CC BY
109
8. Тихонов, А.В. Теоретические основы социальной регуляции управленческого типа [Текст] / А.В. Тихонов // Личность. Культура. Общество. — Т. XI, вып. 3 (№ 50). - М., 2009.
9. Лапин, Н.И. Общая социология [Текст] / Н.И. Лапин. - М., 2006.
10. Шипунова, О.Д. Социотехническая система и социокультурная среда в современном обществе [Текст] / О.Д. Шипунова, И.В. Коломейцев // Науч.-техн. вед. СПбГПУ. Сер. Гуманит. и обществ. науки. — 2010. — № 1 (105).
11. Корсани, А. Капитализм, биотехнонаука и неолиберализм [Текст] / А. Корсани // Горц А. Нематериальное. Знание, стоимость и капитал. — М., 2010. — С. 162-192.
12. Романенко, И.Б. Экзистенциализм и персонализм: определение образовательных идеалов XXI века [Текст] / И.Б. Романенко // Изв. РГПУ. - 2005. -№ 5 (10). — Сер. Общественные и гуманитарные науки (философия). — С. 59—65.
УДК 165.0
А.Н. Одинцов
ПРОБЛЕМА МОДЕЛИРОВАНИЯ ЗНАНИЯ В ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ
В современных теориях моделирования познавательных способностей человека недостаточно разработана проблема изучения естественного интеллекта, а именно вопрос о понимании знания и информации в контексте их взаимосвязи и детерминации. При этом актуальным становится исследование вопросов: каким образом структурируется и «работает» знание, «какими типами знания обладает человек, как репрезентировано его личное знание, как он к нему приходит и использует» [4, с. 49].
Сложность проблемы состоит в том, что для понимания знания большое значение имеют те его компоненты, которые не представлены явно, существуют как подтекст, скрытые основания и предпосылки, образующие в его структуре «нерефлексируемый до поры до времени слой» [5, с. 36]. Эксплицитно выраженные знания — это лишь незначительная часть общей базы знаний человека, представляющей собой самоорганизующуюся и саморегулирующуюся систему.
Субъективный, «неявный компонент» является неотъемлемой частью всякого знания и обусловлен социальной природой субъекта познания, его включенностью в общественные отношения и условия окружающей среды в целом. Важная роль «личностного коэффициента» познающего обусловлена тем, что все наше «персептивное и когнитивное понимание
мира» [Там же. С. 30] в значительной степени формируется и изменяется под воздействием формируемых в собственном сознании репрезентаций. При этом по типу создаваемых нами репрезентаций трансформируются и наши собственные формы восприятия и познания, способы видения и понимания.
Личностный компонент, представляющий собой неотъемлемую часть познавательного процесса и функционирования знания, является «специфическим и неотъемлемым качеством субъективной реальности» [3, с. 75]. Такая реальность представляет собой динамический континуум сознаваемых состояний человека, который предполагает возможность абстрагирования, высокую степень свободы действия в сфере субъективной реальности в смысле «пробных мысленных действий, моделирования ситуаций, прогнозирования, проектирования, фантазирования, творческих решений, не связанных с задачей текущего выживания, возможность самополагания и волеизъявления» [Там же]. Иными словами, понятие субъективной реальности охватывает область неявной и личностной составляющей знания.
Конкретное явление субъективной реальности принадлежит данному уникальному «Я» и несет личностный отпечаток. Такое взаимодействие Д.И. Дубровский называет эго-систе-мой головного мозга, которая образует высший
уровень мозговой самоорганизации на сознательном и бессознательном уровнях, является уникальным аппаратом усвоения, обработки информации и формирования знания, способна оказывать управляющее воздействие.
Процесс познания представляет собой формирование в мозгу человека субъективного информационного отображения действительности, выраженного в построении модели окружающего мира. Такое «отображение» является кодовой интерпретацией информационных структур и обладает свойствами модели. Оно активно и динамично, а его фрагменты актуализируются на основе «выявленных в предыдущем опыте и отраженных в модели законов среды» [9, с. 132]. Человек строит в своем мозгу «модель себя и себя в мире» [Там же. С. 133], и такая система построений может быть охарактеризована как субъективная реальность познающего, его знание, представленное в виде «мозговых нейродинамических кодов информации» [3, с. 230].
В контексте проблемы моделирования познавательных способностей естественного интеллекта в искусственном актуален вопрос о принципиальной возможности моделирования способности к формированию и обладанию знанием как информационной структурой субъективной реальности познающего. Изначально такое моделирование велось в рамках парадигмы «разум как машина», подразумевающей создание искусственной копии естественного интеллекта на основе выявления логических конструкций мышления, попыток кодирования и алгоритмизации мозговых процессов как совокупности информационных и управляющих сигналов.
Многие исследования в этой области были связаны с выявлением и анализом возможных структурных блоков переработки информации и принципов их объединения в единую функциональную архитектуру. Они были направлены на выделение процессов и видов памяти, аналогичных процессам преобразования и блокам хранения информации вычислительных устройств, которые последовательно оперируют дискретными символами.
Однако, по справедливому утверждению H.A. Бернштейна, отражение мира познающим субъектом иное, оно строится по типу моделей, в которых мозг не запечатлевает поэлементно и пассивно вещественный инвентарь внешне-
го мира, но «налагает на него те операторы, которые моделируют этот мир, отливая модель в последовательно уточняемые и углубляемые формы» [1, с. 287]. Познавательная деятельность при этом не сводится к непосредственному отражению окружающей действительности, функциональных связей и отношений между ее элементами. Данный процесс представляет собой конструирование субъективно полезных моделей реальности, фиксирующих контекстуально значимые ее элементы и структуры.
С целью объяснения этих процессов Д. Брод-бентом была предложена концепция селективных фильтров внимания, осуществляющих отбор релевантной и подавление иррелевантной информации на двух различных уровнях. Периферический фильтр осуществляет градуальный отбор по значимости основных характеристик, а центральный — производит выбор между различными активированными участками памяти. Работа этого фильтра приводит к эффектам отбора по категориальным, семантическим признакам, которые и играют ведущую роль в организации ответных реакций.
Для понимания критериев отбора была предложена модель трехмерного семантического пространства коннотативных (аффективных, предшествующих осмыслению) значений, в которой измеряемые объекты могут оцениваться по ряду биполярных градуальных шкал. Оценки понятий по отдельным шкалам взаимосвязаны, поэтому с помощью статистической процедуры факторного анализа можно выделить группы сильно взаимосвязанных шкал, объединить их в факторы.
Такая модель семантического пространства позволяет перейти к более емкому описанию объектов с помощью меньшего набора категорий-факторов, представив содержание объекта, его коннотативное значение как совокупность факторов, данных с различными коэффициентами веса: оценка («хороший — плохой»); сила («сильный — слабый»); активность («активный — пассивный»). Человек, обладая естественными информационными фильтрами, способен анализировать поступающую информацию, количественно оценивая значимость отдельных ее факторов по трем шкалам. Это позволяет ему отсеивать некачественную, малозначимую для него информацию и воспринимать более ценную.
Таким образом, в рамках классического этапа исследований моделирования естественного интеллекта человек представлялся как абсолютно рациональный механизм, основным свойством которого является использование своих знаний для того, чтобы оптимизировать взаимодействие с окружением. При этом познание понималось как совокупность процессов, посредством которых сенсорная информация трансформируется, редуцируется, усиливается, сохраняется, извлекается и используется. При таком подходе считалось, что способности человека в обработке информации и приобретаемое им знание напрямую зависят от его физических свойств и устройства мозга как ее носителя. Такое представление о детерминации разумной деятельности мыслящего существа оказалось способным объяснить лишь его внешние проявления, но не учитывает таких скрытых и важных свойств, как интуиция, творчество, иррациональная составляющая.
Продолжая разработку компьютерной метафоры, У. Найссер сравнивает нейрофизические процессы в мозгу человека с действиями его структуры — «хардвером» (hardware), а мыслительную деятельность — с работой программного обеспечения, или «софтвера» (software), отдавая приоритетное значение последней. При этом между «хардвером» и «софтвером» нет жесткой связи, следовательно, механическая редукция разумной деятельности человека к специфике его конструктивного устройства невозможна.
С точки зрения Найссера, познавательные способности человека обусловлены структурой функциональных отношений мозга, его способностью репрезентировать получаемую информацию и работать с ней. Подобные взгляды характерны для исследований А. Тьюринга, по утверждению которого, для выполнения всякого произвольного набора вычислительных операций достаточно одной-единственной цифровой вычислительной машины, снабженной надлежащей программой. Это суждение верно также и в обратную сторону, т. е. один и тот же набор функций может быть воспроизведен различными по своему структурному и физическому устройству системами. Согласно данным представлениям, информация понимается как инвариантная по отношению к свойствам носителя.
Таким образом, в области моделирования интеллекта утвердилась мысль, что полноценные когнитивные репрезентации могут быть сформированы достаточно мощной компьютерной программой. Сложилось устойчивое мнение, что для изучения данной проблемы вполне достаточным является формальное описание вовлеченных в переработку информации процессов, даже если их нейрофизиологический механизм остается неизвестным. Подобные представления о природе внутренних репрезентаций были необходимы, чтобы в рамках компьютерной метафоры показать, что знания и следствия из них могут в буквальном смысле слова вычисляться.
Наиболее точное описание феномена знания в контексте классического подхода в целом можно выразить с использованием такого компьютерного термина, как «база знаний вычислительной машины». При этом знание понимается как совокупность двух составляющих: статичной информации, являющейся продуктом деятельности «разумной» системы либо изначально ей переданной («декларативное знание»), и управляющей информации, представляющей собой набор логически заданных процедур, контролирующих сбор, хранение, поиск, структурирование и практическое применение накопленных знаний («процедурное знание»). Иными словами, под базой знаний понимается совокупность фактов и правил вывода, допускающих логический вывод и осмысленную обработку информации.
Сложность моделирования систем искусственного интеллекта в рамках классического подхода заключается в том, что «нет явного способа указать системе, какие выводы следует делать, а какие — не следует» [7, с. 117]. Одним из возможных путей решения проблемы представляется идея «неточной копии» информационных процессов в искусственном интеллекте по сравнению с естественным. В данном случае знание не передается в готовом виде, как составляющая информационной реальности, а происходит создание условий для его успешного конструирования и структурирования познающей системой. Человеку помимо логической разумности свойственна метафоричность и нелинейность мышления, он не может строить адекватные репрезентации в постоянно изменяющейся действительности,
основываясь только на статических статистических данных.
Одной из концепций, потенциально способной обеспечить условия для развития искусственной самореферентной системы, является теория фреймов М. Минского, в основе которой лежит суждение о том, что знания о мире складываются по определенным сценариям, моделям стереотипных ситуаций — фреймам. Невозможно в точности запрограммировать все нюансы, присущие естественной самореферентной системе, но применение фрейма как известной и прогнозируемой реакции на некоторое входное воздействие отчасти компенсирует этот недостаток.
При таком подходе получается, что вся «тонкая» обработка была произведена заранее в естественном интеллекте и закреплена в форме знания. В результате этого неспособность к формированию знания из пространства информационной реальности искусственным интеллектом самостоятельно компенсируется передачей ему обработанного материала.
Таким образом, в некоторой ограниченной области существования искусственной интеллектуальной системы использование фреймов позволяет частично привить ей свойство субъективной реальности. При этом фреймовая база машины способна на основании самих фреймов взаимодействовать, т. е. использовать неявное знание, «глубинные, скрытые от непосредственного наблюдения связи и элементы ментальных явлений, не представленные в явном виде в базе знаний» [6, с. 368], переданные ей как сценарий.
Такое понимание проблемы информационной структуры знания позволило отойти от классических моделей «разумного» фон-Неймановского компьютера и способствовало становлению качественно иного подхода в создании искусственного интеллекта. При этом идеи независимости интеллектуальных процессов от физических признаков носителей, их структурная универсальность в совокупности с мощной программно-функциональной базой привели к становлению концепции модулярности и пониманию параллельной переработки информации в естественном интеллекте и его моделировании в искусственном.
Такой подход был разработан Д. Марром, предположившим, что любая вычислительная
задача может быть реализована как совокупность частей, независимых друг от друга настолько, насколько это возможно. Такое представление имеет большую когнитивную ценность для понимания феномена нелинейности мышления, присущего естественному интеллекту. Марр объяснил это свойство по принципу обратной связи, утверждая, что даже небольшое изменение в одном из компонентов сложной системы может отразиться на состоянии остальных ее частей. При этом важным выводом является то, что данный процесс в целом будет «очень трудно избавить от ошибок или улучшить, как путем вмешательства человека, так и посредством естественной эволюции» [10, с. 485], так как любое изменение, ведущее к улучшению отдельного фрагмента, будет сопровождаться множеством компенсаторных изменений во всей системе.
Попытки создания моделей естественного интеллекта, отвечающих принципам «модулярности» знания, были предприняты в рамках научной концепции, получившей название сетевого подхода, известного также как «кон-некционистский». Его основная характеристика — идея о коммуникативной и контекстуальной структуре знания, функционирующего по сложным нелинейным принципам. Когнитивная система понимается как разветвленная сеть, все элементы которой являются «потенциально связанными между собой и одновременно участвующими в формировании ответа на стимульную конфигурацию» [2, с. 134]. При этом интерпретация и репрезентация некоторой информации прямо зависят от процессов категоризации. В ходе мыслительного процесса информация кодируется мозговой нейро-динамической системой, приобретая статус информации более абстрактного уровня субъективной реальности, наследуя признаки этой категории.
Другое преимущество коннекционистских моделей по сравнению с традиционными — это возможность «ассоциативного (контентно-адрес-ного) и распределенного хранения информации» [Там же. С. 136], а также адаптивного обучения. Распределенность хранения обусловлена тем, что субстратом фиксируемой информации в каждом конкретном случае является «не какой-то отдельный элемент, а сеть в целом, то есть состояния всех ее узлов и весовые коэффициенты
их связей» [2, с. 136]. При этом для последующего восстановления и извлечения сохраненных данных в такой системе достаточно фрагмента, который будет проассоциирован с остальными частями. Такое взаимодействие в случае его отражения в модели интеллекта позволит отойти от жестко детерминированной манипуляции информацией в сторону создания самоорганизующихся систем, обладающих свойством саморефлексии и способных к продуцированию категории знания наподобие естественного интеллекта.
Проблема исследования самоорганизующихся систем, способных к самостоятельной интерпретации информации и планированию собственной деятельности, была поставлена в нейрокибернетике. Основным свойством такой системы является «умение» в процессе своей работы находить наилучший способ решения поставленных перед ней задач, оптимизируя свое поведение согласно особенностям внешней среды, как это свойственно естественному интеллекту.
Изучение устройства мозга и принципов его функционирования привело к идее построения математической модели структурно-функциональной клетки нервной системы, нейрона. Это достижение позволило создавать неалгоритмические искусственные интеллектуальные
модели, способные к самостоятельному формулированию некоторых закономерностей собственных информационных процессов на основе выборки эмпирического опыта. Такие модели способны извлекать определенные знания из данных, а также заново открывать фундаментальные законы природы, выявлять ранее не исследованные зависимости и закономерности.
С точки зрения А.Л. Шамиса, такие системы могут быть представлены как динамические совокупности неустойчивых элементов, обладающие «внутренней информационной и регуляционной активностью» [9, с. 214]. При этом их важной особенностью является наличие потребности в «получении информации и отображении среды в модели» [8, с. 202], что может рассматриваться как условие возникновения искусственной субъективной реальности, так как такие модели формируются с позиции субъекта.
Таким образом, активные системы искусственного интеллекта, построенные по коннекци-онистским принципам, могут пониматься как эмпирическая реализация нетрадиционного понимания знания, его кодово-информацион-ной субъективной реальности, где информация непрерывно актуализируется, сопоставляется и кодируется, формируя более сложные структуры — «информацию об информации».
СПИСОК ЛИТЕРАТУРЫ
1. Бернштейн, H.A. Очерки по физиологии активности и физиологии движений [Текст] / H.A. Бернштейн. — М.: Медицина, 1966.
2. Величковский, Б.М. Когнитивная наука: основы психологии познания [Текст]. В 2 т. Т. 1 / Б.М. Величковский. — М.: Смысл : Академия, 2006. — 448 с.
3. Дубровский, Д.И. Человек и компьютер. Новая реальность [Текст] / Д.И. Дубровский // Сознание, мозг, искусств. интеллект: сб. статей. — М., 2007. - 27 с. - С. 220-237.
4. Микешина, Л.А. Новые информационные технологии и судьбы рациональности в современной культуре [Текст] / Л.А. Микешина // Вопр. филос. — 2003. - № 12. - С. 3-53.
5. Она же. Новые образы познания и реальности [Текст] / Л.А. Микешина, М.Ю. Опенков. - М.: Рос. полит. энцикл. (РОССПЭН), 1997. - 240 с.
6. Она же. Философия науки: Современная эпистемология. Научное знание в динамике культуры.
Методология научного исследования [Текст]: учеб. пособие / Л.А. Микешина. — М.: Прогресс—Традиция : МПСИ : Флинта, 2005. - 464 с.
7. Минский, М. Фреймы для представления знаний [Текст]: [пер. с англ.] / М. Минский. — М.: Энергия, 1979. — 152 с.
8. Шамис, А.Л. Поведение, восприятие, мышление: проблемы создания искусственного интеллекта [Текст] / А.Л. Шамис. — М.: Едиториал УРСС, 2005. — 224 с.
9. Он же. Пути моделирования мышления: Активные синергетические нейронные сети, мышление и творчество, формальные модели поведения и «распознавания с пониманием» [Текст] / А.Л. Шамис. — М.: КомКнига, 2006. — 336 с.
10. Marr, D. Early processing of visual information [Text] / D. Marr // Philosophical Transactions of the Royal Society of London. — 1976. — B. 275. — P. 483—524.
