Дэниел Клемент Деннет - Разум - от начала до конца. Новый взгляд на эволюцию сознания от ведущего мыслителя современности

И Коуп, и Арнольд, поставили себе цели и решили, что могут объявить о победе, больше ничего общего у них нет. Эти два совершенно разных исследовательских проекта представляют собой два примера методической селекции Дарвина; селективная сила естественного отбора фокусируется посредством нервной системы проницательного, целеустремленного, способного к предвидению агента. Однако самая тяжелая работа ложится на неотъемлемые способности алгоритмов естественного отбора находить закономерности, на повторяющиеся циклы создания-и-проверки, которые постепенно оттачивают процесс.

Поскольку естественный отбор нейтрален к среде и представляет собой набор алгоритмов, которые могут протекать в любой среде с самыми простыми свойствами, эволюция in silico (кремневая, имитируемая компьютерными программами) на самом деле быстрее и дешевле, чем эволюция in vivo, то есть натуральная, и может быть применена для ответа на многие вопросы, которые вы задаете. Недавняя книга Педро Домингоса (Pedro Domingos. The Master Algorithm, 2015) [217] Книга профессора Вашингтонского университета, ведущего эксперта по машинному обучению и искусственному интеллекту Педро Домингоса переведена на русский язык: Педро Домингос. Верховный алгоритм. Как машинное обучение изменит наш мир. – М.: Манн, Иванов и Фербер, 2016. являет собой живое и профессиональное описание всех новых вариантов дарвиновских и – если можно так сказать – дарвиноподобных систем «машинного» и «глубокого» обучения [218] Глубокое обучение – совокупность методов машинного обучения, основанных на обучении представлениям, а не специализированным алгоритмам под конкретные задачи, с использованием искусственных нейронных сетей. . Домингос вносит порядок в эту сферу, идентифицируя пять «видов машинного обучения»: символисты (потомки GOFAI), коннекционисты (последователи логических нейронов Маккалоха и Питтса – см. главу 6), эволюционисты (генетические алгоритмы Джона Холланда [219] Генетический алгоритм – это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путем случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе. и их потомки), байесовцы (те, кто разрабатывает практические алгоритмы для достижения компетенций иерархических цепей байесовских генераторов ожиданий) и аналогизаторы (потомки алгоритма «ближайшего соседа» [220] Алгоритм ближайшего соседа – один из простейших эвристических алгоритмов решения задачи коммивояжера (одна из самых известных задач комбинаторной оптимизации, заключающаяся в поиске самого выгодного маршрута, проходящего через указанные города хотя бы по одному разу с последующим возвратом в исходный город. В условиях задачи указываются критерий выгодности маршрута (кратчайший, самый дешевый, совокупный критерий и тому подобное) и соответствующие матрицы (расстояний, стоимости и проч.). , разработанного Фиксом и Ходжесом [Fix and Hodges, 1951]). Все эти различные методы – отголоски естественного отбора. Очевидно, что, будучи основанными на компьютерных технологиях, все они в итоге состоят из простейших, лишенных понимания компетенций (условное ветвление и арифметика) и, за исключением, возможно, созданий символистов, имеют восходящий характер, представляют собой повторяющийся процесс-поиска-иголки-в-стоге-сена, который постепенно, с высокой степенью надежности, приводит к хорошим (или достаточно хорошим) ответам на заданные вопросы.

Джон Холланд, всеми любимый и недавно умерший учитель десятков замечательных молодых специалистов в области когнитивистики и информатики в Институте Санта-Фе и Мичиганском университете, изобрел генетический алгоритм, в котором совершенно очевидны параллели с эволюцией путем естественного отбора, чем весьма льстит дарвинистам, он представляет собой создание огромной популяции разных вариантов кодировки, каждому из которых предоставляется возможность добиться успеха в решении проблемы, и победители экологического теста получают возможность размножиться (с помощью чего-то типа секса, и «скрещивание», как случайное смешение генов, происходит во время создания спермы и яйцеклетки). Через несколько поколений способности случайно состряпанных компьютерных кодов умножаются и оттачиваются. Генетические алгоритмы были использованы для разработки поразительных виртуальных созданий Карла Симса (см. сайты, посвященные этой вполне продуктивной и серьезной игре воображения), а также серьезных инженерных разработок печатных плат и различных программ. Домингос отмечает, что в 2005 году был выдан патент на систему оптимизации производства, созданную при помощи генетических алгоритмов (генерал Лесли Гровс, вас догоняют). Архитекторы начали использовать генетические алгоритмы для оптимизации функциональных характеристик зданий – например, прочности, безопасности, использования материалов, света, энергии.