Оглавление

Технические проблемы создания искусственного интеллекта

Видимо, наиболее принципиальная проблема, с которой столкнулись создатели искусственного интеллекта – это воспроизведение свободы воли. Если она действительно существует, то что же это на самом деле такое и с помощью каких средств подобный феномен можно воспроизвести? Возможно ли это с помощью математических методов?

Можно не признаваться самому себе, что проблема свободы воли в подобном виде существует. Можно прятать ее за мудреными терминами или сложными программными построениями, суть дела от этого не меняется. Пока ясно, что действия машины строго предопределены. Она не может создать следствия без причины. Невозможно, чтобы при прочих равных условиях один раз дважды два получалось четыре, а другой раз – пять. Подчеркиваем – при прочих равных условиях.

Если мы будем исходить из того, что человек способен создавать результат, который не был предопределен какой-то причиной, тогда, скорее всего, задача создания искусственного интеллекта пока или даже навсегда не решаема. Нельзя создать то, природу чего невозможно понять или объяснить. Другое дело, если мы только считаем, что обладаем свободой воли. Не исключено, что на самом деле мы действуем по заранее предопределенной схеме. Если так, то тогда все встает на свои места и искусственный разум становится вполне понятным и постижимым понятием.

Приходится, однако, констатировать, что помимо фундаментальной проблемы свободы воли существует достаточное количество проблем и чисто технического характера.[1] Судя по всему, для их решения нет принципиальных препятствий. Тем не менее, специалисты пока не нашли удовлетворительных путей их разрешения. Видимо, надо хотя бы схематично упомянуть часть этих проблем.

Недостатки логических моделей. Машина действует по строгим законам математики. Она оперирует символами и совершает с ними последовательные операции. Тут все строго детерминировано. Однако, когда возникает вопрос о решении той или иной практической задачи, становится ясно, что далеко не всегда имеется возможность ввести в машину весь набор исходных данных. Некоторые из них отсутствуют, некоторые – не до конца ясны. Но как просчитывать результат, если исходные данные не являются полными? С помощью определенных моделей программисты пытаются решить эту задачу. Пытаются отказаться от использования замкнутых моделей, отходят в той или иной форме от логического подхода. Говорят о создании теории правдоподобной аргументации. Тем не менее проблема недостатков логических моделей пока не решена.

Сложные проблемы нередко требуют использования различных интеллектуальных систем знаний. Однако такие системы, как правило, построены по своей собственной логике. И эта логика достаточно часто не совпадает. Те или иные элементы таких систем могут входить и входят в противоречие друг с другом. 

Важный вопрос – это оценка решения, предложенного машиной. Можно ли ему доверять? Один из способов – это спросить у машины, почему она предложила такое решение. Тут выделяют два вида объяснений: как был получен результат и почему он именно такой, а не иной. Генерация объяснений – это важнейшее направление развития искусственного интеллекта, которое еще не нашло своего удовлетворительного решения.

Не решен также вопрос о том, как именно должна машина выполнять полученный ею запрос. Наиболее простое решение – это поиск по образцу. Но тут возникает серьезное ограничение. В таком случае запрос (вопрос) имеет предельно упрощенную форму. Но ведь человек способен отвечать не только на простейшие вопросы. Он подчас даже отвечает на вопросы, которые прямо не указаны в запросе, а лишь предполагаются. Пока машина справляется с такими задачами с очень большими ограничениями. В частности, это касается понятия "рассуждать". Человек может порассуждать над вопросом и ответить исходя из его комплексного анализа. Для машины это подчас неразрешимая задача.

Машина пока не научилась проводить такую операцию – "понимать" полученную информацию (текст). Что касается человека, то для нас более или менее ясно, что кроется за этим термином. Но как научить машину что-то "понимать"? Наверное, эта проблема не может быть решена без ответа на вопрос, что же это за феномен – "понимание". Возможно, его объяснение должно уйти от определений психологии и получить более точное описание, позволяющее этот феномен воспроизводить.

Еще одна нерешенная техническая проблема – это синтез, генерация текстов. Мы с вами можем легко заговорить, сформулировать свою мысль, порассуждать на заданную тему. Может ли это сделать машина? В каких-то ограниченных пределах уже может, но пока не так, как человек.   

Конечно, существуют и другие проблемы. Очень перспективное направление – это создание многоагентых систем.[2] Много нереализованных возможностей остается в области генерации машиной образов. Отдельное направление – это создание сетей, которые способны к самообучению и самосовершенствованию (эволюции). В любом случае, данный раздел книги позволяет хотя бы в общих чертах понять, какие именно технические проблемы искусственного интеллекта пока не нашли своего достойного решения.