Инновационная сложность

За этим стоит сильный тезис логиков и математиков Алана Тьюринга и Алонзо Чёрча, согласно которому всякий алгоритм, логико-математическое представление которого может быть просчитано всякой управляемой программой вычислительной машиной, может быть смоделирован универсальной машиной Тьюринга. С теоретико-познавательной точки зрения понятие универсальной машины Тьюринга дает в наше распоряжение инструмент, посредством которого независимо от соответствующего технического стандарта развития компьютеров можно принципиально определить сложность динамических процессов (т. е. их «логическую глубину») [374].

Еще Курт Гёдель (как логик) и Ричард Фейнман (как физик) думали, что процессы в природе можно понимать как своего рода метод вычислений. Вместо элементарных шагов вычислений с символами, из которых состоят эффективные методы математики, появляются, например, квантовые скачки элементарных частиц, элементарные химические реакции с молекулами, включение и отключение генов, изменения состояний клеток или изменения напряжения в технических устройствах переключения. Также и случайные изменения (например, мутации) могут учитываться в не детерминистических машинах Тьюринга. Таким образом понимаются и сами стохастические процессы посредством вероятностных (про-бабилистических) машин (например, машины Больцмана как про-бабилистической сети). Вообще говоря, степени вычислимости на компьютере соответствуют различным степеням сложности природы [375].

Что касается технических стандартов развития компьютеров, мы переживаем согласно закону Мура стремительное увеличение вычислительных мощностей, которые делают доступным моделирование сложных динамических систем природы. В соответствии с теоремой о неполноте Гёделя принципиально не может существовать никакого суперкомпьютера, который мог бы прояснить и разрешить все задачи. Мощности вычислений для имитации человеческого мозга или других клеточных и органических систем, однако, поддаются оценке и могут быть смоделированы на компьютере. Правда отсюда с необходимостью не вытекает, что мы уже в ближайшие десятилетия сможем смоделировать, скажем, чувства и мышление. Но принципиально это не исключено, и отдельные аспекты уже удалось понять. Вычислительная мощность сама по себе здесь, правда, недостаточна. Чтобы смочь построить компьютерные модели, мы должны понять также и ход самих процессов. Для этого мы обращаемся теперь к робототехнике.

3.2 Адаптивные и способные к обучению роботы

В традиции механистических автоматов сначала сооружались роботы, процессы движения которых были точным образом установлены. В случае сложной и постоянно изменяющейся окружающей среды в программе не могут быть учтены все возможные события. Так протекает процесс сложной телесной самоорганизации, в значительной степени без сознательного центрального управления. Подобным образом двигаются вниз по пологому склону, только будучи подгоняемыми силой тяжести, инерцией и толчками, таким образом телесные взаимодействия осуществляются без программного управления [376].

Сложные образцы движений управляются и вычисляются в природе вне централизованного контроля, они организуются децентрализованно посредством нейронных сетей с обратными связями. Знанию движения по неизвестной территории обучаются и это знание – learning by doing – сохраняется в нейронных сетях [377]. Нейронные сети являются примерами сложных динамических систем, состоящих из отдельных нервных клеток, которые взаимодействуют нейрохимически посредством передающих сигналы тканей (нейротрансмиттеров) и порождают образцы поведения как системные свойства.

Роботы должны, стало быть, обучаться, самостоятельно в большей или меньшей степени приспосабливаться, чтобы быть способными оценивать новые ситуации. Возрастающая сложность нашего мира требует все большей автономии и самоорганизации [378].

При участии роботов в космическом полете сразу становится очевидным, что мы напрямую с Земли не можем управлять их реакциями, например, на Марсе из-за задержки передачи сигналов. Но и роботы в промышленности и в обыденной жизни (например, на кухне) должны реагировать самостоятельно и быстро на новые ситуации [379]. Функционирование и очистка посудомоечной машины является, к примеру, процессом огромной сложности, который не может быть запрограммирован заранее детерминистической последовательностью отдельных приказов. Роботы, обеспечивающие уход, во всё более стареющем обществе должны к тому же обучаться заботливо обращаться с людьми.

Для этого роботы должны быть снабжены сенсорными, моторными и нейронными способностями, формировать образцы поведения и развивать когнитивные способности. Японская промышленность ставит задачу до 2016 года разработать роботы-гуманоиды, которые способны бегать и хватать как люди. К 2020 году они должны уметь работать самостоятельно с людьми в одной команде и уметь обращаться с людьми [380]. Это предполагает создание чувствительной и автономной системы, которая может развивать представление, как обходиться с людьми [381]. Роботы должны будут справляться со все более сложными заданиями, которые мы, люди, при каждом отдельном шаге больше не можем контролировать, а в итоге (мы надеемся) развить хотя бы минимальную ответственность.

Роботы, которые взаимодействуют с людьми, должны, по идее, обладать когнитивными способностями, которые были развиты в природе в ходе эволюции. Восприятие через органы чувств, способности видеть, слышать и ощущать тактильно ведут у людей через центральную нервную систему к чувствам, мышлению и сознанию, за которые ответственен мозг. К этому добавляется наша мобильность, которая проявляется у нас, прямоходящих существ, в высоко дифференцированных хватательных движениях рук. Все это является образцом для построения роботов-гуманоидов в человеческом облике, которые могут взаимодействовать с людьми.

Однако инженеры хотят решить эти задачи сначала технически, а не имитировать природу (стало быть, людей во всех их деталях). В истории инженеры были всегда успешны тогда, когда в рамках природных законов вступала в действие новая технология, которая еще не была найдена в природе. К примеру, люди размышляли о полете, что в самолетах удалось осуществить, не хлопая крыльями, а с помощью пропеллеров и реактивных двигателей, и в конечном счете технически была реализована даже более мощная и эффективная летательная система, чем в эволюции.

Также и при конструировании роботов-гуманоидов не стремятся ни к какой имитации. Что касается нашей мобильности, наши конечности представляют собой удивительное создание природы. Они сформированы из сложных клеточных тканей, сухожилий, легких и эластичных костей и с минимальными затратами энергии и информации в полной мере управляют собой – и, что немыслимо, вплоть до сегодняшнего дня, причем так, что стремятся достраивать себя. Но с легким металлом, маленькими высокопроизводительными моторами, программированием с помощью высокомощных вычислительных устройств и огромными затратами энергии можно добиться подобных процессов движения у двигающихся роботов (например, Asimo [382] фирмы Хонда).

Мы полагаемся, таким образом, в развитии техники на наши вычислительные возможности и можем с большими затратами на вычислительную технику так управлять роботом-гуманоидом, что он оказывается способным двигаться подобным человеку образом. Тем не менее движение человека происходит совершенно по-другому. Не существует никакого высокопроизводительного вычислительного устройства, которое рассчитывало бы в реальном масштабе времени положение равновесия, чтобы система могла к нему адаптироваться. Математически это может быть описано уравнениями Эйлера-Ньютона, которые лежат в основе теории устойчивости, разработанной еще в XVIII веке математиком Леонардом Эйлером.