"Искусственный интеллект" и проблема субъективного в философии

Размещено на http://www.allbest.ru/

Санкт-Петербургская кафедра философии РАН

«Искусственный интеллект» и проблема субъективного в философии

Реферат аспиранта ИМЧ РАН

Николаева Сергея Владимировича

Научный руководитель

к-т филос. наук, доцент

Мангасарян

Владимир Николаевич

С.-Петербург - 2001

Вопрос о возможности или невозможности искусственного разума всегда интересовал людей. Но сравнительно недавно эта тема из разряда теоретических споров переросла в практически-важную область знания. При внимательном рассмотрении проблемы искусственного интеллекта выявляется ее комплексный характер, вовлеченность в ее разработку многих областей знания. Иначе не может и быть, когда дело касается, пожалуй, наиболее сложного явления в природе, которое лишь частично поддается объективному исследованию. Гносеологические, семантические, технологические аспекты рассматриваемой проблемы находят выражение не только в теоретических, но и прикладных областях естественнонаучных дисциплин. Сравнительно специфически занимается разработкой проблемы «искусственного интеллекта» кибернетика - наука об управлении, хотя в ее рамках рассматривается более широкий круг вопросов. Кибернетика имеет необычный, синтетический характер. В связи с этим до сих пор существуют различия в трактовке некоторых ее проблем и понятий. Для развития кибернетики немаловажное значение имеет применение к предмету ее исследования ряда фундаментальных философских принципов и понятий.

Все попытки создания искусственного разума, аналогичного человеческому, так или иначе, обращаются к феномену самопознания субъекта, потому что единственным доступным прототипом для всех моделей такого интеллекта является человеческое мышление и его физический субстрат - головной мозг. Учитывая, что сущность человеческого мышления и сознания сама по себе еще далека от полного понимания, практические реализации искусственного интеллекта представляются скорее средством решения более широкого вопроса об интеллекте вообще (если не учитывать прагматические соображения об использовании его в практических целях).

В прошлом философский анализ мышления производился сверху вниз, то есть процессы мышления рассматривались, как данность и основное внимание было направлено не на происхождение мышления, а на законы, по которым оно функционирует. Впервые в истории античной философии занялся специальным изучением внутренней структуры человеческого мышления Аристотель, он стремился вывести логические формы из реального содержания мысли.

Однако по мере накопления естественнонаучного знания назрела необходимость исследования и материальной основы сознания. Когда развитие техники достигло определенного уровня, естественным образом стала обсуждаться возможность осуществления техническими устройствами интеллектуальных функций.

Первоначально система искусственного мышления представлялась как система, занимающаяся вычислениями в чистом виде. Сейчас это кажется не вполне понятным, но некоторые представители философской науки длительное время абсолютизировали математические достижения, рассматривая их как высшую форму активности разума. С тех пор как древние греки изобрели логику и геометрию, мысль о том, что всякое рассуждение может быть сведено к своего рода вычислению - так что любое дискуссии можно было бы считать улаженными раз и навсегда - занимала умы многих мыслителей. Платон значительное место в своих взглядах отводил вопросам теории познания и логики.

Согласно Платону, всякое знание должно быть представлено в виде точного определения, которыми может пользоваться всякий. Если человек не может представить свое умение в виде такого рода точных правил, т.е. если он не в состоянии обратить свои знания о том, как нечто делается, в знание о том, что делать, значит, он располагает не знанием, а лишь уверенностью. Однако представления Платона еще не совпадали с центральной линией современной кибернетики. Аристотель, обоснованно отметил, что для применения платоновских правил необходимо обращение к интуиции. Это действительно так, потому что Платон исходил из предположения, что человек изначально понимает значение понятий, составляющих правила. Сам Платон признавал, что его правила не могут быть полностью формализованы. Как будет показано ниже, такая установка на априорное понимание правил может завести в тупик. Впервые синтаксическая концепция мышления как процесса вычисления была в явной форме сформулирована Т. Гоббсом: «Когда человек рассуждает, он лишь образует в уме итоговую сумму путем сложения частей…». Лейбниц - изобретатель системы двоичной системы счисления - посвятил свою жизнь разработке однозначного формального языка необходимого для такого «строгого» мышления. Используя этот универсальный язык, как думал Лейбниц, всякое понятие можно будет представить в виде небольшого количества исходных неопределяемых идей, каждому объекту приписать определяющее его «характеристическое число». На основе таких характеристик и правил их комбинирования в единой дедуктивной системе должны были стать легкорешаемы любые проблемы. По Лейбницу практика есть, по сути, не что иное, как более сложная и подробная теория. Дж. Буль - известный математик и логик 19-го века - продолжил заниматься формализацией процессов мышления, что нашло воплощение в логической алгебре, основном теоретическом базисе современной вычислительной техники. В то же время, И. Кант предостерегал против абсолютизации законов логики. По взглядам И. Канта, логика представляет собой науку о необходимых законах, правилах рассудка вообще. Он первым указал, что всегда необходимо отличать логическое основание и логическое следствие от реальной причины и реального следствия.

Если оценивать достигнутые на сегодняшний день успехи кибернетики с указанных позиций, искусственный разум, как его понимали на протяжении веков, давно и успешно реализован. Недаром М. Хайдеггер справедливо назвал кибернетику кульминацией философской традиции.

В 1944 году Х. Айкен создал первую электромеханическую вычислительную машину. В основу этого устройства был заложен принцип дискретной (цифровой) и последовательной обработки информации. Хотя эта машина еще не была электронной, по своей сути она ничем не отличалась от компьютеров производимых в последующие 50 лет. Существуют 2 основных типа вычислительных машин: аналоговые и цифровые. Аналоговые машины не вычисляют в строгом смысле слова - их функционирование заключается в измерении физических величин. Комбинируя различные непрерывные величины, такие машины измеряют получившийся результат. Цифровая вычислительная машина оперирует абстрактными символами, которые могут означать все что угодно и логическими операциями, которые могут связывать все что угодно. Иногда в литературе можно встретить мнение, согласно которому цифровые машины считаются универсальными, т.к. вследствие абстрактности символического языка они могут имитировать любую другую цифровую и даже аналоговую машину (если для ее описания определена математическая функция). Но я думаю, что такие утверждения не вполне обоснованы. Поскольку все области знания, в том числе математика и философия постоянно развиваются, чисто теоретически нельзя исключить, что будет разработан алгоритм, реализация которого станет возможна лишь на цифровой машине качественно отличной. Однако, во второй половине 20-го века самодостаточным базовым элементом, реализующим любые мыслимые принципы, считалась логическая алгебра Буля, которая внедрялась в устройства уже на стадии проектирования.

Несмотря на бурное развитие электронной техники и параллельное этому совершенствование алгоритмических языков вскоре стали заметны несоответствие между широким кругом задач, которые предъявлялись создаваемым системам и теми задачами, которые они были в состоянии выполнить. Например, попытки решения сложных задач (выбор пути в лабиринте, игра в шахматы и т.д.) методом простого перебора вариантов наталкивались на экспоненциальный рост объема вычислений. Это подвигло ученых на пересмотр критериев, характеризующих «интеллектуальность» искусственных устройств. Все большее внимание теперь уделялось не только абстрактно-отвлеченным операциям формальной логики, но и задачам аналогичным другой стороне человеческого мышления: интуитивному восприятию и творческому преобразованию действительности. В связи с этим стала еще более актуальной потребность в уяснении внешне не очевидных закономерностей человеческого мышления и стратегий решения задач. Что бы найти путь решения надо вначале уяснить, что является задачей в принципе. Как отмечают психологи, этот термин тоже не является достаточно определенным. По-видимому, в качестве исходного можно принять понимание задачи как мыслительной задачи, существующее в психологии: задача есть только тогда, когда есть работа для мышления, т. е. когда имеется некоторая цель, а средства к ее достижению не ясны; их надо найти посредством мышления. Хорошо по этому поводу сказал Д. Пойа: «...трудность решения в какой-то мере входит в само понятие задачи: там, где нет трудности, нет и задачи». Если человек имеет очевидное средство, с помощью которого, наверное, можно осуществить желание, то задачи не возникает.

На сегодняшний день наиболее популярно определение искусственного интеллекта как системы способной решать интеллектуальные задачи, т.е. задачи, которые человек обычно решает посредством своего интеллекта (интеллектом принято называть способность приобретать новые и использовать ранее накопленные знания, что подразумевает способность эффективно действовать в нестандартных ситуациях.). Мне такое определение искусственного интеллекта представляется не вполне конкретным. Оно вносит неоднозначность, так как согласно ему требования к функциям, выполняемым системой, могут варьировать в широких пределах. Например, на заре электронной эры, когда исследователи-кибернетики еще не знали об ограничениях применяемого ими подхода, они постулировали создание систем, превосходящих человека по широкому кругу вопросов. Впоследствии, столкнувшись с проблемами, разработчики программ для электронных устройств перенесли основной акцент на создание экспертных систем, и такие системы, имея редуцированные в целом функции, сохранили за собой наименование искусственного интеллекта. Еще больше критики вызывает так называемый тест Тьюринга или игра в имитацию. Обе попытки определить данное понятие страдают антропоморфизмом. Причина сложности видимо кроется в семантической неадекватности термина «искусственный интеллект». Причем это частный случай более широкой проблемы. Так, например, постановка вопроса «может ли машина мыслить?» была обусловлена тем, что при использовании моделирования для изучения мыслительной деятельности стала применяться техническая, точнее, кибернетическая технология, а термины биологии, физиологии и психологии стали проникать в кибернетику. Как справедливо выразился Э. Хольст, «сторонники кибернетики распоряжаются по своему усмотрению тем запасом знаний, который был накоплен с таким трудом отдельными науками…». Подведение под определенный термин не соответствующего ему понятия порождает так называемые «языковые ловушки». Так описание психического процесса при помощи технических терминов нередко приводит к «открытию» машиноподобности психики, мышления. Вот что говорил по этому поводу один из крупнейших кибернетиков Ст. Бир: «Модель языка системы, которым пользуется кибернетика, вносит в описание такие смысловые оттенки, от которых нам хотелось бы избавиться. Но мы не в силах этого сделать и поэтому всегда должны помнить о возможности неверных толкований при обсуждении нервных систем, мозга и машин».

Допустим все же, что можно согласиться с таким обозначением рассматриваемого понятия как «искусственный интеллект». Какие же признаки позволяют однозначно отнести ту или иную вычислительную систему к разряду интеллектуальной? Характеризуя особенности систем «искусственного интеллекта», Л.Т. Кузин указывает на:

1) наличие в них собственной внутренней модели внешнего мира; эта модель обеспечивает индивидуальность, относительную самостоятельность системы в оценке ситуации, возможность семантической и прагматической интерпретации запросов к системе;

2) способность пополнения имеющихся знаний;

3) способность к дедуктивному выводу, т.е. к генерации информации, которая в явном виде не содержится в системе; это качество позволяет системе конструировать информационную структуру с новой семантикой и практической направленностью;

4) умение оперировать в ситуациях, связанных с различными аспектами нечеткости, включая «понимание» естественного языка;

5) способность к диалоговому взаимодействию с человеком;

6) способность к адаптации.

Некоторые из указанных критериев будут обсуждаться ниже.

При характеристике мышления необходимо отметить, что его основная функция заключается в выработке схем целесообразных внешних действий в бесконечно варьирующих условиях. Специфика человеческого мышления (в отличие от рассудочной деятельности животных) состоит в том, что человек вырабатывает и накапливает знания, храня их в своей памяти. Выработка схем внешних действий происходит не по принципу «стимул - реакция», а на основе знаний, получаемых дополнительно из среды, для поведения в которой вырабатывается схема действия.

Этот способ выработки схем внешних действий (а не просто действия по командам, пусть даже меняющимся как функции от времени или как однозначно определенные функции от результатов предшествующих шагов), является существенной характеристикой любого интеллекта. Если задача не является мыслительной, то она решается на ЭВМ традиционными (алгоритмическими) методами и, значит, не входит в круг задач «искусственного интеллекта». Ее интеллектуальная часть выполнена человеком. На долю машины осталась часть работы, которая не требует участия мышления, т. е. «безмысленная», неинтеллектуальная.

Отсюда следует, что к системам «искусственного интеллекта» относятся те, которые, используя заложенные в них правила переработки информации, вырабатывают новые схемы целесообразных действий на основе анализа моделей среды, хранящихся в их памяти. Способность к перестройке самих этих моделей в соответствии с вновь поступающей информацией является свидетельством более высокого уровня «искусственного интеллекта».

Принципы обработки информации, заложенные в первые вычислительные устройства, определялись традиционными представлениями о могуществе формальной логики. Жесткие алгоритмы предписывали устройству поочередно шаг за шагом выполнить некоторые арифметические преобразования. И с такой задачей устройства успешно справлялись. Но далее сложилась парадоксальная ситуация: компьютеры прекрасно имитировали высшие формы абстрактной деятельности человека, такие как решение сложных инженерных задач и в тоже время им были недоступны более «примитивные» способности типа распознавания изображений, понимания конструкций языка. Попытки экстенсивного наращивания скорости и объема вычислений проблему не решили. Стало очевидно, что необходим пересмотр фундаментальных принципов работы решающих устройств.

Первым реальным шагом на пути преодоления ограничений алгоритмического подхода была разработка эвристического программирования. Решению задачи может способствовать использование информации самого различного рода: информация может подсказать порядок, в котором следует проверять возможные решения или послужить основанием, для того чтобы исключить из рассмотрения целый класс возможных решений. Всякая информация такого рода есть эвристика, т.е. то, что способствует открытию. Иными словами суть эвристического поиска - сокращение числа перебираемых вариантов без потери качества решения, благодаря содержащейся в задаче дополнительной информации. Эвристики в редких случаях могут служить безошибочным руководством, их результаты варьируют от задачи к задаче, и успешность их применения нельзя гарантировать. Однако, руководствуясь такими инструкциями, машина проявляет больше «человеческих» свойств, ей становится доступным принципиально новый круг задач (например, поиск в лабиринте). Именно в 50-х годах, когда был открыт принцип эвристического программирования, термин «искусственный интеллект» получил еще одно толкование, теперь им обозначалась область исследований, в которой цифровые машины используются для моделирования разумного поведения.

Другим подходом было создание алгоритмов, которые обеспечили бы компьютерам способность обучаться, или, иначе говоря, способность изменяться под влиянием собственного опыта. К сожалению, системы искусственного интеллекта практически неспособны активно воздействовать на внешнюю среду, что отрицательно сказывается на возможностях самообучения и вообще совершенствования «интеллектуальной» деятельности. Простые процессы ассоциативного обучения были промоделированы на цифровых машинах, но такое обучение имеет мало общего с тем, что мы наблюдаем у человека или высокоорганизованных животных.

Задача создания обучающихся систем непосредственно связана со структурированием знаний, объем которых может быть грандиозным. Вспомним, что наличие собственной модели мира неотъемлемый признак «искусственного интеллекта». Формирование такой модели связано с преодолением синтаксической односторонности системы, т.е. с тем, что символы или та их часть, которой оперирует система, интерпретированы, имеют семантику. На начальных этапах разработки проблемы искусственного интеллекта ряд исследователей, особенно занимающихся эвристическим программированием, ставили задачу создания интеллекта, успешно функционирующего в любой сфере деятельности. Это можно назвать разработкой «общего интеллекта». Сейчас большинство работ направлено на создание «профессионального искусственного интеллекта», т. е. систем, решающих интеллектуальные задачи из относительно ограниченной области (например, управление портом, интегрирование функций, доказательство теорем геометрии и т.п.). Тем самым создаются предпосылки для устранения неоднозначности семантической интерпретации, что упрощает процесс реализации функций самообучения. Такие специализированные системы получили название экспертных. Однако даже на современном этапе экспертные системы не в полной мере оправдывают свое название. Они представляют собой скорее склад знаний, которыми обладают различные эксперты и только в этом могут принести пользу при определенных обстоятельствах. Однако элемент интеллектуальности у этих систем все-таки имеется. Дело в том, что самостоятельное структурирование огромных массивов информации является довольно сложной задачей. Основой современных экспертных систем служат фреймы - крупная, структурированная единица знаний, основанная на фактах и процедурах. Фактуальные (декларативные) знания - база данных. Важнейшая часть базы данных - сценарий, описывающий внешнюю обстановку, с которой взаимодействует эксперт. Процедурные знания - множество правил вывода (продукций) для базы знаний. Правила включают информацию о методах сужения области поиска. Отдельные фреймы взаимосвязаны и образуют единую систему. Единство системы реализуется с помощью дополнительной информации, содержащейся в каждом фрейме. Она включает сведения о способе обращения с данным фреймом, о действии, которое нужно выполнить, о действии которое нужно выполнить, если текущие предположения не оправдались. Таким образом, фрейм включает способы переадресации к другому фрейму, а иногда переадресация осуществляется по аналогии. Еще одна характерная особенность фрейма связана с наследованием атрибутов, что позволяет избегать дублирования информации и устранять противоречивые данные

Некоторые задачи, такие как распознавание образов и использование естественных языков не удавалось реализовать длительное время, лишь в последние годы в этой области наметился некоторый прогресс. На задаче распознания зрительных образов следует остановиться особо. Человек узнает человека, которого видел один - два раза, непосредственно в процессе чувственного восприятия. Исходя из этого, кажется, что задача не является интеллектуальной. Но в процессе узнавания человек не решает мыслительных задач лишь постольку, поскольку программа распознания не находится в сфере осознанного. Традиционный подход показал полную несостоятельность в плане восприятия естественного языка даже для эвристически запрограммированных систем. Попытки свести понимание языка к конечному набору каких-то правил выявили, что он не поддается окончательной формализации. Правила, которые выводились из других правил, в свою очередь нуждались в интерпретации. Вскрылась проблема «изначального понимания» человеком неявных инструкций, которые не могут быть четко сформулированы. Принципиальная корректность работы компьютера означает невозможность порождения ошибочных гипотез, а указание на локальный характер работы ЭВМ - отсутствие как такового механизма выдвижения гипотез, поскольку для выдвижения гипотез необходима другая, отличная от алгоритмического вычислителя, программа, способная «помнить» результаты своих прошлых вычислений и анализировать их. По существу, речь в данном случае идет уже о программе следующего иерархического уровня (метапрограмме), которая работает не непосредственно с «входными данными», а с результатами работы программы первого уровня - с результатами работы алгоритмического вычислителя.

Это заставило ученых обратиться к еще одному аспекту человеческого мышления: умению человека учитывать нечеткие ситуации, не прибегая к замене их точными описаниями. Человек способен использовать глобальный контекст для требуемого уменьшения неоднозначности, не прибегая при этом к формализации (то есть полному исключению неопределенности). Это особенно ярко проявляется при манипулировании естественным языком. Присущее человеку ощущение ситуации позволяет ему исключить из рассмотрения большинство возможных вариантов до всякого точного их анализа. По аналогии с человеком в цифровые вычислительные устройства попытались ввести принцип случайности. Такой подход оказался наиболее продуктивным при решении игровых задач, например шахматных. Также интересной в этом плане представляется используемая во фреймах операция по умолчанию. Она включается, если не хватает конкретной информации для использования данного фрейма. Тогда вводится предположение, что недостающая информация - обычная, т.е. не отличается от нормы. Такой прием позволяет снять неопределенность - понять смысл ситуации при неполноте информации. Вывод по умолчанию выполняет весьма важную функцию при распознавании. Например, если видна лишь часть образа, то, заменив другие части значениями по умолчанию, можно хотя бы приблизительно идентифицировать образ. Точно также, используя значения по умолчанию, можно восстановить смысл контекста, из которого выхвачены отдельные предложения. Отчетливо видно, что те механизмы мышления, которые мыслители прошлого, считали лишь помехой на пути постижения истины, являются не менее важным способом получения информации о действительности, хотя законы такого способа не столь очевидны по сравнению с правилами формальной логики.

На данной стадии возникает необходимость прояснить взаимоотношения, существующие между «искусственным интеллектом» и биологической наукой о мышлении. Один из аспектов проблемы - это моделирование процессов мышления. В исследованиях по «искусственному интеллекту» ученые, сталкиваясь с затруднениями, неизбежно обращали взоры на процессы мыслительной деятельности, имеющие место у человека. Вот что пишет по этому поводу Станислав Мурсалов программист, известный разработчик систем с элементами «искусственного интеллекта»: «Многочисленные аналогии с психикой человека будут продолжаться, аналогия в данном случае - важный инструмент разработки. Фундаментальная теория всегда опирается на подходящую модель явления, а здесь самая подходящая модель - наша психика, сотворив которую, природа давно решила нашу задачу. Уже многократно в трудах своих, придя к тем или иным выводам, впоследствии я обнаруживал объяснение этому в «психической» книжке или, беседуя с умным человеком, если совершенно разные пути приводят к аналогичным выводам, значит предмет - рационален, работать с ним можно…»

Общим для мозга и моделирующими его работу устройствами является материальность, закономерный характер всех процессов, общность некоторых форм движения материи и отражение как всеобщее свойство материи.

Когда мы говорим о модели, речь идет о системе, в определенных существенных структурах и отношениях аналогичной предмету исследования, системе, применение которой при исследовании определенных предметных областей опирается на научную обоснованность выводов по аналогии. Аналогия предполагает тождественность некоторых характеристик сравниваемых систем, но в целом эти системы всегда различны.

Модель при этом выступает как заместитель прототипа, причем это не простое замещение, а такое, которое дает возможность получить о прототипе определенное знание. Следовательно, для всех научных моделей характерно то, что они являются заместителями объекта исследования, находящимися с последним в таком сходстве (или соответствии), которое позволяет получить новое знание об этом объекте. Весьма распространенным является отождествление модели с идеальным образом. С этой точкой зрения трудно согласиться, ведь нетождественность модели и образа определяется самой природой моделирования - последнее предполагает формирование образа в процессе предварительного исследования объекта (прототипа).

В моделировании объекта мы можем выделить разные этапы, для которых характерно использование моделей, отражающих степень полноты аналогии между моделью и прототипом: моделирование результата; моделирование поведения, ведущего к этому результату; моделирование структуры; моделирование материала. Этот способ разделения моделей оказывается удобным для анализа моделирования отражательных функций мозга. Например, такой вид аналогии как изоморфизм предполагает тождество структур и различие элементов, но соответствие структур разных объектов не предполагает обязательность тождества элементов, связанных определенными соотношениями. Такова же ситуация и при других видах аналогии.

Возникновение системного подхода было обусловлено тем, что традиционные методы исследования при изучении сложных объектов оказались несостоятельными. Поэтому и появилось необходимость представления сложного объекта в виде системы. С использованием системного подхода возникает вопрос: существуют ли системы реально или же системы привносятся в реальность человеком? Имеется тенденция, берущая начало с Клода Бернара, согласно которой системы существуют не в природе, а в сознании людей. С. Бир, исходя из разрабатываемой им идеи имманентности организации, утверждает, что наш мозг накладывает некоторую структуру на реальное бытие, выделяя тем самым систему. Конечно, можно согласиться с тем, что прерогатива выделения системы принадлежит субъекту, но это не означает, что система - произвольная конструкция сознания, т.к. если есть отражение в сознании, то есть и то, что отображается, т.е. объективная действительность. Несмотря на объективность существования системы, ее выражение, представление носит условный характер, определяемый уровнем развития нашего знания. И в этом смысле мы можем сказать, что система в виде некоторого теоретического представления объекта не существует вне человеческого познания и общественной практики, хотя сам объект с его взаимосвязью составляющих существует объективно. Таким образом, можно говорить, что существую реальные объективные системы (объекты) и системы понятий (мысленные, концептуальные системы), которые характеризуют этот объект. Следовательно, в виде систем могут быть представлены не только объекты, но и теории.

Мозг и кибернетические моделирующие устройства принадлежат к самоорганизующимся динамическим функциональным системам. Для правильного функционирования системы в ней необходимо постоянство определенных параметров. Регулирование осуществляется по замкнутому циклу, при котором посредством обратной связи система получает сигнал о степени полезности действия. Между мозгом и моделирующим устройством существует структурно-функциональная аналогия, заключающаяся в том, что определенной структуре соответствует определенная функция.

Субстанциональные теории психического стали терять популярность по мере того, как дальнейшее развитие наук, таких как физика, математика и, в особенности, кибернетика, показало, что функции, как правило, не столь тесно связаны с субстратом, в котором или посредством которого они реализуются. Одна и та же функция (описываемая, например, одними и теми же математическими формулами) может быть реализована различными способами и в различных по своим физическим свойствам субстратах. Выяснилось, что функция больше зависит не от специфических свойств материального субстрата, а от его структурной организации. Выяснилось также, что сложные функции можно представить в виде суперпозиции некоторого фиксированного множества простых функций. В математике подобный подход получил развитие в теории алгоритмов (теории рекурсивных функций).

Однако при моделировании мышления в технической модели воссоздается не мыслительный процесс, а лишь его результат. Совершенно прав, по моему мнению, В.А. Веников, утверждающий, что при моделировании живых систем между моделью и прототипом проявляется сходство по отдельным функциям и несходство по существу.

Несмотря на это стала выдвигаться, по словам Б.М. Кедрова, «идея о сведении мозга к чисто физической системе, о мнимой замене мозга машиной». Так возникла проблема, получившая первоначальную формулировку «может ли машина мыслить?». И нередко признание возможности наделения моделирующих устройств сознанием стало ассоциироваться с материализмом, а отрицание такой возможности- с идеализмом. Столь категоричная постановка вопроса неправомерна: между живыми системами и моделирующими устройствами есть и общность, которую невозможно отрицать, и специфика, которой нельзя пренебречь. А для проведения сравнительного анализа этих двух объектов необходимо в первую очередь конкретизировать терминологию описания.

Те сведения о мозге, которые нам дает нейрофизиология и нейроанатомия, по большей части укладываются в схему, согласно которой мозг есть некая разновидность «сетевого нейрокомпьютера», т.е. представляет собой нечто подобное сети взаимосвязанных элементарных вычислительных устройств, параллельно обрабатывающих большие массивы сенсорной информации. Нервная клетка (нейрон) рассматривается с этой точки зрения как основной рабочий элемент «нейрокомпьютера», а его функция сводится к простой суммации входных сигналов (нервных импульсов, поступающих от других нейронов) с различными «весовыми коэффициентами». Если сумма превышает определенный порог, то нейрон генерирует «потенциал действия» - стандартный импульс, который может быть адресован десяткам тысяч других нейронов. Функция долгосрочной памяти в этой модели обеспечивается устойчивыми изменениями проводимости межнейронных контактов - синапсов (так называемая «коннекторная» теория долгосрочной памяти). Еще в 40-х годах было показано (У.С. Маккаллок, У. Питс), что сеть, построенная из элементов, аналогичных по своим функциональным свойствам нейронам, способна, при условии наличия достаточно большого числа нейроподобных элементов, выполнять функцию универсальной вычислительной машины, т.е. в соответствии с тезисом Черча, вычислять все, что вычислимо.

Схематизм такого подхода очевиден. Заметим, что нейрон - это по компьютерным меркам чрезвычайно медлительный, ненадежный, обладающий огромной латентностью и рефрактерностью функциональный элемент. (Достаточно сказать, что время переключения на одном нейроне составляет величину порядка одной сотой секунды, максимальная частота импульсации не превышает нескольких сотен герц). По всем этим параметрам нейрон не выдерживает никакой конкуренции с транзистором или микросхемой. Кроме того, скорость передачи нервных импульсов внутри мозга примерно в три миллиона раз меньше, чем скорость передачи электромагнитных сигналов между элементами компьютера. Каким образом агрегат, состоящий из столь несовершенных элементов, может не просто конкурировать с электронным компьютером, но и существенно его превосходить при решении определенного рода задач (распознавание образов, перевод с одного языка на другой и т.п.)? Обычный ответ - за счет использования принципа параллельной обработки информации. Однако, интенсивные исследования в этой области за последние десятилетия показали, что распараллеливание в общем случае дает лишь сравнительно небольшой выигрыш в скорости вычислений (не более, чем на два-три порядка). Причем этот факт мало зависит от архитектуры вычислительных систем. Кроме того, далеко не все задачи допускают распараллеливание вычислений. Далее, вычислительную мощность мозга в целом можно приблизительно оценить числом событий, которые могут происходить в нем за одну секунду (здесь имеются в виду лишь информационно значимые события, например генерация потенциала действия нейроном). Общее число таких значимых событий оценивается величиной порядка сотен миллиардов, что вполне сравнимо с числом операций в секунду в большой параллельной компьютерной системе. То есть и с этой точки зрения мозг ничем не превосходит компьютер. Остается предположить, что мозг, наряду с известными нам из физиологии электрохимическими процессами, использует для обработки информации и какие-то иные физические принципы, которые и позволяют ему достичь большей по сравнению с компьютером «вычислительной эффективности».

Перейдем теперь к анализу проблемы моделирования отражательных функций мозга. В процессе развития и усложнения форм движения материи появляются и соответствующие им формы отражения. Поэтому в результате развития может возникнуть живая, ощущающая материя, обладающая аналогичными человеку свойствами. Л. фон Берталанфи подчеркнул отличие живого организма от машины, заключающееся в том, что живой организм развивается в направлении увеличения дифференциации и негомогенности и может корректировать «шум» в более высокой степени, чем это имеет место в коммуникационных каналах неживых систем - оба эти свойства организма являются результатом того, что организм представляет собой открытую систему. Человеку и устройству свойственны различные формы движения материи, а потому и формы отражения у них качественно различны. Техническим моделям присущи низшие формы движения материи, а человеческому организму - также биологическая и социальная.

Некоторые авторы утверждают, что хотя современные моделирующие устройства и не обладают чертами сознания, из этого положения нельзя сделать вывод о невозможности существования неорганической материи, обладающей свойствами мышления. При этом высказывается мнение, что такое свойство может появиться в ходе усложнения организации моделирующего устройства, т.е. на базе количественных изменений произойдут качественные изменения.

Между структурой и субстратом мозга мыслящего субъекта и функцией сознания, мышления существует органическая связь. В моделирующих устройствах вид связи функции со структурой и субстратом принципиально иной, чем у человека, здесь материальный субстрат уже не играет главной роли и все внимание направлено на структуру, способу организации логических сетей. Такая ситуация сохраняется по сей день, хотя ограниченность такого подхода становится все более очевидной. Является ли столь пренебрежительное отношение к субстратным особенностям обоснованным? Конечно первоначальное значение понятия субстратный подхода, исходящее из того, что для каждого свойства необходим соответствующий субстрат, существующий независимо от остального мира, изжило себя, поскольку свойства, как оказалось, не имеют субстанционального характера, они являются результатом взаимодействия объектов. Один и тот же субстрат в разных условиях обнаруживает разные свойства. В единой системе «субстрат-структура-свойство» от одного из элементов можно отвлечься лишь в строго определенных пределах. Какого бы высокого уровня не достигли функциональные исследования, рано или поздно возникает необходимость проникновения на следующий уровень вплоть до субстрата. Познание лишь структуры не может обеспечить раскрытия специфики живых систем, т.к. познание с точностью до изоморфизма не может быть исчерпывающим, в противном случае любой объект может быть разложен без остатка «на совокупность структур из чистых отношений». Кибернетический подход рассматривает структуры и функции в той мере, в какой они являются общими у разных форм движения материи, поэтому для него характерно отвлечение от конкретных материальных процессов. В рамках наук изучающих специфику живого, отвлечение от конкретной формы движения материи невозможно. При анализе познавательного процесса гносеология абстрагируется от психофизиологических механизмов, посредством которых реализуется этот процесс. Но из этого не следует, что для построения систем искусственного интеллекта эти механизмы не имеют значения. Вообще говоря, не исключено, что механизмы, необходимые для воплощения неотъемлемых характеристик интеллектуальной системы, не могут быть реализованы в цифровых машинах или даже в любой технической системе, включающей в себя только компоненты неорганической природы. Иначе говоря, в принципе не исключено, что хотя мы можем познать все гносеологические закономерности, обеспечивающие выполнение человеком его познавательной функции, но их совокупность реализуема лишь в системе, субстратно тождественной человеку.

Познание объективной действительности человеком осуществляется посредством языка, с помощью которого происходит выявление и закрепление результатов процесса познания. Язык человека носит понятийный характер. Образ вещи или явления предстает свободным от вещественного, материального облика, от второстепенных несущественных признаков. Понятие, поэтому, выступает как форма абстрактно-логического мышления, возникшая в практической деятельности и непосредственно связанная с языком.

При сравнении языка человека и машин следует помнить, что идеальность психической формы отражения заключается в предметной соотнесенности, а это означает, что в нейродинамических состояниях отражательного аппарата выделяются структуры, изоморфные структурам в предметной сфере - получающийся идеальный образ не что иное, как результат использования упорядоченности нейродинамических процессов мозга в функции особых заместителей вещей и регуляторов действий с вещами.

Человек, осмысливая знаки, постигает их значение. Но для самой машины всякий символ играет роль физического сигнала, на который она отвечает другим сигналом. Машина действует не с понятийным языком, а с системой правил, по своему характеру являющейся формальной, не имеющей предметного содержания. Поэтому речь может идти не об образовании понятий моделирующими устройствами, а о физическом аналоге процесса образования понятий. Моделирование процесса образования понятий должно рассматриваться не как образование подлинных понятий, а как образование символов для обозначения определенных классов явлений. Машина, таким образом, имеет дело не со значением знака, а лишь с его материальной формой. Знак и объект, обозначаемый знаком, связаны не непосредственно, а при помощи абстрактно-логического мышления. Связь знака и обозначаемого предмета опосредуется значением.

Для того чтобы знак стал носителем информации, необходима операция соотнесения, а соотносить знак и объект, обозначаемый этим знаком, может лишь человек. В моделирующих же устройствах имеет место перекодирование информации, т.е. преобразование формализма, но отнюдь не его смыслового содержания. Информацию, заключенную в образе, можно передавать посредством соответствующего кода, но сам образ по каналам связи не передается. Современные системы искусственного интеллекта почти не имитируют сложную структуру образа, что не позволяет им перестраивать проблемные ситуации, комбинировать локальные части сетей знаний в блоки, перестраивать эти блоки и т. д.

Использование знаков и знаковых систем в процессе познания увеличивает возможности познания. Связи между знаками выступают в более упрощенном виде, чем между реальными объектами. Кроме того, выражение понятий посредством знаков позволяет значительно быстрее оперировать, что и осуществляется на моделирующих устройствах. Однако в настоящее время не в полной мере реализованы даже принципы формального соответствия естественной и машинной переработки информации.

Воплощение в информационные массивы и программы систем «искусственного интеллекта» аналогов категорий находится пока в начальной стадии. Аналоги некоторых категорий (например, «целое», «часть», «общее», «единичное») используются в ряде систем представления знаний, в частности в качестве «базовых отношений», в той мере, в какой это необходимо для тех или иных конкретных предметных или проблемных областей, с которыми взаимодействуют экспертные системы.

В формализованном понятийном аппарате некоторых систем представления знаний предприняты отдельные попытки выражения некоторых моментов содержания и других категорий (например, «причина», «следствие»). Однако ряд категорий (например, «сущность», «явление») в языках систем представления знаний отсутствует. Предстоит большая работа философов, логиков и кибернетиков по внедрению аналогов категорий в системы представления знаний и другие компоненты интеллектуальных систем. Это одно из перспективных направлений в развитии теории и практики кибернетики.

Мышление человека осуществляется не только с помощью, но и посредством образов, подчас неясных смутных, оно представляет собой единство понятий и образных представлений. Для традиционного понимания психики характерно отождествление понятий «психическое» и «идеальное». Нередко возражения против возможности моделирования психики аргументируются невозможностью переведения материальных операций в идеальные. В процессе развития научного знания, когда вставал вопрос об отделении собственно психической проблематики от философской, психологи проблему соотношения материального и идеального характерную для философии, перенесли в психологию, подменив систему категорий «объект деятельности - субъект деятельности» системой категорий «материальное - идеальное».

Необходимо сказать несколько слов о таких понятиях как «информация» и «отражение». К пониманию информации наметились разные подходы. Одни авторы считают информацию материальным явлением, другие идеальным, третьи - не материальным и не идеальным, а каким-то другим компонентом действительности. Н. Винер определил информацию следующим образом: «Информация есть информация, а не материя и не энергия». Информацией обладают все материальные объекты. Однако, актуальная информация может быть представлена как ограничение разнообразия, выбор из разнообразия и его использование в адаптационных процессах и системах управления. Эта форма информации активна, т.е. на ее основе осуществляется управление. В отличие от указанных систем для неживой природы характерно преобразование информации в ходе взаимодействия тел, поэтому здесь нет активного использования разнообразия. Актуализация потенциальной информации осуществляется в результате уничтожения неопределенности равновероятных элементов разнообразия посредством выбора определенных элементов. Отражение служит основой информационных процессов. Понятие «отражение» и «информация» нетождественны друг другу. Способностью к активному отражению обладают лишь высокоорганизованные информационные системы. Актуальная информация неразрывно связана с управлением - где нет управления, там нет актуальной информации. Возможно, что именно дальнейшее развитие моделирования психики позволит ответиить на вопрос правомерности установления отношений соответствия между психическим образом и объектом познания. Всякий сигнал представляет собой структурную единицу и форму передачи информации, а информация выражает определенное отношение между ее источником и носителем (информацию можно представить как взаимную упорядоченность двух множеств состояний, одно из которых представлено в источнике, а другое - в носителе). Общая форма упорядоченности двух множеств состояний называется изоморфизмом. С этих позиций, нервное возбуждение как сигнал можно рассматривать как разновидность кода. Иногда в философской литературе утверждается, что допущение возможности выполнения технической системой интеллектуальных функций человека означает сведение высшего (биологического и социального) к низшему (к системам из неорганических компонентов) и, следовательно, противоречит материалистической диалектике. Однако в этом рассуждении не учитывается, что пути усложнения материи однозначно не предначертаны и не исключено, что общество имеет возможность создать из неорганических компонентов (абстрактно говоря, минуя химическую форму движения) системы не менее сложные и не менее способные к отражению, чем биологические.

Специфическим качеством человеческого сознания, который нельзя не учитывать при сопоставлении его с «машинным мышлением», является субъективно-сознательное отражение бытия. Наличие объективных физико-химических процессов мозга с одной стороны и субъективных ощущений с другой обуславливает постановку психофизической проблемы. Мозг каким-то образом «производит» ощущения, образы, представления, смыслы, способен испытывать желания, страхи, надежду, любовь. Иными словами, помимо внешней, функциональной стороны, сознание обладает «внутренней» стороной - субъективным миром непосредственно данного, переживаемого. Для описания внутреннего мира субъекта необходимы такие категории, как «чувственное качество», смысл, «самость» и т.п. - которые, как представляется на первый взгляд, не имеет ничего общего с категориями, с помощью которых мы описываем мозг, как физический объект. В отличие от вещного, физического мира, который существует «публично» - доступен для всех, сфера субъективного доступна лишь «внутреннему» наблюдению. Поскольку наука занимается лишь исследованием «объективного», научный подход к решению психофизической проблемы должен быть дополнен философским анализом.

Однако, реальное сопоставление «внутреннего опыта» и предположительно соответствующего ему «нейродинамического субстрата» приводит к весьма неоднозначным, противоречивым результатам. Складывается впечатление, что фундаментальные свойства сферы субъективного отличны от свойств нейрофизиологической системы. Например, одно из наиболее фундаментальных свойств субъективного - это его целостность. Любой акт чувственного переживания - это синтез ощущений в целостные полимодальные образы, которые в свою очередь объединены в единое целостное феноменальное поле совместно переживаемого. Однако, нейрофизиологические исследования показывают, что мозг - это, напротив, скорее совокупность относительно автономных функциональных модулей и, соответственно, не обладает тем «слитным единством», которое характерно для нашей сферы субъективного.

Необходимость различать сознание и субъективное связана с тем, что сознание, в обычном смысле этого слова, непременно предполагает знание о том или ином содержании сферы субъективного. То есть осознание предполагает возможность осуществления рефлексивного акта. С другой стороны, человек вполне может что-то ощущать, не давая себе отчет о наличии у себя данного ощущения. То есть помимо рефлексируемого содержания субъективного существует внерефлексивное (дорефлексивное, иррефлексивное) субъективное, которое можно, также, обозначить как «бессознательное».

Поскольку внерефлексивное содержание субъективного - это то, о чем мы не можем дать отчет, не имеем явного знания, то возникает вопрос: как же мы в таком случае вообще способны прийти к заключению, что помимо осознаваемого содержания в субъективном может присутствовать что-то еще? Очевидно, это, возможно, прежде всего, в силу нашей способности к ретроспективному анализу состояний собственной сферы субъективного.

Отрицательное отношение к метафизике, которое демонстрировал И. Кант, в значительной мере было оправдано противоречивостью «догматических» метафизических систем 17-18 веков. Действительно, для этих систем, как правило, характерно резкое противопоставление внутреннего мира субъекта и внеположной ему «объективной реальности» (так называемый «картезианский дуализм»). Индивидуальное сознание рассматривалось преимущественно как нечто замкнутое в себе и в лучшем случае лишь внешним образом воспроизводящее окружающее. Вселенная в целом представлялась как механический агрегат индивидуумов, каждому из которых познавательно доступна лишь ограниченная часть, фрагмент реальности. С этой точки зрения задача метафизики - установить «общий план» бытия, определить, что представляет собой мир «сам по себе» - очевидно неразрешима. На самом деле, метафизика возможно и имеет право на существование, но лишь как «метафизика всеединства», т.е. как метафизика, изображающая субъекта укорененном во всеобщем надиндивидуальном бытии. В русской философии основателем «метафизики всеединства» был, как известно, В.С. Соловьев. Его идеи получили дальнейшее развитие в работах С.Л. Франка, С.Н. Булгакова, П.А. Флоренского и других российских философов. По сути же, «метафизика всеединства» восходит к Гегелю, а также к античному неоплатонизму.

Имеющийся богатый эмпирический материал, добытый естественными науками, тем не менее, не дает ответа на вопрос: как субъективное соотносится с конкретными физиологическими процессами. Следовательно, необходимы принципиально новые гипотезы, из которых можно было бы дедуктивно вывести проверяемые следствия. Но сформулировать такие гипотезы можно лишь на основе понимания возможных вариантов сущностной связи материи и субъективного.

Например, мы знаем, что многие субъективные состояния можно помимо воли субъекта вызвать электрическим раздражением мозга, причем полученный эффект (ощущение) в этом случае совершенно не похож на вызвавшую его причину (электрический ток). Но в таком случае можно ли гарантировать, что переживаемый нами чувственный мир не есть продукт воздействия некоторых «трансцендентных экспериментаторов», которые вызывают в нас чувственные переживания путем сложного комбинированного раздражения нашего мозга? Но если это допустить, то тогда нужно признать, что переживаемый нами «мозг» - это лишь один из образов, по прихоти «экспериментаторов» выбранный в качестве как бы «символа» или условного «носителя» сферы субъективного, так что всякое видимое «воздействие» на этот образ приводит к глобальным изменениям всей программы дальнейшей стимуляции. Первым к такого рода «картине мира», по-видимому, пришел Дж. Беркли, По Беркли, трансцендентным источником ощущений является Бог. Бог непосредственно вкладывает ощущения в душу каждого индивида, как бы показывает каждому из нас индивидуальный «кинофильм», причем его сюжет непрерывно корректируется в зависимости от наших волевых решений. Поскольку всегда можно сослаться на «божественный произвол» - такого рода онтологии не могут быть каким-то образом опровергнуты. Можно лишь указать на недостаточную объяснительную и предсказательную силу такого миросозерцания - поскольку данный тип онтологии совместим с любыми возможными фактами и, следовательно, бесплоден с точки зрения научного подхода.