То, что кажется нам случайным, часто представляет из себя эффект наблюдения над симметричной структурой через «кривой» фильтр. Изящный пример этого был изобретен Салвиати с его двумя способами описания числа π/4. Хотя десятичная дробь π/4 в действительности не является случайной, она достаточно случайна для практических нужд, можно сказать, что она «псевдослучайна». Математика полна псевдослучайностями — на всех творцов хватит! Так же, как наука полна «концептуальными революциями» на все уровнях и во все времена, индивидуальное мышление людей сплошь пронизано творческими актами. Мы находим их повсюду, а не только на высшем уровне. Большинство этих творческих актов весьма скромно и повторялось уже миллионы раз, но они- — двоюродные братья самого высокого и новаторского творчества. Компьютерные программы на сегодняшний день еще не совершают маленьких творческих актов; то, что они умеют делать, в основном механично. Это показывает, что они все еще далеки от удачной имитации нашего мышления — но постепенно они к этому приближаются.
Возможно, что высокотворческие идеи отличаются от обычных неким комбинированным чувством красоты, простоты и гармонии. По этому поводу у меня есть любимая «мета-аналогия», в которой я сравниваю аналогии с аккордами. Идея проста, схожие на вид мысли часто соотносятся между собой поверхностно, в то время как глубоко соотнесенные мысли на первый взгляд часто совсем несхожи. Сравнение с аккордами здесь естественно физически близко расположенные ноты гармонически отстоят друг от друга далеко (например, E-F-G [ми, фа, соль]), в то время, как гармонически близкие ноты физически далеки друг от друга (например. G-E-B [соль, ми, си]). Идеи, обладающие одним и тем же концептуальным скелетом, резонируют в некоей концептуальной гармонии; эти гармоничные «идеи-аккорды» часто отстоят весьма далеко друг от друга на воображаемой «клавиатуре идей». Разумеется, недостаточно просто взять интервал побольше — вы можете попасть на седьмую или девятую клавишу! Может быть, моя аналогия и есть такая «девятая клавиша,» отстоящая далеко, но тем не менее диссонантная.
В этой главе я остановился на задачах Бонгарда так подробно потому, что, когда вы их изучаете, вам становится ясно, что то трудно описуемое чувство схожих структур, которое мы, люди, получаем вместе с генами, содержит все механизмы представления знаний в мозгу. Это включает вложенные друг в друга контексты, концептуальные скелеты и концептуальное отображение; возможность перехода от одного понятия к другому; описания, мета-описания и их взаимодействие; расщепление и синтез символов; множественные представления (в различных «измерениях» и на различных уровнях абстракции); подразумеваемые элементы и тому подобное.
На сегодняшний день можно с уверенностью сказать, что если некая программа может замечать регулярности в одной области, она обязательно пропустит в другой области нечто, что нам, людям, кажется столь же очевидным. Если вы помните, я уже упоминал об этом в главе I, говоря, что машины могут не замечать повторяемости, в то время как люди на это не способны. Рассмотрим, например, ШРДЛУ. Если бы Эта Ойн печатала фразу «Возьми большой красный кубик и положи его на место» снова и снова; ШРДЛУ, не возражая, реагировала бы на это снова и снова, точно так же, как калькулятор может отвечать «4» снова и снова, если у человека хватит терпения печатать «2×2» снова и снова. Люди так не делают: если нечто повторяется снова и снова, они это обязательно заметят. ШРДЛУ не хватает потенциала для формирования новых понятий или узнавания схожих структур; у нее нет чувства повторяемости.
ШРДЛУ обладает удивительно гибким (в своих пределах) умением обращаться с языком. Эта программа понимает синтаксически очень сложные и даже двусмысленные предложения, если они могут быть проинтерпретированы на основе имеющихся данных, но она не способна понять «расплывчатого» языка. Возьмем, например, предложение «сколько кубиков надо поставить один на другой, чтобы получилась колокольня?» Мы тут же его понимаем, хотя, проинтерпретированное буквально, это предложение бессмысленно. И дело здесь не в использовании какой-то идиоматической фразы. «Поставить один на другой» — это неточное выражение, хотя люди понимают его без труда. Мало кто представит себе два кубика, каждый из которых стоит наверху другого.
Удивительно, насколько неточно мы используем язык — и все же нам удается общаться друг с другом! ШРДЛУ использует слова «металлическим» образом, в то время, как люди обращаются с ними как с губками или резиновыми мячиками. Если бы слова были гайками и болтами, люди могли бы просунуть любой болт в любую гайку, они просто затолкали бы один в другой, как в сюрреалистической картине, где все предметы представлены мягкими. Язык в людском употреблении становится почти текучим, несмотря на твердость его составляющих.
В последнее время внимание специалистов по ИИ в области понимания натурального языка сместилось от понимания отдельных предложений в сторону понимания больших кусков текста, такого, как рассказы и сказки для детей. Вот, например, незаконченная детская шутка, иллюстрирующая незаконченность ситуаций реальной жизни:
Один человек решил прокатиться на аэроплане.
К несчастью, он оттуда вывалился.
К счастью, у него был парашют.
К несчастью, парашют был сломан.
К счастью, он падал прямо на стог сена.
К несчастью, в стогу торчали вилы.
К счастью, он пролетел мимо вил.
К несчастью, он пролетел мимо стога.
Эта глупая история может продолжаться до бесконечности. Представить ее в системе фреймов было бы очень сложно: для этого понадобились бы одновременно активируемые фреймы для понятий человека, аэроплана, парашюта, падения и т. д.
Или взгляните на эту коротенькую печальную историю:
Маша крепко зажала в кулаке веревочки новых красивых воздушных шаров. Вдруг налетел ветер и вырвал их у нее из рук Ветер отнес их к дереву. Шарики наткнулись на ветки и лопнули Машенька горько заплакала.
Чтобы понять эту историю, необходимо читать между строчками: Маша — маленькая девочка. Речь идет об игрушечных воздушных шарах с веревочками, чтобы ребенок мог их держать. Взрослому они могут не показаться красивыми, но в глазах ребенка они прекрасны. Маша стоит на улице или во дворе. «Они», которые ветер вырвал у Маши из рук, — это шарики. Ветер не понес Машу вместе с шариками — она их выпустила. Шарики могут лопнуть, наткнувшись на что-то острое. Лопнув, шарики утеряны безвозвратно. Маленькие дети любят шарики и могут быть горько разочарованы, когда те лопаются. Маша видела, как ее шарики лопнули. Дети плачут, когда им грустно. Маша горько плакала, потому что ей было очень грустно из-за потери шариков.
Это, скорее всего, только маленькая часть того, что не выражено на поверхностном уровне истории. Чтобы понять рассказ, программа должна все это знать. Вы можете возразить, что даже если программа и «понимает» рассказ на некоем интеллектуальном уровне, она все равно не поймет его «по-настоящему», пока сама не научится «горько плакать». Когда же компьютеры начнут это делать? Подобную антропоцентрическую точку зрения высказывает Иосиф Вайценбаум в своей книге «Мощь компьютеров и человеческий разум» (Weizenbaum. «Computer Power and Human Reason»), и я думаю, что это важная и очень глубокая тема. К несчастью, в данный момент многие специалисты по ИИ не желают, по разным причинам, серьезно относиться к этому вопросу. С другой стороны, они правы в том, что сейчас пока преждевременно думать о плачущих компьютерах; мы должны думать о том, как научить компьютеры понимать человеческую речь. В свое время мы столкнемся с более глубокими и сложными проблемами.
Иногда кажется, что, поскольку человеческое поведение настолько сложно, оно не управляется никакими правилами. Но это только иллюзия — все равно, что считать, что кристаллы и металлы появляются на свет, следуя жестким правилам, а жидкости и цветы — нет. Мы вернемся к этому вопросу в следующей главе.