Когнитивная наука Основы психологии познания том 2 Величковский Б М (стр. 87 из 118)
Что касается теоретических обобщений этих результатов, то складывается впечатление, что часто они имеют характер «бракосочетания сомнительной эпистемологии и IBM». Унаследованный от формальной логики и вычислительной лингвистики интерес к играм с условными правилами, применяемым к дискретным символам, а также влияние философских взглядов Декарта и особенно Юма привели к тому, что основной стратегией исследования в когнитивной науке был объявлен методологический солипсизм (см. 1.1.2). Считая Юма первым подлинным представителем когнитивной науки, Фодор (Fodor, 1980) утверждает, что если нет различия между мыслью о предмете и просто мыслью, то предмет можно игнорировать. Этот вывод имеет определенные основания, так как при построении систем искусственного интеллекта наиболее существенными вопросами являются их непротиворечивость и программная реализуемость, а не соответствие реальным прототипам.
Основной задачей вычислительного подхода было объявлено изучение «языка мысли» (language of thought), предикаты которого, как считает Фодор (Fodor, 1978; Ray, 2003), являются врожденными и лежат в основе не только усвоения родного языка, но и вообще всех форм познавательной активности17. Язык мысли («менталезский язык»)
17 Критикуя с этих позиций работы Л.С. Выготского, Фодор (Fodor, 1972), похоже, незамечает трудностей, в которых оказывается его собственная концепция. Укажем одну из
них. Предположение о существовании «языка мысли», кроме спорного утверждения о
его врожденности, содержит опасность бесконечного регресса. Если «язык мысли» — это
нечто вроде автокода вычислительного устройства или же своеобразный interlingua, опос
редующий коммуникацию перцептивного и вербального знания, то, по-видимому, необ
ходимы специальные языки-посредники для перевода информации с «языка восприя
тия» и с естественного языка на «язык мысли». 309
включает, наряду с логическими суждениями, пропозициями, также и пропозициональные установки, то есть метаоператоры субъективного отношения к ним, представленные ментальными предикатами (или «психологическими глаголами») «хотеть», «знать», «думать», «предполагать», «надеяться», «бояться» и т.д. (см. 6.3.1 и 7.4.1). Вопрос о ложности или истинности содержания пропозиций в подобных конструкциях приобретает подчеркнуто субъективный характер. Например, если некий персонаж по имени Петя «считает, что идет дождь», то справедливость этого утверждения остается (в первом приближении — см. 9.4.1) на совести Пети.
Отметим очевидную неполноту этого подхода. В качестве основы мышления человека здесь рассматривается исключительно важное, но все же явно ограниченное подмножество средств двух высших уровней функциональной организации интеллекта, а именно уровней Ε и F. Рассматривая в предыдущей главе (см. 8.1.4 и 8.4.3) основные виды четакогнитив-ных координации, мы отмечали, что в их число входят и невербальные метапроцедуры воображения, позволяющие строить пространственные модели ситуаций и подвергать их изменениям, напоминающим изменения, которые возникают в ходе предметной деятельности. Предположение о сугубо формальной, пропозициональной основе внутренних репрезентаций проблематично в целом ряде отношений, прежде всего с точки зрения того, как мы решаем простейшие задачи с учетом пространственных отношений. Предположим (вслед за Джонсон-Лэйрдом — см. 8.2.2), что нам даны следующие условия «Анна сидит слева от Маши, а Маша сидит слева от Джона». Нужно определить взаимное положение Анны и Джона. Сделать это, используя только свойства логической транзитивности, невозможно, так как в том случае, если Анна, Маша и Джон сидят за круглым столом, Анна будет находиться не слева, а справа от Джона.
Пропозициональное описание оказывается в принципе недостаточным, если оно строится без учета предметной ситуации, то есть с позиций декларируемого методологического солипсизма. Полезным расширением теории языка мысли могла бы стать, например, ее интеграция с теорией перцептивных символьных систем (см. 6.4.2). Отдавая дань доминирующей в последнее десятилетие нейрокогнитивной парадигме, Фо-дор и другие сторонники рассматриваемого подхода признают сегодня, что функционирование языка мысли непосредственно коренится в работе нейрофизиологических систем мозга, сохраняя при этом, тем не менее, свой основанный на абстрактных вычислительных операциях характер. Так, например, порождение на языке мысли синонима русской фразы «Я боюсь» приводит к активации миндалины, затем ядер гипоталамуса, выделению адреналина и т.д., причем происходит все это столь же автоматически, как выполнение команд в компьютерной системе, где, скажем, появление на входе последовательности символов вида «begin print» ведет к распечатке текста.
Самым общим аргументом в пользу вычислительного подхода слу-310 жит ссылка на возможности машины Тьюринга. Утверждается, что всякая
критика данного подхода, если она непротиворечива, должна допускать формализацию в виде программы работы машины Тьюринга. Это устройство, как отмечалось (см. 2.1.1), использует гомогенную систему репрезентации — цепочку символов из конечного алфавита. В таком же коде, как функция состояния и символа на ленте, описывается и поведение машины Тьюринга. Поэтому всякая логичная критика машинных моделей познавательных процессов может быть переведена если и не в реально, то, по крайней мере, в потенциально реализуемые программы вычислений18. Заслуживающие внимания критические замечания, следовательно, могут быть ассимилированы и использованы для демонстрации универсальности вычислительного подхода. С этой целью А. Ньюэлл и Г. Саймон разработали программу, моделирующую картину движений глаз шахматистов. Такие исследования проводились ранее советскими критиками искусственного интеллекта — O.K. Тихомировым и его коллегами (см., например, Тихомиров, 1969).
Этот аргумент, конечно, основан на ряде недоразумений. Его авторы не учитывают развитие самой математической логики. Во-первых, анализ вопроса о границе между реальной и потенциальной вычислимостью функций показал, что с помощью машины Тьюринга могут быть вычислены лишь сравнительно простые функции: формальные модели сложных систем оказываются более сложными, чем сами эти системы (Doyle, 2003)19. Во-вторых, средствами исчисления предикатов первого порядка («булевой алгебры»), с которой имеет дело машина Тьюринга, невозможно решать задачи новых разделов математической логики — конструктивной и модальной логики, прежде всего, подклассов так называемых временных и интенциональных (или эпистемических), логик, в случае которых, до известной степени, учитываются ресурсы, знания и интенции субъекта (см. 9.2.3).
Впрочем, недостаточно убедительны и радикальные аргументы против возможности вычислительной интерпретации человеческого интеллекта. Упоминавшаяся в самом начале данного подраздела китайская комната Сёрла отнюдь не единственный такой аргумент. Двумя другими, наиболее частотными аргументами являются ссылки на теорему Гёделя о неполноте формальных систем и на «проблему фрейма» (последнюю не следует путать с частными проблемами, возникающими в связи
18 Совершенно аналогично, несколькими десятилетиями ранее критиков психоанализа обвиняли в неизжитых сексуальных комплексах." Упомянутая здесь проблема вычислимости по-разному ставится для разных классов
вычислительных устройств. Решение задач, практически недоступных из-за продолжи
тельности требуемых операций для машины Тьюринга и реализующих эту идею компью
теров с фон-неймановской архитектурой, может, в принципе, оказаться в пределах дося
гаемости для так называемых клеточных автоматов и особенно для (пока, впрочем, до
вольно гипотетических) квантовых компьютеров, способных к чрезвычайно быстрым па
раллельным вычислениям. 311
с использованием «фреймов» в качестве определенного формата представления знаний — см. 2.3.2 и 6.3.1).
Согласно теореме о неполноте, доказанной Куртом Гёделем в 1931 году, во всякой строго формальной системе имеются некоторые утверждения, которые не могут быть ни доказаны, ни опровергнуты в рамк.ах данной системы10. Следовательно, полагают современные критики вычислительного подхода, формальное описание таких сложных систем, как сознание или интеллект человека, также обречены на неполноту и полноценный искусственный интеллект невозможен. Это рассуждение едва ли правомерно, так как вычислительные теории в когнитивной науке никогда и не претендовали (в действительности, не могли претендовать) на строгость таких формальных систем, как арифметика. Всякая попытка исчерпывающего логического описания когнитивных структур заведомо должна была бы кончиться неудачей, поскольку в психологии, как отмечал еще Кант, особенно выражена зависимость данных от процедуры исследования и, кроме того, сам объект исследования имеет непрерывный характер. Существуют многочисленные примеры эмпирически мотивированных дополнений в вычислительных моделях языка и мышления. К ним относятся постулаты значения Карнапа (см. 6.1.1), а также разнообразные эвристики мышления и принятия решений, впервые систематизированные как раз видными представителями работ в области искусственного интеллекта Ньюэллом и Саймоном (см. 8.1.1 и 8.4.1).
Серьезные, но скорее технические последствия для создания искусственных интеллектуальных систем влечет за собой проблема фрейма — необходимость постоянного пересмотра некоторого подмножества знаний по мере изменения ситуации и накопления опыта. Например, получив информацию, что некоторое живое существо «Z» — «это птица», мы сразу же приходим к весьма вероятному выводу, что Ζ строит гнезда, поет и способна летать (см. 6.2.1). Предположим, однако, что через какое-то время выясняется, что «Ζ — это пингвин». Это уточнение требует пересмотра сделанного ранее заключения. Суть возникающих в общем случае трудностей состоит в том, что нет никаких алгоритмических критериев для определения границ подлежащих пересмотру знаний. Все решения этой проблемы могут быть только частными и в лучшем случае эвристическими. В современном логическом программировании для этого используются средства так называемых немонотонных логик (Gelfond & Watson, 2003). В естественно-языковых системах решение может состоять в контроле только похожих по содержанию текстов (см. 6.1.1 и 7.4.3). В роботике, где проблема фрейма стоит особенно остро, она заставляет некоторых разработчиков в последнее время вообще отказываться от когнитивных, основанных на знаниях архитектур (см. 9.2.3).