Механизмы ума

Достаточно было пробить первую брешь, как открытия посыпались словно из рога изобилия. Вслед за шахматистом появился электронный игрок в шашки. Вначале он играл довольно средне - его обыгрывали даже неопытные игроки. Но новый игрок обладал способностью учиться. И вскоре так наловчился, что стал обыгрывать даже чемпионов.

Создали еще одну машину - математика. Она творчески решала задачи по геометрии, с которыми с трудом справлялись студенты-второкурсники.

Американские психологи получили заказ от промышленников - им необходимо было с научной точностью узнать, куда вложить и как лучше истратить деньги. Ученые пригласили к себе в лабораторию одного из самых опытных служащих банка и принялись изучать, как он думает. Это оказалось не таким легким делом. Ведь банковский служащий, чтобы решить, куда поместить деньги для наибольшей прибыли, должен выработать что-то вроде экономической гипотезы. После долгих доделок, переработок электронного финансиста все же удалось создать, и банкиры им как будто довольны.

Другие изучали совсем иную разновидность интеллектуальной деятельности - творчество композитора. И тоже небезуспешно. Мелодии, созданные его электронным собратом, гораздо больше напоминали настоящую музыку, нежели нотные упражнения первых композиторов от Кибернетики.

Цели, которые ставили перед собой инженеры и психологи, создавая эвристические программы для вычислительных машин, были нередко диаметрально противоположными. Кто-то стремился научить машину составлять расписание движения поездов или просто уроков в школе. (Не думайте, это довольно каверзная работа, требующая "хитрости" и смекалки.)

А кому-то хотелось иметь электронного ученого, например биохимика. И чтобы он не только разрабатывал планы опытов, оценивал их результаты, выдвигал на этой основе какие-то гипотезы, но и сам проводил опыты с помощью механических рук.

Дело дошло до того, что в лабораторию Московского университета, где занимаются разработкой эвристических программ, стали обращаться с самыми неожиданными просьбами. Не можете ли сделать такого диспетчера, чтобы он работал творчески? Нужен начальник планового отдела "с живинкой к делу". Пришлите электронного учителя, который мог бы быстро и толково устранять "дефекты" знаний.

Что делать? Неужели действительно каждый раз изучать образ мыслей диспетчера, плановика, учителя? И заново составлять программу для очередного случая?

Вряд ли это целесообразно. И московские психологи решили поступить иначе. Найти то общее, что есть в любой более или менее творческой работе. Установив, из каких форм складывается мыслительная деятельность и врача, и инженера, и музыканта, создать что-то вроде "крупных блоков". Скажем, блок "решения проблем", блок "самообучения", блок "распознавания сходных ситуаций" и тому подобные. И из них по мере необходимости собирать программу или для электронного врача, или для диспетчера.

Этот путь не только более экономичен, он, так сказать, ближе по структуре к творчеству человека. Недаром же психологи говорят, что в разных творческих процессах - будь то работа инженера или художника - больше сходства, чем различий. В главном, основном творчество актеров, поэтов и ученых едино. (Вспомните хотя бы, что вы прочли в начале книги о трех китах творчества.)

Стало быть, создание универсального решателя проблем - более верный путь. И теперь перед психологами стоит задача разгадать новые алгоритмы, новые эвристические приемы творческого мышления.

Снова ученые обращаются к человеку, чтобы, во-первых, расшифровать многочисленные эвристические приемы, которыми он владеет, а во-вторых, попытаться воспроизвести их в думающей машине.

Разумеется, дело не сводится лишь к отгадке готовых приемов и способов мышления, как уже об этом говорилось раньше. Важно не просто выявить результат решения, а раскрыть процесс мышления в его динамике.

Психологи Московского университета пытаются, например, воплотить в виде программы ту особенность мышления, которую можно назвать "чувством близости решения". Машина, даже очень умная, часто проходит буквально в двух шагах от нужного решения и продолжает поиски совершенно в других концах лабиринта. А человек, нередко еще не зная, как справиться с задачей, чувствует, что решение где-то совсем близко, и усиливает поиск именно в этом направлении. Разумеется, благодаря этому он докапывается до смысла гораздо быстрее.

'Чувство близости решения'

Или вот, скажем, умение человеческого мозга оценивать перерабатываемую информацию с точки зрения ее значимости для решения задачи. При поиске решения человек сосредоточивает внимание исключительно на важной информации. Но как он определяет, какие именно сведения будут работать на пользу дела? Ясно, что здесь тоже не обходится без эвристических приемов, только каких?

Наконец, бывает так. У человека уже выработана программа действий для определенных обстоятельств, но несколько изменились сами обстоятельства. Как быть? Вырабатывать новую программу? Вряд ли целесообразно. Гораздо быстрее найти то звено, из-за которого оказалась неудачной вся система действий, и заменить его. Однако самое трудное как раз отыскать требующее переделки звено. А наш мозг успешно справляется и с этой трудностью. И опять ему помогают специальные алгоритмы. Вот бы разгадать их.

Вооруженные всеми этими дополнительными приемами, машины будут быстрее находить наилучшие решения самых разных сложных проблем.

Но этого, по мнению ученых, еще недостаточно. Человек не только владеет тысячью секретов находить пути к быстрейшему решению самых разных проблем, он еще накапливает опыт. И при решении любой следующей задачи оказывается вооруженным опытом разгадывания всех предыдущих, что очень помогает ему и делает его все сильнее в процессе самой творческой деятельности. Недаром же мы говорим "зрелый мастер" или "квалифицированный исследователь" о писателе, художнике, ученом, достигшем большого совершенства в результате длительной и плодотворной работы в своей области.

Так вот, зрелые исследователи задались такой фантастической целью, как создание машины, которая тоже могла бы накапливать опыт и благодаря этому совершенствовать свои навыки и умения. Московские психологи уже сделали попытку создать самообучающуюся машину. В основу ее программы они положили факты, неоднократно наблюдавшиеся в опытах с людьми и, как это ни парадоксально звучит, с некоторыми животными.

Оказалось, что алгоритмы, благодаря которым запоминает полезную информацию голубь, входят как составная часть в довольно сложную мыслительную работу человека, например, при изучении им высшей математики.

Если вы хоть раз участвовали в каком-нибудь конкурсе, то хорошо помните, что его проводят всегда в несколько туров. Ни первый, ни второй туры еще не обеспечивают первенства победителям, они лишь отсеивают слабых участников. Наш мозг при обучении действует примерно так же. Он не сразу и не всю информацию запоминает, а много раз отсеивает менее важную. И только после нескольких туров отборочного конкурса откладывает нужные сведения в памяти.

Придирчивыми "экзаменаторами" служат промежуточные сигналы, промежуточные раздражители, возникающие в процессе анализа обстановки. Они сортируют информацию по значению. Предварительные сведения посылают в кратковременную память, на временное хранение. И только тщательно проверив, насколько они важны, решают: забыть их или направить в долговременную память, на постоянное местожительство.

Часть таких алгоритмов удалось разгадать и даже воплотить их в программе для машины. Но дело это довольно кропотливое, трудное и требует еще многих и многих исследований прежде всего того, как мы сами учимся. Вот почему одновременно с работой над программированным обучением появилась мысль обойтись без программы. А что, если действовать так, как учили раньше мастера своих подмастерьев? По принципу: "Я тебе объяснять не буду, ты смотри и учись".

Нельзя ли так же поступить и с машиной? Это особенно важно в тех случаях, когда человек при всем желании не может объяснить, как именно он действует. Вот, скажем, мы, отличаем буквы одну от другой или узнаем знакомых в толпе. Рассказать, как мы это делаем, человек не может, потому что совершает все опознавательные действия интуитивно. И тем более мы не можем написать машине подробную инструкцию, как отличить букву "А" от "Б".

Но учитель в школе тоже в этом случае ничего не объясняет первоклассникам. Он просто показывает им разные буквы и называет их. И они уже как-то сами учатся различать "А" от "Б".

Одновременно в нескольких странах машины без всякой программы усвоили основы азбуки. Успешный опыт натолкнул на еще более дерзкую мысль: заставить машину учиться вовсе без учителя, поставив ее на место не школьника, а этакого Маугли, который сам, абсолютно без всякой помощи со стороны, научился бы, разглядывая буквы, понимать, что они чем-то отличаются друг от друга. Он, может, и не сумел бы назвать буквы так, как называем их мы, но зато придумал бы им свои имена.

Возможности машины...

Как, по каким признакам он классифицировал бы разные буквы? Наверное, что-нибудь вроде этого: "А" - уголок и горизонтальная палочка посредине, "Е" - три горизонтальные палочки и одна вертикальная, "О" - кружок, "Л" - уголок, обращенный острием вверх, и т. п.

Когда в одном из наших технических институтов инженеры взялись за эту невероятную затею, психологи только посмеивались: пробовать пробуйте, а что у вас выйдет?

Вышло же вот что. Вычислительная машина оказалась весьма способным "Маугли". Она довольно быстро определила, из каких "деталей" состоят разные буквы и что между ними общего. Машина сама установила разницу между "уголками", "кружочками" и "вертикальными черточками". Но тогда, выходит, у нее выработались простейшие понятия? Именно так и расценивают результаты своих опытов инженеры из Института автоматики и телемеханики.

Вот и встал опять "проклятый" вопрос о пределе возможности машин. Если машины не просто тупицы, быстро выполняющие вычисления, а им доступны мыслительные действия в таком широком диапазоне - от образования понятий до творчества, то, видимо, скоро настанет эра настоящих думающих автоматов?

Инженеры всегда были в этом вопросе большими оптимистами. Как только появились вычислительные машины, они заявили, что в принципе возможно автоматизировать любую умственную деятельность, если будут известны правила, по которым она происходит. Достаточно лишь разложить эти правила на элементарные машинные операции. "Конструкция автомата в данном случае не имеет решающего значения, - говорят они. - На обычной современной вычислительной машине можно промоделировать самые сложные формы мышления. Было бы только чем заполнять машинную память".

Но когда они увидели, с какими бесконечными подробностями приходится объяснять машине самые простейшие правила мышления (даже весьма еще несовершенные программы перевода с одного языка на другой состоят из 10-20 тысяч машинных инструкций), оптимизм их несколько поубавился.

А ведь многие мыслительные действия вообще не удалось представить в виде системы правил. Взять хоть то же распознавание знакомого лица или знакомой ситуации. Правила, по которым совершается эта важнейшая мыслительная операция, запрятаны где-то в глубинах подсознания и до них не так-то просто докопаться. Но, видимо, они достаточно сложны. Потому что все попытки составить аналогичную программу для машины привели пока только к тому, что машина смогла узнать лишь некоторые буквы, простейшие геометрические фигуры да цифры.

Как же "приблизить" машину к различным видам умственной деятельности, чтобы максимально разгрузить человека, оставив ему самые высшие, самые интересные, самые новаторские взлеты творчества?

Тогда-то и появилась мысль решить задачу моделирования умственных операций обходным путем. Снабдить машину не подробной программой действия, а лишь способностью учиться. Тогда в машину надо будет ввести небольшую исходную информацию. Все остальные сведения, необходимые для моделирования мыслительного процесса, она раздобудет сама в процессе учебы. Вместо подробного расписания работы машине дают основную рабочую программу, в которой описан только принцип действия. И "обучающую" программу, которая по ходу дела вносит исправления в первую.

Однако способные к обучению и самосовершенствованию машины не разрешили всех проблем, связанных с моделированием мышления. Центр тяжести просто переместился. Стало проще составлять программу, зато дольше и сложнее учить машину.

Учить машину думать ничуть не проще, чем человека. А результаты пока довольно средние. Так что ни о каком преимуществе машины не может быть и речи. Во всяком случае, пока исходные позиции электронного ньютона и школьника Петьки неравны (информация, закладываемая в начинающую учиться машину, намного меньше той, которой располагает первоклассник), человек может не бояться ее соперничества.

Очевидно, мало наделить машину способностью учиться. Надо еще начинить ее теми алгоритмами, теми эвристическими приемами, что составляют механизмы нашего ума. Тогда ее работа станет больше похожа на мышление человека. В справедливости этого мы с вами имели возможность убедиться на многочисленных примерах творчества машин.

Но мы также знаем, что и сам-то механизм человеческого мышления далеко еще не раскрыт. И надо прямо добавить: чем глубже исследовательская мысль человека обращается к познанию самого себя, тем более сложными предстаем мы с вами перед микроскопом науки и тем больше нового и неожиданного открывается в наших мыслительных способностях.

Мы с вами подошли сейчас к интереснейшей области. Вспомните: когда производили опыты над человеком, чтобы вырвать некоторые секреты его мышления и передать их машине, испытуемого приводили в состояние, близкое, если можно так выразиться, к машинному, - его ограждали от всех эмоций, насколько это возможно, от всех внешних впечатлений, помещая в специально изолированную камеру. Ведь машина бесчувственна. И ей требовалось дать "очищенную от посторонних примесей", бесчувственную человеческую мысль.

Нужно сказать, что бесчувственность счетно-решающих устройств, эта самая их машинная суть, рассматривалась с первых шагов кибернетики и рассматривается и сейчас как огромное их преимущество в решении целого ряда практических задач.

Вдохновение у машины?

Не поддающиеся гневу, не расстраивающиеся от мелких огорчений, не подверженные человеческим эмоциям, комбинации электронных ламп и сопротивлений, пусть с машинной тупостью, но и с хладнокровием механизма, бесстрастно выясняют все "за" и "против" и дают точный математический ответ.

Такое преимущество управляющих машин остается за ними, пока их привлекают к роли диспетчера или другой подобной работе, выполняемой по твердому, заранее разработанному графику.

Но поскольку ученые и конструкторы задались целью использовать машины и в таких областях, где даже от человека требуется вдохновение, встал вопрос об истинных механизмах этого вдохновения. Так ли уж не важны и не нужны эмоции человеку в его умственной деятельности?

Мы повседневно наблюдаем, как человек, который страстно стремится к цели, достигает несравненно большего, чем тот, кто работает с прохладцей, чем тот, кого данное дело не волнует. Нет ли тут связи между эмоциональной зараженностью человека и эффективностью его мышления?

И если уж взялись обучать машину самым продуктивным способам человеческого мышления, тогда выходит... В общем сейчас всерьез заговорили о создании не только думающих, но и чувствующих машин. Как выяснилось, эмоции им действительно нужны... чтобы лучше думать.

В самом деле. Любое наше мыслительное действие не является самоцелью. Оно совершается, так сказать, не из любви к искусству, а всегда бывает вызвано какими-то потребностями и мотивами, зависящими от чувств и настроений, которые мы в этот момент испытываем. И часто именно эмоции играют решающую роль в оценке различных ситуаций и даже отдельных мыслительных действий. Мозг как бы решает для себя, к хорошему или плохому результату приводит тот или иной этап переработки информации.

Киевский кибернетик Николай Михайлович Амосов предположил даже, что в мозгу существуют две самостоятельные программы - интеллектуальная (набор разнообразных эвристических приемов мышления) и эмоциональная (те самые потребности и мотивы, что определяют наше отношение к происходящему). Когда мы думаем, действуют обе эти программы, причем выбор алгоритма зависит от оценки, которую он получит по эмоциональной шкале.

Мало того, эмоциональная программа нередко даже изменяет интеллектуальную, так что образуется уже какой-то "сплав" из чувств и мыслей. Он-то и лежит в основе нашего мышления. И может быть, принадлежность людей к художественному и мыслительному типу определяется тем, какая из двух программ играет у них первенствующую роль. Так или иначе, а многие кибернетики считают, что самые существенные недостатки эвристических программ можно будет устранить, если снабдить машины чем-то вроде эмоций.

Первую электронную модель эмоций киевляне уже создали. Их детище сможет испытывать печаль, тревогу, любопытство, негодование, горе, обиду, жалость - всего около пятидесяти разных чувств, настроений и даже страстей. Действия ее заключаются в ответах на вопросы. Машина анализирует не просто смысл того, о чем ее спрашивают, но учитывает и эмоциональную окраску вопроса. Потом она начинает думать, как ответить. И ответы ее зависят от "настроений" и "чувств", вызванных предыдущими вопросами и общим эмоциональным состоянием, которое задается заранее. Причем "темперамент" машины можно менять, усиливая одни чувства, ослабляя другие.

Работа эта только начата и важна не конечными результатами, а поворотом исследований мыслительной деятельности в сторону чувств. Легко понять, что, когда машина научится не только думать, но и чувствовать, она станет еще более сильным помощником человека.

Есть еще одна возможность усилить интеллект машины. Не обязательно ей начинать с "каменного топора" и самостоятельно проходить весь сложный путь становления ума. Можно сразу сделать ее умнее, снабдив всем тем опытом мышления, который накопило человечество - не каждый из нас, а именно все мы за тысячелетия сознательной жизни.

Снабженная таким коллективным опытом и творческими навыками, да при ее удивительном быстродействии, машина, по мнению современных кибернетиков, сможет превзойти своего создателя в поединке интеллектов.

Но кто даст нам в таком случае гарантию, что, "работая над собой", машина не создаст совершенно новые эвристические приемы, неизвестные нашему мозгу? И не окажемся ли мы когда-нибудь перед необходимостью изучать творчество машины, подобно тому как мы изучаем сейчас творчество людей?