Охота на электроовец. Большая книга искусственного интеллекта - Марков Сергей Николаевич

Географически центром школы «чистюль» были Стэнфордский университет, Институт Карнеги — Меллона, Эдинбургский университет, университеты Западного побережья США, а также японские университеты. «Грязнули» работали в Массачусетском технологическом институте, Йеле и в университетах Восточного побережья США [1268].

Типичными представителями школы «чистюль» были Аллан Ньюэлл, Герберт Саймон, Джон Андерсон, Кит Холиоук и Пол Тагард, «грязнуль» — Абельсон и Шанк, Сеймур Пейперт, Терри Виноград и Дон Норман.

В 1995 г. книга Холиоука и Тагарда «Умственные прыжки: аналогия в творческом мышлении» (Mental Leaps, Analogy in Creative Thought) [1269] подвела итоги двух десятилетий усилий «чистюль» в изучении мышления, построенного на аналогиях, в то время как книга Шанка и Клири «Машины для обучения» (Engines for Education) [1270], вышедшая годом раньше, стала изложением результатов двух десятилетий исследований «грязнуль» в лабораториях Шанка (в Йельском, а затем в Северо-Западном университете), посвящённых изучению накопленного опыта. Ни одна из этих работ не ссылается на другую, и ни одна из них не даёт чёткого представления о мировоззрении породивших их школ [1271].

Традиционно к числу «грязнуль» относят и Марвина Минского, иногда даже называя его основателем этой школы. Однако к началу 1990-х гг. он занимал уже скорее центристскую позицию. В 1991 г. Минский опубликовал статью под названием «Логическое против аналогического, или Символьное против коннекционистского, или „Чистюля“ против „грязнули“» (Logical Versus Analogical or Symbolic Versus Connectionist or Neat Versus Scruffy), в которой доказывал необходимость синтеза этих двух подходов.

Конечно, подход имени мира, дружбы и жвачки имеет большое число поклонников и в наши дни, тем более что множество современных интеллектуальных систем вполне успешно сочетают в себе методы, предложенные как в работах «чистюль», так и в трудах «грязнуль». Многие «грязные» методы подверглись «очистке» по мере того, как были созданы теоретические обоснования их применения. Например, развитие высокоразвитых формализмов, таких как байесовские сети и математическая оптимизация в 1990-е гг., привело некоторых исследователей ИИ, таких, например, как Стюарт Рассел и Питер Норвиг, к выводу о победе «чистюль». Памела Маккордак, симпатизировавшая «грязнулям», в 2004 г. отмечала: «В те дни, когда я пишу эти строки, в ИИ установилась гегемония „чистюль“ — людей, которые считают, что по крайней мере машинный интеллект предпочтительно описывать при помощи логических, даже скорее математических терминов». С другой стороны, за несколько прошедших десятилетий было изобретено множество «грязных» трюков и хаков, в первую очередь под влиянием выхода интеллектуальных систем за границы университетских лабораторий — производственная необходимость нередко порождает «грязные» решения, откладывая более изящные решения на будущее. Недаром различие между «чистюлями» и «грязнулями» нередко представляют в виде противопоставления декларативного и процедурного подходов: там, где «чистюли» оперируют формальными определениями, «грязнули» сконцентрированы на создании действующих агентов. Это противоречие было прекрасно выражено Марксом за сотню лет до Абельсона и Шанка: «Философы лишь различным образом объясняли мир; но дело заключается в том, чтобы изменить его» [Die Philosophen haben die Welt nur verschieden interpretiert, es kommt aber darauf an, sie zu verändern] [1272].

В разгар дебатов, пришедшийся на первую половину 1980-х гг., Нильс Нильссон (знакомый нам по нейросетевым исследованиям в SRI), к тому времени президент Ассоциации по развитию искусственного интеллекта, заявил, что области нужны оба подхода. Он писал: «Большая часть знаний, которые мы хотели бы иметь внутри наших программ, может и должна быть представлена декларативно, в некоем декларативном, подобном логике формализме. Структуры для особых случаев [ad hoc] также имеют право на существование, но большинство из них порождается самой предметной областью» [1273]. Алекс Пентланд и Мартин Фишлер из MIT в ответ заявили: «Нет сомнений в том, что дедукция и логические формализмы будут играть важную роль в исследованиях ИИ, однако, похоже, что они не соответствуют той королевской роли, которую Нильс им отводит. Этот претендент на королевский престол хотя и не голый, но, похоже, имеет весьма ограниченный гардероб» [1274].

Спор этот далёк от завершения и в наши дни (хотя сами термины «чистюли» и «грязнули», вышли из моды) и обостряется по мере успехов, достигнутых исследователями, тяготеющими к одному или другому направлению.

4.6 Марвин Минский и зима искусственного интеллекта

Одним из интригующих моментов истории искусственного интеллекта является вопрос о том, почему после успехов Розенблатта и Уидроу, после всей волны энтузиазма, порождённой работами Мак-Каллока и Питтса, научное сообщество на долгие годы утратило интерес к коннекционистским моделям. Нередко забвение нейросетевых моделей на многие годы и смену фокуса исследований связывают с критикой работ Розенблатта Марвином Минским и Сеймуром Пейпертом. Действительно, если попытаться объяснить одним предложением, то проще всего произвести на свет примерно такой текст: в 1969 г. увидела свет книга Минского и Пейперта «Перцептроны» (Perceptrons: An Introduction to Computational Geometry), в которой были показаны функциональные ограничения подобных моделей (в частности, доказано, что перцептрон не может выучить операцию «исключающее или»), в результате произошло смещение научного интереса и финансирования на другое направление исследований в области ИИ — символьный подход (собирательное название для всех методов искусственного интеллекта, основанных на высокоуровневом «символьном» (человекочитаемом) представлении задач и логики их решения). Выглядит на первый взгляд логично и регулярно воспроизводится в научно-популярной литературе в различных вариациях со степенью категоричности, зависящей только от упоротости авторов. Действительность, впрочем, по всей видимости, куда сложнее, а во многом и вовсе противоречит этой лубочной картинке. Давайте попробуем разобраться в произошедшем по порядку.

Для этого мы вернёмся в 1963 г., когда 35-летний Сеймур Пейперт после четырёх лет работы в Университете Женевы перебрался в Массачусетский технологический институт, чтобы занять должность научного сотрудника (а с 1967 г. — профессора прикладной математики). Позже в своих воспоминаниях Пейперт писал: «Многие факторы сделали этот шаг привлекательным. Эта была перспектива получить доступ к компьютерам и работать с Марвином Минским и Уорреном Мак-Каллоком, а также удивительное чувство шаловливости [playfulness], которое я испытывал там во время своих кратких визитов. Когда я наконец приехал, всё это воплощалось в ночных сессиях у компьютера PDP-1, который был выделен Минскому. Это было чистой воды игрой. Мы выясняли, что можно сделать с помощью компьютера, и что-нибудь интересное оказывалось стоящим. Никто ещё не знал достаточно для того, чтобы указывать, что какие-то из вещей были серьёзнее других. Мы были как младенцы, открывающие мир» [1275].