Наука и одержимый программист

Существует разница между машинами, имеющими реальное физическое воплощение и предназначенными для преобразования обычного вида энергии в другой, и абстрактными, т. е. машинами, существующими лишь в качестве идей. Законы, олицетворяемые машинами первого типа, должны представлять собой некоторое подмножество законов, которым подчиняется реальный мир. Законы, определяющие поведение абстрактных машин, не обязательно должны быть связаны подобными ограничениями. Можно, например, создать абстрактную машину, внутренние сигналы которой распространяются по ее компонентам со скоростями, большими скорости света, что явно противоречит законам физики. То обстоятельство, что реально такую машину построить нельзя, не препятствует исследованию ее поведения. Оно может быть предметом размышлений и даже поддается имитации на вычислительной машине. (Действительно, Центр исследований в области образования [Прим. перев.: Education Research Center] Массачусетского технологического института создал фильмы (они воспроизводятся вычислительной машиной), позволяющие зрителям наблюдать мир, в котором транспортные средства движутся с физически невозможными скоростями.) Воображение человека должно преступать пределы физических законов хотя бы для того, чтобы оказаться способным постичь эти законы.

Вычислительная машина реализована физически, поэтому она не может нарушать физические законы. Однако она не характеризуется полностью проявляемым ею взаимодействием с реальным миром. Электроны сливаются в машине в потоки, ее ленты движутся и лампочки мерцают - все это, несомненно, происходит в строгом соответствии с законами физики, а направления электронных рек, протекающих в вычислительной машине, определяются открытием и закрытием вентильных схем, т. е. физическими событиями. Игра же, которую разыгрывает вычислительная машина, определяется системами идей, диапазон которых ограничивается только пределами воображения человека, физические границы для событий, происходящих внутри вычислительной машины на электронном и механическом уровнях, с точки зрения этой игры несущественны - точно так же, как и то, насколько крепко шахматист сжимает своего слона или как быстро он передвигает его по доске.

Следовательно, работа вычислительной машины под управлением хранимой программы обособляется от реального мира так же, как и всякая абстрактная игра. Шахматная доска, 32 шахматные фигуры и правила игры в шахматы образуют мир, совершенно независимый от любого другого мира. То же самое происходит и в случае вычислительной машины, снабженной наставлением по эксплуатации.
Шахматист, сделавший плохой ход, не может оправдать свою ошибку ссылками на некий эмпирический факт, который он не мог знать, а если бы знал, пришел бы к лучшему решению. И программист, чья программа проявляет себя не так, как он предполагал, тоже не может искать ошибку за пределами созданной им самим игры. Он мог неправильно истолковать инструкции по работе с вычислительной системой или неправильно понять особенности своей вычислительной системы так же, как начинающий шахматист мог неправильно истолковать, скажем, правила рокировки. Однако никакие данные из мира, внешнего по отношению к используемой им вычислительной системе, вообще не могут иметь отношения к поведению того мира, который он создал. Отказа вычислительной машины вести себя точно в соответствии с намерениями программиста нельзя даже приписать исключительно какому-то ограничению, свойственному именно данной вычислительной машине. В сущности, любая вычислительная машина общего назначения является некоторой разновидностью универсальной машины, способной в принципе делать все, что способна делать любая другая вычислительная машина общего назначения. В таком очень существенном смысле любая конкретная вычислительная машина общего назначения не имеет ограничений, свойственных исключительно ей.
Таким образом, вычислительная машина представляет собой поле для игры, на котором можно разыграть любую игру, созданную вашим воображением. Можно создавать миры, в которых нет силы тяжести или два тела притягиваются друг к другу не в соответствии с ньютоновым законом обратной пропорциональности квадрату расстояния, а по закону обратной пропорциональности кубу (или n-й степени) расстояния, или миры, в которых время скачет туда и обратно, а рисунок этой пляски может быть таким сложным или примитивным, как нам заблагорассудится.


Можно вообразить общества с такой экономикой, где цены на товары, имеющиеся в изобилии, растут, а когда товаров становится мало, падают, или общества, в которых лишь союзы "мужчин" в состоянии производить потомство. Короче говоря, можно самим писать пьесы и ставить их в театре, свободном от любых ограничений. И, что важнее всего, для этого необходимо знать лишь то, что можно непосредственно получить из описания соответствующей вычислительной системы или построить собственным воображением.
Рассмотрим для сравнения процесс разработки схемы вычислительного устройства. Выше уже приводилась схема однобитового сумматора (см. рис. 3.5). Соответствующий сумматор можно построить для машины с базовым временем цикла, например в одну микросекунду, т. е. для машины, совершающей ежесекундно миллион циклов (пар), включающих рабочее состояние и состояние покоя. Допустим, что подобный сумматор построен и установлено, что он функционирует правильно. Допустим также, что разработчики сумматора установили его затем на машине, работающей в десять раза быстрее ходной машины, т. е. включающейся и выключающейся 10 млн. раз в секунду, и предположим, что в новых условиях сумматор не работает. В чем может быть причина отказа? И, что важнее, к каким источникам знаний может оказаться необходимым обратиться, чтобы правильно диагностировать его? Правила игры, задаваемые абстрактными уравнениями, которые определяют поведение вентильных схем И, ИЛИ и НЕТ, и схемой сумматора, здесь явно недостаточны. В абстрактной конструкции сумматора ничего не изменилось. Согласно нашей гипотезе изменилась только скорость, с которой сумматор вынужден работать. Таким образом, отказы функционирования сумматора должны вызываться переходом к новой скорости. Чтобы установить, каким образом восстановить работоспособность сумматора или, в конце концов, выяснить, возможна ли вообще физически работа любого устройства с такой высокой скоростью, следует использовать соответствующие физические знания.
Этот пример, хотя и упрощенный, но не нереальный, и поэтому на нем стоит остановиться несколько подробнее.


Почти каждому известно, что струны скрипки (а также и другие объекты) обладают собственной (или резонансной) частотой колебаний. Например, собственная частота струны А [Прим. перев.: Струна А - струна скрипки, высота настройки которой соответствует звуку "ля" первой октавы. В системе слогового названия звуков через "А" обозначается тон звукоряда, имеющий слоговое название "ля"] равна 435 колебаниям в секунду. Если две струны А находятся рядом и одна из них начала колебаться с собственной частотой из-за того, что ее коснулись, то другая струна также начнет колебаться (естественно, с такой же частотой). Если же первая струна будет вынуждена совершать колебания с некоторой частотой, отличающейся от ее резонансной, то, несмотря на то, что обе струны имеют строй "А", вторая струна не будет колебаться. В сущности, струны представляют собой одновременно передающие и приемные антенны на собственной акустической частоте. Имея это в виду, допустим, что двое детей, живущих на одной улице напротив друг друга, смастерили систему сигнализации из двух параллельных струн, расположенных поперек улицы и соединяющих их дома. При появлении отца вызываются колебания одной струны, а другая струна должна сигнализировать о появлении матери. Если, однако, одна струна колеблется с собственной частотой, то со второй происходит то же. В результате система не сможет выполнять предписанные ей функции: она не будет сигнализировать о появлении только одного из родителей.
В этом смысле электрические схемы похожи на акустические системы, хотя соответствующие частоты намного выше тех, на которых оперируют их акустические аналоги. Электрические схемы, в частности, имеют собственные (резонансные) частоты. Многие из них можно настроить на резонанс на специально подобранных частотах, чтобы, например, они работали в качестве антенн радиовещательных станций. Домашние радиоприемники снабжены подобным образом настраиваемыми контурами, выполняющими функции приемных антенн.


Прискорбным недостатком нашего сумматора считается следующее: хотя ни один из его контуров не резонирует так, чтобы между ними оказались возможными прием и передача сигналов, когда они работают на частоте 1 млн. Гц/с, они действительно работают как передающие и приемные антенны на более высоких рабочих частотах. Поэтому они вносят путаницу в информацию, для обработки которой созданы.
Инженеры-электрики, получившие необходимую подготовку, естественно, знакомы с теорией, которая объясняет подобные явления. Другие устанавливают причину отказа на основе предыдущего опыта. Инженер же, не обладающий ни теоретическими знаниями, ни опытом, никогда не сможет обнаружить причину отказа, пользуясь только дедуктивной логикой. Он попытается исправить схему, действуя ремесленнически наугад, либо получив помощь со стороны, либо проведя заново все исследование, выполненное таким человеком, как Генрих Герц, первооткрыватель электромагнитного излучения - явления, о котором идет речь. Мы считаем работу Герца творческой именно потому, что она заключалась в наблюдении явлений, еще не упоминавшихся ни в одном из имевшихся в то время руководств, и потому, что из наблюдения частностей он вывел обшие закономерности. Этот путь прямо противоположен дедукции.
Инженер безоговорочно погружен в реальный мир. Его творчество ограничено законами этого мира; он, в конце концов, может делать только то, что соответствует этим законам. Но он обречен заниматься своим делом в каком-то подобии кафкианского замка, который даже в принципе покинуть нельзя. Дело в том, что у него нет полного плана, указывающего, какие "комнаты" существуют в этом мире, какие "двери" их соединяют и как эти двери открываются. Когда какое-то устройство, созданное инженером, не работает, он не всегда знает или может установить при помощи только собственных рассуждений, находится ли он на пороге успеха, и лишь его грубые ошибки помешали ему преодолеть этот порог, либо он попал в безысходный тупик. Тогда он вынужден обращаться к своим учителям, коллегам, книгам, чтобы они сообщили или хотя бы намекнули на рецепт, который заставит его равнодушного партнера (природу) вывести его из тупика и указать дальнейший путь.




Программист вычислительных машин - творец миров, в которых он сам является единственным законодателем (так же, как и создатель любой игры). Но миры практически неограниченной сложности можно создавать в форме программ для вычислительных машин. Более того (и именно это является решающим моментом) определенные и построенные подобным образом системы исполняют собственные запрограммированные сценарии. Они охотно следуют этим законам и совершенно определенно демонстрируют свое послушание. Ни один драматург, режиссер или император, сколь бы могущественны они ни были, никогда не могли пользоваться столь абсолютной властью на театральных подмостках или поле брани и командовать такими неуклонно послушными актерами или войсками.
Было бы поразительно, если бы замечание лорда Актона, что власть разлагает, оказалось бы неприменимо к случаю, когда всемогущество достижимо столь просто. На самом деле оно применимо. Разложение, порождаемое всемогуществом программиста вычислительной машины, проявляется в форме, поучительной для сферы, значительно более обширной, чем мир вычислительной техники. Чтобы оценить его, придется обратиться к примеру психического расстройства, хотя и очень давно известного, но, по-видимому, преобразовавшегося благодаря вычислительным машинам в новую разновидность - манию программирования.
Где бы ни организовывались вычислительные центры - в бесчисленных местах в Соединенных Штатах, так же, как фактически во всех промышленных районах мира,-можно наблюдать блестящих молодых людей, всклокоченных, часто с запавшими, но сияющими глазами, которые сидят за пультами управления вычислительных машин, сжав в напряжении руки в ожидании возможности пустить в ход свои пальцы, уже занесенные над кнопками и клавишами, приковывающими их внимание так же, как брошенная игральная кость приковывает взгляд игрока. Если они не находятся в таком трансе, то часто сидят за столами, заваленными машинными распечатками, которые они сосредоточенно изучают подобно людям, одержимым постижением кабалистического текста.


Они работают чуть ли не до полного изнеможения, по 20-30 часов подряд. Еду, если только они о ней заботятся, им приносят (кофе, кока-кола, бутерброды). Если возможно, они спят около вычислительной машины на раскладушках, но всего несколько часов, а затем-снова за пульт управления или к распечаткам. Их измятая одежда, немытые и небритые физиономии, нечесаные волосы-все свидетельствует о том, что они не обращают внимания ни на свое тело, ни на мир, в котором живут. Они существуют, по крайней мере когда они так увлечены, лишь в связи с вычислительными машинами и ради них. Они - "машинные наркоманы", одержимые программисты. Это явление наблюдается во всем мире.
Как же отличить одержимого программиста от просто преданного своему делу трудолюбивого программиста-профессионала? В первую очередь, на основе того, что обычный профессиональный программист занимается задачей, требующей решения, а одержимый программист рассматривает задачу в основном в качестве предлога для обращения к вычислительной машине. Профессиональный программист, как правило, обсуждает с другими свои проблемы, связанные с содержанием задачи и техникой программирования, Обычно он проделывает обширную подготовительную работу (построение блок-схемы, написание программы) прежде, чем приступить к работе собственно с вычислительной машиной. Его сеансы работы с вычислительной машиной бывают сравнительно непродолжительными и он даже перепоручает кому-нибудь работу за пультом управления. Он создает свои программы неторопливо и систематически. Если что-то не получается, он значительную часть времени проводит не возле вычислительной машины, а тщательно продумывает гипотезы, объясняющие отказы, и планирует эксперименты, позволяющие эти гипотезы проверять. И снова сам процесс выполнения программы на машине он может доверить, кому-то. Он способен, ожидая результатов от ЭВМ, заниматься другими аспектами своей работы, например документированием уже законченной части. Когда, наконец, он завершит программу, которую должен был разработать, программист в состоянии составить ее точное описание и перейти к другим проблемам.


Профессионалы считают программирование средством достижения цели, а не целью как таковой. Они удовлетворены решением содержательной задачи, а не тем, что вычислительная машина подчиняется их воле.
Обычно одержимый программист - превосходный "технарь", отлично во всех подробностях знающий вычислительную машину, на которой работает, ее периферийное оборудование, операционную систему и т. п. Часто его терпят в вычислительном центре благодаря его знанию системы и умению быстро, скажем, за один или два сеанса по 20 ч писать небольшие вспомогательные системные программы. Со временем вычислительный центр и в самом деле мог бы использовать ряд его программ.
Однако, поскольку одержимого программиста едва ли можно побудить заниматься чем-либо кроме программирования, он почти никогда не документирует свои программы после того, как кончает ими заниматься. Центр
может попасть в зависимость от него в том, что касается обучения использованию и эксплуатации написанных им программ, структура которых вряд ли кому-нибудь кроме него понятна. Его положение несколько напоминает статут служащего банка, которого, хотя он ничем особенно не занимается, держат на работе потому, что он один знает комбинации замка сейфа. Основные интересы одержимого программиста связаны не с маленькими программами, а с очень большими, очень "престижными" программными системами.
Обычно системы, за создание которых он принимается и над которыми лихорадочно работает иногда месяц, два или три, имеют чрезвычайно претенциозные, но исключительно нечетко сформулированные цели. Вот несколько примеров таких честолюбивых замыслов: новые машинные языки, облегчающие связь человека с вычислительной машиной; универсальная система, поддающаяся обучению любой настольной игре; система, которая облегчает специалистам в области вычислительной техники создание сверхсистем (самая любимая задача.
Для многих таких проектов характерно, что программист может долго считать, будто для их выполнения достаточно лишь знаний в области вычислительных машин, программирования и тому подобных предметов.


Такими знаниями он, конечно, обладает в изобилии. На самом деле работы такого рода часто прекращаются именно в тот момент, когда они теряют свой чисто "кровосмесительный" характер, т. е. программирование приходится прервать для того, чтобы получить информацию из мира вне пределов вычислительной техники. В отличие от профессионала одержимый программист не может заниматься другими задачами, даже тесно связанными с его программой, в те периоды, когда он непосредственно не работает на машине. Он с трудом переносит разлуку с машиной. Если же волею обстоятельств ему приходится с ней расстаться, то по крайней мере с ним остаются его распечатки. Он штудирует их, рассказывает о них всякому, кто согласен его выслушивать, хотя, естественно, никто разобраться в них не в состоянии. Действительно, когда он охвачен своей манией, он не может говорить ни о чем, кроме своей программы. Но единственный момент, когда он счастлив, время, проведенное за пультом управления вычислительной машины. И тогда он не станет беседовать ни с кем, кроме машины. Скоро мы узнаем, о чем они беседуют.
Одержимый программист посвящает работе над своими великими проектами столько времени, сколько ему удается. "Работать" - это, однако, не то слово, которое он использует; то, что он делает, он называет "хакированием". "То hack", согласно словарю, - это "рассекать беспорядочно, неумело или без определенной цели; кромсать с помощью или как бы посредством многократных ударов какого-либо рубящего инструмента" [Прим. перев.: Явление, о котором пишет здесь автор, не проявляется в советских вычислительных центрах в такой крайней степени, хотя для части программистов, действительно, очень характерно пренебрежение к документированию программ и особенно оповещению других о вносимых ими постоянно или время от времени изменениях. Поэтому, насколько нам известно, в отечественном программистском жаргоне соответствующее понятие отсутствует. Поэтому нам, к сожалению, при передаче этого термина пришлось прибегнуть к транслитерации.


Так возникли "хакирование" и "хакер" (кстати, в английском языке последний также является неологизмом)]. Я уже отмечал, что одержимый программист, или хакер, как он сам себя называет, обычно превосходный "технарь". Казалось бы, он не действует "неумело", как это указывается в определении. Однако определение справедливо здесь в том более глубоком смысле, что хакер "действует без определенной цели"; он не в состоянии поставить перед собой ясно сформулированную долгосрочную цель и выработать план ее достижения, поскольку он обладает лишь умением, но не знанием. Он не располагает ничем, что он мог бы анализировать или синтезировать; короче говоря, у него нет предмета для построения теорий. Его мастерство, таким образом, бесцельно, даже беспредметно. Оно просто не имеет никакого отношения к чему-нибудь, кроме того инструмента, с помощью которого оно может быть реализовано. Его мастерство напоминает искусство переписчика в монастыре, хотя и неграмотного, но первоклассного каллиграфа. Следовательно, все эти великолепные проекты должны неизбежно сопровождаться иллюзиями, а именно иллюзиями грандиозности. Он создаст одну грандиозную систему, в рамках которой все остальные специалисты будут потом писать свои системы (Следует отметить, что не все хакеры страдают патологией одержимого программиста, В самом деле, если бы не эта в высшей степени творческая работа людей, гордо называющих себя хакерами, немногие из сегодняшних изощренных вычислительных систем с разделением времени, трансляторов машинных языков, систем машинной графики и так далее вообще существовали бы.)
Конечно, можно создавать системы программирования без плана и без знания, не говоря уже о понимании соответствующих глубоких структурных проблем так же, как можно "хакировать" дома, города, системы плотин и национальную экономическую политику. По мере того как созданные подобным образом системы начинают разрастаться, они также становятся все более неустойчивыми.


Если одна из функций такой системы начинает выполняться непредписанным образом, то можно найти временное решение, обеспечивающее устранение явной неисправности. Когда же нет общей теории для системы в целом, последняя представляет собой лишь более или менее хаотическую совокупность подсистем, взаимное влияние которых на поведение друг друга можно обнаружить только частично и с помощью эксперимента. Часть времени, проводимого за пультом управления, хакер посвящает наращиванию новых подсистем на уже сформированную им структуру (он называет их "новыми средствами"), а остальное время - попыткам найти объяснения неправильного функционирования уже влюченных в систему подструктур. Вот о чем он беседует с вычислительной машиной.
Психологическая ситуация, в которой оказывается предающийся подобным занятиям одержимый программист, в основном определяется следующими двумя явно противоположными обстоятельствами: 1) он считает, что может заставить ЭВМ делать все, что он хочет; 2) вычислительная машина постоянно предоставляет ему неопровержимые свидетельства его неудач. И это - позор для него. Здесь нет выхода. Инженер может смириться с тем, что есть вещи, которые он не знает. Программист же действует в мире, созданном исключительно им самим. Вычислительная машина бросает вызов его могуществу, а не знаниям.
Возбуждение программиста достигает наивысшего, лихорадочного уровня тогда, когда он сталкивается с самой неясной ошибкой: все должно работать, но вычислительная машина тем не менее ведет себя позорно, не так, как следует, причем в самых таинственных, явно не связанных между собой (проявлениях. Именно в таких ситуациях система, созданная самим программистом, показывает, что у нее есть своя собственная жизнь и она определенно выходит из-под его контроля. Это та самая ситуация, когда идея о том, что вычислительную машину можно "заставить делать все, что угодно", становится очень уместной и реальной. Дело в том, что в этих обстоятельствах артефакт неправильного функционирования порожден самим программистом.


Ложное поведение может быть, как мы уже указывали, исключительно следствием того, что сделано самим программистом. А это он, вероятно, в состоянии понять, устранить и переделать таким образом, чтобы результат в большей степени соответствовал его целям. Соответственно он приходит в неистовство и развивает бешеную активность, когда ему кажется, что наконец он нашел источник неприятностей. Если в этот момент время его работы за пультом подходит к концу, то он подвергает свою программу ужасному риску, внося в нее одно за другим в течение минут или даже секунд серьезные изменения, не заботять о таких "пустяках", как регистрация этих изменений, и умоляя дать ему еще минутку. В таких условиях он может очень быстро и фактически безвозвратно погубить результаты многих недель собственного труда. Если же ему удается обнаружить глубоко спрятанную ошибку, которая действительно отвечает за значительную долю неправильного функционирования, его радость неописуема. Он испытывает трепет, видя, как до того умиравшая программа неожиданно возвращается к жизни (по-другому это не назовешь). Когда обнаруживается и исправляется какая-то глубинная ошибка, многие отдельные части программы, не дававшие до тех пор ничего, кроме чего-то совершенно невразумительного, мгновенно становятся покладистыми и выдают предписанные результаты. У диагноста есть основания быть довольным и даже гордиться, если ошибка действительно коренилась где-то глубоко в системе.
Но гордость и воодушевление одержимого программиста очень быстротечны. Его успех заключается в том, что он продемонстрировал вычислительной машине, кто здесь хозяин. И показав, что он может заставить ее сделать то, что было ей предписано, он немедленно решает добиться от нее большего.
В результате весь цикл начинается сначала. Программист начинает "улучшать" свою систему, скажем, увеличивая ее быстродействие, вводя дополнительные "новые средства" или упрощая ввод данных в систему и вывод их из нее. Модификация работающей программы неизбежно приводит к выходу из строя ряда ее подструктур; в конечном счете они представляют аморфную совокупность процессов, взаимодействие которых имеет в сущности случайный характер.


Его явные попытки улучшить и перевести на новый, более высокий уровень свое произведение представляют собой на самом деле подлинное нападение на него же, единственный результат которого - возобновление борьбы одержимого программиста с вычислительной машиной. Если же подрыв собственной работы программиста предотвращается, например, административным решением, то он впадает в депрессию, мрачнеет, перестает интересоваться чем бы то ни было вокруг. Лишь новая возможность поработать на машине может поднять его дух.
Следует подчеркнуть, что нарисованный мною портрет наверняка опознают в любой точке мира, где есть вычислительная машина. Он воплощает разновидность психопатологии, значительно менее расплывчатую, чем, например, слабо выраженные формы шизофрении или паранойи. В то же время это чрезвычайно сильно выраженная форма расстройства, поразившая большую часть нашего общества.
Как же следует относиться к этому наваждению? В первую очередь необходимо убедиться в том, что это действительно мания. Обычно стремление достичь удовлетворения вызывает поведение, для которого характерны пристрастность и самопроизвольность. Удовлетворение подобных желаний вызывает удовольствие. Поведение одержимого программиста вынужденное; в том, как он себя ведет, мало самопроизвольности, и удовлетворение его номинальных желаний не вызывает у него удовольствия. У вычислительной машины он ищет не удовольствия, а ободрения, Аналогией с психопатологией такого рода является неумолимая и неосознанная тяга к утешению, характерная для одержимого игрока.
Одержимый игрок также четко отличается от профессионального игрока. Последний в некотором важном смысле вообще не игрок. (Можно не учитывать шулеров и профессиональных мошенников, поскольку ни те, ни другие не являются явно игроками.) Так называемый профессиональный игрок - это, в сущности, специалист по прикладной статистике и, возможно, по прикладной психологии. Его доходы почти не зависят от удачи. Он знаком с приложениями теории вероятностей и использует ее для подсчета своих шансов, а затем разыгрывает эти шансы в таких комбинациях и совокупностях, которые позволяют ему прогнозировать доход на период, скажем, в год с почти математической точностью.


Это не азартная игра.
Существуют также люди, играющие в азартные игры, но не являющиеся ни профессиональными, ни одержимыми игроками. Для одержимого игрока игра - это все. Даже выигрыш менее важен, чем сама игра. Он счастлив, так сказать, только тогда, когда находится за игорным столом.
Всякий, работавший в вычислительном центре или в казино, двери которых к ночи закрываются, узнает сцену, описанную Ф. М. Достоевским, который сам был страстным игроком, в "Игроке": "В одиннадцатом часу у игорных столов остаются настоящие, отчаянные игроки, для которых на водах существует только одна рулетка, которые и приехали для нее одной, которые плохо замечают, что вокруг них происходит, и ничем не интересуются во весь сезон, а только играют с утра до ночи и готовы были бы играть, пожалуй, и всю ночь до рассвета, если б можно было. И всегда они с досадой расходятся, когда в двенадцать часов закрывают рулетку. И когда старший крупер перед закрытием рулетки, около двенадцати часов, возглашает: "Les trois derniers coups, messieurs!" [Прим. перев.: Три последних игры (букв: удара), господа! (франц.)], то они готовы иногда проставить на этих трех последних ударах все, что у них есть в кармане, - и действительно тут-то наиболее и проигрываются" [Прим. перев.: Цитата из романа "Игрок" приводится по тексту полн. собр. соч. Ф. М. Достоевского в 30-ти томах. - Л.: "Наука", т. V, 1973, с. 292]1.
Достоевский с тем же успехом мог бы описать и машинный зал.
Медицинская литература, посвященная маниакальному пристрастию к игре, в основном занимается психогенезом этой мании и, следовательно, рассматривает ее почти исключительно с психоаналитических позиций. В мои задачи не входят психоаналитические рассуждения. Достаточно лишь отметить, что все психоаналитики, начиная с Фрейда, считали манию величия и иллюзии всемогущества основными компонентами психической деятельности одержимого игрока. Не следует принимать либо отвергать психоаналитические объяснения источников подобных бредовых расстройств (например, что они коренятся в неразрешенных эдиповых конфликтах, порождающих стремление добиться превосходства над отцом, которое ведет в свою очередь к подсознательной мотивации уступать), чтобы присоединиться к психоаналитикам и таким писателям, как Достоевский, в признании ведущей роли мании величия, порождающей бред всемогущества, в одержимости игрой.


Игрок, согласно психоаналитику Эдмунду Берглеру, придерживается трех следующих основных принципов:
субъективно он уверен в своем выигрыше; непоколебимо верит в свою одаренность; считает, что жизнь сама по себе - лишь игра2.
Какие же могут быть основания для уверенности в победе в сугубо случайной игре? Сознавать, что то, как упадет пара игральных костей или какая будет открыта карта, это сугубо случайное событие, то же самое, что сознавать собственную неспособность повлиять на его исход. Вот в этом-то и все дело! Одержимый игрок считает, что ему подчиняется магический мир, доступ в который имеют лишь немногие. "Он верит, - пишет Берглер, - что рок избрал его... и поддерживает с ним связь посредством малозаметных знаков, выражающих одобрение или осуждение"3. Игрок - ученый этого магического мира. Он - толкователь знаков, подаваемых ему роком, точно так же, как ученый, действующий в реальном мире, истолковывает знаки, которые природа посылает всем тем, кто даст себе труд обратить на них внимание, И подобно нормальному ученому одержимый игрок всегда имеет предварительную гипотезу, объясняющую почти все знаки, наблюдавшиеся им прежде, т. е. дающую очень близкую к полной картину интересующих его аспектов вселенной. Критерий адекватности как для научного, так и для "магического" представлений о мире - это способность прогнозировать и при определенных обстоятельствах управлять. Итак, согласно Берглеру, одержимый игрок считает себя "не жертвой, а орудием непредсказуемой судьбы"4.
То, что профану кажется суевериями игрока, на самом деле результаты гипотетической реконструкции игроком того мира, который рок по кусочкам приоткрывает ему. Опыт учит его, скажем, что для выигрыша в день игры он должен прикоснуться к горбуну, положить в левый карман кроличью лапку, не сидеть за игорным столом со скрещенными ногами и так далее. Знания такого рода для него значат то же, что, например, для авиационного конструктора знание математической модели обтекания крыла воздушным потоком.


Поскольку суеверия игрока явно не связаны с перемещениями игральной кости, порядком расположения игральных карт и тому подобным, его гипотезы очень часто опровергаются эмпирически. Любой опровергающий опыт содержит, однако, определенные элементы, которые сопрягаются с основными элементами его гипотетической схемы и сохраняют тем самым ее общую структуру. Проигрыш, следовательно, не означает, что иметь при себе лапку кролика, например, является ошибкой или несущественно, но лишь показывает, что упущен какой-то решающий компонент, гарантирующий успех, Быть может, в последний раз, когда игрок выиграл, за его стулом стояла молодая блондинка. О! Вот оказывается, что: коснуться горбуна, иметь при себе лапку кролика, не скрещивать ноги и за стулом должна стоять молодая блондинка. Когда это средство не срабатывает, он высчитывает, что такая комбинация действует только по четвергам, и так далее, и далее, и далее. Одни элементы объяснений добавляются, другие изымаются, а структура в целом становится все более и более сложной. В конечном счете в распоряжении игрока действительно оказывается концептуальная схема, напоминающая массив научного знания по крайней мере по сложности и запутанности. Он является экспертом по чрезвычайно усложненному миру, доступному лишь нескольким посвященным, которые, упорно работая и рискуя, изучили его таинственную доктрину и язык.
Магический мир, в котором обитает одержимый игрок, не отличается в принципе от миров, где другие, подобным же образом увлекаемые грандиозными фантазиями, пытаются реализовать свои мечты о могуществе. Астрология, в частности, породила чрезвычайно сложную концептуальную схему - систему теорий и гипотез, якобы позволяющую посвященным управлять событиями. Знать, например, что соединение определенных планет, наблюдаемое в какой-то конкретный день, служит неблагоприятным предзнаменованием для осуществления какого-то рискованного предприятия и что иное соединение в другой день благоприятно для этого предприятия, и затем осуществить это предприятие в благоприятную дату - значит пытаться управлять событиями.


Астрологические гипотезы, однако, тоже опровергаются повседневной практикой. Каким же образом астрология и другие магические системы сохраняют свою силу в умах людей? Точно так же, как и гипотезы одержимого игрока. Первый способ защиты концептуальных систем игроков и программистов: любое противоречие между опытом и собственным представлением магического происхождения человек объясняет ссылкой на какие-то другие магические представления. В результате именно такая логическая "кругообразность" обеспечивает сохранение всей структуры магических представлений в целом. Этот способ защиты системы от атак со стороны реальности особенно эффективен, если опровержения поступают no-одному, поскольку в такой ситуации сама демонстрация возможности включения, казалось бы, аномального факта служит подтверждением истинности системы. Чтобы объяснить свое "невезение" в определенный день, игрок может, например, сослаться на то, что он не завязал шнурки на ботинках, хотя, как ему известно, он должен был это сделать. Объяснения такого рода формально эквивалентны (предположению одержимого программиста, что его программа не работает исключительно из-за технических ошибок, допущенных при программировании.
Второй способ защиты: их расширение при помощи введения циклов. Игрок, обнаружив неожиданно, что некоторые его уловки срабатывают только по четвергам, включает это новое "озарение" в уже существующую схему суеверий, т. е. в сущности вводит в ее структуру соответствующий эпицикл. Программист волен каждое очередное затруднение трактовать как некоторый специальный случай, для которого следует специально написать особую подпрограмму, и таким способом он включает этот случай в свою систему. Прибегая к подобному неограниченному наращиванию в своих системах эпициклов, и программисты, и игроки приобретают неисчерпаемый резерв объяснений, позволяющих им обходить даже самые серьезные трудности. И, наконец, концептуальную устойчивость любой магической системы или системы программирования можно сохранять отрицанием, пользуясь словами Майкла Поляни:


"...основ, которые могут поддерживать любую конкурирующую концепцию. Экспериментальные свидетельства в поддержку [конкурирующей концепции] могут приводиться лишь no-одному. Новая же концепция..., которая могла бы занять место [удерживаемое оспариваемой], может быть признана лишь на основе целой последовательности соответствующих событий, а подобные свидетельства не могут накапливаться в сознании [игроков или программистов], если каждое [отдельное свидетельство] будет последовательно признаваться несущественным из-за отсутствия концепции, способной придать ему значимость"5.
Игрок постоянно бросает вызов вероятностным законам; он отказывается признавать их операционное значение и тем самым отказывает им в праве быть основой реалистического озарения. Программа может оказаться неудачной из-за серьезных структурных, математических или лингвистических трудностей, для которых существуют соответствующие теории. Одержимый же программист на большинство проявлений таких неудач отвечает дальнейшими программными ухищрениями и, таким образом, подобно игроку не дает им возможности сгруппироваться в его сознании вокруг соответствующих теорий. Одержимые программисты известны тем, что не читают литературу, посвященную основным проблемам тех областей, в которых они номинально работают. Эти три механизма, названные Поляни логическим кругом, авторасширением и подавлением образования ядер, составляют основу оборонительного оружия истого приверженца магических систем мышления и, в частности, одержимого программиста. Литература по психиатрии свидетельствует о том, что эта патология тесно связана с бредом всемогущества. Убеждение в собственном всемогуществе не приносит, однако, покоя - оно все время требует потверждения. Критерий наличия власти - возможность управлять. Критерий абсолютной власти-точное и совершенное управление. Сталкиваясь с одержимым программистом, нам приходится также иметь дело с его потребностью управлять и его потребностью в уверенности.
Страстная потребность в уверенности составляет, конечно, главную основу науки, философии и религии [Прим.


перев.: Речь идет здесь об определенных системах "договоренностей", которые, как правило, кладутся в основу научных, философских и религиозных систем. Очевидно, возможность опираться на зафиксированную соответствующим образом систему основополагающих концепций (например, в математике это аксиомы, понятие натурального ряда и т. п.) и создает фундамент для "уверенности"]. Стремление же к управлению - неотъемлемый элемент всей техники. В действительности причина нашего столь сильного интереса к одержимому программисту заключается в том, что мы не усматриваем существенного разрыва между его патологическими мотивами и поведением и, в принципе, мотивами и поведением современного ученого и инженера. Одержимый программист - это в чистом виде общеизвестный безумный ученый, получивший в свое распоряжение театр (вычислительную машину), в котором он разыгрывает свои фантастиче с кие спектакли.
Обратимся снова к трем замечаниям Берглера об игроках. Во-первых, игрок субъективно уверен в том, что он выиграет. Точно так же думает и одержимый программист - правда, творящий свой мир на универсальной машине имеет для такой уверенности некоторые реальные основания. Ученые, за некоторыми исключениями, убеждены в том же: то, что наука не сделала, она пока еще не сделала; вопросы, на которые наука не ответила, пока еще не нашли ответа. Во-вторых, игрок, безусловно, верит в свою одаренность. В-третьих, игрок считает, что жизнь сама по себе - всего лишь игра. Аналогично одержимый программист убежден в том, что жизнь - это всего лишь прогон некоторой программы на грандиознейшей вычислительной машине, а потому любой аспект жизни в конечном счете можно объяснить в программных терминах. Многие ученые (за некоторым примечательным исключением) также считают, что все стороны жизни и природы можно в конце концов объяснить в сугубо научных терминах. В самом деле, как правильно указывает Поляни, устойчивость научных убеждений защищается такими же механизмами, которые охраняют и магические системы представлений:


" Любое противоречие между определенным научным понятием и эмпирическими фактами можно объяснить с помощью других научных понятий; существует готовый запас приемлемых научных гипотез, которые используются для объяснения любого мыслимого события... в пределах собственно науки; устойчивость теорий по отношению к реальному опыту поддерживается эпициклическими резервами, подавляющими альтернативные концепции в зародыше" 6.
Итак, можно построить некий континуум. На одном его конце находятся ученые и технократы, во многом похожие на одержимого программиста, на другом-помещаются те ученые, гуманитарии, философы, художники и представители церкви, которые как личности стремятся к достижению понимания других людей, исходя изо всех мыслимых точек зрения. Мировыми делами, судя по всему, вершат технократы, психический склад которых опасно близок психическому складу одержимого программиста. Голоса же в пользу разумности второго подхода слышны все слабее и слабее [Прим. перев.: Здесь автор, в сущности, воспроизводит известную концепцию "двух культур" английского ученого и писателя Чарлза П. Сноу, обратившего внимание на поляризацию и даже раскол духовного мира западной интеллигенции: "на одном полюсе - художественная интеллигенция, на другом - ученые ... Их разделяет стена непонимания, а иногда - особенно среди молодежи - даже антипатии и вражды. Но главное, конечно, непонимание, У обеих групп странное, извращенное представление друг о друге. Они настолько по-разному относятся к одним и тем же вещам, что не могут найти общего языка даже в плане эмоций... На одном полюсе-культура, созданная наукой. Она действительно существует как определенная культура, не только в интеллектуальном, но и в антропологическом смысле. Это значит, что те, кто к ней причастен, не нуждаются в том, чтобы полностью понимать друг друга, что и случается довольно часто. Биологи, например, сплошь и рядом не имеют ни малейшего представления о современной физике. Но биологов и физиков объединяет общее отношение к миру; у них одинаковый стиль и одинаковые нормы поведения, аналогичные подходы к проблемам и родственные исходные позиции.


Эта общность удивительно широка и глубока .... На другом полюсе отношение к жизни гораздо более разнообразно... Но я думаю, что полюс абсолютного непонимания науки не может не повлиять на всю сферу своего притяжения. Абсолютное непонимание, распространенное гораздо шире, чем мы думаем, - в силу привычки мы этого просто не замечаем, - придает привкус ненаучности всей "традиционной" культуре, и часто - чаще, чем мы предполагаем, эта ненаучность едва удерживается на грани антинаучности... Западный мир руководствуется традиционной культурой, и вторжение науки лишь в ничтожной степени поколебало ее господство..." (Ч. П. Сноу. Две культуры и научная революция. - В кн.: Ч. П. Сноу. Две культуры. Сборник публицистических работ: Сокр. пер. с англ. Н. С. Родман/ Ред. и предисл. А. И. Арнольдова.-М.: Прогресс, 1973, с 17-61)]
Существует известный анекдот, который может помочь прояснить этот момент. Однажды темной ночью полицейский набрел на пьяного, который стоя на коленях что-то искал у фонарного столба. Он объяснил полицейскому, что ищет ключи, потерянные где-то там, в темноте. Полицейский спросил его: "Если ключи потеряны "там", почему вы ищете их под этим фонарем?" Пьяный ответил: "Потому что здесь светлее". Именно таким способом действует и наука. Важно осознать это обстоятельство, но неуместно и бессмысленно порицать за это науку. Действительно, разыскиваемое можно найти только там, где освещено. Иногда вы находите даже новый источник света в том круге света, в котором ведете поиск. Существенны две вещи: размер светового круга, составляющего "космос" вашего исследования, и истинный дух исследования. Последний должен отличаться предельно ясным осознанием того, что вокруг - темнота, где существуют источники света, о которых до сих пор исследователю известно очень мало, Наука может продвигаться вперед, рассматривая только упрощенные модели действительности. Первый шаг этого процесса упрощения - абстракция. Абстрагирование означает отказ от учета всех эмпирических данных, не укладывающихся в ту конкретную концептуальную схему, в пределах которой в данный момент наука работает, т.


е. не попадающих в свет того конкретного фонаря, под которым науке сейчас следует искать свои ключи. Олдос Хаксли достаточно ясно заметил по этому поводу:
"В прагматическом смысле [ученые] вполне оправданно действуют столь эксцентрическим и чрезвычайно произвольным образом; дело в том, что, сосредоточиваясь исключительно на измеримых аспектах тех элементов опыта, которые поддаются объяснению в терминах систем, подчиняющихся принципу причинности, они получают возможность достичь очень большой и все растущей степени контроля над природной энергией. Власть, однако, - не то же самое, что постижение сущности, и научная картина мира не есть адекватное представление реальности по той простой причине, что наука даже и не претендует на использование эмпирического опыта в целом, а работает лишь с его определенными сторонами в определенных контекстах. Все это вполне отчетливо сознают люди науки, обладающие философским складом ума. К сожалению, некоторые ученые, многие технократы и большинство потребителей технических новинок не имеют ни времени, ни склонности изучать основания и историю науки. Соответственно они склонны считать картину мира, неявно представляемую научными теориями, полным и исчерпывающим описанием реальности; они склонны рассматривать те элементы опыта, которые ученые не учитывают (поскольку для работы с ними им не хватает компетентности), как нечто менее существенное, чем те аспекты, которые наука произвольно выбрала для абстрагирования из бесконечно богатой всеобщности имеющихся фактов" 7.
Одно из наиболее ясных описаний способа, при помощи которого наука преднамеренно и сознательно планирует искажение реальности, а затем рассматривает искаженную версию как "полное и исчерпывающее" представление, дан ученым-кибернетиком Гербертом А. Саймоном в связи с изложением им своих фундаментальных теоретических позиций:
"В том, что касается принципов своего поведения, муравей весьма прост. Кажущаяся сложность его поведения во времени в основном отражает сложность внешней среды, в которой он функционирует ...


истинность [рассматриваемой] гипотезы не должна зависеть от простоты или сложности микроскопического строения муравья. На клеточном или молекулярном уровне муравьи, безусловно, весьма сложные живые организмы; но подробности устройства внутренней среды муравья почти никак не влияют на его поведение во внешней среде. Поэтому автомат, несмотря на полное отличие его от муравья на микроскопическом уровне, может тем не менее в общих чертах моделировать поведение последнего." ...
"...я подробно остановлюсь на этой гипотезе, только слово "муравей" заменю на "человек".
В том, что касается принципов своего поведения, человек весьма прост. Кажущаяся сложность его поведения во времени в основном отражает сложность внешней среды, в которой он живет" ... "... я полагаю, что гипотеза, о которой идет речь, справедлива для человека в целом ..."8[Прим. перев.: Цитата приводится с минимальными изменениями по тексту русского перевода книги: Г. Саймон. Науки об искусственном: Пер. с англ. Э. Л. Наппельбаума; послесловие О. К. Тихомирова. - М.: Мир, 1972, с. 35-36]
Одним росчерком пера, простой заменой слова "муравей" словом "человек" предполагаемая несущественность микроскопических элементов внутренней среды муравья для его поведения была распространена на несущественность внутренней среды человека в целом для его поведения! За 23 года до Саймона Хаксли указывал (будто слова Саймона звучали в его ушах):
"В связи с престижем науки как источника могущества и общим пренебрежением философией популярное в наше время Weltanschauung [Прим. перев.: Weltanschauung (нем.) - концепция о развитии событий и целей мира] содержит в значительной степени то, что можно было бы определить как мышление в стиле "не что иное, как". Человеческие существа, как более или менее молчаливо подразумевается, - это не что иное, как телесные оболочки, животные, даже машины ... ценности - это не что иное, как иллюзии, перепутанные различным образом с нашим опытом жизни в этом мире; особенности психической деятельности - это не что иное, как вторичные патологические явления. ...


духовное начало - это не что иное, как ... и так далее"9.
Конечно, мы имеем здесь дело не с "популярным" Weltanschauung, а с точкой зрения одного из наиболее уважаемых американских ученых. Кроме того, допущение Саймона о том, что несущественно для поведения человека в целом, не является "более или менее неявным"; наоборот, к его чести, он сделал его совершенно явным.
Саймон к тому же исключительно ясно и определенно показывает нам, каким образом и насколько тщательно ученый устраняет для себя возможность перехода через границу, разделяющую круг света, отбрасываемый его собственными исходными предпосылками, и окружающей его тьмой. Рассказывая, каким образом он проверял тезисы, лежащие в основе его гипотезы, т. е. что человек весьма прост и тому подобное, он пишет:
"Я собрал результаты некоторых опытов, касающихся познавательных возможностей человека, и особенно тех, которые проводились в психологических лабораториях.
Поведение людей при решении криптоарифметических задач, при формировании понятий, заучивании наизусть, хранении информации в кратковременной памяти, обработке зрительных стимулов и при выполнении заданий, требующих использования естественного языка, определенно свидетельствует в пользу справедливости рассмотренных тезисов... обобщения, относящиеся к законам мышления человека, ...получаем на основе экспериментальных данных. Они весьма просты, чего и следовало ожидать, учитывая исходные гипотезы. Более того, хотя общая картина будет постоянно расширяться и проясняться, не следует ожидать существенного ее усложнения. Только свойственное человеку высокомерие вынуждает нас считать, что сложность выбираемого нами пути и причудливость траектории движения муравья объясняются различными причинами!"10[Прим. перев.: Цитата из книги Г. А. Саймона приводится по тому же, что и выше, источнику, с теми же оговорками]
Гипотеза, проверяемая здесь, частично заключается в том, что внутренний мир человека в целом не связан с его поведением.


Можно было бы предположить, что для его проверки будут отыскиваться экспериментальные данные, способные его опровергнуть. Можно было бы, например, изучать поведение человека, перенесшего горе или испытавшего глубокое религиозное переживание. Эти примеры, однако, не легко совместить с методами изучения человека, развитыми в психологических лабораториях. Маловероятно также, что они приведут к получению тех простых результатов, к которым, как ожидается, должны привести экспериментатора его гипотезы. Они лежат в темноте, там, где теоретик на самом деле потерял свои ключи; но насколько же лучше освещение под фонарным столбом, который сам он и воздвиг.
Следовательно, нет вообще никаких шансов за то, что гипотеза Саймона будет опровергнута в его глазах или в глазах его коллег. Круг света, определяющий и ограничивающий область, доступную его зрению, не освещает ни одну из областей, в которых могли бы возникать проблемы, скажем, ценностей или субъективности. Вопросы такого рода, находящиеся, как им и следует, полностью за пределами мира его рассуждений, могут, следовательно, не приводить его к отказу своей концептуальной схемы, имеющей (подобно всем иным магическим системам объяснения) наготове резерв приемлемых гипотез, пригодных для объяснения любого мыслимого события.
Почти вся современная наука и техника обнаруживают синдром поиска пьяного и страдают близорукостью, являющейся его непосредственным результатом. Но, как указывает также Хаксли, эта близорукость не могла бы сохраняться, если бы не наличие свидетельств ее достижений. Наука и техника поддерживаются благодаря тому, что они дают возможность властвовать и управлять. В той же степени, в какой вычислительные машины и вычисления могут считаться частью науки и техники, они пользуются той же кормушкой. Крайность, представляемая одержимым программистом, демонстрирует нам, что вычислительные машины обладают могуществом, достаточным для порождения бреда мании величия. Но этот род могущества вычислительной машины-просто крайний случай могущества, являющегося неотъемлемым элементом всякой системы мышления, находящей в самой себе подтверждение своей истинности.Возможно, мы начинаем понимать, что абстрактные системы - игры, которые люди, работающие с вычислительными машинами, порождают, пользуясь своей безграничной свободой от ограничений, кладущих предел мечтам всех, работающих в реальном мире, - могут терпеть сокрушительные неудачи, если их правила применяются по-настоящему. Нам следует также принять к сведению, что такая же опасность присуща и другим магическим системам, в равной степени оторванным от подлинного человеческого опыта, причем особенно в тех науках, которые настаивают на своей способности включить в свои абстрактные скелетообразные схемы человека в целом.

Теории и модели

Предположим, что группа исследователей, представляющая цивилизацию с высоким уровнем технического развития (типа современного), но незнакомую с вычислительными машинами, натолкнулась на действующую вычислительную машину. Они обнаруживают, что не могут проникнуть в нее, не в состоянии добраться до ее, так сказать, электронейрофизиологических органов. Они замечают в то же время, что всякий раз, когда они печатают что-либо на ее пультовой пишущей машинке, сигнальные лампочки начинают мигать, образуя сложную, но явно упорядоченную картину, ее магнитные ленты время от времени перематываются, а на пишущей машинке отпечатывается некое сообщение, очевидно являющееся ответом на то, что они сами напечатали. Через некоторое время пришельцы выясняют, что магнитные ленты можно снять с вычислительной машины и отпечатать их содержание с помощью другого устройства - быстродействующего печатающего устройства, также обнаруженного ими поблизости. Оказывается, что содержание этих лент можно прочесть, т. е. представить с помощью того алфавита, которым пользуются сами исследователи-пришельцы.

Поскольку эта машина (а пришельцы действительно распознали ее как машину) явно представляет собой инструмент, обладающий определенным поведением, пришельцы, естественно, пытаются выяснить законы этого поведения. Как бы они могли действовать, пытаясь достичь искомого понимания? В самом деле, что может означать понимание законов поведения машины?

Можно, конечно, поставить себя в положение сугубо привилегированного наблюдателя, вроде преподавателя химии, отлично знающего, какое именно соединение он предложил студентам для анализа. Нам известно, что машина, обнаруженная пришельцами, - это вычислительная машина, более того, вычислительная машина, тип которой нам совершенно точно известен и в которую введена программа, также детально нам знакомая. В таком случае мы в состоянии точно оценить степень, так сказать, понимания, достигаемого пришельцами на каждой конкретной стадии их исследования. Если бы, например, они построили собственную вычислительную машину, которая, как позволяет нам судить наше привилегированное положение, является точной копией найденной ими вычислительной машины и даже работает с той же программой, что и прототип, то мы должны будем констатировать, что они понимают этот прототип в той же степени, что и его создатели.

Меньшие достижения также заслуживают квалификации как очень высокой степени понимания. Допустим, например, что пришельцам удалось построить вычислительную машину, внутренние структура и элементы которой кардинально отличаются от структуры и элементов машины-прототипа, а соотношения выходных и входных сигналов совершенно идентичны; другими словами, любая проверка, не позволяющая проникнуть в обе вычислительные машины, не даст возможности определить, какая именно вычислительная машина (найденная пришельцами или построенная ими) воспроизвела соответствующий выход в ответ на соответствующий вход. Может оказаться, что внутренние компоненты обнаруженной пришельцами машины сделаны из проволоки, жевательной резинки и изоляционной ленты, а компоненты ее функционального аналога, построенного ими, - чисто электронные; все это, вообще говоря, не имеет значения, поскольку машина-прототип может не поддаваться детальному внутреннему изучению. (На самом деле, конечно, подобное достижение невозможно в принципе. Может оказаться, например, что вычислительная машина-прототип в связи с особенностями своей конструкции предваряет свое первое сообщение, отпечатываемое пультовой пишущей машинкой, восклицательным знаком исключительно в семнадцатый четверг високосного года. Даже если бы это удалось обнаружить, пришельцы никак не могли бы быть уверены в том, что нет других трюков такого рода, которые, несмотря на их систематический характер, еще не выявлены. Мы, как привилегированные наблюдатели, о подобных вещах, естественно, были бы осведомлены.)
Можно было бы говорить об еще меньшей степени понимания, если бы пришельцы преуспели в разработке какой-то разновидности цифровой вычислительной машины, скажем, простой универсальной машины Тьюринга типа рассмотренной в гл. 2 и затем сформулировали объяснение найденной машины на основе принципов машины Тьюринга. Они в этом случае могли бы найти объяснения и исключительной универсальности машины, и даже тому обстоятельству, что вычисление обращения большой матрицы занимает больше времени, чем обращение меньшей.


С другой стороны, могло бы оказаться, что они не в состоянии объяснить, почему найденной ими вычислительной машине требуется больше времени для исполнения алгоритмов, заданных ей на одном языке программирования, чем для исполнения тех же самых алгоритмов, но записанных на другом языке программирования.
Мы, располагая достаточными познаниями о вычислительных, машинах, понимаем, что различие в скоростях исполнения определяется, скажем, тем, что программы, написанные на первом языке, транслируются на машинный язык построчно и вычислительная машина соответственно и выполняет порожденные таким образом команды на машинном языке. Программа же, написанная на втором машинном языке, например, сначала полностью транслируется на машинный язык и лишь затем вычислительная машина исполняет весь набор порожденных таким образом команд машинного языка. Второй процесс почти всегда сопряжен со значительно большими затратами времени, чем первый.
Вероятно, пришельцы, в конечном счете, нашли бы какое-то объяснение и для этого, и для других сбивающих с толку фактов. Они могли бы, например, предположить, что некоторые языки программирования "ближе" вычислительной машине, чем другие, и могли бы даже провести таксономию языков программирования, исходя из экспериментально обнаруженной степени их близости вычислительной машине.
Понятие близости так же, как и систематика языков программирования, для которой оно служит организующим принципом, станет в таком случае неотъемлемым элементом их информатики. Это понятие, конечно, обладает небольшой объясняющей силой, оно, скорее, вводит в заблуждение. Нам как привилегированным наблюдателям это понять значительно легче, чем пришельцам, столкнувшимся с задачей объяснения явлений неограниченной сложности.
Попробуем продвинуть нашу фантастическую ситуацию на шаг дальше. Допустим, что пришельцы обнаружили не просто одну вычислительную машину, а много вычислительных машин самых различных типов, однако, все они оказались так называемыми одноадресными.


Напомним, что одноадресной называется вычислительная машина, встроенные команды которой имеют вид "код операции; адрес данных, к которым должна быть применена операция".
Если пришельцы сообразительны и им повезет, они обнаружат феномен, который несомненно назовут "лингвистическими универсалиями" [Прим. перев.: Универсалии лингвистические (англ. language universals) - языковые явления (свойства, характеристики), обнаруживаемые во всех языках, свойственные всем языкам (например, имена и глаголы, категория числа и т. п.)] по отношению к грамматической структуре встретившихся им машинных языков. Чтобы объяснить это явление как нечто, не являющееся чистой случайностью (последнее вообще не объяснение), они должны прийти к заключению, что это универсальное для всех встречающихся им языков свойство должно определяться некоторым соответственно универсальным свойством, природным качеством самих машин. И они, как известно привилегированным наблюдателям, конечно, окажутся правы; то обстоятельство, что машинный язык имеет одноадресный формат, - непосредственное следствие конструкции машины.
В самом деле, если предположить, что обнаруженные пришельцами машины - обычные вычислительные машины, а не роботы, т. е. не снабжены ни органами восприятия типа телевизионных глаз, ни исполнительными органами типа механических рук, то все открытия, которые пришельцы совершают, и все развиваемые ими теории должны основываться исключительно на наблюдениях вербального поведения машин. Помимо таких второстепенных, хотя, возможно, и небесполезных проявлений, как мерцание сигнальных лампочек вычислительной машины и вращение время от времени ее бобин с лентой, единственное свидетельство, предоставляемое нам вычислительной машиной и позволяющее судить о ее структуре, - это лингвистические характеристики. Вычислительные машины воспринимают цепочки языковых сообщений, задаваемые в виде текстов, отпечатываемых на пультовых пишущих машинках, и выдают результаты в виде языковых сообщений, фиксируемых с помощью этих же машинок или на магнитных лентах.


В гл. 2 и 3 достаточно подробно обсуждался вопрос о допустимых ходах в абстрактных играх и грамматических конструкциях абстрактных языков. Наша цель - формирование или построение вычислительной машины на основе подобных понятий. В фантастической ситуации, которую мы описали, рассматривается, в сущности, оборотная сторону медали. Мы видим, что, пытаясь понять вычислительные машины в условиях ограничения, не позволяющего в нее проникать, все объяснения следует выводить, основываясь на лингвистических соображениях.
Положение одного человека, распознающего другого, не так уж сильно отличается от того, в какое попадают пришельцы, пытающиеся понять вычислительные машины, на которые они натолкнулись. У нас также чрезвычайно ограничен доступ к той нейрофизиологической основе, которая как будто должна определять, каким образом мы мыслим. К тому же наше нынешнее понимание мышления не очень много выиграло бы, даже если бы мы были в состоянии подвергнуть живой мозг такому анализу, которому мы действительно можем подвергнуть работающую вычислительную машину, т. е. проследить связи, прохождение электрических импульсов и так далее. Наше неведение в области работы мозга в настоящее время столь близко к абсолютному, что мы не могли бы даже приступить к выработке соответствующих стратегий исследования. Мы стояли бы перед открытым мозгом с фантастическими инструментами в руках приблизительно так же, как чернорабочий перед обнаженной начинкой вычислительной машины: благоговея, но явно беспомощно.
Более того, микроанализ функций мозга приносит не больше пользы для понимания каких-то аспектов мышления, чем соответствующий анализ импульсов в вычислительной машине для понимания того, какую именно программу вычислительная машина выполняет. Подобные виды анализа относятся к неподходящему концептуальному уровню. Они могли бы помочь интерпретировать результаты важных экспериментов, но лишь после того, как такие эксперименты будут спланированы на основе теорий значительно более высоких уровней (например, лингвистических).


В действительности ученым мешают такие же препятствия, какие мы воздвигли перед вымышленными пришельцами, и они не могут вступать в контакты с неким всеведущим существом, способным, если оно только пожелает, открыть ученым все тайны мозга. Поэтому неудивительно, что, по крайней мере, некоторые ученые пытаются понять, как устроен человек, примерно тем же способом, который использовали бы наши пришельцы, пытаясь понять обнаруженные ими вычислительные машины, а именно, создавая вычислительные машины с соотношением входов и выходов в максимально возможной степени близким соответствующему поведению людей.
Следует упомянуть работы лингвистов, например Ноама Хомского, даже если они и не предусматривают использование вычислительных машин. Примитивное и совершенно неверное представление о задаче, которой посвятила себя школа Хомского, заключается в систематической записи грамматических правил как можно большего числа естественных языков (например, английского). Если бы в этом заключалась единственная или хотя бы главная цель школы Хомского, то следовало бы ожидать публикации ею целого ряда книг, совершенно не связанных между собой и озаглавленных "Грамматика X", где X обозначает один из множества известных языков человека. На самом деле наиболее серьезное значение имеет рабочая гипотеза Хомского, согласно которой человек генетически наделяется высокоспециализированными способностями и соответствующим набором ограничений, совместно определяющих число и характер степеней свободы, направляющих и устанавливающих границы развития языка человека.
Чтобы понять, как некоторая "специализированная способность" может одновременно служить "соответствующим ограничением", необходимо лишь вспомнить одноадресную машину. То, что эта машина в состоянии декодировать команду машинного языка в терминах ее компонент, одна из которых (скажем, восемь крайних слева бит) представляет собой код операции команды, а другая (остальные биты) - адресную часть, непосредственно определяет недопустимость для данной машины никакого иного формата команды.


Действительно, сама идея грамматической правильности машинной программы в целом, не говоря уже об одной команде машинного языка, предполагает существование некоторых цепочек символов, внешне хотя и выглядящих, как программы, но непонятных и, следовательно, не могущих использоваться в качестве программ. То, что с одной точки зрения является специализированной способностью машины, с другой должно рассматриваться как некоторое ограничение.
Как же тогда, спрашивает Хомский, можно проникнуть в генетически заданные способности, называемые сознанием? Он отвечает, что, учитывая наше практически абсолютное незнание живого мозга, наилучшие шансы определить врожденные свойства сознания связаны с влекущими самые серьезные ограничения принципами некоторой "универсальной грамматики". Следовательно, первоочередная задача лингвиста заключается в записи грамматик, т. е. множеств правил для конкретных языков, грамматик, позволяющих представлять все, но только грамматически правильные предложения соответствующих языков, а затем постулировать принципы, допускающие вывод важнейших свойств всех грамматик такого рода. Этот набор принципов и определит в результате некоторую универсальную грамматику.
Гипотеза Хомского, если рассмотреть ее с другой точки зрения, заключается в том, что правила подобной универсальной грамматики образуют своего рода проекцию описания существенных аспектов человеческого сознания. Он, естественно, не считает, что эти правила известны людям так же, как, скажем, правила деления. Наоборот, люди знают их (пользуясь термином Поляни) неявно, т. е. так же, как знают, каким образом следует поддерживать равновесие во время бега. Между прочим (это справедливо и для речи, и для бега), навык, приобретенный однажды, разрушается при попытках сознательно применять явно сформулированные правила.
Следовательно, Хомский в некотором существенном смысле принадлежит к числу наших мифических пришельцев. Не имея возможности изучать найденный объект (человеческий разум) изнутри и не зная адекватных технических принципов, например нейрофизиологии живого мозга, он решил вывести законы, характеризующие найденные объекты, по данным их лингвистического поведения1.


Столь далеко идущие цели исследований, выдвинутые школой Хомского, оказываются очень скромными по сравнению с целями, сформулированными ведущими учеными направления информатики, называемого "искусственным интеллектом". Герберт А. Саймон и Аллен Ньюэлл, два руководителя одного из наиболее продуктивных коллективов исследователей искусственного интеллекта, работающего в университете Карнеги-Меллона (Carnegie-Mellon University) (Питтсбург) [Прим. перев.: Штат Пенсильвания, США], в частности, еще в 1958 г. утверждали, как следует из их собственных высказываний, что:
"Сейчас существуют машины, которые мыслят, обучаются и творят. Более того, их возможности в этих отношениях стремительно возрастают, и в обозримом будущем спектр задач, доступных им, будет совпадать со спектром задач, для решения которых используется разум человека"2.
Таким образом, они провозгласили, что исследовательские цели новой науки, - искусственного интеллекта, - это не меньше, чем создание некой машины, лингвистическое поведение которой в худшем случае должно быть эквивалентно лингвистическому поведению людей. Если искусственный интеллект реализует эту цель, то будет достигнут следующий и очень высокий (на самом деле) уровень понимания функций человека, о котором шла речь при обсуждении понимания нашими пришельцами функций встреченных ими машин, В этой связи следует сообразить, что пришельцам удалось построить машину, соотношения входных и выходных сигналов которой оказалось невозможным с помощью любых тестов отличить от соответствующих соотношений, обнаруженных ими машин, хотя компоненты обеих машин не обязательно были одними и теми же.
В действительности, цели исследований в области искусственного интеллекта намного амбициознее целей пришельцев, которые просто хотели понять, каким образом найденная ими машина формирует текстовые ответы на предъявляемые ей входные тексты; цель же искусственного интеллекта заключается в понимании того, каким образом некоторый организм справляется со "спектром задач...


совпадающим со спектром задач, для решения которых используется разум человека".
Поскольку разум человека применяет "себя", напри-меp, к проблемам эстетики, для чего ему необходимо использовать осязание, вкус, зрение и слух, искусственному интеллекту придется построить машины, способные ощущать, чувствовать вкус, видеть и слышать. Так как будущее, в котором машинное мышление достигнет высот, провозглашенных Саймоном и Ньюэллом, в момент написания этой книги лишь "обозримо", но еще не наступило, то, вероятно, еще слишком рано гадать, каким оборудованием должны будут располагать машины, чтобы размышлять о таких проблемах, как, например, разочарование в юношеской любви.
Сегодня, однако, существуют машины, главным образом в Массачусетском технологическом институте, Станфордском университете (Stanford University [Прим. перев.: Станфорд, штат Калифорния, США]) и Станфордском исследовательском институте (Stanford Research Institute), снабженные руками и управляемыми вычислительной машиной телевизионными глазами, которые наблюдают за их перемещениями и координируют их. На руках этих машин имеются прижимные подушечки, обеспечивающие им "осязание". Существуют также сотни машин, выполняющих рутинные (и даже не совсем рутинные) химические анализы, и, следовательно, можно считать, что они различают вкус. Осуществлено машинное порождение "человекоподобной" речи довольно высокого качества - эти достижения связаны главным образом с работами Массачусетского технологического института и фирмы Bell Telephone Laboratories. Министерство обороны США и Национальный научный фонд в настоящее время энергично поддерживают работы, посвященные созданию машин, способных понимать речь человека. Честолюбивые цели Саймона и Ньюэлла явно восприняты вполне серьезно как наделенными обширной властью органами правительства США, так и значительной частью научного сообщества.
Учитывая, что у разных людей острота зрения различна, не следует ожидать, что все сегодня могут предвидеть то же будущее, которое уже было зримым для Саймона и Ньюэлла в 1958 г.


Нет нужды и в осознании психологами мощи машинных моделей человеческих функций, чтобы принять грандиозную картину, нарисованную Саймоном и Ньюэллом. Более скромные знаки указывают путь, причем даже более непосредственно.
Чем бы еще человек ни был (а ему присуще еще очень многое), помимо всего прочего человек - это организм, обладающий определенным поведением. Если понимание человеком самого себя носит, по крайней мере, отчасти научный характер, то за наукой должно быть оставлено право допускать, что хотя бы некоторые аспекты поведения человека подчиняются законам, которые наука в состоянии открыть и формализовать в рамках какой-то концептуальной научной системы. Сколь бы наивное и неформальное или, наоборот, сложное и формальное понятие "информации" не существовало бы в вашем сознании, следует согласиться с тем, что человек действует на основании информации (реагирует на нее), с которой он, сталкивается в окружающей его среде, а его действия, особенно вербальное поведение, в свою очередь информирует среду. Следовательно, кем бы еще человек ни был (еще раз отметим, что ему присуще многое), помимо всего прочего, человек - приемник и передатчик информации. Но даже и при этом его роль совершенно очевидно выходит за пределы обыкновенного зеркала, более или менее точно отражающего любые падающие на него сигналы. Дело в том, что человек обращает внимание лишь на малую долю того, что Уильям Джеймс назвал "пышущим красками, гудящим смешением" ощущений, обрушиваемых на него средой, и преобразовывает этот "продукт перегонки" своего мира в воспоминания, различные мысленные образы, речь и литературные произведения, удары по клавишам фортепьяно - короче говоря, в мысль и поведение. Значит, кем бы еще человек ни был (а он является еще очень много кем), помимо всего прочего, человек - система обработки информации.
Ниже я постараюсь придерживаться позиции, что нет ничего дурного ни в рассмотрении человека как некоторой системы обработки информации (или на самом деле чего бы то ни было еще), ни в попытке понять его, исходя из этой позиции (с оговоркой, однако, что мы никогда не действуем так, как если бы человека в целом можно было бы постичь, опираясь на какой-то единственный подход).


Рассмотрение человека как системы обработки информации не является его дегуманизацией и может внести очень существенный вклад в развитие его достоинств; это даст возможность человеку глубже понимать один специфический аспект его человеческой природы. Для понимания человеком своего духовного начала может, в частности, оказаться чрезвычайно важным знание пределов объясняющей силы теории человека как системы обработки информации. Чтобы эти пределы стали известны, теория должна быть разработана достаточно подробно.
Прежде чем приступать к обсуждению того, какой вид могла бы иметь информационная теория человека, подробнее остановимся вообще на теориях и особенно на их связи с моделями. Теория - это в первую очередь некоторый текст, т. е. Конкатенация [Прим. перев.: Конкатенацией в теории формальных грамматик называют специфическую операцию, осуществляемую над цепочками символов (а также и результат этой операции). Так, конкатенацией цепочек x=ab и y=cd называют цепочку z=abcd. Иногда эту операцию называют умножением, а ее результат - произведением цепочек] символов некоторого алфавита. Она является, однако, символической конструкцией также и в некотором более глубоком смысле; сами термины, фигурирующие в теории, - это символы, которые, по образному выражению Эйбрахама Каплана, нащупывают свою денотацию [Прим. перев.: Денотация (англ. слово denotation) - выражение собственно содержания основного значения языковой единицы, в отличие от ее коннотации, или сопутствующих семантико-стилистических оттенков (лингв.)] в реальном мире либо теряют символический характер3. Слово "нащупывают" употреблено Капланом очень удачно и, поскольку выражение "символы "отыскивают" денотацию в реальном мире", равнозначно отрицанию или по крайней мере затенению того обстоятельства, что символические термины теории никогда не могут быть полностью отождествлены с соответствующими элементами реальности.
Дефиниции, определяющие одни слова через другие, предполагают, что последние также должны быть определены.


В науке символы часто определяются в терминах операций. В физике, например, под массой понимается, говоря неформально, то свойство объекта, которое определяет его перемещение при столкновении с другими объектами [Прим. перев.: Операциональное определение применяется в экспериментальных науках и заключается в том, что те или иные объекты определяются через описание специфических измерительных операций] (Если два объекта, движущихся с одинаковыми скоростями, после лобового столкновения оказываются в состоянии покоя, то говорят, что они имеют одну и ту же массу.)
Это определение массы позволяет планировать эксперименты, включающие определенные операции, результат осуществления которых "измеряет" массу объектов. Момент определяется как произведение массы и скорости объекта (mv), ускорение - как производная скорости по времени (a=dv/dt) и, наконец, сила - как произведение массы и ускорения (f=ma). В известном смысле утверждение о том, что сила "определяется" уравнением f=ma, неверно.
Более подходящим является проводимое в некоторых учебниках физики определение, указывающее, что сила - это всякое воздействие, способное породить какое-либо изменение в движении тела4. Различие между двумя понятиями "определения", отмеченное здесь, показывает, что так называемые операционные определения терминов теории обеспечивают основу для планирования экспериментов и открытия общих законов, однако последние затем могут служить в качестве неявных определений входящих в них терминов [Прим. перев.: Неявное определение понятия описывает определенные отношения между определяемыми предметами в некотором контексте]. Из этих, а также других сомнительных особенностей определения следует, что все теоретические термины, а значит, и все теории всегда должны иметь определенную очевидность. Ни один термин любой теории нельзя полностью и окончательно понять. В самом деле, еще раз воспользовавшись (образным выражением Каплана, отметим, что может оказаться невозможным зафиксировать содержание единственного понятия или термина достаточно богатой теории (посвященной, скажем, человеческому познанию) без оценки истинности всей теории5.


Это обстоятельство имеет колоссальное значение для всякой оценки машинных моделей сложных явлений.
Теория, конечно, не просто грамматически правильный текст, в котором используется некоторое множество терминов, символически связанных с реальностью; это систематизированная совокупность формулировок законов. Ее содержание, сама ее ценность как теории определяется по крайней мере в той же степени структурой взаимосвязей ее законов, как и самими ее законами. (Студенты иногда готовятся к экзаменам по физике, заучивая набор формул. Подобные ухищрения памяти вполне могут позволить им проскочить на экзаменах, но едва ли в этом случае можно сказать, что они знают физику, т. е. что, другими словами, они овладели теорией.)
Итак, теория, по крайней мере, хорошая теория, - это не просто некая разновидность банка данных, в котором можно "посмотреть", что будет происходить при таких-то и таких-то условиях. Она скорее напоминает карту (к этой аналогии Каплан тоже прибегает) частично исследованной территории. Ее функции часто носят эвристический характер, т. е. она направляет действия исследователя в процессе дальнейшего исследования. Таким образом, значение теории заключается не в том, что она отвечает на вопросы, а в том, что она направляет и стимулирует осмысленный поиск. Не существует единственной "правильной" карты территории. Аэроснимок некоторого района выполняет эвристическую функцию, например, для специалиста в области планирования использования земельных ресурсов, отличную от той, которую выполняет демографическая карта того же района. Следовательно, одна из возможностей использования теории заключается в том, что она подготавливает те понятийные категории, в рамках которых теоретик и практик будут ставить свои вопросы и планировать свои эксперименты [прим.авт.: Не следует считать, что эта эвристическая функция теории проявляется только в науке. Упомянем лишь один из множества возможных примеров из ненаучной сферы: Стивен Маркус, американский литературный критик, использовал литературоведческие теории, переформулированные на базе психоаналитических представлений, при проведении глубокого антропологического изучения той "инородной, особой и экзотической" субкультуры, которой являлась сексуальная субкультура викторианской Англии. [См.


монографию The Other Victorians ("Другие викторианцы") New York: Basic, Books, 1966]. Позже в предисловии к своей книге Engels, Manchester, and the Working Class ("Энгельс, Манчестер и рабочий класс") (New York: Random House, 1974) он писал: "Настоящую работу можно рассматривать как часть продолжающегося эксперимента ... предпринятого с тем, чтобы установить, в какой степени литературная критика может помочь нам понять историю и общество; посмотреть, как интеллектуальные упражнения, отправной точкой которых служит кропотливый анализ текста, могут помочь в понимании нами определенных социальных, исторических или научных документов". Ни в одной книге теория литературной критики не "прикладывалась", как, скажем, химическая теория может быть "приложена" к химическому анализу некоторой смеси; теории же Маркуса использовались эвристически, подобно тому, как путешественники пользуются картами при исследовании незнакомой территории].
Обычно, говоря о применении теории, мы имеем в виду получение из нее определенных следствий. Под этим, в свою очередь, подразумевается постулирование некоторого набора ситуаций, включающих отдельные элементы теории, и последующее выяснение того, что с точки зрения данной теории из этих конкретных ситуаций следует для других элементов теории. Можно представить экономисту описание экономической ситуации в определенной стране, сообщив ему ряд экономических индексов, входящих в ту экономическую теорию, которой он придерживается. Он может задать нам ряд вопросов, непосредственно, как он укажет, следующих из его теории. Эти вопросы, кстати, больше помогут нам понять, является ли он экономистом марксистского или кейнсианского [Прим. перев.: Джон Мейнард Кейнс (1883-1946) - английский экономист, один из создателей современной "западной" политэкономии. Кейнсианство служит в настоящее время важнейшей теоретической основой государственно-монополистического регулирования капиталистического воспроизводства.


Кейнсианство акцентирует внимание на анализе макроэкономических величин - количественных функциональных зависимостях капиталистического процесса производства, закономерных количественных связях совокупных народнохозяйственных величин. Основные цели кейнсианства - поддержание "эффективного" спроса и полной занятости. Такая ориентация отличает кейнсианство от традиционного предмета исследования политэкономии - общественно-производственных отношений и законов их развития. Согласно марксистской точке зрения между Марксом и Кейнсом в трактовке природы противоречий капиталистической экономики и ее стихийного саморегулирования существует принципиальная и непримиримая противоположность. Маркс считал, что противоречия капитализма проистекают из его природы, имеют антагонистический характер, не могут быть преодолены в рамках капитализма и ведут к его неизбежной гибели. В противоположность этому Кейнс выводил противоречия капиталистической экономики, и прежде всего недостаток эффективного спроса, из "основного психологического закона" ("люди склонны увеличивать свое потребление с ростом дохода, но не в той мере, в какой растет доход") и считал, что эти противоречия можно преодолеть регулированием инвестиций и другими мерами государственной и банковской политики. Весь анализ процесса капиталистического воспроизводства основан у Маркса и Кейнса на принципиально различных концепциях: у Маркса - на трудовой теории стоимости и теории прибавочной стоимости, у Кейнса - на маржиналистских представлениях предельной полезности и предельной производительности.
Более подробные сведения по этому поводу можно найти в "Экономической энциклопедии. Политическая экономия". Т. 2. - М.: БСЭ, 1975 (ст. "Кейнсианство") и в монографии: Б. Селигмен. Основные течения современной экономической мысли: Пер. с англ./ Под общей редакцией и со вступительной статьей А. М. Румянцева, Л. Б. Альтера и А. Г. Милейковского. - М.: Прогресс, 1968] конце концов, мог бы нам представить, поскольку подобные вопросы обнажают структуру его теории, схему взаимосвязей существующих согласно его представлениям экономических законов.


Мы рассчитываем, что в конечном итоге мы узнаем результаты, полученные с помощью его теории, например, что данная страна будет благополучно развиваться или что начнется депрессия. Используя более технический язык, можно сказать, что пустить теорию в работу - значит задать определенные значения (совершенно необязательно всегда числовые) некоторым ее параметрам (реальным объектам, представляемым ее понятиями) и далее методично определять, какие значения назначаются теорией другим ее параметрам. Часто мы приходим к описаниям ситуаций, к которым мы хотели бы применить некую теорию, в результате изучения или измерения какого-то аспекта реального мира. Входные, так сказать, данные для политической теории можно, например, получить в результате опросов общественного мнения. В других случаях наши описания могут иметь полностью гипотетический характер, например, при обращении к физике для выяснения влияния длительного полета со скоростью, близкой скорости света, на способность часов отсчитывать время. Во всяком случае, мы отождествляем определенные понятия теории с тем, что они с нашей точки зрения представляют, ставим им в соответствие описания ситуаций и, в сущности, просим теорию "вычислить" следствия.
Конечно, теория ничего не может "вычислять". Она представляет собой, в конце концов, просто некоторый текст. Однако очень часто нам удается построить на основе теории модель. Существуют модели, способные в совершенно нетривиальном смысле вычислять результаты. Я не имею в виду статические масштабные модели, подобные тем, которые делают архитекторы для демонстрации заказчикам общего вида готового здания. Я не имею в виду и масштабные модели крыльев, которые инженеры-аэродинамики испытывают в высокоскоростных аэродинамических трубах с вертикальным потоком, - это модели тоже статические. Но система, включающая и такое крыло, и высокоскоростную трубу с вертикальным потоком, в котором это крыло "продувается", - это именно такая модель, которую я имею в виду.


Ее важнейшее свойство - способность вести себя аналогично тому, как ведет себя представляемая ею система, т. е. как реальная аэродинамическая поверхность в реальной воздушной массе. Поведение крыла в аэродинамической трубе предположительно определяется теми же законами аэродинамики, которым подчиняется поведение крыльев настоящих самолетов в полете. Таким образом, инженеры-аэродинамики, изучая модель настоящего крыла, выполненную в уменьшенном масштабе, надеются получить нужные сведения о самом крыле.
Связь между моделью и теорией состоит в том, что модель удовлетворяет теории, т. е. модель следует тем законам поведения, которые соответствующая теория вводит в явном виде или которые могут быть из нее выведены. Если задана теория некоторой системы В, то можно сказать, что А - модель В, при условии, что указанная теория B является также и теорией А. Мы принимаем уже упоминавшееся Капланом условие: между моделью и субъектом моделирования не должно существовать причинной связи; дело в том, что если модель должна использоваться в качестве инструмента объяснения, то мы всегда должны быть уверены в том, что все, выясненное нами о моделируемом явлении в процессе изучения его модели, остается справедливым и при устранении модели.
Конечно, люди выводят из теорий следствия и не прибегая к реальному построению таких моделей, как, например, крылья, выполненные в уменьшенном масштабе и предназначенные для обдува в аэродинамических трубах. Однако это не значит, что они получают следствия из теорий, обходясь вообще без построения моделей. Когда психиатр применяет теорию психоанализа к тем сведениям, которые сообщил ему пациент, он использует некоторую мысленную модель пациента, быть может, очень интуитивную, модель, сформулированную в психоаналитических терминах. Можно сказать, что специалист по психоанализу считает изучение своей мысленной модели А пациента B полезным для понимания им своего пациента. С другой стороны, можно сказать, что психоаналитик считает теорию психоанализа применимой к своему пациенту и поэтому строит его модель в психоаналитических терминах, модель, к которой, естественно, также применяется теория психоанализа.


Затем он преобразовывает (возможно, "переводит" - лучшее слово) выводы, полученные при работе с моделью, в выводы, относящиеся к пациенту.
(Во избежание неправильного понимания необходимо добавить, что сколь бы сильно психоаналитик не был увлечен теорией психоанализа и как бы глубоко его установки ей не соответствовали, лечение психоанализом лишь в незначительной степени сводится к непосредственному или формальному применению теории. Тем не менее вполне правдоподобно, что все мы получаем наши выводы о реальном мире с помощью мысленных моделей, структура и в значительной степени содержание которых существенно зависят от явно или неявно разделяемых нами теорий устройства реального мира.)
Благодаря вычислительным машинам возникли совершенно новые взаимосвязи теорий и моделей. Я уже указывал, что теории - это тексты. Тексты записываются на некотором языке. Машинные языки - это тоже языки, и теории можно на них записывать. На самом деле наши текущие задачи не требуют, чтобы мы ограничивались машинными языками или даже различными языками "высшего уровня". Можно оперировать всеми языками, в частности и естественными, которые вычислительная машина окажется способной интерпретировать. Существенно здесь то, что вычислительные машины именно интерпретируют заданные им тексты, другими словами, тексты определяют поведение вычислительных машин.
Теории, записанные в виде программ вычислительной машины, - это обычные теории. Так, физик может представить свою теорию маятника либо в виде системы математических уравнений, либо в виде некоторой программы вычислительной машины. В любом случае ему придется отождествлять "понятия" своей теории (на техническом жаргоне ее "переменные") с тем, чему они должны соответствовать в реальном мире. (Он может сказать, что l - длина нити маятника, р - период его колебаний, g - ускорение, определяемое силой тяжести, и т. д.) Однако программа вычислительной машины имеет преимущество: ее может понять каждый, кто в достаточной степени владеет ее языком (подобно тому, как ее математическая формулировка легко понимается физиком), а также программу можно выполнять на вычислительной машине.


Если программа реализуется с соответствующими значениями, присвоенными элементам модели, то вычислительная машина будет имитировать реальный маятник. На основе имитации можно получить выводы, допускающие непосредственный перевод в выводы, приложимые к реальным маятникам. Таким образом, теория, записанная в виде программы вычислительной машины, представляет собой как теорию, так и при перенесении ее на вычислительную машину и исполнении на ней - некоторую модель, к которой теория применяется.
Ньюэлл и Саймон заметили в связи со своей теорией информационных процессов решения человеком задач, что "теория дает решение тех задач, которые она объясняет"6. Теория, строго говоря, не может "решить" что-нибудь. Модель это может сделать, и в этом-то и заключается смысл их утверждения. Нам, однако, следует вернуться к мучительной проблеме: что решение задачи может объяснить и чего не может.
Чтобы помочь нашей интуиции понять, что значит "поведение" машинной модели, рассмотрим кратко очень простую модель. Из физики известно, и это действительно следует из уравнения f=ma, что расстояние d, которое пролетит некоторый объект, падая в течение времени t, определяется выражением d=at2/2, где а - ускорение силы тяжести.
В большинстве элементарных учебников физики а принимается равным гравитационной постоянной Земли - 9,80665 м/с2, где в качестве единицы длины взят сантиметр, а времени - секунда [Прим. перев.: Строго говоря, здесь имеется в виду не гравитационная постоянная земли, а ускорение свободного падения. Под гравитационной постоянной понимается универсальная физическая постоянная, входящая в формулу, выражающую ньютоновский закон тяготения.
Численно она равна силе взаимного тяготения двух материальных точек массой по 1 кг каждая, расстояние между которыми равно (6,672+/-0,041)x10-11 м3 кг-1 с-2. Под ускорением свободного падения понимается ускорение, сообщаемое свободной материальной точке силой тяжести. Его величина зависит от географической широты места и его высоты над уровнем моря.


Здесь приведено его стандартное (нормальное) значение. В оригинале размерность приводится в английской системе мер].
Само это уравнение является простой математической моделью падающего объекта. Если предположить, что ускорение а действительно постоянная, а именно равно 9,81 м/с2, то можно подсчитать, сколько пролетит наш объект за 4с падения: 4 x 4=16 и 16 x 9,81 x (1/2) = 78,48. Ответ, как понятно даже школьнику, равен 78,48 м.
Математики уже давно записывают так называемые переменные, появляющиеся в уравнениях, в виде отдельных букв. Возможно, они поступают так, чтобы избавиться от писчих судорог или сэкономить мел. Каковы бы ни были их мотивы, эта нотация имеет едва ли не предельно мнемонический характер. Поскольку машинные программы часто предназначены для чтения и понимания людьми так же, как и для исполнения вычислительными машинами, которым до определенных пределов безразлична длина цепочек обрабатываемых ими символов, в программах вычислительных машин для обозначения входящих в них переменных употребляются целые слова. Использование соединения переменных типа ху для обозначения умножения неудобно по другим соображениям. Для этого во многих языках программирования используется символ "*", а для обозначения возведения в степень - символ "**". Итак, там, где математик пишет t2, программист ставит t**2. Уравнение d=at2/2, преобразованное в некоторый оператор программы [прим. авт.: Следует сделать важное замечание технического характера. Хотя представленный здесь "оператор" и является транслитерацией уравнения, которому он соответствует, собственно уравнением он не является. На техническом жаргоне это выражение называется "оператором присвоения". Он присваивает значение переменной "расстояние", которое, в свою очередь, с технической точки зрения есть "идентификатор", т. е. символический адрес ячейки запоминающего устройства, в которой хранится значение, присвоенное соответствующей переменной. В математике под переменной понимается объект с неизвестным значением, но тем не менее он имеет определенное значение, которое можно найти, решив уравнение.


В программировании же переменная может принимать различные значения на разных этапах выполнения программы. В общепринятой математике, например, в школьной алгебре, "уравнение" х=х+1 - бессмыслица, но такая же цепочка символов, появляющаяся в качестве выражения программы, уже имеет значение: 1 следует прибавить к содержимому ячейки памяти, обозначенной через х, и на место указанного содержимого следует занести полученную в результате сумму] , может иметь следующий вид:
расстояние= (ускорение*время**2)/2
Несколько усложним пример. Допустим, что некоторый объект предстоит сбросить со стационарной площадки, скажем, вертолета, зависшего на некоторой высоте над землей. Расстояние этого объекта от земли после того, как он в течение некоторого времени падает, определится выражением
высота объекта = высота вертолета - (ускорение * время **2)/2
И, наконец, допустим, что вертолет летит вперед с некоторой постоянной скоростью, сохраняя при этом неизменной высоту полета. Если бы на объект, сброшенный с вертолета, не действовали никакие аэродинамические силы, то он находился бы точно под вертолетом на протяжении всего падения на землю. Горизонтальное смещение объекта от точки, над которой его сбросили, такое же, как горизонтальное смещение вертолета от этой точки, т. е.
смещение = скорость * время,
где под "скоростью" в данном случае подразумевается скорость вертолета. Итак, с одной точки зрения, мы имеем два уравнения, с другой - два оператора программы, с помощью которых можно вычислить горизонтальные и вертикальные координаты объекта, сброшенного с движущегося вертолета. Их можно объединить и представить в виде небольшого фрагмента программы вычислительной машины следующим образом:

FOR время = 0 STEP .001 UNTIL высота объекта=0 DO;
высота объекта=высота вертолета - (ускорение * время **2)/2;
смещение=скорость * время;
воспроизведение (высоты объекта, смещение);
END
[прим. авт.: В приведенном фрагменте программы использованы так называемые основные символы языка программирования Алгол-60, которые употребляются в английском написании: знаки операций следования FOR (для) и DO (выполнить), разделители STEP (шаг) и UNTIL (до) и операторная скобка END (конец). (Прим.


перев.)]
Это пример так называемого итерационного оператора. Он предписывает вычислительной машине осуществлять определенные действия до тех пор, пока не будет выполнено некоторое условие. В данном случае он сначала предписывает задать переменной "время" значение нуль, затем вычислить высоту и смещение того, что мы будем интерпретировать как падающий объект, после этого вывести на экран вычисленные таким способом координаты (ниже остановимся чуть подробнее на отображении результатов) и, если вычисленное значение высоты не равно нулю, увеличить значение переменной "время" на 0,001 и повторить всю процедуру еще раз, т. е. итерировать процесс. (В этой программе содержится ошибка, которую я для простоты оставил. В том виде, как она приведена, программа никогда не остановится. Чтобы исправить ошибку, выражение "высота объекта = 0" следует заменить выражением "высота объектаМы предполагаем, что вычислительная машина, на которой эта программа будет реализовываться, снабжена встроенным устройством визуального отображения и соответствующей командой отображения. Можно допустить, что устройство визуального отображения вычислительной машины представляет собой


Рис. 5.1. Имитация на экране электронно-лучевой трубки
траектории объекта, сброшенного с летящего вертолета
электроннолучевую трубку типа используемых в обычных телевизорах. Команда отображения обеспечивает передачу в это устройство двух чисел, в данном примере высоту и смещение. Устройство отображения воспроизводит на своем экране световую точку в том месте, координаты которого определяются этими двумя числами, т. е. столько-то сантиметров вверх и столько-то направо от некоторого фиксированного начала координат.
Если ввести несколько дополнительных допущений, например о послесвечении световой точки на экране и синхронизации всей процедуры в целом, то можно представить, что наблюдаемая движущаяся точка - результат киносъемки, зафиксировавшей падение объекта с вертолета (рис. 5.1). Таким образом, возможно и даже необходимо думать о "поведении" вычислительной машины и интерпретировать его как модель падающего объекта.


Для нас не составило бы никакого труда усложнять этот пример последовательно, сначала распространив его на траекторию полета ракеты, запущенной с жестких направляющих, и, используя этот случай в качестве основы, доведя пример до полета искусственного спутника по определенной орбите. В результате мы описали бы, по крайней мере, самые фундаментальнее принципы, лежащие в основе имитаций орбитальных полетов, так часто наблюдаемых нами по телевидению. Однако наши задачи состоят не в этом. Из этого примера можно извлечь уроки, существенные для нашей темы.
Чтобы реально использовать модель, исследователь должен ввести в нее начальные условия, задав значения параметров высоты и скорости, пропустить модель на соответствующей вычислительной машине и наблюдать ее поведение с помощью устройства визуального отображения вычислительной машины. Могут возникать несоответствия между тем, что, как указывает модель, должен делать падающий объект, и поведением его реального прототипа. В частности, модель содержит неявное допущение о том, что на падающий объект не действуют никакие аэродинамические силы, хотя известно, что в реальных условиях существует сопротивление воздуха. В самом деле, если бы сброшенным объектом оказался парашют, то жизнь зависела бы от сопротивления воздуха, замедляющего падение. Модель - это всегда некоторое упрощение, определенная идеализация того, что должно быть моделировано.
Задача модели совершенно определенно заключается не в том, чтобы воспроизводить действительность во всей ее сложности, она, скорее, состоит в том, чтобы четко, часто формально, отобразить все являющееся существенным для понимания какого-то аспекта ее структуры или поведения. Слово "существенно" здесь имеет очень большое значение, не говоря уже о том, что в связи с ним возникают серьезные проблемы. Оно подразумевает прежде всего учет цели. С помощью нашего примера мы хотели понять, как объект падает, а не как он отражает в процессе падения солнечный свет или какой глубины яму он выроет при ударе, если его сбросить с такой-то высоты.


Если бы нас интересовало последнее, то следовало учесть вес объекта, его конечную скорость и т. п.
Мы выбираем для модели те свойства реальной действительности, которые считаем существенными с точки зрения решения нашей задачи. В сложных ситуациях, например, при моделировании роста, упадка или обновления города, сам выбор того, что существенно, должен быть, по крайней мере частично, актом принятия решения, причем часто политического или культурного характера. И в таком случае акт решения должен неизбежно основываться на интуитивной мысленной модели исследователя. Проверка модели может обнаружить, что какие-то существенные элементы в ней не учтены! Тогда снова возникнет необходимость принять решение, чтобы установить, какими могли бы быть эти элементы и "существенны" ли они с точки зрения той цели, ради которой модель создается. Окончательные критерии, в в основе которых лежат намерения и цели, устанавливающие, какими они должны быть в конечном счете, определяются индивидуально разработчиком модели т е человеком.
Проблема, связанная с вопросом о том, что "существенно" и что - нет, вызывает осложнения и еще в одном отношении. Модель отличается от объекта, который она моделирует. Следовательно, она обладает свойствами, которых не имеет ее прототип. Пришельцы, о которых говорилось выше, могли бы построить функциональную модель найденной ими вычислительной машины, воспользовавшись оптическими волокнами и световыми затворами, считая, что свет существен для нее в то время как в настоящей вычислительной машине использовались провода и электронные вентильные схемы (см. гл. 3). Их информатика могла бы включать, например, значительные разделы физической оптики и так далее. Действительно, можно строить вычислительные машины, используя оптические волокна и подобные элементы. Их логические схемы, т. е. проекты, до определенной степени неотличимы от проектов соответствующих электронных вычислительных машин, поскольку имеют одинаковую структуру. В вычислительной машине существенна организация ее компонентов, а не из чего эти компоненты сделаны (до определенной степени).


Другой пример: есть люди, считающие, что можно построить машинную модель мозга человека на неврологическом уровне. Подобную модель, естественно, в принципе можно описать в строго математических терминах. Поэтому некоторые предлагают считать, что язык, используемый нашей нервной системой, должен являться языком нашей математики. Подобное заключение является ошибкой именно того рода, которую мы имеем в виду. Джон фон Нейман, великий пионер вычислительной техники, коснулся этого обстоятельства:
"Возможно, что, когда мы говорим о математике, мы обсуждаем некоторый вторичный язык, надстроенный над первичным языком, фактически используемым в центральной нервной системе. Таким образом, внешняя форма нашей математики не является абсолютно существенной с точки зрения оценки того, что представляет собой логический и математический язык, действительно используемый в центральной нервной системе"7[Прим. перев.: Цитата приводится по тексту русского перевода (см. [7]). курсив Дж. фон Неймана].
Одна из функций модели - проверка теорий в крайних случаях. Я уже упоминал, что вычислительные машины могут воспроизводить фильмы, моделирующие поведение материальной точки при предельных значениях релятивистских скоростей. Нашу простую модель падения объектов можно в описанной здесь форме использовать для имитации, а следовательно, и для расчета падения некоторого объекта с космического корабля, находящегося вблизи поверхности Луны. Все, что нам необходимо для этого сделать - это задать значение ускорения в соответствии с силой тяжести на поверхности Луны (при условии, конечно, что космический корабль не находится на такой большой высоте над поверхностью Луны, при которой влияние гравитационного поля Луны претерпевает существенные изменения - это еще одно неявное допущение). Для этого упражнения в имитации наша модель не должна содержать какие-то элементы, соответствующие сопротивлению воздуха или иным аэродинамическим эффектам: Луна не имеет атмосферы. (Вспомним, как американский астронавт одновременно ронял над лунной поверхностью перышко и молоток и они достигали ее одновременно.)


Известно, однако, что гравитационное поле Луны различно в разных точках. Считается, что его вариации вызываются так называемыми масконами - сгущениями массы в теле Луны, которые действуют подобно гигантским магнитам, неравномерно погребенным в ее глубинах.
Гипотеза масконов была выдвинута для того, чтобы учесть отклонения траекторий космического корабля, наблюдавшиеся при облете Луны. В сущности, это - уточнение обсуждавшейся нами модели падения тела. Уточненная модель получается в результате подстановки сложного математического выражения (другими словами, стандартной подпрограммы) вместо одного элемента нашей простой модели - "ускорения". Я упоминаю об этой гипотезе для того, чтобы проиллюстрировать процесс уточнения модели, целесообразный в нашем случае, при необходимости учесть новые и неожиданные наблюдения. Однако введение масконов не является единственной возможностью расширения теории и ее машинной модели. Можно было бы, например, выдвинуть гипотезу, что Луна окружена турбулентной эфирной мантией, волны и вихри которой и вызывают отклонения поведения космического корабля. Существуют сотни самых веских оснований для того, чтобы отвергнуть эту гипотезу, но. хороший программист, снабженный большим количеством данных, мог бы (более или менее) легко уточнить модель, с которой мы начинали работать, добавив "стандартные подпрограммы эфирной турбулентности", так что, в конце кондов, модель вела бы себя так же, как наблюдавшийся космический корабль. Подобная модель уже не казалась бы простой. На самом деле, именно сложность этой модели в сочетании с обеспечиваемой ею точностью вычислений могла бы сообщить ей определенное правдоподобие.
Выше я указал, что ценность теории заключается не столько в совокупности устанавливаемых ею законов, сколько в объединяющей их структуре. Недостаток, связанный со способом уточнения модели, вытекающим из подобной гипотезы "эфирной турбулентности", состоит в том, что в результате на уже существующую структуру налагается еще одно "лоскутное объяснение".


Оно является заплатой в том смысле, что не имеет никаких оснований в уже имеющейся структуре. Машинные модели, как мы уже убедились, обладают некоторыми преимуществами по сравнению с теориями, сформулированными на естественном языке. Последние, однако, обладают тем преимуществом, что трудно скрыть поставленные на них заплаты. Если теория, записанная на естественном языке, представляет собой в действительности множество заплат и заплат, поставленных на заплаты, то само ее построение сделает очевидным отсутствие у нее структурированности. Хотя специалист и может обнаружить невыразительность структуры программы вычислительной машины, построенной подобным же образом, выявить недостатки такого рода по характеру работы программы нелегко. Таким образом, эксплуатационные характеристики программы сами по себе не служат адекватным подтверждением ее правильности как теории.
Я уже упоминал об эвристической функции теорий. Поскольку модели, представленные в форме машинных программ, также являются теориями (по крайней мере некоторые программы заслуживают того, чтобы их таковыми считали), постольку сказанное мной о теориях в принципе применимо также и к ним, быть может, даже еще больше, в следующем смысле: чтобы получать следствия из дискурсивных теорий, даже для установления их согласованности и непротиворечивости, необходимо, как я указывал, промоделировать их каким-нибудь образом, т. е. необходимо, чтобы они были промоделированы в мышлении человека [Прим. перев.: по Канту, дискурсивное познание возникает из рассудка, в противоположность интуитивному познанию, покоящемуся на непосредственном созерцании. Дискурсивное знание - рассудочное, опосредствованное, полученное в результате связного рассуждения на основе предшествующего опыта знания; процесс связного, строго последовательного, ясного рассуждения, в котором каждая последующая мысль вытекает из предыдущей и обусловливает последующую]. Сама красноречивость утверждений, особенно в глазах их авторов, может придать им убедительность такой силы, которой они едва ли заслуживают.


К тому же, между выдвижением теории и ее проверкой в умах людей может пройти много времени. Ошибки программ вычислительных машин проявляются быстро и определенно, особенно в случаях отсутствия непротиворечивости. В умелых руках машинное моделирование обеспечивает быструю обратную связь, которая может приносить терапевтический эффект именно благодаря ее незамедлительности. Машинное моделирование, таким образом, чем-то напоминает поляроидную фотографию: трудно считать, что сделана выдающаяся фотография, если налицо пример обратного. Как заметил Патрик Суппес:
"Попытка точно определить модели эмпирической теории почти неизбежно приводит к более ясному пониманию истинного характера этой теории. Бессодержательность и поверхностность многих классических теорий общественных наук легко обнаруживаются при попытке хоть сколько-нибудь точно сформулировать, что представляет собой модель такой теории. Такая теория, которая, главным образом, состоит из интуитивных замечаний и эвристических лозунгов, непригодна к подобному обращению. Усилия, прилагаемые для того, чтобы точно сформулировать ее, обнажать одновременно слабость этой теории"8.
Проблема заключается в определении того, какого рода теории "допускают такое обращение".

Машинные модели в психологии

Очень сложная идея достигает иногда сознания людей в столь сильно упрощенном виде, что становится чуть ли не карикатурой на оригинал. И тем не менее эта бесплотная тень исходной идеи может привести к драматическому изменению общепринятых представлений о реальности. Обратимся, например, к эйнштейновской теории относительности. Мы, вероятно, никогда не поймем, каким образом и почему эта сугубо абстрактная математическая теория вообще привлекла внимание широкой публики, не говоря уже о том, почему на некоторое время она превратилась буквально во всеобщее помешательство, а ее автор стал героем поп-культуры. Но та же публика, ухватившаяся за миф о том, будто лишь пять человек в мире в состоянии понять эту теорию, и выказывавшая, таким образом, свое благоговение перед ней, относилась к этой теории также и как к новой основе для культурного плюрализма: в конце концов, ведь теперь наукой установлено, что все относительно.

Более свежий пример: отношение общества к работе Ф. Крика и Дж. Уотсона, которым была присуждена Нобелевская премия в области медицины 1962 г. за исследования молекулярной структуры ДНК - нуклеиновой кислоты, содержащейся в живой клетке и являющейся носителем наследственной информации. И в этом случае сугубо специальные результаты, сообщаемые на языке, не вполне доступном "человеку с улицы", были крайне примитизированы и чрезмерно обобщены в глазах общества, породив популярное сейчас представление о том, что уже возможно создавать человеческие существа, обладающие заранее предписанными свойствами. Мгновенно широкая публика создала образ позитивной евгеники [Прим. перев.: Евгеника - наука об использовании генетических принципов для улучшения наследственных качеств человеческих популяций (рас). Ее принципы впервые были сформулированы Ф. Гальтоном (1869), предложившим изучать влияния, которые могут улучшить наследственные качества (здоровье, умственные способности, одаренность) будущих поколений. Евгенику разделяют на позитивную и негативную. Первая исследует возможности размножения или сохранения аллелей [форм состояния гена, вызывающих фенотипические различия, расположенных в одинаковых участках гомологичных (парных) хромосом], обусловливающих желательный фенотип (совокупность всех признаков и свойств организма, сформировавшихся в процессе его индивидуального развития).
Негативная евгеника изучает методы борьбы с распространением или увеличением частоты аллелей, обусловливающих нежелательный фенотип. Идеи евгеники, однако, использовались и для оправдания расизма (фашизма). В современной науке многие проблемы евгеники решаются в рамках генетики человека, в том числе в медицинской генетике. Правомерность употребления термина "евгеника" остается спорной], основанной не на таких примитивных и (как я надеюсь) вызывающих отвращение методах, как уничтожение или стерилизация "неполноценных", а на создании сверхчеловека техническими средствами. Общим в обоих этих примерах является то обстоятельство, что каждый из них внес в обыденное сознание общества новые метафоры.
Метафора - это, по словам Ричардса, "по существу, взаимное заимствование и взаимосвязь мыслей, сделка между контекстами"1. Часто эвристическая ценность метафоры состоит не в выражении некоторой новой идеи (что она - метафора может делать, а может и не делать), а в стимулировании побуждения перенести инсайты, возникшие в связи с одним из ее контекстов, в другие ее контексты. Функция метафоры, таким образом, очень сходна с функцией модели.
Привлечение внимания человека к такой ситуации не обязательно приведет к появлению у него какой-то новой идеи, но это позволит ему вывести новые представления в результате перестановки двух контекстов, ни один из которых для него сам по себе не нов, однако связь между ними прежде им никогда не устанавливалась.
Ни идея движения одного объекта относительно другого, ни то, что человек, в сущности, - некоторый физический объект, не являлось новостью для общественного сознания в 20-х и 60-х гг. этого века. Когда же пресса в силу определенных причин начала кампанию в пользу теории Эйнштейна, воображение общества было поражено тем, что, как оказалось, наука объявила относительность фундаментальным и универсальным явлением. Таким образом, девиз "все относительно" превратился в формализованную концептуальную схему, пригодную, по крайней мере потенциально, для перенесения в любую другую область рассуждений, в частности, в качестве объясняющей модели, узаконивающей культурный плюрализм.


Результаты, полученные Криком и Уотсоном, упали на почву, уже подготовленную имевшимися, у широкой публики смутными представлениями о вычислительных машинах, схемах их элементов и узлов, теории информации (с ее упором на коды и кодирование) и, конечно, несколько более точными представлениями о менделизме [Прим. перев.: Менделизм - учение о закономерностях наследственности, положившее начало генетике как науке. Заложено Грегором Иоганном Менделем (1822-1884), австрийским естествоиспытателем. Менделизм сыграл в биологии революционизирующую роль, доказав, что наследственные факторы имеют корпускулярную, дискретную природу, а их переход от поколения к поколению определяется статистическими закономерностями], наследовании признаков и т. п. В результате людям было нетрудно рассматривать "раскрытие" генетического кода как расшифровку некоторой программы вычислительной машины, а то, что структура молекулы ДНК представляет собой двойную спираль, - как развертывание основной схемы соединений вычислительной машины.
Соединение такой концептуальной схемы с концептуальной схемой, рассматривающей человека в качестве некоторого физического объекта, фактически неизбежно приводит к выводу, что человека можно спроектировать и построить по заранее составленной подробной спецификации.
Нет смысла сетовать на то, что Эйнштейн никогда не предназначал свою теорию для роли одной из составляющих только что описанной метафоры. В конце концов, просто необходимо, чтобы два контекста, соединяемых метафорой, сначала были разъединены, так же как (выше я подчеркивал это) модель не обязана находиться в причинной связи с тем, что она моделирует. Осложнения, связанные с упоминавшимся употреблением двух метафор, заключается в том, что в обоих случаях эти метафоры были чрезмерно расширены.
Эйнштейн, имел в виду, что не существует какой-то фиксированной, абсолютной пространственно-временной системы отсчета, в пределах которой физические явления находят свою судьбу. Следовательно, всякое описание физического явления (и в этом смысле всего, что угодно) должно быть связано с некоторой определенной пространственно-временной системой отсчета.


Перепрыгивать отсюда к тому, что "все относительно", - значит зайти в игре словами слишком далеко.
Вклад Эйнштейна состоял в том, что движение, наперекор существовавшему до тех пор убеждению, не абсолютно. Когда кто-то из теории Эйнштейна делает вывод, что, скажем, богатство и бедность относительны в том отношении, что важны не абсолютные величины доходов богатого и бедного, а их соотношение, то он незаконно придает метафоре статус научного вывода.
Пример из области молекулярной биологии иллюстрирует другой аспект чрезмерного расширения метафоры: степень, в которой человек как биологический организм нами изучен, крайне преувеличивается. Результатом в лучшем случае является преждевременный отказ от соответствующих идей. Другими словами, метафора предполагает веру в то, что все, что должно быть известно, - известно.
Вычислительная машина послужила источником мощных и часто полезных метафор. Любопытно, что точно так же, как в уже приведенных примерах, восприятие публикой машинной метафоры основывается лишь на самом смутном понимании трудной и сложной научной концепции (в данном случае-теории вычислимости и результатов Тьюринга и Чёрча, касающихся универсальности определенных вычислительных схем). Публика смутно понимает, что в принципе с помощью вычислительной машины можно осуществить любую эффективную процедуру, и тем не менее она твердо убеждена в этом.
Поскольку человек, природа и даже общество реализуют процедуры, явно являющиеся в том или ином отношении "эффективными", то отсюда следует, что вычислительная машина может по крайней мере имитировать человека, природу и общество во всех их процедурных аспектах. Таким образом, все (снова это слово!), по меньшей мере потенциально, поддается пониманию в рамках машинных моделей и метафор. Действительно, на основе незаконного обобщения терминов "эффективный" и "процедура" термин "понимание" также получает новое определение. Для тех, кто полностью находится во власти машинной метафоры, понять X - значит быть в состоянии написать программу для вычислительной машины, реализующую X.


Яркий пример этого феномена дает профессор Марвин Минский, директор Лаборатории искусственного интеллекта Массачусетского технологического института [Прим. перев.: М. I. T.'s Artificial Intelligence Laboratory], который пишет:
"Для того чтобы (вычислительные машины) могли создавать по-настоящему хорошую музыку или очень выразительные картины, несомненно потребуется разработка в этих областях лучших семантических моделей. То, что такие модели отсутствуют, есть не столько отражение состояния эвристического (машинного) программирования, сколько результат традиционно постыдного состояния критического анализа искусства - отражение в культуре обстоятельства, что большинство специалистов по эстетическому анализу приходят в совершенное негодование, когда высказывается предположение о возможности понять, что они пытаются понять"2.
Очевидно, то, что Минский подразумевает под "пониманием" музыки или живописи, полностью отличается от того, что вкладывали в этот термин, скажем, Моцарт или Пикассо. Одно из употреблений Минским слова "понять" в процитированном отрывке - это, в сущности, игра слов, хотя, как я считаю, бессознательная. Сама непреднамеренность этого использования свидетельствует о том глубоком влиянии, которое оказывает на него указанная метафора [прим. авт.: Следует сказать, что профессор Минский принял машинную метафору не по простоте своей из-за неправильного понимания теории вычислимости и ее следствий. Совсем наоборот, будучи заслуженно общепризнанным авторитетом в области информатики, он принял эту метафору обдуманно и преднамеренно].
Это новое определение понимания сейчас очень широко распространено, причем не только в явном виде в научных кругах, но и неявно в массовом сознании. Оно влечет за собой, как печально констатирует психолог Джордж А. Миллер,
"что единственная причина, из-за которой что-то не может быть осуществлено с помощью универсальной машины Тьюринга, это то, что мы не понимаем этого "что-то".


При принятии этой интерпретации того, что входит в состав "понимания", любая попытка представить контрпримеры выливаются просто в признание собственно-то невежества или, если вы упорствуете в утверждении, что в состоянии понять нечто, не поддающееся описанию вами в явном виде, то вы становитесь типичным представителем категории людей, известных как мистики"3.
Другими словами, машинная метафора стала еще одним уличным фонарем, под которым (причем исключительно под ним) люди ищут ответы на свои жгучие проблемы.
Ни одна ветвь науки не воздвигала этот уличный фонарь более сознательно и с большим энтузиазмом, чем психология. Джордж Миллер пишет:
"Многие психологи в последние годы считают само собой разумеющимся ... что люди и вычислительные машины - это просто два различных вида одного более абстрактного рода, носящего название "системы обработки информации". Понятия, описывающие абстрактные системы обработки информации, должны в силу необходимости описывать любые частные примеры таких систем"4.
Сужение взгляда, характерное для современной науки, точно так же, как и сужение поля зрения, создаваемое микроскопом, вполне оправданно и заслуживает поддержки, поскольку оно позволяет наблюдать то, что было бы нам в противном случае недоступно. Наука и техника имеют, к их чести, значительные достижения. Учитывая глубину проникновения машинной метафоры в психологию, естественно спросить, оправданно ли ее присутствие там, т. е. дает ли она ощутимые результаты.
Влияние, оказанное вычислительной машиной на психологию, в качестве быстродействующего арифмометра, хотя несомненно чрезвычайно велико, едва ли можно оценивать в терминах "ощутимых достижений". Психология долго пыталась стать "научной", имитируя науку, добившуюся наиболее впечатляющих успехов, - физику. Однако, судя по всему, психологи очень долго имели превратное представление о том, что именно сделало физику в каком-то смысле наукой в большей степени, чем психология.


Подобно социологии психология ошибочно приняла наиболее поверхностное свойство физики - ее кажущееся пристрастие к числам и математическим формулам - за ту сердцевину, которая и делает ее наукой. В результате значительные разделы психологии максимально математизировались, вводились количественные оценки, числовые данные отождествлялись с переменными (предпочтительно снабженными индексами в виде греческих букв) и эти новые переменные обрабатывались с помощью систем уравнений (предпочтительно дифференциальных уравнений) и матриц подобно тому, как это делается в физике.
Количество усилий, посвященных этой программе само по себе должно было бы гарантировать получение полезных результатов. Психометрия, например, была и продолжает оставаться почтенным занятием. И не может быть никаких сомнений в том, что практика, предоставленная психологией статистике, дала последней чрезвычайно много, так же, как она много приобрела в период своего младенчества в результате ее применения к азартным играм. Возможно, что вознаградила она обоих своих патронов почти одинаково.
Часто говорят, что вычислительная машина - обычное орудие труда. Функция слова "обычное" в этом высказывании - способствовать заключению о том, что вычислительная машина не может иметь очень важного значения в каком-либо фундаментальном отношении, поскольку сами по себе орудия труда особого значения не имеют.
Я доказывал уже, что орудия труда определяют воспроизведение действительности творческим воображением человека и, следовательно, позволяют человеку изучать себя как личность. И тем не менее массовое сознание, воспринимающее вычислительную машину как принципиально тривиальное орудие труда, основывается на верном интуитивном представлении: вычислительная машина, которая используется в качестве "числовой мельницы" (просто как быстродействующий арифмометр, а она так и используется, особенно в науках о поведении), часто, как также подчеркивал Джордж Миллер, оснащает "мускулами" аналитические методы, более мощные, чем те идеи, которые эти методы позволяют прояснить.


"Методологический ригорист, - пишет Станислав Андрески, - подобен повару, который стал бы демонстрировать вам сверкающие плиты, миксеры, соковыжималки и так далее, даже и не пытаясь приготовить что-нибудь пригодное для еды"5. Быстродействующая "числовая мельница" в руках многих психологов становится просто их новейшим, самым надраенным и наиболее импозантным миксером-соковыжималкой.
Когда вычислительная машина используется в психологии (или в любой другой сфере) исключительно в качестве числового инструмента, то обычно она не приводит к обострению зрения, т. е. она несопоставима с микроскопом. Следовательно, нереалистично ожидать, чтобы подобное использование вычислительной машины привело к обнаружению невидимых прежде миров или позволило отчетливо рассмотреть то, что являлось до этого смутными картинами. В связи с тем, что представление о человеке как об одном из видов, относящихся к роду "систем обработки информации", привлекает наше внимание к одному аспекту человека и побуждает оставить в тени все те его аспекты, которые не освещаются этой точкой зрения, у нас есть основания спросить, какой ценой оплачивается такая позиция.
На подобный вопрос нельзя дать окончательного ответа, поскольку радиус действия созидательной аналогии метафоры всегда должен, в силу самой ее природы, оказываться неожиданным и, следовательно, не поддающимся измерению заранее. Заранее можно сказать, что способность метафоры порождать инсайты зависит в основном от богатства соединяемых ею контекстов, от их потенциального взаимного резонанса. Степень, в которой этот потенциал реализуется, зависит, естественно, от того, несколько глубоко участники творческого метафорического акта владеют обоими контекстами. Вот почему, в частности, специалист в области вычислительной техники, не знающий ничего, кроме вычислительных машин (Fach Idiot [Прим. перев.: Узколобый специалист (нем.)]), как немцы называют такого человека), не может извлечь из своей компетентности обильного интеллектуального продукта и обречен, таким образом, навсегда остаться хакером.


Поэтому же машинная метафора, как указывает Джордж Миллер, "наиболее продуктивна в тех областях, где на основе предыдущих исследований уже заложен прочный фундамент теории"6.
Одна область психологии была очень хорошо подготовлена к тому, чтобы извлечь пользу от привлечения той разновидности "процессного" мышления, которая характерна для специалистов в области информатики: область, связанная с познавательными процессами, лежащими в основе сбора и запоминания информации. Колоссальное количество экспериментов было посвящено, в частности, задаче запоминания так называемых бессмысленных слогов. Один из видов экспериментов, выполнявшихся в бесчисленном количестве психологических лабораторий, заключался в предъявлении испытуемому, скажем, десятка пар трехбуквенных слогов одного за другим, причем он должен был каждый раз (за исключением первого) после предъявления первого элемента пары сказать, каким должен быть второй. Слоги тщательно выбирались так, чтобы они были бессмысленны. Например, "CAT" не является бессмысленным словом, а "РАО" является [Прим. перев.: Один из приведенных слогов является одновременно и английским словом (CAT - кошка), другой представляет собой не имеющее смысла сочетание букв]. Испытуемым последовательно предъявлялся список, по одной паре в каждый момент времени, и эта процедура повторялась до тех пор, пока они не оказывались в состоянии дать правильный ответ для каждого задаваемого стимула. Эдуард А. Фейгенбаум сообщает в связи с этим:
"Явления заучивания хорошо исследованы, они устойчивы и воспроизводимы. К типичным особенностям поведения испытуемых, например, относятся следующие явления:
а) чаще наблюдаются отказы от ответа, чем ошибочные ответы;
б) ошибочные ответы, как правило, вызваны тем, что испытуемый путает сходные стимулы или похожие реакции;
в) испытуемый может забыть ассоциацию, которую он с успехом воспроизводил в нескольких пробах подряд; после этого она может снова появиться и снова исчезнуть; это явление названо осцилляцией;


г) пусть испытуемый сначала заучил список слогов или пар слогов х, а затем другой аналогичный список у; тогда при последующей проверке списка х испытуемый показывает более низкие результаты, чем при проверке через такое же время без вклинивания списка у; такое забывание называют "ретроактивным торможением"; ошибочные ответы при повторном испытании обычно оказываются слогами из списка у; это явление быстро исчезает; обычно после одного повторения списков список х полностью восстанавливается в памяти;
д) обучение требует тем большего числа проб, чем более сходны слоги-стимулы"7[Прим. перев.: Цитата из статьи Э. А. Фейгенбаума приводится по тексту русского перевода, выполненного Г. М. Ховановым (см. русский перевод работы [7])].
Фейгенбаум (профессор информатики в Станфордском университете) предположил, что такая разновидность задачи обучения включает испытуемого в активный, сложный процесс обработки символов, который наилучшим образом можно описать и понять с помощью более элементарных процессов обработки таких символов, которые можно запрограммировать для реализации на вычислительной машине.
Конечно, ничего не может быть проще, чем написать маленькую программу для вычислительной машины, которая позволит экспериментатору задать вычислительной машине список бессмысленных слогов, который она затем воспроизведет совершенно точно после первой "попытки". Задача, которую поставил перед собой Фейгенбаум, была намного труднее: создать в форме программы вычислительной машины модель познавательных процессов, поведение которой в целом будет хорошо аппроксимировать поведение людей-испытуемых при запоминании бессмысленных, слогов и особенности внутренних функций которой будут давать теоретическое объяснение трудностей, наблюдаемых в реальных экспериментах. Кроме того, он хотел, чтобы его объяснения были по крайней мере совместимы с такими психологическими фактами, как, например, наличие у человека и кратковременной памяти, в которой он, по-видимому, может хранить несколько символов для немедленного припоминания на протяжении небольшого отрезка времени, и долговременной памяти, где может запомниться почти неограниченное количество информации, но выборка из нее отдельных объектов может осуществляться только при затрате определенных усилий.


Если это "усилие" вспомнить рассматривать как вычислительные затраты, связанные с реализацией возможно длинной подпрограммы, то становится очевидно, каким образом можно приступать к использованию машинной метафоры.
Основная идея Фейгенбаума заключается в том, что вычислительная машина должна запоминать не собственно слоги, а их описания, представленные ей. Например, для описания слога DAX, например, можно использовать то обстоятельство, что его первая буква имеет передней вертикальный край и содержит замкнутый контур, во второй букве имеется в середине горизонтальная перекладина и так далее. При первом предъявлении слога системе его описание, детализированное только в той степени, в какой это необходимо для того, чтобы можно было отличить его от уже введенных в память слогов, заносится в память. Если этот слог является единицей стимула, т. е. первым элементом пары слогов, то вместе с ним запоминается "подсказка", представляющая собой некоторое минимальное описание того слога, с которым предъявляемый слог должен ассоциироваться. Поскольку эти описания настолько минимальны, система часто неправильно устанавливает связи при предъявлении ей единиц-стимулов. Однако так как каждый раз, когда система совершает подобную ошибку, предъявляется правильная единица-реакция, то имеющуюся к этому моменту описательную информацию можно улучшить с помощью добавления к ней дополнительного описания. В конечном счете система в совершенстве выучивает список. Когда после этого предпринимаются эксперименты с другим списком, соответствующие описания снова могут быть перепутаны с описаниями, связанными с первым списком, и наоборот. Таким образом, система способна демонстрировать ретроактивное торможение. И очевидно, что по мере того, как элементы, предлагаемые для выучивания, становятся все более и более сходными, все большее число экспериментов требуется для формирования разделяющих возможностей каждого из соответствующих дескрипторов. Следовательно, система в очень многом ведет себя подобно человеку, выполняющему такое же задание.


Программа Фейгенбаума, хотя и находится уже в очень преклонном возрасте (она была завершена в 1959 г.), продолжает оставаться поучительной, по крайней мере, в двух отношениях. Во-первых, она дает сравнительно простой пример того, что понимается под моделью познавательного процесса, представленной в форме программы вычислительной машины. Использованный в ней способ запоминания информации рассматривается в качестве функционального описания промежуточной памяти человека. В этом качестве она объясняет, например, следующее: как мы надолго полностью забываем какую-то вещь и тем не менее можем вспомнить ее при определенных обстоятельствах. Не может быть, чтобы якобы забытый элемент просто удалялся из нашего мозга, поскольку, если бы это действительно было так, мы никогда не смогли бы снова получить к нему доступ.
В модели Фейгенбаума никакая информация вообще не разрушалась. Но информация может быть, так сказать, скрыта дескрипторами, устанавливающими другие ассоциации; таким образом, одна "запись" в памяти может экранировать или маскировать другую. Иногда уточнение экранирующего образа (подсказки) - это все, что требуется для обнажения (для восстановления доступа) прежде скрытого.
Система Фейгенбаума требует также, чтобы оба слога, между которыми должна устанавливаться ассоциация, были в течение короткого времени одновременно доступны вычислительной машине (присутствовали в ее памяти). После того как связь "подсказки" единицы-реакции с описанием слога-стимула установлена, оба слога можно удалить из памяти вычислительной машины; другими словами, их можно "забыть". Таким образом, в этой системе имеется часть, которая правдоподобно воспроизводит то немногое, что известно психологам о кратковременной памяти человека.
Никто, и в первую очередь сам Фейгенбаум, не утверждает, что эта модель дает "настоящее" объяснение соответствующих феноменов. Но в каком-то смысле оно относится к области, в которой объяснения встречаются редко.
Второй аспект поучительности программы Фейгенбаума связан с тем, что она демонстрирует поведение, которое не было сознательно непосредственно, как говорится, "запрограммировано".


Например, программе свойственно то, что психологи называют интерференцией, т. е. приобретение новой связи становится препятствием для воспроизведения старой, если соответствующие слоги имеют очень схожие описания. Программа не имеет специальной подпрограммы интерференции. Это явление возникает как результат функционирования структуры программы в целом и для составителя программы оказывается неожиданным.
Следовательно, в этом отношении модель предсказывает существование некоего поведенческого феномена, что чрезвычайно усиливает ее правдоподобие. Программа демонстрирует нам, что простой и многократно повторяемый лозунг "вычислительная машина делает только то, что предписывает ей делать программист" в некоторых отношениях совершенно ошибочен и, вообще говоря, проблематичен.
Обсуждаемая нами программа относится к классу "имитационных программ". Их цель - имитация способа, используемого людьми при выполнении определенных заданий, причем совершенно определенно - невыполнение этих заданий наиболее эффективным способом, который мог бы быть обеспечен вычислительной машиной. Мы отмечали, в частности, что вычислительную машину легко запрограммировать на "запоминание" списков бессмысленных слогов с первой "попытки". Однако в этом случае мы не выяснили бы, каким образом люди могут выполнять то, что, по крайней мере с первого взгляда, кажется тем же самым заданием.
Поскольку программы, имеющие отношение к когнитивным аспектам поведения человека, входят, естественно, в область искусственного интеллекта (о котором более подробно мы поговорим ниже), их необходимо отличать от другого класса программ искусственного интеллекта, а именно программ, в полной мере являющихся проблемно-ориентированными.
Специалисты в области искусственного интеллекта склонны рассматривать свою деятельность как работу, связанную с воспроизведением содержания и результата, или как работу, связанную с имитацией. Возможно, наилучший способ объяснить различие между этими направлениями - воспользоваться аналогией с полетом.


В сущности, все первоначальные попытки понять полет или построить летающие модели основывались на имитации полета птиц. Вполне правдоподобно, что миф об Икаре, древнегреческом герое, который полетел с помощью крыльев, прикрепленных к телу воском, и разбился, когда солнечное тепло растопило воск, отражает первые неудачи человека имитировать птиц. Можно было бы сказать, что древние мыслители и первооткрыватели работали в имитационном режиме.
Однако уже к середине XIX в. такие люди, как Хенсон и Стрингфеллоу, а несколько позже - Лангли, перешли к тому, что мы могли бы назвать режимом содержания и результата. Они считали, что их задача - построить летательные аппараты, исходя из любых принципов, которые им удастся установить. Их целью, в первую очередь, являлся результат, а понимание - лишь в той степени, в какой оно могло бы принести пользу с точки зрения достижения результата.
В этом контексте следует, вероятно, упомянуть и третий режим работы - теоретический. Великие аэродинамики появились раньше, чем первый реальный летательный аппарат. Лорд Рэлей, например, публиковал важные работы, специально посвященные теории полета, начиная с 1875 г. Естественно, после того, как братья Райт совершили в 1903 г. свои исторические полеты, интерес к аэродинамике постоянно возрастал и не ослабевает и в наши дни. Но в то время как специалист в области аэродинамики занимается теорией полета как таковой и склонен рассматривать реальный самолет просто в качестве модели своих теорий, конструктор самолета считает теорию лишь еще одним источником идей, который может помочь ему улучшить характеристики своих машин.
Положение в искусственном интеллекте очень похоже на только что описанное. Целью большинства специалистов в области искусственного интеллекта является создание машин, ведущих себя разумно, независимо от того, проливают результаты их деятельности свет на природу интеллекта человека или нет. Их интересует содержание и результат. Они хотят создать машины, говорящие подобно человеку и понимающие речь человека; машины, которые, используя телевизионные глаза и механические руки, в состоянии навинчивать гайки на болты и собирать даже более сложные механические узлы; машины, которые в состоянии анализировать и синтезировать химические соединения; машины, переводящие с одного языка на другой; машины, способные сочинять музыку и создавать сложные программы для вычислительных машин, и т.


д. Естественно, они с радостью примут любой вклад теоретиков (например, психологов), который мог бы способствовать реализации их устремлений. Однако их целью и в первую, и в последнюю очередь является результат, в отличие от теоретиков, стремящихся (или утверждающих, что они это делают) к пониманию.
Программа, подобная рассмотренной программе Фейгенбаума, явно избегает "работы на результат"; она составлена таким образом, что ей требуется много попыток для обучения соответствующим спискам, но если бы ее целью являлось эффективное достижение результата, то ей можно было бы придать способность запоминать их с одного предъявления (я уже отмечал это обстоятельство).
Линия раздела между работой в режиме имитации и работой, ориентированной на результат, не является, как и можно было ожидать, совершенно определенной. Часто единственный способ подойти к тому, как можно было бы добиться выполнения вычислительной машиной некоторой задачи, заключается в том, чтобы выяснить, как решали бы ее люди. Таким образом, вы приступаете к делу, по существу имитируя собственное поведение, зарегистрированное интроспекцией [Прим. перев.: В психологии интроспекцией называется метод самонаблюдения, изучения психических процессов на основе субъективного наблюдения над явлениями собственного сознания].
Существует, естественно, разница между программой, объявленной целью которой является достижение результата, но, по крайней мере, вначале имитирующей способ, используемый для этого людьми, и программой, имитирующей деятельность человека для того, чтобы узнать что-то о человеке. Однако, когда программа, выполненная под флагом второго направления, работает успешно, она также приносит определенный результат. Иногда авторы программ впоследствии не в состоянии противостоять искушению получать результат вкупе с его теоретическим обоснованием и, таким образом, вносят свой вклад в размывание линии раздела режима, ориентированного на результат, и имитационного режима. Например, Ньюэлл, Шоу и Саймон написали программу, способную доказывать некоторые теоремы исчисления высказываний с помощью имитации способа, посредством которого неискушенные в логике студенты стараются справиться с подобными доказательствами8.


Ньюэлл, Шоу и Саймон сформулировали свою задачу следующим образом: "Мы хотим понять, каким образом математик, например, может доказать теорему, даже если, приступая к доказательству, он не знает, каким образом собирается его найти или вообще найдет ли он его". Сообщив, сколько времени заняло у программы доказательство ряда теорем, они замечают: "Можно изобрести "автоматические" процедуры получения доказательств... но оказывается, что для их реализации требуется машинное время порядка тысяч лет [для доказательства какой-то конкретной теоремы]".
Трудно понять это заявление иначе, чем утверждение: их программа может оказаться полезной помимо того, что она поучительна (раскрывает, каким образом "математики доказывают теоремы"). Случилось так, что через год или два после появления работы Ньюэлла, Шоу и Саймона математик Хао Ван опубликовал одну "автоматическую процедуру", т. е. программу вычислительной машины, способную доказать все теоремы исчисления высказываний. Эта программа доказала теорему за 1/4с на вычислительной машине, которая сегодня считалась бы очень примитивной9; по оценке Ньюэлла, Шоу и Саймона для ее доказательства потребовалось бы машинного времени порядка тысяч лет.
Неопределенность линии, разделяющей имитационный режим и режим работы для получения результата, вполне оправданно мало заботит специалистов в области искусственного интеллекта. На ранней стадии крупного исследовательского проекта важно иметь достаточно ясное представление о том, что, в принципе, представляет собой область, в рамках которой следует ставить вопросы, или, иначе говоря, что представляет собой то, понимание чего в настоящее время отсутствует и пониманию чего должно способствовать планируемое исследование. Работа Вана принесла результат, углубивший наше понимание определенных аспектов математической логики. Цель работы, обнародованной Ньюэллом, Шоу и Саймоном, по их собственным словам, - "достижение понимания сложных процессов (эвристик), имеющих место при решении задач"10


[Прим. перев.: В советской научной литературе для английского термина "problem solving" утвердился термин "решение задач" (иногда можно встретить "решение проблем"), не совсем точно раскрывающий его содержание. Спектр вопросов, относящихся к направлению искусственного интеллекта, называемому теорией решения задач, весьма широк. Строгая или хотя бы общепринятая классификация направлений искусственного интеллекта отсутствует, и поэтому сегодня нельзя точно указать границы между ними. Обычно к решению задач относят проблемы, связанные с организацией поиска в эвристических алгоритмах, анализом деревьев поиска, использованием целей и подцелей, решением задач человеком (психологические аспекты), изучением влияния характера обучающей последовательности на результат, соотношением вывода и инсайта, машинным доказательством теорем, использованием дедуктивной логики при решении задач. Иногда к этому направлению относят также программирование игр, обучение и распознавание образов. Так, Р. Бенерджи считает, что "изучение литературы в этой области [искусственный интеллект] показывает, что различные попытки создания эффективных программ для отыскания решений больших комбинаторных задач обнаруживает общность основных подходов и методов. Кроме того, были сделаны полуформальные попытки объединить эти методы в единую теорию. Такое изучение эмпирических подходов и результатов вместе с попытками унифицировать их становится важной ветвью искусственного интеллекта, которую можно назвать теорией решения задач". (Р. Бенерджи. Теория решения задач. Подход к созданию искусственного интеллекта: Пер. с англ. С. П. Чеботарева/ Под ред. Ю. В. Буркина. - М: Мир, 1972, с. 17-18). Наиболее удачное, с нашей точки зрения, определение этого направление дано Б. В. Бирюковым в примечаниях к переводу книги X. Дрейфуса (см. примечание 7 к введению данной книги): "Под решением задач (problem solving) в англо-американской кибернетической литературе понимается решение невычислительных задач, требующее применения того или иного способа ограничения перебора вариантов в ходе поиска требуемого результата" (X.


Дрейфус, pyc. пер. с. 287)]
Они выбрали изучение того, как люди доказывают теоремы, просто в качестве примера решения задач человеком Ньюэлл и Саймон, как мы убедимся, продолжают свою работу, посвященную решению задач, и в настоящее время. Проблематичным в этом направлении было и продолжает оставаться следующее: в каком смысле слова "понимание" помогает нам понять человека как систему обработки информации или что бы то ни было еще. Этот же вопрос имеет смысл поставить применительно к искусственному интеллекту в целом.
То, что до сих пор я упоминал лишь самые первые проекты искусственного интеллекта, ни в коем случае нельзя считать "недобросовестным", поскольку сами исследователи, работающие в области искусственного интеллекта, продолжают указывать, когда речь заходит об этом, что именно эти работы (программа Фейгенбаума и машина "Логик-теоретик" Ньюэлла, Шоу и Саймона) имеют фундаментальный характер. Ньюэлл и Саймон, как я указывал, продолжают свою работу в области решения задач. В то же время другие исследователи, особенно из Лабораторий искусственного интеллекта Массачусетского технологического института и Станфордского университета, все больше переориентируются на роботехнику, т. е. на решение задач, связанных с созданием машин, способных воспринимать свойства сред, в которых они действуют, например, с помощью телевизионных глаз, и способных физически воздействовать на эти среды посредством, например, механических рук, управляемых вычислительной машиной.
Эта деятельность, как и можно было ожидать, породила множество подзадач, относящихся к таким областям, как зрение, понимание вычислительной машиной естественного языка и распознавание образов.
Некоторые подзадачи, естественно, являются самостоятельными задачами, т. е. представляют интерес независимо от исследовательских целей роботехники. Понимание вычислительной машиной естественного языка служит примером задачи, которая сама по себе является по существу интересной и трудной. Для многих исследователей то обстоятельство, что продвижение в решении этой задачи может оказаться полезным с точки зрения обучения роботов, является просто дополнительным стимулом, но совершенно определенно не основным.


Ниже я остановлюсь подробнее на операциях вычислительных машин с естественным языком. Сейчас остановимся на одной более новой работе в области решения задач, на работе Ньюэлла и Саймона.
В современной литературе, посвященной решению задач, выделяются две важные книги - "Как ее решать" ("How to Solve It") Джорджа Пойа и "Решение задач человеком" ("Human Problem Solving") Ньюэлла и Саймона11. Первое издание книги Пойа было опубликовано в 1945 г., т. е. за несколько лет до того, как электронные вычислительные машины стали практическими инструментами исследования. Уже тогда Пойа заложил фундамент и в определенном смысле провозгласил всю ту работу в области решения задач, которая должна была проводиться в последующие 30 лет. Предметом интереса Пойа явились эвристические методы решения задач, т. е. эмпирические правила, которые, будучи примененными, вполне могут привести к решению рассматриваемой задачи или обеспечить некоторый прогресс в ее решении, но не гарантируют получение решения. Таким образом, эвристики не являются алгоритмами и эффективными процедурами; они представляют собой правдоподобные способы подхода к решению специфических задач.
Пойа предвосхитил большую часть последующем работы специалистов в области информатики, посвященной решению задач, когда написал следующее:
"Современная эвристика стремится постичь процесс решения проблем, особенно тех мыслительных операций, которые чаще всего оказываются полезными в этом процессе... Эвристика должна строиться как на основе нашего личного опыта в решении задач, так и из наблюдений за тем, как решают задачи другие.
Изучая эвристику, не следует пренебрегать ни одним типом задач (проблем); следует обнаруживать то общее, что имеется в подходе к самым различным проблемам, следует вскрыть то общее, что есть в решении любой проблемы, независимо от их содержания. Изучение эвристик имеет "практические" цели: лучшее понимание природы мыслительных операций, оказывающихся чаще всего полезными при решении задач ...


Мы подчеркиваем, что эвристика охватывает всевозможные задачи, в частности прикладные задачи и даже головоломки (Sic) [Прим. перев.: Sic (лат.) - так! Используется для указания важности или подлинности данного места в тексте]. Мы подчеркиваем также, что серьезное исследование не может ставить своей задачей указать непогрешимые правила, как делать открытия. Эвристика рассматривает поведение человека при решении проблем... Эвристика ставит себе целью установить общие закономерности тех процессов, которые имеют место при решении всякого рода проблем, независимо от их содержания"12[Прим. перев.: Отрывок из книги Д. Пойа цитируется по тексту издания на русском языке с небольшими изменениями].
Невозможно точнее сформулировать приоритетную формулу для работы Ньюэлла и Саймона. Пойа, в сущности, предвосхитил те аспекты проделанной позже Ньюэллом и Саймоном работы, которые наиболее точно характеризуют их концепцию: стремление к постижению мыслительных операций, акцентирование общности, независимости от содержания задач и полезности наблюдения за решением задач человеком, подчеркивание важности поведения при решении головоломок. И, наконец, Пойа подчеркивает, что его книга посвящена методам, а самая важная эвристика - это "цель определяет средства".
То, что Ньюэлл и Саймон позднее назвали "методом средств - целей", было впервые предложено при сопоставлении способа, использовавшегося первым вариантом их машины "Логик-теоретик" при доказательстве теорем, с протоколами сеансов "рассуждений вслух" студентов-нематематиков, фиксировавших попытки решения тех же задач. Эти протоколы оказались очень перспективными с точки зрения последующей работы. Ведение протоколов, т. е. наблюдение за тем, как различные люди решают задачи, в сущности, стало отличительной чертой процедуры Ньюэлла и Саймона.
В основе новой психологии, реализующей информационный подход, лежит следующая точка зрения:
"... Запрограммированная вычислительная машина и человек, решающий задачи, - это два вида, принадлежащие роду "Систем Обработки Информации" (СОИ) ..."


" Когда мы ищем объяснение поведения человека, решающего задачу (или вычислительной машины в аналогичной ситуации), обнаруживается, что его гибкость (ее программируемость) является ключом к пониманию. Их жизнеспособность зависит от их способности адаптировать свое поведение к широкому диапазону внешних сред...."
"Если мы тщательно отделим влияния, определяемые проблемными средами, от влияний, оказываемых соответствующими элементами и организацией аппаратурной части, то обнаружится сущая простота адаптивной системы. Дело в том, что, как мы убедились, для объяснения поведений человека при решении таких задач, как шахматные, логические и криптоарифметические, необходимо постулировать лишь самую простую систему обработки информации. По-настоящему сложное поведение системы обработки информации в некоторой заданной среде порождается взаимодействием требований, предъявляемых средой, с небольшим числом основных параметров системы, в частности, характеристиками ее памяти".
"Суть дела проста не потому, что закон больших чисел вносит элемент взаимной нейтрализации, но потому, что события выстраиваются в цепь "средства - цели", в которой имеют значение лишь концевые точки (имеет место эквифинальность)"13[Прим. перев.: Под эквифинальностью понимается свойство системы переходить разными путями из различных начальных состояний в одно и то же финальное состояние. Эквифинальностью обладают биологические, экономические и другие сложные системы, порядок смены состояний которых не задан единственным образом].
Это поистине примечательное заявление, особенно в свете утверждений Саймона о том, что представляемая им гипотеза "справедлива для человека в принципе". Нам следует попытаться понять, что же представляет собой эта "очень простая" система обработки информации, которая воспроизводит сложное поведение как некоторую функцию своей внешней среды и "нескольких основных параметров". Мы должны также задаться вопросом, что представляют собой задачи типа шахматных, логических и криптоарифметических, которые обобщаются "на весь диапазон [задач], являющихся объектом приложений разума человека", т.


е. на тот же самый диапазон, в котором те же авторы обещали использовать ЭВМ "в обозримом будущем"14. Особенно уместен последний вопрос, поскольку существующие эвристические программы для решения задач работают только с очень простыми шахматными и логическими задачами. В связи с этим едва ли имеет смысл говорить о криптоарифметических задачах, поскольку они представляют собой, как говорят специалисты по искусственному интеллекту, "игрушечные задачи" [прим авт.: Действительно, существуют очень мощные программы, предназначенные для решения очень сложных задач символической логики и математических задач. Это, однако, специализированные программы, которые, несмотря на то, что на ранних этапах развития могли извлечь пользу из применения методов искусственного интеллекта, ни в коем случае нельзя рассматривать как образцы тех систем обработки информации, о которых говорят Ньюэлл и Саймон. Они, без сомнения, имеют не больше отношения к психологии, чем множество программ, предназначенных для решения систем дифференциальных уравнений. Наиболее мощные в настоящее время шахматные программы также разработаны в режиме ориентации на результат и, хотя они могут пользоваться определенными методами из арсенала искусственного интеллекта, также не имеют никакого отношения к психологии].
Мы уже согласились с тем, что вполне уместно и даже полезно принять одну очень специфическую точку зрения и в соответствии с открываемой ею перспективой рассматривать человека как систему обработки информации. И поскольку вычислительная машина (машина Тьюринга) представляет собой универсальную систему обработки информации, то естественно сопоставлять человека, рассматриваемого с этих позиций, с вычислительной машиной. Психология, основанная на информационном подходе, не есть, однако нейрофизиология, основанная на информационном подходе. Она не предпринимает попыток давать объяснения в терминах битов или прибегать к аналогиям с триггерами, электронными схемами и т. п. Она избегает, и вполне справедливо, даже таких объяснений, которые основаны на сопоставлении с обработкой символов, осуществляемой классическими машинами Тьюринга, например записью, считыванием, стиранием и сравнением исключительно простых и неприводимых символов - таких, как нули и единицы.


Напомним, что программа, написанная для какой-то конкретной вычислительной машины, - это, в сущности, описание некоторой другой вычислительной машины, преобразующей исходную вычислительную машину в новую. Следовательно, можно спроектировать вычислительную машину и затем реализовать ее в виде машинной программы, "встроенные" элементарные информационные процессы (эип'ы в терминологии Ньюэлла и Саймона) которой оперируют со сложными структурами символов, т. е. считывают, записывают, стирают и сопоставляют такие структуры символов и т. д. С помощью подобных структур можно представлять логические формулы, математические выражения, слова, предложения, архитектурные проекты и так далее и, конечно, программы вычислительных машин, которые сами могут затем обрабатываться эип'ами.
Очень полезным приемом программирования является, например, организация информации в виде сцеплений отдельных элементов. "Звеном", связывающим один элемент со следующим, служит абсолютный адрес, указатель, помещаемый в памяти рядом с одним из. элементов и определяющий его преемника. Список (как обычно называют цепи такого типа) элементов, сцепленных подобным образом, можно затем снова рассматривать в качестве элемента и, следовательно, указывать с помощью еще какого-то элемента. В результате можно формировать и обрабатывать структуры, обладающие очень большой сложностью. Определенные эип'ы могут оперировать ими как целыми элементами, в то время как другие могут "прокладывать свой курс" прямо через них, скажем, вводя и удаляя отдельные подструктуры.
Таким образом, в данном контексте система обработки информации представляет собой физическое оборудование вычислительной системы вкупе с программой, обеспечивающей применение эип'ов к хранимым в памяти системы структурам символов. Она располагает оборудованием ввода-вывода типа пультовых пишущих машинок, которое обеспечивает ей адекватную связь с ее внешним миром.
Наиболее претенциозной системой обработки информации, построенной для изучения поведения человека при решении задач, является "Универсальный решатель задач" ("General Problem Solver" (GPS)) Ньюэлла и Саймона15.


"Основные методы системы GPS [прим. перев.: GPS - первая известная эвристическая программа, созданная А. Ньюэллом и X. Саймоном в конце пятидесятых годов; с тех пор она многократно подвергалась усовершенствованию и послужила эталонной моделью для многих исследований в области искусственного интеллекта. В этой системе реализована концепция разложения "творческой" деятельности человека на элементарные информационные процессы, выдвинутая и развитая А. Ньюэллом и Г. Саймоном. Существенное значение этой системы для развития кибернетики и, в частности, искусственного интеллекта несомненно. Системе GPS посвящена монография: G. W. Ernst and A. Newell. "GPS: A Case Study in Generality and Problem Solving", N. Y., Academic Press, 1969. На русском языке сведения об этой системе можно найти в работе: А. Ньюэлл и Г. Саймон. GPS - программа, моделирующая процесс человеческого мышления. - В сб. Вычислительные машины и мышление: Пер. с английского/ Под ред. Э. М. Бравермана, А. В. Напалкова и Ю. В. Орфеева. - М.: Мир, 1967, с. 283-301] в совокупности олицетворяют эвристический подход анализа в терминах средств и целей.... Анализ средств и целей характеризуется следующим рассуждением на уровне здравого смысла: Я хочу отвезти сына в детский сад. В чем состоит разница между тем, чем я располагаю, и тем, к чему я стремлюсь? Одно из этих различий - расстояние. Что может изменить расстояние? Мой автомобиль. Мой автомобиль не работает. Что требуется для того, чтобы он заработал? Новый аккумулятор. Кто располагает новыми аккумуляторами? Авторемонтная мастерская. Мне нужна авторемонтная мастерская для того, чтобы поставить новый аккумулятор; в мастерской, однако, неизвестно, что он мне нужен. В чем состоит затруднение? Оно заключается в установлении связи. Что обеспечивает связь? Телефон ... и т. д.
Анализ такого рода - классификация объектов с точки зрения выполняемых ими функций и возвратно-поступательное движение между целями, необходимыми для их выполнения функциями и средствами их реализации - составляет основу системы эвристик GPS.


Точнее, подобная эвристическая система анализа в терминах средств и целей предполагает следующее:
Если заданный объект не является искомым, то можно определить различия между объектом, имеющимся в вашем распоряжении, и тем, к которому вы стремитесь.
Операторы воздействуют на некоторые признаки своих операндов, оставляя другие без изменений. Следовательно, операторы можно охарактеризовать, указав на изменения, которые они производят, и использовать для того, чтобы попытаться устранить различия между теми объектами, к которым они применяются, и искомым.
Если необходимый оператор оказывается неприменимым, то, возможно, выгодно изменить его входы таким образом, чтобы он стал применимым.
Одни различия поддаются воздействию операторов с большим трудом, чем другие. Поэтому целесообразно стремиться к элиминации "трудных" различий, пусть даже "ценой введения новых различий, но меньшей трудности. Этот процесс можно продолжать до тех пор, пока не будет достигнут прогресс в элиминации этих более трудных различий."16
Чтобы оценить, как все это работает при решении одной из категорий задач, к которой GPS действительно применялась, рассмотрим следующую криптоарифметическую головоломку:
DO
+
 IT
----
TTD
Испытуемому сообщают, что эта запись - зашифрованное представление задачи на обычное сложение. Каждая буква представляет некоторое число, причем одно и то же число не может представляться двумя различными буквами. Задача испытуемого заключается в том, чтобы сопоставить буквам такие числа, при которых заданное выражение представляет "правильное" сложение. Испытуемый должен давать отчет о своих действиях, т. е. говорить вслух, что он думает. Ниже приведен один из подобных отчетов, в который включен также соответствующий анализ, проведенный на языке, принятом в GPS:
Испытуемый: D+1 должно быть больше, чем 9, поскольку здесь имеется перенос в следующий столбец.
Анализ: Испытуемый применяет оператор "обработка столбца".
Испытуемый: Буква "Т" должна быть равна 1, поскольку она представляет собой перенос.


Анализ: Испытуемый применяет оператор "определение значения". Он достиг одной из подцелей и уменьшил разницу между заданным и искомым объектами. "Заданный объект" теперь имеет следующий вид:
D О
+

I 1

----

1 1 D
Испытуемый: Буква "О" должна быть, самое меньшее, равна 2".
Анализ: Испытуемый применил к "О" оператор "порождение возможных значений". (Должны были быть и другие пробные попытки применить оператор "определение значения", о которых вслух испытуемый не упоминал и результаты которых были признаны непригодными).
Испытуемый: Проверим вариант О = 2.
Анализ: Испытуемый применяет оператор "определение значения". Это снова уменьшает разницу. "Заданный объект" теперь имеет следующий вид:
3 2

+

I 1

------

1 1 3
Испытуемый: I=8.
Анализ: Применяется оператор "определение значения", и в результате различие между заданным объектом и искомым объектом устранено. Цель достигнута.
Эта задача намного проще тех, которые обычно предлагаются испытуемым и системе GPS. Более типичным примером такой задачи, который был полностью проанализирован, является следующий:
DONALD

+

GERALD
--------

ROBERT,
где D = 5. Приведенный пример страдает, кроме того, тем недостатком, что в нем не встречалось ни неверных ходов, ни возвратов и так далее. Тем не менее он дает общее, хотя, быть может, и недостаточное представление о принципе действия GPS и о том, что такое протокол. Следует также иметь в виду, что GPS не является моделью теории Ньюэлла. и Саймона. Эта система независимо от выполняемых заданий связывает с определенным уровнем общности больше, чем требует теория. На самом деле, нет ни одной программы вычислительной машины, которая служила бы моделью их теории. С другой стороны, существует целый ряд программ, причем отнюдь не все они составлены Ньюэллом и Саймоном или их сотрудниками, которые, по существу, совместимы с этой теорией и используют "основные методы GPS", перечисленные выше.


Нас в данном случае интересует информационная теория человека, а не сама по себе система GPS. Теорией этой мы занялись именно потому, что она в том или ином варианте иногда явно, а иногда неявно является фундаментом почти всей новой, основанной на информационном подходе, и составляет фактически догмат искусственного интеллекта.
Основные выводы, к которым пришла эта теория, заключаются в следующем:
"Все люди представляют собой системы обработки информации и поэтому обладают рядом общих фундаментальных организационных признаков; все люди имеют несколько общих универсальных структурных характеристик типа почти идентичных параметров памяти. Эти общие свойства порождают одинаковые характеристики, свойственные поведению всех людей при решении задач."
"Поскольку в системе обработки информации [т. е. в человеке, рассматриваемом в качестве системе обработки информации - Дж. Вейценбаум] можно выделить основную структуру и содержимое долговременной памяти [программы и данные], то любое предположение об аналогичности решателей задач, не связываемое непосредственно с фундаментальной структурой, следует формулировать, как идентичность или подобие содержания их долговременной памяти - системы воспроизведения или других структур, хранящихся в памяти".
[Эта теория] "вводит систему, которая при наличии достаточного времени окажется в состоянии "переварить" любое описание, каким бы оно ни было, т. е. сможет начать воспринимать в полноте всех подробностей, скажем, энциклопедию (или библиотеку, составленную из них). Следовательно, эта теория устанавливает непосредственное соответствие между различиями и подобиями поведения и мотивами, определяющими содержимое долговременной памяти человека. Однако эти детерминанты содержания существенно зависят от подробностей жизненного пути человека. Это не значит, что детерминирующие процессы произвольны, непостоянны или действуют, не подчиняясь никаким законам. Это лишь значит, что содержимое памяти может быть столь же различным, сколь широк диапазон физических, биологических и социальных явлений, окружающих отдельного человека и служащих для него источником заполнения памяти"17[прим.


авт.: Эти утверждения хочется сопоставить с точкой зрения Б. Ф. Скиннера: "Научный анализ поведения должен, по моему убеждению, предполагать, что поведение личности определяется ее генетической предысторией и опытом взаимодействия со средой в большей степени, чем собственно личностью в качестве самостоятельного созидающего фактора" (из работы Скиннера "О бихевиоризме" ("About Behaviorism". New York, Alfred A., Knopf, New York, 1974, р. 189). Единственное различие между позицией Скиннера и утверждениями данной теории (и оно существенно в одном отношении и не имеет абсолютно никакого значения в другом) в том, что Скиннер отказывается заглядывать внутрь того черного ящика, которым является личность, в то время как указанная теория рассматривает содержимое этого ящика в качестве некоторой вычислительной машины].
Следует особенно отметить в этих выводах их размах: например, утверждается, что система, вводимая этой теорией, предпочтительно система типа GPS, в состоянии "переварить" любое описание, каким бы оно ни было. Эта претензия (а как иначе можно здраво назвать такое утверждение?) согласуется с остальными претензиями авторов этой теории, а именно: она позволяет объяснить деятельность человека в целом, а вычислительные машины в обозримом будущем смогут оперировать задачами, покрывающими весь диапазон человеческого мышления. Вздорность претензий, связываемых с GPS и подобными системами, становится еще более очевидной благодаря утверждению Ньюэлла и Саймона о том, что "по-настоящему сложное поведение системы обработки информации в некоторой заданной среде порождается взаимодействием требований, предъявляемых средой, с небольшим числом основных параметров системы, в частности, характеристиками ее памяти"18. Конечно, это полностью согласуется с их убеждением о том, что человек (подобно муравью) "очень прост". В связи с этим была высказана одна претензия технического характера, а именно: система GPS очень проста в том смысле, что при изменении нескольких ее параметров ее взаимодействие с внешней средой приведет к вариативности поведения, имитирующего соответствующее поведение человека.


Обычно в техническом смысле мы говорим, что система чувствительна к "нескольким параметрам", если . ее соответствующую разновидность поведения в целом можно полностью задать с помощью надлежащей установки нескольких переключателей или введения в ее память нескольких новых значений данных. Такой системой, например, является корабельное навигационное вычислительное устройство. Оно ведет корабль к любой заданной цели, если в него введены ее географические координаты, некоторые метеорологические данные и т. д. Для превращения системы GPS из шахматиста, скажем, в решателя криптоарифметических головоломок недостаточно только изменить несколько чисел. Всякий раз, когда GPS должна переходить от решения одной задачи к другой, необходимо заменять всю ее "структуру памяти". Другими словами, система GPS, по существу, - это лишь язык программирования, с помощью которого можно писать программы для решения определенных очень сильно специализированных задач. Однако если не считать программу вычислительной машины одним параметром, то система GPS не подтверждает, что поведение человека - это всего лишь некая функция среды, окружающей человека, и нескольких внутренних параметров системы обработки информации, имеющейся у человека.
Надо признать, что иногда Ньюэлл и Саймон действительно делали предостерегающие замечания, например, когда признавали, что "нам неизвестно, какая часть всей деятельности человека при решении задач связана с использованием пространства задачи, однако в том наборе задач и теми людьми, которых мы изучали (соответствующие спектры достаточно широки для того, чтобы обнаруживаемые подобия не были тривиальны), пространство задачи использовалось всегда".
Затем, однако, подобным слабым уступкам противопоставлялись утверждения типа:
"Несмотря на ограниченный характер имеющийся экспериментальной основы теории, мы предлагаем ее в качестве общей теории решения задач, не делая попыток назначить границы ее применимости"; "мы считаем, что выдвигаемая нами теория много шире тех конкретных данных, на основе которых мы ее выдвигаем"19.


Именно эта необоснованная претензия на универсальность лишает использование ими вычислительной машины, вычислительных систем, программ и тому подобного статуса научной теории и низводит ее до уровня метафоры. Они признают этот факт сами:
"Нечто перестает быть метафорой, когда на его основе можно выполнять детальные вычисления; оно остается метафорой, если обладает в изобилии свойствами, связь которых с объектом сопоставления проблематична"20
Вопрос в таком случае заключается в том, можно ли на основе их "теории" осуществлять детальные вычисления? (Я продолжаю пользоваться в данном случае словом "теория", поскольку было бы просто неудобно все время, упоминая эту работу, писать "якобы теория").
С первого взгляда кажется, что ответом должно быть звонкое "да". Разве книга Ньюэлла и Саймона не переполнена примерами вычислений, выполненных системой GPS? Однако здесь имеется один тонкий момент, очень важный, почти всегда упускаемый из вида специалистами в области искусственного интеллекта, также считающими, что они располагают истинными теориями. Он становится, вероятно, наиболее очевиден при сопоставлении фейгенбаумовского имитатора механического запоминания с программами GPS, приведенными в книге Ньюэлла и Саймона.
Программа Фейгенбаума, как я отмечал выше, это модель некоторой психологической теории, т. е. модель, воспроизводящая, каким образом люди пытаются справиться с задачей запоминания бесмысленных слогов. Сама программа, как я указывал, также является некоторой теорией; если, скажем, показать ее психологу знакомому с тем языком программирования, на котором она написана, можно рассчитывать, что он ее поймет. Статус теории, однако, ей приносит то ее свойство, что она формулирует ряд принципов, из которых можно получить следствия. Сами эти принципы реализованы Б виде программы вычислительной машины, а их следствия проявляются в поведении программы, т. е. в прочтении программы вычислительной машиной. К этим следствиям относятся такие прекрасно известные феномены, как ретроактивное торможение и интерференция, о которых шла речь выше.


Совершенно иная ситуация возникает, когда, скажем, программа "Логик - теоретик" реализуется в системе GPS. Конечно, "Логик - теоретик" - это тоже теория (хотя и совершенно тривиальная), а именно теория, показывающая, каким образом люди, не знакомые с логикой, пытаются решать элементарные логические задачи. Однако система GPS (и именно в этом заключается принципиальный момент) - это просто некоторая структура, в рамках которой работает программа "Логик-теоретик". GPS, в сущности, - это некоторый язык программирования, на котором сравнительно легко писать программы решения логических, криптоарифметических и тому подобных задач. Элементарные информационные процессы, эип'ы, являющиеся ее элементарными командами, представляют собой просто непроизводные команды машины, полученной в результате преобразования системой GPS своей главной вычислительной машины. Собственно, GPS каких-либо принципов не содержит - если только не считать принципами такие соображения, что для решения задач следует оперировать категориями структур символов очень общего характера, представляющих объекты, операторы, признаки объектов и различия между объектами, что следует создать библиотеку методов и т. д. Но даже и при таком подходе GPS не позволит вывести из подобных "принципов" следствия.
Утверждать, что система GPS вообще в каком-то смысле воспроизводит теорию решения задач человеком, это то же самое, что утверждать, будто школьная алгебра тоже служит олицетворением этой теории. Она также является некоторым языком, некоторой вычислительной схемой, в рамках которой можно представить теорию, уже разработанную с (помощью иных средств. Несомненно, существует алгебраическая теория и теория языков программирования. Но ни одна из них не претендует на какие-либо утверждения относительно психологии решения задач человеком.
Контраргумент к этому тезису заключается в том, что указанная теория вводит некоторую систему - GPS-подобную систему, воспроизводящую "общие черты решателей задач", относящиеся к их базовой структуре.


Именно эта базовая структура, олицетворение общих свойств решателей задач, превращает в сравнительно простое дело написание программ решения задач из совершенно различных областей, например логических и криптоарифметических, ориентированных на GPS-подобные системы. Но, как указывали сами Ньюэлл и Саймон, любая общность такого типа, если она непосредственно не связывается с базовой структурой, должна быть представлена либо в программе, записанной в формализме GPS, либо в структурах, хранящихся в памяти. На самом деле все существующие в настоящее время варианты GPS-подобных систем обладают такой предельно минимальной структурой, что информация, необходимая им (задаваемая в виде программы или исходных данных) для решения любой конкретной задачи, должна быть очень подробной и специализированной, т. е. она должна определять, что представляют собой соответствующие операторы, к каким объектам их можно применять, какие "различия" они устраняют при применении к соответствующему объекту и т. д. Ньюэлл и Саймон пишут:
"Необходимо иметь должное представление об ограничениях, связанных с получением GPS информации из внешнего мира. Исходная часть команд, подаваемых GPS в явном виде, человеком была приобретена давным-давно в процессе формирования универсального словаря. Она [информация] должна быть подробно объяснена GPS"21.
Вот как, в сущности, решается наша проблема. Реальные вопросы сводятся к следующим: что происходит с человеком как таковым, когда он формирует свой универсальный словарь? Как его опыт, являющийся составным элементом процесса построения им словаря, влияет на его восприятие того, что представляет собой "задача" и какие "объекты", "операторы", "различия", "цели" и так далее существенны для решения любой задачи, с которой он может столкнуться? И так далее. Ни одна теория, уклоняющаяся от ответов на подобные вопросы, не имеет шансов стать теорией решения задач человеком.
Мечта "искусственной интеллигенции" [Прим.


перев.: Понятие " искусственная интеллигенция" автор использует иронически, как своего рода каламбур, относя к этой категории всех тех, кто из конъюнктурных соображений стремится превратить примат технических, рутинных (но якобы "практических") задач в закон жизни искусственного интеллекта, кто в силу некомпетентности, неспособности или лени отказывается при исследовании интеллекта рассматривать человека во всей его полноте и сложности] (этим удачным выражением мир обязан доктору Луису Фейну) - снабдить наш мир "машинами, которые думают, которые творят", причем их способность делать все это будет расти до тех пор, пока "диапазон задач, доступных им, не совпадет с диапазоном, в котором действует мозг человека", как уже объявили в 1958 г. доктора Ньюэлл и Саймон22 книга вышла в свет четырнадцать лет спустя, и, как они обещали, "способность (машин) делать все это быстро росла", хотя "обозримое" тогда "будущее" как будто бы еще не наступило. Но видение это все еще достаточно отчетливо. Теперь, правда, они объяснили нам, каким образом собираются выполнить этот трюк. Предложенная система при наличии достаточного времени (но в обозримом будущем) сможет воспринимать во всех подробностях библиотеку энциклопедий.
Однако для того, чтобы достичь такой степени восприимчивости, ей потребуется также приобрести универсальный словарь, сопоставимый с тем, которым обладает взрослый человек; ей придется овладеть естественным языком и интериоризовать запас знаний, равный тому, каким располагает мозг человека. Значительная часть специалистов в области искусственного интеллекта, действительно, сосредоточилась на задаче понимания вычислительной машиной естественного языка. Эту задачу я собираюсь обсудить в следующей главе.
В данном случае остается выяснить, какой образ человека как системы для решения задач может порождать (я уже не говорю оправдать) уму непостижимое видение, обсуждавшееся нами? Чтобы получить ответ на этот вопрос, следует в первую очередь обратиться к тому, что Ньюэлл и Саймон понимают под "задачей".


Ньюэлл и Саймон пишут:
" Если мы обеспечиваем некоторое представление того, что является искомым, при каких условиях, посредством каких средств и операций, какова исходная информация и на какие ресурсы можно рассчитывать, и допускаем, что интерпретация [структур символов, представляющих эту информацию] в неявном виде содержится в программе системы обработки информации, предназначенной для решения задач, то тем самым мы определяем некоторую задачу"23.
И тогда, естественно, поскольку "все люди представляют собой системы обработки информации", к ним и к их деятельности можно применить "основной метод системы GPS", а именно "эвристический анализ средств и целей", тестирование объектов, позволяющее установить их "неискомость" и, следовательно, необходимость дальнейшего преобразования в "искомые объекты" с помощью соответствующих операторов, и т. д.
Можно было бы возразить, что подобная характеристика целей искусственного интеллекта - просто игра словами, неправомерно преувеличивающая истинные и много более умеренные цели искусственного интеллекта, что Ньюэлл, Саймон и все специалисты, занимающиеся искусственным интеллектом, на самом деле имеют в виду лишь определенный класс технических задач, к которым приведенное определение применимо и для решения которых GPS-подобные методы действительно подходят. Но дело-то заключается в том, что общепринятый подход, порожденный (вполне можно было бы сказать "извращенный") машинной метафорой, обращает любую задачу в техническую, к которой, как считается, применимы рассмотренные здесь методы. Подробнее я остановлюсь на этом моменте ниже.
Ограничимся в данном случае тем, что отметим написанное Г. А. Саймоном еще в 1960 г.:
"Допустим, что какое-то техническое достижение позволило автоматизировать психиатрию и в результате один психиатр может выполнять работу, которой до этого занималось десять психиатров. ... Этот пример покажется совершенно фантастическим только тем, кто не осведомлен о некоторых исследованиях, проводящихся сейчас в связи с задачами автоматизации психиатрической помощи"24.


Исследование, которое он имел в виду, было в то время только что начато Кеннетом Марком Колби, психоаналитиком, писавшим:
"Я провел множество лабораторных экспериментов, связанных со свободными ассоциациями, и у меня за спиной годы клинического опыта работы с невропатическими процессами; моей первоначальной задачей была имитация как [!] характеристик невропатических процессов, проявляющихся в мышлении при использовании режима свободных ассоциаций, так и их изменений, происходящих в результате вмешательства психотерапевта"25
Этот проект, к счастью, провалился. Слова Саймона, однако, должны были еще шесть лет звучать в ушах доктора Колби, пока они снова не появились уже из-под его собственного пера. Как я уже отмечал, моя собственная работа, связанная с системой "Элиза", вновь разожгла его энтузиазм и побудила к высказываниям, уже цитировавшимся выше, но заслуживающим повторения и здесь:
"Если плодотворность ["Элизы"] метода будет доказана, то он станет средством лечения, широко доступным для психиатрических больниц и психиатрических центров, страдающих от нехватки психотерапевтов. ... вычислительная система, разработанная специально для этих целей, сможет обслуживать несколько сот пациентов в час"26.
Точно в соответствии с предсказанием Саймона и, следовательно, те самые "некоторые исследования"! Естественно, это эйфористическое обещание основывается именно на подходе к человеку как к GPS-подобной машине. Как писал доктор Колби:
"Психотерапевта-человека можно рассматривать как систему обработки информации и принятия решений, снабженную множеством решающих правил, которые тесно связаны с краткосрочными и долгосрочными целями. ... При получении этих решений он руководствуется грубыми эмпирическими правилами, подсказывающими ему, что следует и чего не следует говорить в определенных ситуациях"27.
Другими словами, пациент - это некоторый объект, отличающийся от искомого объекта. Задача психотерапевта заключается в выявлении соответствующих различий с помощью операторов выявления различий, затем в их уменьшении с помощью операторов уменьшения различий и т.д. Вот какова его "задача"! И вот как далеко завела некоторых из нас машинная метафора.

Вычислительная машина и естественный язык

Мы выделили три режима исследований в области искусственного интеллекта: так называемая ориентация на результат, имитация и теоретическая деятельность. Однако границы между ними не абсолютно четкие. Мы также пришли к выводу, что слово "теоретическая" в термине "теоретическая деятельность" не следует воспринимать совсем буквально. Использование идей, заимствованных из сферы вычислительных машин и теории вычислений, в попытках постичь человеческий разум имеет более метафорический характер, чем, скажем, использование механистических идей в познании физического мира. Если мы не станем затрагивать то безбрежное множество работ, посвященных современным проблемам информатики, касающихся либо теоретических аспектов собственно вычислительных процедур (например, теория конечных автоматов или теория структур языков программирования), либо непосредственного использования вычислительных машин для решения конкретных задач независимо от того, будет ли считаться выполнение подобных заданий человеком проявлением разумного поведения (например, решение систем дифференциальных уравнений или управление каким-либо сложным химическим процессом с помощью вычислительной машины), то в нашем распоряжении останется подобласть информатики, по крайней мере одной из основных целей которой является имитация человека машиной. Выделение различных способов, при помощи которых работа, проводимая в этой области, может быть непосредственно связана с психологией, лингвистикой или какой бы то ни было традиционной дисциплиной, не будет способствовать достижению целей, ради которых эта глава написана. Таким образом, в данном случае я не стану обращать внимание на соответствующее разделение.

Очевидны две вещи: если мы хотим, чтобы машина что-то сделала, нужно сообщить ей, что она должна сделать, а машина должна быть в состоянии понять, что мы ей сообщаем. Самый обычный способ сообщить вычислительной машине, что ей следует делать, - это, по крайней мере на сегодняшний день, задать ей специальную программу, обеспечивающую решение интересующей нас задачи, и, естественно, данные, с которыми эта программа должна работать.
Можно, например, задать вычислительной машине программу извлечения квадратных корней и число 25, рассчитывая, что ЭВМ выдаст число 5.
Вычислительная машина "понимает" программу извлечения квадратного корня в таком смысле, что в состоянии интерпретировать ее именно тем способом, который мы имели в виду, составляя программу. Однако в таком случае подобная программа преобразовывает вычислительную машину в некоторую чрезвычайно специализированную машину для извлечения квадратных корней, и не более того. Люди, если они вообще являются машинами, представляют собой машины чрезвычайно универсальные и, что важнее всего, они понимают сообщения, выраженные с помощью естественных языков (например, английского), лишенных, причем в очень значительной степени, точности и однозначности обычных языков программирования.
Поскольку абсолютная цель искусственного интеллекта заключается в создании машин, "способных воспринимать в полноте всех подробностей библиотеку энциклопедий", необходимо работать над тем, чтобы сделать их способными понимать естественный язык. Но и независимо от подобных грез существуют как практические, так и научные основания для работы над задачей понимания естественного языка. Чтобы люди, не принадлежащие миру вычислительной техники, могли полезно взаимодействовать с вычислительными машинами, либо они сами должны изучить языки вычислительных машин, либо вычислительные машины должны овладеть их языком. Уже сейчас проще снабдить вычислительную машину изобилующими жаргонными выражениями языками специалистов отдельных направлений (например, врачей определенной специальности или исследователей, работающих с образцами лунной породы), чем обучить специалистов стандартным языкам вычислительных машин. С одной стороны, некоторые ученые-информатики считают свои теории, связанные с языком, как бы не совсем "законными" до тех пор, пока они остаются "чистой теорией" (так пренебрежительно называет их широкая публика), т. е. пока не будет показано, что их можно преобразовать в модели, реализованные в виде программ вычислительных машин.


Но представим себе картину, изображающую взрослого человека и ребенка на качелях. Некоторые аспекты этой сцены мы понимаем, ориентируясь на форму, хотя даже и это понимание зависит от того, что вначале мы приняли определенную концептуальную схему, некоторый набор соглашений. Эти соглашения имеют синтаксический характер в том смысле, что они служат в качестве критериев, позволяющих отделять "правильные" изображения от, так сказать, абсурдных. Соглашения, применяемые обычно к изображениям, будут квалифицировать как грамматически неправильное, например, большинство гравюр Эсхера. Мы понимаем картину с качелями, однако также с помощью семантических намеков. Нам известно, скажем, что взрослый, изображенный на картинке внизу, тяжелее ребенка, сидящего на противоположной стороне качелей и находящегося наверху. И эти знания приобретаются нами не благодаря форме изображения, поскольку включают наше собственное знание отдельных свойств реального мира.
На это похоже также и понимание языка, неважно кем - человеком или машиной. У всех нас есть определенные критерии, интериоризованная грамматика английского языка, позволяющая сказать, что цепочка слов "The house blue it" [Прим. перев.: "Дом голубой это" (буквально). Синтактическая неправильность этого предложения вызвана тем, что прилагательное "blue" (голубой) употреблено здесь в роли сказуемого] - грамматически неправильна. Это сугубо синтаксическое суждение. С другой стороны, мы понимаем, что предложение "The house blew it" ("Дом продулся") с грамматической точки зрения правильно, хотя пытаясь решить, что же оно значит, т.е. каким образом его следует понимать, мы можем столкнуться с определенными трудностями. Мы говорим, что понимаем эту фразу только в том случае, если можно сконструировать какую-то ситуацию, в которой она приобретает смысл, - когда мы можем привести некоторую концептуальную схему, в рамках которой это предложение является осмысленным, быть может, даже "очевидным".


Например, в рассказе о том, что система, используемая игорным домом для нейтрализации системы, применяемой игроком, провалилась, фраза "The house blew it" имеет совершенно очевидное значение, по крайней мере для американца. Итак, снова приходится обращаться к знаниям о реальном мире, причем не просто для устранения неоднозначности предложения, а именно для того, чтобы понять его значение.
Безусловно, заниматься проблемой машинного понимания естественного языка намного легче, чем соответствующей проблемой применительно к машинному зрению, прежде всего потому, что язык допускает письменное представление, т. е. можно работать с определенной цепочкой символов, выбираемых из очень ограниченного алфавита. Более того, подобные цепочки можно предъявлять вычислительной машине последовательно, точно так же, как они предстают перед читающим человеком. К тому же эти цепочки можно без малейших искажений сохранять в памяти. Но вопрос о том, что составляет визуальный символ, пусть даже самый примитивный, приводит к существенным проблемам из области синтаксиса и семантики.
Исследователь, задача которого - понять машинные английские тексты, выбирая определенные символы в качестве непроизводных элементов, т. е. не поддающихся анализу, не связывает себя в значительной степени с какой-либо исследовательской гипотезой или стратегией. Исследователь, занимающийся проблемами зрения, по существу, определяет основные черты своей исследовательской стратегии в тот момент, когда он, скажем, решает выбрать границы и углы в качестве элементов своего словаря непроизводных. Кроме того, он сталкивается с очень трудной задачей даже в том случае, когда ему просто требуется установить, что его машина "видит" границу. Поэтому, а также и потому, что лишь недавно телевизионные камеры были сочленены с вычислительными машинами, исследования, связанные с пониманием естественного языка вычислительными машинами, имеют в рамках искусственного интеллекта гораздо более длинную историю, чем работа по проблемам машинного зрения.


В современной истории вычислений много раз случалось так, что какое-то техническое достижение, связанное с аппаратной частью или программным обеспечением вычислительных машин, порождало эйфорию, фактически близкую к сущему помешательству. Когда системы, которые считались тогда большими вычислительными машинами, впервые стали работать более или менее надежно, многие вполне разумные во всех остальных отношениях люди пали жертвой того, что я назвал бы синдромом "теперь, поскольку у нас (наконец) есть X, мы можем сделать Y". В той ситуации X считались запоминающие устройства (память) очень большой емкости и с очень высокими скоростями вычислений, а Y был машинный перевод. (Я не буду приводить здесь ссылки - ведь эта лихорадка, поразившая "оступившихся", уже давно спала).
Первоначальное представление заключалось, как несколько позже сформулировал Роберт К. Линдсей, в том, что
"высококачественный перевод может осуществляться лишь машиной, оснащенной достаточно детализированными синтаксическими правилами, большим словарем и обладающей достаточной скоростью для изучения контекста неоднозначных слов на несколько слов в каждом направлении"1.
Вычислительные машины все еще не обеспечивают "высококачественный перевод".
Твердолобый догматик старой школы (если они еще сохранились) мог бы возразить, что мы все еще не располагаем "достаточно детализированными синтаксическими правилами" или "достаточной скоростью", позволяющими добиться желаемого результата. Однако истинная проблема состоит в том, возможна ли вообще подобная "достаточность". Позволят ли любой набор синтаксических правил, сколь детализированы бы они ни были, любая скорость вычислений и словарь любого размера добиться получения высококачественного перевода? Каждый серьезный исследователь согласится сегодня, что ответом на этот вопрос является "нет".
Перевод следует рассматривать как процесс, включающий два различных, но не вполне разделимых элемента: 1) переводимый текст должен быть понят; 2) должен быть получен текст на выходном языке.


Применительно к нашим текущим задачам можно пренебречь вторым элементом. Проблема предстает почти во всей своей сложности, если предположить, что выходной язык является тем самым, что и входной, и, таким образом, преобразовать задачу перевода в задачу "обычного" пересказа. Мы видим, что понимание даже одного предложения может потребовать как тщательно разработанной контекстуальной схемы (например, сценария, в котором речь идет об игорных домах, системах, применяемых игроками, и тому подобных вещах), так и знания реального мира (например, чем занимаются игроки, что значит сорвать банк и т. д.).
Вернемся снова к приведенному ранее примеру. Допустим, что фраза "The house blew it" появляется в первой главе детективного романа. Раскрытие детективом преступления может зависеть от того, поймет ли он связь этой фразы с игорными домами. Улики, ведущие к именно такой интерпретации этого предложения, могли бы появляться лишь постепенно, скажем, по одной в каждой главе. И, таким образом, нельзя было бы рассчитывать, что какой-нибудь человек или какая-нибудь вычислительная машина смогут понять, а следовательно, и пересказать это предложение при его первом появлении. Никоим образом не смогло бы помочь здесь и изучение нескольких слов по обе стороны этого предложения. И человек, и вычислительная машина должны были бы прочесть весь детективный роман за исключением последней главы, чтобы оказаться в состоянии сделать то, что в конце концов сделал детектив, - понять ключевое предложение. (Мы предполагаем, что последняя глава романа нужна лишь тем, кто пропустил какую-нибудь улику или по каким-то иным причинам не смог прийти к правильным выводам.) И даже тогда с этим справиться смогут лишь те, кто обладает необходимыми знаниями о реальном мире.
Осознание того обстоятельства, что контекстуальная схема существенна для понимания текста на естественном языке, впервые было использовано в так называемых вопросно-ответных системах. В 1961 г. Б. Ф. Грин с сотрудниками создали систему, способную понимать вопросы, связанные, например, с бейсболом, и отвечать на них2.


У нее не возникало затруднений при понимании вопроса "Where did each team play in July?" (Где каждая команда играла в июле?), так как в ее сфере коммуникации такие, быть может, неопределенные слова, как "team" [Прим. перев.: Английское слово "team" имеет несколько значений ("спортивная команда", "бригада", "группа", "экипаж", "упряжка", "вереница", "выводок"), так что единственность в данном случае значения "спортивная команда" определяется исключительно тем, что речь идет о спортивной игре] и play [Прим. перев.: Сказанное в предыдущем примечании полностью относится и к английскому глаголу "play", выбор одного из значений которого - "играть в какую-то спортивную игру" определяется также спортивным контекстом]), имеют единственные значения. Она может отвечать, поскольку любой однозначно понятый вопрос легко преобразуется в небольшую программу поиска соответствующей информации в базе данных системы.
Тот же самый принцип использован и в программе "Student" "Студент") Боброу, хотя с ней и связаны значительно более амбиционные претензии3. Эта программа позволяла решать так называемые словесные алгебраические задачи типа "Tom has twice as many fish as Mary has guppies. If Mary has three guppies, what is the number of fish Tom has"? ("У Тома рыб в два раза больше, чем у Мэри - гуппи. Если у Мэри есть три гуппи, то сколько рыб у Тома?")
И снова контекстуальное пространство, для работы в котором создавалась программа, определяло, каким образом слова и предложения должны пониматься, преобразовываться (в алгебраические формулы) и подвергаться прочим видам обработки. Заметим, например, что "понимание" приведенной задачи вовсе не требует "понимания" слов типа "fish" "рыба" и "guppies" [Прим. перев.: Гуппи - небольшая рыбка; водится в пресных водах острова Тринидад и северной части Южной Америки.


Очень распространено ее разведение в аквариумах (в русском языке слово "гуппи" не склоняется)]; вместо них с тем же успехом можно было бы использовать X и У. А слово "has" [Прим. перев.: Английский глагол "to have" ("has" - форма 3-го лица единственного числа) может употребляться в качестве смыслового глагола со значением "иметь", "обладать" (в предложении "Tom has twice as many fish as Mary has guppies") и в качестве вспомогательного глагола (в сочетании "to have a cold"-"простудиться"), где он утрачивает свое основное значение "иметь" и выражает в сочетании с существительным (в данном случае "cold" - "простуда") единое понятие] не имеет здесь той коннотации, которую оно имело бы в предложении "Тот has a cold".
Задание очень сильно ограниченного пространства контекста чрезвычайно упрощает задачу понимания - и это, естественно, справедливо и для случая коммуникации между людьми.
Конечно, в большинстве реальных ситуаций понимание должно быть взаимным. В случае общения человека с вычислительной машиной мы хотим, чтобы машина понимала нас с определенной целью: могла сделать для нас что-то, скажем, ответить на вопрос, решить математическую задачу или пилотировать летательный аппарат; причем мы, в свою очередь, рассчитываем на понимание ее действий. Только что приведенные примеры не проливают света на этот аспект общения человека и машины. Ответы, выдаваемые программами "Baseball" ("Бейсбол") и "Student", не дают достаточной свободы интерпретаций, чтобы их считать неясными. Невозможно представить себе, что с этими программами можно было бы вести интересную беседу. Наиболее существенно то, что сами эти программы вопросов не задают.
Первая программа, осветившая этот второй аспект проблемы общения человека и машины, - моя собственная программа "Элиза"4[прим. авт.: Я выбрал для программы имя Элиза потому, что, как и Элизу Дулиттл из знаменитого "Пигмалиона" Д.


Б. Шоу, программу можно обучать "говорить" все лучше и лучше, хотя так же, как в случае с мисс Дулиттл, не стало вполне ясно, стала ли она умнее]. "Элиза" представляла собой программу, в основном реализовывающую универсальные методы анализа предложений и их частей, выделения так называемых ключевых слов в тексте, сопоставления предложений из отдельных частей и т. д. Другими словами, у нее не было какой-либо встроенной контекстуальной системы или дискурсивного пространства. Последнее придавалось ей при помощи "сценария". В некотором смысле "Элиза" являлась актрисой, обладавшей определенной "техникой", но сказать самой ей было нечего. Сценарий, в свою очередь, представлял собой некоторый набор правил, позволявший актеру импровизировать на любом имевшемся у него материале.
Первый большой сценарий, подготовленный мной для "Элизы", позволял ей пародировать реплики недирективного психотерапевта в процессе первичного обследования пациента. Я выбрал этот сценарий потому, что он давал мне возможность временно обойти проблему задания программе базы данных, содержащей знания о реальном мире. В конечном счете я полагал, что на замечание пациента "My mommy took my teddy bear away from me" ("Моя мамочка забрала у меня моего плюшевого медвежонка") психиатр может прореагировать, сказав, например, "Tell me more about your parents" ("Расскажите мне подробнее о своих родителях"), не имея на самом деле ни малейшего понятия, в частности, о плюшевых медвежатах. Чтобы воспроизвести этот ответ, программа должна знать, что "mommy" ("мамочка") означает "mother" ("мама") и что "пациент" сообщил ей что-то об одном из своих родителей, В действительности, она извлекала из реплик пациента больше информации, часть которой могла использоваться, например, в ее дальнейших репликах. И все же можно было сказать, что программа "понимала" нечто, лишь в самом слабом изо всех возможных смыслов5.


Тем не менее "Элиза" породила у множества беседовавших с ней людей поразительную иллюзию, будто она их понимает. Люди, отлично знавшие, что разговаривают с машиной, вскоре забывали об этом подобно театралам, которые, освободившись от неверия, быстро забывают о том, что действие, наблюдаемое ими, "не настоящее". Эта иллюзия сильнее всего захватила людей, знавших мало или совсем ничего не знавших о вычислительных машинах; они с наибольшим упорством цеплялись за эту иллюзию, часто настаивали на том, чтобы им разрешили разговаривать с системой без свидетелей, и, побеседовав с ней некоторое время, утверждали, несмотря на мои объяснения, что машина действительно поняла их.
Это явление можно сравнить с уверенностью многих людей в том, что предсказателям действительно доступны какие-то глубокие откровения, что они действительно "ведают" и т. п. Эта вера не является выводом, полученным в результате тщательного изучения фактических данных. Скорее, это гипотеза, подтверждениями которой для тех, кто ее придерживается, служат претензии предсказателей. В этом качестве она выполняет роль упоминавшегося выше уличного фонаря, под которым пьяный что-то ищет: любое свидетельство, которое могло бы противоречить гипотезе, тщательно скрывается от обнародования, и, естественно, любой факт, который незаинтересованный наблюдатель мог бы посчитать таковым, интерпретируется так, чтобы он служил развитию и укреплению гипотезы.
В определенных пределах это вполне нормальный и даже необходимый процесс. Никакая "информация" не может являться данными, кроме как в рамках определенной гипотезы. Таким образом, даже в обычном диалоге каждый из собеседников использует какие-то собственные представления в процессе понимания другого. Другими словами, у каждого имеется некая рабочая гипотеза, т. е. опять же определенная концептуальная система, учитывающая, кто именно является собеседником и чему посвящена беседа. Эта гипотеза выполняет роль прогноза: что собирается сказать второй участник разговора и (это существеннее) что он хочет сказать тем, что он собирается сказать.


Например, Виноград признает, что его система использует лишь тончайший пласт соответствующего знания. Знания же, о которых он говорит, - это знания о "фактах", имеющиеся в распоряжении человека. Проблематичность его подхода заключается в том, что его эвристики не представляют интересных общих принципов. Более того, такие принципы нельзя установить просто расширением диапазона возможностей системы, чтобы она могла получать. больше знаний о внешнем мире. Даже самый искусный создатель часов семнадцатого века никогда не смог бы открыть законы Ньютона, создавая все более причудливые и замысловатые часы!
Искусственный интеллект, как было документально подтверждено нами, выдвигает в качестве своей цели построение машин с мыслительными возможностями, соизмеримыми с мыслительными возможностями самого человечества. (Сейчас неважно, будет эта цель достигнута в "обозримом будущем" или нет.) Теории, которые должны составить основу этого триумфа искусственного интеллекта, должны быть применимы и к человеку в целом. В таком случае очевидно, что ограничения, присущие существующим в настоящее время системам и часть которых с истинным смирением признал Виноград, рассматриваются в искусственном интеллекте в целом как сугубо временные, трудности, которые согласно Ньюэллу и Саймону в обозримом будущем можно преодолеть.
Следовательно, особенно остро возникают два вопроса. Во-первых, поддается ли, хотя бы в принципе, полной формализации концептуальный базис, лежащий в основе лингвистического понимания, что предлагает Шенк и во что верит большинство работающих в области искусственного интеллекта? Во-вторых, существуют ли такие идеи, которые, как я считаю "ни одна машина никогда не поймет, потому что они связаны с целями, неуместными применительно к машинам"?
Эти два вопроса имеют колоссальное значение. Они проникают в самую суть проблемы: существует ли какая-либо существенная разница между человеком и машиной? И целесообразно ставить эти вопросы в контексте обсуждения проблемы понимания машинами естественного языка, так как главным образом именно с помощью своего языка человек обнаруживает свой разум и, по мнению некоторых, свою уникальность как человеческой личности.


Кроме того, эти вопросы неразрывно связаны друг с другом и их следует задавать вместе. Если действительно весь человеческий опыт и порождаемая им структура взглядов не поддаются формализации, то на самом деле существуют цели, уместные для человека и неуместные для машин. И если бы мы пришли к выводу (к чему я и веду), что такие цели действительно существуют, то мы могли бы говорить и о том, какую деятельность следует и какую не следует возлагать на машины.
Сам факт превращения этих вопросов в существенные характеризует глубину проникновения метафоры информационного подхода в академическое сознание и сознание широкой публики. Если мы проведем "инвентаризацию", то быстро обнаружится, как мало на самом деле до сих пор сделано. В книге Ньюэлла и Саймона "Решение задач человеком" (Human Problem Solving) детально обсуждается только три типа задач: криптоарифметические, доказательство теорем в простейшем логическом исчислении и шахматные. Достижения управляемых вычислительными машинами машин "рука - глаз", созданных в Массачусетском технологическом институте и Станфордском университете (постройка конструкций из кубиков по моделям, предъявляемым системе, и навинчивание гаек на болты), справедливо провозглашаются триумфом теми, кто понимает невероятную сложность задач, которые необходимо было решить предварительно. Были и другие подобные триумфы. Однако то, что подобные достижения заслуженно встречаются с таким восхищением, свидетельствует о том, насколько примитивны наши нынешние знания о человеческом мозге. Джордж А. Миллер, подобно представителям современной вычислительной лингвистики, также говорит о концептуальных структурах, составляющих основу мышления и языка человека, но он замечает при этом:
"Сегодня просто абсурдно претендовать на то, что нам известно, каким образом, можно заложить хоть в какую-нибудь машину эти сложные концептуальные структуры"11.
Виноград действительно говорит от имени всего искусственного интеллекта, независимо от того, признают это его коллеги или нет: наши системы затрагивают лишь тончайший пласт соответствующего знания.


Как в XVII в. было бы неправильно доказывать невозможность вывода объекта, сделанного человеком, на земную орбиту, опираясь на то обстоятельство, что в те времена никто не имел даже малейшего понятия о том, как это можно сделать, так и в наши дни неправильно основывать доказательства невозможности какой-либо деятельности вычислительных машин на нашем сегодняшнем незнании. С другой стороны, уместно, особенно учитывая имеющиеся достижения, оценить мощь обсуждавшихся нами теорий. Сопоставимы ли они, например, с результатами Ньютона по диапазону выводимых из них следствий?
Что нового дает утверждение: "существует межъязыковая концептуальная основа, на которую отображаются во время реализации процесса понимания лингвистические структуры заданного языка и из которой подобные структуры появляются в процессе порождения [высказывания на языке]"?12 Абсолютно ничего. Ибо термин "концептуальная основа" вполне можно заменить словом "нечто", И кто смог бы оспаривать утверждение, измененное подобным образом? Вклад Шенка подобно вкладу остальных возделывающих ныне те же благодатные поля состоит в том, что он пытается найти некое формальное представление для этой концептуальной основы. Он хочет с максимальной доскональностью растолковать нам, что представляет собой это нечто, "лежащее в основе всех естественных языков", и как оно функционирует и при порождении, и при понимании языковых высказываний. Но даже и при таком подходе Шенку не удается показать, что его схема представляет собой нечто большее, чем просто набор эвристик, оказавшийся работоспособным применительно к специфическим классам примеров. Решающим научным результатом стало бы создание какой-то конечной программы* подбирающей подходящие концептуальные структуры для бесконечного множества предложений, которые могут встречаться в естественном языке. Эта задача все еще находится в первозданном виде. Представим себе суммирующую машину, которая складывает некоторые, но не все числа правильно, причем мы не в состоянии указать, что отличает числа, суммируемые ею правильно.


Едва ли мы посчитали бы эту машину механизацией арифметики. А в каком же виде должны быть нам представлены гипотетические концептуальные структуры Шенка, операции на них, связи между ними и так далее? Конечно, в виде программ вычислительной машины.
"Что нам необходимо, и чего у нас нет, - это стройной теории понимания людьми естественного языка, посвященной не отдельным частям этой проблемы, а именно всей проблеме в целом. Эта теория ... должна также служить основой программы вычислительных машин, понимающих естественный язык ... Будет обсуждаться именно теория, лежащая в основе такой программы ..."
"Мы надеемся, что сможем создать программу, обучающуюся подобно тому, как обучается ребенок, вместо того, чтобы получать с ложечки колоссальное количество необходимой ей информации. Чтобы осуществить это намерение, может оказаться необходимым дождаться появления эффективных систем "рука - глаз" и процессора обработки изображений."13
Теперь мы начинаем обнаруживать связь, существующую между обсуждавшимися выше работами по решению задач и работами, посвященными пониманию машиной естественного языка. Предложение представляет собой некоторый "заданный объект", концептуальная структура, являющаяся его значением, - "искомый объект", цель состоит в преобразовании первого во вторую, а средства, с помощью которых это осуществляется, определяются возможностями понимающей программы. Самое важное в обоих случаях - возможность перевода соответствующих теорий в программы вычислительной машины.
Следуя процедурам, предложенным Шенком, может оказаться возможным создать некоторую концептуальную структуру, соответствующую значению предложения "Will you come to dinner with me this evening?" ("He пообедаете ли вы со мной сегодня?"). Однако трудно понять (я сознаю, что это не служит доказательством невозможности), каким образом с помощью шенковских схем можно было бы установить, что это самое предложение в устах застенчивого молодого человека означает страстное признание в безнадежной любви.


Даже если вычислительная машина могла бы имитировать чувства отчаяния и любви, разве в этом случае вычислительная машина была бы способна испытывать отчаяние или любовь? Могла бы вычислительная машина в данном случае понять отчаяние и любовь? В той степени, в какой эти вопросы вообще являются правомерными, а эта степень на самом деле очень ограничена, ответом является "нет". При таком ответе смысл, в котором даже наиболее модные системы шенковского типа "понимают", является столь же слабым, как и тот, в котором "понимала" система "Элиза".
То, что мы здесь обнаруживаем, - это в лучшем случае еще один пример поиска пьяным под фонарем. Теория претендует на описание концептуальных структур, составляющих основу понимания человеком языка. Но законными она признает лишь те концептуальные структуры, которые допускают представление в виде структур данных, пригодных для обработки на вычислительной машине. При этом провозглашается, что они образуют все концептуальные структуры, составляющие основу мышления человека. Задав такую программу, т. е. сузив до такой степени значение слова "все", действительно можно доказывать, что данная теория объясняет "все" лингвистическое поведение человека.
Естественно, любая теория сама образует некоторую концептуальную систему и устанавливает, что должно и что не должно квалифицироваться как факт. Теории (или, быть может, лучше сказать - укоренившиеся метафоры) , загипнотизировавшие "искусственную интеллигенцию", а также и значительную часть широкой публики, давным-давно установили, что жизнь - это то, что может быть вычислено, и ничто иное. Как заявил профессор Джон Маккарти, руководитель Лаборатории искусственного интеллекта Станфордского университета, "единственная причина, то которой мы еще не достигли успеха в моделировании всех аспектов реального мира, - это отсутствие достаточно мощного логического исчисления. Я в настоящее время занимаюсь этой проблемой"14[Прим.перев.: Stanford University's Artificial Intelligence Laboratory].
Иногда, когда наши дети были еще маленькими, мы с женой стояли над ними, глядя, как спят они в своих кроватках. Мы разговаривали в тишине, воспроизводя сцену, столь же древнюю, как само человечество. Как сказал Ионеско: "Не все невозможно выразить словами - только живую истину".

---

---