Журнал «Вокруг Света» №10 за 2007 год

В 1950 году один из основоположников кибернетики, Алан Тьюринг, предложил тест, который должна пройти машина, чтобы ее можно было назвать мыслящей. Пусть эксперт обменивается тестовыми сообщениями с двумя собеседниками, один из которых человек, а другой — компьютер. Задача эксперта — за время разговора отличить машину от человека. Тьюринг ожидал, что к 2000 году компьютеры с памятью около 100 Мбайт смогут в 30% случаев обманывать эксперта в течение 5 минут. Машины уже стали много мощнее, но пока ни один робот не прошел тест Тьюринга. Впрочем, уже есть программы, которым под силу некоторое время выдавать себя за человека, если собеседник не ожидает, что общается с роботом. Такие программы находят применение в компьютерных играх, чатах и даже в рекламе. Если вы владеете английским, попробуйте пообщаться с ALICE ( www.alicebot.org ), трехкратным победителем в соревнованиях разговаривающих программ. К сожалению, на русском языке ничего близкого по уровню пока нет.

Роботы-автомобили с искусственным интеллектом перед гонкой DARPA по пересеченной местности в 2005 году. Синий — победитель Stanley — от Стэнфордского университета, красные — H1ghlander и Sandstorm — от Университета Карнеги-Меллона

Ошибки — путь развития

Часть спама («мусорной» электронной почты) просачивается через любую защиту, но гораздо хуже, что иногда в отвалы попадают важные деловые письма. Ошибки — неотъемлемый атрибут интеллекта, в том числе искусственного, поскольку именно на ошибках он формируется. Простейший случай обучения — та самая подстройка весов, которой мы занимались при подборе ноутбука. Это — обучение вручную. Спам-фильтры более самостоятельны в учебе: вы лишь указываете им на ошибки, а они сами уточняют веса признаков спама.

 Еще автономнее интеллектуальные роботы, играющие на бирже. Они сами оценивают эффективность своих действий по достигнутым результатам и корректируют поведение. Лучшие современные системы такого типа уже не уступают трейдеру средней квалификации. Они, конечно, тоже ошибаются, но по характеру ошибки робота отличаются от ошибок человека, хотя бы потому, что первый никогда не пойдет на поводу у эмоций. А бывает и так, что сами разработчики не понимают, почему робот принял определенное решение, и предполагают ошибку, а спустя некоторое время глядишь — он оказывается прав. Поневоле возникает ощущение, что мы действительно имеем дело с разумом, хотя и сильно отличающимся от человеческого.

Быть может, эту разницу можно нивелировать, если попробовать воспроизвести принципы организации человеческого мозга? Обычно в науке, если удается смоделировать явление, то его основные принципы можно понять, исследуя модель. Эта идея привела к построению и изучению нейронных сетей — систем ИИ, устроенных по аналогии с мозгом человека. Нейроны (в модели это несложные однотипные программные объекты) соединяются между собой в сеть квазислучайным образом. Каждый нейрон определенным образом реагирует на сигналы, поступающие на его входы. Одни сигналы возбуждают нейрон, другие тормозят возбуждение. В результате на его выходе формируется сигнал, передаваемый другим нейронам. На входы некоторых нейронов подается внешняя информация, подлежащая обработке, а на выходах некоторых других формируется результат. Поскольку сеть соединена случайным образом, ее ответы поначалу тоже будут случайны, то есть бессмысленны. Тут и начинается процедура обучения.