Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Сильный искусственный интеллект и объектно-ориентированное программирование синтез парадигм
.pdf
В частности, им были впервые в мире представлены логиколингвистические модели, которые послужили теоретической основой ситуационного управления крупными системами [46–48].
В СССР была разработана первая персональная ЭВМ «Мир-1»
академиком В. М. Глушковым в 1966 г. Также академик Глуш ков
предложил идею обучения компьютера распознаванию осмысленных предложений на естественном языке, чем предвосхитил
целое направление в дальнейшем машинном обучении [49]. Ученик А. Ляпунова академик А. П. Ершов был одним из первопроходцев корпусной лингвистики, теории алгоритмов и программирования, создал языки программирования Альфа и Альфа 6
[50]. Также идеями моделирования и создания интеллектуальных программ интересовался первый советский чемпион мира
по шахматам М. М. Ботвинник, который участвовал в создании
шахматной программы «Пионер» и в 1980-е – 1990-е гг. работал
над проблемой компьютерного моделирования человеческой
мыслительной деятельности [51–53].
Начало исследований непосредственно в области ИИ в современном понимании связывают с работами Аллена Ньюэлла
и Герберта Саймона конца 1950-х гг., исследовавших процессы
решения различных задач. Результатом их совместной работы
стали программы «Логик-теоретик» и «Общий решатель задач»,
действующие на основе применения разнообразных эвристических методов [54, 55]. Модель перцептрона Фрэнка Розенблатта,
предложенная им в 1957 г., была воплощена в виде электронной
машины «Марк-1», ставшей первым в мире нейрокомпьютером
[56]. В начале 1960-х гг. Сеймур Пейперт совместно с М. Мински
основал лабораторию ИИ в Массачусетском технологическом
университете, а в 1970 г. они издали книгу «Персептроны» [57,
58]. Также Пейперт в 1967 г. создал язык программирования
LOGO [59]. В 1970-х гг. появилась система автоматизированного
перевода документации ЭСПРИТ, разработанная в рамках европейской программы. Значительным продвижением в развитии
теории ИИ было выдвижение идеи М. Мински и Р. Шенка
о фреймах (информационных структурах).
11
Подходы, применяющиеся различными исследователями,
разнятся: одни считают, что интереснее, полезнее и практичнее
воспроизводить различные функции, ранее считавшиеся исключительно человеческой прерогативой, другие же пытаются сделать
нечто похожее на то, что в качестве интеллекта функционирует
в самом человеке. Философы продолжают спорить о сильном
и (или) слабом искусственном интеллекте со времен Джона
Сёрла. Аргументация «Китайской комнаты» противопоставляется положениям теста Тьюринга [60]. Сильный ИИ, который, по
мнению Сёрла, «будет разумом в том смысле, в котором человеческий разум – это разум», со своей стороны противоречит тем,
кто считает это невозможным [61, 62]. Несколько особняком стоят
работы Д. Хофштадтера, в частности его книга «Гедель, Эшер,
Бах: эта бесконечная гирлянда» [63]. Ключевой идеей Хофштадтера является несколько скептическое отношение к достижению
некоторых разработок ИИ, в том смысле, что они, по мнению
Хофштадтера, не имеют никакого отношения к возникновению
искусственного разума [64].
Современными исследованиями ИИ на постсоветском пространстве занимается К. В. Анохин, автор понятия «когнитом»
и создатель гиперсетевой теории мозга и сознания, который внедряет свои нейробиологические идеи в сферу ИИ [65, 66]. В Республике Беларусь проблематикой ИИ занимался доктор филологических наук В. В. Мартынов, который посвятил свой научный
поиск лингвистическим аспектам ИИ, в частности семантической формализации [67]. Валерий Цуриков, один из создателей
проекта «Изобретающая машина», белорусского стартапа, еще
в советское время, в 1987 г., выразил мнение о том, что ИИ принципиально возможно создать. «Изобретающая машина» – сложная программа для поддержки многофакторных инженерно-изобретательских задач. Теперь Цуриков работает над проектом
TrueMachina – интеллектуальной системой, которая будет генерировать творческие решения самостоятельно, без помощи человека. Над проблемой одушевленных машин в наше время
работает А. В. Колесников. Он же вводит футуристическое понятие «пси-машины» как сложного объекта, обладающего зачатками психической деятельности [68, 69]. Академик Нацио-
12
нальной академии наук Беларуси С. Я. Килин, помимо проблем квантовой механики, исследует также и проблематику ИИ,
в частности робототехнику. По его мнению, «ИИ – это системы,
выполняющие интеллектуальные задачи, которые сравнимы
с интеллектуальными возможностями человека» [70]. Стоит выделить работы Г. А. Прокоповича и Д. А. Вятченина по робототехнике и нейронным сетям как значимые для понимания современного восприятия парадигмы ИИ белорусским научным
сообществом [71, 72]. Наиболее ярким отражением интереса
к сфере ИИ в Республике Беларусь является возникновение
Центра ИИ при Национальной академии наук Беларуси в 2015 г.
на базе Центра ОИПИ и Института физиологии Национальной
академии наук Беларуси.
Зарубежные наработки в сфере ИИ также весьма разнообразны и существенно значимы для понимания проблемы в целом.
Последние из достижений и открытий в области разработок
ИИ достойны повышенного интереса. Программа, написанная
сотрудниками Технологического института Джорджии в США,
воссоздала игру Super Mario без знания исходного кода. Искусственная нейронная сеть Яндекса «Алиса» уже давно довольно
успешно общается с пользователями социальных сетей и, возможно, соответствует всем критериям успешного прохождения
теста Тьюринга. Программа, разработанная компанией Disney
и заявленная в качестве ИИ, может оценивать качество текста.
Искусственная нейронная сеть компании Google помогла найти
в созвездии Дракона планету Kepler-90i в планетарной системе,
подобной Солнечной и удаленной от нас всего на 2545 световых
лет. Также искусственная нейронная сеть компании Google стала
лучшим в мире шахматистом, обыграв за 4 часа лучшие в мире
программы по игре в шахматы, сеги и го, нашла биологические
аналоги лекарств от рака и старения. Еще 11 декабря 2017 г. на
конференции по вопросам ИИ, проводимой в Калифорнии, ученые признались, что «больше не понимают принципов функционирования искусственной нейронной сети» и что она «выходит
из-под контроля». Ну и, конечно же, из последних мировых достижений можно особенно отметить технологии генеративного
13
и агентного ИИ, такие как линейка GPT от OpenAI, Gemini от
Google, Claude от Anthropic, Llama, Deepseeq, Qwen и прочие
флагманские проприетарные и опенсорсные модели. Генеративные модели способны на генерирование контента в общем смысле
слова: перевод и написание текстов, генерирование программного кода, изображений и видео, поддержание диалога и следование контексту этого диалога, нахождение корректных ответов
на вопросы и прочее. Агентные модели способны также к автономной деятельности в течение ограниченного времени. Однако
на данный момент никаких качественных трансформаций не наблюдается и достижение Общего Искусственного Интеллекта
(AGI), а тем более Искусственного Сверх-Интеллекта (ASI) представляется столь же далеким, как и 10–15 лет назад.
Все эти события ставят ряд ключевых вопросов, связанных
с процессами самореализации ИИ, и требуют разработки критериев восприятия (ответа на вопросы: «Что он есть такое?», «Чем
он должен быть?», «Что мы можем им считать?», «Возможно ли
его создать и если возможно, то как нам это сделать?») систем
ИИ со стороны общества в целом и научного сообщества в частности. Несмотря на многие достижения, вопросы, связанные
с ИИ, остаются далеко не окончательно разрешенными. Корреляция между теоретическими определениями ИИ и предполагаемыми практическими его функциями достигает существенных
масштабов в своем несоответствии. Не решен вопрос о сущностной природе слабого и сильного ИИ.
Как уже было сказано выше, в определениях ИИ господствуют
плюралистические тенденции, поэтому зачастую можно встретить следующие толкования:
ИИ – это комплексная научная дисциплина, которая занимается созданием ИИ;
ИИ – это программа, способная к самообучению и саморазвитию;
ИИ – это машина, способная «думать»;
ИИ – это алгоритм, способный на творчество.
Непосредственно же ретроспектива ИИ как нового научного
направления начинается примерно в середине ХХ в. К этому вре-
14
мени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека
и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга
и мышления, экономисты и математики задавались вопросами
оптимальных расчетов и представления знаний о мире в формализованном виде; также был сформирован фундамент математической теории вычислений – теории алгоритмов – и были созданы первые компьютеры. Возможности новых машин в плане
скорости вычислений оказались существенно выше человеческих, поэтому в ученом сообществе зародился вопрос: каковы
границы возможностей компьютеров и достигнут ли машины
уровня развития человека? И в 1950 г. один из пионеров в области
вычислительной техники, английский ученый Алан Тьюринг
пишет статью под названием «Может ли машина мыслить?»,
в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга [16].
В некотором смысле в «аксиоме» о том, что вычислительные
возможности компьютеров намного превосходят те же возможности человека, есть некоторые противоречия. К примеру, так
называемые люди-калькуляторы, мнемонисты, ярко выраженные синестетики и прочие представители человечества порой
демонстрируют способности, превосходящие возможности даже
современных компьютеров. Можно сказать, в противовес, что
такие люди – скорее исключение, чем правило, однако нам представляется, что это не вполне так. Целесообразно будет предположить, что в данном случае основанием служит степень «чувствительности» субъекта к собственному бессознательному.
Т. е., сообразно с данной гипотезой, в бессознательной области
психики непрерывно происходит количество вычислений, намного превосходящее количество вычислений в самых современных интеллектуальных технологиях. Однако это остается
неосознанным потому, что сознание субъекта не способно справиться с подобным количеством информации. Непосредственно
до самого сознания доходят лишь вердикты и принятые реше-
15
ния (аналогия «сознание – бессознательное» – «монитор – железо + ПО»). Таким образом, «аксиома» о тотальном интеллектуальном превосходстве интеллектуальных технологий над человеком противоречива и не вполне корректна.
В истории же непосредственно ИИ, как правило, за некую
отправную точку принимается определение, данное Джоном
Маккарти в 1956 г. на конференции в Дартмутском университете. Поясняя свое определение, Джон Маккарти указывает: «Проблема состоит в том, что пока мы не можем в целом определить,
какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта
и не понимаем остальные. Поэтому под интеллектом в пределах
этой науки понимается только вычислительная составляющая
способности достигать целей в мире» [73]. Согласно Маккарти,
исследователи ИИ вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем. В то же время существует и точка зрения, согласно
которой интеллект может быть только биологическим феноменом.
В начале 1980-х гг. ученые в области теории вычислений
Барр и Фейгенбаум предложили следующее определение: «ИИ –
это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, т. е. систем, обладающих
возможностями, которые мы традиционно связываем с человеческим разумом, – понимание языка, обучение, способность
рассуждать, решать проблемы и так далее…» [74]. Мнение Барра
и Фейгенбаума начала 1980-х гг. все еще определяет ИИ как область науки – информатики в данном случае. И подобное мнение ранее довольно часто встречалось. На современном же этапе
уже происходит некая своеобразная объективация ИИ: его считают отдельным феноменом со своими особенностями, а в контексте нашего исследования, более того, в противовес объективации происходит его специфическая «субъективация». Т. е. теперь
он считается не классическим (по типу научной рациональности) научным объектом, а скорее постнеклассическим, способным к некой аутентичности, самобытности и самоорганизации.
16
Проблематика выявления общих оснований разработки систем ИИ заключается не только в сугубо концептуальной области.
К примеру, некоторые исследователи детерминируют плюралистичность понятийного аппарата сферы разработки интеллектуальных технологий лингвистическими аспектами. Как указывает председатель Петербургского отделения Российской ассоциации ИИ Т. А. Гаврилова, в английском языке словосочетание
«articial intelligence» не имеет той несколько фантастической
антропоморфной окраски, которую оно приобрело в довольно
неудачном русском переводе. Слово «intelligence» означает «умение рассуждать разумно», а вовсе не «интеллект», для которого
есть английский аналог «intellect». Из этого следует, что в мировом научном сообществе непонимание и расхождение в понимании природы теоретического феномена ИИ детерминировано
отчасти и лингвистическими причинами.
Участники Российской ассоциации ИИ дают следующие определения ИИ: научное направление, в рамках которого ставятся
и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно
считаются интеллектуальными; свойство интеллектуальных систем выполнять функции (творческие), которые традиционно
считаются прерогативой человека. При этом интеллектуальная
система – это техническая или программная система, способная
решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой
хранятся в памяти такой системы.
Наука под названием «Искусственный интеллект» входит
в комплекс компьютерных наук, а создаваемые на ее основе технологии – к информационным технологиям. Задачей этой науки
является воссоздание с помощью вычислительных систем и иных
искусственных устройств разумных рассуждений и действий.
Одно из частных определений интеллекта, общее для человека
и «машины», можно сформулировать так: «Интеллект – это способность системы создавать в ходе самообучения программы
(в первую очередь эвристические) для решения задач определенного класса сложности и решать эти задачи» [75]. В целом же
17
ИИ теми или иными исследователями могут даваться определения в соответствии с двумя основными интерпретационными
векторами данной сферы: первое определение – системы, которые «думают» подобно людям; второе определение – системы,
которые «думают» рационально (в зависимости от контекстуального значения понятия рационального) [76]. К примеру, под первую категорию подпадает так называемый «коммуникативный»
ИИ, способный пройти тест Тьюринга, а также игровой ИИ; под
вторую категорию – программы для интеллектуальных игр
и программы, способные успешно решать задачи, требующие
работы с большими объемами информации.
Единого ответа на вопрос, чем занимается (и чем должен заниматься) ИИ, также не существует. Почти каждый автор, формулирующий некий подход к ИИ, отталкивается от какого-либо
определения или какой-либо отдельной дисциплины, рассматривая проблематику сквозь некую дисциплинарную или концептуальную призму. В философии и психологии не решен
вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя
на заре ИИ был предложен ряд гипотез, например тест Тьюринга или гипотеза Ньюэлла – Саймона. Последняя также представляет определенный интерес, связанный с использованием символов в системах обработки информационных данных. Гипотеза
Ньюэлла – Саймона свидетельствует о том, что «если система
действует осмысленно, то, значит, она выполняет символьные
вычисления (операции с использованием символов), а если система использует символьные вычисления, то она действует осмысленно» [77]. Интерпретационная позиция данной гипотезы,
сформированной Алленом Ньюэллом и Гербертом Саймоном
в 1976 г., обязывает считать все имеющиеся компьютерные технологии неизменно осмысленными. Развитие программного
обеспечения, компьютеров и интеллектуальных технологий пошло именно по пути символьных вычислений и оперирования
с информационными блоками посредством символов, поэтому,
согласно гипотезе Ньюэлла – Саймона, человечество окружает
18
огромное количество машин, действующих по-настоящему осмысленно [78].
Несмотря на наличие множества подходов как к пониманию
ИИ и его задач, так и непосредственно к созданию интеллектуальных информационных систем, можно выделить два основных подхода к разработке ИИ:
1. Нисходящий, семиотический – создание экспертных систем, баз знаний и систем логического вывода, имитирующих
высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и прочее.
2. Восходящий, биологический – изучение нейронных сетей
и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как
нейрокомпьютер или биокомпьютер [79].
Последний подход, строго говоря, не относится к науке об
искусственном интеллекте в смысле, данном Джоном Маккарти, – их объединяет только общая конечная цель. Логично будет
предположить, что ни один из этих двух подходов не способен
привести к формированию систем сильного ИИ, потому что
в рамках первого подхода искусственно создается «верхушка
айсберга» («высшая нервная деятельность»), полностью лишенная основы (нервной системы, психики, сознания, бессознательного), а в рамках второго подхода формируется только лишь некое отдаленное подобие биологической основы «высшей нервной
деятельности», которое не обязательно может быть целесообразным, потому что в процессе его формирования полностью отсутствуют факторы аутентичной эволюции и самоорганизации.
Кроме двух основных подходов, которые, ввиду своей глобальности, являются скорее векторами развития науки об искусственном интеллекте, выделяют еще некоторые подходы. На
современном этапе можно выделить два направления развития
ИИ, которые можно кратко и условно обозначить как:
1. Уподобление человеческому разуму. Для данного подхода
критерием успешности разработки систем ИИ служит схожестьнесхожесть с аналогичными человеческими показателями.
19
2. Генерирование рационального искусственного «разума».
Для данного подхода ключевой задачей является генерирование
разума в принципе, не обязательно подобного человеческому, но
обязательно «мыслящего» конструктивно, продуктивно и целесообразно.
Однако в настоящий момент в сфере ИИ наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, чем фундаментальное. Многие подходы
были апробированы, но к возникновению искусственного разума ни одна группа разработчиков пока не приблизилась. С другой стороны, невозможно предсказать, как поведет себя нейросеть компании Google (или какая-либо иная) в ближайшее время.
Также не стоит забывать о том, что недавно в процессе машинного обучения начали использовать квантовый компьютер как
альтернативное решение проблемы ИИ.
В истории ИИ наиболее значимой (в контексте нашего актуального исследования) вехой является проведенная Джоном
Сёрлом в 1980 г. демаркация целостной сферы ИИ на слабый
и сильный ИИ, которая была осуществлена в его работе «Китайская комната», описывающей мысленный эксперимент. Сильный и слабый ИИ – это гипотеза в философии ИИ, согласно которой некоторые формы ИИ могут действительно обосновывать
и решать задачи как минимум на уровне человека, а скорее всего
даже превосходя человеческий уровень. Теория сильного ИИ
предполагает, что компьютеры могут приобрести способность
мыслить и осознавать себя, хотя и не обязательно их мыслительный процесс будет подобен человеческому. Теория слабого ИИ
отвергает такую возможность.
На актуальном этапе мы имеем внушительное количество
функционирующих систем слабого ИИ.
Уже сейчас понятно, что вопрос об использовании или не использовании, развитии или не развитии систем ИИ со стороны
бизнес-компаний и крупных корпораций стоит в качестве вопроса выживания в условиях актуальных нам реалий. Те компании,
которые отказываются идти в ногу со временем по причинам нехватки ресурсов, недостаточной скорости реагирования на изме-
20
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]