Привет от искусственного интеллекта. Модели на вычислительных машинах отличаются точностью

Модели на вычислительных машинах отличаются точностью. При реализации теории на вычислительных машинах вскрываются те ошибки и недочеты, которые обычно ускользают от внимания даже самых скрупулезных исследователей.

Патрик Уинстон

Где-то в середине двадцатого столетия, когда появились первые электронно-вычислительные машины, люди задались вопросом: "Как научиться их использовать с наибольшей эффективностью?" Их очень интересовал вопрос, как заставить эту груду железа, напичканную лампами и проводами, приносить человеку наибольшую пользу.

Первые попытки особой оригинальностью не отличались. Ученые просто отдали машине право проводить быстрые вычисления. Отсюда и название – электронно-вычислительная машина. В результате ученые осуществляли всю интеллектуальную часть работы, а ЭВМ – вычислительную. Черновую, стало быть.

Правда, общение с компьютерами оказалось достаточно затруднено. Не говоря уже о том, что они совершенно не умели решать более или менее отвлеченные задачи.

Решили испытать новейший военный суперкомпьютер. Заложили в него всевозможные данные по военному делу. Приходит генерал и спрашивает:

– Нам наступать или отступать?

Компьютер думает несколько часов и выдает:

– Yes!

Полковник:

– Что 'Yes'?

Компьютер думает еще несколько часов и рапортует:

– Yes, sir!

Для общения с ЭВМ потребовались особые специалисты – программисты. А уж об их умении думать, как их собственные подопечные стали ходить настоящие легенды:

Программист ставит себе на тумбочку перед сном два стакана. Один с водой – на случай, если захочет ночью пить. А второй пустой – на случай, если не захочет.

Гораздо более интересный подход наметился с приходом кибернетики. Здесь уже человек задумался над тем, как научить машину думать. Ну, хотя бы в минимальных пределах. Понятное дело, чтобы "не изобретать велосипед" решили скопировать собственный стиль мышления. Так появилось понятие искусственного интеллекта.

А ученые в очередной раз задались вопросом: "Как же человек думает?" И главный сюрприз был именно в том, что теперь уже этим вопросом занялись представители точных наук. Их в первую очередь интересовали те вещи, которые действительно работали. Они отбросили все домыслы и фантазии и взяли из человеческого интеллекта именно то, что можно реально переложить на точный машинный язык. Ведь эти ученые собирались научить компьютеры думать, причем думать эффективно. И по-человечески…

Как вы понимаете, НЛПеры в своем поиске реально работающих инструментов просто не могли пройти мимо столь полезных находок. А это действительно оказалось самым настоящим сокровищем. Удобным, простым, универсальным – полезным. Причем, они взяли уже обработанный трудами многих кибернетиков алмаз и просто применили к моделированию человеческого совершенства.

Компьютеры просто отдали свой долг людям. С помощью тех же методов, какими они учились мыслить по-человечески, люди сами стали учиться тому же…

Та самая модель…

Простая, удобная, универсальная и потому – базисная, она появилась одной из первых. Ее иногда называют моделью эффективного достижения целей, основанной на обратной связи. Общую идею этой модели можно выразить словами "постепенное приближение к выбранной цели методом последовательных циклических приближений".

Вспомните грибников. Если подумать, там они выполняют большое количество повторяющихся действий, и в результате получают полную корзину.

Идут, смотрят по сторонам, заметили гриб, подошли, наклонились, срезали, положили в корзину, идут дальше, смотрят по сторонам, заметили гриб, подошли, наклонились, срезали, положили в корзину …

Цикл, стало быть. И так гриб за грибом они постепенно приближаются желаемому результату. Кому-то нужна корзина, кто-то стремится к ужину…

Формулировка действительно сложновата, но ее можно понять с помощью трех главных слов: цель, чувствительность, гибкость. Действительно, те кто легко достигает поставленных перед собой целей, руководствуются именно этими тремя принципами. Они четко знают, чего хотят. Они чувствительны к внешней обстановке. Они могут проявлять гибкость в средствах достижения своей цели.

Про важность грамотной постановки цели я говорить не буду – этому уже и так уделено достаточно много слов. Чувствительность проявляется в том, что после каждого небольшого шага мы собираем обратную связь из внешнего мира: "Приблизил ли меня этот шаг к желаемому результату?" Гибкость определяет нашу способность изменять свои действия вместе с переменой внешней обстановки.

Примерно этому самому и стали тогда учить машины. Ей ставилась максимально конкретная задача, давались средства для ее решения, назначалась "целевая функция" (она определяет эффективность каждого очередного шага) и давался четкий критерий выхода. Благодаря всему этому, компьютер учился решать самые различные задачи: от решения сложнейших систем дифференциальных уравнений до традиционных головоломок типа "пятнашек".

Формально полученная модель называется T.O.T.E. – Тест-Операция-Тест-Выход (Exit). При первом тесте мы определяем нашу цель, то чего мы хотим достичь. При втором – где мы сейчас находимся. Операции, которые мы выполняем, направлены на уменьшение разницы между первым и вторым тестом. Выход определяет условие перехода к следующей цели (при совпадении тестов, по прошествии определенного количества времени, при обнаружении более желаемой цели и т.д.)[45].

Кстати, на картинке заметна образовавшаяся петелька. Она называется петлей обратной связи. Так мы получаем информацию об изменении нашего местоположения относительно цели. Именно благодаря этой петле модель Т.О.Т.Е. стала столь эффективной. Она позволяет делать именно те шаги, которые непосредственно приближают к желаемому результату. Или, что тоже не редкость, вовремя отказаться от труднодостижимой цели в пользу более реальной.

Как ни странно, критерии выхода имеют действительно немалое значение. Если его не проработать, можно зациклиться очень надолго, что с удовольствием любят демонстрировать наши друзья-компьютеры. Да и некоторые люди… Как здесь – тесты совпали, а выхода нет:

Гражданин в нетрезвом состоянии бьет палкой по луже. Подходит милиционер и спрашивает:

– Ты что здесь делаешь?

– Акул гоняю.

– Так их же нет нигде!

– Значит, хорошо гоняю.

Распишем T.O.T.E. поподробнее. Можно предположить, что первым тестом (целью) этого гражданина было желание, "чтоб не было акул". Операции тоже вполне конкретны: удары палкой по луже. Милиционер указывает ему на то, что значение второго теста (текущего положения): "акул нигде нет", совпадает со значением первого теста. Но выход в нетрезвом состоянии "не сработал".

У меня есть предположение, почему он не сработал. Цель была неправильно сформулирована. Мы уже знаем, что здесь был нарушен первый пункт спецификации цели – позитивность формулировки. Впрочем, нарушен и второй пункт – зависимость.

Продолжая тему целей, стоит отметить, что у каждой цели есть множество подцелей, промежуточных задач. Аналогично, каждый результат является промежуточным для более глобального результата. Если вашей целью считается прочитанная и понятая глава, то подцелями здесь будут абзацы. Для абзацев – строки. Для строк – слова. Таким образом, любой T.O.T.E. можно разбить на множество более мелких промежуточных "тоутов", при этом он является частью некоего более глобального "тоута".

Помните про пример с грибами? Там первым тестом была полная корзина, к операциям относились все эти действия по поиску и сбору каждого гриба. Второй тест – степень заполненности корзины или же количество найденных грибов. Выход осуществлялся либо по времени, либо по совпадению тестов – заполнению корзины.

При этом более мелкие "тоуты" оказались заложены, как в операции, так и в промежуточные тесты. Т.О.Т.Е. осмотра окрестностей, Т.О.Т.Е. перемещения по лесу, Т.О.Т.Е. оценивания съедобности каждого гриба… И вместе с тем Т.О.Т.Е. подсчета количества грибов, Т.О.Т.Е. принятия решения… Более крупный Т.О.Т.Е. позволяет вернуться с набранными грибами домой. Он как бы управляет подчиненными "тоутами": приехать в лес, собрать грибы, вернуться домой, приготовить грибы… Все эти "тоуты" являются его операциями.

Не правда ли, очень напоминает матрешку? Внутри каждой – еще одна. А для нее же можно найти внешнюю. Причем, это такая хитрая матрешка, что в каждый из "тоутов" вложено помногу разнотипных, но одинаковых по размеру составляющих "тоутов".

Вот такая интересная модель…

Date: 2015-08-15; view: 290; Нарушение авторских прав