Читать книгу Научная фантастика. Рассказы и повести - Юрий Берков - Страница 12

Александр бесцельно бродил по московской квартире космонавта Раковского, разглядывая макеты космических станций под потолком, скульптуры Родена в большом зале, зелёные растения между двойными стёклами окон лоджии, и, наконец, заглянул в кабинет Георгия Евгеньевича. Там подросток увидел, что Раковский сидит за компьютером, нажимает какие-то кнопки и задаёт машине вопросы. На экране появляются то текст, то чертежи, то формулы, то таблицы.

– Можно? – спросил Александр.

– Входи, входи, присаживайся.

– Я вам не помешаю?

– Нет. Я тут пытаюсь решить одну задачку по экологии…

– А что это за задача?

– Это задача по созданию единой водной системы Сибири. На космической станции «Голиаф», помимо своих прямых обязанностей космобиолога, я работаю по программе преобразования планеты. Так вот, хочу предложить одну идею. Но надо её сперва проверить, смоделировать на компьютере.

И Георгий опять начал нажимать кнопки и задавать вопросы. Казалось, что он беседует с живым разумным существом.

Но вот, после очередного вопроса экран надолго завис.

– Чего это она? – спросил Саша.

– Думает.

Александр недоверчиво посмотрел на Георгия Евгеньевича.

– Но как же машина может думать? Она же не человек!

– Но создал-то её человек, и научил думать.

Наконец, на экране появился ответ: «Возможны варианты. Прошу уточнить значения оператора „тау“. Диапазон его изменений слишком велик».

– Давай все варианты в заданном диапазоне, – сказал Георгий.

Машина тут же ответила: «На это потребуется около часа расчётов и подключение Мирового банка данных».

– Хорошо, всё будет оплачено, – заверил Раковский.

На экране пошли какие-то непонятные символы. Георгий Евгеньевич обернулся к Саше.

– Ты хочешь узнать, как машину научили думать?

Александр кивнул.

– Для этого надо было сперва понять, как думает человек, вернее, наш мозг, а потом уж учить машину.

– А как думает наш мозг?

– Это довольно сложно объяснить, но я попробую, если у тебя есть желание слушать.

– Да. Мне это интересно.

Георгий Евгеньевич начал издалека.

– Ребёнок рождается с сознанием чистым как белый лист бумаги. Никаких мыслей у него нет. Это видно по энцефалограммам его головного мозга, по отсутствующему блуждающему взгляду, по поведению. Но у него в голове уже есть прекрасный биологический компьютер – его мозг! Большинство нейронных сетей памяти мозга пусты, за исключением тех, которые содержат наследственные программы управления процессами в организме и органами чувств. Эти программы передаются генетически.

Как только ребёнок попадает в этот мир и открывает глаза, на него обрушивается поток информации. Он начинает видеть предметы, слышать звуки, чувствовать прикосновения, тепло, холод. Но это ему ещё ни о чём не говорит. Он ещё не умеет думать, он не умеет обрабатывать информацию. Однако в его память уже закладываются зрительные образы, звуковые сигналы и тактильные ощущения. Изо дня в день они повторяются и сочетаются с различными воздействиями, положительными или отрицательными. Так в мозгу ребёнка формируются устойчивые связи. Лицо матери, её голос, грудь, связаны с приятными ощущениями тепла, сытости, комфорта. Лицо отца, его руки, голос – и возникают приятные ощущения купания в тёплой воде, ласки.

Запоминаются и отрицательные эмоции: чувство голода, пощипывание в промежности от мокрого подгузника, усталость от лежания в одной позе. Позже ребёнок запоминает облик отца, матери, их манеры говорить, двигаться. Выделяет отдельные звуки и определяет, что за ними должно последовать. У него образуются прочные причинно-следственные связи: звук – действие, предмет – свойства. Он начинает двигать ручками, учиться брать и бросать игрушки. Так он познаёт силу тяжести, движение. И опять в мозгу возникают прочные связи, поступок – последствия. Но пока это ещё не думание. Это процесс накопления информации, познания предметов, их свойств и возможного их применения: ложкой можно есть, из чашки можно пить, на стуле можно сидеть. Пока работает только память, и опытным путём устанавливаются причинно-следственные связи. Но ребёнок уже способен предвидеть результаты своих действий, моделировать, т.е. проигрывать в уме ситуацию.

Например, если разжать пальцы, то яблоко упадёт на пол, если стукнуть по чашке, то она опрокинется, и т. д. У ребёнка в голове создаётся множество моделей последствий тех или иных его действий. Многие из них похожи. Бросить яблоко и бросить игрушку – результат примерно одинаковый. Так ребёнок начинает различать сходные модели действий и их результаты. Возникают мысленные аналогии, обобщения. Например, стол в гостиной и стол в кабинете отца отличаются, а называются одним словом. У бабушки же вовсе другая мебель, но тоже есть стол, стулья, кровать, шкаф. Сходство лишь в назначении предметов и в элементах их конструкции. Так у ребёнка формируются общие абстрактные понятия: образы стола, стула, шкафа, кровати. Он уже безошибочно в любой квартире определит, где стол, где стул, а где шкаф, хотя эти предметы могут значительно отличаться по форме, цвету, размерам. В его мозгу уже сформировались отличительные признаки предметов, по которым ребёнок относит их к той или иной категории. Но самое интересное, что слова «стол», «стул» вызывают те же ассоциации, что и зрительные образы. Слово заменило предмет! Ребёнок слышит слово и мысленно воспроизводит образ предмета, обобщённый, абстрактный. Так слова могут порождать зрительные образы, идентифицироваться с ними. Значит, оперируя словами, можно оперировать зрительными образами, хотя реальные предметы отсутствуют. Это уже мыслительный процесс!

Зрительные образы конкретны, ими думают животные, а человек мыслит словами. Вдумайся в эту разницу. Мы произносим всего лишь два слова: «бросил камень», а представляем себе, что человек нагнулся, взял в руку камень, размахнулся и пустил его в определённом направлении. Мы представляем себе полёт камня и его приземление. А дальше мы произносим другие слова, и идёт новая абстрактная модель: поступок (причина) – результат (следствие). Так возникает цепочка событий: предмет – действие – новое состояние предмета. Это уже абстрактное мышление. Моделирование процессов в общем виде, без деталей, а если надо, то и привязка к деталям, к частностям. Умение абстрагироваться, видеть в частном общее и переходить от общего к частному, конкретному – это уже мышление.

Мы объединили все предметы в группы, назвав их словом «существительные». Мы объединили все действия с предметами в группы, назвав их словом «глаголы». Мы объединили все свойства предметов в группы, назвав их «прилагательными» и т. д. Теперь, не имея самих предметов, мы можем мысленно проделывать с ними всё что угодно и, пользуясь различными аналогиями, ассоциациями, предвидеть, что будет с предметом в результате тех или иных действий. Мало того, вообще не имея образа предмета, скажем, атома или электромагнитной волны, мы можем иметь слова, обозначающие эти предметы и их свойства, и из этих умозрительных образов рождать какие-то умозаключения. Это уже познание неизведанного, скрытого от наших органов чувств. Это уже наука, творчество. Мы можем полностью отрешиться от реальности и оперировать только с вымышленными образами. Так создаются мифы, произведения искусства. На это способен только человек. Вот какая огромная роль принадлежит абстрактному, символьному мышлению.

А ещё человек мыслит понятиями: «много-мало», «тепло-холодно», «быстро-медленно» и т. д. Эти понятия выработаны им на основе ощущений и субъективных оценок. Человек очень плохо считает, и эти понятия заменяют ему массивы числовых данных.

Он оперирует с нечёткими множествами, как сказал бы математик, границы которых размыты и субъективны. В результате человек часто ошибается в своих оценках, а учёные предпочитают всё оценивать числами.

Машина-компьютер не имеет ощущений и ей непонятны субъективные оценки человека. Поэтому различные понятия приходится заменять массивами данных и описывать их статистическими характеристиками. Но машину научили оперировать с массивами как с единым целым. В результате скорость мышления машины значительно возросла.

Вот я задал машине оператор «тау», который определяет количество осадков в Сибири за лето. Я задал диапазон от «очень мало» до «очень много». Машина будет оперировать с массивами «очень мало», «мало», «норма», «много» и «очень много», интерпретируя их числовыми величинами.

В это время на экране пошёл какой-то текст, но Александр опять ничего не понял.

– Что она пишет?

– Она сообщает, что вошла в Мировой банк данных и пытается подключиться к главному суперкомпьютеру Земли. Она передаёт мой код. Вот, получила разрешение. Есть связь с суперкомпьютером. Теперь она ставит перед главным искусственным интеллектом планеты мою задачу. Сама она справится с нею не может. Суперкомпьютер запрашивает исходные данные. Дальше моя машина будет работать в сервисном режиме. Она будет искать необходимую информацию, и передавать её через спутник в суперкомпьютер со скоростью 400 Мбит/с. Всё, информация пошла. Теперь это надолго.

– Так как же всё-таки научили машину думать? – спросил Александр. – Я пока так и не понял.

– Ну, прежде всего в неё нужно заложить информацию о внешнем мире, обо всех предметах и их свойствах. Но как это сделать? Как объяснить машине, что такое стол, если она никогда его не видела? Для неё это пустой звук, символ.

– Можно заложить описание стола, – подсказал Саша.

– Конечно. Объяснить, что он состоит из столешницы, трёх или четырёх ножек. Но машина не знает что такое столешница, ножки. Ей надо объяснить, что столешница – это прямоугольная или круглая доска. Но тогда она спросит: «а что такое доска?» И ей опять придётся долго объяснять. Но и в этом случае она ничего не поймёт, поскольку ей непонятен смысл слов «дерево», «прямоугольник», «толщина» и т. д. Мы создаём понятия на основе зрительных образов и ощущений, но у машины нет органов чувств, нет ощущений и для неё любые понятия не более чем набор символов, которые она не понимает. Словами нельзя определить слова.

– Значит, машине надо дать органы чувств? – неуверенно спросил Александр.

– Можно дать машине глаза – телекамеры. Можно записать в память изображения многих предметов, но это сложно и долго. Ведь нужно предъявить машине десятки столов и научить её вырабатывать главные отличительные признаки стола, создавать абстрактный образ. Но можно поступить проще. Дать систему координат и семейство точек в разных плоскостях, т.е. простые геометрические формы изображающие абстрактный стол. Потом указать возможные, наиболее вероятные пределы изменения положения этих точек, этих фигур, их разброс. Получается размытая, абстрактная модель стола. Затем можно дать варианты конструкции: «стол письменный», «стол журнальный», «стол круглый обеденный» и т. д. Теперь, в случае необходимости, при появлении в операционной системе машины идентификатора: «стол круглый», из памяти её будет извлечён трёхмерный образ стола с круглой столешницей, с которым далее ей следует совершить какие-то действия. Конечно, это относится не только к столу, но и к любому известному людям предмету. Если нельзя точно описать предмет, то даётся его схематический, условный образ более или менее соответствующий реальному. Так, в машину были занесены описания всех известных нам предметов во Вселенной.

– Ого! Но это же очень много! – воскликнул Александр.

– Да. На это было потрачено немало времени, пока удалось создать Мировой банк данных по всем предметам. Мало того, машине нужно объяснить свойства предметов: мягкий, твёрдый, тёплый, холодный и т. д. Как это сделать? Ведь у неё нет тактильных датчиков, она не может пощупать предмет. С длиной, шириной, высотой проще. Их можно задать на осях координат в трёх измерениях, а тут пришлось вводить дополнительные оси, дополнительные измерения. Временную ось – чтобы описывать события, протекающие во времени, ось электромагнитного спектра – ведь цвет, свет, теплота – всё это электромагнитные волны разной длины. Гравитационную ось – чтобы описывать притяжение предметов. Оси электростатического и магнитного полей – чтобы измерять электрические заряды и магнитные поля. Кроме того, потребовалось описать все возможные виды взаимодействий предметов в пространстве и времени. Таких взаимодействий оказалось не так уж и много. Это перемещения вдоль осей координат, вращательные и колебательные движения, передача энергии от одного тела к другому, превращение энергии из одного вида в другой. Всё это удалось описать на машинном языке. Множество слов – глаголов превратить во множество моделей движения. Каждая модель получила свой составной идентификатор. Таким образом, весь окружающий нас мир, со всеми его свойствами и видами взаимодействий, удалось записать в память Мирового банка данных с помощью слов – идентификаторов, и объяснить каждый идентификатор, дав ему пространственно-временные и прочие измерения. Осталось совсем немного – научить машину думать – создать искусственный разум!

– Ничего себе «немного»! – усмехнулся Александр.

– А это действительно уже немного. Просто необходимо было научить машину строить логические цепочки «причина – следствие» или «действие – результат», что, в общем-то, она давно умела, моделируя тот или иной процесс по частям. Например: тело + импульс силы = движение. Параметры движения зависят от массы тела, величины и направления импульса. Они легко рассчитываются машиной по известным уравнениям физики. Сложные взаимодействия разделяются на более простые, а затем каждое из них проигрывается машиной. Но главное здесь не проигрывать процесс каждый раз заново, а получить новую логическую связь: «действие – результат», как у нас в мозгу, мгновенно. Для этого в машине автоматически создаются специальные информационные ключи, которые открываются, если этот процесс уже моделировался ранее и, подставляя нечёткие множества, машина сразу выходит на приблизительный результат, на качественную или количественную оценку.

– Здорово! – восхищённо произнёс Александр.

– Но и это ещё не всё. Необходимо развить у машины ассоциативное мышление. Научить её находить сходные процессы, описываемые одними и теми же математическими уравнениями, моделями, но принадлежащие к разным областям знаний. Таких процессов и моделей в природе множество. Достаточно сказать, что и в механике, и в термодинамике, и в электромагнетизме все процессы движения, волновые процессы, описываются одними и теми же дифференциальными уравнениями. И здесь машине помогают составные идентификаторы из других областей знаний. Если машина решает какую-нибудь задачу и встаёт в тупик в отношении модели решения, то она ищет сходные идентификаторы – машинные слова, и движется по ним. А конечный результат проверяет на совпадение с экспериментальными данными или ожидаемым результатом, который задаёт человек. Если экспериментальные данные совпадают с расчётными, то модель (методика) расчётов выбрана машиной правильно. Если нет, машина ищет новый вариант расчётов, новую модель. Сначала берутся наиболее близкие составные идентификаторы, совпадающие по большинству слов, потом более далёкие и, наконец, куски идентификаторов из других областей знаний, позволяющие составить новый, ранее неизвестный, идентификатор нового неизвестного процесса и таким образом найти решение неизвестной ранее задачи. Если же вообще ничего не подходит, то машина требует от человека подсказки, уточнения исходных данных, более корректной постановки задачи. Она может сама изменять исходные данные или конечные результаты в разумных пределах, после чего откорректирует их, найдя точную физическую модель происходящего процесса или ошибку в исходных данных. Так были уточнены многие физические константы Вселенной, которые мы знали лишь приближённо. Мир очень логичен и подчинён строгим физическим законам. Имея математические модели различных процессов, всегда можно выбрать ту, которая выведет на нужный результат. И наоборот, зная модель, можно получить новый результат, не прибегая к физическому моделированию. Поскольку во Вселенной всё взаимосвязано, то, уточнив мировые константы и законы взаимодействия, оказалось возможным раскрыть все тайны макро и микромира.

Машине теперь ставят задачу в общем виде, давая минимум исходных данных и ориентировочные пути её решения. Она сама находит модели решения, недостающие исходные данные и выдаёт результат. Машина освоила творческий процесс выработки новых понятий, новых сложных идентификаторов, новых математических моделей. Потребовалось просто лучше организовать её память, дать возможность самостоятельного поиска аналогий, возможность установления прямых и обратных причинно-следственных связей, возможность перехода от конкретных понятий к обобщённым, абстрактным, и обратно. И дело пошло. Машина стала думать, творить, создавать новые знания.

– Понятно, – задумчиво произнёс Александр. – Не совсем только ясно, что такое сложные составные идентификаторы?

– А это практически то же самое, что и наши фразы, предложения, которыми мы обмениваемся. В них также есть подлежащее, сказуемое, дополнения, определения. Это язык машины, на котором она думает. Нет в нём только слов обозначающих эмоции, поскольку машина лишена эмоций, они ей непонятны. Но есть даже такие человеческие понятия как тепло, холод, жара. Просто заданы нечёткие множества температур, которые вызывают у нас эти ощущения. Есть понятия: жидкость, газ, твёрдое тело и т. д. Слова – идентификаторы могут быть переведены на любой человеческий язык, и поэтому стало возможно языковое общение машины с человеком.

– А не может умная машина выйти из под контроля и уничтожить человечество?

Георгий Евгеньевич усмехнулся.

– Нет. Такое возможно только в фантастических романах. Не имея органов чувств, собственных желаний, и возможностей самостоятельно добывать информацию из экспериментов и практических наблюдений, машина остаётся накрепко связанной с человеком. Человек побуждает её работать, человек ставит ей задачи, человек добывает ей новые экспериментальные данные, строит гипотезы. Человек создаёт и сами машины. Поэтому думающая машина не может выйти из под контроля человека. Она лишь дополняет возможности его мозга, расширяет его интеллектуальное могущество.

– А думать, наверное, могут только очень мощные машины, включённые в глобальную компьютерную сеть?

– Нет, почему же? И маленькие нейрокомпьютеры тоже думают. Это несложно. Но думают они в меру своих возможностей. У них нет такого количества программ, как у суперкомпьютеров и они не имеют возможностей для анализа, сравнения и поиска альтернативных вариантов в широком диапазоне. Малые компьютеры обычно узко специализированы и думают только по своей специальности.

В это время на экране пошла информация и Георгий Евгеньевич включил принтер. Информация тут же распечаталась на листе бумаги. Раковский углубился в её изучение, а Саша тихонько вышел из кабинета.