Sergio Uni

Искусственный интеллект

Когда в середине 20 века была создана ЭВМ, многократно увеличившая счётные возможности человека и ставшая мощнейшим операционным ускорителем процесса обработки данных, то усилия ученых были направлены на то чтобы заставить компьютер оперировать ре данными а знаниями. Но по прошествии более полувека все усилия по созданию “разумной машины” оказывались тщетными.
Компьютер способен распознавать и оперировать данными, но совершенно не понимает Знания и тем более не может ими оперировать.
Под интеллектом понимается система технологического поведения объекта в окружающем мире. Все живое и неживое наполнение окружающего нас мира является объектами. С другой стороны объект – это регистрируемая с помощью органов чувств человека самостоятельно идентифицируемая и существующая во времени и пространстве группа структурно-иерархически организованных элементов, объединённых, как общей формой в единых границах, так и единой сущностью на основе физических законов.

“Человек Разумный” (Хомо Сапиенс) отличается от неживых неодушевлённых неразумных веществ, живых неодушевлённых неразумных растений, живых одушевлённых неразумных животных тем что он, помимо своего материального тела обладает ещё и сознанием. То есть, люди, а точнее, их тела являются не только объектами с позиции физической (материальной) природы, но ещё выступают в роли ментального (сознательного) субъекта.
Отсюда становится чевидным, что только искусственное мышление и может в реальности добавить машине субъектности, сделав её действительно разумным объектом.

Таким образом, отметим, что все созданные в мире на данный момент системы ИИ являются НЕРАЗУМНЫМИ, так как не обладают мыслительными способностями.

В основе функционирования любого физического объекта, каким является тело человека или его сознание, лежат две явления, условно именуемые как:

1. Анализ регистрируемой Ситуации;
2. Синтез Реакции на ситуацию;

Объекты фауны и флоры вместе со всей неживой природой, включая человеческие тела, обладают параметрической регистрацией физических воздействий, что представляет собою физический анализ ситуации, а также способны на рефлекторные реакции, что, соответственно, представляет собою физический синтез реакции.

Физический анализ, которым пользуются объекты физического мира, базируется на функции регистрация их органами чувств и рецепторами. У объектов физического мира различают 16 видов рецепторов:
— Визио (визуальные, световые)
— Аудио (акустические, звуковые)
— Ольфацио (обонятельные)
— Гевзио (вкусовые)
— Термио (тепловые)
— Проприо (вестибулярные)
— Тактилио (кинестетические, тактильные, контактные)
— Дермио (кожные, чесоточные)
— Электрио (электрические)
— Магнетио (магнитные)
— Радио (радиочастотные)
— Рентгенио (рентгено-радиационные)
— Эмоцио (нервно-эмоциональные)
— Эксио (чувственные)
— Нестезио (болевые, нервно-болевые)
— Невропсио(нервно-нейронно-импульсные)

Все вышеперечисленные виды рецепторов подпадают под математическое и физическое понятие данных, поэтому физический анализ и представляет собою анализ данных. Соответственно, физический синтез строится исключительно на результатах физического анализа данных. Следовательно, все функции можно легко моделировать в компьютерных программах в виде физического анализа и физического синтеза.
Однако, анализ, которым является ментальная субстанция в виде человеческого сознания, использует мышление. То есть, человек владеющий субъектной функцией разума, становится мыслящим только в том случае, если он научается ОСОЗНАННО говорить, думать, понимать, осмысливать, творить, сочинять…
Только люди, помимо физического анализа (за счёт своих физиологических рецепторов), владеют ещё и ментальным (мысленным) анализом (за счёт своего аппарата сознания), то есть, человек способен производить смысловую оценку ситуации, а также люди владеют дополнительно ментальным (мысленным) синтезом, то есть, человек способен применять разумную логику реагирования, что, в целом, отвечает формату знаний, а не данных.

На сегодняшний день разработчики ИИ смогли достаточно легко добиться имитации естественного интеллекта. А вот мышление, которое способно превратить неразумное животное или даже маугли в Гомо Сапиенс – стала настоящим камнем преткновения на пути создателей ИИ. И здесь дело в том, что «человек разумный», как было сказано ранее, в отличие от трёх других категорий Объектов Природы способен оперировать не только Данными, но и Знаниями!

Мировое научно-техническое сообщество, вовлечённое в создание Супер Интеллекта, хорошо это понимает, и уверено в том, что если будет создан искомый компьютерный формат эталонных знаний, то можно будет по аналогии с нынешней технологией обработки данных создать и технологию обработки знаний, используя для этого соответствующую базу знаний (БЗ) и полагая, что если заменить в импликативном операнде аргументы в виде данных на аргументы в виде знаний, то проблема будет сразу же решена. Однако, безуспешность всех многочисленных попыток найти решение по моделированию машинного оперирования знаниями привела сегодня лишь к тому, что подавляющее большинство разработчиков ИИ либо вообще отказалось продолжать работу в данном направлении, либо пошло по иному пути — созданию технологий на основе так называемых “Искусственных Нейронных Сетей” (ИНС).

В настоящее время никто не может сказать, приведут ли ИНСы к искомому результату или нет. Тем не менее, сейчас развитые страны вкладывают солидные инвестиции именно в данное направление. Например, Китай объявил, что собирается вложить 2 миллиарда долларов США в строительство “Города Искусственного Интеллекта”, где будет сосредоточено более 400 АйТи компаний, задачей которых является сделать Китай к 2030 году мировым лидером в Сильном ИИ. С этим сейчас соперничает компания Илона Маска, объявившего, что он собирается вложить 1 миллиард долларов США в создание ИСИ.


Теперь рассмотрим трудность решения создания машинного формата Знаний и почему на данное направление поставили крест ведущие разработчики Супер Интеллекта в мире. Консолидированный ответ многих специалистов по этому поводу гласит о том, что, в отличие от термина «Данное», для понятия «Знания», к сожалению, нет пока чёткой, общепринятой и однозначной дефиниции, на основе которой можно было бы создать для знаний свой особый машинный формат, чтобы этими “оцифрованными знаниями” уже мог оперировать компьютер.

Знание — это всегда больше, чем данные. Знания и данные соотносятся между собою как, например, система и элемент, где последний является частью системы, но элемент не определяет саму систему.
В кибернетике уже существует технология распознавания данных, без чего, собственно, ими нельзя было бы оперировать. С этой целью в памяти ЭВМ создаётся база данных (БД), как, например, словарь какого-нибудь естественного языка в случае необходимости распознавания, например, графем текста. С помощью такой БД производится сравнение входного данного (графемы) с имеющимися в БД похожими Данными (графемами) с целью опознать и однозначно идентифицировать входное Данное (графему). Поэтому было бы естественно решить проблему, пойдя по аналогии и создав БЗ, чтобы сравнивать с нею все входные Знания.

Или ещё другой пример — это словосочетания и их смысл. Вот только Баз Смыслов, как БЗ, пока ещё никто не создал.

А кто бы, вообще, мог здесь помочь с решением проблемы дефиниции термина “Знание”? Если обращаться за академической помощью, то самая близкая к данной теме наука — это лингвистика, которая, на первый взгляд, и должна была бы справиться с подобной трудностью, но она, занимается, к сожалению, опять-таки, исключительно Данными, то есть, словами, графемами, семами и всё такое прочее, однако совершенно некомпетентна в области человеческого мышления и теории Знаний. Несмотря на раздел “Семантика”, лингвистическая теория не разрабатывает Базы Смыслов, которые должны содержать разнообразные словосочетания в естественных языках. Другие же науки и теории — от когнитивистики и искусственных нейронных сетей до филологии с криптографией — ещё более удалены от искомого решения. Поэтому основная причина того, что машинный формат знаний (МФЗ) доселе не был создан, заключается в доминанте принципа:

“Нельзя запрограммировать то, что нельзя описать в известных истинах”.

Таким образом получается, что, если разработать искомый МФЗ и создать на его основе БЗ, а также, если научить ЭВМ извлекать знания из информации и оперировать ими, то проблема создания ИИ разрешается, как бы, сама собою.

Однако, к сожалению, искомого результата не удастся достичь и на этом этапе, даже если кто-то и сумел бы представить Знания в машинном формате. МФЗ и БЗ — это всего лишь полдела. А вся суть заключается ещё и в том, что БЗ нужна, в свою очередь, для извлечения смысла из информации, ведь люди в реальности обмениваются смыслами, а не знаниями и данными, с помощью которых, собственно, человек лишь кодирует и декодирует смыслы, используя языковые средства. И здесь возникает уже новая проблема — как же научить компьютер понимать смысл текста или даже контекста, наподобие того, как это умеют делать люди? Ведь, человеческое сознание оперирует, как известно мыслями!


Гомо сапиенс, чтобы обмениваться информацией, приходится кодировать свои мысли различными языковыми средствами. Мысль какого-либо автора, описанная им, например, при помощи русского языка, становится информацией для всех своих адресатов, владеющих данным языком, и эту мысль впоследствии реципиентам требуется дешифровать с помощью Знаний. Вот для чего, в конечном счёте, и нужны человечеству Знания!

Итак, знания необходимы для восстановления авторской мысли из текстовой информации, что и является извлечением смысла из естественно-язычных сообщений, то есть, без знаний невозможно понять о чём говорится посредством речи, текстов, жестикуляций… Следовательно, думающему компьютеру в добавок к БЗ нужно иметь ещё и технологию извлечения смысла!

Т.е. для создания искусственно-мыслящей машины нужно разработать такое программное обеспечение, которое могло бы успешно раскодировать авторскую мысль, зашифрованную, например, в естественно-язычном тексте. Учёные и разработчики ИИ для получения желанного детища на базе ЭВМ уже испробовали на данный момент множество подходов из различных наук и теорий, привлекая и лингвистику, и статистику, и стохастику и другое. В последние годы, безуспешно перепробовав всё ранее известное, большинство энтузиастов, как было сказано выше, в деле создания компьютерного мышления направили свои основные усилия на разработку ИНС и на попытки создать ИИ, используя новое направление на основе так называемой технологии “машинного обучения”, благодаря которой достигнуты — надо отметить — весьма значимые результаты в области распознавания аудио-визуальных Объектов.

Однако, и этот подход, использующий технологию выявления каких-либо закономерностей методами статистической обработки данных и иных математических ухищрений, самостоятельно, без привлечения технологии смысловой обработки естественно-язычной информации (текстов), совершенно не способен на обработку знаний и извлечения смысла из информационного кода, каким является естественно-язычный текст.
На данный момент нет ни одной разработки, которая могла бы научить компьютер оперировать знаниями и извлекать смысл из контекста, восстанавливая авторские мысли.