Содержание Введение 3 1. Пирамида языков 4 2. Программистские аналогии 4 3. Две логики 5 4. Как исчислять идеи? 6 5. Мозг и компьютер 6 6. Биокомпьютер 7 7. «Виртуальная реальность» 12 Список использованной литературы 15 Введение О тличительное свойство мышления заключено, наверное, в способности дост игать определенной цели, то есть находить нужный вариант среди других, в принципе допустимых, но не приводящих к требуемому результату. Например , если у обезьяны в клетке есть куча различных предметов, но достать банан она может, лишь выбрав из кучи ящик, чтобы встать на него, и палку, чтобы сби ть банан, то мы судим об интеллекте обезьяны по тому, как она справляется с выбором. Допустимые варианты – это комбинации некоторых элементов: действий в п рактических вопросах, умозаключений в доказательствах, красок и звуков в искусстве. Может быть, чтобы получить искомое сочетание, надо просто пе ребирать варианты один за другим и отбрасывать все негодные? Бесплодность такого подхода следует из простого факта, называемого в ки бернетике комбинаторным взрывом. Дело в том, что если элементы могут сво бодно группироваться друг с другом, то общий набор сочетаний растет (с ув еличением числа элементов в наборе) крайне быстро, экспоненциально. Так, при алфавите всего из десяти символов можно составить 10100 текстов длиной по сто букв! Машине, просматривающей даже миллиард миллиардов таких стобуквенных с лов в секунду (конечно, это фантастическая скорость), для полного обозрен ия их понадобится около 1074 лет. Для сравнения, время, прошедшее после космо логического Большого взрыва – «всего лишь» 1010. Поэтому испытать все вари анты не под силу ни «медлительному» человеческому уму, ни сколь угодно с овершенному компьютеру. И все же каким-то образом возникают уникальные тексты из многих сотен и т ысяч знаков (в музыке Моцарта нельзя тронуть ни одну ноту). В поиске таких новых и незаменимых комбинаций состоит суть творчества. «Но ведь где-то есть он в конце концов, тот – единственный, необъяснимый, тот – гениальн ый порядок звучащих нот, гениальный порядок обычных слов!» (Р. Рождествен ский). Значит, должны существовать способы отыскания «иголки» нужного без пол ного перебора «стога сена» возможного. Концепция Л.И.Верховского позвол яет определить подходы для формализации такого процесса. 1. Пирамида языков Я сно, что построение искомой комбинации было бы невозможно, если б оно сра зу начиналось на уровне тех элементов, на котором оно окончательно должн о быть выражено – назовем этот уровень языком реализации. Ведь для сочи нения романа недостаточно знания букв, а для того, чтобы добраться до нуж ного адреса, – правил уличного движения. Поэтому мы всегда используем не один язык, а целый их набор. С помощью этог о набора пытаемся решить проблему в общем, то есть свести ее к ряду подпро блем, те – к еще более мелким, и так до тех пор, пока каждая из них не будет н астолько проста, что сможет быть выражена на языке реализации. Фактическ и мы одну сложную задачу последовательно разбиваем на все большее число все более легких. Как если бы при прокладке маршрута пользовались бы ком плектом карт разного масштаба. В самом деле, определяя путь, мы начинаем с самой грубой карты, охватывающ ей весь маршрут. От нее переходим к небольшому набору более подробных, от каждой из них – к нескольким еще более детальным. И всякий раз мы без труд а находим нужное, так как каждая более общая карта уже по смыслу резко огр аничивает дальнейший перебор. Таким образом, в иерархии языков заключен о противоядие против комбинаторного взрыва. Понятно, что успех всей многоступенчатой процедуры будет зависеть от то го, насколько полон имеющийся набор «карт», нет ли там пропусков целых яр усов или отдельных экземпляров. Но такая завершенность возможна только в хорошо изученной области. Наиболее характерна именно нехватка знаний, требующая усилий для расширения и реорганизации языковых средств. Чтобы разобраться в развитии таких средств, удобно обратиться к языкам п рограммирования. 2. Программистские аналогии В схеме обычной современной ЭВМ воплощен язык машинных команд, состоящий из простейших арифметических и логических операций. Примитивность это го языка – плата за универсальность: предполагается, что машина будет и спользована для разных целей, а из маленьких кирпичей как раз и можно стр оить дома самой витиеватой формы, чего не скажешь о крупных блоках. Однако каждый конкретный пользователь решает только свой узкий круг за дач, и универсальность ему не нужна. Напротив, он хотел бы ворочать больши ми блоками, что позволило бы ему уменьшить перебор. Иными словами, он жела л бы иметь язык, ориентированный именно на его проблемы. Как же его получи ть? При составлении нескольких самых простых программ некоторые сочетания команд все время повторяются, они как бы слипаются между собой. Такой ком бинации можно присвоить имя, ввести ее в память, и оператор языка более вы сокого уровня готов. (Это аналогично выработке условного рефлекса – пов торяющиеся стимулы и реакции становятся единым целым.) Такой вариант дей ствий можно назвать путем «снизу». Но есть и другой путь – «сверху». Анализируют все множество решаемых за дач и ищут набор как можно более крупных частей, из которых складывался б ы любой нужный алгоритм. Проводя опять-таки параллель со строительством , можно сказать, что определяют комплект блоков, из которых удастся возве сти все здания оговоренного типа. Здесь человек использует свое преимущество перед машиной в разноплано вости своих представлений о мире. Для компьютера этот крупноблочный язы к совершенно непонятен, и ему надо перевести каждый блок в набор кирпиче й – машинных команд. Для этого сочиняется программа-транслятор (опять ж е путем иерархического разбиения). В разных случаях будут свои наборы бл оков; так возникают сотни алгоритмических языков – каждый из них по-сво ему членит мир. В этих соотношениях проявляется общий принцип мышления – работать на в ерхних этажах языковой иерархии. Если в нашем распоряжении нет языка выс окого уровня – то его надо создать. Главная цель при этом – избежать бол ьших переборов вариантов. Окончательный результат, например, обоснование какого-то утверждения, д олжен быть приведен к чему-то хорошо понятному: аксиомам в формальной те ории, атомно-молекулярным представлениям в химии (это – язык реализаци и). Значит, задача состоит в том, чтобы спуститься до этого уровня, а затем и дти в обратную сторону (снизу вверх), осуществляя логический вывод, строг ую дедукцию. 3. Две логики Е ще в школе на уроках геометрии мы хорошо усваиваем сущность строгой логи ческой системы: если удалось протянуть цепочку умозаключений от исходн ых постулатов до требуемого утверждения, то не остается никаких сомнени й в его истинности (пока кто-нибудь, подобно Лобачевскому, не усомнится в самих основах). Но если цепочка вывода достаточно длинна, то, зная одни акс иомы, построить доказательство без большого перебора нельзя. Поэтому здесь тоже нужны целые блоки умозаключений. Для этого решаем сна чала совсем простые задачи (цепочки коротки), а каждую уже решенную запом инаем – они и становятся понятиями более высокого уровня (это то, что мы н азываем путем «снизу»). Наиболее важные, то есть отражающие общие свойст ва всего круга задач утверждения, именуют теоремами – их-то нужно помни ть обязательно. Теперь, столкнувшись с более трудной задачей, уже не придется сводить ее к постулатам, а лишь представить как комбинацию уже известных задач и до казанных теорем (от них путь вниз уже проделан). Решить задачу – значит, « выложить, как пол комнаты паркетом, задачу – аксиомами». Нахождение так ой укладки отражает построение доказательства, то есть состава и порядк а умозаключений. Понятно, что если задача достаточно велика, то сразу с не ю не справиться (все тот же большой перебор). Поэтому следует для начала ра сширить набор правильных утверждении. Возьмемся за более простые задач и. Легко заполняем их аксиомами. Теперь, держа в уме эти блоки, можно снова вернуться к трудной задаче. Понятно, что она сводится к уже решенным. Именно так строятся занятия по учебнику или с хорошим учителем, когда сп ециально подобранный ряд все усложняющихся задач позволяет постепенно наращивать знания ученика. А что делать в новой, неисследованной област и? Если там есть сколько-то установленных фактов, то с них все и начинается. Внимательно изучаем их строение, стараемся обнаружить скрытую законом ерность, некоторый общий принцип. Выявляем сходные контуры и мотивы – о пределяем для себя эвристики, которые позволят резко сузить число прием лемых гипотез. Дальше просеиваем правдоподобные варианты. Наконец, после долгих размышлений и неудачных проб, находим – эврика! – что все факты представимы как сочетания нескольких гипотез. Переживаем то редкое и надолго запоминающееся мгновение, которое называют озарени ем, инсайтом. Понятно, что введение элементов-гипотез – это уже знакомый нам путь «св ерху». Загвоздка в том, что сами эти элементы могут оказаться слишком бол ьшими, слишком далекими от обыденных представлений, чтобы сразу быть выр аженными на языке общеизвестного. Часто это просто смутные ощущения, ког да сам автор догадки уже уверен в ее правильности, но еще не может убедить других. Как говорил Карл Гаусс: «… я знаю свои результаты, я только не знаю, как я к ним приду». И все же, несмотря на образовавшуюся логическую пропасть, возникновение таких неясных образов – ключевой этап. Он соответствует интуитивному р ешению, постановке новых задач, определяющих все дальнейшее: формулиров ку и обоснование гипотезы, а затем превращение ее в теорию. Каждый интуит ивный образ – «замок в облаках» – должен быть закреплен (дальнейшим по дразбиением) на твердой почве аксиом и теорем. Ясно, что интуиция – это не что-то мистическое, а итог движения мысли «вширь», вынашивания своего ос обого взгляда, упрощающего всю картину. Итак, получаются две основные стадии создания теории: сначала угадывани е языка максимально высокого уровня для описания имеющихся фактов, а пот ом – строгое обоснование. 4. Как исчислять идеи? В свое время великий Г.Лейбниц выдвинул программу «универсальной характ еристики» – языка, символы которого отражали бы их смысл, то есть отноше ния к другим понятиям, – «его знаки сочетались бы в зависимости от поряд ка и связи вещей». Все мышление, по его идее, должно свестись просто к вычи слениям на этом языке по определенным правилам. Пока этот проект удалось воплотить лишь наполовину – формализовать дедуктивный вывод (его дела ет и ЭВМ), а логику изобретения, логику воображения – нет. Быть может, здесь окажется полезной комбинаторная геометрия (а наша моде ль относится к ней), цель которой – находить оптимальное сочетание неко торых элементов-фигур (подобный подход использовал ранее Эдвард де Боно ). Модель хорошо отражает различные ситуации, например, наличие конкурир ующих теорий – нескольких систем фигур, в которые укладывается данное м ножество фактов. Или появление факта, который не удается сложить из изве стных блоков. Тут приходится строить новую теорию – разбивать привычны е фигуры на части и компоновать их по-новому (производить, соответственн о, анализ и синтез). Кроме чисто комбинаторных трудностей, препона тут еще и в том, что при дол гом употреблении каждый образ начинает восприниматься как неделимое ц елое, с чем связаны догматизм в мышлении и бюрократизм в его многообразн ых проявлениях. Как правило, здесь нужен свежий взгляд, которым нередко о бладает «человек со стороны». Конечно, «игра в кубики» – лишь иллюстрация некоторых способов мышлени я, и говорить об универсальном подходе еще нельзя. И все же такая игра в не которой степени проясняет, что мог иметь в виду Лейбниц, когда писал, что с уществует исчисление более важное, чем выкладки арифметики и геометрии, – исчисление идей. В мозгу, вероятно, неясным пока способом создаются связи и отношения меж ду образами – энграммами памяти, а сам мыслительный процесс сводится к перестройкам этой структуры. При этом действует и минимизация – мы ведь всегда ищем самое короткое представление совокупности фактов; раньше э то называли принципом экономии мышления. Вообще, потребность в развитии какой-то «новой математики и логики» наз рела. Как указывали отцы кибернетики и теории систем Джон фон Нейман и Лю двиг фон Берталанфи, «логика будет вынуждена претерпеть метаморфозу и п ревратиться в неврологию в гораздо большей степени, чем неврология – в раздел логики», и «уже давно предпринимаются попытки создать „гештальт- математику“, в основе которой лежало бы не количество, а отношения, то ест ь форма и порядок». 5. Мозг и компьютер Э ВМ может хранить в памяти любое количество сведений (даже абсолютно бесс мысленных) и производить с ними миллионы действий в секунду. Сперва наде ялись, что эти достоинства уже гарантируют высокий интеллектуальный по тенциал, но вскоре выяснилось, что во многой осведомленности не обязател ьно таится мудрость. Ведь, как мы видели, ум – способность не отбрасывать плохие варианты, а находить хорошие, чего примитивным перебором не дости гнешь. Человек не запомнит большой объем неорганизованной информации (вроде т елефонного справочника), но зато знания у него н голове хорошо структури рованы и взаимосвязаны. Они в наибольшей мере отражают существенные сто роны реальности: наборы маршрутных «карт» увязаны между собой по вертик али и горизонтали, каждое понятие окружено его «ассоциативной аурой» (Д. С.Лихачев). Это богатство связей позволяет извлекать только относящиеся к делу сведения, а из них уже конструировать нужное решение. Знаниями о мире, моделью мира необходимо наделить и компьютер. Для этого в него сейчас вводят набор «сценариев». Сценарий – это общий каркас, сте реотип, который каждый раз должен наполняться конкретным содержанием. Р аспознав ситуацию, машина отыскивает соответствующий сценарий, после ч его сама ставит вопросы и уточняет для себя недостающие детали. Это нелегко сделать, если учесть, что запас таких шаблонов у человека пои стине колоссален – в них кристаллизуется опыт всей предшествующей жиз ни. Каждое явление мы представляем во многих срезах и ракурсах, а некотор ые вещи, например, пространственные соотношения, усваиваются бессознат ельно в раннем детстве. Но самое главное отличие здесь в том, что мозг оперирует непосредственно теми емкими образами, которые в нем возникли, то есть ему не нужно каждый раз опускаться до простейших операций. Судя по всему, образное мышление не отделено от памяти, где эти образы как-то запечатлены, и одновременно с перестройкой памяти самоорганизуется, настраивается на вновь созданн ый язык и «процессор». Это очень трудно воспроизвести прежде всего потому, что физические прин ципы нейрологической памяти не раскрыты. Сейчас популярна аналогия меж ду оптическими голограммами и энграммами памяти (распределенность по н осителю, огромная емкость, ассоциативность). На этом сходстве пытаются о сновывать думающие машины необычного типа – оптоэлектронные, в которы х храниться и обрабатываться будут не числовые коды всех понятий, а обра зы – голограммы. Другое направление – создание как бы аналога нейронной сети из большог о массива простых ЭВМ. Хотя каждая из них выполняет несложную функцию, вс е вместе они манипулируют целыми комплексами состояний. Опять получает ся нечто похожее на образное мышление. Так или иначе, но компьютеры должны научиться, выражаясь словами еще одн ого патриарха кибернетики, Клода Шеннона, «выполнять естественные опер ации с образами, понятиями и смутными аналогиями, а не последовательные операции с десятиразрядными числами». Работа мысли направляется определенными целевыми установками, мотивац ией. Сама цель становится тем вершинным образом, который направляет поис к средств для ее достижения. В нас заложена потребность получить новые в печатления (чувство информационного голода), а также сжать их, охватить о дним взглядом. Вероятно, эти установки надо внести в машину, чтобы сделат ь ее активно познающей. Наступит день, когда интуитивное мышление, связанное с неизвестными пок а механизмами памяти, тоже будет реализовано в виде электронных или каки х-то других схем. Постепенно искусственный интеллект начнет догонять, а затем и превосходить своего создателя в решении различных задач, игре в шахматы и тому подобное. И будет становиться все более очевидным, что главное различие – не в сво йствах мышления как такового, а в том, что человек наделен личностными св ойствами, в первую очередь, сознанием. «Человек знает, что знает». Сможет ли машина преодолеть и этот рубеж? Когда она научится сама образо вывать новые понятия, то рано или поздно придет к понятию «компьютер». А п осле – эффект зеркала: зная, что такое зеркало и видя в нем свое отражение , она придет к пониманию своего «Я». 6. Биокомпьютер Е сли оглянуться и окинуть непредвзятым взглядом историю мирового компь ютинга, неминуемо обнаруживаешь: огромный корабль компьютерного прибо ростроения находится в движении. Он медленно, но верно разворачивается о т чисто счетной техники, через машины с массовым параллелизмом к так наз ываемому биокомпьютеру – машине, которая должна вобрать в себя все лучш ее, присущее «счетному железу» и живому человеческому мозгу. И если рань ше биологические, эволюционные вопросы были для профессионального ком пьютерщика интересны не более, чем экологические, политические и прочие чисто человеческие проблемы, то теперь все изменилось. Как в процессе би ологической эволюции возникали и развивались биологические системы об работки информации? Как совершенствовались обеспечиваемые этими систе мами кибернетические свойства организмов? Все это ныне – профессионал ьные компьютерные вопросы. А посему не грех и обозреть сегодня, что мы, люд и, сумели сделать и чего не сумели еще в силу разных причин на длинной изви листой дорожке, в конце которой написано: «биокомпьютер». 6.1. Эволюционное моделирование В се работы в этой области можно свести к трем группам. В первой окажутся мо дели происхождения молекулярно-генетических систем обработки информа ции, во второй – модели, характеризующие общие закономерности эволюцио нных процессов, а в третьем – анализ моделей искусственной «эволюции» с целью применения метода эволюционного поиска к практическим задачам о птимизации. В начале 70-х годов лауреат Нобелевской премии М.Эйген предпринял впечатл яющую попытку построения моделей возникновения в ранней биосфере Земл и молекулярно-генетических систем обработки информации. Наиболее изве стная из них – модель «квазивидов», описывающая простую эволюцию полин уклеотидных (информационных) последовательностей. Вслед за Эйгеном в 1980- м новосибирскими учеными В.Ратнером и В.Шаминым была предложена модель « сайзеров». В модели квазивидов рассматривается поэтапная эволюция популяции инфо рмационных последовательностей (векторов), компоненты которых принима ют небольшое число дискретных значений. Модельно заданы приспособленн ости «особей» как функции векторов. На каждом этапе происходит отбор осо бей в популяцию следующего поколения с вероятностями, пропорциональны ми их приспособленностям, а также мутации особей – случайные равноверо ятные замены компонент векторов. Модель сайзеров в простейшем случае рассматривает систему из трех типо в макромолекул: полинуклеотидной матрицы и ферментов трансляции и репл икации, кодируемых этой матрицей. Полинуклеотидная матрица – это как бы запоминающее устройство, в котором хранится информация о функциональн ых единицах сайзера – ферментах. Фермент трансляции обеспечивает «изг отовление» произвольного фермента по записанной в матрице информации. Фермент репликации обеспечивает копирование полинуклеотидной матриц ы. Сайзер достаточен для самовоспроизведения. Включая в схему сайзера до полнительные ферменты, кодируемые полинуклеотидной матрицей, можно об еспечить сайзер какими-либо свойствами, например свойством регулирова ния синтеза определенных ферментов и адаптации к изменениям внешней ср еды. К началу 50-х годов в науке сформировалась синтетическая теория эволюции, основанная на объединении генетики и дарвиновского учения о естествен ном отборе. Математические модели этой теории хорошо разработаны, однак о они практически не касаются анализа эволюции информационных систем б иологических организмов. Однако в последующие десятилетия появились м одели, исследующие молекулярно-генетические аспекты эволюции. Японский ученый М.Кимура, например разработал теорию нейтральности, сог ласно которой на молекулярном уровне большинство мутаций оказываются нейтральными а один из наиболее важных механизмов появления новой гене тической информации состоит в дубликации уже имеющихся генов и последу ющей модификации одного из дублированных участков. В работах московски х ученых Д. и Н.Чернавских сделана оценка вероятности случайного формиро вания нового биологически значимого белка (кодируемого ДНК) с учетом тог о, что в белке есть активный центр, в котором замены аминокислот практиче ски недопустимы, и участки, свойства которых не сильно меняются при мног их аминокислотных заменах. Полученная оценка указывает на то, что случай ное формирование белка было вполне вероятно в процессе эволюции. В чрезвычайно интересных работах С.Кауфмана с сотрудниками из Пенсильв анского университета исследуется эволюция автоматов, состоящих из сое диненных между собой логических элементов. Отдельный автомат можно рас сматривать как модель молекулярно-генетической системы управления жи вой клетки, причем каждый логический элемент интерпретируется как регу лятор синтеза определенного фермента. Модели Кауфмана позволяют сдела ть ряд предсказаний относительно «программ» жизнедеятельности клетки . В частности, продемонстрировано, что для одновременного обеспечения ус тойчивости и гибкости программы число входов логических элементов дол жно быть ограничено определенным интервалом, а именно составлять велич ину примерно равную 2– 3. Согласованность и эффективность работы элементов биологических орган измов наводит на мысль: а можно ли использовать принципы биологической э волюции для оптимизации практически важных для человека систем? Одна из первых схем эволюционной оптимизации была предложена в 60-е годы П.Фогеле м, А.Оуэнсом и М.Уолшем; эффективность этой схемы на практике была продемо нстрирована И.Букатовой из Москвы. Также в последнее время проявляется б ольшой интерес к исследованию и использованию генетического алгоритма , предложенного Дж. Холландом из Мичиганского университета. Этот генетич еский алгоритм предназначен для решения задач комбинаторной оптимизац ии, то есть оптимизации структур, задаваемых векторами, компоненты котор ых принимают дискретные значения. Схема генетического алгоритма практ ически совпадает с таковой в модели квазивидов, за исключением того, что в генетическом алгоритме механизм изменчивости помимо точечных мутаци й включает в себя кроссинговер – скрещивание структур. Генетический ал горитм естественно «вписывается» в параллельную многопроцессорную вы числительную архитектуру: каждой «особи» популяции можно поставить в с оответствие отдельный процессор, поэтому возможно построение специали зированных компьютеров, эффективно реализующих генетический алгоритм. 6.2. Нейронные сети и нейрокомпьютер В последнее время активно ведутся также работы по построению моделей обр аботки информации в нервной системе. Большинство моделей основывается на схеме формального нейрона У.МакКаллока и У.Питтса, согласно которой н ейрон представляет собой пороговый элемент, на входах которого имеются возбуждающие и тормозящие синапсы; в этом нейроне определяется взвешен ная сумма входных сигналов (с учетом весов синапсов), а при превышении это й суммой порога нейрона вырабатывается выходной сигнал. В моделях уже построены нейронные сети, выполняющие различные алгоритм ы обработки информации: ассоциативная память, категоризация (разбиение множества образов на кластеры, состоящие из подобных друг другу образов ), топологически корректное отображение одного пространства переменны х в другое, распознавание зрительных образов, инвариантное относительн о деформаций и сдвигов в пространстве решение задач комбинаторной опти мизации. Подавляющее число работ относится к исследованию алгоритмов н ейросетей с прагматическими целями. Предполагается, что практические задачи будут решаться нейрокомпьютер ами – искусственными нейроподобными сетями, созданными на основе микр оэлектронных вычислительных систем. Спектр задач для разрабатываемых нейрокомпьютеров достаточно широк: распознавание зрительных и звуковы х образов, создание экспертных систем и их аналогов, управление роботами , создание нейропротезов для людей, потерявших слух или зрение. Достоинс тва нейрокомпьютеров – параллельная обработка информации и способнос ть к обучению. Несмотря на чрезвычайную активность исследований по нейронным сетям и нейрокомпьютерам, многое в этих исследованиях настораживает. Ведь изуч аемые алгоритмы выглядят как бы «вырванным куском» из общего осмыслени я работы нервной системы. Часто исследуются те алгоритмы, для которых уд ается построить хорошие модели, а не те, что наиболее важны для понимания свойств мышления, работы мозга и для создания систем искусственного инт еллекта. Задачи, решаемые этими алгоритмами, оторваны от эволюционного к онтекста, в них практически не рассматривается, каким образом и почему в озникли те или иные системы обработки информации. Настораживает также ч резмерная упрощенность понимания работы нейронных сетей, при котором н ейроны осмыслены лишь как суммирующие пороговые элементы, а обучение се ти происходит путем модификации синапсов. Ряд исследователей, правда, ра ссматривает нейрон как значительно более сложную систему обработки ин формации, предполагая, что основную роль в обучении играют молекулярные механизмы внутри нейрона. Все это указывает на необходимость максималь но полного понимания работы биологических систем обработки информации и свойств организмов, обеспечиваемых этими системами. Одним из важных н аправлений исследований, способствующих такому пониманию, наверное, мо жет быть анализ того, как в процессе биологической эволюции возникали «и нтеллектуальные» свойства биологических организмов. 6.3. «Интеллектуальные изобретения» биологической эволюц ии И нтересно разобраться, как в процессе биологической эволюции возникла ч еловеческая логика. Анализ связан с глубокой гносеологической проблем ой: почему человеческая логика применима к познанию природы? Кратко пояс ним проблему простым примером. Допустим физик, изучая динамику некоторо го объекта, сумел в определенном приближении свести описание его к диффе ренциальному уравнению. Далее он, разумеется, интегрирует полученное ур авнение согласно известным из математики правилам и получает характер истики движения объекта. Переход от дифференциального уравнения к хара ктеристикам движения носит дедуктивный характер но, если быть предельн о строгим, сей переход надо обосновывать: ведь физический объект соверше нно необязательно должен подчиняться правилам человеческой логики! Для понимания процесса возникновения логики предпринимаются попытки п остроить модельную теорию происхождения логики в биосфере. Такая теори я могла бы содержать математические модели ключевых «интеллектуальных изобретений» биологической эволюции, акцентирующие внимание на биоло гическом значении и причинах возникновения этих изобретений, а также мо дели, характеризующие переходы между изобретениями разных уровней. Над ежнее всего, видимо, начать с «самого начала» – с происхождения жизни и п роследить весь путь биологической эволюции от простейших организмов д о человека, выделяя на этом пути наиболее важные эволюционные открытия, ведущие к логике. Чтобы представить круг вопросов, которые составляют пр едмет модельной теории происхождения логики, отметим некоторые важные уровни «интеллектуальных изобретений». Уровень первый – организм различает состояния вешней среды, память об э тих состояниях записана в геноме и передается по наследству, организм ад екватно использует различие сред, меняя свое поведение с изменением сре ды. Пример этого уровня – свойство регулирования синтеза белков в бакте риях в ответ на изменение питательных веществ во внешней среде по схеме Ф.Жакоба и Ж.Моно. Данное свойство можно назвать элементарной сенсорикой . Второй уровень – временное запоминание организмом состояния среды и а декватное, также временное, приспособление к ней. Пример этого уровня – привыкание, а именно постепенное угасание реакции раздражения на биоло гически нейтральный стимул. Третий уровень – запоминание устойчивых связей между событиями в окру жающей организм природе. Хороший пример – исследованный И.Павловым кла ссический условный рефлекс, в котором происходит долговременное запом инание связи между условным и безусловным стимулами и подготовка к жизн енно важным событиям во внешнем мире. Между классическим условным рефлексом и логикой лежит еще целый ряд про межуточных уровней. Например, инструментальный условный рефлекс отлич ается от классического тем, что в нем для получения поощрения животному необходимо совершить заранее неизвестное ему действие. Цепь условных р ефлексов – это система реакций, сформированная на основе ранее хранивш ихся в памяти животного условных связей. Рассмотрение моделей «интеллектуальных изобретений» биологической э волюции показывает их чрезвычайную фрагментарность и слабую разработа нность. Совершенно нет моделей переходов между «изобретениями» разных уровней. Сейчас можно только предварительно указать на некоторые анало гии. Например, выработку условного рефлекса можно рассматривать как про исходящий в нервной системе животного элементарный вывод – «если за ус ловным стимулом следует безусловный, а безусловный стимул вызывает опр еделенную реакцию, то условный стимул также вызывает эту реакцию» – дал ьний предшественник формул дедуктивной логики. Построение модельной теории возникновения логики может быть общей нау чной основой при создании искусственных интеллектуальных систем на би онических принципах. В рамках таких работ предстоит модельно сопостави ть дарвиновскую (нет передачи по наследству приобретенных навыков) и лам арковскую (есть наследование приобретенных навыков) концепции эволюци и и выяснить классы задач, для которых применима та или иная стратегия. По являются возможности модельно проанализировать процесс возникновени я нервной системы как специально предназначенной для быстрой и надежно й обработки информации части управляющей системы. Остается подчеркнуть, что в исследованиях по нейрокомпьютерам и по эвол юционному моделированию уделяется очень мало внимания тем свойствам с истем обработки информации, благодаря которым организмы приспосаблива ются к окружающей среде, а также осмыслению того, как и почему возникали т акие свойства. Поэтому идейное объединение этих исследований с анализо м эволюции «интеллектуальных изобретений» биологических организмов о чень актуально. Будет ли компьютер когда-нибудь мыслить, как человек? Сегодня вряд ли кто -то сможет убедительно аргументировать положительный ответ на этот воп рос. Тем не менее ход развития электроники показывает, что дистанции меж ду машиной и существом разумным постепенно сокращается. В первые десятилетия после изобретения компьютера в его задачу входили лишь вычислительные работы, С 70-х годов компьютерную технику начали пере ориентировать с цифровой информации на различные системы символов, в то м числе тексты. Следующий этап – он начался в 90-е – означая переход к рабо те с широкополосной информацией, включающей распознавание емких инфор мационных образов. По мнению специалистов, в самом ближайшем будущем до 90 % информации, обрабатываемой в компьютерах, будет связано именно с распо знаванием образов. А следовательно возникает потребность в устройства х нового поколения. Один из способов решения этой проблемы – создание нейрокомпьютеров. Ка к известно, человеческое мышление характеризуется функциональной асим метрией мозга. Логические задачи, связанные с обработкой различных симв олов и составлением последовательных цепочек умозаключений, как прави ло, решаются с помощью левого полушария. Оно же отвечает за речь. А вот образное и ассоциативное мышление – это функции правого полушари я. Поэтому человек с поврежденным правым полушарием прекрасно логическ и мыслит, способен говорить и понимать речь, но он не улавливает различны х оттенков в интонации говорящего и не может устанавливать различные ас социативные связи между словами. Такой индивид лишен чувства юмора, и пр и общении с ним возникают определенные трудности. Нейрокомпьютер – это устройство, которое во многом имитирует работу че ловеческого мозга, особенно его правого полушария. Оно состоит из множес тва искусственных нейронов, напоминающих естественные. Электронные не йроны, как и их аналоги в мозгу человека, объединены в структуры на различ ных уровнях, между которыми осуществляется информационный обмен. С помощью системы информационных уровней, или нейросетей, можно распозн авать и обрабатывать огромные объемы образной информации. Более того, та кие компьютерные сети обладают свойством самообучения или самопрограм мирования. Достоинство этих технологий также в том, что они предназначены для решен ия неформализуемых задач, для которых или еще нет соответствующей теори и, или она в принципе не может быть создана. Кроме того, в процессе своего о бучения нейросеть учится находить оптимальные решения поставленных за дач, что является еще одним важным преимуществом. Распознавание образов, сжатие информации, ассоциативная память – эти ф ункции являются необходимыми для различных устройств с искусственным интеллектом. И создатели компьютерной техники уже достаточно продвину лись в этом направлении. Так, если сравнивать мощность искусственных и е стественных нейросетей по емкости памяти и скорости работы, то искусств енные нейросети уже превзошли уровень мухи, хотя еще не достигли уровня таракана. Однако тот, кто пытался поймать муху, может представить, какого типа задачи уже доступны нейросетям! 7. «Виртуальная реальность» П роцесс познания человеком мира вышел на новый виток. И этот новый уровен ь связан с разработкой и реализацией комплексной проблемы «виртуальна я реальность» (Virtual Reality), активно развивающейся в университетах и промышленн ых компаниях США. Японии и Европы. Важным отличием «виртуального» подхода от предыдущих методов компьюте рного моделирования процессов, происходящих в сложных системах, являет ся возможно более полное использование знаний об особенностях поведен ия человека, о человеческом мозге, о процессах обработки образной информ ации, о взаимодействии сенсорных каналов (зрительного, слухового, тактил ьного и прочих), о формировании у нас обобщенного образа мира – ведь мы ещ е плохо представляем, как именно это происходит. Разумеется, любое попадание на новый уровень – это результат глубокой п роработки и обобщения результатов работы на предыдущих уровнях. Поэтом у в проблеме «виртуальной реальности» существенное место занимает то, ч то довольно давно вошло в компьютерный обиход, – цветная и трехмерная г рафика, интерактивные системы человеко-машинного общения. Использование полисенсорной информации и соответствующих обратных св язей привело к невиданному прогрессу в разработке аппаратуры (видео-, ау дио-, сенсоров-шлемов, специальных перчаток с датчиками) и программных ср едств (в частности, новых типов баз данных). Все это хозяйство позволяет в реальном масштабе времени создать «эффект присутствия» как в глубине о браза, так и на его поверхности, анализировать и отображать полученные з нания с различной степенью детализации образа, интенсификации проявле ния различных его свойств, в различных ракурсах. Первостепенную роль в разработке проблемы «виртуальной реальности», и грают такие особенности «человеческого фактора», знания о которых полу чаются в результате нейропсихолингвистических исследований. К подобны м особенностям относятся, в частности, обработка полисенсорной (иногда е ще ее называют полимодальной) информации, адаптивная обратная связь, «вз гляд изнутри» на объект, специфика механизмов межполушарной асимметри и мозга. При изучении процессов восприятия человеком знаний о мире (а мир – это м ногоуровневая внешняя среда и многообъектная коммуникативная система ) больше внимания традиционно уделялось этапам восприятия, формировани я и, конечно, их компьютерному представлению. В настоящее же время на пере дний план выходят проблемы, понимания и интерпретации знаний, полученны х по различным сенсорным каналам (имеются в виду цветовые оттенки, шерох оватость поверхности, трехмерное полизвучание и тому подобное). Подход к познанию мира, основанный на «виртуальной реальности», предпол агает отображение знаний в «кибернетическое пространство» – (cyberspace) с уче том специфики человека на основе дуальной – «левополушарной» (логико-к омбинаторной) и «правополушарной» (целостной, как говорят немцы, «гештал ьтной») стратегии обработки информации. В соответствии с «левополушарн ым принципом» реализуются сканирование по экрану, обход образа по конту ру и логико-комбинаторная, численно-аналитическая и вероятностная обра ботки. «Правополушарный принцип» позволяет осуществить целостный охва т входного паттерна на основе оценки многосвязности. Поэтому важным фак тором в создании систем «виртуальной реальности» является использован ие нейросетевых моделей. Еще одной гранью «виртуальной реальности» являются формализованные ра ссуждения субъекта, основанные на его личностных представлениях о добр е и зле, красоте, возможном и недопустимом, отображение этих рассуждений в cyberspace. Подобный формальный аппарат и практически полный комплекс рассуж дений уже разработаны Вацлавом Поляком. В России работы в этой области ведутся рядом коллективов под эгидой секц ии «Нейроинтеллект» Российского научно-технического общества радиоте хники, электроники и связи им. А.Попова. Разрабатывается программное обе спечение по интерпретации метафор, интонационных характеристик речи, о пределению состояния человека на основе мимики, а также детектированию газов из смеси, экологии, биотехнологии. При формировании «виртуальной р еальности» должны, видимо, использоваться свойства, присущие живому моз гу, например, такие, как многосвязность и пластичность. Один из подходов п оэтому и основан на изучении взаимного влияния этих свойств и характери стик (физических, геометрических, структурно-временных) в искусственных нейронных системах. В конкретной реализации модели, по-видимому, целесо образно использовать нано-технологию. В США проблематику «виртуальной реальности» разрабатывают и применяют при создании продукции такие известные и мощные фирмы, как Intel, IBM, Apple, Silicon Graphics, Hewlett- Packard, Boeing, DEC, Northrop, Chrysler и новые, специализированные, такие, как VPL Research, SENSEB, Fake Space Labs, SIM-Graphics. Вот некоторые конкретные приложения «виртуальной реальности» на практ ике. Фирма «Крайслер» с помощью фирмы IBM, используя трехмерные очки-линзы и сенсорные перчатки, сократила время проектирования очередной модели. Фирма «Боинг» использует подобный подход для обучения рабочих. Фирма «Н ортроп» ускорила проектирование двигателя истребителя F-18. С помощью ком пьютеров Macintosh, фиксируя различные параметры, характеризующие действия сп ортсменов (положение, скорость, гибкость), уже моделируется в реальном ма сштабе времени их динамика, что позволяет интенсифицировать возможнос ти спортсменов. В западной печати Virtual Reality представляется как новая технология, способная у силить возможности человеческого мышления. Поэтому на ее разработку вы деляются сотни миллионов долларов. Проблематика «виртуальной реальности», как никакая другая сфера, тесно связана с результатами нейропсихолингвистических исследований, В этих направлениях российская наука всегда занимала передовые позиции. И.Пав лов и А.Ухтомский, И.Бериташвили и Н.Бернштейн, Л.Выготский и Ф.Бассин (спис ок легко можно продолжить) создали отличный фундамент. Математические м одели еще в 50-60-х годах начали создавать И.Гельфанд, А.Ляпунов, М.Цетлин, С.Фо мин. Это были пионерские работы, результаты которых использовались во вс ем мире. Список использованной литературы 1. Аруцев А.А., Ермолаев Б.В., Кутателадзе И.О., Слуцкий М. Концепции современного естествознания . С учебное пособие . М. 1999 2 . Петросова Р.А., Голов В.П., Сивоглазов В.И., Страут Е.К. Естествознание и основы эк ологии. Учебное пособие для средних педа гогических учебных заведений. М.: Дроф а, 2007, 303 стр. 3. Савченко В.Н., Смагин В.П. . НАЧАЛА СОВРЕМЕН НОГО ЕСТЕСТВОЗНАНИЯ КОНЦЕПЦИИ И ПРИНЦИ ПЫ. Учебное пособие . Ростов-на-Дону . 200 6.