Виртуальные формы жизни

В дискуссиях, подготовивших возникновение когнитивной науки, заметную роль играли ссылки на робота с «мелкомасштабной моделью окружения» в голове (см. 2.2.1). Индустриальные роботы второй половины XX в., использующиеся для тяжелых, фиксированных в пространстве операций (типа сварки автомобильных кузовов), не могли, конечно, претендовать на статус интеллектуальных систем. К началу нового столетия сложились предпосылки для разработки и технологического использования мобильных, в том числе плавающих и летающих роботов^[1]. В результате la statue animee действительно впервые стала проявлять, по крайней мере, внешние признаки оживления. Это привело к возникновению направления, получившего название когнитивная роботика, и к пересмотру приоритетов в области искусственного интеллекта и нейроинформатики. На место таких тем, как язык мысли или игра в шахматы, в качестве центральных выдвинулись вопросы сенсорного обеспечения, построения движений, ориентации в пространстве, идентификации объектов, планирования действий и «социального взаимодействия», причем не только человека и робота, но и роботов между собой.

В отношении сенсорного оснащения акцент был сделан на контактной и проприокинестетической сенсорике, а также на ультразвуковой эхолокации как альтернативе компьютерному зрению, слишком сложному для моделирования в реальном масштабе времени. В частности, неудачными оказались попытки совместить видение широким полем зрения с идентификацией отдельных предметов. Лишь в последнее время разнообразные опыты с обучением нейронной сети классификации объектов в динамическом окружении показали, что естественным побочным результатом такого обучения («эволюции нейронной сети») становится разделение локализации и идентификации. Сеть выделила как автономную составляющую обработку пространственных признаков, сконцентрировав эти процессы в слое формальных нейронов отдельно от процессов описания индивидуальных объектов (Calabretta & Parisi, 2005). Таким образом, вполне возможно появление роботов с «двумя зрительными системами», подробно рассматривавшимися нами в предыдущих главах (см. 3.3.2 и 3.4.2). Еще одним вероятным развитием может стать массовое оснащение роботов активным зрением, или, иначе говоря, окуломоторикой. Это позволит не только обеспечить более глубокую, фокальную обработку информации, но и реализовать коммуникативные функции зрительного внимания (см. 7.4.3).

Задача управления движениями робота немедленно поставила исследователей перед классической, сформулированной Н. А. Бернштейном еще в 1930;х гг. проблемой преодоления избыточных степеней свободы. Так, для осуществления простейших перемещений на двух конечностях необходимо уметь управлять механической системой с как минимум десятью степенями свободы — по две в тазобедренных и голеностопных суставах и по одной в коленных. При этом возможны два режима ходьбы. Статическая ходьба, когда проекция центра тяжести не выходит за пределы площади опоры, проста, но неэффективна в энергетическом отношении, поскольку помимо перемещения тела вперед приходится тратить силы также на его поднимание. Динамическая ходьба, которую можно было бы определить как «контролируемое падение», значительно более эффективна, так как накопленная при подъеме энергия используется на фазе «падения» для быстрого перемещения тела вперед. В настоящее время, безусловно, преобладает использование статических режимов передвижения, причем для повышения устойчивости используются конструкции с большим числом конечностей. Внешне это напоминает сообщество гигантских насекомых. Развитие робототехники как бы повторяет ход биологической эволюции, в основном оставаясь пока на довольно ранних ее этапах^[2].

Среди более когнитивных компонентов оснащения мобильных роботов следует упомянуть «карты», или модели окружения, используемые для навигации. Конечно, такие карты полезны лишь постольку, поскольку имеются алгоритмы перехода от фиксированной в них информации к планированию действий и осуществлению движений. Обычно такая информация задается в форме дискретных графов, и задача планирования состоит в нахождении кратчайшей, с учетом выполнения ряда критериев, траектории между вершинами, репрезентирующими Istwert и Sollwert,

а затем и практического движения по этой траектории. Возможно, что решение подобных задач, а именно задач на удовлетворение множественных ограничений (см. 2.3.3 и 7.3.3), было бы успешнее в случае использования не графов, а какой-нибудь более гомогенной, например аналоговой, формы репрезентации, способной передавать информацию о градиентах приближения к цели. Сама цель при этом могла бы рассматриваться как аттрактор, некоторый локальный минимум в многомерном ландшафте возможных состояний системы. Этот подход реализуется в некоторых коннекционистских программах. Кроме того, делаются первые попытки использования гибридных архитектур, обычно с элементами вертикальной организации: на нижнем уровне реализуются сенсомоторные процессы, а на верхнем — процессы управления и контроля («критики»), включающие моделирование среды, целеполагание и планирование действий.

При весьма скромных затратах времени и средств на моделирование способностей к абстрактному мышлению, видное место в современной роботике занимают вопросы коммуникации и практического взаимодействия. Причиной этого являются следующие очевидные соображения. Во-первых, типичные задачи для мобильных роботов, такие как обследование акватории порта в поисках мин или очистка территории после экологической катастрофы, предполагают кооперацию нескольких, иногда множества относительно простых (а следовательно, дешевых) роботов и сочетания их автономности с управляемостью со стороны человека. Во-вторых, часть систем, прежде всего гуманоидные роботы, создается для использования в медиабизнесе и рекламе. Понятно, что главное требование к ним — имитация человеческих форм общения. Более отдаленная цель состоит в объединении этих двух линий, что может быть достигнуто только путем координации ресурсов, по типу эффектов совместного внимания, известных из исследования раннего отногенеза (см. 4.1.1 и 7.1.2). Такие проекты ведутся сейчас в ряде лабораторий, в частности, в Массачусетском технологическом институте. На рис. 9.2 показана серия эпизодов из экспериментов, направленных на тренировку простейших процедур координации внимания человека и робота.

Рис. 9.2. Три эпизода в попытках управления «вниманием» робота:

А — робот фиксирует объект; Б — переходит к фиксации лица экспериментатора; В — легкие движения объекта вновь привлекают «внимание» робота к объекту Популярным, хотя и весьма размытым понятием в современной литературе является термин «агент». Под «агентом» может пониматься любая нетривиальная часть некоторой более широкой среды, ситуативно адаптированная к ней и проявляющая какие-либо другие признаки интеллектуального поведения, например, способность к ответам на вопросы и другим формам взаимодействия (Поспелов. 2003). Это может быть программа вычислений, компьютер в сети, мобильный робот и, конечно же, живой организм. В связи со стремительным развитием Интернета как универсальной среды для размещения знаний и появлением технологий виртуального поиска данных (см. 7.4.3), для когнитивных исследований особенно интересны так называемые виртуальные агенты — прикладные программы автономного поиска данных по сформулированным пользователем на естественном языке требованиям.

Поскольку такие программы для упрощения коммуникации с пользователем обычно снабжены антропоморфным интерфейсом, то в ходе развития этой технологии приходится сталкиваться с проблемами, возникающими и при создании гуманоидных роботов.

В плане более фундаментальных исследований виртуальные агенты служат материалом для моделирования различных аспектов эволюции живых организмов в рамках подхода, получившего название «эволюционная кибернетика» (см. Редько. 2001). В частности, любая важная система организма человека может рассматриваться как сложное сообщество клеточных агентов¹. Процедуры управляемого экспериментатором обучения нейронных сетей, такие как обратное распространение ошибки, не очень убедительны с биологической точки зрения. Интерпретация изменений работы нейронных сетей мозга поэтому часто ведется с позиций теории нелинейных динамических систем (см. 2.3.3 и 9.4.3). Эта теория подчеркивает значение самоорганизации, допускает возможность резких изменений сложности системы (так называемых «бифуркаций») и играет важную роль в устранении гомункулусов (но часто и менталистской терминологии!) из объяснительных схем. Интересна в связи с этим демонстрация того, что появление некоторого сложного продукта работы множества агентов не обязательно предполагает с их стороны возможности планирования поведения, наличия интенций и даже каких-либо коммуникативных способностей, выходящих за рамки элементарной сенсорики. Классическим примером служат постройки термитов, которые возникают в результате выполнения простых рефлекторных актов, «управляемых» ограничениями физической среды. Другая примитивная форма организации коллективного поведения — это имитация, которая внешне может выглядеть как осознанное единодушие действующих совместно агентов, но фактически не требует никаких когнитивных репрезентаций^[3][4].

Создатели систем виртуальной жизни, особенно в области прикладной робототехники, вынуждены учитывать элементарную логику действия, отличную от классического исчисления предикатов, положенного в основу символьных моделей искусственного интеллекта. Речь идет, в частности, о временных логиках как подклассе модальных логик.

(Непейвода. 2000). В этом контексте, например, конъюнкция двух истинных пропозиций не всегда истинна. Так, хотя при планировании действий может быть по отдельности справедливо, что робот способен А: «повернуть руку-манипулятор влево на 90°» и Б: «проехать вперед на расстояние 10 метров», но конъюнкция этих двух приказов-пропозиций может быть, тем не менее, невыполнимой, если, скажем, слева от траектории движений робота находится большой камень или дерево. Справедливо и обратное — невыполнимая «в лоб» операция может стать реализуемой в сочетании с другими поведенческими актами, на обходном пути, при движении с учетом рельефа местности и т. д. Даже наиболее философски настроенным разработчикам подобных систем тезис Фодора о методологическом солипсизме как стратегии исследования в когнитивной науке должен был бы казаться, по меньшей мере, странным.

Более того, как раз временные ограничения, заставляющие искать достаточные, а не самые интеллектуальные решения, обуславливают склонность работающих в этой области авторов к материализму поведенческого типа, так сказать, к нео-необихевиоризму. Так, один из наиболее известных сегодня экспертов, руководитель лаборатории роботики Массачусетского технологического института Родни Брукс называет себя сторонником антиментализма и пропагандирует… «антивычислительный подход» (Brooks. 1999). По его мнению, как искусственные, так и реальные живые существа в равной степени не могут позволить себе роскошь мышления в терминах специально конструируемых и удерживаемых в памяти ментальных репрезентаций окружения. Самое важное, как считает Брукс, что в постулируемой когнитивным подходом опоре на внутренние репрезентации нет никакой необходимости: опираться надо на объективную реальность, которая есть самая полная «репрезентация самой себя» (Brooks. 1991). Как подчеркивает другой автор: «Биологические мозги — это во-первых и прежде всего системы управления движениями биологических тел. Биологические тела перемещаются и действуют в информационно насыщенной среде реального мира» (Clark. 1998. Р. 506)^[5].

• [1] Интересные лабораторные наработки возникли, конечно, значительно раньше. Так, в конце 1960;х гг. в Стэнфордском университете был создан робот Shakey, который мог обрабатывать простые инструкции на естественном языке и на их основаниипланировать и осуществлять перемещения по территории университета, ориентируясьна данные оптических сенсоров. Слабым звеном было восприятие — за время переработки информации о зеленом свете светофор на перекрестке успевал переключитьсяна красный. Удачным звеном архитектуры Shakey напротив, была система планирования действий, основанная на формализации эвристики цели-средства (см. 8.1.1).
• [2] Одним из несомненных достижений в области «биомеханики» роботов являетсясоздание «автономного агента», способного прыгать с ветки на ветку подобно тому, какэто делает обезьяна в тропическом лесу (Saito & Fukuda. 1994).
• [3] Примером может служить функционирование иммунной системы человека. Защита организма от инфекций и вредных воздействий различного рода — бактерий, вирусов, паразитов и т. д. — представляет собой комплекс сложных «задач», решениекоторых требует великолепной памяти и постоянного гибкого регулирования числаиспользуемых для отражения опасности гетерогенных средств-агентов.
• [4] Как отмечалось в одной из предыдущих глав, неосознанная имитация играет существенную роль даже в процессах человеческого речевого общения, казалось бы, целикомпостроенных на рефлексивном учете знаний и намерений коммуникативного партнера. Эта имитация уменьшает когнитивную нагрузку, связанную с созданием, сохранениеми модификацией ментальных моделей (см. 7.1.3).
• [5] Это описание напоминает определение кибернетики, данное Норбертом Винером («наука об управлении и контроле в живых и искусственных системах») • В настоящеевремя происходит явное оживление интереса к этому раннему варианту когнитивнойнауки, в отличие от когнитивной психологии пытавшегося объяснить целенаправленный характер активности организмов (см. 2.1.1).