Вычислительные машины и мышление

По мере расширения и углубления наших теоретических и эмпирических знаний о вычислительных машинах мы обнаружим, что их поведение в значительной степени основано на простых общих законах. То, что в вычислительных программах казалось сложным, чаще всего являлось лишь отражением сложности внешней среды, по отношению к которой программа приспосабливала свое поведение.

В той мере, в какой этот прогноз окажется справедливым, станет очевидной исключительная роль, которую машинное моделирование может сыграть в качестве инструмента, позволяющего глубже понять человеческое поведение. Действительно, если именно организация элементов, а не их физические свойства в основном определяет поведение и если машины в известном смысле организованы наподобие человека, то машина представляет собой естественный «полигон» для исследования того, насколько верны различные предположения об организации человеческого поведения. Психология может продвигаться вперед, не дожидаясь того, пока в рамках нейрофизиологии будут выяснены проблемы, связанные с устройством нервных элементов, какими бы важными и интересными ни оказались открытия в этой области. Следующая глава и будет посвящена самой интересной из существующих искусственных систем — человеческому интеллекту и вопросам машинного моделирования человеческого мышления.

1 Хочу сразу же снять с себя ответственность за выбор именно этого термина. Выражение «искусственный интеллект», приведшее меня к нему, родилось в Массачусетском технологическом институте (МТИ). Наша исследовательская группа предпочитала выражения вроде «обработка сложной информации» или «имитация познавательныx процессов». Но при этом мы столкнулись с новыми терминологическими трудностями, так как словарь говорит, что «имитировать» значит «быть или становиться внешне, по форме похожим, не затрагивая сущности; подражать; притворяться; подделывать». Так или иначе, термин «искусственный интеллект», по-видимому, прижился, и очистить его от предвзятого смысла, наверное, легче, чем вовсе отказаться от него. Со временем он станет достаточно идиоматичным и перестанет служить мишенью для любителей дешевой риторики.

2 На этом вопросе я подробнее останавливаюсь в третьей главе. Но чтобы не оставлять читателя пока в полном неведении, укажу здесь, что придерживаюсь позиции наивного позитивизма и считаю, как и в гл. III работы [1], что «должное» не может быть сведено к «сущему». Подобная точка зрения полностью согласуется со стремлением рассматривать естественные и искусственные целенаправленные системы как явления, подлежащие изучению вне зависимости от их целей ([1 ], приложение). Об этом говорится также в статье А. Розенблюта, Н. Винера и Дж. Байджлоу «Поведение, цель и телеология», опубликованной в журнале Philosophy of Science, 10, 18 — 24 (1943).

3 Обобщая приведенные рассуждения относительно деления на «внешнюю» и «внутреннюю» среды, мы придем к выводу о том, что возможность подобного разделения в большей или меньшей степени присуща всем сложным и большим системам, как естественным, так и искусственным. В своей обобщенной форме это служит аргументом в пользу того, что природа в целом организована по «уровням». В четвертой главе «Архитектура сложности» я останавливаюсь на этом подробнее.

4 Теория функциональной эквивалентности вычислительных машин за последние годы получила широкое развитие.

5 Патент США № 1 307 836, выданный Артуру Саймону 24 июня 1919 года.

6Любопытно сравнить это рассуждение с утверждением о конструировании организационной системы, приведенным в работе Simon H.A., Administrative Behavior,1960, p.252 «Следовательно, рациональность не определяет поведения. В пределах рациональности поведение абсолютно гибкое и приспосабливается к возможностям, целям и знаниям. Поведение же, напротив, определяется иррациональными элементами, устанавливающими границы рациональности... Теория организационного управления должна заниматься пределами рациональности и тем, как организация воздействует на пределы рациональности действий принимающего решение лица».

7 Эта мысль полнее развивается в четвертой главе. Свыше полувека назад Бертран Рассел сделал аналогичное замечание об архитектуре математики. В предисловии к книге «Principle Mathematica» он пишет: «...Основной аргумент в пользу любой теории относительно оснований математики должен быть индуктивным, то есть заключаться в том, что эта теория позволяет нам вывести обычную математику. В математике наибольшая степень очевидности обычно обнаруживается не в самом начале, а позднее. Поэтому первые выводы, еще не достигшие уровня очевидности, скорее дают основания верить в посылки (так как из них следуют правильные выводы), чем укрепляют веру в следствия (так как они основаны на данных посылках)». Наблюдающееся ныне предпочтение дедуктивного формализма часто заставляет нас забывать об этом важном факторе, который сегодня не менее справедлив, чем он был в 1910 году.

8 По теме этого и последующего разделов см. уже цитированную выше книгу М. Минского и статью Дж. фон Неймана «Вероятностная логика и синтез надежных организмов из ненадежных элементов» (сб. «Автоматы» под ред. К. Шевона Я Дж. Маккарти, М_м ИЛ, 1956).

9Эмпирический, экспериментальный оттенок исследований вычислительной техники убедительно показан Морисои Уилкисом в его лекции «Машины тогда и теперь»

10 См., например, эмпирические данные в работе «Принцип демодуляции в доказательстве теорем» В рассматриваемой области принято озаглавливать статьи об эвристическом программировании так: «Эксперименты с такой-то программой».

13