Машинное обучение
Искусственный интеллект
7 февраля 2019

Искусственный интеллект как машина изобретений

Как на практике работает категориальный механизм человеческого интеллекта, описанный мной в предыдущей статье?

Иными словами, как эйдетика может помочь нам в создании интеллекта искусственного?
Рассмотрим на примере.

Что такое Эйдос? Это мысленный образ реального предмета, вещи, понятия, явления, события, действия… Можно сказать, что любое определение в словаре – своего рода Эйдос. Платон считал Эйдосы материальными, живущими своей жизнью в Мире идей. Мы можем допустить, что это действительно так, если согласимся считать эйдос реально существующим в той мере, в коей реален любой инженерный чертёж, связанный воедино текст, изображение, символ. Это не сам предмет, а его упрощённая модель, пиктограмма или слепок, снимок. Но кто сказал, что со снимками нельзя работать в реальности?

Наш разум проделывает данную работу ежесекундно. Начиная с элементарных бытовых операций и заканчивая созданием сложных изобретений, инженерией.

Но на изобретениях работа разума выглядит по-настоящему красиво, поэтому её легче использовать для примера.

Как человек делает изобретения? Почему великим изобретениям часто предшествует видение или сон, как у великого химика Д.Менделеева, изобретателя таблицы периодических элементов? Потому что изобретение действительно можно «увидеть». Я рискну утверждать, что его вообще невозможно сделать, не «увидев», т.е не представив идею ясно и в деталях в своём воображении.

Представим себя на месте инженера-изобретателя. Вы живёте в 19-м веке, когда ещё нет подводных лодок и Жюль-Верн ещё не написал свои «20 тысяч лье под водой». Вам поступает заказ от Министерства обороны – придумать истребитель вражеских кораблей. При этом, он должен действовать скрытно, при ограниченном боезапасе и слабом вооружении. Этакий одинокий диверсант-охотник на море. Примерно с такой задачей, кстати, столкнулась Германия во время 2-й мировой войны, когда вынуждена была искать способы борьбы с превосходящим по силам флотом Великобритании. Как решить задачу?

Первое, что начинает делать изобретатель – это мозговой штурм, поиск свежих идей.
Очень подробно данный механизм разобран в ТРИЗ -теории решения изобретательских задач.
Попробуем изобразить этот процесс упрощённо, графически и по шагам.

Начало размышления


1. Очевидно, что текущий способ не годится для скрытого ведения войны на море. Основное оружие флота – корабли. В целях защиты, они обшиты бронёй, вооружены тяжёлыми пушками. Вследствие чего, они очень большие, заметные, тяжеловесные, тихоходные.

2. Может быть, сделать маленькие быстроходные лодки – охотники?

image

3. Но увеличивая скорость корабля для диверсионной войны, мы вынуждены ставить более мощный мотор. Увеличивая мотор, мы увеличиваем размер корабля и его вес. А это – замедление скорости. И так до бесконечности. На выходе снова получаем корабль-крепость. То есть данный путь – тупик.

image

4. А что если подумать в сторону увеличения скрытности? Скрыться на море сложно, поэтому первое, что приходит на ум – это скрыться прямо на месте – под воду. Но существующие корабли не умеют этого делать. А кто умеет? Умеют рыбы!

image

5. Но рыба – не корабль, она не может перевозить людей и оружие. Можно ли рыбу превратить корабль или корабль уподобить рыбе?

Заметьте: неожиданно инженер поставил вопрос в ключе диалектики Платона: как совместить несовместимое? (здесь и далее курсивом выделены мои комментарии на мысли инженера).

6. Схема этого противоречия выглядит так:

image

Значит для решения задачи нам нужно искать выход из этого противоречия. Но как? – Путём его анализа.

7. Что такое корабль по своей сути? Каков базовый эйдос корабля? Это -большая лодка.

image

Что такое рыба по своей сути? Это «живая лодка», только маленькая.

image

Что ж, уже лучше. Две лодки, только в разных масштабах и с разными задачами.

8. А что, если мы приведём их к единому масштабу и соединим эти две лодки в одну? Сделаем большую лодку-корабль, способную плавать под водой.

image

9. Как? Ну, например, как рыба, которая регулирует своё всплытие-погружение с помощью специального пузыря. Таким «пузырём» для военной лодки могут служить кингстоны.

image

Конец размышления


Итак, мы увидели процесс мышления в его инженерном, изобретательском ключе по шагам. Правда, что-то подобное вы неоднократно проделывали, пытаясь решить какую-либо задачу или проблему? Если так, то механизм этот знаком людям с детсва, как воздух, которым мы все дышим, но не замечаем.

Применительно к программированию – здесь тоже всё просто и нет ничего кроме обработки образов (изображений).

Сначала мы описали предложенные образцы, «распознали» их. Затем упростили, «свернули» для того, чтобы ими стало можно манипулировать. Далее, мы по законам диалектики проработали эти образы. Мы сравнивали их, находили подобия и соответствия. Создали новый образ на основе двух предыдущих. А затем «развернули» их в полноценное решение.

Если бы я был бизнес-аналитиком, я бы отобразил данный процесс в следующей диаграмме:

image

Распознавание изображений нейронные сети искусственного интеллекта научились делать прекрасно. И свертку-развёртку изображений свёрточные сети делают без проблем. Так же прекрасно нейронные сети могут находить похожие образы на основе глубинного обучения. И даже могут создавать новые изображения, подражая предложенным образцам.

А вот с законами диалектики у современного искусственного интеллекта не заладилось. От слова совсем. Что неудивительно: все помешаны на нейронных сетях, а диалектика – это алгоритм. Даже совокупность алгоритмов, «алгоритмический ансамбль», комплект. От создания ИИ на основе алгоритмов наука отказалась чуть ли не в конце 70-х годов прошлого века.

На основе алгоритмов мышления пытается работать компьютерная бихейвеористика. Подробнее можно посмотреть, например работы Рон Суна, Rensselaer Polytechnic Institute (RPI), Troy, NY USA.

Сделаны попытки описания отдельных моделей поведения человека — принятие решений, поиск выхода, механизм выбора (и даже сделана попытка алгоритмизировать совесть). Написано множество математических алгоритмов.

Сами по себе эти алгоритмы прекрасно работают и даже могут быть даже встроены в какие-либо программы. Есть открытые API.

Правда, вскрылась одна проблема.

Таких бихейвиористических моделей — сотни, а то и тысячи. И это далеко не исчерпывает варианты поведения человека. К тому- же при попытке собрать эти алгоритмы вместе, возникает перегрузка системы из-за сложности выбора между моделями или при их комбинации.

То есть вопрос, как человек строит модели, как возможно само моделирование — он остался за скобками. Человек ведь не просто комбинирует готовые образцы. Он может разложить задачу на составляющие и собрать заново на уже ином, более высоком уровне.

Таким образом, он может решать сложнейшие задачи, которые простым перебором/комбинаторикой не решаются или же решаются крайне медленно и затратно.

Таким образом, нам сейчас для создания полноценного, или «сильного» искусственного интеллекта не хватает самой «малости»: диалектического алгоритма, который описывает сам механизм моделирования в человеческом разуме.

Диалектический алгоритм должен «уметь» работать с универсальными, понятными любому человеку без специальных знаний в программировании, образами – пиктограммами – эйдосами.
Принцип работы данного алгоритма я и показал в диаграмме выше.

Как разработать связку, а точнее интерпретатор между пиктограммами и обычными командами компьютерного языка — тема отдельного исследования.

Собственно, это единственное, что пока отделяет данную теорию от коммерческого воплощения.

***


Критика, анализ и предложения приветствуются.

+6
3,9k 27
Комментарии 36