Романтика искусственного интеллекта

По мнению основателя ассоциативной психологии, английского врача Д. Хартли (1705–1757), ассоциативное мышление – понятие, отражающее факт использования в мышлении закона ассоциации (сочетания): любая связь представлений и действий выводима из ощущений и оставленных ими следов в мозгу. Например, ученик, решавший задачу некоторое время назад, помнит логическую цепочку, приведшую к составлению квадратного уравнения. Получив новую задачу, с похожим условием, он включает ассоциативную связь и пробует пройти той же дорогой. Если условия двух задач действительно похожи, то нет ничего невероятного, что этот путь опять приведет к квадратному уравнению.

Понятие ассоциации в психологии разработано достаточно хорошо и в плане определения, и в плане описания механизмов работы ассоциативного мышления, настолько хорошо, что сомневаться в реальности существования такого типа мышления уже не приходится. Но чем точнее и полнее мы сможем описать ассоциативное мышление, тем точнее и полнее встанет и другая правда, что это всего лишь один из механизмов, некий частный случай, не решающий задачи в целом. Ассоциации, например, не объясняют нашу способность к обобщению, не объясняют существования абстракций, процесс формирования цели и многое другое.

В общем, надо признать, что психологи, логики, математики, кибернетики сделали очень много для понимания частных механизмов мышления, но чем теории становились детальнее, тем отчетливее проступал факт нерешаемости вопроса в целом. Можно описать интеллект как деятельность сознания, формализовать понятие гештальта, алгоритмизировать способность к аналитике, синтезу в рамках той или иной формальной схемы, но ответ на главные вопросы все равно ускользает:

• Каким образом интеллектуальная система способна самообучаться без ограничения областей знания?

• Что такое знание, как оно используется для получения нового знания?

• Как феномен интеллекта связан с феноменом сознания?

• Что означает создать искусственный интеллект?

Эвристические алгоритмы

Заход на проблему со стороны формальной логики, психологии, вместе с попыткой увязать наметившееся понимание с возможностями имеющейся цифровой техники, высветил очень серьезную проблему – большой разрыв между сложностью задачи и имеющимися ресурсами моделирования. Этот разрыв принципиален. Компьютерный алгоритм в классическом понимании (здесь надо оговориться, я имею в виду понимание, существовавшее на заре развития компьютерной техники) – вещь, железно приводящая к одному и тому же результату вне зависимости от количества запусков алгоритма. Миллион раз запускаем, миллион раз получаем один и тот же ответ при одних и тех же входных параметрах. А если входных данных не хватает, то алгоритм просто не работает.

Интеллектуальная система, напротив, может начать работу и при недостатке данных, и даже острая нехватка информации не становится препятствием для получения результата, пусть и не всегда удовлетворительного. Интеллектуальная система не работает в строгих рамках. Она способна выбирать путь из нескольких вероятных. В общем, она способна работать эвристически.

Эвристика – это основанное на опыте правило, существенно ограничивающее поиск решения в сложной задаче. Эвристика не гарантирует оптимальности полученного решения, полезная эвристика предлагает варианты, которые с высокой долей вероятности оказываются достаточно хорошими.

Прежде чем двигаться дальше, позвольте привести простой пример эвристического алгоритма. В учебниках по программированию можно встретить задачу о двух кучах камней. Ее условие таково: есть одна большая куча камней, возможно разного веса. Требуется раскидать ее на две кучи так, чтобы между ними была минимальная разница в весе.

Вообще, если нам не нужен реальный результат за ограниченное время, то задача решается очень легко. Загоним камни исходной кучи в массив и построим из полученного таким образом массива все возможные сочетания камней. Каждое сочетание – это одна куча, а оставшиеся вне сочетания камни – другая. Для каждой полученной таким образом пары определим разницу в весе и выберем из всех пар ту, для которой разница минимальна.

Проблема в том, что этот алгоритм переборный. А количество всех возможных сочетаний из N элементов равно 2^N. То есть даже при очень небольшой исходной куче, например в 100 камней, общее количество сочетаний 2¹⁰⁰. И получается так, что решение есть и его как бы нет. Дождаться, когда компьютер его обнаружит, человеческой жизни не хватит. А теперь давайте откажемся от желания найти идеальное решение. Пусть нам будет достаточно решения хорошего. Тогда возможен такой алгоритм:

• Упорядочим исходную кучу камней в порядке убывания веса.

• Пока в исходной куче камней есть хотя бы один камень, делаем:

– берем очередной камень;