Без божества, без вдохновенья?

 

Несколько лет назад в зарубежной прессе промелькнули сенсационные сообщения о поэтических упражнениях электронных версификаторов. Один из них, лирик РКА‑301, сработанный американскими физиками, располагая запасом в сто слов, выдавал в минуту десятки и сотни строф, напоминавших не очень вразумительные опусы современных авангардистов.

А вот образец прозы – она принадлежит перу «Каллиопы», французской машины, носящей имя музы – покровительницы красноречия: «Мой горизонт состоит лишь из красной портьеры, откуда с перерывами исходит удушливая жара. Едва можно различить мистический силуэт женщины, гордой и ужасной; эта знатная дама, должно быть, одно из времен года. Я больше ничего не вижу и продвигаюсь к занавесу, который мои руки смущенно раздвигают…» И так далее, в том же духе.

Что ж, символическое признание: творческий горизонт, задернутый шторами ограниченности… Удастся ли когда‑нибудь бездушным роботам «раздвинуть занавес», за которым откроется перспектива осмысленной литературной деятельности?

Робот взывает о помощи, на выручку спешит творец. Сумеет ли человек передать кибернетическим устройствам хоть капельку своего вдохновения?

– А почему бы им не писать? – так отвечал академик А. Н. Колмогоров на вопрос о потенциальных возможностях машин‑литераторов. – Сейчас мы всерьез не думаем о создании подобных автоматов.

И даже если во Франции появился электронный поэт («Каллиопа» фабриковала и вирши. – Л. Б.), к серьезным работам это не имеет отношения. Но допустим, будет сконструирована машина, которая способна написать поэму, равноценную «Медному всаднику».

Такая машина не может быть устроена проще, чем мозг Пушкина… Чтобы осуществить обучение такого автомата, пришлось бы промоделировать общественную среду, вне которой поэзия не может возникнуть, все развитие культурной жизни того общества, в котором поэты развиваются. Проблема неимоверно сложна. Так что пока конкуренция автоматов настоящим поэтам не страшна…

Пока действительно не страшна. Ни поэтам, ни прозаикам. Но кибернетические кандидаты на Парнас, переживающие сейчас пору своего младенчества, непрестанно совершенствуются.

«Ты въедешь скоро в трех верстах от единственного поместья», «Вы будете беспокоить ваших стариков», «Рано мать попьет». Эти и десятки других подобных фраз сконструированы машиной «Стрела» по программе Н. Г. Арсентьевой (Институт прикладной математики АН СССР). При составлении алгоритмов Нина Георгиевна опиралась на результаты кропотливого анализа, которому она подвергла пушкинские «Повести Белкина». Как видно, получались не только грамматически правильные, но и осмысленные высказывания. Однажды машина самонадеянно заявила: «В самом деле, я не ошибаюсь». Если бы это было так! Что ж, с синтаксической стороны все обстояло более или менее благополучно. Зато со смысловой…

Некоторые «пробы пера» «Стрелы» выглядели и так: «Накануне красной тройки мы поспешим, может быть, въехать под своим богатым волнением…»

Эксперименты помогли выявить отдельные особенности сложнейшего и удивительнейшего явления, настоящего чуда, которое кажется нам таким простым и естественным, – изреченной мысли. В то же время они дали почувствовать, что нужен более совершенный набор инструкций, который даст машине возможность самой распознавать нелепость или осмысленность синтезированных ею текстов. Успешную попытку создать такой алгоритм предприняли А. А. Стогний и Н. М. Грищенко под руководством академика В. М. Глушкова. Другой киевский математик, Э. Ф. Скороходько, составил программу, по которой автомат строил осмысленные предложения.

«Осмысленные» – значит, не противоречащие реально возможной ситуации. К ним не могло принадлежать, например, такое (из перлов «Каллиопы»): «Эта знатная дама, должно быть, одно из времен года».

Если раньше машина бездумно соединяла части речи в грамматически правильные сочетания, то теперь она начинает постигать значение слов, вникать в смысл высказываний. Робот учится творить. Но если даже он и не преуспеет в синтезе текстов и мелодий, то это ничуть не умалит его заслуг в анализе произведений литературы и искусства, созданных человеком.

Человек – это стиль, и каждому художнику присущи свои неповторимые особенности, излюбленные приемы. Выявляя их, машина устанавливает, может ли данному писателю или композитору принадлежать то или иное произведение, автор которого не известен.

Конечно, речь идет скорее об услугах автомата, заслуги же справедливее отнести на счет его творца, его наставника, его научного руководителя.

На кафедре теории вероятностей механико‑математического факультета МГУ, которой заведует академик А. Н. Колмогоров, точными количественными методами изучается русский язык, в частности его ритмика.

Пушкин, Тургенев, Достоевский, Чехов, Блок, Есенин, Маяковский – их, и не только их, тексты препарировались математическим скальпелем. Выяснилось, что художественная проза, как ни странно, почти не отличается по своей ритмике от научной и деловой, хотя стилистическая разница между ними сразу же бросается в глаза (она объясняется, естественно, не распределением ударений, а образностью). Зато чеканная поэтическая речь, бесспорно, обладает целым рядом черт, выделяющих ее среди других языковых построений. Ее метрика может служить объективным мерилом при анализе стилистической манеры того или иного автора.

Подобные исследования, понятно, не обещают сиюминутных выходов в практику. Однако они, несомненно, обогатят литературоведение, помогут познать природу творчества, «поверить алгеброй гармонию», заменить расплывчатые литературоведческие дефиниции математически строгими объективными оценками. Вкупе с теоретическими и экспериментальными результатами других ученых они приблизят эру мыслящих машин.

 

Перед девятым валом

 

16 марта 1963 года телеграф принес из Рима весть: международная премия Бальцана за достижения в области математики присуждена советскому ученому А. Н. Колмогорову. Вместе с Колмогоровым наградой того же фонда, но уже по другим разделам, были отмечены австрийский профессор Карл фон Фриш (биология) и американец доктор Сэмюэль Э. Моррисон (история).

Заметьте: работы относятся к трем разным научным сферам и изложены на трех непохожих языках – русском, немецком, английском. А ознакомиться с ними должны были итальянцы. Да и не только с ними – ведь предстояло выбрать наиболее достойные из многочисленных исследований, непрестанно публикуемых на десятках языков. Впрочем, самим ученым еще важнее быть в курсе всего, что достигнуто их заграничными коллегами.

На первый взгляд тут нет ничего особенного.

Подумаешь – перевод. Миллионы людей освоили это не бог весть какое хитрое ремесло. И все ж…

О том, что в СССР создана оригинальная конструкция турбобуров, фирмы США узнали лишь 6–7 лет спустя после появления наших публикаций.

Целых пять лет и 200 тысяч долларов затратили американцы на разработку системы переключений в линиях связи. Увы, решение, найденное с большим трудом, можно было в готовом виде почерпнуть из широко доступных советских источников, ибо наши ученые и инженеры справились с той же задачей еще в 1950 году.

По данным ЮНЕСКО, Советский Союз издает вчетверо больше переводной литературы, чем США; в девять раз больше, чем Япония. В 1953 году на базе ВИНИТИ (Всесоюзного института научной и технической информации) у нас создан объединенный «Реферативный журнал». Кратко излагая содержание статей из 100 с лишним стран мира, он охватывает все или почти все главные отрасли' знаний. «Русское реферирование, – признают специалисты США, – достигло такого уровня, когда американские ученые черпают сведения об успехах своих же соотечественников из советских рефератов». ВИНИТИ, эту грандиозную фабрику по экстрагированию информации, обслуживают десятки тысяч переводчиков и редакторов. Столько внимательных глаз! Неужто они могут что‑то проглядеть?

О полезном техническом новшестве – съемных протекторах для автомобильных шин – американские журналы сообщили в 1953 году. А наши о том же самом – через шесть лет! Увы, подобные казусы – не редкость.

Ежегодно на «рынок текстов» выбрасывается 3 миллиона научных статей, 60 тысяч книг (имеются в виду, естественно, не тиражи, а названия), 200 тысяч описаний к авторским свидетельствам и патентам. Настоящее бумажное цунами! Каждый день к уже имеющимся химическим журналам прибавляется по одному – по два новых. Даже самый усидчивый химик, с маниакальным упорством глотающий по 20 статей в сутки круглый год без передышки, не в силах ознакомиться и с десятой долей всех периодически поступающих публикаций, относящихся к его профессии. А ведь ознакомиться мало – надо «переварить» прочитанное.

Не лучше обстоит дело в математике, физике, биологии, на других важнейших направлениях научного прогресса. Семь миллиардов страниц ежегодно добавляются к уже погребенным в библиотечных «колумбариях».

Мозгу нужен могущественный союзник, чтобы во всеоружии встретить девятый вал информации.

Творец взывает о помощи – на выручку спешит робот.

ИПС… Это инициалы «спасательной службы» – информационно‑поисковой системы. Ее назначение понятно из самого названия. Арсенал ее средств включает в себя перфокарты, микрофильмы, счетно‑решающие устройства. Ее профиль может быть любым – от математики до медицины. В Советском Союзе первая ИПС была разработана в Москве, в Институте хирургии имени А. А. Вишневского.

Теперь такие исследования ведутся в Ленинграде, Киеве, Минске и других городах.

В Украинском научно‑исследовательском институте туберкулеза и грудной хирургии под руководством профессора Н. М. Амосова организован архив, где истории болезней (пороков сердца) заносятся на перфокарты. Собранные сведения предназначены для ввода в электронные машины. Создаваемая в институте ИПС станет первым этапом на пути к построению целой их сети, охватывающей лечебные учреждения всей страны. Вынашивается проект медицинского информационного центра. В Институте кибернетики АН СССР уже изучаются способы передачи медицинских данных в виде чисел и кривых.

В лаборатории электромоделирования ВИНИТИ коллектив ученых (А. Л. Сейфер и другие) занят проблемой автоматического поиска химической информации. Здесь рождается «электронная энциклопедия». Команду: «Найти все вещества с такой‑то совокупностью свойств!» – машина «Урал‑4» выполняет за 5–6 секунд, просматривая пакет, содержащий 40 названий. Сплошной перебор всего информационного массива неорганической химии и извлечение из него нужных справок отнимает 20–25 минут.

Проектируется ИПС по математической теории эксперимента (В. В. Налимов, Ю. П. Адлер, Ю. В. Грановский).

Будут, непременно будут машинные информаторы, всеохватывающие, емкие по содержанию, универсальные и специальные, с оперативными службами поиска нужных сведений, с электронными референтами и переводчиками.

…«Машина для автоматического производства нуждающихся только в литературной обработке готовых печатных переводов с одного языка одновременно на ряд других языков» – так назвал свое изобретение преподаватель истории техники Петр Петрович Троянский. Патентную заявку он подал 5 сентября 1933 года. И вскоре получил авторское свидетельство за № 40995. Оно удостоверяло, что сконструировано устройство «для подбора и печатания слов при переводе с одного языка на другой», то есть для механизированного поиска русских эквивалентов каждому члену переводимого предложения с тем, чтобы оттиснутую на бумаге заготовку просмотрел еще и выправил корректор. По идее Троянского, человеку не нужно было самому копаться в словаре; ему оставалось только подогнать друг к другу по форме и ПО смыслу найденные машиной существительные, глаголы и прочие части речи.

Детище Троянского представляло собой скорее автоматизированный словарь. Бесспорно, богатый: в нем умещалось 80 тысяч корней – в несколько раз больше, чем употребляли Пушкин и Толстой. Но словарь еще не толмач. К тому же агрегат являлся механической системой, не электронной, так что по быстродействию, естественно, не смог бы тягаться с нынешними своими потомками. Тем не менее он по праву вошел в историю как первая попытка освободить переводчика от чисто механических операций, не требующих интеллектуальных усилий, зато пожирающих немало времени и мешающих сосредоточиться на творческой стороне дела.

Интересный замысел советского изобретателя опередил эпоху – его дальнейшее развитие стало возможным лишь много лет спустя на базе радиоэлектроники и кибернетики.

В декабре 1955 года быстродействующая электронная счетная машина (БЭСМ) дала вполне удовлетворительный подстрочник к одной английской научной книге. Инициаторами эксперимента были сотрудники Института точной механики и вычислительной техники И. С. Мухин, Л. Н. Королев, С. Н. Разумовский.

Машина держала в памяти 952 английских слова и 1073 их русских «двойника». При поиске русских эквивалентов точное их соответствие оригиналу по форме и по смыслу контролировалось самой машиной. Ею же из слов, подобранных на основе такого анализа, синтезировалось русское предложение с естественным для нашего языка строем и даже со знаками препинания.

В июне 1956 года появился первый автоматический перевод с французского на русский. Его выполнила машина «Стрела» по программе, составленной коллективом ученых (О. С. Кулагина, Г. В. Вакуловская и другие) под общим руководством одного из пионеров кибернетики – А. А. Ляпунова, ныне члена‑корреспондента АН СССР. Электронный «толмач» располагал запасом в 1156 самых употребительных французских слов. Кстати, в своих первых экспериментах с машинным переводом на английский (январь 1954 года) американцы ограничились набором в 250 русских слов.

Впрочем, дело не в богатстве лексикона. В житейских разговорах мы запросто обходимся несколькими сотнями слов. Если их список возрастет до 2500, то, как установили сотрудники Таллинского научно‑исследовательского института педагогики, он покроет наши потребности в 80 случаях из 100. Остальные десятки тысяч русских слов гораздо менее употребительны и встречаются куда реже. Главное в другом.

Никому не известен психофизиологический механизм творческого процесса, благодаря которому переводчик расшифровывает чужеземные письмена и передает на своем языке заложенные в них мысли.

Машине же нужна исчерпывающая инструкция, предусматривающая каждый ее шаг.

Вся процедура автоматического перевода расчленяется на элементарные логические операции.

Программа для «Стрелы» состояла из 17 сложно взаимосвязанных блоков (разделов), включавших 8500 команд. Целый устав! И преподробнейший. Тем не менее он давал правила поведения лишь в простейших ситуациях, да и то не во всех.

Вот, к примеру, омография, когда разные понятия записываются абсолютно одинаково: коса, лук, пол, нота, гол. Еще Троянский в своем механизированном словаре приводил все их толкования: скажем, коса может оказаться женской прической, песчаной отмелью, сельскохозяйственным орудием. То же явление свойственно и другим языкам. Нужный вариант должен был выбрать корректор. «Стрела» в подобных случаях печатала все русские значения французского омонима; оставить лишь одно, единственно нужное, отбросив остальные, она не умела. Вот если бы она понимала смысл фразы, сама чувствовала контекст, тогда другое дело, но…

«Электронный мозг» еще только учится этому искусству.

Сейчас автоматическим переводом и математической лингвистикой у нас занимаются сотни людей, десятки лабораторий и групп как в Москве (МГУ, ВИНИТИ, Математический институт имени В. А. Стеклова, Институт прикладной математики, Институт языкознания АН СССР, Центральный научно‑исследовательский институт патентной информации, другие учреждения), так и в других городах – в Киеве, Новосибирске, Ленинграде, Тбилиси, Ереване, Горьком, Саратове, Ташкенте, Таллине…

Творец и робот в едином строю наступают на разбушевавшуюся стихию информации, отводя от здания науки далеко не мифическую угрозу.

«На всей земле был един язык и одно наречие» – так начинается ветхозаветное предание о пресловутом вавилонском столпотворении. Пока люди понимали друг друга, строительство якобы продвигалось настолько успешно, что доисторический небоскреб достиг колоссальных размеров. Это был вызов самому господу. Но всевышний сразу же смекнул, как пресечь предерзостное посягательство сынов человеческих на его престиж. Нет, он не наслал на возгордившихся своих рабов ни мор, ни потоп, ни пожар.

Просто он взял да и учинил разноязыкость.

Мешанина наречий тотчас разъединила тысячеликую семью строителей, посеяла бестолковщину, распри. И хоть Вавилонскую башню включили потом в список чудес света, представление о ней ассоциируется не столько с величественной монументальностью, символом людского могущества, сколько с беспомощностью, вызванной языковыми барьерами.

Языковая разобщенность давно уже мешает ученым. Особенно сейчас, когда выдвигаются и реализуются проекты, куда более грандиозные, нежели

Вавилонский «столп» и все чудеса древнего мира, вместе взятые. Проекты, которые требуют тесного международного сотрудничества и взаимопонимания.

Гигантские ускорители… Центры ядерных исследований… Трансконтинентальные энергетические, телевизионные, радиоастрономические системы… Глобальная сеть спутников связи или космических метеостанций…

Сверхглубокие скважины…

Без обмена информацией вообще немыслимо создание никаких технических «чудес» – ни сущих, ни грядущих.

«Нужно выработать радикально лучшее средство общения, – считает английский ученый‑марксист профессор Джон Бернал, – особенно ныне, когда мир становится действующим научным и экономическим комплексом, в котором вавилонская мешанина языков является ужасающими путами».

Поможет ли робот создать «радикально лучшее средство общения»?

Специалисты осторожны в своих оценках.

«Достижения машинного перевода пока еще достаточно скромны, – признает академик Аксель Иванович Берг, председатель Научного совета по комплексной проблеме „Кибернетика“ АН СССР, – трудно ожидать серьезных, имеющих значение для практики результатов ранее чем через 8–10 лет».

Анализируя возникающие здесь трудности, профессор Колумбийского университета (США) Мортимер Таубе касается и экономического аспекта: «Кодирование печатного текста – дорогая операция. Даже самые пылкие машинопоклонники не отрицали, что автоматический перевод останется экономически невыгодным до тех пор, покуда не будет создано читающее устройство, способное автоматически преобразовывать печатный текст в последовательность отверстий на перфокартах или иной код, легко воспринимаемый машиной. Имеются читающие устройства, которым доступны шрифты стандартной формы и стандартного размера при строго определенном положении букв. Но никто еще не придумал устройства, способного правильно считывать любой шрифт».

Над технической задачей, о которой упоминает Таубе, много лет подряд бились ведущие кибернетики США (Оливер Селфридж, Фрэнк Розенблат) и других стран. Проблема оказалась не из легких.

Соотечественник Таубе, математик Уолтер Питтс, как‑то заметил: «Даже определение абсолютно точных и строгих правил узнавания буквы А во всех видах, встречающихся хотя бы в печатном тексте, – грандиозная задача». И тут же выразил сомнение, что ее вообще удастся когда‑нибудь решить.

7 февраля 1962 года собрание Академии наук заслушало доклад директора Института автоматики и телемеханики академика В. А. Трапезникова о работе советского ученого Э. М. Бравермана, предложившего весьма перспективный подход к проблеме.

 

Видеть букву, понимать дух!

 

Когда мы разглядываем какой‑нибудь вензель, его изображение проецируется хрусталиком на глазное дно, которое похоже на соты – оно состоит из великого множества тесно примыкающих друг к другу клеток (палочек и колбочек). Каждый из этих зрительных рецепторов воспринимает лишь кусочек общей картины. Если ячейка оказалась затененной, от нее в мозг по нервному волокну идет иной сигнал, чем от незатененной.

Сетчатку можно моделировать мозаикой, составленной из фотоэлементов. Допустим, их 60 (это несравненно меньше, чем светочувствительных клеток на внутренней стенке глаза, но принципиальной разницы тут нет). И расположены они 10 горизонтальными рядами друг под другом, по 6 штук в каждом ряду. Получилась прямоугольная сетка. Представьте, что на нее упало изображение плоской черно‑белой фигуры. Пятерка, не правда ли? Неказистая, но все же не тройка, не семерка, не иная цифра. Мы сразу узнали ее выразительный абрис. А вот машине надо втолковать: мол, данный орнамент есть не что иное, как «5». Пусть от темных участочков в электронный мозг по проводам тотчас понеслись импульсы.

Обозначим элемент, попавший в область тени, единицей, а освещенный – нулем. Обегая картинку слева направо и сверху вниз, развернем последовательность единиц и нулей в строку: 111111 100000 100000 111100 000010 000001 000001 000001 10010 111100.

Если на «сетчатке» машины появятся другие паркетажи, то и соответствующие им комбинации единиц и нулей (импульсов и пауз) будут иными. Каждое сочетание черных и белых клеточек описывается одним‑единственным кодовым числом. Геометрически это интерпретируется так: любому из графических вариантов буквы или цифры отвечает только одна точка со своим, «персональным» набором координат (единиц и нулей). Все возможные начертания той же арабской «пятерки», славянского «буки» или иного образа составят целую семью точек, тесно сгрудившихся в некоем многомерном пространстве. Браверман высказал гипотезу, что каждое такое скопление компактно: оно расположено густой галактикой, не перекрывается соседней, даже не имеет выступов, глубоко вклинивающихся в чуждые пределы.

Такие «рои» довольно легко отграничить друг от друга демаркационной линией, а вернее – поверхностью. Правда, семейства могут соприкасаться в некоторых точках, являющихся «местами общего пользования». Скажем, угловатое 6, оно же округлое Б, относится к классу всех «шестерок» и одновременно к классу всех «буки». А некоторые «уродцы» из множества всех Б окажутся «эрзац‑пятерками». Но в большинстве случаев водораздел между множествами удается проложить без труда. К этому и свел Браверман задачу автоматического узнавания созерцаемых объектов.

Сперва машина обучалась. Ей представляли карточку за карточкой: вот это сплошь пятерки, хотя они и отличаются друг от друга, это тройки, а это двойки. В запоминающем устройстве после каждой демонстрации оседало число – координаты данной точки. В предположении, что точки каждого образа должны ложиться кучно, электронный мозг размежевывал пространство на объемные доли: тут собралась компания из нескольких пятерок, продемонстрированных машине, значит, здесь же удел всех возможных, в том числе еще не показанных, графических вариантов символа 5; там сконцентрировалось несколько троек, стало быть, туда же попадут и все прочие, пока еще незнакомые их сородичи, когда их предъявят машине.

Затем начался экзамен. Машине предъявляли знак такой формы, какой она еще не видывала. Вычислив координаты новой точки, она определяла, куда отнести незнакомца – к вместилищу ли всех двоек, троек или пятерок.

Сотни правильных и лишь несколько ошибочных ответов – такую уверенность дала опознающей машине программа Бравермана.

Трудно переоценить значение этого и других подобных исследований. Уже говорилось, что одна из проблем автоматического перевода заключается именно в создании читающего устройства. (Одно из таких устройств – ЧАРС‑65 – разработано недавно в Институте кибернетики АН УССР. Оно воспринимает буквы и цифры, напечатанные любым шрифтом.

Скорость считывания во много раз выше, чем у человека, – 200 знаков в секунду.) Но дело не только в новых возможностях, которые открываются перед конструкторами электронных «обозревателей» и «архивариусов».

«Если машину можно научить отличать букву А в любом начертании от буквы Б, – пишет харьковский кибернетик Ю. Н. Соколовский, – то ее можно принципиально научить и отличать собаку от кошки, несмотря на разнообразие пород и мастей. А если так, то почему бы не научить машину, снабженную фотоэлектрическим глазом, давать словесные описания того, что она видит перед собой?»

Автоматическое опознавание рассматриваемых объектов пригодится прежде всего там, где анализируются изображения (треки ядерных частиц, снимки небесных гаи, топографические карты, конструкторские чертежи, типографские корректуры, всевозможные кривые – от кардиограмм до сейсмограмм, наконец, почерки, отпечатки пальцев и так далее). А по мнению специалистов США, электронный оператор следя за экраном радиолокатора, смог бы быстрее человека определять тип судов, самолетов или ракет, попавших в поле его зрения. Не случайно работы над устройством «персептрон» (от латинского «понимать», «познавать») велись Ф. Розенблатом в лаборатории аэронавтики Корнельского университета под пристальным надзором «медных касок», как величают военных сами американцы…

«Узнающую» программу несколько иного типа составил советский ученый М. М. Бонгард. Правда, машину «натаскивали» не на рисунках, ей показывали таблицы. Они содержали по три числа в каждой строке. Скажем, 2, 5 и минус 30 в первой.

А во второй – 7, 3 и 84. И так далее. Для всех строчек соблюдался один и тот же закон: произведение первых двух чисел, умноженное на их разность, равнялось третьему числу. По этому правилу строилось несколько таблиц; следовательно, все они принадлежали к одному классу. В таблицах второго и остальных классов взаимосвязь чисел описывалась иными уравнениями. Какими именно – опознающей системе не сообщалось; ей вменялось в обязанность самой расшифровать эти закономерности. Затем электронному «следователю» предъявили таблицу, которой он еще не видел. Числа в ней стояли совсем другие.

Разумеется, зависимость была одной из тех, что фигурировали при обучении, но ее опять‑таки не раскрывали. Проанализировав новую «цифирь» в сопоставлении с уже знакомой, перебрав тысячи всех возможных признаков, автомат в конце концов нащупывал основу для сравнения, улавливал сходства и разницу, определял классовую принадлежность созерцаемого объекта – опознавал его.

Когда же машине, запрограммированной Бонгардом и его сотрудниками, поручили важное практическое дело – отличать нефтеносные пласты от водоносных, – неверных определений у нее оказалось в пять‑шесть раз меньше, чем даже у многоопытных геологов!

Состояние слоев вдоль пути, проделанного буром, инспектируется приборами. Регистрируется электропроводность, радиоактивность, другие свойства пород – на поверхность по проводам поступает 10–15 показателей. Ни один из параметров в отдельности не обеспечивает надежной оценки. Только взятые в совокупности результаты измерений позволяют прийти к более или менее определенному выводу.

Но даже специалистам самой высокой квалификации успех не гарантирован – настолько сложна общая картина.

Машине продемонстрировали 90 примеров верной индикации – по 45 на нефть и на воду. Затем вручили сразу 180 «экзаменационных билетов» – в каждом предлагалось расследовать свойства незнакомого пласта. Испытуемый не ударил в грязь лицом – лишь в трех случаях не оправдались его прогнозы; люди же, мастера своего дела, на том же самом материале дали больше 15 ложных заключений.

Видимо, электронному геологу‑новичку удавалось самостоятельно обнаружить еще и такие признаки нефтеносности, которые ускользали от внимания профессионалов, его учителей.

В работе принимали участие математики, биофизики, геологи: М. Н. Вайнцвайг, М. С. Смирнов, В. В. Максимов, А. П. Петров (лаборатория органов чувств Института проблем передачи информации АН СССР); Ш. А. Губерман, М. Л. Извекова, Я. И. Хургин (Институт нефтехимической и газовой промышленности имени И. М. Губкина).

Хорошие результаты получены и на других обучающихся программах (группой ленинградских исследователей под руководством А. Г. Француза, сотрудниками Института автоматики и телемеханики В. Н. Вапником и А. Я. Червоненкисом).

Сам М. М. Бонгард так комментирует описанные работы:

– Философы и журналисты, пишущие о кибернетике, любят заканчивать статью примерно таким заклинанием: раз человек составил программу, значит он передал ей лишь часть своих знаний; посему‑де машина никогда не будет умнее своего создателя.

Про автомат, узнававший нефтеносность пластов, никак не скажешь, что программисты передали ему свои знания: ведь мы ничего не понимали в геологии!

Откуда же программа получила все необходимые сведения? Только за счет наблюдения и, если хотите, «творческого осмысливания» примеров, продемонстрированных при обучении. Других источников информации не было. Становится понятной роль хороших «машинных педагогов» – таких, как Ш. А. Губерман и М. Л. Извекова. Благодаря им универсальная программа, способная решать самые разные задачи, получила специализацию в геофизике. А могла приобрести ее в медицинской диагностике или в промышленной дефектоскопии. И вот ведь что интересно: машина превзошла не только программистов, но даже самих учителей. Когда она сообщила найденные ею признаки, ускользавшие от внимания людей, геологи стали сами, уже без помощи машины, лучше опознавать нефтеносные пласты. Преподаватель и ученик поменялись местами!

Таким образом, опыты с обучающимися программами узнавания положительно отвечают на вопрос: «Может ли робот знать о законах природы больше, чем его творец?»

Уже сегодня машину можно было бы без особой натяжки назвать соавтором некоторых научных работ. Разумеется, никакой мастер не ставит под произведением рядом со своей подписью марку инструмента. Электронный мозг покамест тоже довольствуется ролью орудия, он беспомощен без интеллектуального поводыря. Но разве знала история техники подобное орудие? И кто возьмется определить грань, где кончается робот и начинается творец?