Чтение онлайн

Проблема активности связана с проблемой внутренней целесообразности (целенаправленности) больших систем, ее решение предполагает знание внутренних механизмов технической и биологической целесообразности, а также целесообразности, присущей общественным системам. Источник активности и целенаправленности кибернетических систем заключен в их внутренней организованности. Важнейшим фактором целенаправленного поведения таких систем служит надежность структурно-информационных отношений, позволяющая системе успешно функционировать, соблюдать достоверность информации в процессах ее приема, переработки и накопления, что в свою очередь служит необходимым условием эффективного решения стоящих перед системой задач.

В теории самоорганизующихся систем важное значение имеет понятие «сложность». Само понятие системы включает аспект сложности: система объектов, имеющая структуру, и есть нечто сложное по отношению к объектам, являющимся ее элементами. Нередко сложность понимается только в структурном смысле, как показатель количества элементов и разнообразия связей между ними. При этом обычно не учитывается целостность системы в ее функциональном выражении на макроуровне. Такой односторонний подход порождает трудности методологического характера (возникающие, например, при сравнительном анализе мозга и машины). Эти трудности преодолеваются введением дополнительного критерия сложности — по степени функциональной эффективности систем. В этом случае сложность системы ставится в зависимость от сложности (трудности) решаемых ею задач.

Такой подход продуктивен и в общефилософском плане. Так, рассмотрение критериев прогресса функциональной сложности позволяет истолковать прогрессивное развитие той или иной системы с привлечением понятия активности.

На значение понятия сложности в кибернетических системах указывал еще Н. Винер «…Действительно существенные и активные явления жизни и обучения, — писал он, — начинаются лишь после того, как организм достигнет некоторой критической ступени сложности» [192] . Понятие сложности характеризует не только количественный аспект системы; оно выражает ее качественные особенности Кибернетическая система, достигшая некоторого критического уровня сложности, приобретает качественно новые черты, такие, как способность к самоорганизации, самообучению и самовоспроизведению.

При исследовании самоорганизации используются вероятностные представления, которые являются исходными в кибернетике. Основные идеи в теории автоматов были выдвинуты и обоснованы исходя из принципов вероятностной логики. В высокоорганизованных системах (биологических, социальных) оптимальное соотношение однозначно детерминированных и вероятностных процессов находит воплощение в сочетании, единстве централизованного управления и самоуправления частей, единстве иерархичности и автономности.

Недостаточность системного принципа при объяснении функциональных структур мозга ныне не вызывает сомнений Мозг характеризуется сочетанием упорядоченности (на уровне поведения) с определенным (функциональным) беспорядком при общей инвариантности структуры. Статистическая организация является существенным элементом самоорганизации функциональных структур мозга. Более того, это свойство характеризует любую самоорганизующуюся систему.

Широкое использование понятия самоорганизации в современной науке требует выяснения его статуса:

является оно общенаучной или философской категорией. В более общем плане это связано с проблемой общенаучных понятий вообще, критериев их выделения. Важную роль играет понятие самоорганизации в молекулярной и эволюционной биологии [193] . В ней широко используются методы, развитые в формализованных теориях самоорганизации. Принцип самоорганизации, получив глубокое общенаучное содержание в частных теориях и конкретных науках, оказывается тесно связанным с философским принципом самодвижения, саморазвития применительно к высшим уровням организации материи.

Итак, принцип самоорганизации конкретизирует, уточняет на определенных уровнях методологии — логико-математическом, техническом, теоретико-биологическом и социологическом — диалектико-материалистический принцип самодвижения и саморазвития материи. Этим обусловливается не только научно-методологическое значение понятия самоорганизации в различных областях естествознания и техники, но и его философский смысл. Последний содержится, в частности, в понятии «самоорганизующаяся система», которое характеризует определенный класс объектов, представляющих интерес на разных уровнях познания и практики. Философский смысл понятия «самоорганизующаяся система» определяется его связью с диалектическим принципом самодвижения и системно-кибернетическим подходом, оказывающим существенное влияние на формирование научной картины мира.

Диалектический подход необходим и при рассмотрении проблемы «искусственного интеллекта», которая является одной из центральных в кибернетике.

В понятии «искусственный интеллект» выражается попытка осмыслить проблему интеллекта с разных сторон — естественнонаучной, психологической и философской. И это вполне правомерно. Человеческий разум представляет собой уникальное явление на нашей планете. Науки о человеке (физиология, психология, социология) рассматривают человеческое сознание как природное и социальное явление, однако они не затрагивают вопроса о его искусственном воспроизведении. Кибернетика же ставит эту проблему. И это имеет важное значение для познания конкретных механизмов естественного (человеческого) разума.

Следует отметить, что термин «естественный интеллект» неточно выражает смысл понятия человеческого интеллекта [194] . Последний, если рассматривать не материальный субстрат (мозг), а способность его отражать внешний мир, выступает в значительной мере не природным, а социальным, т. е. формируется в результате человеческой деятельности.

Это свидетельствует о том, что понятие «естественный интеллект», так же как и «искусственный интеллект», характеризует только один аспект категории «интеллект». Последняя становится основанием для рассмотрения диалектической взаимосвязи естественного и искусственного в интеллекте.

Наряду с понятием «искусственный интеллект» употребляется термин «машинный интеллект». В литературе нет единого мнения о специфическом содержании этих понятий. Одни считают, что «машинный интеллект» — это показатель того, насколько кибернетическая машина приспособлена к решению разнообразных задач и к эффективному взаимодействию с человеком, а «искусственный интеллект» — это модель мозга и высших форм психической деятельности [195] . Другие трактуют эти термины иначе и даже противопоставляют их.

На наш взгляд, несовпадение трактовок в данном случае не является принципиальным, так как общим для «машинного» и «искусственного» интеллекта (на современном этапе развития наук об искусственном интеллекте) является то, что интеллект «принадлежит» машине и различаются они главным образом по способу задания (построения) интеллекта. Последний может быть ориентирован на моделирование особенностей человеческого интеллекта или может развивать алгоритмические структуры ЭВМ без непосредственной связи их со структурами человеческого мышления. «Машинное мышление», полученное путем кибернетического моделирования естественного интеллекта, больше соответствует понятию искусственного интеллекта. Итак, методологически важным становится определение понятий «интеллект», «естественный интеллект» и «искусственный интеллект».