2.3 Пути моделирования интеллекта и мышления

Работы по искусственному интеллекту во многом тесно связаны с философской проблемой кибернетического моделирования. Эти работы часто связывают с построением точной копии человеческого мозга. Однако такой подход можно назвать «некибернетическим». Каковы же черты кибернетического метода мышления, какие вопросы вносит кибернетика в человеческое познание? В своей «Истории западной философии» Б. Рассел ставит вопрос о факторах, позволивших европейцам создать тип культуры, в котором ведущее место заняла наука. Причину этого Рассел усматривает, как он выражается, в двух великих интеллектуальных изобретениях: изобретение дедуктивного метода древними греками (Эвклид) и изобретение экспериментального метода в эпоху возрождения (Галилей). Именно эти два интеллектуальных изобретения - дедуктивный метод (а тем самым математика) и эксперимент - позволили создать классическую науку. К этим двум основным интеллектуальным орудиям современное развитие познания добавляет третье - математическую модель и математическое моделирование.[12]

Природа мышления, загадка сознания, тайна разума, все это, безусловно, одна из наиболее волнующих человека проблем. Популярность кибернетики, неослабевающий интерес к ней со стороны самых широких кругов во многом объясняется именно ее тесной связью с этой "вечной" проблемой. Американский психолог и философ У. Джемс в конце прошлого века пытался обосновать точку зрения, что есть мозг. Джемс не оспаривает ни одного утверждения физиологии, устанавливающему связь между процессами, которые мы субъективно осознаем как мышление, и материальными процессами, происходящими при этом в мозгу. Но (и в этом смысл аргументов Джемса) с логической точки зрения эта связь не означает то, что мозг есть орган мысли; любые данные физиологии доказывают лишь наличие соответствия и не более того.[7]

Под интеллектом мы понимаем способность любого организма (или устройства) достигать некоторой измеримой степени успеха при поиске одной из многих возможных целей в обширном многообразии сред. Необходимо отличать знания от интеллекта, имея в виду, что знания - полезная информация, накопленная индивидуумом, а интеллект - это его способность предсказывать состояние внешней среды в сочетании с умением преобразовывать каждое предсказание в подходящую реакцию, ведущую к заданной цели. По-разному дается и определение искусственного интеллекта. Полагают, что о реализации искусственного интеллекта можно будет говорить лишь тогда, когда автомат начнет решать задачи, непосильные для человека, причем сделает это не в результате высокого быстродействия, а в результате применения нового найденного метода.

Принято различать три основные пути моделирования интеллекта и мышления:

- классический, или бионический;

- эвристического программирования;

- эволюционного моделирования.

Рассмотрим эти способы последовательно.[2]

2.3.1 Бионическое моделирование

Непосредственное моделирование человеческого мозга (т.е. моделирование каждой нервной клетки и связей между ними) с целью создания автоматов, обладающих интеллектом, чрезвычайно сложно. Мозг представляет собой самую сложную и лишь частично изученную структуру.[10] Сложнейшее переплетение связей коры головного мозга практически не поддаются расшифровке. Известно лишь примерное расположение зон мозга, отвечающих за ту или иную функцию. В настоящее время не известен и принцип работы мозговых элементов нейронов, многочисленные связи которых имеют внешне хаотический характер. Попытки смоделировать работу головного мозга соединением между собой множества процессоров подобно нейронной сети, показали, что некоторое увеличение скорости и потока обрабатываемой информации идет лишь до уровня одного - двух десятков процессоров, а затем начинается резкий спад производительности. Процессоры как бы «теряются», перестают контролировать ситуацию или проводят большую часть времени в ожидании соседа. Некоторых успехов удалось добиться лишь в приборах, работающих в «двумерном варианте», т.е. обрабатывающих не последовательную, а параллельную информацию, например в системах распознаваниях образов. В них одна плоскость данных одновременно взаимодействует с другой, причем количество единиц информации может достигать нескольких миллионов. Таким образом, происходит единовременный охват изучаемого объекта, а не последовательное изучение его частей.