Инновационная сложность
Шрифт:
Для чего могут оказаться полезными эти результаты в робототехнике и как найти им применение? Чтобы взаимодействие человек-машина организовать комфортабельным для человека образом, манера и способ движения человека может служить мерилом. Человек предвосхищает – как правило бессознательно и до фактического начала движения, – что определенная траектория движения является лучшей и наиболее эффективной, чтобы добраться до объекта. Эта модель, которая была разработана психологами, может быть полезной для инженеров или информатиков при ее переносе в исследовательскую область управления роботами [385] . Так планирование движения робота становится менее сложным, при этом более эффективным и исчислимым для человека как партнера во взаимодействии. Также и здесь
385
Dominey P. F., Warneken F. The Basis of shared intentions in human and robot cognition // New Ideas in Psychology. Vol. 29. P. 260–274
Эти исследования помогают сделать более интуитивным взаимодействие робота и человека. Как НотеСаге робот, когда он новенький входит в дом с фабрики и доставлен на дом, обучается освоению в новом окружении? Согласно сценарию CoTeSys, он остается сначала пару дней на кухне, чтобы изучить, что там происходит, где хранятся объекты, что необходимо поставить на стол для завтрака, и кто что ест на завтрак. Так робот учится накрывать стол для завтрака и затем убирать со стола. Для этого он должен идентифицировать домочадцев и их пристрастия. Если робот не знает, что такое «чашка», он входит в интернет и ищет среди картинок Google чашки, чтобы сравнить предметы. Или он входит в интернет, чтобы узнать, как сварить макароны (в интернете есть тысячи рецептов и инструкций их приготовления). В этом сценарии основной целью CoTeSys может быть придать техническим системам когнитивные функции и наглядно их пояснить: технические системы, которые планируют, решают, обучаются, защищены от неожиданностей – и могут сами себя информировать.
Окружающий мир кухни уже указывает на такую сложность и изменение во времени, что робот может быть запрограммирован не на всякое применение и не на всякую возможную ситуацию. Программа должна уметь обучаться из опыта, где нужно стоять, чтобы взять стакан из шкафа, как лучше овладеть кухонными приборами, где следует искать столовые приборы и т. д. Для этого система управления должна знать параметры навыков управления и иметь в своем распоряжении шаблоны, как изменять параметры поведения.
Как такие роботы могут самостоятельно оценивать меняющиеся ситуации? Телесный опыт робота начинается с восприятия окружения через данные сенсорных датчиков. Эти данные сохраняются в реляционной базе данных робота как его память. Отношения с объектами внешнего мира строят одну под другой причинные сети, по которым робот ориентируется в своих действиях. При этом проводятся различия, например, между событиями, людьми, местами, ситуациями, предметами обихода. Возможные сценарии репрезентируются положениями формальной логики первого уровня. Возможные события зависят от условий, которые связаны в конкретных ситуациях с условными вероятностями.
Распределение вероятностей таких ситуаций описывается логикой Маркова. Отсюда могут быть выведены оценки вероятностей ситуаций, на которые может ориентироваться робот [386] , когда он, например, готовит для кого-то завтрак и кроме того должен собирать посуду на кухне. Сложную причинную сеть возможных действий робота можно сделать понятной из байесовской сети условных вероятностей [387] . Этим ни в коей мере не утверждается, что помощники по ведению хозяйства человеком в своих действиях придерживаются байесовской сети. Но с комбинацией логики, вероятности и сенсорного и телесного взаимодействия реализуются сходные цели, что и у человека.
386
Thrun S. et al. Probabilistic Robotics. Cambridge (MA): MIT Press, 2005.
387
GlymourC. et al. Discovering Causal Structures. Artificial Intelligence, Philosophy of Science, and Statistical Modeling. Orlando: Academic Press, 1987.
3.4
Являются ли такие роботы умными (или, иначе, обладают ли они интеллектом)? Первое определение «искусственного интеллекта» (ИИ) исходит от Алана Тьюринга. Выражаясь короче, некую систему можно назвать умной (обладающей интеллектом), если ее по ее ответам и реакциям невозможно отличить от ответов и реакций человека. Это определение, однако, является очень антро-поцентричным: оно ставит интеллект в зависимость от человека. Кроме того, оно является круговым, так как не определен «человеческий интеллект».
Мое рабочее определение делает интеллект зависимым от способности системы решать проблемы. Система, в соответствии с этим рабочим определением, называется «умной», если она в состоянии эффективно и самостоятельно решать более или менее сложные задачи. Степень интеллекта зависит от измеряемых величин, независимых от человека: а) степени самостоятельности (автономии) системы, б) степени эффективности метода решения проблемы и в) степени сложности проблемы [388] .
388
Mainzer К. Kl – K"unstliche Intelligenz. Grundlagen intelligenter Systeme. Darmstadt: Wissenschaftliche Buchgesellschaft, 2003.
Согласно этому определению, автомобиль, например, имеет степень интеллекта, поскольку он может до определенной степени самостоятельно и эффективно управлять собой в сложных транспортных ситуациях. Также и палочник на этом основании имеет некую степень интеллекта, так как он может самостоятельно управлять процессами своего движения в сложном окружении. Исходный код в первом случае был написан человеком, во втором случае через эволюционные алгоритмы обучения, которые смогли оптимизироваться на протяжении миллионов лет также и без «сознания».
Согласно этому рабочему определению, мы уже сегодня повсюду в природе и технике окружены интеллигентными функциями. В технике они часто, однако, спроектированы иначе, чем они возникли в ходе эволюции. Для меня, стало быть, степень сложности функциональных процессов и соответствующих методов решения является мерилом интеллекта.
Человек является примером системы с интеллектом, которая возникла (также как и палочник) в ходе эволюции. Существует, следовательно, не «интеллект», а степень интеллекта, которую мы в нашем рабочем определении сделали зависимой от измеряемых свойств систем. «Рабочее определение» должно при этом указывать, что ни в коем случае не стремится к полноте, которой и не существует. Рабочее определение показывает свою пригодность в исследовании и в развитии и, к тому же, открыто для дополнений и коррекции.
Но также и по классическому критерию ИИ Тьюринга некоторые технические системы уже могут быть охарактеризованы как обладающие интеллектом (при их сравнении с человеком). Возьмем, к примеру, суперкомпьютер Deep Blue, который одержал победу над человеком, чемпионом мира по шахматам. Фактически он не отличим в своем конечном поведении от человека: он играет в шахматы по известным правилам. При этом система действует и реагирует с игровыми особенностями, которые в конечном счете лучше и быстрее, чем у людей. Отличие от человека состоит прежде всего в том, что Deep Blue не умеет ничего иного, кроме как играть в шахматы. Но это в настоящее время осуществляется только из чистого интереса. Система, правда, в отличие от человека настолько производительна, что она использует большой вычислительный потенциал и параллельные вычисления. Мы, люди, играя в шахматы, просчитываем значительно медленнее. Наша сила, однако, заключается в том, что мы думаем наглядно, используя образцы, и можем ассоциировать, в известной мере развивать в себе интуитивное чувство экспертов, тогда как компьютер «брутально» просчитывает возможные конфигурации с большой скоростью.