Павел Власов: Беседы о рентгеновских лучах

Однако и скептики подняли голос. "Даже определение абсолютно точных и строгих правил узнавания буквы А во всех видах, встречающихся хотя бы в печатном тексте, - грандиозная задача", - напомнил американский математик У. Питтс и выразил сомнение, что ее вообще удастся когда-либо решить. А профессор М. Таубе (тоже США) в книге "Компьютеры и здравый смысл.

Миф о думающих машинах" (1961 г,) высказался со всей прямотой: "Энтузиастам вычислительных машин следует либо прекратить болтовню об этом, либо принять на себя серьезное обвинение в том, что они сочиняют научную фантастику с целью пощекотать читателям нервы в погоне за легкими деньгами и дешевой популярностью".

Что же получилось?

Еще в 1957 году родился "Марк-1". Так был назван перцептрон автоматический зрительный анализатор, построенный Ф. Розенблаттом (США) и ставший первой из немногих технических моделей восприятия.

В дальнейшем распознавание образов моделировалось преимущественно математически на цифровых электронно-вычислительных машинах. Появились компьютеры, которые анализировали снимки звездного неба и ядерных реакций.

В 60-х годах "узнающие" программы были составлены и успешно испытаны в СССР. Один из инициаторов этих работ, М. Бонгард, так комментировал результаты, полученные при его участии: "Пишущие о кибернетике любят заканчивать статью заклинанием: раз человек составил программу, значит, он передал ей часть своих знаний; посему-де машина никогда не будет умнее своего создателя. Про автомат, узнававший нефтеносность пластов, никак не скажешь, что программисты передали ему свои знания: ведь мы ничего не понимали в геологии! Откуда же программа получила все необходимые сведения? Только благодаря наблюдению и, если хотите, "творческому осмыслению" примеров, продемонстрированных при обучении. Становится понятной роль хороших "машинных педагогов". Благодаря им универсальная программа получила специализацию в геофизике А могла приобрести ее в медицинской диагностике или в промышленной дефектоскопии".

Компьютеры нашли свое место и в рентгенологии.

Они применяются при статистической обработке материалов клинико-рентгенологических исследований, с их помощью можно устанавливать взаимосвязь между признакями, выявляя таким образом причину и следствие; электронно-вычислительные машины уже ставят диагнозы. Наконец, предпринимаются настойчивые попытки применить ЭВМ для анализа флюорограмм, отбирать из огромного их количества те, которые заставляют подозревать болезнь. Такая предварительная сортировка значительно облегчает работу врача: ему остается просмотреть лишь 0,01 первоначального количества снимков.

Результаты пока, честно говоря, довольно скромные.

Но нельзя забывать, сколь нелегкое это дело - распознавание болезней методами рентгенодиагностики. Формализовать его для машины необычайно трудно: не обладая интуицией, она требует детальнейших инструкций, расписывающих каждый логический шаг.

Впрочем, работа продолжается, и небезуспешно. Появилось уже несколько диагностических алгоритмов.

В их основе различные формы логики - детерминистская, вероятностная, эвристическая. Первая (ее название происходит от латинского "определенный") позволяет с самого начала отсечь явно негодные варианты. Круг возможных заболеваний резко сужается. Но какое же из них у пациента?

Начинается вероятностный анализ. Отбираются наиболее правдоподобные гипотезы. Получается целый ряд возможных недугов. Но какой именно у данного человека при данных симптомах? Прибегают к дополнительному, уточняющему обследованию. Оно снова сужает круг предположений, переводит диагностику опять на детерминистскую основу.

Есть еще эвристический алгоритм. Он сочетает элементы человеческого мышления и машинной формальной логики. Это, пожалуй, самый многообещающий принцип:

роботово - роботу, а человеку - человеческое.

Машина механически перебирает все имеющееся в ее памяти множество признаков. Человеческое мышление более экономно. Врач оперирует, как правило, малым набором признаков, зато использует множество конъюнкций (соответствий, взаимосвязей между признаками). Перебирая многие комбинации признаков, он сразу же отбрасывает наименее вероятные варианты и сосредоточивается на наиболее вероятных. Здесь человек намного превосходит машину, хотя и страдает такими недостатками, как субъективизм, неполнота информации, отсутствие жесткой диагностической логики, широкая индивидуальная вариабельность...