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

8* 115

"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].

116

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

117

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.