Представляется закономерным, что разумное существо, даже искусственное, должно уметь видеть и слышать. Поэтому привлекательно было начать работу по созданию ИР с разбора зрительных и звуковых образов. Однако сегодня машине так же трудно отличить дом от сарая, как 40 лет назад. То, что человек делает в мгновение ока, оказалось крайне трудно формализовать.
Ученые еще на заре кибернетики капитально подошли к проблеме формализации. Существует огромный раздел математики под названием "Распознавание образов". Он разрабатывает принципы и методы классификации, а также идентификации предметов, явлений, процессов, сигналов, ситуаций - всех тех объектов, которые могут быть описаны конечным набором некоторых признаков или свойств, характеризующих объект.
В описании объекта допустимо отсутствие информации о значении того или иного признака. Если требуется расклассифицировать предъявленные объекты по нескольким группам (образам) только на основе их описаний, причем число групп не обязательно известно, то такая задача распознавания образов называется задачей таксономии.
Совокупность описаний объектов, для которых известны образы, к которым они принадлежат, образуют так называемую обучающую последовательность (набор эталонов). Основная задача распознавания образов заключается в том, чтобы исходя из обучающей последовательности определить класс, к которому принадлежит описание некоторого объекта. К такой схеме приводится любая задача принятия решений на базе накопленного опыта.
Прикладные задачи, решаемые методами распознавания образов, возникают при идентификации машинописных и рукописных текстов, идентификации фотоизображений, при автоматическом распознавании речи, в медицинской диагностике, при геологическом прогнозировании, прогнозировании свойств химических соединений, оценке экономических, политических, производственных ситуаций, при классификации социологического материала и т.п. Для решения этих задач накоплено большое число эвристических алгоритмов распознавания.
Так что было бы неверно думать, что распознавание образов занимается исключительно абстрактными вопросами. Оно идет от практики и давно работает на практике, заложено в компьютерные программы, но видится общественным мнением по конечному результату, где огромная технология всего дела остается за кадром. Эта технология неуклонно растет и набирает силу.
Уже историческими стали идеи А.Тьюринга (1912-1954), о которых стоит напомнить. Он предлагает разбить создание ИР на две части: создание "программы-ребенка" и обучение этого ребенка. Уважая эту идею в целом, отмечу, что это только лозунг, далекий от реализации, задача раэбивается на две столь же трудные части. А надо разбить проблему на сотни или даже тысячи реальных частей.
Более известно другое предложение Тьюринга: тест на интеллектуальность. Человек общается по электронной почте с собеседником и, если он не может определить, что собеседник - машина, значит, собеседник обладает интеллектом.
Это уже вполне практическое предложение. Во-первых, здесь выделено, на мой взгляд, главное - умение строить фразы и отвечать на вопросы. С такими талантами ИР уже может принести человечеству немало пользы, начиная с области поисковых систем.
Во-вторых, сразу можно выделить серию усложняющихся тестов, с помощью которых можно шаг за шагом следить за развитием создаваемого ИР. Начиная с самого элементарного, тесты могут выглядеть следующим образом:
а) подобрать подходящее прилагательное к заданному существительному, аналогично существительное к заданному глаголу и т.п.
б) в заданную фразу вставить пропущенное слово (отмеченное, например, многоточием),
в) написать окончание заданной фразы,
г) построить несколько фраз на заданную тему.
Тест Тьюринга - это уже как бы госприемка ИР, окончательное тестирование. Но о появлении элементов разума можно будеть говорить гораздо раньше. Например, если на вопрос матери "какая у нас кошка?" ребенок отвечает "пушистая", то мать на 100% может быть уверена в разумности своего дитя, хотя несомненно ответ был ранее когда-то подсказан. Если на вопрос матери "Маша любит маму?" ребенок отвечает "Маша очень любит маму", то это также явный признак разумности. Небольшая вариация фразы кардинально отличает человека от попугая.
По большому счету литературный талант для ИР не обязателен. Для получения реальной пользы от ИР вполне достаточно, чтобы он умел говорить всего два слова: да и нет. Главное - говорить их вовремя. А для этого надо уметь анализировать запросы, полученные от человека. Но из умения анализировать уже вытекает возможность давать односложные ответы и самому строить несложные фразы. Если машина сможет строить фразы из 3 слов, то этого даже более чем достаточно для эффективного общения.
С тестом Тьюринга связано немало других тестов, шуток и даже литературных произведений. Рассказывают, что еще лет 50 назад одному видному ученому, напрочь отрицавшему возможность машинного мышления, позвонили шутники и запустили пленку с вкрадчивым женским голосом, который совершенно невпопад выдавал нелепые суждения и задавал вопросы типа: а что вы думаете о том-то. Беседа длилась около получаса. И это неудивительно, если припомнить множество развлекательных бесед реальных людей, где интерес подогревается в основном влечением к противоположному полу. Во всех таких случаях наличие разума у собеседника не вызывает сомнения.
Как научить машину складно говорить? Можно пронумеровать ходовые ситуации, например: кухня, огород, школа, общественный транспорт, магазин, поле, утро, день, ночь, зима, лето, беседа ученика с учителем, ученика с учеником, пассажира с кондуктором и т.д. Каждому слову сопоставляется характерный для него список ситуаций. Например, для слова "косить" подходят поле, день, лето. Слово "встречаться" уместно в очень многих ситуациях, если не во всех. Каждому существительному могут быть приписаны разные численные характеристики, например, вес, объем, цвет, возможно, некая степень активности. Например, облако способно плыть, бревно способно падать. Но скорее человек станет обрабатывать бревно, чем бревно будет падать на человека.
Далее для каждого существительного дается список привычных для него прилагательных в порядке частоты употребления и с самой частотой, аналогично список глаголов. Кроме того, сведения по склонению и исключения, если они есть. Нет надобности вводить слова и их описание вручную и непременно все сразу. Это могут делать несложные программы, считывая тексты из Интернета.
Отсюда видны трудности перевода на другие языки из-за того, для пары в общем-то эквивалентных слов их списки ситуаций различны от языка к языку, и уж тем более отличны употребления с другими словами. Но отсюда видны и реальные пути создания мыслящих переводчиков. Надо не автоматически заменять слова по списку, а тщательно отслеживать ситуацию и связи с другими словами.
Нет сомнений что создаваемый по такому плану ИР успешно пройдет тест а), поскольку ходовые пары слов вкладываются в него в явном виде.
Решающим шагом является построение фраз из 3 слов, например, типа "Маша мыла раму". Из того, что первое слово подходит ко второму, а второе к третьему, чаще всего следует соответствие действительности всей фразы. Но есть немало исключений, для борьбы с которыми предназначен список ситуаций. Этот список поможет исключить фразы типа "по небу плывет бревно". Сложнее с фразами: "слониха родила мышь", "мышь любит кошку". Для них видится два решения. 1. Если пара слов может иметь только одно или очень ограниченное количество продолжений, то все они должны быть явно указаны в описании первого слова. 2. Для некоторых глаголов выделить специальные правила.
Предполагается, что после освоения фраз из 3 слов программа сможет легко отвечать на вопросы типа "что делает утром Маша?", "что делает утром комбайнер?" По ситуации "утро" она автоматически выбирает подходящие глаголы (можно несколько вариантов по степени распространенности) и говорит: "утром комбайнер заводит комбайн" или "утром комбайнер сладко спит".
Умение строить фразы есть основа для разбора чужих фраз и, в частности, оценки действий персонажей. По имеющимся частотам машина должна признать нормальной ситуацию, когда "милиционер ведет машину", и странной, если "милиционер косит траву".
По длинному произведению программа определит, например, профессию, навыки, привычки героев, т.е. сможет делать выводы, которых явно в тексте нет. Здесь ИР, возможно, сумеет превзойти человека, во всяком случае среднего. Вполне реально обучить машину стихосложению.
Научное знание также должно в первую очередь формироваться на уровне ходовых фраз. Например, надо явно заложить, что после слов "две плоскости" может следовать ограниченное количество продолжений: совпадают, пересекаются, параллельны. Понимание теорем (машиной или человеком) - не в умении оттараторить образцовые формулировки, а в умении выдавать всевозможные правильные вариации правильного утверждения. Без умения говорить на бытовом уровне невозможно освоение машиной научных знаний. Способность засунуть научные знания в бытовые схемы - это основа осмысленного научного познания.
Представления о высотах человеческого мышления сильно преувеличены. Начиная какую-нибудь фразу, человек даже не знает, чем ее закончит. Хаотичные процессы в мозге поставляют оратору сразу множество слов, более или менее подходящих ситуации. Автоматически руководствуясь правилами речи и личными эмоциями, человек выдает очередное слово. И только! Так сможет и машина. Н.В.Невесенко
Ученые еще на заре кибернетики капитально подошли к проблеме формализации. Существует огромный раздел математики под названием "Распознавание образов". Он разрабатывает принципы и методы классификации, а также идентификации предметов, явлений, процессов, сигналов, ситуаций - всех тех объектов, которые могут быть описаны конечным набором некоторых признаков или свойств, характеризующих объект.
В описании объекта допустимо отсутствие информации о значении того или иного признака. Если требуется расклассифицировать предъявленные объекты по нескольким группам (образам) только на основе их описаний, причем число групп не обязательно известно, то такая задача распознавания образов называется задачей таксономии.
Совокупность описаний объектов, для которых известны образы, к которым они принадлежат, образуют так называемую обучающую последовательность (набор эталонов). Основная задача распознавания образов заключается в том, чтобы исходя из обучающей последовательности определить класс, к которому принадлежит описание некоторого объекта. К такой схеме приводится любая задача принятия решений на базе накопленного опыта.
Прикладные задачи, решаемые методами распознавания образов, возникают при идентификации машинописных и рукописных текстов, идентификации фотоизображений, при автоматическом распознавании речи, в медицинской диагностике, при геологическом прогнозировании, прогнозировании свойств химических соединений, оценке экономических, политических, производственных ситуаций, при классификации социологического материала и т.п. Для решения этих задач накоплено большое число эвристических алгоритмов распознавания.
Так что было бы неверно думать, что распознавание образов занимается исключительно абстрактными вопросами. Оно идет от практики и давно работает на практике, заложено в компьютерные программы, но видится общественным мнением по конечному результату, где огромная технология всего дела остается за кадром. Эта технология неуклонно растет и набирает силу.
Уже историческими стали идеи А.Тьюринга (1912-1954), о которых стоит напомнить. Он предлагает разбить создание ИР на две части: создание "программы-ребенка" и обучение этого ребенка. Уважая эту идею в целом, отмечу, что это только лозунг, далекий от реализации, задача раэбивается на две столь же трудные части. А надо разбить проблему на сотни или даже тысячи реальных частей.
Более известно другое предложение Тьюринга: тест на интеллектуальность. Человек общается по электронной почте с собеседником и, если он не может определить, что собеседник - машина, значит, собеседник обладает интеллектом.
Это уже вполне практическое предложение. Во-первых, здесь выделено, на мой взгляд, главное - умение строить фразы и отвечать на вопросы. С такими талантами ИР уже может принести человечеству немало пользы, начиная с области поисковых систем.
Во-вторых, сразу можно выделить серию усложняющихся тестов, с помощью которых можно шаг за шагом следить за развитием создаваемого ИР. Начиная с самого элементарного, тесты могут выглядеть следующим образом:
а) подобрать подходящее прилагательное к заданному существительному, аналогично существительное к заданному глаголу и т.п.
б) в заданную фразу вставить пропущенное слово (отмеченное, например, многоточием),
в) написать окончание заданной фразы,
г) построить несколько фраз на заданную тему.
Тест Тьюринга - это уже как бы госприемка ИР, окончательное тестирование. Но о появлении элементов разума можно будеть говорить гораздо раньше. Например, если на вопрос матери "какая у нас кошка?" ребенок отвечает "пушистая", то мать на 100% может быть уверена в разумности своего дитя, хотя несомненно ответ был ранее когда-то подсказан. Если на вопрос матери "Маша любит маму?" ребенок отвечает "Маша очень любит маму", то это также явный признак разумности. Небольшая вариация фразы кардинально отличает человека от попугая.
По большому счету литературный талант для ИР не обязателен. Для получения реальной пользы от ИР вполне достаточно, чтобы он умел говорить всего два слова: да и нет. Главное - говорить их вовремя. А для этого надо уметь анализировать запросы, полученные от человека. Но из умения анализировать уже вытекает возможность давать односложные ответы и самому строить несложные фразы. Если машина сможет строить фразы из 3 слов, то этого даже более чем достаточно для эффективного общения.
С тестом Тьюринга связано немало других тестов, шуток и даже литературных произведений. Рассказывают, что еще лет 50 назад одному видному ученому, напрочь отрицавшему возможность машинного мышления, позвонили шутники и запустили пленку с вкрадчивым женским голосом, который совершенно невпопад выдавал нелепые суждения и задавал вопросы типа: а что вы думаете о том-то. Беседа длилась около получаса. И это неудивительно, если припомнить множество развлекательных бесед реальных людей, где интерес подогревается в основном влечением к противоположному полу. Во всех таких случаях наличие разума у собеседника не вызывает сомнения.
Как научить машину складно говорить? Можно пронумеровать ходовые ситуации, например: кухня, огород, школа, общественный транспорт, магазин, поле, утро, день, ночь, зима, лето, беседа ученика с учителем, ученика с учеником, пассажира с кондуктором и т.д. Каждому слову сопоставляется характерный для него список ситуаций. Например, для слова "косить" подходят поле, день, лето. Слово "встречаться" уместно в очень многих ситуациях, если не во всех. Каждому существительному могут быть приписаны разные численные характеристики, например, вес, объем, цвет, возможно, некая степень активности. Например, облако способно плыть, бревно способно падать. Но скорее человек станет обрабатывать бревно, чем бревно будет падать на человека.
Далее для каждого существительного дается список привычных для него прилагательных в порядке частоты употребления и с самой частотой, аналогично список глаголов. Кроме того, сведения по склонению и исключения, если они есть. Нет надобности вводить слова и их описание вручную и непременно все сразу. Это могут делать несложные программы, считывая тексты из Интернета.
Отсюда видны трудности перевода на другие языки из-за того, для пары в общем-то эквивалентных слов их списки ситуаций различны от языка к языку, и уж тем более отличны употребления с другими словами. Но отсюда видны и реальные пути создания мыслящих переводчиков. Надо не автоматически заменять слова по списку, а тщательно отслеживать ситуацию и связи с другими словами.
Нет сомнений что создаваемый по такому плану ИР успешно пройдет тест а), поскольку ходовые пары слов вкладываются в него в явном виде.
Решающим шагом является построение фраз из 3 слов, например, типа "Маша мыла раму". Из того, что первое слово подходит ко второму, а второе к третьему, чаще всего следует соответствие действительности всей фразы. Но есть немало исключений, для борьбы с которыми предназначен список ситуаций. Этот список поможет исключить фразы типа "по небу плывет бревно". Сложнее с фразами: "слониха родила мышь", "мышь любит кошку". Для них видится два решения. 1. Если пара слов может иметь только одно или очень ограниченное количество продолжений, то все они должны быть явно указаны в описании первого слова. 2. Для некоторых глаголов выделить специальные правила.
Предполагается, что после освоения фраз из 3 слов программа сможет легко отвечать на вопросы типа "что делает утром Маша?", "что делает утром комбайнер?" По ситуации "утро" она автоматически выбирает подходящие глаголы (можно несколько вариантов по степени распространенности) и говорит: "утром комбайнер заводит комбайн" или "утром комбайнер сладко спит".
Умение строить фразы есть основа для разбора чужих фраз и, в частности, оценки действий персонажей. По имеющимся частотам машина должна признать нормальной ситуацию, когда "милиционер ведет машину", и странной, если "милиционер косит траву".
По длинному произведению программа определит, например, профессию, навыки, привычки героев, т.е. сможет делать выводы, которых явно в тексте нет. Здесь ИР, возможно, сумеет превзойти человека, во всяком случае среднего. Вполне реально обучить машину стихосложению.
Научное знание также должно в первую очередь формироваться на уровне ходовых фраз. Например, надо явно заложить, что после слов "две плоскости" может следовать ограниченное количество продолжений: совпадают, пересекаются, параллельны. Понимание теорем (машиной или человеком) - не в умении оттараторить образцовые формулировки, а в умении выдавать всевозможные правильные вариации правильного утверждения. Без умения говорить на бытовом уровне невозможно освоение машиной научных знаний. Способность засунуть научные знания в бытовые схемы - это основа осмысленного научного познания.
Представления о высотах человеческого мышления сильно преувеличены. Начиная какую-нибудь фразу, человек даже не знает, чем ее закончит. Хаотичные процессы в мозге поставляют оратору сразу множество слов, более или менее подходящих ситуации. Автоматически руководствуясь правилами речи и личными эмоциями, человек выдает очередное слово. И только! Так сможет и машина. Н.В.Невесенко
Обсуждения Непростой путь к искусственному разуму
Сайгак.
Впрочем, так ли мало этих глупостей и без умных машин? Кто не знаком с заартачившейся техникой, которую оживляют кулаком или кувалдой? А среди людей хождения годами за какой-нибудь бумажкой? У меня все не выходит из памяти случай, как в течение трех лет на одном узком перекрестке скапливались многокилометровые очереди только из-за того, что сигнал светофора менялся через 15 сек в то время как на всех соседних - около минуты.
Наверняка, машины наделают новых пакостей. Но они же избавят нас от уймы старых. Что перевесит? Можно спорить. Правда, особого выбора нам не дают. Это как с тем вредным светофором. Хошь - не хошь, а никуда из пробки не вылезешь. Хоть и медленно, но двигаться можно только в одну сторону. Н.В.Невесенко
Конечно сможет.
Но мне просто интересно, выполнит ли такую команду при тестировании, например разумный экскаватор: Копай траншею от этого забора и до обеда (как нам приказывал сержант в армии).