Юрий Чирков - Гомо Сапиенс. Человек разумный

Дородницын тогда напомнил в своем докладе, что когда-то, во времена Аристотеля и Платона, то есть тысячелетия назад, все науки, включая и «царицу наук» математику были описательными. И превращение многих из них в науки точные произошли постепенно. Как это случилось? Сначала, отмечал ученый, шел медленный процесс накопления информации: собирались сведения об объектах данной науки. Затем наступал этап классификации (она может быть и наивной: так сторожевые собаки делят всех людей на два класса – хозяев и недругов).

Но это все пока была лишь предварительная работа. Наука становится точной только после установления связей и соотношений между ее объектами. Когда таинственным образом возникают «величины» (это не обязательно числа!) и законы (модели отношений), их связывающие (скажем, законы Ньютона, Кулона – в физике, законы Архимеда, Паскаля – в механике).

В октябре 1984 года, выступая уже на Всесоюзной конференции по информатике, Дородницын существенно дополнил свои старые высказывания. Он отмечал, какие громадные выгоды сулит человечеству превращение описательных наук в науки точные.

«Вся современная техника, весь ее поразительный прогресс, скажем, за последние 200 лет, – говорил академик, – стал возможным только потому, что науки, на которых эта техника базируется (механика, физика, химия), были «математизированы», и каждый новый объект мог быть заранее рассчитан. Попробуйте представить себе, кем бы мы были сейчас, если бы каждый дом, каждый мост, каждый паровоз, каждый радиоприемник необходимо было бы создавать методом случайных проб и ошибок! А ведь в биологии, медицине, агрикультуре это и есть основной метод создания новых объектов.

А если эти науки мы превратим в точные, тогда любой результат можно будет заранее рассчитать? Я не хочу говорить, что это будет значить для человечества. Пусть каждый сам постарается представить себе результат.

Вот почему я считаю задачу внедрения методов информатики (математические методы, базирующиеся на компьютерной технике. – Ю.Ч. ) в описательные науки одной из важнейших, быть может, самой важной проблемой близкого будущего».

Во многих остающихся до сих пор описательных науках человек действует уверенно только потому, что обладает врожденной способностью к распознаванию. Передать это свое умение машинам крайне важно (это и подчеркивал Дородницын). Сейчас мы, совершив «экскурсию» в одно из научных подразделений, расскажем о крупных успехах российских ученых, работающих в этой трудной области.

…Эта прикрепленная к стене картинка-извещение сразу же, помню, с порога, бросилась мне в глаза. На белом фоне черные квадратики вычерчивали величественные контуры Эйфелевой башни и правее – силуэт Триумфальной арки. Так анонсировалась международная конференция ученых (октябрь 1986 года) по машинному распознаванию образов.

Я, москвич, с легкостью различал приметы малознакомого мне Парижа. А что ЭВМ? Насколько сильны они в задачах подобного рода? За ответом на этот вопрос я и пришел в Вычислительный центр Академии наук СССР, в отдел проблем распознавания, которым руководил тогда лауреат Ленинской премии член-корреспондент АН СССР Юрий Иванович Журавлёв (родился в 1935 году в Воронеже, в 1992 году стал академиком РАН).

На протяжении 70-х годов прошлого века в работах Журавлёва, его коллег и учеников был развит «алгебраический подход к решению задач распознавания и классификации». Нелегкое это было дело. Вот, допустим, идет предварительная геологическая разведка нефти. Какую огромную груду данных надо перелопатить! Чего тут только нет!

Накоплены всевозможные измерения (аномалии поля тяжести и так далее), соображения элементарной логики («если так, то будет то-то и то-то…»), сведения, полученные при аэрофотосъемке (плюс космическое зондирование недр), экспертные оценки (дядя Икс считает «да», нефть есть; дядя Игрек – «нет»).

Масса сырой информации, тьма параметров и никаких веских соображений о том, что же действительно важно для прогноза, а что нет. И все это сваливается на голову того, кто должен решить: где, в каких районах следует вести пробное бурение нефти.

А взять, скажем, техническую диагностику. Машина работает, остановить ее, залезть к ней в нутро нельзя. Надо по косвенным признакам, по рабочим параметрам, по показаниям многочисленных датчиков судить о том, все ли в машине в порядке, хорошо ли идет работа или авария неизбежна и агрегат надо немедленно остановить.

Понятно, во всех этих случаях традиционная математика пасует. Просто нет никакой возможности составить и решать какие-то дифференциальные уравнения. И однако, задачи эти очень важны, и, главное, они успешно решаются. Врач по каким-то неуловимым признакам (руки зябнут, цвет лица не тот) уверенно ставит диагноз, геолог по наклону речного русла, по цвету песка, по созданному его интуицией «портрету» рудоносных мест находит золотоносную жилу.

Как они это делают? Никто не знает. И они сами. Никаких твердых правил при распознавании объектов, явлений, ситуаций обычно у человека нет И все же это не мешает специалисту, сравнивая новые объекты с чем-то известным только ему одному «попадать в яблочко».

Видимо, основная «различающая» информация заключена не в отдельных признаках, а в различных ее, информации, сочетаниях. И значит, методы комбинаторного анализа могут быть очень полезными для решения проблемы распознавания. Это простое соображение и позволило Ю.И. Журавлёву унифицировать алгоритмы распознавания, найти в них нечто общее, научиться сливать воедино стихию цифр, графиков со стихией экспертных высказываний типа «да», «нет», «не знаю», «может быть».

В результате этих научных поисков была создана «алгебра алгоритмов». Алгоритмы распознавания теперь, как простые числа, можно было складывать и перемножать! Зачем? Чтобы построить из малоэффективных, частных, ограниченного действия алгоритмов новый оптимальный обобщенный алгоритм, полностью решающий поставленную задачу распознавания.

«Как бы это объяснить? – рассказывал мне Журавлёв. – Все очень похоже на долгую историю поисков решения квадратных уравнений. Ведь когда-то математическая символика отсутствовала (как и понятие мнимых чисел). Решать умели (научил этому узбекский математик аль-Хорезми, IX век; кстати, имя этого ученого – латинизированное Algorithmi – дало начало и слову «алгоритм») только некоторые из квадратных уравнений, да и это делалось тогда словесно: «сложить неизвестное с тем-то и так-то…». Потому-то и учились этому утомительному, громоздкому, теперь школьному делу долгие годы…».