474 Глава 9

какое-то вино, или же использовать общие правила соответствия вин

различным типам мясных блюд. Инженер, проектирующий мост, и

астроном, отыскивающий на небе звезду, будут таким же образом

выбирать нужный тип процедуры.

Можно провести еще одну параллель между работой человеческого

мозга и компьютера при решении проблем. Речь идет о применении тех

стратегий, которые мы рассмотрели в главе 8.

Поскольку компьютер может работать только по программе, рас-

сматривать здесь случайный перебор бессмысленно. В случае если речь

идет об игре, в которой такая стратегия не используется, было бы

неэкономно <заставлять> компьютер искать решение задачи с помощью

этой стратегии.

Остальные две стратегии используются как человеком, так и компью-

тером.

Рациональный перебор соответствует эвристическому методу, при

котором процессор занимается поисками частичных решений, чтобы

максимально повысить вероятность нахождения приемлемого решения,

сведя к минимуму время и усилия на его поиск.

Систематический перебор соответствует алгоритмическому методу,

в этом случае систематически просматриваются все возможные (при

имеющемся наборе данных) решения с целью найти то из них, которое

наиболее эффективно. Однако компьютер, так же как и человек, не

использует эту последнюю стратегию для решения сложных задач.

Например, при игре в шахматы алгоритмический метод потребовал бы

того, чтобы компьютер для полной уверенности в выигрыше каждый раз

просматривал 10"° возможностей. В подобных случаях выгоднее ис-

пользовать эвристический метод, позволяющий с помощью ряда под-

программ ограничивать поиски решений конкретными <узкими> зада-

чами, такими как захват центра шахматной доски или атака на короля

противника.

Искусственный интеллект и человеческое мышление

Искусственный интеллект-это специальная область науки, опираю-

щаяся на информатику и другие дисциплины; ее главной задачей

является разработка таких программ, которые придали бы компьютеру

интеллект.

Существуют два подхода к проблеме искусственного интеллекта.

Чаще всего исследователи используют подход <сверху вниз>, при кото-

ром разрабатываются экспертные системы, или <мыслящие машины>.

Такие машины представляют собой настоящий электронный мозг,

способный формулировать правила организации знаний, создавать ги-

потезы и сопоставлять их с реальной действительностью с целью

выработки новых решений. Второй подход-это путь <снизу вверх>. При

этом ученые разрабатывают системы, улавливающие различные виды

информации (по типу глаза или уха), соединяют эти системы с обу-

Адаптация и творчество 475

чающимися сетями и с помощью таких моделей пытаются понять, как

действует мозг при декодировании и интерпретации входных данных.

По мнению Моравеца (Университет Карнеги-Меллона), об <ис-

кусственном интеллекте> можно будет по-настоящему говорить только

тогда, когда эти два подхода, развивающиеся пока независимо, объе-

динятся.

1. Мыслящие машины. Компьютеры, о которых мы до сих пор

говорили,-это обычные электронные вычислительные машины, дей-

ствующие по принципу цифровой обработки информации. Они имеют,

с одной стороны, блок памяти, а с другой-обрабатывающее устройство;

эти два блока по программе, составленной человеком, обмениваются

двоичными сигналами, каждый из которых может принимать значения

либо '<да>, либо <нет>. Даже для таких машин уже созданы экспертные

системы, благодаря которым они работают по меньшей мере так же

эффективно, как лучшие специалисты различных областей человеческого

знания..

В последние годы некоторые биофизики-например, Хопфилд из

Калифорнийского технологического института,-заинтересовались раз-

работкой так называемых . нейрокомпьютеров, функционирование ко-

торых гораздо ближе к работе человеческого мозга. Такие компьютеры

состоят из сетей, образованных соединенными между собой кремние-

выми <нейронами>. Роль синапсов здесь играют сопротивления в местах

контактов между <нейронами>. Преимущество таких сетей состоит

в том, что им не обязательно нужно обладать всеми входными данными,

чтобы предложить возможное решение проблемы. Их память, как

и наша, функционирует по ассоциативному принципу: эти машины

способны ассоциировать неполную входную информацию с информа-

цией, уже имеющейся в памяти, и благодаря этому могут формулиро-

вать вероятные ответы гипотетического характера (<может быть...>).

Память диффузно распределена по всей нейронной сети, и при уничто-

жении части этой сети она не разрушается, а становится лишь менее

четкой или более подверженной ошибкам.

С помощью подобной сети из нескольких десятков искусственных

нейронов, соединенных с матрицей фоточувствительных элементов,

Хопфилд смог добиться распознавания, например, буквы А независимо

от конкретного варианта ее написания. Именно так ребенок усваивает

алфавит. Для этого Хопфилду достаточно было сделать так, чтобы сеть

сама могла изменять сопротивление своих связей при каждом предъяв-

лении буквы А, написанной несколько различными способами. На

одиннадцатом предъявлении машина распознала букву А за долю

секунды.

Сайновски и Розенберг из Университета Джонса Гопкинса достигли

еще большего: их машина NETtalk за одну ночь усвоила 1000 слов,

прочитанных вслух из текста на английском языке. При использовании

классических методов программирования это потребовало бы несколь-

ких лет.