Урок №2: ИИ и междисциплинарные исследования
Текст видео:

Приветствую вас, друзья. Мы продолжаем наш вводный курс по Искусственному Интеллекту, и это наше второе занятие. Сегодня мы рассмотрим все предпосылки возникновения интересной нам области исследования и научного знания, поэтому приготовьтесь немного погрузиться в историю развития науки, философию науки и различные научные отрасли. Приготовились? Поехали.

Даже древние греки задумывались о природе человеческого интеллекта и сознания, но их философы размышляли ещё в духе мистического мировоззрения, которое предполагает наличие у человека некой субстанции, отвечающей за то, чтобы человек был человеком. Не важно, как эта субстанция называется, для простоты понимания назовём её «душой». Так вот в античные времена считалось, что у человека есть три души — душа растения, душа животного и, собственно, разумная душа человека. Такое разделение предложил Аристотель, и я надеюсь, что все вы знаете, кто это такой. Ну он учился у Платона, другого мощного древнегреческого философа, который написал диалог «Государство», в котором описал свою знаменитую аллегорию «Пещера теней». Аристотель основал Ликей и был учителем того самого Александра Македонского.

Но мы несколько отвлеклись. Итак, три души по Аристотелю. Первая отвечала за рефлекторные реакции, вторая за эмоции, а третья за разум. Как видим, древние философы были мудрыми и вполне предвидели современную модель мозга млекопитающих, предполагающую деление на три части для управления, соответственно, рефлексами, эмоциями и сознанием.

Наверное, если бы античный мир не пал под натиском варваров и человеконенавистнических культов, что погрузило Европу во тьму мракобесия на многие века, сегодня бы мы уже колонизировали дальние звёздные системы. Но искра разума возникла только в Новом времени, и возобновлением исследований можно назвать выход в 1637 году книги «Рассуждение о методе» французского философа и математика Рене Декарта, в которой автор вводит тезис, сегодня известный как Cogito ergo sum. Книга является вехой в истории науки и открывает собой как философию Нового времени, так и, фактически, запускает Ренессанс в науке, делая её единственно валидным и верифицируемым методом познания мира.

Затем наука в целом и исследования человеческого разума постепенно набирали обороты, чтобы к первой половине XX века выйти на финишную прямую, ведущую к появлению междисциплинарного направления «Искусственный Интеллект» в 1956 году, когда Джон МакКарти впервые произнёс этот термин. Давайте кратко рассмотрим основные вехи.

Наверное с XVII века или даже ранее делались попытки создать механических кукол, которые вели себя, как люди. Такие попытки ограничивались созданием довольно красивых и очень детализированных кукол, которые могли выполнять какое-нибудь одно действие. Способ выполнения вряд ли был похож на людской. Тем не менее успехи в механике привели к тому, что к концу XIX века Чарльз Бэббидж разработал проект своей разностной машины, а Ада Лавлейс придумала первый язык программирования. Проекту не суждено было увидеть свет, но основные принципы теории вычислений были заложены.

В XX веке развитие научного знания шло семимильными шагами, наука ветвилась и начинала рассматривать совершенно различные аспекты объективной реальности. Поэтому к Искусственному Интеллекту прошло несколько разных путей, которые в конце концов сошлись в одной точке.

Тогда, в первые десятилетия XX века была разработана мощнейшая программа обоснования математического знания, поскольку учёные хотели иметь стабильный фундамент под всем научным зданием. Многие учёные пытались создать логически стройную математическую систему, в которой получение нового знания могло бы производиться чисто механически. Но, к сожалению (или к счастью), в этом вопросе учёных ждал провал. Сначала Бертран Рассел поколебал основы теории множеств при помощи своего знаменитого парадокса о множестве всех множеств, а потом уже Курт Гёдель поколебал основы теории числе своими знаменитыми теоремами о полноте. Вместе с тем эти философские и математические работы дали глубокое понимание сущности научного знания, и они, в какой-то мере, спустили курок множеству новых направлений исследований.


Во-первых, это теория информации, Клод Шеннон и его знаменитые теоремы о каналах без шума и с шумом — они были предтечей кибернетики. Во-вторых, теория вычислений, и здесь надо упомянуть таких светил, как Алан Тьюринг, Алонзо Чёрч и, конечно же, Джон фон Нейман, имя которого носит современная архитектура компьютеров, используемых повсеместно. Эти ребята заложили основы всей вычислительной техники и, фактически, обрисовали то магистральное направление, в котором мы сейчас движемся.

В-третьих, теория систем, в которой сверкали Карл Людвиг фон Берталанфи и тот же Джон фон Нейман. Если в рамках теории вычислений он заложил основы теории самовоспроизводящихся автоматов, то в рамках теории систем он проработал теорию надёжности. Вообще, удивительно разносторонний был математик. Теория систем и теория информации дали старт четвёртому направлению — кибернетике, и здесь важно отметить такого корифея, как Уильяма Росса Эшби, который ввёл и поработал важнейшее понятие гомеостаза. Ну и нельзя не упомянуть плеяду русских учёных, развивавших кибернетическое понимание мира, — Ивана Алексеевича Вышеградского, Алексея Андреевича Ляпунова, Виктора Михайловича Глушкова и всех подвижников науки.

С другой стороны к пониманию и проработке искусственного интеллекта тоже шли многочисленные исследователи, которые использовали биологические, физиологические и даже психологические знания для моделирования высших функций разума человека. И вот, отталкиваясь от физиологии нервных клеток, нейронов, Уоррен Маккаллок и Уолтер Питтс разрабатывают первую математическую модель искусственного нейрона. Спустя какое-то время Фрэнк Розенблатт предлагает искусственную нейронную сеть, которую он назвал «перцептроном» и которую реализовал «в железе». Перцептрон уже тогда мог распознавать образы, хотя был всего лишь нейросетью с одним скрытым слоем.

Также надо отметить, что в последнее время к изучению искусственного интеллекта всё чаще и шире подключаются учёные из таких областей, как нейрофизиология, психиатрия, психология и даже социология. Всё это связано с тем, что подход, основанный на моделировании базовых свойств элементарных элементов, из которых состоит мозг, пока буксует, поэтому делаются попытки идти сверху через «дизассемблирование» сознания и высших психических функций человека, если можно так выразиться. Но об этом мы поговорим в следующий раз.

Итак, становится понятным, что искусственный интеллект лежит на стыке таких направлений, как философия науки, формальная логика, теория вычислений, теория информации, теория систем и кибернетика, вычислительная техника, нейрофизиология, психология и даже социология, а потому является междисциплинарной областью исследования. Специалисту по искусственному интеллекту, который хочет проектировать искусственные интеллектуальные системы на высоком уровне, конечно же, надо иметь представление обо всех этих направлениях и последних достижениях в них. Это совсем непросто, тем не менее, это возможно. И далее в нашем курсе мы черпнём понемногу из каждого, и я буду давать подсказки по дальнейшему продвижению.

Что ж, пока на этом всё. Мы узнали про все научные области, лежащие в основе искусственного интеллекта. Теперь приглашаю вас переходить к тесту, отвечать на вопросы, общаться друг с другом и со мной. В тесте я постарался подготовить вопросы, для правильного ответа на которые необходимо не только прослушать эту лекцию, но и немного полистать интернет. Дерзайте.
Популярные вопросы студентов
(Орфография и пунктуация студентов сохранены в большинстве случаев)
Как это получать новые знания механически? что это за теория? Я понимаю, что в процессе медитации и остановки деятельности ума, который на самом деле нам враг, можно подключиться к источнику абсолюта и черпать оттуда знания. Но а это что за механический процесс?
Например, это может быть формальный вывод и доказательство новых теорем в рамках какой-либо формальной системы. Новая теорема —это новое знание, которое добыто «механически». Или, другое пример, искусственную систему можно запрограммировать для получения результатов неких экспериментов, которые она постоянно ставит. Эта система будет получать данные, фильтровать их и даже как-то интерпретировать, и в этом случае через процесс интерпретации из данных будут получится знания. А дальше знания уже применяются разумным существом или же системой, основанной на знаниях (экспертной системой).
Интересно зачем нужна была разностная машина, какие вычисления она реально производила , какую функцию она выполняла?
Разностная машина проектировалась как универсальный аппроксиматор функций многочленами и вычисления конечных разностей [в нотации LaTeX: \Delta (x_k) = f(x_{k + 1}) - f(x_k) ]. Фактически, она могла бы позволить вычислять приближённые значения логарифмов и тригонометрических функций, что имело бы прямое прикладное значение в мореплавании, инженерном деле и везде, где требовались расчёты инженерного характера.
Не очень понятно, почему парадокс Рассела помешал созданию стройной математической системы по получению знаний? Также очень интересно, возможна ли вообще подобная система, если учитывать, что для нового "знания" нужна идея, а не просто математический анализ данных?
Рассел и другие последователи Гильберта пытались сделать некую систему, которая позволила бы «механически» получать новые математические знания и, в итоге, просто, перебрав и все, построить окончательное и фундаментальное здание науки. Но Рассел первый же вбил гвоздь в крышку гроба наивной теории множеств Канторы со своим парадоксом, а за ним уже и Гёдель доказал, что окончательной и полной системы научного знания мы получить не сможем никогда. Из этого следует интересный вывод — те, кто «общается» с миром чистых платонических идей, всегда будут находить что-то новое и постоянно достраивать здание науки.

Что касается теоремы Гёделя о неполноте. то она гласит, что любая достаточно выразительная формальная система, в которой есть возможность выразить базовую арифметику (числа и операцию сложения) либо противоречива, либо неполна. Противоречивость обозначает то, что в системе можно доказать некую теорему и её отрицание. Неполнота обозначает невозможность в системе доказать некую теорему, которая истинна и действительно является теоремой. В общем, следствие этой теоремы в том, что наша обычная арифметика является неполной системой, и наполнить её невозможно (это тоже доказано Гёделем).

В общем, всё это значит, что мы не сможем построить окончательное здание знания, фундаментальное и завершенное. Знания будут добываться всегда. И всегда будет появляться возможность добавить новые знания. Что бы нового мы не открыли.
Вы слегка искусственно провоцируете дискуссию или действительно Восточная цивилизация не внесла ничего в развитие математики, возможно приведшее к прорыву западной математической мысли 20 в?
Несомненно, что восточная научная мысль дала какие-то отдельные всплески (типа всем известных нуля и арабских цифр для десятичной записи). Но если рассматривать в целом весь массив философии и науки, то вне всякого сомнения колыбелью научного мировоззрения является античный мир и западная цивилизация, как наследующая ему. Восточные культуры более созерцательны, западные — рациональны.
И как возможно создать язык программирования, не имея машины? Хотя, возможно, мы приходим к проблеме курицы - яйца. С другой стороны, есть гравиационные волны Эйнштейна, обнаруженные через 100 лет после их описания.
Тьюринг сделал это. Он построил умозрительную модель (машину Тьюринга), после чего, фактически, описал в математических терминах универсальный язык программирования. Отсюда появился термин — «Тьюринг-полный язык программирования», который обозначает, что на этом языке можно реализовать любую функцию, которую можно вычислить (не все функции можно вычислить). То же самое сделал Алонзо Чёрч — не имея компьютера, он описал математическую нотацию (лямбда-исчисление), которое как раз представляет собой базовый Тьюринг-полный язык программирования. Все современные языки программирования высоких уровней представляют собой всего лишь «синтаксический сахар», обёртывающий математические записи лямбда-исчисления.
я не совсем понимаю что именно даёт увеличение скрытых слоёв инс?
и отличаются ли как-то нейроны, находящие на входе от нейронов в скрытых слоях , например?
Само по себе увеличение количества слоёв в ИНС не даёт ничего. Более того, для некоторых типов ИНС существует такой феномен, как «затухание», когда пр обучении при помощи метода обратного распространения ошибки весовые коэффициенты на межнейронных связях у самых первых слоёв практически не изменяются, так как ошибка не доходит до этих слоёв. Так что всё дело в архитектуре нейронной сети в первую очередь и в типе используемых нейронов во вторую. Задача диктует выбор архитектуры, которая частично определяет тип нейронов, а дальше уже сам исследователь различными методами пытается определить, сколько скрытых слоёв нейросеть должна содержать. То есть нельзя сказать, что вот мы сейчас возьмём и добавим пару сотен слоёв, и тогда о-го-го! Нет, для каждой задачи и каждой архитектуры, фактически, это индивидуальный подбор, и задача эта больше творческая.

Что касается типов нейронов, то тут опять архитектура ИНС диктует, какие нейроны на каких слоях должны быть. Разных типов нейронов придумано довольно много. И они используются в разных типах ИНС. Например, в перцептроне три типа нейронов — по одному на каждый тип слоя. В свёрточной сети на входных слоях могут стоять обычные фильтрующие нейроны, а на скрытых слоях — с памятью. В других архитектурах могут использоваться нейроны с реципрокными и обратными связями. Опять же диктует задача.
не совсем понятно, почему введение понятия "гомеостат" было важно для развития кибертетики?
Гомеостат — это прибор, который был разработан У. Р. Эшби для демонстрации понятия «гомеостаз». Гомеостаз — это процесс удержания значений жизненно важных показателей (переменных, факторов) в заданных рамках, которые характеризуют нормальное состояние системы. Впервые это понятие было применено к биологическим системам, живым существам, экосистемам. Вот, к примеру, у нас в организме есть огромное количество гомеостатических показателей — pH крови, артериальное давление, парциальное давление углекислого газа в крови и тысячи других. За каждым из них следит подсистема управления, и когда значение показателя подходит к нижней или верхней границе гомеостатического интервала, то включается режим возврата. Например, если задержать дыхание, то через какое-то время вы сделаете вдох независимо от своего желания, поскольку PCO2 подойдёт к критическому значению, и уже древние структуры мозга, ответственные за жизнеобеспечение организма на самых базовых уровнях, пошлют сигнал на мышцы грудной клетки, и сознание не сможет их остановить или перехватить. Так и в любой кибернетической системе гомеостаз — это важное понятие, лежащее в основе адаптационных механизмов. Адаптация к условиям окружающей среды — это, в свою очередь, базовый механизм обеспечения живучести системы. То есть, фактически, гомеостаз важен для кибернетики потому, что внимательное изучение механизмов, лежащих в его основе, позволяет проектировать адаптирующиеся системы.
Самостоятельная работа
Задание 1

Прочесть все материалы по ссылкам выше

Задание 2

Сдать проверочный тест
Предыдущие уроки
Урок №1: ИИ и две зимы здесь