Специалист по Computer Science Александр Панов об искусственном интеллекте, целенаправленном действии и вычислительной модели неокортекса.
Компьютерное когнитивное моделирование — это относительно новое междисциплинарное направление в искусственном интеллекте. Когда Джон Маккарти в 1954 году придумал термин «искусственный интеллект» на своем известном семинаре, ученые пытались использовать некоторые знания о том, как мыслит человек, чтобы создать новые программы, которые бы вели себя и решали задачи примерно так же, как человек. Первые программы, которые были созданы, например, для того, чтобы играть в шахматы, шахматные программы, как раз и использовали экспертов-психологов, которые рассказывали, а как же на самом деле шахматист решает те или иные этюды.
Однако это направление скоро потеряло ту свою популярность, и ему на смену пришло новое направление, прикладное. В искусственном интеллекте стало важно решать прикладные задачи, узконаправленные. И поэтому речь пошла об эффективности, о том, как мы можем быстро решать некоторую интеллектуальную задачу. Не так было важно, как будет процесс решения похож на то, как думает человек.
Однако примерно 10–15 лет назад снова заговорили о том, что нужно использовать те самые междисциплинарные знания биологов и психологов, и том, как думает и решает задачи человек, потому что, не используя эти знания, мы, к сожалению, не можем придумать ничего нового. Это междисциплинарное направление и ставит своей задачей построить модель когнитивных функций человека. Cognitio с латинского — «познание». Когнитивная психология — о том, как познает человек, о том, как он приобретает знания, как их использует и как ведет себя на основе этих знаний.
Когнитивное моделирование направлено на то, чтобы построить программы, которые тоже бы приобретали знания, использовали их, для того чтобы создавать более интеллектуальные программы. А компьютерное когнитивное моделирование направлено на то, чтобы использовать эти программы в компьютерах и роботах, то есть чтобы создать наши программы и сделать их более интеллектуальными.
В России это направление получило развитие еще в 1980-х годах со школой Дмитрия Александровича Поспелова. Это был один из основоположников российского искусственного интеллекта, и именно при нем сформировался тот самый междисциплинарный коллектив, который нужен, для того чтобы развивать это новое направление в искусственном интеллекте. В него входили лингвисты, психологи, математики, программисты, которые могли писать эффективные программы, и даже некоторые биологи. Именно такой коллектив и нужен, для того чтобы по-настоящему сделать прорыв в так называемом сильном искусственном интеллекте, то есть в том искусственном интеллекте, который бы решал широкий спектр задач, а не только некоторую маленькую прикладную задачку.
На Западе это направление называется artificial general intelligence — общий искусственный интеллект. И по нему проходит достаточно много конференций, хотя оно немного не в мейнстриме классического искусственного интеллекта в связи с тем, что уже сложилась некоторая практика решения задач, а сформировать междисциплинарный коллектив всегда сложно.
Среди задач, которые решаются в компьютерном когнитивном моделировании, наибольший интерес представляют те, которые не решаются классическими методами искусственного интеллекта. Например, это такие задачи, как планирование и синтез поведения в коллективе. Когда у вас есть несколько интеллектуальных агентов, которые взаимодействуют друг с другом (агенты могут быть как программные, так и некоторые роботы), то там возникают новые эффекты. То есть нужно решить задачу, которую один агент решить не может. Ему нужно пообщаться с другими агентами и сказать, кто какие задачи будет решать — распределение ролей.
Вторая очень важная проблема, которая не нашла своего решения за 50 лет развития искусственного интеллекта, — это так называемое целеполагание. Целенаправленное поведение изучается достаточно давно, и все понятно: у вас есть некоторая цель, и вы различными методами строите план ее достижения. Но откуда появляется сама цель? Ведь человеку никто — по крайней мере, не всегда — не говорит: «Делай то, делай это». Естественно, когда он учится и, как мы говорим, приобретает опыт в коллективе, он может приобретать некоторые цели. Но его поведение очень часто такое интересное, потому что он сам изобретает свои цели, он сам себе ставит некоторый момент и старается его достигнуть. Такой ряд задач решается в компьютерном когнитивном моделировании. Один из интересных способов решения этой задачи — это создание представления о знании, притом такого представления о знании, которое бы опиралось на психологические представления о том, как представляет свои знания человек.
В России есть одно из таких направлений в психологии, как культурно-историческая школа. Например, Выготский и Лурия еще в советское время создали такую теорию, которую можно было бы использовать как основу для создания собственно математического формализма, математической теории. И одно из направлений в компьютерном когнитивном моделировании — это использование деятельностного подхода психолога Леонтьева, который говорил о том, что самое главное в представлении знаний — это то, как человек представляет действия.
Есть несколько уровней действия: некоторые автоматические операции, собственно действия, которые стараются достигнуть некоторой цели, и деятельность, которая направляется некоторым общим мотивом. Эта деятельность может быть очень абстрактной, а может быть вполне конкретной. И очень важно, что он говорил, что любая деятельность может быть только в коллективе. То есть любое действие само по себе — это уже такой распределенный элемент, который включает в себя представление о том, что я сделал и что сделает другой человек. И в том числе в этой теории Леонтьева говорилось о том, что человек любые свои знания хранит в трех- или четырехкомпонентной структуре, которая называется знаком.
Знак — это очень интересный термин. Он используется и в психологии, и в лингвистике, и в философии, есть работы по знакам и в семиотической школе. Психологи говорят, что человек представляет знания в виде знака и что там есть три основных компонента. Это образ — как человек видит этот предмет. С математической точки зрения это некоторая функция распознавания, вычисления этого опосредуемого знаком объекта из потока информации. Второй компонент — это значение. Это то, что человек делает с этим опосредуемым предметом, притом делает, соотносясь с тем, как это принято делать с объектом в культуре. То есть это обобщенные действия, которые имеют некоторый свой ролевой состав. И третий компонент — это личностный смысл. То есть то, что я лично делаю с этим предметом, что делал, какой у меня опыт оперирования с этим предметом.
Простой пример: есть книга, у нее есть некоторый образ, который включает в себя характерные признаки, например страницы, обложку этой книги. Значение — это то, что эту книгу, например, можно покупать, ее принято читать — некоторое схематическое действие. И для меня лично смысл книги в том, что я, например, ее не только читаю, для того чтобы получить какие-то знания, а использую ее в качестве подставки под кружку. У меня в опыте сложилось, что я ее использую именно таким образом. И такая модель, у которой есть имя, — это и есть универсальный элемент хранения знаний. И это все представление о знании, в том числе модель этого представления знания называется знаковой картиной мира. Это один из подходов, который используется в компьютерном когнитивном моделировании.
Оказывается, что, выбрав такой особый способ представления о знании, например знаковую картину мира, можно на этой основе построить модели и алгоритмы некоторых когнитивных функций (например, планирования поведения, синтеза плана поведения). И если мы включаем туда изменения некоторых элементов, личного смысла… Например, я выбираю некоторые действия, для того чтобы достигнуть цели, используя не свой личный смысл, а мои знания о личном смысле другого агента. Я могу составить не индивидуальный план, который буду совершать только я, а коллективный, то есть могу распределять роли.
Среди других задач, которые решаются в компьютерном когнитивном моделировании, иногда используются методы из нейрофизиологии. И это на самом деле очень важно, потому что любая психологическая теория рано или поздно сводится к тому, что нужно понять, а какой же у нас есть субстрат этих когнитивных функций и на основе чего происходит наше мышление. Все-таки от того, что у нас есть мозг, который состоит из отдельных отделов, мы уйти никуда не можем. И поэтому полная теория, в том числе и сильного интеллекта, должна включать некоторые знания, если мы стремимся моделировать то, что есть у нас, например машину, которая мыслит. Хочется включить сюда в том числе и такие знания. Поэтому одна из задач, которая решается в компьютерном когнитивном моделировании, — это построение вычислительной модели неокортекса.
В мозге человека одна из важных частей — это такие верхние отделы мозга, новые отделы, так называемый неокортекс. Он имеет достаточно универсальное строение, и есть некоторые предположения о том, что можно построить математическую модель универсального вычислителя, комбинация чего на самом деле и позволяет нам строить модели когнитивных функций, о которых мы говорим. В одном из подходов, о котором я говорил, знаковая картина мира, каждый элемент на самом деле представляет собой математическую модель того, как происходит некоторое элементарное вычисление в коре головного мозга, в том числе и в неокортексе. Эти знания и модели основаны на текущих представлениях нейрофизиологов о том, как происходит распространение нейронной активности с того момента, когда у нас приходит в задние отделы коры активация и через некоторые отделы, в том числе и подкорковые, приходит в лобные отделы, где и происходит реализация высших психических функций, когнитивных функций, в том числе планирования поведения, представления знаний и коммуникации в коллективе.
Я перечислил те задачи, которые решаются в компьютерном когнитивном моделировании. На самом деле уже сделано достаточно много, и очень много этим занимаются за рубежом. Много проектов, которые хорошо финансируются и в Америке, и Европе. Многие слышали о таких проектах, как Blue Brain Project, который в Европе финансируется уже 10 лет. В них основная задача — это не только построить модель колонки неокортекса, но еще и создать карту и математическую модель, как на основе этой модели строятся более интересные функции, например планирование поведения. У них есть определенные успехи на этом поприще, в этих проектах. В России тоже ведутся исследования.
Конечно, ряд задач, которые я перечислил, имеют свое решение, но решены не до конца. Самая интересная задача заключается в том, чтобы построенные модели применить на практике. То есть попытаться реализованные алгоритмы внедрить в некоторую физическую машину, чтобы у нас была не только теория на бумаге, но и были на самом деле действующие физические аппараты, которые ведут себя похоже, примерно так же, как человек.
Александр Панов, кандидат физико-математических наук, старший научный сотрудник Федерального исследовательского центра «Информатика и управление» РАН, доцент факультета компьютерных наук НИУ ВШЭ, доцент МФТИ.
Когнитивная психология с самого начала своей истории описывала человека как вычислительную машину. Иван расскажет о ключевых моментах развития этого пути исследования человека, к чему он привёл на сегодняшний день и как учёные моделируют такие таинственные и, как кажется, присущие только человеку процессы, как интуиция, предвидение, инсайт и уверенность.
Некоторые специалисты, работающие в областях, не связанных с искусственным интеллектом, говорят, что компьютеры по своей природе не способны к сознательной умственной деятельности. Мы публикуем две статьи из журнала Scientific American. В статье Дж.Р.Сирла утверждается, что компьютерные программы никогда не смогут достичь разума в привычном для нас понимании. В то же время в другой статье, написанной П.М.Черчлендом и П. С.Черчленд приводится мнение, что с помощью электронных схем, построенных по образу и подобию мозговых структур, возможно удастся создать искусственный интеллект. За этим спором по существу скрывается вопрос о том, что такое мышление. Этот вопрос занимал умы людей на протяжении тысячелетий. Практическая работа с компьютерами, которые пока не могут мыслить, породила новый взгляд на этот вопрос и отвергла многие потенциальные ответы на него. Остается найти правильный ответ.
Почему за полвека усилий не удалось создать искусственный интеллект? И как киборги помогают понять работу мозга? Об этом рассказывает Михаил Бурцев, кандидат физико-математических наук, руководитель лаборатории нейронных систем и глубокого обучения МФТИ.
Речь в данной работе пойдет о так называемом "геделевском аргументе", который используется как аргумент против возможности создания искусственного интеллекта. Суть аргумента заключается в следующем: полагают, что из теоремы Геделя о неполноте формальных систем вытекает принципиальное различие между искусственным ("машинным") интеллектом и человеческим умом, а именно, полагают, что теорема Геделя указывает на некоторое принципиальное преимущество человеческого ума перед "умом" машинным - т.е. человек обладает способностью решать проблемы, принципиально неразрешимые для любых искусственных "интеллектуальных" систем (так называемые "алгоритмически неразрешимые" проблемы), причем ограниченность "искусственного ума" проистекает из его "формального" характера.
В наш век информационных технологий нейросети и автоматизация процессов занимает все больше и больше места. О принципах работы нейросети, как с ее помощью автоматизировать экономические процессы и о многом другом расскажет кандидат технических наук, доцент кафедры проектирования и производства электронно-вычислительных средств ПГТУ, Танрывердиев Илья Оруджевич.
Дэвид Вернон — признанный специалист в области создания и изучения искусственного интеллекта, приглашенный профессор Университета Иннополис. За последние 36 лет он работал в университетах Ирландии, Швеции, Германии, ОАЭ, а также в Европейском сообществе развития систем искусственного интеллекта. Мы побеседовали с Дэвидом о настоящем и будущем искусственного интеллекта.
Почему в процессе эволюции появляется кооперативное поведение? Как объясняют возникновение кооперации различные теории? И как исследование данного вопроса может отразиться на представлениях о морали человека? Об условиях возникновения кооперации, истоках человеческой морали и теории родственного отбора рассказывает специалист по эволюционной кибернетике Михаил Бурцев.
Каким образом в биологической эволюции появились системы, способные управлять процессом жизнедеятельности организма? Почему логический вывод, сделанный человеком, применим к реальному объекту в природе? Почему эволюционное развитие познавательных способностей животных привело к возникновению интеллекта человека? О моделировании работы мозга и искусственном интеллекте, — Владимир Георгиевич Редько — доктор физико-математических наук, ведущий научный сотрудник Института прикладной математики им. М. В. Келдыша РАН, Михаил Сергеевич Бурцев — программист-математик, аспирант Института прикладной математики им. М. В. Келдыша РАН.
Как смоделировать мозг? Постижим ли человеческий мозг? Как алгоритмизировать сознание? И можно ли скопировать его на неорганический носитель? Ответы на эти вопросы помогает найти Виталий Дунин-Барковский, доктор физико-математических наук, профессор, заведующий отделом нейроинформатики Центра оптико-нейронных технологий НИИСИ РАН.
Когда эмоциональные вычисления сформировались как отдельное направление исследований? Можно ли перенести человеческие эмоции на вычислительные системы? Почему важно добиваться от роботов «эмоциональной отдачи»?