Основные составляющие философии науки

Именно создание совершенного существа придает смысл и попыткам механического копирования человека - роботов. Обратим внимание, что и в средневековых легендах, и в современных фантастических произведениях интеллектуальные роботы сплошь и рядом изображаются не просто как послушные помощники человека (что было бы логично, исходя из этимологии слова "роботы"), но как существа намного превосходящие человека по многим (а иногда и по всем) параметрам.

2. Исследования в области искусственного интеллекта стремятся к открытию "формулы всех возможных открытий", т.е. к познанию "всей мудрости мира". Уже Луллий называл свое искусство не только "великим" (Ars magna), но и "окончательным" (Ultima). Такой же идеал знания отстаивали Декарт и Лейбниц. Поиски единого алгоритма (или системы алгоритмов) решения любых задач лежат в том же русле.

3. Столь дерзкое предприятие (богоподобное) рождает, с одной стороны, собственное возвеличивание интеллегистов (как иногда называют себя специалисты в области искусственного интеллекта), опьяненных мечтой решить все человеческие проблемы, а с другой страх, ибо дело это кощунственное (богопротивное). Выходит из подчинения легендарный Голем, фантастическое создание Франкенштейна восстает против своего творца, современные кино и видеофильмы полны изображений войн человека с машинами, уже раздаются голоса ввести запрет на исследования в области искусственного интеллекта...

4. Все, или почти все, что связано с работами по искусственному интеллекту для массового сознания окружено атмосферой таинственности: иногда реальной - в секретных военных лабораториях, иногда умышленно-художественной - в произведениях искусства.

52. История и философия нейронаук. Модель нейрона Мак-Каллока - Питтса. Перцептрон. Современные идеализации нейрона и нервной системы. Архитектуры нейронных сетей. Глубинные нейронные сети

Нейронаука - собирательный термин. Вошел он в оборот не директивно, а сложился стихийно. Это широкий спектр наук, ядро которых составляют отрасли, которые имеют отношение к мозгу. В группу нейронаук вошла нейробиология поведения, нейрогенетика, нейрофизиология. Каждая из них стала проводить исследования своими методами.

Нейроучёным можно стать, придя в нейронауки из таких разных областей человеческого знания, как психология, педагогика, компьютерные науки, биология, медицина и другие. Нейронауки развивают наше понимание природы человека и того, что же именно делает человека человеком, предлагая свои гипотезы и концепции для объяснения того, какие механизмы лежат в основе мышления, эмоций, поведения и других феноменов человеческой психики.

Основные вопросы, которые ставит нейронаука плавно созвучны вопросам философии: Как мы учимся и запоминаем? Что такое эмоции? Как и почему нервная система работает неправильно? Что можно сделать, чтобы обратить вспять, остановить и/или лечить неблагоприятные физиологические или психологические симптомы, возникающие в результате этих неполадок? Как влияют нейронауки на общество, его законы и нравственность? Что такое сознание? Можно ли улучшить интеллект? Откуда появился язык? Откуда возникает чувство собственного «я»? Есть ли свободная воля?

Сантьяго Рамон-и-Кахалем (Santiago Ramуn y Cajal) совместно с Камило Гольджи (Camillo Golgi) считаются создателями учения о нейроне. Их теория впервые была озвучена в 1894 году на лекции в королевском сообществе в Лондоне. Однако учение очень медленно находило своих сторонников. Веские доказательства пришли лишь в 1950-х годах, когда с помощью первых электронных микроскопов удалось получить изображения синапсов -- соединений между отростками двух нейронов.

У истоков учения о нейроне также стоял Зигмунд Фрейд, который работал в те годы в лаборатории Рамон-и-Кахаля. Именно Фрейд обнаружил, что нервные отростки (белое вещество мозга) берут начало в сером веществе, которое представляет собой скопление тел нейронов. Фрейд также изобрел новый метод окраски нервной ткани, внес существенный вклад в формирование теории о нервных клетках в те годы, когда мощностей микроскопов не хватало, чтобы разглядеть мельчайшие синапсы. Однако вскоре переключив свое внимание на психоанализ был незаслуженно забыт и почти не упоминался среди ученых положивших начало фундаментальным основам современной нейробиологии.

Теоретические основы нейроматематики были заложены в начале 40-х годов и в 1943 году У. МакКалок и его ученик У. Питтс сформулировали основные положения теории деятельности головного мозга.

Ими были получены следующие результаты:

· разработана модель нейрона как простейшего процессорного элемента, выполняющего вычисление переходной функции от скалярного произведения вектора входных сигналов и вектора весовых коэффициентов;

· предложена конструкция сети таких элементов для выполнения логических и арифметических операций;

· сделано основополагающее предположение о том, что такая сеть способна обучаться, распознавать образы, обобщать полученную информацию.

Модель МакКаллока-Питтса,

Первой формальной моделью нейронных сетей (НС) была модель МакКаллока-Питтса, уточненная и развитая Клини. Впервые было установлено, что НС могут выполнять любые логические операции и вообще любые преобразования, реализуемые дискретными устройствами с конечной памятью. Эта модель легла в основу теории логических сетей и конечных автоматов и активно использовалась психологами и нейрофизиологами при моделировании некоторых локальных процессов нервной деятельности. В силу своей дискретности она вполне согласуется с компьютерной парадигмой и, более того, служит её «нейронным фундаментом». Недостатком данной модели является сама модель нейрона «пороговой» вид переходной функции. В формализме У. Маккалока-Питтса нейроны имеют состояния 0, 1 и пороговую логику перехода из состояния в состояние. Каждый нейрон в сети определяет взвешенную сумму состояний всех других нейронов и сравнивает ее с порогом, чтобы определить свое собственное состояние. Пороговый вид функции не предоставляет нейронной сети достаточную гибкость при обучении и настройке на заданную задачу. Если значение вычисленного скалярного произведения, даже незначительно, не достигает до заданного порога, то выходной сигнал не формируется вовсе и нейрон «не срабатывает». Это значит, что теряется интенсивность выходного сигнала (аксона) данного нейрона и, следовательно, формируется невысокое значение уровня на взвешенных входах в следующем слое нейронов. К тому же модель не учитывает многих особенностей работы реальных нейронов (импульсного характера активности, нелинейности суммирования входной информации, рефрактерности).

Перцептроны.

Перцептроном называется устройство, способное вычислять все предикаты, линейные относительно некоторого заданного множества Ф частных предикатов.

Исследования перцептронов показали, что перцептроны способны обучаться. Справедлива теорема о сходимости перцептрона, согласно которой независимо от начальных значений коэффициентов и порядка показа образцов при обучении перцептрон за конечное число шагов научится различать два класса объектов, если только существует такая классификация. Классический метод обучения перцептрона -- это обучение с коррекцией ошибки. Представляет собой такой метод обучения, при котором вес связи не изменяется до тех пор, пока текущая реакция перцептрона остается правильной. При появлении неправильной реакции вес изменяется на единицу, а знак (+/-) определяется противоположным от знака ошибки.

Первые успехи исследований перцептронов и других нейросетей вызвал взрыв активности и энтузиазма. М. Минский, Ф.Розенблат, Б. Уидроу и другие разработали ряд искусственных нейронных сетей. В течение некоторого времени казалось, что ключ к интеллекту найден, и воспроизведение человеческого мозга является лишь вопросом конструирования достаточно большой сети.

Но эта иллюзия вскоре рассеялась. Возможности перцептронов оказались довольно ограниченными. Серьезный математический анализ перцептронов был проведен М.Минским и С. Пейпертом (подробнее см. ниже). В последствии работа Вассермана, вызвала новый всплеск активности в области искуственных нейронных сетей, и применение идей теории перцептронов на новый лад с образованием собственной новой терминологии и становлением науки о нейросетях, но с точки зрения технического приложения в противовес построению моделей мозга. Но к сожалению некоторые неточности в его работе привели к ряду недоразумений. Так, например, Вассерманом была предложена классификация искусственных нейроных сетей на основе подсчета числа обучаемых слоев связей, а не по числу структурных элементов сети. Но такая классификация проблематична, так как не позволяет говорить об особенностях определенного вида нейросетей. Это вызвало ряд недоразумений в последующие годы при определении перцептрона, так как сам автор всегда говорил о нем, как о трехслойном, а классификация по числу обучаемых слоев предполагала называть его однослойным. Но к сожалению, это сказалось не только на терминологии, но и не верном представлении о перцептроне как простейшем пороговом элементе. Так как была не учтена роль первого необучаемого слоя.

В середине 1958 года Фрэнк Розенблат предложил модель электронного устройства, названного им перцептроном, которое должно было бы имитировать процессы человеческого мышления. Перцептрон должен был передавать сигналы от «глаза», составленного из фотоэлементов, в блоки электромеханических ячеек памяти, которые оценивали относительную величину электрических сигналов. Эти ячейки соединялись между собой случайным образом в соответствии с принципами коннективизма. Два года спустя была продемонстрирована первая действующая машина «Марк-1», которая могла научится распознавать некоторые из букв, написанных на карточках, которые подносили к его «глазам», напоминающие кинокамеры.

Чтобы «научить» перцептрон способности строить догадки на основе исходных предпосылок, в нем предусматривалась некая элементарная разновидность автономной работы или «самопрограммирования». При распознавании той или иной буквы одни её элементы или группы элементов оказываются гораздо более существенными, чем другие. Перцептрон мог «научаться» выделять такие характерные особенности буквы полуавтоматически, своего рода методом проб и ошибок, напоминающим процесс обучения. Однако возможности перцептрона были ограниченными: машина не могла надежно распознавать частично закрытые буквы, а также буквы иного размера или рисунка, нежели те, которые использовались на этапе ее обучения.

Ведущие представители так называемого «нисходящего метода» специализировались, в отличие от представителей «восходящего метода», в составлении для цифровых компьютеров общего назначения программ решения задач, требующих от людей значительного интеллекта, например для игры в шахматы или поиска математических доказательств. К числу защитников «нисходящего метода» относились сотрудники Массачусетского технологического института Марвин Минский и Сеймур Пейперт. Минский начал свою карьеру исследователя ИИ сторонником «восходящего метода» и в 1951 году построил обучающуюся сеть на вакуумных электронных лампах. Однако вскоре к моменту создания перцептрона он перешел в противоположный лагерь.

В соавторстве с южно-африканским математиком Пейпертом он опубликовал в 1969 году книгу «Перцептроны», где математически доказывалось, что перцептроны, подобные розенблатовским, принципиально не в состоянии выполнять многие из тех функций, которые приписывал перцептронам Розенблат. Минский утверждал, что, не говоря уже о роли работающих под диктовку машинисток, подвижных роботов или машин, способных читать, слушать и понимать прочитанное или услышанное, перцептроны никогда не обретут даже умения распознавать предмет частично заслоненный другим. Глядя на торчащий из-за кресла кошачий хвост, подобная машина никогда не сможет понять, что она видит. Эта книга существенно повлияла на пути развития науки об искусственном интеллекте, т.к. переместила научный интерес и субсидии правительственных организаций США, традиционно финансирующих исследования по ИИ, на другое направление исследований -- «нисходящий метод».

В 80-х гг. интерес к кибернетике возродился, так как сторонники «нисходящего метода» столкнулись со столь же неодолимыми трудностями. Сам Минский публично выразил сожаление, что его выступление нанесло урон концепции перцептронов, заявив, что, согласно его нынешним представлениям, для реального прорыва вперед в создании разумных машин потребуется устройство, во многом похожее на перцептрон. Но в основном ИИ стал синонимом нисходящего подхода, который выражался в составлении все более сложных программ для компьютеров, моделирующих сложную деятельность человеческого мозга.

Архитектура нейронных сетей

Нейронные сети могут быть синхронные и асинхронные.

В синхронных нейронных сетях в каждый момент времени свое состояние меняет лишь один нейрон.

В асинхронных - состояние меняется сразу у целой группы нейронов, как правило, у всего слоя.

Можно выделить две базовые архитектуры - слоистые и полносвязные сети.

Ключевым в слоистых сетях является понятие слоя.

Слой - один или несколько нейронов, на входы которых подается один и тот же общий сигнал.

Слоистые нейронные сети - нейронные сети, в которых нейроны разбиты на отдельные группы ( слои ) так, что обработка информации осуществляется послойно.

В слоистых сетях нейроны i-го слоя получают входные сигналы, преобразуют их и через точки ветвления передают нейронам (i+1) слоя. И так до k-го слоя, который выдает выходные сигналы для интерпретатора и пользователя. Число нейронов в каждом слое не связано с количеством нейронов в других слоях, может быть произвольным.

В рамках одного слоя данные обрабатываются параллельно, а в масштабах всей сети обработка ведется последовательно - от слоя к слою. К слоистым нейронным сетям относятся, например, многослойные персептроны, сети радиальных базисных функций, когнитрон, неокогнитрон, сети ассоциативной памяти.

Однако сигнал не всегда подается на все нейроны слоя. В когнитроне, например, каждый нейрон текущего слоя получает сигналы только от близких ему нейронов предыдущего слоя.

Слоистые сети, в свою очередь, могут быть однослойными и многослойными [46].

Однослойная сеть - сеть, состоящая из одного слоя.

Многослойная сеть - сеть, имеющая несколько слоев.

В многослойной сети первый слой называется входным, последующие - внутренними или скрытыми, последний слой - выходным. Таким образом, промежуточные слои - это все слои в многослойной нейронной сети, кроме входного и выходного.

Входной слой сети реализует связь с входными данными, выходной - с выходными.

Таким образом, нейроны могут быть входными, выходными и скрытыми.

Входной слой организован из входных нейронов (input neuron), которые получают данные и распространяют их на входы нейронов скрытого слоя сети.

Скрытый нейрон (hidden neuron) - это нейрон, находящийся в скрытом слое нейронной сети.

Выходные нейроны (output neuron), из которых организован выходной слой сети, выдает результаты работы нейронной сети.

В полносвязных сетях каждый нейрон передает свой выходной сигнал остальным нейронам, включая самого себя. Выходными сигналами сети могут быть все или некоторые выходные сигналы нейронов после нескольких тактов функционирования сети. Все входные сигналы подаются всем нейронам.

Перед использованием нейронной сети ее необходимо обучить.

Процесс обучения нейронной сети заключается в подстройке ее внутренних параметров под конкретную задачу.

Алгоритм работы нейронной сети является итеративным, его шаги называют эпохами или циклами.

Эпоха - одна итерация в процессе обучения, включающая предъявление всех примеров из обучающего множества и, возможно, проверку качества обучения на контрольном множестве.

Процесс обучения осуществляется на обучающей выборке.

Обучающая выборка включает входные значения и соответствующие им выходные значения набора данных. В ходе обучения нейронная сеть находит некие зависимости выходных полей от входных.

Таким образом, перед нами ставится вопрос - какие входные поля (признаки) нам необходимо использовать. Первоначально выбор осуществляется эвристически, далее количество входов может быть изменено.

Сложность может вызвать вопрос о количестве наблюдений в наборе данных. И хотя существуют некие правила, описывающие связь между необходимым количеством наблюдений и размером сети, их верность не доказана.

Количество необходимых наблюдений зависит от сложности решаемой задачи. При увеличении количества признаков количество наблюдений возрастает нелинейно, эта проблема носит название "проклятие размерности". При недостаточном количестве данных рекомендуется использовать линейную модель.

Аналитик должен определить количество слоев в сети и количество нейронов в каждом слое.

Далее необходимо назначить такие значения весов и смещений, которые смогут минимизировать ошибку решения. Веса и смещения автоматически настраиваются таким образом, чтобы минимизировать разность между желаемым и полученным на выходе сигналами, которая называется ошибка обучения.

Ошибка обучения для построенной нейронной сети вычисляется путем сравнения выходных и целевых (желаемых) значений. Из полученных разностей формируется функция ошибок.

Функция ошибок - это целевая функция, требующая минимизации в процессе управляемого обучения нейронной сети. С помощью функции ошибок можно оценить качество работы нейронной сети во время обучения. Например, часто используется сумма квадратов ошибок

От качества обучения нейронной сети зависит ее способность решать поставленные перед ней задачи.

Переобучение нейронной сети

При обучении нейронных сетей часто возникает серьезная трудность, называемая проблемой переобучения (overfitting).

Переобучение, или чрезмерно близкая подгонка - излишне точное соответствие нейронной сети конкретному набору обучающих примеров, при котором сеть теряет способность к обобщению.

Переобучение возникает в случае слишком долгого обучения, недостаточного числа обучающих примеров или переусложненной структуры нейронной сети.

Переобучение связано с тем, что выбор обучающего (тренировочного) множества является случайным. С первых шагов обучения происходит уменьшение ошибки. На последующих шагах с целью уменьшения ошибки (целевой функции) параметры подстраиваются под особенности обучающего множества. Однако при этом происходит "подстройка" не под общие закономерности ряда, а под особенности его части - обучающего подмножества. При этом точность прогноза уменьшается.

Один из вариантов борьбы с переобучением сети - деление обучающей выборки на два множества (обучающее и тестовое).

На обучающем множестве происходит обучение нейронной сети. На тестовом множестве осуществляется проверка построенной модели. Эти множества не должны пересекаться.

С каждым шагом параметры модели изменяются, однако постоянное уменьшение значения целевой функции происходит именно на обучающем множестве. При разбиении множества на два мы можем наблюдать изменение ошибки прогноза на тестовом множестве параллельно с наблюдениями над обучающим множеством. Какое-то количество шагов ошибки прогноза уменьшается на обоих множествах. Однако на определенном шаге ошибка на тестовом множестве начинает возрастать, при этом ошибка на обучающем множестве продолжает уменьшаться. Этот момент считается концом реального или настоящего обучения, с него и начинается переобучение.

53. История и философия компьютерных наук (информатики). Машина Тьюринга. Архитектура фон-Неймана

1901 г. В Эгейском море возле острова Антикитера найдено затонувшее судно, в трюме которого обнаружены какие-то бронзовые механизмы.

В 1951 г. на эти механизмы обратил внимание Солла Прайс и понял, что они представляют собой механизм, позволяющий моделировать движение Солнца и Луны вокруг Земли. Удалось установить время создания механизма: 87 г. до новой эры.

В 2006 г. с помощью рентгена удалось разобрать около 2000 греческих символов и понять, что механизм позволял давать картину движения ещё Марса, Юпитера и Сатурна, т.е. представлял собой то, что позже, уже в ХХ веке, назовут аналоговым компьютером.

В 1618?1630 гг. появились логарифмические линейки (прямолинейные и круговые). 1618 г. отмечен появлением логарифмической линейки Эдмунда Гюнтера (1581?1626), с 1619 г. профессора астрономии в Грешем колледже.

В 1630 г. Уильям Отред (1574?1660) предложил сдвигать центральную часть линейки.

В 1623 г. Вильгельм Шиккард (1592?1635) в Тюбингене строит ПЕРВУЮ вычислительную машину для Кеплера (1571?1630), отправив тому письмо с описанием машины. Письмо дошло, а вот машина сгорела на почте.

В 1642 г. Блез Паскаль (1623?1667) строит для своего отца вычислительную машину, похожую на современный кассовый аппарат (для сложения и вычитания 6?8-значных чисел).

В 1672 г. Готфрид Вильгельм Лейбниц (1646?1667) строит вычислительную машину, которая не только могла суммировать, но и умножать и делить.

XVIII век шло усовершенствование этих машин.

В 1820 г. француз Шарль Томас (1785?1870) получает французский патент на производство «арифмометра». Выпущено 1500 арифмометров.

В 1876 г. швед Теофил Однер сконструировал удобный арифмометр, а в 1886 г. строит в Петербурге фабрику по производству арифмометров. До 1917 г. выпущено 30 тыс. штук.

В 1810 г. француз Жозеф Жаккар (1752?1834) применил для смены управления ткацким станком ПЕРФОКАРТУ.

В 1822 г. Чарлз Бэббидж (Charles Babbage: 1791?1871) построил малую разностную машину для вычисления таблиц логарифмов и тригонометрических функций. Большую разностную машину Бэббидж построить не сумел, но задумал построить другую машину, в которой было 4 части, названные им:

а) склад (store) - память;

б) мельница ( mill) - часть процессора;

в) управление (control) ? на основе перфокарт;

г) устройство ввода и вывода.

В 1833 г. Бэббидж знакомится с Адой Лавлейс (1815?1852) - дочерью поэта Байрона, которая для него начала писать программы.

Предыстория современных компьютеров (почти первое поколение компьютеров):

С 1938 г., последовательно в 1940 г., 1941 г. и, наконец, в 1945 г., немецкий инженер Конрад Цузе (1910?1995) строит постепенно улучшающиеся компьютеры Z1, Z2, Z3 , Z4. Последний компьютер можно назвать уже в полном смысле компьютером первого поколения. Им оснащались головные части ракеты Фау-2.

В 1941 г. американцы Джон Атанасов (1903?1995) и Клиффорд Берри (1918?1963) построили в Эймсе (штат Айова) первый в США компьютер АВС. В июне 1941 г. Джон Моучли, получив от Атанасова проект АВС, начинает строительство собственного компьютера для военных целей, ENIAC. Закончено строительство в феврале 1946 г.

В 1939 г. англичане под руководством Алана Тьюринга начинают строительство собственного компьютера, в первую очередь предназначенного для расшифровки немецких сообщений военного и дипломатического характера. Компьютер «Colossus» был достроен в 1943 г. Все компьютеры имели структуру, близкую к машине Бэббиджа,

т.е. блок управления, запоминающее устройство, арифметикологическое устройство со встроенными устройствами ввода и вывода. При этом блок управления осуществляет управление и даёт командные импульсы; запоминающее устройство хранит числа и команды; арифметико-логическое устройство выполняет арифметические и логические операции. Обоснование такой структуры (архитектуры) компьютеров дал Джон фон Нейман (1903?1957). Он же построил в 1952 г.собственный компьютер EDVAC.

ПЕРИОДИЗАЦИЯ

* Преднулевое поколение компьютеров (100 г. до н. э. ? 1623 г.).

* Нулевое («механическое») поколение компьютеров (1623?1939/40).

* Первое («ламповое») поколение компьютеров (1940/41 - 1951).

* Второе («транзисторное») поколение компьютеров (1952-1965).

* Третье («интегральных схем») поколение компьютеров (1965?1980).

* Четвертое («сверхбольших интегральных схем») поколение суперкомпьютеров (1980 1990).

* Пятое поколение компьютеров для обработки баз знаний и работы со сверхбольшими базами знаний (1990-2000).

* Шестое поколение: оптоэлектронные и биокомпьютеры (2000- 2010).

* Седьмое поколение: молекулярные и квантовые компьютеры (2010 - по настоящее время).

Интерес со стороны информатики к философии связан с понятием "информация". Закономерности, полученные в ходе исследования этого понятия (в теории информации, теории сложности, теории коммуникации), имеют принципиальное значение для теории познания. Этим, в свою очередь, можно объяснить интерес самой философии к информатике и реализации ее теоретической базы в виде компьютерных технологий. Кроме этого, результаты осмысления применения и распространения компьютерных технологий выводят к общим философским проблемам техники.

Институционально информатика оформляется в основном на базе вычислительных лабораторий различных университетов во второй половине XX в. Так, например, в Оксфорде из университетской компьютерной лаборатории (Oxford University Computing Laboratory), основанной в 1957 г., к 1977 г. выделяются две исследовательские группы: численного анализа и программирования, которые к 1993 г. перемещаются в институт математики, а в 2011 становятся отделением компьютерных наук. В Стэнфорде отделение компьютерных наук (Stanford Computer Science Department), основанное в 1965 г., изначально сосредоточивает свои исследования частично на инженерных разработках, частично на разработках программного обеспечения, системной инженерии, символьных системах. В Массачусетском технологическом институте факультет инженерной электроники и компьютерных наук (Electrical Engineering & Computer Science) основан в 1960-е гг. на базе отделения инженерной электроники, созданного в 1902 г.

В России факультеты и отделения, связанные с информатикой, создаются также на базе математических факультетов. Факультет вычислительной математики и кибернетики в 1970 г. создается в Московском государственном университете, при этом под вычислительной математикой понимается теория численных методов и алгоритмов решения типовых математических задач. В Московском физико-техническом институте создаются кафедры вычислительной математики - в 1967 г., радиотехники и телекоммуникаций - в 1953 г. В Нижегородском государственном университете факультет вычислительной математики и кибернетики, начавший подготовку по направлению "прикладная математика", появляется в 1963 г. В Новосибирском государственном университете на механико-математическом факультете кафедра теоретической кибернетики создается в 1965 г.

Философские проблемы информатики и компьютерных наук

Антропологический принцип истолкования понятия «информация» до последнего времени удовлетворительно работал в самых разнообразных областях человеческого знания. Однако в связи с широким внедрением вычислительной техники все чаще дают о себе знать его недостатки.

Во-первых, подход к информации как к сведениям не позволяет адекватно

интерпретировать информационные процессы в таких объектах, как компьютерные программы, компьютерные сети, системы искусственного интеллекта, где процессы получения и преобразования информации могут проходить без этапа осмысления их человеком.

Во-вторых, в рамках антропологического подхода невозможно найти адекватного объяснения генетической информации живой природы. В связи с этим возникает потребность расширения предметного поля понятия информации, в которое, наряду с обменом сведениями между человеком и человеком, следует включить также подобный обмен между человеком и автоматом, автоматом и автоматом, обмен сигналами в животном и растительном мире, передача признаков от клетки к клетке.

В современном обществе процессы информатизации приобретают глобальный характер. Информатика, электронная вычислительная техника, автоматизированные системы определяют магистральные направления развития и эффективность производства и технологий, проектно-конструкторских разработок и научных исследований.

Компьютеры существенно преобразуют содержание и характер труда и обучения, по-новому ставят проблемы развития человеческого интеллекта и личности, оказывают серьезное влияние на мировоззрение человека. Осмысление социальных, интеллектуальных и культурных последствий массового внедрения информационных технологий составляет важнейшую задачу современной философии.

Философские проблемы современной информатики включают в себя гносеологические, онтологические, антропологические, этические, культурологические, социально-исторические аспекты.

Одной из серьезных гносеологических проблем, ставшей особенно актуальной в связи с развитием информатики, является проблема соотношения мышления человека и машинного мышления, т.н. «искусственного интеллекта». Искусственный интеллект -- это метафорическое название комплексного научного направления, которое объединяет представителей различных областей знания и ставит своей целью создание программно-аппаратных средств компьютеров, позволяющих:

-- имитировать на компьютере отдельные элементы творческого процесса;

-- автоматизировать целенаправленное поведение роботов;

-- обеспечивать диалоговое общение с компьютером;

-- создавать системы, работа которых опирается на знания, формируемые экспертами.

Машина Тьюринга

В 1936 г. Аланом Тьюрингом для уточнения понятия алгоритма был предложен абстрактный универсальный исполнитель. Его абстрактность заключается в том, что он представляет собой логическую вычислительную конструкцию, а не реальную вычислительную машину. Термин «универсальный исполнитель» говорит о том, что данный исполнитель может имитировать любой другой исполнитель. Например, операции, которые выполняют реальные вычислительные машины можно имитировать на универсальном исполнителе. В последствие, придуманная Тьюрингом вычислительная конструкция была названа машиной Тьюринга. Кроме того, предполагается, что универсальный исполнитель должен уметь доказывать существование или отсутствие алгоритма для той или иной задачи.

Машина Тьюринга состоит из бесконечной в обе стороны ленты, разделенной на ячейки, и автомата (головки), которая управляется программой. Программы для машин Тьюринга записываются в виде таблицы, где первые столбец и строка содержат буквы внешнего алфавита и возможные внутренние состояния автомата (внутренний алфавит). Содержимое таблицы представляет собой команды для машины Тьюринга. Буква, которую считывает головка в ячейке (над которой она находится в данный момент), и внутренне состояние головки определяют, какую команду нужно выполнить. Команда определяется пересечением символов внешнего и внутреннего алфавитов в таблице.

Чтобы задать конкретную машину Тьюринга, требуется описать для нее следующие составляющие:

Внешний алфавит. Конечное множество (например, А), элементы которого называются буквами (символами). Одна из букв этого алфавита (например, а0) должна представлять собой пустой символ.

Внутренний алфавит. Конечное множество состояний головки (автомата). Одно из состояний (например, q1) должно быть начальным (запускающим программу). Еще одно из состояний (q0) должно быть конечным (завершающим программу) - состояние останова. Таблица переходов. Описание поведения автомата (головки) в зависимости от состояния и считанного символа. Автомат машины Тьюринга в процессе своей работы может выполнять следующие действия: Записывать символ внешнего алфавита в ячейку (в том числе и пустой), заменяя находившийся в ней (в том числе и пустой).

Передвигаться на одну ячейку влево или вправо.

Менять свое внутреннее состояние.

Одна команда для машины Тьюринга как раз и представляет собой конкретную комбинацию этих трех составляющих: указаний, какой символ записать в ячейку (над которой стоит автомат), куда передвинуться и в какое состояние перейти. Хотя команда может содержать и не все составляющие (например, не менять символ, не передвигаться или не менять внутреннего состояния).

Архитектура фон-Неймана

1946 году Д. фон Нейман, Г. Голдстайн и А. Беркс в своей совместной статье изложили новые принципы построения и функционирования ЭВМ. В последствие на основе этих принципов производились первые два поколения компьютеров. В более поздних поколениях происходили некоторые изменения, хотя принципы Неймана актуальны и сегодня.

По сути, Нейману удалось обобщить научные разработки и открытия многих других ученых и сформулировать на их основе принципиально новое.

Принципы фон Неймана

· Использование двоичной системы счисления в вычислительных машинах. Преимущество перед десятичной системой счисления заключается в том, что устройства можно делать достаточно простыми, арифметические и логические операции в двоичной системе счисления также выполняются достаточно просто.

· Программное управление ЭВМ. Работа ЭВМ контролируется программой, состоящей из набора команд. Команды выполняются последовательно друг за другом. Созданием машины с хранимой в памяти программой было положено начало тому, что мы сегодня называем программированием.

· Память компьютера используется не только для хранения данных, но и программ. При этом и команды программы и данные кодируются в двоичной системе счисления, т.е. их способ записи одинаков. Поэтому в определенных ситуациях над командами можно выполнять те же действия, что и над данными.

· Ячейки памяти ЭВМ имеют адреса, которые последовательно пронумерованы. В любой момент можно обратиться к любой ячейке памяти по ее адресу. Этот принцип открыл возможность использовать переменные в программировании.

· Возможность условного перехода в процессе выполнения программы. Не смотря на то, что команды выполняются последовательно, в программах можно реализовать возможность перехода к любому участку кода.

· Самым главным следствием этих принципов можно назвать то, что теперь программа уже не была постоянной частью машины (как например, у калькулятора). Программу стало возможно легко изменить. А вот аппаратура, конечно же, остается неизменной, и очень простой.

54. Развитие компьютерных наук в России. В.М. Глушков и система ОГАС

В современной историографии выдающихся советских ученых А. И. Китова и В. М. Глушкова, благодаря их фундаментальному вкладу в создание электронно-вычислительной техники и ее применение, часто называют пионерами кибернетической науки.

Основными работами А. И. Китова в 1950-х гг. являются монографии «Электронные цифровые машины» и «Электронные вычислительные машины»; статьи «Основные черты кибернетики» и «Техническая кибернетика»; брошюра «Электронные вычислительные машины»; два письма Н. С. Хрущеву о внедрении вычислительной техники в управление экономикой СССР. Обращаясь к рассмотрению наследия ученых, отметим, что фундаментальная монография 1956 г. А. И. Китова «Электронные цифровые машины» представляет собой введение в область техники электронных цифровых вычислительных машин и дает общие сведения об их устройстве, методике подготовки и программировании математических задач. Описываются возможности применения машин для решения различных логических задач и целей автоматического управления, прежде всего производственными процессами. Впервые А. И. Китов сказал о возможности автоматизации административно-хозяйственного управления в 1956 г.

В конце июня 1959 г. руководством страны было принято решение утвердить внедрение радиоэлектронной техники во все отрасли народного хозяйства. Однако главное предложение о создании автоматизированной системы управления экономикой всей страны на базе общегосударственной сети вычислительных центров поддержаны не были. Проект предусматривал объединить в Единую государственную сеть вычислительных центров все имеющиеся в стране ЭВМ для решения как народно-хозяйственных, так и оборонных задач (в мирное время). При возникновении чрезвычайных ситуаций (военного положения) сеть должна была полностью переключаться на решение оборонных задач. А. И. Китов называл эту общенациональную сеть ЭВМ сетью вычислительных центров «двойного использования» или «двойного назначения»: народно-хозяйственного и военного.

Глушков предложил ОГАС в 1962 году в качестве трехуровневой сети с компьютерным центром в Москве, до 200 центров среднего уровня в других крупных городах и до 20 000 локальных терминалов в экономически значимых местах, обменивающиеся информацией в реальном времени с использованием существующей телефонной сети. Структура также позволит любому терминалу взаимодействовать с любым другим. Далее Глушков предложил использовать систему для перевода Советского Союза в новый тип экономики, используя систему электронных платежей. Проект провалился, потому что просьба Глушкова о финансировании 1 октября 1970 г. была отклонена.

Основные принципы построения автоматизированных систем организационного управления (АСОУ) и принципы построения ОГАС изложены В. М. Глушковым в главе 3 «Автоматизированные системы» его книги «Введение в АСУ». Построение АСОУ базируется на следующем:

1. Принцип новых задач - изменение методов управления в соответствии с новыми огромными возможностями ЭВМ;

2. Принципе комплексного (системного) подхода - проектирование АСОУ должно основываться на системном анализе как объекта, так и системы управления им;

3. Принцип первого руководителя - совершенно необходимо, чтобы заказ на АСОУ, а также ее разработка и внедрение производились под непосредственным руководством первого руководителя объекта (завода, министерства и др.);

4. Принцип максимальной разумной типизации проектных решений - исполнитель обязан стремиться к тому, чтобы предлагаемое им решение подходило максимально широкому кругу заказчиков;

5. Принцип непрерывного развития системы - по мере развития как экономики в целом, так и отдельного предприятия, совершенствуются старые и возникают новые задачи управления;

6. Принцип автоматизации документооборота - документооборот между органом управления и объектом управления осуществляется через ЭВМ;

7. Принцип единой информационной базы - на машинных носителях накапливается (и постоянно обновляется) информация, необходимая для решения всех задач управления, при этом исключается неоправданное дублирование информации, которое неизбежно возникает, если первичные информационные массивы создаются для каждой задачи отдельно;

8. Принцип комплексности задач и рабочих программ - большинство задач управления являются комплексными и не могут быть сведены к простой арифметической сумме мелких задач;

9. Принцип специализации (системной ориентации) операционных систем - потоки задач и данных упорядочены;

10. Принцип минимизации ввода и вывода информации - ввод/вывод информации является узким местом для ЭВМ, необходимо переходить на машинный документооборот;

11. Принцип ввода изменений - введение не всей информации для решаемых задач целиком, а обновлении информации в процессе регулярной работы сильно уменьшит нагрузку на вводные устройства;

12. Принцип совмещения подготовки документов первичного материального учета и первичных финансовых документов с приготовлением соответствующих машинных документов;

13. Принцип согласования пропускных способностей отдельных частей системы.

Помимо обычных территориальных подсистем, в системе должен был существовать единый центр принятия решений, расположенный в непосредственной близости от места сосредоточения центральных органов управления. В случае изменений структура ОГАС остается прежней, а изменится ведомственная принадлежность абонентов. Основными абонентами ОГАС являются АСУ крупных промышленных предприятий и объединений, вычислительные центры (ВЦ), сеть ВЦ, кустовые ВЦ мелких организаций, информационно-диспетчерские пункты (ИДП). Общее требование к составу информации на низовом звене (построение информационной базы ОГАС) заключается в том, что она должна быть полной, объективной и своевременной. В информационную базу должен быть включен перспективный план-прогноз развития отрасли в динамическом представлении, а также планы на более короткие периоды (5 лет и 1 год), специальный массив должен быть отведен для различных постановлений, приказов и распоряжений.

Взгляды Китова и Глушкова на организацию экономической системы государства были, безусловно, новаторскими и даже революционными в рамках советской парадигмы. Внедрение подобной системы могло бы ускорить обмен информации, сократить «лаг» при принятии управленческих решений, снизить транзакционные издержки. Однако, затраты на проект также требовались колоссальные - больше, чем на космическую программу СССР того времени. С другой стороны, создаваемая ими концепция несла в себе все те же пороки плановой экономической системы, которая существовала в СССР. Сокращая транзакционные издержки и время обработки информации, предлагаемая система не выстраивает более эффективные контуры взаимодействия с мировой экономикой, не развивает проблему реакции народного хозяйства на ценовые сигналы и изменение спроса, не имеет возможности к саморегуляции. Однако, применение подобной архитектуры планирования возможно реализовать в рамках крупных корпораций, в государственном секторе экономики и при реализации масштабных проектов.

55. Философско-экономические и управленческие взгляды Н. Талеба. Роль риска и случайности в менеджменте. Понятие антихрупкости

Талиб Нассим Николя - американский писатель, статистик и бывший трейдер и риск-менеджер ливанского происхождения. Основная сфера научных интересов -- изучение влияния случайных и непредсказуемых событий на мировую экономику и биржевую торговлю.

В своих трудах Н. Талеб учит идентифицировать и фильтровать чушь, отличать теорию от практики, поверхностную компетентность от настоящей. Он наполняет новым смыслом привычные понятия, такие как «справедливое общество», «профессиональный успех», «личная ответственность», и не боится задеть эго признанных кумиров, среди которых апологеты военного вмешательства, инвесторы рынка ценных бумаг и религиозные проповедники. На примерах Хаммурапи, Дональда Трампа и других выдающихся личностей Талеб показывает, что самое важное качество, объединяющее прославленных героев, беззаветных святых и гениальных бизнесменов, - не переносить риск на других. «Я люблю, когда меня удивляют. В соответствии с принципом взаимной выгоды я зову читателя в путешествие, которое понравилось бы мне самому» - гласит девиз книги «Рискуя, собственной шкурой».

Говоря о риске в менеджменте, Талеб выделяет 4 основных проблемы:

· неопределенность и достоверность знаний (практических и научных - между ними есть разница), или, выражаясь грубее, распознавание чуши;

· симметрия в отношениях между людьми: честность, справедливость, ответственность и взаимная выгода;

· распределение информации при взаимодействии;

· рациональность в сложных системах и реальном мире.

Далее он уточняет, что то, что эти четыре темы невозможно рассматривать отдельно, делается предельно ясно, когда вы ставите на кон… свою шкуру. И затем приводит пример, что когда вы говорите человеку, на котором лежит ответственность, скажем, вашему бухгалтеру: «Я вам доверяю», - вы имеете в виду, что:

· вы доверяете его порядочности (он не переведет деньги в Панаму);

· вы доверяете его бухгалтерской точности;

· то и другое?

Отсюда можно сделать вывод, что в реальном мире сложно отделить этику, с одной стороны, и знания и умения - с другой.

Талеб дает совет: «Слушайте советы того, кто зарабатывает на жизнь советами, только если он, давая совет, чем-то рискует».

Вокруг нас всегда есть и дураки от случайности, и мошенники от случайности (то есть неопределенности): первым не хватает понимания, вторыми движут извращенные мотивы. Первый, дурак, берет на себя риск, которого не понимает, принимая прошлые удачи за умения; второй, мошенник, переносит риск на других.

Рассмотрим в деталях идею агента, или посредника, известную и неплохо изученную страховыми компаниями. Говоря просто, вы знаете о своем здоровье куда больше, чем любой страховщик. Когда вы замечаете признаки болезни, о которой никто, кроме вас, не знает, у вас появляется стимул застраховаться. Приобретая страховку, когда это вам нужно, а не когда вы здоровы, вы берете от системы больше, чем в нее вкладываете, и увеличиваете расходы ни в чем не повинных людей (опять же, специалистов по испанской грамматике). Для устранения дисбаланса у страховых компаний есть фильтры, скажем высокая франшиза.

Он также выражает сомнения относительно прогнозов, говоря, что прогноз, особенно когда он сделан «по науке», часто оказывается последним убежищем шарлатана. Он также выражает мысль о том, что в жизни важно не то, часто ли вы бываете «правы» в своих прогнозах, а то, сколько вы, будучи правым, зарабатываете.

Кроме того, по мнению Талеба, ставить шкуру на кон необходимо не только для того, чтобы быть честным, финансово успешным, управлять рисками; это необходимо для того, чтобы понимать мир.

Так, он приводит пример современных представителей Госдепа США, которые помогали создавать, обучать и поддерживать исламистских повстанцев, в то время «умеренных», а впоследствии развившихся в часть «Аль-Каиды»5, которая 11 сентября 2001 года взорвала нью-йоркские башни. Он подчеркивает следующие их ошибки, как управленцев:

· эти люди не способны думать на шаг вперед и не ведают, зачем это нужно, - хотя любой крестьянин в Монголии, любой официант в Мадриде, любой оператор автосервиса в Сан-Франциско знает, что реальная жизнь - это второй, третий, четвертый, энный шаг;

· эти люди не способны отличать многомерные проблемы от одномерных репрезентаций;

· эти люди не способны прогнозировать эволюцию тех, кому помогают нападать, и усиление их за счет обратной связи.

А когда доходит до катастрофы, интервенционисты вспоминают о неопределенности, о штуке, названной «Черный лебедь» (неожиданное масштабное событие). Они не понимают, что нельзя шутить с системой, если итог чреват неопределенностью, ну или, в более общем виде, что следует избегать действий, влекущих большие убытки, если исход не гарантирован. Важнее всего здесь то, что убытки интервенциониста не касаются. Он продолжает действовать из загородного дома с регуляцией теплового режима, гаражом на две машины, собакой и маленькой игровой площадкой, на которой растет трава без пестицидов, чтобы сверхзащищенным 2,2 ребенка не дай бог не был нанесен какой-либо вред.

В итоге мы получаем тех, кого называем интеллектуалами, - людей, живущих в бреду, буквально умственно отсталых просто потому, что им не нужно платить за последствия своих действий; они повторяют выхолощенные современные лозунги (скажем, твердят о «демократии», поощряя головорезов; демократия - то, о чем они читали, когда учились в университете). Вообще, когда человек употребляет абстрактные современные словечки, можно сделать вывод, что он получил какое-то образование (но недостаточное или не по той специальности) - и ни перед кем ни за что не отвечает.

В свою очередь, Талеб приводит исторические примеры диктаторов, которые сами были поджигателями войны и одновременно воинами - и, за несколькими любопытными исключениями, общества управлялись теми, кто принимает риск, а не теми, кто навязывает его другим (Александр Македонский и Наполеон). Он также предлагает задуматься, сколько известных императоров умерло от старости… Даже сегодня монархи черпают легитимность из общественного договора, требующего физического риска. Британская королевская семья пошла на то, чтобы на Фолклендской войне 1982 года молодой принц Эндрю рисковал больше «простолюдинов» и его вертолет был на линии огня.

Кое-кто думает, что, освободившись от воинов-правителей, мы обретем цивилизацию и прогресс. Не обретем. В то же время: Бюрократия - это конструкция, удобно отделяющая человека от последствий его действий.

Отсюда возникает необходимость децентрализации системы и распределения ответственности. Иначе система, в которой нет механизма шкуры на кону, по мере накопления расбалансировки в конце концов рухнет и таким образом сама себя отремонтирует. Если выживет.

Пример - бизнес Боба Рубина. Он был министров финансов США, который благодаря спас Ситибанк от краха за счет вложений налогоплательщиков. Сам при этом, не участвуя ни одним долларом из собственного кармана.

Но есть и обратная сторона отсутствия риска собственной шкурой. Мы не имеем возможности учится на ошибках, а значит не эволюционируем. Но есть и более личностное последствие: система сама избавляется от тех, кто не рискует собственной шкурой (пилоты-неудачники самолетов, которые вместе со своими жертвами пассажирами лежат на дне Атлантического океана).

Талеб противопоставляет современные государства и их законы законам древних государств, например, законам Хаммурапи. Самое знаменитое предписание Хаммурапи таково: «Если строитель построил человеку дом и свою работу сделал непрочно, а дом, который он построил, рухнул и убил хозяина, то этот строитель должен быть казнен». Сегодня архитекторы скрываются под названиями фирм и сами не предпочитают жить в домах, которые они строят. Кроме того, хранят деньги на островах, чтобы в случае Черного лебедя оказаться далеко от случившегося и не нести ответственности.

Также Талеб приводит пример одного своего знакомого английского банкира, краснорожего алкоголика, который дал ему следующий совет относительно карьеры: «Я даю только долгосрочные кредиты. Когда их надо будет погашать, я хочу быть далеко отсюда. И я хочу, чтобы меня здесь долго не было». Он работал на международные банки и выживал за счет простого трюка: каждые пять лет менял страну; насколько я помню, жену он менял каждые десять лет, банк - каждые двенадцать. Впрочем, прятаться где-то далеко и уходить в глубокое подполье ему не приходилось: до очень недавнего времени никто не требовал у банкиров вернуть бонусы, если впоследствии что-то шло не так. Вполне предсказуемо первыми это начали делать швейцарцы в 2008 году.

И здесь следует обратить внимание на таблицу, в которой приводится эволюция моральной симметрии, которую представлял Талеб на лекции для финансистов в Лувре.

Табл. 2

Приводя этот пример, Талеб говорит о необходимости в повседневной жизни все же следовать серебряному правилу морали: «Не поступайте с другими так, как не хотите, чтобы поступали с вами». Для более точного понимания, он приводит следующий пример: «Нужно обращаться с детьми так, как ты хотел бы, чтобы с тобой обращались родители».

Шкура на кону помогает решить проблему Черного лебедя и другие вопросы неопределенности на уровне как индивида, так и коллектива. Отсюда вытекает идея Антихрупкости: то, что выжило, доказало, что события типа «Черный лебедь» его не берут, если же шкуру на кон не ставить, механизмы отбора работать не будут. Без шкуры на кону мы не поймем Разумность Времени (проявление эффекта Линди), при котором:

1. Время избавляется от хрупкого и оставляет неуязвимое.

2. Ожидаемая продолжительность жизни нехрупкого со временем увеличивается.

Идеи косвенно ставят шкуру на кон, и люди, которые принимают эти идеи на веру, - тоже. По мнению Талеба, в этом кроется идея рациональности. Система, основанная на принципе шкуры на кону, выдерживает и идею самопожертвования с целью защитить весь коллектив или же его компоненты, которые стоят выше по иерархии и должны выжить.

...