Проблемы искусственного и естественного интеллекта - вчера, сегодня, завтра

Проблемы  искусственного и  естественного интеллекта - вчера, сегодня, завтра

Умрюхин Е.А.

НИИ нормальной физиологии им. П. К. Анохина РАМН, Москва

Часть I. Рациональная

Знаковым, значительным и отрадным представляется обращение  ведущего круглого стола В.Г. Редько [1] к вопросам, которые были центральными на заре развития нейрокибернетики, но затем ушли в тень и теперь снова становятся актуальными. В этой связи хотелось бы высказать некоторые соображения относительно подходов к решению поставленных вопросов и задач.

В конце пятидесятых, начале 60-х годов XX века крупнейшими  учеными, такими как Н. Винер, А.Н. Колмогоров, П.К. Анохин, Р. Эшби, Д. Маккей, А.И. Берг и другими были намечены принципиальные проблемы, решение которых должно было бы обеспечить построение искусственных интеллектуальных систем. Среди этих проблем – самоорганизация, преодоление огромного разнообразия, возникающего при управлении реальными сложными системами, адресация информации в сложных базах данных, обеспечивающая быстрый и эффективный ее поиск и другие.

Для построения интеллектуальных систем, имитирующих  деятельность мозга, П.К. Анохиным была выделена ключевая проблема потребного результата как системоорганизующего фактора и поставлена задача моделирования  предвидения будущего результата – построения акцептора результата действия. В сформулированной им теории функциональных систем эти и другие связанные с ними проблемы (такие как системогенез, принятие решения, афферентный синтез, контроль результатов и обратная афферентация - обратная связь - от сопоставления получаемых результатов с намеченными в акцепторе результатов действия и ее роль в коррекции поведения и обучении и другие) были обоснованы огромным экспериментальным материалом, полученным в школе П.К. Анохина и им лично, а также его глубоким логическим анализом и этого материала, и научных результатов, полученных в мировой науке о мозге.

Необходимо отметить, что П.К. Анохин проявлял высокую  заинтересованность в контактах  и сотрудничестве с математиками и инженерами, занимающимися вопросами искусственного интеллекта и сложных систем управления. Однако, поставленные им задачи часто не находили должного отклика, так как для имеющегося тогда аппарата и вычислительных возможностей (а также, возможно, и уровня их понимания) они были слишком сложны.

Успешное развитие теории функциональных систем в трудах К.В Судакова [2] существенно углубляет  и расширяет класс задач, в  которых возможно плодотворное взаимодействие нейрофизиологов и математиков  для достижения новых крупных  успехов в построении искусственных интеллектуальных систем. Однако на этом пути необходимо преодоление определенных стереотипов мышления и переход на качественно новый уровень сотрудничества между двумя направлениями исследований.

Еще в начале 60-х годов под непосредственным руководством П.К. Анохина нами была разработана алгоритмическая модель механизма предвидения в работе мозга (Умрюхин, 1964 – подробно ссылки на ранние и последующие работы автора приведены в книге Умрюхин, 1999 [3]).

Эта модель уже  в своей первоначальной форме операционально (т.е. воспроизводимо - в виде алгоритма для ЭВМ) отражала некоторые принципиальные моменты в построении сложных интеллектуальных нейроподобных систем, такие как:

- принцип иерархической организации слоев памяти на основе иерархии результатов (Умрюхин, 1969),

- принцип обучения  – запоминания пройденной траектории  на основе обратной связи от совпадения или рассогласования получаемых результатов с намеченными в акцепторе результатов действия (Умрюхин, 1968) (принцип по своей сути эквивалентный ставшему популярным в 80-х годах принципу обратного распространения ошибки – back propagation of error) и другие.

В модели был  представлен также ряд других важнейших принципов деятельности мозга согласно теории функциональных систем. В ней была отражена операциональная (т.е. реализованная алгоритмически) схема афферентного синтеза, в которой решение о выборе будущей траектории поведения (акцепторе результатов действия и самих действиях) принималось на основе одновременного взвешенного учета мотивации, а также текущей афферентации и прошлого опыта – памяти. Модель воспроизводила различные формы поведения животных (аналогичные тем, которые сейчас описывается как траектории поведения анимата [1]), а также сложное поведение и обучение человека в условиях последовательного сенсомоторного обучения.

Основные результаты экспериментального исследования (на основе модели) последовательного обучения человека были опубликованы в 70-х годах (Умрюхин Е.А., 1972, 1976) и тогда же было показано, что принципиальную роль в таком поведении и обучении играет интуитивное неосознаваемое усвоение и использование информации (Умрюхин Е.А., 1972, 1976, 1979). В зарубежной литературе тема последовательного обучения (sequence learning) и экспериментального исследования неосознаваемого обучения (implicit, procedural memory) стала развиваться только в 80-х годах и сейчас продолжает интенсивно разрабатываться [4].

В последнем  опубликованном варианте нашей модели [2] отражены в виде двух взаимодействующих субсистем механизмы как сознательной, так и неосознаваемой психическлй деятельности мозга. Субсистема, воспроизводящая сознательную деятельность, включает механизмы, позволяющие представить образование абстракций и логическое мышление – деятельность мозга, которая с самого начала и до сих пор является главной темой работ по искусственному интеллекту.

В модели воспроизводятся  такие свойства человеческого сознания как рефлексия и память событий, происшедших в отдаленном прошлом. В модели воспроизводится также  использование такой осознаваемой памяти в предвидении и планировании событий, которые могут произойти в отдаленном будущем времени.

В то же время  в подсистеме, воспроизводящей подсознательную  деятельность мозга, представлено предвидение  ближайших будущих событий, связанное  с организацией сложных форм двигательной активности, построением (механизмами конструирования) многомерных образов воспринимаемой информации.

Несмотря на операциональность модели и воспроизведение  с ее помощью реального поведения  человека (Умрюхин, 1972,1976, 1982, 1999), модель не привлекла большого внимания математиков. Причина, возможно, заключалась в том, что, хотя в модели и было сформулировано несколько чисто математических задач (Умрюхин, 1964, 1969, 1974), основным методом их решения был алгоритмический просчет на ЭВМ с помощью метода Монте-Карло. Это, конечно, не соответствовало математической моде того времени – формулировать и решать пусть более простые задачи с концептуальной точки зрения, но зато хорошо математически оформленные.

По данному  поводу можно высказать следующие соображения.

В настоящее  время в гораздо большей степени, чем 40 лет назад, понимается общность глобальной задачи стоящей перед  учеными, исследующими мозг и его  работу, и науками, связанными с анализом и описанием искусственных интеллектуальных систем, в том числе и нейроноподобных. Можно, по-видимому, даже утверждать, что глобальная проблема в этих двух областях знаний по существу совпадает, так как реальное понимание механизмов мозга позволит воспроизвести их в искусственных системах. В свою очередь, воспроизведение реальных интеллектуальных функций, присущих мозгу, в искусственных системах даст вариант их реализации, который, наверное, будет отражать и то, как с этими задачами справляется мозг. Тем не менее, несмотря на общий характер глобальной задачи, частные подходы и частные задачи, решаемые в двух областях (интеллект естественный и интеллект искусственный) существенно различались в прошлом и существенно различаются сейчас.

Связано это  со многими причинами. Различаются  области знаний и умений, которыми владеют специалисты в двух разных областях, различается смысл употребляемых терминов. По-видимому, одной из важнейший причин различия частных задач является то, что различны пока конкретные сферы использования возможных решений этих задач, а также существующая оценка практической значимости этих сфер. Думается, что нет ничего плохого в этом различии частных задач. Тем не менее, взаимное оплодотворение двух областей весьма желательно и должно идти прежде всего через одинаковое понимание основных законов и явлений, механизмов и закономерностей в области искусственных и естественных интеллектуальных систем, а также через использование четких и одинаково понимаемых терминов и определений, сопрягающихся с реальными ситуациями.

Желательно также  конечно (и это все более осознается разными учеными) более осмысленное взаимодействие между двумя областями знаний. Представляется также важным, чтобы решение частных этапных задач не превращалось в самоцель. Должна сохраняться известная скромность при их решении, основанная на осознании того, что существенный прогресс в решении главной проблемы еще впереди. В этом смысле сегодняшнюю ситуацию можно все еще характеризовать как начало пути.

Что же касается практической значимости решаемых проблем  и задач, то в самое ближайшее время, может быть, будет осознано, что знание механизмов мозга и принципов естественного интеллекта станет первостепенной задачей и в социальных, и в экономических, и даже в военных областях практической деятельности.

В настоящее  время, также как и 40 лет назад, нейрофизиология и другие науки, исследующие мозг, ставят серьезные задачи и проблемы. Развитие теории функциональных систем К.В. Судаковым дало новые принципы и концепции для понимания работы мозга (К.В. Судаков, 1999, 2000 [2]). Можно отметить такие важные принципы, как системное квантование жизнедеятельности, иерархическое и последовательное квантование поведения, мультипараметрический принцип взаимодействия функциональных систем, голографический принцип организации процессов мотивации и памяти, новые представления об информационной организации взаимодействия функциональных систем и другие. Некоторые из них нашли отражение в моделях, разрабатываемых в последнее время (Судаков К.В., Викторов В.А. – редакторы. Моделирование функциональных систем, М. 2000).

Однако, для строгой  математической формулировки и решения  задач, возникающих в нейрофизиологии  и других областях исследования процессов  в мозге, нужна серьезная и  очень непростая работа, причем не только при тесном сотрудничестве математиков и нейрофизиологов, но желательно с объединением и взаимопроникновением знаний в этих областях путем их объединения в одной и той же ученой голове. Чтобы такое объединение было не случайным и единичным нужно соответствующее воспитание нового поколения молодых ученых.

Новые работы, возникающие  на стыке нейрофизиологии и нейроподобного моделирования, все чаще выполняются  специалистами, хорошо владеющими знаниями обеих наук. Представляется весьма перспективной работа по моделированию  систем искусственного интеллекта с использованием принципов эволюции естественного интеллекта [1]. Можно отметить также целый ряд работ, в которых сочетается высокий уровень экспериментального нейрофизиологического исследования со столь же высоким уровнем математического описания изучаемых закономерностей или механизмов [5].

Вместе с тем  можно отметить, что, как правило, эти работы относятся к анализу  частных и чаще всего нейронных  механизмов функционирования мозга. Модели, в которых делается попытка описать  общие системные механизмы мозга (например, механизмы сознания, мышления [6]), выполняются большей частью в виде некоторого словесного или схемного описания. Для реального воспроизведения этих моделей в математической или алгоритмической форме применительно к описанию нетривиальных поведенческих или психических ситуаций необходимо их представление в виде конкретных алгоритмов.

Огромные области  науки о мозге (роль отделов мозга, взаимодействие медиаторных сигнальных систем, нейрофизиологический анализ нарушений функций мозга и другие области) остаются пока в значительной степени вне сферы частных задач, решаемых математиками, работающими в области моделей нейронных сетей и нейроинформатики, искусственного интеллекта.

Для успешного  продвижения науки в области  понимания естественного и создания искусственного интеллекта представляется важным решить следующие проблемы:

1. Образование  и воспитание нового поколения  молодых ученых, хорошо и одновременно  владеющих знаниями в областях: и математики, и нейрофизиологии,  и современной психологии.

2. Использование  нетрадиционных и новых областей  математики, таких как, теория  хаоса – (обзор по применению  в медицине и физиологии [7]), другие  нелинейные и нестационарные  методы (например, изложенные применительно к физиологии и нейрофизиологии в монографии Мармарелисов (Мармарелис, Мармарелис . Анализ физиологических систем. Метод белого шума Перевод с английского и редакция Е.А. Умрюхина., Мир 1981), содание сложных компьютерных моделей и специальных нейрочипов для моделирования системных функций мозга и решения нетрадиционных интеллектуальных задач.

3. Выполнение  новых комплексных проектов с  использованием знаний и умений  математиков и нейрофизиологов  для решения задач реального  предсказания поведения социальных, экономических и других многомерных многосвязных и нелинейных систем и для реального управления такими системами с контролем достигаемых результатов и оценкой соответствия их предсказанным результатам.

Часть II. Иррациональная (2*3=7 ???). Возможно ли воспроизведение некоторых специфических функций человеческого сознания и интеллекта с помощью средств современной компьютерной техники или современной математики?