Возможности вычислительных машин и человеческий разум

         

Машинные модели в психологии


Очень сложная идея достигает иногда сознания людей в столь сильно упрощенном виде, что становится чуть ли не карикатурой на оригинал. И тем не менее эта бесплотная тень исходной идеи может привести к драматическому изменению общепринятых представлений о реальности. Обратимся, например, к эйнштейновской теории относительности. Мы, вероятно, никогда не поймем, каким образом и почему эта сугубо абстрактная математическая теория вообще привлекла внимание широкой публики, не говоря уже о том, почему на некоторое время она превратилась буквально во всеобщее помешательство, а ее автор стал героем поп-культуры. Но та же публика, ухватившаяся за миф о том, будто лишь пять человек в мире в состоянии понять эту теорию, и выказывавшая, таким образом, свое благоговение перед ней, относилась к этой теории также и как к новой основе для культурного плюрализма: в конце концов, ведь теперь наукой установлено, что все относительно.

Более свежий пример: отношение общества к работе Ф. Крика и Дж. Уотсона, которым была присуждена Нобелевская премия в области медицины 1962 г. за исследования молекулярной структуры ДНК - нуклеиновой кислоты, содержащейся в живой клетке и являющейся носителем наследственной информации. И в этом случае сугубо специальные результаты, сообщаемые на языке, не вполне доступном "человеку с улицы", были крайне примитизированы и чрезмерно обобщены в глазах общества, породив популярное сейчас представление о том, что уже возможно создавать человеческие существа, обладающие заранее предписанными свойствами. Мгновенно широкая публика создала образ позитивной евгеники [Прим. перев.: Евгеника - наука об использовании генетических принципов для улучшения наследственных качеств человеческих популяций (рас). Ее принципы впервые были сформулированы Ф. Гальтоном (1869), предложившим изучать влияния, которые могут улучшить наследственные качества (здоровье, умственные способности, одаренность) будущих поколений. Евгенику разделяют на позитивную и негативную. Первая исследует возможности размножения или сохранения аллелей [форм состояния гена, вызывающих фенотипические различия, расположенных в одинаковых участках гомологичных (парных) хромосом], обусловливающих желательный фенотип (совокупность всех признаков и свойств организма, сформировавшихся в процессе его индивидуального развития).
Негативная евгеника изучает методы борьбы с распространением или увеличением частоты аллелей, обусловливающих нежелательный фенотип. Идеи евгеники, однако, использовались и для оправдания расизма (фашизма). В современной науке многие проблемы евгеники решаются в рамках генетики человека, в том числе в медицинской генетике. Правомерность употребления термина "евгеника" остается спорной], основанной не на таких примитивных и (как я надеюсь) вызывающих отвращение методах, как уничтожение или стерилизация "неполноценных", а на создании сверхчеловека техническими средствами. Общим в обоих этих примерах является то обстоятельство, что каждый из них внес в обыденное сознание общества новые метафоры.
Метафора - это, по словам Ричардса, "по существу, взаимное заимствование и взаимосвязь мыслей, сделка между контекстами"1. Часто эвристическая ценность метафоры состоит не в выражении некоторой новой идеи (что она - метафора может делать, а может и не делать), а в стимулировании побуждения перенести инсайты, возникшие в связи с одним из ее контекстов, в другие ее контексты. Функция метафоры, таким образом, очень сходна с функцией модели.
Привлечение внимания человека к такой ситуации не обязательно приведет к появлению у него какой-то новой идеи, но это позволит ему вывести новые представления в результате перестановки двух контекстов, ни один из которых для него сам по себе не нов, однако связь между ними прежде им никогда не устанавливалась.
Ни идея движения одного объекта относительно другого, ни то, что человек, в сущности, - некоторый физический объект, не являлось новостью для общественного сознания в 20-х и 60-х гг. этого века. Когда же пресса в силу определенных причин начала кампанию в пользу теории Эйнштейна, воображение общества было поражено тем, что, как оказалось, наука объявила относительность фундаментальным и универсальным явлением. Таким образом, девиз "все относительно" превратился в формализованную концептуальную схему, пригодную, по крайней мере потенциально, для перенесения в любую другую область рассуждений, в частности, в качестве объясняющей модели, узаконивающей культурный плюрализм.


Результаты, полученные Криком и Уотсоном, упали на почву, уже подготовленную имевшимися, у широкой публики смутными представлениями о вычислительных машинах, схемах их элементов и узлов, теории информации (с ее упором на коды и кодирование) и, конечно, несколько более точными представлениями о менделизме [Прим. перев.: Менделизм - учение о закономерностях наследственности, положившее начало генетике как науке. Заложено Грегором Иоганном Менделем (1822-1884), австрийским естествоиспытателем. Менделизм сыграл в биологии революционизирующую роль, доказав, что наследственные факторы имеют корпускулярную, дискретную природу, а их переход от поколения к поколению определяется статистическими закономерностями], наследовании признаков и т. п. В результате людям было нетрудно рассматривать "раскрытие" генетического кода как расшифровку некоторой программы вычислительной машины, а то, что структура молекулы ДНК представляет собой двойную спираль, - как развертывание основной схемы соединений вычислительной машины.
Соединение такой концептуальной схемы с концептуальной схемой, рассматривающей человека в качестве некоторого физического объекта, фактически неизбежно приводит к выводу, что человека можно спроектировать и построить по заранее составленной подробной спецификации.
Нет смысла сетовать на то, что Эйнштейн никогда не предназначал свою теорию для роли одной из составляющих только что описанной метафоры. В конце концов, просто необходимо, чтобы два контекста, соединяемых метафорой, сначала были разъединены, так же как (выше я подчеркивал это) модель не обязана находиться в причинной связи с тем, что она моделирует. Осложнения, связанные с упоминавшимся употреблением двух метафор, заключается в том, что в обоих случаях эти метафоры были чрезмерно расширены.
Эйнштейн, имел в виду, что не существует какой-то фиксированной, абсолютной пространственно-временной системы отсчета, в пределах которой физические явления находят свою судьбу. Следовательно, всякое описание физического явления (и в этом смысле всего, что угодно) должно быть связано с некоторой определенной пространственно-временной системой отсчета.


Перепрыгивать отсюда к тому, что "все относительно", - значит зайти в игре словами слишком далеко.
Вклад Эйнштейна состоял в том, что движение, наперекор существовавшему до тех пор убеждению, не абсолютно. Когда кто-то из теории Эйнштейна делает вывод, что, скажем, богатство и бедность относительны в том отношении, что важны не абсолютные величины доходов богатого и бедного, а их соотношение, то он незаконно придает метафоре статус научного вывода.




Пример из области молекулярной биологии иллюстрирует другой аспект чрезмерного расширения метафоры: степень, в которой человек как биологический организм нами изучен, крайне преувеличивается. Результатом в лучшем случае является преждевременный отказ от соответствующих идей. Другими словами, метафора предполагает веру в то, что все, что должно быть известно, - известно.
Вычислительная машина послужила источником мощных и часто полезных метафор. Любопытно, что точно так же, как в уже приведенных примерах, восприятие публикой машинной метафоры основывается лишь на самом смутном понимании трудной и сложной научной концепции (в данном случае-теории вычислимости и результатов Тьюринга и Чёрча, касающихся универсальности определенных вычислительных схем). Публика смутно понимает, что в принципе с помощью вычислительной машины можно осуществить любую эффективную процедуру, и тем не менее она твердо убеждена в этом.
Поскольку человек, природа и даже общество реализуют процедуры, явно являющиеся в том или ином отношении "эффективными", то отсюда следует, что вычислительная машина может по крайней мере имитировать человека, природу и общество во всех их процедурных аспектах. Таким образом, все (снова это слово!), по меньшей мере потенциально, поддается пониманию в рамках машинных моделей и метафор. Действительно, на основе незаконного обобщения терминов "эффективный" и "процедура" термин "понимание" также получает новое определение. Для тех, кто полностью находится во власти машинной метафоры, понять X - значит быть в состоянии написать программу для вычислительной машины, реализующую X.


Яркий пример этого феномена дает профессор Марвин Минский, директор Лаборатории искусственного интеллекта Массачусетского технологического института [Прим. перев.: М. I. T.'s Artificial Intelligence Laboratory], который пишет:
"Для того чтобы (вычислительные машины) могли создавать по-настоящему хорошую музыку или очень выразительные картины, несомненно потребуется разработка в этих областях лучших семантических моделей. То, что такие модели отсутствуют, есть не столько отражение состояния эвристического (машинного) программирования, сколько результат традиционно постыдного состояния критического анализа искусства - отражение в культуре обстоятельства, что большинство специалистов по эстетическому анализу приходят в совершенное негодование, когда высказывается предположение о возможности понять, что они пытаются понять"2.
Очевидно, то, что Минский подразумевает под "пониманием" музыки или живописи, полностью отличается от того, что вкладывали в этот термин, скажем, Моцарт или Пикассо. Одно из употреблений Минским слова "понять" в процитированном отрывке - это, в сущности, игра слов, хотя, как я считаю, бессознательная. Сама непреднамеренность этого использования свидетельствует о том глубоком влиянии, которое оказывает на него указанная метафора [прим. авт.: Следует сказать, что профессор Минский принял машинную метафору не по простоте своей из-за неправильного понимания теории вычислимости и ее следствий. Совсем наоборот, будучи заслуженно общепризнанным авторитетом в области информатики, он принял эту метафору обдуманно и преднамеренно].
Это новое определение понимания сейчас очень широко распространено, причем не только в явном виде в научных кругах, но и неявно в массовом сознании. Оно влечет за собой, как печально констатирует психолог Джордж А. Миллер,
"что единственная причина, из-за которой что-то не может быть осуществлено с помощью универсальной машины Тьюринга, это то, что мы не понимаем этого "что-то".


При принятии этой интерпретации того, что входит в состав "понимания", любая попытка представить контрпримеры выливаются просто в признание собственно-то невежества или, если вы упорствуете в утверждении, что в состоянии понять нечто, не поддающееся описанию вами в явном виде, то вы становитесь типичным представителем категории людей, известных как мистики"3.
Другими словами, машинная метафора стала еще одним уличным фонарем, под которым (причем исключительно под ним) люди ищут ответы на свои жгучие проблемы.
Ни одна ветвь науки не воздвигала этот уличный фонарь более сознательно и с большим энтузиазмом, чем психология. Джордж Миллер пишет:
"Многие психологи в последние годы считают само собой разумеющимся ... что люди и вычислительные машины - это просто два различных вида одного более абстрактного рода, носящего название "системы обработки информации". Понятия, описывающие абстрактные системы обработки информации, должны в силу необходимости описывать любые частные примеры таких систем"4.
Сужение взгляда, характерное для современной науки, точно так же, как и сужение поля зрения, создаваемое микроскопом, вполне оправданно и заслуживает поддержки, поскольку оно позволяет наблюдать то, что было бы нам в противном случае недоступно. Наука и техника имеют, к их чести, значительные достижения. Учитывая глубину проникновения машинной метафоры в психологию, естественно спросить, оправданно ли ее присутствие там, т. е. дает ли она ощутимые результаты.
Влияние, оказанное вычислительной машиной на психологию, в качестве быстродействующего арифмометра, хотя несомненно чрезвычайно велико, едва ли можно оценивать в терминах "ощутимых достижений". Психология долго пыталась стать "научной", имитируя науку, добившуюся наиболее впечатляющих успехов, - физику. Однако, судя по всему, психологи очень долго имели превратное представление о том, что именно сделало физику в каком-то смысле наукой в большей степени, чем психология.


Подобно социологии психология ошибочно приняла наиболее поверхностное свойство физики - ее кажущееся пристрастие к числам и математическим формулам - за ту сердцевину, которая и делает ее наукой. В результате значительные разделы психологии максимально математизировались, вводились количественные оценки, числовые данные отождествлялись с переменными (предпочтительно снабженными индексами в виде греческих букв) и эти новые переменные обрабатывались с помощью систем уравнений (предпочтительно дифференциальных уравнений) и матриц подобно тому, как это делается в физике.
Количество усилий, посвященных этой программе само по себе должно было бы гарантировать получение полезных результатов. Психометрия, например, была и продолжает оставаться почтенным занятием. И не может быть никаких сомнений в том, что практика, предоставленная психологией статистике, дала последней чрезвычайно много, так же, как она много приобрела в период своего младенчества в результате ее применения к азартным играм. Возможно, что вознаградила она обоих своих патронов почти одинаково.
Часто говорят, что вычислительная машина - обычное орудие труда. Функция слова "обычное" в этом высказывании - способствовать заключению о том, что вычислительная машина не может иметь очень важного значения в каком-либо фундаментальном отношении, поскольку сами по себе орудия труда особого значения не имеют.
Я доказывал уже, что орудия труда определяют воспроизведение действительности творческим воображением человека и, следовательно, позволяют человеку изучать себя как личность. И тем не менее массовое сознание, воспринимающее вычислительную машину как принципиально тривиальное орудие труда, основывается на верном интуитивном представлении: вычислительная машина, которая используется в качестве "числовой мельницы" (просто как быстродействующий арифмометр, а она так и используется, особенно в науках о поведении), часто, как также подчеркивал Джордж Миллер, оснащает "мускулами" аналитические методы, более мощные, чем те идеи, которые эти методы позволяют прояснить.


"Методологический ригорист, - пишет Станислав Андрески, - подобен повару, который стал бы демонстрировать вам сверкающие плиты, миксеры, соковыжималки и так далее, даже и не пытаясь приготовить что-нибудь пригодное для еды"5. Быстродействующая "числовая мельница" в руках многих психологов становится просто их новейшим, самым надраенным и наиболее импозантным миксером-соковыжималкой.
Когда вычислительная машина используется в психологии (или в любой другой сфере) исключительно в качестве числового инструмента, то обычно она не приводит к обострению зрения, т. е. она несопоставима с микроскопом. Следовательно, нереалистично ожидать, чтобы подобное использование вычислительной машины привело к обнаружению невидимых прежде миров или позволило отчетливо рассмотреть то, что являлось до этого смутными картинами. В связи с тем, что представление о человеке как об одном из видов, относящихся к роду "систем обработки информации", привлекает наше внимание к одному аспекту человека и побуждает оставить в тени все те его аспекты, которые не освещаются этой точкой зрения, у нас есть основания спросить, какой ценой оплачивается такая позиция.
На подобный вопрос нельзя дать окончательного ответа, поскольку радиус действия созидательной аналогии метафоры всегда должен, в силу самой ее природы, оказываться неожиданным и, следовательно, не поддающимся измерению заранее. Заранее можно сказать, что способность метафоры порождать инсайты зависит в основном от богатства соединяемых ею контекстов, от их потенциального взаимного резонанса. Степень, в которой этот потенциал реализуется, зависит, естественно, от того, несколько глубоко участники творческого метафорического акта владеют обоими контекстами. Вот почему, в частности, специалист в области вычислительной техники, не знающий ничего, кроме вычислительных машин (Fach Idiot [Прим. перев.: Узколобый специалист (нем.)]), как немцы называют такого человека), не может извлечь из своей компетентности обильного интеллектуального продукта и обречен, таким образом, навсегда остаться хакером.


Поэтому же машинная метафора, как указывает Джордж Миллер, "наиболее продуктивна в тех областях, где на основе предыдущих исследований уже заложен прочный фундамент теории"6.
Одна область психологии была очень хорошо подготовлена к тому, чтобы извлечь пользу от привлечения той разновидности "процессного" мышления, которая характерна для специалистов в области информатики: область, связанная с познавательными процессами, лежащими в основе сбора и запоминания информации. Колоссальное количество экспериментов было посвящено, в частности, задаче запоминания так называемых бессмысленных слогов. Один из видов экспериментов, выполнявшихся в бесчисленном количестве психологических лабораторий, заключался в предъявлении испытуемому, скажем, десятка пар трехбуквенных слогов одного за другим, причем он должен был каждый раз (за исключением первого) после предъявления первого элемента пары сказать, каким должен быть второй. Слоги тщательно выбирались так, чтобы они были бессмысленны. Например, "CAT" не является бессмысленным словом, а "РАО" является [Прим. перев.: Один из приведенных слогов является одновременно и английским словом (CAT - кошка), другой представляет собой не имеющее смысла сочетание букв]. Испытуемым последовательно предъявлялся список, по одной паре в каждый момент времени, и эта процедура повторялась до тех пор, пока они не оказывались в состоянии дать правильный ответ для каждого задаваемого стимула. Эдуард А. Фейгенбаум сообщает в связи с этим:
"Явления заучивания хорошо исследованы, они устойчивы и воспроизводимы. К типичным особенностям поведения испытуемых, например, относятся следующие явления:
  • а) чаще наблюдаются отказы от ответа, чем ошибочные ответы;
  • б) ошибочные ответы, как правило, вызваны тем, что испытуемый путает сходные стимулы или похожие реакции;
  • в) испытуемый может забыть ассоциацию, которую он с успехом воспроизводил в нескольких пробах подряд; после этого она может снова появиться и снова исчезнуть; это явление названо осцилляцией;


  • г) пусть испытуемый сначала заучил список слогов или пар слогов х, а затем другой аналогичный список у; тогда при последующей проверке списка х испытуемый показывает более низкие результаты, чем при проверке через такое же время без вклинивания списка у; такое забывание называют "ретроактивным торможением"; ошибочные ответы при повторном испытании обычно оказываются слогами из списка у; это явление быстро исчезает; обычно после одного повторения списков список х полностью восстанавливается в памяти;
  • д) обучение требует тем большего числа проб, чем более сходны слоги-стимулы"7[Прим. перев.: Цитата из статьи Э. А. Фейгенбаума приводится по тексту русского перевода, выполненного Г. М. Ховановым (см. русский перевод работы [7])].
    Фейгенбаум (профессор информатики в Станфордском университете) предположил, что такая разновидность задачи обучения включает испытуемого в активный, сложный процесс обработки символов, который наилучшим образом можно описать и понять с помощью более элементарных процессов обработки таких символов, которые можно запрограммировать для реализации на вычислительной машине.
    Конечно, ничего не может быть проще, чем написать маленькую программу для вычислительной машины, которая позволит экспериментатору задать вычислительной машине список бессмысленных слогов, который она затем воспроизведет совершенно точно после первой "попытки". Задача, которую поставил перед собой Фейгенбаум, была намного труднее: создать в форме программы вычислительной машины модель познавательных процессов, поведение которой в целом будет хорошо аппроксимировать поведение людей-испытуемых при запоминании бессмысленных, слогов и особенности внутренних функций которой будут давать теоретическое объяснение трудностей, наблюдаемых в реальных экспериментах. Кроме того, он хотел, чтобы его объяснения были по крайней мере совместимы с такими психологическими фактами, как, например, наличие у человека и кратковременной памяти, в которой он, по-видимому, может хранить несколько символов для немедленного припоминания на протяжении небольшого отрезка времени, и долговременной памяти, где может запомниться почти неограниченное количество информации, но выборка из нее отдельных объектов может осуществляться только при затрате определенных усилий.


    Если это "усилие" вспомнить рассматривать как вычислительные затраты, связанные с реализацией возможно длинной подпрограммы, то становится очевидно, каким образом можно приступать к использованию машинной метафоры.
    Основная идея Фейгенбаума заключается в том, что вычислительная машина должна запоминать не собственно слоги, а их описания, представленные ей. Например, для описания слога DAX, например, можно использовать то обстоятельство, что его первая буква имеет передней вертикальный край и содержит замкнутый контур, во второй букве имеется в середине горизонтальная перекладина и так далее. При первом предъявлении слога системе его описание, детализированное только в той степени, в какой это необходимо для того, чтобы можно было отличить его от уже введенных в память слогов, заносится в память. Если этот слог является единицей стимула, т. е. первым элементом пары слогов, то вместе с ним запоминается "подсказка", представляющая собой некоторое минимальное описание того слога, с которым предъявляемый слог должен ассоциироваться. Поскольку эти описания настолько минимальны, система часто неправильно устанавливает связи при предъявлении ей единиц-стимулов. Однако так как каждый раз, когда система совершает подобную ошибку, предъявляется правильная единица-реакция, то имеющуюся к этому моменту описательную информацию можно улучшить с помощью добавления к ней дополнительного описания. В конечном счете система в совершенстве выучивает список. Когда после этого предпринимаются эксперименты с другим списком, соответствующие описания снова могут быть перепутаны с описаниями, связанными с первым списком, и наоборот. Таким образом, система способна демонстрировать ретроактивное торможение. И очевидно, что по мере того, как элементы, предлагаемые для выучивания, становятся все более и более сходными, все большее число экспериментов требуется для формирования разделяющих возможностей каждого из соответствующих дескрипторов. Следовательно, система в очень многом ведет себя подобно человеку, выполняющему такое же задание.


    Программа Фейгенбаума, хотя и находится уже в очень преклонном возрасте (она была завершена в 1959 г.), продолжает оставаться поучительной, по крайней мере, в двух отношениях. Во-первых, она дает сравнительно простой пример того, что понимается под моделью познавательного процесса, представленной в форме программы вычислительной машины. Использованный в ней способ запоминания информации рассматривается в качестве функционального описания промежуточной памяти человека. В этом качестве она объясняет, например, следующее: как мы надолго полностью забываем какую-то вещь и тем не менее можем вспомнить ее при определенных обстоятельствах. Не может быть, чтобы якобы забытый элемент просто удалялся из нашего мозга, поскольку, если бы это действительно было так, мы никогда не смогли бы снова получить к нему доступ.
    В модели Фейгенбаума никакая информация вообще не разрушалась. Но информация может быть, так сказать, скрыта дескрипторами, устанавливающими другие ассоциации; таким образом, одна "запись" в памяти может экранировать или маскировать другую. Иногда уточнение экранирующего образа (подсказки) - это все, что требуется для обнажения (для восстановления доступа) прежде скрытого.
    Система Фейгенбаума требует также, чтобы оба слога, между которыми должна устанавливаться ассоциация, были в течение короткого времени одновременно доступны вычислительной машине (присутствовали в ее памяти). После того как связь "подсказки" единицы-реакции с описанием слога-стимула установлена, оба слога можно удалить из памяти вычислительной машины; другими словами, их можно "забыть". Таким образом, в этой системе имеется часть, которая правдоподобно воспроизводит то немногое, что известно психологам о кратковременной памяти человека.
    Никто, и в первую очередь сам Фейгенбаум, не утверждает, что эта модель дает "настоящее" объяснение соответствующих феноменов. Но в каком-то смысле оно относится к области, в которой объяснения встречаются редко.
    Второй аспект поучительности программы Фейгенбаума связан с тем, что она демонстрирует поведение, которое не было сознательно непосредственно, как говорится, "запрограммировано".


    Например, программе свойственно то, что психологи называют интерференцией, т. е. приобретение новой связи становится препятствием для воспроизведения старой, если соответствующие слоги имеют очень схожие описания. Программа не имеет специальной подпрограммы интерференции. Это явление возникает как результат функционирования структуры программы в целом и для составителя программы оказывается неожиданным.
    Следовательно, в этом отношении модель предсказывает существование некоего поведенческого феномена, что чрезвычайно усиливает ее правдоподобие. Программа демонстрирует нам, что простой и многократно повторяемый лозунг "вычислительная машина делает только то, что предписывает ей делать программист" в некоторых отношениях совершенно ошибочен и, вообще говоря, проблематичен.
    Обсуждаемая нами программа относится к классу "имитационных программ". Их цель - имитация способа, используемого людьми при выполнении определенных заданий, причем совершенно определенно - невыполнение этих заданий наиболее эффективным способом, который мог бы быть обеспечен вычислительной машиной. Мы отмечали, в частности, что вычислительную машину легко запрограммировать на "запоминание" списков бессмысленных слогов с первой "попытки". Однако в этом случае мы не выяснили бы, каким образом люди могут выполнять то, что, по крайней мере с первого взгляда, кажется тем же самым заданием.
    Поскольку программы, имеющие отношение к когнитивным аспектам поведения человека, входят, естественно, в область искусственного интеллекта (о котором более подробно мы поговорим ниже), их необходимо отличать от другого класса программ искусственного интеллекта, а именно программ, в полной мере являющихся проблемно-ориентированными.
    Специалисты в области искусственного интеллекта склонны рассматривать свою деятельность как работу, связанную с воспроизведением содержания и результата, или как работу, связанную с имитацией. Возможно, наилучший способ объяснить различие между этими направлениями - воспользоваться аналогией с полетом.


    В сущности, все первоначальные попытки понять полет или построить летающие модели основывались на имитации полета птиц. Вполне правдоподобно, что миф об Икаре, древнегреческом герое, который полетел с помощью крыльев, прикрепленных к телу воском, и разбился, когда солнечное тепло растопило воск, отражает первые неудачи человека имитировать птиц. Можно было бы сказать, что древние мыслители и первооткрыватели работали в имитационном режиме.
    Однако уже к середине XIX в. такие люди, как Хенсон и Стрингфеллоу, а несколько позже - Лангли, перешли к тому, что мы могли бы назвать режимом содержания и результата. Они считали, что их задача - построить летательные аппараты, исходя из любых принципов, которые им удастся установить. Их целью, в первую очередь, являлся результат, а понимание - лишь в той степени, в какой оно могло бы принести пользу с точки зрения достижения результата.
    В этом контексте следует, вероятно, упомянуть и третий режим работы - теоретический. Великие аэродинамики появились раньше, чем первый реальный летательный аппарат. Лорд Рэлей, например, публиковал важные работы, специально посвященные теории полета, начиная с 1875 г. Естественно, после того, как братья Райт совершили в 1903 г. свои исторические полеты, интерес к аэродинамике постоянно возрастал и не ослабевает и в наши дни. Но в то время как специалист в области аэродинамики занимается теорией полета как таковой и склонен рассматривать реальный самолет просто в качестве модели своих теорий, конструктор самолета считает теорию лишь еще одним источником идей, который может помочь ему улучшить характеристики своих машин.
    Положение в искусственном интеллекте очень похоже на только что описанное. Целью большинства специалистов в области искусственного интеллекта является создание машин, ведущих себя разумно, независимо от того, проливают результаты их деятельности свет на природу интеллекта человека или нет. Их интересует содержание и результат. Они хотят создать машины, говорящие подобно человеку и понимающие речь человека; машины, которые, используя телевизионные глаза и механические руки, в состоянии навинчивать гайки на болты и собирать даже более сложные механические узлы; машины, которые в состоянии анализировать и синтезировать химические соединения; машины, переводящие с одного языка на другой; машины, способные сочинять музыку и создавать сложные программы для вычислительных машин, и т.


    д. Естественно, они с радостью примут любой вклад теоретиков (например, психологов), который мог бы способствовать реализации их устремлений. Однако их целью и в первую, и в последнюю очередь является результат, в отличие от теоретиков, стремящихся (или утверждающих, что они это делают) к пониманию.
    Программа, подобная рассмотренной программе Фейгенбаума, явно избегает "работы на результат"; она составлена таким образом, что ей требуется много попыток для обучения соответствующим спискам, но если бы ее целью являлось эффективное достижение результата, то ей можно было бы придать способность запоминать их с одного предъявления (я уже отмечал это обстоятельство).
    Линия раздела между работой в режиме имитации и работой, ориентированной на результат, не является, как и можно было ожидать, совершенно определенной. Часто единственный способ подойти к тому, как можно было бы добиться выполнения вычислительной машиной некоторой задачи, заключается в том, чтобы выяснить, как решали бы ее люди. Таким образом, вы приступаете к делу, по существу имитируя собственное поведение, зарегистрированное интроспекцией [Прим. перев.: В психологии интроспекцией называется метод самонаблюдения, изучения психических процессов на основе субъективного наблюдения над явлениями собственного сознания].
    Существует, естественно, разница между программой, объявленной целью которой является достижение результата, но, по крайней мере, вначале имитирующей способ, используемый для этого людьми, и программой, имитирующей деятельность человека для того, чтобы узнать что-то о человеке. Однако, когда программа, выполненная под флагом второго направления, работает успешно, она также приносит определенный результат. Иногда авторы программ впоследствии не в состоянии противостоять искушению получать результат вкупе с его теоретическим обоснованием и, таким образом, вносят свой вклад в размывание линии раздела режима, ориентированного на результат, и имитационного режима. Например, Ньюэлл, Шоу и Саймон написали программу, способную доказывать некоторые теоремы исчисления высказываний с помощью имитации способа, посредством которого неискушенные в логике студенты стараются справиться с подобными доказательствами8.


    Ньюэлл, Шоу и Саймон сформулировали свою задачу следующим образом: "Мы хотим понять, каким образом математик, например, может доказать теорему, даже если, приступая к доказательству, он не знает, каким образом собирается его найти или вообще найдет ли он его". Сообщив, сколько времени заняло у программы доказательство ряда теорем, они замечают: "Можно изобрести "автоматические" процедуры получения доказательств... но оказывается, что для их реализации требуется машинное время порядка тысяч лет [для доказательства какой-то конкретной теоремы]".
    Трудно понять это заявление иначе, чем утверждение: их программа может оказаться полезной помимо того, что она поучительна (раскрывает, каким образом "математики доказывают теоремы"). Случилось так, что через год или два после появления работы Ньюэлла, Шоу и Саймона математик Хао Ван опубликовал одну "автоматическую процедуру", т. е. программу вычислительной машины, способную доказать все теоремы исчисления высказываний. Эта программа доказала теорему за 1/4с на вычислительной машине, которая сегодня считалась бы очень примитивной9; по оценке Ньюэлла, Шоу и Саймона для ее доказательства потребовалось бы машинного времени порядка тысяч лет.
    Неопределенность линии, разделяющей имитационный режим и режим работы для получения результата, вполне оправданно мало заботит специалистов в области искусственного интеллекта. На ранней стадии крупного исследовательского проекта важно иметь достаточно ясное представление о том, что, в принципе, представляет собой область, в рамках которой следует ставить вопросы, или, иначе говоря, что представляет собой то, понимание чего в настоящее время отсутствует и пониманию чего должно способствовать планируемое исследование. Работа Вана принесла результат, углубивший наше понимание определенных аспектов математической логики. Цель работы, обнародованной Ньюэллом, Шоу и Саймоном, по их собственным словам, - "достижение понимания сложных процессов (эвристик), имеющих место при решении задач"10


    [Прим. перев.: В советской научной литературе для английского термина "problem solving" утвердился термин "решение задач" (иногда можно встретить "решение проблем"), не совсем точно раскрывающий его содержание. Спектр вопросов, относящихся к направлению искусственного интеллекта, называемому теорией решения задач, весьма широк. Строгая или хотя бы общепринятая классификация направлений искусственного интеллекта отсутствует, и поэтому сегодня нельзя точно указать границы между ними. Обычно к решению задач относят проблемы, связанные с организацией поиска в эвристических алгоритмах, анализом деревьев поиска, использованием целей и подцелей, решением задач человеком (психологические аспекты), изучением влияния характера обучающей последовательности на результат, соотношением вывода и инсайта, машинным доказательством теорем, использованием дедуктивной логики при решении задач. Иногда к этому направлению относят также программирование игр, обучение и распознавание образов. Так, Р. Бенерджи считает, что "изучение литературы в этой области [искусственный интеллект] показывает, что различные попытки создания эффективных программ для отыскания решений больших комбинаторных задач обнаруживает общность основных подходов и методов. Кроме того, были сделаны полуформальные попытки объединить эти методы в единую теорию. Такое изучение эмпирических подходов и результатов вместе с попытками унифицировать их становится важной ветвью искусственного интеллекта, которую можно назвать теорией решения задач". (Р. Бенерджи. Теория решения задач. Подход к созданию искусственного интеллекта: Пер. с англ. С. П. Чеботарева/ Под ред. Ю. В. Буркина. - М: Мир, 1972, с. 17-18). Наиболее удачное, с нашей точки зрения, определение этого направление дано Б. В. Бирюковым в примечаниях к переводу книги X. Дрейфуса (см. примечание 7 к введению данной книги): "Под решением задач (problem solving) в англо-американской кибернетической литературе понимается решение невычислительных задач, требующее применения того или иного способа ограничения перебора вариантов в ходе поиска требуемого результата" (X.


    Дрейфус, pyc. пер. с. 287)]
    Они выбрали изучение того, как люди доказывают теоремы, просто в качестве примера решения задач человеком Ньюэлл и Саймон, как мы убедимся, продолжают свою работу, посвященную решению задач, и в настоящее время. Проблематичным в этом направлении было и продолжает оставаться следующее: в каком смысле слова "понимание" помогает нам понять человека как систему обработки информации или что бы то ни было еще. Этот же вопрос имеет смысл поставить применительно к искусственному интеллекту в целом.
    То, что до сих пор я упоминал лишь самые первые проекты искусственного интеллекта, ни в коем случае нельзя считать "недобросовестным", поскольку сами исследователи, работающие в области искусственного интеллекта, продолжают указывать, когда речь заходит об этом, что именно эти работы (программа Фейгенбаума и машина "Логик-теоретик" Ньюэлла, Шоу и Саймона) имеют фундаментальный характер. Ньюэлл и Саймон, как я указывал, продолжают свою работу в области решения задач. В то же время другие исследователи, особенно из Лабораторий искусственного интеллекта Массачусетского технологического института и Станфордского университета, все больше переориентируются на роботехнику, т. е. на решение задач, связанных с созданием машин, способных воспринимать свойства сред, в которых они действуют, например, с помощью телевизионных глаз, и способных физически воздействовать на эти среды посредством, например, механических рук, управляемых вычислительной машиной.
    Эта деятельность, как и можно было ожидать, породила множество подзадач, относящихся к таким областям, как зрение, понимание вычислительной машиной естественного языка и распознавание образов.
    Некоторые подзадачи, естественно, являются самостоятельными задачами, т. е. представляют интерес независимо от исследовательских целей роботехники. Понимание вычислительной машиной естественного языка служит примером задачи, которая сама по себе является по существу интересной и трудной. Для многих исследователей то обстоятельство, что продвижение в решении этой задачи может оказаться полезным с точки зрения обучения роботов, является просто дополнительным стимулом, но совершенно определенно не основным.


    Ниже я остановлюсь подробнее на операциях вычислительных машин с естественным языком. Сейчас остановимся на одной более новой работе в области решения задач, на работе Ньюэлла и Саймона.
    В современной литературе, посвященной решению задач, выделяются две важные книги - "Как ее решать" ("How to Solve It") Джорджа Пойа и "Решение задач человеком" ("Human Problem Solving") Ньюэлла и Саймона11. Первое издание книги Пойа было опубликовано в 1945 г., т. е. за несколько лет до того, как электронные вычислительные машины стали практическими инструментами исследования. Уже тогда Пойа заложил фундамент и в определенном смысле провозгласил всю ту работу в области решения задач, которая должна была проводиться в последующие 30 лет. Предметом интереса Пойа явились эвристические методы решения задач, т. е. эмпирические правила, которые, будучи примененными, вполне могут привести к решению рассматриваемой задачи или обеспечить некоторый прогресс в ее решении, но не гарантируют получение решения. Таким образом, эвристики не являются алгоритмами и эффективными процедурами; они представляют собой правдоподобные способы подхода к решению специфических задач.
    Пойа предвосхитил большую часть последующем работы специалистов в области информатики, посвященной решению задач, когда написал следующее:
    "Современная эвристика стремится постичь процесс решения проблем, особенно тех мыслительных операций, которые чаще всего оказываются полезными в этом процессе... Эвристика должна строиться как на основе нашего личного опыта в решении задач, так и из наблюдений за тем, как решают задачи другие.
    Изучая эвристику, не следует пренебрегать ни одним типом задач (проблем); следует обнаруживать то общее, что имеется в подходе к самым различным проблемам, следует вскрыть то общее, что есть в решении любой проблемы, независимо от их содержания. Изучение эвристик имеет "практические" цели: лучшее понимание природы мыслительных операций, оказывающихся чаще всего полезными при решении задач ...


    Мы подчеркиваем, что эвристика охватывает всевозможные задачи, в частности прикладные задачи и даже головоломки (Sic) [Прим. перев.: Sic (лат.) - так! Используется для указания важности или подлинности данного места в тексте]. Мы подчеркиваем также, что серьезное исследование не может ставить своей задачей указать непогрешимые правила, как делать открытия. Эвристика рассматривает поведение человека при решении проблем... Эвристика ставит себе целью установить общие закономерности тех процессов, которые имеют место при решении всякого рода проблем, независимо от их содержания"12[Прим. перев.: Отрывок из книги Д. Пойа цитируется по тексту издания на русском языке с небольшими изменениями].
    Невозможно точнее сформулировать приоритетную формулу для работы Ньюэлла и Саймона. Пойа, в сущности, предвосхитил те аспекты проделанной позже Ньюэллом и Саймоном работы, которые наиболее точно характеризуют их концепцию: стремление к постижению мыслительных операций, акцентирование общности, независимости от содержания задач и полезности наблюдения за решением задач человеком, подчеркивание важности поведения при решении головоломок. И, наконец, Пойа подчеркивает, что его книга посвящена методам, а самая важная эвристика - это "цель определяет средства".
    То, что Ньюэлл и Саймон позднее назвали "методом средств - целей", было впервые предложено при сопоставлении способа, использовавшегося первым вариантом их машины "Логик-теоретик" при доказательстве теорем, с протоколами сеансов "рассуждений вслух" студентов-нематематиков, фиксировавших попытки решения тех же задач. Эти протоколы оказались очень перспективными с точки зрения последующей работы. Ведение протоколов, т. е. наблюдение за тем, как различные люди решают задачи, в сущности, стало отличительной чертой процедуры Ньюэлла и Саймона.
    В основе новой психологии, реализующей информационный подход, лежит следующая точка зрения:
    "... Запрограммированная вычислительная машина и человек, решающий задачи, - это два вида, принадлежащие роду "Систем Обработки Информации" (СОИ) ..."


    " Когда мы ищем объяснение поведения человека, решающего задачу (или вычислительной машины в аналогичной ситуации), обнаруживается, что его гибкость (ее программируемость) является ключом к пониманию. Их жизнеспособность зависит от их способности адаптировать свое поведение к широкому диапазону внешних сред...."
    "Если мы тщательно отделим влияния, определяемые проблемными средами, от влияний, оказываемых соответствующими элементами и организацией аппаратурной части, то обнаружится сущая простота адаптивной системы. Дело в том, что, как мы убедились, для объяснения поведений человека при решении таких задач, как шахматные, логические и криптоарифметические, необходимо постулировать лишь самую простую систему обработки информации. По-настоящему сложное поведение системы обработки информации в некоторой заданной среде порождается взаимодействием требований, предъявляемых средой, с небольшим числом основных параметров системы, в частности, характеристиками ее памяти".
    "Суть дела проста не потому, что закон больших чисел вносит элемент взаимной нейтрализации, но потому, что события выстраиваются в цепь "средства - цели", в которой имеют значение лишь концевые точки (имеет место эквифинальность)"13[Прим. перев.: Под эквифинальностью понимается свойство системы переходить разными путями из различных начальных состояний в одно и то же финальное состояние. Эквифинальностью обладают биологические, экономические и другие сложные системы, порядок смены состояний которых не задан единственным образом].
    Это поистине примечательное заявление, особенно в свете утверждений Саймона о том, что представляемая им гипотеза "справедлива для человека в принципе". Нам следует попытаться понять, что же представляет собой эта "очень простая" система обработки информации, которая воспроизводит сложное поведение как некоторую функцию своей внешней среды и "нескольких основных параметров". Мы должны также задаться вопросом, что представляют собой задачи типа шахматных, логических и криптоарифметических, которые обобщаются "на весь диапазон [задач], являющихся объектом приложений разума человека", т.


    е. на тот же самый диапазон, в котором те же авторы обещали использовать ЭВМ "в обозримом будущем"14. Особенно уместен последний вопрос, поскольку существующие эвристические программы для решения задач работают только с очень простыми шахматными и логическими задачами. В связи с этим едва ли имеет смысл говорить о криптоарифметических задачах, поскольку они представляют собой, как говорят специалисты по искусственному интеллекту, "игрушечные задачи" [прим авт.: Действительно, существуют очень мощные программы, предназначенные для решения очень сложных задач символической логики и математических задач. Это, однако, специализированные программы, которые, несмотря на то, что на ранних этапах развития могли извлечь пользу из применения методов искусственного интеллекта, ни в коем случае нельзя рассматривать как образцы тех систем обработки информации, о которых говорят Ньюэлл и Саймон. Они, без сомнения, имеют не больше отношения к психологии, чем множество программ, предназначенных для решения систем дифференциальных уравнений. Наиболее мощные в настоящее время шахматные программы также разработаны в режиме ориентации на результат и, хотя они могут пользоваться определенными методами из арсенала искусственного интеллекта, также не имеют никакого отношения к психологии].
    Мы уже согласились с тем, что вполне уместно и даже полезно принять одну очень специфическую точку зрения и в соответствии с открываемой ею перспективой рассматривать человека как систему обработки информации. И поскольку вычислительная машина (машина Тьюринга) представляет собой универсальную систему обработки информации, то естественно сопоставлять человека, рассматриваемого с этих позиций, с вычислительной машиной. Психология, основанная на информационном подходе, не есть, однако нейрофизиология, основанная на информационном подходе. Она не предпринимает попыток давать объяснения в терминах битов или прибегать к аналогиям с триггерами, электронными схемами и т. п. Она избегает, и вполне справедливо, даже таких объяснений, которые основаны на сопоставлении с обработкой символов, осуществляемой классическими машинами Тьюринга, например записью, считыванием, стиранием и сравнением исключительно простых и неприводимых символов - таких, как нули и единицы.


    Напомним, что программа, написанная для какой-то конкретной вычислительной машины, - это, в сущности, описание некоторой другой вычислительной машины, преобразующей исходную вычислительную машину в новую. Следовательно, можно спроектировать вычислительную машину и затем реализовать ее в виде машинной программы, "встроенные" элементарные информационные процессы (эип'ы в терминологии Ньюэлла и Саймона) которой оперируют со сложными структурами символов, т. е. считывают, записывают, стирают и сопоставляют такие структуры символов и т. д. С помощью подобных структур можно представлять логические формулы, математические выражения, слова, предложения, архитектурные проекты и так далее и, конечно, программы вычислительных машин, которые сами могут затем обрабатываться эип'ами.
    Очень полезным приемом программирования является, например, организация информации в виде сцеплений отдельных элементов. "Звеном", связывающим один элемент со следующим, служит абсолютный адрес, указатель, помещаемый в памяти рядом с одним из. элементов и определяющий его преемника. Список (как обычно называют цепи такого типа) элементов, сцепленных подобным образом, можно затем снова рассматривать в качестве элемента и, следовательно, указывать с помощью еще какого-то элемента. В результате можно формировать и обрабатывать структуры, обладающие очень большой сложностью. Определенные эип'ы могут оперировать ими как целыми элементами, в то время как другие могут "прокладывать свой курс" прямо через них, скажем, вводя и удаляя отдельные подструктуры.
    Таким образом, в данном контексте система обработки информации представляет собой физическое оборудование вычислительной системы вкупе с программой, обеспечивающей применение эип'ов к хранимым в памяти системы структурам символов. Она располагает оборудованием ввода-вывода типа пультовых пишущих машинок, которое обеспечивает ей адекватную связь с ее внешним миром.
    Наиболее претенциозной системой обработки информации, построенной для изучения поведения человека при решении задач, является "Универсальный решатель задач" ("General Problem Solver" (GPS)) Ньюэлла и Саймона15.


    "Основные методы системы GPS [прим. перев.: GPS - первая известная эвристическая программа, созданная А. Ньюэллом и X. Саймоном в конце пятидесятых годов; с тех пор она многократно подвергалась усовершенствованию и послужила эталонной моделью для многих исследований в области искусственного интеллекта. В этой системе реализована концепция разложения "творческой" деятельности человека на элементарные информационные процессы, выдвинутая и развитая А. Ньюэллом и Г. Саймоном. Существенное значение этой системы для развития кибернетики и, в частности, искусственного интеллекта несомненно. Системе GPS посвящена монография: G. W. Ernst and A. Newell. "GPS: A Case Study in Generality and Problem Solving", N. Y., Academic Press, 1969. На русском языке сведения об этой системе можно найти в работе: А. Ньюэлл и Г. Саймон. GPS - программа, моделирующая процесс человеческого мышления. - В сб. Вычислительные машины и мышление: Пер. с английского/ Под ред. Э. М. Бравермана, А. В. Напалкова и Ю. В. Орфеева. - М.: Мир, 1967, с. 283-301] в совокупности олицетворяют эвристический подход анализа в терминах средств и целей.... Анализ средств и целей характеризуется следующим рассуждением на уровне здравого смысла: Я хочу отвезти сына в детский сад. В чем состоит разница между тем, чем я располагаю, и тем, к чему я стремлюсь? Одно из этих различий - расстояние. Что может изменить расстояние? Мой автомобиль. Мой автомобиль не работает. Что требуется для того, чтобы он заработал? Новый аккумулятор. Кто располагает новыми аккумуляторами? Авторемонтная мастерская. Мне нужна авторемонтная мастерская для того, чтобы поставить новый аккумулятор; в мастерской, однако, неизвестно, что он мне нужен. В чем состоит затруднение? Оно заключается в установлении связи. Что обеспечивает связь? Телефон ... и т. д.
    Анализ такого рода - классификация объектов с точки зрения выполняемых ими функций и возвратно-поступательное движение между целями, необходимыми для их выполнения функциями и средствами их реализации - составляет основу системы эвристик GPS.


    Точнее, подобная эвристическая система анализа в терминах средств и целей предполагает следующее:
  • Если заданный объект не является искомым, то можно определить различия между объектом, имеющимся в вашем распоряжении, и тем, к которому вы стремитесь.
  • Операторы воздействуют на некоторые признаки своих операндов, оставляя другие без изменений. Следовательно, операторы можно охарактеризовать, указав на изменения, которые они производят, и использовать для того, чтобы попытаться устранить различия между теми объектами, к которым они применяются, и искомым.
  • Если необходимый оператор оказывается неприменимым, то, возможно, выгодно изменить его входы таким образом, чтобы он стал применимым.
  • Одни различия поддаются воздействию операторов с большим трудом, чем другие. Поэтому целесообразно стремиться к элиминации "трудных" различий, пусть даже "ценой введения новых различий, но меньшей трудности. Этот процесс можно продолжать до тех пор, пока не будет достигнут прогресс в элиминации этих более трудных различий."16
    Чтобы оценить, как все это работает при решении одной из категорий задач, к которой GPS действительно применялась, рассмотрим следующую криптоарифметическую головоломку:
    DO
    +
     IT
    ----
    TTD
    Испытуемому сообщают, что эта запись - зашифрованное представление задачи на обычное сложение. Каждая буква представляет некоторое число, причем одно и то же число не может представляться двумя различными буквами. Задача испытуемого заключается в том, чтобы сопоставить буквам такие числа, при которых заданное выражение представляет "правильное" сложение. Испытуемый должен давать отчет о своих действиях, т. е. говорить вслух, что он думает. Ниже приведен один из подобных отчетов, в который включен также соответствующий анализ, проведенный на языке, принятом в GPS:
    Испытуемый: D+1 должно быть больше, чем 9, поскольку здесь имеется перенос в следующий столбец.
    Анализ: Испытуемый применяет оператор "обработка столбца".
    Испытуемый: Буква "Т" должна быть равна 1, поскольку она представляет собой перенос.


    Анализ: Испытуемый применяет оператор "определение значения". Он достиг одной из подцелей и уменьшил разницу между заданным и искомым объектами. "Заданный объект" теперь имеет следующий вид:
    D О
    +

    I 1

    ----

    1 1 D
    Испытуемый: Буква "О" должна быть, самое меньшее, равна 2".
    Анализ: Испытуемый применил к "О" оператор "порождение возможных значений". (Должны были быть и другие пробные попытки применить оператор "определение значения", о которых вслух испытуемый не упоминал и результаты которых были признаны непригодными).
    Испытуемый: Проверим вариант О = 2.
    Анализ: Испытуемый применяет оператор "определение значения". Это снова уменьшает разницу. "Заданный объект" теперь имеет следующий вид:
    3 2

    +

    I 1

    ------

    1 1 3
    Испытуемый: I=8.
    Анализ: Применяется оператор "определение значения", и в результате различие между заданным объектом и искомым объектом устранено. Цель достигнута.
    Эта задача намного проще тех, которые обычно предлагаются испытуемым и системе GPS. Более типичным примером такой задачи, который был полностью проанализирован, является следующий:
    DONALD

    +

    GERALD
    --------

    ROBERT,
    где D = 5. Приведенный пример страдает, кроме того, тем недостатком, что в нем не встречалось ни неверных ходов, ни возвратов и так далее. Тем не менее он дает общее, хотя, быть может, и недостаточное представление о принципе действия GPS и о том, что такое протокол. Следует также иметь в виду, что GPS не является моделью теории Ньюэлла. и Саймона. Эта система независимо от выполняемых заданий связывает с определенным уровнем общности больше, чем требует теория. На самом деле, нет ни одной программы вычислительной машины, которая служила бы моделью их теории. С другой стороны, существует целый ряд программ, причем отнюдь не все они составлены Ньюэллом и Саймоном или их сотрудниками, которые, по существу, совместимы с этой теорией и используют "основные методы GPS", перечисленные выше.


    Нас в данном случае интересует информационная теория человека, а не сама по себе система GPS. Теорией этой мы занялись именно потому, что она в том или ином варианте иногда явно, а иногда неявно является фундаментом почти всей новой, основанной на информационном подходе, и составляет фактически догмат искусственного интеллекта.
    Основные выводы, к которым пришла эта теория, заключаются в следующем:
    "Все люди представляют собой системы обработки информации и поэтому обладают рядом общих фундаментальных организационных признаков; все люди имеют несколько общих универсальных структурных характеристик типа почти идентичных параметров памяти. Эти общие свойства порождают одинаковые характеристики, свойственные поведению всех людей при решении задач."
    "Поскольку в системе обработки информации [т. е. в человеке, рассматриваемом в качестве системе обработки информации - Дж. Вейценбаум] можно выделить основную структуру и содержимое долговременной памяти [программы и данные], то любое предположение об аналогичности решателей задач, не связываемое непосредственно с фундаментальной структурой, следует формулировать, как идентичность или подобие содержания их долговременной памяти - системы воспроизведения или других структур, хранящихся в памяти".
    [Эта теория] "вводит систему, которая при наличии достаточного времени окажется в состоянии "переварить" любое описание, каким бы оно ни было, т. е. сможет начать воспринимать в полноте всех подробностей, скажем, энциклопедию (или библиотеку, составленную из них). Следовательно, эта теория устанавливает непосредственное соответствие между различиями и подобиями поведения и мотивами, определяющими содержимое долговременной памяти человека. Однако эти детерминанты содержания существенно зависят от подробностей жизненного пути человека. Это не значит, что детерминирующие процессы произвольны, непостоянны или действуют, не подчиняясь никаким законам. Это лишь значит, что содержимое памяти может быть столь же различным, сколь широк диапазон физических, биологических и социальных явлений, окружающих отдельного человека и служащих для него источником заполнения памяти"17[прим.


    авт.: Эти утверждения хочется сопоставить с точкой зрения Б. Ф. Скиннера: "Научный анализ поведения должен, по моему убеждению, предполагать, что поведение личности определяется ее генетической предысторией и опытом взаимодействия со средой в большей степени, чем собственно личностью в качестве самостоятельного созидающего фактора" (из работы Скиннера "О бихевиоризме" ("About Behaviorism". New York, Alfred A., Knopf, New York, 1974, р. 189). Единственное различие между позицией Скиннера и утверждениями данной теории (и оно существенно в одном отношении и не имеет абсолютно никакого значения в другом) в том, что Скиннер отказывается заглядывать внутрь того черного ящика, которым является личность, в то время как указанная теория рассматривает содержимое этого ящика в качестве некоторой вычислительной машины].
    Следует особенно отметить в этих выводах их размах: например, утверждается, что система, вводимая этой теорией, предпочтительно система типа GPS, в состоянии "переварить" любое описание, каким бы оно ни было. Эта претензия (а как иначе можно здраво назвать такое утверждение?) согласуется с остальными претензиями авторов этой теории, а именно: она позволяет объяснить деятельность человека в целом, а вычислительные машины в обозримом будущем смогут оперировать задачами, покрывающими весь диапазон человеческого мышления. Вздорность претензий, связываемых с GPS и подобными системами, становится еще более очевидной благодаря утверждению Ньюэлла и Саймона о том, что "по-настоящему сложное поведение системы обработки информации в некоторой заданной среде порождается взаимодействием требований, предъявляемых средой, с небольшим числом основных параметров системы, в частности, характеристиками ее памяти"18. Конечно, это полностью согласуется с их убеждением о том, что человек (подобно муравью) "очень прост". В связи с этим была высказана одна претензия технического характера, а именно: система GPS очень проста в том смысле, что при изменении нескольких ее параметров ее взаимодействие с внешней средой приведет к вариативности поведения, имитирующего соответствующее поведение человека.


    Обычно в техническом смысле мы говорим, что система чувствительна к "нескольким параметрам", если . ее соответствующую разновидность поведения в целом можно полностью задать с помощью надлежащей установки нескольких переключателей или введения в ее память нескольких новых значений данных. Такой системой, например, является корабельное навигационное вычислительное устройство. Оно ведет корабль к любой заданной цели, если в него введены ее географические координаты, некоторые метеорологические данные и т. д. Для превращения системы GPS из шахматиста, скажем, в решателя криптоарифметических головоломок недостаточно только изменить несколько чисел. Всякий раз, когда GPS должна переходить от решения одной задачи к другой, необходимо заменять всю ее "структуру памяти". Другими словами, система GPS, по существу, - это лишь язык программирования, с помощью которого можно писать программы для решения определенных очень сильно специализированных задач. Однако если не считать программу вычислительной машины одним параметром, то система GPS не подтверждает, что поведение человека - это всего лишь некая функция среды, окружающей человека, и нескольких внутренних параметров системы обработки информации, имеющейся у человека.
    Надо признать, что иногда Ньюэлл и Саймон действительно делали предостерегающие замечания, например, когда признавали, что "нам неизвестно, какая часть всей деятельности человека при решении задач связана с использованием пространства задачи, однако в том наборе задач и теми людьми, которых мы изучали (соответствующие спектры достаточно широки для того, чтобы обнаруживаемые подобия не были тривиальны), пространство задачи использовалось всегда".
    Затем, однако, подобным слабым уступкам противопоставлялись утверждения типа:
    "Несмотря на ограниченный характер имеющийся экспериментальной основы теории, мы предлагаем ее в качестве общей теории решения задач, не делая попыток назначить границы ее применимости"; "мы считаем, что выдвигаемая нами теория много шире тех конкретных данных, на основе которых мы ее выдвигаем"19.


    Именно эта необоснованная претензия на универсальность лишает использование ими вычислительной машины, вычислительных систем, программ и тому подобного статуса научной теории и низводит ее до уровня метафоры. Они признают этот факт сами:
    "Нечто перестает быть метафорой, когда на его основе можно выполнять детальные вычисления; оно остается метафорой, если обладает в изобилии свойствами, связь которых с объектом сопоставления проблематична"20
    Вопрос в таком случае заключается в том, можно ли на основе их "теории" осуществлять детальные вычисления? (Я продолжаю пользоваться в данном случае словом "теория", поскольку было бы просто неудобно все время, упоминая эту работу, писать "якобы теория").
    С первого взгляда кажется, что ответом должно быть звонкое "да". Разве книга Ньюэлла и Саймона не переполнена примерами вычислений, выполненных системой GPS? Однако здесь имеется один тонкий момент, очень важный, почти всегда упускаемый из вида специалистами в области искусственного интеллекта, также считающими, что они располагают истинными теориями. Он становится, вероятно, наиболее очевиден при сопоставлении фейгенбаумовского имитатора механического запоминания с программами GPS, приведенными в книге Ньюэлла и Саймона.
    Программа Фейгенбаума, как я отмечал выше, это модель некоторой психологической теории, т. е. модель, воспроизводящая, каким образом люди пытаются справиться с задачей запоминания бесмысленных слогов. Сама программа, как я указывал, также является некоторой теорией; если, скажем, показать ее психологу знакомому с тем языком программирования, на котором она написана, можно рассчитывать, что он ее поймет. Статус теории, однако, ей приносит то ее свойство, что она формулирует ряд принципов, из которых можно получить следствия. Сами эти принципы реализованы Б виде программы вычислительной машины, а их следствия проявляются в поведении программы, т. е. в прочтении программы вычислительной машиной. К этим следствиям относятся такие прекрасно известные феномены, как ретроактивное торможение и интерференция, о которых шла речь выше.


    Совершенно иная ситуация возникает, когда, скажем, программа "Логик - теоретик" реализуется в системе GPS. Конечно, "Логик - теоретик" - это тоже теория (хотя и совершенно тривиальная), а именно теория, показывающая, каким образом люди, не знакомые с логикой, пытаются решать элементарные логические задачи. Однако система GPS (и именно в этом заключается принципиальный момент) - это просто некоторая структура, в рамках которой работает программа "Логик-теоретик". GPS, в сущности, - это некоторый язык программирования, на котором сравнительно легко писать программы решения логических, криптоарифметических и тому подобных задач. Элементарные информационные процессы, эип'ы, являющиеся ее элементарными командами, представляют собой просто непроизводные команды машины, полученной в результате преобразования системой GPS своей главной вычислительной машины. Собственно, GPS каких-либо принципов не содержит - если только не считать принципами такие соображения, что для решения задач следует оперировать категориями структур символов очень общего характера, представляющих объекты, операторы, признаки объектов и различия между объектами, что следует создать библиотеку методов и т. д. Но даже и при таком подходе GPS не позволит вывести из подобных "принципов" следствия.
    Утверждать, что система GPS вообще в каком-то смысле воспроизводит теорию решения задач человеком, это то же самое, что утверждать, будто школьная алгебра тоже служит олицетворением этой теории. Она также является некоторым языком, некоторой вычислительной схемой, в рамках которой можно представить теорию, уже разработанную с (помощью иных средств. Несомненно, существует алгебраическая теория и теория языков программирования. Но ни одна из них не претендует на какие-либо утверждения относительно психологии решения задач человеком.
    Контраргумент к этому тезису заключается в том, что указанная теория вводит некоторую систему - GPS-подобную систему, воспроизводящую "общие черты решателей задач", относящиеся к их базовой структуре.


    Именно эта базовая структура, олицетворение общих свойств решателей задач, превращает в сравнительно простое дело написание программ решения задач из совершенно различных областей, например логических и криптоарифметических, ориентированных на GPS-подобные системы. Но, как указывали сами Ньюэлл и Саймон, любая общность такого типа, если она непосредственно не связывается с базовой структурой, должна быть представлена либо в программе, записанной в формализме GPS, либо в структурах, хранящихся в памяти. На самом деле все существующие в настоящее время варианты GPS-подобных систем обладают такой предельно минимальной структурой, что информация, необходимая им (задаваемая в виде программы или исходных данных) для решения любой конкретной задачи, должна быть очень подробной и специализированной, т. е. она должна определять, что представляют собой соответствующие операторы, к каким объектам их можно применять, какие "различия" они устраняют при применении к соответствующему объекту и т. д. Ньюэлл и Саймон пишут:
    "Необходимо иметь должное представление об ограничениях, связанных с получением GPS информации из внешнего мира. Исходная часть команд, подаваемых GPS в явном виде, человеком была приобретена давным-давно в процессе формирования универсального словаря. Она [информация] должна быть подробно объяснена GPS"21.
    Вот как, в сущности, решается наша проблема. Реальные вопросы сводятся к следующим: что происходит с человеком как таковым, когда он формирует свой универсальный словарь? Как его опыт, являющийся составным элементом процесса построения им словаря, влияет на его восприятие того, что представляет собой "задача" и какие "объекты", "операторы", "различия", "цели" и так далее существенны для решения любой задачи, с которой он может столкнуться? И так далее. Ни одна теория, уклоняющаяся от ответов на подобные вопросы, не имеет шансов стать теорией решения задач человеком.
    Мечта "искусственной интеллигенции" [Прим.


    перев.: Понятие " искусственная интеллигенция" автор использует иронически, как своего рода каламбур, относя к этой категории всех тех, кто из конъюнктурных соображений стремится превратить примат технических, рутинных (но якобы "практических") задач в закон жизни искусственного интеллекта, кто в силу некомпетентности, неспособности или лени отказывается при исследовании интеллекта рассматривать человека во всей его полноте и сложности] (этим удачным выражением мир обязан доктору Луису Фейну) - снабдить наш мир "машинами, которые думают, которые творят", причем их способность делать все это будет расти до тех пор, пока "диапазон задач, доступных им, не совпадет с диапазоном, в котором действует мозг человека", как уже объявили в 1958 г. доктора Ньюэлл и Саймон22 книга вышла в свет четырнадцать лет спустя, и, как они обещали, "способность (машин) делать все это быстро росла", хотя "обозримое" тогда "будущее" как будто бы еще не наступило. Но видение это все еще достаточно отчетливо. Теперь, правда, они объяснили нам, каким образом собираются выполнить этот трюк. Предложенная система при наличии достаточного времени (но в обозримом будущем) сможет воспринимать во всех подробностях библиотеку энциклопедий.
    Однако для того, чтобы достичь такой степени восприимчивости, ей потребуется также приобрести универсальный словарь, сопоставимый с тем, которым обладает взрослый человек; ей придется овладеть естественным языком и интериоризовать запас знаний, равный тому, каким располагает мозг человека. Значительная часть специалистов в области искусственного интеллекта, действительно, сосредоточилась на задаче понимания вычислительной машиной естественного языка. Эту задачу я собираюсь обсудить в следующей главе.
    В данном случае остается выяснить, какой образ человека как системы для решения задач может порождать (я уже не говорю оправдать) уму непостижимое видение, обсуждавшееся нами? Чтобы получить ответ на этот вопрос, следует в первую очередь обратиться к тому, что Ньюэлл и Саймон понимают под "задачей".


    Ньюэлл и Саймон пишут:
    " Если мы обеспечиваем некоторое представление того, что является искомым, при каких условиях, посредством каких средств и операций, какова исходная информация и на какие ресурсы можно рассчитывать, и допускаем, что интерпретация [структур символов, представляющих эту информацию] в неявном виде содержится в программе системы обработки информации, предназначенной для решения задач, то тем самым мы определяем некоторую задачу"23.
    И тогда, естественно, поскольку "все люди представляют собой системы обработки информации", к ним и к их деятельности можно применить "основной метод системы GPS", а именно "эвристический анализ средств и целей", тестирование объектов, позволяющее установить их "неискомость" и, следовательно, необходимость дальнейшего преобразования в "искомые объекты" с помощью соответствующих операторов, и т. д.
    Можно было бы возразить, что подобная характеристика целей искусственного интеллекта - просто игра словами, неправомерно преувеличивающая истинные и много более умеренные цели искусственного интеллекта, что Ньюэлл, Саймон и все специалисты, занимающиеся искусственным интеллектом, на самом деле имеют в виду лишь определенный класс технических задач, к которым приведенное определение применимо и для решения которых GPS-подобные методы действительно подходят. Но дело-то заключается в том, что общепринятый подход, порожденный (вполне можно было бы сказать "извращенный") машинной метафорой, обращает любую задачу в техническую, к которой, как считается, применимы рассмотренные здесь методы. Подробнее я остановлюсь на этом моменте ниже.
    Ограничимся в данном случае тем, что отметим написанное Г. А. Саймоном еще в 1960 г.:
    "Допустим, что какое-то техническое достижение позволило автоматизировать психиатрию и в результате один психиатр может выполнять работу, которой до этого занималось десять психиатров. ... Этот пример покажется совершенно фантастическим только тем, кто не осведомлен о некоторых исследованиях, проводящихся сейчас в связи с задачами автоматизации психиатрической помощи"24.


    Исследование, которое он имел в виду, было в то время только что начато Кеннетом Марком Колби, психоаналитиком, писавшим:
    "Я провел множество лабораторных экспериментов, связанных со свободными ассоциациями, и у меня за спиной годы клинического опыта работы с невропатическими процессами; моей первоначальной задачей была имитация как [!] характеристик невропатических процессов, проявляющихся в мышлении при использовании режима свободных ассоциаций, так и их изменений, происходящих в результате вмешательства психотерапевта"25
    Этот проект, к счастью, провалился. Слова Саймона, однако, должны были еще шесть лет звучать в ушах доктора Колби, пока они снова не появились уже из-под его собственного пера. Как я уже отмечал, моя собственная работа, связанная с системой "Элиза", вновь разожгла его энтузиазм и побудила к высказываниям, уже цитировавшимся выше, но заслуживающим повторения и здесь:
    "Если плодотворность ["Элизы"] метода будет доказана, то он станет средством лечения, широко доступным для психиатрических больниц и психиатрических центров, страдающих от нехватки психотерапевтов. ... вычислительная система, разработанная специально для этих целей, сможет обслуживать несколько сот пациентов в час"26.
    Точно в соответствии с предсказанием Саймона и, следовательно, те самые "некоторые исследования"! Естественно, это эйфористическое обещание основывается именно на подходе к человеку как к GPS-подобной машине. Как писал доктор Колби:
    "Психотерапевта-человека можно рассматривать как систему обработки информации и принятия решений, снабженную множеством решающих правил, которые тесно связаны с краткосрочными и долгосрочными целями. ... При получении этих решений он руководствуется грубыми эмпирическими правилами, подсказывающими ему, что следует и чего не следует говорить в определенных ситуациях"27.
    Другими словами, пациент - это некоторый объект, отличающийся от искомого объекта. Задача психотерапевта заключается в выявлении соответствующих различий с помощью операторов выявления различий, затем в их уменьшении с помощью операторов уменьшения различий и т.д. Вот какова его "задача"! И вот как далеко завела некоторых из нас машинная метафора.

    Содержание раздела