Предисловие

«Ты никогда не решишь проблему,
если будешь думать так же, как те, кто ее создал.»


«Только те, кто предпринимают абсурдные попытки,
смогут достичь невозможного.»


«Все знают, что это невозможно.
Но вот приходит невежда, которому это неизвестно —
он-то и делает открытие.»


А. Эйнштейн


В 2019 г. Россия, вслед за другими странами, начала разрабатывать национальную стратегию развития искусственного интеллекта (ИИ). Многие ведущие специалисты уже говорят об исчерпании потенциала современной парадигмы ИИ – глубокого обучения многослойных рекуррентных сетей. Необходимы новые архитектуры и модели ИИ. При этом основные надежды на то, что нашей стране удастся сделать технологический прорыв, были возложены на сильные научные физико-математические школы.

Однако, область изучения искусственного интеллекта включает в себя множество наук – философия, психология, нейрофизиология, математика, информатика, лингвистика, логика и другие. И тут, по мнению автора, исследователей поджидают следующие проблемы.

Во-первых, современный уровень знаний в каждой области настолько обширен, что весь объем не умещается в голове отдельного человека. И, поэтому, хороший специалист в одной области, исследуя такую обширную тему, как искусственный интеллект, может не учесть каких-то важных данных из других областей. Можно собрать разношерстную команду и устроить мозговой штурм, но все-равно они не смогут консолидировать информацию, как один человек. Можно одному из таких специалистов «нахвататься» вершков из всех наук, но есть опасность, что в своих рассуждениях «своя» наука будет превалировать. И третий вариант, который покажется абсурдным, – исследователь должен иметь неглубокие, но основные необходимые знания во всех областях.

Во-вторых, всем известно, как сложно выбраться из парадигм. Наш мозг так и стремиться вернуться в проторенное русло. Привычки, предрассудки, убеждения. Нужна абсолютная критика и отрицание того, что не дает искомый результат. Но, по иронии судьбы, на преодоление очередного барьера уровня знаний, нанимают в основном специалистов в области нерезультативных парадигм. И что делать с этой проблемой?

Когда я захотел заняться построением ИИ, то принял решение – вопреки установившемуся правилу: «изучи вначале все то, что придумали до тебя, а затем придумай что-то новое», поступить ровно наоборот. Почему? Да потому, что если все это не работает, не воссоздает человеческого мышления, то какой смысл забивать этим голову. Да, конечно, на этом пути подстерегает опасность додуматься до того, до чего уже десятки лет, как додумались другие. Ну и что? Ведь, в дальнейшем исследователь может изучить эту тематику и выяснить – что из его находок ноу-хау, а что нет. И продолжить исследование дальше. И, действительно, многие «переоткрытые» мною идеи нашлись в научной литературе. Но это придавало мне только уверенности. Я умышленно не ставил в книге ссылки на уже известные науки концепции. Для специалистов они и так известны. Также им известны и их недостатки, которые часто становятся причиной отодвигания хорошей идеи в сторону. Но недостатки могут происходить как из-за неполноты раскрытия какого-либо механизма, так и ложного представления о какой-либо его части.

Также основной целью было поставлено любыми способами построить модель разумного существа. То есть, максимально исключить какие-либо ограничения при проектировании. Не пытаться воссоздать известные биологические механизмы, а стремиться к получению целевых способностей - слух, зрение, распознавание, память краткосрочная и долгосрочная, внимание, движение, поддержка семантического окружения и других.

Логично предположить, что раз такой механизм уже создан (мы), то за основу следует взять биологическую нейронную сеть. Хотя до сих пор и не ясно как она работает в целом, но отдельные механизмы изучены достаточно хорошо. Остается собрать все это во едино. Найти общий принцип. Но при этом не догматизировать известные предположения о назначении нейронов, синапсов и других известных вещах. Требуется создать универсальную нейронную сеть, которая на одной архитектуре решает все поставленные задачи.

Удалось это автору или нет - покажет время.

Опубликовано 23.11.2019