Анатолий Анисимов - Компьютерная лингвистика для всех - Мифы. Алгоритмы. Язык

Научение представляет собой нахождение оптимального пути в пространстве целей. При частом применении нейронный эквивалент этого маршрута постоянно поддерживается в активном состоянии. Возможно забывание. По всей видимости, мозг хранит все образы, с которыми человек сталкивается в течение жизни. Но даже мозг с его колоссальными возможностями не смог бы поддерживать в активном состоянии все целевые маршруты, необходимые для обеспечения активной деятельности человека. Проще научиться хорошо решать одну задачу динамического программирования и постоянно применять ее.

Мозг умеет сопоставлять друг с другом простые образы и слова, соответствующие им. Образы и слова вызывают определенные эмоциональные ощущения, и наоборот, ощущения вызывают соответствующие им образы и слова. Поэтому ассоциативные волны могут распространяться в направлении, ограниченном заданным фиксированным ощущением. Таким способом получаются решения, которые часто называют интуитивными. В свою очередь врачи-психотерапевты и представители культа, утешая и убеждая, могут правильным подбором слов добиться плавного изменения эмоционального состояния человека.

Как видим, мышление сводится к динамическому управлению ассоциативными потоками. Логические выводы — частный случай ассоциативных связей. Поэтому логическое научное мышление не исчерпывает всех возможностей мозга. Предположим, создана компьютерная экспертная система, умеющая решать задачи динамической оптимальной маршрутизации и поиска в сети ассоциативных признаков. Робот, снабженный подобной экспертной системой, действовал бы примерно так.

Ситуация I.Прогулка по тропическому саду с хозяином. Робот видит змею.

Осторожно, хозяин. Опасность. В 20 метрах впереди за деревом вижу змею.

Почему она опасна?

Не знаю. Но в моей оперативной ассоциативной базе знаний она попадает в черное поле, обозначенное понятием «опасность». Запрашиваю дополнительную процедуру из внешней памяти.

Действуй.

Генерируются образы. Змея. Контакт с человеком. Змея кусает. Человек лежит. Человек мертв. Смерть. Смерть — одна из характеристик опасности. Вывод: избегайте ситуации, описанной этим маршрутом. Не допускайте контакта со змеями.

Молодец. Лучше в самом деле пойдем домой.

Ситуация 2.Робот исследует неизвестную планету. Ему необходимо вернуться в базовый лагерь к определенному часу. Робот размышляет.

Прямой путь не годится — он проходит через таинственное место, где погибла предыдущая экспедиция. Здесь очень велика координата, соответствующая опасности. Слева от этого места проживает племя глюков. Координата опасности возрастает, но все же она меньше, чем в предыдущем случае. Справа путь безопасен, но требует больше времени. Не успею в срок. Приоритет отдается времени. Поэтому обхожу слева.

Глюки уничтожили мост через реку. Вызываю целевой образ «преодоление водной преграды». Решение: материал, который легче жидкости, образующей преграду; пробуй соседние деревья: собрать плот; преодоление преграды на плоту.

Веду просчет времени. Должен успеть. Приступаю к выполнению плана работ. Форсирую водную преграду. Я на другом берегу. Конец процедуры «преодоление водной преграды». Включаю скорость и по прямой мчусь в лагерь.

В этом случае для решения главной задачи роботу пришлось вызывать процедуры решения подзадач и несколько раз применять метод динамического программирования. Кроме того, использовался сложный многокомпонентный критерий оптимальности, включающий минимизацию времени и вероятность опасности.

В первой ситуации робот вызвал сеть образов, связанных с понятием «змея», и произвел включение ее в общую сеть. Сеть «опасность» и новая сеть «змея» пересеклись на общем понятии «смерть». Робот просчитал возможный маршрут от «змеи» до «смерти», тем самым показав опасный вариант развития событий.

Робот должен уметь, кроме решения задач динамического программирования, использовать рекурсию по управлению — решение подзадач тем же самым общим методом, а также иерархическое (рекурсивное по данным) представление знаний. Не будем здесь подробно останавливаться на способах представления знаний в системах искусственного интеллекта. Отметим только, что подобная экспертная система (более точно — универсальная оболочка системы, позволяющая разнообразное наполнение в зависимости от предметной области) нашла неожиданное приложение, относящееся к процессу сочинения стихотворений.