Юрий Берков - Рассказы и повести. По мотивам романа «Новые кроманьонцы»

Вот я задал машине оператор «тау», который определяет количество осадков в Сибири за лето. Я задал диапазон от «очень мало» до «очень много». Машина будет оперировать с массивами «очень мало», «мало», «норма», «много» и «очень много», интерпретируя их числовыми величинами.

В это время на экране пошёл какой-то текст, но Александр опять ничего не понял.

– Что она пишет?

– Она сообщает, что вошла в Мировой банк данных и пытается подключиться к главному суперкомпьютеру Земли. Она передаёт мой код. Вот, получила разрешение. Есть связь с суперкомпьютером. Теперь она ставит перед главным искусственным интеллектом планеты мою задачу. Сама она справится с нею не может. Суперкомпьютер запрашивает исходные данные. Дальше моя машина будет работать в сервисном режиме. Она будет искать необходимую информацию, и передавать её через спутник в суперкомпьютер со скоростью 400 Мбит/с. Всё, информация пошла. Теперь это надолго.

– Так как же всё-таки научили машину думать? – спросил Александр. – Я пока так и не понял.

– Ну, прежде всего в неё нужно заложить информацию о внешнем мире, обо всех предметах и их свойствах. Но как это сделать? Как объяснить машине, что такое стол, если она никогда его не видела? Для неё это пустой звук, символ.

– Можно заложить описание стола, – подсказал Саша.

– Конечно. Объяснить, что он состоит из столешницы, трёх или четырёх ножек. Но машина не знает что такое столешница, ножки. Ей надо объяснить, что столешница – это прямоугольная или круглая доска. Но тогда она спросит: «а что такое доска?» И ей опять придётся долго объяснять. Но и в этом случае она ничего не поймёт, поскольку ей непонятен смысл слов «дерево», «прямоугольник», «толщина» и т. д. Мы создаём понятия на основе зрительных образов и ощущений, но у машины нет органов чувств, нет ощущений и для неё любые понятия не более чем набор символов, которые она не понимает. Словами нельзя определить слова.

– Значит, машине надо дать органы чувств? – неуверенно спросил Александр.

– Можно дать машине глаза – телекамеры. Можно записать в память изображения многих предметов, но это сложно и долго. Ведь нужно предъявить машине десятки столов и научить её вырабатывать главные отличительные признаки стола, создавать абстрактный образ. Но можно поступить проще. Дать систему координат и семейство точек в разных плоскостях, т.е. простые геометрические формы изображающие абстрактный стол. Потом указать возможные, наиболее вероятные пределы изменения положения этих точек, этих фигур, их разброс. Получается размытая, абстрактная модель стола. Затем можно дать варианты конструкции: «стол письменный», «стол журнальный», «стол круглый обеденный» и т. д. Теперь, в случае необходимости, при появлении в операционной системе машины идентификатора: «стол круглый», из памяти её будет извлечён трёхмерный образ стола с круглой столешницей, с которым далее ей следует совершить какие-то действия. Конечно, это относится не только к столу, но и к любому известному людям предмету. Если нельзя точно описать предмет, то даётся его схематический, условный образ более или менее соответствующий реальному. Так, в машину были занесены описания всех известных нам предметов во Вселенной.

– Ого! Но это же очень много! – воскликнул Александр.

– Да. На это было потрачено немало времени, пока удалось создать Мировой банк данных по всем предметам. Мало того, машине нужно объяснить свойства предметов: мягкий, твёрдый, тёплый, холодный и т. д. Как это сделать? Ведь у неё нет тактильных датчиков, она не может пощупать предмет. С длиной, шириной, высотой проще. Их можно задать на осях координат в трёх измерениях, а тут пришлось вводить дополнительные оси, дополнительные измерения. Временную ось – чтобы описывать события, протекающие во времени, ось электромагнитного спектра – ведь цвет, свет, теплота – всё это электромагнитные волны разной длины. Гравитационную ось – чтобы описывать притяжение предметов. Оси электростатического и магнитного полей – чтобы измерять электрические заряды и магнитные поля. Кроме того, потребовалось описать все возможные виды взаимодействий предметов в пространстве и времени. Таких взаимодействий оказалось не так уж и много. Это перемещения вдоль осей координат, вращательные и колебательные движения, передача энергии от одного тела к другому, превращение энергии из одного вида в другой. Всё это удалось описать на машинном языке. Множество слов – глаголов превратить во множество моделей движения. Каждая модель получила свой составной идентификатор. Таким образом, весь окружающий нас мир, со всеми его свойствами и видами взаимодействий, удалось записать в память Мирового банка данных с помощью слов – идентификаторов, и объяснить каждый идентификатор, дав ему пространственно-временные и прочие измерения. Осталось совсем немного – научить машину думать – создать искусственный интеллект!

– Ничего себе «немного»! – усмехнулся Александр.

– А это действительно уже немного. Просто необходимо было научить машину строить логические цепочки «причина – следствие» или «действие – результат», что, в общем-то, она давно умела, моделируя тот или иной процесс по частям. Например: тело + импульс силы = движение. Параметры движения зависят от массы тела, величины и направления импульса. Они легко рассчитываются машиной по известным уравнениям физики. Сложные взаимодействия разделяются на более простые, а затем каждое из них проигрывается машиной. Но главное здесь не проигрывать процесс каждый раз заново, а получить новую логическую связь: «действие – результат», как у нас в мозгу, мгновенно. Для этого в машине автоматически создаются специальные информационные ключи, которые открываются, если этот процесс уже моделировался ранее и, подставляя нечёткие множества, машина сразу выходит на приблизительный результат, на качественную или количественную оценку.

– Здорово! – восхищённо произнёс Александр.

– Но и это ещё не всё. Необходимо развить у машины ассоциативное мышление. Научить её находить сходные процессы, описываемые одними и теми же математическими уравнениями, моделями, но принадлежащие к разным областям знаний. Таких процессов и моделей в природе множество. Достаточно сказать, что и в механике, и в термодинамике, и в электромагнетизме все процессы движения, волновые процессы, описываются одними и теми же дифференциальными уравнениями. И здесь машине помогают составные идентификаторы из других областей знаний. Если машина решает какую-нибудь задачу и встаёт в тупик в отношении модели решения, то она ищет сходные идентификаторы – машинные слова, и движется по ним. А конечный результат проверяет на совпадение с экспериментальными данными или ожидаемым результатом, который задаёт человек. Если экспериментальные данные совпадают с расчётными, то модель (методика) расчётов выбрана машиной правильно. Если нет, машина ищет новый вариант расчётов, новую модель. Сначала берутся наиболее близкие составные идентификаторы, совпадающие по большинству слов, потом более далёкие и, наконец, куски идентификаторов из других областей знаний, позволяющие составить новый, ранее неизвестный, идентификатор нового неизвестного процесса и таким образом найти решение неизвестной ранее задачи. Если же вообще ничего не подходит, то машина требует от человека подсказки, уточнения исходных данных, более корректной постановки задачи. Она может сама изменять исходные данные или конечные результаты в разумных пределах, после чего откорректирует их, найдя точную физическую модель происходящего процесса или ошибку в исходных данных. Так были уточнены многие физические константы Вселенной, которые мы знали лишь приближённо. Мир очень логичен и подчинён строгим физическим законам. Имея математические модели различных процессов, всегда можно выбрать ту, которая выведет на нужный результат. И наоборот, зная модель, можно получить новый результат, не прибегая к физическому моделированию. Поскольку во Вселенной всё взаимосвязано, то, уточнив мировые константы и законы взаимодействия, оказалось возможным раскрыть все тайны макро и микромира.