AI, делится на две большие противоположные группы: одни считают, что AI «удастся создать», другие же — что это невозможно. При этом во всеобщем почете находится известный тест Тьюринга, с помощью которого в сокращенном до важнейшей сути виде добиваются, чтобы человек-Экзаменатор, ведя разговоры на произвольные темы с незнакомым ему собеседником, однозначно определил: производит ли он обмен информацией с другим человеком или с машиной. Здесь мы сразу попадаем в своего рода fuzzy set, «нечеткое множество» (я такой польский перевод термина fuzzy set не люблю, но он уже закрепился в жаргоне отечественных специалистов), поскольку результат экзамена, несомненно, зависит от компетентности ОБЕИХ сторон. Уже сегодня существуют программы, которые значительное количество потенциальных собеседников-людей смогут успешно ввести в заблуждение (даже такая по сути примитивная программа, как ELIZA профессора Джозефа Вейзенбаума, обманула его секретаршу). Для проявления способностей не только в объеме общего интеллекта (измеряемого, скажем, тестами Бине для определения размера IQ, показателя интеллекта на гауссовской кривой нормального распределения интеллекта в популяции ЛЮДЕЙ), но, кроме того, и в сфере интересов специалистов по компьютерам, программам и last but not least AI, необходимы СПЕЦИАЛЬНЫЕ ЗНАНИЯ. Это упрощенно можно приравнять к ситуации, в которой человек, выбранный «экзаменатором», должен решить — является ли некий другой человек (другие люди), разговаривающий с ним и поступающий так, как поступают люди в конкретных жизненных ситуациях, АКТЕРОМ, играющим роль не своей личности, а какой-то фиктивной, или же это человек, который никого не изображает, а просто является самим собой. Несомненно, в значительной степени можно предопределить результат такого теста, если «арбитром-судьей» будет лицо, очень хорошо знающее схемы и сюжеты сценических, кинематографических и театральных произведений. Естественно, я здесь не имею в виду фильмы, в которых Гай Юлий Цезарь разговаривает с Брутом по-английски.
Вышеприведенные рассуждения мне необходимы для перехода к более существенным проблемам. Как само собой разумеющееся (почти всегда) при проведении теста Тьюринга считается следующее: не все люди одинаково развиты в интеллектуальном смысле, но если по не требующим объяснения причинам мы исключим из круга Экзаменаторов дебилов и иных глупцов, то в действительности КАЖДЫЙ нормальный человек располагает таким запасом знаний и так называемой «языковой перформативностью», что сумеет провести беседы с машинной программой типа AI, заканчивающиеся «разоблачением» машины или установлением ее «нечеловеческого характера». Сегодня данная идея уже начинает вызывать сомнения. При этом гонка в области компьютерного производства, которая в последнее время привела к тому, что мы уже имеем процессоры типа Р6, которые могут обогнать Pentium, совершая два миллиарда элементарных операций в секунду, совершенно не приближает нас к моменту, когда программа, основанная на таком hardware, одолеет имитацией КАЖДОГО человека. Это еще по нескольким причинам довольно далеко от нас, и тот факт, что даже Каспаров получил мат от машины, ничего в нашей теме (AI) не меняет, поскольку brute force НЕ может быть успешно использована для языкового подражания поведению нормальной человеческой личности. Несомненно, машины УЖЕ обогнали нас по многим пунктам. Хорошая диагностико-терапевтическая программа, которая обладает сегодня полным комплектом результатов «дополнительных» исследований, сумеет опередить большинство врачей, обеспечивая комплексный подход для распознавания симптомов болезней, а также для определения методов их лечения. Этот тезис не голословен: американцы, любящие проводить статистические исследования на больших по численности релевантных группах (или репрезентативных для широких кругов людей — больных и здоровых), показали, что машины выполняют медицинские экспертизы не хуже, чем хорошие медики. Уже пытаются использовать машины в качестве судей и т. п. Поле этих действий неуклонно расширяется, и уже можно сказать, что некоторые из наших знаний (сегодня в глобальном масштабе они составляют около 1015 битов и будут удвоены до 2000 года) удастся алгоритмизировать, построить в виде разветвленного дендритического древа альтернативных решений: те, которые не содержат большого количества антимоний (логикосемантических противоречий), В ПРИНЦИПЕ могут быть преобразованы в программу для машины, которая не только относится к категории конечных автоматов, но, кроме того, обладает такой вычислительной мощностью, что результатов выполнения программы (лечебной, геологической, судебной, астрофизической) не надо будет ждать 200 лет (что было бы необходимо, если использовать простейшую машину Тьюринга…). Одним словом, дело в том, что если бы мы увеличили вычислительную мощность в итеративных, одношаговых системах, которые доминируют сегодня на мировом компьютерном рынке, то в лучшем случае мы смогли бы создать рудименты, макеты «разумного собеседника», но сравниться с ним таким путем нам не удастся. (Только он должен, повторю, действительно обладать интеллектом и разумом, а первое не то же самое, что второе). В скобках стоит добавить, что программы и такие машины можно примерно приблизить к прототипу, который одерживал бы победы в многочисленных поединках тьюрингова типа с заурядными собеседниками, ЕСЛИ программа будет учитывать некоторые особенности каждого языка людей. Этими особенностями являются: А) семантический полиформизм, или то, что значения слов опираются на понятия, которые не укладываются в целые гаммы различных смыслов, определяемых контекстно, конситуативно, коннотативно и денотативно — даже если не десигнативно; Б) вероятностность в границах логики высказываний, которая делает излишним обращение к tertium non datur, то есть что почти всегда есть ИЛИ ДА — ИЛИ НЕТ. Эта вероятностность вводит нас не только в новые двузначные логики (типа правда-ложь), но и в fuzzy sets и даже позволяет применять оксиморонические антимонии. Если же — лучше использовать тривиальный пример — кто-то скажет: «Красивая девушка, но все еще темный лес», а кто-то ответит: «Красивая, но абсолютно недоступная», то поскольку после утверждения идет отрицание, что будто «ничего неизвестно», то большинство людей почувствует какую-то тень сомнения в абсолютной девичьей невинности. Просто «мы так умственно устроены», и машине, которая должна будет подражать человеку, ТОЖЕ следует аналогично хромать в смысле логики высказываний и необходимо испытывать трудности с исполнением «в памяти» более длинных расчетов (даже простых арифметически), она должна также совершать ошибки, поскольку мы, собственно говоря, именно таким образом ведем себя в норме.
Каждый, кто прочитает «Вероятностную модель языка» известного математика-вероятностника Налимова, будет убежден автором, что машине ЛЕГЧЕ пройти тест Тьюринга (в разговоре с человеком), чем сделать полноценный перевод небанального и ненаучного текста (например, философского, литературного и тем более стихотворного) с языка на язык. И это действительно так, поскольку если смотреть на ХОРОШИЙ перевод сквозь призму логической семантики, то видно, что об однозначной дословности речь никогда не идет. Налимов утверждает, и я вслед за ним, что перевод — это всегда интерпретация понятийных смыслов, стоящих ЗА отдельными предложениями, выражающими на одном языке то, что должно представлять эквивалент на другом языке. Это, собственно говоря, очевидно, поскольку мы знаем, что на каком-либо языке каждый может как-то понять другого, также владеющего этим языком (естественно, речь не идет о топологии или алгебре), зато беглое знакомство с двумя языками действительно является ОБЯЗАТЕЛЬНЫМ условием для правильного перевода, но не является достаточным, так как не каждый человек, владеющий двумя языками, сумеет проявить способности переводчика — даже прозы (плохо переведенными произведениями мировая литература просто кишит).
