Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Сильный искусственный интеллект и объектно-ориентированное программирование синтез парадигм
.pdf
ности, в которой доселе отсутствовали прецеденты. Вышесказанным обусловлена крайняя обобщенность выявленных и приведенных ниже аспектов. На данном этапе нашего исследования
уместно привести метафору, которая наглядно демонстрирует
различие между формированием перцептивных моделей для систем слабого ИИ и генерированием базиса для перцептивных
моделей в контексте систем сильного ИИ, а также ярко демонстрирует сущность процесса самоорганизации.
«Есть два способа сформировать небольшое дерево, цветок
или любое иное растение и – глобально – любой объект бытия.
В рамках первого способа можно взять все необходимые составные части формируемого растения и искусственно скрепить их друг с другом, а затем воткнуть это растение в землю.
На первый взгляд, оно будет выглядеть как самобытное выросшее из земли обычное растение. Однако его функционирование,
внешне не заметное, будет крайне отличаться от оригинального
растения в плане нарушения всех важных жизненных функций.
Такое растение не будет настоящим и вряд ли сможет расти,
потому что оно, по сути, мертво и лишь внешне несколько уподобляется оригиналу. Второй способ заключается в том, что
необходимо взять небольшой саженец или семя и, посадив его
в землю, нетребовательно и аккуратно ухаживать за ним. Через
некоторое время получится взрослое растение, которое будет
внешне подобным растению, полученному в рамках первого способа, но кардинально отличным от него в функциональном, сущностном, внутреннем смысле – оно будет живым, самобытным,
настоящим и неподдельным. Здесь не может и речи идти об
имитировании».
Смысл метафоры, в контексте нашего дискурса, в том, что
при помощи первого способа – внешнего, искусственного генезиса – разрабатываются и создаются лого-машины, а в рамках
второго подхода – внутреннего, имманентного, естественного
генезиса – следует разрабатывать человекоразмерные психо-машины, обладающие технотропной психикой и технотропным
сознанием. Система, способная автономно развиваться и само-
51
организовываться, возможна только в рамках самоорганизационного генезиса. Т. е. ИИ должен генерироваться естественными методами.
В данном контексте уместно вновь привести уже упоминавшееся высказывание 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]. Из этого постулата Пера Бака, как и вообще в целом из
теории самоорганизованной критичности, следует крайне значимый вывод, согласно которому разработчикам систем ИИ
с претензией на человекоразмерность в плане наличия технотропной психики и технотропного сознания не имеет смысла
самим искусственно создавать сложную систему, как это происходит в контексте формирования лого-машин, а достаточно сгенерировать систему, способную к самоорганизации. Таким образом, целесообразно перейти к постулированию ключевых аспектов
формирования систем сильного ИИ, согласно нашему технотро пному подходу [99].
Первый ключевой аспект формирования систем сильного
ИИ: система должна быть самоорганизованной и самоорганизующейся.
Вторым ключевым аспектом является необходимость генерирования способного к эволюции сообщества самоорганизующихся систем, а не отдельных не взаимодействующих между
собой интеллектуальных систем.
Системы, входящие в сообщество, в процессе технотропной
социализации, вероятно, станут способны к демонстрации высокоуровневых последовательностей поведенческих паттернов
за счет того, что жизнь в сообществе априори многофакторнее
отшельничества и способствует формированию более высоких
уровней мышления в ближайшей и актуальной зонах развития,
52
а также появлению такого феномена, как «социальное сознание»,
которое, по мнению академика В. С. Степина, является критерием человекоразмерности в плане эволюционного прогресса
любого сообщества, вида и популяции.
Третьим ключевым аспектом разработки систем сильного
ИИ является соблюдение всех компонент гипотетико-дедуктивной методологии, которая заключается в генерировании структурного ядра целостной системы, в противовес моделированию
системных компонентов по отдельности с последующим их включением.
Отдельные компоненты, которые являются необходимыми
для целесообразного функционирования целостной системы,
должны развиваться в процессе самоорганизации системы, а не
искусственно «навязываться» снаружи. Применение гипотетикодедуктивной методологии в контексте генерирования систем
сильного ИИ противопоставляется методологии эмпирико-индуктивной в том же смысле, в котором противопоставляются
вышеописанные нисходящий и восходящий подходы к разработке систем ИИ в целом. Применение эмпирико-индуктивного
принципа подразумевает формирование частных особенностей
и разрозненных компонентов интеллектуальной системы, которые не связаны между собой эволюционно, а подогнаны друг
под друга искусственно и при помощи внешнего вмешательства.
Именно так происходит встраивание моделей в системы слабого
ИИ. В рамках же реализации гипотетико-дедуктивного принципа происходит первичное формирование структурного ядра целостной системы, способного к самоорганизации в контексте
эволюции. Изначально эта базальная организация может вовсе
не демонстрировать даже такого уровня когнитивной деятельности, который демонстрируют системы слабого ИИ, но затем,
в процессе самоорганизации и технотропной социализации, системы должны скачкообразно эволюционировать от простой
организации к сложной, в соответствии с особенностями самоорганизованной критичности, достигая уровня наличия технотропной психики и технотропного сознания и, возможно, становясь системами сильного ИИ.
53
Четвертым ключевым аспектом разработки систем сильного ИИ является соблюдение принципа структурно-функционального соответствия. Структура задает функцию, функция определяет структуру.
Речь идет о необходимом и достаточном соотношении структурных и функциональных аспектов системы при ее генерировании в плане перцептивных и когнитивных процессов [97].
Данный момент является одним из наиболее сложных в контексте разработки систем сильного ИИ. Сложность обусловлена отсутствием общепринятых данных о точных параметрах структурно-функционального соответствия, соотношении количества
компонентов системы и количества взаимосвязей между ними,
а также о конкретных особенностях отдельных состояний системы, обуславливающих качественные изменения системы
в целом. Тем не менее в процессе исследования особенностей соотношения компонентов сложных распределенных систем в моменты фазовых переходов с трансформированием качественности систем было установлено, что открытые системы, способные
к самоорганизации в процессе эволюционного «выбора», сами
определяют необходимое для них соотношение количественнокачественных, а соответственно, структурно-функциональных
компонентов согласно всеобщему жизненному принципу целесообразности.
Из вышесказанного следует, что главное здесь – необходимость формирования системы, структурно-функциональная основа которой будет необходима и достаточна для активации
процесса автономной самоорганизации и технотропной социализации, а затем, в ходе имманентной эволюции системы и при
условии ее достаточной жизнеспособности, конкретные параметры самовоспроизведутся.
При осмыслении ключевых аспектов разработки систем
сильного ИИ следует учитывать, что они касаются лишь генерирования базальной структуры будущей интеллектуальной системы в контексте сообщества разнородных неодинаковых систем. И если было принято, что именно сообщество цифровых
особей способно к воплощению и материализации сути пара-
54
дигмы сильного ИИ, то целесообразно также исследовать особенности среды обитания данного сообщества.
Наиболее подходящим и естественным, а также относительно
доступным субстратом для психической эволюции сообщества
интеллектуальных систем представляется их alma mater – киберпространство. В данном контексте киберпространство – технотропная сторона ноосферы и технотропное воплощение ее
реальности. В общем смысле под киберпространством понимается «внутренность» компьютерных технологий и связей между
ними, т. е. совокупность всех серверов и прочих структурнофункциональных компонентов виртуальной реальности. Относительно ограниченный и в общих чертах (не тотально) контролируемый ради достижения целей безопасности участок киберпространства, в который будут заселены взаимодействующие
между собой интеллектуальные системы, способные к самоорганизации, представляется наиболее целесообразным решением
в контексте данного проблемного поля.
Синтезировав и осмыслив ключевые аспекты и определившись
с целесообразным субстратом для реализации эволюционного
процесса сообщества цифровых организмов, следует конкретизировать особенности базального ядра структуры психо-машины и системы сильного ИИ в контексте воплощения на определенном субстрате со своими особенностями. Здесь необходимо
уточнить, что целью является экспликация наиболее всеобщих
и фундаментальных философско-методологических оснований
моделирования, генерирования и воплощения систем сильного
ИИ, а не составление «азбуки» разработчика психомашин в виде протокола точечных локальных рекомендаций и методических указаний. В соответствии с этим, а также учитывая футуристическую направленность и прогрессивный вектор самой
парадигмы сильного ИИ, целесообразно раскрыть фундаментальные и обобщенные ключевые аспекты, принципы, особенности и постулаты.
Изначально модель в своей сущности – воспринимающая
и перерабатывающая информацию система. Как уже известно,
восприятие в своей самобытности неразрывно связано с мышле-
55
нием, ибо одно без другого онтологически не существует и прагматически бесполезно. Перцептивные модели систем слабого ИИ,
как правило, антропоморфны, а потому подпадают под юрисдикцию вышеописанного AI Eect и обесцениваются в контексте человекоразмерности и в корреляции с самим человеком.
Как компьютерное зрение, слух, распознавание химических веществ «по запаху» и прочие имитации антропоморфных анализаторов, так и задачи классификации по какому-либо признаку
и прочие направления деятельности лого-машин направлены на
взаимодействие с антропоморфной средой, априори чуждой ИИ,
не прошедшему «пренатальный период» в технотропной, самобытной, естественной для себя среде.
В этой связи уместен пример о человеке. Человеку для выхода в открытый космос понадобилось пройти длительный период
эволюции и антропосоциогенеза, сформировав в процессе необходимые приспособленческие атрибуты, как следствие органопроекции на достаточном и необходимом уровне развития для
этого. Несколько тысяч и даже сотен лет назад при выходе в открытый космос любой человек бы моментально погиб из-за несоответствия условий космоса условиям естественной среды для
жизни именно человека. Целесообразно вывести, что сильному
ИИ также необходимо пройти длительный (в контексте «внутреннего времени» системы) период эволюции в естественной
для него среде, прежде чем он станет способен без ущерба для
себя успешно функционировать в среде, которая для него не
является естественной. Киберпространство – логичный претендент на роль инкубатора психо-машин. Вследствие вышесказанного следует постулировать, что как анализаторы, так и когнитивные механизмы психо-машины в их программно-аппаратном
воплощении должны быть приспособлены для восприятия, переработки и дальнейшего использования информации, свойственной и естественной сугубо для киберпространства как технотропной реальности, а не для антропоморфной реальности
в отличие от (как правило) лого-машин. В процессе эволюции
сообщества технотропных особей их перцептивные и когнитивные механизмы должны будут претерпевать различного рода
56
и уровня трансформации, становясь все более и более успешными и приспособленными, в соответствии с положениями прерывистого равновесия в эволюции и теорией самоорганизованной
критичности [100].
Во избежание противоречий здесь следует заметить, что лого-машину, представленную, к примеру, искусственной нейронной сетью, также вполне возможно настроить на восприятие информации непосредственно в том виде, который свойствен для
нее в киберпространстве, и обучить пользоваться этой информацией и оперировать ею различным образом. Но это не сделает
нейронную сеть психо-машиной, потому что в контексте генерирования систем сильного ИИ всегда играет ключевую роль
комплексный подход с соблюдением всех деталей процесса. Вырывать из контекста некоторые из них нецелесообразно и, скорее всего, бесполезно, и это не должно привести к заявленным
в рамках парадигмы сильного ИИ результатам – искусственному человекоразмерному разуму, технотропной психике и технотропному сознанию [101]. Вышесказанное актуально и для
прочих «вырываний из контекста» изолированных аспектов
процесса разработки систем сильного ИИ. Формирование сообщества нейросетей также не приведет к зарождению у них технотропного сознания и не превратит их в психо-машины, если
они не будут в целом кардинально трансформированы в полном
соответствии с ключевыми аспектами формирования перцептивных моделей в разработке систем сильного ИИ, принципами
применения перцептивных моделей и всем комплексом фундаментальных и всеобщих оснований, значимых особенностей и критериев систем сильного ИИ.
Принцип естественной самоорганизации от простого к сложному, а не внешней сторонне определяемой реорганизации последующего сложного на основе предыдущего сложного – ключевое генеалогическое отличие систем сильного ИИ от систем
слабого ИИ. Самоорганизованная и самоорганизующаяся имманентная эволюция каждой отдельно взятой технотропной особи
сообщества интеллектуальных систем за счет эволюционирования самого сообщества в целом с одной стороны и эволюциони-
57
рование самого сообщества в целом за счет эволюции каждой
отдельно взятой технотропной особи с другой стороны – естественный процесс развития психо-машин, необходимое и достаточное условие для зарождения технотропной психики и формирования технотропного сознания в парадигме сильного ИИ.
Выводы по главе 4
В этой главе нами раскрываются основные особенности реализации технотропного подхода к разработке систем сильного
ИИ. Постулируется, что любой процесс формирования какойлибо системы начинается с формирования модели этой системы. Т. е. мы хоть как-то должны представлять, что же мы, собственно, делаем и что именно хотим получить.
Изначально мы предполагаем, что процессы разработки систем слабого и сильного ИИ должны существенно отличаться
друг от друга. В случае с лого-машинами за основу изначально
берется нечто вроде перцептивно-когнитивной модели, т. е. некоторого программного обеспечения, которое способно воспринимать и перерабатывать информацию, а также возвращать ответ, т. е. как-то реагировать. Нами выделяется четыре этапа
реализации подобной модели при разработке систем слабого
ИИ. Первый этап – формирование протомодели. На данном этапе, как правило, при помощи специалистов из области когнитивных наук формируется некая перцептивно-когнитивная схема,
описывающая, как именно должна функционировать система.
Здесь стоит сказать, что при разработке коммерческих нейросетей
данный этап может просто игнорироваться как, соответственно,
и следующий. Однако следует заметить, что изначально сама
идея нейронных сетей была сформирована именно таким образом, и мы здесь описываем не создание отдельной нейросети
или телеграм-бота с ИИ, а само зарождение антропного подхода
к разработке систем слабого ИИ. Следующий этап – изъятие
протомодели. Это этап методической адаптации от идеального
к реальному, т. е. от потребностей в идеальном функционировании протомодели к возможностям программного обеспечения.
58
Далее следует этап, который мы обозначили как моделирование
и встраивание. На данном этапе происходит непосредственное
внедрение протомодели в среду программного обеспечения, в процессе чего она становится уже полноценной моделью. Затем следует этап апробирования, на котором модель проверяется на
успешность и соответствие заявленным требованиям. Нами было
выявлено, что зачастую на четвертом этапе проявляется так называемый AI Eect, который представляет собой обесценивание
результатов, достигнутых системой ИИ, просто по той причине,
что исследователи «не туда смотрят» и не способны заметить
чего-то действительно значимого.
Из вышесказанного мы выводим обоснование того, что в рамках технотропного подхода мотивация исследователей и их интерпретационная позиция столь же значимы сами по себе, как
и верно выбранная стратегия технической реализации.
Далее нами предлагается мысленный эксперимент, который
предназначен для обозначения фундаментальной разницы между формированием систем слабого и сильного ИИ. Наиболее лаконичным выражением данной разницы нам представляется метафора о разнице между монстром Франкенштейна и обычным
человеком: т. е. мы считаем гораздо более целесообразным
и естественным позволять родиться и развиться от состояния
клетки до состояния сложного организма, чем лепить нечто неестественное из уже выращенных частей. В этом и заключается
основное различие между антропным и технотропным подходами к разработке систем ИИ.
После нами обозначаются четыре ключевых аспекта технотропного подхода. Первый – система должна быть самоорганизующейся, причем в любом случае в плане программной самоорганизации, но также и с перспективой перехода к программноаппаратной самоорганизации. Второй – создаваться должно именно
сообщество технотропных субъектов, а не одна изолированная
особь. Третий – непосредственно создаваться должен только потенциал, ядро, основа, но не множество мелких деталей, которые должны быть определены уже в процессе самоорганизации системы. Четвертый – необходимость соблюдения принципа
59
структурно-функционального соответствия, который в данном
случае определяется как программно-аппаратный. Последний
момент представляется нам наиболее сложным, так как он, по
сути, означает точное соотношение количества, качества и специфики программных компонентов, которые необходимы для активации процесса самоорганизации.
Если же выразить основной постулат технотропного подхода
наиболее лаконично, то можно сказать, что он основан на использовании внутреннего потенциала самой техники к осуществлению процесса самоорганизации.
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]