Мислення. 
Мозок з комп'ютером

Мышление. Мозок з комп’ютером.

Аруцев Олександр Артемьевич, Єрмолаєв Борис Валерійович, Кутателадзе Іраклій Отарович, Слуцький Михайло Семенович Отличительное властивість мислення укладено, напевно, у спроможності досягати певної мети, тобто знаходити потрібний варіант серед інших у принципі допустимих, але не що призводять до необхідному результату. Наприклад, якщо в мавпи у клітині є купа різних предметів, але дістати банан вони можуть, лише обравши з купи ящик, щоб стати нею, і палицю, щоб збити банан, ми судимо про інтелекті мавпи у тій, як справляється з.

Допустимые варіанти — це комбінації деяких елементів: дій в практичних питаннях, умовиводів доводити, фарб та звуків мистецтво. Може бути, щоб отримати дані поєднання, треба просто перебирати варіанти одне іншим державам і відкидати все негідні?

Бесплодность такий підхід випливає з факту, званого у кібернетиці комбинаторным вибухом. Річ у тім, що й елементи можуть вільно групуватися друг з одним, то загальний набір поєднань зростає (зі збільшенням числа елементів у традиційному наборі) вкрай швидко, експоненціально. Так, при алфавіті лише з десяти символів можна скласти 10 100 текстів довжиною до ста літер!

Машине, просматривающей навіть мільярд мільярдів таких стобуквенных слів в секунду (звісно, це фантастична швидкість), до повного огляду їх знадобиться близько 1074 років. Порівняйте, час, що минув після космологічного Великого вибуху — «лише «1010. Тому випробувати все варіанти несила ні «повільного «людському розуму, ні як завгодно здійсненого комп’ютера.

И все-таки якимось чином виникають унікальні тексти із багатьох сотень і тисяч знаків (в музиці Моцарта не можна чіпати жодну ноту). Шукаючи таких нові й незамінних комбінацій сутність творчості. «Однак десь є він наприкінці кінців, той — єдиний, незрозумілий, той — геніальний порядок лунаючих нот, геніальний порядок звичайних слів! «(Р. Рождественський).

Значит, повинні існувати способи відшукання «голки «потрібного без повного перебору «копиці сіна «можливого. Концепція Л. И. Верховского дозволяє визначити підходи до формалізації такого процесса.

1. Піраміда мов.

Ясно, що побудова шуканої комбінації було практично неможливо, якби він одразу починалося лише на рівні тих елементів, якою воно остаточно має бути виражено — назвемо цей рівень мовою реалізації. Адже, щоб твори роману недостатньо знання літер, а здобуття права дістатись потрібного адреси, — правил вуличного руху.

Поэтому ми завжди використовуємо чимало мову, а цілий їх набір. З допомогою цього набору намагаємося покінчити з проблемою загалом, тобто звести її до низки подпроблем, ті - до ще більше дрібним, й дуже до того часу, поки кожна з яких нічого очікувати настільки проста, що зможе полягати мовою реалізації. Фактично журнал ми одну складне завдання послідовно розбиваємо попри всі більше дедалі більше легких. Як якби під час прокладання маршруту користувалися б комплектом карт різного масштабу.

В насправді, визначаючи шлях, ми починаємо із дуже грубої карти, що охоплює весь маршрут. Від неї переходимо до невеликого набору докладніших, від транспортування кожної їх — до кільком ще більше детальним. І щоразу ми легко знаходимо потрібне, так як кожна є більш загальна карта вже з змісту різко обмежує подальший перебір. Отже, в ієрархії мов укладено протиотруту проти комбинаторного вибуху.

Понятно, що успіх всієї багатоступінчастої процедури залежатиме від цього, наскільки сповнений наявний набір «карт », чи немає там перепусток цілих ярусів чи окремих примірників. Але така завершеність можливе тільки на добре вивченій області. Найхарактернішою саме нестача знань, потребує зусиль належала для розширення й реорганізації мовних коштів.

Чтобы дати раду розвитку засобів, зручно звернутися мови программирования.

2. Програмістські аналогії.

В схемою звичайній сучасної ЕОМ втілено мову машинних команд, що з найпростіших арифметичних і логічних операцій. Примітивність цієї мови — Плата універсальність: передбачається, що машину буде використано до різних цілей, та якщо з маленьких цеглин таки можна споруджувати будинки самої витіюватим форми, чого не скажеш великих блоках.

Однако кожен конкретний користувач вирішує лише своє вузьке коло завдань, і універсальність йому просто непотрібна. Навпаки, він хотілося б перевертати великими блоками, що дозволило б йому зменшити перебір. Інакше кажучи, він хотів би мати мову, орієнтований саме у його проблеми. Які ж його отримати?

При складанні кількох, найбільш простих програм деякі поєднання команд постійно повторюються, вони стоять ніби злипаються між собою. Такий комбінації можна привласнити ім'я, запровадити їх у пам’ять, і оператор мови вищого рівня готовий. (Це аналогічно виробленні умовного рефлексу — повторювані стимули і реакції стають єдиним цілим.) Такий варіант дій може бути шляхом «знизу » .

Но є держава й інший шлях — «згори ». Аналізують все безліч розв’язуваних завдань і шукають набір максимально великих частин, у тому числі складався усякий потрібний алгоритм. Проводячи знов-таки паралель з будівництвом, можна сказати, що визначають комплект блоків, у тому числі вдасться звести споруди обумовленого типу.

Здесь людина використовує свою перевагу над машиною в різноплановості своїх поглядів на світі. Для комп’ютера цей крупноблочный мову цілком незрозумілий, і його треба перевести кожен блок в набір цеглин — машинних команд. І тому сочиняется программа-транслятор (знов-таки шляхом ієрархічного розбивки). У різних випадках будуть свої набори блоків; так виникають сотні алгоритмічних мов — кожен із новачків по-своєму членує світ.

В цих співвідношеннях проявляється загальний принцип мислення — працювати на верхніх поверхах мовної ієрархії. Якщо в розпорядженні немає мови високого рівня — його треба створити. Головна мета у своїй — уникнути великих переборів варіантів.

Окончательный результат, наприклад, обгрунтування якогось затвердження, може бути наведено до чогось добре зрозуміле: аксіомам в формальної теорії, атомно-молекулярным уявленням в хімії (це — мову реалізації). Отже, завдання у цьому, щоб спуститися доти рівня, та був у зворотний бік (знизу вгору), здійснюючи логічний висновок, сувору дедукцию.

3. Дві логіки.

Еще у шкільництві на уроках геометрії ми добре засвоюємо сутність суворої логічного системи: якщо вдалося простягнути ланцюжок умовиводів від вихідних постулатів до необхідного затвердження, то ми не залишається жодних сумнівів у його істинності (поки хтось, подібно Лобачевскому, сумніватися лише у засадах). Але якщо ланцюжок виведення є досить довгою, то, знаючи одні аксіоми, побудувати доказ без великого перебору не можна.

Поэтому тут теж потрібні цілі блоки умовиводів. І тому вирішуємо спочатку зовсім завдання (ланцюжка короткі), а кожну вже решенную запам’ятовуємо — вони-то і є поняттями вищого рівня (те, що ми називаємо шляхом «знизу »). Найважливіші, тобто відбивають загальні властивості всього кола завдань затвердження, називають теоремами — адже її слід пам’ятати обов’язково.

Теперь, у зв’язку тяжчим завданням, не доведеться зводити її до постулатам, а лише уявити, як комбінацію вже завдань і доведених теорем (від них шлях вниз вже виконано). Вирішити завдання — отже, «викласти, як підлогу кімнати паркетом, завдання — аксіомами ». Перебування такий укладання відбиває побудова докази, тобто складу і близько умовиводів. Зрозуміло, що й завдання досить великий, одразу з ним не впоратися (той самий великий перебір). Тому треба спершу розширити набір правильних затвердженні. Візьмімсь за простіші завдання. Легко заповнюємо їх аксіомами. Тепер, тримаючи про себе ці блоки, можна знову повернутися до важкою завданню. Зрозуміло, що вона зводиться до вирішеним.

Именно так будуються заняття з підручника чи із гарним учителем, коли спеціально підібраний ряд все дедалі складніших завдань дозволяє поступово нарощувати знання учня. Хіба робити у новій, недослідженої області?

Если є скількись встановлених фактів, те з них усе й починається. Уважно вивчаємо їх будова, намагаємося знайти приховану закономірність, певний загальний принцип. Виявляємо подібні контури і мотиви — визначаємо собі евристики, які дозволять різко звузити число прийнятних гіпотез. Далі просіваємо правдоподібні варіанти.

Наконец, після тривалих роздумів і невдалих проб, знаходимо — еврика! — що це факти представимы як поєднання кількох гіпотез. Переживаємо то рідкісне й казки надовго такого мить, яку називають осяянням, инсайтом.

Понятно, що запровадження элементов-гипотез — то це вже знайомий нам шлях «згори ». Заковика у цьому, що ці елементи може стати завеликими, занадто далекі від повсякденних уявлень, аби відразу бути вираженими мовою загальновідомого. Часто це невиразні відчуття, коли сама автор здогади вже певний її правильності, але ще може переконати інших. Як сказав Карл Гаусс: " … мені відомо результати, лише не знаю, який у мене до них прийду " .

И все-таки, попри утворену логічний прірву, виникнення таких незрозумілих образів — ключовою етап. Він відповідає інтуїтивного рішенню, постановці нових завдань, визначальних все подальше: формулювання та обґрунтування гіпотези, та був перетворення їх у теорію. Кожен інтуїтивний образ — «замок в хмарах «- має бути закріплено (подальшим подразбиением) на твердої грунті аксіом і теорем. Зрозуміло, що інтуїція — це щось містичне було, а підсумок руху думки «вшир », виношування свого особливого погляду, упрощающего всю картину.

Итак, виходять дві основні стадії створення теорії: спочатку розпізнавання мови якнайкращої рівня для описи наявних фактів, і потім — суворе обоснование.

4. Як вести ідеї?

В свого часу великий Г. Лейбніц висунув програму «універсальної характеристики «- мови, символи якого відбивали їхній смисл, тобто ставлення до іншим поняттям, — «його знаки поєднувалися в залежність від порядку й зв’язку речей ». Усі мислення, з його ідеї, має звестися просто до обчисленням на етой мовє за правилами. Поки що це проект удалося втілити лише наполовину — формалізувати дедуктивний висновок (його чинить і ЕОМ), а логіку винаходи, логіку уяви — немає.

Быть може, тут буде корисною комбінаторна геометрія (а наша модель належить до ній), мету, якої - знаходити оптимальне поєднання деяких элементов-фигур (такий підхід використовував раніше Едвард де Боно). Модель добре відбиває різні ситуації, наприклад, наявність конкуруючих теорій — кількох систем постатей, у яких вкладається дане чимало фактів. Або поява факту, який вдається скласти з відомих блоків. Тут доводиться будувати нову теорію — розбивати звичні постаті на частини й компонувати їх по-новому (виробляти, відповідно, аналіз стану і синтез).

Кроме суто комбінаторних труднощів, перепона ще й у цьому, що з боргом вживанні кожен образ починає сприйматися як неподільне ціле, із чим пов’язані догматизм в мисленні і бюрократизм у його різноманітних проявах. Як правило, тут потрібен свіжий погляд, яким нерідко має «чоловік із боку » .

Конечно, «гра в кубики «- лише ілюстрація деяких способів мислення, і говорити про універсальному ще не можна. І все-таки така гра у певній ступеня проясняє, що міг пам’ятати Ляйбніц, пишучи, що є літочислення важливіше, ніж викладки арифметики і геометрії, — літочислення ідей.

В мозку, мабуть, незрозумілим поки способом створюються зв’язку й відносини між образами — энграммами пам’яті, а сам розумовий процес зводиться до перебудов цієї структури. У цьому діє і мінімізація — адже ми завжди шукаємо саме короткий уявлення сукупності фактів; раніше цю називали принципом економії мислення.

Вообще, нагальна вимога розвитку якийсь «нової математики логіки «назріла. Як вказували батьки кібернетики і теорії систем Джон фон Нейман і Людвіг фон Берталанфи, «логіка буде змушена зазнати метаморфозу і перетворитися в неврологію значно більшою мірою, ніж неврологія — в розділ логіки », і «віддавна чиняться спроби створити «гештальт-математику », основу якої лежало би кількість, а відносини, тобто форма і Порядок » .

5. Мозок з комп’ютером.

ЭВМ може зберігати у пам’яті скільки завгодно відомостей (навіть абсолютно безглуздих) і випускати з ними мільйони дій в секунду. Спершу були сподівання, що це гідності вже гарантують високий інтелектуальний потенціал, але незабаром з’ясувалося, що з многою поінформованості необов’язково таїться мудрість. Адже, як ми бачили, розум — здатність не відкидати погані варіанти, а знаходити хороші, чого примітивним перебором не досягнеш.

Человек не запам’ятає великий обсяг неорганізованою інформації (на кшталт телефонного довідника), зате знання в нього зв голові добре структуровані і взаємопов'язані. Вони найбільшою мірою відбивають суттєві боку реальності: набори маршрутних «карт «ув'язані між собою за вертикаллю і горизонталі, кожне поняття оточене його «асоціативної аурою «(Д.С.Лихачев). Це багатство зв’язків дозволяє забезпечувати лише які стосуються справі відомості, та вже конструювати потрібне рішення.

Знаниями про світі, моделлю світу необхідно наділити з комп’ютером. І тому до нього зараз вводять набір «сценаріїв ». Сценарій — це загальний каркас, стереотип, який раз повинен наповнюватися конкретним змістом. Розпізнавши ситуацію, машина відшукує відповідний сценарій, після чого сама ставить і питання уточнює собі відсутні деталі.

Это нелегко зробити, з урахуванням, що запас таких шаблонів в людини воістину колосальний — у яких кристалізується досвід усього життя. Кожне явище ми уявляємо у багатьох зрізах і ракурсах, і деякі речі, наприклад, просторові співвідношення, засвоюються несвідомо в ранньому дитинстві.

Но саме головна відмінність у тому, що мозок оперує безпосередньо тими ємними образами, що у ньому виникли, тобто йому треба щоразу опускатися до найпростіших операцій. Очевидно, образне мислення не відокремлена від пам’яті, де ті образи якось відбиті, і водночас із перебудовою пам’яті самоорганізується, налаштовується на знову створений язик, і «процесор » .

Это дуже важко відтворити насамперед тому, що фізичні принципи нейрологической пам’яті не розкрито. Зараз популярна аналогія між оптичними голограмами і энграммами пам’яті (розподіленість по носію, величезна ємність, асоціативність). У цьому схожості намагаються засновувати думаючі машини незвичного типу — оптоэлектронные, у яких зберігатися і оброблятися будуть не числові коди всіх понять, а образи — голограми.

Другое напрям — створення хіба що аналога нейронної мережі із великої масиву простих ЕОМ. Хоча кожна з яких виконує нескладну функцію, всі вони маніпулюють цілими комплексами станів. Знову виходить щось таке як образне мислення.

Так чи інакше, але комп’ютери мусимо навчитися, говорячи чергового патріарха кібернетики, Клода Шеннона, «виконувати природні операції з образами, поняттями і чи неясними аналогіями, а чи не послідовні операції з десятиразрядными числами » .

Работа думки іде певними цільовими установками, мотивацією. Сама мета стає тим верховим чином, яка переказує пошук коштів на її досягнення. Ми закладено потреба отримати нові враження (почуття інформаційного голоду), і навіть стиснути їх, охопити одним поглядом. Мабуть, ці установки треба доповнити машину, щоб зробити його активно що пізнає.

Наступит день, коли інтуїтивне мислення, що з невідомими поки механізмами пам’яті, теж реалізовано вигляді електронних чи якихось інших схем. Поступово штучний інтелект почне наздоганяти, та був і перевершувати свого творця у вирішенні різноманітних завдань, гру шахи тощо.

И буде ставати дедалі очевиднішим, що головна відмінність — над властивості мислення як, суть у тому, що людина наділений особистісними властивостями, під час першого чергу, свідомістю. «Людина знає, що знає «.

Сможет чи машина подолати і це кордон? Коли сама вона навчиться сама утворювати нові поняття, то рано чи пізно дійшов поняттю «комп'ютер ». Затим — ефект дзеркала: знаючи, що таке дзеркало й краще вбачаючи у ньому свій відбиток, вона прийде до розуміння свого «Я » .

6. Биокомпьютер

Если озирнутися й обвести неупередженим поглядом історію світового компьютинга, неминуче виявляєш: величезний корабель комп’ютерного приладобудування перебуває у русі. Він повільно, але вірно розгортається від суто лічильної техніки, через машини з масовим паралелізмом до так званому биокомпьютеру — машині, які мають увібрати у собі усе найкраще, властиве «счетному залозу «живій людському мозку. І якщо біологічні, еволюційні питання для професійного комп’ютерника цікаві трохи більше, ніж екологічні, політичні та інші суто людські проблеми, нині усе змінилося. Як у процесі біологічної еволюції виникало і розвивалися біологічні системи обробки інформації? Як вдосконалювалися забезпечувані цими системами кібернетичні властивості організмів? Усе це нині - професійні комп’ютерні питання. І тому не гріх і огледіти сьогодні, що ми, люди, зуміли зробити і чого не зуміли ще внаслідок різних причин довгій кривулястою доріжці, наприкінці якої написано: «биокомпьютер » .

6.1. Еволюційний моделювання.

Все роботи у цій галузі можна зводити до трьом групам. У першій виявляться моделі походження молекулярно-генетичних систем обробки інформації, на другий — моделі, що характеризують загальні закономірності еволюційних процесів, а третьому — аналіз моделей штучної «еволюції «з єдиною метою застосування методу еволюційного пошуку до практичним завданням оптимізації.

В початку 70-х років лауреат Нобелівської премії М. Эйген зробив вражаючу спробу побудови моделей виникнення у ранній біосфері Землі молекулярно-генетичних систем обробки інформації. Найвідоміша їх — модель «квазивидов », яка описувала просту еволюцію полинуклеотидных (інформаційних) послідовностей. Після Эйгеном 1980;го новосибірськими вченими В. Ратнером і В. Шаминым було запропоновано модель «сайзеров » .

В моделі квазивидов розглядається поетапна еволюція популяції інформаційних послідовностей (векторів), компоненти яких беруть мало дискретних значень. Модельно задано пристосованості «особин «як функції векторів. На кожному з етапів відбувається відбір особин в популяцію нового покоління ще з імовірностями, пропорційними їх приспособленностям, і навіть мутації особин — випадкові равновероятные заміни компонент векторів.

Модель сайзеров в найпростішому разі розглядає систему із трьох типів макромолекул: полинуклеотидной матриці і ферментів трансляції і реплікації, кодованих цієї матрицею. Полинуклеотидная матриця — це хіба що запам’ятовуючий пристрій, в якому зберігається інформацію про функціональних одиницях сайзера — ферментах. Фермент трансляції забезпечує «виготовлення «довільного ферменту по записаній в матриці інформації. Фермент реплікації забезпечує копіювання полинуклеотидной матриці. Сайзер достатній для самовідтворення. Включаючи в схему сайзера додаткові ферменти, кодируемые полинуклеотидной матрицею, можна забезпечити сайзер певними властивостями, наприклад властивістю регулювання синтезу певних ферментів і адаптацію змін зовнішньої середовища.

К початку 50-х років у науці сформувалася синтетична теорія еволюції, джерело якої в об'єднанні генетики і дарвінівського вчення про природному доборі. Математичні моделі цієї теорії добре розроблено, але вони мало стосуються аналізу еволюції інформаційних систем біологічних організмів. Однак у наступні десятиліття з’явилися моделі, що досліджують молекулярно-генетические аспекти еволюції.

Японский учений М. Кімура, наприклад розробив теорію нейтральності, за якою на молекулярному рівні більшість мутацій виявляються нейтральними та якщо з найважливіших механізмів появи нової генетичної інформації полягає у дублікації вже наявних генів і наступного модифікації однієї з дубльованих ділянок. У працях московських учених Д. і Н. Чернавских зроблено оцінка ймовірності випадкового формування нової біологічно значимого білка (кодованого ДНК) з огляду на те, що у білці є активний центр, у якому заміни амінокислот практично неприпустимі, і ділянки, властивості яких немає сильно змінюються під час багатьох амінокислотних заміни. Отримана оцінка вказує те що, що випадкове формування білка був цілком мабуть у процесі еволюції.

В надзвичайно цікавих роботах С. Кауфмана з працівниками з Пенсільванського університету досліджується еволюція автоматів, які з з'єднаних між собою логічних елементів. Окремий автомат можна як модель молекулярно-генетичної системи управління живою клітиною, причому кожен логічний елемент інтерпретується як регулятор синтезу певного ферменту. Моделі Кауфмана дозволяють зробити кілька прогнозів стосовно «програм «життєдіяльності клітини. Зокрема, продемонстровано, що з одночасного забезпечення стійкості й гнучкості програми число входів логічних елементів має бути обмежена певним інтервалом, а саме складати величину приблизно рівну 2−3.

Согласованность і ефективності роботи елементів біологічних організмів викликає думку: а чи можна використовувати принципи біологічної еволюції для оптимізації практично важливих в людини систем? Один із перших схем еволюційної оптимізації була запропонована у роки П. Фогелем, А. Оуэнсом і М. Уолшем; ефективність цієї схеми практично було продемонстровано И. Букатовой йшла з Москви. Також у останнім часом проявляється великий інтерес до дослідження та використання генетичного алгоритму, запропонованого Дж. Холландом з Мічиганського університету. Цей генетичний алгоритм призначений вирішення завдань комбінаторної оптимізації, тобто оптимізації структур, поставлених векторами, компоненти яких беруть дискретні значення. Схема генетичного алгоритму практично збігаються з він у моделі квазивидов, крім те, що в генетичному алгоритмі механізм мінливості крім точкових мутацій включає в себе кроссинговер — схрещування структур. Генетичний алгоритм природно «вписується «в паралельну многопроцессорную обчислювальну архітектуру: кожної «особини «популяції можна експортувати відповідність окремий процесор, тому можливо побудова спеціалізованих комп’ютерів, ефективно що реалізують генетичний алгоритм.

6.2. Нейронные сіті й нейрокомп’ютер

В останнє час активно ведуться також роботи з побудові моделей обробки інформацією нервову систему. Більшість моделей полягає в схемою формального нейрона У. МакКаллока і У. Питтса, за якою нейрон є граничний елемент, на входах якого є збуджуючі і які гальмують синапсы; у тому нейроне визначається зважена сума вхідних сигналів (з урахуванням терезів синапсів), а при перевищенні цієї сумою порога нейрона виробляється вихідний сигнал.

В моделях вже побудовано нейронные мережі, виконують різні алгоритми обробки інформації: асоціативна пам’ять, категоризація (розбивка безлічі образів на кластери, які з подібних одна одній образів), топологически коректне відображення одного простору змінних до іншого, розпізнавання зорових образів, інваріантне щодо деформацій і зрушень на просторі вирішення завдань комбінаторної оптимізації. Переважна більшість робіт належить до дослідження алгоритмів нейромереж з прагматичними цілями.

Предполагается, що практичні завдання вирішуватимуться нейрокомпьютерами — штучними нейроподобными мережами, створеними з урахуванням мікроелектронних обчислювальних систем. Спектр завдань для розроблюваних нейрокомп’ютерів досить широкий: розпізнавання зорових і звукових образів, створення експертних систем та його аналогів, управління роботами, створення нейропротезов для таких людей, втратили слух чи зір. Переваги нейрокомп’ютерів — паралельна обробка інформації та спроможність до навчання.

Несмотря на надзвичайну активність досліджень з нейронным мереж і нейрокомпьютерам, багато речей цих міжнародних дослідженнях насторожує. Адже студійовані алгоритми виглядають хіба що «вирваним шматком «із загального осмислення роботи нервової системи. Часто досліджуються ті алгоритми, котрим вдається побудувати хороші моделі, а чи не ті, що важливі розуміння властивостей мислення, роботи мозку й у створення систем штучного інтелекту. Завдання, можуть бути вирішені цими алгоритмами, відірвані від еволюційного контексту, у яких мало розглядається, як саме й чому виникли ті чи інші системи обробки інформації. Насторожує також надмірна спрощеність розуміння роботи нейронних мереж, у якому нейрони осмислені лише як суммирующие порогові елементи, а навчання мережі відбувається шляхом модифікації синапсів. Ряд дослідників, щоправда, розглядає нейрон як значно більше складну систему обробки інформації, припускаючи, що основну роль навчанні грають молекулярні механізми всередині нейрона. Усе це свідчить про необхідність максимально повного розуміння роботи біологічних систем обробки інформації і властивостей організмів, забезпечуваних цими системами. Однією з важливих напрямів досліджень, сприяють такого розуміння, напевно, то, можливо аналіз того, як у процесі біологічної еволюції виникали «інтелектуальні «властивості біологічних организмов.

6.3. «інтелектуальні винаходи «біологічної еволюції.

Интересно розібратися, як у процесі біологічної еволюції виникла людська логіка. Аналіз пов’язані з глибокої гносеологічної проблемою: чому людська логіка застосовна пізнання природи? Коротко пояснимо проблему простим прикладом. Припустимо фізик, вивчаючи динаміку деякого об'єкта, зумів в певному наближенні звести опис його до диференціальному рівнянню. Далі він, зрозуміло, інтегрує отримане рівняння відповідно до відомим з математики правилами і отримує характеристики руху об'єкта. Перехід від диференціального рівняння до характеристикам руху носить дедуктивний характер але, якщо гранично суворим, цей перехід треба обгрунтовувати: адже фізичний об'єкт зовсім не обов’язково повинен підпорядковуватися правилам людської логіки!

Для розуміння процесу виникнення логіки чиняться спроби побудувати модельну теорію походження логіки в біосфері. Така теорія міг би утримувати математичні моделі ключових «інтелектуальних винаходів «біологічної еволюції, акцентирующие увагу до біологічному значенні і причини виникнення цих винаходів, і навіть моделі, що характеризують переходи між винаходами різних рівнів. Надійніше всього, певне, розпочати з «самого початку «- з походження життя і простежити весь шлях біологічної еволюції від найпростіших організмів до людини, виділяючи цьому шляху найбільш важливі еволюційні відкриття, які ведуть логіці. Щоб краще уявити коло питань, що є предмет модельної теорії походження логіки, відзначимо деякі важливі рівні «інтелектуальних винаходів » .

Уровень перший — організм розрізняє стану весняної середовища, пам’ять про ці станах записана в геномі і передається у спадок, організм адекватно використовує відмінність середовищ, змінюючи свою поведінку зі зміною середовища. Приклад того рівня — властивість регулювання синтезу білків в бактерії у відповідь зміна поживних речовин у зовнішній середовищі за схемою Ф. Жакоба і Ж.Моно. Дане властивість можна назвати елементарної сенсорикой.

Второй рівень — тимчасове запам’ятовування організмом стану середовища проживання і адекватне, також тимчасове, пристосування до неї. Приклад того рівня — звикання, саме поступове згасання реакції роздратування на біологічно нейтральний стимул.

Третий рівень — запам’ятовування стійких перетинів поміж подіями у оточуючої організм природі. Добрим прикладом — досліджений И. Павловым класичний умовний рефлекс, в якому розгортається довгострокове запам’ятовування зв’язок між умовним і безумовним стимулами і підготовка до життєво важливих подій у світі.

Между класичним умовним рефлексом і логікою лежить ціла низка проміжних рівнів. Наприклад, інструментальний умовний рефлекс відрізняється від класичного тим, що він щоб одержати заохочення тварині необхідно зробити заздалегідь невідоме йому дію. Ланцюг умовних рефлексів — це система реакцій, сформована з урахуванням раніше які у пам’яті тваринного умовних зв’язків.

Рассмотрение моделей «інтелектуальних винаходів «біологічної еволюції показує їх надзвичайну фрагментарність і слабку розробленість. Цілком немає моделей переходів між «винаходами «різних рівнів. Нині можна лише попередньо зазначити деякі аналогії. Наприклад, вироблення умовного рефлексу можна як яке у нервовій системі тваринного елементарний висновок — «якщо на умовним стимулом слід безумовний, а безумовний стимул викликає певну реакцію, то умовний стимул також викликає цю реакцію «- далекий попередник формул дедуктивної логіки.

Построение модельної теорії виникнення логіки то, можливо загальної наукової основою при створенні штучних інтелектуальних систем на бионических принципах. У рамках таких робіт доведеться модельно зіставити дарвиновскую (немає передачі по спадщині придбаних навичок) і ламарковскую (є успадкування придбаних навичок) концепції еволюції і з’ясувати класи завдань, котрим застосовна та чи інша стратегія. З’являються можливості модельно проаналізувати процес виникнення нервової системи як спеціально настановленим швидкою й надійної обробки інформації частини керуючої системи.

Остается підкреслити, що у дослідженнях по нейрокомпьютерам і з еволюційному моделювання приділяється обмаль уваги тим властивостями систем обробки інформації, внаслідок чого організми пристосовуються до навколишньому середовищі, а також осмисленню того, як і чому виникали такі властивості. Тому ідейний об'єднання цих досліджень з аналізом еволюції «інтелектуальних винаходів «біологічних організмів є дуже актуальним.

Будет чи комп’ютер коли-небудь мислити, як людина? Сьогодні навряд чи хто зможе переконливо аргументувати відповідь це питання. Проте перебіг електроніки показує, що дистанції між машиною і істотою розумним поступово скорочується.

В перші десятиліття по винайденні комп’ютера у його завдання входили лише обчислювальні роботи, З 1970;х років комп’ютерну техніку почали переорієнтувати з цифрової інформації різні системи символів, у цьому числі тексти. Наступний етап — воно розпочалося у 90-ті - означаючи перехід роботи з широкосмугової інформацією, що включає розпізнавання ємних інформаційних образів. На думку фахівців, у найближчому майбутньому до 90% інформації, оброблюваної в комп’ютерах, йтиме у зв’язці саме з розпізнаванням образів. А отже виникає потреба у пристроях нової генерації.

Один з способів вирішення цієї проблеми — створення нейрокомп’ютерів. Як відомо, людське мислення характеризується функціональної асиметрією мозку. Логічні завдання, пов’язані з обробкою різних символів і упорядкуванням послідовних ланцюжків умовиводів, зазвичай, вирішуються з допомогою лівого півкулі. Вона ж відпо-відає мова.

А ось образне і асоціативне мислення — це функції правого півкулі. Тому людина з ушкодженим правим півкулею чудово логічно мислить, може говорити і розуміти мова, але уловлює різних відтінків в інтонації говорить і неспроможна встановлювати різні асоціативні зв’язок між словами. Такий індивід позбавлений відчуття гумору, і за спілкуванні з нею постають певні труднощі.

Нейрокомпьютер — цей прилад, яке багато в чому імітує роботу людського мозку, і його правого півкулі. Вона складається з безлічі штучних нейронів, нагадують природні. Електронні нейрони, як і їх відповідники в мозку людини, об'єднують у структури різних рівнях, між якими здійснюється інформаційному обміну про.

С допомогою системи інформаційних рівнів, чи нейромереж, можна розпізнавати і обробляти величезні обсяги образною інформації. Понад те, такі комп’ютерні мережі мають властивістю самонавчання чи самопрограмування.

Достоинство цих технологій й тому, що вони призначені на вирішення неформализуемых завдань, котрим або ще немає відповідної теорії, або він у принципі не може бути створена. З іншого боку, у свого навчання нейросеть навчається знаходити оптимальні рішення поставлених завдань, що є однією істотною перевагою.

Распознавание образів, стиснення інформації, асоціативна пам’ять — цих функцій є необхідні різних пристроїв з штучним інтелектом. І творці комп’ютерна техніка вже просунулися у цьому напрямі. Тож якщо порівнювати потужність штучних природничих нейромереж по ємності пам’яті і швидкості роботи, то штучні нейромережі вже перевершили рівень мухи, хоча ще досягли рівня таргана. Але той, хто впіймати муху, може уявити, якого типу завдання вже доступні нейросетям!

7. «Віртуальне реальність «.

Процесс пізнання людиною світу посів новий виток. І цей новий рівень пов’язані з із розробкою та реалізацією комплексної проблеми «віртуальна реальність «(Virtual Reality), активно що розвивається в університетах і промислових компаніях США. Японії Європи.

Важным відзнакою «віртуального «підходу від попереднього методів комп’ютерного моделювання процесів, які у складних системах, є можливо повніше використання знань про особливості поведінки людини, про людському мозку, про процеси обробки образною інформації, про взаємодії сенсорних каналів (зорового, слухового, тактильного та інші), про формуванні ми узагальненого образу світу — адже ми вже погано уявляємо, як саме це відбувається.

Разумеется, будь-яке потрапляння новий рівень — це результат глибокого опрацювання і узагальнення результатів роботи з попередніх рівнях. Тож у проблемі «віртуальної «істотне його місце займає те, що досить давно увійшло комп’ютерний ужиток, — кольорова і тривимірна графіка, інтерактивні системи человеко-машинного спілкування.

Использование полисенсорной інформації та відповідних зворотного зв’язку призвело до небаченому прогресу з розробки апаратури (відео-, аудіо-, сенсоров-шлемов, спеціальних рукавичок з датчиками) і програмних засобів (зокрема, нових типів баз даних). Усе це господарство дозволяє у реальному масштабі часу створити «ефект присутності «як і глибині образу, і з його поверхні, аналізувати і відображати отримані знання з різноманітною ступенем деталізації образу, інтенсифікації прояви різних його властивостей, у різних ракурсах.

Первостепенную роль розробці проблеми «віртуальної «, грають такі особливості «людського », знання про які виходять в результаті нейропсихолингвистических досліджень. До таких особливостям ставляться, зокрема, обробка полисенсорной (іноді ще її ще називають полимодальной) інформації, адаптивна зворотний, «погляд зсередини «на об'єкт, специфіка механізмів межполушарной асиметрії мозку.

При вивченні процесів сприйняття людиною знання світі (а світ — це багаторівнева зовнішня середовище й многообъектная комунікативна система) більше уваги традиційно приділялося етапах сприйняття, формування та, звісно, їх комп’ютерному уявленню. А в наш час на чільне місце виходять проблеми, розуміння і інтерпретації знань, отриманих різноманітні сенсорним каналам (маю на увазі колірні відтінки, шорсткість поверхні, тривимірне полизвучание тощо).

Подход до пізнання світу, заснований на «віртуальної «, передбачає відображення знань у «кібернетичне простір «-(cyberspace) з огляду на специфіку особи на одне основі дуальної - «левополушарной «(логико-комбинаторной) і «правополушарной «(цілісної, кажуть німці, «гештальтной ») стратегії обробки інформації. Згідно з з «левополушарным принципом «реалізуються сканування екраном, обхід образу по контуру і логико-комбинаторная, численно-аналитическая і імовірнісна обробки. «Правопівкульний принцип «дозволяє здійснити цілісне охоплення вхідного паттерна з урахуванням оцінки многосвязности. Тому важливий чинник у створенні систем «віртуальної «є використання нейромережних моделей.

Еще однієї межею «віртуальної «є формалізовані міркування суб'єкта, засновані з його особистісних уявленнях про добро і зло, красі, можливий і неприпустимому, відображення цих міркувань в cyberspace. Такий формальний апарат, і практично повний комплекс міркувань вже розроблено Вацлавом Поляком.

В Росії роботи у цій галузі ведуться поруч колективів під егідою секції «Нейроинтеллект «Російського науково-технічного суспільства радіотехніки, електроніки та зв’язку їм. О.Попова. Розробляється програмне забезпечення по інтерпретації метафор, інтонаційних характеристик промови, визначенню стану особи на одне основі міміки, і навіть детектированию газів з суміші, екології, біотехнології. При формуванні «віртуальної реальності «повинні, певне, використовуватися властивості, властиві живому мозку, наприклад, такі, як многосвязность і пластичність. Одне з підходів тому й грунтується на вивченні взаємовпливу цих властивостей і характеристик (фізичних, геометричних, структурно-временных) в штучних нейронних системах. У конкретної реалізації моделі, очевидно, доцільно використовувати нано-технологию.

В США проблематику «віртуальної «розробляють і застосовують при створенні продукції такі й потужні фірми, як Intel, IBM, Apple, Silicon Graphics, Hewlett-Packard, Boeing, DEC, Northrop, Chrysler й побудувати нові, спеціалізовані, такі, як VPL Research, SENSEB, Fake Space Labs, SIM-Graphics.

Вот деякі конкретні докладання «віртуальної «практично. Фірма «Крайслер «з допомогою фірми IBM, використовуючи тривимірні очки-линзы і сенсорні рукавички, скоротила час проектування черговий моделі. Фірма «Боїнг «використовує такий підхід на навчання робочих. Фірма «Нортроп «прискорила проектування двигуна винищувача F-18. З допомогою комп’ютерів Macintosh, фіксуючи різноманітним параметрам, що характеризують дії спортсменів (становище, швидкість, гнучкість), вже моделюється в реальному масштабі часу на їхнє динаміка, що дозволяє інтенсифікувати можливості спортсменів.

В західної друку Virtual Reality подається як нова технологія, здатна посилити можливості людського мислення. Тому на згадуваній її розробку виділяються сотні мільйонів.

Проблематика «віртуальної «, як жодна інша сфера, міцно пов’язана з результатами нейропсихолингвистических досліджень, У цих напрямах російська наука завжди займала передові позиції. І.Павлов і А. Ухтомский, И. Бериташвили і Н. Бернштейн, Л. Виготський і Ф. Бассин (список легко можна продовжити) створили відмінний фундамент. Математичні моделі ще 50−60-х роках почали створювати И. Гельфанд, А. Ляпунов, М. Цетлин, С.Фомин. Це був піонерські роботи, результати яких використовувалися в усьому мире.

Список литературы

Для підготовки даної роботи було використані матеріали із російського сайту internet.