Анатолий Анисимов - Компьютерная лингвистика для всех: Мифы. Алгоритмы. Язык Страница 24

В повести «Сандро из Чегема» Ф. Искандер описал процесс вспоминания разбойника.

«— Хейт! Хейт! — кричал мальчишеский голос, волнуя дядю Сандро какой-то странной тревогой. Время от времени мальчик кидал камни, и они, хрястнув по густому сплетенью, глухо, с промежутками падали на землю. И когда камень мальчика попал в невидимую козу, дяде Сандро показалось, что он за миг до этого угадал, что именно этот камень в нее попадет. Когда коза, крякнув, выбежала из-за кустов и вслед за ней появился подросток и, увидев легковые машины, смущенно замер, дядя Сандро, холодея от волнения, все припомнил.

Да, да, почти так это и было. Мальчик перегонял коз в котловину Сабида. И тогда вот так же коза застряла в кустах. И он так же кидал камни и кричал. Вот так же, как сейчас, когда он попал в нее камнем, она крякнула и выскочила из кустов, а следом за ней выскочил мальчик и замер от неожиданности.

В нескольких шагах от него по тропе проходил человек. Он гнал перед собой навьюченных лошадей. Услышав треск кустов, человек дернулся и посмотрел на голубоглазого отрока с такой злостью, с какой на него никогда никто не смотрел».[76]

Где-то в мозге человека запечатлеваются образы и ощущения, возникающие на его жизненном пути. Образы соединяются между собой общими ассоциативными связями, отражающими тот или иной аспект близости образов. Процессы ассоциативного мышления сводятся к проблемам поиска в этом пространстве и его пополнения новыми образами. Поэты говорят о сближении дальних образов, технические специалисты — о траекториях в смысловом пространстве, психологи — о годологическом пространстве (от греческого hodos — путь) личности, в котором отражаются цели и переходы между целями. Топологическую психологию начал развивать в начале нашего века немецкий психолог К. Левин. Поведение человека при таком подходе представляется как движение по промежуточным целям для достижения результата. Следует особо отметить, что мозг не просто отыскивает пути в пространстве образов, но находит оптимальные по тем или иным параметрам решения. Мозг успешно решает оптимизационную задачу. Все наблюдали, как упорно, несмотря на предупреждающие надписи «По газонам не ходить», люди протаптывают тропинки, делают в заборах дырки, проявляют завидную изобретательность, чтобы найти кратчайший путь. Подобные задачи оптимизации хорошо известны в математике.

Предположим, на карте местности требуется определить наиболее удобный маршрут, соединяющий два населенных пункта. Известна степень энергетических и других затрат на путь между любыми двумя соседними пунктами (веса). Затраты вдоль всего пути состоят из суммы затрат на каждый отрезок, соединяющий пару соседних пунктов (рис. 8). Это хорошо известная задача об отыскании кратчайшего расстояния для одного источника. Известно несколько десятков вариантов ее алгоритмического решения. В более общем случае речь идет о нахождении такого пути между двумя пунктами некоторой сети, на котором минимизируется заданная целевая функция, определяемая вдоль пути. Выбор функции диктуется прикладной областью. Веса локальных отрезков могут быть многопараметрическими и даже динамически изменяемыми. Метод решения такой задачи носит название динамического программирования (подобный способ используется при управлении ракетой-перехватчиком, автоматической проводкой судов, оптимизацией экономических и технологических процессов).

Рис. 8. Маршрут АСЕК имеет минимальную стоимость пути от А до К. равную 6

Каким-то образом мозг умеет с большой эффективностью справляться с этой задачей. Существует параллельный локальный метод для решения подобных задач. При этом в каждом пункте сети независимо выполняются простые оптимизирующие операции, затрагивающие только его непосредственных соседей. Но в результате повторения таких тактов работы всей сети находится глобальный оптимальный маршрут.[77]

В зависимости от количества тактов происходит постепенное улучшение решений. Если сеть представить топологическим соединением нейронов мозга, каждая локальная операция в таком алгоритме сводится к простому сравнению и уменьшению некоторых потенциалов в нейронном узле. Такие функции легко выполняются нейроструктурами. Интересно, что сам оптимальный путь от начального узла к целевому находится в обратном порядке, волна возбуждения движется от результирующего узла к начальному, выбор каждого следующего узла выполняется по методу наименьшего градиента. Если принять, что мозг реализует именно указанный локальный алгоритм нахождения оптимального пути, становится понятным эффект «обратного течения времени во сне»: волна идет от результирующего возбужденного резким сигналом узла к начальному состоянию, соответствующему пробуждению. Сам возникающий сон представляет собой цепочку возбужденных образов, отражающих такой маршрут.

Научение представляет собой нахождение оптимального пути в пространстве целей. При частом применении нейронный эквивалент этого маршрута постоянно поддерживается в активном состоянии. Возможно забывание. По всей видимости, мозг хранит все образы, с которыми человек сталкивается в течение жизни. Но даже мозг с его колоссальными возможностями не смог бы поддерживать в активном состоянии все целевые маршруты, необходимые для обеспечения активной деятельности человека. Проще научиться хорошо решать одну задачу динамического программирования и постоянно применять ее.

Мозг умеет сопоставлять друг с другом простые образы и слова, соответствующие им. Образы и слова вызывают определенные эмоциональные ощущения, и наоборот, ощущения вызывают соответствующие им образы и слова. Поэтому ассоциативные волны могут распространяться в направлении, ограниченном заданным фиксированным ощущением. Таким способом получаются решения, которые часто называют интуитивными. В свою очередь врачи-психотерапевты и представители культа, утешая и убеждая, могут правильным подбором слов добиться плавного изменения эмоционального состояния человека.

Как видим, мышление сводится к динамическому управлению ассоциативными потоками. Логические выводы — частный случай ассоциативных связей. Поэтому логическое научное мышление не исчерпывает всех возможностей мозга. Предположим, создана компьютерная экспертная система, умеющая решать задачи динамической оптимальной маршрутизации и поиска в сети ассоциативных признаков. Робот, снабженный подобной экспертной системой, действовал бы примерно так.

Ситуация I. Прогулка по тропическому саду с хозяином. Робот видит змею.

Осторожно, хозяин. Опасность. В 20 метрах впереди за деревом вижу змею.

Почему она опасна?

Не знаю. Но в моей оперативной ассоциативной базе знаний она попадает в черное поле, обозначенное понятием «опасность». Запрашиваю дополнительную процедуру из внешней памяти.

Действуй.

Генерируются образы. Змея. Контакт с человеком. Змея кусает. Человек лежит. Человек мертв. Смерть. Смерть — одна из характеристик опасности. Вывод: избегайте ситуации, описанной этим маршрутом. Не допускайте контакта со змеями.

Молодец. Лучше в самом деле пойдем домой.

Ситуация 2. Робот исследует неизвестную планету. Ему необходимо вернуться в базовый лагерь к определенному часу. Робот размышляет.

Прямой путь не годится — он проходит через таинственное место, где погибла предыдущая экспедиция. Здесь очень велика координата, соответствующая опасности. Слева от этого места проживает племя глюков. Координата опасности возрастает, но все же она меньше, чем в предыдущем случае. Справа путь безопасен, но требует больше времени. Не успею в срок. Приоритет отдается времени. Поэтому обхожу слева.

Глюки уничтожили мост через реку. Вызываю целевой образ «преодоление водной преграды». Решение: материал, который легче жидкости, образующей преграду; пробуй соседние деревья: собрать плот; преодоление преграды на плоту.

Веду просчет времени. Должен успеть. Приступаю к выполнению плана работ. Форсирую водную преграду. Я на другом берегу. Конец процедуры «преодоление водной преграды». Включаю скорость и по прямой мчусь в лагерь.

В этом случае для решения главной задачи роботу пришлось вызывать процедуры решения подзадач и несколько раз применять метод динамического программирования. Кроме того, использовался сложный многокомпонентный критерий оптимальности, включающий минимизацию времени и вероятность опасности.

В первой ситуации робот вызвал сеть образов, связанных с понятием «змея», и произвел включение ее в общую сеть. Сеть «опасность» и новая сеть «змея» пересеклись на общем понятии «смерть». Робот просчитал возможный маршрут от «змеи» до «смерти», тем самым показав опасный вариант развития событий.