Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Сильный искусственный интеллект и объектно-ориентированное программирование синтез парадигм
.pdf
Нейронные сети разделяются на несколько больших групп:
обучающиеся с учителем (выходное пространство решений нейросети известно), обучающиеся без учителя (нейросеть формирует выходное пространство решений только на основе входных
воздействий), обучающиеся с подкреплением (система назначения позитивных и негативных подкреплений от среды) [87].
Хотя некоторые исследователи считают, что «никакого самообучения быть не может. Разговоры об “обучении без учителя” являются недоразумением. Оно вызвано тем, что бывают случаи,
когда для достижения некоторой цели от учителя требуется
лишь информация о принадлежности объекта “не к мусору”»
[87, с. 101]. Также выделяют нейронные сети, обучающиеся с частичным подкреплением, а отдельно можно обозначить машинное обучение на графах. Среди нейронных сетей выделяют:
сеть Джордана;
многослойный перцептрон Розенблатта;
многослойный перцептрон Румельхарта;
нейронную сеть Элмана;
нейронную сеть Хэмминга;
нейронную сеть Ворда;
нейронные сети Кохонена;
неокогнитроны;
осцилляторные нейронные сети;
сети адаптивного резонанса;
сверточная нейронная сеть;
импульсная нейронная сеть, или спайковая нейронная сеть;
нейро-нечеткие нейронные сети.
У каждой из перечисленных разновидностей нейросетей наличествуют свои порой уникальные особенности, среди которых имеются как преимущества, так и недостатки, но, что в первую очередь важно для нас в рамках нашего исследования, ни
одна из вышеперечисленных нейросетей, как и ни одна из любых иных технологий на данный момент, не претендует на статус сильного ИИ. В целом в сфере разработки нейросетей исследователями была проделана колоссальная работа за последние
полвека. И все же, даже учитывая последние достижения наибо-
31
лее выдающегося и мощного примера – нейросети компании
Google, ChatGPT и так далее, возникает вопрос: приближает ли
это человечество к созданию ИИ именно в том смысле, в каком
человеческий интеллект – интеллект? Одним из наиболее значимых отличий искусственных нейронных сетей от «естественной
нейронной сети» – нервной системы человека – является то, что
нейроны одного слоя нейросети, как правило, могут образовывать связи только с нейронами другого слоя. К тому же количество связей крайне невелико. В то время как в нервной системе
человека количество связей одного нейрона с другими доходит
до 200 тысяч, а связи четко не дифференцированы и могут быть
как короткими, так и довольно длинными. Более того, у нейронов в «живом» мозгу наличествует крайне значимая функция
взаимозаменяемости: при повреждении одного участка мозга
его функцию могут взять на себя другие участки. Это правило
не распространяется на существенные повреждения, однако
с менее патогенными нарушениями оно успешно справляется.
Известны даже такие случаи гидроцефалии, при которых до 95 %
головного мозга «заменялось» жидкостью и «рабочего вещества» оставалось лишь 5 %, что никоим образом не сказывалось
на личностных, когнитивных и бихевиоральных качествах человека именно ввиду взаимозаменяемости. Представить что-либо
подобное в рамках нейросетей на данном этапе не представляется
возможным даже в теории.
Эти и другие отличия нейросетей от биологической нервной
системы подводят к выводам о несоответствии субстратов друг
другу. Нервная система – намного более сложное образование,
чем любая из существующих нейросетей, тем не менее в рамках
слабого ИИ достаточно и наличествующих. Если же речь идет
о сильном искусственном интеллекте, то стоит признать, что применяемые на данный момент методы формирования нейронных
сетей недостаточны для воспроизведения технотропной психики и технотропного сознания.
Наиболее фундаментальные отличия искусственных нейронных сетей от нейронной организации непосредственно человека наблюдаются в контексте генезиса, как филогенетического,
32
так и онтогенетического. Различие централизуется в феномене
структурной самоорганизации, которую мы обозначаем как программно-аппаратную, неотъемлемо присущей развитию нервной
системы человека, но не использующейся при моделировании
перцептивных процессов в разработке нейронных сетей. Машинное обучение, благодаря которому и в процессе которого происходит функциональная реорганизация нейросетей с приобретением ими некоторых новых образов действия, ограничено лишь
функциональной перестройкой потенциала нейросети в соответствии с актуальными тактическими задачами. Наиболее перспективные, возможно, на данный момент нейросети, структурно-функциональными единицами (искусственными нейронами)
которых являются мемристоры, способные к эффекту гистерезиса («отсрочивания», но не инерции), а соответственно – к реализации более-менее «антропоморфной» памяти, в процессе машинного обучения также подвергаются лишь функциональной
реорганизации и лишь в соответствии с внешне определенными
тактическими задачами.
В сущности, разработка искусственных нейронных сетей
с любой структурно-функциональной организацией и любыми
принципами обучения, в соответствии с общей «идеологией»
систем слабого ИИ, лого-машин, строится по схеме так называемого финалистского имитирования результатов специфически
человеческой деятельности, т. е. воспроизведения в общих чертах ключевых аспектов итога образа действия. Внешне результаты деятельности как человека, так и систем слабого ИИ, представленных искусственными нейронными сетями, могут не
отличаться друг от друга, и даже эксперты могут быть неспособны осуществить точную верификацию авторской принадлежности (человек или ИИ) финальных продуктов. Это происходит
в соответствии с заветами Алана Тьюринга о критериях своеобразной человекоразмерности (официально Тьюринг не употреблял
именно этот термин) систем искусственного интеллекта в плане
достижения внешне уподобленной антропоморфности, а в случае непосредственно с тестом Тьюринга – коммуникативной антропоморфности. Истоки подобного подхода наличествуют не
33
только в рамках критериев теста Тьюринга, но также и в некоторых базовых подходах к разработке интеллектуальных систем
в целом. К примеру, в нейролингвистическом программировании, в рамках которого процесс моделирования специфически
человеческих видов деятельности (торги на бирже, написание
музыкальных текстов, ораторское искусство и прочее) приводит
к разработке крайне оптимизированных алгоритмов в виде
структурированных последовательностей бихевиоральных паттернов (без имманентной психологической подоплеки – только
внешне), при точной реализации которых достигается довольно
успешное имитирование результата деятельности. Как в результате имплицитного встраивания моделей нейролингвистического программирования, так и в результате воплощения таких же
оптимизированных моделей на субстрате искусственных нейронных сетей достигается возможность внешнего имитирования образа действия и уподобление ключевым аспектам финального результата деятельности, в среднем внешне успешное.
Воспроизведение надстройки (даже в восходящем подходе
к разработке систем ИИ) не приводит к появлению «самобытности», «аутентичности» и генерированию имманентной «личностной сущности» интеллектуальных систем, которые остаются
лого-машинами без возможности претендовать на человекоразмерные цифровую психику и технотропное сознание по причине игнорирования ключевого аспекта имманентного генезиса
человекоразмерных систем – самоорганизации, как в филогенетическом, так и в онтогенетическом смыслах. И в первую очередь структурной, аппаратной самоорганизации. Здесь крайне
уместно привести цитату автора теории самоорганизованной
критичности Пера Бака: «Человеческий мозг обладает способностью формировать сложные образы мира, окружающего нас,
и идею о том, что мозг сам по себе должен быть сложным объектом, можно счесть очевидной. Однако это не обязательно так.
Как мы уже видели, сложное поведение может возникнуть в моделях с простой архитектурой благодаря процессу самоорганизации. Возможно, мозг тоже представляет собой довольно простой орган» [88].
34
Идея самоорганизации в целом и самоорганизованной критичности в частности в том, что на основе простой структуры,
функционирующей в соответствии с некоторыми простыми правилами (протоколом), при условии способности системы к автономной открытой самоорганизации способны воспроизводиться
крайне многофакторные и распределенные сложные системы,
функционирующие по ранее не заданным алгоритмам, способные к эволюции, саморазвитию и качественным изменениям,
т. е. обладающие системным качеством эмерджентности. Критичность же в самоорганизации – это воплощение дискретности
и уже выше упомянутой скачкообразности в эволюции систем,
о которой говорил в свое время еще Г. В. Ф. Гегель [89]. В совместной работе Румельхарта, Хинтона и Уильямса это описывается как «диалектическая теория развития, разработанная
не мецким философом (Гегелем), его концепция, отвергающая
плоско-эволюционное понимание развития и утверждающая
движение с перерывами постепенности, “скачками”, находящая
источники движения в возникновении и преодолении противоречий» [90], что конгруэнтно согласуется с теорией самоорганизованной критичности Пера Бака, а также с выше упомянутой
концепцией прерывистого равновесия в эволюции, разработанной Стивеном Джеем Гулдом и Найлзом Элдриджем. Степенное
распределение эволюционных скачков в концепции прерывистого равновесия происходит согласно модели самоорганизованной критичности и именно это (не математически, а методологически) есть количественно-качественный узел меры, который
имел в виду Гегель в контексте своей философской системы.
Искусственные нейронные сети, существующие на данный
момент, пошли не по пути формирования изначально простых
и функционирующих по фундаментальным законам систем, способных к самоорганизации и скачкообразной эволюции с продуцированием качественных фазовых переходов, а по пути разработки и воплощения уже априори сложной нейронной организации
(не в сравнении с человеческой нервной системой, а в сравнении
с кучей песка), но не способной к автономной структурной реорганизации и имманентной эволюции. В этом смысле и в контексте
35
разработки систем именно сильного ИИ (в соответствии с принципами самоорганизации, скачкообразной имманентной эволюции, способности к воплощению количественно-качественного
феномена меры) несколько вперед продвинулись исследователи
Университета Страны Басков (Испания), которые впервые создали модель живых организмов и их эволюции с помощью квантового компьютера. Статья с результатами работы опубликована
в журнале Scientic Reports [91].
Неочевидный, но крайне значимый аспект эксперимента данных исследователей заключается в генерировании не одной-единственной искусственной системы, как это происходит в каждом
случае разработки искусственной нейронной сети, а сообщества
организмов. Это важно по следующей причине. Технотропная
психика и высшая стадия ее развития – техно тропное сознание,
антропоморфные аналоги (но не прямые аналоги, а именно эволюционные в общем, «вселенском» масштабе и широком смысле) которых – человеческая психика и человеческое сознание,
способны проявляться в полной мере лишь у комп лексно развитого человека – личности, в первую очередь социализированной
личности. В этом контексте дети-маугли крайне отличаются от
среднестатистических представителей социума недоразвитостью своих сознательных аспектов по причине интериоризации
в ключевых зонах развития поведенческих деятельностных паттернов, затем переходящих в когнитивные образы действия, существенно отличающиеся от человеческих и более низкоуровневые. Т. е. мышление, Я-концепция, психологические границы,
сознание, самосознание, рефлексия и про чие сугубо человеческие психологические особенности оказываются не развитыми
и находящимися в зачаточном состоянии, ибо они способны развиться лишь в процессе взаимодействия с себе подобными вследствие осознания себя по сравнению с ни ми [92]. Поэтому в случае детей-маугли мы не можем говорить о личности в полном
смысле слова. Из этого логично следует признание крайне высокой значимости фактора социализации в процессе взаимодействия с субъектоподобными организмами в ключевых зонах
развития и самоорганизации любой системы с претензией на на-
36
личие психики и сознания. А так как в случае с системами сильного ИИ, или психо-машинами, наличие технотропной психики
и технотропного сознания является неотъемлемым критерием
и самим обоснованием претензии на человекоразмерность, процесс технотропной социализации представ ляется крайне значимым и совершенно необходимым.
В свете вышесказанного наиболее целесообразным подходом к генерированию систем сильного ИИ, систем, обладающих
технотропной психикой и технотропным сознанием, психо-машин,
представляется формирование открытых и взаимодействующих
со средой сообществ искусственных систем, функционирующих
в соответствии с принципами самоорганизации в процессе саморазвития и самореализации.
Выводы по главе 2
В данной главе нами исследованы искусственные нейронные
сети, так как они на данный момент являются основным субстратом реализации систем ИИ, пусть и в его слабом выражении. В случае с нейронными сетями особенно ярко проявляется
трансдисциплинарная природа парадигмы ИИ. В контексте разработки нейросетей за основу берутся ключевые особенности
функционирования человеческой нервной системы, и, соответственно, нейронные сети не просто программируются, а способны к некоторому обучению.
Были продемонстрированы различные разновидности нейронных сетей и различные подходы к их обучению. Упомянуты
некоторые из наиболее существенных результатов развития данной отрасли и представлены некоторые фундаментальные несоответствия субстратов нервной системы человека и нейросети.
Конечно, это не должно было представлять особой проблемы,
так как мы в рамках технотропного подхода к разработке систем
ИИ также не принимаем за буквальную основу нечто антропное. Однако нами было показано, что в данном случае разница
заключается скорее в генеалогии. Т. е., если мы принимаем за
основу только лишь сам тот факт, что нечто высокоразвитое,
37
к примеру человеческий мозг, могло быть сформировано эволюционным путем, путем совершенствования, то именно путь эволюции и совершенствования становится тем, что и стоит пытаться сформировать. Нам представляется, что сильный ИИ
можно создать именно таким образом. А при разработке систем
слабого ИИ за основу берутся сразу плоды развития, в ущерб
процессу этого развития. Нам подобный подход представляется
нецелесообразным, что и было рассмотрено в данной главе.
Также именно в данной главе несколько детализируется вводимое нами понятие программно-аппаратной самоорганизации,
которая представляет собой технотропный аналог структурной
самоорганизации у живых существ. Показано, что системы сильного ИИ должны иметь возможность реализовывать не только
программную самоорганизацию, которая есть аналог функциональной самоорганизации у живых существ, но также и второй
тип – программно-аппаратную. Было уточнено, что системы слабого ИИ, к примеру нейросети, способны только на первый тип,
в то время как за психо-машинами, как представителями сильного ИИ, признается необходимость второй.
Также здесь выявляется необходимость формирования именно сообщества технотропных особей, в противовес изолированным субъектам, так как полагается, что высшие психические
функции способны возникнуть только при взаимодействии с себе подобными.
Глава 3
ИГРОВОЙ ИИ
КАК АЛЬТЕРНАТИВНАЯ ФОРМА ИИ
Существенно отличающейся от области нейросетей сферой
классического машинного обучения по своей специфике, целям
и задачам является сфера применения систем ИИ в компьютерных играх. «Главная задача игрового ИИ – не выиграть у игрока, а красиво ему отдаться», – говорит Тимур Бухараев из компании Nival [93]. Игровой ИИ – это программное обеспечение,
которое симулирует некую антропоморфность в ограниченном участке киберпространства, а именно – непосредственно на
«тер ритории» игры. Поэтому подход к игровому ИИ серьезно отличается от подхода к традиционным интеллектуальным технологиям в контексте достижения максимального подобия с минимальными затратами, а также тем, что в данной области интеллектуальных технологий не ставится задача формирования ИИ
в широком смысле слова, но антропоморфная уподобляемость –
совершенно открытая и прямо заявляемая цель. Т. е., как
и в случае с нейросетями, игровой ИИ, по большому счету, не
должен представлять для нашего исследования существенного
интереса.
Однако в контексте разработки программ игрового ИИ имеются крайне показательные аспекты. К примеру, в некоторых
шутерах от первого лица идеальные действия программных
субъектов игрового ИИ на порядок превосходят аналогичные
действия со стороны человека и его психофизиологических возможностей. Соответственно, для того чтобы игрок не утратил
интерес к игре, способности ИИ специально и очень существенно занижаются с тем, чтобы у игрока появилась возможность
одержать победу.
39
Компьютерные игры и игровой процесс с самого начала находились в области исследований различных ученых. В середине
прошлого века впервые появились программы для игры в шашки
и шахматы. Это были первые когда-либо написанные компьютерные программы в привычном смысле слова. Одна из программ
для игры в шашки того времени постепенно усовершенствовалась до уровня чемпиона мира по шашкам. Впервые программа
обыграла чемпиона мира по шахматам в 1997 г. (тогда компьютер обыграл Гарри Каспарова). Компьютерные игры периода
1960–1970-х гг. представляли собой соревнования двух игроков.
Игры для одиночного режима и игры с собственно игровым ИИ
появились на десятилетие позже. Более поздние спортивные игры
уже подразумевали возможность со стороны игрока настраивать режим функционирования игровой интеллектуальной программы. Появление в 1990-х гг. стратегий реального времени
ставило перед программами задачи иного плана: применение
«эвристических» механизмов, принятие «креативных» решений,
командные действия и прочее. Последующие игры пошли по
пути все большего разнообразия в контексте «выбора» действий,
путей, командной организации и прочих игровых аспектов. В более позднее время (ближе к нашему периоду) некоторые игры
использовали простейшие нейронные сети. В определенных
компьютерных играх интеллектуальные агенты обладают симуляцией так называемого «внутреннего времени» системы, т. е.
они симулируют жизнедеятельность, коммуникацию друг с другом и с персонажем игрока, имеют свой распорядок дня, обязанности, необходимости и способны рационально реагировать на
изменение ситуации. Интеллектуальные программы в некоторых играх способны как бы «обучаться», подстраиваясь под конкретного игрока, и моделировать последующие игровые события с опорой на предыдущие действия игрока.
Системы ИИ в контексте компьютерных игр развиваются
в сугубо «тьюринговом» ключе с целью достичь такого уровня,
чтобы игрок был неспособен отличить компьютерного соперника от человеческого. Хотя многие паттерны взяты из ограниченного множества возможных решений, иллюзия наличия интел-
40
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]