* Стоит ли стремиться достичь этих целей?

Ни на один из этих вопросов нет легких ответов, но сторонники основанной на принципах протекания нервных процессов модели параллельной распределенной обработки (и другие ученые) упорно их ищут.

Мозг. После столетия психологических исследований, особенно изучения познания в течение нескольких прошлых десятилетий, ответ на первый вопрос начинает, наконец, принимать определенную форму. Я надеюсь, что содержание этой книги является тому подтверждением. Мы многое узнали о нашей мыслящей машине, называющейся мозгом: она существенно отличается от распространенных компьютеров неймановского типа. Возможно, исследования ИИ продвинулись бы дальше, если бы компьютеры больше походили на мозг. Для прояснения этого вопроса я предлагаю следующее сравнительное резюме.

Таблица 16.1

Человеческое мышление и компьютер. Ответ на второй вопрос, по крайней мере с точки зрения коннекционизма, состоит в том, что мышление человека можно лучше всего скопировать, смоделировав машину по принципу строения основных нервных структур.

Преимущество компьютера. Некоторые компьютерные программы работают намного эффективнее, чем человеческое мышление; однако большинство из них — это в лучшем случае неуклюжие подделки под мозг. Компьютеры могут решать некоторые задачи, например сложные математические, быстрее и точнее, чем люди. Другие же задачи, например требующие обобщений и обучения новым паттернам поведения, люди решают лучше компьютеров.

Необходимость исследований. Наконец-то я могу с легкостью дать ответ на вопрос о том, должны ли мы заниматься этими проблемами, — да, должны. При этом мы больше узнаем о мышлении человека и машин. Однако есть мнение, что исследовать искусственный интеллект столь же глупо, как сражаться с ветряными мельницами.

Если посмотреть на таблицу сравнения компьютеров неймановского типа с мозгом, можно понять, почему исследователи искусственного интеллекта были разочарованы, если не сказать поставлены в тупик. Они работают с неправильными машинами! Кажется, что мы находимся на пороге концептуального прорыва — возможно, сдвига парадигмы — в области искусственного интеллекта, и уже сделаны первые шаги в направлении увеличения сходства компьютеров и мозга с точки зрения их структуры и процессов. Системы нейронных сетей, модели PDP и коннекционизм пытаются найти вычислительные принципы, управляющие сетями нейронов в нервной системе человека. Для достижения этой цели они выбирают средства, которые могут показаться очень абстрактным. Единицы могут представлять нейроны, они подчиняются законам, выведенным на основе наблюдения за поведением нейрона. То есть единица может быть соединена с другими единицами, связь между ними может быть усилена или ослаблена, они могут устанавливать между собой постоянные связи и т. д. (Для дополнительной информации см. Churchland, 1989.)

Важная концепция была предложена в связи с нейронными сетями: они также могут учиться. То есть посредством системы синаптических связей инфраструктура мозга может измениться под воздействием опыта (который может быть внешне или внутренне обусловлен).

Мы еще не знаем, насколько успешными будут эти попытки. Однако нам известно, что этот новый взгляд на человеческое познание вызывает большой энтузиазм его сторонников[105]. Даже человек, просто интересующийся когнитивной психологией, отметит важный вклад этих исследований в психологию и будет с нетерпением ждать будущих событий.

Я не знаю другой такой области когнитивной психологии, где происходили бы столь ожесточенные споры о моделировании человеческого мышления машинами. Одну сторону этого спора представляют те ревнители ИИ, которые не только верят, что машины способны точно копировать человеческое познание, но и считают, что наиболее сложные интеллектуальные процессы могут выполняться только машинами. Это надо понимать так, что компьютеры должны непосредственно участвовать в повседневном принятии решений людьми. С другой стороны находятся те, кто считает ИИ интеллектуально извращенным понятием и полагает, что люди, верящие в «мыслящие машины», — это материалистические идолопоклонники. Они полагают, что человеческое мышление — это чисто человеческий процесс; наверное, его можно частично синтезировать в машине, но дублировать с помощью ИИ-программ его не удастся никогда.

В качестве отправной точки полезно рассмотреть дихотомию, предложенную философом из Калифорнийского университета в Беркли Джоном Сирлом (John Searl, 1980). Он описал две позиции в ИИ: «жесткую» и «мягкую»; согласно мягкой позиции, ИИ может использоваться как инструмент в исследованиях человеческого познания; а жесткая предполагает, что соответствующим образом запрограммированный компьютер обладает разумом и способен к пониманию. У «мягкого» ИИ мало оппонентов; почти все признают важность компьютеров в исследовании человеческого познания, и к этому почти нечего добавить. «Жесткий» ИИ, опровергаемый Сирлом, вызвал бурю протеста. Мы продолжим рассмотрение этого спора в разделе про «китайскую комнату», но сначала рассмотрим одну оригинальную задачу, предложенную британским математиком Аланом Тюрингом[106] и касающуюся разума и машин.

Тюринг (Turing, 1950) предложил использовать задачу, в ходе которой человек задает вопросы «неизвестному существу, использующему язык». Задача человека — решить, можно ли отличить это существо от человека. В пользу Тюринга говорит то, что использование «имитирующей игры», ставшей впоследствии широко известной как «тест Тюринга», само по себе было весьма тонким обманом, который, давая специалистам по ИИ конкретный материал для работы, уводил их внимание от философских вопросов о разуме, ставших главным раздражающим фактором в истории науки и психологии. Не обращаясь непосредственно к философским вопросам, как это сделал Тюринг, «существо» спрашивало: «Является ли познание функцией материальных процессов, и если да, то могут ли такие функции продуцироваться неорганической машиной?» или: «Как решить проблему тела и разума?» — то есть «оно» выбирало гораздо более четкие рамки вопроса, основанные на операционализме. Поскольку в литературе сохраняется определенная путаница относительно реальной природы предложенного Тюрингом теста, мы приводим его здесь довольно детально: