Фрэнк розенблатт – создатель персептрона

И НЕЙРОКОМПЬЮТЕРА "МАРК-1"

Фрэнк Розенблатт (Frank Rosenblatt) – психолог, нейрофизиолог, один из пионеров ИИ, основоположник искусственных нейронных сетей [1 – 3].

Родился 11 июля 1928 г. в Нью-Йорке. После окончания в 1946 г. Публичной высшей школы в Бронксе (Bronx High School of Science) поступил в Корнеллский университет (Cornell Uni - versity), штат Нью-Йорк, где получил в 1950 г. степень бакалавра (В.А.), а в 1956 г. – степень доктора наук (Ph. D.) в области психологии. До 1955 г. работал в Национальной корпорации здравоохранения (в Исследовательском центре социальных наук), а затем перешёл в Корнеллскую авиационную лабораторию (the Cornell Aeronautical Laboratory), где последовательно занимал должности психолога и руководителя отдела когнитивных систем.

Именно в этой лаборатории он предложил идею построения искусственных нейронных сетей в виде объединения нескольких слоев взаимодействующих между собой нейронов, описываемых моделью Маккалока-Питтса, с обучаемым (настраиваемым) набором связей. Первоначально подобная нейронная сеть, названная им персептроном (от англ. perception – "восприятие"), была программно смоделирована им в 1957 г. на компьютере IBM -704. При этом целью, которую уже тогда ставил перед собой Розенблатт, было "понять фундаментальные законы организации, общие для всех систем обработки информации, включая как машины, так и человеческий разум". Впоследствии Розенблатт не раз подчеркивал, что персептрон – это "первая и самая успешная модель мозга, а не просто устройство для распознавания образов".

В 1958 г. он опубликовал свою знаменитую статью "Персептрон: Вероятностная модель хранения информации и организации мозга" [4], которая принесла ему всемирную известность. Компьютерно-ориентированная статья поразила воображение инженеров и физиков, несмотря на то, что приведенные в ней результаты вычислительных экспериментов, математические доказательства и описания не отличались особой логической стройностью. Главное, что любой специалист в области теории систем и организации увидел, что персептрон представляет собой "обучающуюся машину", способную обучаться методом проб и ошибок в задачах классификации множеств образов путем настройки весов его связей.

Розенблатт использовал свою модель персептрона для того, чтобы попытаться получить ответы на следующие три вопроса:

1) как информация о физическом мире ощущается или обнаруживается биологической системой?

2) в каком виде информация запоминается или хранится?

3)  каким образом хранимая информация влияет на процессы распознавания и поведения?

Особого внимания заслуживают два последних вопроса, ответы Розенблатта  на которые были следующими:

- информация об окружающем мире хранится главным образом в связях между нейронами или их ассоциациях, а не в топологии (структуре) сети;

- т.к. запомненная информация принимает вид новых связей или каналов передачи сигналов в нервной  системе (или создании условий, которые функционально эквивалентны новым связям), то новые стимулы (входные воздействия) будут искать эти вновь созданные пути, автоматически генерируя соответствующую выходную реакцию (отклик) сети, не требуя при этом применения каких-либо отдельных специальных механизмов для их распознавания или идентификации.

Впоследствии эти положения, впервые четко сформулированные в данной статье, составили основу интенсивно развивающегося направления в исследовании многослойных нейронных сетей, получившего название " коннекционизм " ("связи – всё, структура – ничто").

Статья Розенблатта завершается оптимистическими (и в значительной степени, пророческими) словами: "Теория, изложенная здесь, убедительно показывает применимость и эффективность количественного статистического подхода к организации обучающихся систем. Изучая такие системы, как персептрон, можно надеяться, что те фундаментальные законы организации, которые являются общими для любых систем обработки информации, включая человека, в конце концов будут поняты".

В 1958 – 1960 гг. Розенблатт вместе со своими помощниками в Корнеллском университете создали вычислительную систему "Марк-1". Это была первая действующая модель – аппаратно реализованный нейрокомпьютер, способный обучаться при решении простейших задач распознавания изображений [5]. "Марк-1" имел достаточно сложную организацию, состоящую из 3-х слоев элементов. Первый слой – воспроизводящие устройства, или S -элементы, реализованные в виде матрицы 20 х 20 фотоячеек (фотосопротивлений). Второй слой включал в себя 512 "ассоциативных" А-элементов, соединенных с элементами 1-го слоя с помощью связей с переменными, настраиваемыми автоматически или вручную коэффициентами усиления ("весами"). Третий слой состоял из 8 "реагирующих" R -элементов, каждый из которых мог находиться в одном из 2-х устойчивых состояний ("0" или "1"), в зависимости от состояния А-элементов предыдущего слоя. В целях экономии и из конструктивных соображений в качестве основной элементной базы при построении "Марк-1" использовались электромеханические устройства. В частности, для реализации памяти системы применялись электромеханические интеграторы, т.к. их большая постоянная времени не имела себе равных.

Машина "Марк-1" была успешно использована в качестве экспериментального исследовательского средства при проведении большой серии экспериментов, в ходе которых были получены ответы на следующие вопросы:

· способность персептрона к обучению распознавать условные символы (буквы, простейшие геометрические фигуры);

· сравнительный анализ различных методов обучения;

· устойчивость характеристик персепрона к помехам (шумам) и изменению внешних условий (ошибки обучающего, возможные отказы А-элементов);

· распостранение привитой способности к обучению на новые задачи.

Эксперименты показали что машина "Марк-1" проявила способности к самообучению: она безошибочно узнавала, квадрат или круг ей показывают. Она усвоила представления об основных геометрических фигурах и определяла квадрат, например, какого бы цвета или размера он ни был. При распознавании той или иной буквы "Марк-1" мог выделить характерные особенности буквы, статистически чаще встречающиеся, чем малозначимые отличия в индивидуальных случаях. Тем самым "Марк-1" уже был способен обобщать буквы, написанные различным образом (почерком), в один обобщенный образ. Однако, следует заметить, что возможности этого 1-го нейрокомпьютера всё-же были ограниченными: машина не могла надежно распознавать частично закрытые буквы, а также буквы иного размера, расположенные со сдвигом или поворотом, нежели те, которые использовались на этапе её обучения [6].

В 1959 г., по-прежнему работая в Корнеллском университете, Розенблатт возглавил научную программу в области когнитивных систем и получил должность лектора по психологии. Начиная с этого времени, он в течение нескольких лет читал студентам младших курсов курс лекций "Теория механизмов мозга", который пользовался у них огромным успехом [2]. Этот курс был невероятной смесью идей из самых различных областей знаний: результаты, полученные во время операций на мозге эпилептических больных, находящихся в сознании; эксперименты по изучению активности нейронов зрительной коры головного мозга кошек; работы по изучению нарушений психических процессов в результате травм отдельных областей мозга; принципы работы различных аналоговых и цифровых электронных устройств, моделирующих механизмы поведения нейронов (и в том числе персептрона как модели мозга).

В своем курсе он приводил удивительные рассуждения о поведении мозга, ещё задолго до появления методов компьютерной и позитронно-эмиссионной томографии. Так, он доказывал с помощью вычислений, что число межнейронных связей в коре головного мозга достаточно для того, чтобы сохранять "фотографические" образы от органов восприятия со скоростью 16 кадров в секунду в течение времени около 200 лет.

Вообще, Розенблатт слыл незаурядной "харизматической" личностью среди преподавателей Корнеллского университета [7]. Красивый холостяк, он мастерски водил классический спортивный автомобиль красного цвета и часто прогуливался со своим любимым котом Тобермори. Был прекрасным музыкантом (играл на пианино, сочинял композиции). Увлекался астрономией – построил собственную современную обсерваторию, разместив её на вершине горы за своим загородным домом в Бруктондейме, изобрел специальную приставку к телескопу (что-то типа фильтра), всерьез прорабатывал идею поиска контактов с внеземными цивилизациями (и даже был консультантом NASA в этих вопросах). Он был заядлым альпинистом и яхтсменом, принимал активное участие в политических кампаниях.

В 1962 г. на основе материалов своих лекций Розенблатт опубликовал книгу "Принципы нейродинамики: Персептроны и теория механизмов мозга" [8], которую в дальнейшем использовал как учебник для своего курса. Развивая мысль о возможности моделирования интеллектуальных процессов с помощью персептронов, он писал: "В ближайшем будущем потребуется, по-видимому, разработать целую программу психологических экспериментов с животными или людьми для пополнения наших сведений о характеристиках моделей. Когда это произойдет, модели фактически станут использоваться как "предсказывающие" устройства, способные вырабатывать определенные данные (вначале, возможно, довольно грубые), которые у людей до сих пор не наблюдались. Конечным использованием модели мозга с точки зрения психологической ценности как раз и являются эксперименты такого рода, в которых модель правильно предсказывает явления, еще не открытые в биологических системах".

В 1966 г. Розенблатт наконец-то получил должность доцента (Associate Professor), совмещая преподавательскую деятельность с активными исследованиями в области распознавания образов. У него было много сторонников и последователей, с различным успехом пытавшихся использовать столь удачную конструкцию, как персептрон, для решения своих прикладных задач. Многие из этих задач, выполняемых в университетских лабораториях и научных центрах, щедро финансировались Министерством обороны США через Агентство перспективных оборонных научных исследований DARPA. Эта ситуация сохранялась до тех пор, пока в 1969 г. бывший сокурсник Розенблатта по Публичной высшей школе в Бронксе – Марвин Мински и Сеймур Пейперт не опубликовали свою книгу "Персептроны" [9], в которой они привели строгое математическое доказательство того, что персептрон не способен к обучению в большинстве интересных для практики случаев (например, он не может воспроизвести даже такую простую логическую функцию двух переменных, как "Исключающее ИЛИ").

Подобная критика вызвала настоящий шок в научном мире. В результате на десятилетие прекратилось государственное финансирование работ, связанных с исследованиями в области нейронных сетей. Соответственно охладел интерес к нейросетевой тематике как со стороны многих молодых, так и со стороны ряда ведущих ученых. Позже выяснилось, что Мински и Пейперт, проводя свой анализ, в основном имели в виду простейшую конструкцию персептрона, изначально предложенную Розенблаттом, и конечно же, не имели возможность подробно остановиться на анализе многослойных персептронов, имеющих, по крайней мере один скрытый слой нейронов и на тот момент пока ещё не получивших распространения. В 1980-х гг. Мински публично выразил сожаление, что его выступление нанесло урон концепции персептронов, заявив, что согласно его нынешним представлениям, "для реального прорыва вперед в создании разумных машин потребуется устройство, во многом похожее на персептрон".

Справедливости ради надо сказать, что указанный "ледниковый период" практически не коснулся аналогичных разработок в Советском Союзе, связанных с применением нейронных сетей в различных приложениях, включая работы по закрытой оборонной тематике [10]. Научные исследования в СССР не прекращались. Более того, этот длительный период закрытых (для западных коллег) советских исследований был крайне продуктивен. В числе пионеров и энтузиастов этого направления в СССР были такие видные ученые, как В. М. Глушков, А. И. Галушкин, В. Л. Дунин-Барковский, А. Б. Коган,  В. И. Крюков, А. А. Фролов и др.

Что касается разногласий во взглядах Розенблатта и Мински, то они изначально носили принципиальный характер. Розенблатт исходил из биологического "видения" персептрона как модели мозга, базирующейся на основных положениях нейрофизиологии и нейроанатомии. Мински же рассматривал нейронную сеть как "черный ящик", характеристики "вход-выход" которого настраиваются под определенную задачу путем настройки (обучения) весов межнейронных связей. История показала в дальнейшем, что оба эти подхода имеют равное право на существование.

Относительно же критики возможностей персептрона, прозвучавшей в книге М. Мински и С. Пейперта, Розенблатт так и не успел подготовить какой-либо публичный ответ. Он трагически погиб в результате несчастного случая во время плавания на яхте (boating incident) 11 июля 1971 г. в день своего рождения. Ему исполнилось только 43 года, и можно только гадать, какой существенный вклад в развитие науки он мог бы внести, живи он дольше.

В 2004 г. международный Институт инженеров по электротехнике и радиоэлектронике (Institute of Electrical and Electronic Engineers, IEEE) учредил Премию имени Фрэнка Розенблатта, присуждаемую за "выдающийся вклад в воплощение проектов, практику, методы или теорию, которые используют биологические и лингвистические вычислительные парадигмы, включая, но не ограничиваясь нейронными сетями, коннективистскими системами, эволюционными вычислениями, нечеткими системами и гибридными интеллектуальными системами, в которых содержатся эти парадигмы". В разные годы лауреатами этой премии были Тейво Кохонен (2008), Джон Хопфилд (2009), Мичио Сугено (2010), Владимир Вапник (2012) и др.

 

Использованные источники

 

1^*. Фрэнк Розенблатт [Электронный ресурс]. – Режим доступа: http://ru.wikipedia.org/wiki/Розенблатт_Фрэнк.

2^*. Категория: Исследователи искусственного интеллекта  [Электронный ресурс]. – Режим доступа: http:// ru.wikipedia. org/ wiki/ Категория: Исследователи_искусственного_интеллекта.

3*. Ebelhart R. C., Shi Yuhui. Computational Intelligence: Concepts to Implementations, Morgan Kaufmann Publishers, 2007.

4. Rosenblatt F. The perceptron: a probabilistic model for information storage and organization in the brain. Psychological Review, 65. – 1958. – P. 386–408 / русск. пер. Розенблатт Ф. Персептрон: вероятностная модель хранения информации и организации мозга. – Кн.5: Нейронные сети: История развития: учеб. пособие для вузов / под общ. ред. А. И. Галушкина, Я. З. Цыпкина. – М.: ИПРЖР, 2001. – С. 29 – 57. (Научная серия: Нейрокомпьютеры и их применение).

5. Галушкин А. И. Нейрокомпьютеры. – Кн. 3: учеб. пособие для вузов. – М.: ИПРЖР, 2000. – 528 с. (Научная серия: Нейрокомпьютеры и их применение).

6. Нейронные сети на заре развития [Электронный ресурс]. – Режим доступа: http://neurones.ru/neuro_history 2.php.

7. Frank Rosenblatt, my distinguished advisor / George Nagy [Электронный ресурс]. – Режим доступа: http://www.ecse.edu/ homepages/nagy/PDF_chrono/2011-Nagy-Pace_FR.pdf.

8. Rosenblatt F. Principles of neurodynamics: Perceptrons and the theory of bruin mechanisms: Spartan Books, 1962 / русск. пер. Розенблатт Ф. Принципы нейродинамики. – М.: Мир, 1965. – 480 с.

9. Minsky M., Papert S. Perceptrons, Cambridge, Mass., MII Press, 1969/ русск. пер. Мински Мюб Пейперт С. Персептроны. – М.: - Мир, 1971.

10. Хехт-Нильсон Р. Предисловие к книге: Галушкин А. И. Нейронные сети: основы теории. – М.: Горячая линия-Телеком, 2001. – 496 с.

5. АЛЛЕН НЬЮЭЛЛ – СОЗДАТЕЛЬ "ЛОГИКА-ТЕОРЕТИКА"

И "УНИВЕРСАЛЬНОГО РЕШАТЕЛЯ ЗАДАЧ"

Аллен Ньюэлл (Allen Newell) – один из основателей ИИ, пионер использования компьютерного моделирования в психологии [1 – 4].

Аллен Ньюэлл родился 19 марта 1927 г. в г. Сан-Франциско, штат Калифорния (США). Его отец Роберт Ньюэлл был профессором-рентгенологом. Он работал в Стенфордской медицинской школе и во всем был примером для сына – интеллектуал, идеалист, поэт-любитель. Он сам построил бревенчатый дом в горах Сьерры-Невады, где семья проводила всё летнее время. Из-за приобретенной с детства любви к горам Аллен даже одно время хотел стать лесным егерем. В Публичной высшей школе Лоуэлл г. Сан-Франциско, где он учился, он был посредственным учеником, хотя некоторые и считали его яркой личностью. В 16 лет он влюбился в свою сокурсницу Ноэль Маккена, которой сделал предложение в 20 лет и прожил с ней в браке 45 лет.

Аллен закончил школу перед самым концом Второй мировой войны, после чего был призван в Военно-морские силы (ВМС) США. В то время у него не было желания заниматься научной карьерой. Помог случай. Отец Аллена входил в группу ученых, причастных к проведению ядерных испытаний на атолле Бикини, и он попросил, чтобы его сын был прикреплен в качестве помощника к этой команде. Задача Аллена заключалась в составлении карт распространения радиации по атоллу; и он оказался таким образом вовлечен в атмосферу научного предприятия.

Завершив службу в ВМС, Ньюэлл поступил в Стенфордский университет, где решил специализироваться в области физики. Его первая статья, опубликованная в 1949 г., была связана с рентгеновской оптикой. В Стенфорде он начал посещать лекции Джорджа Пойа (George Polya), который был не только выдающимся математиком, но и человеком, посвятившим многие годы проблеме математических открытий. Книга Д. Пойа "Как решать задачу" [5], изданная в 1945 г. и впоследствии многократно переизданная и переведенная на многие языки, привлекла внимание многих молодых людей к эвристике – искусству целенаправленного поиска. Ньюэлл пришел к важному для себя выводу о том, что процессы открытия могут исследоваться и анализироваться и что эвристика играет важную роль в творческом мышлении.

В 1949 г., после получения диплома бакалавра в Стенфорде, Ньюэлл поступил в Принстонский университет для того, чтобы заняться математикой. Здесь он попал в группу Оскара Моргенштерна, где работал над составлением стохастических моделей задач логистики и теории игр, которая только незадолго до этого была изобретена О. Монгерштерном и Джоном фон Нейманом. Но чистая математика была не для Ньюэлла. По окончании 1-го года обучения, в 1950 г. он покинул Принстон и перешел в корпорацию RAND в г. Санта-Моника, Калифорния. RAND была незадолго до этого создана для организации и проведения научных исследований по военной тематике и финансировалась преимущественно со стороны Военно-воздушных сил (ВВС) США.

Работая в группе, занимавшейся изучением проблем логистики, Ньюэлл был в значительной степени свободен в постановке задач и выборе методов исследований. Два первых его технических отчета (1950 – 1951 гг.), в которых он был соавтором, показывают его интерес уже в то время к изучению сложных эмпирических явлений и процессов. В этих отчетах широко использованы идеи аксиоматизации, модной тогда в теории игр и в экономике.

Однако вскоре Ньюэлл понял, что существует большое различие  между формальными математическими моделями и реальностью. Почувствовав что-то вроде разочарования к роли аксиоматизации в реальной жизни, он обратился к экспериментальным исследованиям, связанным с принятием решений в малых группах. Эта тема представляла интерес для RAND с точки зрения изучения организации поведения людей.

Спустя некоторое время группа математиков и психологов, в составе которой работал Ньюэлл, приступила к полномасштабному моделированию станции раннего предупреждения ВВС. Центральное место в этих исследованиях занимало изучение процессов взаимодействия персонала станции с экранами радаров,экипажем самолета-перехватчика и друг с другом. Эти работы привели к созданию в 1952 г. в RAND Лаборатории системных исследований, научным консультантом которой был назначен Герберт Саймон из Университета Карнеги-Меллона (тогда ещё Технологического института Карнеги),  г. Питтсбург, Пенсильвания. В ходе выполнения проекта Ньюэлл познакомился с Джоном (Клиффом) Шоу (John Clifford Shaw), системным программистом RAND, с которым впоследствии их связывали тесные дружеские и творческие отношения. Шоу в то время работал с вычислителем, программируемым с помощью перфорированных карт. Ньюэлл и Шоу стали совместно работать над идеей визуализации траекторий движения самолетов на экране радара и распечатки полученных результатов в виде соответствующих радарных карт. Их совместная работа позволила показать, что даже такие "доисторические" компьютеры могут делать больше, чем простые арифметические вычисления, что они могут формировать нечисловые символы, отображающие картину воздушного движения.

В сентябре 1954 г. Ньюэлл посетил семинар в RAND, на котором Оливер Селфридж из Лаборатории Линкольна рассказывал о реализованной им компьютерной программе, которая обучалась распознаванию букв и других символов. Слушая доклад Селфриджа о работе его достаточно примитивной, но действующей системы, Ньюэлл пришел к следующему выводу: "Теперь совершенно ясно, что могут быть построены интеллектуальные адаптивные системы, гораздо более сложные по сравнению с тем, что было сделано до сих пор". Именно тогда он твердо решил приступить к достижению своей главной цели – пониманию процессов человеческого обучения и мышления путем их моделирования. От изучения организаций он перешёл к изучению разума.

Буквально через несколько месяцев после приезда Селфриджа, Ньюэлл опубликовал свою статью "Машина для игры в шахматы: Пример решения сложной задачи путем адаптации" [6], в которой приводились впечатляющие результаты построения компьютерной программы для игры в шахматы, имитирующей действия человека, включая определение целей, уровней желания для поиска окончаний, выбор "достаточно хороших" ходов, многомерных функций оценки, генерацию подцелей для достижения поставленных целей и т.п. И хотя конкретно эта программа так и не была реализована, её идеи были использованы им при создании в 1958 г. более поздней версии шахматной программы NSS (названной так по инициалам авторов – Newell, Simon, Shaw).

В 1955 г. формально числясь в качестве официального представителя RAND в Питтсбурге, Ньюэлл перешел на работу в Университет Карнеги-Меллона. Здесь он защитил в 1957 г. под руководством Г. Саймона докторскую диссертацию (Ph. D.), а с 1961 г. занял должность профессора. После своего переезда, совместно с Шоу (который, оставаясь в RAND, получил доступ к самому мощному в то время компьютеру Johniac, созданному Джоном фон Нейманом) и Саймоном он основал в Университете Карнеги-Меллона группу ИИ. Результаты работы участников этой группы, полученные ими за последнее пятилетие 1950-х гг., принесли им мировую славу: "Логик-Теоретик", язык обработки списков, "Общий решатель задач" [2].

"Логик-Теоретик" (" Logic Theorist ") – это одна из первых программ ИИ, которая сумела доказать 38 из 52 логических теорем из книги Бертрана Расселла и Альберта Уайтхеда "Принципы математики" (" Principia Mathematica "). "Логик-Теоретик" представлял аксиомы и теоремы с помощью символических структур, называемых состояниями, и модифицировал их, применяя соответствующие операторы. Однако в основе предложенного метода доказательства не использовался обычный перебор комбинаций символов и операторов – для этого было просто недостаточно производительности и памяти компьютера. Скорее, "Логик-Теоретик" имитировал эвристический метод рассуждений, характерный для человека. Этот процесс начинался с выбора конкретной теоремы, и далее осуществлялся поиск аксиом и операторов, необходимых для доказательства данной теоремы.

Программа "Логик-Теоретик" оказалась единственной действующей компьютерной программой, представленной на Дартмутском семинаре в 1956 г., посвященном проблемам и перспективам развития ИИ. Все остальные участники этого семинара могли лишь поделиться общими идеями и соображениями по существу рассматриваемых вопросов. Сообщали, что Б. Рассел пришел в восторг, когда Саймон показал ему доказательство одной из теорем, более короткое, чем в "Принципах математики". Однако, когда в числе соавторов статьи, направленной в "Журнал символической логики" (" Journal of Symbolic Logic "), была, помимо Ньюэлла и Саймона, указана и программа "Логик-Теоретик", менее подверженные эмоциям редакторы отказались принимать статью к печати [7].

В то время ещё не было языков программирования высокого уровня. Это делало затруднительным определение нечисловых символических структур, таких как логические формулы, которыми оперировал "Логик-Теоретик". Более того, компьютерная память была очень маленькой, что затрудняло использование компьютеров для решения таких задач, как эвристический поиск, который требовал переменного и непредсказуемого объема памяти. Чтобы преодолеть эти и другие препятствия, Ньюэлл и его сотрудники изобрели первый язык обработки списков (list - processing language). При обработке списков, списки (т.е. символы и связи между ними) создаются и модифицируются, позволяя генерировать структуры произвольной длины и сложности. Многие из идей, предложенных для обработки списков, стали позже основополагающими в информатике. Язык ЛИСП, созданный одним из организаторов Дартмутского семинара Джоном Маккарти и ставший стандартом ИИ, по-существу, является улучшенной версией языка обработки списков.

Успех "Логика-Теоретика" привел её авторов к созданию в 1957 г. компьютерной программы "Универсальный решатель задач" (" General Problem Solver, GPS "). Эта программа стала более мощным инструментом, чем "Логик-Теоретик", т.к. она могла не только искать доказательства теорем, но и играть в шахматы, решать геометрические задачи, головоломки (типа "Ханойской башни") и т.п. В основе этой программы использовалась психологическая теория решения задач по аналогии с человеком путем целесообразного выбора на множестве альтернатив, конкурирующих между собой. Многие идеи, заложенные в "Универсальном решателе задач", были новаторскими, пионерскими для своего времени и не утратили своей значимости до наших дней.

В работах Ньюэлла и Саймона была разработана парадигма символьной (нечисловой) обработки информации и была предложена гипотеза о физической символьной системе, в соответствии с которой человеческое мышление представляет собой некоторую систему, оперирующую с материальными символами, отображающими действительность. Такой же физической символьной системой признается и ЭВМ. Поскольку она способна к подобным вычислениям, значит, она может действовать осмысленно, и следовательно, на её основе может быть создан ИИ [4].

В отличие от Саймона, который с 1960-х годов всё больше эволюционировал в направлении психологии и организационного управления, Ньюэлл оставался в рамках компьютерной науки и в дальнейшем принимал участие во многих конкретных проектах, связанных с разработкой языков программирования, созданием обучающей программы MERLIN, исследованиями в области компьютерного распознавания речи и др.

В конце 1960-х гг. Ньюэлл ввел в обиход понятие " неформализованные " (или "плохо структурированные") задачи, в наше время прочно вошедшее в лексикон специалистов по ИИ. К данному классу задач он предложил относить такие задачи, которые обладают одной или несколькими из следующих особенностей:

· алгоритмическое решение задачи неизвестно (хотя, возможно, и существует) или не может быть использовано из-за ограниченности ресурсов ЭВМ (времени, памяти);

· задача не может быть определена в числовой форме (требуется символьное представление);

· цели задачи не могут быть выражены в терминах точно определенной целевой функции.

В 1982 г. Ньюэлл опубликовал статью "Уровень знаний" [8], в которой предпринял попытку определить место понятия знания в архитектуре любых (как искусственных, так и естественных) когнитивных (интеллектуальных) систем. Им было предложено оригинальное определение, связавшее данное понятие с понятием рациональности: знание – это "то, наличие чего мы должны постулировать у некоторой системы, если считаем её поведение рациональным".

В 1990 г. вышла в свет последняя книга Ньюэлла "Единые теории мышления" [9], в которой он обосновывал необходимость перехода от частных когнитивных моделей к модели универсальной и рассмотрел некоторые варианты последней, к числу которых он отнес и разрабатывавшуюся им с начала 1980-х годов компьютерную программу Soar.

Программа Soar (в пер. с англ. – "парить", "подниматься ввысь") создавалась при активном участии студентов как воплощение многоагентной когнитивной архитектуры, реализующей общие базовые принципы предложенной им единой теории мышления в виде систем продукций (правил). При разработке Soar Ньюэлл использовал не только ранее накопленный им опыт при создании "Универсального решателя задач", но и результаты работ других ученых в области нейронных сетей, психологии, информатики и т.д. В работы по проекту Soar в 1980-х – 1990-х гг. включалось всё больше участников как в Университете Карнеги-Меллона, так и в других университетах США и Европы. Ньюэлл работал над Soar до последних своих дней, он умер от рака 19 июля 1992 г. в возрасте 65 лет.

При жизни Аллен Ньюэлл получил множество различных наград. В 1975 г. он был удостоен вместе с Гербертом Саймоном Премии Тьюринга "за фундаментальный вклад в искусственный интеллект, психологию механизмов человеческого восприятия и обработку списков". В 1980 г. он стал первым президентом-основателем Американской ассоциации искусственного интеллекта (American Association for Artificial Intelligence, AA А I). В 1989 г. получил Первый приз за выдающиеся достижения в науке на Международной конференции по ИИ. В 1992 г. (за месяц до смерти) был награжден Национальной медалью в области науки, в этом же году награжден Медалью Л. Э. Леви (Институт Бенджамина Франклина). В 1994 г. Ассоциация вычислительной техники (Association on Computer Machinery, ACM) и Американская ассоциация искусственного интеллекта учредили ежегодно присуждаемую Премию Аллена Ньюэлла (Allen Newell Award). В 2000 г. в честь Ньюэлла и Саймона был назван введенный в строй новейший вычислительный центр Университета Карнеги-Меллона.

В заключение процитируем некоторые из основных жизненных принципов (кредо), которым Ньюэлл следовал всю свою жизнь [1]:

"Не Вы выбираете научную работу, она выбирает Вас";

"Всё должно ждать своего времени, наука – это искусство возможного"; 

"Глубокие научные идеи чрезвычайно просты, многим они кажутся тривиальными";

"Выбирайте в конце жизни такой проект, который переживет Вас" (для А. Ньюэлла таким проектом была Soar).                  

 

 

Использованные источники

 

1^*. Allen Newell / By Herbert A. Simon, Biograthic Memoirs, The National Academic Press [Электронный ресурс]. – Режим доступа: http:// www.nap.edu/html/biomems/anewell.html.

2^*. Newell Allen. Complete Dictionary of Scientific Biography, 2008 [Электронный ресурс]. – Режим доступа: http://www.encyclope- dia.com/topic/Allen_Newell.aspx.

3*. Аллен Ньюэлл [Электронный ресурс]. – Режим доступа: http:// ru.wikipedia.org/wiki/Ньюэлл_Аллен.

4*. Ньюэлл Аллен /Энциклопедия " Кругосвет " [Электронный ресурс]. – Режим доступа: http://www.krugosvet.ru/enc/gumani- tarnye_nauki/lingvistika/Newell_Allen.html.

5. Polya G. How to Solve It. Princeton, N. J.:Princeton University Press, 1945 / русск. пер. Пойа Д. Как решать задачу. – М.: Гос.уч-педагог. изд-во Мин-ва просвещения РСФСР, 1959. – 207 с./.

6. Newell A. The Chess Machine: An Example of Dealing with a Complex Task by Adaption, Proceedings of 1955 Western Joint Conf., N.Y., 1955.

7. История компьютера / История развития искусственного интеллекта [Электронный ресурс]. – Режим доступа: http://chernykh.net/content/view/261/460.

8. Newell A. The knowledge level // Artificial Intelligence. – No. 18. – 1982. – P. 87–127.

9. Newell A. Unified Theories of Cognition; Cambridge, Mass., Harvard University Press, 1990.