П. Кузнецов «Искусственный интеллект»

Полное название статьи: «Искусственный интеллект и разум человеческой популяции», автор: П. Г. Кузнецов. Текст публикуется согласно изданию: Е. А. Александров «Основы теории эвристических решений», 1975 г.

Имя у учёного необычное – Побиск.


Эвристическое программирование, эвристические решения, машинное распознавание образов, машинное моделирование интеллектуальной деятельности, программа общего решателя проблем, общая теория систем и многие другие научные направления различными путями идут к решению одной и той же задачи. Эта задача возникает там, где человек, серьёзно занятый наукой, приходит к мысли, что его познания составляют ничтожную часть того, что ему хотелось бы знать. В этой ситуации, сознание ограниченности собственного интеллекта (связанной с такими естественными факторами, как время жизни и чисто физические возможности индивидуума) приводит к пониманию необходимости её преодоления.

Наиболее ярко и точно эту проблему довольно давно представил У. Р. Эшби в своей замечательной работе: «Схема усилителя умственных способностей». Эшби отмечает [1], что: «...инженеры средних веков, знакомые с принципом рычага, зубчатого колеса и блока, должно быть, часто говорили, что поскольку никакая машина, приводимая в действие человеком, не может дать больше работы, чем он в неё вкладывает, то никакая машина не может усиливать мощность человека. Но теперь мы видим, как один человек заставляет вращаться все колеса на заводе, бросая уголь в топку. Поучительно разобрать, как именно современный кочегар опровергает догмат средневекового инженера, всё же оставаясь подчинённым закону сохранения энергии.

Небольшое размышление показывает, что этот процесс имеет две стадии. В первой стадии кочегар поднимает уголь в топку: в этой стадии энергия строго сохраняется. Попадание угля в топку представляет начало второй стадии, в которой энергия тоже сохраняется, по мере того как сжигание угля приводит к производству пара и, наконец, к вращению колёс на заводе. Заставив весь процесс протекать двумя стадиями, связанными с двумя порциями энергии, величины которых могут меняться до некоторой степени независимо, современный инженер может получить общее усиление мощности».

Далее Эшби ставит вопрос о том, что подобного рода проблема имеет место и для усилителя умственных способностей.

Нам хотелось бы несколько изменить точку зрения на эту же самую проблему. Мы будем рассматривать не разум отдельного индивидуума, а разум всей человеческой популяции. Можно возразить, что разумом обладают только отдельные индивидуумы, а не человеческая популяция в целом. Конечно, в настоящее время человеческая популяция ещё не обладает коллективным разумом, но она обладает «коллективной памятью». Эта «коллективная память» сосредоточена преимущественно в книгах и творениях человеческих рук. «Коллективная память» наших библиотек является потенциальной памятью – она оживает тогда и только тогда, когда живой индивидуум активно владеет этим богатством. Теперь мы можем уточнить нашу точку зрения – можно ли «потенциальную коллективную память» наших библиотек превратить в «оперативную память» человеческой популяции?

Высказывая сугубо личную точку зрения, я хотел бы думать, что это не только возможно, но и исторически необходимо. Человечество в настоящий момент переживает эпоху научно-технической революции. В эпоху технической революции был освоен способ усиления мощности. Теперь же, в эпоху научной революции, осваивается способ увеличения коэффициента усиления мощности. Этот аспект проблемы хорошо изложен в короткой, но очень содержательной книге Б. Г. Кузнецова «Физика и экономика» [2], где производительность общественного труда и три её производные по времени представлены как компоненты фундаментального экономического индекса:

В этой же книге Б. Г. Кузнецов пишет: «...исходным показателем цивилизации служит отношение выраженных в каких-то физических единицах сил природы, которые приведены в целесообразное действие и целесообразным образом скомпонованы человеком, к затраченным на это инициирующим силам самого человека. Для получения этого индекса нужно взять энергетическую вооружённость труда, т.е. число киловатт-часов, выделяющихся при процессах, целесообразно контролируемых человеком, делённое на число человеко-часов, на число участвующих в производстве людей или даже на численность населения. При мало «меняющемся числе часов использования киловатт-часы можно заменить киловаттами».

Если коэффициент усиления мощности, т.е. A в формуле Б. Г. Кузнецова, относится к технической революции, то коэффициенты B и С при второй и третьей производной от мощности по времени имеют прямое отношение к интеллектуальным усилиям человечества.

Наша точка зрения на интеллект как на природное явление, которое обеспечивает непрерывный рост мощности на каждый килограмм веса человеческой популяции, полностью совпадает с точкой зрения Б. Г. Кузнецова и позволяет видеть прямую связь между иллюстративным примером Эшби и решением проблемы искусственного интеллекта. Эта точка зрения вытекает как логическое следствие из наших прежних работ по термодинамическим особенностям биологических и социально-экономических систем. В настоящее время почти все согласны, что имеются такие свойства эволюции биологических систем, которые не следуют или не вытекают из закономерностей, которыми мы описываем явления неживой природы. Это отличие иллюстрирует схема, приведённая на рис. 1 [3].

Рис. 1. Классификация систем.

Эта схема демонстрирует класс систем, которые эволюционируют от равновесия, т.е. системы, у которых способность совершать работу или вызывать изменения в окружающей среде не уменьшается с течением времени. Этот принцип и служит эвристическим признаком для выяснения понятия «цель» в системах с «целенаправленным поведением».

Настоящая книга посвящена машинному моделированию интеллектуальной деятельности человека, построенной на анализе действий отдельного индивидуума при решении конкретных творческих задач. Это важное и конструктивное направление в современной кибернетике позволяет, не дожидаясь конечных результатов исследований по проблеме построения искусственного интеллекта, получать промежуточные результаты, которые представляют определённый научный интерес и имеют важное прикладное значение. Известно, что в силу определённой сложности предмета, наличия многих междисциплинарных связей, отсутствия методологии исследований, апробированной в широких масштабах, мировая наука пока лишь нащупывает подходы к решению этой проблемы. Книга Е. А. Александрова, обобщающая многие работы автора за последнее десятилетие, освещает один из таких подходов – интегративный или, как его ещё называют, естественнонаучный подход, основанный на изучении информационной работы мозга и перенесении найденных таким путём принципов в технические системы. Думается, что ознакомление с этим подходом принесёт несомненную пользу и будет способствовать выработке достаточно глубокого и строгого взгляда на поднятую автором проблему.

В этом приложении мне хотелось бы обратить внимание на анализ действий коллективного разума, который возникает и доступен прямому наблюдению при формировании и реализации комплексных научно-технических и медико-биологических программ. К числу таких программ относятся программы создания систем жизнеобеспечения как в малом (для космических кораблей и т.п.), так и в большом (создание системы охраны здоровья для населения всей страны). В таких комплексных программах работают одновременно математики, физики, химики, биологи, экологи, физиологи, психологи, врачи и инженеры самых различных специальностей. В процессе формирования и реализации программы эти отдельные индивидуумы превращаются в целостный коллективный мозг системы. Этот коллективный мозг всех специалистов фиксирует результаты своей деятельности в комплекте рабочей документации на систему и в бесчисленном множестве отчётов, посвящённых решению тех или иных научных и технических проблем, связанных с проектированием системы жизнеобеспечения. Не существует одного индивидуума, который может сказать: «Это всё сделал я» – существует коллективный мозг, результаты работы которого и превращаются в материальную конструкцию системы. Созданная система жизнеобеспечения является материализованной мыслью коллективного мозга.

Если сделанная система жизнеобеспечения – результат работы этого коллективного мозга, то в чём же вообще состоит процесс коллективного мышления? Оказывается, это процесс синтеза разветвлённой логической теории из локальных логических и интуитивных теорий. Очень часто сами разработчики не догадываются о внутреннем содержании своей деятельности по синтезу обобщающей логической теории. Тем не менее созданная ими система является материальным воплощением этой обобщённой логической теории. Система обеспечивает преобразование заданных входов в заданный выход, а её математическое описание – преобразование исходных данных (входа) в решение (выход).

В реальной разработке этот процесс создания обобщённой логической теории состоит из выявления накладываемых на проектируемую систему логических условий, которые принадлежат различным областям научной и технической деятельности. Совокупность таких логических условий: физических, химических, биологических, физиологических, медицинских, технических, – выявляется в процессе разработки комплексной программы с помощью листов согласования. Листы согласования, являющиеся документами систем управления комплексными научными программами «СПУТНИК-СКАЛАР», характеризуют систему связей между участниками разработки.

Сама разработка этих машинных систем для планирования и управления процессом разработки систем жизнеобеспечения оказалась пригодной для системы, которая интегрирует всю совокупность научных теорий, используемых при проектировании. Описание систем «СПУТНИК-СКАЛАР» см. в литературе [4-6]. Многие читатели, вероятно, отождествляют понятие «план» с сетевой моделью плана разработки. Сетевая модель плана имеет вид ориентированного графа, но не каждый ориентированный граф соответствует плану. Чтобы сетевая модель плана имела вид ориентированного графа, необходимо содержательное заполнение листов согласования, которые фиксируют все связи, имеющие место между участниками комплексной программы.

При работах по моделированию интеллекта на вычислительных машинах [7, 8] принято отождествлять программу вычислительной машины с термином план. Считают, что подобно тому, как программа управляет поведением вычислительной машины, план управляет поведением человека. Способ формирования и реализации плана, имеющий свои особенности, позволяет, как это показано в [8], говорить о характере личности. Когда в оперативной памяти человека появляется план, то состояние личности характеризуется психологическим термином «появление намерения или желания». Верно и обратное заключение: возникшее в сознании личности «намерение или желание» влечёт за собой появление плана в оперативной памяти личности. Возникновение намерения или желания в коллективе соответствует возникновению некоторого плана. Если процесс возникновения и реализации плана в индивидуальном мышлении скрыт от непосредственного наблюдения, то процесс формирования и реализации плана коллективной работы реализуется документами системы управления комплексной научной программы. Этот процесс гораздо легче наблюдать, если вы работаете в тесном контакте с коллективом руководителей.

Вычислительные машины, которые использовали для моделирования интеллектуальной деятельности в [7, 8]. были машинами последовательного действия, а для моделирования коллективного мозга разработки систем жизнеобеспечения нужны параллельные многомашинные комплексы типа ИЛЛИАК-4 или вычислительные системы и среды, которые разрабатываются под руководством Э. В. Евреинова и Ю. Г. Косарева [9]. К этому же классу машин можно отнести полиэдральные сети Г. Крона [11]. Для научной деятельности коллектива характерна параллельность: многие учёные ведут свою работу одновременно. Между параллельными работами существуют связи, предполагающие обмен информацией между параллельными процессорами в машинной модели. Это обстоятельство существенно отличает коллективный мозг от методов работы индивидуального мозга. Тем не менее, мы по-прежнему можем говорить о характере научного коллектива, если рассматривать способы формирования и реализации планов. В отличие от мышления отдельного человека, весь процесс формирования и реализации планов легко наблюдаем через службу сетевого планирования и управления, а также через механизм принятия решений оперативно-руководящей группой. Формирование и реализация комплексных научных программ – это процесс формирования и реализации в металле логической (математической) теории. Процесс превращения отдельных интуитивных и логических теорий в комплексную теорию и оказался основным процессом коллективного мышления.

Основной процесс коллективного мышления – процесс отображения частных логических и интуитивных теорий в обобщённую логическую теорию.

Научный коллектив, который должен будет решить комплексную проблему, представляется (в момент образования) коллективом из разнородных учёных и инженеров, каждый из которых говорит на профессиональном жаргоне своей специальности. Достаточно представить врача и математика, которые впервые встретились для обсуждения будущей совместной работы. Они почти не понимают друг друга, хотя и тот и другой могут быть крупными учёными, каждый в своей области. Выделим то общее, что привело их к участию в комплексной научной программе:     они – учёные. Слово «учёный» может пониматься двояко: либо это тот человек, которого «много учили»; либо человек, который может «делать науку». Поскольку речь будет идти об изготовлении логической теории, то нас будет интересовать второе определение. Мы будем говорить об «учёном» как о конструкторе научной теории. Ситуация, с которой мы имеем дело, формально имеет следующий вид: мы приступаем к работе в комплексной научной программе, не располагая логической теорией: мы закончили работу в комплексной научной программе, когда нужная логическая теория разработана и физически реализована в работающей конструкции. Мы начинаем с утверждения: «формальной теории нет», а заканчиваем работу утверждением: «формальная теория есть». Очевидно, что никакой формальной логической непротиворечивой теории, описывающей процесс создания теории, существовать не может. Этот-то процесс формирования логической теории и приходится называть эвристическим. Итак, мы уточнили наше понимание эвристики. Эвристика – это набор правил по отображению интуитивной теории в формальную (логическую, математическую) теорию.

Можно, следуя за Г. Саймоном, говорить, что эвристика – это теория конструирования. Можно привести много других названий: системный анализ, системный подход, общая теория систем и т.п. Мы рассматриваем эту область как теорию коллективного мышления. Не исключено, что знание того, как работает коллективный мозг, позволит нам лучше понять, как работает индивидуальный мозг.

Изучение основного процесса коллективного мышления мы начнём с некоторой математической аналогии. Возьмём какой-нибудь предмет, например кирпич. Указывая координаты вершин этого кирпича, мы можем записать положение этого кирпича в пространстве. Принимая множество координатных систем, отличающихся друг от друга положением начала координат, масштабами по осям координат, углами, под которыми расположены оси координат, и. используя криволинейные системы координат, мы получим различные формы записи одного и того же кирпича. Запишем выражение объёма этого кирпича во всех системах координат. Очевидно, что вид формулы, выражающей объем одного и того же кирпича, будет зависеть от выбранной нами системы координат.

Вся совокупность формул, выражающих объем, может рассматриваться как совокупность высказываний об одном и том же объекте, но сделанных с использованием различных языков. Если соединить все эти формулы, выражающие объем одного и того же кирпича, знаком равенства, то мы получим правило, которое позволит опознать один и тот же объект, но записанный различными языками. Математический знак равенства в нашем примере означает, что есть один и тот же объект, но описанный в различных системах координат.

В основном процессе коллективного мышления одно и то же явление природы описывается различными языками, зависящими от профессии учёного. Принято думать, что различие в профессиональных жаргонах неустранимо. Тем не менее, это не так. Подобно тому, как математика нашла способ опознавать один и тот же объект, записанный в разных системах координат, может быть найден и способ интеграции профессиональных знаний. Этот способ использует ту же основу, что и математика – мы имеем в виду тензорный анализ. Тензорный анализ, созданный для геометрических нужд, быстро нашёл применение в широком круге проблем теоретической физики. В последней он используется для записи законов природы в форме, которая не зависит от точки зрения наблюдателя, т.е. в форме, которая не зависит от выбора системы координат.

Мы не видим оснований для отказа от этого языка, когда переходим от проблем теоретической физики к проблемам биологии, медицины или техники. Мы полагаем, что развитие тензорного анализа в той форме, которую ему придал Г. Крон в «Тензорном анализе сетей», вполне пригодно для создания универсального языка науки и техники. Эти работы Г. Крона [10, 11], получившие дальнейшее развитие в трудах японской исследовательской ассоциации прикладной геометрии [12], могут составить базу для успешного решения проблем искусственного интеллекта. Следует сразу же заметить, что термин «сеть», который введён Г. Кроном, относится к любой инженерной структуре, состоящей из взаимосвязанных симплексов, образующих полиэдр. Если речь идёт о структуре из 0- и 1-симплексов, то говорят о 0-1-сети и т.д. до n-сетей. Этот специальный смысл термина «сеть» быт потерян при переводе «Диакоптики».

Вернёмся к процессу отображения интуитивной теории в математическую или логическую теорию. Следуя положениям Н. Бурбаки, всякую математическую теорию можно представить состоящей из трёх составных частей. Эти части составляют своеобразные технические условия на приёмку математической теории. Если осуществлять приёмку математических теорий по такому же принципу, как в технических системах, то мы обязаны принимать следующие составные части математической (логической) теории:

1. Язык теории.

2. Аксиомы (постулаты, правильные формулы) теории.

3. Правила вывода.

Унифицированная запись большинства разделов современной математики в соответствии с этими техническими условиями и была реализована группой Н. Бурбаки.

Каждой из перечисленных составных частей теории соответствуют «частные» технические условия. Эти условия можно представлять как ответы на вопросы: сколько? и какие именно?

Осуществляя приёмку языка теории, мы принимаем его три составные части:

1. Алфавит (список букв и знаков, используемых для написания текстов).

2. Словарь (список слов, т.е. терминов или термов, образованных из букв и знаков алфавита).

3. Формализм (список всех высказываний, образованных из слов или терминов словаря данной теории. Каждое высказывание в стенографической записи имеет вид формулы. Термин «формализм» введён из-за отсутствия подходящего названия для этой составной части).

Общее количество высказываний, образованных из данного словаря, является чётным. Чётность количества высказываний следует из того факта, что каждому положительному утверждению, высказанному на языке теории, соответствует отрицание этого же утверждения. Таким образом, язык математической теории нейтрален относительно того, что является правильным или неправильным в прикладных теориях. Соответствие правильности или неправильности высказывания относительно физической реальности не является вопросом языка. В силу названного обстоятельства знание математических языков не даёт знания того, что считать правильным или неправильным в биологии, физиологии или медицине. Вопрос о соответствии математических формул физической реальности является не математическим вопросом.

Отождествление математической формулы с физической реальностью осуществляется с помощью аксиом, постулатов или правильных формул. В математике выбор аксиом является до некоторой степени свободным. Тем не менее, когда речь идёт о прикладных математических теориях, то в фиксированных аксиомах теории содержатся законы специальных наук. По этой причине именно второй компонент математической теории – её аксиомы, и представляет собой в устройстве теории очень важную часть. Как указывалось выше, в чисто математической области фиксация одного из двух противоположных высказываний в качестве истинного и соответствует формулировке аксиом или постулатов. Обнаружение «свободы» в выборе аксиом является исторически сравнительно новым фактом. В истории философии этот факт был известен значительно раньше. Средневековые схоласты довели до высокого совершенства систему логических доказательств. Их блестящие работы незаслуженно забыты и именно потому, что в то время можно было видеть две безупречные логические системы, каждая из которых содержала противоположные выводы. Если логика каждой из этих систем казалась безупречной, то как можно было надеяться на логическое постижение истины?

Фактически схоласты открыта диалектику формально-логических систем. Второй раз этот факт был открыт в области чистой математики Лобачевским. Понятие истины в математике приняло современный вид как непротиворечивость логической системы без всякого отношения к тому, что является истиной в природе. Каждая логическая теория, являющаяся непротиворечивой, при содержательной интерпретации остаётся верной в границах, которые определяются верностью исходных утверждений или аксиом. За пределами границы, имеющей место для любого содержательного утверждения, всегда наблюдаются факты и явления, которые не следуют из этих аксиом.

Расширилось и математическое понимание термина «теория». Если до Лобачевского считалось очевидным, что существует одна геометрия, которая базируется на списке аксиом Евклида, то после Лобачевского стали говорит о множестве геометрий, каждая из которых порождается своей системой аксиом.

Нетрудно видеть, что используя один и тот же язык, но фиксируя в качестве аксиом различные наборы высказываний, можно построить много различных теорий, выводы которых могут противоречить друг другу. Противоречивость выводов, относящихся к различным теориям, не нарушает логической непротиворечивости каждой конкретной теории. Этот математический факт, к сожалению, остаётся неизвестным некоторым физикам. Отождествляя математическую физику с содержанием физики, они ещё не привыкли к тому, что существует столько же различных математических физик, сколько существует различных геометрий. Они не могут привыкнуть к тому, что каждое утверждение, верное в одном классе явлений, может быть неверным, если мы переходим к другому классу явлений.

Автору приходилось видеть, как в научных аудиториях воспроизводился известный павловский эксперимент с собаками. И. П. Павлов отобрал группу собак, которые отработали условный рефлекс выделения слюны при виде круга, но не эллипса. На этих же собаках поставили новый опыт, который состоял в том, что в поле их зрения круг переходил в эллипс. Когда собаки не могли отличить круг от эллипса, они давали любопытную реакцию: «сильные» собаки отворачивались, стараясь не видеть противоречащего «факта», а «слабые» собаки приходили в истерику. Подобное же явление – «закрывать глаза на факты», если они противоречат логической теории, или бросаться при этом в истерику можно наблюдать у тех физиков, которые не привыкли к понятию истина, принятому в математике.

Расширение списка известных аксиом математической физики, т.е. законов природы, и уточнение границ применимости дня каждой аксиомы, составляют сущность процесса развития науки. Логические теории непротиворечивы в границах данной системы аксиом, в то время как процесс развития математики и науки как целого связан с отрицанием старой системы и утверждением новой системы аксиом, которые имеют силу за пределами старой теории.

Логическая теория является непротиворечивой, если выводимые формулы не противоречат аксиомам теории. Аксиомы теории не ставятся под сомнение. Отрицание аксиом – это не обычное логическое противоречие, а новый вид отрицания, который и соответствует диалектическому отрицанию. Такое отрицание системы аксиом Евклида не отбрасывает, не зачёркивает геометрии Евклида, а указывает на ограниченность данной теории. Такое отрицание сохраняет старую теорию, создаёт новую и обе объединяет в высшем синтезе как части более сильной теории. Такое отрицание претерпела и механика Ньютона как часть более сильной физической теории.

Фиксируй объект диалектического отрицания в виде аксиом логических теорий, мы отделяем область диалектики от разговоров на тему об использовании диалектики, указывая модель диалектического отрицания. Приходится сожалеть, что блестящие достижения математической мысли не могут быть по достоинству оценены той частью учёных, образование которых принято считать полноценным и без знания математики. Нет другой области, где понятие истины как истины в определённом контексте является наиболее выраженным. Именно поэтому сильнейшее орудие научного познания действительности, препятствующее окостенению научной мысли – диалектический метод, вынужден рядиться в новые одежды системного анализа, общей теории систем и т. п.

Вернёмся к устройству аксиом логической или математической теории. Мы будем делить аксиомы на две группы:

1. Аксиомы, которые в данной теории всегда правильны.

2. Аксиомы, которые в данной теории правильны в конкретной задаче.

Вторую группу аксиом принято называть условиями задачи. Меняя условия задачи, мы переходим от одних верных утверждений к другим верным утверждениям, но остаёмся в рамках одной и той же теории. В тех случаях, когда мы изменяем аксиомы первой группы, мы переходим от одной теории к другой.

При фиксированном языке теории переход от одной теории к другой состоит в изменении системы аксиом первой группы. В прикладной теории этому набору аксиом соответствует система законов природы. При традиционном способе создания математических моделей, когда эти группы аксиом не различают, смена условий может приводить фактически к смене теории. Этот подход игнорирует богатую содержательную историю конкретных наук и приводит к «открытию» уже известных законов. Мне пришлось видеть, как был «открыт» закон действующих масс в химическом эксперименте. Это произошло потому, что сам закон не был строго сформулирован.

Аксиомы вносят асимметрию в множество высказываний, которые можно записать из слов данной теории: множество распадается на два подмножества: подмножество правильных и подмножество неправильных высказываний. Можно сказать, что именно аксиомы превращают нейтральный язык математики в теорию, где не все высказывания правильны.

При постановке конкретной задачи мы пополняем список аксиом, т.е. законов природы, аксиомами-условиями, т.е. утверждениями, которые имеют место в конкретной ситуации. Расширенный список аксиом ещё более сужает список высказываний, которые являются правильными. При этом может случиться, что ни одно высказывание не считается правильным. В этом случае говорят, что условия противоречивы. Может быть и так, что множество высказываний удовлетворяет всем условиям. В этом случае принято говорить, что условия недостаточны для получения однозначных предсказаний. Наконец, может случиться, что совокупность аксиом и условий определяет одно и только одно высказывание, которое и является предсказанием теории. В этом случае принято говорить, что условия необходимы и достаточны.

Фактическую проверку решения-предсказания на отсутствие противоречия с аксиомами принято называть решением задачи. Процедура нахождения решения задачи, определяющая правила нахождения предсказания, называется алгоритмом.

Третья составная часть математической или логической теории состоит из правил вывода. Правила вывода математической логики представляют собой символическую запись правил формальной логики, контролирующих непротиворечивость рассуждения. С помощью правил вывода любое предсказание теории может быть приведено к виду, допускающему сравнение с аксиомами теории.

Наш краткий экскурс в устройство математических теорий преследовал цель показать, во что превращаются интуитивные знания отдельных специалистов в процессе проектирования систем. Трудность формирования и выполнения комплексных научных программ состоит в трудности формирования объединённой логической теории, опирающейся на логические условия, принадлежащие различным областям науки и техники. Именно эту трудность и преодолевает коллектив разработчиков. Не всегда это содержание основного процесса создания технической системы бывает известно участникам разработки, но результат их деятельности во всех случаях приближается к созданию формальной теории. Интересно заметить, что в комплексных научных программах создаются логические теории, которые включают десятки и сотни тысяч логических условий. Такой объем научной теории просто не вмещается в отдельную человеческую голову. Обычный человек не может служить предсказывающим устройством даже в логической теории на 100 условий. Кодовое дерево возможных предсказаний содержит 2100-1030 предсказаний. Если бы такой человек существовал и произносил по одному предсказанию в секунду, то он бы закончит перечисление того, что ему известно, через 30 миллионов лет.

Явная невозможность для отдельного человека оперировать с логическими теориями на десятки и сотни тысяч логических условий и порождают сомнение в способности человека. Именно это противоречие между бесконечностью реального мира и ограниченным временем жизни человека – является проблемой, решение которой возможно на пути создания искусственного интеллекта.


Литература

1. Эшби У.Р. «Схема усилителя мыслительных способностей», 1956 г.

2. Кузнецов Б.Г. «Физика и экономика», 1967.

3. Казначеев В.П.. Кузнецов П.Г. «О некоторых вопросах теоретической биологии», 1967.

4. Kusnetzow P.G. «Sputnik-Scalar. Technische Geineinschaft», 1970.

5. Афанасьев В.Г., Чесноков B.C. В сб.: «Научное управление обществом», вып. 6., 1972

6. Система «Спутник 1». Методики и методические материалы, 1968.

7. Ньюэлл А., Шоу Дж., Саймон Г. «Эмпирические исследования машины «логик-теоретик»: пример изучения эвристик», 1967

8. Миллер Дж., Галантер Е., Приорам К. «Планы и структура поведения», 1964.

9. Евреинов Э.В., Косарев Ю Г. «Однородные универсальные вычислительные системы высокой производительности», 1966.

10. Kron G. «Tensor Analysis of Networks», 1939.

11. Крон Г. «Исследование сложных систем по частям – диакоптика», 1972.

12. Memoirs of the unifying study of basic problems in engineering sciences by means of geometry, 1955, 1958




www.etheroneph.com