О работах в области моделирования мышления

Распознавание образов

К исследованиям в области ИИ примыкают работы по распознаванию образов. Первоначально ставившаяся общая задача восприятия сложной среды постепенно выродилась в упрощенную задачу классификации. Традиционные программы или устройства распознавания образов - это чаще всего пассивные признаковые системы классификации объектов, рассматриваемых по отдельности. Серьезных теоретических успехов, имеющих значение для понимания механизмов мышления, на этом направлении не получено. Эти системы не обладают такими свойствами живого восприятия, как целостность, целенаправленность и "распознавание с пониманием", основывающееся на использовании модели среды.

В дальнейшем мы еще будем говорить о перцептивном мышлении (мышлении при восприятии), которое включает не только узнавание отдельных объектов, но и целостное восприятие окружающей среды. При этом должно происходить управление процессом восприятия с понятийного уровня. Восприятие должно основываться на предвидении, формирующем "акцептор восприятия" и гипотезы восприятия. Должен использоваться контекст и максимально полная семантическая модель проблемной среды.

Классическое распознавание образов прямого отношения к перцептивному мышлению не имеет. "Восприятие с пониманием", о котором мы еще будем говорить в дальнейшем, можно считать упрощенной, но в то же время важной частью перцептивного мышления.

Для алгоритмического ИИ характерно отсутствие заметных продвижений в решении проблемы понимания и моделирования мышления. Это, по-видимому, связано с тем, что целостное мышление не может возникнуть из суммы решенных отдельных "интеллектуальных" задач. Кроме того, недостаточно изучать методы решения таких задач. Необходимо также понять работу активных нейронных механизмов решения.

Формальные нейронные сети

Моделирование нейронных сетей проводилось, но эти работы велись и ведутся независимо от алгоритмического ИИ. Не ориентировались эти работы и на решение обычных "интеллектуальных" задач. Единственной практической задачей, успешно решаемой нейронными сетями, было и остается распознавание образов. Можно выделить три разных вида формальных нейронных сетей - логические сети, растровые распознаватели, признаковые распознаватели.

Серьезных теоретических успехов, имеющих значение для понимания механизмов мышления, у направления, называемого нейронаукой, нет.

Это в первую очередь относится как к логическим нейронным сетям, так и к окутанным чуть ли не мистическим туманом искусственным или формальным растровым и признаковым распознающим нейронным сетям. Часто их рассматривают даже как какой-то аналог мозга. В последнее время в текстах просто пишут "нейронные сети", опуская прилагательные "искусственный" или "формальный". На самом деле, признаковая распознающая нейронная сеть (ПРНС) - это просто пассивный признаковый классификатор, строящий разделяющие гиперплоскости в пространстве признаков.

Используемый в этих сетях формальный нейрон - это сумматор с пороговым элементом, который подсчитывает сумму произведений значений признаков на некоторые коэффициенты, являющиеся не чем иным, как коэффициентами уравнения разделяющей гиперплоскости в пространстве признаков. Если сумма меньше порога, то вектор признаков находится по одну сторону от разделяющей плоскости, если больше - по другую. Вот и все. Кроме классификации по признакам, никаких чудес. Сеть из формальных нейронов может также аппроксимировать плоскостями нелинейные разделяющие поверхности и объединять по результату несвязанные области пространства признаков. Это и делается в многослойных сетях.

Во всех случаях ПРНС - это пассивный признаковый классификатор, выделяющий области в фиксированном пространстве признаков. Никаких других задач ПРНС решать не может, причем задачу распознавания ПРНС решает не лучше обычных признаковых распознавателей, использующих аналитические методы.

Еще меньшими возможностями в плане распознавания образов обладают идущие от модели Хебба и перцептрона Розенблатта растровые нейронные распознаватели. Хотя, конечно, такие распознаватели, в которых образуются ансамбли одновременно активируемых входной информацией нейронов, могут в некоторых случаях обладать ассоциациями по сходству и, в принципе, ассоциациями по смежности во времени. Эти аспекты работы растровых (ансамблевых) нейронных сетей перекликаются с некоторыми представлениями о работе мозга.

К понятию "формальная нейронная сеть" часто добавляется понятие "нейрокомпьютер". Этот термин не очень удачен. Системы, к которым он обычно применяется, компьютерами не являются.

Оценивая успехи так называемой нейронауки, можно, в отличие от распространенного мнения, сказать, что создание пассивных признаковых и растровых распознавателей, а также строящихся на их основе устройств или программ, называемых нейрокомпьютерами, не является заметным шагом в понимании и моделировании нейронных механизмов мозга.

Более подробно формальные пассивные нейронные сети, а также гипотезы об активных нейронных сетях рассмотрены в [17]. Обо всем этом мы еще будем говорить в дальнейшем.

Синергетика

Работам в области ИИ в последнее время часто противопоставляется синергетика. Развиваемый в этом новом направлении подход иногда называют "теорией всего" и говорят о возможности применения аппарата синергетики к описанию любых систем, в том числе живых, и даже мозга. Синергетика использует аппарат нелинейной динамики для описания изменений в мультистабильных системах, теряющих устойчивость при внешних воздействиях и переходящих в результате изменений в новое стабильное состояние. Переход в новое состояние определяется градиентом действующих сил, а также сочетанием внешних и внутренних случайных факторов. Такой процесс характерен для теряющих устойчивость пассивных неживых систем. В дальнейшем мы будем подробно говорить о том, что активные живые системы постоянно находятся в состоянии неравновесия. Теряя устойчивость и начиная движение к состоянию равновесия, они за счет внутренней и внешней работы возвращаются в состояние неравновесия. Переход от неравновесия к равновесию в каких-то фазах существования и развития живого также существует. Однако представляется, что главное как в поведении живых организмов, так и в работе мозга - это активное целенаправленное поддержание неравновесия. В дальнейшем мы будем говорить о том, что две главные решаемые мозгом задачи - построение иерархической активной модели среды и использование этой модели для целостного целенаправленного восприятия, а также для быстрого решения многопереборных многоэкстремальных задач поведения путем сведения этих задач к малопереборным одноэкстремальным. Все это в целом аппаратом нелинейной динамики не описывается. В связи с этим претензии синергетики на роль теории всего не выглядят обоснованными.

Таким образом, ни в направлении ИИ, ни в смежных областях значительных обобщающих результатов, ведущих к пониманию мышления, нет. Более того, становится все более ясно, что пассивные алгоритмические системы к пониманию и моделированию мышления прямо не приводят. Сумма решенных "интеллектуальных" задач мышления не образует.

Часто считается плохим тоном говорить о моделировании человеческого мышления, априори относя эти разговоры к спекуляциям. Не случайно в названиях некоторых популярных книг и статей о перспективах направления "Искуственный интеллект" появляются такие слова, как "голый король", "король умер", "новый ум короля".

Виталика

Все сказанное, естественно, приводит к следующему выводу. К пониманию мышления, по-видимому, нужно идти не от алгоритмического ИИ, т. е. не от решения трудных задач, связанных с необходимостью обработки сложной информации, а от понимания того, чем живое отличается от неживого. Можно надеяться на то, что эти отличия лежат не только в основе особой формы существования материи, но и в основе мышления. Можно полагать, что эти отличия материальны, моделируемы и находятся в области относительного незнания. Поиск, точное определение и моделирование этих отличий можно считать отдельным научным направлением. Это направление можно назвать, например, "виталика" (от латинского vitalis ). При этом не нужно смешивать это направление с идеалистическим витализмом, понимая цель виталики как стремление найти материальную и точно определяемую основу для таких сущностей, как "жизненная сила", "одушевленность", "энтелехия". Пытаться продвинуться в этом направлении мы будем, рассматривая поведение, восприятие и работу нейронных механизмов мышления. Возможно, что проявляющаяся в этих задачах важная суть отличий живого от неживого определяется принципом устойчивого неравновесия Э.С. Бауэра. Об этом мы еще будем говорить в следующих лекциях.

Предварительное определение мышления

Мозг возник и эволюционно развивался для обеспечения существования животных, т. е. для выживания. Возможно простое функциональное определение мышления, основывающееся на представлении о том, для чего нужно мышление (человеку или животному). Такое предварительное определение было введено в предыдущей лекции. Повторим его с небольшими добавлениями.

Мышление - это активный процесс в живом мозге,направленный на:

1. построение в мозге активной иерархической модели среды, необходимой и достаточной для восприятия среды и управления активным целенаправленным поведением в многоэкстремальной среде;
2. реализацию процесса восприятия среды;
3. реализацию процесса управления поведением в многоэкстремальной среде;
4. реализацию процесса обучения;
5. решение неалгоритмических (творческих) задач.

Обратите внимание на слова "активный процесс в живом мозге". Этими словами подчеркивается, что для понимания мышления важно понять не только то, что делает мозг, но и то, как он это делает. Принципиально также подчеркивание многоэкстремальности задач поведения.

Это очень общее предварительное определение в дальнейшем будет использоваться как исходная рамка, которая будет заполняться конкретным и уточняемым в значительной степени гипотетическим содержанием.

И как уже было сказано, мы постараемся двигаться к пониманию мышления от задач восприятия и управления поведением, так же как и от понимания принципов работы нейронных механизмов, рассматривая эти задачи с единых позиций отличий живого от неживого.