1
2
|
|
Леонид
Левкович-Маслюк
23.10.2002 статья сайта КОМПЬЮТЕРРА
Тема этого номера - компьютерное
моделирование как инструмент исследования когнитивных, интеллектуальных
процессов в мозге человека или животного.
В обстоятельной беседе со мной Константин Анохин (в свои сорок
четыре - профессор, член-корреспондент Российской Академии медицинских наук,
заведующий отделом системогенеза Института нормальной физиологии им. П. К.
Анохина и руководитель Российско-британской лаборатории нейробиологии памяти)
рассказал о месте такого моделирования в общей стратегии исследований, об
основных современных концепциях организации мозговых структур, управляющих
поведением.
Константин
Владимирович, уже столько лет люди пытаются моделировать
интеллектуальные функции, но успехи довольно скромны. Не
кажется ли вам, что в этой области наметился идейный
тупик?
- Кажется. Но как любил говорить Черчилль: «любой кризис
это новые возможности». Поэтому именно сегодня я с оптимизмом
смотрю на проблему моделирования поведения и интеллекта.
Несмотря на очевидный крах высоких начинаний в
области ИИ?
- Мы, видимо, говорим о разных вещах. Вы, вероятно, имеете
в виду классический искусственный интеллект, КИИ, или, как его
называют на Западе, GOFAI - Good Old Fashioned Artificial
Intelligence (старый добрый ИИ). Действительно, это
направление столкнулось с серьезной критикой в 1980-90 годы и
оказалось в застое. Но иначе и быть не могло. В методических
предпосылках этого направления уже изначально содержались
серьезные изъяны.
То есть?
- Одним из условий, приведших к неудачам в КИИ, было
игнорирование важнейшего факта: интеллект впервые появился
вовсе не у человека. Классический искусственный интеллект
всегда понимали как задачу обратной разработки (reverse
engineering): взять готовый конечный продукт, интеллект
человека, реконструировать его базовые алгоритмы и создать на
этой основе искусственный продукт. При этом терялись многие
важные свойства, вытекающие из принципиального факта:
человеческий интеллект является продуктом преемственной
эволюции усложнявшегося адаптивного поведения. Интеллектом как
способностью к решению проблем и адаптации в непредсказуемой
среде, способностью к предвидению и выбору между разными
вариантами действий, к обучению и формированию знаний обладают
многие живые существа, даже с примитивной нервной системой.
Поэтому фундаментальные модели интеллекта - это обязательно
модели свойств, которые имеются не только у человека. Такая
эволюционная ориентация позволяет, в частности, шкалировать
сложные задачи: если сходу не удается создать мозг человека -
попробуйте создать мозг обезьяны; если и это сложно -
попробуйте дрозофилу или хотя бы воспроизведите адаптивное
поведение инфузории.
Ну и в какой же точке на этой шкале мы сейчас
находимся?
- Поведенческое моделирование появилось очень давно,
вспомните хотя бы «черепах» Грея Уолтера (Gray Walter) в
1950-е годы. Но в 1960-е годы оно было вытеснено КИИ, где
вопрос об ориентации на законы развития и эволюции поведения
почти не ставился. К этой задаче вновь вернулись лишь в конце
1980-х, когда многие специалисты по ИИ вместо сверхсложных
экспертных систем занялись попытками создавать пластичные,
быстро работающие компьютерные модели или роботы, выживающие в
той же среде, где существуют реальные животные. Эти модели, в
отличие от КИИ, не имеют предварительной схемы мира, они
должны строить ее под существующую среду. Такие системы
адаптируются к среде с помощью набора элементарных
поведенческих модулей, каждый из которых отвечает за какую-то
независимую элементарную форму поведения, а затем методом проб
и ошибок происходит отбор и фиксация таких модулей по
результатам их действий. Планы, цели, схемы поведения не
закладываются. Они эмерджентны [1]
складываются «снизу вверх» из результатов адаптивного
поведения. Такие системы получили название искусственных
животных - «аниматов» (от англ. animal - животное и automat -
автономно действующее устройство) и стали особенно известны
после состоявшейся в 1990 году в Париже конференции «Симуляция
адаптивного поведения: от животных к аниматам». Квинтэссенцию
различий КИИ и поведенческого моделирования, на мой взгляд,
остроумно отражает подмеченная еще Бертраном Расселом
национальная разница в школах немецкой гештальтпсихологии и
американского бихевиоризма: «Животные, которых наблюдали
немцы, спокойно сидят, думают и в конце концов выдают решение
из своего внутреннего сознания. А животные, которых изучали
американцы, бешено прыгают с невероятным напором и
темпераментом и, наконец, случайно получают желаемый
результат».
Сегодня идет поиск общих принципов шкалируемой архитектуры
адаптивного поведения. Это очень интересная задача. Первыми
существами, чье поведение пытались моделировать, были
насекомые - пауки, пчелы, осы. Например, в лаборатории ИИ в
MIT (http://www.ai.mit.edu/),
руководимой Родни Бруксом (Rodney Brooks), было создано
самодвижущееся шестиногое 35-сантиметровое «насекомое-робот»
Genghis, которое, передвигаясь по неровному ландшафту с
препятствиями, адаптивно принимало те или иные решения. В
Париже есть лаборатория аниматов (AnimatLab,
animatlab.lip6.fr/index_en.html), работающая с похожим
насекомоподобным ходящим роботом Hexapod. В Англии, в
университете Сассекса (University of Sussex), [2] работает большой
центр вычислительных нейронаук и роботики (CCNR -
www.cogs.sussex.ac.uk/ccnr/index.html),
создающий насекомоподобные «интеллектуальные существа».
- Да, но не будем забывать, что это лишь первые шаги нового
подхода. Сегодня, например, в Animat Lab разрабатывается
проект Psikharpax, где в роботе синтезируются некоторые из
адаптивных механизмов и нервных структур, ответственных за
пространственную навигацию у крыс. Способности этой
крысы-робота будут расти за счет «обучения без учителя», то
есть анимат будет сам строить когнитивную карту среды и
вырабатывать адаптивные стратегии поведения по механизмам,
схожим с теми, что использует мозг крысы. В группе гуманоидной
роботики (Humanoid Robotics Group,
www.ai.mit.edu/projects/humanoid-robotics-group)
из лаборатории ИИ в MIT сегодня разрабатываются
обезьяноподобные и мобильные роботы (Kismet, Сосо) с гораздо
более сложным, чем у первых насекомоподобных роботов,
поведенческим репертуаром, куда, в частности, входят
способности к социальным взаимодействиям и аффективным
эмоциональным реакциям.
Кроме того, эксперименты
с такими роботами могут стимулировать появление новых идей,
проливающих свет на принципы адаптивного поведения. Как
минимум, такие эксперименты позволяют отсекать заведомо
нереалистичные теории. Если согласиться с Джоном Арчибальдом
Уилером (J. A. Wheeler), который считал, что задача ученого в
том, чтобы совершать ошибки как можно быстрее, то
моделирование как средство элиминации ошибок - мощный
инструмент в познании работы мозга. Поэтому многие
нейробиологи настаивают на том, что теории работы мозга должны
быть сформулированы алгоритмично, чтобы допускать
моделирование. Это очень сильное условие! Один из ведущих
нейробиологов-теоретиков, Нобелевский лауреат Джеральд Эделман
(Gerald Edelman), стал и одним из пионеров эволюционного
обучения роботов. Эделман, создавший фундаментальную теорию
работы мозга и биологических основ сознании [3] в своем институте в Калифорнии (Neuroscience Institute)
разрабатывает серию роботов NOMAD (Neurally Organized Mobile
Adaptive Devices). Эти роботы имеют еще и родовое имя «Дарвин»
(сейчас уже существует четвертое поколение этой серии). Каждый
новый «Дарвин» появляется на свет практически необученным, но
сталкиваясь с объектами внешнего мира и имея какое-нибудь
врожденное предпочтение, начинает вырабатывать собственные
абстрактные категории (научается, например, отличать друг от
друга разные шары). У робота появляются знания, которые он
может использовать и в других задачах. То есть начинает
работать один из принципов, по которым, судя по всему, шла
эволюция механизмов интеллекта.
Смущает, что об успехах в таких экспериментах пишут
как о «прорывах», о «первых шагах». Однако о «вторых шагах»
что-то не слышно. Может быть, поэтому меня и, думаю, многих
читателей не меньше компьютерного моделирования в этой области
интересует прямое изучение процессов мышления, восприятия,
других высших функций мозга. Вы наблюдаете за тем, какие
процессы происходят в работающем мозге, заглядываете внутрь.
Что вы там видите?
- Наш мозг состоит из 1011 нейронов, образующих между собой
примерно 1014 связей и имеющих гиперастрономическое число
возможностей взаимодействия. Чтобы понять, как работает такой
сложнейший объект, бесполезно просто заглядывать внутрь и
описывать, что мы там увидим. Даже если описать работу всех до
единой клеток мозга в любой момент времени, мы все равно не
поймем, как возникают мышление, восприятие, психика.
Следовательно, нам прежде всего требуется ясное представление
о том, какой вид ответа нам нужен, что нас устроит в качестве
объяснения.
|
|
|