ПЕРСПЕКТИВЫ 4 страница

Серьезные, но скорее технические последствия для создания искус­ственных интеллектуальных систем влечет за собой проблема фрейма — необходимость постоянного пересмотра некоторого подмножества зна­ний по мере изменения ситуации и накопления опыта. Например, по­лучив информацию, что некоторое живое существо «Z» — «это птица», мы сразу же приходим к весьма вероятному выводу, что Ζ строит гнезда, поет и способна летать (см. 6.2.1). Предположим, однако, что через ка­кое-то время выясняется, что «Ζ — это пингвин». Это уточнение требует пересмотра сделанного ранее заключения. Суть возникающих в общем случае трудностей состоит в том, что нет никаких алгоритмических кри­териев для определения границ подлежащих пересмотру знаний. Все решения этой проблемы могут быть только частными и в лучшем случае эвристическими. В современном логическом программировании для это­го используются средства так называемых немонотонных логик (Gelfond & Watson, 2003). В естественно-языковых системах решение может состоять в контроле только похожих по содержанию текстов (см. 6.1.1 и 7.4.3). В роботике, где проблема фрейма стоит особенно остро, она заставляет не­которых разработчиков в последнее время вообще отказываться от когни­тивных, основанных на знаниях архитектур (см. 9.2.3).

²⁽¹ Методологическое значение теоремы о неполноте состоит в доказательстве невоз­можности построения замкнутой внутри себя и самообосновывающейся научной систе­мы. Иначе говоря, наука не может быть учением, а учение не может быть наукой (Непей- 312 вода, 2000).

Итак, несмотря на многочисленные аргументы pro и contra, вопрос о возможности построения искусственного интеллекта по-прежнему ос­тается полностью открытым. Здесь уместна следующая историческая аналогия. Казалось бы, механистический образ la statue animé e проходит через всю французскую философскую литературу 18-го века. При этом он служит одним авторам для обоснования дуалистических (Кондильяк, Буро Деланд, Гольбах, Ламетри), а другим — экзистенциалистских (Пас­каль) и диалектических взглядов (Бюффон и Дидро). Что касается соб­ственно исследования познавательных процессов, то, как заметил ког­да-то в своем эссе о кибернетике С.Л. Рубинштейн, «" мышление" любых машин — это мышление человека, спроецированное в машины». Понимание механизмов психики может быть достигнуто прежде всего «исследованием... человеческого мозга и путей его формирования» (Ру­бинштейн, 1976, с. 239). С развитием вычислительного потенциала ма­шин происходит развитие мышления самого человека — во всяком слу­чае, эта тенденция неизменно доминировала до сих пор. Большинство специалистов не стремятся создать искусственный разум, рассматривая эту область как совокупность научных направлений, каждое из которых исследует то или иное свойство интеллекта.

Оценивая перспективу вычислительной ориентации когнитивных исследований в целом, нельзя отрицать, что, например, системы про­дукции представляют собой мощное средство описания больших масси­вов поведенческих и интроспективных данных, которое могло бы ис­пользоваться в самых разных разделах психологии. Для некоторых авторов современный вычислительный подход привлекателен «смеще­нием акцентов в сторону изучения действия» (хотя на самом деле про­дукции скорее напоминают связи стимул—реакция). Эксцессы методо­логического солипсизма уравновешиваются вполне реалистической ориентацией работ других ведущих представителей когнитивных иссле­дований. В частности, Дональд Норман (Norman, 1981) одним из пер­вых сформулировал для когнитивной науки программу развития, вклю­чавшую изучение навыков, эмоциональной регуляции действия и роли социальных норм, тогда как М. Познер и Г. Шульман предупредили, что «угрозой для когнитивной науки является превращение в " искусствен­ную науку", не вносящую вклад в понимание человеческого мозга и че­ловеческой культуры» (Posner & Shulman, 1979, p. 402).

Следует отметить, что вычислительный подход наиболее успешен именно в нейрокогнитивных исследованиях, когда удается связать мо­дели нейронных механизмов с картиной поведения и его нарушений (O'Reilly & Munakata, 2003). Так, представление о гомогенных активиру­ющих и тормозных взаимодействиях в нейронных сетях позволяет опи­сать возникающие при поражениях теменных отделов коры затруднения в переводе взора и внимания в сторону, противоположную стороне по­ражения (см. 4.3.2 и 4.4.3). Эти затруднения М. Познер объясняет выпа-

дением особого механизма «отцепления (англ. disengagement) внимания от объекта». Доказательством считается увеличение времени реакции обнаружения целевого объекта при предъявлении ошибочной простран­ственной инструкции в методике «проигрыша-выигрыша». Не прибегая к представлению о механизме «отцепления», коннекционистские моде­ли теменных поражений предсказывают двойной эффект — увеличение времени реакции при ошибочной («больший проигрыш») и при пра­вильной инструкции («меньший выигрыш»). Этот двойной эффект и наблюдается у пациентов с подобными поражениями. В других модель­ных экспериментах было также показано, что эффекты торможения в тесте Струпа и аналогичных ситуациях, возможно, являются просто по­бочным продуктом активного удержания релевантной для решения за­дачи информации в рабочей памяти. Однако от этих новых исследова­ний до создания сколь-нибудь автономного «нейроинтеллекта» все еще очень далеко.

9.2.3 Виртуальные формы жизни

В дискуссиях, подготовивших возникновение когнитивной науки, за­метную роль играли ссылки на робота с «мелкомасштабной моделью окружения» в голове (см. 2.2.1). Индустриальные роботы второй поло­вины 20-го века, использующиеся для тяжелых, фиксированных в про­странстве операций (типа сварки автомобильных кузовов), не могли, конечно, претендовать на статус интеллектуальных систем. К началу нового столетия сложились предпосылки для разработки и технологи­ческого использования мобильных, в том числе плавающих и летающих роботов²¹. В результате la statue animее действительно впервые стала про­являть, по крайней мере, внешние признаки оживления. Это привело к возникновению направления, получившего название когнитивная робо-тика, и к пересмотру приоритетов в области искусственного интеллек­та и нейроинформатики. На место таких тем, как язык мысли или игра в шахматы, в качестве центральных выдвинулись вопросы сенсорного обеспечения, построения движений, ориентации в пространстве, иденти­фикации объектов, планирования действий и «социального взаимодей­ствия», причем не только человека и робота, но и роботов между собой.

В отношении сенсорного оснащения акцент был сделан на контакт­ной и проприокинестетической сенсорике, а также на ультразвуковой

²¹ Интересные лабораторные наработки возникли, конечно, значительно раньше Так, в конце 1960-х годов в Стэнфордском университете был создан робот Shakey, который мог обрабатывать простые инструкции на естественном языке и на их основании плани­ровать и осуществлять перемещения по территории университета, ориентируясь на дан­ные оптических сенсоров. Слабым звеном было восприятие — за время переработки ин­формации о зеленом свете светофор на перекрестке успевал переключиться на красный. Удачным звеном архитектуры Shakey, напротив, была система планирования действий, 314 основанная на формализации эвристики цели-средства (см. 8.1.1).

эхолокации как альтернативе компьютерному зрению, слишком слож­ному для моделирования в реальном масштабе времени. В частности, неудачными оказались попытки совместить видение широким полем зрения с идентификацией отдельных предметов. Лишь в последнее вре­мя разнообразные опыты с обучением нейронной сети классификации объектов в динамическом окружении показали, что естественным по­бочным результатом такого обучения («эволюции нейронной сети») ста­новится разделение локализации и идентификации. Сеть выделила как автономную составляющую обработку пространственных признаков, сконцентрировав эти процессы в слое формальных нейронов отдельно от процессов описания индивидуальных объектов (Calabretta & Parisi, 2005). Таким образом, вполне возможно появление роботов с «двумя зрительными системами», подробно рассматривавшимися нами в пре­дыдущих главах (см. 3.3.2 и 3.4.2). Еще одним вероятным развитием мо­жет стать массовое оснащение роботов активным зрением, или, иначе го­воря, окуломоторикой. Это позволит не только обеспечить более глубокую, фокальную обработку информации, но и реализовать комму­никативные функции зрительного внимания (см. 7.4.3).

Задача управления движениями робота немедленно поставила иссле­дователей перед классической, сформулированной H.A. Бернштейном еще в 1930-х годах проблемой преодоления избыточных степеней свободы. Так, для осуществления простейших перемещений на двух конечностях необходимо уметь управлять механической системой с как минимум 10 степенями свободы — по две в тазобедренных и голеностопных суставах и по одной в коленных. При этом возможны два режима ходьбы. Ста­тическая ходьба, когда проекция центра тяжести не выходит за пределы площади опоры, проста, но неэффективна в энергетическом отноше­нии, поскольку помимо перемещения тела вперед приходится тратить силы также на его поднимание. Динамическая ходьба, которую можно было бы определить как «контролируемое падение», значительно более эффективна, так как накопленная при подъеме энергия используется на фазе «падения» для быстрого перемещения тела вперед. В настоящее время, безусловно, преобладает использование статических режимов передвижения, причем для повышения устойчивости используются конструкции с большим числом конечностей. Внешне это напоминает сообщество гигантских насекомых. Развитие робототехники как бы по­вторяет ход биологической эволюции, в основном оставаясь пока на до­вольно ранних ее этапах²².

Среди более когнитивных компонентов оснащения мобильных робо­тов следует упомянуть «карты», или модели окружения, используемые для навигации. Конечно, такие карты полезны лишь постольку, посколь­ку имеются алгоритмы перехода от фиксированной в них информации к планированию действий и осуществлению движений. Обычно такая информация задается в форме дискретных графов, и задача планирования состоит в нахождении кратчайшей, с учетом выполнения ряда критериев,

²² Одним из несомненных достижений в области «биомеханики» роботов является
создание «автономного агента», способного прыгать с ветки на ветку подобно тому, как
это делает обезьяна в тропическом лесу (Saito & Fukuda, 1994). 315