Вспомним вопрос, поставленный Н. Винером: «Может ли машина мыслить?» Развитие компьютерных и информационных технологий во второй половине ХХ в., казалось, должно было ответить на этот вопрос, и ответить положительно. Чтобы понять, почему же этого не произошло, сформулируем обратную проблему: «Может ли человек быть компьютером?» Чтобы не погрязнуть в общих философских вопросах, на которые, как известно, ответов нет, проанализируем второй вопрос на материале пионерских работ Тьюринга, Поста и Чёрча.
Математические исследования указанных авторов были направлены на решение десятой проблемы Гильберта, углубляться в которую мы здесь не будем. Что же касается компьютерной техники, то нет сомнений, что будущее сулит грандиозные успехи в повышении быстродействия и объема памяти вычислительных устройств, а также, возможно, и новые решения в области компьютерной логики, ограниченной ныне двухзначным булевым исчислением. Но и в этом случае поставленная Винером проблема останется неразрешимой, ибо интеллект человека и интеллект машины — фундаментально несовместимые вещи не только в физическом, но и в логическом плане.
АЛГОРИТМЫ И МАШИНА ТЬЮРИНГА
Понятие «алгоритм» берет свое начало из работы персидского математика IX в. Абу Джафара Муххамеда ибн Мусы аль-Хорезми. Современное написание слова «алгоритм», пришедшее на смену более раннему «алгорифм», своим происхождением обязано, скорее всего, слову «арифметика». От происхождения понятия «алгоритм» следуют и его главное свойство — дискретность.
Примеры применения алгоритмов были известны задолго до появления книги аль-Хорезми. Один из них — процедура нахождения наибольшего общего делителя двух чисел — восходит к работам Евклида (III в. до н. э.). Алгоритм Евклида является систематической процедурой, которая содержит в себе: 1) исходные данные (два известных числа), 2) математическую инструкцию и 3) результат — число НОД.
Алгоритм Евклида — одна из огромного множества вычислительных процедур, встречающихся в дискретной математике, но, несмотря на это, логического определения понятия «алгоритм» не существует. В XX в. начались интенсивные поиски описания (объяснения) этого понятия и первыми это удалось сделать Алану Тьюрингу и Эмилю Посту (1937).
Тьюринг рассматривал проблему алгоритмической разрешимости, поставленную в начале ХХ в. Д. Гильбертом, которая заключается в отыскании такой универсальной вычислительной процедуры, которая была бы применима для решения некоторого широкого класса математических задач. Эта проблема не зависела от аксиоматического построения математики и формулировалась Тьюрингом примерно так: существует ли некая универсальная механическая процедура, позволяющая, в принципе, решить все математические задачи (из некоторого определенного класса задач) последовательно одну за другой? Обратим внимание на термин, впервые введенный Тьюрингом, а именно: механическая процедура.
Каким могло быть такое устройство? Оно должно принимать множество дискретных состояний, число которых должно быть потенциально бесконечно. Дискретные состояния устройства Тьюринг назвал внутренними состояниями. Несмотря на конечность числа внутренних состояний, механическое устройство Тьюринга приспособлено для работы с входными, промежуточными и выходными данными неограниченного объема. Более того, устройство может иметь и накопитель внешней памяти неограниченного объема («черновики» для хранения промежуточных результатов), а также иметь возможность выдавать окончательное решение, состоящее из символов (например, цифр) любого, но только конечного числа.
Тьюринг представлял внешние данные и объем для хранения информации в виде «ленты» с последовательно выделенными на ней ячейками. Машина по мере необходимости могла обращаться к этой «ленте», считывать с нее данные (информацию) и перемещать ее вперед или назад в ходе выполнения операций по заданной и заложенной в ее внутреннюю память программе. Помимо этого, устройство могло вносить новые данные на ленту и стирать с нее старые, что позволяло использовать одну и ту же ленту и как внешнюю память, и как источник данных.
Лента движется через считывающее и стирающее устройство («головку») туда-сюда до тех пор, пока выполняются вычисления. Когда, наконец, вычисления закончены, «головка» останавливается, а результат вычислений отображается на части все той же ленты, лежащей по одну сторону от устройства. Т. о., МТ в принципе способна выполнить любой алгоритм, но данный алгоритм для нее должен составить кто-то внешний, не принадлежащий к этому вычислительному устройству. Назовем его программистом.
Поскольку лента разбита на совершенно одинаковые ячейки, которые моделируют собою единичную систему счисления, то возникает задача эффективного размещения в них необходимых данных. Для этого принята двоичная система счисления: пустая ячейка (отсутствие данного) обозначается символом «0», а помеченная (наличие информации) — символом «1». При этом не утрачивается общность рассуждения по считыванию любого количества информации: «головка», которая считывает n ячеек, перемещаясь при этом на k внутренних состояний, моделирует какой-либо «текст», состоящий из комбинаций символов «0» и «1». Чтобы явно определить операции, совершаемые «головкой», их можно пронумеровать порядковой последовательностью натуральных чисел: 1, 2, 3, 4, …, n. Тогда действия МТ полностью определятся программой, которая представляет собою список из из замен одних символов другими.
Расширением этой идеи является понятие универсальной машины, которое состоит в том, чтобы не просто соединить в одну несколько машин, а в том, чтобы можно было закодировать команды для произвольной машины Т в виде последовательностей нулей и единиц, которую может записать на своей ленте одна из машин. Эта запись используется как начальная часть входных данных для некоторой особой машины U, которая затем обрабатывает остальную часть ленты в точности так, как это сделала бы машина Т. Универсальная машина Тьюринга — это машина-имитатор, так как начальная часть ленты дает универсальной машине U всю необходимую информацию для повторения исходной машины Т .
ТЕЗИС ЧЕРЧА–ТЬЮРИНГА
После ознакомления с принципами МТ легко понять, что все основные математические операции, такие как сложение чисел, их перемножение и т. д. могут быть выполнены соответствующими устройствами, построенным по этим принципам. Убедившись на практике, что можно реализовать принципы МТ в быстродействующих электронных устройствах, выполняющих арифметические или логические операции, уже не так трудно представить себе, какими должны быть машины, выполняющие более сложные задачи.
Приобретая опыт с решениями подобных задач с помощью реальных машин, становится, однако, понятно, что компьютеры не могут решать любые задачи. В этом смысле понятие «алгоритм» дополняется такими прилагательными, как «вычислимый», «рекурсивный» и «эффективный», которые по отдельности или в совокупности используются математиками для обозначения множеств таких математических операций, которые могут быть представлены как механические процедуры. Другими словами, если некоторая задача может быть ограничена с помощью указанных выше прилагательных, то она по природе своей механистична и, следовательно, может быть преобразована для решения соответствующей МТ. Это и есть ключевая идея рассуждений Тьюринга, лежащих в основе созданной им концепции МТ.
И все же, несмотря на это, может остаться ощущение неполноты в описании рекурсивного алгоритма, данного Тьюрингом. Действительно, понятие МТ охватывает лишь такие математические проблемы, которые можно назвать механическими. В то время, когда Тьюринг написал свою основополагающую работу, ситуация была еще менее ясной, чем спустя десятилетия, когда наступила компьютерная эра. Детально рассмотренная Тьюрингом проблема получила дополнительное и независимое обоснование в работах американского логика Алонзо Чёрча, который, стремясь найти решение алгоритмической проблемы Гильберта, предложил свою схему ее решения, названную им лямбда–исчислением. Хотя то, что это была также механическая схема, было не так наглядно, как в случае с подходом Тьюринга, но ее преимуществом была компактность и чисто математическое представление. Это значительно укрепило положение, известное нынче как тезис Чёрча–Тьюринга, которое утверждает, что вычислительная машина (или ее абстрактный математический аналог) на самом деле лишь поясняет, но не определяет логически (как это утверждается во многих книгах) то, что в математике понимают под алгоритмической (или выполнимой, или рекурсивной, или механической) вычислительной процедурой.
Выше мы говорили об операциях над натуральными числами и подчеркнули тот факт, что МТ может оперировать с этими числами произвольной величины, несмотря на то, что машина имеет конечное число внутренних состояний. Однако не следует исключать необходимость в операциях с более сложными числами, такими как отрицательные числа, обыкновенные дроби и бесконечные десятичные дроби. Отрицательные и простые дробные числа легко поддаются обработке на МТ, причем числители и знаменатели могут быть сколь угодно большими. Все, что для этого нужно — подходящий код для знака «–» (вычитания) и знака «/» (обыкновенной дроби), который можно легко выбрать при использовании расширенной двоичной записи (например, «3» = 1110 для символа «–», «4» = 11110 для символа «/»). Итак, отрицательные числа и обыкновенные дроби рассматриваются как наборы натуральных чисел и с позиции проблемы вычислимости ничего нового не привносят.
То же можно сказать и о конечных десятичных дробях с произвольным числом знаков после запятой, поскольку они представляют собой лишь частный случай обыкновенных дробей. Так, конечное десятичное число 3, 375 есть просто дробь 3375/1000. Однако бесконечные десятичные выражения, такие, например, как полная запись числа = 3,14159265358979… представляет трудности, поскольку ни входные, ни выходные данные МТ не могут быть бесконечными десятичными выражениями. Для МТ запрещено работать бесконечно (неограниченно) долго: прежде чем ознакомиться с результатом, необходимо дождаться остановки МТ. Таким образом, с одной стороны, до того момента, пока МТ не выполнит команду STOP, выходные данные будут изменяться и потому их нельзя считать достоверными, а, с другой, — после полной остановки МТ результат должен быть с необходимостью конечным. Получается противоречие, которое в традиционной математике недопустимо.
Иррациональные числа принципиально не могут быть получены с помощью МТ, следовательно, невозможны и никакие операции с ними. Отсюда следует, что числа, которые можно отобразить с помощью МТ, называются вычислимыми (термин Тьюринга), а остальные — невычислимыми. В связи с этим возникает основной вопрос теории искусственного интеллекта (ИИ): может ли физический объект (возьмем, например, человеческое мышление) быть адекватно отображено в терминах вычислимых математических структур в соответствии с уже имеющимися законами логики и разработанными физическими теориями? Вопрос далеко не праздный, потому что все известные физические величины — от числа до преобразований Лоренца — выражаются иррациональными числами. Кроме того, проблема вычислимости важна для математики в целом. Не следует, однако, думать, что она относится к числам как таковым (ведь числа — это всего лишь способ кодирования, с помощью которого мы отображаем физические величины и их отношения), но в первую очередь к формульным определениям (например, к алгебраическим или тригонометрическим), так как МТ может работать непосредственно с формулами. Все, что для этого разрешено использовать — это некий способ точного кодирования всех используемых математических символов в виде последовательностей нулей и единиц, которые позволят применить соответствующую МТ. Именно это Тьюринг и имел в виду, когда взялся за проблему алгоритмической разрешимости, в рамках которой требуется найти универсальную алгоритмическую процедуру для ответа на самые общие математические вопросы, поставленные Гильбертом.
ТЕСТ ТЬЮРИНГА
Главное свойство разума, которое в первую очередь приходит на ум — это его способность оценивать свое собственное знание о мире с позиции критериев истинности или ложности, но не в строгой, а в нечеткой форме. Позволим себе смелость утверждать, что такой способностью не обладает ни одно живое существо, не то, что компьютер. Свое знание любое живое существо (кроме человека), которое оно наследует либо генетически, либо приобретает в качестве условного рефлекса, всегда оценивает однозначно, т. е. такого рода восприятие реальности не имеет своего отрицания. Человек же в силу присущей его разуму нечеткой логики способен сомневаться, хитрить, лукавить и пр., т. е. думать одно, а говорить или делать другое. Обыкновенно такое свойство человеческого мышления называют лживостью. Мы же будем его называть противоречивостью, ибо эта функция человеческого разума вовсе не связана с его грехопадением: она обусловлена сложным характером его логики, главным назначением которой является не вычисление, а обобщение и абстрагирование. Таким образом, не только «все критяне лжецы», как сказал в свое время древний философ, но и все люди при тех или иных обстоятельствах в какой-то мере являются таковыми.
Эту точку зрения невозможно обосновать в нескольких словах, но если резюмировать вышесказанное, то наша позиция основывается на том, что именно недостаточное понимание законов нечеткого логического мышления препятствует построению конструктивной концепции искусственного интеллекта (ИИ), если его интерпретировать в терминах логики. Нечеткая логика качественно отличается не только от классической формальной, но и от любой разновидности неклассических логик тем, что в ней не действует закон исключенного третьего. Этот закон формальной логики обеспечивает обратимость любому алгоритму, а в естественном рассуждении — это главное полемическое оружие софистов всех времен и народов.
Идея того, что сейчас называется тестом Тьюринга, была опубликована Тьюрингом в 1950 г. Тест предназначался для ответа на вопрос Винера, т. е. можно ли утверждать, что вычислительная машина с большим объемом памяти и числом логических переключающих элементов, сопоставимым с человеческим мозгом, способна думать и рассуждать так же, как и человек.
Итак, пусть утверждается, что некоторый компьютер действительно думает. Для проведения теста Тьюринга компьютер вместе с человеком скрывают от глаз другого человека, которого обычно называют опрашивающим. Опрашивающий должен попытаться определить, где на его вопросы отвечает компьютер, а где — человек, задавая им обоим одни и те же пробные вопросы. Вопросы, а еще важнее — ответы, которые получает опрашивающий, передаются в обезличенной форме: печатаются на клавиатуре и высвечиваются на экране. Единственная информация, которой будет располагать опрашивающий, это то, что он сам сможет выяснить в процессе такого сеанса вопросов и ответов. Если в серии подобных тестов опрашивающий окажется неспособным отличить компьютер от человек никаким логически обоснованным образом, то считается, что компьютерная программа прошла данный тест. Отсюда делается вывод: разум компьютера, оперирующий только механическими (эффективными) алгоритмами, ничем не хуже человеческого разума. Следовательно, человеческий разум — также вычислительное устройство и ничего более.
Возникает возражение относительно правдивости такого теста по отношению и к человеку, и к компьютеру. Человеку, чтобы не быть сразу же опознанным, нужно прикидываться немного компьютером в том смысле, что он не должен проявлять чисто человеческих качеств мышления, которые могут колебаться, смотря по обстоятельствам, от безобидной иронии, до злокачественного лукавства (обмана). Что же касается понятия истины, то в человеческом восприятии, как это еще заметил Кант, это вопрос не только знания, но также убеждения и веры.
Компьютеру же нужно прикидываться немного человеком в том смысле, что ответ на любое сложное вычисление он должен будет «задерживать», подстраиваясь под медленные вычислительные способности человека. Другими словами, часть задачи программиста должна состоять в том, чтобы в некоторых случаях компьютер казался человеком, а задача человека должна состоять в том, чтобы он старался быть наивным простаком и ни на один вопрос не давать иронических или нечетких ответов.
Задача запрограммировать компьютер медленнее в способности вычислять не является столь уж сложной, а главная сложность — научить компьютер отвечать на нечеткие или иронические вопросы, посредством которых можно судить о наличии в логике испытуемого закона противоречия, благодаря только которому возможно рассуждать в рамках, например, здравого смысла. Ведь здравый смысл (даже не хитрость или лукавство) — это всегда учет нескольких и часто противоречащих друг другу альтернатив и выбор из их суммы наиболее подходящего суждения для данного случая.
Итак, чтобы человеку выдать себя за простака, а компьютеру — за столь же наивного человека, т. е. пройти тест Тьюринга, и тому и другому необходимо прибегнуть к мошенничеству. Главное же, о чем умалчивает теория, состоит в том, что подготавливает компьютер к такому испытанию, т. е. создает для него программу, также человек. Значит, тест Тьюринга в конце концов сводится к интеллектуальному соревнованию между двумя людьми, но не между человеком и машиной. Однако ни один программист не сможет заставить компьютер, получивший в результате выполнения алгоритма, определенный результат, солгать. А именно, имея в выходных данных один результат, высветить на дисплее другой, как это может делать человек.
Можно даже пофантазировать о «детекторе лжи», например, подключенном параллельно и к человеку, и к компьютеру. Тогда, если даже удачно и запрограммировать компьютер на некоторую степень нечеткости логики человеческого разума, положительный результат теста Тьюринга не будет иметь ни малейшего шанса, т. е. все будет зависеть от того, как будет развиваться кибернетика, а как будет обставлена техника тестирования.
КОНЦЕПЦИЯ СИЛЬНОГО ИИ
В контексте идеи теста Тьюринга в теории систем искусственного интеллекта бытует точка зрения, называемая сильным искусственным интеллектом. Согласно этому взгляду, не только машина, выдержавшая тест Тьюринга, будет разумна, но свойства интеллекта могут быть присущи действиям любого вычислительного устройства. Лейтмотивом этой концепции выступает то, что умственная деятельность — это просто выполнение определенной последовательности операций, сводимой к последовательностям алгоритмов. Разница состоит лишь в том, что вычислительная процедура, соответствующая нетривиальной деятельности мозга, должна быть гораздо более сложно организованной, т. е. это будет выполнение последовательностей сложных алгоритмов, но, согласно концепции сильного ИИ, это будет все же выполнение алгоритмической задачи. Это означает, что алгоритм любой сложности должен обладать такой же логической структурой, какой обладает обычный алгоритм, обладающий свойством обратимости.
С позиции концепции сильного ИИ, существенная разница между деятельностью человеческого мозга, включая и все проявления его чувственной составляющей, и работой вычислительной составляющей состоит единственно в этой самой сложности, которую следует приписать и понятию алгоритма. Все свойства ума — противоречивое логическое мышление, способность чувствовать, понимать и, самое главное, сознавать себя как целое — должны рассматриваться, согласно этому подходу, просто как разные аспекты сложности алгоритма. Иными словами, свойства разума суть не более, чем свойства сложности алгоритмов, выполняемых центральной нервной системой организма. С математической же точки зрения, достоинства алгоритма заключаются в его именно технических характеристиках, таких как точность (однозначность) конечных результатов, целесообразность области применимости, энергетическая экономичность и достаточная скорость выполнения, т. е., с этой стороны, любой алгоритм выступает как физически реализуемый процесс. Однако, с другой стороны, как форма математической реальности каждый алгоритм, каким бы набором технических характеристик он ни обладал, в принципе может быть запущен на компьютере (во всяком случае, так полагают разработчики концепции сильного ИИ). Значит, каждый такой алгоритм в принципе мог бы выполняться на любом современном компьютере общего назначения, если бы он обладал достаточными техническими характеристиками по скорости и объему памяти для хранения данных. Предполагается также, что такого рода ограничения будут сняты с появлением в будущем более мощных и более быстродействующих машин. Тогда такие компьютеры, если они будут обеспечены соответствующими наборами алгоритмов — программами, должны проходить тест Тьюринга. И как только он будет запущен, считают сторонники сильного ИИ, такой компьютер станет сознавать себя как нечто целое и, возможно, даже будет испытывать чувства. Но при этом все же остается открытым другой принципиальный вопрос: что есть сложность алгоритма, если ее не связывать напрямую с понятием алгоритмической неразрешимости?
В самом грубом приближении разрешимый алгоритм — это алгоритм, состоящий из конечного числа шагов, после чего получается результат. Следовательно, понятие неразрешимости алгоритма можно охарактеризовать с позиции понятия актуальной бесконечности. Однако для кого эта бесконечность выступает актуальной — для компьютера или для того, кто алгоритмы создает, т. е. для программиста?
Теоретическая счетно-решающая машина ограничений по числу выполняемых ею логических шагов не имеет, поскольку ее авторы, о которых мы уже говорили выше, рассматривали вопрос в принципе и не касались технических деталей. Однако последовательность внутренних состояний МТ задается извне, т. е. это задача для программиста, создающего алгоритмы и составляющего из них завершенные последовательности . Иными словами, больше затруднений вызывает предположение о наличии компьютерной программы, способной сравниться с алгоритмической сложностью человеческого мозга и тем самым, безупречно пройти тест Тьюринга, а не сама машина, ее, так сказать, «железо» (hard ware). Ведь любая подобная программа должна быть построена из множеств чрезвычайно сложных отдельных алгоритмов. Нетрудно вообразить, что действие такой программы, необходимой для ответа даже на сравнительно простой вопрос теста Тьюринга, состояло бы из столь большого количества шагов, что ни для одного реального программиста выполнение (написание) соответствующего алгоритма за период, равный продолжительности его жизни, было бы невозможным. Итак, сложность алгоритма — это проблема человека, вычислительного устройства она не касается. Ведь оно работает по внешней программе!
Понятием сложности алгоритма, отличающим его от механического алгоритма, состоящего из конечного числа шагов, игнорировать нельзя, потому что программы (как и числа) строятся людьми, а не машинами, не обладающими указанными ограничениями. Однако математики в таких случаях рассуждают об абстрактной стороне дела и совсем не думают о том, что понятие сложности (или бесконечности, в терминах математики) имеет субъективный характер. Поэтому для любого живого существа всегда существует некоторая критическая сложность, которая для него как для создателя алгоритма становится непреодолимой в силу ограничений чисто биологического характера.
Наиболее простым примером может служить история создания понятия числа и разработка позиционных систем счета. Антропологи заметили, что у примитивных племен критическая сложность (понятие бесконечности) наступает после того, как исчерпывается то, чем производится счет предметов – пальцев рук, наборов камешков, зарубок на бревне и пр., т. е. моделей единичной системы счисления, но не бесконечностью совокупностей тех предметов, которые подлежит счету. Так, «много птиц» становится «стаей», «много деревьев» — «лесом», много «капель воды» — дождем. В то же самое время всякий алгоритм для МТ, чтобы та могла преодолеть самый простой вариант теста Тьюринга, должен получить достаточную сложность, которой необходимо достичь, чтобы машина, выполняющая этот алгоритм, начала бы обладать качествами разума. Это критическое значение для МТ (предположим на миг, что оно существует) должно быть столь огромным, что ни один самый простой алгоритм, разрешаемый человеческим разумом, не может быть создан не то что одним программистом за всю его жизнь, но даже многими и поколениями программистов, посвятивших всю свою жизнь одной этой цели.
ПРОБЛЕМЫ ИНСАЙТА ДЛЯ ИИ
Инсайт — это понятие психологии, с которым связывают каждый момент осознания организма себя как целого. Некоторые эксперименты в психологии позволяют оценить частоту этой величины. Оценки показывают, что для реализации «одного момента сознания» нужно примерно одновременное возбуждение 1000 нейронов. Тогда количество таких событий – осознания себя как Я, например, у человека, может достигать сотен миллионов секунду, т. е. практически непрерывно.
С практической стороны эта идея для ИИ может показаться абсурдной, но принципиально она далеко не абсурдна. Она вносит существенные изменения в первоначальные выводы тех сторонников сильной концепции, которые, не учитывая семантики и прагматики знака «сложность», утверждают о том, что простое выполнение алгоритма достаточной сложности вызывает ощущения, присущие разуму. Тогда сам тест Тьюринга оттесняется на задний план другой, кажущейся не менее серьезной проблемой. А именно: что если программисты более похожи на множество нейронов в человеческой центральной нервной системе (ЦНС), чем на мозг в целом. Ведь вряд ли можно ожидать от отдельных нейронов, чья функция, по-видимому, является главной для вычислительной деятельности организма, чтобы они каждый в отдельности понимали, что думает их собственник — мозг. Для создания такого понимания необходим еще один орган — некий надцентральный процессор (НЦП), который бы регистрировал одновременно каждый дискретный шаг каждого программиста и составлял бы из них каждое мгновение целостную картину. С физической точки зрения в этой модели на первый план выступает принцип одновременности, посредством которого события, совершающиеся в разных местах организма, сводились бы в одно место и рассматривались бы там, как одно событие. И такой НЦП в каждом живом организме действительно существует (это упомянутое выше понятие «инсайт» — интегральное ощущение организма как целого и тождественного только себе, но не другому организму), но что касается его работы, то она не может быть построена на принципе дискретности, на котором создаются все алгоритмы. Так, рота т шагает в ногу не потому, что она как нечто целое «понимает», как надо шагать, а потому что каждый «элемент» данного множества подчиняется ритму, задаваемой командиром.
Существуют и другие очень серьезные проблемы, связанные с концепцией сильного ИИ, которые мы здесь не рассматриваем, но все они, так или иначе, связываются с понятием алгоритмической сложности. И совершенно неважно, кто реализует эту сложность и приводит ее в действие — человеческий ли мозг, механическое устройство из штифтов и шестеренок, электронный суперкомпьютер, командир отряда, директор компании — в рамках этой концепции существенным для приведения данного «разума» в действие не является только логическая структура алгоритма. Способ же его физической реализации с помощью тех или иных «рычагов» уходит на второй план, и эту задачу решает уже не сама сложная система, а некий НЦП, управляющий ее сложными алгоритмическими действиями.
Эту форму диалектики, как известно, обсуждал в своих философских работах еще Декарт, утверждавший, что существует единство двух различных и, следовательно, логически противоположных субстанций: «разумной» и «материальной». Как это единство реализуется в каждом отдельном случае — это отдельная проблема. Ключевое же положение этой гипотезы, которую в той или иной форме высказывали и другие философы эпохи нового рационализма, заключается в предположении, что «разумная субстанция» не может состоять из той же элементной базы, что и обычная «материя», на базе которой, согласно нашему представлению, выполняются алгоритмы. «Разумная субстанция» в концепции сильного ИИ — это НЦП, возвышающийся как интеллектуальная надстройка над сложной (противоречивой) логической структурой алгоритмической иерархии, а ее «физическое воплощение», как отмечалось выше, для данного «разума» не имеет особого значения. Иначе говоря, любая алгоритмическая сложность принципиально обладает некоей — назовем ее полевой — формой существования, в пределах которой реализуется принцип одновременности для элементов ее вещественной формы (или «материи»).
В более общем философском ракурсе эта форма диалектики иллюстрирует собой часть проблемы, возникшей еще в эпоху классики и эллинизма между идеальным миром Платона и физическим миром Аристотеля, которая не получила настоящего разрешения и по сей день, а рассматривается изолированно друг от друга соответственно как идеализм или материализм. Если же совместить эти две концепции в единую стратегию, то мы должны признать, что указанные мыслители уже тогда по-своему выдвинули идею сильного ИИ, но решали ее с двух противоположных сторон. Аристотель создал теорию алгоритмов — двухзначную логику ИИ, а Платон — его полевую надстройку, где вечно, т. е. вне времени, «живут» идеи, объединяющие сложные логические составляющие мышления в единое интеллектуальное пространство-время. Вывод из этой точки зрения может быть только один: человеку с его разумом «задаваться не надо», ибо он лишь весьма незначительная часть того огромного интеллектуального пространственно-временного континуума, который В. И. Вернадский назвал ноосферой. В конце концов, каждый отдельный человек осознает нечто лишь тогда, когда получает соответствующую информацию об этом нечто извне или через воспоминание. Эта информация воздействует на его сознание и тем самым изменяет как состояние его ума, так и ноосферу в целом. Если это так, то это означает, что именно изменения алгоритмов (здесь мы рассматриваем обработку информации как алгоритмический процесс) должны приниматься за события, происходящие в процессе умственной деятельности индивида, а не само суммирование или, точнее говоря, суперпозицию этих алгоритмов, каким-то образом происходящую в полевой надстройке коллективного сознания.
ПРОБЛЕМА ОСТАНОВКИ МТ И ЕЕ РЕШЕНИЕ РАЗУМОМ
Название основной работы Тьюринга («О вычислимых числах») свидетельствует о том, что он первоначально разрабатывал свою теорию, чтобы получить ответ на вопрос, заключенный в проблеме алгоритмической разрешимости, поставленной Гильбертом в контексте его десятой проблемы. Когда абстрактная модель универсальной МТ была построена, Тьюринг обнаружил, что он мог бы перефразировать этот вопрос следующим образом: остановится ли n-я МТ, если ей на вычисление поступит некоторое число m? Эта задача впоследствии получила название проблема остановки универсальной МТ. В принципе, всегда можно составить список команд, согласно которым МТ никогда не остановится при любом m: для этого лишь достаточно не включить в них команду STOP. Очевидно, что алгоритм, который никогда не прекращает работу, бесполезен. «Вечное движение» МТ эквивалентно ее «вечному покою», т. е. это, собственно говоря, вовсе не алгоритмический процесс, ибо он не выдает никакого результата. Поэтому важно иметь ответ на вопрос: приведет ли когда-нибудь работа некоторой МТ над числом m к какому-то выходному данному?
Все математические задачи можно переформулировать в терминах проблемы остановки универсальной МТ. Примером такого рода задач может служить гипотеза Гольдбаха: любое четное число представимо суммой двух простых чисел. Вычислительный процесс, с помощью которого можно установить, относится ли некоторое натуральное число к простым или нет, является типично алгоритмическим, поскольку достаточно проверить делимость данного числа на все числа, меньшие его, а это достигается с помощью конечного числа вычислений. Можно создать МТ, которая перебирает четные числа, пробуя все возможные разбиения их на пары нечетных чисел. Например,
6 = 3 + 3; 8 = 3 + 5; 10 = 3 + 7; … 100 = 37 + 73 = 47 + 63 и т. д.,
убеждаясь, что для каждого четного числа какое-то из разбиений (хотя бы одно из них) образовано двумя простыми числами.
Такая машина должна работать либо вечно (представим, что она не имеет ограничений ни по расходным материалам, ни по источнику питания), либо остановится в том случае, когда она находит четное число, для которого ни одно из разбиений не является парой простых чисел. Остановка МТ была бы контрпримером к предположению Гольдбаха, т. е. этот факт в виде некоторого результата был бы опровержением его гипотезы. Но что произойдет, если МТ никогда не остановится? В таком случае ничего не произойдет, так как вечная работа МТ не приносит никакого результата и для наблюдателя это будет то же самое, если бы она вовсе не работала.
Отсюда следует, что самая возможность познания, опирающаяся на метод полной математической индукции, кажется неразрешимой антиномией. Чтобы эту антиномию снять, с одной стороны, возникает необходимость в дедуктивном методе, которым человеческий разум, в отличие от МТ, устраняет неразрешимые алгоритмические проблемы, а, с другой, — если теоремы, которые затем выводятся по правилам формальной логики, есть чистые тавтологии, то каким образом аксиоматический метод должна считаться наукой о познании природного мира?
Как известно, обобщенные истины, которые затем используются в качестве аксиом, выводятся не из бесконечного, а из конечного числа положений, и затем считается, что они присущи не только нашему разуму, но и самой природе. Таким образок, не только математик, но и физик-экспериментатор не может обойтись в своей деятельности без интуиции, под которой мы понимаем обобщение по неполной индукции. Другими словами, человеческий мозг вычисление заменяет понятием, и эта логическая процедура называется обобщением. Здесь существуют, правда две крайности: либо сомневаться во всем и тогда обобщение (создание рабочей аксиомы) становится невозможным, либо все поспешно обобщать с первого взгляда, и тогда открывается простор для создания разного рода глупостей . Первую крайность можно сравнить с вечно работающей МТ, вторую — с ее состоянием вечного покоя. Эти две крайности де могут быть присущи человеческому разуму, ибо он тогда бы не смог выйти из животного состояния. Правильный путь, как говорили древние восточные мудрецы — это срединный путь.
Однако и срединный путь не может гарантировать ученого от ошибочных (или поспешных) обобщений. Здесь на помощь должен приходить опыт, который, с одной стороны, предоставляет свободный выбор, а, с другой, — ограничивает слишком широкую экспериментальную деятельность из-за необходимости экономии ресурсов (во всяком случае так должно быть). Научная интуиция, следовательно, должна быть подобна толковому правительству, которое наделено свободой в своих действиях, но при этом ограничено законами и бюджетом, установленными парламентом.
Многие современные теоретики, к сожалению, этой простой вещи не понимают. Они предаются ничем не ограниченным обобщениям, забывая, что свобода чистого разума — не есть произвол. В итоге они приходят к средневековому методу познания, называемому схоластическим (или номиналистическим), посредством которого они плодят несуществующие миры. При этом их наука формально, с позиции логики МТ выглядит вполне пристойной (дедуктивно она непогрешима) и, следовательно, может быть описана вполне эффективными алгоритмами , но она бессмысленна.
- Код ссылки на тему, для размещения на персональном сайте | Показать
