же качественное различие имеется между эвристическими принципами мышления (интуицией) и их имитацией в ЭВМ, что, к сожалению, часто не учитывается специалистами.

Такова главная причина, по которой метод эвристического программирования теоретически несостоятелен для решения проблемы воссоздания мышления в его качестве искусственным путем. Крушением этих попыток завершился еще один акт драмы идей XX в. Вместо того, чтобы унизить человека, кибернетика возвысила его.

Среди кибернетиков распространена такая глубокомысленная притча. На совете одной американской фирмы рассматривался проект управляющей машины. Автор машины заявил, что он в общем-то доволен своим детищем, но машине недостает, по его мнению, комплекта устройств, которые бы обеспечили надежность работы и помогали выпутываться из непредвиденных ситуаций. Не сможет ли кто-либо из присутствующих коллег дать на этот счет какие-либо конструктив-

150

ные предложения? После длительного молчания встал один молодой инженер и сказал: «Такое устройство есть».— «Вес устройства?» — с нетерпением спросил конструктор машины.— «Килограммов восемьдесят»,— ответил инженер.— «Подходит. Потребляемая мощность?» — «Ватт шестьсот».— «Превосходно. Время отладки?» — «Примерно полгода».— «Что же это за чудо?» — «Человек, сэр».

Все сказанное ни в коей мере не умаляет практического значения эвристического программирования, необходимости его дальнейшего развития на базе совершенствования математических методов, но лишь способствует реальной оценке возможностей этого метода, правильной ориентации научной общественности в методологических аспектах проблемы.

Метод эвристического программирования в экономике, например, позволяет осуществлять более эффективное планирование, чем при использовании обычного арсенала математических средств для количественного анализа моделируемых явлений (линейное и динамическое программирование, теория игр и другие дисциплины математической кибернетики).

Характер и результаты моделирования мышления в ЭВМ позволяют сделать вывод, что в кибернетической технике воспроизводится формально-логическая сторона мыслительной деятельности человека. Дискретная математика, обслуживающая цифровые машины, имитирует движение понятий в рамках формальной логики, более или менее взаимооднозначных зависимостей. Математическая логика и искусственно созданные алгоритмические языки (Фортран, Кобол, Алгол и пр.), на базе которых составляется программа для цифровых машин, воспроизводят момент дискретности и устойчивости мыслительной деятельности. Отсюда попытка решить проблемы опознания и мышления «в лоб» не может быть признана научно обоснованной, а инженерно-математический стиль мышления в науках о естественных процессах— адекватным и достаточным. Тем не менее моделирование психики, точнее

151

логического мышления, способствует ускорению научнотехнического прогресса. Оно все шире применяется в процессах производства, управления и планирования.

Заключение

Кибернетизация современной науки

До сих пор в работе речь шла в основном о значении кибернетики для объяснения специфики идеального, а также роли кибернетической техники в деле моделирования сознания. Картина была бы неполной, если бы мы не показали методологическую значимость кибернетических абстракций по отношению к науке как особой форме общественного сознания (роль кибернетических устройств в ускорении современного научно-технического прогресса была показана в первом разделе). В заключительной части остановимся на том значении, которое имеют принципы, методы и понятия теоретической кибернетики для современной науки, обратив при этом особое внимание на два момента, первый из которых имеет прогностическую, а второй — ретроспективную направленность. Впрочем, оба они органически связаны между собой, выражая в некотором роде методологическую и мировоззренческую функции понятийного аппарата кибернетики.

Наука с точки зрения кибернетики представляет собой открытую функциональную систему. Если бы дело обстояло иначе, она не смогла бы непрерывно развиваться и выполнять свою общественную функцию. Как ко всякой функциональной системе, к науке применимы все принципы и понятия теоретической кибернетики, использование которых наряду со специфическими принципами науковедения способствует ее быстрейшему развитию (А. А. Малиновский, П. С. Микулинский).

Подобно индивидуальному сознанию, наука выступает и как результат познания природного и социального бытия (от-

152