Книги по разным темам
Pages: | 1 | ... | 7 | 8 | 9 | 10 | 11 | ... | 56 | Выбирая сегодняшний поступок,информационная система явно или бессознательно. но просчитывает его неизбежныепоследствия во временном интервале действия доминирующей цели.
Последствия, согласно логике СР-сетей,прогнозируются только во временных интервалах действия цели. Понятно, что еслиактивная цель предполагает реализоваться в самые ближайшие часы, то данной целинет никакого дела то того, каким образом текущий поступок отразится насостоянии системы завтра или через неделю.
И если цели, для которых реализация— это дело самогоближайшего будущего, полностью подчинят себе информационную самообучающуюсясистему, то она в узловой точке своего бытия, конечно, выберет меньшее зло длясебя сегодняшней просто потому, что она не видит себя в дне завтрашнем— нет в завтрашнем днецели, способной формировать в сегодня иные поступки.
3.3. Проблема останова для человека
Мы семена живущего растения, и, как толькомы достаем зрелости и сердца наши переполняются, ветер подхватывает час ирассеивает.
К.Дхебраи
Предполагая в основе базового принципаобучения человека гибель нейронов и/или безвозвратную потерю ими отдельныхфункций (Р-сети), человек по умолчанию ставится на ступень ниже придуманного имсамим интуитивного понятия алгоритма, более того, он потенциально всегда будет уступать созданным им же самимтелекоммуникационным вычислительным средам. Почему этотак Хотя бы потому, что из всего возможного множества схем обучения самомучеловеку природой выделено лишь небольшое подмножество, в рамках которого ему ипозволено резвиться. Причем заранее известно, что смогут натворить системы,работающим по этим алгоритмам, а что нет.
Так может быть на основании знания овозможностях системы и следует судить о ее предназначении
Для проверки сказанного предлагаетсявзглянуть на ту часть информационной самообучающейся системы под названиемЧеловек, которая интуитивно соответствует понятию алгоритма, т.е. машинеТьюринга.
Кратко напомним основные термины иопределения. Неформально машина Тьюринга представляет собой:
1)ленту— бесконечнуюпоследовательность элементарных ячеек, в каждой из которых может быть записансимвол из некоторого фиксированного конечного алфавита;
2) головку,способную перемещаться по ленте влево и право, а также выполнять операциичтения и записи в ячейки ленты;
3) программу,состоящую из конечного числа состояний, одно из которых выделено как начальное,а другое или несколько специально оговоренных состояний выделены какзаключительные каждому незаключительному состоянию ставится в соответствиеопределенная инструкция, т.е. что надо делать головке, если она наблюдаетсоответствующий символ, а программа находится в соответствующемсостоянии.
В результате выполнения инструкции могутизмениться состояние программы, месторасположение головки и наблюдаемыйголовкой символ на ленте.
Проблема останова допускает несколькоформулировок [92]:
1) завершитсяли выполнение программы, если отсутствуют данные
2) завершитсяли выполнение программы, когда в качестве входных данных выступаютпрограммы
3) завершитсяли выполнение программы для данных X
Кроме сформулированной выше проблемыостановки для машины Тьюринга существуют и другие проблемы, являющиесянеразрешимыми, в частности, проблема эквивалентности программ, т.е. невозможнов полной общности решить, эквивалентна ли программа Р программе Q.
Никто, наверное, не будет спорить, чтоподобная алгоритмическая часть имеет место быть у системы Человек. Глядя в своепрошлое, любой из нас, как правило, способен формализовать совершенные импоступки в виде некоторого алгоритма: на вход подана сырая, холодная погода иеще что-то, внутренне состояние системы было тоскливым и еще каким-то, врезультате всего этого было сделано то-то и то-то. Здесь и далеепредполагается, что и не только интеллектуальная деятельность человека, но ифизическая его составляющая, включающая в себя замену клеток, ихфункционирование и т.п., базируется на понятии алгоритма.
Проблема останова машины Тьюринга в общемвиде неразрешима, т.е. проще говоря, нельзя для любой программы (алгоритма),поданной на вход машины Тьюринга, сказать, остановится она или нет.
Но если человек сложнее создаваемых имсамим алгоритмов, то почему проблема останова для человекаразрешима
Все люди смертны, все люди останавливаются всвоей работе над бесконечной лентой жизни. А для машины Тьюринга эта проблеманеразрешима! Как же так
Если придерживаться математической логики итого факта, что все люди смертны, то получится, что алгоритмическая частьчеловека являет собой лишь конкретное подмножество из всего возможногомножества алгоритмов, на которое рассчитана машина Тьюринга, т.е. человек— жалкий частныйслучай в мире информационных самообучающихся систем.
Действительно, если процесс обучениячеловека организован на принципе гибели избыточных элементов (принцип Р-сети),то тогда алгоритмическая часть системы Человек представляет собой ограниченноеподмножество из всего возможного множества обучающих алгоритмов. При этом, таккак множество избыточных элементов, используемое для алгоритмическойдеятельности, постоянно сокращается, то проблема останова для человекастановится разрешимой. Отсюда вывод — все люди смертны.
Понятно, что этот вывод сделан присоответствующих исходных данных, заключающихся в том, что нейроны головногомозга при жизни человека не способны восстанавливаться в таком же объеме, вкаком они гибнут.
Если же попытаться посмотреть наЧеловечество, как на информационную самообучающуюся систему, и, в частности, наприменимость к нему проблемы останова, то здесь будет более богатое множествообучающих алгоритмов (обучение осуществляется на принципах рождения, гибели,изменения связей между элементами), т.е. можно предположить, чтоалгоритмическая часть системы Человечество совпадает с интуитивным пониманиемалгоритма машины Тьюринга, а это значит, что проблема гибели Человечестваотносится к алгоритмически неразрешимым проблемам.
Решая поставленную задачу в общем виде,можно только констатировать, что Человечество можетпогибнуть, а может и не погибнуть — ответить на этот вопрос, исходя из истории Человечества,невозможно!
Для астрологов и всевозможных предсказателейвывод об алгоритмической неразрешимости проблемы предсказания судьбы человечества нестоль опасен и не может отразиться на их доходах и славе. У них есть неубиенныйаргумент, заключающийся в том, что любое предсказание нелогично по самой своейприроде, а слова приходят в уста пророка сами собой, не опираясь на известныенауке причинно-следственные связи — в этом нет нужды.
И это правильно.
Вполне допустимо, что некто интуитивно видитвесь завтрашний день. Проблема для этого некто заключается в том, что своевидение он не в состоянии переложить на язык, доступный окружающим его лицам.
Из непрерывного медитационного пространствав мир дискретных естественных языков никогда не было и не будет однозначноговзаимосоответствия.
Кроме того, даже теоретически совершенно непонятно, насколько полно взаимоотношение двух информационных самообучающихсясистем, обладающихразными знаниями. При этом знания у них постоянно меняются. Одна познаетквантовую механику, а другая — систему экономических взаимоотношений производителейтоваров.
Как утверждал Д.Дидро: Разве тот, кто вас слушает, обладает лучшими данными, чем тот, ктоговорит Отнюдь нет. А потому едва ли и два раза на день во всем большом городевас понимают так, как вы говорите.
А В.Гете добавил к сказанному: Я утверждаю, что человек не может познать даже самого себя. Никтои никогда не сможет смотреть на себя только как на чистый объект познания;самопознание ни к чему путному не приводило.
Говоря техническим языком, Дидро утверждает,что все информационные самообучающиеся системы не могут быть одинаковыми,поэтому между ними не может быть 100% понимания, а Гете заявляет, что и 100%самопознания быть не может,ибо то, что система пыталась познать мгновение назад, сейчас уже успелопретерпеть изменение.
3.4. Пример познания через рождение и гибель
И голос был сладок, и луч былтонок
И только высоко, у царских врат, Причастныйтайнам, — плакалребенок
О том, что никто не придетназад.
а.блок
Рассмотрим пример функционирования системы,построенной исключительно на принципах самовозрождения исамоуничтожения,—СР-сети. Первоначально исследуем применение этого подхода к определениюфункциональной зависимости между входными и выходными числовыми данными. Азатем покажем, в чем приведенный пример аналогичен событиям социального ибиологического мира.
Исходные данные. Задана функциональнаязависимость вида
z=x0x1+3x1, (3.3)
т.е. на вход первоначально пустогопространства одновременно подаются значения x0 и х1 а на выход подается значение z.Требуется заполнить это пустое пространство, т.е. обучиться распознаватьфункциональную зависимость.
Например, пусть имеем следующуюпоследовательность входных/выходных данных:
1) x0= 600, x1=300, z = 180900;
2) x0= 2, x1= 5, z = 25;
3) x0=4,x1=l, z=7;
4) x0= 0, x1= 0, z = 0;
'5) x0=20,x1=l, z=23;
6) x0= 300, x1= 600, z = 183000,
По первой строке входных/выходных данных(согласно приведенному выше алгоритму) изначальная пустота будет заполненаструктурой, показанной на рис. 1.7.1 (результат первого этапаобучения).
Рис. 1.7.1. Структура системы после первогоэтапа обучения.
Рожденные три новых элемента имеют следующуюжизненную силу (жз):
179400, 600, 300. В силу значительнойабсолютной величины все последующие входные/выходные данные, включенные в этотпример, не в состоянии будут изменить или уничтожить рожденные элементы. Корочеговоря, используемые в примере данные не смогут заставить возникшую структурузабыть свои знания.
Однако на втором этапе обучения (втораястрока) система уже не будет так хорошо угадывать ответ. Возникшая ошибкастанет больше допустимой. Переобучиться за счет уничтожения нейронов неполучится. Остается породить новые структуры, которые как в кокон заключат всебя старую систему. На втором этапе обучения по второй строке данных получимструктуру рис. 1.7.2.
Рис. 1.7.2. Структура системы после второгоэтапа обучения.
На входной вопрос из х=2 и у=5 даннаясистема дает абсолютно правильный ответ, но только на этот вопрос она правильнои отвечает. Старые знания локализованы, но неуничтожены, и при необходимости они частично или полностью могут бытьзадействованы.
Так, например, каждый живущий, не мудрствуялукаво, способен оживить воспоминания о казалось бы давно забытых ситуациях,которые вспоминались в трудную минуту, подсказывая решение.
На третьем этапе система приобретет ещеболее экзотический вид за счет частичного использования локализованных данных(рис. 1.7.3).
Рис. 1.7.3. Структура системы после третьегоэтапа обучения. Четвертый этап не изменит систему, а значит, ничему и ненаучит.
На пятом этапе первоначально обучение пойдетза счет уничтожения мусора. Плохо держащиеся за жизнь нейроны 4 и 5 сжизненной силой, меньшей внешнего напряжения, будут уничтожены. Два последнихнейрона погибнут. Система придет к виду рис. 1.7.1.
После очередного воздействия структураприобретет вид рис. 1.7.4.
Рис. 1.7.4. Структура системы после пятогоэтапа обучения.
В том случае, если бы требования по точностиработы системы у нас были более мягкими, естественно, такого длинногоуточняющего хвоста (элементы 5 и 6) возникнуть не могло. Элементы 5 и 6 имеютнезначительную жизненную силу, в условных единицах равную 1, и поэтому— нежизнеспособны.Любой новый этап обучения закончится их гибелью, что и произойдет на шестомэтапе обучения, который начнется с уничтожения последних элементов системы.Процесс уничтожения, начавшись от 6-го элемента, будет остановлен толькопервым, жизненная сила которого позволит противостоять все возрастающемувнешнему напряжению. Именно с первого элемента затем и начнется возрождениесистемы до тех пор, пока она не примет окончательный вид, который устроит всеиспользуемые в примере входные/выходные данные (рис. 1.7.5).
Рис. 1.7.5. Структура системы после шестогоэтапа обучения.
Текст программы, реализующей описанный вышеалгоритм, приведен в работе [77].
Для рождающихся схем всегда может бытьпредложен метод, переводящий эти схемы в аналитические выражения. Приведеннымвыше рисункам 1.7.1—1.7.5 соответствуют следующие аналитические выражения:
z=x1x0+x0+x1(рис 1.7.1);
z=x1x1(рис 1.7.2);
z = x1x0+x0-x1 (рис1.7.3);
z = x0+x1+2x1(рис 1.7.4);
z=x0x1+3x1(рис 1.7.5).
Что касается мира биологических инфекций, ток нему все сказанное имеет еще более непосредственное отношение. Если организмсумел самостоятельно выкарабкаться в ситуации тяжелого инфекционногозаболевания в детстве,то потом данного вида инфекция ему уже не страшна. На этом принципе построенався профилактическая медицина.
Событие, связанное с максимальным внешнимнапряжением, в памяти будет закреплено навечно. Можно пытаться разрушать этупамять, используя искусственные приемы (Дианетика), но что это даст Гдегарантия, что новое —пришедшее на смену, будет более эффективным, чем хорошо забытое старое. Природаопределила для себя критерий выбора значимых событий. Насколько он далек отописанного в данной работе — судить сложно. Задача автора скромнее: показать, как этот выборвозможен, и попытаться объяснить то, что, как ему кажется, объясняется насегодняшний день довольно просто сегодняшними средствами.
Во введении к данной работе уже говорилось овремени и избыточности. Обучение системы на принципе гибели ее элементовтребует минимального времени, но значительной избыточности этих самыхэлементов. Чем больше лишних элементов, которые можно отстрелять без ущербадля системы, тем точнее будет результат и тем больше шансов у самообучающейсясистемы получить пятерку на экзамене.
Обучение системы на принципе рожденияэлементов требует времени и только времени. Каждое рождение— это решение сложнейшей задачи:где родиться, когда, в каком окружении И чем больше элементов, тем сложнеестановится задача. При стремлении количествавзаимодействующих элементов системы к бесконечности время тоже стремится кбесконечности и тем самым останавливается.
В свете сказанного хотелось еще разподчеркнуть, что в информационном мире, как и в любом другом, ничего, какговорится, за так не происходит. За любое знаниевсегда надо расплачиваться: либо собственным телом, либо собственнымвременем.
Pages: | 1 | ... | 7 | 8 | 9 | 10 | 11 | ... | 56 | Книги по разным темам