| Головна |
| « Попередня | Наступна » | |
Х'ЮБЕРТ Л. ДРЕЙФУС І СТЮАРТ І. ДРЕЙФУС СТВОРЕННЯ СВІДОМОСТІ Ш: МОДЕЛЮВАННЯ МОЗКУ: ШТУЧНИЙ ІНТЕЛЕКТ ПОВЕРНУВСЯ НАТОЧКА ГАЛУЖЕННЯ 90 |
||
|
[Щічтоце здається мені більш можливим, ніж те, що люди одного разу прийдуть до безповоротного думку, ЩО В ... нервовій системі немає копії, яка відповідала б тій чи іншій конкретної думки, або тієї чи іншої Конкретної ідеї, або спогаду. Людвіг Вітгенштейн [1948: L 504 (66е>] [Інформація не зберігається ні в (саком певному місці - вона зберігається скрізь. Краще уявляти собі справу так, що інформацію «истребуют», а не «находя1 *». Девід Румелхарт і Дональд Норман (1981: 3). На початку 1950-х років, коли обчислювальні машини починали отримувати визнання, мало хто мислителі-новатори почали усвідомлювати, що цифрові комп'ютери можуть бути чимось ббльшім, ніж млинами, перемелюють числа. Тоді виникли і вступили в боротьбу за визнання Два протилежних вйДеіія того, чим могли б стати комп'ютери, - кожне зі своєю дослідницькою програмою. Одна партія бачила в комп'ютерах систему маніпулювання ментальними символами; інша - засіб моделювання мозку. Одна прагнула використати комп'ютера для іістаіціірованія формальної репрезентації світу, інша - для моделювання взаємодії нейронів. Одна розглядала як парадигми інтелекту рішення задач, інша - навчання . Одна використовувала логіку, інша - статистику. Одна школа була спадкоємицею раціоналістичної, редукционистской традиції у філософії, інша - розглядала себе як якусь ідеалізовану, холистской іейронауку. Бойовий клич першої групи був: і свідомості, і комп'ютери суть фізико-символьні системи. До 1955 року Аллен Ниоалл і Герберт Саймон, що працювали - РЕНД Корпорейшн, дійшли висновку, що послідовності бітів, якими маніпулює цифровий комп'ютер, можуть стояти замість чого завгодно - замість чисел, звичайно, ио також замість тих чи інших рис дійсного світу. Більше того: програми можна використовувати як правил репрезентації відносин між цими символами, так що система могла б виводити подальші факти про репрезентируемая об'єктах у відносинах між ними. Як недзвнойапісал Ниоелл у своїй розповіді про історію проблем AI, Область цифрових комп'ютерів визначає комп'ютери як машини, що маніпулюють числами. «Вся грандіозність ідея комп'ютерів, - кажуть їхні прихильники, - полягає в тому, що числами можна закодувати все що завгодно, навіть інструкції». Вчені ж в області AI розглядали комп'ютери як машини, що маніпулюють символами. «Вся грандіозність ідеї комп'ютерів, - говорили вони, - у тому, що символами можна закодувати все що завгодно, навіть числа» (Newell 1983: 196). Цей погляд на комп'ютери став підставою для відповідного погляду на свідомість. Ниоалл і Саймон висунули гіпотезу, що Людський мозок я цифровий комп'ютер, будучи абсолютно різними за структурою і механізмом, мають на певному рівні абстракції одне і те ж функціональне опис. На цьому рівні і мозок людини , і відповідним чином запрограмований цифровий комп'ютер можна розглядати як дві різних інстанціях-ції пристрої одного і того ж роду - пристрої, що породжує розумна поведінка допомогою маніпулювання символами за допомогою формальних правил. Ниоелл і Саймон сформулювали свій погляд у вигляді гіпотези: Гіпотеза про Систему Фізичних Символів. Система фізичних символів володіє необхідними і достатніми засобами для породження розумних дій. Під «необхідними» ми маємо на увазі, що будь-яка система, виявляв загальну розумність, виявиться - по розгляді її - системою фізичних символів. Під «достатніми» ми маємо на увазі, що будь-яку систему фізичних символів, що має досить великі розміри, можна далі організувати так, щоб вона виявляла загальну розумність (NeweS and Simon 1981:41). Ньюелл і Саймон зводять витоки своєї гіпотези до Готлоб Фреге, Бертрану Расселу і Альфреду Норту Уайхеду (1981: 42), але, звичайно, Фреге і компанія самі були спадкоємцями давньої атомістичної, раціоналістичної традиції. Вже Декарт висунув припущення , що: (1) розуміння полягає виключно в побудові відповідних репрезентацій і маніпулюванні ними; (2) ці репрезентації можна розкласти на прості елементи (naturas simplices) -, і (3) всі ці феномени можна розуміти як складні комбінації Простих Символів. І у Гоббса, сучасника Декарта, малося неявне припущення, згідно з яким елементи суть формальні компоненти, пов'язані один з одним чисто синтаксичними операціями, так що міркування можна звести до обчислень. «Коли людина розмірковує, він робить не що інше, як виводить ціле З додавання частин, - пише Гоббс, - бо РОЗУМ ... є не що інше, як розрахунок ... »(1958: 45). Нарешті, Лейбніц, розробляючи класичну ідею МАТЕЗІС - формалізації все, мав на увазі забезпечити тим самим підстави для Побудови універсальної системи символів, так щоб «ми могли кожному об'єкту приписати відповідне йому певне число» (1951:18). Згідно Лейбніца, в процесі розуміння ми розкладаємо поняття на більш прості елементи. Щоб уникнути регресу до все більш і більш простим елементам, повинні матися найпростіші, в термінах яких можна пбнять все більш складні Поняття. Більше того, якщо ми хочемо, щоб поняття були застосовні до світу, то повинні мати якісь Прості ознаки предметів, що репрезентується цими елементами. Лейбніц мав на увазі побудувати «алфавіт людських думок» (1951: 20), «букви [якого] повинні демонструвати, будучи вжиті в доказах, зв'язок, угруповання і порядок, мають місце також і в об'єкт» (1951: 10). Людвіг Вітгенштейн, спираючись на Фреге і Рассела, сформулював у своєму «Логіко-філософському трактаті» в чистому вигляді цей синтаксичний, репрезентаціоністскій погляд на ставлення свідомості до дійсності. Він визначив світ як сукупність логічно незалежних атомарних фактів: 1.1. Світ є сукупність фактів , а не речей. Факти ж, вважав він, можна вичерпним чином розкласти на прості об'єкти. 2.01. Атомарний факт є об'єднання об'єктів ... 2.0124. Бели дані всі об'єкти, то тим самим дано також і всі атомарні факти- Ці факти, їх складові частини та логічні відносини між ними, стверджував Вітгенштейн, репрезентуються у свідомості . 2.1. Ми створюємо для себе образи фактів. 2.15, Те, що елементи образу з'єднуються один з одним певним способом, показує, що так само з'єднуються один з одним і речі (1960). AI можна трактувати як спробу відшукати в суб'єкті (в людині або в комп'ютері) прості елементи і логічні відносини, що відображають Ті прості об'єкти і відносини між НИМИ, з яких зроблений світ . По суті, гіпотеза Ньюелла і Саймона про систему фізичних символів перетворює вітгенштейновское бачення (само є що кульмінацією філософської традиції класичного раціоналізму) в якусь емпіричну заявку і засновує на ній дослідницьку програму. протиставляє цьому інтуїція, згідно з якою нам слід створювати штучний інтелект, моделюючи мозок, а не символьні репрезентації світу у свідомості, черпала свої спонукальні мотиви не з філософії, а з того, що незабаром назвали ній-ронаукой. Безпосереднім джерелом її мотивацій були роботи Д. О. Хебба, який припустив в 1949 році, що деяка маса нейронів здатна навчатися в тому випадку, якщо при одночасному порушенні нейрона А і нейрона В це збудження збільшувало силу зв'язку між ними. Ця ідея була підхоплена франком Розеіблаттом, розсудили так: раз розумна поведінка, що грунтується на нашій репрезентації світу швидше за все важко формалізуються, то АІ повинен замість цього намагатися автоматизувати ті процедури, за допомогою яких мережа нейронів навчаються розрізняти образи (patterns) і відповідно реагувати на них. Як писав Розенблатт, неявне припущення [дослідницької програми маніпулювання символів] полягає в тому, що відносно легко специфікувати поведінку, яку ми хотіли б отримати від машини, а найважче - побудувати такий пристрій чи механізм, який би ефективно реалізував це поведінка ... [І ] легше і корисніше аксіоматизована фізичну систему, а потім аналітично досліджувати цю систему, щоб детермінувати її поведінку, ніж аксіоматизована поведінку, а потім будувати фізичну систему за допомогою техніки логічного синтезу (1962b: 386). По -іншому відмінність між цими двома дослідницькими програмами можна сформулювати так: ті, хто орієнтувалися на символьні репрезентації, шукали таку формальну структуру, яка дала б комп'ютеру можливість вирішувати певний клас проблем чи розрізняти певні образи. Розенблатт ж хотів побудувати таке фізичний пристрій (або змоделювати таке пристрій на комп'ютері), яке потім змогло б генерувати свої власні здібності. Багато що обговорювалися моделі пов'язані з питанням про те, яку логічну структуру повинна мати система, якщо ми хочемо, щоб вона володіла деякими властивістю X. По суті, це питання про статичній системі ... Альтернативний підхід до цього питання такий: яка система могла б розвинути властивість X? Я думаю, що для ряду цікавих випадків можна показати, що друге питання можна вирішити, не маючи відповіді на перше (1962b: 387). Обидва підходи незабаром привели до разючих успіхів. До 1956 року Ньюелл і Саймон досягли успіху в програмуванні комп'ютера за допомогою символьних репрезентацій так, щоб він вирішував прості головоломки і доводив теореми пропозіціонального обчислення. Ці перші вражаючі результати наводили на думку, що гіпотеза про системи фізичних символів близька до підтвердження, і неважко зрозуміти, що Ньюелл і Саймон були в ейфоричному настрої. Саймон оголосив: Не збираюся дивувати або шокувати вас ... Але найпростіше підвести підсумки було б так: тепер у світі існують машини, які мислять, навчаються і творять. Більше того, всі ці їхні здібності будуть швидко рости до тієї пори, коли - в осяжному майбутньому - діапазон проблем, з якими вони здатні справлятися, співпаде з тим діапазоном проблем, за які взагалі брався коли-небудь розум людини (1958: 6). Він і Ньюелл пояснювали: [У] нас тепер є елементи теорії евристичного (а не алгоритмічного) вирішення завдань; і ми можемо використовувати цю теорію як для розуміння евристичних процесів у людини, так і для моделювання таких процесів за допомогою цифрових комп'ютерів. Інтуїція, інсайти та навчання не є більш тільки власністю людей: будь-який великий високошвидкісний комп'ютер ми можемо запрограмувати так, щоб він виявляв ці властивості. (1958: 6) 91 Розенблатт втілив свої ідеї в пристрій, названий їм пер-цептроном 92. До 1956 року Розенблатт зумів навчити перцептрон розпізнавати подобу патернів певних видів і відокремлювати їх від інших, неподібних, патернів. До 1959 року він також радів і відчував, що його підхід виправдав себе: Видається зрозумілим, що ... з перцептроном на світ з'явилися нові автомати з обробки інформації: вперше у нас є машина, спо собнимі володіти оригінальними ідеями. Як аналог біологічного мозку, перцептрон, або, точніше, теорія статистичної отделимости, мабуть, наближається до того, щоб задовольнити вимоги функціонального пояснення нервової системи більше, ніж будь-яка інша з раніше пропонувалися систем ... У концептуальному плані, мабуть, в перцептроном втілена, без всякого сумніву, реальна здійсненність, так і принципи відмінних від людини систем, здатних здійснювати функції людського пізнання ... Мабуть, майбутнє інформаційних пристроїв, працюючих не на логічних , а на статистичних принципах, позначилося досить ясно (1958: i.449) На початку шістдесятих обидва підходи виглядали в рівній мірі обіцяючими, і обидва в рівній мірі підставлялися критиці, висуваючи завищені претензії. Тим не Проте, результати внутрішньої війни між цими двома дослідницькими програмами виявилися дивно несиметричними. До 1970 року підхід моделювання мозку, з перцептроном в якості парадигми, був зведений до небагатьом розрізненим, малодатіруемим зусиллям, в той час як люди, які запропонували використовувати цифрові комп'ютери як символьних маніпуляторів , здобули беззаперечний контроль над ресурсами, аспірантських програмами, журналами та симпозіумами, що в сукупності і складає процвітаючу дослідницьку програму. Реконструкція того, як відбулася така зміна, ускладнюється міфом про невідворотність того, що сталося, - міфом, що породжується будь активно діючої дослідницькою програмою. Отже, переможцям видається, що символьна обробка інформації перемогла тому, що була на правильному шляху, а нейронні мережі або коннекціоністскій підхід іроіграл тому, що він просто не працював. Однак така концепція історії даної галузі досліджень - не більше ніж ретроспективна ілюзія. У обох дослідницьких програм були як гідні розробки ідеї, так і глибокі, що залишалися в тіні проблеми. У кожної з позицій були свої огудники, і говорили вони, по суті, одне і те ж: даний підхід показав свою здатність вирішувати деякі легкі проблеми, але немає підстав вважати, що ця дослідницька група зможе успішно поширити свої методи на складні об'єкти. І справді, були свідоцтва, що в міру зростання складності проблем, обчислення, необхідні обома підходами, будуть рости по експоненті і, стало бути, скоро стануть нереалістичними. У 1969 році Марвін Мінський і Сеймур Пейперт писали про Розенблаттовом перцептроном: Розенблатгови схеми швидко взялися, і невдовзі з'явилося, схоже, не менше сотні груп і групок, які експериментують з цією моделлю ... Результати цих сотень проектів і експериментів були в загальному і цілому розчаровують, а пояснення - половинчастими. Зазвичай машини прекрасно працювали з дуже простими проблемами, але швидко погіршували свої показники у міру зростання труднощі ставилися перед ними завдань. Трьома роками пізніше сер Джеймс Лайтхілла, відецензовані роботи з використання евристичних програм, наприклад роботи Саймон і Мінського, прийшов до разюче схожим негативним висновків: Більшість людей, що працюють в AI і сусідніх областях, визнаються в Чітко вираженому почутті розчарування в тому, що досягнуто за останні 25 років. Люди прийшли в цю область близько 1950-го і навіть близько 1960-року з великими надіями, які в 1972-му році дуже далекі від здійснення. Ні в одному з розділів цієї області досі зроблені відкриття не справили того впливу, яке було свого часу обіцяно ... [0] дна досить загальна причина випробуваних розчарувань: невизнання всіх наслідків «комбінаторного вибуху». Це загальне перешкоду на шляху побудови ... системи, заснованої на крупній базі знань, джерелом якого є вибухове зростання - при збільшенні розмірів бази знань - будь-якого комбінаторного вираження, репрезентує число можливих способів угруповання елементів бази знань у відповідності з тими чи іншими конкретними правилами. Як лапідарно підсумували це Девід Румелхарт і Девід Зіп-сер, «рано чи пізно вас наздоганяє комбінаторний вибух, хоча іноді швидше в різних варіантах паралельної, а не послідовник-вої обробки інформації» (Rumelhart and McClelland 1986; 1.158). Обидві сторони, як одного разу висловився Джеррі Фодор, вплуталися в гру в тривимірні шахи, уявляючи, що вони грають в хрестики-нулики. Чому ж на такій ранній стадії гри, коли ще настільки мало пізнане і настільки багато ще Тільки належить дізнатися, одна дослідницька команда святкує перемогу за рахунок повної поразки іншої сторони? Чому на цій вирішальній розвилці проект символьної репрезентації став єдиною грою в нашому місті? Кожен знає історію цієї області зможе вказати на найближчу причину. Близько 1965-го року Мінський і Пейперт, які керували лабораторією в Массачусетсом Інституті Технології, що працювала над проблематикою символьно-маніпуляціоіного підходу і тому змагатися з перцептроном проектами, почали рас- пространяются перші варіанти книги, нападаючої на ідею перцептро-на. У цій книзі вони ясно заявили про свою наукову позиції: Перцептрони були широко розрекламовані як машини, «розпізнають образи (patterns)», або навчаються машини, і в якості Таких вони обговорювалися в численних книгах, журнальних статтях і об'ємистих «звітах». Б & липая частина цих писань ... позбавлена наукової цінності (1969: 4). Але їх нападки були також і філософської кампанією: Вони правильно розуміли, що традиційному використанню редукції до логічних вихідним елементам кинутий виклик з боку якогось нового холізму: Обидва автори, які пишуть ці рядки (спочатку окремо, а потім разом), залучилися до якусь процедуру терапевтичного примусу з метою розсіяти те, що ми з побоюванням вважали першими провісниками «холістичного» або «гештальтного» омани, який погрожував навалою на поля технічних досліджень та досліджень в галузі штучного інтелекту, подібним більш раннього навалі на біологію і психологію (1969: 19). Вони були цілком праві. Штучні нейронні мережі можуть - хоча не зобов'язані - допускати інтерпретацію своїх прихованих вузлів 93 в термінах таких ознак, які могли б бути розпізнані людиною і використані ним для рішень даної проблеми. Якщо саме моделювання нейронної мережі не пов'язує себе ні з якою точкою зору, можна показати, Що асоціація не вимагає, щоб приховані вузли були інтерпретованих. Такі холісти, як Розенблатт, висунули вдале допущення, що індивідуальна вузли або патерни вузлів не вибирають фіксованих ознак даної предметної області. Мінському і Пейперт так сильно хотілося усунути всяке суперництво, і вони були настільки безтурботно переконані у правоті атомістичної традиції, яка від Декарта до раннього Вітгенштейна, що в їх книзі набагато більше натяків, ніж реальних доказів. Вони взялися за аналіз здібностей одношарового перцептрона 9 і в той же час в математичному розділі своєї книги абсолютно проігнорували глави Розенблатта про багатошарових машинах і його доказ про збіжність імовірнісного навчається алгоритму, ос- заснованого на зворотному розмноженні 'помилок (1962а: 292) 94. Як пишуть Румелхарт і Маклелланд, Мінський і Пейперт поставили собі за мету показати, які функції можуть, а які не можуть обчислювати [одношарові] машини. Вони, зокрема, показали, що подібні перцептрони нездатні обчислювати такі математичні функції, як функцію парності (чи знаходиться на сітківці парне чи непарне число точок) або топологічну функцію зв'язності (чи всі точки на сітківці пов'язані з усіма іншими точками на сітківці або безпосередньо, або через якісь інші точки, які також знаходяться на сітківці) без того, щоб використовувати до безглуздості велике число предикатів. Їх аналіз надзвичайно витончений; він демонструє важливість математичного підходу до аналізу обчислювальних систем (1986: i. 111). Однак наслідки цього аналізу досить обмежені. Румелхарт і Маклелланд пишуть далі: У загальному і цілому, ... хоча Мінський і Пейперт були абсолютно праві у своєму аналізі одношарового перцептрона, їх теореми непріложіми до таких систем, які хоча б трохи складніше. Зокрема, вони незастосовні ні до багатошарових систем, ні до систем, що допускають цикли зворотного зв'язку (1986: і. 112). І незважаючи на це, у висновку до перцептроном, коли Мінський і Псйцерт задаються питанням: «Чи розглядали ви перцептрони з багатьма шарами?», Вони, хоч і риторично, залишають питання відкритим, створюючи враження, що вирішили його: Так, ми розглянули машини Гамба, які можна описати як «два шари перцептрона». Ми не виявили (розмірковуючи над цим питанням і переглядаючи Наявну літературу) ніякого іншого по-справжньому цікавого класу багатошарових машин, - в усякому разі, никакою такого класу, принципи якого були б істотно пов'язані з принципами перцептрона ... [М] и вважаємо, що важливою дослідницької проблемою є задача прояснення (або відкидання) нашого інтуїтивного судження, що розширення в напрямку багатошаровості безплідно (1969: 231-232). ? і. Їх атака на гештальтного мислення в AI досягла успіху так, як їм і не снилося. Лише дуже небагато, чиї смуга залишилися непочутими, - у тому числі Стівен Гросберг, Джеймс А. Андерсон і Теуво Кохонен - зайнялися пов; ой «важливою дослідницької проблемою». По суті, майже кожен працював у AI вважав, що нейронні мережі поховані назавжди. Румелхарт і Маклелланд відзначають: Аналізу Мінським і Пейпертом обмеженнями одношарового перцептрона, укупі з деякими першими успіхами підходу в AI, що базується на символьної обробці, виявилося достатньо для того, щоб вселити великому числу працюючих у цій галузі, що у перцептрон-них обчислювальних пристроїв немає ніякого майбутнього в штучному інтелекті і когнітивної психології (1986: і. 112). Але чому цього виявилося достатньо? Обидва підходи видали деякі багатообіцяючі результати і деяка кількість необгрунтованих обіцянок 95. Було дуже рано підбивати підсумки. І все ж у книзі Мінського й Пейперта виявилося щось таке, що зачепило струну, готову до відповіді. Справа виглядало таким чином, ніби люди, що працюють в АІ, поділяли ті квазірелігійні філософські забобони проти холізму, які лежали в основі нападок Мінського і Пейперта. Силу цієї традиції можна побачити, наприклад, у статті Ниоелла і Саймона про фізико-символьних системах. Стаття починається з наукової гіпотези про те, що свідомість і комп'ютер розумні в силу того, що вони Маніпулюють дискретними символами, а закінчується якимось одкровенням: «Дослідження логіки і комп'ютерів відкрило нам, що розумність корениться у фізико-символьних системах» (1981: 64). Холізм не упорався з такими сильними філософськими переконаннями. Розенблатт був дискредитований разом з сотнями менш відповідальних дослідницьких груп, які були обнадіяв його роботою. Його потік спонсорування вичерпався, і йому було нелегко опублікувати свої роботи. До 1970 року в тому, що стосується АІ, нейронні - мережі були «мертві». У своїй історії AI Ньюелл каже, що суперечка «символи проти числа» «безумовно не має місця зараз і протягом вже тривалого часу» (1983: 10). Розенблатт навіть ие згадується в історіях AI, Написаних Джоном Хогелендом (1985) і Маргарет Воден (1977) Однак звалювати повний провал коннекціоністов на антіхолі-стскіе забобони означало б занадто спрощувати справу. Ця думка повертає нас до філософської традиції. За символьної обробкою інформації стояв не просто Декарт і його послідовники, але вся західна філософія. Згідно Хайдеггеру, традиційна філософія з самого початку задана своїм зосередженням на фактах в світі, в той час як «ігнорується» сам світ як такий (Heidegger 1962; § § 14-21; Dreyfus 1988). Це означає, що філософія з самого початку систематичним чином ігнорувала або спотворювала буденний контекст людської діяльності 96 До того ж та гілка філософської традиції, яка йде від Сократа через Платона Декарта, Лейбніца і Канта до класичного AI, вважає само собою зрозумілим, що розуміння деякої предметної області полягає в тому, що у нас є теорія цій галузі. Теорія формулює відносини між об'єктивними, Бесконтекстние елементами (простими, вихідними ознаками, атрибутами, факторами, дискретними даними, сигналами і т. д.) в термінах абстрактних принципів (що покривають законів, правил, програм і т. д.). Платон вважав, що в таких теоретичних областях, як математика і, бути може, етика, люди, які мислять, користуються явно вираженими, Бесконтекстние правилами теорій, які оіі дізналися в іншому житті, за межами буденного світу. Будучи пізнаних, такі теорії функціонують в нашому світі, керуючи свідомістю людини, яка мислить, - неважливо, чи усвідомлює сама людина ці теорії чи ні. Концепція Платона була застосовні не до звичайних навичкам та вмінням, а тільки до таких областей, в яких є апріорне знання. Однак успіх теорій в природничих науках підкріплював ту ідею, що в будь впорядкованої області повинен матися якийсь набір Бесконтекстние елементів і деяких абстрактних відносин між цими елементами, відповідальних за впорядкованість цій області і за здатність людини розумно дію- вовать в її межах. Так, Лейбніц сміливо узагальнив раціоналістской підхід на всі форми розумної діяльності, навіть н буденної практики: [Н] аиболее важливі спостереження та вміння всіх ремесел і професій ще записані. Цей факт підтверджується тим досвідом, який ми отримуємо, коли переходимо від теорії до практики і хочемо щось здійснити. Конечна, ми можемо і записати цю практику, оскільки, по суті, вона є лише ще одна теорія, більш складна і конкретна ... [Курсив наш - Дрейфуса] (1951: 48). Підхід, що грунтується на обробці символьної інформації, черпає свою впевненість саме з цього перенесення на всі сфери тих методів, які були розвинені філософами і виявилися успішними в природничих науках. Оскільки, у згоді з цією точкою зору, будь-яка область формализуема, в будь-якій області AI здійснюється тим, що відшукуються Бесконтекстние елементи та принципи і на цьому теоретичному аналізі базується якась формальна, символьна репрезентація. У цьому дусі Террі Виноград описує свою роботу в галузі АІ в термінах, запозичених у фізики: Нам потрібно побудувати такий формалізм, або «репрезентацію», за допомогою якої ми могли описувати ... знання. Нам потрібно відшукати «атоми» і «частки», з яких воно будується, і «сили», які на нього діють (1976: 9). Безсумнівно, теорії про Всесвіт часто будуються поступово, крок за кроком, спочатку моделюються відносно прості і ізольовані системи, а потім модель крок за кроком ускладнюється і зв'язується в одне ціле з моделями інших предметних областей. Це можливо тому, що всі явища відбуваються, як вважається, від за-коноподобіих відносин між «структурними примітивами», як називають їх Пейперт і Мінський. Оскільки ніхто не аргументує на користь атомістичної редукції в AI, здається, що ті, хто працює в AI, просто неявно припускають, що абстрагування елементів від їх буденного контексту, що задає філософію і працююче в природознавстві, має працювати і в AI. Цілком можливо, що це допущення пояснює, чому гіпотеза про фізико-символ системі так швидко перетворилася на одкровення і чому книга Пейперта і Мінського з такою легкістю розгромила холізм перцептрона. Один з нас - Х'юберт, - викладаючи філософію в Массачусетсом Технологічному Інституті в середині 60-х років, скоро був втягнутий в суперечки про можливість штучного інтелекту. Було очевидно, що такі дослідники, як Ньюелл, Сайма і Мінський б- ді спадкоємцями цієї філософської традиції. Але з урахуванням висновків пізнього Вітгенштейна і раннього Хайдеггера, це не здавалося хорошою ознакою для редукционистской дослідницької програми. Обидва ці мислителя поставили під питання саму ту традицію, на якій грунтувалася обробка символьної інформації. Обидва були холісти, обидва були під враженням важливості повсякденних практик і обидва вважали, що у людини не може бути теорії буденного світу. Іронія інтелектуальної історії полягала в тому, що нищівна критика Вітгенштейнів його власного «Трактату», - його «Філософські дослідження», - були опубліковані в 1953 році, якраз в той час, коли AI сприйняв ту абстрактну, атомістичну градацію, на яку нападав Вітгенштейн . Написавши свій «Трактат», Вітгенштейн провів роки, займаючись тим, що він називав феноменологією (1975), в марних пошуках атомарних фактів і базових об'єктів, що вимагалися його теорією. Зрештою він відкинув свій «Трактат» і всю раціопалістіческую філософію. Він аргументував, що аналіз повсякденних ситуацій в термінах фактів і правил (а саме з цього, як вважають більшість традиційних філософів і дослідників AI, повинна починатися теорія) сам має сенс лише в тому чи іншому контексті і для тієї чи іншої мети. Так, вибір елементів вже відображає ті цілі і завдання, для яких вони відбиралися. Коли ми намагаємося відшукати остаточні Бесконтекстние, незалежні від конкретної мети елементи, - а ми повинні це зробити, якщо ми хочемо відшукати вихідні символи для введення в комп'ютер, - то насправді ми намагаємося звільнити аспекти нашого досвіду саме від тієї прагматичної організації, яка дозволяє нам розумно їх використовувати при зіткненні з буденними проблемами. У «філософських дослідженнях» Вітгенштейн прямо критикував логічний атомізм "Трактату": «На чому заснована ідея, що імена насправді позначають прості [елементи]?» - Говорить Сократ у «Теетет»: «Якщо я не помиляюся, я чув, деякі люди говорять так: немає визначення тих первинних елементів - так сказати - з яких складаємося ми І все інше ... Але в точності подібно до того, як те, що складається з цих первинних елементів, само складно, так і імена цих елементів стають описовим мовою, якщо їх скласти разом ». І Расселова «індивіди» і мої «об'єкти» («Логіко-філософський трактат») були такими первинними елементами. Але що являють собою ті прості складові, з яких складена дійсність? .. Абсолютно безглузда говорити абсолютним чином про «простих частинах стільця» (1953: 21). Уже в 1920-х роках Мартін Хайдеггер аналогічним чином реагував проти свого вчителя Едмунда Гуссерля, який вважав aloe вчення кульмінацією картезіанської традиції і який був тому дідусем AI (Dreyfus 1982). Гуссерль аргументував, що акт свідомості, або ноезіс, сам по собі не схоплює об'єкт, такий акт має інтенціональність (спрямованість) лише в силу якоїсь «абстрактної форми», або сенсу (meaning), в Ноемі, корелятивною з даним актом Цей сенс (meaning), або символьна репрезентація, як її розумів Гуссерль, є якась складна сутність, перед якою стоїть важке завдання. У «Ідеях до чистої феноменології» (1982) Гуссерль зробив сміливу спробу пояснити, яким чином Ноемі вирішує цю задачу. Референція забезпечується «предикатами-смислами», які, подібно Фрегевим Sinne, володіють чудовою властивістю вибирати атомарні властивості об'єктів. Ці предикати комбінуються в складні «описи» складних об'єктів, як в Расселова теорії дескрипций. Для Гуссерля, близького в цьому питанні до Канту, Ноемі містить якусь ієрархію строгих правил. Оскільки Гуссерль уявляв собі розумність як детерміновану контекстом цілеспрямовану діяльність, ментальна репрезентація об'єкта будь-якого різновиду повинна була забезпечити контекст, або «горизонт», очікувань або «задумів» для структурування вхідних даних: «правило, керуюче можливим іншим свідомістю [об'єкта] як тотожним - можливим , як екземпліфіцірующім істотно визначене типи »(1960: 45). Ноемі повинна містити правило, яке описує всі ті ознаки, яких можна з достовірністю очікувати, досліджуючи об'єкт того чи іншого типу - ознаки, що залишаються «непорушно одними і тими ж: оскільки об'єктивність залишається неявної в якості цієї об'єктивності і в якості об'єктивності цього роду» (i960 : 53). Дане правило повинно також наказувати приречення властивостей, які можливі, Але не необхідні, ознак об'єкта цього типу: «Тому замість абсолютно детермінованого сенсу завжди є якась рамка (а frame) порожнього сенсу ...» (1960:51). У 1973 році Марвін Мінський запропонував нову структуру даних для репрезентації буденного знання, дивно схожу на Гуссерлеву: Фрейм є структура даних дня репрезентацій стереотипної ситуації; наприклад знаходження у вітальні певного роду або походу на день народження до дитини ... Фрейм можна уявляти собі як мережа вузлів і відносин. Верхні рівні фрейму фіксовані і репрезентують такі речі, які завжди правдиві щодо даної передбачуваної ситуації. Нижні рівні мають багато терміналів - автоматних щілин, які повинні бути заповнені конкретними інстанціями або даними. Для кожного терміналу можуть матися особливі умови, яким повинні задовольняти його інстанції .., Чимала частина феноменологічної сили трорін залежить від включення в неї очікувань і презумпцій інших родів. Термінали фрейма зазвичай вже заповнені керівництвами "за замовчуванням" (1981: 96). В описаній Мінським моделі фрейма «верхній рівень» - це розвинена версія трго, що, за термінологією Гуссерля, залишається в репрезентацій «непорушно одним і тим же», а Гуссерлеви приречення стають «інстанціями за замовчуванням» - тими додатковими ознаками, які можуть в нормі очікуватися. У результаті в техніці AI був зроблений крок від пасивної моделі обробки інформації до такої моделі, яка намагається врахувати взаємодію пізнає суб'єкта і світу. Таким чином, завдання AI змикаються із завданнями трансцендентальної феноменології. І той, і інша повинні намагатися відшукати в звичайних областях фрейми, побудовані з безлічі вихідних предикатів і їх формальних відносин. Хайдеггер, ще до Вітгенштейна, здійснив, відповідаючи Гуссерлю, феноменологічний опис буденного світу і таких буденних об'єктів, як стільці і молотки. Подібно Вітгенштейна, він виявив, що буденний світ не можна репрезентувати допомогою деякого набору Бесконтекстние елементів. Саме Хайдеггер змусив Гуссерля розглянути саме цю проблему, вказавши, що є інші способи «зустрічі» з речами, ніж віднесення до них як до об'єктів, заданих деяким набором предикатів. Коли ми використовуємо такий інструмент, як молоток, сказав Хайдеггер, ми актуалізуємо якесь вміння (яке необов'язково має бути репрезентировано у свідомості) в контексті соціально організованою зв'язку інструментів, цілей і людських ролей (які необов'язково повинні бути репрезентовані як деякий безліч фактів). Цей контекст, чи світ, і наші звичайні методи вмілого пристосування до нього, які Хайдеггер називав «обачністю» («circumspection»), суть не щось таке, що ми лише мислимо, але частина нашої соціалізації, формує те, якими є ми суть. Хайдеггер робить висновок: Контекст ... можна розуміти формально - як систему відносин. Але [феноменальне зміст цих «стосунків» і їх «членів» ... та- ково, що вони чинять опір якої б то не було математичної функціоналнзаціі; не є вони також і чимось таким, що мислиться, вперше постулюється в «акті мислення». Вони суть такі зв'язки, в яких вже живе заклопотана обачність як така (1962: 121-122). Тут розходяться ауті Гуссерля і AI, з одного боку, і Хайдег-гера і пізнього Вітгенштейна - з іншого. Вирішальним стає питання: «Чи може матися теорія буденного світу, як завжди вважали філософи-раціоналісти?» Або ж фон, на який спирається здоровий глузд, - це комбінація умінь, практик, розрізнень і так далі, які ие є інтенціональних стану і таким чином , a fortiori, не володіють яким-небудь репрезентативним змістом, який можна було б або слід було б експлікувати в термінах елементів і правил? Зробивши крок, Який скоро став загальним місцем в колах AI, Гуссерль спробував уникнути проблеми, поставленої Хайдеггером. Гуссерль заявив, що світ, ФБН значущості, буденний контекст, - це Просто дуже складна Система фактів, корелювали з дуже складною системою переконань, які - оскільки у них є умови істинності - він називав очевидні. Він вважав, що в принципі людина могла б на час утриматися від свого буття у світі і досягти відстороненого опису Системи людських переконань. Таким чином людина могла б виконати ту задачу, яка неявним чином присутня У філософії з часів Сократа: зробити явними ті переконання і принципи, які лежать в основі всякого розумної поведінки. Як формулював це Гуссерль, [Д] аже той фон ..., який ми Завжди спільно усвідомлюємо, але який в кожне дану мить іррелевантен і залишається абсолютно непоміченим, все ж функціонує у відповідності зі своїми неявними очевидно (1970: 149). Оскільки Гуссерль твердо вірив, ніж загальний для людей Фої можна зробити явіиМ як якась системи переконань, він випередив свій час, піднявши питання про можливість АІ. Обговоривши можливість того, що формальна аксіоматична система могла б описати досвід, і вказавши, що така система аксіом і вихідних елементів - щонайменше, як ми знаємо її в геометрії, - нездатна описати такі буденні форми, як «зубчастий» або «галактика» , Гуссерль залишив відкритим питання про те, чи можна все ж формалізувати такі буденні концепти. (Це було подібно до того, як в АІ був піднятий і залишений відкритим питання про те, чи можна аксіоматі- зировать буденну фізику.) Сприйнявши Лейбніцеву мрію про мате-ЗИСе усілякого досвіду, Гуссерль додає: нагальне питання полягає ... в тому, чи не може матися ... якась ідеалізую процедура, що замінює узревал інтуїцією дані на чисті і строгі ідеали і яка може ... служйіь ... основним засобом для побудови МАТЕЗІС досвіду (1952: v. 134). Але, як передбачив Хайдеггер, завдання створення повного теоретичного опису буденного життя виявилася набагато важчою, ніж це очікувалося спочатку. Проект Гуссерля зіткнувся з серйозними труднощами, і є ознаки, що з не менш серйозними труднощами зіткнувся і проект Мінського. По ходу двадцятип'ятирічних спроб виявлення компонентів суб'єктивної репрезентації звичайних об'єктів, Гуссерль виявляв, що він повинен включати в опис все нові й нові порції повсякденного розуміння суб'єктом повсякденності: Безсумнівно, навіть ті завдання, які виникають, коли ми беремо в якості обмежених ключових даних якісь окремо взяті типи об'єктів, виявляються надзвичайно складними і завжди ведуть до великих дисципліну в міру того, як ми все глибше проникаємо в них. Так йде справа, наприклад, з ... просторовими об'єктами (не кажучи вже про Природу) як Такими, психофізичним буттям і людством як таким, культурою як такої (1960: 54-55). Він говорив про «гігантської конкретності» ноеми (1969: 244) і про її «неосяжної складності» (1969: 246) і сумно уклав, коли йому було сімдесят п'ять, що він вічний початківець і що феноменологія - «нескінченна завдання» (1970: 291). У статті Мінського «Концептуальний апарат для репрезентації знання» Є натяки, що він взявся за ту ж саму «нескінченну завдання», яка зрештою зломило Гуссерля: Просто побудувати базу знань - складна інтелектуальна дослідницька проблема ... Ми ще дуже мало знаємо про зміст і структуру буденного знання. «Мінімальна» система здорового глузду повинна «знати» щось про причину, слідстві, часу, мети, місцезнаходження, процесі та типах знання ... У цій області потрібні серйозні епістемологічні дослідницькі зусилля (1981: 124), ї. Для дослідника сучасної філософії наївність і віра Мінського вражаючі. Феноменологія Гуссерля якраз і побут таким дослідницьким зусиллям. По суті, філософи від Сократа до Лейбніца і раннього Вітгенштейна докладали в цій області серйозних- езние епістемологічні зусилля протягом двох тисячоліть без помітних успіхів. У світлі радикальної зміни поглядів Вітгенштейнів і нищівної хайдеггерову критики Гуссерля одні з нас - Х'юберт - передбачив трудність обробки символьної інформації. Як зазначає Ньюелл в своїй історії AI, це попередження не було прийнято в розрахунок: Основне інтелектуальне заперечення Дрейфуса ... полягає в тому, що спроби розкладання контексту людської дії на дискретні елементи приречені на провал. Це заперечення грунтується на феноменологічної філософії. На жаль, в тому, що стосується AI, це заперечення залишилося без уваги. Відповіді, заперечення і аналізи, що з'явилися як реакція на писання Дрейфуса, попросту пройшли повз цього питання, який насправді міг би стати нововведенням, якби він потрапив у поле зору (1983: 222-223). Але попадання в поле зору відповідних труднощів не довелося довго чекати, коли сам світ повсякденності помстився AI, як він помстився і традиційної філософії. Нам видається, що дослідницька програма, висунута Ньюеллом і Саймоном, пройшла три десятирічних стадії. З 1955 по 1965 рр.. в цій галузі досліджень, яку тоді називали «когнітивним моделюванням», переважали дві дослідницькі теми - репрезентація і пошук. Наприклад, Ньюелл і Сміт показали, як комп'ютер може вирішувати якийсь клас проблем, грунтуючись на одному загальному евристичному принципі пошуку, відомому як аналіз «засіб-мета», саме використовувати будь-яку доступну йому операцію для скорочення відстані між описом наявної ситуації і описом мети. Потім вони абстрагувалися цю евристичну техніку і включили її в свій Загальний Рещатель Проблем (ОРП). Друга стадія (1965-1975 рр..), На якій лідирували Марвін Мінський і Сеймур Пейперт в Массачусетсом Технологічному Інституті, була присвячена тому, які факти і правила використовувати для репрезентації. Ідея полягала в тому, щоб розвинути методи для систематичної маніпуляції знанням в ізольованих областях, названих «мікросвіт». Серед знаменитих програм, написаних в МТІ близько 1970-го року, - SHRDLU Террі Винограду, яка вміла виконувати команди, записуємо на природній мові і належали до якогось спрощеним «світу кубиків»; програма проблем аналогією Томаса Еванса; програма аналізу сцен Девіда Уолтц; і програма Патріка Уіістона, умевшая засвоювати поняття з ірімеров. Сподівалися, що ці обмежені і ізольовані мікросвіти можна буде поступово робити більш реалістичними і комбінованими, так щоб наблизитися до розуміння в масштабах реального світу. Проте дослідники сплутали дві області, які, по Хайдеггеру, слід розрізняти - «всесвіт» і «мир». Безліч взаємозалежних фактів здатне конституювати якусь вселтащЮ, подібну фізичного Всесвіту, але воно не конституює світу. Світ, наприклад, світ бізнесу, світ театру чи світ фізиків, г це організований масив об'єктів, цілей, умінь і практик, на основі яких отримує свій сенс або стає осмисленої людська діяльність. Щоб зрозуміти, в чому відмінність, можна зіставити позбавлену сенсу фізичну Всесвіт з наділеним сенсом світом дисципліни фізики. Світ фізики, світ бізнесу і світ театру отримують сенс лише на тлі загальних людських турбот і інтересів. Вони суть локальні конкретизації одного спільного для всіх нас світу здорового глузду Тобто подміри пов'язані один з одним не так, як ізольовані фізичні системи з тими осяжний систоли, які вони складають, а скоріше як локальні конкретизації якогось цілого, яке вони припускають як своєї передумови . Мікросвіти ж це не світи, а ізольовані, позбавлені сенсу області, і поступово стало ясно, що їх не можна об'єднати один з одним і розширити так, щоб отримати в результаті світ повсякденного життя. На третій стадії, приблизно з 1975-го року по теперішній час, AI бореться з тим, що отримало назву проблеми буденного знання. Репрезентація буденного знання завжди була однією з центральних проблем в AI, ио два перших періоду - когнітивне моделювання і мікросвіти - характеризувалися спробою уникнути проблеми буденного знання і спробувати отримати максимум досягнень з мінімумом готівкового знання. Однак до середини 1970-х років цією проблемою вже стало необхідно зайнятися впритул. Без особливого успіху були випробувані різні структури даних, наприклад фрейми Мінського і сценарії Роджера Шейка. Проблема буденного знання не дозволяла AI навіть приступити до виконання двадцятирічної давності передбачення Саймона про те, що «не більше ніж через двадцять років машини зможуть виконувати будь-яку роботу, яку здатний виконати людина» (1965: 96). По суті, проблема буденного знання не дала AI за останнє десятиліття просунутися ні на крок вперед. Виноград одним з перших побачив обмеженості SHRDLU і всіх цих спроб розширити рамки мікромірового підходу за допомогою сценаріїв і фреймів. «Зневірившись» в AI, він тепер зайнятий тим, що викладає Хайдеггера в рамках свого курсу по computer science в Стенфорді і вказує на «трудність формалізації того буденного фону, який детер- мінує, які саме сценарії, цілі та стратегії мають відношення до справи і як саме вони взаємодіють один з одним »(1984: 142). У чому знаходить надію і сили AI, забравшись в цей тупик, так це в тому переконанні, що раз люди, очевидно, якось вирішили проблему буденного знання, то, стало бути, вона повинна мати рішення. Але люди, в нормі, можуть і взагалі не використовувати буденне знання. Як вказали Хайдеггер і Вітгенштейн, повсякденне розуміння Цілком може полягати в буденному ноу-хау (everyday know-how). Під «ноу-хау» ми розуміємо Чи не процедурні правила, а знання, що робити, у величезному безлічі приватних випадків. Наприклад, буденну фізику виявилося надзвичайно важко докладно пояснити у формі деякого набору фактів і правил. Якщо спробувати зробити це, то виявиться, що або для розуміння знайдених тобою фактів і правил тобі знову ж буде потрібно здоровий глузд, або в результаті виходять формули такої складності, що видається вкрай малоймовірним, щоб вони містилися в свідомості дитини. Заняття теоретичною фізикою теж вимагають фонових умінь, які можуть виявитися неформалізуємим, проте саму цю область можна описати за допомогою абстрактних законів, які не апелюють до фонових вмінням. З цієї обставини АІ-дослідників помилково роблять висновок, що і буденна фізика повинна бути виразність у вигляді деякого набору абстрактних принципів. Але ж може бути й так, що проблема знаходження теорії повсякденного фізики нерозв'язна тому, що у цій галузі взагалі немає ніякої теоретичної структури. Кожен день протягом декількох років граючи з усілякими рідинами і твердими тілами, дитина, можливо, просто навчаються розрізняти прототипические випадки твердих тіл, рідин і т. д. і навчається типовим адекватним реакціям на їх типова поведінка в типових обставинах. Те ж може бути вірно і для соціального світу. Якщо і справді фонове розуміння - це якесь вміння, а вміння засновані на цільних образах, а не правилах, то можна очікувати, що символьні репрезентації виявляться нездатними вхопити наше повсякденне розуміння. У світлі цього тупика, класичний, символьний АІ стає все більш і більш схожим на чудовий приклад того, що Імре Лакатош (1978) назвав вироджується дослідницькою програмою. Як ми бачили, АІ почався за сприятливих провісників з роботи Ньюелла і Саймона в Ренді і до кінця 1960-х років перетворився на процвітаючу дослідницьку програму. Мінський передбачав, що «ще за життя цього покоління проблема створення "штучного інтелекту" буде в загальному і цілому вирішена »(1977: 2). Потім, досить-таки раптово, вся ця область зіткнулася з несподіваними труднощами. Сформулювати теорію здорового глузду виявилося набагато важче, ніж очікувалося. Всупереч сподіванням Мінського, справа складалася не в тому, щоб каталогізувати кілька сотень тисяч фактів. Центральне значення набула проблема буденного знання. Умонастрій Мінського рішучим чином змінилося за п'ять років. Він повідомив одному репортеру, що «проблема AI - одна з найважчих, за які коли-небудь приймалася наука» (Kolata 1982: 1237). Зрештою, раціоналістской традиція постала перед судом емпіричної перевірки - і провалилася. Ідея побудови формальної, атомістской теорії світу повсякденного здорового глузду і репрезентації такої теорії в символьному маніпуляторі зіткнулася в точності з тими труднощами, які були виявлені Хайдеггером і Вітгенштейнів. Інтуїтивне переконання Франка Розенблатта в тому, що формалізувати світ і таким чином формально специфікувати розумна поведінка буде безнадійно важко, - це переконання виправдалося. Його дослідницька програма (що складалася в тому, щоб використовувати комп'ютер для Втілення холистской моделі ідеалізованого мозку), яка була загнана в підпілля, але ніколи не була по-справжньому спростована, знову стала предметом реально можливого вибору. Журналісти у своїх описах історії AI наводять приклади того, як анонімні наклепники поливали брудом Розеіблатта як «продавця зміїного жиру»: Нинішні дослідники пам'ятають, як про Розенблатта і про роботу його машини важливим тоном робилися різкі заяви. «Він був мрією рекламного агента, - говорить один вчений, - справжній шаман. Послухати його, так Перцептрон здатний робити прямо-таки фантастичні речі. І може бути, так воно і є. Але ось робота Франка цього не доводила »(McCorduck 1979: 87). Насправді ж, він набагато ясніше говорив про здібності і обмежених різних типів перцептронів, ніж Саймон і Мінський про свої символьних програмах Тепер його реабілітують. 18 Ось деякі типові цитати з Розенблаттових «Принципів нейродинамики»: «По ходу експерименту навчання перцептрон, як Правило, дається якась послідовність патернів, що містять представника кожного типу або класу, який повинен бути різний, і відповідно з деяким правилом модифікації пам'яті« підкріплюється » відповідний вибір відповідної реакції. Потім перцептрон піддають тес- товому стимулюванню, і встановлюється ймовірність правильної відповіді Для даного класу стимулів ... Якщо тестовий стимул активує безліч сенсорних елементів, які повністю відрізняються від тих елементів, що були активовані в попередніх випадках подвергания перцептрона стимулам того ж самого класу, то експеримент являє собою тест на «чисте узагальнення». Найпростіший з перцептронів не володіє здатністю до чистого узагальненню, але можна показати, що цілком задовільно поводиться в експериментах з розрізнення, особливо якщо тестовий стимул майже тотожний одному з раніше сприйнятих патернів (с. 68) ... Розглядалися досі перцептро-ни за своїми здібностями розпізнання фігур і тенденціям до організації гештальтів мало чим схожі на людські суб'єкти (с. 71) ... Розпізнавання послідовностей в рудиментарній формі цілком під силу відповідним чином організованим перцептроном, однак проблема фігуральної організації та сегментації стає тут настільки ж серйозною, як і у випадку сприйняття статичного патерну (с. 72) ... У разі простого перцептрона патерни розпізнаються перш «стосунків»; по суті, такі абстрактні відносини, як «А вище, ніж В * або« цей трикутник знаходиться всередині кола », взагалі не абстрагуються в якості таких, але можуть бути засвоєні лише за допомогою процедури повного заучування на пам'ять, по ходу якої кожен випадок, в якому дане відношення має місце, викладається перцептроном окремо (с. 73) ... Мережа, що складається з менш ніж трьох шарів сігналопередаюпщх блоків, або мережа, що складається виключно з лінійних елементів, лінійно з'єднаних один з одним, нездатна навчитися розрізняти класи патернів в ізотропному середовищі (де будь патерн мбжет з'явитися у всіх можливих місцях розташування сітківки, без прикордонних ефектів) (с. 575) ... У попередніх розділах був описаний ряд умоглядних моделей, які, ймовірно, здатні научайтесь секвенційного програмами, розкладанню мови на фонеми, а також засвоювати змістовний «сенс» іменників і дієслів з простими сенсорними денотатами Такі системи являють верхня межа абстрактного поведінки у перцептронів, що розглядалися по донині. До їх недоліків належить відсутність задовільною «тимчасової пам'яті», нездатність не надто складно сприймати абстрактні топологічні відносини і нездатність ізолювати осмислені фігуральні сутності чи об'єкти, окрім як при деяких особливих обставинах (с. 577) ... Додатки, з найбільшою ймовірність, здійсненні з перцептроном, описаним в цій книзі, - це розпізнавання букв і «читають машини», розпізнавання мови (для випадків членороздільно і окремо один від одного вимовлених слів) і вкрай обмежені можливості розпізнавання малюнків або розпізнавання об'єктів на простому . фоні. До «сприйняттю» у більш широкому сенсі, можливо, виявляться здатні нащадки нинішніх моделей, але належить добути ще дуже багато фундаментального знання, перш ніж достатньо витончене будова по- Девід Румелхарт, Джефрі Хінтон і Джеймс Маклелланд відображають цю нову оцінку його новаторських робіт: Роботи Розенблатта в той час були дуже спірні, а конкретні моделі, запропоновані ним, не виправдовували надій, які він покладав на них. Але його бачення людської системи з обробки інформації як динамічної, інтерактивної, самоорганізується системи лежить в основі підходу PDP (1986:1.45). Ясно, що дослідження перцептрона ... передбачили багато результати, які використовуються сьогодні. Критику перцептроном »Мінським і Пейпертом широко і помилково інтерпретували як руйнівне довіру до них, в той час як їх робота всього лише показувала обмеженість здібностей самого обмеженого класу перцептроном-подібних механізмів і нічого не говорила про більш сильних, багатошарових моделях (1986: ii.535). Ошукані у своїх очікуваннях дослідники AI, втомлені чіплятися за дослідницьку програму, яку Джеррі Летвін на початку 1980-х років охарактеризував як «єдину соломинку на плаву», натовпом накинулися на нову парадигму. У перший день надходження на ринок було розпродано шість тисяч примірників книги Румелхарта і Маклелланд «Паралельна розподілена обробка інформації», і зараз друкується ще тридцять тисяч. Як сказав Пол Смоленський, за останні років п'ять коннекціоністскій підхід до когнітивному моделюванню з мало кому відомого культу, до якого зарахувала себе жменька вірних, перетворився на рух настільки потужне, що останні конференції Товариства когнітивної науки стали походити на тусовки коннекціоНістов (В друку). Якщо багатошарові мережі успішно виконають свої обіцянки, то дослідникам доведеться розлучитися з переконанням Декарта, Гуссерля та раннього Вітгенштейна, ніби єдиний спосіб продукувати розумна поведінка - це відобразити світ за допомогою якоїсь формальної теорії. І гірше того, можливо, доведеться розлучитися з ще більш фундаментальним інтуїтивним поглядом, коренящимся в самих витоках філософії, згідно з яким у кожного аспекту дійсності повинна матися своя теорія, тобто повинні бути елементи і принципи, в термінах яких можна описати і пояснити умопостіжімость будь-якій області . Нейронні мережі можуть показати, що Хайдеггер, пізній Вітгенштейн і Розенблатт були праві лить перцептроном змагатися з людиною в умовах нормального середовища »(с. 583). в тому, що ми розумно ведемо себе в цьому світі, не маючи ніякої теорії світу. Якщо наявність теорії не необхідно для пояснення розумної поведінки, то ми повинні бути готові розглянути, питання про те, чи можливо взагалі таке теоретичне пояснення у звичайних областях. Люди, які опікуються моделюванням нейронних мереж, під впливом символьно-маніпуляторного AI, докладають значних зусиль - натренувавши свої мережі виконувати ту чи іншу задачу, - до пошуку ознак, що репрезентується індивідуальна вузлами і множинами вузлів. Результати, отримані до цієї пори, неоднозначні. Візьмемо мережу Хинтона (1986), научайтесь поняттям допомогою розподілених репрезентацій. Цю мережу можна натренувати кодувати такі зв'язки в предметній області, яку люди концептуалізуються в термінах ознак, і при цьому мережі не повідомляються ознаки, використовувані людьми. Хінтон дає приклади випадків, в яких деякі вузли в натренованого мережі можна інтерпретувати як відповідні ознаками, використовуваним людьми, хоча ці вузли лише приблизно відповідають даним ознаками. Однак більша частина вузлів взагалі не піддається жодній семантичної інтерпретації. Ознака, що використовується в символічній репрезентації, або присутній, або відсутня. У мережі ж, хоча Деякі вузли більш активні, коли в предметній області наявна якийсь ознака, ступінь активності Не тільки змінюється залежно від присутності або відсутності даної ознаки, але на цей ступінь активності впливають також і інші ознаки. Хінтон вибрав таку предметну область - сімейні відносини, - Яку люди трактують саме в термінах ознак, як правило, помічаються людьми-приналежність До того чи іншого покоління і національності. Потім він розбирає такі випадки, в яких, починаючи з деяких випадково вибраних величин сил у вихідній конфігурації зв'язків, деякі вузли можна, після навчання, тлумачити як репрезентують дані ознаки. Обчислення, що використовують Хінтонову модель, показують, однак, що навіть його модель, як видно, навчається своїм асоціаціям відносно деяких випадково вибраних величин сил у вихідній конфігурації зв'язків, не використовуючи скільки-очевидним чином ці буденні ознаки. У певному дуже вузькому сенсі будь-яку успішно натреновану багатошарову мережу можна інтерпретувати в термінах ознаки - не звичайних ознак, а тих, що ми будемо називати висо-ко-абстрактними ознаками. Розглянемо простий випадок шарів бінарних елементів, що активуються за допомогою зв'язків, але не бічних або зворотних зв'язків, а зв'язків, спрямованих вперед. Щоб сконструювати подібне пояснення на основі мережі, навченої визначений- вим асоціаціям, кожен вузол, який розміщується на один рівень вище вхідних вузлів, можна інтерпретувати як розпізнає наявність вхідного патерну, що належить деякому набору таких патернів. (Деякі з цих патернів використовувалися в ході навчання мережі, а інші ніколи не використовувалися.) Якщо цього набору вхідних патернів, які розпізнаються деякими даними вузлом, дати якесь вигадане ім'я (майже напевно ніяке ім'я з нашого словника ие буде йому підходити), то даний вузол можна було б інтерпретувати як розпізнає той високо-абстрактний ознака, якому ми присвоїли це ім'я. Таким чином, кожен вузол, який розміщується на один рівень вище вхідних вузлів, можна охарактеризувати як распознаватель деякої ознаки. Точно так само, кожний вузол, що розміщується на один рівень вище цих вузлів, можна охарактеризувати як распознаватель ознаки більш високого порядку, що визначається як наявність серед розпізнавачів ознак першого рівня патерну з деякого заданого безлічі. І так далі вгору по ієрархії. Та обставина, що інтелект, який визначається як знання деякої безлічі асоціацій в даній предметній області, завжди можна описати в термінах відносин між високо-абстрактними ознаками даної області - це обставина, проте, не зберігає в собі раціоналістичну інтуїцію, згідно з якою ці пояснювальні ознаки повинні схоплювати істотну структуру даній області - так, щоб, грунтуючись на них, можна було побудувати теорію даній області. Якщо навчити мережу ще однієї асоціації між входом і виходом (де до навчання даний вхід продукував інший вихід, ніж той, якого ми припускаємо навчити мережа), то інтерпретацію щонайменше деяких вузлів довелося б змінити. Таким чином, виявилося б, що ознаки, що відповідали - до останнього туру навчання - деяким вузлам, не були інваріантними структурними ознаками даної області. Раз ми відкинули філософський підхід класичного AI і прийняли а-теоретичний підхід моделювання нейронних мереж, залишається одне питання: якою мірою така нейронна мережа може змоделювати буденний інтелект? Дослідники АІ в класичній парадигмі тут же скажуть, - як, насправді,-вказував вже і Розенблатт, - що люди, що моделюють нейронні мережі досі стикалися з труднощами в області покрокового вирішення проблем. Коннекціоністи відповідають, що вони впевнені, що з часом вирішать цю проблему. Однак ця відповідь дуже вже нагадує ту відповідь, яка в шістдесятих роках давали прихильники символьної маніпуляції, реагуючи на критичні висловлювання, що їхні програми-де дуже слабкі в розпізнаванні образів. Триває старовинна боротьба між інтелектуалістами, які вважають, що раз вони займаються Бесконтекстние логікою, то вони вхоплюють буденне пізнання, але які слабкі в розумінні сприйняття, н гештальтистов-ми, у яких є початки пояснення сприйняття, але відсутній небудь пояснення буденного пізнання, 4. Можна припустити, використовуючи метафору правого і лівого [півкулі] мозку, що, бути може, мозок чи свідомість застосовує, коли потрібно одну з цих двох стратегій, а коли потрібно - другу. У такому випадку проблема полягає в тому, як об'єднати ці дві стратегії. Не можна просто переключатися з однієї стратегії на іншу і назад, бо, як показали Хайдеггер і гештальтісти, вирішальну роль у визначенні релевантності грає прагматичний фон, навіть у повсякденному логіці і вирішенні проблем; та фахівці в будь-якій області, аж до логіки, вхоплюють операції в термінах їх функціональних подібностей. Розглядати об'єднання цих стратегій передчасно, бо донині ії за однією з двох не числиться досить звершень, щоб можна було вважати її солідно обгрунтованою. Бути може, моделювання нейронних мереж попросту використовує зараз заслужений їм шанс на поразку, як раніше його використовував символьний підхід. І все ж у міру того, як кожен з двох підходів пробиває собі шлях вперед, слід приймати в розрахунок одна важлива відмінність між ними. Підхід фізико-символьних систем провалюється, мабуть, тому, що попросту невірно припускати, що для кожної області повинна матися теорія цій галузі. Але моделювання нейронних мереж не пов'язує себе з яким-небудь іншим філософським допущенням. Проте, бути може, занадто важко побудувати інтерактивну мережу, яка була б істотно подібна до тієї мережі, яку розвинув наш мозок. На самому дале, проблема буденного знання, протягом п'ятнадцяти років блокувала прогрес технології-символьної репрезентації, можливо, маячить на горизонті нейронних мереж, хоча дослідники ще й не розпізнали її. Всі люди, що займаються моделюванням нейронних мереж, погоджуються, що для того, щоб мережа володіла інтелектом, вона повинна мати здатність до узагальнень; тобто, якщо задано достатньо прикладів входів, асоційованих з одним конкретним виходом, вона повинна асоціювати інші входи того ж типу з тим же самим виходом. Встає, однак, питання: що вважати тим же самим типом? Конструктор мереж має на увазі деяке конкретне онределеніе типу, тре- Буєм для розумного узагальнення, і вважає успіхом, якщо мережа здійснює узагальнення на інші зразки того ж самого типу. Але коли мережа виробляє якусь несподівані асоціацію, чи можемо ми сказати, що вона зазнала провал в узагальненні? Точно так само можна було б сказати, що весь час до цих пір мережа діяла відповідно до деяким іншим визначенням типу, і зараз просто розкрилося це розходження у визначеннях. (Всі питання виду «продовж послідовність», які можна відшукати в тестах иа рівень інтелекту, мають більше одного можливого відповіді, але у більшості людей збігаються інтуїтивні уявлення про простоту, розумності та, стало бути, прийнятності.) Люди, що займаються моделюванням нейронних мереж, намагаються уникнути цих двозначностей і змушують мережу видавати «розумні» узагальнення, заздалегідь задаючи їй деякий допустимий сімейство узагальнень, тобто допустимих перетворень, які будуть вважатися допустимими узагальненнями (простір гіпотез). Ці модельники намагаються потім побудувати архітектуру своїх мереж таким чином, щоб вони перетворювали входи у виходи лише тими способами, які присутні в просторі гіпотез. І тоді узагальнення буде можливо тільки на умовах учасника архітектури. Правда декількох прикладів буде недостатньо, щоб єдиним чином ідентифікувати відповідний елемент простору гіпотез, однак після достатнього числа прикладів залишиться одна-єдність-ная гіпотеза, що пояснює всі ці приклади. І тоді мережа навчається невластивому принципом узагальнення. Тобто якою б вхід ми не взяли, він продукує вихід, відповідний з точки зору автора мережі. Проблема тут у тому, що автор мережі за допомогою архітектури мережі зробив так, що деякі можливі узагальнення залишаться ніколи не знайденими. Все це прекрасно для іграшкових проблем, в яких не постає питання про те, що таке розумне узагальнення, але в ситуаціях справжнього життя чимала частина людського інтелекту якраз і полягає в узагальненні, уместном в даному контексті. Якщо ж автор мережі обмежує її некиим предзаданного класом підходящих відповідей, то мережа буде виявляти той інтелект, який вбудований в неї автором для одного даного контексту, але не володітиме здоровим глуздом, який дозволив би їй пристосуватися до інших контекстам, як зміг би пристосуватися істинно людський інтелект. Можливо, мережа повинна мати розміри, будова і конфігурацію початкових зв'язків, подібні розмірами, будовою і конфігурації людського мозку, якщо ми хочемо, щоб у неї були людські уявлення про те, що таке підходяще узагальнення. Якщо ми хочемо, щоб вона научайтесь зі свого власного «досвіду» робити асоціації, подібні тим, що робить людина, а не того, щоб її навчили робити асоціації, специфіковані її тренером, то в такому випадку у мережі повинні бути наші, людські, уявлення про те, що таке підходящий вихід, а це означає, що вона повинна розділяти з нами наші потреби, бажання і емоції і мати тіло, подібне до тіла людини з відповідними фізичними рухами, здібностями і вразливістю. Якщо праві Хайдеггер і Вітгенштейн, люди набагато Холистичность нейронних мереж. Інтелект повинен бути мотивований цілями і завданнями організму, і в тому числі і тими цілями, які організм черпає з готівкової культури. Якщо мінімальна одиниця аналізу - цілісний організм, зчеплений з деяким цілісним світом культури, то нейронних мереж, як і символьно програмованим комп'ютерам, належить пройти ще дуже довгий шлях.
|
||
| « Попередня | Наступна » | |
|
|
||
Інформація, релевантна "Х'юберт Л. ДРЕЙФУС і Стюарт І. ДРЕЙФУС СТВОРЕННЯ СВІДОМОСТІ ш: МОДЕЛЮВАННЯ МОЗКУ: ШТУЧНИЙ ІНТЕЛЕКТ ПОВЕРНУВСЯ Наточка ГАЛУЖЕННЯ 90 " |
||
|
||