Книга: ЧЕЛОВЕК И НООСФЕРА

Вычислительные системы и имитация разума

Вычислительные системы

и имитация разума

Начать этот раздел мне хотелось бы с одного замечания об удивительной особенности конкретной прикладной деятельности специалистов, создающих крупные вычислительные комплексы. Я буду ссылаться на опыт Вычислительного центра Академии наук СССР, но мне кажется, что все мы, работающие с большими системами имитации, идем в одном и том же направлении, хотя и используем подчас различную терминологию. Уже сейчас я замечу, что наша деятельность последних двух десятилетий невольно подводит к использованию терминов «сознание», «подсознание», «интуиция» и т. д. Далее я постараюсь показать, что такая терминология имеет определенный смысл.

Мы уже говорили о том, что в физике, химии, биологии, экономике, технике и многих других областях человеческой деятельности часто единственными средствами исследования являются математическое моделирование и машинный эксперимент с помощью имитационных систем. Сегодня уже накоплен значительный опыт работы с подобными системами и уместно делать определенные выводы.

Прежде всего заметим, что, как бы ни были различны задачи, для решения которых создаются те или иные компьютерные экспериментальные установки, в них всегда присутствуют некоторые общие элементы. Очень условно такая универсальность продемонстрирована на рис. 1.

Любая имитационная система неким образом интерпретирует реальность. Обычно это делается при помощи двух различных описаний: пассивного банка данных — ПБД и сценариев внешней обстановки. ПБД содержит совокупность сведений об исследуемой системе и параметрах внешней среды (обстановки). Так, например, для системы, имитирующей процессы, протекающие в биосфере, ПБД состоит из числовых значений основных характеристик атмосферы и океана, которые не варьируются в процессе машинного эксперимента. Сценарий описывает динамические воздействия на систему. Он содержит внешние характеристики, влияние которых на моделируемую систему мы хотим изучить. В биосферных моделях сценарии бывают посвящены описанию предполагаемых антропогенных воздействий на биосферу.

Заметим, что пока здесь еще ничего не сказано о самой модели. На начальном этапе мы имеем дело только с «сырой» информацией. И ее переработка, осмысление — это чрезвычайно трудоемкий и длительный процесс.

Внешняя среда через ПБД и сценарий воздействуют на систему, причем информация об этих воздействиях поступает по многочисленным и очень разным каналам. Например, при формировании системы, имитирующей глобальные биосферные процессы, мы должны иметь каналы для обработки информации об атмосфере, океане, появлении облаков, выпадении осадков, образовании снежного покрова, его таянии, состоянии лесных массивов и т. д. и т. п. И на первом этапе эта информация обрабатывается поканально, причем эта обработка может и не быть связанной непосредственно с работой компьютера. На этом этапе возникают различные частные модели, параметризации тех процессов, которые плохо формализуемы (например, образование облаков), разного рода экспертные оценки и т. д.

Этот первый этап обработки информации я назвал этапом «конвейерной машины». Такое название оправдывается тем, что работа с информацией здесь ведется в отдельных каналах, как правило, разными людьми и практически независимо друг от друга. Если этот этап машинизирован и каждый канал обеспечен собственным компьютером, то быстродействие здесь может быть очень высоким за счет распараллеливания операций. Поэтому работа имитационной системы на этом этапе подобна работе многопроцессорной электронной вычислительной машины, работающей по конвейерному принципу.

Но этот этап выполняет лишь предварительные обязанности. И все эти разные каналы поступления информации несут не разрозненные, а взаимосвязанные данные. Наступает момент, когда эти связи должны быть учтены. Поступление новой информации должно прекратиться. Все полученные знания должны быть взаимоувязаны. Начинается новый этап — этап «организующей программы».

Это важнейший этап в создании системы имитации. Он представляет собой не что иное, как набор процедур анализа всей поступившей информации, анализ связей полученных данных по разным каналам и, наконец, что самое главное, выработка некоторой «минимальной модели».

Какими бы мощными вычислительными средствами ни располагал исследователь, как бы ни был он талантлив, его возможности всегда ограничены. Следовательно, сопоставляя цели работы со своими возможностями и результатами анализа полученной информации, он создает модель, то есть описание, приближенно отражающее определенные свойства изучаемой реальности, особенности изучаемого явления. Вот эту модель я и называю «минимальной». Но, наверное, ее лучше называть «минимаксной», ибо она минимально простая из числа тех описаний, которые в максимальной степени учитывают реальность в рамках тех возможностей, которыми располагает исследователь. Да простит меня читатель за такую тарабарщину. Но такое словосочетание точно отражает то, что происходит на этом этапе математического моделирования.

Заметим, что проблема построения математической модели (лучше даже говорить о системе моделей), годной для использования, весьма нетривиальна: стандартных правил для ее построения просто нет и, наверное, не будет! Требования к описанию очень противоречивы: модель должна быть и достаточно простой, и достаточно точно отражать реальность. Исследователь сталкивается с тем обстоятельством, что для одной и той же совокупности опытных данных можно построить очень много разных вариантов описания. Это — следствие, в частности, того, что мы не владеем никогда вполне точным знанием отдельных фрагментов процесса, кирпичей, из которых строится математическая модель, следствием неточности исходной информации и теми трудностями принципиального характера, о которых я говорил в параграфе об «алгоритмах сборки». Поэтому и окончательные результаты лишены обычной аптекарской точности, а исследователь должен суметь из одинаково неточных описаний выбрать наиболее простое. Данная проблема «практического моделирования» еще не приобрела статуса математической задачи, хотя математики ею уже и начали заниматься.

Следующий шаг — анализ минимальной модели. Так, например, в нашей биосферной модели (созданной в Вычислительном центре АН СССР) мы использовали целый ряд сценариев человеческой активности. В частности, были проанализированы и сценарии ядерной войны, разработанные К. Саганом и его сотрудниками. Расчеты с помощью нашей минимальной модели показали, что все облака сажи, которые образуются в результате ядерных пожаров, постепенно сольются в единое сажевое облако, которое, как одеяло, окутает Землю — всю Землю, в том числе и полярные области. Это и есть результат машинного эксперимента, который нам позволяет увидеть результаты действий людей, если они будут происходить, следуя данному сценарию. Результат изображен на рисунке 1 буквой Р.

Справа от основной схемы изображен круг с буквами ИИ. Это и есть так называемый искусственный интеллект или, вернее, то, что принято называть этим термином в специальной литературе, то есть новая технология работы с информацией, включающая в себя не только специальные принципы обращения с базами данных и процедуры их переработки, но и вспомогательные программные средства, помогающие исследователю контактировать с вычислительной машиной. Эти вспомогательные средства качественно упрощают проведение машинного эксперимента.

Особую роль в подобной системе играет сценарий. Он призван описывать внешнюю обстановку, влияние которой на систему изучает исследователь, и потому представляет совокупность вопросов, которые исследователь задает Природе: а что будет, если?..

Значит, сценарий определяет важнейшую составную часть пассивного банка данных. Поэтому на рисунке он соединен с ПБД стрелкой. Но одновременно на этом рисунке показана еще одна стрелка, соединяющая сценарий с организующей программой.

Термин «организующая программа» не совсем точен. В этом блоке нет стандартных процедур, которые формировали бы «минимальную модель». Ее создание — это всегда акт творчества исследователя. А он, разрабатывая модель, ориентируется не только на особенности вычислительной техники и технологию математических расчетов, но и на те вопросы, которые задавал в своем исследовании, то есть на сценарий. Для разных сценариев «минимальные модели» могут оказаться разными.

Наконец, на рисунке 1 нанесена еще одна пунктирная линия, соединяющая результат и сценарий. Она означает следующее: получив определенный результат, исследователь может поставить и новый вопрос, то есть внести определенные изменения в сценарий.

Как бы ни были сложны системы, создаваемые для машинного эксперимента, они бесконечно проще систем, предназначенных для принятия решений, то есть выбора альтернатив действия. Система имитации, о которой только что шла речь, предназначалась для исследовательских целей. Но принятие того или иного решения — это выбор альтернатив действия, который мы можем сделать только в том случае, когда мы знаем последствия своих решений. Значит, в основе процедуры принятия решений о выборе альтернатив всегда должен быть некоторый эксперимент, набор альтернатив и способов их сравнения, позволяющий сделать сам выбор.

Таким образом, вычислительная система, предназначенная для выбора варианта решения, то есть альтернативы действия, необходимо должна содержать в качестве важнейшей составной части систему, способную получать характеристики альтернативы, то есть сценария. Такая система была только что описана. На рисунке 2, с помощью которого я буду давать пояснения особенностей вычислительных систем такого типа, в нижней его части расположена система изучения альтернативы, то есть экспериментальной компьютерной установки, схематично изображенной на рисунке 1.

На рисунке 2 есть и пассивный банк данных, и некоторый сценарий. Так, в системах, которые разрабатываются для решения проблем комплексного развития того или иного региона, в ПБД записана вся информация о регионе, необходимая для построения модели: данные об особенностях его природной среды, производственной деятельности и социальных условиях. Сценарий — это своеобразный заказ региону, определяющий его место в хозяйственной и духовной жизни страны, это один из вариантов его развития. Этап конвейерной машины также присутствует на этом рисунке: он состоит из частных моделей, выработанных местными организациями или исследователями, которые занимались отдельными частными проблемами (социальными, в частности!).

В таких системах есть всегда и некоторая минимальная модель. На ее уровне уже отфильтрованы все частности и детали: избыток информации столь же вреден, как и ее недостаток, ибо из-за деревьев не видно леса. Поэтому в модели сохраняются только те особенности процессов, которые сравнимы по их числовым характеристикам.

Итак, приняв ту или иную альтернативу человеческих действий, мы получаем возможность оценить ее природные последствия. Но это лишь первый шаг на пути выбора альтернативы.

На уровне минимальной модели появляется новый, очень важный элемент системы — активный банк данных (АБД). При формировании имитационной системы и в процессе экспериментирования происходит изучение реальной системы. Исследователь все глубже и подробнее вникает в ее особенности, познает ее реакции на внешние воздействия. АБД — это хранилище той информации о системе, которое наполняется в процессе ее изучения.

На рисунке 2 я изобразил два активных банка данных, и один из них обозначен пунктиром. Дело в том, что минимальная модель, как правило, достаточно сложная конструкция, и каждый из машинных экспериментов требует довольно большой затраты времени. А на следующем этапе выбора альтернативы нам снова приходится проделывать множество экспериментов, меняя параметры сценариев, и для частого использования эта минимальная модель обычно бывает малопригодна. Поэтому во всех созданных больших имитационных системах всегда наряду с минимальной моделью разрабатывается ее упрощенная версия, так называемая модель для «быстрых алгоритмов». Именно с помощью такой модели и формируется основной информационный массив для его использования в процедурах принятия решений.

Следующий важнейший элемент новой системы — это «блок формирования целей». Это, наверное, ее самый важный блок. Сценарий всего лишь «установка», его недостаточно для назначения целей. В социальноприродных системах не может быть внешних целей — они формируются в недрах самой системы. При этом вырабатывается не одна цель, а целый спектр, часто противоречивых целей. Например, обеспечение предельной экологической чистоты и чистоты экономически выгодной. Многие цели носят социальную окраску и т. д. Прежде чем составить перечень и ранжировку целей, исследователь должен сделать много прикидок, то есть провести многочисленные эксперименты с имитационной системой, задавая ей вопросы: а что, если?..

Назначение целей — это всегда акт неформальный. Он требует творчества субъекта, хотя теперь и существует достаточно развитая технология анализа возможных целей, способная помочь исследователю более отчетливо увидеть ситуацию.

Следующий важный блок — это блок принятия решений. Он тесно связан с моделью для «быстрых алгоритмов». Я еще раз повторю: минимальная модель — это предельно допустимое по своей полноте описание. Но для формирования замысла или выбора альтернативы развития региона нужны многочисленные прикидки, оценки, нужен массовый эксперимент. Другими словами, нужны «быстрые алгоритмы».

Выбор всегда субъективен. Но он должен основываться на объективных знаниях — должен проводиться с открытыми глазами. И именно благодаря массовому эксперименту с упрощенной моделью создается вариант технического проекта, в котором выбираются технологии, не очень экологически чистые и не сверхдорогие, или программа развития региона, которая оказывается некоторым компромиссом между различными интересами различных групп.

Замечу еще, что любые процедуры формирования регионального проекта развития или выбор варианта проекта нового строительства, связанного с учетом экологических факторов, неизбежно опираются на те или иные способы сжатия множества возможных альтернатив. Поэтому при создании блока принятия решений большое место занимает разработка математического обеспечения, позволяющего облегчить селекцию возможных альтернатив и отбраковку неудовлетворительных вариантов.

Примечание. АБД, который помещен в нижней части рисунка, связан пунктирной стрелкой с блоком принятия решений. Она указывает на то, что процедуры принятия решений в той или иной степени опираются на интуицию.

Систему имитации для принятия решений я описал сверхсхематично. На деле, конечно, приходится учитывать различные обратные связи, приходится делать многочисленные уточнения и пересчеты и т. д. Пусть, например, в результате работы блока процедур принятия решений вырабатывается несколько альтернатив. И они нам представляются эквивалентными, а нужна только одна! Тогда мы снова возвращаемся к минимальной модели. Поскольку она весьма полно описывает изучаемый объект, то мы можем сопоставить свойства альтернатив уже гораздо подробнее, нежели с помощью модели для быстрых алгоритмов.

Читателю может показаться, что я отвлек его внимание на обсуждение вопросов, носящих технологический характер. Это не совсем так. Во-первых, во взаимоотношениях Природы и Человека, в обеспечении их коэволюции огромную роль будут играть системы, позволяющие заменить натурный эксперимент машинной имитацией реальностей. Она — ключ к пониманию многих особенностей современности. Во-вторых, оказывается, что, несмотря на огромное различие в тех задачах, ради решения которых создаются системы компьютерной имитации, эти системы в своей архитектуре имеют много общих черт. Такой факт мне представляется отнюдь не случайным. Он заслуживает серьезного внимания. Попробуем высказать несколько предположений, его объясняющих.

Сталкиваясь с рядом конструкций, созданных Человеком, волей-неволей начинаешь искать аналоги, и прежде всего в явлениях Природы. Не копируем ли мы в своей деятельности процессы, происходящие вокруг нас в живой природе, которая является для Человека, так сказать, естественной школой?

Конечно, в Природе мы далеко не всегда находим образцы для подражания, и в таких случаях рождаются идеи колеса, воздушного винта и т. п. Но затем возникает невольно еще один вопрос, относящийся уже к нашему предмету: а не могут ли существовать некоторые универсальные подходы и к работе с информацией или хотя бы универсальные блоки и схемы? Что об этом говорит Природа?

Анализируя большие системы имитации, системы, в которых в результате переработки огромных массивов информации формируется некоторый определенный способ действий или поведения, невольно задумываешься о возможной аналогии с деятельностью мозга. Ведь мозг — это тоже «конструкция», созданная, правда, не Человеком, а Природой для подобных же целей — для восприятия информации о внешней среде и собственном организме, для ее трансформации в некую модель представлений об окружающем мире и для выработки определенного способа действий.

Другими словами, мозг — это тоже некоторая имитационная система, возникшая в живом мире, следуя потребностям его носителей, для адаптации живых существ к условиям в окружающей среде. Не следуем ли мы теперь при машинном моделировании внешней обстановки невольно тем же путем, которым уже однажды прошла Природа?

Используя органы чувств, человеческий мозг воспринимает информацию и обрабатывает ее по миллионам независимых каналов. В мозг человека как бы встроена мощнейшая электронная машина, работающая по конвейерному принципу. Ее производительность огромна. Ее быстродействие оценить очень трудно — это но меньшей мере триллионы арифметических операций в секунду. И вся эта информация нужна для построения индивидуального образа окружающего мира — того, что я назвал, говоря об имитационных системах, минимальной моделью.

В деятельности мозга можно выделить два уровня, две качественно разные формы его деятельности: сознание и подсознание. Если говорить образно, то вычислительные системы, создаваемые только для машинного эксперимента, выполняют ту роль, которую при работе мозга человека выполняет подсознание. Но подсознание не ограничивается созданием представления об окружающей обстановке. Есть еще одно важное обстоятельство, которое отличает подсознание нашего мозга от вычислительной системы, создаваемой для проведения машинного эксперимента, — это активный банк данных, присутствующий в каждом человеке.

Я уже говорил о том, что в АБД накапливается информация о прецедентах — об опыте изучения системы (или опыте ее функционирования), если речь идет о системе имитации, создаваемой для выбора способа действий. Затем эти прецеденты — результаты опытов с минимальной моделью — используются в блоке принятия решений в качестве «таблицы обучения», с помощью которой проводится отбраковка негодных решений «по аналогии».

Вероятно, аналогичный процесс идет в реальном подсознании. Там есть свой АБД, где накапливаются прецеденты. Но теперь эти прецеденты выдает не машина, а жизненная практика субъекта. Там же, то есть в подсознании, формируется не только минимальная модель, но и некоторое множество интуитивных решений. Только алгоритмы работы с накопленной информацией никто не придумывает — они являют собой результат длительного естественного отбора — они изначально заложены в мозге каждого человека. Вот почему кибернетические представления В. Я. Сергина о природе интуиции мне кажутся правдоподобными (см. подробнее: Сергин В. Я. Сознание и подсознание. — «Химия и жизнь», 1986, № 10).

Примечание. Используя термин «подсознание», я вкладываю в него смысл несколько более узкий, чем тот, который после работ Фрейда стали использовать в литературе. Подсознанием я называю ту составляющую информационной системы человека, деятельность которой (образ окружающего, интуитивное представление, ассоциации и т. д.) не контролируется сознанием.

Все, что относится к работе с минимальной моделью, следует уже относить к прерогативе сознания. Именно там возникают способы «сознательного» анализа модели, то есть внешней обстановки, там возникает наука. Процессы работы с информацией на этом уровне становятся гораздо более медленными, чем на уровне подсознания, где действовали автоматические алгоритмы, приобретенные генетическим путем или собственным опытом (например, рефлексы). Это и понятно. Перед сознанием стоят иные и куда более сложные задачи: формирование целей и выбор альтернатив собственных действий. На этом этапе уже отсутствует «естественное распараллеливание» процедур обработки информации. Для решения подобных задач уже недостаточно естественных возможностей обработки информации — нужно аналитическое мышление, нужна логика, нужна наука.

Изобретается компьютер, а вместе с ним и новая технология работы с информацией, которая по какому-то недоразумению стала называться «искусственным интеллектом».

Большие имитационные системы, то есть проблемно ориентированные вычислительные человеко-машинные комплексы, вероятно, не случайно напоминают мозг человека по своей архитектуре. (Разумеется, они бесконечно проще мозга с его многими десятками миллиардов нейронов, каждый из которых сам представляет довольно сложную конструкцию.) Такова логика развития, таковы «алгоритмы эволюции». Человеческий мозг, создавая большие имитационные системы, вероятно, следует по тем же эволюционным каналам, которые однажды были уже пройдены Природой при создании мозга.

По-видимому, до поры до времени живым организмам хватало только подсознания. И уже эта система была удивительно сложна. Обратим внимание лишь на два обстоятельства, которые это характеризуют.

Во-первых, информация, обрабатываемая в мозге при помощи «конвейерной машины», на определенном этапе должна быть приведена в порядок — надо было на ее основе вырабатывать «минимальную модель», то есть представление об окружающем мире и о себе самом.

Говоря о работе мозга, мне хочется этот этап усвоения информации назвать не управляющей программой, как я это сделал при описании системы для машинного эксперимента, а этапом сна. Во время сна поступление новой информации временно прекращается, происходит ее осознание, выясняются и устанавливаются определенные связи. Кроме того, вырабатываются определенные команды, которые не требуют работы сознания и идут по генетически заложенным алгоритмам. И, наверное, можно понять то, почему долгое лишение сна приводит к смерти. Ведь мозг, не имея возможности создавать представление о состоянии своего организма и внешней среды, не может дать необходимых управляющих команд.

Второе, на что мне хотелось бы обратить внимание, — это универсальность такой системы обработки информации, которую я назвал подсознанием. Для решения каждой новой проблемы мы сегодня создаем специальную имитационную компьютерную систему. Природа не могла допустить такой «ресурсонесберегающей технологии» обработки информации: мозг может быть создан только один раз и должен использоваться всю жизнь, какие бы неожиданные задачи ни вставали перед Человеком. Не подскажет ли нам изучение этой особенности мозга пути для создания нового математического инструментария, который мы с полным правом сможем назвать искусственным Разумом? А может быть, мы стоим на пороге открытия нового «колеса», неизвестного Природе, которое состоит в умении быстро создавать специализированный «мозг», способный в данных конкретных условиях действовать эффективнее системы, созданной в результате длинного эволюционного пути?

Давайте подытожим. До поры до времени жизнь, вероятно, обходилась лишь системой подсознания, то есть наборов стандартов поведения. Но вот потребовалось решать новые задачи, например, создавать и использовать искусственные орудия. Постепенно как средство адаптации начало формироваться сознание, необходимое для поиска оригинальных решений, наполнения своего мозгового АБД нестандартными ситуациями, что бесконечно расширило возможности интеллекта и интуиции. Для этого понадобилась не только наука, но и искусство, поскольку обращение к интуиции — очевидная апелляция к подсознанию. Возникли и первые системы имитации — речь, письменность, картины…

Мне трудно сказать, насколько такая трактовка архитектуры системы, обеспечивающей процессы мышления, интересна для физиологов, но нам, специалистам в области информатики, она дает новые аналогии и новые интерпретации, которые могут оказаться полезными для решения чисто практических задач.

К такой трактовке мышления я шел двумя путями. Один из них изложен в этом параграфе. Он основан на анализе опыта большого и талантливого коллектива Вычислительного центра Академии наук. Главным для меня было стремление понять, если так можно сказать, «логику коллективной интуиции». Но был и второй путь. Он шел от тех взглядов на процессы развития, самоорганизации, которые я пытался объяснить в этой книге, от стремления увидеть Логику самоорганизации. И оказалось, что логика развития имитационных систем — логика с маленькой буквы, которую я описал в этом параграфе, имеет удивительно много общего с Логикой. Волей-неволей в науке выстраивается некоторая иерархия представлений и конструкций, как будто наш Разум, обретя наконец возможность, торопится повторить все то, что он уже прошел сам в своем совершенствовании длительным путем мучительной эволюции, тянувшейся миллионы лет.