Миллиардер из Кремниевой долины. История соучредителя Microsoft - Аллен Пол - Страница 81

II уровень сложности: предварительные и экспериментальные исследования

– Скрытые и подразумеваемые смыслы высказываний. Наш язык полон двусмысленностей и намеренных опущений, которые читатель или слушатель всегда воспринимает правильно. Приведу в пример простое высказывание: «Чайную ложку соли растворить в воде». Что именно нужно растворить – чайную ложку или соль? А может, ложка сделана из соли? Благодаря накопленным знаниям люди мгновенно решают подобные двусмысленные задачи, которые для машин представляют большую сложность. Прочитав предложение «Кислоты могут изменять цвет некоторых красок», мы сразу понимаем, что краски и кислоты вступают в химическую реакцию, хотя прямо об этом не говорится. Чтобы правильно понимать подобные высказывания, наш мозг использует как содержащиеся в тексте, так и фоновые знания. Компьютер никогда не будет полностью понимать наш язык, если не решить эту важнейшую проблему.

– Эволюционирующие знания. Приобретение новых знаний – это не просто их запоминание. Необходимо поместить новые сведения в контекст уже имеющихся, чтобы они могли с ними взаимодействовать. Например, если вам показывают упрощенную схему деления клеток, а потом вы встречаете где-то более сложное описание, ваш мозг без труда объединит две картинки и модифицирует первоначальные знания о предмете. Возможно, то, что сначала воспринималось вами как единое явление, теперь необходимо переосмыслить и увидеть в ином качестве – как два взаимосвязанных явления. Этот процесс сохранения, пересмотра и расширения существующих знаний критичен для таких глобальных систем, как «Цифровой Аристотель». Простые специализированные методики для выполнения этой задачи существуют, но полностью автоматизированное решение появится, вероятно, еще очень нескоро.

– Обращение с противоречащими друг другу и нестабильными сведениями. Если небольшие и средние базы данных искусственных интеллектуальных систем можно легко очистить от ошибок, то объемные базы знаний неизбежно «засоряются» огромным количеством дефектов, противоречий и пробелов. По мере того как объем доступной информации растет, системы ИИ должны не только эффективно очищаться от артефактов, но и продолжать разумно мыслить. Эта задача представляет особенное значение для веб-систем, где источники знаний и информации могут серьезно варьироваться в географическом, временном и культурном планах. В этой области существует достаточно большой выбор новых технологий – от хитроумной новомодной логики до систем, основанных на принципах интернет-поисковиков, однако все они еще находятся на стадии эксперимента. Проект Halo активно работает над интеллектуальными процессами, позволяющими обрабатывать несколько конкретных видов конфликтов и противоречий, но общее решение пока не найдено.

– Рассуждения на основе здравого смысла. Наше мышление и понимание во многом зависят от общих знаний и эмпирических правил. Например, если вам говорят, что «углекислый газ – сырье для фотосинтеза», вы сразу же понимаете, что углекислый газ используется в фотосинтезе, что он необходим для него и поглощается в процессе. Обо всем этом вы догадываетесь, потому что уже знакомы с понятиями «сырье», «необходимость», «поглощать», и понимаете, как они могут взаимодействовать. Рассуждения на основе здравого смысла дарят огромную гибкость человеческому мышлению, но правильно внедрить их в системы искусственного интеллекта – непростая задача. Сегодня существует ряд подобных систем: от тех, что используют Интернет, до систем наподобие Cyc (www.cyc.com), авторы которых – в основном люди. И хотя компьютеры уже могут демонстрировать примеры рассуждений на основе здравого смысла, их способность надежно усваивать и использовать такого рода знания в объемах, необходимых для «Цифрового Аристотеля», до сих по не доказана. Проект Halo в настоящий момент ищет решения.

III уровень сложности: самые сложные задачи в области ИИ

– Применение накопленных знаний в новых контекстах. Люди без труда используют имеющиеся знания в новых контекстах, что позволяет им рождать новые – и подчас новаторские – идеи. Например, когда школьница старших классов проводит эксперимент для подтверждения какого-нибудь химического принципа, она использует все свои знания о предметах, веществах и действиях с ними, чтобы установить правильную последовательность действий. Мы умеем прокручивать в голове вымышленные ситуации, применяя все, что нам известно, по-новому и в новых контекстах. Эта способность манипулировать имеющимися знаниями уникальна для человека и остается сложнейшим испытанием для компьютеров. В этой области очень мало разработок, и все они находятся на стадиях предварительных исследований.

– Метафора и аналогия. Встречаясь с чем-то новым, люди часто сравнивают это с тем, что им уже известно, и таким образом лучше усваивают новые знания. Например, в учебнике биологии написано: «Микротрубочки в клетке похожи на миниатюрные пружинки». Аналогия позволяет читателю использовать имеющиеся знания и лучше понять, как именно микротрубочки сжимаются и растягиваются, не делая при этом вывода, что они сделаны из металла. Для этого необходимо найти и использовать уже имеющуюся ментальную модель, которую изначально для решения новой задачи использовать не предполагалось. Данный процесс по сей день практически невозможно сымитировать на компьютере. Кроме нескольких предварительных исследований, почти никаких разработок в этой сфере не существует.

Проект Halo активно ищет решение этих (и некоторых других) проблем. Если у вас есть серьезные технические предложения в перечисленных областях, пишете нам по адресу: [email protected].