Инновационная сложность

3.4 Интеллект и сложность

Являются ли такие роботы умными (или, иначе, обладают ли они интеллектом)? Первое определение «искусственного интеллекта» (ИИ) исходит от Алана Тьюринга. Выражаясь короче, некую систему можно назвать умной (обладающей интеллектом), если ее по ее ответам и реакциям невозможно отличить от ответов и реакций человека. Это определение, однако, является очень антро-поцентричным: оно ставит интеллект в зависимость от человека. Кроме того, оно является круговым, так как не определен «человеческий интеллект».

Мое рабочее определение делает интеллект зависимым от способности системы решать проблемы. Система, в соответствии с этим рабочим определением, называется «умной», если она в состоянии эффективно и самостоятельно решать более или менее сложные задачи. Степень интеллекта зависит от измеряемых величин, независимых от человека: а) степени самостоятельности (автономии) системы, б) степени эффективности метода решения проблемы и в) степени сложности проблемы [388].

Согласно этому определению, автомобиль, например, имеет степень интеллекта, поскольку он может до определенной степени самостоятельно и эффективно управлять собой в сложных транспортных ситуациях. Также и палочник на этом основании имеет некую степень интеллекта, так как он может самостоятельно управлять процессами своего движения в сложном окружении. Исходный код в первом случае был написан человеком, во втором случае через эволюционные алгоритмы обучения, которые смогли оптимизироваться на протяжении миллионов лет также и без «сознания».

Согласно этому рабочему определению, мы уже сегодня повсюду в природе и технике окружены интеллигентными функциями. В технике они часто, однако, спроектированы иначе, чем они возникли в ходе эволюции. Для меня, стало быть, степень сложности функциональных процессов и соответствующих методов решения является мерилом интеллекта.

Человек является примером системы с интеллектом, которая возникла (также как и палочник) в ходе эволюции. Существует, следовательно, не «интеллект», а степень интеллекта, которую мы в нашем рабочем определении сделали зависимой от измеряемых свойств систем. «Рабочее определение» должно при этом указывать, что ни в коем случае не стремится к полноте, которой и не существует. Рабочее определение показывает свою пригодность в исследовании и в развитии и, к тому же, открыто для дополнений и коррекции.

Но также и по классическому критерию ИИ Тьюринга некоторые технические системы уже могут быть охарактеризованы как обладающие интеллектом (при их сравнении с человеком). Возьмем, к примеру, суперкомпьютер Deep Blue, который одержал победу над человеком, чемпионом мира по шахматам. Фактически он не отличим в своем конечном поведении от человека: он играет в шахматы по известным правилам. При этом система действует и реагирует с игровыми особенностями, которые в конечном счете лучше и быстрее, чем у людей. Отличие от человека состоит прежде всего в том, что Deep Blue не умеет ничего иного, кроме как играть в шахматы. Но это в настоящее время осуществляется только из чистого интереса. Система, правда, в отличие от человека настолько производительна, что она использует большой вычислительный потенциал и параллельные вычисления. Мы, люди, играя в шахматы, просчитываем значительно медленнее. Наша сила, однако, заключается в том, что мы думаем наглядно, используя образцы, и можем ассоциировать, в известной мере развивать в себе интуитивное чувство экспертов, тогда как компьютер «брутально» просчитывает возможные конфигурации с большой скоростью.

Следующим шагом был (в смысле теста Тьюринга) суперкомпьютер Ватсон (Watson), который в игре вопрос-ответ «Рискуй! (Jeopardy) выигрывал против многих игроков-людей. Ватсон понимает даже естественный язык и в состоянии в итоге давать ответы быстрее и лучше, чем человек. В этом отношении при выполнении этого задания в смысле теста Тьюринга техническая система опять-таки лучше и умнее, чем человек. Но если посмотреть на события более внимательно, дело отнюдь не в том, что Ватсоном был найден новый, сверхинтеллигентный языковый алгоритм. Скорее эта программа параллельно условным образом использовала тысячи широко известных алгоритмов анализа языка, молниеносно разлагала предложения на отдельные части и просчитывала вероятности, что определенный языковый образец подходит к соответствующему вопросу. Для этого затем стали использоваться огромные хранилища данных из миллионов страниц. Эта комбинация составила превосходство над людьми.

На примере Ватсона также демонстрируется, что семантическое понимание значений никоим образом не должно быть сопряжено с сознанием, что как раз характерно для человека. Первые практические применения – это смартфоны, с которыми мы можем вести простые диалоги. Эти способности также могут быть переданы роботам. Через интернет они могут быть снабжены огромными хранилищами данных как памятью, которая превосходит человеческую память [389].

Следующим шагом могут быть разработаны гибридные системы, которые, подобно человеческому мозгу, интегрируют различные способности. Так, понимание значений (семантика) у нас, людей, связана еще с созерцаниями, восприятиями и воспоминаниями. В этом нет абсолютной необходимости, как показывает Ватсон. Центральный пункт этого аргумента таков: частичные функции человеческого интеллекта для определенных целей уже технически реализованы в смысле теста Тьюринга. Соответствующие технические приборы превосходят даже от случая к случаю человеческие способности в этих областях.

И в этом нет нового: мы уже давно имеем машины, которые, например, превосходят нашу мускульную силу, нашу способность видеть и слышать. Почему бы нам не соединить эти способности в гибридных системах, как в ходе эволюции и возник человек посредством добавления, связывания и коррекции различных способностей. Вообще говоря, техника сегодня уже усиливает наши телесные и интеллектуальные способности – часто по-другому, чем это происходило в процессе эволюции: при этом для инженера, как правило, несущественно, работает ли его/ее система точно по образцу эволюции, причем он/она вполне могут быть вдохновлены природой. Для инженерных наук решающим является то, что в итоге проблема эффективно решена.

3.5 Эмоции и сложность

Эмоции важны для нас, людей, и для всех животных. Они служат спонтанной оценке ситуаций (страх, радость, отвращение и т. д.), которая гормонально через лимбическую систему мозга подготавливает тело к адекватному поведению, к примеру, в опасных или радостных ситуациях. На практике это приобретает тот смысл, что роботы для общения с людьми могут распознавать эмоции и чувствительно реагировать на людей. Это в корне отличается от промышленных роботов, которые могут только отрабатывать свою рабочую программу.

На этом примере видно, что отдельные когнитивные способности людей могут быть реализованы технически иначе через роботов, но иногда даже более эффективно, чем у людей. Распознавание эмоций – это задача, которая уже много лет назад решена в робототехнике. Исследовательская группа в Лозанне разработала голову робота, которая улыбалась в ответ, когда ему улыбались. Как робот это делал? Сегодня исходят из того, что для людей – в отличие от обезьян – характерны определенное число основных эмоциональных состояний, независимо от всех возможных рас и культур. Повсюду люди демонстрируют одни и те же эмоциональные выражения лица – способность, которая заложена до рождения. Речь идет, прежде всего, о технической задаче, распознавать и различать различные выражения лица.

Теперь можно было бы представить себе технику, которая на первый взгляд не занимается распознаванием эмоций: сначала тепловизионная камера регистрирует различные образцы кровоснабжения, свойственные выражениям лица, которые затем различаются и классифицируются нейронной сетью. Робот, как предполагается, может при этом различить радость, печать, отвращение и т. д. Это была бы система, работу которой в смысле теста Тьюринга нельзя было бы отличить от поведения человека, но она как раз-таки функционировала бы иначе.