Текст книги "Игра в имитацию. О шифрах, кодах и искусственном интеллекте"

Мы можем с большей убедительностью показать, что любое утверждение такого рода является неоправданным. Действительно, допустим, что мы были бы в состоянии отыскать такие законы (если они существуют). Тогда, если нам будет дана некоторая машина с дискретными состояниями, становится возможным получить посредством наблюдения над ней достаточно данных, чтобы предсказать ее поведение в будущем, причем сделать это можно будет в приемлемый срок, скажем в 1000 лет. Но, по-видимому, дело обстоит не так. Я вводил в Манчестерскую вычислительную машину небольшую программу, занимающую 1000 ячеек памяти, используя которую, машина в ответ на введенное в нее 16-значное число выдает в течение двух секунд другое 16-значное число. Попытайтесь-ка извлечь из этих ответов такую информацию о программе машины, которая была бы достаточна для предсказания ее ответа на любое, еще не испробованное число. Держу пари, что вам это не удастся.

Возражение с точки зрения сверхчувственного восприятия

Я предполагаю, что читателю знакомо понятие о сверхчувственном восприятии и его четырех разновидностях, именно о телепатии, ясновидении, способности к прорицанию и психокинезисе[19]19
  Телепатия, ясновидение, способность к прорицанию и психокинезис. В словаре английского языка Н. Вебстера смысл этих терминов разъясняется следующим образом. Телепатия (от греч. tele – вдаль, далеко и pathos – чувство, страдание) – «связь одного ума с другим, осуществляющаяся без участия органов чувств; передача мыслей на расстоянии» (Webster. New International Dictionary of English Language, Second Edition, Unabridged, 1958, p. 2594). Ясновидение (англ. clair-voyance) – «явление или способность различения объектов, которые не воспринимаются чувствами, но считаются имеющими объективную реальность». Пророчество (англ. precognition) – «способность предвидеть события; предугадывание будущего» (там же, стр. 1944). Психокинезис (от греч. psyche – душа и kinesis – движение) – «вызывание физического движения с помощью психических средств».


[Закрыть]. Эти поразительные явления, по-видимому, опровергают все наши обычные научные представления. Как бы нам хотелось доказать их несостоятельность! К несчастью, статистические данные, по крайней мере в случае телепатии, на их стороне. Очень трудно перестроить наши представления так, чтобы охватить и эти новые факты, ибо тот, кто верит в сверхчувственное восприятие, по-видимому, не так уже далек от веры в чертей и духов. Ведь взгляд, что жизнь и деятельность человека подчиняются только естественным законам (laws of physics) – как тем, которые уже известны нам, так и тем, которые еще не открыты, но которые предполагаются в некотором смысле аналогичными уже открытым, – напрашивается прежде всего[20]20
  Представления о сверхчувственном восприятии издавна служили средством пропаганды суеверий и мистики. При этом для подкрепления этих представлений использовались как вымышленные, мнимые факты (иллюзии, самообман или сознательное введение в заблуждение), так и некоторые явления, имевшие под собой основание, но не получившие научного объяснения на данной ступени развития человеческих знаний. Долгое время к явлениям последнего рода относились, например, факты, связанные с гипнозом или повышенной кожной и мышечно-суставной чувствительностью, свойственной некоторым людям (к чему, по-видимому, сводятся многие «психологические опыты» по «передаче мыслей на расстоянии»). Развитие науки принесло естественно-научное, материалистическое объяснение этих явлений. Так, например, можно считать установленным, что словесные раздражители – в том числе и внутренняя речь – вызывают изменения в потоке нервных импульсов, идущих к мышцам, что ведет к сокращению отдельных групп мышечных волокон даже в тех случаях, когда соответствующее движение не реализуется. Люди, обладающие повышенной кожной и мышечно-суставной чувствительностью, могут воспринимать даже незначительные мышечные сокращения у других людей и на этом основании получать некоторую информацию о содержании внутренней речи – т. е. о мыслях – другого человека. Что касается тех фактов, на которые и сейчас ссылаются сторонники сверхчувственного восприятия, особенно телепатии, то непроверенность их – на фоне известных случаев внушения и самовнушения и вообще некорректности опытов – в значительной мере признают даже сами сторонники этих явлений.
  Обсуждение вопросов, относящихся к так называемому мысленному внушению (телепатии), – вместе с рассмотрением некоторых научных гипотез, выдвинутых для их объяснения, – читатель может найти в книге: Васильев Л.Л. Таинственные явления человеческой психики. М.: Госполитиздат, 1959, а также в брошюре: Гуляев П.И. Мозг и электронная машина. Л., 1960. Нет сомнения, что какие бы факты, относящиеся к способам передачи информации – быть может, связанные с опытами по телепатии, получившими в настоящее время известное распространение, – не были в дальнейшем установлены наукой, они неизбежно получат естественно-научное объяснение. Вся история науки свидетельствует о материальности мира и закономерном характере его развития, несовместимом ни с какими формами суеверий и мистики.


[Закрыть].

Возражение с точки зрения сверхчувственного восприятия, по моему мнению, является достаточно серьезным. На него можно было бы возразить, сказав, что многие научные теории, несмотря на весь шум вокруг сверхчувственного восприятия, остаются применимыми на практике, так что в действительности можно прекрасно обойтись и без него, попросту забыв о его существовании. Это, пожалуй, слабое утешение; есть опасение, что мышление относится как раз к одному из тех явлений, к которым сверхчувственное восприятие имеет, быть может, непосредственное отношение.

Не в столь общей форме возражение, основанное на сверхчувственном восприятии, может быть выражено так: «Будем играть в имитацию, используя в качестве отвечающих на вопросы человека, способного воспринимать телепатические воздействия, и цифровую вычислительную машину. Задающий вопросы может сформулировать, например, такой вопрос: “Какой масти карта в моей правой руке?” Человек с помощью телепатии или ясновидения дает правильные ответы в 130 случаях из 400. Ответы же машины могут только случайно оказаться правильными, и она сможет угадать масть, скажем, лишь в 104 случаях. Это позволит задающему вопросы отличить человека от машины».

Здесь открывается интересная возможность. Допустим, что в нашей цифровой вычислительной машине имеется устройство случайной выдачи чисел. Тогда весьма естественно использовать его для получения ответов на вопросы. Но тогда это устройство случайной выдачи чисел будет находиться под влиянием психокинетических способностей задающего вопросы. Возможно, что психокинезис приведет к тому, что машина будет давать правильные ответы гораздо чаще, чем этого следует ожидать, исходя из вероятностных расчетов, так что задающий вопросы может оказаться не в состоянии сделать правильное заключение относительно того, кто из участников человек, а кто машина. С другой стороны, он может, вообще не задавая никаких вопросов, узнать это с помощью ясновидения: если в дело вмешивается сверхчувственное восприятие, возможно еще и не такое.

Если считать, что телепатия возможна, необходимо ввести ограничения в наш критерий. Можно, например, требовать, чтобы ситуация была аналогична той, которая возникает, когда задающий вопросы обращается к самому себе, а один из участников игры подслушивает его через стенку. Чтобы удовлетворить всем требованиям нашей игры, отвечающих на вопросы следовало бы поместить в комнату, «защищенную от телепатии».

VII. Обучающиеся машины

Читатель, вероятно, уже почувствовал, что у меня нет особенно убедительных аргументов позитивного характера в пользу своей собственной точки зрения. Если бы у меня были такие аргументы, я не стал бы так мучиться, разбирая ошибки, содержащиеся во мнениях, противоположных моему собственному. Сейчас я изложу те доводы, которыми я располагаю.

Вернемся на секунду к возражению графини Лавлейс, согласно которому машина может выполнять лишь то, что мы ей приказываем. Можно сказать, что человек «вставляет» в машину ту или иную идею, и машина, прореагировав на нее некоторым образом, возвращается затем к состоянию покоя, подобно фортепианной струне, по которой ударил молоточек. Другое сравнение: атомный реактор, размеры которого не превышают критических. Идея, вводимая человеком в машину, соответствует здесь нейтрону, влетающему в реактор извне. Каждый такой нейтрон вызывает некоторое возмущение, которое в конце концов замирает. Но если величина реактора превосходит критические размеры, то весьма вероятно, что возмущение, вызванное влетевшим нейтроном, будет нарастать и приведет в конце концов к разрушению реактора. Имеют ли место аналогичные явления в случае человеческого разума, и существует ли нечто подобное в случае машин? В первом случае, кажется, следует дать утвердительный ответ. Большинство умов, по-видимому, являются «подкритическими», т. е. соответствуют, если пользоваться проведенным выше сравнением, подкритическим размерам атомного реактора. Идея, ставшая достоянием такого ума, в среднем порождает менее одной идеи в ответ. Несравненно меньшую часть умов составляют умы надкритические. Идея, ставшая достоянием такого ума, может породить целую «теорию», состоящую из вторичных, третичных и еще более отдаленных идей. Ум (mind) животных, по-видимому, явным образом подкритичен. Развивая нашу аналогию, мы ставим вопрос: «Можно ли сделать машину надкритической?»

Для уяснения поставленного вопроса имеет смысл прибегнуть еще к одной аналогии, именно уподобить человеческий разум луковице. Рассматривая функции ума или мозга, мы обнаруживаем определенные операции, которые возможно полностью объяснить в терминах чисто механического процесса. Можно сказать, что они не соответствуют подлинному разуму: это своего рода «кожица», которую следует удалить, для того чтобы обнаружить настоящий разум. Однако, рассматривая оставшуюся часть, мы снова найдем «кожицу», которую следует удалить, и т. д. Возникает вопрос: если мы будем продолжать этот процесс, удастся ли нам прийти когда-нибудь к «настоящему» разуму или же, в конце концов, мы снимем кожицу, под которой ничего не останется? В последнем случае мы считаем, что разум имеет механический характер. (Правда, он не может быть машиной с дискретными состояниями. Этот вопрос мы уже рассматривали.)

Два последних абзаца вовсе не претендуют на роль убедительных доказательств. Их скорее следовало бы считать аргументами риторического характера.

Единственно убедительное доказательство, которое могло бы подтвердить правильность нашей точки зрения, приведено в начале раздела VI и состоит в том, чтобы подождать до конца нашего столетия и провести описанный эксперимент. А что же можно сказать в настоящее время? И что можно было бы предпринять уже сейчас, если исходить из предположения, что эксперимент окажется успешным?

Как я уже объяснял, проблема заключается главным образом в программировании. Прогресс в инженерном деле также необходим, однако маловероятно, чтобы затруднение возникло с этой стороны. Оценки емкости памяти человеческого мозга колеблются от 1010 до 1015 двоичных единиц. Я склоняюсь к нижней границе и убежден, что лишь очень небольшая доля емкости памяти человека используется в высших типах мышления, причем из того, что используется, большая часть служит сохранению зрительных восприятий. Для меня было бы неожиданностью, если бы оказалось, что для игры в имитацию на удовлетворительном уровне требуется емкость памяти, превышающая 109, во всяком случае, если бы игра велась против слепого человека. (Заметьте: емкость Британской энциклопедии, 11-е изд., составляет 2*109.) Емкость памяти, равная 107, практически представляется вполне осуществимой, даже при современном состоянии техники. Вероятно, нет необходимости вообще далее увеличивать скорость машинных операций. Те части современных машин, которые можно рассматривать как аналоги[21]21
  Говоря о том, что нет необходимости в дальнейшем увеличении скорости машинных операций, автор, по-видимому, имеет в виду главным образом требования, возникающие при игре в имитацию. Во всяком случае, при математических применениях быстродействующих вычислительных машин, обусловленных развитием современной науки и техники, требования к быстроте их работы непрерывно возрастают. Если лучшие из ныне эксплуатируемых автоматических цифровых вычислительных машин работают со скоростью порядка десятков тысяч операций (сложений и умножений) в секунду, то ряд машин, которые осваиваются в настоящее время, имеют скорость работы уже порядка сотен тысяч операций в секунду. Что касается проектируемых типов машин, то для них выдвигается требование доведения скорости вычислений до миллионов операций в секунду.


[Закрыть] нервных клеток, работают примерно в тысячу раз быстрее последних. Это создает «запас надежности», могущий компенсировать потери в быстроте, возникающие во многих случаях. Перед нами стоит задача составить машинную программу для игры в имитацию. В настоящее время скорость моей работы как программиста составляет примерно тысячу знаков в день; если исходить из такой скорости программирования, то получится, что шестьдесят работников могли бы полностью закончить работу, о которой идет речь, если бы они работали непрерывно в течение пятидесяти лет, при условии, конечно, что ничего не пойдет в корзину для бумаг. Желателен, по-видимому, какой-нибудь более производительный метод[22]22
  Вместе с развитием автоматических быстродействующих цифровых вычислительных машин начали разрабатываться и методы, облегчающие программирование задач для решения на этих машинах. Одним из наиболее распространенных методов, ускоряющих ручное программирование, явился метод стандартных подпрограмм. Суть метода состоит в том, что составляется коллекция («библиотека») программ для часто встречающихся участков вычислительных процедур (типовые, или стандартные, подпрограммы); при подготовке задач к решению на быстродействующих цифровых вычислительных машинах типовые подпрограммы в различных сочетаниях включаются в составляемую программу. А. Тьюринг в период своей работы в Манчестерском университете принимал активное участие в разработке метода библиотечных подпрограмм в применении к машине Ф. Вильямса и Т. Килберна.
  Впоследствии наряду с методами, облегчающими ручное программирование, начали развиваться методы автоматизации программирования. Автоматизация программирования заключается в передаче некоторых этапов подготовки программ для решения задач на быстродействующих цифровых вычислительных машинах самим этим машинам. Главным в автоматическом, или машинном, программировании является использование так называемой программирующей программы. Машина, в которую введена программирующая программа, получив сравнительно небольшую по объему исходную информацию о данной задаче и методе ее решения, автоматически составляет программу решения задачи. Начиная с 1954–1955 гг. в Советском Союзе построен и используется ряд программирующих программ. Автоматизация программирования значительно облегчает труд по подготовке машинного решения задач и сокращает время программирования.
  Несомненно, что программирование машин для игры в имитацию – разумеется, при условии что оно сопровождается необходимыми уточнениями в постановке задачи, – является чрезвычайно сложной проблемой, возможность практического решения которой, по-видимому, существенно зависит от дальнейшего развития автоматического программирования, в области которого в настоящее время ведутся исследования по различным направлениям. Об автоматизации программирования см., например: Китов А.И. и Криницкий Н.А. Электронные цифровые машины и программирование. М.: Физматгиз, 1959. Гл. X.


[Закрыть].

Пытаясь имитировать ум (mind) взрослого человека, мы вынуждены много размышлять о том процессе, в результате которого человеческий интеллект достиг своего нынешнего состояния. Мы можем выделить три компоненты:

1) первоначальное состояние ума, скажем, в момент рождения;

2) воспитание, объектом которого он был;

3) другого рода опыт, воздействовавший на ум, – опыт, который нельзя назвать воспитанием.

Почему бы нам, вместо того чтобы пытаться создать программу, имитирующую ум взрослого, не попытаться создать программу, которая бы имитировала ум ребенка? Ведь если ум ребенка получает соответствующее воспитание, он становится умом взрослого человека. Как можно предположить, мозг ребенка в некотором отношении подобен блокноту, который мы покупаем в киоске: совсем небольшой механизм и очень много чистой бумаги. Наш расчет состоит в том, что механизм в мозгу ребенка настолько несложен, что устройство, ему подобное, может быть легко спрограммировано. В качестве первого приближения можно предположить, что количество труда, необходимое для воспитания такой машины, почти совпадает с тем, которое необходимо для воспитания ребенка.

Таким образом, мы расчленили нашу проблему на две части: на задачу построить «программу-ребенка» и задачу осуществить процесс воспитания. Обе эти части тесно связаны друг с другом. Вряд ли нам удастся получить хорошую «машину-ребенка» с первой же попытки. Надо провести эксперимент по обучению какой-либо из машин такого рода и выяснить, как она поддается научению. Затем провести тот же эксперимент с другой машиной и установить, какая из двух машин лучше. Существует очевидная связь между этим процессом и эволюцией в живой природе, которая обнаруживается, когда мы отождествляем: структуру «машины-ребенка» – с наследственным материалом, изменения, происходящие в «машине-ребенке», – с мутациями, решение экспериментатора – с естественным отбором.

Тем не менее можно надеяться, что этот процесс будет протекать быстрее, чем эволюция. Выживание наиболее приспособленных является слишком медленным способом оценки преимуществ. Экспериментатор, применяя силу интеллекта (intelligence), может ускорить процесс оценки. В равной степени важно и то, что он не ограничен использованием только случайных мутаций. Если экспериментатор может проследить причину некоторого недостатка, он, вероятно, в состоянии придумать и такого рода мутацию, которая приведет к необходимому улучшению.

Невозможно применять в точности один и тот же процесс обучения как к машине, так и к нормально развитому ребенку. Например, машину нельзя снабдить ногами; поэтому ее нельзя попросить выйти и принести ведро угля. Машина, по-видимому, не будет обладать глазами. И как бы хорошо ни удалось восполнить эти недостатки с помощью различных остроумных приспособлений, такое существо нельзя будет послать в школу без того, чтобы другие дети не потешались над ним. И вот такое существо мы должны чему-то научить. Отметим, что не стоит особенно беспокоиться относительно ног, глаз и т. д. Пример мисс Елены Келлер[23]23
  Елена Келлер (Keller) (род. в 1880 г.) – американская слепоглухонемая, получившая высшее образование. В возрасте полутора лет в результате болезни потеряла зрение и слух и стала немой. Когда девочке было 6 лет, родители пригласили воспитательницу, которая через посредство осязания научила ребенка говорить, а затем читать и писать (по системе для слепых). Е. Келлер прошла школьный курс, изучила языки, окончила университет; она является автором ряда книг.
  Случай Е. Келлер – не единственный случай воспитания слепоглухонемых. В Академии педагогических наук РСФСР в качестве научного сотрудника работает О.И. Скороходова, которая с 5 лет потеряла зрение и слух. Она была воспитана в Харьковской клинике для слепоглухонемых детей. Известна ее книга: Скороходова О.И. Как я воспринимаю и представляю окружающий мир. М., 1954.


[Закрыть] показывает, что воспитание возможно, если только удается тем или иным способом установить двустороннюю связь между учителем и учеником.

Обычно процесс обучения в нашем представлении связан с наказаниями и поощрениями. Идея применения какой-либо формы этого принципа обучения может лежать в основе конструирования и программирования некоторых простых «машин-детей». В этом случае машину следует устроить таким образом, чтобы поступление в нее сигнала-«наказания» приводило к резкому уменьшению вероятности повторения тех реакций машины, которые непосредственно предшествовали этому сигналу, в то время как сигнал-«поощрение», наоборот, увеличивал бы вероятность тех реакций, которые ему предшествовали (которые его «вызвали»). Все это не предполагает со стороны машины никаких чувств. Я проделал несколько экспериментов с одной такой «машиной-ребенком» и достиг кое-какого успеха в обучении ее некоторым вещам, но метод обучения был слишком необычен, чтобы эксперимент можно было считать действительно успешным.

Применение поощрений и наказаний в лучшем случае может быть лишь частью процесса обучения. Проще говоря, если у учителя нет других средств общения со своими учениками, то количество информации, которую может получить ученик, не превышает общего числа примененных к нему поощрений и наказаний. Вероятно, к тому времени, когда ребенок выучит наизусть стихотворение «Касабьянка»[24]24
  «Касабьянка» (Casabianca) – стихотворение английской поэтессы Хеманс (Felicia Hemans, 1793–1835). Повествует о мальчике 10 лет, сыне капитана Касабьянки, который вместе с отцом погиб на горящем военном корабле, отказавшись покинуть судно, взорванное своим командиром Касабьянкой во время морского боя.


[Закрыть], он будет до крайности измучен, если процесс обучения будет идти по методу игры в «20 вопросов»[25]25
  «Двадцать вопросов» – распространенная в Англии игра в вопросы и ответы. Обычно ведется так. Один из играющих задумывает некоторое понятие. Другой играющий отгадывает задуманное, задавая вопросы, предполагающие ответы (обязательно правдивые) вида «да» или «нет». Количество вопросов, которое имеет право задать отгадчик, не должно превышать некоторого заранее установленного числа. Отгадчик выигрывает, если при указанных условиях отгадает, что же было задумано первым играющим.


[Закрыть], причем каждое «нет» учителя будет принимать для ученика форму подзатыльника. В силу этого необходимо иметь какие-то другие, «неэмоциональные» каналы связи. Если такие каналы имеются, то, применяя поощрения и наказания, машину можно было бы научить выполнять команды, отдаваемые на каком-либо – например, символическом – языке. Эти команды следует передавать по «неэмоциональным каналам». Применение такого символического языка значительно снизит число требуемых поощрений и наказаний. О том, какая степень сложности является наиболее пригодной для «машины-ребенка», могут быть различные мнения. Можно стремиться к тому, чтобы «машина-ребенок» была настолько простой, насколько этого возможно добиться, не нарушая общих принципов. Можно идти противоположным путем: «встраивать»[26]26
  В «машину-ребенка». (Прим. ред.) Лучше сказать: «впрограммировать», так как наша «машина-ребенок» будет программироваться на цифровой вычислительной машине. Однако указанная логическая система не будет обучаемой.


[Закрыть] сложную систему логического вывода. В последнем случае значительную часть запоминающего устройства заняли бы определения и суждения (propositions). Суждения по своему характеру должны быть различного рода, например: утверждения о хорошо известных фактах, предположения, математически доказанные теоремы, высказывания авторитетных лиц, выражения, по своей логической форме являющиеся суждениями, но не претендующие на верность. Некоторые из этих суждений могут быть охарактеризованы как «приказания». Машину следует устроить так, чтобы, как только некоторое приказание будет оценено ею как «вполне достоверное» (well-established), автоматически выполнялась соответствующая операция. Чтобы пояснить это, предположим, что учитель говорит машине: «Теперь выполняй домашнее задание», а машина реагирует на это тем, что ситуация «Учитель говорит машине: “Теперь выполняй домашнее задание”» включается в число вполне достоверных фактов. Другим фактом такого же рода в ней может быть: «Все, что говорит учитель, истинно». Комбинация этих фактов может[27]27
  В случае если в упомянутой выше системе логического вывода, встроенной в машину, содержатся соответствующие аксиомы и правила выведения следствий. (Прим. ред.)


[Закрыть], в заключение, вести к тому, что приказание «Теперь выполняй домашнее задание» тоже будет включено в разряд вполне надежных фактов, а это, в свою очередь, будет значить, в силу устройства нашей машины, что последняя действительно начнет выполнять домашнее задание, – что нам и было нужно. Процесс логического вывода, применяемый машиной, вовсе не обязательно должен быть таков, чтобы он удовлетворял требованиям самых строгих логиков. Например, может отсутствовать иерархия типов[28]28
  Здесь имеется в виду иерархия типов, предложенная Бертраном Расселом с целью избежать противоречий (антиномий), обнаруженных в логике и теории множеств в конце XIX – начале XX столетия (см. Гильберт Д. и Аккерман В. Основы теоретической логики / перев. с нем. М., 1947. Гл. IV, § 4–6 и приложение I, а также: Клини С.К. Введение в метаматематику / перев. с англ. М., 1957. Гл. III, § 11–12). Обнаружение этих противоречий сыграло значительную роль в выяснении трудностей, связанных с задачами логического обоснования математики, но на развитии самой теории множеств и особенно ее математических приложений стало сказываться лишь в самое последнее время в связи с созданием конструктивных математики и логики. Ни к каким противоречиям в самой математике применение так называемой «наивной» теории множеств, во всяком случае, не привело. Этим, по-видимому, объясняется выраженная Тьюрингом ниже уверенность в том, что и без логического устройства, соответствующего иерархии типов, вероятность для машины впасть в логическую ошибку – при наличии у нее достаточно осторожного «учителя» – не больше вероятности для человека упасть в пропасть, не огороженную забором.


[Закрыть]. Но это отнюдь не означает, что вероятность связанной с этим ошибки, которую может сделать машина, больше вероятности того, что человек может упасть в пропасть, если ее край не будет огорожен. В рассматриваемом случае подходящие приказания (выраженные внутри системы формального вывода, а не составляющие часть ее правил), например такие, как «Не используйте некоторый класс, если он не является подклассом класса, который ранее упоминался учителем», могут иметь эффект, аналогичный тому, какой имеет предупреждение: «Не подходите слишком близко к краю обрыва».

Приказания, которые может выполнять машина, не имеющая ни рук, ни ног, должны касаться преимущественно интеллектуальных сторон деятельности, как это было в приведенном выше примере (с домашним заданием). Из такого рода приказов наиболее важными будут приказания, определяющие порядок, в котором следует применять правила рассматриваемой логической системы. Ибо на каждой стадии применения логической системы перед нами открывается большое число возможных шагов, которые исключают друг друга и любой из которых мы можем осуществить, следуя правилам рассматриваемой системы. Как производится такой выбор – в этом и выражается различие между глубоким и посредственным умом, но это не имеет отношения к правильности или неправильности рассуждений. Суждения, которые порождают приказания такого рода[29]29
  То есть приказания, касающиеся порядка применения правил логической системы. (Прим. ред.)


[Закрыть], могут быть, например, такими: «Если упоминается Сократ, то применяй силлогизм модуса Вагвага» или: «Если один метод приводит к результату быстрее, чем второй, не применяй более медленный». Одни из них могут исходить от «авторитетного лица», другие же могут вырабатываться самой машиной, например с помощью неполной индукции.

Некоторым читателям мысль об обучающейся машине может показаться парадоксальной. Как могут меняться правила, по которым машина производит операции? Ведь правила должны полностью описывать поведение машины независимо от того, какова была ее предыстория и какие изменения она претерпела. Таким образом, правила должны быть абсолютно инвариантными относительно времени. Все это, конечно, верно. Объяснение этого парадокса состоит в том, что правила, которые меняются в процессе научения, не претендуют на это, ибо их применимость носит преходящий характер. Читатель может провести параллель с Конституцией Соединенных Штатов[30]30
  Автор имеет здесь в виду то, что к Конституции США (выработана и утверждена в 1787–1789 гг.) – при сохранении ее основного содержания (изменения и дополнения к американской конституции обставлены весьма сложной процедурой) – за истекшее со времени ее принятия время был сделан целый ряд поправок (ныне их число составляет 22).


[Закрыть].

Важная особенность обучающейся машины состоит в том, что ее учитель в значительной мере не осведомлен о многом из того, что происходит внутри нее, хотя он все же в состоянии в известных пределах предсказывать поведение своей ученицы. Сказанное особенно применимо к дальнейшему воспитанию машины, прошедшей уже хорошую подготовку и вышедшей из начальной стадии «машины-ребенка». Такое положение, очевидно, в корне отличается от обычного подхода, связанного с применением машин для вычислений, когда мы стремимся к тому, чтобы иметь ясное представление о состоянии машины в любой момент вычисления, достичь чего можно лишь с трудом. В свете сказанного взгляд, что «машина может выполнить только то, что мы умеем ей предписать», кажется странным. Большинство программ, которые мы можем ввести в машину, вызывают в ее работе кое-что такое, что мы вообще не в состоянии осмыслить или рассматриваем как чисто случайное поведение. Интеллектуальное (intelligent) поведение предполагает, по-видимому, некоторое отступление от абсолютно детерминированного (desciplinedy) поведения в процессе вычисления; это отступление, однако, должно быть очень незначительным, чтобы не вызвать полностью беспорядочного поведения или бессмысленных повторений отдельных циклов. Другой важный результат обучения как способа подготовки нашей машины для участия в игре в имитацию состоит в том, что «присущая человеку склонность к ошибкам» будет, по-видимому, обойдена естественным образом, т. е. без специального «натаскивания». Процесс обучения не обязательно должен быть успешным во всех случаях; если бы это было так, то не встречались бы случаи неудачи в обучении.

Вероятно, в обучающуюся машину имеет смысл ввести случайный элемент. Случайный элемент довольно полезен, когда мы ищем решение какой-нибудь задачи. Пусть, например, требуется найти число, расположенное между 50 и 200 и равное квадрату суммы своих цифр; мы можем сначала проверить число 51, затем 52 и продолжать до тех пор, пока не найдем то, которое удовлетворяет условию задачи. Но мы можем поступить иначе: выбирать числа наугад до тех пор, пока не получим то, которое нам нужно. Этот метод имеет то преимущество, что не требует хранения в памяти уже проверенных значений; однако он имеет и отрицательную сторону, состоящую в том, что одно и то же число может быть подвергнуто проверке повторно, но это не так уж существенно, если задача имеет несколько решений. Систематический метод имеет другой недостаток: именно, может случиться, что придется проверять массу значений, не содержащих ни одного решения, прежде чем будет найдено первое число, обладающее нужным свойством.

В нашем случае процесс обучения можно рассматривать как поиски такой формы поведения, которая бы удовлетворяла требованиям учителя (или какому-нибудь другому критерию). Поскольку в этом случае, по-видимому, имеется весьма большое число решений, отвечающих предъявленным требованиям, постольку метод случайного выбора представляется нам предпочтительнее систематического. Следует отметить, что метод случайного выбора применяется и в другом аналогичном процессе – в эволюции. Но там систематический метод невозможен вообще. Не ясно, каким образом было бы возможно в процессе эволюции сохранять информацию о тех разнообразных генетических комбинациях, которые были испробованы, с тем чтобы предупредить возможность их повторного применения.

Мы можем надеяться, что машины в конце концов будут успешно соперничать с людьми во всех чисто интеллектуальных областях. Но какие из этих областей наиболее пригодны для того, чтобы начать именно с них? Решение даже этого вопроса наталкивается на затруднения. Многие считают, что начать лучше всего с какой-нибудь очень абстрактной деятельности, например с игры в шахматы. Другие предлагают снабдить машину хорошими органами чувств, а затем научить ее понимать и говорить по-английски. В этом случае машину можно будет обучать, как ребенка: указывать на предметы и называть их и т. д. В чем состоит правильный ответ на этот вопрос, я не знаю, но думаю, что следует испытать оба подхода.

Мы можем заглядывать вперед лишь на очень небольшое расстояние, но уже сейчас очевидно, что нам предстоит еще очень многое сделать в той области, которая была предметом настоящей статьи.

Перевод Ю. В. Данилова