Cognitive Science — это междисциплинарное научное направление, изучающее механизмы познания и мышления. Когнитивистика объединяет, в частности, теорию познания, когнитивную психологию, нейрофизиологию, когнитивную лингвистику, невербальную коммуникацию и теорию искусственного интеллекта.
Наука о познании возникла как ответ бихевиоризму, в попытке найти новый подход к пониманию человеческого сознания. Помимо непосредственно психологии, у истоков оказалось сразу несколько научных дисциплин: искусственный интеллект (Джон Маккарти), лингвистика (Ноам Хомский), а также философия (Джерри А. Фодор).
На пике развития кибернетики и появления первых компьютеров идея аналогии человеческого разума и вычислительной машины начала набирать силу и во многом заложила основные теории когнитивизма. Процесс мышления сравнивался с работой компьютера, который получает стимулы из окружающего мира и генерирует информацию, которая доступна для наблюдения. Помимо символов как результатов контакта разума с внешним миром, объектом исследований стали мыслительные образы (или представления).
Таким образом, произошло разделение на «снаружи» (предметы, объекты, …) и «внутри» (представления). На вопрос, существует ли мир, когнитивная наука отвечает: «Неизвестно, но существуют наши представления об этом мире». Однако когнитивизм также вернул декартовский скептицизм и оставил без внимания субъективные переживания и эмоции.
В когнитивной науке используются два стандартных вычислительных подхода к моделированию когнитивных систем: символицизм (классический подход) и коннекционизм (более поздний подход). Символицизм основывается на предположении о том, что человеческое мышление подобно мышлению компьютера с центральным процессором, последовательно обрабатывающего единицы символьной информации.
Коннекционизм основывается на предположении, что человеческое мышление не может быть уподоблено центральному цифровому процессору из-за несовместимости с данными нейробиологии, а может имитироваться при помощи искусственных нейронных сетей, которые состоят из «формальных» нейронов, выполняющих параллельную обработку данных.
Прогресс в когнитивистике, как полагают ученые, позволит «разгадать загадку разума», т. е. описать и объяснить процессы в мозгу человека, ответственные за высшую нервную деятельность. Это позволит создать системы так называемого сильного или широкого искусственного интеллекта, который будет обладать способностями к самостоятельному обучению, творчеству, свободному общению с человеком.
Джон Маккарти, специалист в области компьютерных наук, которого часто называют отцом искусственного интеллекта, описывает его как комплекс «научных и технических средств проектирования интеллектуальных машин, особенно интеллектуальных компьютерных программ».
Говоря простым языком, искусственный интеллект — это область компьютерной науки, ориентированная на создание «интеллектуальных» компьютеров и машин, имитирующих человеческие действия и реакции через машинное обучение, распознавание речи и решение задач. Такого мнения придерживается Крити Шарма, вице-президент по искусственному интеллекту компании Sage.
Поясняя свое определение, Джон Маккарти указывает: «Проблема состоит в том, что пока мы не можем в целом определить, какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире».
В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом. Согласно определению Андреаса Каплана и Майкла Хенлейна, искусственный интеллект — это «способность системы правильно интерпретировать внешние данные, извлекать уроки из таких данных и использовать полученные знания для достижения конкретных целей и задач при помощи гибкой адаптации».
В английском языке словосочетание artificial intelligence не имеет антропоморфной окраски, которую оно приобрело в традиционном русском переводе: слово intelligence в используемом контексте скорее означает «умение рассуждать разумно», а вовсе не «интеллект» (для которого есть английский аналог intellect).
В философии не решен вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга или гипотеза Ньюэлла — Саймона. Поэтому, несмотря на наличие множества подходов как к пониманию задач ИИ, так и к созданию интеллектуальных информационных систем, можно выделить два основных подхода к разработке ИИ: нисходящий и восходящий.
Нисходящий (Top-Down AI), семиотический — создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д.
В рамках этого подхода на протяжении второй половины ХХ и начала XXI вв. был наработан уникальный математический и логический аппарат, который позволил разложить все сложные процессы человеческого интеллекта на составные «кирпичики». Надо сказать, что побочным результатом этого нисходящего подхода явилось гораздо более полное осознание процессов творчества (например, ТРИЗ), этот подход привел к массе открытий в области психологии, социологии, медицины, общественных коммуникаций. Люди гораздо полнее стали понимать самих себя, свои действия и мотивации. Более того, в рамках этого подхода стало ясно, что то, что мы называем «человеческим поведением», часто бывает неразумным и нелогичным, диктуется, условно говоря, спящим внутри нас «внутренним крокодилом» — моделями и шаблонами поведения, которые были унаследованы нами от наших далеких предков. При этом стал очевидным и иной тезис: многие разумные действия, которые можно мотивировать с точки зрения логики и интеллекта, выходят за рамки человеческой нравственности и морали, и это тоже приводит к тому самому феномену «искусственного умения рассуждать разумно», которое, по своей сути, не привязано к биологической природе человека.
Восходящий (Bottom-Up AI), биологический — изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер.
Со времени открытия нейронов и биологической нейронной сети в конце XIX в. человечество прошло долгий путь понимания внутренней сути этих «песчинок разума». Так, весомые доказательства существования активных соединений, синапсов, между отростками нейронов были получены только полвека спустя, в 1950-х гг., с изобретением электронного микроскопа. С тех пор изучение нейронов продвинулось вперед несоизмеримо — можно сказать, что за последнее десятилетие мы узнали о нейронах больше, чем за прошедшие полвека, а еще сто лет назад о своем мозге мы не знали ничего. Но тут надо учитывать и второй процесс — ровно такие же изменения произошли и с искусственными заменителями нейронов, микропроцессорами.
Сегодняшний их уровень позволяет практически полностью скопировать все ныне открытые функции человеческого нейрона, создав с помощью микропроцессоров ту самую рукотворную нейронную сеть, которая сможет полностью воспроизвести действия человеческих нейронов. При этом нынешний уровень развития микропроцессорной техники позволяет делать это достаточно просто: для создания аналога единичного человеческого нейрона можно использовать уже не самые высокопроизводительные процессоры, хватает и достаточно простых «камней». А вот по количеству отдельных микропроцессоров-нейронов искусственные нейросети пока что сильно отстают от человеческого разума: у нас в мозгу содержится около 65 миллиардов нейронов, а современные компьютерные нейросети оперируют гораздо меньшим числом элементов.
И тут на помощь приходит первый, нисходящий подход: как оказалось, наши собственные структуры мозга часто чрезвычайно избыточны. В силу чего, например, сегодня достаточно сложная функция распознавания лиц может быть реализована в рамках очень скромной нейросети, которая доступна даже для недорогих любительских фотокамер, — математика помогла в этом случае построить эффективную и простую нейросеть, которая заменяет сложные структуры человеческого мозга.
Окончание следует.
