Оптимизм самодостаточен.
(сам додумался)
ЧАЙНИК ДЛЯ НОВОЙ ИНФОРМАТИКИ
(обо всем не для всех)
Записав сумбурные размышления под вывеской "РЖАВЫЙ
ЧАЙНИК ИНФОРМАТИКИ", сам же испытал грусть из-за отсутствия
в повествовании оптимизма. А без оптимизма никак нельзя.
Нельзя без позитива и креатива. Пусть и сумбурных.
САМО СОВЕРШЕНСТВО
Изо дня в день все кому не лень все больше пытаются
нагрузить компьютеры задачами, которые все дальше отстоят от
калькуляции, а следовательно и от (программно-управляемого)
калькулятора, каковым компьютер уродился. Вынужденное
сведение любых задач к вычислениям полезно для ума, но
вредно для морали ученых умов. Ученые начинают
манипулировать неадекватными моделями, хоть и гомоморфными.
Но с точки зрения технической реализации это весьма
предосудительно и расточительно. Как калькулятор, как машина
Фон-Неймана, компьютер - само совершенство. Совершенствовать
его далее - только портить.
ЗНАЛ БЫ ПРИКУП, ЖИЛ БЫ В СОЧИ
Кроме всего прочего, компьютер требует расписать все
необходимые вычисления не просто на элементарные операции, а
на почти бесконечно большое количество почти бесконечно
простых действий. Что неприемлемо для конечного мозга
простого человека. Человека если и удается заставить этим
заниматься, то элементарных ошибок он наделает не меньше,
чем напишет элементарных команд. Поэтому придумали языки
программирования, которые позволяют записывать программы
работы компьютера на более удобоваримых языках более близких
к человеческому (хотя, например, автор РЕФАЛА Валентин
Турчин называл их "собачьими": "взять!", "сложить!",
"сдвинуть!", "увеличить на единицу!" ... почти что "фас!",
"апорт!", "к ноге!"...).
Алгоритм решения задачи, пусть и на языке
программирования, необходимо описывать целиком. А далее уже
компилятор раскладывает его на нуднейший список элементарных
действий. (Не даром основные успехи в генерации команд
компиляторов принадлежат ученым-женщинам, натренировавшимся
на вязании крючком). При решении же задач в жизни часто
промежуточные результаты или меняющиеся внешние факторы
существенно влияют на алгоритм "дорешивания" задачи. Режим
компиляции больше подобает Богам, которые знают не только
прошлое, но и будущее. И знают все про переход от первого ко
второму.
По многим причинам более естественным для вычислений
является режим интерпретации. Кстати, все продвинутые
подходы к программированию (начиная с Бейсика и Форта, ха-
ха-ха) требуют (для них он является естественным) режима
интерпретации. Это и функциональное программирование
(порядок вычисления функций определяется "ленивым
означиванием"), и логическое программирование (алгоритм
решения формируется в процессе решения), да и
контекстно-зависимое по своей сути объектно-ориентированное
программирование хотя бы из-за "позднего связывания" (о Си++
промолчим). Кроме прочего, это позволяет учитывать постоянно
изменяющийся контекст, в котором решается задача! ("Контекст
приходит во время еды".) Операционные системы, это тоже в
известном смысле интерпретаторы. Так что не все еще
потеряно! Интерпретаторы существуют!
МОЗГ: COPYRIGHT - COPYLEFT
Человеческий мозг имеет два полушария. Правое, грубо
говоря, отвечает за образное мышление, левое, еще грубее -
за логическое. Так что, продолжая эти ужасные аналогии,
сегодня компьютер (машина Фон-Неймана) моделирует левую
часть нашего мозга. А насчет правой - дело пока темное.
Умные люди из интернета отмечают ряд отличительных свойств,
которые должны иметь место при моделировании работы левого
полушария:
- Массовый параллелизм;
- Распределенное представление информации и вычисления;
- Способность к обучению и обобщению;
- Адаптивность;
- Контекстно зависимая обработка информации;
- Толерантность к ошибкам;
- Низкое энергопотребление.
Однако, единственное предложение на сегодня - это
нейронные сети. И это беда. Машина Фон-Неймана хороша тем,
что она поддерживается технической реализацией: поле памяти
и собственно калькулятор. При этом с памятью сегодня дело
обстоит просто замечательно, да и что касается калькулятора,
от рождения он складывает и вычитает быстрее человека. А вот
с нейронными сетями все как раз наоборот. Отсутствует
техническая база. Нейронные сети моделируются (эмулируются)
на той же машине Фон-Неймана с чудовищной потерей
эффективности. Не считая того, что многие "творческие"
задачи они решают (если вообще решают) далеко не наилучшим
образом. Нейрон, в смысле Маккалока-Питтса некоторая
нелинейная функция активации от линейной комбинации входных
сигналов. Выходы одних нейронов соединяют со входами других
- вот вам и нейронная сеть, моделирующая мозг!
Работы по искусственному интеллекту зашли в тупик не
без помощи нейронных сетей, в которые они уперлись. К
названию "нейронные сети" у меня претензий нет. И слово
"нейрон" и слово "сеть" мне симпатичны. Но вот то, что
сегодня с этими словами делают, не может нравиться. Кстати,
злые языки умных людей давно расшифровывают в связи с
нейронными сетями ИИ не как " Искусственный Интеллект", а
как "Искусственный Инстинкт". Но и это не улучшает ситуацию.
Для представления "сегодняшнего" нейрона пока не
предложено адекватной технической базы. Поэтому предлагается
моделировать его на машине Фон-Неймана. Но реальный нейрон
имеет до 20 тысяч связей с другими нейронами, а их общее
число в мозгу составляет десятки миллиардов (а
следовательно, и невероятное количество всевозможных
сочетаний возбужденных нейронов). Так что не следует
забывать о переходе количества в качество! А точнее, о
влияние катастрофического недостатка количества на качество.
Но ни сам сегодняшний искусственный нейрон, ни
сегодняшняя нейронная сеть не дают какой-то эксклюзивной
парадигмы программирования, а всего лишь занимаются
эмуляцией. Ничего не добавляя теории и практике, съедают
несколько порядков в эффективности реализации. Короче,
сегодня работы по нейронным сетям напоминают "большое
строительство" в детской песочнице. Это не моделирование
реального строительства, а имитация, как у иллюзионистов.
Размеры реализуемых моделей очень далеки от "критической
массы", а потому они ничего не моделируют и изучать по ним
"интеллектуальное озарение" бессмысленно.
Еще раз следует без всяких шуток сказать, что
Искусственный Интеллект - самая прикладная из всех
прикладных наук. Она не исследует мозг, а лишь пытается
использовать себе во благо механизмы интеллектуальной
деятельности, в нем обнаруженные. Чистой воды прагматика!!!
Искусственный Интеллект связан с проблемой, какие задачи
решает мозг человека, а не то, как он это делает. Впрочем,
если сам мозг подскажет решение - большое ему спасибо.
Кстати, и логико-вычислительные способности мозга
(правая его половина) весьма условно моделируются
программируемым калькулятором с памятью. Мозг делает это
по-своему. Мозг - конечно не калькулятор. Но калькулятор
может считать лучше мозга. Это в нашем случае главное.
Поэтому, надо поработать над "левой половиной". Всего
ничего - хорошо бы придумать нейрон, реализуемым физически и
продумать математику (систему математик) нейронной сети. И
все.
ОБ'ЕКТИВНОСТЬ СУБ'ЕКТИВНОГО
Главным источником бед и несчастий информатики является
математика. А самым больным местом математики является
объективность. Теорема Пифагора и в Африке справедлива. И
если 2+2=4 у Иванова, то сумма не может быть равной 3 у
Петрова и 5 у Сидорова. Повторяемость результата -
фундаментальное условие всей "классической" математики,
включающей и очень специфический, экстравагантный ее радел -
программирование.
Теория вероятностей не добавила в математику "свободы
воли", наоборот это попытка выжать объективное из
случайного. Подбросьте миллион раз монетку и у вас выпадет
почти по полмиллиона "орлов " и "решек". Если подбросите ее
миллиард раз - это "почти" будет еще ближе к "поровну".
Всякие методы аппроксимации и экстраполяции туда же - к
большей объективности...
Апофеозом объективности, венцом математического
абсолюта стали аксиоматические (дедуктивные) системы (от
общего к частностям). Полнота дедуктивных систем всегда
чем-то (весьма) ограничена, не говоря уже о фундаментальной
не только для математики, теоремой Геделя "О (не)полноте",
поставившей в число неразрешимых проблему
(не)противоречивости.
Но во второй половине прошлого века появились разделы
математики, которые математикой в традиционном смысле
назвать нельзя. Это нечеткая математика и нелинейные
(индуктивные) логики. Это попытка частичной формализации
эвристических методов. Шерлок Холмс использовал не
дедуктивный, а индуктивный метод, от шел от отдельных фактов
к обобщениям. Это СУБ'ЕКТИВНАЯ математика. В Африке и Европе
можно получить разные результаты, как и для разных времен
года, и для разных возрастных групп. В них отсутствуют такие
нормирующие вещи, как "суммарная вероятность полной группы
событий" (равная обязательно 1) и т.п. Эти методы не
исключают получения ошибочных результатов. Но с другой
стороны они применимы там, где классическая математика
применима плохо или вообще не применима. Более того, памятуя
о геделевской теореме о неполноте, нет другого выхода как
говорить о множественной математике (много алгебр, много
логик, много "миров"). Так в чем же дело?! Надо развивать
субъективную математику.
Из "сегодняшнего субъективного" наиболее перспективной
является нечеткая математика и прежде всего потому, что она
работает с ЛИНГВИСТИЧЕСКИМИ ПЕРЕМЕННЫМИ. Напомним, что почти
вся классическая математика работает с действительными
числами и их подмножествами. Так вот лингвистическая
переменная, например, "Возраст" принимает ЛИНГВИСТИЧЕСКИЕ
ЗНАЧЕНИЯ, например "молодой", "юный", "зрелый", "пожилой" и
т.д., то есть нечеткая математика оперирует словами. А
человек-то как раз и думает на языке(!), словами!
Одна беда, нечеткая математика упирается в физическую
интерпретацию значений лингвистических переменных, в так
называемые "функции принадлежности", а это опять проблема
"железа" - технической реализации. На машине Фон-Неймана это
моделируется ужасно, неприемлемо для практических задач. Но
говорят, что нанотехнологии не дремлют и уже есть ряд
решений, которые можно рассматривать как физическую основу
искусственных нейронных сетей. Тут, кстати, подоспело и
доказательство полноты минимальной (универсальной!) Машины
Тьюринга с двумя состояниями и тремя символами алфавита. Что
дает еще один вариант моделирования некой сети элементарных
вычислителей на уровне электронов. Студент из Эдинбурга
Алекс Смит за решение этой проблемы премию в 25 тыс долларов
получил. Разве это не повод для оптимизма и ему, и нам?!
МОЗГ ТЬЮРИНГА
Машина Тьюринга стала одним из уточнений, одной из
конкретизаций фундаментального неопределяемого понятия
"алгоритм". Но в природе алгоритмически разрешимых задач
бесконечно(!) меньше, чем задач, не имеющих алгоритм решения
в смысле машины Тьюринга.
Как рекомендуют нелинейные логики: если не устраивает
результат, следует изменить исходные данные. Так вот, мы
имеем дело с эрой компьютеров, то есть с эрой "усилителей
интеллекта", которые помогают решать только малую часть
реально возникающих задач. Впрочем, нам, образованным людям,
и в голову не приходит задавать компьютеру неразрешимые
вопросы типа парадокса брадобрея или "Быть или не быть?",
или "Существует ли Бог?", или более серьезные и практически
значимые вопросы...
Короче, если уточнение (аппроксимацию) алгоритма
(например, машина Тьюринга) не позволяет решать большинство
задач, значит надо менять то, что и относительно чего
аппроксимируем. Вместо понятия алгоритма следует
аппроксимировать понятие "озарение", "инсайт". Ведь многие
алгоритмически неразрешимые задачи человек как-то решает.
Хотя эти решения не являются таковыми. То есть решения
человек находит (и благодаря этому до сих пор жив!), но с
точки зрения математики их нет. Но это проблема математики,
а не жизни.
Кстати, знаменитая и самая ходовая проблема
распознавания образов, кроме детективно-розыскного
(отпечатки пальцев, подделка почерка и т.п.) имеет и
"правополушарный аспект". Распознавание образов такими
видными и авторитетными(!) представителями человечества, как
скажем Пикассо, Дали или тот же Феллини пока в нейронные
сети и близко не вписывается. А разве гении не отображали
действительность?
Короче, право-полушарная часть должна конкретизировать
не понятие алгоритма, а понятие мозга со всеми его
тараканами. Кстати, мозг того же Тьюринга был весьма, скажем
прямо, эксцентричным...
Поскольку речь идет не о работах Бехтеревой и других
нейро-психологов, а о прагматической стороне: "Раз мы такие
задачи как-то решаем, то и машина должна их как-то решать
(желательно, в среднем, не хуже). А это другой разговор. Это
повод для исторического оптимизма!
(с) 2008, А.Соловьев