|
Фpaгмeнт книги (...)
Кибернетика. Искусственный интеллект. Роботы
Сначала ответим на несколько вопросов общего характера. Что же такое кибернетика? Что такое искусственный интеллект? Что представляют собой роботы? Каковы особенности сложных систем управления! Как связана кибернетика с бионикой? В чем ЭВМ уступают человеку и в чем они уже сейчас превосходят человека? Как используются и будут дальше использоваться в кибернетике аналогии между процессами управления в машинах и в живой природе? Что написано обо всем этом в других книгах? Чему будут посвящены наши следующие беседы?
В литературе по-разному определяется, что такое кибернетика, искусственный интеллект, роботы. Приведем определения, которых будем в дальнейшем придерживаться.
Слово «кибернетика», которое употреблялось и раньше (происходит от греческого слова, означающего в переводе «кормчий»), начали применять в современном смысле с 1948 г., когда вышла в свет книга американского ученого Норберта Винера «Кибернетика, или Управление и связь в животном и машине». Хотя эта книга и была посвящена постановке и рассмотрению сложных задач управления в живых организмах и в машинах, уже во введении к этой книге было сказано, что имеется в виду вся теория управления и связи. «Было решено назвать всю теорию управления и связи в машинах и живых организмах кибернетикой», — писал автор этой книги. Однако сложным системам управления, какими являются биологические системы управления и некоторые усовершенствованные технические системы управления, которые сейчас разрабатываются, присущ ряд особенностей. То, что кибернетика глав-
ным образом занимается изучением этих особенностей, позволило считать ее новой наукой. Крупный советский ученый — академик А. Н. Колмогоров, математические работы которого, упоминаемые Н. Винером, имеют большое значение для кибернетики, писал после выхода указанной выше книги: «Сейчас уже поздно спорить о степени удачи Винера, когда он в своей известной книге в 1948 году выбрал для новой науки название «кибернетика». Это название достаточно установилось и воспринимается как новый термин, мало связанный со своей греческой этимологией. Кибернетика занимается изучением систем любой природы, способных воспринимать, хранить и перерабатывать информацию и использовать ее для управления и регулирования. При этом кибернетика широко пользуется математическим методом и стремится к получению конкретных специальных результатов, позволяющих как анализировать такого рода системы (восстанавливать их устройство на основании опыта обращения с ними), так и синтезировать их (рассчитывать схемы систем, способных осуществлять заданные действия)». В изданной в 1974 г. в Киеве «Энциклопедии кибернетики» о кибернетике говорится, что это «...наука об общих законах получения, хранения, передачи и преобразования информации в сложных управляющих системах. При этом под управляющими системами здесь понимают не только технические, а и любые биологические, административные и социальные системы. Примерами очень сложных управляющих систем являются нервные системы живых организмов, в особенности организм человека, а также аппарат управления в человеческом обществе».
Эти определения кибернетики дают общее представление о ней как об отрасли науки.
Из сказанного выше следует, что к кибернетике имеет прямое отношение все, о чем было рассказано раньше в нашей книге, а вместе с тем и другое, например, то, что имеется в виду при упоминании об ЭВМ, играюпшх в шахматы, переводящих с одного языка на другой, распознающих зашифрованные записи, в том числе старинные письменности и т. п. Выполнение машинами последних функций относится
к тому, что определяется как искусственный интеллект. Последний, как сказано в выпущенном в 1979 г. «Словаре по кибернетике», — это «искусственная система, имитирующая решение человеком сложных задач в процессе его жизнедеятельности». Иногда приводятся и другие формулировки. Так Л. А. Растригин и П. С. Граве дают следующее определение: «искусственный интеллект представляет собой программу для ЭВМ, с помощью котодой машина приобретает способность решать нетривиальные задачи и задавать нетривиальные вопросы».
Название «робот», используемое для автоматов, напоминающих по выполняемым ими функциям человека, впервые было употреблено в 1920 г. чешским писателем Карелом Чапеком, который так назвал в написанной им фантастической повести искусственные существа, обладающие «невероятно сильным интеллектом». Различают сейчас роботы с искусственным интеллектом и промышленные роботы или роботы-манипуляторы, действующие по заданным им жестким программам. Мы будем иметь в виду дальше роботы того и другого типа.
Возможно, что уже на первый из заданных вопросов, основной, читатель захочет ответить отрицательно. Ведь в школьном учебнике, на который мы ссылались было написано об ЭВМ следующее : «Когда говорят, что ЭВМ играет в шахматы, предсказывает погоду, управляет работой железнодорожного узла и т. д., надо понимать, что машина, какой бы совершенной она ни была, сама по себе сделать все это не может. Машина просто выполняет элементарные команды сложнейших программ, которые для нее составляет человек. Чтобы настроить машину на новый вид работы, достаточно ввести в нее соответствующую команду»1). Не согласимся в этом случае с читателем, хотя в учебнике все написано правильно.
Правильно, если исходить из того, что уже достигнуто наукой, если иметь в виду современное состояние вычислительной техники и техники управления.
Не написано лишь то, что возможно создание программ, которые могут. дальше совершенствоваться самой машиной при получении ею информации из внешнего, мира, информации, заранее неизвестной составителю первоначальной программы. А как раз здесь-то и заложена возможность деятельности машины, в какой-то мере аналогичной творческой деятельности человека.
Почему об этом ничего не сказано в учебнике? Вообще в школьных учебниках всегда пишется только о том, что уже полностью подтверждено открытиями ученых и не -вызывает у них сомнений. То же, что является делом будущего, еще не полностью сформировалось и не до конца проверено, а сейчас лишь составляет предмет исканий, исследований, в школьных учебниках не отражается. Обсуждая дальше поставленные вопросы, нужно иметь в виду, что нет пока единого мнения по ним и среди ученых.
В отношении различных мнений по обсуждаемым нами вопросам можно сказать следующее. Нужно просто разграничивать, не принимая одно за другое, то, что уже сейчас получается или может быть получено в ближайшем будущем, и более далекие перспективы развития кибернетики. Правильная оценка последних имеет большое значение, так как позволяет целеустремленно вести исследования, по правильному пути направлять поиски дальнейших усовершенствований управляющих машин. Еще в упоминавшейся книге Н. Винера (мы еще не раз будем ссылаться на нее) автор ее утвердительно отвечает на вопрос о том, может ли быть машина умнее создавшего ее человека.
1) Здесь и далее делаются ссылки на 3-е издание учебного пособия для 8-го класса «Алгебра», выпущенного под редакцией Л. И. Маркушевича в 1975 г. При переизданиях его (см. выпуск 1979 г.) текст раздела об алгоритмах и программировании решения задач на ЭВМ был изменен.
Это нужно понимать так, как уже было сказано: получая информацию из внешней среды, о которой человек, построивший управляющую машину, не знал, а может быть, и анализируя то, что-в нее было заложено, соответствующим образом выполненная машина в принципе может производить заранее не предусмотренные действия, сама формируя программы, являющиеся дальнейшим развитием первоначально составленной программы.
Нужно дать положительный ответ и на следующий из поставленных вопросов. Уже сейчас разрабатываются теория и техника построения адаптивных, то есть самоприспосабливающихся к окружающим условиям, машин. Одним из новых, интенсивно разрабатываемых разделов теории, автоматических систем является теория обучающихся и самообучающихся машин. Практикой уже сейчас подтверждена возможность машинного проектирования и автоматического изготовления машин. В этом смысле можно говорить и об их способности к самовоспроизведению.
Технические системы будущего, предназначенные для выполнения более широкого класса функций управления, чем те, которые реализуются с помощью современных ЭВМ, должны будут обладать некоторыми особыми свойствами, характерными для хистем управления, имеющихся в живых организмах.
Одним из них является бблыпая степень сложности системы управления, при достижении которой каче-сгвенно изменяются возможности системы. Говоря о степени сложности, учитывают общее число элементов и структуру системы. Для сравнения укажем, что мозг человека содержит миллиарды первичных элементов-нейронов.
Другой особенностью сложных кибернетических систем является го, что процессы их функционирования обычно стохастические. Во второй части нашей книги было рассказано о случайных воздействиях на объекты управления или управляющие устройства и о способах анализа характеристик этих воздействий. Здесь же имеется в виду использование характеристик случайных процессов для синтеза систем управления. Это одна из основ кибернетики как науки о сложных системах уп-
равления. Указывая на то, что «автоматы и физиологические системы щжио охватйть одной теорией», Hf Эинер отмечал, что «теория чувствующих автоматов является статистической».
Перейдем к вопросу об использовании в кибернетике аналогий между процессами деятельности живых организмов и процессами функционирования машин. Вопросом этйм занимается не только кибернетика, но и ёионика. Ёионика — это отрасль науки, задачей которой является изучение деятельности биологических объектов с целью усовершенствования технических устройств. Но она занимается не только вопросами управления. Например, она изучает механику движения дельфинов и акул с тем? чтобы увеличить скорость кораблей. Кибернетика же занимается изучением законов управления любыми процессами, и не только в живых организмах и машинах, но и в области экономики и в других областях. Таким образом, бионика и кибернетика представляют собой различные научные дисциплины, каждая из которых имеет свою собственную проблематику. Но имеются и вопросы, являющиеся для них общими. Это вопросы изучения процессов управления в биологических системах с целью создания более Свершенных, чем существующие, вычислительных Й управляющих машин.
Созданные уже сейчас и вновь разрабатываемые машины во многом, уступают человеку. Хотя они и начинают уже выполнять некоторые функции интеллекта человека, они не способны в полной мере мыслить, как человек, не могут, как человек, ставить цели, которые в дальнейшем должны быть достигнуты.
Но вместе с тем они уже сейчас намного превосходят человека по скорости выполнения вычислительных операций
Чтобы представить себе, насколько они в этом превысили возможности человека, рассмотрим следующий пример. Попробуем произвести несложные вычисления и заметим, сколько времени они у нас займут. Возьмем какое-либо четырехзначное число, пусть, например, это будет 9873. Прибавим к нему другое число, например 2489. То, что получится, разделим на число 2. Пойробуем это сделать устно, или возьмем лист бумаги и запишем все действия. Сколько уйдет у нас на это времени? Во всяком случае, не меньше нескольких десятков секунд. Сколько при этом мы выполним операций таких, как сложение цифры с цифрой, перенос цифры в следующий разряд и т. д.? Немного. Сколько операций выполняется в одну секунду? Тоже немного. В настоящее же время строятся ЭВМ, выполняющие сотни миллионов операций в секунду. Правда, дополнительные операции требуются для перевода десятичных чисел в двоичную систему счисления, принятую для ЭВМ, но все равно ЭВМ может за то же время посчитать в миллионы раз больше, чем человек.
И не только посчитать. С огромной скоростью, недоступной для человека, могут быть произведены в процессе управления логические операции при большом числе логических переменных, и название «вычислительные» по отношению к ЭВМ является, сейчас, как мы это уже указывали, условным, не отражает всех их истинных возможностей.
Все, что создано человечеством, в том числе и вся современная техника, включая и технику управления, является результатом сознательной деятельности людей. Мозг человека — орган мышления — представляет собой совершенное творение природы. Следует ли ожидать, что со временем люди смогут наделить управляющие машины искусственным мозгом, таким же, как головной мозг человека?
Вероятно, в этой части будет так же, как было и с другими попытками воспроизведения в технике того, что подсказывало человеку наблюдение окружающего мира, изучение живой природы.
Это не было простым копированием. Возьмем хотя бы такой пример. Еще в глубокой древности, тысячи лет тому назад, люди уже мечтали научиться летать, как птицы. Вспомним миф о Дедале и Икаре. Наблюдение за полетом птиц позднее подтолкнуло человека к тому, чтобы овладеть техникой полета. Но прямое подражание птицам, полет с помощью машущих, как у птицы, крыльев, существенных результатов не дало. Эта форма полета, необходимая птицам для маневрирования на коротком расстоянии при добывании пищи, при погоне за мотыльками и мошками, оказалась для
человека ненужной. Что-то было, правда, использовано и из непосредственных наблюдений за полетом птиц. Полезным оказалось изучение профиля крыла. Так же, как птицы, парят в воздухе планеры. Но главные пути развития техники летательных аппаратов оказались иными. Созданные человеком самолеты летают сейчас-со сверхзвуковой скоростью, что птицам недоступно Более того, построенные человеком летательные аппараты уже бороздят просторы Вселенной, удаляясь на миллионы километров от Земли.
То же самое и с машинами, которые человек хочет наделить интеллектом. В, чем-то, как уже было сказано, даже в настоящее время они значительно превосходят человека; многое из того, на что способен думающий человек, они смогут делать в будущем. Но будут делать это вероятно не точно так, как человек, а по-другому. Иного от них и не потребуется. Лишь бы «умные» машины были верными помощниками человека, служили ему так же, как служат скоростные самолеты и космические корабли.
Пример с полетом птицы и созданием самолетов и космических кораблей является характерным. Но в отношении мозга человека и искусственного интеллекта дело обстоит иначе. Еще до создания сверхзвуковых самолетов и космических кораблей ученые уже исчерпывающе изучили и раньше использовали все, что связано со строением крыла и с механизмам полета птицы, и новых идей это предшествующее изучение уже здесь не могло дать. Изучение же процессов функционирования мозга человека, процессов мышления только начинается. В этом имеются огромные, вероятно, беспредельные, возможности для того, чтобы черпать новые идеи, которые пусть и не непосредственно, но в измененном виде будут использованы в кибернетике. Аналогии с соответствующими процессами в живой природе будут использоваться при этом, по-видимому, лишь на отправных этапах так же, как и в примере с самолетом. А дальше при создании искусственного разума он уже не будет .таким, как человеческий, а дру-гйм, — машинным.. Это уже проглядывается в подходах к созданию кусственного интеллекта, которые сейчас наметились, "
Как мы уже говорили, кибернетика, искусственный интеллект, роботы привлекают сейчас к себе всеобщее внимание. К настоящему времени выпущен ряд популярных книг, в которых затронутые нами вопросы ки- бернетики и искусственного интеллекта рассмотрены более детально. В некоторых из них более подробно освещены одни из них, в иных — другие. Укажем не-• которые из таких доступно написанных книг. Это: книга А. П. Быкова и А. В. Вейца «От нейрона к искусственному мозгу», выпущенная издательством «Наука» в 1971 г.; книги Л. А. Растригина и Л. С. Граве «Кибернетика как она есть (кибернетика и псцхика)», Г. В. Максимовича «Беседы с академиком В. Глушко-вым» и А. Г. Чачко «Искусственный разум» издательства «Молодая гвардия», выведшие в свет соответственно в 1975, 1976 и 1978 г.; книга А. В. Тимофеева «Роботы и искусственный интеллект», выпущенная издательством «Наука» в 1978 г. Назовем также книгу Б. Рафаэла «Думающий компьютер», выпущенную в 1979 г. издательством «Мир». Последняя кцига хотя и рассчитана на более квалифицированного читателя, но в значительной своей части понятна и школьнику. Особо отметим вышедшую в свет в 1972 г. (издательство «Советское радио») научную монографию Д. А. Поспелова и В. Н. Пушкина «Мышление и автоматы», написанную тоже в доступной широкому кругу читателей форме.
Покажем, как уже сейчас выполняются некоторые функции искусственного интеллекта, и рассмотрим дальнейшие перспективы развития кибернетики.
2. Восприятие информации машинами.
Распознавание образов
Говоря и дальше о кибернетике, мы коснемся ряда более конкретных вопросов. В числе их следующие. Восприятие окружающего мира человеком и машиной. Органы чувств человека и чувствительные элементы машин. Восприятие машиной символьной информации как отправная точка в работах по со- зданию искусственного интеллекта. Распознавание образов персептроном% уроки первых персептронов.
Эвристики и алгоритмы. Значение случайных процессов для организации сложных систем. Статистические способы распознавания образов. Распознавание образов с использованием фреймов. Не нужно пугаться незиакомых слов в подзаголовке темы этой беседьц что они означают, вы сейчас узнаете.
Из указанных вопросов — первый о том, как осуществляется восприятие внешней среды, окружающего мира человеком и в какой мере аналогичные функции могут выполняться машинами.
Зрение, слух, осязание, обоняние дают возможность человеку получать извне всю информацию, используемую им в его деятельности. Виденное, слышанное, почувствованное запоминается человеком. Мыслящий человек наряду- с текущей информацией, получаемой с помощью органов чувств, черпает нужные ему сведения и из своей памяти.
Аналогичным образом вводится информации в машины. Элементами зрительных восприятий манийш в простейшем случае являются отдельные фотоэлементы, на выходе каждого из которых появляется сигнал 1 (есть ток в выходном проводнике), если на фотоэлемент падают лучи света, и появляется сигнал 0 (нет тока в выходном проводнике) — в противном случке. Используются и наборы-матрицы фотоэлементов; на выходе матрицы уже получается множество сигналов, дающих представление о том, какие участки соответствующей поверхности освещены, а какие остаются затемненными. Наконец, во вновь разрабатываемых роботах используются телевизионные камеры, если нужно, чтобы робот видел то, что находится перед ним. На экране телевизора, который сейчас имеется в каждой квартире, отображается все, что происходит в окружающем нас мире. Й если недавно изображения были черно-белыми, то теперь они уже цветные и пе- — редают bcio гамму красок. Со временем будут созданы и голографические телевизоры, передающие объемные изображения. Электрические сигналы, преобразуемые при телевизионной передаче в видимое нами изображение на экране, прямо могут вводиться в машину.
Звуки передаются машине с помощью микрофона такого, как в приемной трубке телефона. На выходе микрофона тоже получаются электрические сигналы, представляемые затем в таком виде, какой приемлем для машины.
Нечто аналогичное осязанию, тактильным, то есть получаемым при прикосновении, ощущениям человека может получаться и в машине, причем различными способами. При прикосновении к предмету пальцев руки робота — искусственных тактильных датчиков — могут замыкаться электрические контакты. У одного из экспериментальных роботов каждый палец руки оканчивался несколькими иголками, которые могли выдвигаться на различную величину, что позволяло ощупывать ими поверхности предметов той или другой формы. При этом получались электрические сигналы, отражающие величины расстояния до отдельных точек поверхности.
Человек иногда по запаху обнаруживает наличие в окружающем воздухе примеси постороннего газа. Даже самые малые концентрации газов определяются специальными приборами, которые могут бытьчувстви-тельными элементами машины.
В некотором. смысле чувствительные элементы машин располагают значительно большими возможностями, чем органы чувств человека. От них могут передаваться машине данные о числовых значениях различных величин, измеренных с большой точностью. Например, так может производиться измерение температур, в том числе и очень высоких, порядка сотен или даже тысяч градусов, и очень низких, близких к абсолютному нулю. С помощью радиолокаторов обнаруживаются предметы, находящиеся очень далеко, заведомо за пределами видимости и слышимости их человеком, и определяете#, на каком расстоянии они находятся. От чувствительных элементов поступает в машину и другая информация, не воспринимаемая непосредственно человеком, например информация об интенсивности магнитных полей или об уровне радиации.
Чувствительные элементы машин не только электрические. Применяются и другие. Так, электроконтакт-пые датчики непригодны для индикации и измерения уровня расплавленного металла, который после плавки разливается из ковша в литейные формы.
Для индикации или измерения уровня в условиях очень высоких температур применены пневматические чувствительные элементы. В таких элементах струя воздуха под постоянным давлением вытекает из кольцевого сопла, образуя воздушную завесу. При приближении поверхности металла к соплу изменяется давление в центральном канале, подходящем к области, охваченной воздушной завесой. Это давление передается к пневмоэлектрическому преобразователю, на выходе которого получается соответствующий электрический сигнал.
Такие чувствительные элементы имеются и в промышленных роботах, работающих при нормальной температуре окружающей среды; там они применены потому, что они надежнее электрических. О том, что аэрогидродинамические чувствительные элементы используются для измерения не только расстояния до поверхности, но и многих других величин, уже упоминалось нами раньше.
Часто наиболее удобными дляприменения оказываются оптические и акустические, ультразвуковые или другие, чувствительные элементы.
От чувствительных элементов может передаваться машине текущая информация; кроме этого, могут использоваться и ранее запомненные ею данные, аналогично тому, как это происходит у человека.
Машинами может восприниматься и перерабатываться самая различная информация. Это могут быть данные, передающиеся в процессе управления оД измерительных устройств, и информация, черпаемая из различного вида документов и из книг, и любая другая.
Очень важно, что современные ЭВМ способны воспринимать и перерабатывать не только числовую, но и любую символьную информацию. То, что ученые смогли заставить ЭВМ оперировать с символьной информацией, и явилось, как дам кажется, отправной точкой для работ по созданию искусственного интеллекта.
С символьной информацией мы уже встречались в первой части книги, хотя тогда это название и не употреблялось. Закодировав в двоичном коде десятичные цифры, мы использовали незанятые комбинации
четырех символов 1 или 0 для того, чтобы закодировать приемлемым для машины способом фразу «мы пишем». К действиям с числами это уже не имело отношения. Составляя различные комбинации не из четырех символов 1 или 0, а из большего их количества, можно в принципе закодировать этими символами, понятными для машины, не только одну фразу, а все, что написано людьми, содержимое всех книг, хранящихся во всех библиотеках мира. Мы встречались с символьной информацией и еще раньше, когда говорили о выполнении логических операций. Мы тогда увидели, кик в виде действий с теми же символами 1 и 0 представляется выполнение логических функции, например таких, -как функция И,. или по-другому конъюнкция: у xi&x2. Наконец, мы познакомились с тем, как в такой же форме, тоже с помощью символов 1 и 0, могут быть представлены графы: матрица смежности вершин графа, эквивалентная самому графу, была составлена при использовании этих символов.
Таким же образом — с помощью множеств .различных комбинаций знаков 1 и 0 могутбыть закодированы и введены в машину чертежи, портреты, пейзажи, речь человека, пение птиц, — все, с чем мы встречаемся в окружающем нас мире. Все это как символьная информация доступно для машины. Лишь с началом ее использования ЭВМ перестали быть арифмометрами, способными производить только арифметические действия так, как это делается, например, сейчас в кассовых аппаратах, имеющихся в магазинах и в учреждениях, в которых производятся денежные расчеты. С тех пор, как матицы начали оперировать с символьной информацией, оказался открытым путь для развертывания работ, направленных на тб, чтобы наделить машины способностью к выполнению функций, аналогичных тем, которые до этого были возможны только для мыслящего человека.
Мы уже выяснили, что различная информация, необходимая для создания образов окружающего мира, может приниматься чувствительными элементами машин, причем во многом более полног чем это возможно для органов чувств человека. Но от получения этой информации до создания того или .другого образа еще далеко. У человека все, что воспринимается органами чувств, передается от них по цепочкам нейронов, через нейронные сети в мозг человека, где формируются образы предметов, явлений, ситуаций, процессов. Эти образы запоминаются человеком и в нужную минуту всплывают в памяти. Если на экране телевизора, которым снабжен робот, появляется изображение, будь то портрет человека, пейзаж, чертеж или внешний вид технического устройства, то его тоже можно передать в память машины. Это можно сделать, перенумеровав все точки изображения и закодировав различными последовательностями знаков 1 и 0 номер каждой точки изображения и ее характеристики такие, например, как то: зачернена данная точка илй нет, а если она цветная, то какого цвета и т. д.
Все это можно уложить в память машины и путем последующего анализа воспроизвести то, что можно было бы назвать машинным образом.
Сравнив затем, опять-таки точка за точкой, другой образ, который будет предъявлен машине, можно будет сказать, совпадает ли он с первым или пет, то есть произвести распознавание образов. Марина может делать это, воспринимая образы указанным способом, а при распознавании сличая их с другими во всех деталях, до мельчайших подробностей всех элементов изображения (то, что мы говорим сейчас о арительных образах, относится и к другим, например, звуковым).
Конечно, процесс этот чрезвычайно трудоемкий, требующий даже от быстродействующей машины большого времени. В простейших случаях такое распознавание образов приемлемо, однако для сложных картин окружающего мира оно может стать настолько трудоемким и длительным, что в конце концов трудно будет ящ основании изучения отдельных элементов изображения, отдельных деталей, воспроизвести общую картину. Может случиться так, как гласит поговорка: за деревьями не станет видно леса.
То, что было сказано о таком машинном восприятии и различении образов, иногда используется и человеком. В некоторых случаях, изучая отдельные элементы явления или процесса, человек в копце концов получает возможность представить себе общую картину
того, что его интересует. Так часто происходит при научных исследованиях.
Но человек способен и к другому восприятию и распознаванию образов, пи котором образы формируются и запоминаются не в деталях, а сразу в самом общем виде, в целом, причем отдельные детали могут быть и опущены. И самое главное, что это происходит мгновенно. Например, человек сразу отличает знакомого человека и незнакомого; увидев портреты мужчины и женщины,-он их тоже сразу различает; инженер сразу отличаёт один чертеж или одну схему от других; опытный врач часто тут же, не проводя детального обследования, ставит диагноз заболевания.
Как это происходит у человека, в мозгу человека? Этот вопрос много раз ставили перед собой ученые. Н. Винер, о котором мы уже говорили, писал: «Как мы узнаем индивидуальное человеческое лицо, когда видим его в разных положениях: в профиль, в три четверти или анфас? Как мы узнаем круг как таковой, независимо от того, большой он или маленький, вблизи оп или вдали? Как мы видим лица животных и географические карты в облаках? Как мы перекладываем в слова крик птицы или стрекотанье насекомого?»
v Если суметь ответить на эти вопросы, то можно было бы научить такому же распознаванию образов и машины. Не трудно себе представить, какое это имело бы практическое значение: во многих случаях машины тоже смогли бы мгновенно схватывать общую картину увиденного или услышанного, смогли бы распознавать образы, отличая их сразу один от другого без длительной, трудоемкой, кропотливой работы.
Точного ответа на поставленные вопросы ученые пока не смогли дать, делались лишь догадки о том, как это может происходить. Эти догадки «основывались на том, что, как показали исследования, в нервных тканях,, по которым передаются сигналы от органов чувств в мозг человека, первичные элементы нервной ткани — нейроны — образуют волокна, которые расположены случайным образом, не имеют строго определенной длины, по-различному разветвляются. Вместе с тем проведенные исследования привели к выводу о том, что память человека не сосредоточена на строгр
определенных участках коры головного мозга, а распределена между многими участками, причем распределение это также является в какой-то мере случайным. Было предположено, что так собирается, ассоциируется информация, передающаяся от органов чувств
в мозг. На основании этих наблюдений, предположений, догадок была сделана попытка создать машину, распознающую сразу, единовременно, образы так, как это делает человек.
Несколько упрощенная схема такой машины, построенной Ф. Розенблатом и названной им персептро-ном, изображена наверху на рис. 3.3. Составными частями персептрона являются рецепторное поле 7, элементы ассоциативного поля 2, реагирующий элемент 3 с выходным каналом 4, элементы настройки 5.
Рецепторное поле персептрона образовано большим количеством фотоэлементов, с которыми соединены про-
рода, по которым протекает электрический ток, если фотоэлемент освещен, и не протекает, если к фотоэлементу не поступает свет. Провода собираются в группы, в каждой из которых находится одинаковое количество проводов, случайным образом взятых от различных точек рецепторного поля. Каждая группа проводов соединена с входом соответственно одного из элементов 2, образующих ассоциативное поле. На рисунке показаны лишь четыре ассоциативных элемента, в построенном персептроне их было много. Эти ассоциативные элементы работают следующим образом: на выходе элемента появляется ток только в том случае, если превысит заданное пороговое значение число входных проводов, по которым протекает ток, то есть проводов, соединенных с освещенными фотоэлементами. Выход каждого из ассоциативных элементов 2 соединен через свой элемент настройки 5 с реагирующим элементом 3, который также является пороговым: в выходном канале 4 появляется ток лишь в том случае, если превысит- заданное значение сумма токов на входе этого элемента. Сигналы, поступающие от ассоциативных элементов 2, можно корректировать с помощью элементов настройки 5 так, чтобы при появлении на выходе каждого данного ассоциативного элемента тока можно было бы по желанию усиливать его или ослаблять.
Как работает персептрон? Сначала ему предъявляются образы, относящиеся к тому же классу, как и те, которые он после обучения должен научиться распознавать. Делается это так. Если, например, он должен научиться распознавать букву А, отличая ее от буквы Б или от других букв алфавита, то вырезаются из картона буквы А, написанные разными почерками. Вырезанные буквы А, например такие, как в правой части рис. 33, накладываются на рецепторное поле, часть которого, перекрытая буквой, оказывается затененной, а остальная освещена светом от лампочки 6. Процесс обучения заключается в следующем. Если при показе персептрону буквы А в канале 4 появляется ток (сигнал «1»)? а при показе буквы Б не появляется (сигнал «О»), то настройка персептрона не изменяется. Если же оказываемся, что по каналу 4} наоборот, в первом случае передается сигнал 0 или во втором сигнал 1, то но определенным, заранее выработанным правилам производится корректировка так, чтобы на выходе, то-есть по каналу 4, поступали требуемые сигналы: в первом случае 1 и во втором 0. Проведенные опыты пока-зали, что после такого обучения, проведенного с достаточно большим количеством букв различных на черта- « ний, персептрон начинает правильно распознавать буквы, выдавая соответственно сигналы 1 или 0 при показе ему букв А или Б, по написанию отличающихся от тех, которые ему показывались раньше.
Если сделать от выхода каждого из ассоциативных элементов по нескольку ответвлений, подключить к каждому из них по реагирующему элементу и установить на каждой из линий передачи сигналов элемент настройки, то придем к схеме персептрона, предназначенного для распознавания образов, относящихся к нескольким различным классам (для распознавания, если иметь в виду рассмотренный пример, не только двух букв алфавита, но и других). Опыты, проведенные с персептронами, показали, что при обучении их указанным выше способом они по мере обучения все лучше и лучше распознают образы: меньше ошибаются и чаще, а затем и почти во всех случаях, правильно распознают образы, отличая относящиеся к одному классу от относящихся к другим. При обучении распознаванию восьми различных букв персептрон, который пер-~ воначально был настроен так, что лишь в 10% случаев давал правильные ответы, после предъявления ему букв каждого класса по 10 раз, с последующим каждый раз обучением, давал правильные ответы уже в 50% случаев, после предъявления ему букв по 20 раз — в 80% случаев, после предъявления букв -каждого класса по 30 раз — более чем в 90% случаев, а после предъявления их по 40 раз, тоже с последующим каждый раз обучением, распознавал их затем уже почти безошибочно. Оказалось, что хотя при уменьшении числа ассоциативных элементов работа персептрона ухудшается, но все же он продолжает выполнять свои функции. В этом оп также оказался аналогичным мозгу человека, функции которого часто восстанавливаются при повреждении отдельных его участков. В усовершенствованном варианте персептрон был сделан многослойным, содержащим два или большее количество рядов ассоциативных элементов, соединенных так, что на вход каждого ассоциативного элемента следующего ряда поступали сигналы от группы ассоциативных элементов предшествующего ряда.
Персептроны оказались способными не только к обучению, но и к самообучению. Схема работы персептрона с самообучением приведена внизу на рис. 33, где: 1 — сам персептрон, такой же, как и показанный в верхней части рисунка; 2 — автоматическое устройство, представляющее образы персептрону как в процессе обучения персептрона, так и при последующей его работе; 3 — обучающее устройство, содержащее элемент сравнения, к которому подходят информационный канал 4 и канал обратной связи 5. В процессе обучения проходящий по каналу 4 сигнал о том, каким должен быть выходной сигнал персептрона при предъявленном ему образе, сравнивается с истинным выходным сигналом, передающимся по каналу 5. При их совпадении не производится коррекция, а если они не согласуются, то пб выходному каналу 6 обучающего устройства передаются сигналы к элементам настройки персептрона и коррекция производится так же, как и при обучении персептрона человеком. Обученный таким образом персептрон производит классификацию — указывает, относятся ли предъявляемые ему в процессе работы образы к одному классу или же к различным классам.
Персептроны, когда они были впервые построены, вызвали большой интерес, и на них возлагались большие надежды, которые, однако, не оправдались. Ока-валось, что для практического применения они мало пригодны. При смещении в сторону или повороте букв в пределах рецепторного поля так, что они перекрывали другие его участки, нужно было заново производить обучение. Первые персептроны такие, как указанный выше, оказались неспособными распознавать более сложные образы, что в ряде случаев необходимо для построения устройств, наделенных искусственным интеллектом. Например, для построения роботов, самостоятельно ориентирующихся в окружающей обстановке.
Неудачи, из-за которых были прекращены дальнейшие работы с персептронами указанного типа, объясняются не тем, что неправильны идеи, положенные в основу схемы их построения (как было сказано, способность персептрона распознавать образы, пусть простейшие, пусть при определенных условиях в отношении расположения изображений, была подтверждена опытами). Причиной этих неудач явилось то, что была, по-видимому, чрезмерно упрощенной - принятая схема, функционирования головного мозга человека, и некоторые важные особенности процессов работы мозга, пока неизвестные ученым, не смогли быть использованы при построении персептрона.
Несмотря на то, что работы по персептронам, о которых было рассказано, по указанным причинам не были продолжены, они оказались полезными, так как был дан толчок к дальнейшим изысканиям.
На этом можно было бы закончить разговор о персептронаХ. Но в связи с их созданием оказался затронутым целый ряд вопросов, имеющих фундаментальное значение, если иметь в виду решение проблем искусственного интеллекта. Можно сказать, что персептроны дали урок, да и не один, а несколько уроков, ученым, ищущим пути к машинному распознаванию образов.
Какими же были уроки, извлеченные из работ по персептронам?
Первым из них был тот, что если рассмотренный нами персептронный способ распознавания образов недостаточно совершенный, то необходима разработка других, в большей степени пригодных для практического использования.
Было еще раз подтверждено значение случайных -процессов в организации систем, выполняющих сложные функции управления. Попу/гно заметим что к этому времени были высказаны предположения о том, что случайные процессы имеют существенное значение не только при работе головного мозга, но и при функционировании других систем управления в организме человека. О том, что случайные процессы играют большую роль в организации работы сложных систем угР равления, которые сами должны приспосабливаться к окружающим условиям, свидетельствовали и данные других работ, проведенных на ранней стадии поиска путей построения искусственных самоорганизующихся систем. В этой связи нужно упомянуть о построенном у. Р. Эшби гомеостате — демонстрационном устройстве, состоящем из четырех одинаковых блоков, в каждом из которых имелся подвижный электромагнит, поворачивавшийся при протекании тока по его обмоткам. Каждый из блоков, соединенный со всеми другими через автоматически действующие элементы настройки, осуществлявшие изменение коэффициентов усиления передачи, мог случайным образом переходить из одного состояния в другое, причем изменялось и общее состояние гомеостата. Всего последний мог находиться в 254 = 390 625 различных состояниях, часть из которых были устойчивыми, а другие — неустойчивыми. Не производя перебор соответственно всех возможных комбинаций величин коэффициентов усиления, первоначально выведенный из положения равновесия гомеостат путем случайного поиска, случайным_ образом изменяя величины коэффициентов усиления, сам быстро, всего лишь после нескольких переключений, приходил к состоянию равновесия и дальше сохранял это состояние. Было высказано предположение о том, что процесс такого поддержания положения равновесия представляет собой модель процессов гомеостазиса — автоматического поддержания в живых организмах постоянства важных для их существования величин таких, например, как у человека давление крови или температура тела.
Опыты, проведенные с персептронами, заставили ученых еще раз задуматься инад тем, что наряду с управлением, основанным на использовании запрограммированных алгоритмов, то есть точных предписаний машине, производимых шаг за шагом так, что они. обязательно приводят к решению поставленных задач, может быть полезным и эвристическое управление.
Эвристика это догадка, основанная на использовании предшествующего опыта, на интуиции. На догадках ученых о том, что так может быть, так должно быть, основывались создание персептрона и гомеостата. Вообще, мы часто делаем предположения, догадки,
потом стараемся проверить их. Появилась мысль попытаться научить догадкам-эвристикам и машины. Вопрос об эвристиках и алгоритмах сейчас один из главных при решении проблемы искусственного интеллекта. При постановке этого вопроса учитывается следующее. Как было показано на примёре персептрона, используя догадку о том, как распознает образы человек, оказалось возможным на основании этой догадки построить машину, способную в оговоренных ранее простейших случаях тоже распознавать образы мгновенно, без длительной, трудоемкой обработки исходных данных. То, что так может получаться, является преимуществом эвристического подхода. Но в рассмотренном примере, а это относится и к любым другим возможным применениям эвристик, поставленная цель достигается не наверняка, не со стопроцентной гарантией. В отличие от того, что дает алгоритмическое решение различных задач, в том числе и задач распознавания образов, при использовании эвристик нет уверенности в том, что задача обязательно во всех случаях будет решена. Обученный персептрон правильно распознавал простейшие образы почти всегда, но иногда он и ошибался; он распознавал образы правильно лишь с какой-то, пусть даже высокой, степенью вероятности, но не наверняка. При эвристическом подходе к решению пробуют применить сделанное предположение, и затем проверяют, не привело ли это к ошибочному результату. По существу эвристический метод сводится к так называемому методу проб и ошибок. Применение эвристик оказывается нужным там, где у нас нет твердых знаний; по мере их появления, когда мы знаем, как нужно сделать то или иное, эвристики заменяются точными алгоритмами. Во многих случаях оказывается эффективным совместное применение алгоритмов и эвристик. Как могут вводиться эвристики в машину и использоваться ею, покажем в ходе этой нашей беседы на конкретном примере немного позднее.
Пока же рассмотрим, как практически производится машинами сейчас распознавание образов, пусть не так быстро и изящно, как это предполагалось делать с помощью персептронов, о которых мы говорили, но так, чтобы хотя бы для отдельных практических при-
не нений это было приемлемым. Как и при описании персептрона, будем пока рассматривать распознавание букв алфавита, имея в виду, однако, что этими же методами могут распознаваться и любые другие образы.
Один из применяемых методов основан на сравнении изображения с эталонами. Поле, часть которого занимает буква, разделяется на ряд ячеек. Как показано в верхней части рис. 34, для букв А и Б получаются сигналы 0 в ячейках, перекрытых буквой, и сигналы 1 в ячейках, не перекрытых ею. Мы здеСъ говорим о распознающем образы устройстве, имеющем такое же рецепторное поле, как и у изображенного на рис. 33 персептрона, однако могут также получаться сигналы 0 и 1 при использовании специального оптического аппарата, считывающего, например, печатный текст книги. Матрица распознаваемой буквы сравнивается машиной с эталонными матрицами различйых букв. Отнесение прочитанной буквы к тому или другому классу, например к классу букв А или классу букв Б, производится по наилучшему совпадению данных сравнения: сравниваются сигналы «1» или «О», получаемые в каждой из точек матрицы, или же суждение делается на основании подсчета общего количества знаков 0 или по количеству их в некоторых выделенных областях поля.
Если производится сравнение данной буквы с ата-лонами всех букв алфавита, то это требует выполнения большого числа операций и соответственно затраты относительно большого машинного времени. Недостатком рассматриваемого метода является и то, что так могут распознаваться лишь буквы, напечатанные точно так же, как и соответствующие им эталонные. Кроме того, могут возникать ошибки и при смещениях рас- познаваемой буквы в ту или иную сторону относительно центра поля: буквы здесь должны быть привязаны к своему месту так же, как стилизованные цифры в индексе пункта назначения на почтовых конвертах и открытках.
В ряде случаев эти недостатки устраняются при применении другого машинного метода распознавайся образов, основанного на том, что при разделении образов па классы они сравниваются по характерным признакам. В отношении того, какие признаки считать характерными, имея в виду, что они эффективно смогут быть использованы, первоначально можно делать лишь догадки. Догадки-эвристики. Вот вдесь-то мы познакомимся с тем, как может пользоваться эвристиками машина.
Но сначала чуть подробнее расскажем о том, как производится классификация образов данным методом при выбранных признаках. В качестве примера возьмем все буквы русского алфавита, напечатанные таким шрифтом, как показано на рис. 34. Пусть первоначально делается попытка разделить их по следующим двум признакам: по общему количеству отрезков прямых линий га и количеству горизонтальных линий гаР в начертании каждой из сравниваемых между собой букв. Эти данные могут быть получены машицой при ее работе вместе с соответствующим образом устроенными оптическими датчиками. Группировка всех указанных выше букв по взятым признакам п и гаР иллюстрируется графиком, изображенным в нижней части рис. 34.
Каждой из букв на этом графике отвечает точка с координатами га, гаР, соответствующими данной букве. Для того чтобы было возможным разделение букв по выбранным признакам, должны выполняться два условия: различным буквам обязательно должны отвечать различные точки плоскости (га, гаР), расстояние между этими точками должно быть как можно большим. Выполнение первого условия является совершенно необходимым, второго — желательным. Согласно рис. 34 поставленные условия выполняются, например, в полной мере для пар букв1) «С» и «X», «С» и «М», «С» и «Ж». По первому условию оказывается также возможной классификация по выбранным нами признакам букв: «Б», «Ж», «М», «С», «X», «Щ». Если бы ставилась задача распознавания только этих букв, то заданные нами разделительные признаки были бы, в общем, удовлетворительными. Для некоторых букв, таких, на-, пример, как «Ц» и «Ш» применение признаков га и гаР оказалось безрезультатным: эти буквы оказались представленными одной точкой плоскости (я, пг). Одной точкой плоскости (п, пт) оказалась представленной и целая группа.букв: «А», «Л», «О», «Р», «У». Чтобы было возможным разделение и этдх букв, нужно взять другие разделительные признаки. Например, буквы «Ц» и «Ш» различаются по тому, что в первой имеется отрезок прямой ниже строки, а во второй его нет. Можно попытаться разделить все буквы, используя и другие характерные признаки, крторые можно попробовать придумать. Например, такие: имеется ли горизонтальная линия в верхней, в средней или в нижней части буквы, имеется ли вертикальная линия, ограничивающая букву слева или справа, и т. д. Если использовать три признака, то характеристика буквы будет уже представлена точкой не на плоскости, как на рис. 34, а в трехмерном пространстве. При большем количестве разделительных признаков уже не представляется возможным отобразить их в виде наглядной геометрической картины; в этом случае интересующие нас точки находятся, как говорят, в многомерном пространстве. Но можно факты совпадения или несовпадения по каждому из признаков для одной и другой из рассматриваемых букв в случае, когда признаков два, представить как значения 0 и 1 логических переменных Xi и х2 и о разделении судить по получению значения «1» функции у — Xi&xu если же используется несколько, например, признаков, то это будет значение 1 функции у = Xi & х2 & ... & xh. Выполнение этой операции с целью выяснения того, производится или не производится разделение, легко доступно машине.
Более сложны вопросы нахождения подходящих разделительных признаков. Догадки, о которых раиьше было сказано, делались пока нами, а не машиной, и каждая из них при пользовании ею и последующей проверке то ли приводила к требуемому результату, то ли нет. Так, по признаку «наличие отрезка прямой ниже строки» мы смогли разделить буквы «Ц» и «Ш», используя этот признак вместе с ранее указанными. Один он не позволил бы нам разделить в пространстве признаков буквы «Ц» и «Щ». Однако введение дополнительно этого признака не помогло нам разделить буквы из группы «Л», «Л», «О», «Р», «У» или из группы «д», «Е». Разделение последних букв может быть произведено при использовании признака «наличие вертикальной линии, ограничивающей букву слева». По до следнему признаку отделяется от других букв первой группы буква «Л» и т. д.
В общем, чтобы найти эффективные разделительные признаки, нужно делать догадки — одни за другими — и затем производить проверки того, что они дали. Если одни догадки не оправдались, то нужно пытаться делать другие.
Можно составить список всех наших догадок, всех, возможных, с нашей точки зрения, разделительных признаков и передать их машине, дав ей указание пробовать их, проверяя каждый раз, получаются ли нужные результаты. Если получаются, то поиск остановить, если нет, то продолжать его дальше, — делать другие догадки. Учитывая ранее накопленный опыт (например, перейдя после распознавания показанных на рис. 34 букв или к распознаванию русских букв, напечатанных другим шрифтом, или к распознаванию букв латинского алфавита, или к распознаванию цифр), машина сможет его в дальнейшем использовать. Это значит, что ее можно соответствующим образом запрограммировать. Можно также дать ей рекомендации, когда целесообразно делать догадки в той или другой последовательности, стараясь быстрее добиться результата, или же эти рекомендации могут быть выработаны самой машиной на основании анализа накопленного опыта (того, что откладывается в ее памяти). Это тоже может быть запрограммировано первоначально.
Приведенный пример показывает, как вообще могут использоваться эвристики машиной.
Буквы печатного текста, о которых шла речь, — лишь один из объектов, распознавание которых имеет практическое значение. Возникает также необходимость и в распознавании другие образов. Это могут быть кривые, показанные на рис. 35, или кривые иной формы. Или же возникает задача распознавания окружностей и шестиугольников — по типу изображенных на том же рисунке, или любых других образов, сколь угодно сложных.
KOHEЦ ФPAГMEHTA КНИГИ
|
