Кибернетика, самоорганизация и интеллект

Во взаимодействии самоподдерживающих структур различают два основных вида обмена - коммуникацию и симбиоз. Если с обеих сторон поддерживается полная автономия, то можно говорить о коммуникации. Она возможна лишь там, где область восприятия двух или нескольких систем достаточно совпадает. Коммуникация есть самопредставление системы, созвучное жизненным процессам в другой системе [48]. Следуя физической аналогии, коммуникацию правомерно сравнить с явлением резонанса, в котором осцилляторы стимулируются практически без передачи энергии другим осцилляторам с колебаниями одинаковой собственной частоты. Если же обмен между самоподдерживающими структурами включает существенное взаимное использование продуктов превращения - в форме либо энергии, либо материи, либо информации, то мы можем говорить о симбиозе. При симбиозе каждая система отчасти жертвует своей автономией, но выигрывает участие в вышестоящей системе и в новом уровне автономии, на котором находится вышестоящая система. Все живые организмы характеризуются симбиозом, который может приводить к полной взаимной зависимости двух организмов одного или различных видов. Так как все организмы находятся в отношении симбиоза, эволюция всегда является коэволюцией. Коэволюирующие системы действуют между приспособленностью и неприспособленностью: полная приспособленность и полная неприспособленность смертельны.

Идеи, развитые в теориях М. Эйгена и И. Пригожина, имеют, несомненно, важное методологическое значение. Теория М. Эйгена дает общий принцип отбора и эволюции на молекулярном уровне, основанный на критерии устойчивости стационарных состояний в (нелинейной) термодинамической теории. Она показывает, что объяснение основных принципов эволюции как самоорганизации на молекулярном уровне не требует "новой физики". Скорее оно опирается на принципы, выводимые из уже известных законов и связывающие макроскопические явления с динамическим поведением на элементарном уровне [49]. В частности, введение параметра ценности позволяет развить общую теорию, которая рассматривает возникновение или самоорганизацию "ценной" информации, объединяя тем самым дарвиновскую теорию эволюции с классической теорией информации, а также - после приложения этой концепции к самоорганизации на молекулярном уровне - обеспечивая количественную основу для молекулярной биологии. Теория И. Пригожина о диссипативных структурах, в свою очередь, служит связующим звеном между теорией отбора и термодинамикой необратимых процессов. Рассмотренные в ней общие вопросы (возникновение порядка, роль вероятностных и каузальных событий, зависимость структуры от предыстории, иерархия структур) вытекают из неравновесной термодинамики, примененной к определенным типам нелинейных систем, далеких от равновесия.

Н. Винер развивал идеи самоорганизации применительно к тончайшим механизмам наследственности, прибегая при этом к аналогии с процессом кристаллообразования. Обнаружив, в частности, что организация кристалла - снежинки - обусловлена динамикой ее колебаний, и установив, что некоторые комплексы нуклеиновых кислот являются кристаллами, Н. Винер отметил, что вибрационные свойства играют большую роль в организации динамических систем более грубой текстуры. Он предположил, что вибрации молекул в комплексах нуклеиновых кислот ответственны за поведение этих комплексов как организованных систем. Рассмотрев процессы самоорганизации в некоторых сообществах животных, Н. Винер констатировал: "Эти явления "захватывания" (или объединения с вовлечением в структуру новых свойств) и "взаимного захватывания" имеют, по-видимому, широкий диапазон в жизненных процессах. Предположение, которое я сделал относительно самоорганизации комплексов нуклеиновых кислот, состоит в том, что молекулярная вибрация подвержена аналогичному "захватыванию"" [50].

Концепция самоорганизации Винера содержит в качестве основного элемента признание колебательно-ритмических процессов, которые в структурном отношении являются общими для различных систем, достигших уровня самоорганизации. Необходимо подчеркнуть, что качественный уровень процессов самоорганизации, происходящих, например, в технических, биологических или других системах, различен. Это обстоятельство, по-видимому, и послужило причиной дифференциации феномена самовоспроизведения у автоматов и кристаллообразования. Одна из трудностей в определении того, что понимать под самовоспроизведением, по мнению Дж. фон Неймана, заключается в том, что некоторые организации, такие, как растущие кристаллы, по любому наивному определению самовоспроизведения будут самовоспроизводящими, однако никому не хочется признавать их такими [51]. Чтобы обойти эту трудность, можно считать, что самовоспроизведение включает в себя не только способность создавать другой организм, подобный оригиналу, но и подвергаться наследственным мутациям.

Самовоспроизведение выступает разновидностью самоорганизации. Понятие самовоспроизведения в данном контексте употребляется для характеристики автоматов, дающих на выходе нечто похожее на них самих. Речь идет об автоматах, способных мидифицировать объекты, подобные себе, или осуществлять синтез, выбирая части и соединяя их друг с другом, или разбирать синтезированные объекты. В процессе самовоспроизведения решающую роль играет свойство сложности, проявляющееся в том, что для каждого автомата имеется критическое число элементарных частей, ниже которого процесс синтезирования вырождается, а выше (при условии правильной организации) приобретает характер взрыва. Другими словами, синтез автоматов может протекать так, что каждый автомат будет создавать другие автоматы, более сложные и обладающие большими, чем он, возможностями.

Самовоспроизведение, понимаемое таким образом, соотнесено с процессами самоусложнения и саморазвития. Действительно, если самовоспроизведение возможно лишь на определенном (критическом) уровне сложности, то система, решающая задачу воспроизведения себе подобных, должна быть "запрограммирована" на самоусложнение и, стало быть, на саморазвитие. Поэтому правомерен вопрос, поставленный в общей и динамической форме, "как может нечто, что кажется простым, самостоятельно стать сложным" [52]. Этот подход показывает, что модели воспроизведения, предложенные Дж. фон Нейманом, содержат сильные ограничения, которые снимаются в процессах воспроизведения естественных автоматов. М. Аптер комментирует этот факт следующим образом: "В моделях фон Неймана новая машина хотя и строится постепенно, шаг за шагом, а не создается готовой в один момент, все же этот рост управляется полностью извне той машиной, которая ее строит. То есть одна машина строит другую машину, а не вторая машина строится сама на основе инструкций, данных ей первой машиной. Конечно, интересно, почему животные самовоспроизводятся не по способу фон Неймана, а развиваются автономно из чего-то на вид гораздо более простого, чем их родители" [53].

Самовоспроизведение как аспект самоорганизации необходимо рассматривать не только структурно, но и генетически. Феномен самовоспроизведения нельзя адекватно истолковать, не привлекая понятий самоусложнения и саморазвития. Последние выражают структурно-генетическое содержание развития определенных материальных форм, модельная идентификация которых в информационно-логическом плане осуществляется, в частности, в теории самовоспроизводящихся автоматов. Понятия самоусложнения и саморазвития, безусловно, имеют и структурный и генетический аспекты. Однако в научной теории определенный аспект того или иного понятия приобретает преобладающее значение. Так, в теории автоматов содержание понятия сложности ограничивается структурно-функциональным выражением.

Под функцией понимается свойство структуры, включающее в себя закономерные отношения между элементами структуры и основанные на них воздействия данной структуры на другие структуры целенаправленного поведения. Анализ соотношения функций и структур приводит к выводу о том, что чем выше уровень организации систем, тем сильнее зависимость структуры от функций. На относительно высоких уровнях организации усиливается самостоятельность и активность функции по отношению к структуре. Основой их единства служит функционирование системы в целом. В кибернетических системах одна и та же функция поведения может соответствовать внутренним структурам системы. Вместе с тем структура и функция системы в одинаковой мере формируют статус ее сложности.

Математическая интерпретация и физическое представление эволюционной теории Ч. Дарвина [54] позволяют считать эту теорию выводимым из физики законом, определяющим самоорганизацию живой природы. В такой интерпретации теория Ч. Дарвина оказывается оптимальным принципом, вытекающим из определенных физических предпосылок, а вовсе не "несводимым" феноменом, относящимся только к биосфере. Подчеркивая необходимость целостных структур развития в эволюционной биологии, Ч. Новиньский пишет: "Путь от положений общей теории эволюции к их подтверждению или отклонению на основе эмпирического материала, а также экспериментальных результатов, идет через ряд редукционных ступеней абстракции" [55]. При этом считается, что непосредственное сведение положений эволюционной теории к генетическому уровню невозможно. Ибо механизмы биологической эволюции изменяются в ходе развития жизни на Земле. В качестве теории, представляющей эволюционный процесс как целостное развитие, называется теория И. И. Шмаль-гаузена [56]. Согласно ей весь процесс эволюции приобретает характер самоорганизации в том смысле, в каком последняя понимается в кибернетике.

Таким образом, современные теории самоорганизации материи на молекулярном уровне, описывающие механизмы перехода от неживой материи к живой, исходят из биофизических интегративных концепций, позволяющих с введением новых понятий модифицировать и формально обобщить те принципы дарвинизма, которые сложились в эволюционной биологии. Подобные теории, однако, построены на том, что достаточно высокая сложность биологически эволюционирующих систем - популяций живых организмов - пока делает проблематичным построение физической теории эволюции в целом. Поэтому реализуется возможность рассмотрения более простых моделей и прежде всего молекулярной добиологической эволюции. Появились также работы, дающие генетическую интерпретацию основных вопросов эволюционного учения. Одна из них - монография С. Оно [57]. В ней приведено, в частности, генетическое истолкование такого явления, как естественный отбор, основанное на изучении проблемы избыточности генетического материала в геноме высших организмов. Основная мысль С. Оно заключается в том, что появление новых функций в организме невозможно без избыточности генного материала в геноме. Концепция генетической избыточности в этой работе доминирует. Заметим, что понятие избыточности в современной литературе имеет общенаучный смысл. В точном значении оно возникло в теории информации. Первоначально этот термин относился к повторению знаков при передаче сообщений по каналу с шумом и обозначал степень помехоустойчивости этого процесса. Позднее кибернетика придала понятию избыточности предельно общий смысл, наделив его статусом системного понятия, применимого к любым достаточно сложным образованиям и обозначающего необходимые условия их надежного функционирования и развития.

В монографии С. Оно избыточность как понятие молекулярной биологии и генетики соотносится с ключевым вопросом эволюционной теории - о роли естественного отбора в эволюции. С. Оно соглашается с тем, что благодаря естественному отбору живые организмы могли приспосабливаться к изменяющимся условиям среды, и в результате адаптивной радиации от общего предка возникло множество новых видов. При этом он приходит к выводу о том, что "естественный отбор, неся как бы охранительную функцию, по своей природе крайне консервативен. Если бы эволюция целиком и полностью зависела только от естественного отбора, то от бактерий произошли бы лишь многочисленные формы бактерий" [58]. Появление многоклеточных животных, позвоночных и, наконец, млекопитающих из одноклеточных организмов, как считает С. Оно, было бы в этом случае совершенно невозможно, поскольку для таких грандиозных эволюционных скачков необходимо возникновение новых генов с новыми, ранее не существовавшими функциями. Избежать безжалостного давления естественного отбора смогли только те цистроны, которые стали избыточными. Благодаря этому в них накапливались ранее запрещенные мутации, превращавшие их в новые гены [59]. В этом смысле эволюция есть не что иное, как результат постепенного накопления генетических изменений в геномах растений и животных. В то же время естественный отбор только потому и может действовать, что особи, входящие в состав отдельных популяций, обнаруживают некоторое генетическое разнообразие. Поэтому "в качестве основной движущей силы эволюции выступает дупликация генов. Только тогда, когда в результате дупликации возникает избыточный локус, появляется возможность накопления ранее запрещенных мутаций и возникает новый ген с ранее неизвестной функцией" [60].

Процесс дупликации генов дает возможность избежать давления естественного отбора. В результате дупликаций создаются избыточные копии генов. Естественный отбор часто игнорирует изменения в избыточных копиях, благодаря чему в них накапливаются ранее запрещенные мутации и возникает новый ген с не существовавшей ранее функцией. Оценить значение дупликаций генов стало возможно после того, как была выяснена природа генетического кода. Естественный отбор может элиминировать запрещенные мутации и эффективно охранять последовательность ДНК в цистронах тогда, когда в геноме содержится только по одной копии каждого гена. В тех же случаях, когда ген представлен большим числом копий, охранительная деятельность естественного отбора перестает быть эффективной. Подобно тому, как мутации возникают вследствие ошибок при репликации ДНК, дупликации генов также появляются как редкие ошибки митотических и мейотических процессов.

Итак, концепция С. Оно основана на избыточности генетического материала и ее функциональном значении в эволюции. Избыточность в этой концепции выступает как механизм и основа самоорганизации, позволяющая избежать консервативного влияния естественного отбора, "работающего лишь на нужды сегодняшнего дня". В этом отношении концепция С. Оно примыкает к теориям М. Эйгена и И. Пригожина, отличаясь от них, очевидно, тем, что она обращена к явлениям макроэволюции, а это в математически строгих теориях М. Эйгена и И. Пригожина еще недостижимо. Идеи С. Оно ориентированы на биологию развития, центральная проблема которой - действие генов в онтогенезе. Происходит перенос центра тяжести с бактериальных и фаговых систем на изучение молекулярно-генетических процессов высших организмов с присущим им сложным циклом развития, одним из атрибутов которого выступает процесс дифференцировки.

Образование пространственной дифференцировки как явления самоорганизации в онтогенезе остается, однако, необъясненным, несмотря на замечательные успехи в генетике и в биохимии нуклеиновых кислот. Это понятно, если учесть, что рассмотренные проблемы являются комплексными. Состояние разработанности последних свидетельствует о том, что общие биологические закономерности нельзя понять, не выходя за их пределы.

Таким образом, основные эвристические понятия рассмотренных теорий - это понятия самоорганизации, ценности информации, диссипативной структуры, избыточности и так далее, содержащие существенно кибернетический аспект. То же можно сказать об идеях и методах данных теорий. Последние опираются, например, на представления биофизических явлений машинами Тьюринга, на построение сложных и точных химических сетей передачи информации и т.д. М. Эйген пишет: "Эволюцию на молекулярном уровне можно считать некой игрой, в которой разум игрока заменен селективным "инстинктом", призванным содействовать выживанию среди хаотически проявляющихся воздействий внешнего мира. Поэтому мы считаем, что теория игр... является ключом к любому дальнейшему обобщению теории эволюции" [61]. Качественный анализ информационных генетических систем управления включает выделение элементов и подсистем, механизмов памяти, потоков информации, выяснение их свойств и функций, путей эволюции и обусловленных ими общих свойств генетических систем. Используются и генетико-лингвистические аналогии.

Предпосылки самоорганизации, которые обычно рассматриваются в той или иной науке (биологии, химии, физике), носят комплексный характер; причем синтезирующая роль по отношению к разнокачественной проблематике в этой области принадлежит понятиям и принципам кибернетики [62]. Характерно, что понятие самоорганизации помогает разъяснению многих проблем, связанных с искусственным интеллектом, машинизацией мышления, автоматизацией восприятия, усилением мыслительных способностей, с машинами для индуктивного вывода, с клеточной организацией, ростом, эволюцией и т.д. Поэтому можно считать, что не только к многочисленным феноменам самоорганизации, но и к предпосылкам собственно самоорганизации (как явления возникновения жизни) следует подходить в известном смысле как к проблемам биокибернетики. Если по признанию специалистов в области биофизики высокая сложность биологически эволюционирующих систем делает пока что нереальным построение физической теории эволюции в целом, то с помощью кибернетики эта проблема разрешима. Кибернетика ориентирована на такого рода сложные задачи. Понятие сложности, вызванное первоначально оценкой системы с позиции "из чего она состоит", постепенно с развитием кибернетики эволюционировало до понятия, включающего как структурные, так и функциональные характеристики.

Биофизические концепции самоорганизации материи свидетельствуют о трансспецифичности материальных атрибутов жизни, выявляя тем самым псевдонаучный характер неовиталистического истолкования сущности жизни. Они смещают основание существования биологических наук в сторону биофизических и биокибернетических принципов, создавая методологическую основу для стиля мышления с существенно дедуктивно-аксиоматической ориентацией.

Принципы самоорганизации и природа интеллекта

Поведение биологических объектов отличается от поведения существующих ЭВМ наличием процессов самоорганизации. Принципы самоорганизации (в особенности эвристической самоорганизации) служат методологическим базисом в восхождении от абстрактных постулатов к конкретным разработкам проблемы искусственного интеллекта. Это непосредственно относится, например, к области эвристической теории поведения, где "работа по эвристическому программированию характеризуется поисками новых, более мощных эвристических методов для решения сложных задач и мало интересуется тем, какая физическая основа (нервная или иная) была бы минимально достаточна для реализации эвристической программы" [63].

В понимании интеллекта необходимо найти разумный компромисс между требованиями эффективности и надежности. Понятие "эффективный" в общем плане не должно рассматриваться как нечто, противоположное понятию "надежный" [64]. Хотя вполне вероятны ситуации, в которых повышение эффективности управления достигается ценой потери надежности. Если предполагается, что среда почти независима, увеличение эффективности может быть оправдано. Если, однако, среда оказывается "противником", более целесообразно было бы пожертвовать эффективностью ради надежности [65].

При рассмотрении понятия "интеллект" наряду с определением содержания возникает вопрос о его объеме и границах. В связи с этим обсуждается вопрос о верхнем пределе интеллекта. Помимо ограничений, обусловленных свойствами сенсорного и моторного аппаратов, есть ли какие-нибудь фундаментальные аспекты переработки информации, налагающие ограничения на уровень интеллекта любого существа или устройства? Было высказано предположение о том, что пределы разумности некоторого "существа" размером с галактику детерминируются скоростью света, которая вследствие своей конечности приводит к неизбежным запаздываниям в передаче сигналов [66]. Последние, правда, имеют место уже применительно к весьма локальным системам, к современным ЭВМ. Существует также мнение о том, что человеческий ум не приспособлен для понимания поведения социальных образований, относящихся к классу нелинейных многосвязных систем с обратными связями. "Эволюционный процесс, - пишет Дж. Форрестер, - не выработал в нас интеллектуальной способности, необходимой для правильного понимания динамического поведения систем, частью которых мы сами являемся" [67]. .Методы системной динамики дают возможность объединить интуицию и разум человека со способностью ЭВМ прослеживать длинные и запутанные логические цепочки.

Интеллект в известной мере сам себя ограничивает. Это проявляется во взаимодействиях со средой. По мере того как разумная система для принятия решений приобретает все больший контроль над средой, ослабевают требования к оставшейся части задачи. Только новые цели или радикальное изменение среды позволяют полностью обнаружить возможности интеллекта. Наибольшее развитие интеллекта требует непрерывных упражнений с подходящими антагонистическими средами. Аналогично этому духовное развитие человека зависит от возможности дальнейшего совершенствования как модели "самого себя", так и модели внешнего мира. При изучении человеческого мозга "должны быть соотнесены между собой три плоскости исследования: мозг в его отношении к организму, к самому себе (ибо он есть самоорганизующаяся система) и к внешнему миру" [68]. Важнейшей необходимой предпосылкой для развития интеллекта служит способность человека к восприятию и переработке информации.

М. Минский пишет, что рано или поздно мы сможем составить программу, обеспечивающую большую способность решения задач благодаря сложным комбинациям эвристических механизмов - многократной оптимизации, методов распознавания, алгебры планирования, процессов рекурсивного управления и т. п. [69] Но ни в одном из них мы не обнаружим локализацию интеллекта. Далее он замечает, что наша неспособность установить место нахождения интеллекта не должна привести к заключению, что вычислительные машины не могут думать, потому что работают по заданной программе. Ибо и для человека и для машины, если до конца поняты структура и программа, ощущение тайны (а вместе с ним и наше самомнение) исчезнет. Аналогично высказывание К. Штейнбуха: "Если мы откажемся считать функциональные отображения "интеллектуальными" системами, то я сомневаюсь, сможем ли мы тогда вообще найти в чем-либо этот "интеллект". Чтобы быть последовательным, мы должны тогда и человеку отказать в наличии "интеллекта", ибо получается, что понятие "интеллект" мы наделяем какими-то ирреальными свойствами" [70].

Философски более четко, с привлечением понятий диалектического материализма этот вопрос рассмотрен Л. Б. Баженовым [71]. Он, в частности, обращает внимание на то, что мышление является функцией определенным образом организованной системы и детерминировано структурой этой системы. Подчеркивается, что, с гносеологической точки зрения, не знание функции следует из знания структуры, а наоборот, знание структуры является выводом, сделанным в результате все более полного изучения способов функционирования.

В области искусственного интеллекта существуют различные подходы, направленные на овладение принципами естественного интеллекта. Сюда относится направление исследований по созданию перцептронных моделей мозга как сетей из искусственных нейронов, в основе которых лежат нейронные модели Маккаллока-Питтса. Другое направление исследований - попытка промоделировать саму эволюцию с помощью кибернетической машины (в ускоренном масштабе времени). Эта попытка опирается па эксперименты, в которых с использованием идей мутации и избирательного выживания моделируется процесс построения многих поколений машин с конечным числом состояний. Такая линия исследований, направленных на изучение естественного интеллекта, проводится в теории решения интеллектуальных задач, где рассматриваются методы эвристического поиска. Решение задач посредством эвристически направленного метода проб и ошибок в пространстве возможных решений - доминирующая тема в исследованиях по искусственному интеллекту [72].

Система, которая действует и обучается разумно, предстает неадекватной, пока мы, человеческие существа, не можем пос-стичь, как она обучается, не можем следить за развитием ее понятийной структуры. Мы понимаем системы, которые строим, либо потому, что они являются автоматами, выполняющими алгоритмы, либо потому, что (когда системы похожи на нас) они механически вынуждены действовать подобно человеческим существам. "Весьма различные конструкции такого типа систем наиболее естественно взять за образцы искусственного разума... Однако... они ни в коей мере не выражают всех имеющихся здесь возможностей и не могут рассматриваться как нечто наиболее желательное" [73]. По мнению Г. Паска, в конструкции искусственной системы должно быть учтено, что хорошее обучение или тренировка дают обучаемому возможность действовать подобно самоорганизующейся системе.

Некоторые авторы подчеркивают, однако, что неточно называть автоматом машину, работающую без участия человека. Так, И. Б. Новик приводит по этому вопросу следующие аргументы [74].

Во-первых, человек участвует в автоматизированном процессе опосредованно: автоматы - это его овеществленный прошлый труд (даже если один автомат создан другим автоматом и так далее, то и в этом случае исходный автомат создается человеком; человек является, так сказать, "перводвигателем" мира автоматов). Во-вторых, человек участвует в автоматизированном процессе и в качестве решающего управляющего начала: ведь именно человек охватывает весь процесс управления в целом, начиная от его исходного управляющего "импульса". В этом смысле мы можем сказать, что в конечном счете человеку принадлежит "пусковой механизм" автоматов. С этими доводами нельзя не согласиться.

Понятия "автоматический" или "автомат" характеризуют устройства, которые выполняют серию предписанных действий в пределах вмешательства человека. Обычно вмешательство требуется в начале работы, чтобы пустить автомат в ход, и часто в конце, чтобы остановить его работу. Между этими двумя случаями автомат "двигает себя сам". Очевидно, что пуск и остановка кибернетической машины может определяться автономно - внутренней информационной структурой. Старые машины имитировали поведение живых организмов своей способностью к автономному движению. Существенно, что кибернетические устройства моделируют живые существа при помощи своей способности к автономным решениям.

Способность к автономным решениям не означает разрыва со средой. Автономность поведения системы достигается лишь в определенной среде, предполагает связь между системой и средой. Система, способная вести себя автономно и разумно, очевидно, должна состоять из элементов, обладающих определенной структурой и функциональной автономией. В нервной системе человека, например, такая автономия очень сильна. В более общем плане важно заметить, что если части автономны и могут реорганизовываться, если имеются несколько органов, каждый из которых в случае необходимости способен взять на себя управление, то между частями могут развиваться внутренние противоречивые взаимоотношения. Это вновь приводит к проблеме структурно-функциональной сложности организаций с разумным поведением. Естественно принять тезис Дж. Неймана: "Сложность здесь означает не то, как сложен объект, а то, как сложны его целенаправленные действия. В этом смысле объект обладает очень высокой сложностью, если он способен решать весьма трудные и сложные задачи" [75].

В самоорганизующихся системах функциональная организация приобретает решающее значение: в том случае, когда вычислительная машина может самоорганизовываться, способ первоначального соединения элементов не играет большой роли. Поэтому конструкторы перцептрона, например, допускают, чтобы первоначальная структура была случайной, а та структура, которая необходима для распознавания образов, возникла в результате изменений, вызванных правилами поощрения.

Идея полной случайности первоначальной структуры самоорганизующейся системы связана, очевидно, с сильными ограничениями. "Имеются умственные акты, доступные ребенку, но совершенно недоступные для гориллы. Это происходит, возможно, вследствие генетически детерминированных различий в структуре. Дарвиновской эволюции понадобились тысячелетия, чтобы сделать наш мозг способным узнавать образы. Было бы крайне удивительно, если бы случайная сеть приобрела такую способность за несколько часов обучения" [76]. Эти и другие аргументы (рассмотренные выше) позволяют сделать заключение о диалектической взаимосвязи механизмов жесткой детерминации с процессами стохастической оптимизации. Такое сочетание существенно зависит от целевого назначения системы и критериев оптимизации.

Проблема искусственного интеллекта включает в себя вопрос о продолжительности жизни автомата [77]. Принципиальные идеи в этом плане высказаны, в частности, Л. Лёфгреном [78]. Он пришел к выводу о том, что конечное время существования самовосстанавливающихся полностью локализованных автоматов соответствует конечному времени жизни любого растения или животного в природе. Неограниченное время существования самовосстанавливающегося нелокализованного автомата соответствует неограниченному времени (бессмертию) развития человеческого общества.

Проблема искусственного интеллекта сопряжена с анализом симбиоза человека и машины. Большинство ученых признают, что лишь человек, способный творчески мыслить и обладающий интуицией, усиленными кибернетической машиной, может эффективно решать сложные задачи. Иначе говоря, машина - это не альтернатива мышлению человека, а способ расширения его возможностей. Причем взаимодействие человека и машины в условиях кибернетического симбиоза основано на том, что машина не просто сверхмощный и быстродействующий арифмометр, а творение человека, во многих отношениях даже превосходящее его возможности. Так, в теории вычислительных процессов к машине, взаимодействующей с человеком при решении тех или иных задач, предъявляются следующие требования: большой запас знаний и разных сведений (констант), программ решенных задач и т. п., пригодных для непосредственного быстрого и удобного использования в исходной программе; понимание входных языков программирования высоких уровней; быстрый и адекватный ответ на сообщение пользователя; способность к самоорганизации вычислительного процесса, а также к обучению в процессе эксплуатации [79]. Совокупность этих свойств и называют машинным интеллектом - по аналогии с такими признаками человеческого интеллекта, как эрудиция, понятливость, сообразительность, продуктивность и организованность. Способность к самоорганизации вычислительного процесса на основе памяти и обучения выражает коренное свойство машинного интеллекта - экстраполяцию выводов с использованием исходной информации.

В литературе по философским вопросам кибернетики возможность создания искусственного интеллекта ставится в зависимость от решения проблемы самоорганизации. При этом обычно отмечается, что самоорганизацией в строгом смысле обладают лишь живые существа. Автоматы современного типа, не отличающиеся подлинной автономностью, то есть допускающие косвенное участие человека, не являются в полном смысле слова самоорганизующимися; они реализуют лишь отдельные стороны самоорганизации. Так, В. С. Тюхтин пишет: "Создание технических систем, являющихся автономными носителями интеллектуальных функций (т. е. систем искусственного интеллекта в строгом смысле слова), возможно лишь на уровне самоорганизующихся систем. А поскольку до сих пор не созданы искусственные самоорганизующиеся системы, обладающие активностью, эквивалентной активно-потребностному началу живых систем, то современные технические системы не могут обладать интеллектуальными, творческими функциями. В строгом смысле слова термин "искусственный интеллект" применим не к машинам как таковым, а к человеко-машинным системам" [80]. Этот автор предлагает вначале создать хоть бы простейшую самоорганизующуюся систему [81], понимая под самоорганизацией самосовершающийся и самопрограммирующийся процесс, автономность которого осуществляется без вмешательства внешних по отношению к данной системе факторов и систем того же типа или выше его.

В этом заключено, однако, некоторое противоречие: 1) требуется создать самоорганизующую систему; 2) самоорганизация происходит без вмешательства внешних по отношению к данной системе факторов. В известном смысле системы искусственного интеллекта должны "сами себя создать", что успешно осуществляется, если тем более рассматривать этот процесс с точки зрения не субъективной, а объективной логики. Однако в самоорганизующихся системах с искусственным интеллектом большое значение имеет диалектика внутреннего и внешнего.

Необходимо также обратить внимание на то, что современные ЭВМ, не достигая еще высших уровней самоорганизации, успешно выполняют функции усилителя человеческого интеллекта. Однако дальнейший прогресс в области искусственного интеллекта, по существу, упирается в проблему самоорганизации. Как замечает В. С. Тюхтин, "проблема самоорганизации есть ключ к моделированию естественного интеллекта и к оптимизации взаимодействий человека и компьютера. Но в настоящее время еще не выявлен полный набор принципов самоорганизации, не созданы приемлемые модели и схемы, выражающие специфику самоорганизации" [82]. Вместе с тем концептуальная модель самоорганизации [83], предложенная на основе системно-кибернетического подхода и конкретизированная применительно к различным классам самоорганизующихся систем, позволяет по-новому взглянуть на проблему искусственного интеллекта. Она раскрывает эвристическое значение для этой области таких принципов, как самоорганизующая активность, внутренняя целенаправленность, оптимальная надежность и стохастическая детерминация.

Таким образом, самоорганизация заключает в себе проблематику, исследование которой позволяет ныне говорить о важных вопросах философии, науки и культуры. Самоорганизация питает стиль мышления, адекватный уровню общенаучных принципов, понятий и идей. Понятия организации и самоорганизации выступают как узловые категории общенаучного уровня знания и подхода к проблеме эволюции материи. Так, использование этих понятий в эволюционном учении способствует исследованию отношений между специфическими законами организации различных уровней эволюции.

Будучи важнейшим атрибутом прогрессивного развития, самоорганизация играет важную роль в "творчестве" эволюции. Идея творческой эволюции получает на основе самоорганизации материалистическую трактовку. Эволюция живого - процесс творческий, в том смысле, что она создает новые формы, не существовавшие в прошлом. Идея творческой эволюции позволяет провести четкое различие между живым и неживым. Самоорганизация, включающая в себя факторы активности, целенаправленности, надежности и стохастичности, и есть то специфически общее, что присуще миру живого в отличие от физического мира. Вместе с тем, насколько нам удалось показать, системно-кибернетический подход дает глубокое понимание неразрывности между живым и неживым миром. Такое понимание служит необходимой предпосылкой рассмотрения проблемы искусственного интеллекта.

Размещено на Allbest.ru