Название доклада отражает его содержание, включающее краткий обзор результатов сорокалетней истории развития ИИ, оценку его текущего состояния и определение основных составляющих в обозримой перспективе - прогресс аппарата знаний, интеллектуализация информационных технологий, новые поколения приложений, некоторые стратегические проблемы Искусственного Интеллекта как формирующейся науки.
1. Введение
Искусственный интеллект (ИИ) - новая область, короткая история которой насчитывает всего несколько десятков лет. Существует вполне обоснованное сомнение: а наука ли это вообще? Или некое объявившее себя наукой искусство фокусов средней руки, эдакое сомнительное ремесло, вроде алхимии, надувающее щеки, претендуя на способность творить чудеса и обещая достичь могущества бога, сотворив из кремниевой глины нового Homo Sapience?
Как интригующий заголовок, так и не слишком уместный в данной аудитории тон первого абзаца требует от меня заранее предупредить читателя, что содержание доклада будет, безусловно, крайне субъективным и, с точки зрения многих - а, скорее всего, и большинства - специалистов, весьма спорным и даже вызывающим. Я позволил себе выбрать такой неакадемический тон, поскольку:
· мне не нравятся черты масс-культуры и то состояние застоя, которые все отчетливей проступают сквозь внешний макияж нашей области, утрачивающей необходимое для науки стратегическую ориентацию и способность отличать самоварное золото, если не на глаз, то хотя бы на зуб,
· от застоя и стагнации существует единственное средство - встряска, осознание, что больше так жить нельзя.
Обсуждаемая тема определяет и структуру доклада, первая половина которого будет посвящена краткому рассмотрению истории развития ИИ, а вторая - попытке аргументированно ответить на вопрос, поставленный в его названии. При этом среди десятков тематических направлений, ассоциируемых с областью ИИ, я ограничусь основным - представлением и обработкой знаний, поскольку именно него зависит перспектива разития нашей области в целом.
Поскольку список публикаций, необходимых при столь широкой тематике, без всякого сомнения превысил бы по объему не только размер доклада, но и всего издания трудов нашей конференции, я позволил себе ограничится единственной ссылкой на работу, тесно связанную с моим видением обсуждаемой перспективы.
2. Искусственный интеллект - основная функция
Пятидесятые годы оказались свидетелями появления на горизонте послевоенной науки сверхновой звезды - Кибернетики, ее стремительного взлета и столь же быстрого распада на части, с одной из которых связано рождение искусственного интеллекта. И хотя с броским именем новорожденного связывались (и продолжают связываться) самые разные надежды, достаточно скоро стало ясно, что как широко ни толкуй эту область, ядром ее должен стать аппарат представления и обработки знаний.
При этом наиболее честолюбивые апологеты считают, что цель искусственного интеллекта - формирование аппарата метазнаний, способного объединить философию, психологию, математику и распространить новый порядок симбиоза человека и компьютера на все науки, виды деятельности и даже искусство.
Таким образом, оказалось, что основная задача ИИ - развитие формальных средств представления и обработки знаний - весьма близка к функции самой математики. Однако в их методологических позициях есть достатоно существенная разница:
занимаясь теорией и развитием формальных аппаратов, математика лишь на периферии уделяет внимание применению этих аппаратов к проблематике других дисциплин;
для методологии искусственного интеллекта характерно обратное направление - от изучения различных форм знаний к разработке комплекса формальных средств, покрывающего в идеале весь спектр областей деятельности.
Очевидно, что полноценная технология знаний должна интегрировать наиболее оригинальные и взаимодополняющие составляющие, формирующиеся на очередных этапах развития ИИ.
3. Модель против Алгоритма
Первая - эмбриональная - стадия развития ИИ проходила, естественно, в контексте материнского организма - питательной смеси кибернетики и ранних компьютерных технологий. Однако коктейль из алгоритмов, перебора и простых эвристик очень скоро перестал быть достаточным для растущего организма. Начала складываться стратегическая идеология декларативного подхода, ставящая в центр технологии знаний Модель: взаимодействие с компьютерной системой должно определять, ЧТО нужно пользователю, а ответ на вопрос - КАК это сделать - становится ее внутренней проблемой, решение которой подтверждает ее право называться интеллектуальной.
Модель и Алгоритм являются фундаментальными понятиями не только в математике и использующих ее прикладных науках, но и во всей современной информационной технологии. Однако места, занимаемые этими понятиями, совершенно различны: в то время как Модель используется обычно лишь в качестве формального описания объекта вычислений, Алгоритм является базисом самой организации компьютерного процесса.
Отношения Модели и Алгоритма обсуждались мной достаточно подробно в статье [Нариньяни, 1997], в контексте двух тесно связанных тем:
· крайняя неадекватность современной, ориентированной на Алгоритм и, казалось бы, незыблемой информационной технологии и
· перспектива кардинальной смены парадигмы, меняющей местами Модель и Алгоритм в новой концепции обработки информации, развиваемой в рамках направления constraint programming (программирование в ограничениях) и отечественных исследований по недоопределенным моделям.
Ниже мы остановимся подробнее на этом ключевом вопросе. Однако до этого мне придется провести краткий обзор основных составляющих аппарата знаний (АЗ).
4. Семантические сети
Семантические сети появились как одна из первых базовых составляющих на начальном периоде зарождения АЗ. В 70-х и 80-х годах развитие семантических сетей прошло несколько этапов, в результате чего был достигнут определенный уровень зрелости, определивший их место в качестве естественного компонента - специализированной среды, выполняющей в АЗ роль нижнего уровня памяти.
Можно сказать, что значительный запас различных идей, накопленных в этом секторе средств представления знаний, нуждается в следующей фазе развития, которая должна ориентироваться не столько в расширении этого запаса, сколько в его осмыслении как целого и приведении в единую систему.
5. Продукции и правила вывода
Правила логического вывода и структурных трансформаций развивались в ИИ под влиянием математической логики, формальных грамматик, систем подстановок и других аппаратов, включавших тот или иной вид данных и комплекс операций, каждая из которых представляет собой тандем: условие применимости и определенные действия, совершающиеся над данными при выполнении этого условия.
До последнего времени системы правил выступали как основной двигатель АЗ, реализующий, как казалось, идеальный принцип организации процесса обработки, во всех отношениях альтернативный по отношению к алгоритмическому подходу:
(а) декларативный, а следовательно, естественный и универсальный компонент АЗ,
(б) асинхронный и параллельный, - тем самым обещавший возможность максимальной децентрализации процесса обработки.
Правда, кроме простейших систем, ни разу не удалось достичь ни универсальности, ни широкой децентрализации. И, тем не менее, продукции и правила вывода, продолжают выступать в качестве того философского камня, который вот-вот станет доступен в ощущениях и решит все проблемы, обеспечивая ту материализацию духов, которую уже несколько десятилетий ИИ обещает сотворить прямо на глазах почтенной публики.
Ожидание чудес при переходе количества в качество принимало самые забавные формы, - достаточно вспомнить об истории логического программирования, намеревавшемся стать центром кристаллизации ИИ еще двадцать лет назад. Эти наивные ожидания подвели японцев, сделавших Пролог фундаментом своего знаменитого проекта компьютеров 5-го поколения. В результате масштабных затрат и героических усилий, пугавших и вдохновлявших на протяжении 80-х годов весь мир, родилось нечто вроде из пушки на Луну, хотя подобное предсказывалось многими специалистами с самого начала.
За истекший период Пролог пытались совершенствовать самым различным образом - от попыток добиться его параллельности до скрещивания с различными другими методами. Однако уже становится все более ясно, что этот многообещающий эксперимент можно считать законченным, причем теперь - post factum - он очень напоминает известный опыт цыгана с кобылой: лошадка совсем было научилась обходиться без пищи, но, к сожалению, в конце концов померла.
Однако и сегодня продукции и правила вывода остаются необходимой составляющей любой интеллектуальной технологии - от анализа текста на естественном языке до экспертных систем и баз знаний.
6. Фреймы
Эта составляющая АЗ начала формироваться в ИИ еще за несколько лет до того, как Минский назвал фрейм фреймом. Существуя в нескольких, плохо различимых между собой ипостасях, фрейм к концу 70-х породил объектно-ориентированную парадигму программирования, которая к началу 90-х переместилась с периферии в центр всей информационной технологии.
Подобно семантическим сетям и продукциям, фрейм прошел несколько фаз эволюции, интегрируя по мере продвижения вперед различные идеи относительно выбора направления дальнейшего развития.
Сейчас он занимает ключевое место в объектно-ориентированной парадигме АЗ, максимально повышая его уровень, но не влияя на организацию процесса обработки.
7. Нечеткость и прочая экзотика
Будучи осознана, центральная задача ИИ - создание АЗ - почти сразу же потребовала уточнения - а о каких, собственно, знаниях идет речь?
Если о точных, формальных, то у этих территорий уже есть хозяйка - Математика, с профессиональной армией, связываться с которой у конкистадоров новых земель никакого желания не было.
Если же имеются в виду неформальные знания, то к ним можно отнести как:
достаточно изученные и конкретные, но (пока) плохо формализованные - например, синтаксис естественного языка или медицинскую диагностику, так и
плохо формализуемые в принципе, то есть основную часть понятий всех областей деятельности - от гуманитарных наук до искусства и бытовых сфер жизни.
При таком взгляде на предмет становилось ясно, что в ведении ИИ остаются обширные зоны от границ хорошо освоенных территорий и до горизонта, за которым начинается бесконечное Пространство Незнания. И чем дальше от обжитых центров точных наук, тем менее определенными и четкими становились понятия, которыми оперировали области знания, относящиеся к плохо исследованным целинным областям.
Это почти безнадежное положение спас Л. Заде, предложивший в середине 60-х понятие лингвистической переменной и аппарат нечеткой математики. ИИ получил в подарок настоящую волшебную палочку - достаточно быстро стало ясным, что пустыню сплошных белых пятен на карте знаний можно без проблем превратить в нечетко (и, увы, лишь виртуально) цветущие нивы.
В краткой истории ИИ повторился казус Гренландии - ледяной страны, которую мореходы назвали зеленой просто потому, что такой она им мерещилась после долгого плавания по океану.
Fuzzy -Morgana стремительно овладевала массами: уже к началу 80-х годов нечеткая библиография насчитывала около двадцати тысяч наименований, число которых наверняка возросло с тех пор не менее, чем в два-три раза.
В водовороте энтузиазма остался незамеченным некий врожденный дефект нового универсального средства - семантика и прагматика аппарата нечеткости с самого начала сами были достаточно нечеткими: размытым оставалось ЧТО, собственно, представляет нечеткость, ЧЕМ она оперирует и ПОЧЕМУ именно ТАК, а не иначе. Размытость аппарата неизбежно вела к полной неясности результатов его применения, которая не замечалась просто потому, что оставалось непонятным, как, собственно, проверять эти результаты. Лишь небольшому проценту из десятков тысяч Fuzzy-работ удалось избежать наукообразного переливания из пустого в порожнее, осмысленно адаптируя подход к удачно найденной конкретной области приложения.
Фантастический - во всех смыслах - успех нечеткости породил немало аппаратов, наскоро формировавшихся по вдохновению с расчетом на плохо изученные территории и пытавшихся с большим или меньшим успехом собирать под своими флагами колонны последователей. Однако, как правило, их траектории достаточно скоро сгорали в верхних слоях атмосферы, не дожив до неторопливого, но все более очевидного, заката тридцатилетней Fuzzy эры.
8. Status quo
Итак, мы кратко обсудили выше основные составляющие современного АЗ, оставив за кадром разве что нейронные сети. Однако рассмотренная картина не прояснила пока основной вопрос, поставленный в заглавии работы, - стагнация или новый горизонт?
Многим кажется - и за последнее десятилетие мы слышали это не раз - что ИИ и АЗ завершили короткую фазу крутого подъема и их развитие достигло плато. На этом этапе, скорее всего достаточно продолжительном, не предвиделось радикальных новых идей и больших скачков, - задача его ограничивалась перевариванием уже имеющегося немалого опыта, приведением его в единую систему и расширением сферы практического применения.
Однако не исключено, что покой нам только снится.
С одной стороны:
Поразительных результатов и широких областей серьезных приложений пока не наблюдается, несмотря на упоминавшееся выше постоянное надувание щек, - изнутри ИИ хорошо видно, что известные достижения в основном используют достаточно простые средства, которые иногда обеспечивают полезные функции при минимуме интеллектуальности. Более сложные средства находят применение, как правило, только в экспериментальных системах, интересных для коллег-профессионалов, но для наблюдателей со стороны редко выходящих за рамки жанра не слишком занимательных фокусов. Очевидно, что либо ИИ не дорос еще до серьезных приложений, либо инженерия знаний не созрела для использования всех возможностей АЗ при решении по настоящему сложных задач.
Попытка взять наскоком территорию плохо формализуемых знаний пока родила мышь, несмотря на рекордные масштабы предпринятых крестовых походов.
Интересные результаты в развитии отдельных составляющих не помогли АЗ в целом преодолеть три ключевых недостатка:
(а) далекую от завершенности целостность (интеграцию),
(б) низкий уровень включения вычислительных компонентов (шире - любых, кроме логики, формальных аппаратов традиционной математики) и
(в) чрезвычайно низкую эффективность, поскольку функциональной базой АЗ остаются эвристики перебора и поиск по образцу для продукционной составляющей.
С другой стороны:
Уже сформировалась и активно развивается качественно новая составляющая АЗ - технология constraint programming, обещающая закрыть проблему включения в АЗ формальных аппаратов традиционной математики (вычислительной алгебры, теории множеств и других).
Начата разработка концепции НЕ-факторов, ставящей своей задачей создание комплекса формальных средств представления и обработки универсальных компонентов Незнания в аппарате Знаний - недоопределенности, неточности, некорректности и других. Разработка только одного из этих компонентов - недоопределенной математики - не только обеспечила настоящий скачок в решении традиционных для ИИ логико-комбинаторных проблем в рамках развития направления constraint programming, но и радикально изменила технологию самой вычислительной математики, значительно расширив ее возможности.
Аппарат недоопределенной математики и последние тенденции constraint programming реализуются на радикально новом - неалгоритмическом - процессе data-driven (управления по данным), обладающем естественной параллельностью и недетерминизмом, позволяющими преодолеть присущий АЗ порог эффективности.
Далее перечисленные выше компоненты будут рассмотрены более подробно в их взаимосвязи, определяющей новую перспективу ИИ.
9. Четыре измерения прогресса
Для того чтобы оценить ближайшую перспективу эволюции ИИ, следует, хотя бы кратко, рассмотреть возможности развития четырех измерений общей картины:
A. Развитие самого аппарата знаний - ядра основных направлений исследований, относимых к области ИИ.
B. Влияние потенциальных результатов ИИ на интеллектуализацию информационных технологий.
C. Новые поколения приложений, определяемые прогрессом А и В.
D. Стратегические проблемы ИИ как формирующейся науки.
Именно обсуждение суммарного пространства, определяемого этими четырьмя измерениями, позволит определить ответ на поставленный в заглавии доклада вопрос, являющийся главным для любого специалиста, работающего сегодня в области ИИ и его приложений.
Чтобы не выходить за рамки объема доклада мне придется ограничиться при рассмотрении перечисленных измерений самым сжатым - пунктирным - обзором их наиболее интересных составляющих.
10. Развитие аппарата знаний
Поскольку рассмотрение предыстории развития АЗ в первой половине доклада было, как и предупреждалось во введении, субъективным и спорным, то и начинающаяся с этого раздела вторая половина просто должна быть не менее субъективной и спорной.
Итак, краткое резюме сказанного выше:
Нечеткая математика и логическое программирование не преодолели естественного отбора и в ближайшем будущем теряют свои позиции в центре развития технологии АЗ, переходя на ее периферию. Добавим к этому и сильное подозрение, что к ним, возможно, присоединится и область виртуальных нейрокомпьютеров (вспомним аналогичный бум и последующее фиаско в начале 60-х годов их непосредственного предшественника - перцептрона).
Семантические сети, фреймы и продукционные правила подтвердили свое право на жизнь, найдя место не в качестве автономных альтернативных парадигм, а утвердившись в функции базовых компонентов общего АЗ. Им еще предстоит обобщить накопленный запас идей и опыта, интегрируясь в единый мощный аппарат знаний. Правда, перспектива продукционных правил здесь не так очевидна, поскольку в ближайшем будущем их может начать вытеснять мультиагентная архитектура, реализующая асинхронное и децентрализованное общество автономных активных объектов.
Интегрируемые традиционные составляющие начинают все более основательно дополняться новыми методами обработки ограничений, в частности, недоопределенными моделями, охватывающими все основные типы данных и обеспечивающими встраивание в АЗ процесс автоматического решения не только вычислительных, но и логико-комбинаторных задач.
Подчеркнем, что скорость и глубина развития этих тенденций самым решительным образом зависит от прогресса инженерии знаний, которая должна совершить крутой подъем до права считаться высокой технологией от сегодняшнего уровня ремесла, способного с умеренным успехом укладывать простые фрагменты плохо формализованных знаний в прокрустово ложе не слишком сложных средств АЗ.
11. Информационная технология - смена эпох
Развитие АЗ оказывает постоянное влияние на формирование новых поколений информационных технологий по всей вертикали от базового уровня до средств интеллектуализации.
В этом разделе будут кратко рассмотрены некоторые из основных тенденций в этой области.
11.1 От императивного управления - к управлению по данным
Хотя императивное (алгоритмическое) управление с самого начала было основой программирования для компьютеров фон-Неймановской архитектуры, в конце 60-х и начале 70-х годов имели место попытки разработки альтернативных способов организации вычислительного процесса. Прежде всего это было связано с исследованиями по ИИ и параллельному программированию для многопроцессорных систем. Однако качественный прогресс в решении этой проблемы обеспечили аппарат недоопределенных моделей и последние работы в области программирования в ограничениях, поскольку они строятся на децентрализованном, асинхронном, максимально параллельным управляемом по данным процессе вычислений. В качестве следующего шага этой революции возможен переход к управлению на основе событий, значительно повышающему уровень ассоциативного аппарата, организующего процесс управления по данным.
11.2 От объектно-ориентированной технологии - к мультиагентным системам
Наиболее важным направлением в радикальной перестройке всей информационной технологии в последние два десятилетия стало развитие объектно-ориентированного подхода, начавшего эволюцию традиционной программы в Модель. Однако пока этот подход формирует лишь фундамент будущей технологии, делая все более близкой к структурной Модели объектную спецификацию программы, но оставляя прежним алгоритмический характер управления процессом ее выполнения. Тем временем развитие управления по данным и далее управления на основе событий подготавливает формирование следующего поколения ИТ, направленного на интеграцию мультиагентной архитектуры с методами программирования в ограничениях и аппаратом недоопределенных моделей на основе автономных активных объектов.
11.3 Модели, а не Алгоритмы
Конфликт Модели и Алгоритма, рассмотренный выше в п.2, быстро развивается в направлении, сама идея которого, прийди она кому-нибудь в голову лет двенадцать-пятнадцать назад, выглядела бы совершенно невероятной в принципе. В центре новой парадигмы ИТ, базирующейся на предыдущих двух тенденциях, - возможность взаимодействовать непосредственно с Моделью. Получая на вход формальную Модель, машина автоматически сжимает n-мерное пространство значений ее параметров до минимального параллелепипеда, охватывающего всю область решений. При введении дополнительных ограничений или изменении Модели, параллелепипед сжимается или меняет свои размеры в соответствии с новыми областями значений параметров, исчезая совсем, если Модель и/или введенные ограничения оказываются несовместимыми. Во многих классах приложений новая парадигма доказывает свои преимущества уже сейчас. Ее принципиальное превосходство будет становиться все более очевидным в ближайшие годы как благодаря ее дальнейшему развитию, так и все более широкому внедрению в массовые ИТ. В заключительном разделе - Конец эры Алгоритма - уже упоминавшейся работы я предлагал серьезно относиться к прогнозу, утверждающему, что через 10 -15 лет Алгоритм ожидает судьба ассемблеров и систем команд: потеря сегодняшних ключевых позиций и место в сравнительно тонком, базовом уровне будущей технологии программирования.
11.4 Параллельность
Нерешенность - а скорее, нерешаемость - проблемы распараллеливания императивных программных технологий образовала непреодолимый барьер на пути широкого распространения многопроцессорных систем. За последние 15 лет software и hardware поменялись местами: уровень автоматизации проектирования аппаратных средств и стоимость элементной базы уже много лет позволяют производить массово компьютеры с любым числом процессоров, однако адаптация для них современных и разработка новых программных продуктов остается задачей, решаемой только специалистами самого высокого класса и то лишь в некоторых частных случаях. В новой парадигме ИТ параллельность перестает быть проблемой, а становится естественным свойством любой программной системы.
11.5 Компьютер не фон-Неймановской архитектуры
Та же парадигма потребует фундаментальной перестройки привычной фон-Неймановской архитектуры современных машин. Управление по данным (а в перспективе - на основе событий) радикально меняет саму организацию вычислительного процесса, делая его асинхронным, децентрализованным и независящим от числа процессоров.
Таким образом, непосредственно перед нами складывается перспектива не просто смены поколений, а смены эпох, ведущая к настоящей революции - потрясению незыблемых основ ИТ: Алгоритм, фон-Неймановская архитектура, детерминированный и последовательный процесс навсегда уходят в историю, уступая место Модели, мультиагентности и ассоциативно самоорганизующемуся недетерминированному параллельному процессу.
12. Приложения нового поколения
Рассмотрение новой перспективы ИИ будет неполным без обсуждения направлений расширения и развития сферы его приложений. Формирование следующего поколения происходит в любом секторе приложений - здесь мы очень кратко остановимся только на некоторых из них, - прежде всего на тех, которые связаны с новыми тенденциями, затронутыми в предыдущем разделе.
Появление активных моделей радикально меняет научный и технологический фундамент прежде всего в тех областях, для которых Модель всегда служила и целью, и инструментом. Прежде чем определить КАК, необходимо указать, ЧТО является объектом решения (т.е. построить Модель) - эта истина должна быть очевидна для всякой науки, использующей формальные средства и вычисления.
12.1 Экономика и финансы
Естественной задачей исследований для экономики является разработка моделей, адекватно описывающих связи и соотношения экономических параметров. Однако использование компьютерных расчетов требует от специалистов заботиться не столько о сходстве модели с оригиналом, сколько о ее адаптации к возможностям вычислительных методов. С формированием новой парадигмы традиционный барьер между натуральным и виртуальным моделированием будет становиться все более прозрачным как для экономики, так и для финансов, где возможность решать оптимизационные, обратные, регрессионные задачи на реальных моделях с реальными - недоопределенными - параметрами означает несравнимо более высокое качество тактических и стратегических решений.
12.2 Ресурсно-календарное планирование
Недоопределенные модели обеспечивают скачок качества и в этом, ключевом для автоматизации менеджмента, секторе прикладных продуктов. Траектория временного графика перестает быть жесткой и детерминированной, превращаясь в коридор, позволяющий маневрировать по срокам и ресурсам при выполнении плана. Временные и ресурсные параметры входят на равных в единую вычислительную модель, а разработка и оптимизация плана становятся несравнимо более простыми и эффективными. Естественно, что при изменении временной шкалы (часы, минуты, секунды ...), этот аппарат способен обеспечивать управление сложными автономными объектами и производственными процессами, технологиями двойного применения и другими аналогичными областями приложений.
12.3 Активные объектно-ориентированные СУБД
Смена поколений промышленных СУБД от реляционных к объектно-ориентированным существенно запаздывает по сравнению со сроками оптимистических прогнозов начала 90-х годов. Это связано как с инерцией при эволюции таких масштабных систем, как крупные базы данных, так и с трудностями развития самого объектно-ориентированного подхода, обусловленными ограничениями традиционного императивного управления. Внедрение управления по данным позволит превращать современную СУБД реляционного типа в интеллектуальную активную объектно-ориентированную систему следующего поколения. Мощный виртуальный процессор обеспечит пользователю взаимодействие со сложными данными, объединяющими сотни таблиц и тысячи автономных функций, реализующих вычисления и проверку целостности информации, возможность использования неполных и неточных данных и др.
12.4 САПР и АСУ
Для этого сектора прикладных систем переход от Алгоритма к Модели радикально расширяет масштаб, спектр и технологию решения задач. Создав модель объекта проектирования, разработчик конкретной САПР получает возможность решать любые расчетные задачи, связанные с конструированием продуктов соответствующего типа. Не менее принципиальным будет влияние новой парадигмы ИТ на перестройку функций систем комплексного управления предприятием, причем это связано не только с качественным ростом его основных составляющих - САПР, СУБД, ресурсно-календарного и финансового планирования, но и со всеми преимуществами децентрализованной мультиагентной архитектуры.
12.5 ЕЯ и голос
Этот сектор не имеет непосредственного отношения к тем компонентам нового этапа развития ИТ, о которых говорилось выше. Однако он прямо связан с ближайшей перспективой самого искусственного интеллекта. Почти тридцать лет проблема понимания ЕЯ-текста компьютером находилась в тупике, поскольку упорно опиралась на концептуальный базис машинного перевода. Сотни коллективов, многие годы упорно пытавшихся решать эту проблему в рамках традиционного синтаксически-ориентированного подхода, очень напоминали известный феномен леммингов. Однако в последнее десятилетие положение здесь начало меняться к лучшему. Семантически-ориентированный подход позволил практически решить проблему ЕЯ-интерфейса для баз данных и начинает доказывать возможность автоматического понимания текста в ограниченной предметной области. Одновременно становится все более широким спектр приложений технологии распознавания голоса. Однако пока это направление ориентируется на чисто фонетический подход, повторяя ошибку, аналогичную синтаксическим методам анализа текста. Преодолеть порог действительно массового внедрения голосового интерфейса может только интеграция фонетического распознавания и семантически-оиентированного анализа текста. Обе эти технологии помогут друг другу раз и навсегда решить проблему ЕЯ-интерфейса с машиной: понимание текста позволит на порядки повысить качество средств voice recognition, а переход от уровня печатного текста к разговорной речи сделает взаимодействие с компьютером на естественном языке по-настоящему естественным.
Думаю, что даже рассмотренные в данном разделе некоторые области приложений позволяют оценить оптимистически перспективу эволюции прикладных интеллектуальных систем, хотя за кадром этого короткого обзора остались многие другие, не менее важные прикладные направления, такие как интеллектуализация Internet, мощные гетерогенные экспертные системы для сложных областей, datamining, интеллектуальная индексация больших текстов, динамические модели, виртуальная реалность, новые методы решения дифференциально-интегральных задач и многие другие.
13. Стратегические проблемы ИИ
Выше мы уже рассмотрели три из четырех измерений общей оценки ближайшей перспективы эволюции ИИ: развитие аппарата знаний, влияние этого аппарата на интеллектуализацию информационных технологий, определяемые ими новые поколения приложений. Естественным завершением этого обзора должно стать обсуждение хотя бы некоторых стратегических проблем ИИ, определяющих его эволюцию как формирующейся науки.
Я не даром выделил эти последние слова, поскольку еще в самом начале подчеркивал весьма неоднозначный статус ИИ, определяемый глубоким противоречием между уровнем претензий нашей области и достаточно скромными достижениями за несколько десятилетий ее существования. С одной стороны - сверхзадача, совмещающая:
A. создание искусственного разума (со всеми необходимыми дополнительными компонентами - аппаратом восприятия и органами автономных действий) и
B. превращение в мета-науку будущего, совмещающую функции математики и философии в процессе формирования универсального АЗ и интегральной модели мира, необходимых как для решения задачи А, так и для безграничного пространства более частных задач интеллектуализации всей техносферы человечества.
Оставим в стороне ключевой вопрос ИИ - что есть искусственный разум? - двойник популярного вопроса может ли машина мыслить? и близкий родственник центрального вопроса философии что есть разум естественный? Попробуем выделить две из нескольких стратегических проблем, прогресс в решении которых может определить шансы ИИ в продвижении из арьергарда битвы за знания (прикладной области с сомнительными результатами) в позицию лидера, действительно претендующего на статус, определяемый целью В.
13.1 НЕ-факторы и математика реального мира
За свою долгую историю математика была объектом весьма полярных мнений - от восхищения и поклонения, как истина в последней инстанции, так и резкой критики, обвинявшей царицу наук в пребывании за границей абстракций, весьма далеких от проблем реального мира. Более пятнадцати лет назад мной был предложен термин НЕ-факторы для обозначения комплекса свойств, характерных для человеческой системы знаний о реальном мире, но плохо представленных в формальных системах (неполноты, неточности, недоопределенности, некорректности и многих других, в основном не только не изученых, но даже еще не открытых). Недоопределенность была за эти годы довольно основательно исследована, что привело к созданию упоминавшейся выше технологии недоопределенных моделей. В то же время остальные НЕ-факторы, образующие нечто вроде системы Менделеева элементов будущего АЗ, тесно связанные межу собой и играющие не менее важную роль в приложениях, остаются практически не разработанными (меньшинство) или вообще не известными, не ознанными в нашем представлении о горизонтах развития АЗ. Представляется, что изучение прагматики отдельных НЕ-факторов в модели реального мира, создание адекватных формальных аппаратов и организация их в единый комплекс сыграет для ИИ не менее революционную роль, чем переход от алхимии к современной химии.
13.2 Универсальные составляющие
Наша модель мира базируется на нескольких универсальных составляющих, - таких, как: время, пространство, истинность, часть-целое, причина-следствие, знание-незнание и ряда других. Эти тесно переплетающиеся между собой составляющие образуют фундамент, на которых строятся более частные и конкретные области и этажи системы знаний. Уже имеющийся немалый объем исследований в этой области доказывает, что без до-формального изучения универсальных составляющих, определения их семантики и прагматики невозможна и разработка их формальных моделей, полнота и эффективность которых будет определяться палитрой средств, предлагаемых текущим уровнем развития АЗ. А от качества фундамента, как очевидно, зависит и масштаб будущей системы знаний, - той Вавилонской башни, которую собирается выстроить ИИ в подтверждение своей способности штурмовать небо.
14. Заключение
Итак, стагнация или новая перспектива?
Оглядимся кругом - кажется, что стагнация очевидна. Общая картина: медленное продвижение традиционных составляющих, сопровождаемое регулярными демографическими взрывами очередных псевдо-школ, обещающих все и гипнотизирующих массы, как новейшие религиозные секты. Уровень шумов настолько высок, что ИИ начинает походить на часть рыночной масс-культуры, - эдакую конфедерацию больших и маленьких communities, короткий век которых от зарождения до распада проходит вокруг ярко раскрашенных тотемов, в активной тусовке с целью поднять акции, добыть финансирование и, по мере возможности, играть в большую науку максимальным числом и громкостью ссылок друг на друга и на соседние союзнические communities.
На этом фоне наша национальная перспектива выглядит еще более грустно: распад страны и нищенское финансирование привело к сжатию и неизбежному регрессу профессионального пространства. Похоже, что ярко освещенный лайнер всемирного ИИ удаляется к горизонту, забыв о нашем существовании: по числу докладов на основных международных конференциях и участию в их программных комитетах нам уже трудно конкурировать даже с развивающимися странами.
И тем не менее - именно это я постарался показать в докладе - вопреки всему, новая перспектива не только есть, она близка и грандиозна, как еще не открытый материк за ближайшим горизонтом. Вопрос только в том, достигнем ли мы его и примем ли участие в его освоении.
* * *
Хочу выразить самую искреннюю благодарность всем коллегам, принявшим участие в обсуждении текста этого доклада и поддержавшим основные позиции автора (в ряде случаев не соглашаясь с резкостью многих оценок).
Л и т е р а т у р а
[Нариньяни, 1997] Нариньяни А.С. Модель или алгоритм: новая парадигма информационной технологии // Информационные Технологии, 1997, N 4, стр.11-16.
http://www.artint.ru/
