Михаил Бурцев - кандидат физико-математических наук, научный сотрудник Института прикладной математики им. М.В.Келдыша РАН, старший научный сотрудник НИИ Нормальной физиологии им П.К. Анохина РАМН, руководитель Лаборатории нейроинтеллекта и нейроморфных систем НБИКC-Центра (НИЦ «Курчатовский институт»). Перед вами - краткое содержание его беседы с Дмитрием Ицковичем, Борисом Долгиным и Анатолием Кузичевым, состоявшейся в рамках программы «Наука 2.0» (совместного проекта портала «Полит.ру» и «Вести.FM»). Аудиозапись и стенограмма беседы доступны здесь.
Проблема определения интеллекта очень сложна, и люди уже лет 60-70 ломают голову над тем, как же его определить. Одна из самых ранних попыток, которая оказалась одной из наиболее удачных, принадлежит Алану Тьюрингу, одному из изобретателей современных компьютеров. Он предложил операциональное определение искусственного интеллекта. Есть такой тест Тьюринга - если мы посадим в комнату человека, и этот человек по телетайпу будет общаться с какими-то двумя удаленными местами (сейчас это может быть чат, в котором человек общается), и на одной стороне может находиться робот или человек, а на другой стороне - другой человек. Кто с другой стороны последний не знает. Этот человек может задавать любые вопросы, которые хочет, и в тот момент, когда никто не сможет отличить машину от человека на другом конце провода, мы сможем сказать, что машина обладает искусственным интеллектом.
Создать искусственный интеллект с нуля нелегко. Некоторые исследователи придерживаются той точки зрения, что проще подсмотреть, что и как происходит в естественном интеллекте, и, используя обнаруженные принципы, понять, как строить искусственный интеллект.
Сегодня, в области исследования мозга мы находимся на промежуточном этапе: с одной стороны, мы очень много понимаем о молекулярных процессах, которые протекают в живых системах - наблюдается бурный расцвет молекулярной биологии, мы видим, как расшифровываются геномы и рисуются огромные схемы молекулярных каскадов внутри клеток, как выясняются механизмы взаимодействия биологических молекул друг с другом и то, к чему это приводит с точки зрения изменения поведения клетки.
С другой стороны, есть проблемы. Замечательный пример: почвенная нематода – это прозрачный червь, длиной всего 1 миллиметр. Он состоит из 959 клеток, из которых 302 - нейроны. Уже много лет как все связи между нейронами описаны, и у каждой особи развитие протекает примерно одинаково, и нейрональная сеть получается одна и та же. Но несмотря на, казалось бы, полную информацию об объекте, смоделировать, как нематода обучается, пока не удается!
История развития искусственного интеллекта, как области научных исследований, началась примерно 50-60 лет назад, и сегодня он представлен несколькими направлениями. В первую очередь, это символьный искусственный интеллект и все, что с ним связано - и когнитивные системы, и моделирование рассуждения психики человека и так далее. Затем - алгоритмы машинного обучения, к которым относятся алгоритмы распознавания образов, классификации, аппроксимации. Другая часть искусственного интеллекта – искусственные нейронные сети. Все эти направления появились еще на заре искусственного интеллекта.
10-15 лет назад появилось новое течение, которое стало пытаться смоделировать поведение животных и получило название поведенческая роботика или «аниматы» - это сочетание двух слов (animal и automat) - и здесь очень широко стали применяться эволюционные методы. Цель этих исследований – не пытаться сразу понять интеллект человека, а сначала попробовать разобраться с интеллектом животных. На этом пути были получены интересные результаты. Можно сказать, что появилось целое направление в искусственном интеллекте, которое принесло свои плоды.
В качестве примера можно привести работу Сергея Кернбаха из Германии. Он занимается тем, что делает эволюционные алгоритмы для адаптации коллектива маленьких колесных роботов. В популяции , состоящей из нескольких десятков роботов размером, буквально, сантиметр на сантиметр, может происходить эволюция за счет того, что при встрече двух роботов происходит сравнение успешности поведения каждого из них, и затем программа, управляющая более успешным роботом копируется в менее успешного робота. А для того, чтобы создать возможность для появления новых стратегий поведения при копировании вносятся небольшие ошибки. Таким образом, в коллективе роботов протекает процесс накопления знаний аналогичный эволюционному. И исследователи показали, что эти роботы могут решать примитивные задачи при помощи такого алгоритма, например, найти путь в лабиринте, который ведет из начального отсека в отсек, где находится виртуальный сыр, который эти роботы должны съесть.
Вернемся к определению интеллекта. Будем считать, что неформальное определение интеллекта – это способность решать задачи на индивидуальном уровне.
Но способность решать задачи, есть и у животных. У волка есть набор правил, как искать еду: он пошел искать, увидел следы, нашел добычу, преследовал и напал на нее. Но можно сказать, что здесь нет интеллектуальности, у волка это инстинкт, он дан от рождения.
Интеллектуальность начинается в тот момент, когда те правила, которые нам дали, не позволили нам найти ответ. Например, первоклассник, проходящий компьютерный тест на сложение, используя те правила, которые он получил на уроке, пишет, что «5+5=то-то», а компьютер ему отвечает «неправильно». И ученик должен понять, то ли он ошибся, то ли задача была сформулирована не тем образом, и он должен свои навыки использовать по-другому, то ли компьютер сломался. И вот здесь начинается обучение. Интеллект - это способность решать новые задачи.
Классический искусственный интеллект пытается рассматривать высокие уровни организации интеллектуальных процессов. То есть смоделировать рассуждения и принятия решений человеком при помощи некоторых алгоритмов. Это называется подход сверху вниз. Направление, связанное с искусственными нейронными сетями, идет снизу в верх от уровня нейронов к интеллекту. Оно пытается из нейронов, как элементов, которые лежат в основе интеллектуальности животных, собрать систему, которая будет обладать интеллектуальным поведением. Аниматный подход комбинирует нейрональный и когнитивный уровни, то есть решает задачу поиска методов генерации нейрональных сетей, которые будут способны решать поведенческие задачи.
Перспективным направлением исследований, которое только зародилось буквально несколько лет назад, и которым мы начинаем заниматься, может стать включение живых нейронов в анимата. То есть создание гибридной, а точнее, нейрогибридной системы на основе интеграции живых клеток мозга и робота. Это может быть виртуальный робот, а может быть реальный робот в лабиринте. И поведением этого робота управляет не искусственная нейронная сеть, а сеть из живых нейронов. Для этого существует специальный мультиэлектродный интерфейс на который мы высаживаем клетки мозга. Нейроны растут в среде максимально приближенной к той, в которой они находились бы в мозге.
Мы можем этим нейронам передавать информацию из окружающей среды и при этом регистрировать их активность, чтобы интерпретировать ее как некоторое действие, совершаемое во внешней среде. Взаимодействие со средой происходит посредством «тела» робота, который с сенсоров получает информацию из среды, а на его актуаторы (например, колесики) управляются активностью нейронов. Главная задача в области исследования нейрогибридных систем заключается в том, чтобы заставить живую нейронную сеть обучиться и решить какую-то задачу при помощи робота в окружающей среде, про которую она ничего не знает. Мы надеемся, что исследования того, как живые нейроны взаимодействуют друг с другом и изменяют свое поведение в процессе обучения нейрогибридной системы, позволит нам лучше понять, как работает мозг и разработать новые подходы к построению систем искусственного интеллекта.
