ные задачи оптимизации хорошо известны в матема-
тике.
Предположим, на карте местности требуется
опре-
делить наиболее удобный маршрут, соединяющий два
населенных пункта. Известна степень энергетических
и других затрат на путь между любыми двумя сосед-
ними пунктами (веса). Затраты вдоль всего пути со-
стоят из суммы затрат на каждый отрезок, соединяю-
щий пару соседних пунктов (рис. 8). Это хорошо
- - - - - -
/76 " Искандер Ф. Сандро из Чегема // Знамя. - 1988. - Э
9. -
С. 72.
известная задача об отыскании кратчайшего расстоя-
ния для одного источника. Известно несколько десят-
ков вариантов ее алгоритмического решения. В более
общем случае речь идет о нахождении
такого пути
между двумя пунктями некоторой сети,
на котором
минимизируется заданная целевая функция,
опреде-
ляемая вдоль пути. Выбор функции
диктуется при-
кладной областью. Веса локальных отрезков
могут
быть многопараметрическими и
даже динамически
изменяемыми. Метод решения такой задачи носит
на-
звание динамического программирования (подобный
способ используется при управлении ракетой-пере-
хватчиком, автоматической проводкой судов, оптими-
зациеи экономических и технологических процессов).
Каким-то образом мозг умеет
с большой эффек-
тивностью справляться с этой задачей.
Существует
параллельный локальный метод для решения
подоб-
ных задач. При этом в каждом пункте сети независи-
мо выполняются прстые оптимизирующие операции,
затрагивающие только его непосредственных соседей,
Но в результате повторения таких тактов работы всей
сети находится глобальный оптимальный
маршрут /77.
- - - -
/77 См.: Анисимов Л, В. Локальный алгоритм для задачи
о кратчайшем пути из одиого источника //
Кибернетика. - 1986. -
Э 3. - С, 57 - 60.
В зависимости от количества тактов происходит
по-
степенное улучшение решений. Если сеть представить
тологическим соединением нейронов мозга, каждая
локальная операция в таком алгоритме
сводится к
простому сравнению и уменьшению некоторых потен-
циалов в нейронном узле. Такие функции
легко вы-
полняются нейроструктурами. Интересно,
что сам
оптимальный путь от начального узла к целевому на-
ходится в обратном порядке, волна возбуждения дви-
жется от результирующего узла к начальному, выбор
кяждого следующего узла выполняется
по методу
наименьшего градиента. Если принять, что мозг реа-
лизует именно указанный локальный алгоритм нахож-
дения оптимального пути, становится понятным
эф-
фект "обратного течения времени во сне": волна идет
от результирующего возбужденного резким сигналом
узла к начальному состоянию, соответствующему про-
буждению. Сам возникающий сон представляет
собой
цепочку возбужденных образов, отражающих
такой
маршрут.
Научение представляет собой
нахождение опти-
мального пути в пространсгве целей. При частом при-
менении нейронный эквивалент этого маршрута
по-
стоянно поддерживается в активном состоянии.
Воз-
можно забывание. По всей видимости,
мозг хранит
все образы, с которыми человек сталкивается в тече-
ние жизни. Но даже мозг с его колоссальными
воз-
можностями не смог бы поддерживать
в активном
состоянии все целевые маршруты,
необходимые для
обеспечения активной деятельности человека.
Проще
научиться хорошо решать одну задачу динамического
программирования и постоянно применять ее.
Мозг умеет сопоставлять друг
с другом простые
образы и слова, соответствующие им. Образы
и слова
вызывдют определенные эмоциональные
ощущения,
и наоборот, ощущения вызывают соответствующие
им
образы и слова. Поэтому ассоциативные
волны могут
распространяться в направлении, ограниченном
за-
данным фиксированным ощущением.
Таким способом
получаются решения, которые часто называют
интуи-
тивными. В свою очередь врачи-психотерапевты
и
представители культа, утешая и убеждая, могут
пра-
вильным подбором слов добиться плавного
изменения
эмоционального состояня человека.
Как видим, мышление сводится
к динамическому
управлению ассоциативными потоками.
Логические
выводы - частный случай ассоциативных связей. По-
этому логическое научное мышление не исчерпывает
всех возможностей мозга. Предположим, создана ком-
пьютерная экспертная система, умеющая решать
за-
дачи динамической оптимальной маршрутизации
и
поиска в сети ассоциативных признаков. Робот, снаб-
женный подобной экспертной системой, действовал бы
примерно так.
Ситуация 1. Прогулка
по тропическому саду с хозяином.
Робот видит змею.
- Осторожно,
хозяин. Опасность. В 20 метрах впереди за
деревом вижу змею.
- Почему она опасна?
- Не знаю.
Но в моей оперативной ассоциативной базе зна-
ний она попадает в черное
поле, обозначенное понятием "опас-
ность". Запрашиваю
дополнительную процедуру из внешней
памяти.
- Действуй.
- Генерируются
образы. Змея. Контакт с человеком. Змея
кусает. Человек лежит. Человек
мертв. Смерть. Смерть - одна
из характеристик опасности. Вывод:
избегайте ситуации, описан-
ной этим маршрутом. Не допускайте контакта со змеями.
- Молодец. Лучше
в самом деле пойдем домой.
Ситуация 2.
Робот исследует неизвестную планету. Ему не-
обходимо вернуться в базовый
лагерь к определенному часу.
Робот размышляет.
Прямой путь
не годится - он проходит через таинственяое
место, где погибла предыдущая
экспедиция. Здесь очень велика
координата, соответствующая опасности.
Слева от этого места
проживает племя глюков. Координата
опасности возрастает, но
все же она меньше, чем
в предыдущем случае. Справа путь без-
опасен, но требует больше времени.
Не успею в срок. Приоритет
отдается времени. Поэтому обхожу слева.
Глюки уничтсжили
мост через реку, Вызываю целевой образ
"преодоление водной преграды". Решение:
материал, который легче
жкидкости, образующей преграду;
пробуй соседние деревья; со-
брать плот; преодоление преграды на плоту.
Веду просчет
времени. Должен успеть. Приступаю к выпол-
нению плана работ. Форсирую
водную преграду. Я на другом
берегу. Конец процедуры
"преодоление водной преграды".
Включаю скорость и по прямой мчусь в лагерь.
В этом случае для решения главной задачи роботу
пришлось вызывать процедуры
решения подзадач и
несколько раз применять метод
динамического про-
граммирования. Кроме того,
использовался сложный
многокомпонентный критерий оптимальности,
вклю-
чающий минимизацию времени и вероятность
опас-
ности.
В первой ситуации робот вызвал
сеть образов, свя-
занных с понятием "змея", и произвел
включение ее
в общую сеть. Сеть "опасность" и новая
сеть "змея"
1О8
пересеклись на общем понятии "смерть".
Робот про-
считал возможный маршрут от "змеи"
до "смерти",
тем самым показав опасный вариант
развития собы-
тий.
Робот должен уметь, кроме
решения задач дина-
мического программирования, использовать
рекурсию
по управлению - решение подзадач
тем же самым
общим методом, а также иерархическое (рекурсивное
по данным) представление знаний. Не
будем здесь
подробно останавливаться на способах представления
знаний в системах искусственного интеллекта.
Отме-
тим только, что подобная зкспертная система
(более
точно - универсальная оболочка системы,
позволяю-
щая разнообразное наполнение в
зависимости от
предметной области) нашла
неожиданное приложе-
ние, относящееся к процессу сочинения стихотворений.
МАЛЕНЬКИЕ ПЬЕСЫ ДЛЯ ЭЛЕКТРИЧЕСКОЙ МАШИНЫ
Наше путешествие привело в еще
одну загадочную
страну. На одном из поворотов открылся
удивитель-
ный ландшафт: слова, вечные, изменяющиеся,
неуло-
вимые, образуют хороводы, шепчут
забытые имена,
перекликаются друг с другом и зовут, зовут в туман-
ную даль, где даже неистовая Вселенная тихо
засты-
вает, подчиняясь волшебным ритмам и
магии слов.
В призрачных тающих замках грустные
колдуны пра-
вят этой страной, угадывая в зеркалах и звездах отра-
жения мира. В последнее время в эту страну все чаще
и чаще забредают любопытные злектронные
сущест-
ва. Остановившись, как бы в изумлении
они долго
прислушиваются к течению слов, присматриваются
к
действиям колдунов и повторяют, повторяют
их веч-
ные напевы. А некоторые из них вдруг сами решаются
на колдовство.
Программисты давно пытались составить
програм-
мы, сочиняющие стихи. В первых опытах
заранее со-
ставлялся словарь слов и фраз,
которыми можно
пользоваться, и форма, которой должны соответство-
вать слова и фразы. Выбор слов и фраз при заполне-
нии формы управляется тем или
иным законом -
чаще всего используют датчики
псевдослучайных
чисел. Получаются стихи, иногда напоминающие
аван-
гардистские поиски. Но при более или менее длитель-
ной эксплуатации неизбежно проявляется ограничен-
ность такого подхода. Начинаются повторы, становит-
ся заметен плагиат формы.
По такому рецепту,
например, работает программа Роеtrу generation(ге-
нератор стихов), которую создала Р. Уэст
из Кали-
форнии.
Многие решили, что раз компьютер
- помощник
человека, то пусть он только помогает сочинять стихи.
В этом случае машина генерирует
"сырую" основу
стихотворения, которую затем доводит и шлифует
че-
ловек. Такой подход развивают Р. Ширли
- англий-
ский кристаллограф, пишущий стихи,
и американец
Т. А. Истон. В таких случаях трудно отличить машин-
ное творение от человеческого. Безусловно, компьютер
может облегчить поиск рифм и выбор фраз, но
каче-
ство стихотворения во многом определяется
творче-
ством человека. Вот образцы такой поэзии.
Я путешествую
в компании комет
Я путешествую
в компании комет
... средь
хрустальной вечности...
... этого
островка Вселенной...
Я тоже
дитя вечности (Марс, Венера, Юпитер, Сатурн),
Я тоже
дитя вечности в пути без цели и без конца,
Затерян
в дворцах вечности (Процион, Эридан, Ри-
гель),
Но я не
плачу,
Я предсказываю
начало.
Рожденный
из тьмы, в пути без цели и без конца,
Рожденный
кем-то, чье семя рассеяно
по галактикам (возникшим из тьмы)
по галактикам (Земли по ииени Нигде).
Подо мной,
куда ни глянь, целая жизнь;
я кружусь
по орбите... мечтаю о рае...
(о сполохах Солнца, о сполохах звезд, затеряв-
шихся в звездной пыли).
Потерявшись
в пустом океане среди галактик,
Я предсказываю
начало, я мечтаю о рае
(Меркурий, Земля, Уран, Плутон), затерявшись
среди звездной пыли,
Я путешествую
в компянии комет, но я не плачу,
сполохи Солнца. сполохи звезд...
... в брызгах дрейфуюощих звезд...
И я предсказываю:
Начало /79
р, Ширли. Програмла Бард.
Песня о любви - одиноким инопланетянам
Слаб от страданья необласканного "я",
Любил он физику
И обнимал ее каноны.
Охватывал руками купола из линий
Антенн гигантских,
И с ревом на орбиту он вознесся,
И возвестил приход его сигнал, крчащий
Миллиметровыми волнами
По пространству /80
Т. А. Истон. Программа Thunder Thought.
Сонет СХХХ-б
Экран у "Эппла" не похож на Солнце;
"Крэй" побыстрее на больших задачах;
Приятен "Эппл", "Атари" же забавней
Проводнички, как волос - схемы, как парик:
Там пляшут пикселы зеленые и красно-голубые,
Я на своем дисплее не видал такие;
В больших машинах пляшет логика вернее,
Чем в крошечном кристалле "Эппла" моего.
Люблю смотреть, как он печатает, но знаю,
Что строчный принтер все же посильнее;
Признаюсь, что процесса в действии не видел,
Шагами малыми работает мой "Эппл";
Но небом поклянусь, мое сужденье здраво,
Как вычисление любое, что сделал он /81.
М. Ньюмен. Программа Orpheus.
Более интересным и перспективным
представляет-
ся иной подход к компьютерному порождению стихов.
Используют ту же экспертную систему
(описанную в
предыдущем параграфе). Прежде всего создается
се-
мантическая сеть из слов, связанных
между собой
близкими ассоциациями. Если, например, взять
слово
"сентябрь", на ум по ассоциации сразу приходят обра-
зы ранней осени: "лето кончилось", "осень", "корот-
кий день", "серый дождь", "опавшие листья", "грусть"
и т.п. (рис. 9). Поставив все в творительном падеже
