Цитаты из книг автора «Леонид Черняк»

Для более точного соответствия используемой в книге терминологии обсуждаемому предмету мы в дальнейшем откажемся от русскоязычного термина «искусственный интеллект» в пользу оригинального Artificial Intelligence (AI). ИИ перегружен несовременными смыслами, в русскоязычном варианте термина каждое из двух слов – и «искусственный», и «интеллект» – не полностью соответствуют оригиналу, что создает изрядную проблему. Казалось бы, английское artificial с русским «искусственный» близки, но они далеко не тождественны. Подавляющая часть значений английского artificial (от art – искусство, мастерство) так или иначе связана с понятием «рукотворный», а в русском, как утверждают лингвисты, слово искусственный ведет происхождение из немецкого künstlich, значащего, скорее, поддельный или ненатуральный, и несет его оттенок. Показательно, в русском при всем его словарном богатстве нашлось место слову артефакт, подчеркивающему, что предмет рукотворен, что он сделан человеком. В английском Artificial Intelligence нет и намека сверхъестественную природу происхождения, использование artificial прямо указывает на то, что AI не какая-то неведомая материя, непонятным образом возникшая, способная возвыситься над человеческим разумом, чтобы творить что ей угодно по собственным правилам, а нечто более прикладное, сделанное талантом и трудом человека. Еще большее расхождение обнаруживается между словами intelligence и «интеллект». Да, можно перевести intelligence как интеллект, но это всего лишь одно из значений этого далеко не простого слова. Чтобы убедиться в многозначности intelligence, достаточного обратиться к любому онлайн-словарю, например, популярному Multitran’у. Там наряду с «интеллектом» найдутся еще десятки самых разных переводов. Общим для всех них служит одно – извлечение информации и знаний из данных и фактов с последующим использованием результатов в прикладных целях. Поэтому идея получения полезных сведений из сырых данных, полученных тем или иным способом, объединяет совершенно разные области деятельности: и военную разведку (military intelligence), и бизнес-аналитику (business intelligence) и многое иное.

разного рода умных машин, в том числе роботов.

Люди издревле стремились переложить часть своего труда на машины: первые ткацкие станки, обнаруженные археологами, относятся к 10-му тысячелетию до н. э., водяные мельницы появились в античные времена, а ветряные примерно тысячу лет назад. В последние два-три столетия процесс механизации и в последующем автоматизации пошел с постоянным ускорением, научившись использовать энергию пара, а затем и электричества люди смогли расширить сферу механизации от бытовых приборов до промышленных установок самого разного типа и перейти к автоматизации физического труда. В XX веке компьютеры позволили сделать следующий шаг – автоматизировать еще и часть часть умственного труда, которую удается запрограммировать и передать компьютерам. В XXI веке с использованием AI удалось пойти дальше – передать машинами еще ту часть умственного труда, которая не может быть запрограммирована, и превратить компьютер в интеллектуального помощника, еще больше освобождающего человека от рутины, создать умные машины, выводящие на более высокий уровень автоматизацию производственных процессов. Такое утилитарное понимание роли умного AI сложилось совсем недавно, буквально в последние годы, а прежде на протяжении нескольких десятилетий доминировало более возвышенное, скажем так, романтическое отношение к AI, люди сохраняли убеждение в возможности наделить компьютеры сравнимыми с человеческими умственными способностям, например к доказательству теорем, игре в шахматы и т. п. Три типа представлений об AI Сосуществуют сотни и сотни противоречащих друг другу представлений о том, что такое AI, обнаруживаемых в различных произведениях, в диапазоне от философских трактов до технических статей. На одном фланге находятся футурологи с их фантазиями о технологической сингулярности, то есть о том гипотетическом моменте, с наступлением которого технологическое развитие становится неуправляемым и необратимым. По их мнению, такой ход событий неизбежен, и тогда развитие AI приведет к созданию надчеловеческого суперинтеллекта. Успокаивает то, что за этими рассуждениями не стоит ничего кроме вольной экстраполяции существующих тенденций, наблюдаемых в техническом прогрессе. На другом фланге ученые и инженеры, работа которых связана с прикладными методами моделирования работы мозга, в их основе лежат искусственные нейронные сети (ANN, Artificial Neural Network) и их машинное обучение (ML, Machine Learning). Такие работы лишены внешней привлекательности, они мало доступны для понимания без достаточной подготовки, а их перспективы ограничены созданием умных интеллектуальных ассистентов и

Альтернатиную массачусетскую школу робототехники называют поведенческой (Behavior-based robotics, BBR), она ставит целью создание хотя и простых, но обладающих способностью к адаптации в окружающей среде и к выполнению относительно несложных повторяющихся действий роботов. Действия систем, построенных на принципе BBR, ближе к рефлекторному поведению животных, особенно насекомых, – они делают попытку, чаще всего обнаруживают ошибку, вносят коррекцию и повторяют в цикле действие с обнаружением ошибки до тех пор, пока не достигнут желаемого результата. По сути оно представляют собой усовершенствованную версию описанного выше Toy Beetle. Отцом концепции BBR обычно называют австралийца Родни Брукса, проработавшего более 20 лет в MIT Computer Science and Artificial Intelligence Laboratory с середины 90-х, а на протяжении последних 10 лет он возглавлял это исследовательское учреждение. Свое профессиональное кредо он выразил в статье «Слоны не играют в шахматы» (Elephants Don't Play Chess, 1990), в ней Брукс пишет, что под роботом он понимает машину, способную делать что-то полезное для человека: «Для того, чтобы робот мог делать повседневную работу в общей с человеком среде, его когнитивные способности должны быть основаны на сенсомоторном взаимодействии с этой средой, где критически важной является координация между датчиками и исполнительными органами».

В 60-е годы в МТИ и в Стэнфорде начались попытки создания роботов с претензиями на AI, соответственно в этих университетах сложились две различные школы робототехники. Фантазийному представлению о человекоподобном роботе в большей мере соответствует робот Shakey, который создавался в период с 1966 по 1972 в Стэнфодском исследовательском центре AI (Artificial Intelligence Center of Stanford Research Institute). Позже центр был переименован в SRI International, утеряв при этом буквы AI, что символично. По утверждению статьи в Wikipedia, Shakey стал «первым мобильным роботом общего назначения, способным оценивать свои действия». Увы, слишком сильно сказано, поскольку к этому оказался не способен не только Shakey, в истории робототехники не найдется ни второго, ни последующих роботов, наделенных такими способностями. Конечно же, ничего этот робот оценивать не мог, но «мы любим его не за это». Спустя полвека Shakey был признан важнейшим научно-инженерным достижением. Если отбросить сомнительное утверждение о его способности к самооценке, то во всем остальном он действительно стал прообразом многого из того, что делается в робототехнике, в том числе и с точки зрения системной архитектуры, и использования компьютерного зрения, и методов навигации, и другого. Для своего времени Shakey невероятно совершенен, он был снабжен телевизионной камерой и «кошачьими усами» в качестве датчика для обнаружения объектов, находился на связи по радиоканалу со своим внешним мозгом – поначалу это был компьютер SDS-940 с памятью 64 Kбайт, а потом более мощный PDP-10 увеличенной до 192 Kбайт памятью. По размеру памяти можно понять насколько он был умственно ограничен. Вычислительная часть программного обеспечения писалась на FORTRAN, а сам Shakey «понимал» команды на языке Lisp, предложенном Джоном Маккарти в 1958 году. Наработки, сделанные в процессе создания Shakey, сослужили свою службу при создании роботов Centibots, использованных позже в экспериментах, связанных с исследованиями роевого интеллекта, о чем ниже. Но главным достижением создателей Shakey оказался не сам робот, а сопутствовавшие исследования, по их результатам было получено более 2000 патентов и опубликовано свыше 5000 статей. После первой неудачной попытки научить робота сборке телевизора создание интеллектуального робота перестало рассматриваться как самоцель, фокус сместился на создание роботов-помощников. Не случайно на торжественной церемонии в связи с помещением Shakey в Компьютерный музей в Маунт-Вью Нильс Нильсон, один из его создателей и соавтор известной книги по AI сказал: «Нынешние роботы гораздо совершеннее, у них мощные системы управления, но они по-прежнему не понимают того, что делают», чем опроверг утверждение из Wikipedia. Вслед за Shakey появилось огромное количество различных устройств, претендующих на признание их

этот термин был предложен в 1965 году Тедом Нельсоном (Ted» Nelson, 1937 года) который определил его следующим образом: «Массив текстов или графики, объединенных сложными связями, которые с достаточной полнотой не могут быть представлены в бумажной форме. Связи могут включать карты контента, ссылки, аннотации, комментарии и другие инструменты для указания».

И все же SGML оказался весьма сложен, поэтому широкого распространения не получил, зато стал прототипом для двух широко известных языков. Первый – XML (eXtensible Markup Language), служащий для кодирования документов в World Wide Web, второй – Hypertext Markup Language (HTML), используемый для кодирования документов, воспроизводимых браузерами.

Обычно символьные данные сами по себе никакого смысла не имеют, они становятся полезным источником информации в том случае, если сопровождаются вспомогательными данными, указывающими на то, как их интерпретировать.

интерпретации», что явно указывает на зависимость информации от принимающей стороны.

Взгляды Маккея на природу информации разделял британо-американский ученый Грегори Бейтсон (Gregory Bateson,1904–1980), прежде всего он психолог-кибернетик, но у него есть работы, связанные с эпистемологией, теорией информации, антропологией и другими дисциплинами. Эдвард Фредкин (Edward Fredkin, 1934) профессор нескольких крупнейших университетов входит в число пионеров цифровой физики и цифровой философии. Он дал следующее определение: «Информация обретает смысл в процессе ее