Разговор с электрическим мозгом
Шрифт:
– Орла,- ответил я. И ошибся...
Вечером Кибер сам вернулся к той же теме.
К. Радость видеть и понимать... Это здорово сказано. Ведь для нас, машин, которые не испытывают чувства радости - видеть окружающий мир, понимать его сигналы - основа взаимоотношений с человеком.
А. В первую очередь - понимать человека.
К. Конечно... А для этого мы, машины, обязаны не только видеть, но должны слышать. И, конечно, мы должны научиться разговаривать. И, вероятно, не только языком цифр.
А. Значит, говорить человеческим
К. Безусловно...
А. Но прежде чем машина заговорит, она должна научиться понимать человека. Это тоже нелегкая задача.
К. Думаю, она уже успешно решается. Все определяется количеством команд, распоряжений, звуковых сигналов, которое в состоянии принять и запомнить машина. Для этого мы, машины, обязаны видеть, слышать и понимать воспринимаемое.
Мой электронный друг прав. Не могу без волнения вспоминать поразительное впечатление, которое оставили у меня в памяти встречи с машинами, соревновавшимися с человеком в разных областях его трудовой деятельности.
Что хотите, но это здорово,- от трудовых команд до электронного композитора...
МАШИНА ВИДИТ, СЛЫШИТ, ГОВОРИТ
Как удивительно работает человеческий глаз! Тайну его деятельности еще не полностью разгадали ученые. Но уже сегодня они думают о создании машины, способной видеть.
– Зачем это нужно?
– скажут те, кто плохо знаком с проблемами кибернетики и автоматизации.
– Как - зачем? В этом случае машина еще более приближается к человеческому мозгу, становится более послушным и чутким помощником человека, гораздо легче может общаться с ним без посредников.
Видящая машина способна обучиться грамоте. Она может различать не только буквы, цифры и детали машин. Она сможет работать сборщиком на конвейере, лаборантом в институте и даже наборщиком. Обучи машину грамоте, дай ей любую рукопись, и она прекрасно встанет за машину - линотип. Однако проблема видения и узнавания для кибернетических машин - одна из самых сложных.
Посмотрите, как мы пишем. У каждого свой почерк - не бывает, чтобы два человека писали совершенно одинаково. Вот я рассматриваю записи великих людей мира - Маркса, Ленина, Пушкина, Наполеона, Достоевского, Маяковского. Какое разнообразие почерков! Но мы читаем знаки, нанесенные на бумагу, и воспринимаем мысли великих людей, навечно запечатленные в сознании человечества, при помощи буквы, слова, фразы.
По каким же признакам мы способны понимать различные почерки? Очевидно, при самом различном написании букв есть необходимое, в чем-то устойчивое единообразие, которое дает возможность не путать букву "а" с "о", букву "б" с "в".
Представьте себе электронный глаз, состоящий из 60 фотоэлементов. Перед этим глазом кибернетической машины ставятся цифры, написанные совершенно по-разному: и твердо, и округло, и жестко, и еле нацарапанные на листке бумаги*
Зачем? Да машину нужно научить общности восприятия, отучить от машинной узости.
Такие машины уже существуют. Пока они осваивают начатки знаний. Известный исследователь М. М. Бонгард работает в этом направлении - он "натаскивает" машину, заставляя ее привыкать к различным изображениям. И когда после такой тренировки перед электронным глазом ставили цифры или буквы в новом, незнакомом начертании, машина их узнавала.
Удивительное и неожиданное предложение сделал советский математик Э. М. Браверман. Он создал так называемую гипотезу "компактных множеств".
Каждое изображение буквы или цифры, написанных по-разному, вызывает как бы ряд близко лежащих точек в машине. Множество изображений дает и множество точек, которые группируются достаточно компактно, чтобы в массе своей определить тот или иной знак.
И когда машина, в соответствии с усвоенной программой, неожиданно знакомится с новой цифрой или буквой, то по тому, к какому множеству точек будет отнесена эта буква или цифра, машина опознает ее.
Американцы предложили узнающую машину, названную ими "Перцептрон".
Эта машина имеет сетчатый экран из 400 фотоэлементов, воспринимающих изображение.
Электрические сигналы от фотоэлементов поступают к электронным клеткам машины, как бы моделирующей живую нервную систему.
Процесс обучения машины был довольно трудным. Она должна была узнавать выставленные перед экраном геометрические фигуры. Обучение машины проходило при взаимоотношениях, какие иногда создаются между строгим учителем и легкомысленным учеником: за каждую ошибку "Перцептрон" наказывали, ослабляя сигналы, поступающие к главному электронному устройству машины.
В этом случае ошибочные сигналы имели меньшее значение, чем сигналы правильные. Так машина училась на своих собственных ошибках.
Более интересной оказалась машина "Марк-1", способная опознавать буквы алфавита. В этой машине тоже 400 фотоэлементов и соответствующих им электронных узлов, моделирующих нервные узлы. Память машины состоит из 512 элементов. Кстати, второй вариант этой машины, находящейся в периоде сборки, имеет в 20 раз больше элементов памяти. Машина научилась распознавать печатные буквы и цифры в различных начертаниях.
Пройдет какое-то время, и машина сумеет читать печатный текст - книги, газетные сообщения.
А если машина различает буквы, значит, она может различать и образы.
Уже сегодня машина в состоянии производить зрительные подсчеты количества кровяных шариков во время анализов крови. А ведь раньше эту кропотливую работу мог делать только человек. Машина в состоянии не только подсчитывать количество деталей, но определять их характер, их разнообразие
Вероятно, зрячая машина станет тем механизмом, который сможет не только узнавать детали, поступающие на конвейер, но и закреплять их там, где это необходимо.