Проблемы при разработке

Чтобы создать систему, выполняющую функции абстрактного мышления (т. е. в конечном счёте, формирующую адекватные схемы действий в существенно меняющихся средах), необходимо наделить её нужными шаблонами действий и способностью к созданию собственных идей. Степень продвижения в отношении каждой логики разная, но везде незначительная.

В наибольшей мере системы ИИ используют структуры, обладающие алгоритмическим характером. Это дает возможность относительно легкой их реализации. Но даже здесь кибернетике предстоит пройти большой путь. В системах искусственного интеллекта ещё слабо используются многие логики, которые функционируют в человеческом интеллекте. Повышение «интеллектуального» уровня технических систем, связано не только с расширением применяемых логических средств, но и с более интенсивным их использованием.

Сложнее всего обстоит дело с символическими системами, без которых интеллект невозможен в принципе. Языки, используемые в ЭВМ, ещё далеки от структур, которыми оперирует мышление. Прежде всего, для решения ряда задач, необходимо последовательное приближение систем, которыми наделяется ЭВМ, к естественному языку, точнее, к использованию его ограниченных фрагментов. В этом плане предпринимаются попытки наделить языки ЭВМ универсалами языка. Уже разработаны проблемно-ориентированные фрагменты естественных языков, достаточные для решения системой ряда практических задач.

Сегодня системы искусственного интеллекта способны осуществлять переводы языков, могут строить диаграммы, схемы, чертежи, графы, чертить на экране кривые и т. п. ЭВМ производят и обратный перевод (описывают графики и тому подобное с помощью символов). Такого рода перевод является существенным элементом интеллектуальной деятельности. Правда современные системы ИИ пока не способны к непосредственному (без перевода на символический язык) использованию изображений или воспринимаемых сцен для «интеллектуальных» действий.

Внедрение в программы систем ИИ аналогов категорий находится пока в начальной стадии. Например, в категории входят понятия «целое», «часть», «общее», «единичное». В ряде систем знаний они используются в качестве «базовых отношений» в той мере, в какой это необходимо для тех или иных конкретных предметных или проблемных областей, с которыми взаимодействуют системы. В формализованном понятийном аппарате некоторых систем представления знаний предприняты отдельные попытки выражения некоторых моментов содержания и других категорий (например, «причина» и «следствие»). Однако ряд категорий (например, «сущность» и «явление») в языках систем представления знаний отсутствует. В целом, данная проблема разработчиками систем ИИ в полной мере ещё не осмыслена, и предстоит ещё большая работа философов, логиков и кибернетиков по внедрению аналогов категорий в системы представления знаний, и другие компоненты интеллектуальных систем.

Хотя определенные шаги к воплощению познающих характеристик мышления в современных системах искусственного интеллекта сделаны, но в целом эти системы ещё не владеют комплексом познающих орудий, которыми располагает человек (многие машины ещё не обладают необходимым оборудованием для познания окружающего мира) и которые необходимы для выполнения функций абстрактного мышления. Чем больше характеристики систем искусственного интеллекта будут приближены к необходимым характеристикам мышления человека, тем ближе будет их «интеллект» к интеллекту человека.

Поэтому возникает сложный вопрос – познание отделяется от психофизиологических механизмов (посредством которых воплощается сам процесс),и ИИ опять отдаляется от человека. Подобный взгляд обосновывается X. Дрейфусом. «Телесная организация человека, пишет он, позволяет ему выполнять функции, для которых нет машинных программ <...> Эти функции включаются в общую способность человека к приобретению телесных умений и навыков. Благодаря этой фундаментальной способности наделенный телом субъект может существовать в окружающем его мире, не пытаясь решить невыполнимую задачу формализации всего и вся».

Выделение значения «телесной организации» для понимания особенностей психических процессов, в частности возможности восприятия, заслуживает отдельного внимания. Качественные различия в способности конкретных систем отражать мир тесно связаны с их структурой, которая хотя и обладает относительной самостоятельностью, но не может преодолеть некоторых рамок, заданных человечеством.

Предполагается, что для создания интеллекта необходим схожий химический состав (а это пока что невозможно для машины). Правда не доказано, что разумное существо не может состоять из неорганических веществ, не входящих в состав тел животных.

Вопрос о возможности передачи интеллектуальных функций техническим системам, и в частности о возможности наделения их способностями к изучению окружающего мира, должен быть подвергнут анализу на базе конкретных научных исследований. X. Дрейфус подчеркивает, что ЭВМ оперирует информацией, которая не имеет значения, смысла. Для ЭВМ необходим перебор огромного числа вариантов. Телесная организация человека, его организма позволяет отличать значимое от незначимого для жизнедеятельности и вести поиск только в сфере первого. Для «не телесной» ЭВМ, утверждает Дрейфус, это недоступно. Конкретный тип организации тела позволяет человеку ограничивать пространство возможного поиска. Это происходит уже на уровне анализаторной системы. Совсем иначе обстоит дело с ЭВМ. Когда в кибернетике ставится общая задача, например распознания образов, то эта задача переводится с чувственно-наглядного уровня на полностью абстрактный. Тем самым снимаются ограничения, не осознаваемые человеком, но содержащиеся в его «теле», в структуре органов чувств и организма в целом. Они игнорируются ЭВМ. Поэтому пространство поиска резко увеличивается. Это значит, что к «интеллекту» ЭВМ предъявляются более высокие требования (поиск в более обширном пространстве), чем к интеллекту человека, к которому приток информации ограничен физиологической структурой его тела.

Обладающие психикой системы отличаются от ЭВМ прежде всего тем, что им присущи биологические потребности, обусловленные их материальным, биохимическим составом. Отражение внешнего мира происходит сквозь призму этих потребностей, в чём и выражается активность психической системы. ЭВМ не имеет потребностей, органически связанных с ее телом.

Живое существо в принципе не может быть «перепрограммировано», хотя для некоторых целей оно может быть «запрограммировано» вновь, посредством дрессировки. В этом смысле потенциальные интеллектуальные возможности машины шире подобных возможностей животных. У человека же над фундаментальным слоем биологических потребностей надстраиваются социальные потребности, и информация для него не только биологически, но и социально значима. Человек универсален и с точки зрения потребностей, и с точки зрения возможностей их удовлетворения. Однако эта универсальность особо присуща ему как социальному существу, производящему средства целесообразной деятельности, в том числе и системы искусственного интеллекта. Следовательно, телесная организация не только даёт дополнительные возможности, но и создает дополнительные трудности. Поэтому интеллекту человека важно иметь на вооружении системы, свободные от его собственных телесных или иных потребностей. Конечно, от таких систем неразумно требовать, чтобы они самостоятельно распознавали образы, классифицировали их по признакам, по которым это делает человек. Цели для них необходимо задавать в явной форме.

В последнее время при анализе проблем, связанных с ИИ, часто применяют математический аппарат нечётких множеств, идея и реализация которого принадлежит американскому математику Л.Заде. Пожалуй, наиболее поразительным свойством человеческого интеллекта является способность принимать правильные решения в обстановке неполной и нечёткой информации. Построение моделей, приближенных к рассуждениям человека, и использование их в компьютерных системах будущих поколений представляет сегодня ещё одну из важнейших проблем науки. Развитие применения нечётких множеств в технике привело к выявлению целого ряда проблем, как минимум, к созданию новых архитектур компьютеров для нечётких вычислений. Математическая теория нечётких множеств, предложенная Л.Заде около тридцати лет назад, позволяет описывать нечёткие понятия и знания, оперировать этими знаниями и делать нечёткие выводы. Основанные на этой теории методы построения компьютерных нечетких систем существенно расширяют области применения компьютеров. Эта система очень помогает в тех случаях, когда данные не полностью известны или не опознаны. Также она подходит лучше всех логик, развиваемых в данный момент.