Какова могла бы быть структура памяти в базе знаний? Естественно предположить существование постоянной (генетической, передаваемой по наследству) памяти (памяти инстинктов), долговременной памяти, в которую записывались бы надежно выработанные приобретенные навыки, и кратковременной памяти, в которую записывались бы промежуточные результаты, формируемые в процессе выработки приобретаемых навыков. Каковы приоритеты использования того или иного вида памяти? В каком виде могут записываться данные в память? Как производится сжатие информации при записи в память?
Какова функциональная нагрузка памяти в базе знаний, как в нее включаются категории, понятия и отдельные образы? Можно ли ее рассматривать, как семантическую сеть, включающую понятия, объединенные в сеть смысловыми связями (аналогичную семантическим сетям в разработках искусственного интеллекта)? Можно ли ввести «синтаксис», характеризующий структуру базы данных?
Каковы программы поведения, основанные на базе знаний? Как они формируются в процессе обучения? Какова степень параллелизма обработки информационных данных в процессе функционирования программ?
Как видоизменяется целенаправленное поведение в процессе взросления животного? Какова роль любопытства, игр в процессе пополнения баз знаний? Какова роль родителей животного, передающих потомкам накопленный опыт поколений?
И самый нетривиальный, самый интересный вопрос: Какова «логика умозаключений», используемая животными при планировании, прогнозе, построении их собственных «моделей» ситуаций, коррекции и пополнении базы знаний? Каковы особенности этой «логики умозаключений» (степень нечеткости, параллелизма, степень эмоциональной окраски)? До какой степени «логику умозаключений» животных можно сопоставить с человеческой логикой (повседневной и научной)? Каковы эволюционные корни «логики умозаключений» животных и человеческой логики?
Другой яркий пример, иллюстрирующий разработку эволюционных концепций, - теория метасистемных переходов В.Ф. Турчина [6]. Кратко и очень упрощенно суть теории метасистемных переходов сводится к следующему: переход от нижних уровней системной иерархии к верхним происходит путем метасистемных переходов. Каждый метасистемный переход можно рассматривать как объединение ряда подсистем Si (i = 1,2,…,n) нижнего уровня и появление дополнительного механизма управления C объединенными подсистемами. В результате метасистемного перехода формируется система S* нового уровня (S* = C + S1 + S2 +…+ Sn), которая может быть включена как подсистема в следующий метасистемный переход.
Турчин уделяет особое внимание количественному накоплению «потенциала развития» в подсистемах Si перед метасистемным переходом на качественно новый уровень иерархии, а также процессу размножения и развития подсистем предпоследнего уровня иерархии после метасистемного перехода.
В целом метасистемный переход может рассматриваться как некий кибернетический аналог физического фазового перехода.
Необходимо также выделить серьезный философский анализ когнитивной эволюции, проведенный И.П. Меркуловым [24]. В частности, в [24] охарактеризованы важные этапы перехода от примитивного мышления к формальному логическому (от племен охотников до Аристотеля) и проанализирована роль появления языка в формировании логического мышления. животное интеллектуальный биологический поведение
О естественнонаучной основе искусственного интеллекта
Судьба прикладных разработок зависит от наличия достаточно серьезного научного фундамента, на котором базируются такие разработки. Например, научной базой развития микроэлектроники во второй половине 20-го века была физика твердого тела. И результаты микроэлектроники, как наукоемкой технологии, впечатляющи.
Могут ли исследования когнитивной эволюции служить естественнонаучным фундаментом будущих разработок искусственного интеллекта? По-видимому, на этот вопрос можно ответить осторожным «да». «Осторожным», потому что серьезные теоретические исследования когнитивной эволюции, по сути, только начинаются. И все-таки «да», так как исследования когнитивной эволюции чрезвычайно интересны с научной точки зрения, в частности, эти исследования очень важны с точки зрения развития теории познания, так как они могли бы прояснить причины возникновения познавательных способностей человека (о гносеологических аспектах обсуждаемых вопросов см. подробнее [17], [25]). Поэтому можно ожидать, что исследование эволюционных корней естественного интеллекта будет активно развиваться и, тем самым, способствовать созданию искусственных интеллектуальных систем.
Литература
Воронин Л.Г. Эволюция высшей нервной деятельности. М.: Наука, 1977, 128 с.
Жакоб Ф., Моно Ж. Регуляция активности генов // Регуляторные системы клетки. М.: Мир, 1964. С. 278-304.
Kinastowski W. Der Einfluss der mechanischen Reise auf die Kontraktilitat von Spirostomum ambguum Ehrbg // Acta Protozool. 1963. V.1. Fasc. 23. P.201-222.
Павлов И.П. Двадцатилетний опыт объективного изучения высшей нервной деятельности (поведения) животных. Условные рефлексы. М., Л.: Госиздат, 1928. 388 с.
Котляр Б.И., Шульговский В.В. Физиология центральной нервной системы. М.: Изд-во МГУ. 1979. 342 с.
Турчин В.Ф. Феномен науки. Кибернетический подход к эволюции. М.: Наука, 1993. 295с. (1-е изд). М.: ЭТС, 2000. 368с (2-е изд).
Jantsch E. The self-organising universe. Pergamon Press: Oxford etc, 1980. 340p.
Редько В.Г. Адаптивный сайзер // Биофизика. 1990. Т.35. Вып.6. С.1007-1011.
Staddon J. E. R. On rate-sensitive habituation // Adaptive Behavior. 1993. Vol. 1. N. 4. PP. 421-436.
Ляпунов А.А. О некоторых общих вопросах кибернетики // Проблемы кибернетики. М.: Физматгиз, 1958, Вып. 1. С.5-22.
Grossberg S. Classical and instrumental learning by neural networks. // Progress in Theoretical Biology. 1974. Vol.3. PP.51-141.
Barto A.G., Sutton R.S. Simulation of anticipatory responses in classical conditioning by neuron-like adaptive element. // Behav. Brain Res. 1982. Vol.4. PP.221-235.
Klopf A. H., Morgan J. S., Weaver S. E. A hierarchical network of control systems that learn: modeling nervous system function during classical and instrumental conditioning // Adaptive Behavior. 1993. Vol. 1. N. 3. PP. 263-319.
Гаазе-Раппопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. М.: Наука, 1987. 288 с.
Langton, C. G. (Ed.) Artificial Life: The Proceedings of an Interdisciplinary Workshop on the Synthesis and Simulation of Living Systems, Redwood City CA: Addison-Wesley, 1989. 655 p.
Langton, C. G., Taylor, C., Farmer, J. D., and Rasmussen, S. (Eds.) Artificial Life II: Proceedings of the Second Artificial Life Workshop, Redwood City CA: Addison-Wesley. 1992. 854 p.
Редько В.Г. Лекции по эволюционной кибернетике. 1999
Цетлин М.Л. Исследования по теории автоматов и моделирование биологических систем. М.: Наука, 1969. 316 с.
Моделирование обучения и поведения. М.: Наука, 1975.
Meyer, J.-A., Wilson, S. W. (Eds) «From animals to animats». Proceedings of the First International Conference on Simulation of Adaptive Behavior. The MIT Press: Cambridge, Massachusetts, London, England. 1990.
Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986, 288 с.
Анохин П.К. Системные механизмы высшей нервной деятельности. М.: Наука, 1979. 453 с.
Ухтомский А.А. Доминанта. М.-Л.: Наука, 1966. 273 с.
Меркулов И.П. Когнитивная эволюция. М. Наука, 1999.
Редько В.Г. Гносеологические предпосылки эволюционной кибернетики. «Нейроинформатика -2000», Сборник трудов. Часть I. М: МИФИ, 2000, С. 177-183.