Обучение
Не сами ли мы создаем себе преемников в земном господстве, ежедневно совершенствуя их красоту и утонченность, ежедневно обучая их новым навыкам и постоянно снабжая новыми способностями саморегулирования и автоматизма, которые будут лучше любого интеллекта?
Главная работа мозга заключается в изменении самого себя.
До сих пор мы говорили о том, как мы распознаём (сенсорно-перцептивными методами) образы и вызываем в памяти последовательности образов (наши воспоминания о вещах, людях или событиях). Однако, когда мы родились, ничего этого в нашей новой коре не было. При формировании мозга новая кора девственно чиста. Она обладает способностью учиться и, следовательно, создавать связи между распознающими модулями, но все эти связи появляются только с опытом.
Процесс обучения начинается еще до нашего рождения — одновременно с биологическими процессами в развивающемся мозге. У месячного зародыша уже есть головной мозг, хотя он пока еще напоминает мозг рептилии, поскольку в процессе внутриутробного развития зародыш в ускоренном темпе проходит все этапы эволюции. К третьему триместру беременности мозг плода — уже очевидно человеческий мозг с человеческой новой корой. В этот период плод набирается определенного опыта, и его новая кора обучается. Он слышит звуки, особенно сердцебиение матери, кстати, это одна из возможных причин, объясняющих ритмичность музыки во всех человеческих культурах. Музыка является составной частью культуры всех известных на сегодня человеческих цивилизаций, чего нельзя сказать о других видах искусства, например о живописи. Кроме того, музыкальные ритмы сравнимы с ритмом нашего сердца. Конечно, музыкальные ритмы сильно различаются, иначе было бы неинтересно, но и ритмы сердца тоже различаются. Между прочим, абсолютно регулярное биение сердца является симптомом заболевания. Через 26 недель после зачатия глаза плода начинают открываться, а через 28 недель — практически постоянно открыты. Внутри матки мало интересного, но новая кора плода начинает распознавать образы света и темноты.
Таким образом, опыт новорожденного ребенка весьма ограничен. Новая кора может учиться и у старого мозга (мы поговорим об этом в четвертой главе), но, в общем, ребенку предстоит многое узнать, начиная от распознавания самых примитивных звуков и форм и заканчивая метафорами и сарказмом.
Обучение играет важнейшую роль в формировании человеческого разума. Если бы мы смогли создать идеальную модель человеческой новой коры (что и планируется сделать в рамках проекта Blue Brain) и всех других отделов мозга, которые нужны для его функционирования (таких как гиппокамп и таламус), такой мозг мало на что был бы способен — как и мозг новорожденного ребенка (за исключением того, чтобы делать этого ребенка милым, поскольку это важнейшее условие выживания).
Обучение и распознавание происходят одновременно. Мы начинаем обучаться сразу, и как только мы изучили образ, мы сразу же начинаем его узнавать. Новая кора постоянно пытается определить смысл поступающих в нее сигналов. Если какой-то иерархический уровень не справляется со своей задачей и не может полностью идентифицировать образ, сигналы направляются на уровень более высокого порядка. Если же распознавание не происходит ни на одном из уровней, образ воспринимается как новый. Отнесение образа к категории новых образов не обязательно означает, что новыми являются все его элементы. Если мы смотрим на картину какого-то художника и видим на ней кошачью морду со слоновьим хоботом, мы узнаем все элементы, но понимаем, что этот комбинированный образ является новым, и запоминаем его. На более высоких понятийных уровнях иерархии новой коры, воспринимающих контекст (например, что данная картина является плодом творчества конкретного художника и что мы пришли на новую выставку его работ), будет зарегистрирован необычный комбинированный образ слонокота, а все детали контекста сохранятся в виде дополнительных воспоминаний.
Новые вспоминания вроде морды слонокота записываются в доступном распознающем модуле. В этом процессе задействован гиппокамп, и о том, как все происходит на самом деле, мы поговорим в следующей главе. В рамках обсуждаемой модели новой коры достаточно сказать, что неопознанные образы сохраняются в виде новых образов и связаны с составляющими их образами более низкого уровня. В частности, морда слонокота записывается несколькими способами: регистрируется новое расположение черт, а также имя художника, ситуация, возможно, наше воспоминание о том, как мы смеялись, впервые увидев картину.
Успешно распознанные воспоминания также могут сформировать новый образ, позволяющий дополнительно увеличить избыточность информации. Если же образы распознаны недостаточно хорошо, они, скорее всего, сохраняются как варианты распознанного образа в новом ракурсе.
Каким же методом в целом можно определить, какие образы сохраняются? На языке математики проблема формулируется так: как оптимальным образом представить входные сигналы, которые уже встречались ранее, чтобы не превышать доступной емкости новой коры? Некоторая избыточность необходима, но было бы нерационально заполнять все отпущенное для хранения информации пространство (то есть всю новую кору) повторяющимися образами, поскольку в таком случае сокращается разнообразие запоминаемых образов. Например, образ звука [и] мы встречали бесконечное число раз. Это простой образ звуковой частоты, который, несомненно, представлен в коре с очень большой избыточностью. Мы можем заполнить всю кору повторами образа звука [и], однако полезная избыточность имеет пределы, которые в случае такого распространенного образа, конечно же, были достигнуты.
Подобная математическая проблема оптимизации решается с помощью так называемого линейного программирования, позволяющего наилучшим образом использовать ограниченные ресурсы (в нашем случае — ограниченное число распознающих модулей) для представления всех примеров, на которых отрабатывалась модель. Метод линейного программирования был разработан для систем с одноразмерными входными параметрами, и это еще одна причина, по которой она оптимально подходит для описания линейной последовательности входных сигналов. Мы можем использовать этот математический подход для создания компьютерных программ, и хотя реальный мозг ограничен имеющимися физическими связями, которые он распределяет между распознающими модулями, метод тем не менее очень похожий.
Важным результатом подобной оптимизации является то, что постоянно встречающиеся образы распознаются, но не приводят к возникновению стойких воспоминаний. На утренней прогулке я пережил множество впечатлений, распознаваемых на всех иерархических уровнях, — от простых видимых углов и теней до более сложных объектов, таких как фонарные столбы, почтовые ящики, люди, животные и растения. Скорее всего, ни один из них не был уникален, и распознанные мной образы уже давно достигли оптимального уровня избыточности. В результате у меня не осталось практически никаких воспоминаний об этой прогулке. Те немногие детали, которые я запомнил, по-видимому, были вытеснены записанными поверх них новыми образами, зарегистрированными мозгом во время следующих прогулок, а эту конкретную прогулку я запомнил лишь по той причине, что написал о ней в книге.
Один важный аспект касательно функционирования нашей новой коры и попыток ее моделирования заключается в трудности одновременного постижения образов, относящихся сразу ко многим понятийным уровням. Вообще говоря, мы можем одновременно осваивать один, максимум два уровня. Если процесс обучения проходит стабильно, мы можем переходить на следующий уровень. Мы можем продолжать более тонкую настройку нижних уровней, но сфокусированы на следующем более высоком уровне абстракции. Это справедливо как в самом начале жизни, когда новорожденный ребенок осваивает основные формы и предметы, так и впоследствии, когда мы осваиваем новые материи — один уровень сложности за раз. То же самое можно сказать и о компьютерном моделировании новой коры. Если машине представлять материал в порядке увеличения абстрактности — за один раз один уровень, машины способны обучаться точно так же, как обучается человек (хотя пока не воспринимают такого множества понятийных уровней).
38
Марвин Ли Минский (род. в 1927) — американский ученый в области искусственного интеллекта, один из основателей лаборатории искусственного интеллекта в Массачусетском технологическом институте.