Стюарт Рассел - Совместимость. Как контролировать искусственный интеллект

Следующий вопрос: существует ли более выразительный логический язык? Нам подойдет тот, на котором возможно сообщить системе правила игры в го следующим образом:

для всехпунктов на доске и для всехвременных шагов выполняются правила…

Логика первого порядка, предложенная немецким математиком Готлобом Фреге в 1879 г., позволяет писать правила именно так [347]. Ключевое различие между пропозиционной логикой и логикой первого порядка состоит в том, что если первая предполагает, что мир состоит из предложений, являющихся истинными или ложными, то вторая рассматривает мир как состоящий из объектов , которые могут быть связаны друг с другом разными способами. Например, в нем могут быть местоположения, соседствующие друг с другом, моменты времени, непрерывно следующие один за другим, камни, занимающие местоположения в определенные моменты времени, и ходы, допустимые в определенные моменты времени. Логика первого порядка позволяет утверждать, что определенное свойство истинно для всех объектов в мире. Таким образом, можно написать:

для всехвременных шагов t , и для всехместоположений l , и для всехцветов с , если с имеет право делать ход в момент времени t и l не занято в момент времени t , тодля с допустимо поместить камень в местоположение l в момент времени t .

Добавив еще несколько пояснений и дополнительных предложений, определяющих местоположения на доске, два цвета и значение понятия незанятый , получаем начало полных правил игры в го. На языке логики первого порядка они занимают практически столько же места, сколько и наша фраза.

Развитие логического программирования в конце 1970-х гг. принесло изящный и эффективный метод логического рассуждения, воплотившийся в языке программирования «Пролог». Программисты научились строить на этом языке логические рассуждения, выполнявшиеся со скоростью в миллионы шагов в секунду, что позволило осуществить практическое применение логики. В 1982 г. правительство Японии объявило об огромных инвестициях в разработку ИИ на основе «Пролога», в так называемый проект «Пятое поколение» [348]. Об аналогичных инициативах сообщили США и Великобритания [349] [350].

К сожалению, «Пятое поколение» и другие похожие проекты выдохлись в конце 1980-х и начале 1990-х гг., отчасти из-за неспособности логики первого порядка работать с неопределенной информацией. Они стали воплощением возникшего вскоре уничижительного понятия «старый добрый ИИ» (Good Old-Fashioned AI, GOFAI) [351]. Стало модно вообще отвергать логику как не имеющую отношения к ИИ. Многие исследователи ИИ, работающие в настоящее время в сфере глубокого обучения, ничего не знают о логике. Думаю, эта мода пройдет: если вы признаете, что мир содержит объекты, связанные друг с другом различными способами, то логика первого порядка не может не быть для вас очевидной, поскольку дает базовую математику для объектов и отношений. Это мнение разделяют Демис Хассабис, генеральный директор Google DeepMind [352]:

Глубокое обучение в его сегодняшнем состоянии можно рассматривать как аналог чувствительной коры нашего головного мозга — зрительной или слуховой коры. Конечно, настоящий интеллект далеко не сводится к этому, его нужно перекомпоновать в рассуждение более высокого уровня и символическое рассуждение, с чем классический ИИ пытался разобраться в 1980-х гг.

…Мы бы хотели, чтобы эти системы доросли до символического уровня рассуждения — математики, речи и логики. Это очень важная часть нашей работы.

Итак, вот важнейшие уроки первых 30 лет исследования ИИ: программе, которая знает что-то, в любом практическом смысле, нужна способность репрезентации и рассуждения, по меньшей мере сопоставимая с той, что предлагается логикой первого порядка. На данный момент мы не знаем, какую именно форму примет эта способность. Возможно, она будет встроена в системы вероятностного рассуждения, в системы глубоко обучения или в гибридную схему, которую еще предстоит изобрести.

Если логика создает общий фундамент для рассуждения на основе точного знания, то теория вероятности охватывает рассуждения на основе неопределенной информации (частным случаем которой является точное знание). Неопределенность — нормальная эпистемологическая ситуация для агента в реальном мире. Хотя основные идеи теории вероятности были разработаны в XVII в., лишь недавно появилась возможность формальным образом создавать и обрабатывать большие вероятностные модели.