Глава 9

какое-то вино, или же использовать общие правила соответствия вин различным типам мясных блюд. Инженер, проектирующий мост, и астроном, отыскивающий на небе звезду, будут таким же образом выбирать нужный тип процедуры.

Можно провести еще одну параллель между работой человеческого мозга и компьютера при решении проблем. Речь идет о применении тех стратегий, которые мы рассмотрели в главе 8.

Поскольку компьютер может работать только по программе, рас­сматривать здесь случайный перебор бессмысленно. В случае если речь идет об игре, в которой такая" стратегия не используется, было бы неэкономно «заставлять» компьютер Искать решение задачи с помощью этой стратегии.

Остальные две стратегии используются как человеком, так и компью­тером.

Рациональный перебор соответствует эвристическому методу, при котором процессор занимается поисками частичных решений, чтобы максимально повысить вероятность нахождения приемлемого решения, сведя к минимуму время и усилия на его поиск.

Систематический перебор соответствует алгоритмическому методу, в этом случае систематически просматриваются все возможные (при имеющемся наборе данных) решения с целью найти то из них, которое наиболее эффективно. Однако компьютер, так же как и человек, не использует эту последнюю стратегию для решения сложных задач. Например, при игре в шахматы алгоритмический метод потребовал бы того, чтобы компьютер для полной уверенности в выигрыше каждый раз просматривал 10¹²⁰ возможностей. В подобных случаях выгоднее ис­пользовать эвристический метод, позволяющий с помощью ряда под­программ ограничивать поиски решений конкретными «узкими» зада­чами, такими как захват центра шахматной доски или атака на короля противника.

Искусственный интеллект и человеческое мышление

Искусственный интеллект-это специальная область науки, опираю­щаяся на информатику и другие дисциплины; ее главной задачей является разработка таких программ, которые придали бы компьютеру интеллект.

Существуют два подхода к проблеме искусственного интеллекта. Чаще всего исследователи используют подход «сверху вниз», при кото­ром разрабатываются экспертные системы, или «мыслящие машины». Такие машины представляют собой настоящий электронный мозг, способный формулировать правила организации знаний, создавать ги­потезы и сопоставлять их с реальной действительностью с целью выработки новых решений. Второй подход-это путь «снизу вверх». При этом ученые разрабатывают системы, улавливающие различные виды информации (по типу глаза или уха), соединяют эти системы с обу-

475

Адаптация и творчество

чающимися сетями и с помощью таких моделей пытаются понять, как деш-.вует мозг при декодировании и интерпретации входных данных.

По мнению Моравеца (Университет Карнеги - Меллона), об «ис­кусственном интеллекте» можно будет по-настоящему говорить только тогда, когда эти два подхода, развивающиеся пока независимо, объе­динятся.

1. Мыслящие машины. Компьютеры, о которых мы до сих пор говорили,-это обычные электронные вычислительные машины, дей­ствующие по принципу цифровой обработки информации. Они имеют, с одной стороны, блок памяти, а с другой - обрабатывающее устройство; эти два блока по программе, составленной человеком, обмениваются двоичными сигналами, каждый из которых может принимать значения либо⁽«да», либо «нет». Даже для таких машин уже созданы экспертные системы, благодаря которым они работают по меньшей мере так же эффективно, как лучшие специалисты различных областей человеческого знания..

В последние годы некоторые биофизики - например, Хопфилд из Калифорнийского технологического института,- заинтересовались раз­работкой так называемых нейрокомпьютеров, функционирование ко­торых гораздо ближе к работе человеческого мозга. Такие компьютеры состоя! из сетей, образованных соединенными между собой кремние­выми «нейронами». Роль синапсов здесь играют сопротивления в местах контактов между «нейронами». Преимущество таких сетей состоит в том, что им не обязательно нужно обладать всеми входными данными, чтобы предложить возможное решение проблемы. Их память, как и наша, функционирует по ассоциативному принципу: эти машины способны ассоциировать неполную входную информацию с информа­цией, уже имеющейся в памяти, и благодаря этому могут формулиро­вать вероятные ответы гипотетического характера («может быть...»). Память диффузно распределена по всей нейронной сети, и при уничто­жении части этой сети она не разрушается, а становится лишь менее четкой или более подверженной ошибкам.

С помощью подобной сети из нескольких десятков искусственных нейронов, соединенных с матрицей фоточувствительных элементов, Хопфилд смог добиться распознавания, например, буквы А независимо от конкретного варианта ее написания. Именно так ребенок усваивает алфавит. Для этого Хопфилду достаточно было сделать так, чтобы сеть сама могла изменять сопротивление своих связей при каждом предъяв­лении буквы А, написанной несколько различными способами. На одиннадцатом предъявлении машина распознала букву А за долю секунды.

Сайновски и Розенберг из Университета Джонса Гопкинса достигли еще большего: их машина NETtalk за одну ночь усвоила 1000 слов, прочитанных вслух из текста на английском языке. При использовании классических методов программирования это потребовало бы несколь­ких лет.