4. Психологические проблемы разработки систем искусственного интеллекта (сии) как систем значений

Если определить основную задача психологии как создание адекватной модели субъективного мира человека (Артемьева Е.Ю., 1999), то следует признать, что эта задача является предельно сложной: соответствующая модель должна быть не проще самого исследователя. Для моделирования чего - либо, не уступающего по сложности самому себе, необходимо предельно актуализировать потенциальные возможности.

Сегодня, кроме психологии, прямо можно указать еще лишь одно научное направление, в рамках которого исследователи стремятся решать эту предельно сложную для науки задачу: кибернетика.

Аналогичность, хотя бы и внешняя, предельно сложной задачи определяет взаимный интерес специалистов - кибернетиков²⁴ к проблемам психологии и специалистов - психологов к кибернетике. За 55 лет, прошедших со времени опубликования Н. Винером “Кибернетики”, появились десятки тысяч работ, посвященных проблеме моделирования процессов человеческой психики средствами формальных языков, регулирующих работу различных технических устройств. Некоторые из разработанных кибернетиками моделей оказались весьма эвристичными для психологических исследований и теорий. Это послужило одной из причин экспансии кибернетиков в психологию. Используя средства формальных языков, они строго описали ряд психологических феноменов, сумели сформулировать проблемы и задачи соответствующих психологических исследований и получить логически убедительные результаты. С другой стороны, чтение работ некоторых специалистов - кибернетиков часто наталкивает на мысль о фрагментарности, эклектичности их психологических знаний. Это ни в коем случае не следует рассматривать как упрек, а лишь как понимание того, что и психолог, рискнувший говорить с кибернетиками на их строгом языке, с одной стороны, мог бы быть для кибернетиков не менее интересным, чем кибернетик, пришедший в психологию, для психологов, с другой, конечно же, психолог может произвести на специалистов кибернетиков аналогичное впечатление.

Гораздо менее заметна экспансия психологов в кибернетику. Сегодня я не могу назвать ни одного психолога, успешно применившего свои знания для решения математических или технических проблем кибернетики и являющего признанным специалистом - кибернетиком. Тем не менее, очень заметным явлением была и остается трансляция кибернетикам психологического знания. Все большее число кибернетиков обращается к психологическому знанию для поиска новых методологических решений, идей и разработок. Этот процесс вполне закономерен, так как новые методологические решения и просто идеи возникают, именно при решении задач предельной сложности.

Сегодня можно выделить семь узловых проблем, которые решают разработчики СИИ:

1. Проблема получения знаний (распознавание образов, обучение СИИ).

2. Проблема организации знаний.

3. Проблема представления знаний (упаковка знаний, соотнесение новых знаний со старыми).

4. Проблема использования знаний (понимание языка, принятие решений, поиск эвристик).

5. Проблема организация диалога человека и кибернетической системы.

6. Проблема создания систем гибридного интеллекта, объединяющих мыслительные способности людей, разделенных во времени и пространстве, и возможности кибернетических систем.

7. Методологическая проблема общенаучного уровня: построение космогонической

теории, исходя из принципа понимания информации как всеобщего свойства.

Как правило, разработчики СИИ не стремятся решать все проблемы комплексно, работая над одной проблемой или некоторыми ее аспектами. В этом, с точки зрения психолога заключается первая ошибка разработчиков СИИ. Понимая всю сложность возникающих при комплексной разработке технических проблем, психолог все же должен утверждать, что в деятельности человека получение, представление и использование знаний является одним интегральным процессом.

Именно совокупность аффективного, когнитивного и операционального компонент знания (значений, систем значений) являются важнейшими для принятия решения. Сразу же следует отметить и вторую ошибку разработчиков СИИ, легко объяснимую трудностями описания предметной области: при описании предметной области разработчики СИИ не учитывают аффективных и, часто, операциональных составляющих значений. Эта ошибка не позволяет находить близкие к используемым человеком эвристики, “закрывает” ход к дополнительным эвристикам.

Разработчик СИИ может сказать, что аффективные, операциональные и эмоциональные компоненты знаний слишком индивидуальны, и будет прав. Но если эта правота приводит к отказу от их моделирования, то разработчик допустит третью ошибку проектирования СИИ: решения принимаются беспристрастно. Беспристрастные решения принимаются путем строгих логических выкладок. Такие решения моделируются в экспертных системах по схеме “если А, то В” (импликация), а в эвристических системах методами “грубой силы” (полного перебора в ширину, полного перебора в глубину). Для построения других эвристик всегда требуются дополнительные (внелогические) данные. Разработчику следует учитывать, что и экспертные знания приобретены экспертом индивидуально. Моделирование пристрастности (приоритетов, иерархий, весов связей) для нахождения эвристик необходимо станет в будущем одним из основных способов проектирования СИИ. Возможно, что моделирование пристрастности на первых этапах будет основываться на стохастических моделях, подобных стохастическим моделям порождения речи в психолингвистике (марковские цепи высшего порядка).

Четвертая ошибка относится уже к проблеме представления и использования знаний. В модели предметной области основой знания является множество имен объектов, с которым сочетаются множества свойств операций и отношений - системы значений человека устроены принципиально иначе. Эта ошибка влечет за собой множество методических ошибок построения конкретных предметных областей. В реальной деятельности человека основой построения систем значений является не группы объектов, а группы действий (операций) и отношений (смыслов). Системообразующим фактором систем значений является именно деятельностный контекст их функционирования. Системы знаний, построенные на основе отношений имен объектов, могут быть использованы для построения экспертных, справочных и учебных систем. Но при моделировании человеческого опыта подход должен быть принципиально иным. При принятии решения человек, как правило, не перебирает и не рассматривает множество альтернатив. Чаще всего осознанно не рассматриваются даже две альтернативы.

Пятая ошибка — связана с традиционным принципом «слева - направо», часто неосознаваемо закладываемым в устройства систем ввода, хранения, поиска информации и создания приоритетов использования информации. О бесперспективности однонаправленных моделей даже для объяснения процессов усвоения и порождения речи писали еще Д.А. Миллер, Е. Галантер и К. Прибрам (1965). Кроме того, можно указать, что в японском, армянском и многих других языках ветвление схем деревьев высказывания строится справа налево (Леонтьев А.А., 2003), а в многочисленных моделях памяти сверху вниз и снизу вверх. Логика развития графовых моделей заставляет нас предположить, что в будущих моделях процессов сознания ветвление является пространственным с использованием всех направлений.

Философские аспекты индивидуации СИИ, и как проблемы совместимости в рамках системы “человек - машина” (СЧМ), и как проблемы определения понятия индивидуальности следует обсуждать уже сегодня²⁵. Завтрашнее проектирование потребует от СИИ выполнения тех функций, которые сегодня в рамках СЧМ закреплены за человеком - целеполагания и рефлексии²⁶. Это заставит нас либо не передавать функции целеполагания и рефлексии СИИ, либо по - новому осмыслить проблемы неорганической цивилизации или цивилизации СЧМ. Не передавать этих функций СИИ при сегодняшнем направлении развития человечества мы вряд ли не сможем, что делает актуальной и проблему направленности “прогресса”. В качестве очевидных следствий философского решения проблемы развития СИИ необходимо осмысление нового способа опосредствования отражения и новых форм соотношения индивидуального и общественного сознания.

Для систем искусственного интеллекта (СИИ) аналогичная значению операциональная единица знания должна, по аналогии с реальным значением, одновременно быть и оператором, и знанием, и отношением. Сегодня методология организации знаний в СИИ ограничивается кибернетической парадигмой перебора возможностей в организованной и иерархизированной среде. Чаще всего сами объекты этой среды описываются их свойствами, хотя основополагающим принципом информологии является анализ не свойств объектов (предметов), а их отношений. Именно так строится система значений человека, и, наверное, именно это позволяет говорить при моделировании структур субъективного опыта об объективированном существовании семантических полей и пространств (возможно, как проявлений единого информационного поля). Аналогично функциональному комплексу у человека (первичная форма значений) оператор и отношение являются при конструировании этой единицы генетически исходными, то есть основой описания предметной области (ПО) является не множество объектов, а множество операций и отношений. Так, например, в стохастической модели Ч. Осгуда (Osgood,

1980. отношениями связаны именно операции порождения речи. Назовем такие знания предикатными, соответствующую область - предикатной областью (ПрО), а единицы предикатной области - значениями. Тогда модель предикатной области (МПрО) обозначается следующим образом:

МПрО: (О, R, C, X)²⁷ (1)

где, О - множество имен операций, X - множество имен объектов, с которыми допустимы эти операции, С

• множество свойств объектов, R - множество имен отношений между операциями.

Аналогичная предметному значению человека предметная единица знания СИИ должна строиться на основе операциональной единицы (или их совокупности), но использование операций уже не может быть случайным. Возможны три метода установления веса тех или иных операций:

1. Самообучение систем искусственного интеллекта (СИИ), при котором каждое использование операции увеличивает ее вес. Каждое последовательное использование двух операций увеличивает вероятность их последовательного использования. Таким образом, строятся вероятностные цепочки операций.

2. Обучение СИИ на основе сотрудничества программиста и эксперта - психолога.

3. Составление программ для СИИ на основе психологических знаний о реальных операциях и их отношениях.

Задача описания систем сенсорных, операциональных и эмоциональных эталонов может быть интерпретирована и как задача составления алфавитов описания свойств, и как задача составления базовых наборов свойств. Задача описания систем операциональных эталонов может быть решена как задача базовых наборов операций (по аналогии с алгеброй Пиаже). Вопрос об описании “алгебры базовых наборов свойств”, насколько мне известно, никем не ставился.

Для учета аффективно - мотивационной (смысловой, личностно - смысловой) составляющей значения необходимо ввести в МПрО еще одно множество:

МПрО: (O, A, R, C, Х) (2)

где А - множество аффективных отношений.

Обозначение множества аффективных отношений не случайно является первым после множества операций. Описанные психологические исследования показывают, что такова генетическая структура формирования опыта. Также не случайно расположены обозначения и других множеств: собственно образы предметов, столь привычно называемых в естественных и искусственных языках, становятся оперативными единицами отражения лишь на перцептивной стадии развития психики (Леонтьев А.Н.,

1980. . Выделенные А.Н. Леонтьевым стадии развития психики, возможно, являются необходимыми эволюционными стадиями системраспознавания образов. За последние десять лет в Реферативном Журнале "Техническая кибернетика" (РЖ 81) отреферированы тысячи статей отечественных и зарубежных авторов, посвященных решению различных детальных аспектов проблемы распознавания образа, но среди них нет обзоров и теоретических, методологических работ по понятию "образ".

Простой перебор возможных способов построения моделей предметных областей (МПО) позволяет выделить 4 класса этих МПО на основе множества, положенного в основание модели:

1. МПО, начинающиесяс имен объектов;

2. МПО, начинающиеся с операций;

3. МПО, начинающиеся со свойств;

4. МПО, начинающиеся с отношений (два класса, если учитывать аффективные отношения).

Каждый класс делится на три больших подкласса: парадигматический - для обучения словарных и экспертных систем; синтагматический - для моделирования речевых и прикладных систем значений; со смешанными связями - для моделирования образа мира, сознания, творческой деятельности.

Более мелкие подклассы определяются различными сочетаниями последовательностей множеств. Различные МПрО можно создавать в зависимости от специфики решаемых задач. Базы данных (БД) первых эвристических программ Ньюэлла, Шоу и Саймона (логик - теоретик, общий решатель проблем) состояли из имен объектов, описаний объектов и операторов. Подавляющее большинство баз данных последующих эвристических программ принципиально ничем не отличается по структуре.

Структуры построенных в экспертных и обучающих системах БД ближе к системам научных понятий или семантических моделей памяти человека, чем к реальному опыту человека. Важнейшим конструктивным материалом для построения МПО является описанная Л.С. Выготским последовательность образования понятий на основе различных уровней обобщения. Экспериментально доказано, что не все свойства предметов входят в структуру понятия, что предъявляет к структурам обучения и самообучения СИИ требование не только достраивать БД, но и очищать БД (множества) от несущественных (маловероятных, малофункциональных) свойств, операций и пр.

Определенные задачи (логические доказательства, счет, игра в шахматы) всегда служили катализаторами поиска эвристик и новой архитектуры СИИ. Для моделирования процессов накопления опыта и обучения принципиально важным является возможность для СИИ успешно справляться с заданиями закрепления признаков, аналогичными заданиям методик Выготского - Сахарова и Дж. Брунера (системы перцептивных признаков). Для моделирования процессов формирования значения необходимо обучить СИИ справляться с задачами поиска и накопления функциональных признаков (системы функциональных признаков), аналогичных задачам освоения новых инструментов (Серкин, 1988). В связи с разработками проблемы образа мира при его моделировании актуальной становятся задачи вероятностности (многовариантности, не единственности) разворачивания ранее свернутой информации, предпочитаемого пользователем уровня категоризации, “самопроизвольной” системной перестройки модели и задачи устойчивости (консервативности) модели к новым информационным воздействиям.