Предмет исследований и цель разработок Предметом изучения науки «искусственный интеллект» является человеческое мышление. Учёные ищут ответ на вопрос: как человек мыслит? Цель этих исследований состоит в том, чтобы создать модель человеческого интелекта и реализовать её на компьютере. Предметом изучения науки «искусственный интеллект» является человеческое мышление. Учёные ищут ответ на вопрос: как человек мыслит? Цель этих исследований состоит в том, чтобы создать модель человеческого интелекта и реализовать её на компьютере.
Примеры областей Существует много других видов человеческой деятельности, которые нельзя запрограммировать заранее. Например: шахматы и другие игры, сочинение стихов и музыки, перевод текстов с одного языка на другой, робототехника, криминалистика (идентификация отпечатков пальцев), медицинская диагностика. Существует много других видов человеческой деятельности, которые нельзя запрограммировать заранее. Например: шахматы и другие игры, сочинение стихов и музыки, перевод текстов с одного языка на другой, робототехника, криминалистика (идентификация отпечатков пальцев), медицинская диагностика.
Неформальный исполнитель Разработчики систем искусственного интеллекта как раз и пытаются научить машину, подобно человеку, самостоятельно строить программу своих действий, исходя из условия задачи. Можно ещё сказать так: ставится цель превращения компьютера из формального исполнителя в интеллектуального исполнителя. Разработчики систем искусственного интеллекта как раз и пытаются научить машину, подобно человеку, самостоятельно строить программу своих действий, исходя из условия задачи. Можно ещё сказать так: ставится цель превращения компьютера из формального исполнителя в интеллектуального исполнителя.
Моделирование Две основные задачи при создании интеллектуальных систем на компьютере: Две основные задачи при создании интеллектуальных систем на компьютере: -моделирование знаний (разработка методов формализации знаний для ввода их в компьютерную память в качестве базы знаний); -моделирование знаний (разработка методов формализации знаний для ввода их в компьютерную память в качестве базы знаний); -моделирование рассуждений (создание компьютерных программ, имитирующих логику человеческого мышления при решении разнообразных задач). -моделирование рассуждений (создание компьютерных программ, имитирующих логику человеческого мышления при решении разнообразных задач).
Экспертные системы Одним из видов систем искусственного интеллекта являются Экспертные системы. Одним из видов систем искусственного интеллекта являются Экспертные системы. Назначение экспертных систем – консультации пользователя, помощь в принятии решений. Назначение экспертных систем – консультации пользователя, помощь в принятии решений.
Рассмотрим некоторые базовые концепции, которые помогут нам создать простой искусственный интеллект, умеющий играть в шахматы:
- перемещение;
- оценка шахматной доски;
- минимакс;
- альфа-бета-отсечение.
На каждом шаге мы будем улучшать наш алгоритм с помощью одного из этих проверенных временем методов шахматного программирования. Вы увидите, как каждый из них влияет на стиль игры алгоритма.
Готовый алгоритм можно найти на GitHub .
Шаг 1. Генерация ходов и визуализация шахматной доски
Мы будем использовать библиотеки chess.js для генерации ходов и chessboard.js для визуализации доски. Библиотека для генерации ходов реализует все правила шахмат. Исходя из этого, мы можем рассчитать все ходы для данного состояния доски.
Визуализация функции генерации движения. Исходное положение используется как вход, а на выходе - все возможные ходы из этой позиции.
Использование этих библиотек поможет нам сосредоточиться только на самой интересной задаче - создании алгоритма, который находит лучший ход. Мы начнем с написания функции, которая возвращает случайный ход из всех возможных ходов:
Var calculateBestMove = function(game) { //Генерация всех ходов для данной позиции var newGameMoves = game.ugly_moves(); return newGameMoves; };
Хотя этот алгоритм не очень солидный шахматист, но это хорошая отправная точка, поскольку его уровня достаточно, чтобы сыграть с нами:
Черные играют случайными ходами
JSFiddle .
Шаг 2. Оценка доски
Теперь попробуем понять, какая из сторон сильнее в определенном положении. Самый простой способ добиться этого - посчитать относительную силу фигур на доске, используя следующую таблицу:
С помощью функции оценки мы можем создать алгоритм, который выбирает ход с наивысшей оценкой:
Var calculateBestMove = function (game) { var newGameMoves = game.ugly_moves(); var bestMove = null; //Используйте любое отрицательное число var bestValue = -9999; for (var i = 0; i < newGameMoves.length; i++) { var newGameMove = newGameMoves[i]; game.ugly_move(newGameMove); //Возьмите отрицательное число, поскольку ИИ играет черными var boardValue = -evaluateBoard(game.board()) game.undo(); if (boardValue > bestValue) { bestValue = boardValue; bestMove = newGameMove } } return bestMove; };
Единственным ощутимым улучшением является то, что теперь наш алгоритм съест фигуру, если это возможно:
Черные играют с помощью простой функции оценки
Посмотреть, что получилось на данном этапе, вы можете на JSFiddle .
Шаг 3. Дерево поиска и минимакс
Затем мы создадим дерево поиска, из которого алгоритм может выбрать лучший ход. Это делается с помощью алгоритма «минимакс».
Прим. перев. В одной из наших статей мы уже имели дело с - учились создавать ИИ, который невозможно обыграть в крестики-нолики.
В этом алгоритме рекурсивное дерево всех возможных ходов исследуется до заданной глубины, а позиция оценивается на «листьях» дерева.
После этого мы возвращаем либо наименьшее, либо наибольшее значение потомка в родительский узел, в зависимости от того, чей просчитывается ход (то есть мы стараемся минимизировать или максимизировать результат на каждом уровне).
Визуализация минимакса в искусственном положении. Лучший ход для белых - b2-c3, так мы можем гарантировать, что доберемся до позиции, где оценка равна -50
Var minimax = function (depth, game, isMaximisingPlayer) { if (depth === 0) { return -evaluateBoard(game.board()); } var newGameMoves = game.ugly_moves(); if (isMaximisingPlayer) { var bestMove = -9999; for (var i = 0; i < newGameMoves.length; i++) { game.ugly_move(newGameMoves[i]); bestMove = Math.max(bestMove, minimax(depth - 1, game, !isMaximisingPlayer)); game.undo(); } return bestMove; } else { var bestMove = 9999; for (var i = 0; i < newGameMoves.length; i++) { game.ugly_move(newGameMoves[i]); bestMove = Math.min(bestMove, minimax(depth - 1, game, !isMaximisingPlayer)); game.undo(); } return bestMove; } };
С минимаксом наш алгоритм начинает понимать основную тактику шахмат:
Минимакс с уровнем глубины 2
Посмотреть, что получилось на данном этапе, вы можете на JSFiddle .
Эффективность минимакса в значительной степени зависит от достижимой глубины поиска. Именно это мы улучшим на следующем шаге.
Шаг 4. Альфа-бета-отсечение
Позиции, которые нам не нужны, если используется альфа-бета-отсечение. Дерево посещается в описанном порядке.
С альфа-бета-отсечением мы получаем значительное улучшение минимакса, как показано в следующем примере:
Количество позиций, которые нужно оценить в случае поиска с глубиной 4 и начальной позицией, изображённой на картинке.
Посмотреть, что получилось на данном этапе, вы можете на JSFiddle .
Шаг 5. Улучшенная функция оценки
Первоначальная функция оценки довольно наивна, поскольку мы просто подсчитываем очки фигур, которые находятся на доске. Чтобы улучшить её, мы начнём учитывать положение фигур. Например, конь в центре доски «дороже», потому что он имеет больше доступных ходов и, следовательно, более активен, чем конь на краю доски.
Гришанин Е.А. Дурин С.В. Содержание 1. Что такое искусственный интеллект? 2. О базах знаний. 3. Тестовые задания. Искусственный интеллект. В 60-х годах XX века появился новый раздел информатики, который получил название «Искусственный интеллект». В энциклопедическом словаре написано: «Интеллект (от лат. intellectus - познание, понимание, рассудок) - способность мышления, рационального познания». В полной мере эта способность свойственна лишь людям. Предметом изучения науки «Искусственный интеллект» является человеческое мышление. Ученые ищут ответ на вопрос: как человек мыслит? Цель этих исследований состоит в том, чтобы создать модель человеческого интеллекта и реализовать ее на компьютере. Несколько упрощенно, вышеназванная цель звучит так: - Научить машину мыслить. Приступая к решению какой-то проблемы, человек часто не имеет четкой программы действий. Эту программу он строит сам в ходе работы. Например, при игре в шахматы шахматист знает правила игры, имеет цель - выиграть партию. Его действия не запрограммированы заранее. Они зависят от действий соперника, от складывающейся позиции на доске, от сообразительности и личного опыта шахматиста. Существует много других видов человеческой деятельности, которые нельзя запрограммировать заранее. Например, сочинение музыки и стихов, доказательство теоремы, литературный перевод с иностранного языка, диагностика и лечение болезней и многое другое. Вам хорошо известно, что любую работу компьютер выполняет по программе. Программы пишут люди, а компьютер формально их выполняет. Разработчики систем искусственного интеллекта как раз и пытаются научить машину, подобно человеку, самостоятельно строить программу своих действий, исходя из условия задачи. Можно еще сказать так: ставится цель превращения компьютера из формального исполнителя в интеллектуального исполнителя. Формальный исполнитель данные программа Выполнение программы результаты Интеллектуальный исполнитель данные Построение программы Выполнение программы результаты Модель функционирования формального и интеллектуального исполнителя Любая система искусственного интеллекта работает в рамках какой-то определенной предметной области (медицинская диагностика, законодательство, математика, экономика и пр.). Подобно специалисту, компьютер должен обладать знаниями в данной области. Знания в конкретной предметной области,определенным образом формализованные и заложенные в память ЭВМ, называются компьютерной базой знаний. Например, вы хотите применить компьютер для решения задач по геометрии. Если в задачнике имеется 500 задач разного содержания, то при традиционном использовании компьютера придется написать 500 программ. Если же за эту проблему возьмется специалист по искусственному интеллекту, то он подойдет к ней совершенно иначе. Он заложит в компьютер знания геометрии (как закладывают в вас знания учителя). На основе этих знаний и с помощью специального алгоритма логических рассуждений компьютер решит любую из 500 задач. Для этого будет достаточно сообщить ему лишь условие задачи. Системы искусственного интеллекта работают на основе заложенных в них баз знаний. Каждый школьник знает, что для решения любой задачи мало помнить правила, законы, формулы, но еще нужно уметь мыслить, рассуждать, применять эти знания. Человеческое мышление основано на двух составляющих: запасе знаний и способности к логическим рассуждениям Отсюда вытекают две основные задачи при создании интеллектуальных систем на компьютере: - моделирование знаний (разработка методов формализации знаний для ввода их в компьютерную память в качестве базы знаний); - моделирование рассуждений (создание компьютерных программ, имитирующих логику человеческого мышления при решении разнообразных задач). Одним из видов систем искусственного интеллекта являются экспертные системы. Обычно словом «эксперт» называют человека, обладающего большими знаниями и опытом в определенной области. В компьютерные экспертные системы закладываются знания такого уровня. Назначение экспертных систем - консультации пользователя, помощь в принятии решений. Особенно важной становится такая помощь в экстремальных ситуациях, например в условиях технической аварии, экстренной операции, при управлении транспортными средствами. Компьютер не подвержен стрессам. Он быстро найдет оптимальное, безопасное решение и предложит его человеку. Однако окончательное решение принимает человек. Коротко о главном Искусственный интеллект (ИИ) - это раздел информатики. Предмет изучения ИИ - человеческое мышление; цель - создание интеллектуальных систем на компьютере. Примеры областей, в которых создаются системы искусственного интеллекта: шахматы и другие игры, сочинение стихов и музыки, перевод текстов с одного языка на другой, робототехника, криминалистика (идентификация отпечатков пальцев и пр.), медицинская диагностика. Системы искусственного интеллекта работают на основе заложенных в них знаний в определенной области. Модель знаний, заложенная в память ЭВМ, называется компьютерной базой знаний. Человеческое мышление основано на двух составляющих: запасе знаний и способности к логическим рассуждениям. В системах ИИ реализована модель рассуждений (человеческой логики). На основе базы знаний и модели рассуждений система ИИ сама программирует свою работу при решении любой задачи. Экспертная система - это система ИИ, заключающая в себе знания и опыт специалиста-эксперта в данной предметной области. Вот состав базы знаний «Родственники»: Факты: Лев - отец Андрея; Лев - отец Петра; Андрей - отец Алексея; Петр - отец Михаила; Петр - отец Дмитрия. Правила: всякий мужчина - сын своего отца; дедушка - отец отца; братья - сыновья одного отца; дядя - брат отца; племянник - сын брата; внук - сын сына. Исходя из данных фактов и правил, можно путем логических рассуждений установить все виды родственных связей между мужчинами этой семьи. Обратите внимание на две особенности базы знаний: - факты носят частный характер, а правила - общий (справедливы для любой семьи); - в БЗ включены только основополагающие факты. Действительно, достаточно знать, кто кому приходится отцом, чтобы, используя правила, определить другие родственные связи. На основе подобной базы знаний можно построить экспертную систему в области родственных отношений между мужчинами. Чтобы использовать ее по отношению к другой семье, достаточно заменить список фактов, а правила, естественно, останутся прежними. Сравнивая БД с БЗ приходим к выводу: база данных содержит только факты, база знаний - факты и правила. На главную О базах знаний. Вы уже знакомы с понятием «база данных». База данных (БД) - это информационная модель некоторой реальной системы в памяти компьютера. Выше было сказано, что база знаний (БЗ) - это модель знаний человека в определенной предметной области. Покажем разницу между БД и БЗ на конкретном примере. Рассмотрим этот вопрос на примере родственных связей между мужчинами одной семьи. Вот как они выглядят в графической форме родословного дерева: Лев Петр Андрей Михаил Дмитрий Алексей Родословное дерево Здесь линии обозначают связь между отцом (на верхнем уровне) и сыном (на нижнем уровне). Родственные связи Мужчина Лев Сыновья Отец Дедушка Братья Дяди Племян ники Не знаю Не знаю Внуки Андрей, Пётр Не знаю Не знаю Не знаю Андрей Алексей Лев Не знаю Пётр Не знаю Михаил Дмитрий нет Пётр Михаил, Дмитрий Лев Не знаю Андрей Не знаю Алексей нет Алексей Нет Андрей Лев нет нет Михаил Нет Пётр Лев Дмитрий Андрей нет нет Дмитрий Нет Пётр Лев Михаил нет нет нет Пётр Андрей Алексей Михаил Дмитрий В таблице 9.1 информация о родственных связях между этими же мужчинами представлена в развёрнутом виде. Используя СУБД реляционного типа, на основе этой таблицы нетрудно создать реляционную базу данных. Обращаясь к ней с запросами, можно определить, кто кому приходится отцом, дедушкой, братом. Данная таблица представляет собой информационную модель объекта «семья». Теперь перейдем к построению базы знаний. Предметной областью здесь являются родственные связи между мужчинами одной семьи. В искусственном интеллекте существуют различные виды моделей знаний. Мы рассмотрим только один из них, который называется логической моделью знаний. Этот подход используется в системе программирования ПРОЛОГ (о Прологе рассказывается во второй части книги). Согласно логической модели, база знаний состоит из фактов и правил. А теперь дадим общее определение понятиям «факт» и «правило». Факт - это сообщение (информация) о конкретном событии, о свойстве конкретного объекта, о его связи с другими объектами. Например, фактами являются следующие утверждения: - сосна - хвойное дерево; - Колумб открыл Америку в 1492 году; - плотность воды равна 1 г/см; - царь Соломон - сын царя Давида; - Лев Толстой - русский писатель. Правило - это утверждение, обладающее большей общностью, чем факт. Правила определяют одни понятия через другие, устанавливают взаимосвязь между различными свойствами объектов, формулируют законы природы или общества. База знаний - это совокупность основополагающих фактов и правил в определенной предметной области. С недавних пор появилась новая специальность «инженер по знаниям», задача которого - формализация знаний, разработка баз знаний и создание на их основе систем искусственного интеллекта. Рассмотренный нами пример очень простой. Здесь нетрудно догадаться о том, какие факты являются основополагающими, и сформулировать полный набор правил. В более сложных предметных областях эта задача много труднее. Часто решить ее по силам оказывается только крупному специалисту (эксперту) или коллективу специалистов, обладающих большими знаниями в данной области. Коротко о главном. Логическая модель знаний в определенной предметной области представляется базой знаний, составленной из фактов и правил. Факт - это информация о конкретном событии, о свойстве конкретного объекта, о его связи с другими объектами. Правила определяют одни понятия через другие, устанавливают взаимосвязь между различными свойствами объектов, формулируют законы природы или общества. База знаний включает" в себя лишь основополагающие факты для данной предметной области. На главную Тестовые задания 1. 2. 3. 4. Задание №1 Задание №2 Задание №3 Задание №4 Конец Когда возникла в информатике направление под названием «Искусственный интеллект»? A. В 50-х годах B. В 60-х годах C. В 70-х годах D. В 80-х годах Правильно Дальше Подумай Дальше Что такое база знаний? А. База знаний- это информация о конкретном событии, о свойстве конкретного объекта, о его связи с другими объектами. В. База знаний - это совокупность основополагающих фактов и правил в определенной предметной области С. База знаний - это D. База знаний- разработка утверждение, обладающее большей общностью, чем факт. методов формализации знаний для ввода их в компьютерную память в качестве базы знаний Что такое моделирование рассуждений? А. Создание компьютерных программ, В. Разработка методов имитирующих логику человеческого мышления при решение разнообразных задач. формализации знаний для ввода их в компьютерную паять в качестве базы знаний. С. Это модель знаний человека в D. Это алгоритм определённой предметной области. записанный на языке исполнителя. Что такое ФАКТ? А. Любой объект состоящий из B. Эта информация о составе и С. Сообщение о конкретном D. Это определённый порядок множества взаимосвязанных частей и структуре системы, представленная в графической существующие как единое целое. форме. событии и свойстве конкретного объекта, его связи с другими объектами. объединения элементов, составляющих систему.
Предмет, возраст учащихся
Информатика и ИКТ,10-11класс
Краткая аннотация проекта
Проект разработан в рамках дисциплины "Информатика и ИКТ" для обучающихся 10-11 класса
Вопросы, направляющие проект
Основополагающий вопрос
Может ли компьютер заменить человека?
Проблемные вопросы
1. Может ли ЭВМ сама ставить задачи и решать их?
2. Способен ли компьютер воспроизвести все действия и мысли человека?
3. Способна ли ЭВМ управлять человеком?
Учебные вопросы
1. Какие задачи решает компьютер?
2. Самообучается ли ЭВМ?
3. Могут ли автоматы заменить человека?
4. Искусственный интеллект=Интеллект человека?
5. Нужно ли руководить работой ЭВМ?
6. Возможно ли поставить робота "во главу стола"?
7. Умеет ли думать компьютер?
8. Возможно ли заменить человеческий мозг искусственным?
9. Готов ли человек поручить всю работу роботам?
План проведения проекта
Представление проблемной ситуации:
Учителю необходимо провести мозговой штурм со студентами с целью выявления имеющихся знаний студентов по проблеме, их мотивацию, наклонности и интересы. Инструмент - мозговой штурм с помощью стартовой презентации. С помощью презентации учитель создает проблемную ситуацию, организует мозговую атаку, обсуждение возникших вопросов, выдвижение гипотез и распределение учащихся по тематическим группам с учетом интересов.
Работа над проектом:
На начальном этапе работы над проектом учитель помогает каждой тематической группе распределить роли, обсудить стратегию исследования, способы поиска информации, методы исследования и возможности оформления результатов работы. Итогом является индивидуальный план деятельности. Далее начинается самостоятельная исследовательская, поисковая работа студентов в соответствии с планом. На этом этапе студенты собирают информацию по теме проблемного вопроса в энциклопедиях, учебниках и в Интернете, обсуждают собранную информацию в группе, разрабатывают инструментарий исследования, проводят исследования, сравнивают его результаты с собранной информацией, делают выводы, которые будут ответом на проблемный вопрос. Основное внимание учителю следует уделить промежуточным обсуждениям, дискуссиям внутри групп, консультациям учителей-предметников.Лист самооценки поможет участникам проекта осознать уровень личностного роста.
Оформление результатов проектной деятельности:
Оформление результатов планируется в виде презентации, буклета или wiki-статьи, поэтому здесь может понадобиться консультация учителя информатики, на одной из консультаций необходимо обсудить с ребятами критерии оценивания данных продуктов. Одновременно с этим готовится выступление группы, поэтому в критерии оценивания необходимо заложить пункты оценивания выступления студентов, умение задавать вопросы и отвечать на них.
Защита проекта, оппонирование, дискуссия:
В ходе защиты каждая группа представляет свою работу (презентацию, буклет или wiki-статью), отвечает на вопросы. Оценивание происходит с помощью разработанных критериев участниками группы, участниками других групп, учителями. Защита проектов позволяет ответить на основополагающий вопрос, сформулировать общие выводы по итогам работы.
По окончании работы:
Необходимым элементом всей проектной деятельности является анализ проделанной работы, где учитель обсуждает с студентами, что у них получилось, что не получилось и почему. На этом этапе можно вновь обратиться к листу самооценки и увидеть качественный рост каждого участника. Кроме того, возможна организация рефлексии в блоге. Немаловажным становится награждение групп.С итогами работы можно познакомиться на сайте проекта.
Визитная карточка проекта
Публикация учителя
1997 год, Нью-Йорк. Чемпион мира по шахматам Гарри Каспаров проигрывает компьютеру «Deep Blue» фирмы IBM, и это сражение становится величайшей шахматной партией всех времен и народов. Об этой игре будут говорить как о «последней битве человеческого разума», многие будут сравнивать ее с первым полетом братьев Райт и высадкой астронавтов на Луну.
20 июля — в международный день шахмат — расскажем вам о том, что было дальше. А также о том, в чем искусственный интеллект уступает человеческому, и причем здесь Алан Тьюринг. Слово Гарри Каспарову, чемпиону мира по шахматам и автору книги .
Парадоксально, но во время сеанса одновременной игры с лучшими профессиональными шахматистами роботу труднее всего было бы перемещаться между столами и переставлять шахматные фигуры, а не рассчитывать ходы. Хотя научные фантасты вот уже несколько веков придумывают автоматы, которые выглядят и движутся как люди, и роботы сегодня успешно занимаются физическим трудом, надо признать, что наши машины гораздо лучше воспроизводят человеческое мышление, чем человеческие движения.
В шахматах, как и во многих других сферах деятельности, машины сильны в том, в чем слабы люди, и наоборот.
Этот известный принцип в области искусственного интеллекта и робототехники сформулировал в году Ханс Моравек, который отметил, что «относительно просто добиться того, чтобы компьютеры выполняли тест умственного развития или играли в шашки на уровне взрослого человека, однако сложно или невозможно привить им навыки годовалого ребенка в том, что касается восприятия или мобильности».
В ту пору я не был в курсе этих теорий; к тому же Моравек говорил о шашках, а не о шахматах, но десять лет спустя стало очевидно, что этот принцип распространяется в том числе и на мою сферу деятельности. Гроссмейстеры отлично справлялись с оценкой позиции и стратегическим планированием — слабыми местами шахматных компьютеров, зато те могли за секунды просчитать тактические последствия, на что даже лучшим человеческим умам потребовались бы многие дни.
Это подало мне идею. После того как мои матчи с Deep Blue привлекли столь пристальное внимание, я хотел продолжать шахматные эксперименты, несмотря на то, что IBM от них отказалась.
Мой план, попросту говоря, был таков: если вы не можете их победить, то присоединитесь к ним.
Я подумал: что если человек и машина будут не противниками, а партнерами? Замысел воплотился в году в испанском Леоне, где состоялся первый матч по продвинутым шахматам (advanced chess). Оба партнера имели под рукой персональный компьютер и могли использовать во время партии любую программу по своему выбору. Цель заключалась в том, чтобы выйти на новый, высочайший уровень игры — благодаря синтезу самых сильных сторон человеческого и машинного интеллекта. Хотя, как мы увидим далее, не все прошло так, как задумывалось, поразительные результаты этих «битв кентавров» убедили меня в том, что шахматы по-прежнему могут предложить очень многое в такой области, как взаимодействие человеческого разума и искусственного интеллекта.
К этому убеждению я пришел далеко не первым. Шахматные машины были святым Граалем задолго до того, как люди научились их создавать. И вот наука наконец получила доступ к этой чаше — а я оказался тем человеком, который держит ее в руках. Передо мной стоял выбор: отклонить вызов или принять его. Как я мог устоять? Это был шанс еще больше поднять популярность шахмат и расширить аудиторию, завоеванную ими после знаменитого матча между Бобби Фишером и Борисом Спасским во времена холодной войны и после моих поединков за мировую корону с Анатолием Карповым. Это позволило бы привлечь в мир шахмат армию щедрых спонсоров, особенно из числа высокотехнологичных компаний. Так, корпорация Intel в середине 1990-х годов спонсировала целую серию турниров по быстрым и классическим шахматам и полный цикл чемпионата мира, включая мой титульный матч с Вишванатаном Анандом, проходивший на верхнем этаже Всемирного торгового центра. К тому же мной управляло непреодолимое любопытство. Неужели машины действительно могут научиться играть в шахматы так же хорошо, как чемпион мира? Неужели они и вправду способны мыслить?
Интересно, что
первая шахматная программа появилась раньше, чем первый компьютер.
Ее разработал гениальный британский математик Алан Тьюринг, взломавший код нацистской шифровальной машины «Энигма». В 1952 году он написал на бумаге алгоритм, с помощью которого машина могла бы играть в шахматы, — только в роли центрального процессора выступал сам математик. «Бумажная машина Тьюринга» оказалась вполне компетентным игроком. Причина ее конструирования выходила за рамки личного интереса Тьюринга к шахматам. Умение играть в шахматы издавна считалось частью человеческого интеллекта, и создание устройства, способного победить человека в этой игре, должно было знаменовать появление действительно умной машины.
Имя Алана Тьюринга также навсегда связано с названием предложенного им мысленного эксперимента, позднее проведенного в реальности и получившего название «тест Тьюринга». Суть его в том, чтобы определить, сможет ли компьютер обмануть человека таким образом, чтобы тот думал, что имеет дело с человеком, и если сможет — тест считается пройденным. Еще до моего первого матча с Deep Blue компьютеры начали проходить то, что можно назвать «шахматным тестом Тьюринга». Они по-прежнему играли довольно плохо и часто делали явно нечеловеческие ходы, но иногда им уже удавалось разыгрывать партии, которые выглядели бы вполне уместно и в приличном человеческом турнире. С каждым годом машины становились все сильнее и сильнее, но в процессе их эволюции мы узнавали больше о самих шахматах, чем об искусственном интеллекте (ИИ).
Нельзя утверждать, что кульминация 45-летних поисков, ставшая событием всемирного масштаба, обернулась разочарованием, но она со всей очевидностью показала, что сконструировать шахматный суперкомпьютер — вовсе не то же самое, что создать искусственный интеллект, способный сравниться с человеческим разумом, о чем мечтали Тьюринг и другие.
По сути, «ум» Deep Blue ничем не отличался от «ума» программируемого будильника.
Мысль об этом только усугубляла для меня горечь поражения — проиграть программируемому будильнику, пусть даже стоимостью $10 млн?!
Так называемое ИИ-сообщество, безусловно, радовалось результату и привлеченному вниманию, но в то же время ученые были явно обескуражены тем фактом, что Deep Blue ничуть не напоминает искусственный интеллект, о котором мечтали их предшественники. Вместо того чтобы играть в шахматы как человек — демонстрируя человеческую интуицию и нестандартное творческое мышление, он играет в шахматы как машина: оценивает до 200 млн возможных ходов в секунду и побеждает благодаря грубой вычислительной силе. Разумеется, это нисколько не умаляет самого достижения. В конце концов, Deep Blue — творение человеческого разума, и проигрыш человека созданной им машине одновременно означает его победу.
После невероятного напряжения того матча, которое усугублялось подозрительным поведением IBM и моей склонностью к сомнениям, я не был готов легко признать свое поражение. Честно говоря, я никогда не умел проигрывать. Полагаю, что человек, который легко смиряется с поражением, никогда не станет настоящим чемпионом, и этот принцип, конечно, справедлив и в моем случае. Но я верю в честную борьбу. Тогда же я считал, что IBM обманула меня — а также весь мир, пристально следивший за нашим матчем.
Должен признать, что повторный анализ каждого аспекта того бесславного поединка с Deep Blue оказался нелегким делом.
В течение лет я намеренно избегал любых разговоров на эту тему, касаясь лишь того, что уже было известно широкой публике.
Публикаций, посвященных Deep Blue, великое множество, но данная книга — первая и единственная, где собраны все факты и вся история рассказывается так, как ее вижу я. Несмотря на болезненность воспоминаний, это был поучительный и благотворный опыт. Мой великий учитель Михаил Ботвинник, шестой чемпион мира по шахматам, учил меня искать истину в каждой позиции. И я попытался выполнить его завет и поискать истину в самой сути Deep Blue.
Иллюстрация: Shutterstock