От поведения к мышлению - umotnas.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
От поведения к мышлению - страница №1/1


УДК 007.5

От поведения к мышлению


(устойчивое неравновесие и моделирование мышления)

А.Л.Шамис

Предлагается формальная модель поведения для упрощенной задачи, основанная на принципе максимизация времени пребывания cистемы внутри области допустимых значений регулируемых переменных «MaxT». Исходные представления в значительной степени связаны с принципом устойчивого неравновесия Э.С.Бауера. Рассматривается качественная модель поведения для “полного” случая. Делается попытка определить существо информационных процессов, необходимых для решения задач в процессе сложного поведения и таким образом намечается переход от формальной модели к качественной модели “разумного” поведения. Намечаются некоторые вопросы, связанные с проблемой моделирования мозга.



Введение


Как можно подойти к проблеме изучения и моделирования интеллекта? Вероятно, прежде чем моделировать интеллект или даже только отдельные интеллектуальные функции желательно по возможности определить что предполагается моделировать, т.е. постараться получить ответы на вопросы: что такое интеллект (мышление), какие функции можно назвать интеллектуальными, а какие нет?

Что такое мышление на качественном интуитивном уровне понятно всем, однако, строгого определения не существует. Классическое определение Тьюринга [1], основанное на утверждении о том, что формальной границы между мышлением и немышлением провести нельзя и “разумность” машины определяется условными соглашениями, базирующимися на экспертных оценках для целей моделирования явно недостаточно. Собственно Тьюринг определения мышления и не давал, а лишь предложил тест, который за неимением ничего лучшего можно использовать для оценки того, мыслит или нет конкретная вычислительная машина. Кроме того, эта оценка может быть лишь очень приблизительной, поскольку никак не очерчивается круг тестовых задач.

В основе других определений мышления лежат попытки заглянуть внутрь “черного ящика” и определить сущность процессов мышления методами экспериментальной психологии или нейрофизиологии. Определение мышления в этом случае строятся посредством перечисления экспериментально выявляемых компонентов процесса. В качестве примера этих компонентов могут быть названы, например, такие качественно понятные как память, индуктивный и дедуктивный вывод, обучение, и такие менее понятные вещи как база знаний, семантическая модель мира, интуиция, ассоциации, инсайт, эмоциональная оценка. Подобный перечень можно продолжить, иначе выделяя компоненты процесса мышления, их характеристики и составляющие элементы.

Такой подход к конкретизации проблемы позволяет полуинтуитивно выделить целесообразные направления исследований и пытаться строить не только качественные, но и формальные частные модели интеллектуальных процессов. Однако проблема формального определения мышления таким способом все же не решается, поскольку сами компоненты процесса мышления чаще всего определяются неформально и, кроме того, строящееся на этой основе индуктивное определение может рассматриваться лишь как шаг на пути к необходимому обобщению.

Тем не менее, на первых этапах развития кибернетики, а затем бионики с компьютерным моделированием психофизиологических механизмов мышления связывались большие надежды. Однако, довольно скоро стало ясно, что быстрых результатов на этом направлении получить не удастся. В противовес возникло направление, получившее название “Искусственный интеллект” (ИИ).

Представители этого направления справедливо полагают, что к конструктивному определению и моделированию мышления полезно идти от специфики задач к методам их решения, вводя “интеллект” как механизм, необходимый для решения. В качестве основных классов подобных задач обычно рассматривают классические задачи ИИ: ситуационное управление, экспертные системы, информационный поиск, понимание естественного языка, доказательство теорем, игры, построение и использование баз знаний. Перечисленное, по-видимому, можно действительно считать специфическими трудноформализуемыми “человеческими” задачами, однако, возникает проблема выявления в этих задачах общности, определяющей необходимость мышления. Говорят, что любая “интеллектуальная” система управления, перевода или восприятия должна уметь строить и использовать семантическую модель мира. Это безусловно верно, как верно и то, что достаточно общего решения эта проблема пока еще не имеет. Также и все другие отмеченные проблемы пока еще не получили такого решения, которое приблизило бы нас к пониманию и моделированию механизмов мышления. Конструктивных обобщений методов ИИ, применимых к разным задачам создано не было.

Нам представляется, что естественный путь к пониманию основных механизмов мышления – это путь исследования не любых задач, а тех, для решения которых мышление предназначено первично, т.е. путь изучения и моделирования зрительного восприятия и поведения животных и человека.

1. Поведение


Задачи поведения, так же как и задачи автоматического управления, часто рассматриваются по следующей схеме: система путем управления (поведения) стремится удержать оптимальное по каким либо собственным критериям состояние, отклонение от которого происходит за счет воздействий, поступающих на систему из среды. При этом причина поведения - воздействие, изменяющее состояние (возмущение) находится вне системы, а цель - восстановление состояния – внутри. Рассматривая такую схему часто говорят, что единственная цель поведения живого организма в среде это гомеостаз, т.е. постоянство внутренней среды организма при поступающих из среды возмущениях. Из этого вытекают представления о необходимости поддержания равновесия в системе организм- среда, об основной схеме работы по типу стимул-реакция, условный и безусловный рефлекс, об обратной связи, как об основном регулирующем факторе. Все это представляется серьезным упрощением, порожденным тем, что не учитываются законы движения и принципы организации живой материи.

С нашей точки зрения, поведение нужно рассматривать в рамках прямо противоположной схемы, по которой причина поведения – собственная неустойчивость, приводящая к ухудшению состояния, находится в самой управляемой системе, а цели – внешние воздействия (факторы), необходимые для улучшения состояния – в среде.

Напомним в связи с этим принцип устойчивого неравновесия Э.С.Бауэра: “все и только живые системы никогда не бывают в равновесии и исполняют за счет своей свободной энергии постоянно работу против равновесия, требуемого законами физики и химии при существующих внешних условиях”. Этот принцип по определению Э.С.Бауера [2] является всеобщим законом биологии, определяющим отличие живой материи от мертвой. Выделение и использование свободной энергии в живой системе сопровождается постоянным разрушением и восстановлением структуры живой ткани, находящейся в неравновесном состоянии и обладающей свободной энергией. Для этого процесса необходимо поступление в систему извне определенных, в первую очередь, органических веществ. Таким образом, направленное специфическое взаимодействие со средой необходимо для существования живой материи. Живая система должна быть открыта и постоянно активна. Поведение – непрерывная задача.

2. Принцип «МaxT»

Упрощенная формальная модель поведения базируется на следующих конкретизирующих предпосылках. Для живых организмов характерно наличие потребностей. Удовлетворение физиологических потребностей, являющееся необходимым условием существования, может происходить только в определенных ситуациях взаимодействия организма со средой. Эти ситуации являются альтернативными целями направленного поведения. Поведение животных в каждый момент направлено, в общем случае, на достижение одной цели, соответствующей одной потребности.

Живой организм как целое неустойчив в том смысле, что физиологические потребности имеют общее свойство, заключающееся в их нарастании с течением времени. Поддержание устойчивости – непрерывная задача живых организмов, решаемая как на клеточном уровне за счет внутренней работы, т.е. ассимиляции и синтеза структуры, так и на уровне целого организма за счет внешней работы, т.е. активного поведения в среде.

Значения физиологических переменных, опроеделяющие наличие и величину первичных физиологических потребностей, должны иметь согласованные значения. Можно упрощенно предположить, что в многомерном пространстве физиологических переменных имеется область, соответствующая нормальному состоянию организма. Можно также предположить, что имеется еще одна более широкая область – область допустимых значений, выход за пределы которой гибелен для организма. , и объективная задача поведения – максимально долго поддерживать величины физиологических переменных в пределах этой области.

Задача поведения может не исчерпываться необходимостью поддержания значений первичных физиологических переменных и соответствующих им потребностей внутри области допустимых значений. К первичным физиологическим потребностям организма добавляются потребности, определяемые необходимостью продолжения рода, а также вторичные потребности, косвенно влияющие на первичные. Последнее особенно характерно для человека вследствие его сложного общественного способа существования. Добавление в рассмотрение вторичных потребностей не меняет общей схемы: система (живой организм) обладает внутренней неустойчивостью – не удовлетворяемые потребности увеличиваются. Поведение определяется вариационным принципом «МaxT», т.е. принципом максимизации времени пребывания системы внутри области допустимых значений регулируемых переменных (потребностей).

3. Формальная модель


Упрощенная формальная модель поведения основывается на решении следующей задачи. Пусть имеется n-параметрическая система Х(х1,х2...хn), параметры которой увеличиваются со скоростями U(U1,U2...Un). В каждый момент путем управляющего воздействия возможно уменьшение любого, но только одного из параметров хi c фиксированной скоростью Vi.. Пусть область допустимых значений параметров системы ограничена выпуклой поверхностью: F(x)=0 и координатными плоскостями в первом октанте.

Требуется найти условия, определяющие возможность организации управления, удерживающего систему внутри области допустимых значений параметров, а также и саму тактику управления, оптимального в том смысле, что при этой тактике максимизируется время пребывания системы внутри области допустимых значений Решение этой задачи [3] позволяет не вдаваясь в подробности сформулировать следующие результаты.

Оптимальная тактика, определяющая необходимое в каждый момент действие задается локальным правилом выбора

(1)

Это правило получено в [3] путем введения функции, оценивающей состояние системы:

Z= F(X) – F(0) (2)

и требования:

minZj = min ( ) (3)

j

на каждом оцениваемом шаге поведения.


4. Мотивации и потребности


Если функция F(X) = 0 определяет поверхность второго порядка, то

Zj =KiXiUi – KjXjVj (4)

и правило выбора (2) преобразуется в выражение:

max KjXjVj (5)

j

Физиологические интерпретации полученного правила выбора управляющего действия основаны на экспериментальных результатах Н.В.Асмояна и Г.А.Голицина [4], показывающих, что в случае двоичного выбора между возможностями удовлетворения мотиваций голода и жажды поведение собаки хорошо согласуется с формулой выбора:



max mjvj (6)

j

где m=kx – мотивация, x – потребность, v – скорость удовлетворения потребности.

Таким образом, правило выбора, полученное при решении формальной задачи (5) и правило выбора, экспериментально полученное в физиологическом эксперименте (6) тождественны. С учетом этого, выражение (4) можно переписать в виде:

Zj =miUi – mjVj (7)

5. Эмоции


При решении приведенной формальной задачи в [3] было получено что

возможности управления характеризуются величиной:

R = - 1 (8)

При R > 0 и любом управлении система с течением времени выходит за пределы области допустимых значений параметров. Аналогия - ситуация, имеющая отрицательную эмоциональную окраску, определяемую тем, что животное не справляется с задачей управления, т.е. не может минимизировать потребности путем доступного ему поведения.

При R <= 0 возможно управление, сколь угодно долго удерживающее систему в пределах области допустимых значений. Эта ситуация имеет положительную эмоциональную окраску, определяемую тем, что животное справляется с задачами поведения, определяемыми потребностями и средой.

Количественным критерием оценки возможных шагов поведения (управления) с точки зрения улучшения или ухудшения состояния системы является величина Zj , определяемая соотношением (7). Эта оценка сходна с эмоциональной оценкой живыми организмами возможных вариантов поведения в ситуации альтернативного выбора. Таким образом, эмоцию можно условно определить как:

Ej = -Zj = mjVj -miUi (9)

(в положительную сторону действует мотивация и соответствующая ей потребность, удовлетворяемая в рассматриваемом альтернативном варианте поведения, в отрицательную все остальные )

Говоря об эмоциях мы понимаем, что в данном случае речь идет лишь об эмоциональной оценке альтернативных вариантов поведения и ситуации в целом, определяемой возможностью удовлетворения потребностей.

Рассматриваемый аспект коррелирует со многими существующими “поведенческими” определениями эмоций, например, П.К.Анохин [5], Г.А.Голицин [6], П.В.Симонов [7] и др. Однако, существуют и другие аспекты. Один из них – мощные эмоциональные состояния, например, страх, горе, восторг, отчаяние. Можно предположить, что подобные эмоциональные состояния играют, главным образом, роль прерываний или блокировок механизма эмоционального выбора среди альтернативных линий поведения, в ситуации, когда все действия бесполезны, не нужны или вредны, либо полезны только рефлекторные действия, например, замереть, бежать, кричать и т.п.

Есть еще один аспект эмоций, который иногда противопоставляют поведенческому. Кто-то хорошо выразил этот аспект, сказав: “Все это так, но как же быть с зарею, которую ни съесть, ни выпить, ни поцеловать?” Можно также вспомнить, что почему-то приятно смотреть на огонь, морской прибой, приятна или неприятна музыка, абстрактная живопись.

Предположения о подобных неспецифических эмоциональных реакциях, по-видимому, можно сформулировать только с учетом представлений о некоторых нейронных механизмах. Более того, нам представляется, что «продвинутые» модели нейронных механизмов мозга с необходимостью должны объяснять эти эмоциональные реакции.


6. Реальная задача


Приведенная формальная задача полностью соответствует экспериментам по принятию решения животным в ситуации выбора, описанным в работе Н.В.Асмояна и Г.А.Голицина. [4]. Однако, эта одноэкстремальная задача принципиально отличается от многоэкстремальной задачи поведения животных и человека в реальной среде. Тем не менее, мы полагаем, что поведение живых организмов подчиняется вариационному принципу «МaxT» и локальному правилу выбора действия (3). Противоречие снимается если предположить, что мозг успешно выполняет сведение реальной многоэкстремальной задачи к рассмотренной одноэкстремальной.

Все изменения в неживом мире направлены по градиенту – равнодействующей всех действующих на систему физических сил. Изменения происходят в направлении быстрейшего уменьшения свободной энергии системы и заканчиваются при достижении ее ближайшего локального минимума. Сходным образом ведут себя и растения. Растения всегда “знают” что им нужно делать: они тянутся к свету, теплу, питательным элементам - туда, где в данный момент лучше (так называемые тропизмы растений), т.е. растения могут пользоваться локальным, градиентным правилом выбора. Для управления таким поведением мозг не нужен.

Животные вынуждены жить в условиях необходимости решения многоэкстремальных задач. Для достижения какой-то цели они могут преодолевать боль, страх, препятствия, подвергаться нападениям, вступать в борьбу, тратить энергию, ухудшать свое функциональное состояние с целью в конечном счете его улучшить. Другими словами, в процессе поведения нужно уметь находить глобальный экстремум, преодолевая локальные.

Таким образом, в отличие от неживой природы и растений для животных характерна необходимость движения против градиента непосредственно действующих сил. В отношении причин, обуславливающих поведение высоко организованных живых организмов, обладающих развитой нервной системой допустимо применение термина “психические” силы. При этом поведение живых организмов может не определяться и равнодействующей непосредственно действующих “психических” сил, если считать непосредственно действующими те силы (мотивации и эмоции) , которые вызываются внутренним физиологическим состоянием организма и его взаимодействием с непосредственно воспринимаемым окружением (средой).

Однако, движение против градиента “психических сил” высокоорганизованных живых организмов в конечном счете является кажущимся. Дело в том, что в сознании (животного, человека) формируется при обучении общее целостное отображение среды и модель взаимодействий со средой. Реальная ситуация на входе системы рассматривается только как актуализированный частный фрагмент некоторой обобщенной и укрупненной ситуации, развернутой во времени и пространстве за пределы непосредственного восприятия. Эта укрупненная и обобщенная, зависящая от опыта субъективная ситуация и формирует “психические” силы, по градиенту которых “псевдолокально” направляется поведение

Глобальный экстремум можно находить путем полного перебора. Человек действует по-другому. Он пытается свести многоэкстремальную задачу, которую можно решать только методом перебора, к градиентной, одноэкстремальной, которую вообще не надо решать, т.к. в каждой точке ясно, что надо делать. Таким образом, человек создает новое информационное отображение среды: он решает задачу с помощью обобщения и укрупнения. За счет этого в знакомой среде можно действовать почти автоматически – по прогнозируемому градиенту эмоциональной оценки ситуации.

Таким образом, мозг – это средство, позволяющее минимизировать умственные усилия в процессе поведения (поменьше думать). В то же время мозг не может не думать. Постоянная работа мозга помимо принятия решения в ситуациях выбора состоит в формировании, коррекции и поддержании модели среды. Эта модель строится с использованием обобщений (индукция - дедукция) и укрупнений (синтез - анализ). Модель имеет уровни иерархии. На верхних уровнях иерархии отражаются наиболее укрупненные целостные ситуации и одношаговые переходы между ними. Обобщения и укрупнения используются совместно, как для распознавания ситуаций, так и для построения и конкретизации планов действий. В модели имеется информация для эмоциональной оценки вариантов поведения в соответствии с принципом «МaxT», т.е. информация о путях достижения целевых ситуаций и информация как о величинах потребностей, так и о скоростях их удовлетворения.

Построение модели происходит при обучении. Обычно обобщения и укрупнения разделяют как что-то независимое. При этом в проблематике ИИ чаще рассматриваются обобщения (индукция – дедукция). Необходимость создания целостных структурных моделей, объединяющих обобщения и укрупнения, т.е обобщенных укрупнений, можно рассмотреть на примере описанных в [8,9] принципов построения и работы программной системы зрительного восприятия.

Главным принципом, положенным в основу построения обобщенных и укрупненных структурных моделей системы зрительного восприятия, является принцип целостности. В соответствии с этим принципом объект рассматривается как целое, состоящее из структурных частей, связанных между собой пространственными отношениями. Фрагмент изображения интерпретируется как конкретный целостный объект, если на изображении присутствуют все структурные части этого объекта, и эти части находятся в определяемых моделью отношениях. С другой стороны, части объекта получают интерпретацию только в составе объединяющего их целого. При распознавании объект (целое) сначала присутствует в виде гипотезы, и это позволяет целенаправленно выделять на изображении и интерпретировать образующие его структурные части.

Целое (структурная модель) состоит из обобщенных описаний структурных частей объекта и обобщенных пространственных отношений между ними. Модель является укрупнением, поскольку связывает в единое целое образующие его части. В то же время модель является обобщением, соответствующим не отдельному объекту, а всем объектам данного класса. Это достигается тем, что модель определяет не конкретные значения, а некоторую многомерную область допустимых значений характеристик частей и отношений между ними.

В идеале, в полной схеме автоматического зрительного восприятия, ориентированного на анализ сложных изображений, процессы “сверху-вниз” – от целого к частям и “снизу-вверх”– от частей к целому должны разворачиваться в многоуровневой иерархической модели в диапазоне от нижнего уровня -исходного не препарированного изображения, до наиболее высокого уровня, отражающего полную информацию о проблемной среде и семантике решаемой задачи. Построение и отладка целостных структурных описаний даже только одного уровня иерархии, т.е. моделей, связывающих в единое целое обобщенные части объектов – это трудоемкий ручной процесс, не поддающийся пока автоматизации.

7. Моделирование нейронных сетей


Выше были высказаны предположения о том, что делает мозг для решения многоэкстремальной задачи поведения, а также предположения об устройстве и работе укрупнений и обобщений на примере моделей системы зрительного восприятия. Последнее было реализовано в программах «Графит» [8], «FineRtader-рукопись» и «FormReader» [9]. Эти предположения, по-видимому, могут быть использованы при построении определения мышления, но сами по себе для создания такого определения недостаточны. Как минимум, не хватает предположений о том, как мозг это делает. Можно полагать, что мышление это не только алгоритмы решения специфических задач, но и, в первую очередь, специфический нейронный способ реализации этих алгоритмов, включающий способность обучаться, т.е. строить модели среды.

Сравнивая мозг и вычислительную машину в качестве основного различия часто подчеркивают то, что машина – это последовательный вычислитель, а мозг –огромный, включающий 14 млрд. нейронов, параллельный вычислитель. Однако, говорить о том, что мозг это мощный вычислитель и сопоставлять операции, которые выполняет человеческий мозг с операциями вычислительной машины нельзя. Человек не может делать 100 тысяч сложений в секунду. Он, как правило, и одного сложения за секунду сделать не может. При этом человеку удается решать некоторые задачи, которые машина при всей своей вычислительной мощности решать не может, либо решает долго, на основе полного перебора. И дело здесь не в том, что машина – это последовательный вычислитель, а мозг – параллельное ”устройство”. Просто мозг решает свои задачи совсем по-другому.

Первые работы по моделированию нейронов относятся к 1943 году, когда Мак-Каллок и Питтс[10] предложили модель формального нейрона. Получившие широкое распространение для решения задач распознавания образов современные формальные нейронные сети (ФНС) фактически строятся на основе этой модели. В [9] мы уже писали о том, что, с нашей точки зрения, ФНС не являются серьезной моделью мозга, так и об ограниченности области их практического применения.

Законченной нейрофизиологической теории работы целого мозга нет. По-видимому, для создания такой теории будут полезны представления, коррелирующие с принципом устойчивого неравновесмя Э.С.Бауэра.

Возможно, обобщающей идеей может стать представление о мозге как о целостной непрерывно активной системе, построенной из неустойчивых элементов и обладающей внешней и внутренней активностью, направленной на поддержание устойчивости. Внешняя активность необходима для решения непрерывной задачи повеления и поддержания устойчивости организма в целом, внутренняя – для поддержания устойчивости составляющих систему неустойчивых элементов – нейронов. Близкая по сути идея, касающаяся, однако, только внутренней активности была сформулирована в работе Л.Б.Емельянова-Ярославского [11]. При всей неоднозначности, спорности и зачастую противоречивости содержащихся в этой работе выводов, идея внутренней неустойчивости заслуживает серьезного внимания при попытках строить модели мозга.

На основе высказанных выше предположений о составляющих процесса мышления при решении задачи поведения можно предположить, что нейронные модели должны обучаться, т.е. уметь строить иерархическую, многоуровневую, целостную модель среды и реализовывать в этой модели процессы индукции, дедукции, анализа и синтеза; обладать свойствами ассоциаций по сходству и по смежности во времени; обладать активностью и на этой основе предвидением и предактивацией.

Кроме того, было бы хорошо, а может быть даже и принципиально, если бы эти модели объясняли эмоциональные реакции, в том числе и такие неспецифические, как реакции на свет костра или морской прибой.


Литература


1.Тьюринг А. Может ли машина мыслить?, М., Физматгиз, 1960.

2.Бауэр Э.С., Теоретическая биология, М.-Л., ВИЭМ, 1935, 350с.

3.Шамис А.Л., Левит Б.Ю. Подход к построению формальной модели поведения, М., Наука, 1972, с. 34-49.

4.Асмаян Н.В., Голицин Г.А., Особенности афферентного синтеза в условиях выбора. Вопросы радиоэлектроники, Сер. Бионика, 1967, вып.9, с.48-58.

5.Анохин П.К. Узловые вопросы теории функциональных систем, М. Наука,1980,198 с.

6.Голицин Г.А., Петров В.М. Гармония и алгебра живого, М., Знание, 1990, 125 с.

7. Симонов П.В., Что такое эмоция?, М., Наука, 1966, 96 с.

8 А.М.Байков, Е.С.Кузин, А.Л.Шамис. Целостное целенаправленное распознавание изображений в ЭВМ. В сб. Вопросы кибернетики. Автоматизированные системы ввода-вывода графической информации. Москва, 1987, с.78-90.

9. Шамис А.Л., Принципы “интеллектуализации” машинного распознавания изображений и их реализация в системах оптического чтения текстов ABBYY FineReader и FormReader, Новости Искусственного интеллекта, №. 1, 2002, с.27-31.

10. McCulloc W. S., Pitts W., A logical calculas of the ideas immanent in nervous activity, Bull. Math. Biophys, 5, 1943, p. 115-133.



11. Емельянов-Ярославский Л.Б., Интеллектуальная квази-биологическая система Индуктивный автомат. М., Наука, 1990, 110 с.