Чтение онлайн

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 состоят 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.

Подобные сети способны обучаться самостоятельно, и им не надо указывать, верен или неверен их ответ. Машине достаточно лишь запомнить состояние сети при предъявлении ей той или иной информации (например, буквы А), и тогда конфигурация, характерная для этой информации, автоматически воспроизводится при ее новом предъявлении. Такие сети способны в рекордное время выявить из 1032 возможных вариантов наиболее краткий путь, соединяющий между собой 30 точек (обычный компьютер решал бы такую задачу несколько дней). Ученые рассматривают уже возможность строить сети, разделенные, подобно мозгу, на области, у каждой из которых будет своя специфическая функция. Это позволит решать задачи вроде только что упомянутой за минимальное время, причем число точек может достигать 1000.

2. Сенсоры. Некоторых исследователей особо заинтересовал второй подход — путь «снизу вверх». Они пытаются создать машины, способные видеть и слышать. В качестве примера можно привести кремниевую «сетчатку», разработанную Карвером Мидом (Mead) из Калифорнийского технологического института. Эта сетчатка представляет собой сеть из 100 тысяч транзисторов, собранных в микросхеме размером в несколько квадратных миллиметров. В этом устройстве имеются фоточувствительные датчики, соединенные с несколькими слоями «нейронов», каждый из которых выполняет вполне определенную роль (как и в сетчатке животного; см. приложение А). Такая сеть преобразует входную информацию в электрические сигналы, и это позволяет непрерывно и в режиме реального времени регистрировать изменения яркости и перемещения световых пятен. Далее устройство по кадрам анализирует входную картину, включая перемещения объектов и все изображение в целом (что обычная камера делать не может). Была разработана также «улитка» (для анализа звуков), более эффективная, чем у низших животных, обладающих этим органом. Кроме того, как уже говорилось выше (досье 8.1), Псалтис разрабатывает световые нейрокомпьютеры, в которых информация памяти записывается на голографические пластинки.

Таким образом, остается лишь соединить выходы подобных сенсоров с обучающейся сетью, играющей роль мозга и способной использовать получаемую информацию и вновь подавать ее в сеть, т. е. функционировать так же, как живые нервные клетки. Возможно, это уже дело ближайшего будущего.

Компьютер и ускорение умственного развития

Теория умственного развития ребенка, разработанная Пиаже, носит чисто описательный характер. В этой теории раскрываются этапы, через которые должен пройти ребенок, чтобы у него сформировалось «взрослое» мышление, но она мало что говорит о том, как можно развивать интеллект практически у каждого человека уже с самого раннего возраста.

Именно этим поиском основных принципов развития интеллекта занялись Пейперт и его сотрудники, изучавшие проблему искусственного интеллекта в Массачусетском технологическом институте.

Исходя из представления о том, что мы выучиваем больше и лучше, если сами кого-то учим, эти исследователи выдвинули систему, в которой детям предлагается заставлять компьютер что-либо «делать», задавая ему соответствующую программу. Таким образом, компьютер используется для выработки у детей привычки мыслить. По мнению этих ученых, истинная революция в педагогике состоит не в том, чтобы заменить преподавателей вычислительными машинами. Напротив, компьютеры должны помогать преподавателям открывать новые пути обучения, позволяющие детям самим развивать свои умственные способности в ритме, диктуемом критическими периодами. Компьютер можно также широко использовать для решения проблем, с которыми ребенок сталкивается в повседневной жизни.

Рис. 9.14. Благодаря появлению компьютеров в школе дети стали «учиться обучать».

Пейперт и его группа разработали очень простой язык программирования — Лого. Кроме того, они создали различные системы, способные создавать музыку и мультипликационные фильмы, сочинять маленькие рассказы или стихи, перемещаться с помощью «робота-черепахи» в классном помещении, вычерчивать различные геометрические фигуры или передвигаться по тропинкам, предварительно обозначенным на «земле». При этом, для того чтобы правильно вести «черепаху», ребенок должен разобраться в процессе своего собственного передвижения; чтобы заставить компьютер строить правильные предложения, ему необходимо исследовать построение собственной речи; и, наконец, если он хочет создать приятную мелодию, он должен выработать у себя ясное представление о звуках и ритме.

Таким образом, создавая программы, необходимые для того, чтобы компьютер выполнял все эти задачи, ребенок должен структурировать время и пространство, полностью интегрируя смысл этих двух понятий. Сейчас уже ведутся исследования по разработке технологии, которая позволит сходным образом обучаться таким дисциплинам, как физика, биология, гуманитарные науки и, в частности, психология.

Литература

Общие работы

Bayley N., 1970. "Development of mental abilities", in: Mussen P. (ed.), Carmichael's manual of child psychology, New York, Wiley.

Cooper R., Zubek J. (1958). "Effects of enriched early environments on the learning ability of bright and dull rats", Canadian Journal of Psychology, n° 12, p. 159–164.

Denenberg V. H., 1970. Education of the infant and the Young Child, New York, Academic Press.

Guthrie R. V., 1976. Even the Rat was white: a historical view of psychology, New York, Harper and Row.

Hebb D. O., 1974. Psychologie: science moderne, Montr'eal, Les 'Editions HRW Lt'ee.

Jencks C., 1972. Inequality; a reassessment of the effects of family and schooling in America, New York, Basic Books.

Jensen A. R. (1976). "Test bias and construct validity", Phi Delta Kappan, n° 58, p. 340–346.

Kamin J. L., 1974. The science and politics of I.Q., New York, Lawrence Erlbaum Associates.