Развитие интуиции

В качестве примера можно рассмотреть задачу, где нужно выявить наличие подводных мин при помощи гидролокатора. Основная проблема: по отраженному сигналу отличить мину от камня или какого-нибудь другого предмета на дне. Невооруженным ухом сделать это практически невозможно. При этом, разумеется, отраженные эхо-сигналы мины и камня различны, но точно так же отличаются сигналы от камней из разных пород, от мин разного размера и конструкции или от предметов из других материалов. Размер, форма, расположение на дне – все эти факторы влияют на параметры отраженного эхо-сигнала. Так что эта задача, актуальная во время военных действий или при очистке акватории от мин после них, очень непроста. Некоторые устойчивые признаки есть, но они носят комбинаторный характер, то есть включают в себя множество комбинаций подобных характеристик. Мы не сможем свести различия эхо-сигналов от разных предметов (мин и камней) к каким-либо единичным характеристикам – например, мощности сигнала и его частоте. Для того чтобы отличить мину от камня, мы должны оперировать совокупностью параметров.

Предположим, нам надо проанализировать определенный эхо-сигнал на 13 частотных диапазонах и измерить амплитуду сигналов в каждом диапазоне. Обозначим частоты буквами латинского алфавита: А, В и далее до М – и чисто теоретически скажем, что мощность сигнала в каждом диапазоне может варьироваться от 0 до 10 баллов. Маловероятно, что данные, полученные хотя бы в одном из диапазонов, были достаточны для принятия четкого решения – камень или мина. В данном случае решить эту задачу, то есть установить отличительные признаки камней и мин, совсем не так просто. Недостаточно сказать – все камни отражают сигнал мощностью выше 7 баллов в диапазоне Н, а все мины – меньше 7 или, скажем, «если эхо-сигнал обнаружил камень, то мощность его в диапазоне С будет в 2–3 раза больше мощности в диапазоне J», тогда задача решалась бы просто. Единственная вразумительная схема, благодаря которой можно отличить камень от мины, должна выглядеть примерно следующим образом: «Есть вероятность, что эхо-сигнал получен от мины, если либо суммарное значение в диапазонах A, D и L в 6 раз превышает значения, полученные в диапазонах E и F, и в то же время H минус K меньше, чем половина J деленное на B; либо суммарное знание G, H, K и L более чем в 3,5 раза превышает суммарное значение A, B и C, поделенное на разницу между I и M». Чтобы точно определить разницу между миной и камнем, если это вообще возможно, нам нужны схемы именно такой степени сложности: их очень трудно обнаружить, распознать и еще труднее описать.

На самом деле операторы, которые обрабатывают данные эхолотов, временами могут довольно точно отличать камень от мины, однако, как участники экспериментов на познание путем впитывания, не могут четко выразить, что именно они знают. И все же человек не безупречен, а подобные ошибки могут стоить очень дорого. Чтобы научить искусственный интеллект отличать мины от камней, мы должны сделать так, чтобы он столкнулся с такой ситуацией на практике и накопил собственный опыт.

Нейронная сеть, включающая в себя только 22 разных нейрона, смогла на удивление верно показать, как осуществляется этот процесс. Нейроны расположены в три яруса (см. рис. 9). На первом ярусе находятся 13 чувствительных, или сенсорных, нейронов, соответствующих 13 диапазонам, на которые раскладывается звуковой спектр эхо-сигнала. Они настроены на определение мощности сигнала внутри определенного диапазона, а также излучают сигнал, пропорциональный их мощности, как настоящие нейроны передают потенциал действия. Все 13 нейронов посылают сигналы каждому из семи, находящихся на следующем ярусе, а каждый из них, в свою очередь, посылает отраженный сигнал каждому из двух нейронов с последнего яруса, обратный сигнал которых распознается как «мина» или «камень». Такая упрощенная модель мозга не способна построить больше связей, при этом она может четко продемонстрировать избирательную чувствительность каждого нейрона ко всем сигналам, которые он получает, именно так, как это происходит с настоящими нервными клетками.

Рис. 9. Простая нейронная сеть, помогающая отличить подводные камни от мин