Я рассчитывал, что разработчики нейронных сетей в будущем перейдут от простых моделей к более совершенным и реалистичным, однако этого не произошло. Складывалось впечатление, что из-за подтвержденной функциональности простейших нейронных сетей все исследователи на долгие годы готовы остановиться на достигнутом уровне. Был найден новый и очень занятный инструмент; тысячи ученых, инженеров и студентов получали гранты, защищали диссертации, издавали книги о нейронных сетях. При помощи нейронных сетей составлялись прогнозы для фондового рынка, проводилась обработка документации для кредитования, осуществлялись графологические экспертизы и сотни других операций. Кто знает, возможно цели изобретателей нейронных сетей были гораздо более широкими, но в конечном счете эту сферу оккупировали те, кто меньше всего интересовался пониманием работы мозга и устройством человеческого разума.
Различия между нейронными сетями и работой мозга вопиющим образом нивелировались средствами массовой информации. В газетах, журналах, научных телепередачах нейронные сети называли «подобными мозгу человека» или «функционирующими совершенно по такому же принципу, что и человеческий мозг». В отличие от программируемого искусственного интеллекта нейронные сети обучались на примерах, и на основании этого их считали носителями разума. В качестве наиболее яркого примера могу привести NetTalk – нейронную сеть, способную переводить последовательности буквенных символов в звуки человеческой речи. Обученная работать с печатным текстом, нейронная сеть обрела компьютерный голос, читающий слова, и в федеральных новостях ее тут же окрестили «читающей машиной». В действительности механизм ее действия очень прост: она соотносит буквенные комбинации с предопределенными речевыми сигналами.
Попробую объяснить, используя аналогию, насколько далеки нейронные сети от настоящего мозга. Представьте себе, что, вместо того чтобы разбираться в работе мозга, мы решили исследовать цифровой компьютер. Потратив на это годы, мы придем к выводу, что компьютер состоит из сотен миллионов транзисторов, которые связаны между собой в очень точную и сложную схему. В то же время мы не поймем, ни как работает компьютер, ни почему транзисторы собраны именно в такую схему. И, если однажды мы соберем несколько транзисторов в одну схему, чтобы понять, как они работают, окажется, что три транзистора, собранные в определенную схему, преобразуются в усилитель. Слабый на одном конце сигнал многократно усиливается на другом. Такие усилители сейчас используются в радиоприемниках и телевизорах. Это важное открытие в свое время произвело фурор. Начался промышленный выпуск транзисторных радиоприемников, телевизоров и другой электроники с использованием усилителей транзисторного типа. Все это конечно, замечательно, но не вносит ясности в понимание устройства компьютера. Усилитель и компьютер состоят из транзисторов, но, тем не менее, у них нет практически ничего общего. Точно так же человеческий мозг и простейшая нейронная сеть состоят из нейронов – и это все, что их объединяет.
Летом 1987 года произошел случай, еще больше охладивший мой пыл в отношении нейронных сетей. Я участвовал в работе конференции, посвященной нейронным сетям, и побывал на презентации компании Nestor. Целью презентации была продажа приложения, созданного на основе нейронных сетей и предназначенного для распознавания рукописного текста. Стоимость продукта, безусловно, завоевавшего мое внимание, составляла 3 млн. долл. Хотя Nestor представляла приложение к нейронным сетям как значительно усложненное и модернизированное и говорила о нем как о блестящем научном открытии, я чувствовал, что проблема распознания рукописного текста может быть решена не столь изощренным, а более традиционным способом. В тот день я вернулся домой, непрестанно раздумывая над полученными впечатлениями. Два дня спустя я создал устройство для распознания рукописного текста – быстродействующее, небольшое по размеру и функциональное. В моем изобретении не использовались нейронные сети, да и принцип его работы не был имитацией функционирования головного мозга человека. И, хотя та конференция пробудила во мне интерес к созданию компьютеров с интерфейсом, включающим пишущий элемент (что в конечном счете спустя десятилетие привело к созданию PalmPilot), я убедился в том, что традиционные методы ни в чем не уступают нейронным сетям.
Система распознавания рукописного текста, созданная мною, в конце концов стала основой для системы ввода текста, получившей название Graffiti (последняя применялась в первых версиях «палмов»). А компания Nestor, насколько мне известно, просуществовала недолго.
Море внимания столь простому явлению, как нейронные сети! Большинство их возможностей легко воспроизводятся при помощи иных методов. И вот, наконец, вся эта шумиха вокруг НС потихоньку начинает спадать. Надо отдать должное изобретателям и исследователям нейронных сетей – они хотя бы не утверждали, что их детищу присущ интеллект. Первые нейронные сети были весьма простыми устройствами и значительно уступали программам, базирующимся на искусственном интеллекте. (Я вовсе не хочу, чтобы у вас сложилось впечатление, будто нейронные сети представляют собой упрощенную трехслойную структуру.) Ряд исследователей продолжили изучать нейронные сети различных модификаций. В настоящее время термин нейронные сети применяется для описания широкого диапазона моделей, в разной степени соответствующих биологическому «шаблону». Но не было предпринято даже малейших попыток воспроизвести общий принцип функционирования и архитектуру неокортекса.
По моему мнению, фундаментальной проблемой большинства нейронных сетей является следующая их особенность, присущая также программам, основывающимся на принципе искусственного интеллекта. И программы, базирующиеся на принципах искусственного интеллекта, и нейронные сети отягощены акцентом на поведении. Называют ли его «ответами», «моделями» или «выходными сигналами», предполагается, что именно в поведении, моделируемом НС или ИИ, заключается их «разумность». Об успешности компьютерной программы или нейронной сети судят по тому, выдает она правильный или желаемый выходной сигнал. Со времен Алана Тьюринга между интеллектом и поведением ставят знак равенства.
Но интеллект – это не просто разумный способ действий или разумное поведение. Действительно, поведение является проявлением интеллекта, но ни в коем случае не его ключевой характеристикой и не основным аспектом определения данного понятия. Это легко доказать в одно мгновение: вы остаетесь разумным, лежа в полной темноте, размышляя и осознавая себя самого и окружающий мир. Отрицая важность того, что происходит у вас в голове, и сосредоточиваясь, наоборот, на видимом поведении, ученые создали себе непреодолимое препятствие на пути познания человеческого интеллекта и создания по-настоящему разумных машин.
Прежде чем мы сформулируем новое определение интеллекта, я хочу рассказать вам о другом, коннекционистском, подходе, последователи которого подошли к пониманию работы мозга гораздо ближе. Основная проблема состоит в том, что важность указанного направления познания осознают лишь немногие ученые.
В то время как нейронные сети попали в центр внимания исследователей, небольшая отколовшаяся группа теоретиков разработала НС, положив в ее основу не поведение. Изобретение, названное автоассоциативной памятью, также состояло из простых «нейронов», сообщающихся друг с другом и генерирующих возбуждение при достижении определенного порога. В отличие от нейронных сетей предыдущих поколений (в которых информация проходила только в одном направлении) нейроны автоасссоциативной памяти были соединены большим числом обратных связей. Каждый выходящий сигнал в таких сетях преобразовывался в исходящий – как в телефонном разговоре. Благодаря этой цепи обратных связей ученые получили возможность наблюдать ряд интересных моментов.
Усвоив определенную модель активности, искусственные нейроны запомнили ее. Автоассоциативная сеть ассоциировала модели сами с собой, отсюда ее название – автоассоциативная память.
