Menu

Машина сама: Почему машина сама ставится на сигнализацию, что делать

Содержание

Почему машина сама ставится на сигнализацию, что делать

Каждый автолюбитель заботится о сохранности транспортного средства, так что найти в наше время авто без сигнализации практически невозможно. Разве что поставите в пример какого-то древнего динозавра и так никому не нужного.

Но водитель рискует нажить себе массу других проблем, решив сэкономить деньги и приобретая бюджетный вариант системы безопасности (обычно китайского производства). Одна из них — когда срабатывает сигнализация сама по себе. Почему так происходит и как устранить подобную неполадку?

Как перепрограммировать сигнализацию

Все сигнализации по умолчанию настроены так, что после выключения зажигания спустя полминуты двери блокируются. Порой это неимоверно раздражает водителей. Ведь можно не успеть выйти из салона или выйти, но забыть внутри ключ. И что делать в таком случае?

Можете обратиться к специалисту-установщику с просьбой отключить данную функцию или же попробовать сделать это самостоятельно, внимательно изучив перед этим инструкцию.

Перепрограммировать сигнализацию можно так:

Как отключить автоматическую постановку на сигналку

Чтобы отключить самопроизвольное закрывание дверей автомобиля после выключения двигателя, придётся войти в режим программирования и произвести необходимые действия:

Чтобы перепрограммировать функцию №2, придётся сделать всё то же самое, только система после нажатия кнопки «Валет» должна подать два сигнала, две вспышки и поставить на паузу. Теперь жмите:

  • 1 раз: пассивная постановка на охрану с запиранием дверей;
  • 2 сигнала: пассивная постановка на охрану без запирания дверей.

Как вы уже поняли, принцип программирования всех последующих функций такой же. Выбирать номер функции следует по количеству миганий и вспышек. А затем устанавливать один или два сигнала для включения/выключения.

Значение функций:

  • №3 — 1 сигнал: автозапирание дверей при включении зажигания включено; 2 сигнала: автозапирание дверей при включении зажигания выключено.
  • №4 — 1  сигнал: автоотпирание дверей при выключении зажигания включено; 2 сигнала: автозапирание дверей при включении зажигания выключено.

Точно таким же образом настраиваются и остальные функции сигнализации. Выберите необходимые, сделав управление системой безопасности удобной именно под себя.

Если будете в точности следовать инструкции и отключите автоматическое запирание дверей, то бояться, что машина заблокируется в самый неподходящий момент, к примеру, находясь на мойке, не придётся.

Оценить статью

Понравилась статья? Поделиться с друзьями:

«Машина способна ехать сама, без водителя» – Коммерсантъ FM – Коммерсантъ

Алексей Слащев попросил заместителя главного редактора «Коммерсантъ FM» Андрея Родионова протестировать Mercedes-Benz E350 D и поделиться впечатлениями.

Алексей Слащев: Россия является одним из самых перспективных рынков в мире. Но, к сожалению, пока многие новые технологии до нас доходят, семь потов с них сходит. Поэтому я попросил отправиться Андрея Родионова в Штутгарт — на родину Mercedes-Benz — и выведать там как можно больше уникальных технологий компании.

Андрей Родионов: На самом деле, показать и эффектно представить Mercedes было что. И неслучайно, кстати, более того, вполне обоснованно, на автосалоне по Франкфурте боссы компании делали очень большой акцент, например, на системе Intelligent Drive. Полагаю, что перевод данной фразы не требуется. А ощущениями от управления E-шкой, оснащенной этими функциями, я готов с удовольствием поделиться. Господа, это бомба! Машина способна ехать сама, без водителя. Для понимания ситуации: представьте, что вы выставили круиз-контроль, но при этом можете еще и руки с руля убрать. То есть автомобиль будет сам не только тормозить перед препятствием, но и поворачивать тоже будет самостоятельно. Да, пока это возможно на небольшой скорости, да, пока повороты не должны быть слишком резкими и крутыми. Но я сам видел, как руль крутится без моего участия.

Алексей Слащев: Хорошо, то есть ты хочешь сказать, что на твоем тестовом автомобиле Mercedes-Benz E-сегмента уже установлена умная система Intelligent?

Андрей Родионов: Совершенно верно. На автосалоне эту систему представляли как опцию S-класса, но и тестовый E-класс тоже был оснащен данной функцией.

Алексей Слащев: Подожди, насколько я разбираюсь в мировом праве, еще нет страны, которая законодательно разрешала бы управление автомобилем не человеку, имеющему права на управление, а роботам или машине.

Андрей Родионов: Да, действительно. Здесь, насколько я знаю, существует ограничение. Но это вопрос не к производителям автомобилей. Хотя отчасти, конечно, и к ним тоже, но в меньшей степени. Важно другое: уже сейчас вы можете сесть на заднее сиденье и проехать на машине без водителя. С ограничениями, о которых я сказал чуть ранее, как-то улаживая юридические вопросы, но штука в том, что такая возможность действительно существует. Причем не только в теории, но и на практике.

Mercedes-Benz E350 D. Мощность – 185 киловатт. Разгон до 100 км/ч – 6,6 с. Расход топлива в смешанном цикле – 5,5 л.

Оставить комментарий и посмотреть фоторепортаж вы можете в Facebook на странице – avtopilot936.

Дорогая иномарка может загореться сама. Очевидные и невероятные причины автопожаров

Всю зиму в Тюмени горели автомобили. Это поджоги или водители сами виноваты в пожарах? Для того чтобы детально разобраться в этом вопросе, корреспондент «Вслух.ру» пообщался с теми, кто расследует такие возгорания.

Как рассказала «Вслух.ру» дознаватель отдела административной практики и дознания по г. Тюмени, Тюменскому району

Екатерина Сазонова, поджогов не так много, в большинстве случаев виноваты сами автовладельцы:

«Не должная эксплуатация, не должная диагностика автомобиля, самонадеянность. Водители думают, что сами могут починить двигатель или проводку, нередко самостоятельно устанавливают дополнительное оборудование».

Зимой многие автомобилисты используют автоодеяло. Действительно, оно сохраняет тепло, дает экономию топлива, но мало кто знает, как им правильно пользоваться. Старший дознаватель отдела административной практики и дознания по г. Тюмени, Тюменскому району Вячеслав Скоморохов пояснил, что после покупки следует ознакомиться с инструкцией по эксплуатации. На автоодеяле указывается срок годности.

Почему одеяло становится горючим

«За два-три года активной эксплуатации пропитка, которой обрабатывается автоодеяло, теряет свои свойства, тем более что многие забывают убирать его из-под капота после морозов. Оно пропитывается маслом и может загореться от нагрева в любой момент, — говорит Вячеслав Скоморохов. — Даже если автоодеяло не касается раскаленных деталей, таких как выпускной коллектор, во время движения (торможений, разгонов) оно смещается, сползает вниз, как раз туда, где находится выпускной коллектор. От длительного соприкосновения автоодеяло нагревается и воспламеняется. Огонь перекидывается на резинотехнические изделия, пластик под капотом.

Поэтому лучше не дожидаться, когда пропитка потеряет свои свойства, и автоодеяло превратится в обычное одеяло, которое может загореться в любой момент, либо вовсе отказаться от утеплителя. Нередко водители накрывают двигатель в холода обычным ватным одеялом, которое изначально является горючим материалом. Бывает, что одеяло под капотом достает до выхлопной трубы, идущей от коллектора. Она тоже горячая, и это нередко становится причиной пожара».

Вилку лень убрать под капот

Стоит быть внимательным и в том случае, если в машине стоит электроподогреватель. Причем не имеет значения, заводской они или кустарного производства. Видели, наверное, торчащую вилку из-под капота у автомобилей? Ленятся убрать ее под капот.

По этой вилке можно сделать два вывода: во-первых, в машине установлен электроподогреватель, во-вторых, из-за него рано или поздно случится пожар. Дело в том, что при постоянном открытии и закрытии крышки капота шнур пережимается, в результате нарушается изоляция, надламывается провод. Автомобилист включает вилку в розетку, сам идет домой греться. В это время возникает большое переходное сопротивление либо короткое замыкание, причем чаще всего не снаружи у щитка с розеткой, а под капотом. Конечно, может сработать автомат, «вырубит пробки». Но в подкапотном пространстве уже будет развиваться огонь. Поскольку температура при коротком замыкании может достигать 300 градусов цельсия. При такой температуре легко воспламеняется изоляция проводов, патрубки, пластиковые изделия. А когда из-под капота уже вырываются языки пламени, потушить машину своими силами будет очень сложно.

Еще одна ошибка, когда автовладельцы сами начинают мастерить электрокотел либо меняют питающий кабель на новый. Они забывают, что питающий провод должен иметь изоляцию, устойчивую к перепадам температуры, к агрессивным условиям среды, в которой будет эксплуатироваться. Бытовой провод от домашних электроприборов, которые используется в быту, не подойдет. Сечение жилы провода должно соответствовать мощности, которую потребляет котел. При несоответствии происходит нагрев проводов, короткое замыкание, в результате — пожар.

В чем коварство тепловентилятора

Нередки случаи, когда автомобилисты пытаются отогреть машину с помощью бытовых приборов. Вячеслав рассказал, как хозяйка авто не смогла запустить двигатель после морозов. Она открыла капот, принесла из дома тепловентилятор, поставила его на двигатель, накрыла сверху одеялом, включила в розетку и зашла в дом.

В доме сработал автомат защиты, погас свет. Женщина снова включила автомат, полагая, что проблема где-то внутри дома. Автомат защиты вновь сработал. Хозяйка машины — включила, и так несколько раз, пока не загорелся моторной отсек. Очевидно, в тепловентиляторе несколько раз происходило короткое замыкание плюс высокая температура, сначала загорелось одеяло, огонь перекинулся на резиновые и пластиковые детали под капотом. Машина сгорела.

Пожары из-за тряпки

Еще одна распространенная причина автопожаров — оставленная под капотом тряпка. Ей вытирают руки от масла после ремонта, осмотра или технического обслуживания автомобиля, оставляют где-нибудь на «полочке» под капотом, чтобы каждый раз не искать новую. При движении автомобиля, разгонах и торможении масляная тряпка смещается и может упасть на тот же выпускной коллектор. Хорошо, если он закрыт кожухом.

«На той же Daewoo Nexia выпускной коллектор открыт и находится перед двигателем, — говорит Вячеслав Скоморохов. — Если масляную тряпку оставляют на переднем крае капота, она падает прямо на коллектор. Так уже не одна „Нексия“ сгорела. Масло на тряпке вспыхивает от высокой температуры. Под капотом не должно быть никаких тряпок. И смотрите, чтобы такую тряпку вам никто не оставил на СТО».

Опасайтесь утечки

Особенно внимательно нужно смотреть за машиной, если установлено газовое оборудование. К сожалению, со временем у многих бдительность притупляется. Вячеслав настоятельно рекомендует всем владельцам машин с ГБО проводить проверку оборудования как минимум дважды в год, а при наличии малейшей утечки газа глушить мотор и отправлять машину в мастерскую на эвакуаторе. Запах автомобильного газа ни с чем другим не спутать.

Опасность состоит в том, что на ходу автомобилист может и не почувствовать утечку газа. Газовоздушная смесь заполняет моторный отсек. Газ может воспламениться от того же коллектора или от любой искры, образовавшейся в подкапотном пространстве.

Не забывайте, что у автомобиля на газу два редуктора: один на газовом баллоне, другой под капотом. Оба их нужно проверять на утечку.

От чего горят машины с сабвуфером

Часто горят машины после установки в них мощной аудиосистемы.

«Если в сгоревшей машине стоял сабвуфер либо другое дополнительное оборудование, то в 70 процентах из 100 причиной пожара становятся нарушения при их установке, — отмечает Екатерина Сазонова. — При установке новой, более мощной аудиосистемы взамен штатной нужно менять и проводку в автомобиле. Штатная проводка может не выдержать. Однако те, кто сами ставят колонки, усилитель в машину, этого не делают. С электрикой лучше не шутить, а обращаться за помощью к профессионалам».

Некоторые даже подсоединяют дополнительное оборудование, минуя блок предохранителей, сразу к аккумулятору, а потом удивляются, почему у них машина сгорела. Нужно понимать, что такие пожары не зависят от времени года. Кстати, авто может загореться и после установки ксенона, если он не предусмотрен производителем.

Как солнце может поджечь машину

В жаркие летние дни, как и в морозы, тоже нужно соблюдать элементарные меры безопасности. Многие автомобилисты даже не предполагают, что их машина может загореться от оставленной на панели зажигалки и прозрачной стеклянной бутылки. По словам Екатерины Сазоновой, такие пожары тоже случаются. Фокусировка солнечных лучей приводит к нагреву ткани или пластика в салоне автомобиля.

Нельзя также оставлять в машине различные аэрозольные баллончики, потому что газ при нагреве салона на солнце начинает расширяться, и может произойти взрыв. По этой же причине нельзя заправлять до отказа газовый баллон автомобиля, особенно в жаркий летний день. Заправлять баллон нужно не более чем на 70 процентов.

Дорогая иномарка сама себя сожгла

Бывают и совсем невероятные случаи. Начальник отдела административной практики и дознания по г. Тюмени, Тюменскому району Леонид Назаров рассказал, как в Тюмени сгорела иномарка премиум-класса. В таких машинах сидение водителя регулируется автоматически, после посадки в салон оно само занимает нужное для водителя положение, подъезжает ближе к рулю и педалям. А после выхода из машины отъезжает обратно.

Так вот, когда хозяйка покинула машину, она загорелась. Причем очаг возгорания был внутри салона. Автомобилистка призналась, что не курит. Чтобы добраться до истины, дознаватели начали разбирать салон сгоревшего автомобиля. Сняли сидение и под ним возле направляющих обнаружили детали зажигалки. Все стало ясно. В какой-то момент при движении вперед — назад зажигалка случайно попала в этот механизм, и он сам чиркнул по кремню. То есть, по сути напичканная умной электроникой машина сама себя подожгла.

Как курильщики поджигают свои машины

К слову, машины часто горят и по вине курильщиков. Водитель курит по дороге и, не глядя, стряхивает пепел в пепельницу. Нередко тлеющий пепел падает и на пол, а на полу ковролин. Недаром говорят, что современный автомобиль — это склад горючих материалов.

Бывает, что у курящих водителей грузовиков, тех же «ГАЗелей», загорается тент. Водитель бросает непотушенный окурок в окно, а он залетает ему в кузов. Дознаватели уверяют, что это далеко не единичный случай.

Виноваты тормоза

Одна из частых причин пожаров в грузовых автомобилях связана с тормозами. Случается, что тормоза подклинивает. Тормозные колодки при движении постоянно трутся о диск. От длительной езды колесо разогревается до высокой температуры и впоследствии загорается. От него огонь перекидывается на кузов.

Берегите машину, и она прослужит вам долгие годы. А у нерадивого хозяина и лошадь долго не живет.

Фото и видео автора

Дала подруге свою машину, а она устроила аварию. Теперь отказывается оплачивать ремонт.

Сама, конечно, совершила глупость, но и от подруги такого отношения, конечно не ожидала. Поддалась на ее уговоры, дала ей ключи от своей машины, а она умудрилась устроить аварию. Теперь отказывается оплачивать ремонт, еще  на меня наезжает, типа, мне какая-то железяка важнее человека. 

Я бы поняла такую претензию, будь она при смерти или получи какие-то серьезные травмы. Так у нее всего пара синяков и все. При чем тут вообще «железяка важнее человека»?

У меня в прошлом году случилась радость — я наконец-то смогла купить себе новенькую машинку. Конечно, в кредит, но все равно — это моя новенькая машинка. Сама я очень аккуратно вожу, стаж уже более восьми лет. За это время умудрилась ни разу не попасть в аварию, и уж тем более, ни разу их не провоцировала. Даже штрафы у меня были за это время всего два раза — неправильная парковка. 

Машина была в идеальном состоянии, потому что я очень трепетно слежу за заменой расходников и раз в два месяца обязательно езжу к проверенным ребятам на диагностику, чтобы потом не переплачивать за ремонт, которого можно было избежать на ранней стадии. Наверное, в этом плане я немного параноик. 

У подруги Кати своей машины на данный момент нет. Она ездила на старенькой иномарке, которая полгода назад приказала долго жить. Так что на данный момент она безлошадная и старательно копит на новую машину. 

Я по возможности помогаю подруге в плане перевозок и переездов. У меня самой с момента продажи старой и покупки новой два месяца не было машины, а я уже так привыкла быть за рулем, что было очень некомфортно. Особенно, когда нужно перевезти что-то. Катя тогда меня выручала по мере сил. Теперь я платила ей той же монетой. 

На прошлой неделе мы встретились в кафе и она попросила помочь ей. 

— Мать весь мозг со своей дачей вынесла! По прогнозам еще снегопад обещают, а ей уже свербит на дачу. Не могу каждый день слушать ее причитания. Поможешь на выходных ее перевезти? Там вещей хренова гора, она же на все лето едет.

Как мама подруги ездит на дачу я знала. Имела удовольствие в прошлом году участвовать в вывозе этой чудной женщины с ее загородной фазенды. У меня не самая маленькая машинка, но ездить пришлось два раза. В одну ходку весь ее скарб просто не уместился. Оно, наверное, и не удивительно, ведь мама уезжала ранней весной, а возвращалась в город поздней осенью. 

Масштабы бедствия я представляла, и осознавала, что такси туда влетит в копеечку, а на общественном транспорте такое перевозить можно с месяц. Но в эти выходные помочь подруге я никак не могла — уезжала на день рождения к брату, он живет в другом городе. 

Услышав это Катя пригорюнилась, а потом уточнила, на чем я еду. Услышав, что на поезде, она расцвела. 

— Слушай, оставь мне ключи, пожалуйста. Ну не смогу я еще неделю слушать мамины истерики, она мне мозг взрывает. Сама перевезу ее на твоей машине. Бензин с меня, а потом я машину помою, будет в идеальном состоянии. Ну, пожалуйста!

Мне не хотелось кому-то доверять свою машину, но с Катей мы дружим давно, водит она без лихачеств, по крайней мере, я ее в этом ни разу не уличала. Да и как ее мама умеет портить настроение, я тоже знаю. Я с этой женщиной общаюсь редко, но и этого общения мне хватает сполна. 

После нескольких минут колебаний я все-таки решилась. В пятницу Катя на моей машине проводила меня на вокзал, пообещала, что все будет хорошо, и я уехала. 

Возвращение домой мне не принесло положительных эмоций. Когда Катя пригнала ко мне во двор машину, я ахнул — бампер помят, фара разбита, крыло тоже пострадало. Подруга взахлеб рассказывала, как попала в аварию, по ее словам, она все решила на месте, претензий к ней нет.

Претензий у того водителя, с которым она умудрилась столкнуться, нет, а вот у меня есть. ДТП она не оформляла, потому что не хотела лишних проблем. Та машина пострадала меньше, поэтому подруга выгребла свои сбережения и покрыла ущерб на месте. На том они и разошлись. 

Хоть Катя и доказывала, что там спорный момент, кто был виноват в аварии, но по записи регистратора однозначно виновата Катя. Она то ли отвлеклась, то ли задумалась, ну и проглядела и знак приоритета, и помеху справа. 

Все замечательно, но восстанавливать машину придется теперь за свой счет, потому что по факту она скрылась с места ДТП, ничего не оформляла и вообще повела себя странно и глупо. Пусть там никто не пострадал, и с водителем она договорилась полюбовно, это все замечательно, но ничего не меняет.

Я объяснила подруге, что и как и сказала, что ущерб придется покрывать ей. И тут Катя повела себя вообще странно. 

— Да я и так уже денег отвалила, теперь еще ты с меня трясешь? Ты даже не поинтересовалась, как я себя чувствую, а я вообще-то в аварию попала! Тебе какая-то там железка дороже человека! — Взвизгнула подруга, пнула колесо авто и стремительно удалилась. 

Я осталась стоять в шоке около своей пострадавшей машины. До Кати теперь не дозвониться, не дописаться. Я у нее везде в блоке. Мне, правда, непонятно, с чего. Такое ощущение, что я к ней в реанимацию пришла деньги требовать. На ней даже ни царапинки, только парочка синяков, и то не уверена, что от аварии. 

В рубрике «Мнение читателей» публикуются материалы от читателей.

водитель уснул и машина уходила от погони сама — Транспорт на vc.ru

Владельца машины обвинили в опасном вождении.

{«id»:159612,»type»:»num»,»link»:»https:\/\/vc.ru\/transport\/159612-avtopilot-tesla-sbezhal-ot-policii-v-kanade-voditel-usnul-i-mashina-uhodila-ot-pogoni-sama»,»gtm»:»»,»prevCount»:null,»count»:149}

{«id»:159612,»type»:1,»typeStr»:»content»,»showTitle»:false,»initialState»:{«isActive»:false},»gtm»:»»}

{«id»:159612,»gtm»:null}

64 384 просмотров

Владельца Tesla Model S в канадской провинции Альберта обвинили в опасном вождении после превышения скорости в июле 2020 года: он заснул за рулём, а машиной управлял автопилот. Об этом сообщили в местной полиции.

{ «osnovaUnitId»: null, «url»: «https://booster.osnova.io/a/relevant?site=vc&v=2», «place»: «between_entry_blocks», «site»: «vc», «settings»: {«modes»:{«externalLink»:{«buttonLabels»:[«\u0423\u0437\u043d\u0430\u0442\u044c»,»\u0427\u0438\u0442\u0430\u0442\u044c»,»\u041d\u0430\u0447\u0430\u0442\u044c»,»\u0417\u0430\u043a\u0430\u0437\u0430\u0442\u044c»,»\u041a\u0443\u043f\u0438\u0442\u044c»,»\u041f\u043e\u043b\u0443\u0447\u0438\u0442\u044c»,»\u0421\u043a\u0430\u0447\u0430\u0442\u044c»,»\u041f\u0435\u0440\u0435\u0439\u0442\u0438″]}},»deviceList»:{«desktop»:»\u0414\u0435\u0441\u043a\u0442\u043e\u043f»,»smartphone»:»\u0421\u043c\u0430\u0440\u0442\u0444\u043e\u043d\u044b»,»tablet»:»\u041f\u043b\u0430\u043d\u0448\u0435\u0442\u044b»}} }

Тогда машина, которая ехала со скоростью более 140 км/ч, привлекла внимание полицейских. Когда полиция попыталась догнать автомобиль, он лишь увеличил скорость до 150 км/ч. При этом оба передних сиденья были откинуты, а оба пассажира «выглядели спящими», сообщили в полиции.

В полиции обвинили 20-летнего водителя в превышении скорости и в опасном вождении и лишили прав на 24 часа. В декабре состоится суд по этому делу.

Начальник полиции Альберты Гэри Грэм считает, что водители по-прежнему несут ответственность за управление машиной, поскольку современные системы в электромобилях пока не полностью беспилотные.

Пока система второго уровня автопилота Tesla позволяет удержать машину на полосе движения, менять ее и самостоятельную парковаться, пишет The Verge. Tesla заявила, что система работает только тогда, когда руки водителя находятся на руле. Если руки водителя не обнаружены, дисплей за рулем начнет мигать, включатся звуковые предупреждения, и в конечном итоге автопилот отключится.

гора в Армении, где машина сама едет вверх без водителя

Наш мир полон удивительных мест, где происходят поистине необыкновенные вещи. Одно из таких – участок горы Арагац в Армении, где автомобили заезжают наверх на нейтральной передаче без помощи водителя. Небольшая дорога давно стала объектом для посещения туристов. Протекающая рядом речка тоже течёт в горку, что вызывает удивление. С чем же связана подобная аномалия?

Широкая известность участку горы Арагац пришла после публикаций в ряде крупных СМИ. Побывавшие там журналисты провели ряд испытаний и убедились в наличии необычного явления. Машины, поставленные на нейтраль, сами заезжали в гору, разгоняясь примерно до 20 км/ч. Некоторые автомобилисты тоже выкладывали видеоролики с запечатлённой «аномалией».

Оказалось, что подобных мест немало и в других странах: Китае, Узбекистане, Молдавии, Аргентине. Необычные дороги, где машины сами едут вверх, встречаются в разных уголках Земли. Пешеходы отмечают, что идти вниз им ощутимо сложнее. Визуальный уклон дороги составляет примерно 10 градусов.

Местные жители по-разному описывают причины явления. Некоторые из них верят в мистические свойства территории. Выдвигались предположения о изменённом магнитном поле и даже гравитационной аномалии, вызывающей подобный эффект. Многие изделия называли явление необъяснимым, чем вызвали широкий резонанс среди общественности.

Учёные достаточно давно нашли причину явления и подробно описали её в своих работах. Получить ответ на вопрос позволили люди. Физически они чувствовали, что подниматься наверх им проще, а спускаться ощутимо тяжелее.

На дороге горы Арагац, как и в других аналогичных местах, люди сталкиваются с оптической иллюзией. Её появление связано с безостановочным процессом смены воздуха над поверхностью. В результате происходит необычное физическое явление, из-за которого человеческий глаз видит изображение зеркально. Происходит это как с поверхность земли, так и с положенными на неё предметами.

Автомобили, самостоятельно заезжающие на горку, фактически едут по спуску. Аналогично стекает вниз река, а пешеходы чувствуют необычное изменение нагрузки. Определить наличие оптической иллюзии можно при помощи различных приборов, простейшим из которых является строительный уровень.

Мой мир

Вконтакте

Twitter

Одноклассники

Встряхнуться ото сна. Может ли машина сама разбудить заснувшего водителя? | Об автомобилях | Авто

Сильная утомленность наступает у людей обычно через 5-7 часов, проведенных за рулем, или 500 километров непрерывного пробега. Усталость перерастает в дремоту, борьба с которой зачастую не приносит результатов, и в какой-то момент водитель проваливается на секунду-другую в сон. Этого достаточно, чтобы автомобиль устремился к краю дороги. Несколько мгновений — и очнувшийся драйвер вздрагивает от ужаса, когда видит перед собой водоотводную яму на обочине или приближающийся грузовик. Приходится резко отворачивать и возвращать машину на прежний путь. Может ли электроника помочь водителю в таких ситуациях, рассказывает эксперт Валерий Тараканов.

Фото: пресс-служба Kia

Предложить кофе

С развитием электронных систем безопасности предпринимались многократные попытки сделать устройство, понимающее состояние водителя и предпринимающее активные действия для снижения риска ДТП из-за усталости человека. Сначала они дебютировали на премиальных брендах, таких, как Mercedes или Volvo, а затем перешли и в массовый сегмент.

Правда, системы контроля усталости первого поколения, такие, как DAW+, могли лишь предупреждать хозяина о его недостаточно бодром состоянии. По специфике езды человека, по анализу манипуляций рулем, по характеру активации акселератора или тормоза анализировалась его психомоторика, и при последующих изменениях в ней делался вывод о снижении внимания.

Другими словами, если реакции человека замедляются, то можно говорить о скором приближении дремоты.

Электронная система DAW+ реагирует на такие изменения. Раздается громкий сигнал, а на приборной панели загорается предложение отдохнуть и выпить чашечку кофе.

Со временем водители привыкли к подобным устройствам и уже редко обращали на них внимание. Многие продолжали ехать по 15-20 часов, пока не засыпали за рулем.

Фото: пресс-служба Kia

Тряска во благо

На рынок сейчас выходят более совершенные девайсы LKA+LFA, способные не только недовольно пищать, но и вмешиваться в процесс управления, встряхивая водителя ото сна и заставляя его взбодриться. Причем доступны они не только на премиальных автомобилях, но и на сравнительно недорогих моделях.

Представим ситуацию: человек отпустил руль, и кроссовер Kia Seltos начал медленно сползать с полосы. В этот момент камера фиксирует приближение к разметке. Электроника немного выжидает, а затем — за секунду до пересечения линии — резко дергает баранку в сторону, заставляя автомобиль вздрогнуть. А вместе с ним встряхивается и заснувший водитель.

Если это не помогает, машина клонится к другому краю полосы и повторяет резкий маневр уклонения, встряхивая водителя. Обычно этого бывает достаточно, если, конечно, хозяин не потерял сознание из-за сердечного приступа.

Несколько встряхиваний — и в кровь человека вливается столько адреналина, что он уже не захочет спать.

Это не автопилот

Действие такой системы похоже на работу ассистента удержания в полосе Lane Keep Assist, который давно уже используется на машинах разных классов. Он тоже ведет автомобиль в рамках линий разметки и, как правило, работает в связке с адаптивным круиз-контролем. Однако Lane Keep Assist управляет автомобилем плавно и без рывков. Логика его использования совсем другая.

Фото: пресс-служба Kia

При поездке на автостраде водитель может преднамеренно отпустить руль, чтобы залезть в сумку, достать бутерброд или открыть бутылку воды. Человек сохраняет контроль над движением машины и лишь на время позволяет устройству перехватить руль. Электроника в течение 15-20 секунд будет корректировать траекторию самостоятельно, а затем подаст тревожные сигналы и заставит водителя вновь положить руки на руль. По истечении 15-20 секунд система отключается.

В отличие от Lane Keep Assist новое устройство LKA+LFA работает грубее, но не отключается через 15 секунд. Устройство не корректирует баранку постоянно и не создает у водителя ощущения постороннего вмешательства. Но оно вмешивается в процесс управления лишь тогда, когда машина уже готова выехать на соседнюю полосу или улететь на обочину из-за потери водителем внимательности.

Активируется система LKA+LFA на кроссовере Kia Seltos отдельной кнопкой слева от рулевой консоли. А вот кнопка включения родственной ей системы удержания в полосе расположена на спице руля, рядом с адаптивным круиз-контролем. Позднее такие же устройства начнут применяться на многих моделях и марках.

сама машина определение | Английский толковый словарь

машина

  
      n  

1    совокупность взаимосвязанных компонентов, предназначенных для передачи или изменения силы для выполнения полезной работы

2      (также называется) простая машина устройство для изменения величины или направления силы, особ. рычаг, винт, клин или шкив

3    устройство или транспортное средство с механическим приводом, такое как автомобиль, самолет и т. д.

4    любое механическое или электрическое устройство, которое автоматически выполняет задачи или помогает выполнять задачи  

a    Модификатор   , обозначающий полностью автоматическое огнестрельное оружие в отличие от полуавтоматического  

b    (в комбинации)  
пистолет-пулемет, пулемет     

6    любая сложная структура или учреждение  
военная машина     

7    механически эффективный, жесткий или послушный человек  

8    организованная группа людей, контролирующая деятельность, политику и т. д.

9    (особенно в классическом театре) устройство, такое как шкив, для создания впечатляющих входов и выходов для сверхъестественных персонажей 

10    событие и т. д., введенное в литературное произведение для особого эффекта  
      vb  

11    tr   для придания формы, резки или удаления (лишнего материала) из (заготовки) с помощью станка  

12    использовать машину для выполнения процесса на (чем-то)  
     (C16: через французский язык от латинского machina машина, двигатель, от дорического греческого махана шкив; относится к устройству makhos, устройству)  
  поддающийся механической обработке, поддающийся механической обработке      прил  
  обрабатываемость      n  
  безмашинный      прил  
  подобный машине    прил  

счетная машина  
      n   механическое устройство с ручным или электрическим приводом для сложения, а часто и вычитания, умножения и деления  

автоответчик  
      n   устройство, с помощью которого на телефонный звонок автоматически отвечают и звонящий может оставить записанное сообщение,   (полностью) телефонный автоответчик     (также называемый) автоответчик  

банкомат
n компьютеризированный банкомат,   (Сокр.) Банкомат  

купальная машина  
      n   небольшая хижина на колесах, чтобы ее можно было тащить к морю, использовавшаяся в 18-м и 19-м веках для купающихся, чтобы переодеться  

молотильная машина  
      n     (Новая Зеландия)  
неформальное  давление с целью соблюдения принятых стандартов  

драм-машина  
      n   синтезатор, специально запрограммированный для воспроизведения звука барабанов и других ударных инструментов в различных ритмах и сочетаниях, выбранных музыкантом; результирующий удар воспроизводится непрерывно, пока не будет остановлен или изменен  

факсимильный аппарат  
      n   аппарат, передающий и принимающий документы по факсу,   (часто сокращается до) факс, факсимильный аппарат  

фруктовый автомат  
      n     (Британия)   игровой автомат, в котором выплачиваются выигрыши, когда на циферблате появляются определенные комбинации диаграмм, обычно фруктов  

аппарат искусственного кровообращения   
      n   аппарат, используемый для поддержания циркуляции и оксигенации крови во время операции на сердце  

машина для льда  
      n   машина, которая автоматически производит лед для напитков и т. д.

адская машина  
      n  
Архаичное обычно замаскированное взрывное устройство или мина-ловушка  

почечный аппарат  
      n      другое название     → искусственная почка  
  
См.  
  → гемодиализ

машинный болт  
      n   крепежный болт с нарезанной резьбой  

машинный код , язык
      n   инструкции по обработке данных в двоичном, восьмеричном или шестнадцатеричном коде, который может быть понят и выполнен компьютером 

пулемет  
      н  

а Скорострельная автоматическая пушка, обычно устанавливаемая, из которой стреляют боеприпасы для стрелкового оружия  

b    (как модификатор)  
пулеметный огонь     
      vb  
  пулемет   , -ружья, -стрельба, -пулемет  

2    т.р.   стрелять или обстреливать из автомата  
  пулеметчик      н  

головка машины  
      n   металлический зубчатый механизм для настройки струны на таком инструменте, как гитара  

машинный интеллект  
      n     (британский)  
теперь редкость      другой термин для     → искусственный интеллект

машинное обучение  
      n   отрасль искусственного интеллекта, в которой компьютер генерирует правила, лежащие в основе или на основе необработанных данных, которые были введены в него  

машинное формование  
      n    (Машиностроение)   процесс изготовления форм и стержней для отливок механическими средствами, обычно путем уплотнения формовочной смеси вибрацией, а не трамбованием  

машиночитаемый
      adj   (данных) в форме, в которой их можно ввести в компьютер

крепежный винт  
      n   крепежный винт с нарезанной резьбой по всей длине стержня  

механический цех  
      n   мастерская, в которой эксплуатируются станки  

станок  
      n   машина с механическим приводом, такая как токарный станок, фрезерный станок или шлифовальный станок, которая используется для резки, формовки и отделки металлов или других материалов  
  механизированный      прил  

машинный перевод  
      n   создание текста на одном естественном языке из текста на другом с помощью компьютерных процедур 

доильный аппарат  
      n   аппарат для доения коров  

фрезерный станок  
      n   станок, в котором горизонтальная оправка или вертикальный шпиндель вращает режущий инструмент над горизонтальным столом  

покерный автомат  
      n     (Австралия.и N.Z) автомат для фруктов (часто сокращается до) игровой автомат

радиально-сверлильный станок  
      n   станок, в котором сверлильная головка установлена ​​так, чтобы скользить по радиальному рычагу, который можно поворачивать, поднимать или опускать на вертикальной мачте для регулировки положения сверла над заготовкой,   ( Часто сокращается до) радиальный

гребной тренажер  
      n   устройство с веслами и выдвижным сиденьем, напоминающее гребную лодку, используемое для упражнений  

швейная машина  
      n   любая машина, предназначенная для шитья материала.В настоящее время он обычно приводится в действие электродвигателем, но иногда управляется ножной педалью или вручную

простая машина  
      n   простое устройство для изменения величины или направления силы. Шесть основных типов: рычаг, колесо и ось, шкив, винт, клин и наклонная плоскость

игровой автомат  
      n   автомат, особ. один для продажи мелких предметов или для азартных игр, активируется путем помещения монеты или металлического диска в прорезь  

пистолет-пулемет  
      n   переносной автоматический или полуавтоматический легкий пистолет с коротким стволом, стреляющий пистолетными боеприпасами: предназначен для стрельбы с бедра или плеча  

синхронная машина  
      n   электрическая машина, скорость вращения которой пропорциональна частоте переменного тока и не зависит от нагрузки  

магнитофон  
      n  

1       другое слово для     → магнитофон  

2    телеграфное приемное устройство, которое записывает сообщения в электронном виде или на бегущей ленте,   (U.С. эквивалент) тикер  

обучающая машина  
      n   машина, которая предоставляет информацию и вопросы пользователю, регистрирует ответы и указывает, являются ли они правильными или приемлемыми  

телефонный автоответчик  
      n      полное имя для     → автоответчик  

Пистолет-пулемет Томпсона  
      n   Товарный знак   a .Пистолет-пулемет 45 калибра (также называемый) Tommy gun  
     (C20: по имени Джона Т. Томпсона (1860–1940), офицера армии США, соизобретателя)  

молотилка  
      n   машина для обмолота зерновых культур  

машина времени  
      n   (в научной фантастике) машина, в которой люди или предметы могут перемещаться в прошлое или будущее  

Машина Тьюринга  
      n   гипотетическая универсальная вычислительная машина, способная изменять исходные инструкции, читая, стирая или записывая новый символ на движущейся ленте фиксированной длины, которая действует как ее программа.Эта концепция сыграла важную роль в ранней разработке компьютерных систем  

торговый автомат  
      n   автомат, который автоматически выдает потребительские товары, такие как сигареты, продукты питания или бензин, когда в него вставлены деньги,   (также называется) автомат  

машина для голосования  
      n   (особенно в США) машина на избирательном участке, с помощью которой избиратели регистрируют свои голоса и которая механическим или электронным способом подсчитывает все поданные голоса  

стиральная машина  
      n   механическое устройство, обычно работающее от электричества, для стирки одежды, белья и т. д.

Машина Вимшерста  
      n   тип электростатического генератора с двумя параллельными изолирующими дисками, вращающимися в разных направлениях, каждый из которых находится в контакте с тонким металлическим скребком, создающим заряд на диске: обычно используется в демонстрационных целях  
     (C19: имени Дж. Вимшерста (1832—1903), английского инженера)  

ветряная машина  
      n   б/у машина, особ.в театре для создания ветра или звука ветра  

Kammen, Michael: 9781412805834: Amazon.com: Books

— Великолепная книга Майкла Каммена является наиболее полезным вкладом в приближающееся двухсотлетие [федеральной Конституции 1787 года], потому что она ответственно демифологизирует Конституцию… Это очень важная книга.-

— Стэнли Н. Кац, Washington Post

-Майкл Каммен сосредоточил свои обширные знания и эрудицию на культурном влиянии американской Конституции.Результат уникален, освежает и приносит большую пользу.-

— Stanley I. Kutler, American Historical Review

«Блестящая книга Майкла Каммена является наиболее полезным вкладом в приближающееся двухсотлетие [федеральной Конституции 1787 года], потому что она ответственно демифологизирует Конституцию… Это очень важная книга».

— Стэнли Н. Кац, Washington Post

«Майкл Каммен сосредоточил свои обширные знания и эрудицию на культурном влиянии американской Конституции.Результат уникален, освежает и приносит большую пользу».

— Стэнли И. Катлер, «Американское историческое обозрение»

«Блестящая книга Майкла Каммена — самый полезный вклад в предстоящее двухсотлетие [федеральной Конституции 1787 года], поскольку она ответственно демифологизирует Конституцию… Это очень важная книга».

— «Стэнли Н. Кац, «Вашингтон пост»

» Майкл Каммен сосредоточил свои обширные знания и эрудицию на культурном влиянии американской конституции.Результат уникален, освежает и приносит большую пользу.»

«-«Стэнли И. Катлер, «American Historical Review»

«Блестящая книга Майкла Каммена является самым полезным вкладом в приближающееся двухсотлетие [федеральной Конституции 1787 г. ] до сих пор, потому что она ответственным образом демифологизирует Конституцию… Это очень важная книга. культурное влияние американской конституции.Результат уникален, освежает и приносит большую пользу.»

«-«Стэнли И. Катлер, «American Historical Review»

«Блестящая книга Майкла Каммена является самым полезным вкладом в приближающееся двухсотлетие [федеральной Конституции 1787 г. ] до сих пор, потому что она ответственным образом демифологизирует Конституцию…. Это очень важная книга». с партнерами из научно-исследовательских и промышленных кругов для разработки технологии технического обслуживания, способной прогнозировать простои оборудования в производстве до того, как они произойдут.Это позволяет руководителям предприятий устранять неисправности до того, как машина выйдет из строя. Система даже исправляет некоторые дефекты автоматически.

Непредвиденные отказы оборудования во время производства — руководители предприятий боятся их, техники ненавидят их, а менеджеры просто вздыхают и учитывают их. Такие инциденты приводят к лихорадочному ремонту, увеличивают затраты, отрицательно сказываются на надежности поставок и в конечном итоге ослабляют конкурентоспособность компаний. Однако часто проблема заключается лишь в небольшом дефекте или естественном износе.Однако, если их не обнаружить, это может привести к серьезным сбоям и простоям производства.

Что было бы полезно, так это диагностическая процедура, способная отслеживать состояние всех компонентов производственной линии, выявлять проблемы и слабые места и своевременно информировать ответственного сотрудника. Основываясь на так называемой системе поддержки принятия решений, обслуживающий персонал может затем принять решение и предпринять целенаправленные действия по устранению дефекта. В идеале без остановки производства.

Именно это является одной из основных идей, хотя и не единственной, лежащей в основе амбициозного проекта SelSus, в рамках которого Институт инженерии производства и автоматизации им. Фраунгофера в настоящее время проводит исследования. «Цель состоит не только в том, чтобы контролировать состояние машин и компонентов. План с использованием интеллектуального программного обеспечения и сенсорных сетей состоит в том, чтобы обнаруживать потенциальные слабые места или признаки износа на достаточно раннем этапе, чтобы система могла прогнозировать возможные неисправности, » объясняет Мартин Касперчик из Fraunhofer IPA.Разработанные диагностические модели также непосредственно предоставляют предложения или рекомендации по устранению проблемы. Партнер проекта Electrolux в Порденоне, Италия, использует такую ​​систему поддержки принятия решений. Система способна с определенной вероятностью прогнозировать возможные отказы пресса для облицовки машин и диагностировать реально возникающие неисправности. Данные, необходимые для контроля состояния машины, частично предоставляются датчиками. Они измеряют такие параметры, как потребление энергии, температура, давление масла, частицы в масле или вибрации.Fraunhofer IPA и участвующий консорциум также доказали, что технология надежно работает на практике.

Система самовосстанавливается

Система даже способна посылать управляющие импульсы отдельным машинам. Например, контроль сварки, на котором вышел из строя датчик, может продолжать работать почти бесперебойно в безопасном режиме, без каких-либо серьезных сбоев. Возможность самостоятельного ремонта и поддержания производства также дала название проекту.Полное название проекта SelSus — «Мониторинг работоспособности и управление возможностями на протяжении всей жизни для самодостаточных производственных систем».

Однако сначала нужно было преодолеть ряд технологических препятствий. Мартин Касперчик говорит: «Одной из самых больших проблем был анализ потока данных. В конце концов, мы говорим здесь о прогнозировании неисправностей или поломок машин с высокой степенью надежности. Вы не добьетесь этого, просто запрограммировав пару алгоритмов».

Байесовские сети и данные датчиков

Эксперты доверяют байесовским сетям.Байесовская сеть — это математическая модель, которую можно использовать для вычисления вероятностей возникновения определенного события или состояния. Модель представляет собой набор переменных и их условных зависимостей. С помощью данных, собранных датчиками, программное обеспечение, например, вычисляет вероятность разрыва определенного кабеля с высокими нагрузками в ближайшем будущем и, если применимо, сигнализирует о необходимости его замены.

Но программное обеспечение SelSus опирается не только на датчики. При этом также учитываются технические характеристики машины и ее рабочие параметры.Эти данные должны быть захвачены во время установки и настройки системы. Кроме того, обширный тестовый запуск сообщает системе, как машина и ее компоненты ведут себя в непрерывном режиме и под нагрузкой. Только после этого он готов к использованию. Программное обеспечение также регистрирует новые данные, например, в результате модернизации машины или снижения производительности из-за износа, позволяя системе обучаться.

Сложность концепции SelSus также очевидна из того факта, что программное обеспечение даже взаимодействует с операторами, анализируя причины потенциальных или существующих неисправностей и предлагая соответствующий план действий.

Система с возможностью самовосстановления от Coventry

Партнер проекта Центр производственных технологий из Ковентри, Великобритания, создал систему с возможностью самовосстановления. На заводе по производству двигателей дозатор прикрепляется к манипулятору с помощью вакуума. Если дозатор сталкивается с сопротивлением, он не ломается, а реагирует гибко. Он теряет сцепление, создаваемое под вакуумом, и падает на несколько сантиметров, пока его не остановят пружины. Затем пружины возвращают дозатор в исходное положение.Последующая калибровка гарантирует, что инструмент находится в правильном положении, и после кратковременного перерыва рабочий процесс продолжается.

Темная тайна в основе искусственного интеллекта

Математические модели уже используются, чтобы помочь определить, кто освобождается условно-досрочно, кто получает кредит, а кто нанимается на работу. Если бы вы могли получить доступ к этим математическим моделям, можно было бы понять их рассуждения. Но банки, военные, работодатели и другие теперь обращают свое внимание на более сложные подходы к машинному обучению, которые могут сделать автоматизированное принятие решений совершенно непостижимым.Глубокое обучение, наиболее распространенный из этих подходов, представляет собой принципиально иной способ программирования компьютеров. «Эта проблема уже актуальна, и в будущем она станет еще более актуальной», — говорит Томми Яаккола, профессор Массачусетского технологического института, занимающийся приложениями машинного обучения. «Будь то инвестиционное решение, медицинское решение или, может быть, военное решение, вы не хотите просто полагаться на метод «черного ящика».

Уже есть аргумент, что возможность опросить систему ИИ о том, как она пришла к своим выводам, является фундаментальным законным правом.Начиная с лета 2018 года Европейский союз может потребовать, чтобы компании могли давать пользователям объяснения решений, принимаемых автоматизированными системами. Это может быть невозможно даже для систем, которые на первый взгляд кажутся относительно простыми, таких как приложения и веб-сайты, которые используют глубокое обучение для показа рекламы или рекомендации песен. Компьютеры, на которых работают эти службы, запрограммировали себя, и они сделали это способами, которые мы не можем понять. Даже инженеры, создающие эти приложения, не могут полностью объяснить их поведение.

Это вызывает ошеломляющие вопросы. По мере развития технологий мы можем вскоре пересечь некий порог, за которым использование ИИ требует уверенности. Конечно, мы, люди, тоже не всегда можем по-настоящему объяснить свои мыслительные процессы, но мы находим способы интуитивно доверять людям и оценивать их. Будет ли это возможно с машинами, которые думают и принимают решения не так, как человек? Мы никогда раньше не создавали машины, которые работают так, как не понимают их создатели. Насколько хорошо мы можем общаться и ладить с интеллектуальными машинами, которые могут быть непредсказуемыми и непостижимыми? Эти вопросы привели меня в путешествие к переднему краю исследований алгоритмов искусственного интеллекта, от Google до Apple и во многие промежуточные места, включая встречу с одним из великих философов нашего времени.

Художник Адам Феррисс создал это изображение и то, что ниже, с помощью Google Deep Dream, программы, которая настраивает изображение, чтобы стимулировать возможности распознавания образов глубокой нейронной сети. Изображения были созданы с использованием среднего уровня нейронной сети.

Адам Феррис

В 2015 году исследовательская группа из больницы Маунт-Синай в Нью-Йорке решила применить глубокое обучение к обширной базе данных медицинских карт пациентов. Этот набор данных содержит сотни переменных о пациентах, взятых из результатов их анализов, визитов к врачу и так далее.Получившаяся программа, которую исследователи назвали Deep Patient, была обучена с использованием данных примерно 700 000 человек, и при тестировании на новых записях она оказалась невероятно хорошей в прогнозировании заболеваний. Без каких-либо экспертных инструкций Deep Patient обнаружил закономерности, скрытые в больничных данных, которые, казалось, указывали, когда люди были на пути к широкому спектру заболеваний, включая рак печени. По словам Джоэла Дадли, руководителя команды Mount Sinai, существует множество методов, которые «довольно хороши» для прогнозирования заболеваний на основе историй болезни пациентов.Но, добавляет он, «это было намного лучше».

«Мы можем построить эти модели, но мы не знаем, как они работают».

В то же время Deep Patient немного озадачивает. Похоже, что он на удивление хорошо предвосхищает начало психических расстройств, таких как шизофрения. Но поскольку врачам, как известно, трудно предсказать шизофрению, Дадли задался вопросом, как это возможно. Он до сих пор не знает. Новый инструмент не дает представления о том, как он это делает. Если что-то вроде «Глубокого пациента» действительно поможет врачам, в идеале оно даст им обоснование своего прогноза, убедит их в его точности и оправдает, скажем, изменение лекарств, которые кому-то прописывают.«Мы можем построить эти модели, — с сожалением говорит Дадли, — но мы не знаем, как они работают».

Искусственный интеллект не всегда был таким. С самого начала существовало две точки зрения на то, насколько понятным или объяснимым должен быть ИИ. Многие думали, что наиболее разумно создавать машины, которые рассуждают в соответствии с правилами и логикой, делая их внутреннюю работу прозрачной для всех, кто хочет изучить какой-либо код. Другие считали, что интеллекту будет легче проявиться, если машины будут черпать вдохновение из биологии и учиться, наблюдая и испытывая.Это означало перевернуть компьютерное программирование с ног на голову. Вместо того, чтобы программист писал команды для решения проблемы, программа генерирует собственный алгоритм на основе данных примера и желаемого результата. Методы машинного обучения, которые позже развились в самые мощные сегодняшние системы искусственного интеллекта, пошли по второму пути: машина, по сути, программирует сама себя.

Сначала этот подход имел ограниченное практическое применение, а в 1960-х и 1970-х годах он оставался в основном ограниченным.Затем компьютеризация многих отраслей и появление больших наборов данных возобновили интерес. Это вдохновило на разработку более мощных методов машинного обучения, особенно новых версий одного из методов, известного как искусственная нейронная сеть. К 1990-м годам нейронные сети могли автоматически оцифровывать рукописные символы.

Но только в начале этого десятилетия, после нескольких хитрых настроек и усовершенствований, очень большие — или «глубокие» — нейронные сети продемонстрировали значительные улучшения в автоматизированном восприятии.Глубокое обучение ответственно за сегодняшний взрыв ИИ. Это дало компьютерам необычайные возможности, такие как способность распознавать произносимые слова почти так же хорошо, как и человек, навык, слишком сложный для того, чтобы вручную запрограммировать его в машине. Глубокое обучение изменило компьютерное зрение и значительно улучшило машинный перевод. В настоящее время он используется для принятия всевозможных ключевых решений в медицине, финансах, производстве и не только.

Адам Феррис

Работа любой технологии машинного обучения по своей природе более непрозрачна даже для ученых-компьютерщиков, чем система с ручным программированием.Это не означает, что все будущие методы искусственного интеллекта будут одинаково непознаваемы. Но по своей природе глубокое обучение — это особенно темный черный ящик.

Вы не можете просто заглянуть внутрь глубокой нейронной сети, чтобы увидеть, как она работает. Рассуждения сети встроены в поведение тысяч смоделированных нейронов, организованных в десятки или даже сотни сложно взаимосвязанных слоев. Нейроны в первом слое получают входные данные, например интенсивность пикселя изображения, а затем выполняют вычисления, прежде чем выводить новый сигнал.Эти выходные данные в виде сложной паутины передаются нейронам следующего слоя и так далее, пока не будет получен общий результат. Кроме того, существует процесс, известный как обратное распространение, который настраивает вычисления отдельных нейронов таким образом, чтобы сеть научилась выдавать желаемый результат.

Многоуровневая глубокая сеть позволяет ей распознавать объекты на разных уровнях абстракции. Например, в системе, предназначенной для распознавания собак, нижние слои распознают простые вещи, такие как очертания или цвет; более высокие слои распознают более сложные вещи, такие как мех или глаза; и самый верхний слой идентифицирует все это как собаку.Тот же подход можно применить, грубо говоря, к другим входным данным, которые заставляют машину обучаться: к звукам, из которых состоят слова в речи, к буквам и словам, из которых состоят предложения в тексте, или к движениям руля, необходимым для вождения.

«Может быть, это часть природы интеллекта, что только его часть подвергается рациональному объяснению. Некоторые из них просто инстинктивны».

Были использованы оригинальные стратегии, чтобы попытаться зафиксировать и, таким образом, более подробно объяснить, что происходит в таких системах.В 2015 году исследователи из Google модифицировали алгоритм распознавания изображений на основе глубокого обучения, чтобы вместо обнаружения объектов на фотографиях он генерировал или модифицировал их. Эффективно запустив алгоритм в обратном порядке, они могли обнаружить особенности, которые программа использует для распознавания, скажем, птицы или здания. Полученные изображения, созданные проектом, известным как Deep Dream, показали гротескных, инопланетных животных, выходящих из облаков и растений, и галлюцинаторные пагоды, цветущие в лесах и горных хребтах.Изображения доказали, что глубокое обучение не должно быть совершенно непостижимым; они показали, что алгоритмы фокусируются на знакомых визуальных особенностях, таких как птичий клюв или перья. Но изображения также намекают на то, насколько глубокое обучение отличается от человеческого восприятия тем, что оно может сделать из артефакта что-то, что мы будем игнорировать. Исследователи Google отметили, что когда их алгоритм генерировал изображения гантели, он также генерировал человеческую руку, держащую ее. Машина пришла к выводу, что рука была частью этого существа.

Дальнейший прогресс был достигнут благодаря использованию идей, заимствованных из неврологии и когнитивной науки. Команда под руководством Джеффа Клуна, доцента Университета Вайоминга, использовала искусственный интеллект, эквивалентный оптическим иллюзиям, для тестирования глубоких нейронных сетей. В 2015 году группа Клуна показала, как определенные изображения могут обмануть такую ​​сеть, заставив ее воспринимать вещи, которых там нет, потому что изображения используют низкоуровневые паттерны, которые ищет система. Один из сотрудников Клуна, Джейсон Йосински, также создал инструмент, который действует как зонд, воткнутый в мозг.Его инструмент нацеливается на любой нейрон в середине сети и ищет изображение, которое активирует его больше всего. Образы, которые появляются, абстрактны (представьте себе импрессионистский взгляд на фламинго или школьный автобус), подчеркивая таинственную природу перцептивных способностей машины.

Эта ранняя искусственная нейронная сеть в Корнеллской авиационной лаборатории в Буффало, штат Нью-Йорк, около 1960 года, обрабатывала входные данные от датчиков света. Феррис был вдохновлен запуском искусственной нейронной сети Корнелла через Deep Dream, создавая изображения выше и ниже.

Адам Феррис

Однако нам нужно нечто большее, чем взгляд на мышление ИИ, и простого решения нет. Именно взаимодействие вычислений внутри глубокой нейронной сети имеет решающее значение для распознавания образов более высокого уровня и принятия сложных решений, но эти вычисления представляют собой трясину математических функций и переменных. «Если бы у вас была очень маленькая нейронная сеть, вы могли бы ее понять», — говорит Яаккола. «Но как только он становится очень большим, и у него тысячи единиц на слой, а может быть, и сотни слоев, тогда он становится совершенно непонятным.

В офисе рядом с Яакколой находится Регина Барзилай, профессор Массачусетского технологического института, которая полна решимости применить машинное обучение в медицине. Пару лет назад, в возрасте 43 лет, у нее диагностировали рак молочной железы. Диагноз сам по себе был шокирующим, но Барзилай также была встревожена тем, что передовые статистические методы и методы машинного обучения не использовались для помощи в онкологических исследованиях или для руководства. лечение пациента. Она говорит, что у ИИ есть огромный потенциал революционизировать медицину, но осознание этого потенциала будет означать выход за рамки только медицинских записей.Она предполагает использовать больше необработанных данных, которые, по ее словам, в настоящее время используются недостаточно: «данные изображений, данные патологии, вся эта информация».

Насколько хорошо мы можем ладить с непредсказуемыми и непостижимыми машинами?

После того, как в прошлом году она закончила курс лечения от рака, Барзилай и ее студенты начали работать с врачами Массачусетской больницы общего профиля, чтобы разработать систему, способную анализировать отчеты о патологии для выявления пациентов с конкретными клиническими характеристиками, которые исследователи могут захотеть изучить.Однако Барзилай понимал, что система должна будет объяснить свои рассуждения. Поэтому вместе с Яакколой и студентом она добавила еще один шаг: система извлекает и выделяет фрагменты текста, представляющие обнаруженный ею паттерн. Барзилай и ее ученики также разрабатывают алгоритм глубокого обучения, способный находить ранние признаки рака молочной железы на изображениях маммографии, и они также стремятся дать этой системе некоторую способность объяснять свои рассуждения. «Вам действительно нужна петля, в которой машина и человек сотрудничают», — говорит Барзилай.

Американские военные вкладывают миллиарды в проекты, которые будут использовать машинное обучение для пилотирования транспортных средств и самолетов, определения целей и помощи аналитикам в просеивании огромных массивов разведывательных данных. Здесь больше, чем где-либо еще, даже больше, чем в медицине, мало места для алгоритмической тайны, и Министерство обороны определило объяснимость как ключевой камень преткновения.

Дэвид Ганнинг, руководитель программы Агентства перспективных исследовательских проектов Министерства обороны США, курирует программу с метким названием «Объяснимый искусственный интеллект».Седовласый ветеран агентства, ранее руководивший проектом DARPA, который в конечном итоге привел к созданию Siri, Ганнинг говорит, что автоматизация проникает во многие области вооруженных сил. Аналитики разведки тестируют машинное обучение как способ выявления закономерностей в огромном количестве данных наблюдения. Многие автономные наземные транспортные средства и самолеты разрабатываются и испытываются. Но солдаты, вероятно, не будут чувствовать себя комфортно в роботизированном танке, который им ничего не объясняет, а аналитики не захотят действовать на основании информации без каких-либо рассуждений.«Природа этих систем машинного обучения часто заключается в том, что они производят много ложных срабатываний, поэтому аналитику Intel действительно нужна дополнительная помощь, чтобы понять, почему была дана рекомендация», — говорит Ганнинг.

В марте этого года DARPA выбрало 13 научных и промышленных проектов для финансирования в рамках программы Ганнинга. Некоторые из них могли бы основываться на работе под руководством Карлоса Гестрина, профессора Вашингтонского университета. Он и его коллеги разработали способ, с помощью которого системы машинного обучения могут обосновывать свои результаты.По сути, в этом методе компьютер автоматически находит несколько примеров из набора данных и представляет их в виде краткого объяснения. Например, система, предназначенная для классификации сообщений электронной почты как исходящих от террористов, может использовать многие миллионы сообщений при обучении и принятии решений. Но, используя подход вашингтонской команды, можно выделить определенные ключевые слова, найденные в сообщении. Группа Гестрина также разработала способы, с помощью которых системы распознавания изображений намекают на свои рассуждения, выделяя наиболее значимые части изображения.

Адам Феррисс

Одним из недостатков этого и других подобных подходов, таких как подход Барзилая, является то, что предоставляемые объяснения всегда будут упрощенными, а это означает, что некоторая важная информация может быть потеряна в процессе. «Мы не достигли всей мечты, когда ИИ разговаривает с вами и может объяснить», — говорит Гестрин. «Мы далеки от действительно интерпретируемого ИИ».

Это не обязательно должна быть ситуация с высокими ставками, такая как диагноз рака или военные маневры, чтобы это стало проблемой.Знание логики ИИ также будет иметь решающее значение, если эта технология станет обычной и полезной частью нашей повседневной жизни. Том Грубер, возглавляющий команду Siri в Apple, говорит, что объяснимость является ключевым фактором для его команды, поскольку она пытается сделать Siri более умным и способным виртуальным помощником. Грубер не стал бы обсуждать конкретные планы на будущее Siri, но легко представить, что если вы получите рекомендацию ресторана от Siri, вам захочется узнать, какова была причина. Руслан Салахутдинов, директор по исследованиям ИИ в Apple и доцент Университета Карнеги-Меллона, считает объяснимость основой развивающихся отношений между людьми и интеллектуальными машинами.«Это приведет к доверию, — говорит он.

Почему наш кофе такой вкусный? Загляните внутрь Мориона – Moriondo

Moriondo Coffee гордится своей кофемашиной на одну порцию, уступающей только вкусному кофе. Чтобы приготовить хороший кофе, нужно использовать правильное оборудование. Вот почему мы хотели написать сообщение в блоге, специально посвященное инновационной кофеварке.

 

Дизайн кофемашины «Зерна в чашку»

Начнем с концепции.Мы знаем, что люди любят кофеварки на одну порцию. Но мы не хотели использовать одноразовые кофейные чашки. Это потому, что их срок службы составляет всего около минуты, прежде чем их отправят на свалку. Вот почему мы разработали нашу машину с учетом трех ключевых идей: сокращение отходов, высококачественный кофе и удобный дизайн.

В результате мы нашли идеальное решение, которое мы называем «Бобы в чашку». Это означает, что наша машина использует мощную кофемолку для быстрого измельчения кофейных зерен на одну порцию.Затем машина использует давление пара, как эспрессо-машина, для приготовления свежих итальянских кофейных напитков менее чем за 90 секунд.

Наших клиентов часто впечатляет концепция приготовления кофе из зерен в чашку, потому что она позволяет приготовить свежий вкусный кофе за считанные секунды. Это устраняет горький привкус предварительно намолотого кофе, а так как зерна находятся в корпусе машины, они не теряют своей свежести быстро.

Единственным побочным продуктом проекта является компостируемая кофейная гуща.Пока запасы молока, воды и кофе заполнены, пользователю достаточно нажать кнопку, чтобы получить свежий кофе.

 

Давайте поближе познакомимся с машиной и ее частями.

Размер и внешний вид

Машина представляет собой автономное устройство, поэтому она не требует использования дополнительных деталей, кроме вашей любимой многоразовой кофейной чашки. Он весит около 25 фунтов, но не волнуйтесь, наши услуги включают установку. Тем не менее, вам понадобится около двух футов в кубе, чтобы разместить машину на кофейной станции.Он имеет высоту, вес и глубину 20 дюймов, 10,5 дюймов и 16 дюймов соответственно.

Электропитание и напряжение

Кофемашина Moriondo имеет автоматическую систему энергосбережения, которая использует следующее напряжение: 110/120 В 1400 Вт. Для подачи электроэнергии используется два разных шнура, поэтому для ее работы вам потребуются две розетки.

Пластина с пуговицами

Гладкая электронная кнопочная панель открывает доступ к управлению машиной. Просто коснитесь круглой кнопки, чтобы получить доступ к меню напитков.Наша машина не будет разговаривать с вами, как Alexa, но она подсветит вас выбором вкусных итальянских кофейных напитков.

Технология One Touch предлагает следующие варианты: эспрессо, американо, капучино, латте, маккиато, горячее молоко и горячая вода (для чая в пакетиках). С членством в Moriondo Coffee ваши поездки в Starbucks в середине дня начнут сокращаться.

Носик

Носик используется как для кофе, так и для молока. Вы можете отрегулировать его высоту, чтобы освободить место для размеров чашек от четырех до двенадцати унций.

Поставка кофейных зерен

Наши кофейные зерна включены в членство в Moriondo Coffee. Сама машина способна вместить достаточно зерен для приготовления от пятидесяти до шестидесяти чашек кофе. Всякий раз, когда вам нужно заказать больше бобов, наши представители готовы принять ваш заказ 24/7, и он поставляется с бесплатной доставкой.

Кофемолка

Одной из наиболее важных особенностей нашей машины является то, что кофемолка рассчитана на длительный срок службы. Он изготовлен из шлифовальных дисков из высококачественной нержавеющей стали.

Блок заваривания

Для обеспечения удобного дизайна и простоты обслуживания наша машина оснащена съемным блоком заваривания.

Резервуар для воды или ввод

Когда вы подписываетесь на членство в Moriondo Coffee, у вас будет возможность выбрать, хотите ли вы подключить кофеварку напрямую к водопроводу, использовать внутренний резервуар для воды или включить внешний резервуар для воды. . Мы будем рады обсудить с вами лучший вариант для вашего помещения.

Водяной насос

Водяной насос представляет собой высокоэффективный итальянский насос с максимальным давлением 19 бар.

Система молочной пены

Для приготовления вкусных кофейных напитков, содержащих вспененное молоко, наша машина оснащена автоматической системой молочной пены. Молочный термос можно найти сбоку от машины, чтобы молоко оставалось прохладным. Машина набирает молоко из этого термоса и использует насос для пропаривания молока и подачи молочной пены прямо в чашку.

Удобное обслуживание

Машина автоматически напомнит пользователям, когда придет время для планового обслуживания.Вы можете легко получить доступ к автоматическим программам очистки, ополаскивания и удаления накипи из меню электронной кнопочной панели.

Обучение пользователей

Morinodo Coffee проводит обучение для всех своих сотрудников, когда они получают кофемашину. Дополнительные обучающие видео также доступны для участников.

Служба поддержки

Мы высылаем замену в течение 48 часов и предоставляем круглосуточный чат в режиме реального времени, чтобы оказать поддержку по любой проблеме, которая может возникнуть у наших участников. Мы вас прикрыли!

Готовы к бесплатной пробной подписке, чтобы протестировать кофемашину? Дайте нам знать!

Эрика Эллер , писатель по контент-маркетингу в области устойчивого развития

Стремясь учиться, как мы, машина учит сама себя

Например, структура текстовой фразы «Я поднялся на ХХХ» очень часто встречается с горой.Но когда NELL читает «Я поднялся по лестнице», он заранее с большой уверенностью узнал, что «лестница» относится к категории «часть здания». «Он самокорректируется, когда у него есть больше информации, поскольку он узнает больше», — объяснил доктор Митчелл.

NELL, по его словам, только начинается, и его растущая база знаний о фактах и ​​отношениях предназначена в качестве основы для улучшения машинного интеллекта. Доктор Митчелл предлагает пример знаний, которыми NELL не может управлять сегодня, но когда-нибудь сможет.Возьмем два похожих предложения, сказал он. «Девочка поймала бабочку с пятнами». И еще: «Девушка поймала бабочку сачком».

Человек-читатель, отметил он, изначально понимает, что девушки держат сети, а девушек обычно не замечают. Так, в первом предложении «пятна» ассоциируются с «бабочкой», а во втором «сеточка» с «девочкой».

«Это очевидно для человека, но неочевидно для компьютера», — сказал доктор Митчелл. «Большая часть человеческого языка — это фоновые знания, знания, накопленные с течением времени.Вот к чему движется NELL, и задача состоит в том, как получить эти знания».

Рука помощи от людей, иногда, будет частью ответа. Первые шесть месяцев NELL работала без посторонней помощи. Но исследовательская группа заметила, что, хотя она хорошо справлялась с большинством категорий и отношений, ее точность примерно в четверти из них сильно отставала. Начиная с июня исследователи начали сканировать каждую категорию и отношение примерно по пять минут каждые две недели. Когда они обнаруживают вопиющие ошибки, они помечают их и исправляют, возвращая механизм обучения NELL в нужное русло.

Когда д-р Митчелл недавно просмотрел категорию «выпечка», он заметил четкую закономерность. Сначала NELL была довольно точной, легко идентифицируя все виды пирогов, хлеба, пирожных и печенья как выпечку. Но все пошло наперекосяк после того, как классификатор словосочетаний NELL решил, что «интернет-куки» — это выпечка. (В ее базе данных, связанной с хлебобулочными изделиями или Интернетом, явно не хватало знаний, чтобы исправить ошибку.)

NELL прочитал предложение «Я удалил свои интернет-куки.Поэтому, когда он прочитал «Я удалил свои файлы», он решил, что «файлы», вероятно, тоже были выпечкой. «Это положило начало целой лавине ошибок», — сказал доктор Митчелл. Он исправил ошибку, связанную с интернет-куки, и возобновил обучение пекарни NELL.

Его идеалом, по словам доктора Митчелла, была компьютерная система, которая могла бы непрерывно обучаться без помощи человека. — Мы еще не там, — сказал он. — Но мы с тобой тоже не учимся в изоляции.

I.—ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНТЕЛЛЕКТ | Разум

1.Игра в имитацию

Предлагаю рассмотреть вопрос «Могут ли машины мыслить?» Начать следует с определения значения терминов «машина» и «мыслить». Определения могут быть составлены таким образом, чтобы, насколько это возможно, отражать нормальное употребление слов, но такое отношение опасно. Если значение слов «машина» и «думать» должно быть найдено путем изучения того, как они обычно используются, трудно избежать вывода о том, что значение и ответ на вопрос «Могут ли машины думать?» ищут в статистическом обзоре, таком как опрос Гэллапа.Но это абсурд. Вместо того, чтобы пытаться дать такое определение, я заменю этот вопрос другим, тесно связанным с ним и выраженным в относительно недвусмысленных словах.

Новая форма задачи может быть описана в терминах игры, которую мы называем «имитационной игрой». В нее играют три человека: мужчина (А), женщина (В) и следователь (С), которые могут быть любого пола. Следователь остается в комнате отдельно от двух других. Цель игры следователя состоит в том, чтобы определить, кто из двух других является мужчиной, а кто женщиной.Он знает их по ярлыкам X и Y, а в конце игры говорит либо «X есть A, а Y есть B», либо «X есть B и Y есть A». Следователю разрешается задавать вопросы А и Б следующим образом:

С: Скажите, пожалуйста, X, какой длины его или ее волосы? Теперь предположим, что X на самом деле является A, тогда A должен ответить. Цель игры А состоит в том, чтобы попытаться заставить С провести неправильную идентификацию. Таким образом, его ответ может быть таким:

«Мои волосы покрыты чешуей, а самые длинные пряди имеют длину около девяти дюймов».Идеальным вариантом является наличие телетайпа для связи между двумя комнатами. В качестве альтернативы вопрос и ответы могут быть повторены посредником. Цель игры для третьего игрока (В) — помочь следователю. Вероятно, лучшая стратегия для нее — давать правдивые ответы. Она может добавить к своим ответам такие вещи, как «Я женщина, не слушай его!», но это ничего не даст, поскольку мужчина может делать подобные замечания.

Теперь мы задаем вопрос: «Что произойдет, когда машина возьмет на себя роль А в этой игре?» Будет ли следователь ошибаться так же часто, когда игра ведется таким образом, как он делает это, когда игра ведется между человеком? а женщина? Эти вопросы заменяют наш первоначальный вопрос «Могут ли машины думать?»

2.Критика новой проблемы

Помимо вопроса: «Каков ответ на эту новую форму вопроса?», можно спросить: «Достоин ли этот новый вопрос исследования?» Этот последний вопрос мы исследуем без дальнейших церемоний, тем самым прервав бесконечную регресс.

Преимущество новой задачи в том, что она проводит довольно резкую грань между физическими и интеллектуальными способностями человека. Ни один инженер или химик не претендует на способность производить материал, неотличимый от кожи человека.Возможно, когда-нибудь это удастся сделать, но даже если предположить, что это изобретение станет доступным, мы должны чувствовать, что нет смысла пытаться сделать «мыслящую машину» более человечной, облекая ее в такую ​​искусственную плоть. Форма, в которой мы поставили задачу, отражает этот факт в условиях, при которых исследователь не может видеть или прикасаться к другим участникам или слышать их голоса. Некоторые другие преимущества предложенного критерия могут быть показаны примерными вопросами и ответами.Итак:

  • Q :

    Пожалуйста, напишите мне сонет на тему Форт-Бридж.

  • A :

    Не считайте меня этим. Я никогда не умел писать стихи.

  • Q :

    Добавить 34957 к 70764

  • A :

    (Пауза около 30 секунд, а затем дать ответ) 105621.

  • Q :

    Вы играете в шахматы?

  • А :

    Да.

  • В :

    У меня К1 на К1, других фигур нет. У вас есть только K на K6 и R на R1.Это ваш ход. Что вы играете?

  • A :

    (после 15-секундной паузы) R-R8 помощник.

Метод вопросов и ответов кажется подходящим для ознакомления практически с любой из областей человеческой деятельности, которую мы хотим включить. Мы не хотим наказывать машину за ее неспособность блистать на конкурсах красоты или наказывать человека за поражение в гонке с самолетом. Условия нашей игры делают эти недостатки неактуальными. «Свидетели» могут сколько угодно хвастаться, если считают нужным, своим обаянием, силой или героизмом, но практических доказательств следователь требовать не может.

Игра, возможно, может быть подвергнута критике на том основании, что шансы слишком сильно зависят от машины. Если бы этот человек попытался притвориться машиной, он явно показал бы себя очень плохо. Его бы сразу выдали медлительность и неточность в арифметике. Не могут ли машины совершать нечто, что следует назвать мышлением, но что очень отличается от того, что делает человек? Это возражение очень сильное, но, по крайней мере, мы можем сказать, что если, тем не менее, можно сконструировать машину для удовлетворительной игры в имитацию, нас не должно беспокоить это возражение.

Можно возразить, что при игре в «имитационную игру» лучшей стратегией для машины может быть нечто иное, чем имитация поведения человека. Это может быть, но я думаю, что вряд ли есть большой эффект такого рода. В любом случае здесь нет намерения исследовать теорию игры, и предполагается, что наилучшая стратегия состоит в том, чтобы попытаться дать ответы, которые, естественно, дал бы человек.

3. Машины, задействованные в игре

Вопрос, поставленный нами в § 1, не будет вполне определенным, пока мы не уточним, что мы подразумеваем под словом «машина».Естественно, что мы хотели бы разрешить использование в наших машинах всех видов инженерной техники. Мы также хотим допустить возможность того, что инженер или команда инженеров могут построить машину, которая работает, но принцип работы которой не может быть удовлетворительно описан ее конструкторами, потому что они применили метод, который в значительной степени является экспериментальным. Наконец, мы хотим исключить из машин людей, рожденных обычным образом. Трудно сформулировать определения так, чтобы они удовлетворяли этим трем условиям.Можно, например, настаивать на том, чтобы вся команда инженеров была одного пола, но на самом деле это было бы неудовлетворительно, поскольку вполне вероятно, что из одной клетки кожи, скажем, человека, можно вырастить целую особь. Сделать это было бы подвигом биологической техники, заслуживающим самой высокой похвалы, но мы не были бы склонны рассматривать это как случай «построения мыслящей машины». Это побуждает нас отказаться от требования, чтобы всякая техника была разрешена.Мы тем более готовы сделать это ввиду того факта, что нынешний интерес к «мыслящим машинам» вызван особым типом машин, обычно называемым «электронным компьютером» или «цифровым компьютером». Следуя этому предложению, мы разрешаем участвовать в нашей игре только цифровым компьютерам.

Это ограничение на первый взгляд кажется очень резким. Я попытаюсь показать, что в действительности это не так. Для этого необходимо кратко рассказать о природе и свойствах этих компьютеров.

Можно также сказать, что это отождествление машин с цифровыми компьютерами, как и наш критерий «мышления», будет неудовлетворительным только в том случае, если (вопреки моему убеждению) окажется, что цифровые компьютеры не могут хорошо себя показать в игра.

Уже есть несколько цифровых компьютеров в рабочем состоянии, и может возникнуть вопрос: «Почему бы не провести эксперимент прямо сейчас?» Было бы легко удовлетворить условия игры. Можно использовать несколько следователей и собирать статистику, чтобы показать, как часто давалась правильная идентификация.Короткий ответ заключается в том, что мы не спрашиваем, будут ли все цифровые компьютеры хорошо работать в игре или будут ли хорошо работать компьютеры, доступные в настоящее время, а спрашиваем, существуют ли вообразимые компьютеры, которые будут работать хорошо. Но это только краткий ответ. Позже мы увидим этот вопрос в другом свете.

4. Цифровые компьютеры

Идею цифровых компьютеров можно объяснить, сказав, что эти машины предназначены для выполнения любых операций, которые могут выполняться человеческим компьютером.Предполагается, что человеческий компьютер следует установленным правилам; он не имеет права отклоняться от них в деталях. Мы можем предположить, что эти правила содержатся в книге, которая изменяется всякий раз, когда его переводят на новую работу. У него также есть неограниченный запас бумаги, на которой он делает свои расчеты. Он также может делать свои умножения и сложения на «настольной машине», но это не важно.

Если мы используем приведенное выше объяснение в качестве определения, мы рискуем зациклиться на рассуждениях.Мы избегаем этого, описывая средства, с помощью которых достигается желаемый эффект. Цифровой компьютер обычно можно рассматривать как состоящий из трех частей:

  • Магазин.

  • Исполнительный блок.

  • Контроль.

Хранилище является хранилищем информации и соответствует бумаге человека-компьютера, будь то бумага, на которой он выполняет свои расчеты, или та, на которой напечатана его книга правил. Поскольку человеческий компьютер производит вычисления в своей голове, часть хранилища будет соответствовать его памяти.

Исполнительный блок — это часть, которая выполняет различные отдельные операции, связанные с вычислением. Что представляют собой эти отдельные операции, зависит от машины к машине. Обычно можно выполнять довольно длительные операции, такие как «Умножить 3540675445 на 7076345687», но на некоторых машинах возможны только очень простые, такие как «Записать 0».

Мы упоминали, что «книга правил», поставляемая компьютеру, заменяется в машине частью магазина. Тогда она называется «таблицей инструкций».Контрольная служба обязана следить за тем, чтобы эти инструкции выполнялись правильно и в правильном порядке. Управление так построено, что это обязательно происходит.

Информация в магазине обычно разбита на пакеты умеренно небольшого размера. Например, на одной машине пакет может состоять из десяти десятичных цифр. Частям хранилища, в которых хранятся различные пакеты информации, присваиваются номера некоторым систематическим образом. Типичная инструкция может сказать:

«Сложите число, хранящееся в позиции 6809, с числом в позиции 4302 и поместите результат обратно в последнюю позицию хранения».

Излишне говорить, что это не произойдет в машине, выраженной на английском языке. Скорее всего, он будет закодирован в такой форме, как 6809430217. Здесь 17 говорит, какая из различных возможных операций должна быть выполнена с двумя числами. В этом случае операция описана выше, , а именно . «Добавьте число…». Следует заметить, что инструкция занимает 10 цифр и, таким образом, формирует один пакет информации, что очень удобно. Система управления обычно принимает инструкции, которые должны выполняться, в порядке их хранения, но иногда может встречаться такая инструкция, как

«Теперь выполните инструкцию, хранящуюся в позиции 5606, и продолжайте оттуда», или снова

‘Если позиция 4505 содержит 0, выполните следующую инструкцию, хранящуюся в 6707, в противном случае продолжайте прямо.

Инструкции этих последних типов очень важны, потому что они позволяют повторять последовательность операций снова и снова до тех пор, пока не будет выполнено какое-либо условие, но при этом подчиняться не новым инструкциям при каждом повторении, а одни и те же снова и снова. Возьмем бытовую аналогию. Предположим, мама хочет, чтобы Томми каждое утро по дороге в школу заходил к сапожнику, чтобы узнать, готова ли ее обувь, она может спрашивать его каждое утро заново. В качестве альтернативы она может раз и навсегда повесить объявление в холле, которое он увидит, уходя в школу, и в котором ему предлагается вызвать обувь, а также уничтожить объявление, когда он вернется, если туфли у него с собой. .

Читатель должен принять как факт, что цифровые компьютеры могут быть построены и действительно были построены в соответствии с описанными нами принципами, и что они могут фактически очень точно имитировать действия человеческого компьютера.

Книга правил, которую мы описали как использование человеческого компьютера, конечно же, удобная фикция. Настоящие человеческие компьютеры действительно помнят, что они должны делать. Если кто-то хочет заставить машину имитировать поведение человека-компьютера в какой-то сложной операции, нужно спросить его, как это делается, а затем перевести ответ в форму таблицы инструкций.Составление таблиц инструкций обычно называют «программированием». «Запрограммировать машину на выполнение операции А» означает поместить в машину соответствующую таблицу команд, чтобы она выполняла А.

Интересным вариантом идеи цифрового компьютера является «цифровой компьютер со случайным элементом». ‘. У них есть инструкции, связанные с бросанием игральной кости или каким-либо эквивалентным электронным процессом; одной из таких инструкций может быть, например, «Бросьте кубик и поместите полученное число в хранилище 1000».Иногда такую ​​машину описывают как обладающую свободой воли (хотя сам я бы не использовал эту фразу). Обычно невозможно определить, наблюдая за машиной, есть ли в ней случайный элемент, поскольку такие устройства могут производить аналогичный эффект, например, делая выбор зависящим от цифр десятичного числа для π.

Большинство современных цифровых компьютеров имеют ограниченный объем памяти. В идее компьютера с неограниченным хранилищем нет теоретических трудностей. Конечно, в любой момент времени может быть использована только конечная часть.Точно так же может быть построено только конечное количество, но мы можем вообразить, что по мере необходимости будет добавляться все больше и больше. Такие компьютеры представляют особый теоретический интерес и будут называться компьютерами бесконечной мощности.

Идея цифрового компьютера старая. Чарльз Бэббидж, профессор математики Лукаса в Кембридже с 1828 по 1839 год, планировал такую ​​машину, названную аналитической машиной, но она так и не была завершена. Хотя у Бэббиджа были все основные идеи, его машина не представляла в то время такой уж привлекательной перспективы.Скорость, которая была бы доступна, была бы определенно выше, чем у человеческого компьютера, но примерно в 100 раз медленнее, чем у манчестерской машины, которая сама по себе является одной из самых медленных современных машин. Хранение должно было быть чисто механическим, с использованием колес и карт.

Тот факт, что аналитическая машина Бэббиджа должна была быть полностью механической, поможет нам избавиться от суеверия. Часто придается большое значение тому факту, что современные цифровые компьютеры являются электрическими и что нервная система также является электрической.Поскольку машина Бэббиджа не была электрической и поскольку все цифровые компьютеры в некотором смысле эквивалентны, мы видим, что такое использование электричества не может иметь теоретического значения. Конечно, электричество обычно появляется там, где речь идет о быстрой передаче сигналов, так что неудивительно, что мы находим его в обоих этих соединениях. В нервной системе химические явления не менее важны, чем электрические. В некоторых компьютерах система хранения в основном акустическая. Таким образом, особенность использования электричества представляется лишь очень поверхностным сходством.Если мы хотим найти такие сходства, нам следует искать математические аналогии функций.

5. Универсальность цифровых компьютеров

Цифровые компьютеры, рассмотренные в последнем разделе, могут быть классифицированы как «дискретные конечные автоматы». Это машины, которые внезапными скачками или щелчками переходят из одного вполне определенного состояния в другое. Эти состояния достаточно различны, чтобы можно было игнорировать возможность смешения между ними. Строго говоря, таких машин нет.Все действительно движется непрерывно. Но есть много видов машин, которые можно выгодно рассматривать как , считая дискретными конечными автоматами. Например, при рассмотрении переключателей для системы освещения удобной фикцией является то, что каждый переключатель должен быть определенно включен или определенно выключен. Должны быть промежуточные позиции, но в большинстве случаев о них можно забыть. В качестве примера дискретного конечного автомата мы могли бы рассмотреть колесо, которое совершает оборот на 120° один раз в секунду, но может быть остановлено рычагом, которым можно управлять извне; кроме того, лампа должна гореть в одном из положений колеса.Абстрактно эту машину можно описать следующим образом. Внутреннее состояние машины (которое описывается положением колеса) может быть q 1 , q 2 или q 3 . Есть входной сигнал i 0 или i 1 , (положение рычага). Внутреннее состояние в любой момент определяется последним состоянием и входным сигналом по таблице

Выходные сигналы, единственная внешне видимая индикация внутреннего состояния (свет) описаны таблицей

Этот пример типичен для дискретных автоматов.Их можно описать такими таблицами при условии, что они имеют только конечное число возможных состояний.

Казалось бы, зная начальное состояние машины и входные сигналы, всегда можно предсказать все будущие состояния. Это напоминает мнение Лапласа о том, что по полному состоянию Вселенной в один момент времени, описываемому положениями и скоростями всех частиц, можно предсказать все будущие состояния. Предсказание, которое мы рассматриваем, однако, гораздо ближе к осуществимости, чем предсказание Лапласа.Система «вселенная в целом» такова, что совсем небольшие ошибки в начальных условиях могут иметь подавляющее влияние в более позднее время. Смещение одного электрона на миллиардную долю сантиметра в один момент может иметь значение для человека, погибшего под лавиной год спустя, или для побега. Неотъемлемым свойством механических систем, которые мы назвали «дискретными конечными автоматами», этого явления не происходит. Даже когда мы рассматриваем реальные физические машины, а не идеализированные машины, достаточно точное знание состояния в один момент дает достаточно точное знание через любое количество шагов позже.

Как мы уже упоминали, цифровые компьютеры относятся к классу дискретных конечных автоматов. Но число состояний, на которое способна такая машина, обычно чрезвычайно велико. Например, номер машины, которая сейчас работает в Манчестере, это около 2 165 000, , т.е. около 10 50 000 . Сравните это с нашим примером щелкающего колеса, описанного выше, которое имело три состояния. Нетрудно понять, почему количество государств должно быть таким огромным.Компьютер включает в себя хранилище, соответствующее бумаге, используемой человеческим компьютером. Должна быть возможность записать в память любую из комбинаций символов, которые могли бы быть записаны на бумаге. Для простоты предположим, что в качестве символов используются только цифры от 0 до 9. Изменения в почерке не учитываются. Предположим, что компьютеру разрешено 100 листов бумаги, каждый из которых содержит 50 строк и место для 30 цифр. Тогда количество состояний равно 10 100×50×30 , т.е. 10 150,000 .Это примерно равно числу состояний трех манчестерских машин вместе взятых. Логарифм числа состояний по основанию два обычно называют «емкостью памяти» машины. Таким образом, манчестерская машина имеет вместимость около 165 000, а колесная машина из нашего примера — около 1,6. Если объединить две машины, их мощности необходимо сложить, чтобы получить мощность результирующей машины. Это приводит к возможности таких утверждений, как «Манчестерская машина содержит 64 магнитных дорожки, каждая емкостью 2560, восемь электронных ламп емкостью 1280».Разное хранилище составляет около 300, что в сумме составляет 174 380».

Имея таблицу, соответствующую дискретному конечному автомату, можно предсказать, что он будет делать. Нет никаких причин, по которым этот расчет не может быть выполнен с помощью цифрового компьютера. При условии, что это может быть выполнено достаточно быстро, цифровой компьютер может имитировать поведение любого дискретного конечного автомата. Затем можно было бы сыграть в имитирующую игру с рассматриваемой машиной (как B) и имитирующим цифровым компьютером (как A), и следователь не смог бы их различить.Конечно, цифровой компьютер должен иметь достаточную емкость памяти, а также работать достаточно быстро. Более того, его необходимо заново программировать для каждой новой машины, которую необходимо имитировать.

Это особое свойство цифровых компьютеров, заключающееся в том, что они могут имитировать любой дискретный конечный автомат, описывается тем, что они являются универсальными машинами. Существование машин с этим свойством имеет то важное следствие, что, помимо соображений скорости, нет необходимости разрабатывать различные новые машины для выполнения различных вычислительных процессов.Все это можно сделать с помощью одного цифрового компьютера, соответствующим образом запрограммированного для каждого случая. Мы увидим, что вследствие этого все цифровые компьютеры в некотором смысле эквивалентны.

Теперь мы можем снова рассмотреть вопрос, поднятый в конце § 3. Предварительно было предложено заменить вопрос «Могут ли машины думать?» вопросом «Существуют ли вообразимые цифровые компьютеры, которые хорошо бы справлялись с игрой в имитацию?» конечные автоматы, которые будут работать хорошо?» Но ввиду свойства универсальности мы видим, что любой из этих вопросов эквивалентен следующему: «Давайте сосредоточим наше внимание на одном конкретном цифровом компьютере C. Верно ли, что, модифицировав этот компьютер так, чтобы он имел достаточный объем памяти, соответствующим образом увеличив скорость его действий и снабдив его соответствующей программой, C можно заставить удовлетворительно играть роль А в имитационной игре, роль

6. Противоречивые взгляды на основной вопрос

Теперь мы можем считать, что почва расчищена, и мы готовы приступить к обсуждению нашего вопроса «Могут ли машины мыслить?» и варианта его, приведенного в конце предыдущего раздела.Мы не можем полностью отказаться от первоначальной формы задачи, ибо мнения будут расходиться относительно уместности замены, и мы должны, по крайней мере, прислушаться к тому, что следует сказать по этому поводу.

Читателю будет проще, если я сначала объясню свои собственные убеждения по этому поводу. Рассмотрим сначала более точную форму вопроса. Я полагаю, что примерно через пятьдесят лет можно будет запрограммировать компьютеры с емкостью памяти около 10 9 , чтобы заставить их играть в имитацию настолько хорошо, что средний следователь будет иметь не более 70 процентов памяти. шанс сделать правильную идентификацию после пяти минут допроса.Первоначальный вопрос «Могут ли машины думать!» я считаю слишком бессмысленным, чтобы заслуживать обсуждения. Тем не менее я полагаю, что в конце века употребление слов и общее образованное мнение изменятся настолько, что можно будет говорить о машинном мышлении, не ожидая возражений. Я полагаю далее, что сокрытие этих верований не служит никакой полезной цели. Популярное мнение о том, что ученые неуклонно движутся от хорошо установленных фактов к хорошо установленным фактам, никогда не подвергаясь влиянию каких-либо недоказанных предположений, совершенно ошибочно.При условии, что будет ясно, какие факты являются доказанными, а какие предположениями, никакого вреда не может быть причинено. Гипотезы имеют большое значение, поскольку они предлагают полезные направления исследований.

Теперь я перехожу к рассмотрению мнений, противоположных моему собственному.

(1) Теологическое возражение

Мышление есть функция бессмертной души человека. Бог дал бессмертную душу каждому мужчине и женщине, но не любому другому животному или машине. Следовательно, ни животное, ни машина не могут мыслить.

Я не могу принять ни одну часть этого, но попытаюсь ответить теологически. Я нашел бы этот аргумент более убедительным, если бы животных причисляли к людям, потому что, на мой взгляд, между типичными одушевленными и неодушевленными существует большее различие, чем между человеком и другими животными. Произвольный характер ортодоксального взгляда становится яснее, если мы рассмотрим, как он мог бы показаться члену какой-либо другой религиозной общины. Как христиане относятся к мусульманскому мнению о том, что у женщин нет души? Но оставим этот момент в стороне и вернемся к основному аргументу.Мне кажется, что приведенный выше аргумент предполагает серьезное ограничение всемогущества Всевышнего. Признано, что есть определенные вещи, которые Он не может сделать, например, сделать один равным двум, но не должны ли мы верить, что Он имеет свободу даровать душу слону, если Он сочтет нужным? Мы могли бы ожидать, что Он будет использовать эту силу только в сочетании с мутацией, которая снабдила слона должным образом улучшенным мозгом, чтобы служить нуждам этой души. Точно такой же аргумент можно привести и в случае машин.Это может показаться другим, потому что его труднее «глотать». Но на самом деле это означает только то, что мы считаем менее вероятным, что Он сочтет обстоятельства подходящими для дарования души. Обстоятельства, о которых идет речь, обсуждаются в остальной части этого документа. Пытаясь сконструировать такие машины, мы не должны безжалостно узурпировать Его власть создавать души, как и в рождении детей: скорее, в любом случае мы являемся инструментами Его воли, предоставляющими обители для душ, которые Он создает.

Однако это всего лишь предположение. Меня не очень впечатляют богословские аргументы, для чего бы они ни использовались. В прошлом такие аргументы часто оказывались неудовлетворительными. Во времена Галилея утверждалось, что тексты «И остановилось солнце… и не спешило зайти около целого дня» (Иисус Навин, X, 13) и «Он положил основания земли, чтобы она не двигаться в любое время» (Псалом cv. 5) были адекватным опровержением теории Коперника. С нашими нынешними знаниями такой аргумент кажется бесполезным.Когда этого знания не было, оно производило совсем другое впечатление.

(2) Возражение «головы в песке»

«Последствия машинного мышления были бы слишком ужасны. Будем надеяться и верить, что они не смогут этого сделать».

Этот аргумент редко выражается так открыто, как в приведенной выше форме. Но это затрагивает большинство из нас, кто вообще об этом думает. Нам нравится верить, что Человек каким-то неуловимым образом превосходит все остальное творение. Лучше всего, если можно будет показать, что он обязательно выше, ибо тогда нет опасности, что он потеряет свое командное положение.Популярность богословского аргумента явно связана с этим чувством. Она, вероятно, весьма сильна у интеллектуальных людей, так как они выше других ценят силу мышления и более склонны основывать на этой силе свою веру в превосходство человека.

Я не думаю, что этот аргумент достаточно существенен, чтобы требовать опровержения. Утешение было бы уместнее: может быть, его следует искать в переселении душ.

(3) Математическое возражение

Существует ряд результатов математической логики, которые можно использовать для демонстрации ограничений мощности машин с дискретными состояниями.Самый известный из этих результатов известен как теорема Гёделя 1 и показывает, что в любой достаточно мощной логической системе могут быть сформулированы утверждения, которые не могут быть ни доказаны, ни опровергнуты внутри системы, если, возможно, сама система непротиворечива. Есть и другие, в некоторых отношениях похожие результаты, полученные благодаря Черчу, Клини, Россеру, и Тьюрингу. Последний результат наиболее удобен для рассмотрения, так как он относится непосредственно к машинам, в то время как другие могут быть использованы только в сравнительно косвенных рассуждениях: например, если нужно использовать теорему Гёделя, нам нужно вдобавок иметь некоторые средства описания логические системы с точки зрения машин и машины с точки зрения логических систем.Рассматриваемый результат относится к типу машины, которая по сути является цифровым компьютером с бесконечной производительностью. В нем говорится, что есть определенные вещи, которые такая машина не может делать. Если его настроить так, чтобы он давал ответы на вопросы, как в имитационной игре, будут некоторые вопросы, на которые он либо даст неверный ответ, либо вообще не даст ответа, сколько бы времени ни отводилось на ответ. Конечно, таких вопросов может быть много, и на вопросы, на которые не может ответить одна машина, может дать удовлетворительный ответ другая.Мы, конечно, предполагаем на данный момент, что вопросы относятся к типу, на который уместно ответить «Да» или «Нет», а не к таким вопросам, как «Что вы думаете о Пикассо?» Вопросы, которые мы знаем о машинах. должны завершаться ошибкой, относятся к этому типу: «Рассмотрите машину, указанную следующим образом… . Будет ли эта машина когда-нибудь отвечать «Да» на любой вопрос?» Точки следует заменить описанием какой-либо машины в стандартной форме, которая могла бы быть чем-то вроде используемой в § 5. Когда описываемая машина находится в некотором сравнительно простом отношении к изучаемой машине, можно показать что ответ либо неправильный, либо не ожидается.Это математический результат: утверждается, что он доказывает неспособность машин, которым не подвластен человеческий интеллект.

Краткий ответ на этот аргумент заключается в том, что, хотя и установлено, что возможности любой конкретной машины ограничены, было лишь заявлено без каких-либо доказательств, что такие ограничения не применимы к человеческому интеллекту. Но я не думаю, что эту точку зрения можно так легко отвергнуть. Всякий раз, когда одной из этих машин задают соответствующий критический вопрос и она дает определенный ответ, мы знаем, что этот ответ должен быть неправильным, и это дает нам определенное чувство превосходства.Это чувство иллюзорно? Оно, без сомнения, вполне подлинное, но я не думаю, что ему следует придавать слишком большое значение. Мы слишком часто сами даем неправильные ответы на вопросы, чтобы иметь право быть очень довольными такими свидетельствами ошибочности со стороны машин. Кроме того, наше превосходство может ощущаться в таком случае только по отношению к той единственной машине, над которой мы добились нашего мелкого триумфа. О победе одновременно над всеми машинами не могло быть и речи.Короче говоря, могут быть люди умнее любой данной машины, но опять же могут быть и другие машины, умнее, и так далее.

Те, кто придерживается математического аргумента, я думаю, в основном будут готовы принять игру-имитация в качестве основы для обсуждения. Те, кто верит в два предыдущих возражения, вероятно, не будут интересоваться никакими критериями.

(4) Аргумент от сознания

Этот аргумент очень хорошо выражен в речи профессора Джефферсона Листера за 1949 год, которую я цитирую.«Пока машина не сможет написать сонет или сочинить концерт из-за переживаемых мыслей и эмоций, а не из-за случайного падения символов, мы можем согласиться, что машина равна мозгу, то есть не только писать, но и знать, что она написала. Это. Никакой механизм не мог бы испытывать (а не только искусственно сигнализировать, легкое приспособление) удовольствие от своих успехов, огорчаться, когда его клапаны сгорают, согреваться лестью, страдать от своих ошибок, очаровываться сексом, злиться или угнетаться, когда не может. получить то, что хочет.”

Этот аргумент, по-видимому, отрицает достоверность нашего теста. Согласно самой крайней форме этого воззрения, единственный способ убедиться в том, что машина мыслит, — это быть машиной и чувствовать себя мыслящим. Тогда можно было бы описать эти чувства миру, но, конечно, никто не имел бы права обращать на них внимание. Точно так же, согласно этой точке зрения, единственный способ узнать, что думает человек , — это быть этим конкретным человеком. На самом деле это солипсистская точка зрения.Возможно, это самая логичная точка зрения, но она затрудняет обмен идеями. А склонен полагать, что «А думает, а Б нет», в то время как Б верит, что «Б думает, а А нет». Вместо того, чтобы постоянно спорить по этому поводу, обычно придерживаются вежливой условности, о которой думают все.

Я уверен, что профессор Джефферсон не хочет становиться на крайнюю и солипсистскую точку зрения. Вероятно, он был бы вполне готов принять игру в имитацию в качестве теста. Игра (с опущенным игроком B) часто используется на практике под названием viva voce , чтобы выяснить, действительно ли кто-то что-то понимает или «выучил как попугай».Давайте послушаем часть такого viva voce :

Следователь: В первой строке вашего сонета, которая гласит: «Сравню ли я тебя с летним днем», не годится ли «день весенний» или лучше?

Свидетель: Не сканирует.

Следователь: Как насчет «зимнего дня».

Свидетель: Да, но никто не хочет, чтобы его сравнивали с зимним днем.

Следователь: Как вы думаете, мистер Пиквик напомнил вам о Рождестве?

Свидетель: В каком-то смысле.

Следователь: Однако Рождество — зимний день, и я не думаю, что мистер Пиквик будет возражать против сравнения.

Свидетель: Я не думаю, что вы серьезно. Под зимней шкурой подразумевается типичный зимний день, а не особый, как Рождество.

И так далее. Что сказал бы профессор Джефферсон, если бы машина, пишущая сонеты, могла ответить таким же голосом ? Я не знаю, расценил бы он машину как «просто искусственно сигнализирующую» эти ответы, но если бы ответы были столь же удовлетворительными и устойчивыми, как в приведенном выше отрывке, я не думаю, что он назвал бы ее «легким изобретением».Эта фраза, я думаю, предназначена для прикрытия таких приемов, как включение в машину записи о чтении кем-либо сонета с соответствующим включением время от времени.

Короче говоря, я думаю, что большинство тех, кто поддерживает аргумент сознания, можно было бы убедить отказаться от него, а не принуждать к солипсистской позиции. Тогда они, вероятно, захотят принять наш тест.

Я не хочу производить впечатление, что я не думаю, что в сознании нет никакой тайны.Есть, например, некий парадокс, связанный с любой попыткой его локализации. Но я не думаю, что эти загадки обязательно нужно разгадывать, прежде чем мы сможем ответить на вопрос, который нас интересует в этой статье.

(5) Аргументы от различных видов инвалидности

Эти аргументы принимают форму: «Я допускаю, что вы можете заставить машины делать все, что вы упомянули, но вы никогда не сможете заставить машину делать X». В этой связи предлагаются многочисленные особенности X.Предлагаю на выбор:

Быть добрым, находчивым, красивым, дружелюбным (с. 448), проявлять инициативу, иметь чувство юмора, отличать правильное от неправильного, ошибаться (с. 448), влюбляться, наслаждаться клубникой и крем (стр. 448), влюбить в себя, учиться на опыте (стр. 456 f.), правильно использовать слова, быть предметом собственных мыслей (стр. 449), иметь такое же разнообразие поведения как мужчина, сделать что-то действительно новое (стр. 450). (Некоторым из этих нарушений уделяется особое внимание, как указано в номерах страниц.)

Обычно для этих утверждений поддержка не предоставляется. Я считаю, что они в основном основаны на принципе научной индукции. За свою жизнь человек повидал тысячи машин. Из того, что он видит о них, он делает ряд общих выводов. Они уродливы, каждая предназначена для очень ограниченной цели, когда требуется для совсем другой цели, они бесполезны, разнообразие поведения каждого из них очень мало и т. д. и т. д. Естественно, он заключает, что это необходимые свойства. машин вообще.Многие из этих ограничений связаны с очень маленькой емкостью памяти большинства машин. (Я предполагаю, что идея емкости памяти каким-то образом расширена для охвата машин, отличных от машин с дискретными состояниями. Точное определение не имеет значения, поскольку в настоящем обсуждении не претендует на математическую точность.) Несколько лет назад, когда очень мало что было слышно о цифровых компьютерах, можно было вызвать большое недоверие к ним, если упоминать их свойства, не описывая их конструкции.Предположительно, это произошло из-за аналогичного применения принципа научной индукции. Эти приложения принципа, конечно, в значительной степени бессознательны. Когда обожженный ребенок боится огня и показывает, что боится его, избегая его, я должен сказать, что он применял научную индукцию. (Конечно, я мог бы также описать его поведение многими другими способами.) Труды и обычаи человечества кажутся не очень подходящим материалом для применения научной индукции. Для получения надежных результатов необходимо исследовать очень большую часть пространства-времени.В противном случае мы можем (как и большинство английских детей) решить, что все говорят по-английски и что учить французский глупо.

Тем не менее, следует сделать особые замечания по поводу многих из упомянутых нарушений. Неспособность полакомиться клубникой со сливками могла показаться читателю легкомысленной. Возможно, машину можно было бы заставить наслаждаться этим восхитительным блюдом, но любая попытка заставить ее делать это была бы идиотизмом. Что важно в этой инвалидности, так это то, что она способствует возникновению некоторых других инвалидностей, e.грамм. к трудности такого же дружелюбия, возникающего между человеком и машиной, как между белым человеком и белым человеком или между черным человеком и черным человеком.

Утверждение, что «машины не могут ошибаться», кажется любопытным. Возникает искушение возразить: «И что, им от этого хуже?» Но давайте займем более сочувственную позицию и попытаемся понять, что же имеется в виду на самом деле. Думаю, эту критику можно объяснить игрой в имитацию. Утверждается, что следователь мог отличить машину от человека, просто задав им ряд арифметических задач.Машина будет разоблачена из-за ее смертоносной точности. Ответ на это прост. Машина (запрограммированная для игры) не будет пытаться дать правильных ответов на арифметические задачи. Это преднамеренно вносило бы ошибки таким образом, чтобы сбить следователя с толку. Механическая ошибка, вероятно, проявилась бы в неподходящем решении относительно того, какую ошибку сделать в арифметике. Даже такая интерпретация критики недостаточно сочувственна.Но мы не можем позволить себе углубляться в это. Мне кажется, что эта критика основана на смешении двух видов ошибок. Мы можем назвать их «ошибками функционирования» и «ошибками заключения». Ошибки в работе возникают из-за какой-либо механической или электрической неисправности, из-за которой машина ведет себя не так, как было задумано. В философских дискуссиях любят игнорировать возможность таких ошибок; следовательно, речь идет об «абстрактных машинах». Эти абстрактные машины являются математическими фикциями, а не физическими объектами.По определению они не способны к ошибкам функционирования. В этом смысле мы действительно можем сказать, что «машины никогда не могут ошибаться». Ошибки вывода могут возникнуть только тогда, когда выходным сигналам машины придается какое-то значение. Машина может, например, печатать математические уравнения или предложения на английском языке. Когда печатается ложное предложение, мы говорим, что машина совершила ошибку вывода. Совершенно очевидно, что нет никаких оснований говорить, что машина не может совершать такого рода ошибки.Он может ничего не делать, кроме как многократно печатать «0 = 1». Если взять менее извращенный пример, у него может быть какой-то метод для получения выводов с помощью научной индукции. Мы должны ожидать, что такой метод будет иногда приводить к ошибочным результатам.

На утверждение о том, что машина не может быть предметом своего собственного мышления, можно, конечно, ответить, только если можно показать, что машина имеет некоторых мыслей с некоторыми предметами. Тем не менее, кажется, что «предмет работы машины» что-то значит, по крайней мере, для людей, которые имеют с ним дело.Если бы, например, машина пыталась найти решение уравнения x 2 — 40 x — 11 = 0, то возникло бы искушение описать это уравнение как часть предмета, изучаемого машиной в данный момент. В этом смысле машина, несомненно, может быть своим собственным предметом. Его можно использовать для помощи в составлении собственных программ или для предсказания последствий изменений в его собственной структуре. Наблюдая за результатами своего собственного поведения, он может модифицировать свои собственные программы для более эффективного достижения какой-либо цели.Это возможности ближайшего будущего, а не утопические мечты.

Критика того, что машина не может иметь большого разнообразия поведения, — это просто способ сказать, что у нее не может быть большой емкости памяти. До недавнего времени емкость памяти даже в тысячу разрядов была большой редкостью.

Критика, которую мы здесь рассматриваем, часто является замаскированной формой аргументации от сознания. Обычно, если кто-то утверждает, что машина может делать одну из этих вещей, и описывает тип метода, который может использовать машина, это не произведет большого впечатления.Думается, что метод (каким бы он ни был, ибо он должен быть механическим) действительно довольно низок. Сравните скобки в утверждении Джефферсона, приведенном на с. 21.

(6) Возражение леди Лавлейс

Самая подробная информация об аналитической машине Бэббиджа взята из мемуаров леди Лавлейс. В нем она заявляет: «Аналитическая машина не претендует на то, чтобы что-либо породила . Он может делать все, что мы знаем, как приказать ему выполнять» (курсив ее).Это утверждение цитирует Hartree (стр. 70), который добавляет: «Это не означает, что невозможно сконструировать электронное оборудование, которое будет «думать само по себе» или в котором, с точки зрения биологии, можно было бы установить условный рефлекс, который служил бы основой для «обучения». Возможно ли это в принципе или нет, является стимулирующим и захватывающим вопросом, на который указывают некоторые из этих недавних событий. Но, похоже, машины, построенные или спроектированные в то время, не обладали этим свойством».

Я полностью согласен с Хартри по этому поводу. Следует отметить, что он не утверждает, что машины, о которых идет речь, не обладали имуществом, а скорее то, что доказательства, имевшиеся в распоряжении леди Лавлейс, не побуждали ее верить в то, что оно у них было. Вполне возможно, что рассматриваемые машины в некотором смысле обладали этим свойством. Предположим, что некоторый автомат с дискретными состояниями обладает этим свойством. Аналитическая машина была универсальным цифровым компьютером, так что, если бы ее объем памяти и скорость были адекватными, ее можно было бы с помощью подходящего программирования заставить имитировать рассматриваемую машину.Вероятно, этот аргумент не пришел в голову ни графине, ни Бэббиджу. В любом случае они не были обязаны требовать все, что можно было потребовать.

Весь этот вопрос мы еще раз рассмотрим в рубрике обучающихся машин.

Вариант возражения леди Лавлейс гласит, что машина «никогда не может сделать ничего действительно нового». Это можно на мгновение парировать пилой: «Нет ничего нового под солнцем». Кто может быть уверен, что «первоначальная работа», которую он проделал, была не просто ростом семени, посаженного в него учением, или следствием следования общеизвестным общим принципам.Лучший вариант возражения гласит, что машина никогда не сможет «застигнуть нас врасплох». Это утверждение является более прямым вызовом, и на него можно ответить напрямую. Машины застают меня врасплох с большой частотой. Во многом это происходит потому, что я недостаточно рассчитываю, чтобы решить, чего от них ожидать, или, скорее, потому, что, хотя я и рассчитываю, делаю это торопливо, небрежно, рискуя. Возможно, я говорю себе: «Я полагаю, что напряжение здесь должно быть таким же, как и там: во всяком случае, допустим, что оно есть».’

Естественно, я часто ошибаюсь, и результат оказывается для меня неожиданностью, потому что к тому времени, когда эксперимент закончен, эти предположения были забыты. Эти признания делают меня открытым для лекций о моем порочном поведении, но не подвергайте сомнению мою достоверность, когда я свидетельствую о неожиданностях, которые я испытываю.

Я не думаю, что этот ответ заставит моего критика замолчать. Он, вероятно, скажет, что такие сюрпризы происходят из-за какого-то творческого умственного акта с моей стороны и не делают никакого кредита на машину.Это возвращает нас к аргументу сознания, а не к идее неожиданности. Это направление рассуждений мы должны считать законченным, но, возможно, стоит отметить, что оценка чего-либо как удивительного требует такого же «творческого умственного акта», независимо от того, исходит ли неожиданное событие от человека, книги, машины или чего-то еще. еще.

Представление о том, что машины не могут преподносить сюрпризы, я полагаю, связано с заблуждением, которому особенно подвержены философы и математики.Это допущение, что как только факт представлен уму, все следствия этого факта возникают в уме одновременно с ним. Это очень полезное допущение во многих обстоятельствах, но слишком легко забывается, что оно ложно. Естественным последствием этого является предположение, что нет никакой ценности в простом выводе следствий из данных и общих принципов.

(7) Аргумент непрерывности в нервной системе

Нервная система определенно не является машиной с дискретными состояниями.Небольшая ошибка в информации о величине нервного импульса, воздействующего на нейрон, может иметь большое значение для величины исходящего импульса. Можно возразить, что если это так, то нельзя ожидать, что можно будет имитировать поведение нервной системы с помощью системы с дискретным состоянием.

Это правда, что машина с дискретными состояниями должна отличаться от машины непрерывного действия. Но если придерживаться условий игры в имитацию, то следователь не сможет воспользоваться этой разницей.Положение можно прояснить, если рассмотреть какую-нибудь другую более простую непрерывную машину. Дифференциальный анализатор подойдет очень хорошо. (Дифференциальный анализатор — это машина определенного типа, не относящаяся к типу с дискретным состоянием, используемая для некоторых видов вычислений.) Некоторые из них дают свои ответы в типизированной форме и поэтому подходят для участия в игре. Цифровой компьютер не сможет точно предсказать, какие ответы даст дифференциальный анализатор на задачу, но он вполне способен дать правильный ответ.Например, если вас попросят дать значение π (фактически около 3,1416), будет разумно выбрать случайным образом между значениями 3,12, 3,13, 3,14, 3,15, 3,16 с вероятностью 0,05, 0,15, 0,55, 0,19, 0,06 (скажем). В этих условиях следователю будет очень трудно отличить дифференциальный анализатор от цифрового компьютера.

(8) Аргумент от неформального поведения

Невозможно составить набор правил, описывающих, что должен делать человек при каждом мыслимом наборе обстоятельств.Например, у человека может быть правило: останавливаться, когда видишь красный свет светофора, и ехать, если видишь зеленый, но что, если по какой-то ошибке оба сигнала появляются вместе? Возможно, кто-то решит, что безопаснее всего остановиться. Но впоследствии из этого решения вполне могут возникнуть дополнительные трудности. Попытка разработать правила поведения, охватывающие все возможные ситуации, даже возникающие в результате светофора, представляется невозможной. Со всем этим я согласен.

Отсюда утверждается, что мы не можем быть машинами.Я попытаюсь воспроизвести этот аргумент, но боюсь, что вряд ли смогу передать его правильно. Кажется, что-то вроде этого работает. «Если бы у каждого человека был определенный набор правил поведения, регулирующих его жизнь, он был бы не лучше машины. Но таких правил нет, поэтому люди не могут быть машинами». Нераспределенная середина бросается в глаза. Я не думаю, что аргумент когда-либо формулировался именно так, но я считаю, что этот аргумент тем не менее используется. Однако может возникнуть определенная путаница между «правилами поведения» и «законами поведения», чтобы затуманить проблему.Под «правилами поведения» я подразумеваю такие заповеди, как «Остановись, если увидишь красный свет», на основании которых можно действовать и которые можно осознавать. Под «законами поведения» я подразумеваю законы природы применительно к человеческому телу, такие как «если его ущипнуть, он завизжит». Если мы заменим «законами поведения, регулирующими его жизнь» на «законы поведения, которыми он регулирует свою жизнь» в приведенном аргументе, то нераспределенная середина перестанет быть непреодолимой. Ибо мы считаем, что верно не только то, что регулирование законами поведения подразумевает существование некоторого рода машины (хотя и не обязательно машины с дискретными состояниями), но, наоборот, существование такой машины подразумевает регулирование такими законами.Однако мы не можем так легко убедиться в отсутствии полных законов поведения, как полных правил поведения. Единственный известный нам способ найти такие законы — это научное наблюдение, и мы, конечно же, не знаем обстоятельств, при которых мы могли бы сказать: «Мы искали достаточно». Таких законов не существует».

Мы можем убедительнее продемонстрировать, что любое такое утверждение было бы необоснованным. Предположим, мы могли бы быть уверены, что найдем такие законы, если бы они существовали. Тогда, учитывая машину с дискретными состояниями, несомненно, можно было бы обнаружить путем наблюдения за ней достаточно, чтобы предсказать ее будущее поведение, и это в течение разумного времени, скажем, тысячи лет.Но, похоже, это не так. Я установил на манчестерском компьютере небольшую программу, использующую всего 1000 единиц памяти, посредством чего машина, снабженная одним шестнадцатизначным числом, отвечает другим в течение двух секунд. Я бы бросил вызов любому, кто узнает из этих ответов достаточно о программе, чтобы быть в состоянии предсказать любые ответы на непроверенные значения.

(9) Аргумент экстрасенсорного восприятия

Я предполагаю, что читатель знаком с идеей экстрасенсорного восприятия и значением четырех его элементов, а именно. телепатия, ясновидение, предвидение и психокинез. Эти тревожные явления, кажется, опровергают все наши обычные научные идеи. Как бы нам хотелось дискредитировать их! К сожалению, статистических данных, по крайней мере, в отношении телепатии, очень много. Очень трудно перестроить свои идеи так, чтобы они соответствовали этим новым фактам. После того, как вы их приняли, поверить в привидения и привидения не так уж и сложно. Представление о том, что наши тела движутся просто по известным законам физики вместе с некоторыми другими, еще не открытыми, но в чем-то похожими, уйдет одной из первых.

Этот аргумент, на мой взгляд, довольно сильный. В ответ можно сказать, что многие научные теории, по-видимому, остаются применимыми на практике, несмотря на то, что они противоречат экстрасенсорному восприятию; что на самом деле можно очень хорошо поладить, если забыть об этом. Это довольно холодное утешение, и кто-то опасается, что мышление — это как раз тот феномен, при котором Э.С.П. может быть особенно актуальным.

Более конкретный аргумент, основанный на E.S.P. может звучать следующим образом: «Давайте сыграем в имитацию, используя в качестве свидетелей человека, который хорош в качестве телепатического приемника, и цифровой компьютер.Следователь может задавать такие вопросы, как «Какой масти карта в моей правой руке?» Человек с помощью телепатии или ясновидения дает правильный ответ 130 раз из 400 карт. Машина может только угадывать случайным образом и, возможно, правильно выдает 104, поэтому следователь делает правильную идентификацию». Здесь открывается интересная возможность. Предположим, что цифровой компьютер содержит генератор случайных чисел. Тогда будет естественно использовать это, чтобы решить, какой ответ дать. Но тогда генератор случайных чисел будет подчиняться психокинетическим силам следователя.Возможно, этот психокинез может привести к тому, что машина угадает чаще, чем можно было бы ожидать при расчете вероятности, так что следователь все равно не сможет правильно идентифицировать. С другой стороны, он мог бы угадать правильно без всякого вопроса, с помощью ясновидения. С Э.С.П. все может случиться.

Если телепатия будет допущена, то придется ужесточить наш тест. Ситуацию можно было бы рассматривать как аналогичную той, которая имела бы место, если бы следователь разговаривал сам с собой, а один из участников слушал бы ухом к стене.Помещение участников в «защищенную от телепатии комнату» удовлетворило бы всем требованиям.

7. Обучающие машины

Читатель, должно быть, догадался, что у меня нет очень убедительных аргументов положительного характера в поддержку моих взглядов. Если бы я знал, я бы не стал так стараться указывать на ошибочность противоположных взглядов. Те доказательства, которые у меня есть, я сейчас приведу.

Вернемся ненадолго к возражению леди Лавлейс, утверждавшему, что машина может делать только то, что мы ей приказываем.Можно сказать, что человек может «впрыснуть» в машину идею, и что она до определенной степени отреагирует, а затем затихнет, как струна фортепиано, на которую ударяют молоточком. Другим сравнением может быть атомный котел меньше критического размера: введенная идея должна соответствовать нейтрону, входящему в котел извне. Каждый такой нейтрон будет вызывать определенное возмущение, которое со временем угаснет. Если, однако, размер котла достаточно увеличить, возмущение, вызванное таким падающим нейтроном, весьма вероятно, будет продолжаться и увеличиваться до тех пор, пока весь котел не будет разрушен.Есть ли соответствующее явление для разума и для машин? Похоже, что для человеческого разума есть один. Большинство из них кажутся «подкритическими», , т. е. , соответствуют в этой аналогии сваям докритического размера. Идея, представленная такому уму, в среднем вызовет менее одной идеи в ответ. Небольшая часть является сверхкритической. Представленная такому уму идея может породить целую «теорию», состоящую из вторичных, третичных и более отдаленных идей.Ум животных, кажется, очень определенно субкритичен. Придерживаясь этой аналогии, мы спрашиваем: «Можно ли сделать машину сверхкритической?»

Аналогия с луковой шелухой также полезна. При рассмотрении функций ума или мозга мы находим определенные операции, которые мы можем объяснить чисто механическими терминами. Мы говорим, что это не соответствует реальному уму: это своего рода кожа, которую мы должны содрать, если хотим найти настоящий ум. Но затем в том, что осталось, мы находим еще одну кожу, которую нужно снять, и так далее.Действуя таким образом, придем ли мы когда-нибудь к «настоящему» уму или в конце концов придем к коже, в которой ничего нет? В последнем случае весь ум механический. (Однако это не будет машина с дискретными состояниями. Мы обсуждали это.)

Последние два абзаца не претендуют на роль убедительных аргументов. Скорее их следует охарактеризовать как «рассказы, стремящиеся породить веру».

Единственной действительно удовлетворительной поддержкой точки зрения, выраженной в начале § 6, будет та, которая будет обеспечена ожиданием конца века, а затем выполнением описанного эксперимента.Но что мы можем сказать в то же время? Какие шаги нужно предпринять сейчас, чтобы эксперимент удался?

Как я уже объяснял, проблема в основном в программировании. Потребуется также технический прогресс, но маловероятно, что он будет недостаточным для удовлетворения требований. Оценки емкости памяти мозга варьируются от 10 10 до 10 15 двоичных цифр. Я склоняюсь к более низким значениям и полагаю, что только очень небольшая часть используется для более высоких типов мышления.Большая его часть, вероятно, используется для сохранения зрительных впечатлений. Я был бы удивлен, если бы для удовлетворительной игры в имитацию требовалось более 10 9 , по крайней мере против слепого. (Примечание. Емкость Британской энциклопедии , , 11-е издание, составляет 2 × 10 9 .) Емкость памяти 10 7 была бы вполне осуществимой даже с использованием современных технологий. Наверное, вообще не нужно повышать скорость работы машин.Части современных машин, которые можно рассматривать как аналоги нервных клеток, работают примерно в тысячу раз быстрее, чем последние. Это должно обеспечить «запас прочности», который мог бы покрыть потери скорости, возникающие во многих отношениях. Наша проблема состоит в том, чтобы выяснить, как запрограммировать эти машины для игры. При моем нынешнем темпе работы я произвожу около тысячи цифр программы в день, так что около шестидесяти рабочих, постоянно работающих в течение пятидесяти лет, могли бы выполнить эту работу, если бы ничего не попало в корзину для бумаг.Желателен какой-то более быстрый метод.

В процессе имитации разума взрослого человека мы вынуждены много думать о процессе, который привел его к тому состоянию, в котором он находится. Мы можем заметить три компонента:

  • Начальное состояние разум, скажем, при рождении,

  • Воспитание, которому он подвергся,

  • Другой опыт, не подлежащий описанию как образование, которому он подвергся.

Почему бы вместо того, чтобы пытаться создать программу, имитирующую взрослый разум, не попытаться создать программу, которая имитирует сознание ребенка? Если бы это затем было подвергнуто соответствующему курсу обучения, можно было бы получить мозг взрослого человека. Предположительно, детский мозг — это что-то вроде записной книжки, которую покупают у канцелярских продавцов. Довольно маленький механизм и много чистых листов. (С нашей точки зрения, механизм и письмо — почти синонимы.) Мы надеемся, что в детском мозгу так мало механизмов, что что-то подобное можно легко запрограммировать.Мы можем предположить, что объем работы в области образования в первом приближении почти такой же, как и для человеческого ребенка.

Итак, мы разделили нашу задачу на две части. Детская программа и образовательный процесс. Эти двое остаются очень тесно связанными. Мы не можем рассчитывать найти хорошего ребенка-машину с первой попытки. Нужно поэкспериментировать с обучением одной такой машины и посмотреть, насколько хорошо она обучается. Затем можно попробовать другой и посмотреть, лучше он или хуже. Существует очевидная связь между этим процессом и эволюцией, по отождествлениям

Структура ребенка = наследственный материал
= Мутации = Мутации
Натуральный выбор = суждение экспериментатора
Структура ребенка Машина = наследственный материал
— мутации = мутации
натуральный отбор = суждение экспериментатора
Структура ребенка = наследственный материал
изменения «» = мутации
натуральный выбор = суждение экспериментатора
структура ребенка = наследственный материал изменения «» = Му Естественный отбор = Суждение экспериментатора

Однако можно надеяться, что этот процесс будет более быстрым, чем эволюция.Выживание наиболее приспособленных — медленный метод измерения преимуществ. Экспериментатор, используя интеллект, должен быть в состоянии ускорить его. Не менее важен тот факт, что он не ограничивается случайными мутациями. Если он может проследить причину некоторой слабости, он, вероятно, сможет придумать вид мутации, которая улучшит ее.

Невозможно применить к машине точно такой же процесс обучения, как к обычному ребенку. Например, у него не будет ножек, чтобы его нельзя было попросить выйти и наполнить ведро с углем.Возможно, у него не было глаз. Но как бы хорошо эти недостатки ни преодолевались хитрой инженерией, нельзя было отправить это существо в школу без того, чтобы другие дети не высмеивали его. Это должно быть дано некоторое обучение. Нам не нужно слишком беспокоиться о ногах, глазах и т. д. Пример мисс Хелен Келлер показывает, что образование может иметь место при условии, что общение в обоих направлениях между учителем и учеником может происходить теми или иными средствами.

Обычно мы связываем наказания и поощрения с процессом обучения.Некоторые простые дочерние машины могут быть сконструированы или запрограммированы по такому принципу. Машина должна быть сконструирована таким образом, чтобы события, которые непосредственно предшествовали возникновению сигнала-наказания, вряд ли повторились бы, в то время как сигнал-награда увеличивал вероятность повторения событий, которые к нему привели. Эти определения не предполагают никаких чувств со стороны машины. Я провел несколько экспериментов с одним из таких детей-машин, и мне удалось обучить его нескольким вещам, но метод обучения был слишком неортодоксальным, чтобы эксперимент можно было считать действительно успешным.

Использование наказаний и поощрений в лучшем случае может быть частью учебного процесса. Грубо говоря, если у учителя нет других средств связи с учеником, количество информации, которое может до него дойти, не превышает общего количества применяемых поощрений и наказаний. К тому времени, когда ребенок научится повторять «Касабьянку», он, вероятно, действительно почувствовал бы себя очень болезненным, если бы текст можно было обнаружить только с помощью метода «Двадцати вопросов», где каждое «НЕТ» принимало форму удара. Поэтому необходимо иметь какие-то другие «неэмоциональные» каналы связи.Если они доступны, можно с помощью наказаний и поощрений научить машину подчиняться приказам, отдаваемым на каком-либо языке, например, . символический язык. Эти приказы должны передаваться по «неэмоциональным» каналам. Использование этого языка значительно уменьшит количество требуемых наказаний и поощрений.

Мнения могут различаться относительно сложности, подходящей для дочерней машины. Можно попытаться сделать его как можно более простым в соответствии с общими принципами.В качестве альтернативы можно иметь «встроенную» полную систему логического вывода. 1 В последнем случае магазин был бы в основном занят определениями и предложениями. Предложения будут иметь различные виды статуса, например. хорошо установленные факты, догадки, математически доказанные теоремы, утверждения, данные авторитетом, выражения, имеющие логическую форму суждения, но не доверительную ценность. Некоторые предложения могут быть описаны как «императивы». Машина должна быть сконструирована таким образом, чтобы, как только императив классифицировался как «устоявшийся», автоматически выполнялось соответствующее действие.Чтобы проиллюстрировать это, предположим, что учитель говорит машине: «Сделай домашнее задание сейчас». Это может привести к тому, что фраза «Учитель говорит: «Сделай домашнее задание сейчас»» будет включена в число общеизвестных фактов. Другим таким фактом может быть

«Все, что говорит учитель, правда». Их сочетание может в конечном итоге привести к тому, что императив «Сделай домашнюю работу сейчас» будет включен в число хорошо установленных фактов, и это, благодаря конструкции машины, будет означать, что домашняя работа действительно начнется, но эффект будет очень удовлетворительным. .Процессы вывода, используемые машиной, не обязательно должны удовлетворять самых требовательных логиков. Например, может не быть иерархии типов. Но это не должно означать, что будут возникать ошибки типа, точно так же, как мы не обречены падать с незащищенных скал. Подходящие императивы (выраженные в системах, не являющиеся частью правил системы), такие как «Не используйте класс, если он не является подклассом того, который был упомянут учителем», могут иметь аналогичный эффект для «Не подходи слишком близко к краю».

Императивы, которым может подчиняться машина без конечностей, должны носить довольно интеллектуальный характер, как в приведенном выше примере (выполнение домашнего задания). Важными среди таких императивов будут те, которые регулируют порядок применения правил рассматриваемой логической системы. Ибо на каждом этапе использования логической системы существует очень большое количество альтернативных шагов, каждый из которых разрешено применять, поскольку это касается подчинения правилам логической системы.Этот выбор определяет разницу между блестящим и рассудительным мыслителем, а не разницу между здравомыслящим и ошибочным. Предложения, ведущие к императивам такого рода, могут быть такими: «Когда упоминается Сократ, используйте силлогизм в Варваре» или «Если доказано, что один метод быстрее другого, не используйте более медленный метод». Некоторые из них могут быть «предоставлены властями», но другие могут быть произведены самой машиной, например, . по научной индукции.

Некоторым читателям идея обучающейся машины может показаться парадоксальной.Как могут измениться правила эксплуатации машины? Они должны полностью описывать, как машина будет реагировать, какой бы ни была ее история, какие бы изменения она ни претерпела. Таким образом, правила практически не зависят от времени. Это совершенно верно. Объяснение парадокса состоит в том, что правила, которые изменяются в процессе обучения, носят гораздо менее претенциозный характер и претендуют лишь на эфемерную действительность. Читатель может провести параллель с Конституцией Соединенных Штатов.

Важной особенностью обучающейся машины является то, что ее учитель часто в значительной степени не знает, что происходит внутри, хотя он все же может в некоторой степени предсказать поведение своего ученика.В наибольшей степени это должно относиться к последующему образованию машины, возникающей из дочерней машины с хорошо испытанной конструкцией (или программой). Это явно контрастирует с обычной процедурой использования машины для выполнения вычислений: в этом случае цель состоит в том, чтобы иметь четкую мысленную картину состояния машины в каждый момент вычислений. Эта цель может быть достигнута только с борьбой. Мнение, что «машина может делать только то, что мы знаем, как ей приказать», 1 , кажется странным перед лицом этого.Большинство программ, которые мы можем поместить в машину, приведут к тому, что она будет делать что-то, что мы вообще не можем понять, или что мы рассматриваем как совершенно случайное поведение. Интеллектуальное поведение, по-видимому, состоит в отходе от полностью дисциплинированного поведения, связанного с вычислениями, но в довольно незначительном отклонении, которое не приводит к случайному поведению или бессмысленным повторяющимся циклам. Другой важный результат подготовки нашей машины к ее участию в имитационной игре в процессе обучения и обучения состоит в том, что «человеческая склонность к ошибкам» скорее всего будет опущена довольно естественным образом, т. е.е. без специальной «тренировки». (Читатель должен согласовать это с точкой зрения на стр. 24, 25.) Наученные процессы не дают стопроцентного результата. уверенность в результате; если бы они это сделали, они не могли бы быть разучившимися.

Вероятно, было бы целесообразно включить в обучающую машину случайный элемент (см. стр. 438). Случайный элемент весьма полезен, когда мы ищем решение какой-то проблемы. Предположим, например, что мы хотим найти число от 50 до 200, равное квадрату суммы его цифр, мы можем начать с 51, затем попробовать 52 и продолжать, пока не получим число, которое сработает.В качестве альтернативы мы можем выбирать числа случайным образом, пока не получим хороший. Преимущество этого метода в том, что нет необходимости отслеживать значения, которые были опробованы, а недостаток в том, что одно и то же можно попробовать дважды, но это не очень важно, если есть несколько решений. Недостаток систематического метода состоит в том, что может существовать огромный блок без каких-либо решений в области, которую необходимо исследовать в первую очередь. Теперь процесс обучения можно рассматривать как поиск формы поведения, которая удовлетворит учителя (или какой-либо другой критерий).Поскольку существует, вероятно, очень большое количество удовлетворительных решений, случайный метод кажется лучше, чем систематический. Следует заметить, что он используется в аналогичном процессе эволюции. Но там систематический метод невозможен. Как можно отследить различные генетические комбинации, которые были опробованы, чтобы избежать их повторения?

Мы можем надеяться, что со временем машины будут конкурировать с людьми во всех чисто интеллектуальных областях. Но с каких лучше начать? Даже это трудное решение.Многие люди думают, что лучше всего подойдет очень абстрактная деятельность, например, игра в шахматы. Можно также утверждать, что лучше всего снабдить машину лучшими органами чувств, которые можно купить за деньги, а затем научить ее понимать и говорить по-английски. Этот процесс может следовать обычному обучению ребенка. Вещи будут указаны и названы и т. д. Опять же, я не знаю, какой ответ правильный, но я думаю, что следует попробовать оба подхода.

Мы можем видеть только небольшое расстояние вперед, но мы видим там много того, что нужно сделать.

БИБЛИОГРАФИЯ

Сэмюэл

Батлер

,

Эревхон

,

Лондон

,

1865

.

Главы 23, 24, 25

,

Книга Машин

.

Алонзо

Черч

, «

Неразрешимая проблема теории элементарных чисел

»,

American J. of Math.

,

58

(

1936

),

345

363

.

К.

Gödel

, «

Überformal unentscheildbare Sätze der Principia Mathematica und verwandter Systeme, I

»,

Monatshefle für Math, und Phys.

, (

1931

),

173

189

.

D.R.

Hartree

,

Счетные приборы и машины

,

Нью-Йорк

,

1949

.

 

S. C.

Клини

, «

Общие рекурсивные функции натуральных чисел

»,

American J.математики.

,

57

(

1935

),

153

173

и

219

244

.

G.

Джефферсон

, «

Разум механического человека». Lister Oration за 1949

.

Британский медицинский журнал

, том.

и

(

1949

),

1105

1121

.

Графиня Лавлейс

, ‘

Примечания переводчика к статье об Аналитическом Энгиро Бэббиджа

’,

Научные Мемуары

(изд.по

р.

Тейлор

), том.

3

(

1842

),

691

731

.

Бертран

Рассел

,

История западной философии

,

Лондон

,

1940

.

A. M.

Тьюринг

, «

О вычислимых числах, с приложением к проблеме Entscheidungsproblem

»,

Proc. Лондонская математика. соц.

(

2

),

42

(

1937

),

230

265

.

Манчестерский университет Виктории.

© Издательство Оксфордского университета

.

Добавить комментарий

Ваш адрес email не будет опубликован.