Ученые, работавшие в CoTeSys, взяли на себя обязательство протестировать разработанные когнитивные методы в сценариях технических демонстраций, показав их преимущество по сравнению с классическими подходами не только на бумаге. Важный и вызывающий сценарий - ведение домашнего хозяйства (Homecare). Деятельность, кажущаяся человеку простой, такая как сервировка напитков, для робота составляет сложную проблему, поскольку для ее выполнения он должен, в частности, различать людей, знать, достаточно ли кофейной чашки или нужен стакан, а перед этим идентифицировать объект в качестве желательного. Когда робот взаимодействует с человеком, он должен уметь делать это человеческим способом, демонстрируя человеческие манеры.
Обработка образов для интерпретации объектов и их окружения хорошо разработаны. Также и лица людей могут быть упорядочены, их мимика и эмоции успешно распознаются или интерпретируются. Гораздо более проблематичным является распознавание тактильных (осязательных) образов, например, через датчики давления при механическом схватывании и движении пальцев. Здесь часто не хватает подходящих сенсорных датчиков, а интеграция с визуальными сенсорами остается предметом исследований.
Социальные и когнитивные роботы
Координировать свои собственные движения и действия с движениями и действиями других людей - высокозначимая способность в повседневной социальной жизни и трудовой деятельности, которой мы, люди, очевидно, овладеваем без труда. Целью исследований является выявление того, какие правила координации могут быть перенесены на взаимодействие человека и робота Mainzer K. From Embodied Mind to Embodied Robotics: Humanities and System Theoretical Aspects // Journal of Physiology. 2009. Vol. 103. P. 296-304. Dominey P.F., Warneken F. The Basis of shared intentions in human and robot cognition // New Ideas in Psychology. 2011. Vol. 29. № 3. P. 260-274.. Первые результаты показывают, что человек всегда планирует движение в аспекте его оптимизации с последующими движениями. Участники серии экспериментов, которым нужно было поставить бутылку на стеллаж с полками на различной высоте, схватывали бутылку по-разному в зависимости от того, на каком уровне она в итоге должна была оказаться.
Чему служат эти результаты в робототехнике и как найти им применение? Чтобы взаимодействие «человек-машина» организовать комфортабельным для человека образом, манера и способ, каким движется человек, должны служить эталоном. Человек предвосхищает - как правило, бессознательно и до фактического начала движения - что определенная траектория движения является лучшей и наиболее эффективной для достижения цели. Разработанная психологами модель может оказаться полезной для инженеров или разработчиков соответствующих алгоритмов при ее переносе в исследовательскую область управления роботами23. Благодаря этому планирование движения робота становится менее сложным и в то же время более эффективным и просчитываемым для человека как партнера в процессе взаимодействия. Также и здесь стратегии оптимального управления процессами движения, которые были сформированы у людей в ходе эволюции, служат в качестве образца.
Проводимые в обозначенном направлении исследования помогают сделать взаимодействие робота и человека более интуитивно понятным. Как HomeCare- робот, только что доставленный с фабрики в дом, обучается, осваивается в новом окружении? Согласно сценарию CoTeSys, он сперва остается пару дней на кухне, чтобы изучить, что там происходит, где что хранится, что необходимо поставить на стол для завтрака, какие у каждого члена семьи пищевые привычки. Так робот учится накрывать стол для завтрака и затем убирать со стола. Для этого он в состоянии идентифицировать своих сожителей и их пристрастия. Если робот не знает, что такое «чашка», он входит в интернет и ищет среди предложенных Googleкартинок чашки, чтобы сравнить предметы. Или он входит в интернет, чтобы узнать, как варить макароны (в интернете есть тысячи рецептов и инструкций по их приготовлению). В этом сценарии основная цель CoTeSys- придать техническим системам когнитивные функции и наглядно их пояснить: технические системы, которые планируют, решают, обучаются, могут сами себя информировать, защищены от неожиданностей.
Окружающий мир кухни уже настолько сложен и динамичен, что робот может быть запрограммирован не на всякое применение и не на всякую возможную ситуацию. Программа должна уметь обучаться из опыта, где нужно стоять, чтобы взять стакан из шкафа, как лучше овладеть кухонными приборами, где следует искать столовые принадлежности и т. д. Для этого система управления должна знать параметры навыков управления и иметь в своем распоряжении шаблоны, позволяющие изменять параметры поведения.
Интеллект и сложность
Являются ли такие роботы умными (или, иначе, обладают ли они интеллектом)? Первое определение «искусственного интеллекта» (ИИ) восходит к Алану Тьюрингу. Если коротко, некую систему можно назвать умной (обладающей интеллектом), когда по ответам и реакциям ее невозможно отличить от человека. Это определение, однако, является очень антропоцентричным: оно ставит интеллект в зависимость от человека. Кроме того, оно является круговым, т. к. не определен «человеческий интеллект».
Мое рабочее определение делает интеллект зависимым от способности системы решать проблемы. Система, в соответствии с этим рабочим определением, называется «умной», если она в состоянии эффективно и самостоятельно решать более или менее сложные задачи. Степень интеллекта обусловливают измеряемые, независимые от деятельности человека величины: а) степень самостоятельности (автономии) системы, б) степень эффективности метода решения проблемы и в) степень сложности проблемыMainzer K. KI - Kьnstliche Intelligenz. Grundlagen intelligenter Systeme. Darmstadt, 2003..
В соответствии с этим определением, некоторой степенью интеллекта обладает, например, автомобиль, поскольку он может до некоторой степени самостоятельно и эффективно управлять собой в сложных транспортных ситуациях. И палочник на этом основании тоже имеет некую степень интеллекта, т. к. способен самостоятельно управлять процессами своего движения в сложном окружении. Исходный код в первом случае был написан человеком, во втором передан через эволюционные алгоритмы обучения, которые могли оптимизироваться на протяжении миллионов лет также и без «сознания».
Согласно введенному рабочему определению, мы уже сегодня повсюду в природе и технике окружены интеллигентными функциями. Тем не менее способ их технического проектирования отличается от того, как они возникали в ходе эволюции. Мерилом интеллекта оказывается степень сложности функциональных процессов и соответствующих методов решения.
Человек представляет собой пример системы с интеллектом, которая возникла (так же как и палочник) в ходе эволюции. Существует, следовательно, не «интеллект», а степень интеллекта, которая в предложенном рабочем определении стала зависимой от измеряемых свойств систем. Когда я использую понятие «рабочее определение», то хочу подчеркнуть, что оно ни в коем случае не претендует на полноту, которая и не достижима. Рабочее определение показывает свою пригодность в исследовании и в развитии и, кроме того, может дополняться и корректироваться.
Однако уже и в соответствии с классическим критерием ИИ Тьюринга некоторые существующие технические системы могут быть охарактеризованы как обладающие интеллектом (при их сравнении с человеком). Возьмем, к примеру, суперкомпьютер DeepBlue,который одержал победу над человеком, чемпионом мира по шахматам. Фактически он не отличим от человека: играет в шахматы по известным правилам, при этом система действует и реагирует с игровыми особенностями, которые в конечном счете превосходят человеческие. Отличие от человека состоит прежде всего в том, что DeepBlueне умеет ничего иного, кроме как играть в шахматы. Но такой эксперимент осуществляется в настоящее время исключительно из чистого интереса. Система, правда, в отличие от человека настолько производительна, что использует большой вычислительный потенциал и параллельные вычисления. Мы, люди, играя в шахматы, просчитываем варианты значительно медленнее. Наша сила заключается в том, что мы думаем наглядно, используя образцы, способны прибегать к ассоциативному мышлению, в известной мере развивать в себе интуитивное чувство, присущее экспертам, тогда как компьютер «брутально» просчитывает с большой скоростью возможные конфигурации.
Следующим шагом (на пути к успешному прохождению теста Тьюринга) был суперкомпьютер Ватсон (Watson),который в игре вопрос-ответ «Рискуй!» (Jeopardy) выигрывал против многих игроков-людей. Ватсон понимает даже естественный язык и в состоянии в итоге давать ответы быстрее и лучше, чем человек. В этом отношении при выполнении заданий типа тех, что используются в тесте Тьюринга, техническая система опять-таки оказывается лучше и умнее человека. Но если посмотреть на события более внимательно, дело отнюдь не в том, что Ватсоном был найден новый, сверхинтеллигентный языковый алгоритм. Скорее эта программа параллельно условным образом использовала тысячи широко известных алгоритмов анализа языка, молниеносно разлагала предложения на отдельные части и просчитывала вероятности того, что определенный языковый образец подходит к соответствующему вопросу. Для этого затем стали использоваться огромные хранилища данных, вмещающие миллионы страниц. Эта комбинация и создала превосходство суперкомпьютера над человеком.
Пример Ватсона также демонстрирует, что семантическое понимание значений никоим образом не должно быть сопряжено с сознанием, как это обычно бывает у людей. Первые практические применения данной способности - смартфоны, с которыми мы можем вести простые диалоги. Ими могут овладеть также роботы. Благодаря использованию Интернета они получат доступ к огромным хранилищам данных как к памяти, объем которой превышают объем человеческой памяти.
Следующим шагом может стать разработка гибридных систем, интегрирующих, подобно человеческому мозгу, различные способности. Так, понимание значений (семантика) у людей связана еще с созерцаниями, восприятиями и воспоминаниями. Как свидетельствует пример Ватсона, в этом нет абсолютной необходимости. Суть этого аргумента такова: частичные функции человеческого интеллекта для определенных целей уже технически реализованы в смысле теста Тьюринга. Соответствующие технические приборы от случая к случаю даже превосходят человеческие способности в этих областях.
И в этом нет нового. Мы уже давно имеем машины, которые, например, превосходят нашу мускульную силу, нашу способность видеть и слышать. Почему бы нам не соединить эти способности в гибридных системах, подражая тому, как в ходе эволюции человек формировался посредством добавления, связывания и коррекции различных способностей? В целом техника сегодня уже усиливает наши телесные и интеллектуальные способности - часто по-другому, чем это происходило в процессе эволюции. Для инженера, как правило, несущественно, работает ли его система точно по образцу эволюции, хотя он вполне может быть вдохновлен природой. Для инженерных наук определяющим является достижение эффективного решения.
Эмоции и сложность
Эмоции важны и для людей, и для всех животных. Они служат спонтанной оценке ситуаций (страх, радость, отвращение и т. д.), которая гормонально через лимбическую систему мозга подготавливает тело к адекватному поведению, например, в опасных или радостных ситуациях. В робототехнике тот же механизм может использоваться для распознавания эмоций и реагирования на них при общении с людьми, что станет принципиальным отличием от возможностей промышленных роботов, способных лишь отрабатывать свою рабочую программу.
На этом примере видно, что отдельные когнитивные способности, которыми обладают люди, могут быть технически реализованы в роботах отличным и иногда даже более эффективным образом. Распознавание эмоций - задача, решенная в робототехнике много лет назад. Исследовательская группа в Лозанне разработала голову робота, которая, когда ему улыбались, улыбалась в ответ. Как робот это делал? Сегодня исходят из того, что для людей, в отличие от обезьян, независимо от того, к какой расе или культуре они принадлежат, характерно определенное число основных эмоциональных состояний. Повсюду люди демонстрируют одни и те же эмоциональные выражения лица- это врожденная способность. Речь идет прежде всего о технической задаче распознавания и различения соответствующей мимики.
Теперь можно было бы представить себе технику, которая на первый взгляд не занимается распознаванием эмоций: сначала тепловизионная камера регистрирует различные образцы кровоснабжения, свойственные выражениям лица, которые затем различаются и классифицируются нейронной сетью. Робот, как предполагается, может различать радость, печаль, отвращение и т. д. Работу такой системы нельзя было бы с помощью теста Тьюринга отличить от поведения человека, но при этом функционировала бы она как раз иначе.
Традиционно проводят различие между слабым и сильным искусственным интеллектом: системы со слабым ИИ только имитируют когнитивные или интеллектуальные способности, тогда как системы с сильным ИИ обладают ими. При слабом искусственном интеллекте робот имитирует с помощью эмоционального выражения лица только одно эмоциональное состояние. Мог бы робот в смысле сильного искусственного интеллекта воспринимать эмоции?
В этом отношении существуют предварительные проекты. В сложной системе нейронной сети уже на протяжении ряда лет пытаются смоделировать поведение маленьких детей25. Для этого эмоциональные прототипы можно представить как узлы в некой сети. На самом деле мы ведь не всегда либо радостно возбуждены, либо совершенно грустны, а находимся в некотором смешанном состоянии, в котором все эти прототипы представлены в различном соотношении. Эмоциональные прототипы находятся во взаимодействии друг с другом, как узлы в сети, и в большей или меньшей степени возбуждены или подавлены. Когда я, например, получаю печальное сообщение, интенсивность моей радости спадает, а интенсивность грусти увеличивается.