Файл: Жуков Н.И. Философские основы кибернетики.pdf

моделирования живого организма в целом изжил себя». Нейрон оказался системой значительно более сложной, чем совершенная современная электронно-вычислитель­ ная машина. Отсюда парадоксальность ситуации: маши­ на, моделирующая самое сложное в природе — челове­ ческое мышление, принципиально не в состоянии вос­ произвести внутриклеточные процессы простейшего организма. И все потому, что создание алгоритма пред­ полагает абсолютизацию момента дискретности стоха­ стических процессов, связано с использованием одно­ значно детерминированных зависимостей. Это же объ­ ясняет и причину «неполноты формальных систем» (Ге­ дель), невозможность полной формализации знаний (В. М. Глушков) и воспроизведения стохастического по своей природе мышления в ЦЭВМ.

С вопросами «машинного мышления» связано образо­ вание «понятий» автоматами н опознание образов. В ма­ шине никаких понятий, конечно, не образуется, посколь­ ку там нет сознания. Происходит лишь имитация обоб­ щения событий одного класса. Образование понятий — прерогатива обладающего сознанием человека; понятий­ ная сторона слова машине принципиально недоступна. Отсюда качественное своеобразие человеческого вос­ приятия окружающих объектов1, которое должно учиты­ ваться не только при конструировании опознающих автоматов, перцептронов, но н в инженерной психологии, занимающейся изучением и выработкой рекомендаций о том, как лучше в информационном плане обеспечить взаимодействие в системе «человек— машина». (Инже­ нерная психология рассматривает широкий комплекс вопросов, начиная от выбора цветового решения произ­ водственного интерьера до измерения способности че­ ловека осмысленно воспринимать поступающую от

приборов информацию и своевременно производить нуж­ ные действия.)

1 Воспринимаемые человеком образы осмысливаются; ои выде­ ляет при чтении рисунка, схемы нужные ему лишь в данной обста­ новке— в зависимости от поставленной цели — линии, элементы; схватывает при чтении обычно лишь верхнюю половину букв тек­ ста; осознает не все слова в одинаковой степени и т. д. При этом мозг человека использует опять-таки вероятностный способ распо­ знавания объектов, вот почему у человека, в отличие от перцептрона, нет проблемы, связанной с различием почерка, шрифта, поворота букв и пр.

100

С методологической точки зрения важно то, что при моделировании процесса опознания, который у человека неотделим от всех остальных психических процессов вероятностного характера, допускаются по крайней мере два тесно между собой взаимосвязанных упрощения:

1. Целостный образ сводится к совокупности дискрет­ ных величин (игнорируется момент непрерывности).

2. С помощью жестко детерминированных процессов делается попытка полностью воспроизвести стохастиче­ скую деятельность мозга.

Все сказанное связано с невозможностью полного предвидения и математического описания стохастиче­ ских процессов (А.Лернер).

При таком положении дел важно понимать принци­ пиальные возможности технического устройства с тем, чтобы направлять усилия конструкторской мысли в нуж­ ное русло, а не по ложному пути попыток создания веч­ ного двигателя.

Итак, моделирование есть воспроизведение в квази­ объекте (модели) отдельных сторон оригинала, поэтому не следует механически переносить все свойства ориги­ нала на модель.

Метод вероятностного моделирования. «Классиче­ ский» метод моделирования предполагает предваритель­ ное создание четкого, подробного алгоритма, арифметизацию задачи и последующее ее решение на «детерми­ нированном» автомате с конечной памятью. Этот метод оказался далеко не лучшим в силу того, что в целом ряде областей не представляется возможным ни пол­ ностью математизировать моделируемый процесс, ни за­ ранее учесть все случайности стохастического процесса (особенно в социально-экономической области). Ста­ ло быть, каким бы хорошим счетоводом ни была машина, трудности указанного плана оказываются непреодоли­ мыми: не помогают ни точность, ни скорость счета.

Все это вынудило специалистов перейти с физиологи­ ческого на информационный, психический уровень моде­ лирования мозговой деятельности, лучше сказать, воз­ вратиться к нему (но на новой основе), поскольку детер­ минированный автомат моделирует не столько работу нервных клеток головного мозга, сколько операцию счета в целом.

Борьба и трудности настолько закалили кибернети­

ков, а создание искусственного мозга казалось настоль­ ко заманчивой, актуальной и благодарной задачей, что они стали искать новый, значительно более эффективный, чем прежде, метод моделирования умственной деятель­ ности. Появилось так называемое «эвристическое про­ граммирование», которое стало усиленно разрабаты­ ваться как за рубежом (А. Ныоэллом, Г. Саймоном, Д. Шоу, Э. Файгенбаумом и др.), так и в нашей стране. Посмотрим, в чем заключается его сущность.

Как мы уже отмечали, природные процессы имеют стохастический характер. Следовательно, для моделиро­ вания такого рода процессов не годятся жестко детерми­ нированные методы. Больше того, даже задачи с пол­ ностью предсказуемыми событиями (задачи с «хорошей структурой», какие могут быть только в искусственной среде), т. е. те, которые в принципе можно полностью формализовать и переложить на язык математики, как мы увидим дальше, практически не всегда могут быть успешно решены «детерминированными» машинами. ч Сошлемся на ставший уже банальным пример игры в шахматы.

При очередном ходе перед машиной оказывается не­ сколько альтернативных решений, каждое из которых, в свою очередь, ведет к различным также альтернативным последствиям.

В принципе такое дерево решений можно проанали­ зировать до конца, выработав в итоге самую оптималь­ ную стратегию из всех возможных. Однако такой способ оказывается неэффективным, так как требует огромного количества времени даже в случае использования самых быстродействующих машин1.

Стало быть, для разумного решения проблемы необ­ ходимо резко улучшить стратегию поиска за счет сокра­ щения бесперспективных ходов и вариантов игры, отсе­

примерно ІО120 ходов, и современная машина со скоростью счета по­ рядка миллиона операций в секунду вынуждена была бы тратить в состязании с опытным игроком на «обдумывание» каждого очеред­ ного хода десятилетия. Такой классический путь решения задачи, очевидно, бесперспективен, особенно если иметь в виду, что быст­ родействие машин подходит к своему физическому пределу.

102

ляется путем создания сложных многоуровневых про-- грамм. Программа более высокого уровня производит' анализ ситуации на предмет выявления наиболее эффек­ тивных для решения данной задачи подпрограмм, форми­ руя программы низшего уровня. В случае неэффектив­ ности последних она включает другие блоки программ, формирует новую систему подпрограмм, переделывает старую. Короче говоря, в ходе своеобразного обучения происходит перестройка и перегруппировка программ (методом, например, подъема по градиенту). Таким спо­ собом достигается некоторая оптимизация стратегии-' поиска, улучшение метода перебора вариантов.

Нет сомнения, что этот путь моделирования психиче­ ской деятельности обеспечивает большее сходство в ра­ боте машин с деятельностью мозга, дает лучшие прак­

1.Перестройка и перегруппировка программ происхо­ дит с использованием элемента случайности, что исклю­ чено в работе жестко детерминированного автомата (за исключением машин со случайными переходами). Пла­ той за эту «вольность» является потеря некоторой опти­ мальности при решении той или иной задачи в силу не­ полноты предварительного математического анализа проблемы.

2.По-прежнему основным приемом решения задачи остается метод проб и ошибок, метод перебора вариан­

тов, что вытекает из самой сути эвристического програм­ мирования: делается неполный математический анализзадачи, и его результаты используются для последующей: организации более эффективного поиска.

3.Машина с эвристической программой «учится» ре­ шению каких-то задач определенного класса.. Налицо довольно узкая специализация. Больше того, частооказывается невозможным точно определить тот классзадач, к решению которых она может быть применима1'.

4.Наконец, сторонники указанного метода исходят из того, что все сложные психические процессы могут быть

предварительно разложены на элементарные (кванто­

1 Информация и кибернетика. М., 1967, стр. 220.

ванне), последние гфомоделированы математически, а затем синтезированы в различных комбинациях.

Но такая исходная посылка методологически уязви­ ма: процесс мышления, как уже отмечалось, суть орга­ ническое единство прерывного и непрерывного и не исчерпывается простой суммой дискретных значений, нс сводится к математическому дереву решений. Движение (каковым является и мышление) нельзя исчерпать совокупностью дискретных моментов. В этом отношении метод эвристического программирования принципиально не отличается от прежних классических приемов кибер­ нетики, воспроизводящих формально-логическую сторо­ ну мышления.

Метод альтернативного выбора, дихотомический принцип, олицетворяющий формально-логический спо­ соб мышления по принципу «да — нет», метафизичен по

•своему существу. А он-то и остается «ядром» эвристиче­ ского программирования (М. Минский), в то время как мышлению человека метод дихотомии не свойствен1. -Оно имеет вероятностный характер, соответствующий ^отображаемому стохастическому миру. Только конкрет­ ная но своей природе диалектическая логика способна адекватно отобразить окружающий нас стохастический и текучий мир, снимать огрубление и статичность фор­ мально-логических и математических построений. По выражению Неймана, «язык мозга не есть язык матема­ тики». Отсутствие математической строгости — это та цена, которую человек платит за эвристическое в полном смысле этого слова мышление, за интуитивные решения. Отсюда удручающая математика «неопределенность» понятий «сознание», «мышление» и т. п.

Такова главная причина, по которой метод эвристи­ ческого (и малораспространенного «эволюционного») программирования теоретически несостоятелен для ре­ шения проблемы воссоздания искусственным путем мышления в его качестве.

I В качестве иллюстрации напомним известную головоломку —

.задачу с явно «плохой структурой»: построить из 6 спичек четыре треугольника. Решение, как правильно отмечает В. Н. Пушкин, со­ стоит в том, чтобы выйти в трехмерное пространство, построить трехгранную пирамиду. В терминах лабиринта подобные творческие ■задачи непредставимы. Однако человек справляется с ними до- лольно легко, ие имея в сознании всех ветвей дерева решения.

т

Все сказанное ни в коей мере не умаляет практиче­ ского значения эвристического программирования', необходимости его дальнейшего развития на базе совер­ шенствования математических методов, а лишь способ­ ствует реальной оценке возможностей этого метода, правильной ориентации научной общественности в ме­ тодологических аспектах данной проблемы.

Литература

Ре іі т м а и У. Познание и мышление. М., 1967.

Ро в е и с к и й 3. И., У е м о в А. И., У е м о в а Е. А. Машина и мысль. М., 1960.

род и др.). Дуэль советских и американских шахматных программ 1968 года выявила преимущество советской эвристической («матери­ альной» и позиционной) программы.

105

ВМЕСТО ЗАКЛЮЧЕНИЯ. КИБЕРНЕТИЗАЦИЯ СОВРЕМЕННОЙ НАУКИ

В заключительной части работы остановимся на том значении, которое имеют принципы, методы и понятия теоретической кибернетики для современной науки. При этом обратим внимание главным образом на два момен­ та, первый из которых имеет прогностическую, а вто­ рой — ретроспективную направленность. Впрочем, оба они органически связаны между собой, выражая в неко­ тором роде методологическую и мировоззренческую функции понятийного аппарата кибернетики.

До сих пор в работе речь шла о значении кибернети­ ки для объяснения специфики сознания, а также о роли кибернетической техники в деле его моделирования. Картина была бы далеко не полной, если бы мы не пока­ зали методологическую значимость кибернетических абстракций по отношению к науке (вопроса о роли ки­ бернетических устройств в ускорении научно-техниче­ ского прогресса мы касались в первом разделе).

Наука с точки зрения кибернетики представляетсо­ бой открытую функциональную систему. Если бы дело ^обстояло иначе, она не смогла бы непрерывно разви­ ваться и выполнять свою общественную роль. Как ко всякой функциональной системе, к науке применимы все принципы и понятия теоретической кибернетики, исполь­ зование которых наряду со специфическими принципами науковедения способствует ее развитию.

Подобно индивидуальному сознанию, наука высту­ пает и как результат познания окружающего природного и социального бытия (отражательная, в этом смысле познавательная, функция), и в качестве орудия преобра­ зования природы и-общества (регулятивная функция). В процессе развития науки широко используется прин­ цип обратной связи на всех без исключения, временных и структурных уровнях целостной системы знаний.

Особый интерес представляет собой вопрос о соотно­ шении понятий кибернетики и частных наук при анализе одного и того же изучаемого объекта. Поскольку кибер­ нетические системы «не привязаны» к какой-то одной форме движения материи, постольку решение вопраса о соотношении, субординации различных методов в изу­ чении кибернетических систем различной природы не­

105

тривиально. Было уже показано, что значительная общ­ ность объекта и предмета кибернетики делают информа­ ционно-регулятивный подход ведущим только в технике. Что же касается изучения живой природы, а тем более общества, то здесь он оказывается подчиненным биоло­ гическим и социальным методам.

В таком общем виде проблема уже рассматрива­ лась в первом разделе. Здесь же необходимо связать ее с известным ленинским указанием о неправомерности перенесения терминов из области, скажем, биологии, в область общественной жизни..

Как известно, Ленин резко критиковал махистов за попытку дать подобным способом объяснение социаль­ ным процессам. «Нет ничего легче, как наклеить «энер­ гетический» или «биолого-социологический» ярлык на явления вроде кризисов, революций, борьбы классов и т. п., но нет и ничего бесплоднее, схоластичнее, мерт­ вее, чем это занятие»1. Ленинская критика подобных «упражнений», как мы покажем несколько ниже, не потеряла своей актуальности и на сегодняшний день.

Не оказывается ли в таком случае кибернетик в лож­ ном положении, когда он использует кибернетические понятия в области биологии и социологии? Нет, не оказывается. Все дело в том, что кибернетические аб­ стракции правомерны для характеристики всех без исключения систем организованной природы. Другое дело, что некоторые увлекающиеся исследователи с по­ мощью понятий кибернетики пытаются дать исчерпы­ вающее объяснение социальным и биологическим явле­ ниям, а также экстраполировать то, что присуще техни­ ческим системам (дихотомический принцип работы ЦЭВМ, формулу Шеннона для определения меры коли­ чества информации в технике связи и т. п.) на деятель­ ность человека или животного. В случае такого рода «кибернетического механицизма» указанная ленинская критика остается в силе.

Однако было бы ошибкой недооценивать кибернети­ ческий подход в изучении явлений организованной при­

107