Основные составляющие философии науки

Политология. Тесная взаимосвязь между социологией и политологией определяется тем, что, во-первых, социальные общности, социальные организации и институты являются важнейшими субъектами и объектами политики; во-вторых, политическая деятельность это одна из основных форм жизнедеятельности личности и общностей, которая непосредственно влияет на социальные изменения в обществе; в- третьих, выявить закономерности политической жизни можно, только учитывая особенности общества в целом как социальной системы; в-четвертых, политика очень широкое, сложное и многогранное явление, в связи с этим она находит свое проявление во всех сферах общественной жизни (социальная политика, экономическая политика, культурная политика и т.д.), при этом во многом определяет развитие общества в целом; в- пятых, общество нельзя понять и изменить без знания влияния, которое оказывают на него существующие в нем политические структуры и различные политические режимы [см.: 267. С.17].

Несмотря на это, социология и политология совершенно разные науки. Социология исследует социальную реальность, социальную жизнь общества, изучает людей и общности как объекты и субъекты деятельности, отношений и поведения. Политология же изучает политическую действительность, политическую жизнь общества. Поэтому между этими двумя науками существует взаимодействие, и не случайно на их стыке возникла новая особая дисциплина -- социология политики.

Важнейшим объектом рассмотрения социологии и политологии является гражданское общество. Но если социология анализирует гражданское общество с позиций его социальной структуры, социального статуса личности, классов и других социальных групп, наций и народностей, их взаимодействия и т.п., то политологию в данном случае интересуют прежде всего права и обязанности гражданина, структура политической системы, политические отношения, место, роль и функции существующих политических институтов и организаций и т.д. Все силы политологии направлены на всеобщий анализ проблем власти. Социология же пытается раскрыть закономерности политической жизни, чтобы на основе этого оптимизировать ее структуры, органы власти и т.д., а это возможно только при условии изучения общества в целом как социальной системы, что и выступает предметом социологии.

Экономическая наука. Экономическая наука изучает закономерности и формы развития отношений, которые складываются в процессе производства, обмена и распределения материальных благ. Так как основной формой деятельности общества выступает материальное производство, экономическая деятельность, то, естественно. социология тесно взаимодействует также и с теорией этой деятельности -- экономической наукой. Ведь на эволюцию социальной деятельности, поведения и отношений оказывают прямое и опосредованное влияние как радикальные сдвиги в средствах труда, так и происходящие в связи с этим изменения места и роли человека в производственном процессе.

Трудовая деятельность меняется с учетом развития человека как социального существа -- что как раз и изучает социология. Ученые в развитых странах мира уже давно выявили взаимосвязь повышения производительности труда с увеличением потребностей работника, с формированием на рабочем месте человеческих отношений и т.п.

Таким образом, речь уже идет не о развитии работника как простого исполнителя и носителя определенных производственных функций, а о субъекте целостной сознательной деятельности, в которую включаются и целеполагание, и осуществление целей, и поиск оптимальных путей их достижения, а значит, и постоянную корректировку самой себя.

Политическая философия непосредственно изучает политику, политическую реальность не как таковые, взятые сами по себе, как это делает политология, а как составные части, элементы, формы проявления мира в целом и их взаимоотношения с экономической, социальной и духовной реальностями. Непосредственным предметом политической философии являются не законы политики, не законы организации, функционирования и развития политической жизни общества, а особенности проявления и действия значительно более общих, философских законов в сфере политического. В политической философии находит свое выражение общемировозреннческий подход и уровень изучения политики и политического, включая выяснение соотношения здесь объективного и субъективного бытия и сознания; причинно-следственных связей, источника движения и развития и т.д. Но поскольку сущность и содержание законов одной из областей общественной жизни далеко не сводится лишь к специфическому проявлению в ней философских по своей природе законов, поскольку политическая философия не подменяет и не поглощает другие политические науки, в частности, политическую социологию и политологию.

Менее общей, чем политическая философия, но вместе с тем более широкой наукой, чем политология, выступает социология и ее составная часть - политическая социология. Она изучает политическую жизнь под углом зрения проявления в ней социальных законов развития общества как целого. В центре внимания политической социологии находятся проблемы взаимосвязи политического и социального, особенно социальной обусловленности политической власти, отражение в ней интересов различных социальных групп, политических отношений в связи с их социальным статусом, ролью и сознанием личности и социальных групп, социального содержания в политике и властвования, влияние социальных конфликтов на политическую жизнь и пути достижения социально-политического согласия и порядка и др. Все это и многое другое составляет суть и содержание социологического подхода, уровня изучения политики, который особенно близок к собственно политологическому, ибо правильное изучение политических явлений и процессов просто невозможно вне исследования органично связанных с ними соответствующих социальных явлений и процессов. Тем более, что политическое нередко выступает как специфическое проявление социального в широком смысле.

Политимческая экономмия, -- одна из общественных наук, предметом исследования которой являются отношения между рынком и государством, индивидом и обществом. Помимо чисто экономических методов, политэкономия использует разнообразные методы, заимствованные из философии, политологии и социологии.

Политическая экономия исторически предшествовала экономической теории. В XX веке понимание политической экономии было противоречивым: одни считали её областью исследования (экономика и политика в их взаимосвязи), другие -- методологическим подходом, последний подразделялся на экономический (теория общественного выбора) и социологический подходы[1].

В настоящее время политической экономией часто называют марксистские и неортодоксальные подходы к экономическим, политическим, правовым и культурным феноменам. Сравнительно новое направление -- международные политэкономические исследования, посвящённые глобальному распределению доходов[2].

Политическая экономия изучает экономику и складывающиеся в ней отношения в части своего предмета, который определяется, таким образом, категорией «Производственные отношения». Это общественные отношения, складывающиеся в процессе воспроизводства, включающего:

· производство,

· распределение,

· обмен,

· потребление материальных благ.

Политическая экономия выявляет закономерности и формулирует экономические законы, управляющие развитием производственных отношений на разных исторических этапах развития экономической деятельности человечества. С целью их различения здесь могут использоваться разные методики, позволяющие выделить качественно различные состояния производительных сил и производственных отношений общества, в частности -- специальная категория общественно-экономических формаций.

48. Возникновение и эволюция «новых управленческих наук»

Основные термины:

Кибернетика - наука об общих закономерностях процессов управления и передачи информации в различных системах, будь то машины, живые организмы или общество.

Когнитивные науки - в самом широком смысле слова - совокупность наук о познании - приобретении, хранении, преобразовании и использовании знания, в узком смысле - «междисциплинарное исследование приобретения и применения знаний».

Основные персоналии:

Норберт Винер (1894-1964) - амер. учёный, математик, основоположник кибернетики и теории ИИ.

Уильям Эшби (1903-1972) - англ. психиатр, специалист по кибернетике, пионер в исследовании сложных систем.

Стаффорд Бир (1926-2002) - англ. кибернетик, теоретик и практик в области исследования операций.

Хайнц фон Фёрстер (1911-2002) - австр. физик, математик, один из основоположников кибернетики, представитель конструктивизма

Говард Гарднер (1943) - амер. психолог, специалист в области клинической психологии и нейропсихологии.

Джордж Миллер (1920-2012) - амер. психолог.

Ноам Хомский (1928) - амер. лингвист, политический публицист, философ и теоретик.

Аллен Ньюэлл (1927-1992) - амер. учёный в области когнитивной психологии и ИИ.

Герберт Саймон (1916-2001) - амер. учёный в области соц., пол. и экон. наук.

Ответ

Термин «новые управленческие науки» не встречался мне нигде, кроме как в лекциях Петрунина. Из этих лекций я помню две области, которые он понимает под этим термином: кибернетику и когнитивные науки.

Кибернетика

До середины ХХ века каждая отрасль науки имела свой предмет. Однако позже стало очевидно, что многие методы одних наук будут действенны и для других. Отныне ученые должны были стараться видеть единое во многом. Так родилась кибернетика как первый междисциплинарный подход. Ей присущ анализ и выявление общих принципов и подходов в процессе научного познания.

В Древней Греции термин «кибернетика» использовался для обозначения искусства государственного деятеля, управляющего городом (например, в «Законах» Платона).

В своей классификации наук А. Ампер относил кибернетику (как «науку управления вообще») к политическим наукам - в своей книге «Опыт философских наук» кибернетику он определил как науку о текущей политике и практическом управлении государством (обществом).

Термин «кибернетика» в современном, ставшем хрестоматийным, понимании - как «наука об управлении и связи в животном и машине» - впервые был предложен Н. Винером в 1948 году. Далее Винер добавил к объектам, изучаемым кибернетикой, и общество. Классиками первых лет развития кибернетики, помимо Н. Винера, являются У. Эшби и С. Бир, сделавших акценты, соответственно, на биологических и «экономических» ее аспектах.

Рис. 4

Х. Фёрстер выделяет кибернетику I порядка и II порядка (см. Вопрос 58).

Когнитивные науки

Основные составляющие когнитивной науки, по Г. Гарднеру: экспериментальная психология познания; философия сознания; нейронаука; когнитивная антропология; лингвистика; компьютерная наука и искусственный интеллект (последнее - уже междисциплинарная область с участием как минимум психологии и лингвистики).

Днем рождения когнитивной науки считается 11 сентября 1956 года - один из дней симпозиума в MIT, когда состоялись три доклада, конституировавшие когнитивную науку как таковую:

· экспериментального психолога Дж. Миллера: «Магическое число 7±2»

· лингвиста Н. Хомского: «Три модели языка»

· представителей области компьютерного моделирования и искусственного интеллекта А. Ньюэлла и Г. Саймона: «Logic Theory Machine» («Логик-теоретик»).

Можно выделить три корня когнитивной науки: (1) изобретение компьютеров и попытки создать программы, которые смогли бы решать задачи, решаемые людьми; (2) развитие психологии познания, рассматриваемого как переработка информации: выявление внутренних процессов переработки, участвующих в восприятии, памяти, мышлении и речи; (3) развитие теории порождающей грамматики и связанных с ней ветвей лингвистики.

Сейчас сложилось три основных теоретических направления: модельно-символический подход, модулярный подход и коннекционизм (нейросетевой подход).

Первое из этих направлений базируется на компьютерной метафоре, предполагающей рассмотрение человеческого познания и соотношения его с работой мозга по аналогии с персональным компьютером, в котором программы (software), выполняющие определенные функции, могут быть реализованы на разном «субстрате» (hardware), для которого, однако характерно наличие центрального процессора с ограниченной пропускной способностью, накладывающего определенные ограничения на переработку информации.

Теоретики модулярного подхода сравнивают психику человека со швейцарским армейским ножом. Согласно данному подходу, человеческое познание можно представить как набор таких параллельно функционирующих «модулей», работающих независимо друг от друга. Выходные данные этих модулей используются в центральных процессах координации знаний и принятия решения, которые, однако, слишком сложны для изучения по причине чрезмерного количества факторов, влияющих на их текущее состояние.

Наконец, коннекционизм базируется на «мозговой» метафоре познания, где познавательные процессы предстают как процессы параллельной переработки информации сетью, состоящей из нескольких уровней простых единицы - моделей нейронов, связи между которыми обладают разными весовыми коэффициентами, причем эти коэффициенты могут меняться в зависимости от обучения нейронной сети решать определенный тип задач.

49. История и философия когнитивных наук. Психология, лингвистика, нейронауки

Когнитивные науки представляют собои? междисциплинарныи? синтез наук связанных единои? проблематикои? (сознание-мозг-язык). Слово когнитивныи? от латинского соgniscere - знать, познавать. Когнитивные науки, ставя вопрос о познании познания, осуществляют рефлексивную практику второго порядка. Главная особенность и новация когнитивных наук в исследовании познания в многодисциплинарном диалоге, порождающем общую почву у философии науки, неи?ронаук, теории информации, лингвистики, психологии. Наука постепенно интегрируется в организованную по новым принципам систему взаимодеи?ствия науки и технологии. Этот феномен обозначается термином технонаука, главная черта которои?, социально-практическая ориентированность. Важнеи?шим примером технонауки являются так называемые NBIC - технологии (нано-, био-, информационные и когнитивные).

КН начинает свое развитие в США примерно с 60-х гг. XX века, что по датам появления соответствует возникновению там же и такого нового лингвистического направления, как трансформационная (позднее - порождающая, генеративная) грамматика, т.е. перед тем, как им разойтись (а о КЛ уже с конца 70-х гг. можно говорить как об антихомскианской), КН и генеративная грамматика развиваются во многом параллельно друг другу и, безусловно, оказывая друг на друга значительное влияние. У истоков КН не случайно называют таких выдающихся ученых, как психолога Дж. Миллера и лингвиста Н. Хомского [The Making of Cognitive Science 1988], [The Chomskyan Turn 1991]. Воздействие последнего на философию и психологию тех лет признавалось даже всеми теми, кто впоследствии оказался «по ту сторону баррикад», см. также [Harman 1988]. И вообще психология и лингвистика, которые уже давно имели общие точки соприкосновения, с 60-х гг. обнаруживают особенно тесные связи - проявляются они и в прямом сотрудничестве Миллера, и Хомского [Wanner 1988: 143]

С XX в. познание начинает изучаться не только в философии, но и средствами конкретных наук - психологии, физиологии, медицины, кибернетики, лингвистики. Такая трансформация происходила постепенно, например, в психологии познание становится предметом изучения к середине ХХ века. В 20-50 годы XX века когнитивная проблематика была практически исключена из диапазона интересов научнои? психологии под влиянием доминировавшеи? в то время методологии бихевиоризма (в бихевиоральнои? модели поведение человека описывалось формулои? «стимул - реакция», то есть внешние реакции определялись внешними же стимулами, при этом ментальная обработка стимулов не рассматривалась). К середине века экспериментальные исследования познавательных процессов человека оказались в центре внимания. В исследованиях поведения животных и человека особое внимание стало уделяться факторам когнитивного характера, то есть описываться формулои? «стимул-интеллект-реакция». Таким образом, с конца 50-х годов прошлого века интересы ученых сконцентрировались на когнитивных темах - внимании, памяти, распознавании образов, языке и мышлении, однако речь об этих процессах шла уже на новом уровне. Благодаря исследованиям Э. Толмена., У. Наи?сера, Дж. Брунера и других сформировалось новое по сравнению с бихевиористским понимание человеческого поведения, как детерминированного знаниями. На основе экспериментальных исследовании? когнитивная психология занялась изучением познавательного арсенала человека: восприятия, представления, памяти, мышления.

Выделяется три корня когнитивнои? науки: 1) когнитивная психология, которои? познание рассматривается как переработка информации; 2) кибернетика и информатика, создающие программы, которые смогли бы решать задачи, решаемые людьми; 3) когнитивная лингвистика. Наиболее радикальные перемены в исследовании познания связаны с появлением вычислительнои? техники. Когнитивная революция, как называют этот период развития науки, была обусловлена успехами параллельно прогрессировавших кибернетики, лингвистики и компьютернои? науки. Современныи? этап развития когнитивнои? науки называют неи?росетевым или коннекционистским. Исследование познания здесь не сводится к тому, что происходит в мозгу, а включает постоянное взаимодеи?ствие организма и его окружения. Когнитивная система рассматривается как включающая в себя мозг, тело, внешнее окружение. Сознание не отождествляется с мозгом, а когнитивные процессы понимаются не как изолированные процессы внутри носителя, а как результат взаимодеи?ствия системы и среды. Согласно коннекционисткои? модели в основании функционирования неи?ронных сетеи? мозга лежит не абстрактное логическое мышление, а распознавание паттернов. Как отмечают известные теоретики когнитивнои? науки «мышление протекает в рамках синтезированных паттернов, а не логики, и поэтому в своем деи?ствии оно всегда может выходить за пределы синтаксических или механических отношении?» . Не случаи?но проблема соотношения сознания и мозга характеризуется Н. Хомским, К. Макгинном и еще рядом исследователеи? как трудная проблема, в понимании которои? нет никакого прогресса, в отличие от проблем, допускающих ясное решение. Поэтому, несмотря на растущии? объем знании? о функционировании мозга, о когнитивных параметрах языка, в области искусственного интеллекта, приходится признавать, что проблема когнитивных наук «мышление- сознание-мозг» содержит некии? смысловои? контекст, которыи? не объясним в границах компетенции отдельных научных дисциплин, каждая из которых самостоятельно изучает и моделирует процессы познания. В этои? связи очень важен вывод столь авторитетных специалистов в области когнитивных наук как Т.В. Черниговская, что «следует возлагать надежды не на еще большее усложнение разрешающеи? способности техники, а на методологическии? и даже философскии? прорыв, которыи? должен привести к возникновению новои? мультидисциплинарнои? научнои? парадигмы».

Основные составляющие когнитивной науки, по Х. Гарднеру (Gardner, 1987):

1.1. экспериментальная психология познания;

1.2. философия сознания;

1.3. нейронаука;

1.4. когнитивная антропология;

1.5. лингвистика;

1.6. компьютерная наука и искусственный интеллект (последнее - уже междисциплинарная область с участием как минимум психологии и лингвистики).

Рис. 5

По состоянию дел на 1987 год, Х. Гарднер отметил связи между рядом областей как «слабые» (на схеме они обозначены пунктирными линиями). Однако к настоящему моменту области значительно в большей степени срослись, а некоторые и расширились: например, принято говорить не об «искусственном интеллекте», а о «компьютерной науке».

Днем рождения когнитивной науки считается 11 сентября 1956 года - один из дней симпозиума в Массачусетском Технологическом Институте, когда состоялись три доклада, конституировавшие когнитивную науку как таковую:

1.7. экспериментального психолога Джорджа Миллера: «Магическое число 7±2»

1.8. лингвиста Ноэма Хомского: «Три модели языка»

1.9. представителей области компьютерного моделирования и искусственного интеллекта Алана Ньюэлла и Герберта Саймона, будущего нобелевского лауреата в области экономики: «Logic Theory Machine» (в русских переводах - «Логик-теоретик»).

Джордж Миллер вспоминает: «Я уходил с Симпозиума с твердой уверенностью, скорее интуитивной, чем рациональной, в том, что экспериментальная психология человека, теоретическая лингвистика и компьютерное моделирование познавательных процессов - части еще большего целого, и в будущем мы увидим последовательную разработку и координацию их общих дел… Я двигался навстречу когнитивной науке в течение двадцати лет, прежде чем узнал, как она называется» (1979).

Таким образом, по мнению историков науки, можно выделить три корня когнитивной науки: (1) изобретение компьютеров и попытки создать программы, которые смогли бы решать задачи, решаемые людьми; (2) развитие психологии познания, рассматриваемого как переработка информации: целью этого направления исходно было выявление внутренних процессов переработки, участвующих в восприятии, памяти, мышлении и речи; (3) развитие теории порождающей грамматики и связанных с ней ветвей лингвистики.

К настоящему моменту в когнитивной науке сложилось три основных теоретических направления: модельно-символический подход, модулярный подход и коннекционизм (направление, именуемое также нейронно-сетевым подходом или моделями параллельно-распределенной переработки).

Первое из этих направлений базируется на компьютерной метафоре, предполагающей рассмотрение человеческого познания и соотношения его с работой мозга по аналогии с персональным компьютером, в котором программы (software), выполняющие определенные функции, могут быть реализованы на разном «субстрате» (hardware), для которого, однако характерно наличие центрального процессора с ограниченной пропускной способностью, накладывающего определенные ограничения на переработку информации.

Теоретики модулярного подхода сравнивают психику человека со швейцарским армейским ножом, который приспособлен для выполнения множества функций потому, что, в отличие от обычного ножа с единственным лезвием, вооружен множеством инструментов: ножницами, штопором и т.п. Согласно данному подходу, человеческое познание можно представить как набор таких параллельно функционирующих «модулей», работающих независимо друг от друга. Выходные данные этих модулей используются в центральных процессах координации знаний и принятия решения, которые, однако, слишком сложны для изучения по причине чрезмерного количества факторов, влияющих на их текущее состояние.

Наконец, коннекционизм базируется на «мозговой» метафоре познания, где познавательные процессы предстают как процессы параллельной переработки информации сетью, состоящей из нескольких уровней простых единицы - моделей нейронов, связи между которыми обладают разными весовыми коэффициентами, причем эти коэффициенты могут меняться в зависимости от обучения нейронной сети решать определенный тип задач.

50. Искусственный интеллект как междисциплинарное научное направление. Тест Тьюринга и его развитие

Появление в конце 40-х годов XX столетия электронных цифровых вычислительных машин, обладающих универсальными возможностями и высокой производительностью - сразу же породил вопрос: могут ли машины подобного типа (при их дальнейшем совершенствовании) «мыслить» подобно человеку? Иными словами, возможно ли создать машину, интеллектуальные возможности которой были тождественны интеллектуальным возможностям человека (или даже превосходили возможности человека).

В середине 90-х годов публикации Р. Пенроуза вызвали бурную дискуссию, в которых он, опираясь на теорему К. Геделя о неполноте формальных систем, обосновывал вывод о принципиальной невозможности создания машинных алгоритмов, способных имитировать во всем объеме интеллектуальные способности человека). С одной стороны, природа человеческого интеллекта плохо изучена, и, соответственно, мы не можем ясно себе представить, каким образом можно создать его машинный аналог. При этом механизм человеческого мышления в принципе может быть прояснен и представлен в виде некоторого алгоритма, хотя решение этой задачи отодвигается на неопределенное будущее. Так же вполне возможно такое положение дел, что природа человеческого интеллекта такова, что «прояснить» его механизмы, свести деятельность интеллекта к некоторому набору «функций» или «операций», невозможно в принципе. Тогда решение ограничиться решением частных, конкретных, практически значимых задач, вполне оправдано. В противном случае, если нет принципиальной разницы между человеческим и «машинным» умом, то, следует, видимо, вернуться к «глобалистским» подходам 50-60 годов и направить все усилия на исследование реальных механизмов мышления в надежде открыть некий «алгоритм человеческого ума». Такой подход в случае успеха позволил бы сразу решить практически неограниченное число прикладных задач - поскольку не нужно было бы каждый раз заново разрабатывать «интеллектуальные» программы для решения очередной задачи - ведь подлинно «интеллектуальная» машина была бы способна самостоятельно найти эффективный путь решения любой (или почти любой) поставленной перед ней задачи. Ведь именно эту способность - находить решения (и ставить сами задачи) самостоятельно мы, собственно, и называем интеллектом.

Таким образом, решение вопроса о принципиальной возможности машинной имитации человеческого интеллекта позволит оценить перспективность тех или иных направлений развития машинных «интеллектуальных систем». Но и вне этого «практического» аспекта, решение вопроса о принципиальной возможности создания машинного эквивалента человеческого «ума» имело бы огромное значение для понимания природы человеческого мышления и сознания, понимания природы психического в целом.

Вопрос о возможности создания полноценной искусственной (машинной) имитации человеческого интеллекта впервые был поставлен А. Тьюрингом в 1950 году в его статье «Вычислительные машины и интеллект». Непосредственным поводом написания данной статьи было создание в 1945 году в Пенсильванском университете первой электронной цифровой вычислительной машины ЭНИАК. (Машина была создана группой под руководством проф. Дж. У. Мокли в декабре 1945 года. В 1946 году она была рассекречена. Идея же создания этой машины принадлежит профессору колледжа штата Айова Д.В. Атанасову. Еще в 1941 году он вместе с К.Э. Берри создал прототип ЭНИАКа - машину Эй-Би-Си (Атанасов- БерриКомпьютер) - которая, по сути, и была первым в мире цифровым компьютером. Однако до 1946 года все разработки в этой области были засекречены. Поэтому отсчет «компьютерной эры» обычно начинают с 1946 года).

Тьюринг одним из первых попытался выяснить какими возможностями обладают электронные вычислительные машины и можно ли посредством алгоритмических вычислений, осуществляемых с помощью таких машин, имитировать деятельность человеческого интеллекта. Это, в свою очередь, поставило перед ним вопрос: какова природа человеческого мышления? Поскольку ни психология, ни философия не давали четкого ответа на этот вопрос, Тьюринг заменяет его более понятным и практичным вопросом: как оценить степень сходства человеческого и машинного интеллекта? В качестве теста на «интеллектуальность Тьюринг предложил свою знаменитую «игру в имитацию», известную ныне как «тест Тьюринга». Машина, по Тьюрингу, обладает свойством «разумности», если в заочном диалоге собеседник-человек не способен будет установить, с кем он имеет дело: с человеком или с разумной машиной.

Хотя такой чисто «прагматический» подход к пониманию «разумности» вызвал резкую критику со стороны философов (критики подчеркивали, что сущностное определение разума здесь подменяется простой констатацией сходства), тем не менее, для практических целей критерий Тьюринга был вполне удовлетворительным, и это обстоятельство в мере предопределило тот прагматический стиль исследований в области искусственного интеллекта, который сохранился и до наших дней. Суть этого стиля - игнорирование всех сколько-нибудь сложных философских вопросов и ориентация лишь на достижение практических целей.

Уже в упомянутой статье Тьюринга ставилась задача создания универсального (интегрального) искусственного интеллекта. Тьюринг писал: «Мы можем надеяться, что машины, в конце концов, будут успешно соперничать с людьми во всех чисто интеллектуальных областях...». Далее он предлагает следующий план: «... снабдить машину хорошими органами чувств, а затем научить ее понимать и говорить по-английски. В этом случае машину можно будет обучать, как ребенка...».

Вскоре были осуществлены первые попытки реализации этого плана. В 1952 году А. Этткинд реализовал на машине программу, моделирующую условный рефлекс: реакция машины на «раздражитель» усиливалась или ослабевала в зависимости от положительного или отрицательного «подкрепления». Несколько позже он же занялся проблемой машинного перевода, надеясь на этом пути прийти к созданию «понимающей» машины. Параллельно в эти же годы велись разработки шахматных программ.

Хотя первые разработки выглядели весьма обнадеживающими, эти исследования не позволили создать машины, поведение которых хотя бы в отдаленной степени напоминало разумное поведение человека. Неудачи отчасти объяснялись тем, что ранние программы были построены на основе метода сплошного перебора вариантов, что вело к экспоненциальному росту объема вычислений при увеличении размерности задачи. Т.о., резервы быстродействия и памяти существовавших тогда ЭВМ были быстро исчерпаны. Кроме того, не удалось установить общие правила, с помощью которых любой вид мыслительной деятельности можно было бы представить в виде четкого алгоритма.

Важным шагом в развитии искусственного интеллекта была идея «эвристического программирования». Ее авторы Г. Саймон и А. Ньюэлл анализировали процессы решения логических задач людьми и обнаружили, что испытуемые часто использовали особые приемы (т.н. «эвристики») которые, не будучи универсальными, тем не менее, во многих случаях приводили к успеху (хотя и не давали полной гарантии решения задачи). Ньюэлл и Саймон попытались систематизировать эти приемы и разработали на этой основе программу, имитирующую, по их мнению, «практический интеллект» человека. Эти программы и получили название «эвристических». Впервые эвристики были применены в программе «Логик-теоретик», предназначенной для решения задач элементарной символической логики. Позже (1957 г.) найденные эвристики удалось распространить на более широкий класс задач - в результате была создана программа «Общий решатель задач» (GPS).

Именно с этих двух программ (Логик-теоретик и GPS) и начинается фактическая история «искусственного интеллекта» (сам термин «искусственный интеллект» впервые появился в одной из статей Саймона и Ньюэлла, посвященной GPS, которая была опубликована в 1958 году).

Успешное применение «Логика-теоретика», GPS и других подобных программ породили большие надежды и оптимизм и существенным образом стимулировали исследования в данной области: «... в настоящее время в мире существуют машины, которые мыслят, учатся и проявляют способности к творчеству. Более того, их способности будут быстро расти вплоть до того момента в обозримом уже будущем, когда сфера их деятельности охватит круг вопросов, над которыми когда-либо размышлял человеческий разум». Далее они писали: «Не пройдет и десяти лет, как большинство психологических теорий примет форму программы для вычислительной машины или качественных характеристик машинных программ». Но подобного прогресса в области создания «интегрального искусственного интеллекта», равного по возможностям человеческому, достигнуто не было.

Только через 40 лет компьютер смог на равных сыграть в шахматы с чемпионом мира. По большинству рассмотренных позиций компьютер и сейчас существенно уступает человеку, по крайней мере, в тех случаях, когда речь идет о творческой интеллектуальной деятельности.

Например, с 1991 года проводятся турниры программ, пытающихся пройти тест Тьюринга. Пока ещё эти программы (т.н. боты) ограничены, осмыслить разговор они, как правило, не могут. Создатели закладывают в них ответы на наиболее часто задаваемые вопросы.

Компьютерные шахматные программы, хотя они и обыгрывают Каспарова, магистральным путем к созданию интегрального искусственного интеллекта явно не являются. Их принцип действия - это перебор вариантов плюс использование накопленных в шахматной теории правил (теория эндшпилей, разыгрывание стандартных дебютов и т.п.). Эти правила нигде кроме шахмат, не применяются.

Робота можно даже научить играть в футбол. Регулярно проводятся футбольные турниры роботов. Но даже самый лучший робот-футболист не сможет даже на элементарном уровне участвовать в игре в хоккей или в какой-либо другой игре, он не способен учиться, его программа основана, как правило, на очень примитивных инструкциях.

Параллельно с разработкой конкретных программ искусственного интеллекта появились философские работы, в которых делались попытки осмыслить данную проблематику. В целом можно выделить два основных направления развития «философии искусственного интеллекта».

Во-первых, многие философы позитивно восприняли идею возможности компьютерной имитации человеческой психики и попытались использовать эту идею для переосмысления традиционной проблематики философии сознания, философии интеллекта, а также психофизической проблемы. В основе этих попыток лежит т.н. «компьютерная метафора», т.е. уподобление мозга компьютеру, а психики - функции (или программе) этого компьютера. Один из представителей этого направления М. Минский прямо называет мозг «мясным компьютером», а сознание, по его мнению - «это просто то, что мозг делает».

Философское осмысление «компьютерной метафоры» породило так называемый «функциональный подход» к решению психофизической проблемы, который можно характеризовать классической формулой: «сознание есть функция мозга» (X. Патнем, Д. Фодор, Д.И. Дубровский, Т. Ярвилехто и др). Компьютерная метафора также, видимо, существенным образом стимулировала в 50-60 годы создание различных «элиминирующих теорий» (Д. Армстронг, Дж. Смарт, Г. Райл, Г. Фейгл и др), отрицающих существование сознания как особой «приватной» реальности (хотя философской основой элиминации «внутреннего мира» были относящиеся к более раннему периоду работы Л. Витгенштейна).

Воздействие «компьютерной метафоры» на психологию породило в 60-е годы весьма продуктивное направление психологических исследований - «когнитивную психологию». Нейрофизиологи, в свою очередь, получили компьютерные модели нейронных сетей. Основная идея когнитивного подхода в психологии - рассмотреть психические процессы как процессы внутренней переработки сенсорной информации и выработки оптимальных поведенческих решений. Психолог-когнитивист пытается экспериментально установить, какие конкретно алгоритмы использует мозг человека, не принимая во внимание возможные нейрональные механизмы реализации данных алгоритмов.

Во-вторых, уже в 60-х -70-х годах ряд исследователей пытаются осмыслить проблематику искусственного интеллекта с позиций философии сознания. Именно представители этого направления впервые выразили сомнение в принципиальной разрешимости проблемы создания интегрального искусственного интеллекта и попытались выяснить, чем человеческий интеллект может принципиально отличаться от любых его возможных машинных имитаций.

Одна из первых работ, в которой была дана обстоятельная критика искусственного интеллекта, вышедшая в 1971 году (русский перевод - 1978г.) работа X. Дрейфуса «Чего не могут вычислительные машины». В этой работе X. Дрейфус тщательно проанализировал допущения, лежащие в основе веры в возможность создания машинного аналога человеческого разума. Дрейфус выделяет четыре основных допущения:

1. Биологическое (нейродинамические процессы в мозге изоморфны некоторой переключательной схеме).

2. Психологическое (мышление есть процесс переработки информации, заданной в дискретной форме, причем эта переработка подчинена конкретному алгоритму).

3. Эпистемологическое (всякое знание можно формализовать).

4. Онтологическое (все существующее представимо в терминах множества четко определенных, независимых друг от друга элементов).

Дрейфус пытался показать, что биологическое допущение не согласуется с новейшими данными нейрофизиологии, тогда как другие три допущения не являются твердо установленными истинами и могут оказаться несостоятельными .

Одно из основных препятствий на пути создания адекватной машинной модели человеческого интеллекта Дрейфус видит в неосуществимости алгоритмического моделирования человеческих потребностей, мотивов и деятельности целеполагания. При этом он подчеркивает биологический, телесно детерминированный характер человеческих потребностей и важность двигательной активности организма - как средства приобретения особого телесно-моторного опыта. Машину нельзя, по мнению Дрейфуса, запрограммировать таким образом, чтобы она была способна ставить собственные цели, испытывать желания и т.д.

Еще один аргумент против искусственного интеллекта сформулировал британский математик Дж. Лукас в 1961 г. По мнению Дж. Лукаса, из известной теоремы К. Геделя «о неполноте формальных систем» (доказанной в 1931 г.) вытекает принципиальное различие между человеческим мышлением и любыми, сколь угодно сложными алгоритмическими системами искусственного интеллекта. В 60-е годы аргументация Лукаса была встречена весьма скептически и не повлияла существенно на исследования искусственных интеллектуальных систем. Однако в 1989 году «геделевский аргумент» «воскресил» и значительно усилил известный британский физик и математик Р. Пенроуз. Вышедшие одна за другой монографии привлекли к себе внимание и вызвали обширную дискуссию, в которой приняли многие известные математики, философы, нейрофизиологи и специалисты по искусственному интеллекту. Но и в этой новой дискуссии опять возобладало скептическое отношение к геделевскому аргументу.

Так же стоит упомянуть мысленный эксперимент, так называемый «аргумент китайской комнаты», который придумал американский философ Дж. Сёрлом. Сёрл задался вопросом: будет ли машинный эквивалент человеческого интеллекта действительно обладать такими психическими функциями, как понимание, чувственное восприятие, мышление и убедительно показал, что на этот вопрос следует ответить однозначно отрицательно (независимо от степени совершенства предполагаемой системы машинного интеллекта). Машина в любом случае будет лишь чисто внешним образом имитировать понимание, восприятие и мышление, ничего на самом деле не понимая, не воспринимая и не мысля.

«Геделевский аргумент» и «аргумент китайской комнаты» - это два важных аргумента, ставящих серьезным образом под сомнение возможность полноценного машинного моделирования человеческого мышления. Но сами по себе эти аргументы носят не философский, а скорее логико-математический характер.

Для оценки возможности «переноса» человеческого мышления на новую субстратную основу важно знать, каким образом «естественное» человеческое мышление, и сознание в целом, соотносится с биологическим субстратом - мозгом. К сожалению, проблема «мозг и сознание» далека от окончательного решения. Но философами выработан целый ряд подходов к решению этой проблемы. Существует связь между способом решения психофизической проблемы и оценкой возможности создания искусственного интеллекта.

Многоплановость содержания искусственного интеллекта, неоднозначность его толкования влечет за собой разнообразие подходов при решении фундаментальных проблем философии искусственного интеллекта. Так же возникает ряд вопросов, связанных с этикой.

51. Философские аспекты искусственного интеллекта. “Сильный” и “слабый” искусственный интеллект. Искусственный интеллект как мифологема

Вопрос о возможности создания полноценной искусственной (машинной) имитации человеческого интеллекта впервые был поставлен А. Тьюрингом в 1950 году в его статье «Вычислительные машины и интеллект».

Тьюринг одним из первых попытался выяснить какими возможностями обладают электронные вычислительные машины и можно ли посредством алгоритмических вычислений, осуществляемых с помощью таких машин, имитировать деятельность человеческого интеллекта. Это, в свою очередь, поставило перед ним вопрос: какова природа человеческого мышления?

Уже в упомянутой статье Тьюринга ставилась задача создания универсального (интегрального) искусственного интеллекта. Тьюринг писал: «Мы можем надеяться, что машины, в конце концов, будут успешно соперничать с людьми во всех чисто интеллектуальных областях...». Далее он предлагает следующий план: «... снабдить машину хорошими органами чувств, а затем научить ее понимать и говорить по-английски. В этом случае машину можно будет обучать, как ребенка...».

В основе этих попыток лежит т.н. «компьютерная метафора», т.е. уподобление мозга компьютеру, а психики - функции (или программе) этого компьютера. Один из представителей этого направления М. Минский прямо называет мозг «мясным компьютером», а сознание, по его мнению - «это просто то, что мозг делает».

Философское осмысление «компьютерной метафоры» породило так называемый «функциональный подход» к решению психофизической проблемы, который можно характеризовать классической формулой: «сознание есть функция мозга» (X. Патнем, Д. Фодор, Д.И. Дубровский, Т. Ярвилехто и др). Компьютерная метафора также, видимо, существенным образом стимулировала в 50-60 годы создание различных «элиминирующих теорий» (Д. Армстронг, Дж. Смарт, Г. Райл, Г. Фейгл и др), отрицающих существование сознания как особой «приватной» реальности (хотя философской основой элиминации «внутреннего мира» были относящиеся к более раннему периоду работы Л. Витгенштейна).

Уже в 60-х -70-х годах ряд исследователей пытаются осмыслить проблематику искусственного интеллекта с позиций философии сознания. Именно представители этого направления впервые выразили сомнение в принципиальной разрешимости проблемы создания интегрального искусственного интеллекта и попытались выяснить, чем человеческий интеллект может принципиально отличаться от любых его возможных машинных имитаций.

Одна из первых работ, в которой была дана обстоятельная критика искусственного интеллекта, вышедшая в 1971 году (русский перевод - 1978г.) работа X. Дрейфуса «Чего не могут вычислительные машины». В этой работе X. Дрейфус тщательно проанализировал допущения, лежащие в основе веры в возможность создания машинного аналога человеческого разума. Дрейфус выделяет четыре основных допущения:

5. Биологическое (нейродинамические процессы в мозге изоморфны некоторой переключательной схеме).

6. Психологическое (мышление есть процесс переработки информации, заданной в дискретной форме, причем эта переработка подчинена конкретному алгоритму).

7. Эпистемологическое (всякое знание можно формализовать).

8. Онтологическое (все существующее представимо в терминах множества четко определенных, независимых друг от друга элементов).

Дрейфус пытался показать, что биологическое допущение не согласуется с новейшими данными нейрофизиологии, тогда как другие три допущения не являются твердо установленными истинами и могут оказаться несостоятельными.

Одно из основных препятствий на пути создания адекватной машинной модели человеческого интеллекта Дрейфус видит в неосуществимости алгоритмического моделирования человеческих потребностей, мотивов и деятельности целеполагания. При этом он подчеркивает биологический, телесно детерминированный характер человеческих потребностей и важность двигательной активности организма - как средства приобретения особого телесно-моторного опыта. Машину нельзя, по мнению Дрейфуса, запрограммировать таким образом, чтобы она была способна ставить собственные цели, испытывать желания и т.д.

Еще один аргумент против искусственного интеллекта сформулировал британский математик Дж. Лукас в 1961 г. По мнению Дж. Лукаса, из известной теоремы К. Геделя «о неполноте формальных систем» (доказанной в 1931 г.) вытекает принципиальное различие между человеческим мышлением и любыми, сколь угодно сложными алгоритмическими системами искусственного интеллекта. В 60-е годы аргументация Лукаса была встречена весьма скептически и не повлияла существенно на исследования искусственных интеллектуальных систем. Однако в 1989 году «геделевский аргумент» «воскресил» и значительно усилил известный британский физик и математик Р. Пенроуз. Вышедшие одна за другой монографии привлекли к себе внимание и вызвали обширную дискуссию, в которой приняли многие известные математики, философы, нейрофизиологи и специалисты по искусственному интеллекту. Но и в этой новой дискуссии опять возобладало скептическое отношение к геделевскому аргументу.

Так же стоит упомянуть мысленный эксперимент, так называемый «аргумент китайской комнаты», который придумал американский философ Дж. Сёрлом. Сёрл задался вопросом: будет ли машинный эквивалент человеческого интеллекта действительно обладать такими психическими функциями, как понимание, чувственное восприятие, мышление и убедительно показал, что на этот вопрос следует ответить однозначно отрицательно (независимо от степени совершенства предполагаемой системы машинного интеллекта). Машина в любом случае будет лишь чисто внешним образом имитировать понимание, восприятие и мышление, ничего на самом деле не понимая, не воспринимая и не мысля.

«Геделевский аргумент» и «аргумент китайской комнаты» - это два важных аргумента, ставящих серьезным образом под сомнение возможность полноценного машинного моделирования человеческого мышления. Но сами по себе эти аргументы носят не философский, а скорее логико-математический характер.

Для оценки возможности «переноса» человеческого мышления на новую субстратную основу важно знать, каким образом «естественное» человеческое мышление, и сознание в целом, соотносится с биологическим субстратом - мозгом. К сожалению, проблема «мозг и сознание» далека от окончательного решения. Но философами выработан целый ряд подходов к решению этой проблемы. Существует связь между способом решения психофизической проблемы и оценкой возможности создания искусственного интеллекта.

Многоплановость содержания искусственного интеллекта, неоднозначность его толкования влечет за собой разнообразие подходов при решении фундаментальных проблем философии искусственного интеллекта. Так же возникает ряд вопросов, связанных с этикой.

Сильный и слабый искусственные интеллекты -- гипотеза в философии искусственного интеллекта, согласно которой некоторые формы искусственного интеллекта могут действительно обосновывать и решать проблемы [1].

1.10. теория сильного искусственного интеллекта предполагает, что компьютеры могут приобрести способность мыслить и осознавать себя как отдельную личность (в частности, понимать собственные мысли), хотя и не обязательно, что их мыслительный процесс будет подобен человеческому.

1.11. теория слабого искусственного интеллекта отвергает такую возможность.

Термин «сильный ИИ» был введён в 1980 году Джоном Сёрлом (в работе, описывающей мысленный эксперимент «Китайская комната»), впервые охарактеризовавшим его следующим образом:

Соответствующим образом запрограммированный компьютер с нужными входами и выходами и будет разумом, в том смысле, в котором человеческий разум -- это разум.

Оригинальный текст (англ.)

-- «Разумы, мозги и программы»

Требования к созданию сильного ИИ

Предлагалось много определений интеллекта (такие, например, как возможность пройти тест Тьюринга), но на настоящий момент нет определения, которое бы удовлетворило всех. Тем не менее, среди исследователей искусственного интеллекта есть общая договоренность о том, что Сильный ИИ обладает следующими свойствами: [3]

1. Принятие решений, использование стратегий, решение головоломок и действия в условиях неопределенности;

2. Представление знаний, включая общее представление о реальности;

3. Планирование;

4. Обучение;

5. Общение на естественном языке;

6. И объединение всех этих способностей для достижения общих целей.

Ведутся работы для создания машин, имеющих все эти способности, и предполагается, что Сильный ИИ будет иметь либо их все, либо большую часть из них.

Существуют и другие аспекты интеллекта человека, которые также лежат в основе создания Сильного ИИ:

• Сознание: Быть восприимчивым к окружению;

• Самосознание: Осознавать себя как отдельную личность, в частности, понимать собственные мысли;

• Мудрость.

Ни одно из этих свойств не является необходимым для создания сильного ИИ. Например, неизвестно, необходимо ли воспринимать машине окружающую среду в той же мере, как человеку. Также неизвестно, являются ли эти навыки достаточными для создания интеллекта: если будет создана машина с устройством, которое сможет эмулировать нейронную структуру, подобную мозгу, получит ли она возможность формировать представление о знаниях или пользоваться человеческой речью. Возможно также, что некоторые из этих способностей, такие, например, как сопереживание, возникнут у машины естественным путём, если она достигнет реального интеллекта.

Примеры

Несмотря на сомнения скептиков, сильный ИИ существует и строго контролируется (пока). Сильный ИИ решает задачи управления государствами, исследованиями на Большом адронном коллайдере, и другими сверхсложными задачами.

AlphaGo, AlphaZero и AlphaStar - это сильные ИИ, намеренно ограниченные до слабого ИИ. В этих ИИ используется лучший алгоритм обучения на произвольных данных. Успех в играх это подтверждает. Подключившись к неограниченным данным для обучения ИИ AlphaXXX станет сильным ИИ.

Система IBM Watson, обладающая речевыми технологиями, машинным зрением, умением обучаться на неразмеченных данных относится к сильному ИИ[4].

Мифологические корни проблемы искусственного интеллекта многое объясняют в массовом восприятии исследований в этой области науки (да и, в определенной степени, собственную рефлексию специалистов). Отметим 4 следующие особенности:

1. Искусственный интеллект предполагается быть совершенней человеческого, а не просто помощником в его скромных притязаниях. "Мы будем как боги, - провозгласил Парацельс, трудившийся над выращиванием гомункулуса в далеком ХУ1 веке. Мы повторим величайшее из чудес господних - сотворение человека!" "Когда-то наш разум был вне конкуренции, пишет в XX веке П. Уинстон. - но, возможно, придет день, когда вычислительные машины будут смеяться над нами и задавать вопрос о том, могут ли биологические информационные процессоры быть достаточно разумными".

...