книги из ГПНТБ / Автоматы и разумное поведение. Опыт моделирования

целеполаганию, планированию и т. п., т. е. к организации поведения описанного типа.

Приведенные примеры, число которых можно умножить, подтверждают наше мнение о том, что выбор двигательного поведения в качестве объекта моделирования на начальном этапе построения системы моделей, отображающих разумное поведение, является целесообразным. В то же время ясно, что воспроизведение в одной модели всех процессов, прини­ мающих участие в формировании двигательного поведения (а среди них имеются столь сложные процессы, как распоз­ навание образов, принятие решений, выработка стратегий поведения и т. д.), все еще является слишком трудной зада­

мых намп процессов, формирующих двигательное поведение, процессы распознавания образов. Такое ограничение оказы­ вается целесообразным, поскольку, с одной стороны, оно

исключить из рассмотрения процессы распознавания. Будем полагать (пока без специальных обоснований), что действую­ щая модель человека, находящегося в определенной среде, реализуется в виде М-автомата. Пусть человек воспринимает некоторый объект среды н узнает его. В результате узнава­ ния оказывается актуализированной, т. е. переходит в актив­ ное состояние, корковая информационная модель данного объекта. Этому, естественно, предшествуют некоторые про­ цессы, протекающие в зрительном анализаторе человека и приводящие к активизации одной определенной информаци­ онной модели объекта из множества подобных моделей, имею­ щихся в коре.

Аналогичные процессы в М-автомате должны привести к возбуждению г'-модели воспринимаемого объекта. Однако реализовать эти механизмы можно по-разному, в зависимос­ ти от имеющихся технических возможностей и целей моде­ лирования. Если в нашу задачу не входит модельное иссле­

воспроизведением в М-автомате не их самих, а лишь форми­ руемого ими эффекта, т. е. возбуждения соответствующей воспринимаемому объекту г'-модели. Для этого оказывается достаточным реализовать в М-автомате некоторый вспомога­ тельный алгоритм, входной информацией для которого слу-

жат задаваемая заранее таблица соответствий между объек­ тами среды и i-моделями М-сети, а также данные о наличии объекта в поле зрения автомата. Работа такого алгоритма состоит в увеличении возбужденности i-моделей объектов, находящихся в поле зрения, т. е. в отображении состояний среды в состояния М-сетп. Подобный алгоритм, следователь­ но, позволяет представить в М-автомате эффект узпавапия без воспроизведения соответствующих процессов в анализа­ торе. Ясно, что задача построения такого вспомогательного алгоритма неизмеримо проще, чем задача модельного вос­ произведения анализаторных процессов.

Не следует полагать, что, вводя вспомогательный алго­ ритм, мы полностью отказываемся от воспроизведения про­ цесса узнавания. Этот процесс является многоуровневым, п мы исключаем пз рассмотрения только его анализаторный компонент. В поле нашего зрения остаются процессы клас­

воспринимают объекты среды не как некоторые целостные образования, а как совокупности отдельных признаков. Здесь наше описание процессов узнавания опускается «на этаж ниже», и объектом моделирования в этом случае становятся программы узнавания объекта среды по неполным наборам его признаков. Каждый из таких признаков считается доста­ точно сложным (геометрическая конфигурация, наличие на­ перед заданных особенностей строения объекта, отсутствие последних и т. п.), и его распознавание выполняется вспомо­ гательным алгоритмом. Подобному изучению процессов рас­ познавания образов, с точки зрения обсуждаемой в этой кни­ ге гипотезы, посвящено специальное исследованпе [1, 2]. Полученные при этом результаты могут быть использованы при построении действующих моделей, так что вводимое на­ ми ограничение не носит принципиального характера.

Посмотрим теперь, с какими последствиями связан отказ от воспроизведения в модели процессов распознавания обра­ зов. Прежде всего следует отметить, что в этом случае ока­ зывается удобным реализовать действующую модель двига­ тельного поведения в виде программы для ЦВМ. При этом нами учитывалось следующее обстоятельство. Теоретическая часть работ по моделированию включает в себя разработку и описание некоторого М-автомата, реализующего интере­ сующие нас программы переработки информации. Разрабо­ танный М-автомат является, вообще говоря, абстрактной кон­ струкцией, в которой зафиксированы правила построения и «принципиальная схема» определенной действующей модели.

В каком виде будет представлена последняя — вопрос удоб­ ства. Если это, например, вычислительная система, то в про­ цессе ее экспериментального исследования по сути дела совершенствуется и корректируется не эта именно система, а М-автомат, который она реализует. После отработки М-ав- томата в его вычислительном представлении мы можем, сле­ довательно, обратиться к его реализации в виде технического устройства, учитывая прп этом уже полученные данные о его свойствах. Вопрос о выборе средств реализации М-ав- томата является, таким образом, не принципиальным и мо­ жет но-разиому решаться на различных этапах исследования. К помощи ЦВМ мы обращаемся именно на этапе первона­ чального исследования модели двигательного поведения, руководствуясь соображениями удобства и относительной простоты реализации самой модели, а также учитывая раз­ личного рода ограничения, необходимые на этом этапе.

Приведенное рассуждение позволяет рассматривать комп­ лекс программ, реализующих М-автомат, как вычислитель­ ную модель или действующий макет соответствующего тех­ нического устройства. Само это устройство может быть построено «в металле» при выполнении некоторых условий.

Одним из таких условий является разработка эффектив­ ных технических систем распознавания образов. Работы в этом направлении ведутся в настоящее время весьма актив­ но [26, 64]. Полученные здесь результаты позволяют надея­ ться па успех в течение уже ближайшего десятилетия. Инте­ ресно, что, уделяя большое внимание проблеме распознава­ ния образов, большинство последователей недооценивает, а зачастую просто и не осознает принципиальной важности проблемы дальнейшего использования, проблемы «транспор­ та образов» в решающих системах «разумных машин». Меж­ ду тем эта проблема отнюдь не менее сложна, чем собствен­ но распознавание, и включает в себя целый ряд вопросов, требующих для своего решения глубокого изучения и осмыс­ ливания данных о принципах функционирования прототипа систем ИР — мозга человека. Целесообразно поэтому, одно­ временно с дальнейшим развитием работ по распознаванию образов, уделять достаточное внимание проблемам построе­ ния устройств, которые были бы в состоянии максимально эффективно попользовать информацию, вырабатываемую подсистемами распознавания. Мы полагаем, что к устрой­ ствам именно такого типа принадлежат М-автоматы.

Другим условием, при выполнении которого физическая реализация модели двигательного поведепия оказывается необходимой, является наличие достаточно важных в прак­ тическом отношении задач, решение которых может быть осуществлено с помощью модели. Для того чтобы охаракте­ ризовать эти задачи, рассмотрим проектируемый нами М-ав-

томат в качестве вычислительной модели управляющего устройства («мозга») робота, предназначенного для сбора информации или выполнения некоторых работ в естествен­ ной среде.

Исследования по созданию нескольких вариантов роботов такого тппа в рамках проектов «Искусственный разум» про­ ведены в Массачусетском технологическом институте и Стенфордском университете (США). Существует также серия уже получивших применение роботов-«телехириков» (от греческого «удаленный» и «руки»), управление которыми осуществляется человеком [64]. Опыт разработки и эксплуа­ тации устройств такого тппа показал, что одним из цент­ ральных вопросов при построении роботов является вопрос не о том, как выполнить то или пное, пусть даже весьма сложное действие, а о том, какое именно из всех возможных действий следует выполнять в той пли иной из сложившихся ситуаций.

Речь идет, таким образом, о создании достаточно ком­ пактных и быстродействующих устройств, способных само­ стоятельно принимать решения в сложной изменяющейся об­ становке. Задача построения эффективных устройств такого типа до настоящего времени полностью не решена. Ясно, что чем в большей степенп развиты рецепториые устройства (в том числе п распознающие), которыми вооружены робо­ ты, тем более разнообразное п гибкое поведение может фор­ мировать М-автомат, используемый в качестве «мозга» ро­ бота.

В соответствии с тем, что реализация М-автомата будет осуществляться программным способом, должна быть пред­ ставлена в ЦВМ и среда, в которой находится автомат. По­ скольку нашей основной задачей является моделирование двигательного поведения в естественных средах, представ­ ленная в ЦВМ «машинная» среда должна являться моделью (может быть, упрощенной) естественных сред некоторого класса. На вопросах определения такого класса мы остано­ вимся позже.

Уточним теперь смысл некоторых из используемых нами терминов. В дальнейшем, говоря о машинной среде, будем иметь в виду реализованную с помощью ЦВМ модель неко­ торой естественной среды. Говоря об М-автомате, будем иметь в виду действующую модель субъекта, осуществляю­ щего двигательное поведение. Говоря о модели двигательно­ го поведения, будем иметь в виду систему, состоящую из М-автомата и машинной среды.

Программная реализация модели двигательного поведе­ ния накладывает определенные ограничения на ее слож­ ность. Эти ограничения связаны с конечностью объема опе­ ративной памяти ЦВМ. Усложнение модели предполагает

увеличение разнообразия среды, в которой действует ав­ томат, т. е. увеличение количества типов и общего числа содержащихся в ней объектов, а также числа i-моделей и связей М-сети автомата. Поскольку представление в ЦВМ объектов среды, их взаимного расположения, i-моделей и связей предполагает определенные затраты ресурсов ма­ шинной памяти, то усложнение модели влечет за собой уве­ личение объемов памяти. Если разрабатываемая модель оказывается настолько сложной, что для ее машинной реали­ зации необходимо • широко использовать долговременные запоминающие устройства, время записи и считывания инфор­ мации с которых сравнительно велико, то оказывается боль­ шим в общее время работы ЦВМ, необходимое для исследо­ вания модели. Рост затрат машинного времени может сделать затруднительным или даже практически невозможным доста­ точно полное исследование модели. Поэтому сложность мо­ дели в целом ограничивается сверху объемом быстродей­ ствующей памяти ЦВМ, используемой при моделировании.

Принимая решение относительно программной реализа­ ции модели двигательного поведения, мы учитывали наличие ограничений такого рода. Предварительные расчеты показа­ ли, что современные вычислительные машины (были исполь­ зованы ЦВМ М-220 и БЭСМ-б) обеспечивают возможность исследования моделей, сложность которых достаточна для достижения основных целей предпринимаемой работы.

Использование в модели двигательного поведения вспо­ могательного «распознаюшего» алгоритма, для работы кото­ рого необходимо заранее установить и зафиксировать на все время исследования определенное соответствие между объек­ тами среды и некоторыми из i-моделей М-сети, накладывает определенные ограничения на допустимое разнообразие сре­ ды, представляемой в модели. Действительно, каждому типу

типов объектов, растет и число соответствующих им i-мо­ делей. При этом, естественно, увеличивается и используемый объем машинной памяти. Рост же последнего, как уже отме­ чалось, лимитирован. Ограничение может быть существен­ ным образом ослаблено, если объекты среды задаются с по­ мощью конечного набора признаков. В этом случае также каждому из признаков ставится в соответствие своя i-модель, но общее число признаков здесь может быть невелико, в то время как количество задаваемых с их помощью типов объ­ ектов может оказаться весьма большим. Использование та­ кого приема задания объектов предполагает, правда, вклю­ чение в М-сеть некоторого чпсла дополнительных i-моделей и связей, реализующих операции обработки воспринятых признаков. Этот прием оказывается целесообразным в тех

случаях, когда мы стремимся к заданию среды, обладающей весьма значительным разнообразием.

Использование в модели вспомогательного «распознаю­ щего» алгоритма приводит также к еще одному существенно­ му ограничению. Оно состоит в том, что М-автомат, приме­ няющий этот алгоритм, не может «воспринять» нового, т. е. не включенного заранее в таблицу соответствий, объекта. Для такого объекта в М-сети просто не существует отдель­ ной i-модели, а следовательно, такой объект не существует для М-автомата. Итак, мы вынуждены отказаться от иссле­ дования (в рамках избранного сюжета моделирования) про­ цессов, связанных с формированием человеком образов не­ знакомых объектов.

Как и в предыдущем случае, указанное ограничение час­ тично снимается, если задавать объекты с помощью наборов отдельных признаков. Здесь автомат «не видит» только но­ вые признаки, но если среди признаков объекта имеются хотя бы некоторые из «известных» автомату, то такой объект может быть воспринят и опознан по неполному набору при­ знаков.

Обсуждаемое ограничение не является, вообще говоря, обязательным или непреодолимым при моделировании с по­ мощью М-сетей. В самом деле, как упоминалось выше, одним из механизмов самоорганизации в М-автоматах является механизм формирования новых i-моделей сети, так что каж­ дая из них может формироваться как отображение нового объекта или признака. Не связано с принципиальными за­ труднениями и построение специального алгоритма, дополпяющего и корректирующего таблицу соответствий, исполь­ зуемую алгоритмом «распознавания». Таким образом, моде­ лирование программ формирования новых образов возможно

вания. Основанием для такого упрощения служит то обстоя­ тельство, что упомянутые программы, будучи, вообще гово­ ря, весьма важными и интересными, не принимают обяза­ тельного и постоянного участия в процессах планирования, принятия решений и т. п. Смысл вводимого ограничения со­ стоит, таким образом, в следующем. Будем полагать, что все объекты среды, в которой организует двигательное поведе­ ние наш условный субъект, известны ему и могут быть пра­ вильно опознаны им, если будут восприняты.

Программная реализация модели двигательного поведе­ ния предполагает, естественно, программную же реализацию и эффекторных систем М-автомата. Под эффекторными здесь следует понимать такие системы, которые непосредственно реализуют воздействия автомата на среду. Если бы М-ав-

томат выполнялся в виде технического устройства, такие системы были бы представлены теми или иными его движи­ телями (колесами, гусеницами и т. п.) и манипуляторами. При программной же реализации будем представлять их не­ которыми вспомогательными алгоритмами, которые запуска­ ются при принятии М-автоматом решения о выполнении определенного действия и в ходе своей работы моделируют это действие, производя перемещения автомата в среде или осуществляя в последней соответствующие изменения.

В общем случае управление эффекторными системами является многоуровневым, так что М-сеть автомата должна содержать i-модели «элементарных» действий (соответствую­ щих, например, сокращению различных мышц двигательного аппарата человека), i-моделн более сложных двигательных актов и программ, предполагающих упорядоченное выполне­ ние «элементарных» действий (например, сгибание руки), а также i-моделп «идей» различных действий и поступков (сделать шаг, взять, напасть ц т. п.). В целях упрощения разработки будем включать в М-сеть нашего автомата толь­ ко i-модели последнего типа, т. е. i-модели достаточно слож­ ных действий, реализуя с помощью вспомогательных «эффекторных» алгоритмов как их конечный результат (изме­ нения положения автомата в среде и самой среды), так и соответствующие им изменения внутреннего состояния ав­ томата.

Четвертое ограничение. Упрощения, которые мы сейчас рассмотрим, возникают при переходе от описания естествен­ ной среды к конструктивному заданию машинной среды.

Для начала представим себе машинную среду в виде карты той местности, на которой находится наш условный субъект. На такую карту могут быть нанесены обозначения различных объектов среды. В зависимости от масштаба кар­ ты, т. е. от уровня описания среды, может изменяться и со­ держание понятия «объект среды». Так, при одном масштабе

вкачестве целостного, неделимого объекта, внутренняя

структура которого нас не интересует, может выступать, к примеру, имеющийся в среде лес. На карте в этом случае могут быть сделаны пометки, обозначающие общие характе­ ристики такого объекта: «лес труднопроходимый», «здесь водятся опасные звери» и т. п. При другом, более крупном масштабе объектом может стать уже отдельное дерево, а по­ метки будут обозначать его свойства: «дерево высокое», «имеются съедобные плоды» и т. п. Очевидно, использование карт того или иного масштаба зависит от целей описания среды, т. е., в нашем случае, от степени подробности, с кото­ рой мы намерены описывать и воспроизводить в моделях феномены двигательного поведения.

В процессе работы с М-автоматом может возникать не­

и принимать решения, может применяться в одном случае для выбора, например, трассы многокилометрового трубопро­ вода, а в другом — для автоматического управления пере­ движением электрокара по территории заводского цеха. По­ этому желательно разработать такой способ задания машин­ ной среды, который служил бы по мере необходимости в качестве модели разных естественных сред, оппсаиных с раз­ ной степенью подробности. Будем представлять машинную среду в виде совокупности одинаковых квадратных клеток, регулярно расположенных на плоскости (как клетки шах­ матной доски). Такая совокупность клеток составляет «про­ странство», в котором будет действовать автомат, п является «заготовкой» карты местности. Для того чтобы построить последнюю, необходимо внести в соответствующие клетки знаки тех пли иных объектов и их характеристик.

Условимся, что в одну клетку машинной среды может быть внесено не более одного знака объекта. Таким обра­ зом, клетка оказывается «элементарной» единицей автомат­ ного пространства. Кроме знака объекта, в клетку среды могут быть внесены некоторые дополнительные знаки, харак­ теризующие уже не отдельный объект, а общее состояние данного участка среды. Знаки такого рода могут указывать,

Таким образом, располагая в клетках определенные зна­ ки, мы задаем среду, в которой предстоит действовать авто­ мату. Совокупность упомянутых знаков содержит информа­ цию, исходную для модели двигательного поведения. Это означает, что при исследовании модели имеется возможность «помещать» ее в среды различной сложности, содержащие различные объекты, т. е. организовывать те нлн иные услов­ ные экспериментальные ситуации в зависимости от целей исследования. С другой стороны, варьируя набор и разме­ щение используемых знаков, можно приводить машинпую среду в определенное соответствие с различными естествен­ ными средами, т. е. моделировать их.

На этапе наладки и исследования основных свойств мо­ дели двигательного поведения разнообразие знаков, исполь­ зуемых для задания различных вариантов машинной среды, может быть ограничено. Такой ограниченный набор знаков определяет конкретную содержательную интерпретацию процессов в модели и будет подробно описан при обсуждении каждого из ее вариантов. В самых общих чертах содержа-

тельная характеристика используемых в дальнейшем сред состоит в следующем.

Рассмотрим среды, содержащие условные объекты, «по­ лезные» и «опасные» для автомата. Этим объектам даны определенные названия, например: «пища», «зверь», «убе­ жище». Для того чтобы иметь возможность широко варьиро­ вать разнообразие и слояшость задач, решаемых автоматом

всреде, будем считать, что существуют однотипные объекты,

вразной степени полезные плп опасные для него. Так, мож­ но различать более или менее опасных «зверей». Каждому

объекту приписаны определенные свойства. Столкновение со «зверем», например, вызывает у автомата «боль».

Это, безусловно, не означает, что разрабатываемые модели могут использоваться только для решения условных задач. Выбор относительно простой и интуитивно понятной содер­ жательной интерпретации объектов среды («зверь», «пища» и т. и.) обусловлен только удобством моделирования. В са­ мом деле, принимая такую интерпретацию, мы получаем возможность использовать при задании внутренней органи­ зации автомата богатый индивидуальный опыт людей, а так­ же различного рода наблюдения, правдоподобные рассужде­

использование моделей, как уже упоминалось, обеспечивает­ ся возможностью приведения машинных сред к виду, соот­ ветствующему различным по составу п сложности естест­ венным средам.

Следует отметить, что представление машинной среды в виде совокупности отдельных клеток является частным случаем задания сред с помощью более общих методов, на­ пример графов. Практическое использование этих методов при моделировании двигательного поведения было бы, одна­ ко, менее наглядным, так что по соображениям простоты и удобства «клеточное» задание представляется более целе­ сообразным. Что же касается возможностей соотнесения «клеточной» среды с естественной, то они оказываются до­ статочно гибкими, поскольку каждой отдельной клетке можно поставить в соответствие участки естественной среды

ная» среда может обеспечить практически непрерывное опи­ сание естественной.

Дальнейшее упрощение работ связано с введением еще одного ограничения. Оно состоит в следующем. Будем счи­ тать, что однажды заданная машинная среда в процессе проведения эксперимента с моделью остается неизменной, если не считать тех изменений, которые вносятся в нее ра­ ботой автомата (например, при выполнении им действий

типа «переместить объект»). Иначе говоря, будем считать среду статической. Это означает, что объекты машинной среды не обладают собственной активностью, т. е. ие могут самостоятельно перемещаться в среде, взаимодействовать, выполнять какие-либо действия, направленные на автомат, и т. п. Все особенности того или иного объекта, определяю­ щие характер его «физического» взаимодействия с автома­

Приведем пример. Одно из свойств объекта «зверь» со­ стоит в том, что он вызывает у автомата «боль», если оба они оказываются в одной клетке среды. Содержательно это может, например, обозначать, что зверь нападает на нашего условного субъекта. Упрощение, по существу, состоит в пред­ положении о том, что зверь нападает на субъекта всегда, если только они оказываются достаточно близко. Следователь­ но, можно не представлять в модели ни процессы принятия решений зверем, ни его двигательную активность. Достаточно лишь смоделировать конечный результат нападения — во­ зникновение болп у субъекта. А для этого достаточно считать способность вызывать боль постояиным свойством зверя п при задании машинной среды всегда помечать соответст­ вующим знаком клетку, в которой находится объект «зверь». Аналогичным образом определяются н другие свойства объекта «зверь», а также свойства остальных объектов ма­ шинной среды.

При соотнесении машинной среды определенной естест­ венной среде обсуждаемое ограничение выступает в виде предположения о том, что объекты естественной среды либо вообще не являются активными, либо их активность ограни­ чена таким участком среды, который соответствует одной клетке машинной модели. Можно считать, например, что тот же зверь способен перемещаться в пределах ограничен­ ного участка местности и встреча его с условным субъектом происходит всегда, если только последний при своих пере­ движениях по местности пересекает соответствующий ее участок.

Следует подчеркнуть, что свойство статичности среды со­ храняется лишь в рамках одного, отдельно взятого, экспе­ римента. При постановке ряда экспериментов с моделью машинная среда может всякий раз задаваться по-новому.

Использование статических сред позволяет нам ие вос­ производить при моделировании тех программ переработки информации, которые непосредственно связаны со способ­ ностью человека к решению задач экстраполяции. В полной мере это упрощение относится к программам сознания в той их части, которая обеспечивает ориентировку человека во