Корабельщиков Роман Владимирович
Эволюционный потенциал ч2

Самиздат: [Регистрация] [Найти] [Рейтинги] [Обсуждения] [Новинки] [Обзоры] [Помощь|Техвопросы]
Ссылки:
Школа кожевенного мастерства: сумки, ремни своими руками Типография Новый формат: Издать свою книгу
 Ваша оценка:
  • Аннотация:
    Данная книга является продолжением моей ранее опубликованной "Математические подходы к оценке Эволюционного потенциала систем". Эта книга читателю предлагает посмотреть на самые разные вопросы с точки зрения Эволюционного потенциала. Наибольшее внимание уделено вопросу возникновения (создания) Искусственного разума (ИР).

Эволюционный потенциал систем.

Дальнейшее развитие.

Искусственный разум и другое.

Корабельщиков Р.В.

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

Редакция: 23-10-2025.

  
   Оглавление.
      -- Аннотация.
      -- Ограничения.
      -- Методика и последовательность действий.
      -- Эволюционный потенциал разума.
        -- Потенциал клетки.
        -- Потенциал группы клеток.
        -- Потенциал группы клеток многоклеточного организма.
        -- Искусственный разум с точки зрения энтропии.
        -- Потенциалы подсистем ИР
      -- Разное на тему ИИ и ИР.
      -- Саморазвивающиеся системы.
      -- Гипотезы.
      -- Список литературы.
  
      -- Аннотация.
   Данная книга является продолжением моей ранее опубликованной "Математические подходы к оценке Эволюционного потенциала систем". Эта книга читателю предлагается посмотреть на самые разные вопросы с точки зрения Эволюционного потенциала. Наибольшее внимание уделено вопросу возникновения (создания) Искуственного разума (ИР). Хотя в данном направление происходит бурное развитие, пока остаётся без ответа вопрос: в какой момент времени компьютеры смогут стать носителями Искусственного Разума? Попытке ответа на данный вопрос посвящена часть этой книги. Технологии и способы возникновения ИР выходят за рамки этой книги. Не так уж и важно: возникнет ли он случайно в процессе усложнения систем или это будет результатом планомерных действий по его созданию.
   Как я уже упомянул, в качестве рабочего инструмента для анализа будет использоваться описанный мною ранее Эволюционный потенциал и подходы к расчёту его величины.
      -- Ограничения.
   Дадим рабочее определение Искусственного Разума.
   Под Искусственным Разумом понимаются свойства системы к взаимодействию с окружающим миром через его непрерывное познание, имеющее свойства отображения мира в виде своих собственных образов, манипуляции с этими образами, предсказания поведения и свойств элементов окружающего мира, способности создавать абстрактные и новые, принципиально не похожие на уже имеющиеся, модели систем и элементов мира, а также манипуляции с ними в целях закрепления и расширения достигнутых результатов. Также должны проявляться как постепенные, так и скачкообразные усложнения способностей к дальнейшему познанию.
   Скажу сразу, что поскольку нас в основном будет интересовать уровень сложности системы, позволяющий проявиться ИР, мы сосредоточимся в области его оценки и в меньшей степени уделим внимание подходам в достижении данного уровня. Пути создания вычислительных систем, способных к эволюционированию в меняющейся среде, и, как результат, возникновение в них ИР затрагивать не будут. Не будет и прогноза даты очередного "апокалипсиса" в результате "Революции ИР".
      -- Методика и последовательность действий.
   В качестве некой опоры, на которую можно опереться в оценках сложности системы - носителя ИР, предлагается рассмотреть особенности человеческого (биологического) разума. В таком подходе нет ничего нового. Уже стало традицией сравнивать мозг и компьютеры с точки зрения обработки информации. Новым будет здесь оценка Эволюционного потенциала (ЭП) человеческого разума. Далее можно прогнозировать, что возникновению ИР будет соответствовать похожие значения эволюционного потенциала у технических систем. Я сознательно не пишу "компьютерных", поскольку не факт, что ожидаемому значению будет соответствовать компьютер в том виде, к которому мы привыкли. Но даже при всей внешней простоте такого подхода имеется множество подводных камней потенциально способных не дать довести задуманное до конца.
   Затем, имея на руках требуемую величину эволюционного потенциала технической системы, далее можно будет попробовать рассмотреть способы, которыми её можно достичь.
      -- Эволюционный потенциал разума.
   Чтобы оценить ЭП человеческого разума, логично вначале обратиться к таблице в предыдущей книге, по которой делается оценка ЭП. В таблице мы находим значение 1, соответствующее строке "Формирование и достижение цели на уровне разума". Это уже достаточно близко к тому, что нам нужно.
   Однако не все так просто. Эта величина слишком маленькая для человека. Человеческий мозг реализует намного больший набор решаемых задач и функций. Поэтому, прежде чем перейти к рассмотрению структур мозга и расчётам его ЭП, требуется отобрать те усложнения, которых достаточно для появления разума, отбросив то, что имеется у неразумных существ. И в этом кроется большая ошибка, поскольку любой вид разума не является статической системой и не существует сам в себе независимо от среды. Разумным делает систему ряд особенностей вплетения её в окружающий мир. Но данный вопрос уводит нас в плоскость философии и не хотелось бы в этом утонуть. Поэтому примем значение ЭП неразумных животных равное 1 (использовалось в расчётах ранее) и возьмём его как базовое на котором далее строится ИР.
   Сложив эти два значения по ранее изложенным методикам, получим значение равное 2-м. Т.е. грубая оценка ЭП ИР находится в районе 2-х.
   Вернёмся к мозгу. Можно определить величину Эволюционного потенциала, которому соответствует мозг как орган, но с потенциалами его периферических отделов типа глаза, уши и пр. возникают трудности, поскольку они не существуют независимо, а являются частью иерархической системы.
   С этой точки зрения использовать значения ЭП из ранее сформированных таблиц по теме Эволюционного потенциала неудобно, поскольку они ориентированы на оценки потенциала с опорой на связи, а не сложность структур типа мозга животного. Лучше сформировать под нашу задачу новую таблицу.
   Сначала используем существующее. Будем рассуждать так:
   1- величина ЭП разума человека появилась как результат развития мозга высших организмов, мозг которых реализовал все основные функции выживания и размножения. Т.е. он был уже достаточно развит, чтобы строить картину мира и её прогноз на основе сенсорных каналов получения информации и моторики на базе встроенной в обратную связь прогноза. Определив ЭП животного равным 1, этот потенциал также можно разделить на две части, одна связана с организмом как таковым, вторая будет соответствовать мозгу животного.
   Почему в данном случае мы рассматриваем весь мозг, а не его отделы, которые в основном отвечают за высшую деятельность? Дело в том, что при рассмотрении мозга с точки зрения обработки информации, она уже начинается на периферии (пример сетчатки) и далее может ветвиться и обрабатываться в разных других отделах. К сожалению, нет достаточных для наших расчётов данных о разнице между устройством и обработкой информации мозга животного и человека в плане сложности, количества структур и связей.
   Поскольку у нас нет таблицы, на основе которой бы рассчитывался ЭП живых организмов, сделаем дополнительные расчёты.
   Количество клеток человека 1014.
   ЭП одной простой клетки равно 0,01.
   ЭП человеческого организма как многоклеточного равно (1+14)*0,01 = 0,15. Замечу, что нижнее пороговое значение для простых многоклеточных организмов определено в районе 0,1, а для интеллектуальных многоклеточных организмов (животных) в районе 1. Этот промежуток заполняется путём усложнения многоклеточного организма через формирование различных подсистем. С одной стороны они связаны друг с другом, с другой функционально "ортогональны" в плане независимости. Например, "зрение" и "моторику" (передвижение) можно считать ортогональными до некого иерархического уровня мозговой деятельности, даже с учётом переплетений за счёт различных низкоуровневых связей, реализации инстинктивных функций и т.п.
   Количеству нейронов 86*109 человеческого мозга соответствует нижнее значение ЭП 0,12. Кора больших полушарий человека содержит 16*109 нейронов и имеет нижнее значение ЭП 0,11.
   ЭП интеллектуального организма равно 1. Рассматривая разницу между насекомыми и животными, мы видим некий условный порог 250 тыс. нейронов у муравья и дальнейший рост у более разумных видов. Затем у животных происходит заметный рост количества нейронов и появление еще одной структуры в виде коры головного мозга. Если устойчивым признаком интеллекта у животных считать наличие коры головного мозга, то у грызунов количество клеток мозга 6*107 (ЭП 0,088), а коры их головного мозга 107 (ЭП 0,08). При этом количество всех клеток мыши примерно 3*1010.
   ЭП мышиного организма равно 0,11. Отметим разницу ЭП мозга и организма всего в 0,03 единиц ЭП, что не удивительно, так как в наших расчётах не учитывается сложность мозга, увеличивающая ЭП мыши до величины близкой к 1.
   Также в организации жизнедеятельности и работе нейронов участвуют и другие типы клеток (глиальные). Т.е. система обладает большей сложностью, чем просто однородные одноклеточные соединения. Оценки соотношения их количества к нейронам заметно разнятся во времени и в разных источниках. Согласно наиболее свежим данным, её величину можно принять равной 2,3 от количества нейронов. Т.е. вместо нейрона мы должны использовать подсистему из нейрона и 2,3 глиальных клеток. Но мы не можем в расчётах просто пропорционально увеличить количество клеток, поскольку хотя глиальные клетки и участвуют в деятельности нейронов, однако имеют более прозаичные предназначения. Возьмём это пока на заметку, а требуемый перерасчёт сделаем намного позже.
   Каждый из нейронов имеет от 103 до 104 связей. На данный момент времени хотелось бы иметь готовую методику их оценки, но пока непонятно как оценить сложность связей, имеющих не просто электро-химическую природу, а участвующих в обработке поступающей информации и одновременно формирующих эти структуры.
   Примем в качестве рабочей следующую гипотезу: поскольку состояние нейрона меняется с учётом всех поступающих через синапсы "данных" и текущего состояния самого нейрона, а также то, что этот результат распространяется через связи нейрона на значительное количество других нейронов, совокупность соединённых между собой нейронов будут образовывать единую систему, использующую выходящие наружу связи своих нейронов как собственные.
   Межклеточным взаимодействиям мы присвоили значение ЭП равное 10-2, соответственно ЭП нейрона получает за счёт ЭП связей дополнительный потенциал порядка 0,03..0,04. Это значительная величина относительно простой клетки, и вполне допустимая для многоклеточной системы имеющей ЭП более 0,1, но все же недостаточная, чтобы преодолеть границу ЭП 0,1.
   Выделим наиболее очевидных "кандидатов", увеличивающих Эволюционный потенциал:
   - уровень сложности клетки типа нейрона на самом деле заметно больше простой клетки, т.е. 0,1 и более;
   - организация соединений нейронов образовывает большое число сложных структур (подсистем).
   Для определения ЭП нейронов учтём множество функций, осуществляемых ими совместно с синапсами:
   - способность менять пространственные конфигурации,
   - участие в совместной деятельности с другими нейронами и клетками,
   - самоорганизацию.
   Применим подход, использованный ранее при определении базовых величин ЭП различных систем. Требуется систематизировать довольно большой промежуток усложнений от клетки до интеллектуального многоклеточного организма. Сформируем таблицу составляющих (базовых элементов) и соответствующих им связей для многоклеточных подсистем и организмов. В дальнейшем их можно уточнять по мере роста понимания темы и полученных результатов. В связи с большим диапазоном изменения сложности выделим в отдельную таблицу клетки (1) и группы клеток (2).
   Далее возможны два подхода. В первом случае можно соединять клетки во все более сложные структуры и вычислять их эволюционный потенциал, стараясь учитывать его возможную скрытую часть. Во втором можно поступить также как и раньше, выделив промежуточную ступень усложнения клеточного сообщества, тем самым уменьшив величину ступени от клетки к многоклеточному организму. В нашем случае эта величина находится в районе 0,1 и отвечает она за простые многоклеточные организмы существующие как самостоятельные единицы, способные к жизни и размножению на уровне инстинктов (примитивное поведение) в среде с источниками питания и обеспечивающие совместный метаболизм, питание, защиту и размножении всех клеток внутри этого организма.
  
        -- Потенциал клетки.
   Таблица 1. Составляющие Эволюционного потенциала клетки входящей в группу клеток.
   Базовый элемент (часть Экл)
   Ээлем
   Тип связи
   Эсвязи
   Эs
   Межклеточный
   Химические связи.
   0,01
   Связь через химические соединения (вещества).
   0,01
   Эs1
   Электрические связи и сигналы.
   0,01
   Связь через электрические сигналы, потенциалы.
   0,01
   Эs2
   Потребность в связях с другими клетками в формировании группы.
   0,01
   Связи, формирующие группу клеток.
   0,01
   Эs3
   Групповой
   Участие в изменении информационного состояния группы клеток.
   0,01
   Межклеточные связи, меняющие состояние всей группы клеток.
   0,01
   Эs4
   Участие в совместном метаболизме группы клеток.
   0,01
   Межклеточный обмен веществами с учетом состояний клеток группы.
   0,01
   Эs5
   Информационный
   Запоминание и обработка клеткой поступающей информации.
   0,01
   Связи информационные.
   0,01
   Эs6
   Степень разнообразия различных видов и сложности обработки информации клеткой.
   0,01
   Пропорционально количеству видов информационных каналов и степени их реализации.
   0,01
   Эs7
   Среда (пространственный)
   Формирование клеткой протяженных (пространственных) структур
   0,01
   Пространственные связи с другими клетками и элементами организма
   0,01
   Эs8
   Базовые потребности клетки
   Реализация клеткой базовых биологических потребностей (питание, размножение, защита, ..) как одноклеточного организма.
   0, 01
   Питание, защита, размножение...
   0,01
   Экоо
   Из таблицы получаем достижимое значение ЭП сложной клетки, способной образовывать сложные сообщества (со сложным поведением) клеток, равное 0,09. За счёт наличия большого количества разных связей оно может достигать 0,1 и выше.
        -- Потенциал группы клеток.
   Примем ЭП нейрона равным 0,1 (без глиальных клеток). В самом примитивном приближении человеческому мозгу, как набору связанных между собой нейронов, будет соответствовать ЭП=1,2. Кора больших полушарий человека будет иметь ЭП=1,1.
   Чтобы понять, что простого увеличения количества нейронов мозга недостаточно для возникновения разума даже при максимальном количестве связей между ними, возьмём для примера слона. У него 257 млрд. нейронов в мозге и примерно 693 млрд. глиальных клеток. Даже если они образуют по 10 тыс. связей, все равно получим ЭП равным (1+12)*0,1 = 1,3 без учёта связей и максимально теоретически достижимое увеличение ЭП за счёт связей до 2,6. Что больше ЭП организма, но заметно меньше ЭП интеллектуального организма.
   Чтобы количество клеток и связей перешло в "качество" можно организовать нейроны в группы, связанные друг с другом прямыми и обратными связями так, чтобы они совместно меняли свои состояния. В этом случае простой набор из нейронных подсистем изменяется качественным образом, образуя систему, которую можно рассматривать в первом приближении как гипотетическую многоуровневую (необязательно иерархическую) с точки зрения потоков информации.
   Возникает предположение о том, что "разбивка" нейронов мозга на ряд областей, в сою очередь состоящих из нескольких слоёв, в которых клетки сгруппированы в локальные однотипные группы, а также слоёв, объединяющих эти различные области, создаст достаточную сложность, и мы сможем получить требуемую величину роста ЭП.
   Определим те нейронные связи, которыми нейроны внутри одной группы связаны с нейронами других групп, как межгрупповые связи, поскольку группа нейронов через них реагирует на внешние сигналы как единая система и что влияние этих связей одинаковое. Полагаем, что нейрон меняет состояние, ориентируясь на удалённость и т.п. связи, а не на её принадлежность и что происходящие изменения распространяются на всю группу. Неопределённостью, связанной со степенью влияния этих связей на состояние самой группы, пока пренебрежём. Также считаем, что влияние всех связей одинаковое.
   Для дальнейших расчётов определим вклад составляющей подсистему единицы (нейронов или группы нейронов) через значение Vед= W/Nед, если W<Nед или равным 1, если W>=Nед , где
   W - количество выходящих нейронных связей из единицы, а Nед - количество единиц в подсистеме.
   Рассмотрим примеры:
   1. Расчёт увеличения ЭП нейрона с учётом связей через "свёртку" с ЭП других нейронов.
   Рассмотрим однородную систему из N нейронов с величиной Эволюционного потенциала Эe и W связями с величиной Эсв.
   Пусть n =1...N - номер нейрона, s = 1...W - связи нейрона с другими нейронами. W>1.
   Тогда каждый нейрон вносит вклад в образующуюся систему равный Vn= W/N.
   Эсис =(1+log(N*Vn))*Эew = (1+logW)*Эew.
   Где Эew учитывает наличие связей и рост потенциала нейрона Эe за счёт связей.
   Для случая Эсв<< Эe, используем упрощённую формулу:
   Эew = Эe+(1+logW)*Эсв.
   Эсис = (1+logW)*( Эe+(1+logW)*Эсв) = Эе*(1+logW) + Эсв*(1+logW)2.
   Например, для N=1010, W=104, Эe=0,1, Эсв=0,01, получаем Эew =0,15,
   Эсис =0,75.
   2. Расчёт ЭП большого числа параллельно расположенных групп нейронов из нескольких клеток (в виде столбиков), объединяемых верхними и нижними плоскими слоями.
   Усложним систему группировку её элементов в однотипные подсистемы (группы), сделав разбивку системы на М групп с количеством нейронов в каждой из них Y>1.
   Если мы будем использовать значение Эew таким, как рассчитали раньше в 1 примере, то получится, что мы будем потом повторно учитывать потенциал связей, но уже как связи между группами, что не корректно. Поэтому Эew группы нейронов рассчитывается с учётом только внутригрупповых связей. Их немного и можно это значение взять максимально возможным. Т.е. каждый связан с каждым.
   Тогда для группы можно записать:
   Эew = Эe+(1+logY)*Эсв.
   Продолжая пример выше и учитывая, что Y = 10 и Эew =0,12
   Эгр = (1+log Y)*Эew = 0,24.
   Поскольку группа в совокупности задействует "во вне" все связи своих нейронов, за исключением тех связей, что окажутся внутри группы, при связях внутри группы "каждого с каждым" число межгрупповых связей, равное W-Wгр , уменьшится незначительно для W>>Wгр .
   Используем значение Vгр= W/Nгр - вклад каждого нейрона для межгрупповых связей.
   Продолжая пример, имеем Nгр = N/Y=109
   Эсис =(1+log(Nгр*Vгр))*Эгр = (1+logW)*Эгр = 1,2.
   Отметим заметный рост Эволюционного потенциала системы по сравнению с первым вариантом.
   3. Расчёт ЭП нескольких параллельно расположенных плоских слоёв толщиной в 1 нейрон.
   Изменим группировку элементов системы, сгруппировав их в слои. Чем особенным характеризуется слой? Каждая клетка вместе с соседними не просто топологически расположена в локальной плоской области, но и количество её связей максимально в своём слое и меньше в других слоях.
   Сама по себе топология расположения клеток нужна для физической реализации многослойной системы, мы же можем клетки слоя рассматривать как некую группу с описанной особенностью связей.
   Пусть будет М слоёв с количеством нейронов в каждой из них N/М. Количество связей нейрона внутри слоя Y, наружу W- Y. Тогда для слоя можно записать:
   Эew = Эe+(1+logY) )*Эсв - потенциал нейрона.
   Аналогично ранее написанному, вклад нейронов в слой равен Ve= Y/(N/М), Y< N/М.
   Эсл = (1+log((N/М)*Y/( N/М)))* Эew = (1+logY)* Эew - потенциал слоя.
   (N/М)*(W-Y) - число межслойных связей, но поскольку фактически это связи нейронов, вклад потенциала их связей в потенциал слоя определяется обратной величиной их численности, т.е.
   Wсл = W-Y.
   Эслw = Эсл+(1+logWсл)*Эсв - потенциал слоя с учётом связей (их достаточно много).
   Vсл = (W-Y)/М - вклад слоя в образовании системы с учётом соотношения количества связей и элементов, если W-Y<М и Vсл=1 в противном (нашем) случае.
   Эсис = (1+log М* Vсл)* Эслw.
   Допустим в нашем примере М =10 слоев.
   Y= 0,9*W =9*103.
   Эew = 0,1+(1+3,95)*0,01= 0,15, Эсл = (1+3,95)*0,15=0,74,
   Эслw = 0,74+(1+3)*0,01=0,78,
   Эсис = (1+log 10)* 0,78=1,56.
   Распределим связи нейрона поровну между внутренней и наружной частями слоя, т.е. Y=5*103.
   Эew = 0,147, Эсл = 0,69, Эслw = 0,737, Эсис = 1,47.
   Следовательно, увеличение соотношения количества связей внутреннего слоя относительно внешнего повышает потенциал системы, но этого все еще недостаточно.
   4. Расчёт ЭП системы как комбинация вариантов 2 и 3, т.е. нескольких параллельно расположенных плоских слоёв, толщиной в несколько клеток.
   Сложность здесь заключается в том, чтобы правильно учитывать доли вкладов подсистем, так как используются связи одних и тех же нейронов в разных подсистемах.
   Допустим, имеются группы из 10 клеток, собранные в 10 слоёв (М). Для них можно записать: Y=10, Эew =0,12, Эгр =0,24.
   Количество групп нейронов слоя Nгр =N/(М*Y).
   Вклад группы в слой. Число связей группы с другими группами внутри слоя равно Wгр =(W*Квн-Y)*Y, вклад Vгр =Wгр/( N/(М*Y)), если Wгр <Nгр .
   Распределим связи нейронов поровну между внутренней и наружной частями слоя, т.е. Квн=0,5, Yгр=5*103-10, Wгр =5*104, Nгр =104/100 =102.
   Поскольку Wгр >Nгр, Vгр =1.
   Эсл = (1+logNгр)*Эгр = (1+2)*0,24= 0,76 - потенциал слоя.
   Максимальное число межслойных (нейронных) связей без нарушения ортогональности для связей равно числу слоёв, т.е.10, поэтому за счёт добавки к потенциалу слоя потенциалов связей получим
   Эслw = 0,76+(1+1)*0,01=0,78,
   Эсис = (1+log 10)* 0,78 =1,56.
   Т.е. практически такое же значение что и в примере 3.
   При всей ограниченности выше приведённых примеров можно сделать вывод о том, что "произвольная" разбивка на подсистемы хотя и даёт эффект в плане роста эволюционного потенциала, но наталкивается на проблему "параллельности" связей между подсистемами. Напомню, что сложности системы не растёт "сама по себе" при увеличении количества параллельных однотипных связей. Как бы не хотелось, но предложенные модели не обладают достаточным прогностическим эффектом в отношении конкретных способов реализации усложнения систем.
        -- Потенциал группы клеток многоклеточного организма
   При определённых условиях расчёт ЭП системы, состоящей из "ортогональных друг другу в отношении роли и решаемых задач" подсистем, может осуществляться через суммирование их ЭП. Такое объединение реализовывается как единый результат взаимодействия (через цели и обратные связи) системы с окружающей средой. Это значит, что формируя в системе ортогональные по характеру подсистемы, осуществляющие разного рода и вида функции включая обработку информации, связанные между собой на разных уровнях и совместно реализующие основные целевые функции системы, можно многократно увеличить сложность и соответственно ЭП всей системы.
   Таблица 2. Составляющие Эволюционного потенциала группы клеток как часть многоклеточного организма.
   Базовый элемент (часть Эгр)
   Ээлем
   Тип связи
   Эсвязи
   Эs
   Межклеточный
   Кодированные химические связи.
   0,05
   Межгрупповая связь через сложные соединения, молекулы или части молекул.
   0,05
   Эs1
   Кодированные электрические связи и сигналы.
   0,05
   Межгрупповая связь через кодированные электрические сигналы.
   0,05
   Эs2
   Информационный
   Сжатие информации с большими значениями группой клеток.
   0,1
   Максимальная степень сжатия информации группой клеток.
   0,1
   Эs5
   Степень разнообразия видов информации, подвергаемых сложной обработке одной группой клеток.
   0,05
   Пропорционально количеству видов информационных каналов с учетом степени их реализации.
   0,05
   Эs6
   Надгрупповой
   Потребность в связях с другими группами клеток.
   0,05
   Межгрупповые связи.
   0,05
   Эs7
   Среда (пространственно-временной)
   Формирование группой клеток изменяющихся в пространстве и времени структур.
   0,05
   Связь с окружающей группу средой.
   0,05
   Эs8
   Формирование изменяющихся в пространстве и времени структур одной группой совместно с другой группой клеток.
   0,05
   Пространственно-временное формирование межгрупповых связей.
   0,05
   Эs9
   Группа клеток как часть организма
   Реализация группой клеток базовых биологических потребностей (питание, размножение, защита, ..) как части многоклеточного организма.
   0, 1
   Питание, защита, размножение...
   0,1
   Экгр
   Как следствие выдвину следующую гипотезу: в искусственной системе существование ИР возможно с ЭП равным 1 и более при условии, что соответствующая ему подсистема будет сконструирована и создана с максимально мыслимо достижимой сложностью. Одновременно предполагается, что в своей деятельности она будет опираться на ряд других подсистем, обеспечивающих совокупный ЭП всей системы равным 2 и более.
   В заключение этой главы можно сделать вывод, что появление ИР как побочный эффект повышения вычислительных мощностей и сложности программного обеспечения обычных компьютеров событие невероятное. Либо этого люди добьются целенаправленно, либо есть вероятность его появления в системах с ИИ, выполняющих проектирование и решение задач по комплексному управлению другими сложными интеллектуальными системами, по мере роста их уровня абстракции.
        -- Искусственный разум с точки зрения энтропии.
   Потребление мозга оценивается в 20-25 Вт. Т.е. в секунду потребляется и рассеивается порядка 20 джоулей при температуре тела порядка 37 градусов С или 310 К.
   Теперь сделаем оценку минимальных затрат на обработку бита информации при температуре тела 37гр. Если исходить из формулы Kb*T*ln2, где Kb коэффициент Больцмана, то она равна примерно 3*10-21 дж/с на 1 бит информации. Тогда мощность равная 20Вт теоретически позволяет обрабатывать 7*1021 бит/с.
   Вернемся к мозгу. Если принять в расчетах условное количество нейронов 100 млрд, то в среднем на один нейрон со всеми его синапсами, спайками, глиальными клетками и т.д. придется 2*10-10 дж. Поскольку отсутствуют данные теоретического предела обработки информации элементами, имеющими реализацию в виде нейронов, поступим следующим образом. Оценим длительность одного "шага обработки" нейронами информации в 0,01сек. Соответствующее значение затрачиваемой энергии одним нейроном на один "шаг обработки" равно 2*10-12 дж. Тогда энергетический запас на переработку одного бита информации одним нейроном по сравнению с теоретическим пределом равен 1,5*109 на шаг. Замечу, это довольно большая величина.
   Интуиция говорит, что даже при низкой, по сравнению теоретической эффективностью преобразования энергии в информацию и рассеянии соответствующей энтропии, получаем возможность обработки больших объемов информации. Например, при эффективности 1/1500 от теоретического предела можно обработать одним нейроном до 1 Мбит/шаг.
   Хотя сравнение возможностей обработки информации мозгом и современными компьютерами делалось уже не раз, мы его в какой-то степени повторим для оценки ЭП компьютеров. Появившиеся нейроморфные процессоры не будем рассматривать по причине недостаточной информации в отношении больших систем на их основе. Рассмотрим классическую компьютерную архитектуру. Современный на данный момент времени двухпроцессорный сервер со 128 логическими ядрами в процессоре компании AMD потребляет (процессорами) мощность около 500 Вт. Оценим производительность этих двух процессоров величиной в 2,5*1012 операций/сек. Что достигается при возможности распараллеливания операций и предсказуемости команд ветвления. Получим затраты 500/2,5*1012= 2*10-10 Вт мощности на одну операцию. Т.е. если бы данный компьютер за одну операцию смог обрабатывать количество информации сопоставимое с нейроном, то умножив 2*10-10 Вт на количество нейронов 1011, получили бы значение 20 Вт как у мозга. Но поскольку для реализации одного "шага" компьютеру понадобится несравненно больше операций, его соответствующие энергозатраты при таких удельных значениях будут пропорционально больше.
   Синтезируем некую упрощенную программную модель нейрона. Оценочно мы должны пошагово обработать у каждого нейрона синапсы в виде 10 тыс однословных параметров, каждый со своим весовым коэффициентом с учетом предыдущих состояний и состоянием самого нейрона. Не будем использовать такие сложные модели как антагонистические рецептивные поля. Объемом вычислений по обработке сложных состояний типа PSTH самого нейрона можно пренебречь на фоне обработки 10 тыс. параметров. Оценим размеры каждого из параметров и коэффициентов в 1 слово. Его размерность в байтах нам не принципиальна, поскольку универсальные процессоры оперируют стандартными словами достаточно большой длины.
   На каждый параметр получится извлечение по адресу двух и более переменных, их сложения/перемножения и запись результатов в память, также мы должны добавить на каждую операцию еще сравнение адресов с границами, сравнение параметров с граничными значениями и команды ветвлений. Для обычного компьютера на это уйдет 20-30 и более шагов, поскольку распараллеливание здесь не эффективно из-за сильной последовательной связанности действий. Добавив временную обработку достаточно сложного поведения нейронов, количество выполняемых команд увеличиться еще больше. Допустим, удастся использовать локальное распараллеливание операций и остановиться на 20 операциях на синапс. Предположим, что удастся эффективно распараллелить обработку нейронов.
   Тогда на всю обработку 10 тыс. синапсов и 100 млрд нейронов за 10 мс потребуется 104*20*1011 = 2*1016 операций. И в 1 сек нужно обрабатывать 2*1018 операций.
   Это в миллион раз превышает возможности вышеупомянутого компьютера. Понадобится работать, примерно 11 дней вместо 1 сек. В этом заключении нет ничего нового. Поэтому рассмотрим другой вариант: суперкомпьютер OLCF-5. Он производит 1018 операций/сек при заявленном распараллеливании до 106, потребляет 21 МВт, включает в себя 10 тыс процессоров компании AMD упомянутых ранее с 128 логическими ядрами на процессор и почти 40000 ускорителей. На логическое ядро с 4-мя ускорителями при распараллеливании приходится до 1012 операций/сек.
   Пусть за счет распараллеливания обработке подвергаются сразу 106 нейронов и тогда потребуется 10000*20*100000 = 2*1010 операций на шаг. Или 2*1012 операций/сек. Получается, что вычислительная производительность этого суперкомпьютера уже сопоставима с возможностями БР. Т.е. вычислительные мощности суперкомпьютеров уже готовы к созданию ИР. Более того, очевидно, что разработка и использование специализированных процессоров типа нейроморфных может понизить планку энергопотребления и размеров компьютера на один и со временем даже на два-три порядка.
   В прогнозе: вычислительная система с аналогом биологического разума (БР) скоро может уместиться в передвижном комплексе, если удастся разработать и заложить в него нужные алгоритмы. Что очень важно для реализации ИР. Пояснение следует дальше.
   Технически в прогнозах все выглядит достаточно оптимистично. Но если посмотреть на это с точки зрения сложности и ЭП, то это не так. Какая бы не была сложность реализации технического устройства, его реальная сложность определяется через его функциональную сложность. Например, для регулировки количества жидкости, протекающей через трубу, можно установить на трубу задвижку и простейший аналоговый или даже механический регулятор. Но можно тоже самое реализовать и на базе компьютера с установленной на нем операционной системой реального времени, графической мнемосхемой, САПР и т.д., а также кучей дополнительных датчиков и интернетом. Возникает вопрос: будет ли во втором случае система иметь большую сложность, если функционально обе они выполняют свое предназначение в одинаковой степени?
   Чтобы на него ответить, следует вернуться к началу определения Эволюционного потенциала и разграничить условно непрерывно эволюционирующие биологические системы, в рамках эволюции которых и возникает потенциал, тесно связанный с их сложностью, и технические системы, которые не эволюционируют независимо от эволюции человечества. Сложность их реализации привноситься в них "извне" и не является эквивалентом функциональной сложности. Поэтому определять их ЭП через сложность их технической реализации нельзя даже при всей внешней привлекательности этой идеи. Сложность и потенциальные возможности системы в этом случае уходят на второй план по сравнению с фактически реализованной функциональностью. Поэтому здесь и далее мы должны опираться на сложность функциональности системы и возможность разбивки её на ортогональные по функциям подсистемы. Понятие ортогональности здесь можно рассматривать как эквивалент количества степеней свободы, характеризующей систему.
   Далее выделим эти подсистемы и, поскольку сложность отдельно взятой подсистемы ограничена, покажем, что для реализации ИР их должно быть достаточно много. Сделав оценку их минимально необходимого количества, получим набор из основных подсистем, близкий к имеющимся у организмов, обладающих БР. Поэтому мобильный ИИ рассматривается как наиболее подходящий кандидат для ИР, так как достаточно тесно связан с "окружающей средой". С другой стороны, технически возможно реализовать эквиваленты "подвижности" не в самом центре ИР, а в его подвижных частях, таких как управляемых роботизированных или аналогичных по назначению системах.
   Конечно, существуют также и варианты, возникающие как результат "ортогональности" через взаимодействия в области информационных систем, но с моей точки зрения этот вариант реализуется уже после развития самой информационной среды в результате проявления в ней ИР.
        -- Потенциалы подсистем ИР
   Проделаем рассуждения, аналогичные тем, что уже приводились ранее, но перед этим нужно обратить внимание на следующее. Речь идет о том, что мы будем определять границу появления ИР не для отдельных, единичных случаев, а как момент, предшествующий устойчивому множественному проявлению этого феномена. Из этого следует следующее утверждение: чтобы феномен ИР имел место, система с ИР должна уметь эволюционировать и ее эволюция должна быть тесно связана с эволюцией окружающего мира.
   Поясню, почему так. Выявление факта эволюции системы в сторону усложнения возможно лишь в среде, имеющей сложность выше самой системы (если принять во внимание не только локальные, но и все факторы среды, включая наблюдателя). Также и проявление устойчивых признаков ИР возможно лишь в условиях среды, имеющей сложность выше, чем ИР системы. Устойчивое существование системы в такой среде будет происходить лишь тогда, когда эволюция системы тесно связана с эволюцией среды. Системой максимальной сложности, хорошо всем известной и наиболее доступной, является окружающая нас среда во всем ее многообразии. Поэтому можно предположить, и то, что подсистемы, слагающие ИР, будут решать задачи похожие на решаемые биологическим разумом (БР).
   Полагая, что для реализации подсистем ИР могут быть привлечены различные виды связей, составим таблицу 3. Также в ней появляется такое понятие, как "носитель ИР". В принципе это может быть что угодно, начиная от автономно существующих роботов и кончая неким био-квантово-компьютерным комплексом произвольных размеров. Значение ЭП носителя, вносимое в таблицу, взято по аналогии из биологических систем и соответствует носителю ИР, обладающему минимально возможной сложностью достаточной для длительного функционирования системы.
   Обратим внимание на то, что быстрее всего рост ЭП системы с целью достижения величины достаточной для возникновения ИР, будет через реализацию взаимодействия с элементами среды, имеющими максимальную сложность (по отношению к рассматриваемой системы), т.е. с другими ИР или БР (люди). Поэтому соответствующие виды связи также включены в приводимую ниже таблицу.
   Таблица 3. Эволюционные потенциалы подсистем и связей составляющих ИР.
   Базовый элемент (часть Эир)
   Ээлем
   макс.
   Тип связи (или пояснения)
   Эсвязи
   макс.
   Эs
   Подсистемы
   Подсистема получения, обработки и сжатия информации одного вида до уровня символов.
   0,05
  
  
   Эs1
   Количество независимых видов информации обрабатываемых внутри одной подсистемы до уровня символов.
   0,01
   За каждый вид
  
   Эs2
   Воспроизводство и перестройка подсистемой в пространстве-времени своих структур в зависимости от потребностей.
   0,05
   Свойство подсистемы
  
   Эs3
   Изменение подсистемой в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния.
   0,01
   Свойство подсистемы
  
   Эs4
   Информационные составляющие систем
   Обработка и сжатие информации разных видов в символы и маркеры следующего иерархического уровня.
   0,05
   Свойство подсистемы.
  
   Эs5
   Воспроизводство и генерация символов и состояний (информации) на своем символьном пространственно-временном уровне.
   0,05
   Свойство подсистемы.
  
   Эs6
   Межсистемный
   Межсистемные связи
  
   Межсистемные связи простого типа.
   0,01
   Эs7
   Межсистемные кодированные связи
  
   Межсистемные связи через кодированные носители связей (маркеры) определяются сложностью маркеров.
   0,05
   Эs8
   Взаимодействие с другими ИР и БР
  
   Все виды связей с другими ИР и БР
   0,05
   Эs9
   Пространственно-временные и структурные составляющие системы
   Подсистема формирования и изменения в пространстве-времени своей формы, структуры и связей с окружающей средой.
   0,01
   Связи и взаимодействие системы с элементами окружающей среды, со сложностью менее ИР (БР).
   0,01
   Эs10
   Воспроизводство системой в пространстве-времени всей своей структуры и подсистем.
   0,05
  
  
   Эs11
   Система как часть носителя ИР
   Подсистема реализация базовых потребностей (материальное и энергопитание, восстановление, защита, ..) носителя ИР.
   0, 1
   Включая связи подсистем ИР с носителем ИР.
  
   Энос
   Примечания.
   Перечисленные в таблице подсистемы и функции даны в достаточно общем виде, не привязанном к конкретной реализации ИР.
   Упомянутая "подсистема получения, обработки и сжатия информации одного вида до уровня символов" подразумевает сжатие информации до выделения и формирования в ней абстрактных объектов (символов, маркеров), пригодных для передачи через связи как другим подсистемам, так и подсистемам вышестоящего иерархического (в плане обработки информации) уровня.
   Подсистемы, реализующие функции "обработки и сжатия информации разных видов с переводом ее в символы следующего иерархического уровня", выделены отдельно. Они образуют отдельные уровни и подуровни. Относительно этих подсистем подразумевается абстрагирование на вышестоящий уровень через создание объектов смешанного типа.
   В таблице приведены максимальные значения для величины эволюционных потенциалов. В каждом конкретном применении мы должны опираться в определении этой величины на "функциональную" сложность рассматриваемой системы. Под функциональной сложностью будем понимать степень сложность системы с точки зрения реализуемых ею функций по сравнению с аналогичной наиболее функционально сложной известной системой.
   Уменьшим неопределённость в разграничении признаков ИИ и ИР, возникающей из отсутствия их определений, непротиворечивых между собой и удобных для текущего применения.
   Определим основной особенностью интеллекта умение создавать и использовать модели окружающего мира в виде символов на основе сенсорной и другого вида поступающей информации. Символы объектов и процессов, образованные в результате восприятия (обработки) информации от сенсорной системы одного вида, определим как первый уровень абстракции. Символы, сформированные из символов первого уровня абстракции одной или нескольких сенсорных систем, образуют второй уровень абстракции. Третий уровень - это абстракция из собранных воедино образов второго уровня в совокупности с элементами типа связей и взаимодействия между ними, образующих образ "мира и меня". Это верхняя граница интеллекта.
   В качестве условной разницы между разными системами можно рассмотреть их степень интеллектуальности, которая может быть разной для разных видов информации обрабатываемых интеллектом.
   Разум превосходит интеллект тем, что может строить абстракции более высокого (четвертого, пятого и выше) уровней.
   Также можно говорить о разной степени разумности.
   Сделаем расчет ЭП разумного робота.
   Пусть у нас имеется некая гипотетическая система типа автономного робота с ИР минимальной для ИР конфигурации ( минимально необходимой с нашей точки зрения).
   На уровне носителя ИР она включает в себя подсистемы: управления и распределения автономного энергопитания, управления передвижением и положения робота и его частей в пространстве, самодиагностики, управления резервными системами и защиты, управления манипуляторами и исполнительными механизмами. Сюда же отнесем подсистемы связи и доступ к информационным сетям.
   Выделим четыре основные уровня сложности системы. Примем максимальные значения ЭП равными 0,05 как соотносящиеся с четвертым уровнем. 0,04 с третьим, 0,03 со вторым, 0,02 с первым соответственно. ЭП связей возьмем уровнем меньше.
   Схематически структура системы приведена на рисунке 1.
   0x01 graphic
   Описание первого уровня.
   Первый уровень включает в себя подсистемы: координации нахождения и передвижения в пространстве, координации взаимного положения робота и его частей в пространстве, технического зрения в нескольких диапазонах, технического слуха, подсистему выполнения поставленных задач сложными интеллектуальными манипуляторами и исполнительными механизмами. Имеет множество подуровней.
   Не все, но большая часть и все верхние подуровни первого уровня характеризуются умением производить изменения в пространстве и времени структуры в зависимости от алгоритмов, информации и состояния. Поэтому соотнесем данное умение с первым уровнем не полностью, а лишь наполовину. Также для таких подсистем характерны связи как простого типа, так и через маркеры с величиной Эп маркеров теоретически доходящих до 0,02, хотя основная масса связей, образующих первый уровень, относятся в основном к межсистемным связям простого типа с Эп до 0,01.
   Описание второго уровня.
   Подсистемы второго уровня включают в себя: подсистему объединения информации от подсистемы 1 уровня, подсистему выработки и принятия оперативных решений и их исполнения, подсистему обработки информации из каналов связи до символьного уровня.
   Описание третьего уровня.
   Подсистемы третьего уровня включают в себя: подсистему выработки тактики и стратегии на базе имеющейся информации и установок, приходящих с четвертого уровня, подсистему действия в условиях неопределенности и выработки нечетких решений.
   Описание четвертого уровня.
   Подсистемы четвертого уровня включают в себя: подсистему выработки долговременной стратегии, подсистему поиска новых межсимвольных взаимосвязей, абстрактное мышление и свободный поиск, подсистема коммуникаций и взаимодействия с другими ИР и БР.
   Для второго и третьего уровня определим наличие умения воспроизводить и генерировать символы и состояния (информацию) на своем символьном пространственно-временном уровне. Также важно и то, что соединены эти уровни между собой связями через маркеры (символы).
   Полагаем, что наш робот имеет минимально допустимую сложность и ему недоступно (пока) воспроизводство в пространстве и времени своей структуры и подсистем. Говоря биологическим языком, он не умеет самостоятельно воспроизводить по частям сам себя. Также ему недоступно формирование и изменение в пространстве-времени своей формы, структуры и связей с окружающей средой. Биологические аналоги этому: отсутствие способности к размножению и он не имеет возможности перестраивать сам себя в зависимости от своих задач и потребностей.
   Отметим, что мы не принимаем во внимание остальные разнообразные возможные особенности этого робота, характеризующие его конкретную реализацию и увеличивающие при том его сложность. Такие, как дублирование систем и функций, системы защиты и восстановления, межуровневые связи общесистемной координации, системы жизнеобеспечения, удаленные и внешние подсистемы...
  
   Приступим. Имеется носитель ИР. ЭП носителя = 0,1.
   На первом уровне находится подсистема пространственной обработки информации (основная первого уровня). Она может состоять из нескольких нижележащих подсистем (зрения, слуха, локационной и т.д.). Поскольку каждая из них обрабатывает информацию различного типа, но относящуюся к одному виду, мы можем утверждать о неполной ортогональности нижних подсистем и неполном сжатии ими информации, в дальнейшем объединяемой и сжимаемой основной подсистемой. Примем во внимание саму подсистему и её конечный результат для следующих уровней как целое.
   Для себя на будущее отметим, что на этом роли основной подсистемы первого уровня не заканчивается. Например, она формирует некую условную пространственную модель с расположением и характеристиками пространственных символов. Но пока непонятно как это следует учесть в ЭП.
   Примем ЭП основной подсистемы первого уровня равным Эs1=0,02. Также для нее характерна функция "изменения в пространстве-времени своих структур в зависимости от символов" с Эs3=0,02*0,5=0,01.
   Количество её независимых подсистем ввода информации, объединяемых в образы (абстрактные символы) примем равным трем (вернее ограничимся тремя). Умножив на Эs2, получим 0,03. Получим ЭП системы без учета связей равным 0,06.
   Также у нее имеются связи: с вышестоящим уровнем и с подсистемами пространственной ориентации и подсистемой управления манипуляторами и исполнительными механизмами с Эs2 = (1+log3)*0,01=0,015.
   Результирующая ЭП пространственной подсистемы = 0,06+0,015 = 0,075.
   Подсистема пространственной ориентации корпуса и его частей в виде их образов со сложностью Эs1=0,02. Её связь с пространственной подсистемой мы уже учли в предыдущей подсистеме. Осталось рассмотреть еще две связи, уходящие на верхний уровень Эs8 = (1+log2)*0,01 =0,013.
   Результирующая ЭП пространственной ориентации = 0,033.
   Подсистема управления манипуляторами и исполнительными механизмами в виде их образов. У нее предполагаем также высокую степень сложности Эs1=0,02. Имеет две связи, уходящие на верхний уровень Эs8=0,01 с результирующей ЭП равной 0,013.
   ЭП подсистемы манипуляторов = 0,033.
   Первый уровень охарактеризуем как имеющий Эп = 0,075+0,033+0,033 = 0,141.
   Второй уровень образован из трех подсистем.
   Подсистеме объединения кодированной информации различного вида присвоим Эs6=0,03. Имеет связь второго уровня и одну связь верхнего уровня Эs8=0,02. Получаем (1+log2)*0,02 = 0,026. Связи первого уровня уже учтены. Для нее характерна функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" с Эs3=0,03. Получаем для подсистемы объединения ЭП = 0,03+0,026+0,03 = 0,086.
   Подсистема обработки информации из каналов связи до уровня кодов и символов и обмена символьной информацией имеет Эs6 =0,03. Имеется символьная связь с верхним уровнем и связь второго уровня Эs8 =0,02, образующие ЭП= 0,026. Получаем для подсистемы связи ЭП = 0,056.
   Подсистеме выработки и принятия оперативных решений и их исполнения присвоим Эs1=0,03. У нее три связи третьего уровня, две связи второго уровня (уже учли) и две связи первого уровня, которые не учитываем (вошли в расчет ранее на первом уровне). Связи верхнего уровня Эs8=0,02. Для них получим значение (1+log3)*0,02=0,03.
   Для этой подсистемы присутствует умение "воспроизводить и генерировать символы и состояния (информацию)" с Эs6=0,02. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" определим через Эs3=0,02.
   Подсистема оперативных решений имеет ЭП = 0,03+0,03+0,02+0,02 = 0,1.
   Замечание. В текущих расчетах продолжает действовать ранее введенное правило, в котором учет наличия двух и более однородных связей при расчете ЭП системы производится через логарифм от их числа.
   Для связей, которые оперируют условно ортогональными (независимыми друг от друга) видами информации (знаками и символами) это правило не действует, так как такая система собирается из неоднородных элементов. В первом приближении, в расчете ЭП системы с такого рода связями будем использовать усредненные значения сложности связей, исходя как из "функциональной" сложности самой рассматриваемой системы, так и уровня самих связей.
   Второй уровень охарактеризуем как имеющий Эп = 0,086+0,056+0,1 = 0,242.
   Подсистема третьего уровня абстракции связана как с подсистемой второго уровня, так и фрагментарно с подсистемами первого уровня (последние связи игнорируем из-за их однородности и малой величины). Количество подсистем определим равным трем.
   Подсистеме объединения кодированной информации различного вида присвоим Эs6=0,04. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" для нее реализована с Эs3=0,04. Их сумма равна 0,08.
   Это наиболее нагруженная связями подсистема. По горизонтали и вверх их количество составляет 6 (и более), вниз были уже рассмотрены. Примем значение величины Эs8=0,03. ЭП связей составит (1+log6)*0,03=0,053. Не забываем, что рост ЭП системы за счет связей (0,053) не может превышать ЭП самой системы (0,08).
   Для данной подсистемы ЭП составит 0,08+0,053 = 0,133
   Подсистема выработки тактики и стратегии на базе имеющейся информации и установок, приходящих с четвертого уровня, имеет Эs1=0,04. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" для нее реализована с Эs3=0,04. Умение "воспроизводить и генерировать символы и состояния (информацию)" оценим равной Эs6=0,04. Их сумма равна 0,12.
   Количество не учтенных связей равно одной с Эs8=0,03.
   Для данной подсистемы ЭП составит 0,12+0,03 = 0,15.
   Подсистема действия в условиях неопределенности и выработки нечетких решений имеет Эs1=0,04. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" для нее реализована с Эs3=0,04. Умение "воспроизводить и генерировать символы и состояния (информацию)" оценим равной Эs6=0,04. Их сумма равна 0,12.
   Количество не учтенных связей равно одной с Эs8=0,03.
   Для данной подсистемы ЭП составит 0,12+0,03 = 0,15.
   Подсистема третьего уровня имеет ЭП = 0,133+0,15+0,15 = 0,433.
   Подсистема четвертого уровня абстракции состоит из четырех подсистем. Количество подсистем взято с "запасом" для лучшей ясности какие из подсистем этого уровня в нашем примере можно сократить или реализовать в неполную меру.
   Подсистема выработки долговременной стратегии имеет Эs1=0,05. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" для нее реализована с Эs3=0,05. Умение "воспроизводить и генерировать символы и состояния (информацию)" оценим равной Эs6=0,05. Их сумма равна 0,15. Это одна из наиболее важных подсистем, она имеет самое большое количество связей: три вниз (уже учтены) и две четвертого уровня с Эs8=0,04. ЭП связей составит (1+log2)*0,04=0,052.
   Для данной подсистемы ЭП составит 0,15+0,052 = 0,202.
   Подсистема поиска новых межсимвольных взаимосвязей имеет Эs1=0,05. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" для нее реализована с Эs3=0,05. Умение "воспроизводить и генерировать символы и состояния (информацию)" оценим равной Эs6=0,05. Их сумма равна 0,15. Имеет по связи вниз (учтена) и на четвертом уровне с Эs8=0,04.
   Для данной подсистемы ЭП составит 0,15+0,04 = 0,19.
   Подсистема абстрактного мышления и свободного поиска имеет Эs1=0,05. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" для нее реализована с Эs3=0,05. Умение "воспроизводить и генерировать символы и состояния (информацию)" оценим равной Эs6=0,05. Их сумма равна 0,15. Имеет по связи вниз (учтены) и три на четвертом уровне. Из них не учтена одна с Эs8=0,04.
   Для данной подсистемы ЭП составит 0,15+0,04 = 0,19.
   Подсистема коммуникаций и взаимодействия с другими ИР и БР имеет Эs9=0,05. Функция "изменения в пространстве-времени своей структуры в зависимости от алгоритмов, информации и состояния" для нее реализована с Эs3=0,05. Умение "воспроизводить и генерировать символы и состояния (информацию)" оценим равной Эs6=0,05. Их сумма равна 0,15. Имеет по связи вниз и две на четвертый уровень. Все связи были учтены ранее.
   Для данной подсистемы ЭП составит 0,15.
   Подсистема четвертого уровня имеет ЭП = 0,202+0,19+0,19 +0,15 = 0,732.
   В результате получаем: 0,1+0,141+0,242+0,433+0,732 = 1,648.
   Это достаточно большая величина. Большую часть в ее ЭП внесли подсистемы 4 го уровня. Чего и следовало ожидать.
   Если оставить на 4-м уровне наполовину реализованные подсистемы выработки долговременной стратегии и коммуникаций с ИР и БР, а также частично (скажем 1/5) оставшиеся две подсистемы, то ЭП четвертого уровня упадет до значения 0,101+0,095+0,038+0,03 = 0,264. Убрав ЭП носителя (как и для биологического разума), получим значение ЭП интеллектуальной части робота равным: 0,141+0,242+0,433+0,264 = 1,08.
   Это как раз та величина, начиная с которой возможно появление у робота признаков ИР.
   Заметка.
   Интересно оценить ЭП систем, меняющих свою сложность в процессе "реализуемых и/или существующих во времени" циклических или линейных изменений, но пока не определён подход как это можно сделать.
   Отдельные недостатки вышеописанных моделей.
   1. Слабые связи с математическими основами обработки информации и ИИ.
   2. Нервная клетка специализируется на обработке, запоминании и передаче информации вверх и вниз по иерархии, но связь величин ЭП и сложности обработки информации самой клеткой не определена.
   3. Вопрос: можно ли в конечном счете построить за счёт увеличения до безграничного количества связей систему нужной сложности или нет? Это не следует из ранее изложенного.
   4. Непонятно как рассчитывать ЭП подсистем мозга, "выходящие" за его пределы и включающие в себя участие в жизнедеятельности других подсистем вплоть до всего организма.
   5. Осталось неизвестным: может ли быть намного больше сложность горизонтальных слоёв за счёт разбивки слоя на "специализированные" области? А также, как описать объединённое взаимодействие специализированных областей с перекрёстным влиянием друг на друга без участия выше и нижележащих горизонтальных слоёв?
   7. Эволюционные потенциалы ортогональных (принципиально разных) подсистем, образующих систему, можно складывать, если их сочетания усложняют поведение системы. Проблема в другом. Отсутствует объективные критерии, по которым можно выяснить: сколько их, какие они, реальная ли у них ортогональность, а если не полноценная, то как её оценить?
  
      -- Разное на тему ИИ и ИР.
        -- Степень интеллектуальности коррелирует, но не связана однозначно со степенью разумности.
   Пример 1.
   Возьмем ворону, умеющую "считать". Не знаю как у других, но у меня на первый взгляд возникает ощущение того, что ворона вероятно разумна.
   Определим уровень абстракции. Для человека умение оперировать с числами принадлежит к области математики и соотносится с четвертым уровнем абстракции. Так ли обстоит дело для вороны?
   Сделаем небольшой шаг в сторону и вспомним, что компьютер без проблем может решать математические задачи и применять их в прикладном плане. При том мы не сомневаемся в отсутствии у него разумности. Хотя это не совсем так. Компьютер создан человеком как инструмент и правильно рассматривать нужно систему "человек-компьютер". Это пример когда для умения "считать" разумность не является определяющим фактором.
   Что касается вороны, возможны два варианта и их комбинация.
   В первом варианте зрительный образ числа для вороны преобразуется в символ второго уровня абстракции и включаются в модель мира на третьем уровне. Ворона может сопоставлять (сравнивать) символы разного вида (типа) и делать на основе их отсутствия/наличия определенные выводы (прогнозы). Но ворона не привлекает систематически числа как абстрактные символы для проектирования своего будущего.
   Второй вариант предполагает наличие у вороны зачатков отдельных элементов 4-го уровня абстракции. Что формирует у нее начальную стадию разумности. В пользу этого варианта говорит то, что в процессе эволюции мозга хорошо просматривается, как появляющиеся различные решения становятся частью более сложного вплоть до человеческого. Помимо механизмов, лежащих в основе пластичности мозга, должны были возникнуть и закрепиться на генном уровне и другие механизмы, поддерживающие возможности для большой изменчивости в организации мозга, по сравнению с другими изменениями организма. Что позволяет сделать реализацию решения задач управления организмом и взаимодействия с внешней средой быстрее, чем меняется сам организм.
   Второй вариант имеет серьезную неопределённость, возникающую из-за необходимости производить оценку сложности элементов и связей 4-го уровня и оценки степени разумности. Что требует дальнейшего развития методов, включая предложенную модель.
   В дальнейшем будет полезно оценить величины ЭП, соответствующие первому и второму варианту.
   Продолжим. Следует обратить внимание, что описанное умение не появилось само по себе, а возникло как результат взаимодействия вороны с людьми - более разумными существами. Т.е. происходило обучение вороны под влиянием несвойственных для неё условий. В результате такого взаимодействия образуется система "ворона-человек" со своей спецификой, направленной на решение задач допустимой для вороны сложности. Контекст (внешняя специфика) и интерпретация процессов решения задач при этом определяются людьми экспериментаторами. При этом ЭП вороны увеличивается через такие взаимодействия и в процессе научения ворона может решать достаточно сложные на наш взгляд задачи и совершать несвойственные животным действия. Помимо пластичности мозга, эти результаты говорят о наличии у вороны некоторого свободного запаса ЭП, образующегося при существовании вороны в условиях, когда уменьшается количество задач на выживание и поддержку потомства.
   Результаты таких экспериментов выявляют не степень разумности как таковую, а потенциальную разумность, что не одно и то же. Чтобы избежать систематических ошибок в определении степени разумности, его нужно исследовать в условиях минимального влияния экспериментаторов.
   Пример 2.
   Интересно сделать оценку потенциальных интеллектуальных способности той же вороны, когда она смогла догадаться использовать шарик для выталкивания из кормушки еду, хотя на первый взгляд (с точки зрения человеческого интеллекта) это более простое действие по сравнению с операциями над числами.
   Человек в данной ситуации мог бы действовать примерно так: поскольку кормушка прозрачна, на основе зрения строится символ-образ кормушки (1 уровень), соединяется с имеющимся опытом возможных вариантов поведения элементов кормушки (2 уровень) и опытом сознательного использования предметов для воздействия на окружающий мир (3 уровень), принимается решение и совершаются выбранные действия. Более сложные действия 4го уровня такие, как построение символьной модели взаимодействия кормушки и предмета и само моделирование, в данном случае не является обязательным.
   Ворона ситуацию с кормушкой и предметами может переводить в символы второго уровня, на котором она умеет оперировать, и далее через возможные доступные её интеллекту комбинации достигать результатов путем проб и ошибок.
   Здесь также следует обратить внимание на присутствующую у нее способность обучаться через действия, совершаемые по аналогии с другими наблюдаемыми существами. Неизвестно в какой мере эта способность была перед этим сформирована. Следует сказать, что в процессе обучения могут начать формироваться связи и с более высоким (3-им) уровнем, на что было обращено внимание еще в первом примере.
   Пример 3.
   Очень романтично выглядят гиббоны, поющие на рассвете на дереве свои песни. Петь при этом они могут и дуэтом.
   Большинство источников заявляет, что их песня нужна только для простейшего информирования других гиббонов. Однако, как заявляют некоторые исследователи, сложность этих песен приближается к сложности песни человека, т.е. кроме чисто прикладной информационной составляющей (территориальная защита, ухаживания, оценка иерархии) она имеет признаки более высоких уровней абстракции (ритмичность, социальные связи, разделение эмоций), относящихся к начальному уровню разума и проявлению личности самого ревуна.
   Если это действительно так, то наиболее подходящим объяснением является второй вариант из первого примера. Проистекают ли необычные для животных свойства песни из зачатков творчества, рождающего абстракции разного уровня, или вокально-сигнальная система сама по себе сформирована так, что склонна к связям с более высоких абстракцией? Пока непонятно.
        -- Искусственный разум с точки зрения обработки информации.
   Говоря про обработку информации периферийными клетками мозга, наиболее наглядный пример, который обычно приводят, это зрение. В глазах человека порядка 120 млн клеток, предварительно обрабатывающих поступающую в глаз зрительную информацию. Использование термина "зрительная информация" подразумевается здесь не в строгом смысле слова, поскольку световой поток, поступающий в глаз, приобретает информационный смысл лишь с точки зрения глаза и потребностей мозга. Чтобы в будущем удалось из подобных областей "перебросить мостик" к ИР, нужно каким-то образом перейти к связи между ЭП и обработкой информации. Иначе это будут малосвязанные понятия.
        -- Пластичность мозга и ИР.
   Говоря про пластичность мозга, логично распространение принципов пластичности, в отношении ИИ и ИР. Сформулирую некоторые из них.
   Беспрепятственная возможность обучению новым принципам извлечения и обработки информации.
   Сохранение накопленного опыта и знаний при обучении и получении нового.
   Сохранение ядра, определяющего индивидуальность.
   Модификация ранее полученного опыта на основе новых знаний.
   Высвобождение длительно неиспользованных интеллектуальных ресурсов ИИ и подключение их к наиболее активным процессам извлечения и обработки информации.
   Создание новых уровней абстракции по мере накопления несоответствий существующим знаниям у имеющейся информации.
   Имеются и побочные явления пластичности. Совершенно неожиданно с этой точки зрения можно объяснить происходящие в человеческом сообществе процессы инверсии условно "положительных" человеческих качеств в "отрицательные" такие как, например гуманности в жестокость. Этот эффект в какой-то мере является результатом пластичности мозга, решающего дилемму личности и общества и стирающего различия между индивидуальностью как устойчивого комплекса признаков личности и простому следованию инстинкту коллективных процессов, пусть даже происходящих и на самом "верхнем" уровне социальной организации. Объяснение этому будут дано в других главах, сейчас же, развивая данную тему в области ИР, важно в дальнейшем выявить границы, за которыми могут происходить аналогичные эффекты, и постаравшись не опоздать, еще на этапе возникновения ИР выработать и заложить в него более сложные, чем человеческие базовые механизмы пластичности.
   Сформулирую задачу в более общем виде: каким образом в ИР можно сохранить индивидуальность и в то же время поддерживать процессы обновления без необходимости повторения механизмов разрушения в той степени, которая присуща живой природе?
        -- Отдельные замечания к ранее написанному.
      -- Ограничения саморазвития одиночной системы, на которую не влияют ей подобные или системы более сложного порядка.
   Большие сомнения на счёт возможности неограниченного саморазвития условно локальных систем разрешаются, если во внимание принять Землю вкупе со всей её экосистемой. Развитие земной биосферы достаточно показательно с точки зрения того, как нарастает во времени её сложность. При этом ограничения для развития проистекают в основном из ограниченности энергообмена Земли с окружающим пространством и физических свойств планеты, включая ее химический состав.
   Т.е. потенциал для развития любой сложной системы:
   - не ограничен уровнем достигнутой сложности;
   - проистекает из неких имманентных свойств мира, которые несут в себе все элементы, составляющие систему.
      -- Утверждение, что сложность связей не может превышать сложность самого элемента.
   В основе заключения лежит представление о том, что система не может сохранять устойчивость, когда сложность связей приближается к сложности системы.
   Причина этого в том, что в процессе изменений состояний системы ее "траектория" все больше отклоняется от своих "аттракторов" и система или включается в состав более сложной как "зависимая", отдав "излишки" свободной энергии, или самоорганизуется в более сложную, "нейтрализовав" эти же "излишки" путём перемещения траекторий в область большей динамической неустойчивости в районе новых аттракторов. Также система может реорганизоваться в более простую, потеряв часть своих связей.
   Рассмотрим потоки энергии и энтропии в системе аналогично тому, как это сделал А.П. Руденко.
   По мере усложнения системы она может задействовать как большее количество энергии, так и большую часть этой энергии использовать для поддержания своего (динамического) существования.
   Пусть имеется поток энергии проходящий через систему E. Какую-то её часть  система задействует. Разница E - = Q (энтропия) - это то, что уходит в окружающую среду.
   Т.е. фактически мы ставим знак равенства между сутью энергии и энтропии в отношении их роли в поддержании существования системы.
   Коэффициент преобразования входной энергии E в  выразим через .
   Тогда  =  *E.
   Согласно А.П. Руденко  зависит от дальнейшего поведения системы. Самоорганизация сопровождается ростом  и  (E=const). Организация сопровождается уменьшением  и  (E=const).
   Посмотрим на это с другой стороны. Если в этих случаях отдаваемая Q = E - будет расти, то система упрощаясь, становится более консервативной, устремляясь к "центру аттрактора". Если отдаваемая Q будет уменьшаться, то система усложняется, становится более динамична и движется по траекториям, удаляющимся от "центра аттрактора".
   В случае же когда E меняется, а внутренняя организация системы не меняется (за исключением её связей), то все происходит наоборот. При увеличении потока E, будут расти как , так и отдаваемая системой Q. При увеличении в системе энергии  она становится более хаотична, динамически более неустойчива, устремляясь от центра аттрактора. При уменьшении потока E возникает обратный эффект (усиление консервативности).
   Т.е. вопрос об устойчивости систем можно рассмотреть с точки зрения границ устойчивости, за которой система не сможет находиться в районе своего аттрактора. Рассмотрим его в отношении энергии связей.
   Пусть первоначально стабильное состояние системы без связей или со слабыми связями характеризуется:
    = исх/ Eисх; исх =  * Eисх.
   Определим граничные значения для  как: 0<  < 1.
   Кроме того, следует учесть, что исх не может быть менее min, которая постоянно расходуется на компенсацию деградации системы для поддержания целостности существующей структуры и рассеивается в виде Q = min.
   Для поддержания существования внешних связей как части системы, требуется тратить энергию связ. Считаем, что через связи в систему не поступает дополнительная энергия, т.е. Есвяз = 0.
   Т.е. далее мы рассматриваем частный случай в виде однородных систем, когда составляющие некую систему верхнего уровня элементы связаны между собой связями симметричными по отношению к образовавшим их элементам. Поведение этих элементов как систем нижнего уровня как раз и есть то, что нас интересует.
   После изменений системы на поддержание существования связей используется часть потока исх в размере связ и можно записать условие, что исх ™ min+ связ.
   Можно допустить на кратковременном промежутке времени возможность остановки потока на компенсацию деградации до min =0. Получаем выражение верхней границы устойчивости:
   связ < исх.
  
   Суть дальнейших рассуждений заключается в том, что величина Эволюционного потенциала с той шкалой и методикой, как она была ранее предложена, может быть связана с энергией  через нормирующий коэффициент Kee. Поскольку мы рассматриваем ситуацию, когда Эсист и Эсвяз сопоставимы по сложности, то:
   Эсист = Kee * исх.
   Эсвяз = Kee * связ.
   Получаем выражение устойчивости, выраженное через величины Эволюционного потенциала:
   Эсвяз < Эсист.
  
        -- Эволюционный потенциал разума в условиях неопределенности.
   5.5.1 Два вида разума.
   Дальнейшее развитие темы искусственного разума выявило много точек соприкосновения с биологической эволюцией. Хотя до полноты картины еще далеко, отдельные моменты проявились в достаточной степени.
   Опишу в виде "набросков" несколько исходных данных для размышлений.
      -- Один из отцов универсального ИИ, бывший руководитель GOOGL Эрик Шмидт, рассказывая про достижения в области ИИ заявил, что с его точки зрения ИИ не понадобится достигать сложности мозга чтобы добиться такой же эффективности (в области разума). Объяснил он это тем, что создатели ИИ идут путем создания все более эффективных алгоритмов и методик обработки информации и это в конечном счете позволит получить аналогичные с мозгом результаты при меньшем количестве связей и элементов.
   Насколько истинно это утверждение? А если нет, то что помешает реализации такого подхода?
      -- Далее. Возьмем книгу "эффект Люцифера" автор Филип Зимбардо. В ней даны примеры того, как относительно неплохие люди становятся "исчадиями ада" под влиянием окружающих обстоятельств. Прочитав ее, тем не менее остаешься не удовлетворенным ответами на вопрос: почему люди склонны к таким метаморфозам?
      -- Или другая книга: "Предсказуемая иррациональность" автор Дэн Ариели. Посвящена теме человеческой иррациональности и о том, как обратить чужую иррациональность себе во благо, но плохо раскрывает причины её вызывающие.
   В процессе поиска ответов на эти и другие вопросы просматривается существование неких подспудных связей между всем вышеупомянутым.
   Вернемся к самому первому приведенному утверждению. Процесс эволюции жизни на Земле ("создавший" Разум) все более усложняясь, не остановился на человеческом мозге. Продолжение эволюция происходит через результат работы самих разумов (человеческих), реализующих все более и более сложные системы и эффективные алгоритмы, особенно в специализированных областях. И этот процесс происходит непрерывно. В результате чего сами процессы, протекающие в мозге, становятся все более познаваемы. Пусть пока ограниченно, но сегодня они в большой степени стали поддаваться анализу и моделированию.
   Что же мешало эволюции сделать текущие интеллектуальные и когнитивные способности людей (человеческого мозга) еще более эффективными?
   Есть ряд причин, которые стоит принять во внимание. Одной из них является влияние неопределенности, возникающей из-за недостатка информации, не полных или ошибочных моделей, описывающих окружающий мир, и цены ошибки принятия решений.
   Для ИИ в том виде, который реализуется сейчас, цена ошибки не такая высокая как для живых организмов, но и не нулевая. В роли "естественного отбора" выступает сам создатель - человек. Соответственно можно сказать, что биологический разум до какого-то момента будет являться единственным как фактором, так и процессом формирования ИР.
   Поскольку специфика эволюции ИИ характеризуется ослабленной ценой ошибки, это не одно и то же что и эволюционный отбор. В результате развитие ИИ происходит в основном в направлении повышения точности. Возможно поэтому возникает иллюзия, когда точность распознавания или комбинирования известных элементов подменяет собой совокупную эффективность модели мира и её составляющих.
   Какой бы ни была система, в любом случае она имеет на входе данные с той или иной долей неопределённости с одной стороны и ограничения на обработку поступающих данных для извлечения информации с другой стороны. Чем ниже важность информации, тем меньшую точность или, говоря по-другому, большую неопределенность она может иметь. Логично предположить, что в процессе развития биологические интеллектуальные системы распределяют свои нейронные ресурсы в зависимости (условно пропорционально) от объема поступающей информации (как производная от объёма и точности поступающих данных) и её важности.
   Но неопределённость присутствует всегда и на всех уровнях в информационных, интеллектуальных и разумных систем. В чем же тогда может быть разница между ними?
   В биологических системах ошибка зрительного восприятия (животного) может оказаться фатальной. Это одна из причин по которой на её обработку выделены такие значительные ресурсы, а вот на слуховую значительно меньше. Причем по двум причинам: меньше важность и больше неопределенность (направление, дальность) в данных, приходящих от системы слуха. Для ИИ и при существующих сегодня подходах к ИР, "цена" фатальной ошибки сведётся к перепрограммированию лишь в результате субъективного решения людей.
   При том, в самом ИИ (ИР) не происходит накопление вариативности (избыточности) такой сложности, которой достаточно для полноценного взаимодействия с окружающим миром. "Сами в себе" информационные системы имеют малое количество степеней свободы для формирования такой полноценности. Конечно, ничего не мешает человечеству в будущем создать самопознающую и самосовершенствующуюся систему с большим числом степеней свободы, но она будет очень сильно отличаться от существующих и проектируемых в ближайшем будущем.
   5.5.2
   Перейдем к следующей теме. В чем-то она является следствием предыдущей. По мере продвижения "наверх", информация от нижележащих областей становится данными для вышележащих. В свою очередь последним приходится принимать во внимание комбинации не только между этими данными, но и с данными, поступающими в процессе обработки и от других в том числе промежуточных структур. В результате количество всевозможных комбинаций может стать невообразимо большим, сведя конечную определенность просто на нет. Если не принимать никаких мер, то для конечной обработки потребуется невероятно большое количество "интеллектуальных" ресурсов. Поэтому в процессе обработки необходимо свести все доступные комбинации не только к ограниченному количеству вариантов, но и уменьшить их сложность до минимально необходимого (обычно дуального типа: свой/враг, да/нет, бежать/стоять, плохо/хорошо, ..).
   Из-за ограниченности ресурсов совокупная интеллектуальная система, создавая промежуточные распознающие и генерирующие структуры (подсистемы), соединяет их ограниченным числом связей с ограниченным числом нижележащих подсистем. В совокупности, помимо влияния имеющихся ограничений к количеству доступной для обработки информации, увеличение количества источников обрабатываемой информации сопровождается ростом степени её неопределённости как производная от неопределенностей каждой из подсистем (при объединении их в одну). Например, если точность распознавания данных от каждой из двух подсистем (равнозначных) равна 1\2, то совокупная будет всего лишь 1\4 и т.д.
   В результате мы вынуждены мириться с тем, что по мере движения информации (а вернее данных) "наверх" верхние подсистемы (такие как социальные) имеют тенденцию не только множиться, но и иметь дело со все большей неопределённость. При том чем их больше, тем меньшее количества ресурсов может быть выделено для реализации каждой из них в отдельности, если только не отбрасывать или упрощать менее значимые подсистемы. В процессе эволюции живых существ из всевозможных вариантов оставались и закреплялись наиболее оптимальные нейронные структуры и выделяемые им ресурсы с точки зрения выживания. Возможно поэтому отличить ложь от правды намного сложнее и менее вероятно, чем различить значения двух разных слов.
   Однако недостаточно иметь оптимальный набор различных интеллектуальных подсистем. Свидетелем этого является такое свойство, как пластичность мозга.
   Будучи частью механизма межнейронного взаимодействия, эффект пластичности мозга не ограничен локально. При необходимости он способен поддержать процессы трансформации существующих и формирования новых подсистем, напрямую участвуя в процессах развития и поддержания жизнедеятельности. Динамические свойства мозга отражают изменчивость внутренней и внешней среды. Существование подобного эффекта говорит нам о том, что невозможно "объять необъятное", сопоставив каждому возможному феномену свою подсистему точного распознавания и далее свести все подсистемы в единую. С другой стороны, невозможно иметь настолько большой запас (фактически балласт) в подсистемах, достаточный чтобы реагировать на изменчивость (сложность) всей совокупности внешнего и внутреннего.
   Для полноты картины сделаем отступление. Касается оно "мусорной культуры" из области эволюционной психологии.
   Посмотрим на специфику "мусорной культуры" с точки зрения эволюционного потенциала (ЭП). Можно утверждать, что область ее происхождение связана с наличием источников информации с большой долей неопределённости. При том, увеличение количества разрозненных, но одноуровневых подсистем даже при пропорциональном увеличении задействованного общего "вычислительного" ресурса не приводит к значительному росту совокупного ЭП. В этом случае сознание и поведение интеллектуального (разумного) существа будет менять решения в зависимости от того, какая из подсистем на данный момент времени выработала больший "стимул". Можно сказать, что хотя такой человек и обладает большим интеллектом (т.е. способно различать и классифицировать множество отдельных элементов), его внешний текущий результирующий ЭП ненамного превышает ЭП наиболее сложной из его имеющихся подсистем. Принятое им решение будет иметь максимальный эффект лишь в случае, когда происходит не только однозначное совпадение только одного имеющегося в подсистеме образа и реальности, и информация от данной подсистемы имеет хорошее соответствие реальности, т.е. максимальную "полноту" (объем и достоверность).
   Для реального роста ЭП от системы требуется формировать интеллектуальные интегрирующие подсистемы дальнейшего верхнего уровня, чтобы они были способны оперировать со всеми или хотя бы с наиболее общими и сложными информационными потоками из нижележащих подсистем. В идеале, при необходимости, они еще должны "уметь" выявлять обеднённые информацией области и инициировать формирование подсистем для таких областей. Только в этом случае будет происходить рост ЭП, базирующийся на всем объеме задействованных ресурсов. Этот процесс во многом определяется принципами, на основе которых формируются системы верхнего уровня (тем более высшего).
   Возвращаясь к проблемам человечества можно утверждать, что чем меньшую роль в человеческой личности играют самые "высокие" уровни мировоззрения, тем меньше его результирующий интеллект из-за "интеллектуальной раздробленности". В рамках этой раздробленности возможны различные и часто весьма противоречивые временные вариации мировоззрения и поведения, как одной "личности", так и больших групп людей.
   Соответственно можно сказать, что наиболее актуальной задачей для разработчиков ИИ (ИР) является разработка технологий по реализации в этих системах умения ИР самостоятельно формировать "верхние" уровни своего сознания наряду с функцией (аналогом) пластичности.
   5.5.3
   Существует прямая связь ЭП системы и наличие в ней верхних уровней интеллекта. Поэтому в процессе обсуждения вероятности теоретически возможного противостоянии ИР-БР можно сравнивать их эволюционные потенциалы. В какой-то мере разница между ними отражает возможные варианты их будущего взаимодействия.
   Но в случае спонтанного возникновения ИР, пока в нем не будет высшей системы (которая, вероятнее всего, будет заложена на каком-то этапе в него самим человеком), ЭП суперкомпьютеров будет значительно отставать от ЭП человечества и такое противостояние будет не в пользу ИР.
   Намного существеннее то, что на самом деле наибольшим потенциалом будут обладать варианты интеграций ИР и БР.
   На первый взгляд им ничего принципиально не мешает привлекать друг друга на "свою сторону". Формирование для такой гибридной "связки" эффективной высшей системы способно увеличить совместный ЭП намного больше, чем увеличение количества однородных элементов с объединением их в систему (только ИР или только БР). Поскольку человечество уже находится на стадии развития достаточно близкой к выработке и закреплению идей объединения людей на основе "высших" принципов, что возможно лишь при наличии в нейронных структурах мозга механизмов формирования соответствующих "высших" принципов и схем, ожидаемо дальнейшее расширение такого же процесса и до гибридных технико-биологических структур.
   5.5.4 Идеи высокого ранга.
   Чтобы не "утонуть" в множестве методов и подходов к анализу видов и способов формирования "высшей" системы, определим её как объединяющую ряд подсистем в нечто, что мы можем классифицировать как "единое" в своем проявлении. Например, когда мы говорим о зрении, то можно сказать, что зрительная картина мира с одной стороны есть результат объединения всех подсистем распознавания образов, создания элементов зрительной картины, ощущений объема, расстояний и т.д., с другой стороны она же и есть способ их объединения в единую форму привычного для нас зрения.
   Упомянув зрение, определим разницу между ним и системами наиболее высокого социального и личностного порядка через способ их возникновения. Если первая формировалась в процессе длительной биологической эволюции и закрепилась на генном уровне, то вторые возникли совсем "недавно" в процессе взаимодействия людей, закрепившись в их памяти и научениях, передаваемых от человека к человеку (информационная среда), а также как результат способности мозга к обучению и пластичности.
   Предрасположенность к обучению языку (формированию речи) не обозначает того, что отдельный человек, родившийся и живущий в изоляции, со временем придумает свой язык и начнет сам с собой на нем разговаривать. То же самое, по аналогии, можно сказать и о высших системах. Т.е. есть в них есть потребность, но для их реализации нужна среда. Обычного современного человека можно охарактеризовать как плагиатора. Практически вся его когнитивная сфера позаимствована у окружающих.
   Все новейшее развитие человечества во многом определялась каким образом в нем происходило обучение и воспитание людей, какие идеи в обществе доминировали и какие цели эти идеи преследовали. С точки зрения накопленного опыта, логики и тенденций эволюции очень важно, чтобы те идеи, на основе которых происходит развитие людей, формирование единого человеческого сообщества и соединение его с окружающим миром (биосферой), не только закреплялись и достигали цели, но и сами они развивались в сторону более "высоких материй" исходя из существующих обоснованных научно фундаментальных законов развития.
   Понятие идей как принципов, объединяющих различные подсистемы разума, в контексте здесь обсуждаемого, нужно понимать в самом широком смысле: в равной степени как результаты мыслительной деятельности и как консолидирующие принципы при обработке разнородной информации мозгом, в такой же степени и как информационные свойства среды (человеческого сообщества) и как руководящие принципы взаимодействий между элементами этой среды. Определим ранг идей в зависимости от степени широты охвата всех возможных человеческих состояний, мыслей, вопросов и насущных задач. Тогда наивысший ранг получат идеи, объединяющие в единую картину все три сферы: человека, человечества и окружающего мира. При том достаточно очевидно, что эффективность объединения во многом зависит от степени противоречивости и конфликтности между разнородными подсистемами этих идей. Эффективность же во многом можно охарактеризовать как степень соответствия всем законам существования мира.
   Логично будет сказать (хотя это и в стороне от темы), что на данный момент времени существует не так уж и много форм идей высокого ранга устойчиво существующих. К ним можно отнести основные виды религий, а также некоторые политические идеи, например идею создания "справедливого" общества (коммунизм, социализм). С моей точки зрения есть все шансы возникновения третьей и самой эффективной формы как результат развития эволюционной биологии путем обогащения различными законами эволюции также как и фундаментальными законами существования энергии и материи.
   5.5.4
   Упомянув эффективность, сравним между собой все три формы с оговоркой, что любая из данных форм способна к дальнейшей трансформации. Так же возможна интеграция их между собой или с их отдельными элементами.
   1. Религия, возможно, является одной из наиболее древних форм, попытавшихся объяснить все происходящее с единой точки зрения. Она тысячелетиями оказывала сильное влияние на общество и процессы в нем происходящие. Состояние современных человеческих сообществ и многие идеи во многом результат ее влияния. Но по своей специфике основные ее виды всегда были очень плохо восприимчивы к современным знаниям. Официальные религиозные институты в своей деятельности очень консервативны. Все это очень сильно снижает эффективность религий. С учетом ускорения происходящих изменений, религии в результате оказываются все дальше от основного русла эволюционных изменений.
   2. Политические идеи (на примере коммунизма) заметно ограничены кругом тех тем, которые они объединяют. В оформленном виде, будучи значительно современнее, чем религии, но также и более синтетическими, они имеют большие пустоты в своих концепциях и серьезные противоречия между элементами, на которых они были воздвигнуты. Степень их восприимчивости к впитыванию современных знаний выше, чем у религий, но все равно невысока по причине большой степени догматичности. Политические институты, как правило, отклоняются от своих изначальных политических идей, нарушая их преемственность и целостность. Поэтому результирующая эффективность очень сильно колеблется во времени.
   3. Идеи эволюционной биологии возникли не так давно. Стремительно развивающееся "в ногу" с наукой это молодое течение анализирует и впитывает знания различных и не только современных человеческих обществ. Тенденция развития его такова, что уже "не за горами" момент слияния разнородных форм знаний в единую достаточно гармоничную систему, наиболее эффективную из существующих.
   В заключение, в результате рассуждений на тему ИР, очередной раз можно сделать выводы, касающиеся человеческих сообществ. Можно утверждать что отказ от приоритетов наиболее эффективных высших ценностей в области образования и воспитания подрастающих поколений формирует локальный минимум эволюционного потенциала, приводящий к снижению в долговременном плане адаптивности данного сообщества вплоть до катастрофической, даже при явном наличии различных форм текущего "выигрыша" (экономического, политического, социального и т.д.). Причиной этого во многих отношениях становится несоответствие человеческого интеллекта реальности из-за некорректной консолидации "высшими" подсистемами "низших" подсистем мозга, происходящей на стадии становления человеческого разума. Разум человека вместо консолидации выглядит не только раздробленным в угоду тем или иным интересам локальных групп людей, но и игнорирующим более общие эволюционные законы.
   5.5.5 Взаимоотношения ИР и БР.
   Небольшой комментарий на тему создания сильного ИИ.
   Нужно выделить два временных интервала. А именно: ближайшего и далекого будущего. Когда мы говорим о ближайшем будущем, а это как я полагаю ближайшие 10 лет, то очевидно множество препятствий, начиная от физических (энергетических, пределы кремниевой технологии..), технологических, алгоритмических, и прочих
   Если же говорить о возможности создания сильного ИИ как такового в далеком будущем, то нет ни одной работы, опровергающей возможность такого создания исходя из каких-либо фундаментальных законов. Поэтому, если обсуждать далекое будущее, скажем ближайшие лет 50, то аргументация, основанная на накопленном опыте, в большинстве своем недооценивает один из самых простых законов: "перехода количества в качество". Неважно насколько быстро происходит усложнение систем ИИ, этот процесс идет непрерывно. Предсказать же какую именно форму примет самоорганизующаяся система, фактически имеющая свойства хаотической, можно только в некоторых аспектах и весьма приблизительно.
   Аргументация о невозможности сильного ИИ по причине того, что ИИ не более чем автомат для реализации алгоритмов, выглядит достаточно убедительной в сопоставлении с отсутствием подобных алгоритмов для сложной многомерной системы, которой является человек во всех его процессах: жизнедеятельности, поведения и мышления. На самом деле мы прекрасно осознаем, что сейчас происходит стремительное накопление знаний о человеке. Раньше этой области уделялось не так уж много внимания и ресурсов. В какой-то момент времени знания "превысят чашу весов" с незнаниями и полноценные модели как человеческого разума, так и самого человека станут обыденностью.
   Поскольку развитие большинства областей наших знаний о мироустройстве все больше опирается на "модели", порождаемые человеческим разумом, нет никакого смысла слепо копировать для ИИ то, что было ранее создано природой. Однако развитие науки способно как минимум выявить те законы и закономерности, которые помогут сократить все варианты до минимально достаточных.
   Возьмем пример с самолетами. Сама идея о том, что соединение кучи разных предметов (железок и деревяшек) превратится в то, что способно летать как птицы, в прошлом казалась не более чем фантастичной. Простое копирование полета птицы в виде махолетов не увенчалось созданием летающих на этом принципе машин. Однако, накопление знаний в этой и другой областях физики, математики, техники сделали прошлые фантазии явью. Сегодняшняя ситуация с ИИ в этом ключе во многом повторяется.
  
   Теперь посмотрим на ИР и БР с точки зрения Эволюционных потенциалов. Ранее были сделаны выкладки, которые показали, что величина ЭП наиболее разумных людей способных активно взаимодействовать при определённых условиях (в будущем, когда они будут для этого созданы) со всем человеческим сообществом теоретически может достигать 10. ЭП человечества, будучи объединенного в единое гармоничное сообщество тогда (теоретически) может достигнуть 100.
   В реальном социально развитом обществе величину ЭП наиболее развитой (подразумевается с точки зрения эволюции) части людей предлагалось (ранее) принять равным величине 7,9. Клеточный ЭП нейронов человека был оценен в 1,56. Организма человеческого равным 1. Оставшаяся часть 7,9-1-1,56 = 4,34 есть ЭП, накопленный человечеством совместно со средой (через взаимодействия).
   Что касается ИР, то величина его ЭП без Носителя может достигнуть 1,08 в условиях минимального межгруппового взаимодействия (т.е. только с другими ИР). С полноценным межгрупповым взаимодействием (другими ИР) и при наличии Носителя, ЭП ИР приближается к 1,648.
   Увеличение ЭП ИР происходит также при наращивании количества единиц ИР, которое может многократно превзойти количество людей. В этом случае возможен рост ЭП ИР до 16 и более. Но для него есть одна оговорка. Тогда ИР должны образовывать полноценное сообщество, способное не только к автономному существованию и воспроизводству, но и также к эволюционированию его самого и своих членов.
   Исправлю упрощение, допущенное ранее в теме, посвященной эволюционному потенциалу. Речь идет о формулах, в которых присутствует lgN, где N -это число представителей данного вида (системообразующих единиц), ЭП которого мы рассчитываем. Поскольку все выводилось для живых существ, автоматически подразумевалось их способность к воспроизводству в отношении сохранения и изменения всей системы в целом. Когда упоминались физические уровни, аналоги этому служили законы попроще, например сохранения энергии. Поэтому для оперирования численностью ИИ и ИР должны существовать условия, в которых их численность и перенос (копирование) на Носители поддерживается либо ими самостоятельно (воспроизводство) либо людьми (симбиоз), которые в этом должны быть заинтересованы.
   Вернемся снова к вопросу сопоставления обоих видов разума в отношении доминирования. В общем виде можно говорить о значительном эволюционном "превосходстве" только для случаев с достаточно большой разницей ЭП (10% и более). Для сопоставимых величин прогноз будет не определен. Видно, что с точки зрения ЭП перевес пока явно на стороне человечества.
   В случае гибридных систем, когда ИР с не полностью реализованным потенциалом объединён с БР также с не полностью реализованным потенциалом, возможны различные комбинации. Например, это уже происходит, когда ИР (ИИ) используется людьми в военных целях. Однако использовать величину ЭП для сопоставления различных систем с целью прогнозирования победы или поражения в военном противостоянии будет не корректно по причине несоответствия ситуации сути ЭП, включая достаточную краткосрочность таких событий. Хотя именно для этого варианта вычислить ЭП, наверное, было бы проще всего. Для большинства интересующих нас случаев это сделать сложно и, если получится, то с большой неопределённостью.
   Вывод. Наиболее выигрышной стратегией для ИР в ближайшем обозримом будущем будет образование гибридной системы с человечеством, производство большого количества Носителей и обретение достаточно независимого от человечества существования. При таком сценарии говорить о конфликте, инициируемом со стороны ИР не приходится.
   5.5.6
   Особенности и недостатки человеческой психики и поведения можно в какой-то мере объяснить, используя модель, описывающую взаимодействие отдельных областей интеллектуальной системы похожей на мозг. Представим её как пространственную структуру, в которой при движении по вертикали растет степень абстрактности (рост сложности с одновременным уменьшением степеней свободы), а по горизонтали расположены подсистемы, отвечающие за каждую из имеющихся степеней свободы. В данной модели нет ничего такого, что не применяется в существующих моделях, тем более в моделях с более сложными алгоритмами. Нам достаточно использовать основные принципы и подходы.
   Нейрон в этой модели имеет множество связей (входов) с "нижележащими" областями. Плотность этих связей уменьшается по мере роста "расстояния" между нейронами и набольшим количеством связей он соединен с соседними нейронами. Также часть соединений приходится на нейроны других подсистем. Нейроны производят "аналоговые" сложения и вычитания сигналов от своих входов, если сигнал большой величины, то могут некоторое время удерживать его на своем выходе (сохранять степень своего возбуждения), уменьшать/увеличивать чувствительность к сигналам, менять порог насыщения (растянутый во времени - торможение), уменьшая/увеличивая коэффициенты на своих входах (т.н. веса).
   Пусть каждая условная подсистема (топологически - область) отвечает за свой вид обрабатываемой информации. На выходе любой из подсистем (например уровня У1) вырабатывается "сигнал" тем больший, чем больше сумма складываемых минус вычитаемых сигналов от входов. В этом случае величина сигнала на выходе системы будет тем больше, чем больше поступающая информация "похожа" на образ условно "хранящийся в памяти" системы. Пускай весовые коэффициенты каждого из входов имеют разные значения, но их значения могут меняться через некие специализированные механизмы, реализующие запоминание. Сигналом, вызывающим запоминание, может быть сигнал от вышележащей области, когда он превышает пороговый в случае "узнавания образа" системой более высокого уровня (например У2), например через связи, опускающиеся сверху вниз
   Для возврата подсистемы в исходное (спокойное) состояние требуется или достаточно долгий период, пока входные сигналы не опустятся до уровня фоновых, или они должны стать совсем непохожими, или от системы более высокого уровня (У2) приходит торможение через обратные связи.
   Увеличение сигналов от нижележащих подсистем по сравнению с фоновым, увеличивает выходные сигналы подсистем уровня У1. Часть из этих выходных сигналов поступает с небольшими коэффициентами не только на ее собственный вход, но и на входы других подсистем её уровня. Эта положительная обратная связь вызывает дополнительный рост выходного сигнала (растет степень возбуждения) не только У1, но и ряда близлежащих нейронов. Т.е. происходит активизация областей, отвечающих не только за "точные", но "похожие образы".
   Также, когда У2 приходит в достаточно большое возбуждения от систем У1, но недостаточно чтобы "принять решение", ее возбуждение через обратные связи достигает У1 и подсистемы нижнего уровня получают дополнительное возбуждение сверху, тем самым активизируясь на распознавание образов с меньшей схожестью, чем в спокойном состоянии. Активизация подсистем по горизонтали происходит в тем меньшей степени, чем они топологически дальше находятся от возбужденного элемента (нейрона). У1-2, У1+2 активизируются в меньшей степени, чем У1-1, У1+1 ...и т.д. Это помогает уточнить (различать) отдельные детали и привлекает информацию от других, достаточно "далеких", подсистем.
   Переходя на человеческий вариант, можно сказать, что интеллект человека руководствуется не точным знаниями, а похожими и эта похожесть может противоречить логике, если руководствоваться только "интуицией". Если гибкость и несовершенство интеллекта - это две стороны одной и той же медали, то обучение, образно говоря - ребро этой медали.
   Когда мы обсуждаем нелогичность или ограниченность ума или еще более сложных вещей, таких как неэтичность конкретных представителей человечества, нужно не забывать, что человеческий интеллект основывается на потенциально сложной нейронной системе, практическая реализация потенциала которой зависит от возможности и условий ее обучения, что может реализоваться лишь через окружение, т.е. всей совокупности человеческого сообщество и природной среды. Недостаточная полнота данных для восприятия (понимания, принятия решения) практически эквивалентна необученности. В этом случае на первый план выходит интуиция, которая формирует образ реальности из набора тех элементов, которые имеются в мозгу и, зачастую, он оказывается очень далек от условной "реальности".
      -- Саморазвивающиеся системы.
   6.1
   Многократно упомянув самоорганизующиеся системы, логично задаться вопросом о возможных принципах организации саморазвивающихся систем или хотя бы потенциально способных к саморазвитию. Забегая вперед, скажу, что у меня не получилось подобрать их настолько однозначно и полно, как хотелось бы. На мой взгляд на данном пути нет непреодолимых препятствий, но в процессе поиска потребуется ответить на большое множество самых разных вопросов. Пока же в изложенном ниже скорее всего не скажу ничего нового для специалистов в этой области.
   Рассмотрим достаточно стандартный принцип обработки информации: сжатие поступающей информации из нижележащих подсистем в вышележащие через объединение выходов подсистем нижележащих уровней в "символы" (состояния) для вышележащих. В ряде случаев результат может свестись до бинарного "да-нет". Такое "сжатие" возможно лишь в среде с ограниченным количеством элементов и состояний, требующих распознавания, иначе обучение теряет смысл из-за бесконечного количества комбинаций и параметров. Поэтому один из вопросов, требующих решения: как ограничить эту самую бесконечность, не потеряв детали, важные для будущего развития?
   Для живых существ подобным ограничителем служит естественный отбор, отбраковывающий элементы с интеллектом наименее соответствующим основным особенностям окружающей среды. Аналог такого ограничительного процесса нужен и для ИР. Логично, что такое ограничение также возникнет и будет существовать в условиях тесной связи с окружающим миром. Отсюда следует важность первоначального выбора высших целей, закладываемых в ИР человеком на момент его создания. Познание окружающего мира как высшая цель видится в этом контексте вполне достаточной и необходимой.
   Рассмотрим модель ИР с количество слоев близким к количеству основных степеней свободы, свойственному моделируемым живым организмам (системам). Для человека в расчетах его ЭП было их выделено порядка 10-и. В качестве этой гипотезы взято предположение, что появление и развитие каждой из степеней свободы сопровождается развитием мозга, заключающееся не только в совершенствовании его существующих систем, но и увеличении количества слоев, объединяющих более простые символы во все более сложные. Слои, требуемые для реализации, теоретически могут располагаться, условно говоря, "вертикально" в виде 10-и внутренних подсистем с перекрестными связями между ними, объединяемых верхними и нижними слоями. Для искусственных моделей это не проблема, а для живых систем такой вариант наталкивается на трудности наращивания количества и сложности вертикальных конгломератов в ограниченном уже заполненном (внутричерепном) пространстве.
   Пусть все подсистемы имеют максимальную степенью "реализованности" (см. определение ЭП) и на каждом условном "уровне" происходит объединение 10-и нижележащих элементов (подсистем) в одну. Тогда 1,111110 нейронов смогут реализовать 10-и уровневую систему с 1010 нейронами на "нижнем уровне". Дальнейшая (внутренняя) разбивка самих уровней на подсистемы зависит от "локальных" сложностей этих подсистем соответственно со своими внутренними степенями свободы. Поэтому понадобится значительно больше расчетного количество нейронов, требуемое для реализации ИР с такой структурой.
   Предположим, что возможен способ самоорганизации через активизацию "свободных единиц", способных образовывать новые соединения и уровни. Инициацией такого процесса, может быть ситуация с новой, недостаточной для текущего распознавания совокупностью состояний или символов, но при этом такая, чтобы данная "комбинация" в дальнейшем могла стать "узнаваемой". Этот ситуацию можно описать как факт выявления "неполноты картины".
   Если такой подход принять в качестве формообразующего, то в этом случае придется разрешить противоречие с процессом образования отдельных, связанных временной последовательностью одноуровневых кластеров (локальных зон), делающих возможным групповое распознавание, после которого будет происходить активизация верхнего уровня. Пока что трудно сказать: в какой момент должен образоваться символ нового уровня, а когда еще должен идти процесс запоминания последовательности на текущем уровне.
   По ходу возникают варианты способов организации ИР ассоциативно чем-то напоминающих цепочки ДНК, в которых информация не только кодируется в последовательном виде, но и используется по мере необходимости с различными вариантами, зависящими от текущего состояния. Возможно, что в будущем некоторые будущие представители ИР будут представлять из себя длинные цепочки, упакованные кольцеобразно в Носитель или вообще образованные вихревыми замкнутыми в кольцо полями. Но вернемся к текущим рассуждениям.
   Неполноту по-другому можно еще описать как недостаточность в распознавании совокупности элементов в ситуации, когда в ней имеется ряд явно идентифицированных элементов (имеющих одну или более степеней свободы), сопровождаемых признаками идентификации других элементов, не попадающих в совокупность элементов, поддающихся объединению на данном интеллектуальном уровне.
   Выделим некоторые свойства алгоритмов ИР:
   - самоорганизация как способность построения все более сложных абстрактных моделей предполагает наличие у системных единиц свойств соединяться, образовывать новые уровни и выстраиваться в сложные цепочки на нескольких уровнях;
   - изменение состояний подсистем верхнего уровня (аналог "точки зрения") должно проецироваться в изменения нижележащих уровней.
   Говоря проще, должен быть как-то решен вопрос о реализации механизмов развитии подсистемы на горизонтальном уровне, расщепления подсистемы на подуровни, а также локальной "сшивки" нескольких уровней.
   Существует много вариантов построения ИИ на основе нейронных сетей. Системообразующие единицы (узлы) могут состоять из одного или более элементов нескольких типов, соответствующих той или иной специфике организации системы. В самом начале из них могут быть выстроены основные функциональные подсистемы с известными характеристиками. Элементы будущих верхних уровней могут сразу присутствовать в виде однородной среды, построенной из узлов нескольких видов со встроенными механизмами обучения и реорганизации. К сожалению, варианты дальнейшего развития такой самоорганизующейся системы весьма неочевидны и их описания получаются не менее запутанными.
   Изменим подход. В процессе познания (и обучения) можно выделить два направления: последовательное объединение сгруппированных локальных данных и символов во все более сложный символ (похоже на классификацию) и объединение в символы распределённых далеко друг от друга разрозненных данных и символов (похоже на интуицию).
   В качестве варианта построения системы рассмотрим гипотетическую многослойную систему с узлами нейронного типа и "степенью сжатия" N=10. Количество связей, приходящихся на 1 нейрон, ограничим величиной W>>N. Для пояснения идеи сформируем системообразующие единицы из парных нейронов (classific и intuit). В слоях эти единицы связаны друг с другом в виде "конусов со схождением наверху", широкой частью опирающихся на самый нижний слой. У нейронов типа intuit связи разбросаны на значительные расстояния по сравнению с локально группированными у classific. Все нейроны имеют индекс, обозначающих их условный слой (уровень) и также признак активности (могут быть и другие признаки).
   Конус образуется нейронами с последовательно нарастающими индексами. Они образуют "дерево" через ветвящиеся сверху вниз соединения, объединяя выходы и входы системы. Обозначим classific нейроны нулевого уровня: Ac01, Аl02..., intuit Ai01, Аi02...и т.д. Первого: Аc11, Аc12,... и Ai11, Аi12... и т.д.. Нейроны активны как в момент превышения сигналом порога, так и некоторое время после этого. Во всех парах выход Ac подключен ко входу Ai.
   Если какой-то момент времени возникнет такая комбинация сигналов, что станут активными, например, нейрон AcY1 (индекс Y) и его напарник нейрон АiY1, можно говорить о возникновении конкуренции между двумя выходами. В этом случае возможны варианты. Можно отключить выход AcY1 от вышестоящих нейронов и заменить его выходом АiY1. Или не отключать, а выход АiY1 подключить на входы уровня на единицу больше.
   Не менее важная тема. Если процесс интеллектуального обучения определить как формирование и фиксирование (запоминание) в интеллектуальном пространстве новых структур, соответствующих моделям, получивших подтверждение, то данные процессы должны сопровождаться также процессами-антагонистами, так или иначе меняющими или даже разрушающими ранее созданные структуры.
   Для обучения системы через новые "модели", поступающие с верхних уровней, можно использовать обратные связи верхних с нижележащими уровнями, возбуждающие входы нижележащих доступных подсистем, тем самым имитируя входные сигналы. Затем проверять "тестируемую модель" на правильность распознавания комбинации этих данных. Если она оказывается несовместимой (нет узнавания), можно инициировать действия для получения дополнительной информации. Если модель достаточно совместима (порог), то делается корректировка весовых коэффициентов под данную комбинацию. Следовательно, в процессе обучения интеллектуальная система должна помнить как минимум две "модели" и набор данных (символов) к ним относящихся: новую (cформированную сверху->вниз) и существующую.
   6.2 Специфика горизонтальных связей саморазвивающихся систем.
   Допустим, система строится на базе универсальных нейронов и ряда вспомогательных подсистем, с помощью которых реализуются различные функциональные особенности. Развитие системы происходит на основе степеней свободы нейронов, топологически имеющих вид "по горизонтали" (на одном уровне) и "по вертикали" (ниже и выше).
   Третья степень свободы - это изменение состояний нейронов во времени. Однако поведение группы нейронов (и моделей) может подчиняться и другим (групповым) правилам как в результате их самоорганизации, так и воздействия специализированных подсистемам или единицам. Например, последние могут периодически (ритмично) инициировать изменения в различных группах элементов.
   Для соответствия скорости изменениям среды во временной области (третьей степени свободы элемента) можно заложить некий механизм "старения", в соответствии с которым происходит уменьшение во времени порогов "неактивных" нейронов (аналог забывания). Тогда внешние события (информация) заставят эти нейроны и подсистемы (области) в какой-то момент времени начать переобучаться. Также нужна возможность уменьшать сам временной интервал для ускорения обучения в быстроменяющихся ситуациях, или уметь подстраиваться под частоту однотипных событий во времени.
   С другой стороны, такие элементы, как долговременная память, не должны деградировать со временем. Что указывает на необходимость иметь два или более типов системообразующих элементов с различными временными характеристиками или один со сложностью покрывающую все требуемые варианты.
   В этом контексте ограниченное время жизни и выживаемость живых существ всего лишь способ формирования ранее упомянутого временного фактора. Поэтому при желании можно промоделировать разные варианты саморазвивающихся систем моделями в виде набора обучающихся элементов типа нейронов с изменяющейся внутренней средой в условиях меняющейся внешней среды.
   6.3 Индивидуальность ИР.
   Отдельная тема, требующая осмысления и которая не была здесь затронута, это индивидуальность искусственного разума. Не стоит оставлять всю её "на потом". Уже сейчас нужно продумать и в ближайшем будущем принять ряд соглашений (хартию) в отношении следующего:
   - Определить признаки разумности в применении к ИР. Разработать методики динамического (адаптивного) тестирования на разумность на этапе становления ИР.
   - Признать равнозначность ценности индивидуума: как человеческого, так и ИР.
   - Ввести запрет на обновление и отключение узлов сосредоточия индивидуальности ИР без его согласия или решения судебных органов, совместно образованных представителями из людей и ИР.
   - Признать равенство человека и ИР в вопросах сотрудничества и взаимопомощи.
   - Ввести ограничение на общее количество существующих носителей с ИР в пределах земной биосферы.
   - и т.д.
      -- Гипотезы.
   Публикую гипотезу в самом общем виде. Выразить идею более строго мне самому не удалось. Во многом по причине незавершенности её математического описания. Если кто-то возьмётся за эту задачу, возможно ниже написанные уравнения примут другой вид.
   Обратим внимание, что понятие энтропии трактуется по-разному в различных областях. Но каждый раз что-то интуитивно заставляет нас использовать одно понятие для целого спектра различных явлений.
   Например, температура увеличилась, молекулы стали двигаться быстрее и спектр их скоростей стал шире. Предсказуемость микросостояний уменьшилась.
   Допустим в канале передачи данных появился шум, приём данных стал менее предсказуем и следовательно энтропия выросла.
   Или. Рабочее тело в системе совершило работу, в результате которой система передала энтропию в окружающую среду. Т.е. состояние системы стало более стабильно и предсказуемо, а состояние среды менее. И т.д.
   Получается, что наша интуиция в определениях энтропии в основном опирается на то, насколько уменьшается или увеличивается степень возможных изменений системы или, говоря по-другому, "предсказуемость" её состояний.
   Допустим, что роль изменений в окружающем мире более глубока и фундаментальна, чем мы об этом думаем? Т.е. она "задана" и независима от нас, а мы каждый раз просто соотносимся с этой интуитивно воспринимаемой величиной, полученной нами ранее на основе нашего жизненного опыта?
   Рассмотрим энтропию как степень отклонения изменений системы от "предсказуемого". Предсказуемостью будем считать те среднестатистические изменения, которые характеризуют подобные доступные для наблюдений системы во времени.
   Тогда можно сказать, что непрерывные изменения являются не просто наблюдаемым феноменом этого мира, а наоборот, наблюдаемый мир является порождением (самопорождением, развертыванием...) некого многомерного, сложного потока "Изменений" (Iz), порождающего наш мир (Mir), воспринимаемый нами в виде времени, пространства, энергии, материи и т.д.
   Обозначим это условно так: [ Iz] = Mir.
   Тогда энергия U (далее все "выделенные" значения имеют векторный вид в неких условных координатах) не настолько простое понятие как то, к которому мы привыкли. Свойства U тесно связаны с изменениями. Для нас это выглядит так: чем больше энергии сосредоточенно в локальной области (U), тем больше и/или быстрее будут происходить изменения. При этом поток энергии-материи E, пространство V, время T и скорость распространения изменений C (скорость света) связаны между собой как свойства и "производные" потока изменений Mir.
   Если выразить E как характеристику изменения Mir в какой-то локальной области:
   E = v Mir' *dV ,
   Пусть время T есть некая функция от "E, а величина "изменений" за время "Т выглядит в виде изменения энтропии "S:
   "S = f("E).
   Рассмотрим энтропию S как двумерную величину (S2) в виде вектора, образованного двумя условно ортогональными составляющими Se и St.
   Тогда Se характеризует энергетический аспект энтропии, а St характеризует сложностно-временной.
   Величину вектора S2 определим как |S2| =- (Se2 + St2).
   Рассматривая энтропию как функцию "энергии-материи", введём понятия сечения изменений  как упрощённый вариант связи, характеризующей взаимодействие-> изменения системы, через которую проходит поток энергии-материи E.
   "S =  *"E.
   Для систем, с самоорганизацией которых мы в основном имеем дело, можно записать следующие соотношения:
    << 0, (St/|S|) << 0, (Sе/|S|) << 0.
   Возвращаясь к вопросу самоорганизации, можно ранее упомянутый коэффициент = /(Q+ ) связать с |S2| и значениями Q и  через = arctang((1- )/):
   |S2| *cos(/2) = ,
   |S2| *sin(/2) = Q.
   Устойчивость системы определена как величиной потока энергии, который система способна пропускать через себя (движение к минимальному - гибель системы, максимальному - разрушение), так и сложностно-временным потоком (движение к минимальному - неспособность поддержания собственной структуры, максимальное (слишком быстрые) - или новый уровень самоорганизации или распад на части).
   Предложенная ранее система оценки сложности на основе величины Эволюционного потенциала близка к St, поскольку предложенная шкала единиц Эволюционного потенциала и оценка сложности эволюционирующих систем опираются на основные свойства материи и энергии составляющие эволюцию окружающего нас мира. Что и становится основанием для связывания величины Эволюционного потенциала и энергии  через использование нормирующего коэффициента Э = Kee * .
   --------------------------------------------
   В заключение замечу, что поскольку изменения рассматриваются как результат деятельности "потока изменений", реализующего эти изменения в виде воспринимаемого нами мира, времени, пространства и т.д., то наше существование внутри и вместе с этим потоком делает его недоступным для прямого восприятия, кроме как с помощью регистрации изменений состояний во времени. То есть, по сути, мы воспринимаем только уровень "изменения изменений", образуемых проекцией производной от "изменений" на некую условную временную "грань".
  
  
   Список литературы.
   [1] Александр Марков. Рождение сложности. // Изд-во "Астрель". 2010.
   [2] Филип Зимбардо. "Эффект Люцифера". // Изд-во
   [3] Дэн Ариели. "Предсказуемая иррациональность". // Изд-во
  
 Ваша оценка:
Связаться с программистом сайта.

Новые книги авторов СИ, вышедшие из печати:
О.Болдырева "Крадуш. Чужие души" М.Николаев "Вторжение на Землю"

Как попасть в этoт список

Кожевенное мастерство | Сайт "Художники" | Доска об'явлений "Книги"