Когнитивные методы и технологии, искусственный интеллект, искусственное сознание, искусственный разум, как составляющие научного сопровождения управляемого развития науки, экономики и социума, приобретают в последнее время все более ощутимую значимость. Необходимость в таких методах и технологиях особенно актуальна в ситуациях, где ощущается наличие признаков того, что выражается таким емким и не совсем понятным термином, как неопределенность. Почему мы начинаем разговор о генерации новых знаний (НЗ) с неопределенности? Потому что антиподом неопределенности является истинность, а именно истинность будет рассмотрена в качестве базовой категории в генерации НЗ. Можно предположить в качестве рабочей гипотезы, что диалектически вполне корректно искать истинность там, где может находиться неопределенность. То есть неопределенность может служить хорошо подготовленной почвой для «черпания» из нее возможных вариантов истинных знаний. Другими словами, вполне допустимо, что именно из неопределенности возникает знание, как из хаоса рождается порядок. Мы привыкли, что идея «порядок из хаоса» уже стала нам близкой, понятной и вполне приемлемой. Когда мы эту идею рассматриваем, то относим ее к миру материальному, где есть вещество, есть энергия, а здесь присутствует другая сущность — информационная. «Истинное знание из неопределенности» (или даже можно усилить — «истинность из неистинности») — эта формула уже созрела и именно по этой формуле происходят мыслительные процессы. И в этом мы убедимся ниже. Рассмотрим понятие неопределенности более подробно. Обычно термин неопределенность используется в самом широком смысле, и этот смысл имеет, как правило, негативный оттенок. К этому понятию далее нам придется обращаться многократно. Негативный смысл неопределенности связывается, прежде всего, с факторами риска практически во всех проявлениях жизни. Рассуждая в этом ключе, мы можем сделать логическую связку и написать равенство типа «факторы неопределенности = факторы риска». Современная наука объявила неопределенности непримиримую борьбу, но эта борьба ведется, к сожалению, с переменным успехом, а неопределенность, опять же, к сожалению, в этой борьбе не уменьшается. Наверное, в этом состоит некоторая фатальная неизбежность нашей действительности. Если согласиться с мнением, что современная экономика России находится на пути интенсивного инновационного развития, то наличие возрастающего влияния факторов неопределенности не может не сказаться на необходимости поиска принципиально новых научных методов управления. Данная потребность определяется чрезвычайно высокой системной сложностью экономики вследствие причин, которые можно условно разделить на две группы: •Внутренние. Постоянное увеличение количества задач учета, анализа, контроля, возлагаемых на экономику, и повышение требований к качеству управления, где отдельно следует выделить проблему большой размерности данных. Создается иллюзия, что чем больше форм отчетности, компьютерных программ, баз данных, оптимальных алгоритмов, тем качественнее будет управление. Реальность, как мы видим, часто указывает на обратное: наблюдаемый «перегруз» формализацией не всегда приводит к лучшему пониманию происходящих процессов, часто отделяет управленца от управляемого объекта, «затушевывая» детали и нюансы, что не может не сказаться на его квалификации. •Внешние. Воздействие на экономику и социум практически неограниченного множества факторов неопределенности различной природы, интенсивности и продолжительности: политика внутренняя и международная, санкции, климатические аномалии, коррупция, расходы на вооружение и т.д. В целом эти две причины, несомненно, всегда неразрывно связаны между собой. Вопрос стоит лишь в доли влияния каждой из них на качество управления, имея в виду, естественно, качество управления экономической системой. Нет смысла убеждаться в том, что методов управления экономической системой, которые вынуждены работать в условиях воздействия факторов неопределенности, бесконечно много. Собственно, можно согласиться с тезисом, что любое управление в значительной степени есть акт сознательного и целенаправленного противодействия неопределенности. Проблема преодоления неопределенности всегда относилась к разряду актуальных, что с общесистемных позиций говорит о непреодолимом присутствии неопределенности в экономических процессах практически везде и всюду. С этим обстоятельством невозможно ничего поделать, с ним остается только смириться и относиться к неопределенности как к «неизбежному злу». Закономерно возникает вопрос, почему все-таки возникают факторы неопределенности, в чем видится причина их постоянного появления и проявления. Есть много объяснений этому феномену. Одного из них можно отнести к самому известному и очевидному. Это невозможность до конца оценить события, которые произойдут не только в будущем, но и те, которые происходят в настоящем, и даже те, которые были в прошлом. Можно образно сказать, что будущее — это своего рода черный ящик (и чем дальше в будущее, тем чернее он становится), а настоящее и прошлое — серые ящики. Нет смысла утверждать, что мы никогда не будем знать многое из того, что было в прошлом, а также есть сейчас в настоящем, и что в действительности мы знаем лишь самую ничтожную часть всего необъятного объема знаний, реально существующих «где-то там». И даже не можем сказать, какую. Эта непреодолимая неизбежность незнания пугает, но в то же время и заставляет искать причины данного положения вещей. С позиций такого подхода необъятной и плохо понимаемой частью нашего мира является экономическая система. Парадокс незнания, который существует в экономике, связан с тем, что экономику непосредственно мы сами «создаем», она плоть от плоти результат нашей же разумной или неразумной деятельности, наших задумок, наших планов. Складывается впечатление, что в таких чисто «нерукотворных» областях, как физика, биология, астрономия и других, уровень незнания должен быть гораздо больше, чем в «рукотворной» экономике. И в то же время, всё оказывается наоборот. Откуда же там появляется неопределенность, да еще в таких объемах? И почему же мы сами создаем себе трудности и потом их героически преодолеваем. В чем истоки такого рода асимметрии? Одну из причин этого можно объяснить на следующем простом примере. Если, скажем, имеется компания N, которая овладела некоторой новейшей технологией — ноу-хау (к примеру, получения сверхдешевой энергии). Данным знанием никто больше из конкурентов не обладает. Тогда это знание компании N о технологии, обернется для всех других конкурентов очевидным незнанием. То есть все конкуренты будут знать, что появившееся знание компании N им недоступно и в силу этой недоступности может считаться для них незнанием. Таким образом чье-то знание ощущается как асимметричное ему незнание: «знание одного — это незнание другого». Аналогично, если некоторый предприниматель совершает какую-либо сделку, то, естественно, что он не афиширует информацию об этой сделке. Поэтому для остальных это будет незнание, причем они часто даже и не догадываются о факте совершения сделки, то есть опять же знание одних становится незнанием для других, что равнозначно наличию неопределенности для этих других. И так во всех действиях экономического характера в масштабе всей мировой экономики. Поэтому можно утверждать, что в рыночной экономике практически все знания коммерческого характера одних участников рынка несут в себе неопределенность и незнание для других. Другими словами: рынок — это генератор хаоса. Экономическая неопределенность — это, по сути, такой же производимый рыночный продукт, как и все остальные продукты. Можно даже теоретически предположить, что этот продукт может быть своего рода особым товаром, и у него, как у всякого товара, может быть своя стоимость. Поэтому рыночная экономика имеет среди своих несомненных плюсов еще огромный минус — искусственно созданную дорогостоящую неопределенность. С этих позиций плановая экономика, несомненно, более прозрачна, что является ее очевидным плюсом. Данная асимметрия известна давно, достаточно сказать хотя бы о так называемом «рынке лимонов». Асимметрия рынков изучается многими учеными-экономистами, однако, в реальной жизни значение этих исследований трудно реализовать вследствие методической сложности оценки уровня неопределенности. Так, в 2001 году Дж. Акерлоф, М. Спенс и Дж. Стиглиц получили Нобелевскую премию по экономике за анализ рынков с асимметрично доступной информацией [19]. В качестве других примеров можно привести также рынок медицинского страхования, кредитные рынки в развивающихся странах, рынок труда для представителей национальных меньшинств и другие. Что же мешает рыночным субъектам открыть свои карты, свои намерения. Очевидно, это определяется наличием прибыли: чем больше прибыль, тем опаснее ее афиширование, и наоборот. Это с одной стороны. А с другой, закономерен такой вопрос: в чем еще заключается преимущество скрывать свои действия от конкурентов в принципе, безотносительно количества извлекаемой прибыли? Скорее всего здесь на первый план выходит простое требование обеспечения максимальной безопасности рыночной системы, ее устойчивости и других общесистемных требований, обеспечивающих системе нормальное функционирование. Ведь если мы раскроем свои слабые места конкурентам, то это для нас всегда чревато большими неприятностями. Таким образом, мы можем здесь считать вполне установленным фактом, что экономическая система неизбежно продуцирует неопределенность, как спутник своего собственного функционирования и развития. Получается так, что в рыночной экономической системе одна часть общества старается сделать всё для сокрытия своих планов, намерений и действий, а другая часть стремится с помощью различных хитроумных методов анализа и компьютерного моделирования раскрыть эти планы и действия. Такая «игра», где одни что-то прячут, другие это же самое ищут, естественно, очень недешево обходится всему обществу в целом, затраты на обеспечение игры «сокрытие тайны — раскрытие тайны» всегда достаточно велики, и, соответственно, тем более велики симметричные им затраты на проведение всех необходимых аналитических исследований. Цена такой игры — ее величество прибыль. В результате активного поиска подходов и мер противодействия сложившейся дуэльной ситуации к настоящему времени накопился весьма богатый арсенал математических методов и моделей, которые позволяли бы квалифицированно решать задачи управления экономическими системами в условиях неопределенности. Эти задачи управления в свою очередь можно разделить на две большие группы. Приведенное ниже деление достаточно условное, не имеет четкого разграничения и не подразумевает какой-либо ответственности за неоднозначность выводов. Первая группа, самая наиболее предметно разработанная, подробно исследованная и представленная в учебниках, статьях, монографиях и диссертациях, и поэтому наиболее воспринимаемая и наиболее признанная, отличается тем, что в ней проблема уменьшения неопределенности ставится и решается напрямую. То есть сначала решается задача оценки значимости и степени влияния факторов неопределенности, а затем — задача выбора средств уменьшения этого влияния. Это вполне логично, естественно, а правильность такой постановки не вызывает сомнений. Назовем ее классической. Вторая группа задач управления, наоборот, связана не с анализом неопределенности, а с формированием таких методов управления, которые были бы применимы к любым факторам неопределенности, пусть даже и очень существенным и непредсказуемым. При этом объект управления должен сначала «остановиться, замереть и сгруппироваться» в некотором состоянии ожидания, чтобы переждать угрозы от неопределенности, а затем максимально быстро перегруппироваться для движения в направлении наиболее желательной траектории. Именно такого «человекоподобного» характера задача управления экономическим объектом должна в максимальной степени стимулировать научный поиск. Поскольку методы второй группы по своему характеру приближаются к поведению практически всех живых существ и, в частности, человека, то вполне логично, что для их реализации целесообразно подключить дополнительные возможности, появляющиеся в результате имитации мыслительных процессов, которые происходят в мозге человека. Ведь природа не зря, наверное, создала такой мощный инструмент, как мозг. Здесь следует заметить, что обе группы не являются взаимоисключающими, вследствие чего вполне резонно поставить вопрос об их совместном комбинированном использовании. Выигрыш от такого совмещения очевиден. Вторая группа методов, как сравнительно молодая отрасль, уверенно развивается. Здесь ощутимы и заметны научные и практические результаты на стыке медицины, биологии, программирования в части проникновения вглубь структуры нейрона, понимания принципов его функционирования. Многие школы в мировой когнитивной науке успешно одновременно и сотрудничают, и конкурируют в этом поиске. Инструментальные возможности, которые предоставляет наука об измерениях, позволяет достаточно уверенно двигаться в данном направлении. Вместе с тем здесь наметилось некоторое расхождение в системном видении и описании, с одной стороны, процессов внутри нейрона и функциями мозговой деятельности, с другой. Одна из причин здесь видится в следующем. В процессах мышления чрезвычайно важную роль играет такая «архаичная» и не совсем понятная категория, как истинность знания, о которой мы упомянули еще в начале. Истинность всегда рассматривалась прежде всего как категория, относящаяся к философии. Интуитивно мы, как правило, рассматриваем истинность как нечто противоположное неопределенности, как ее антипод. К сожалению, в качестве объекта математического моделирования истинность рассматривается не так часто. Это объясняется следующими обстоятельствами. С одной стороны, истинность есть, некоторым образом, не совсем понятная, расплывчатая категория, не имеющая четких границ понимания, восприятия и назначения. Все эти признаки позволяют говорить об истинности, как о некоторой сущности, за которой прежде всего не очень-то просматриваются причинно-след-ственные связи, обеспечивающие нам ее полное понимание. С другой стороны, истинность в обычном, бытовом, представлении всегда многозначна. У каждого человека свои представления о ценностях, нравственности, значимости тех или иных знаний, и, соответственно, можно без преувеличения сказать, что у каждого человека своя собственная истинность, не всегда совместимая с истинностью других людей. Кроме того, истинность невозможно измерить непосредственно «в лоб». Поэтому очень часто, что особенно характерно для естественных наук, истинность вынужденно и довольно часто без особого ущерба для конечного результата подменяется другими понятиями, которые являются уже измеримыми. Для этой цели очень кстати пришлись «заменители» истинности в виде вероятностных оценок: надежность, правдоподобие, доверительные вероятности и интервалы и т.д. А как быть с понятиями нематематическими? Но все-таки, несмотря на такие проблемы, мы не отказываемся от категории истинности, и подсознательно используем ее достаточно часто в научных исследованиях, даже несмотря на «отмеченные недостатки». Если же в нашем распоряжении нет методов установления истинности, то автоматически помимо наших воли и желания появляется некоторая замещающая универсальная сущность, которая всегда помогает это сделать. Она должна быть применима не только для объяснения всех случаев и проявлений жизни, но и для обеспечения истинности этих объяснений. Эта сущность — Бог. Идея Бога в том и состоит, что должна обязательно быть некоторая истинностная опора в рассуждениях, которая позволяет утверждать уверенность в любом знании. Бог в этом деле весьма подходящая кандидатура, провозглашающая истинность какого-либо знания при минимуме или полном отсутствии доказательной базы. На вопрос «почему так?» всегда можно ответить «на то воля Божья». И это достаточно универсальная, удобная и практичная сторона всех религий мира. Ведь не зря же во всех странах, у всех народов, во все времена в той или иной форме Бог существовал (и даже в науке: вспомним И. Ньютона!), как неотъемлемый атрибут миропознания. Во всяком случае практически все известные ученые всегда относились к идее Бога достаточно серьезно и с пониманием. Причем, даже в настоящее время, несмотря на бурное развитие естественных наук, вера в Бога в обществе тем не менее почему-то не ослабевает. Забегая вперед, можно сказать, что математика как раз и обеспечивает максимальную истинность научных знаний, но не всех, а только дедуктивно выводимых знаний, которые должны служить своего рода эталоном истинности. Именно для этого математика была создана «нематематическим» мозгом, причем создана искусственно (впрочем, как и идея Бога, которая также создана искусственно). Искусственность математики в том, что она оперирует объектами, которые не существуют в природе — точки, прямые, плоскости, функции и т.д. Но эта искусственность обеспечивает ту необходимую истинность, за счет которой математика занимает особое положение «царицы наук» по сравнению с другими науками. Но тем не менее, именно по причине искусственности и наличия негативных в этой связи последствий «против чрезмерного использования математики в экономике и соответствующего этому способу математического изложения экономических процессов и проблем выступали многие видные экономисты, в том числе и лауреаты Нобелевской премии С. Кузнец, В.В. Леонтьев, Г. Мюрдаль. По их мнению, довольно часто увлечение математикой в экономике выхолащивает сущность реальных экономических отношений, поэтому необходимо сохранить «литературный язык» в изложении экономических понятий, дающий наглядную описательную картину. Естественно, оба подхода обладают несомненными преимуществами, и применение их в разумном сочетании дает наибольший эффект» [149]. В этой связи следует обратить внимание, что однонаправленное проникновение математики с ее методами, инструментарием во все науки, включая не только естественные, но и социально-экономические. А обратного процесса мы не наблюдаем, эти науки в математику не проникают, они не вносят в нее своих методов и инструментария. Хотя вносят свои нерешенные задачи и проблемы. Этот феномен представляется заслуживающим отдельного внимательного изучения. Количество научных публикаций по теме места и роли истинности постоянно растет, однако, нельзя уверенно сказать, что проблема до сих пор решена, она переводится в другое «русло» или содержит признаки распыления. При этом часто наблюдается факт подмены самого понятия истинности. Процедуру измерения истинности знания, как мы увидим ниже, возможно реализовать на основе семантического подхода, если связать ее с количеством тех аргументов, которые подтверждают истинность данного знания. И на этом множестве аргументов задать некоторую функцию, которая будет нести смысл истинности знаний. Этот подход для нас ценен тем, что именно так, или почти так, функционирует система мышления. Здесь есть одно ключевое свойство, которое присуще категории истинности, которую мы вводим в оборот. А именно, здесь нет противопоставления категоричной математической дихотомии «истина — ложь», вместо нее мы рассматриваем другую «нематематическую» не столь категоричную пару — «наличие истинности — отсутствие истинности». Отсутствие истинности еще не есть ложь. В обычном разговорном языке существуют как истинные, так и альтернативные утверждения и суждения. Мы в своей первоначальной постановке не будем стремиться к «отбраковке» одной из этих альтернатив, чем всегда профессионально занималась математика. И это правильно и не лишено смысла. Но гораздо конструктивнее было бы развивать обе эти альтернативы. Не зря же альтернативы часто уживаются в реальной жизни. А потом жизнь сама отбросит одну из них, как наименее перспективную. Таких примеров можно в избытке привести в политике, искусстве, да и в науке. Как известно, «шоссе науки выстлано трупами несбывшихся теорий, концепций, мнений и т.д.». По этому поводу уместно вспомнить слова А. Тарского: «из любых двух противоречащих друг другу предложений доказуемо самое большее одно из них и существуют пары противоречащих друг другу предложений, ни одно из которых недоказуемо» [9]. По существу, здесь мы плавно переходим к проблеме моделирования процессов работы «нематематического» мозга в части генерации новых знаний. В структуре мозга нет алгоритмов, которые есть у компьютера, поэтому он может решать возникающие перед ним задачи не строго математически, а редуцированно, так как ему это покажется правильным. Даже если это не будет математически корректно, но оправдано с точки зрения семантической. «Семантика выше математики» — такова природа мозга. Хотя бы потому, что исторически семантика появилась раньше математики. Именно такой подход, связанный с семантическим синтезом, представлен в данном пособии. Результаты, которые получены, соответствуют обычным представлениям об истинности знаний. Применение такого подхода оказалось вполне оправданным, поскольку он позволяет не только объяснить известные ранее факты, но и сформулировать новые задачи и показать способы их решения. Мозг, как показали исследования (результаты таких исследований рассмотрены ниже), в условиях неопределенности обладает уникальной «дополнительной» врожденной способностью обеспечения истинности уже имеющихся и генерируемых новых знаний (НЗ). Это свойство недостаточно полно изучено современной наукой и поэтому тем более оказывается за пределами рассмотрения в существующих концепциях. Когда мы говорим о НЗ, то подразумеваем некоторое утверждение о чем-либо, которого раньше не было и которое обеспечивает некоторое новое понимание. Но может быть и так, что НЗ — это некоторая форма утверждения, своего рода его «оболочка», в которую можно внести и несколько другое содержание. И таким другим содержанием может вполне быть, например, управленческое решение. Механизм генерации мозгом И. Ньютона закона всемирного тяготения и механизм поиска менеджером нестандартного управленческого решения для фирмы во время кризиса в принципе с точки зрения мыслительной деятельности ничем не различаются. Во всяком случае нет никаких оснований утверждать обратное. Да, они отличаются, причем существенно, предметной областью, но не технологией (нематематической!) мышления. Обобщая когнитивный подход к генерации НЗ, можно сказать, что НЗ — это не только знания, как таковые научные знания или новое управленческое решение менеджера, это новая рифма поэта, это новый мазок художника, это новая мелодия композитора, это неожиданный пас футболиста, это первое «агу» ребенка и т.д., это все есть новые мысли, которые рождаются в голове у любого человека, независимо от того, были они еще кому-либо до этого известны или нет. Причем каждая новая мысль в голове каждого конкретного человека сопровождается эмоцией (чувством), которая в свою очередь совпадает по времени с моментом появления информационной состава мысли, утверждает истинность этого информационного состава и «провозглашает» о факте появления этой новой мысли. Это относится не к любым эмоциям, а лишь к тем, которые «сопровождают» НЗ. Есть смысл подойти к этому вопросу с другой стороны. Природа создала процесс мышления, существующий внутри структуры головного мозга. Причем создала неизвестно каким образом (то ли это метод проб и ошибок, то ли естественный отбор, то ли еще как), но уж только не на основе заранее продуманных математических расчетов, не на основе алгоритмов и программ. Поэтому процесс мышления здесь первичен, а математическая модель этого процесса вторична. Это важный момент. Потому что накопилось много исследований типа «математическая модель мышления», где на первое место ставится математика, а потом уже сам процесс мышления, относительно которого неизвестно, существует в он реальности или нет. Человеческий мозг не мыслит «по-математически». Он мыслит по своей, особой логике. Ради обеспечения максимальной истинности выводных знаний появляется математика, как наука, которая максимизирует эту истинность. Что это дает? В процессе обучения у человека происходит «математизация» мышления: математика срастается с процессом мышления, а мышление становится всё более математическим. Это качество становится предметом гордости в научно-образовательной среде. Если у человека мышление нематематическое, то его научный уровень считается на порядок ниже тех, у кого мышление математическое. Сюда же вложили лепту такие высказывания, как «наука является постольку наукой, поскольку она пользуется математикой». С одной стороны, это хорошо, это плюс. Но с другой все-таки мы многое теряем из того, что математика не в состоянии описать. В результате мы имеем огромное количество математических моделей, но они все-таки принципиально неполностью описывают объекты. Таким образом мы подошли к пониманию идеи необходимости методического подхода к моделированию структур, функций и процессов мышления в мозге человека. Именно с таких позиций предлагается подойти к моделированию истинности. Если в мозге появляется то, что мы называем истинностью знания, то наша модель должна содержать описание как этой истинности, так и этого знания. Данное утверждение является принципиальным. Как мы увидим ниже, отсюда начинается первый шаг в направлении процесса, описываемого метафорической формулой «истинность из неопределенности», которая, как сказано выше, аналогична и идейно близка известной формуле «порядок из хаоса». Истинность имеет эмоционально-чувственную основу и, таким образом, круг исследований стремится к расширению и исследования принимают междисциплинарный характер. Как показано А. Тарским в 1933 году в работе «Понятие истины в языках дедуктивных наук» [135], где он четко формулирует необходимость различать язык, о котором говорим, и язык (метаязык), на котором говорим, а также теорию (науку), служащую предметом исследования, и теорию (метанауку), в которой мы проводим исследование. Поскольку метаязык и язык существуют одновременно, то не исключено, что альтернативные утверждения также одновременно могут быть истинными, что с точки зрения формальной математической логики недопустимо. Данный подход представляется достаточно полезным не только для науки, но и для более «земной» практической экономики, особенно в ситуации, когда, с одной стороны, управляемый экономический объект стремится к экстремальному поведению (например, экспансии на рынке), а, с другой стороны, информационных ресурсов в условиях неопределенности для управления в такой ситуации не хватает в требуемом объеме. Таким образом, в качестве одного из путей реализации методов управления экономикой, способных работать в условиях неопределенности формируемых управленческих решений, предложено использование подходов, основанных на имитации системы мышления человека. Необходимость подобного подхода давно назрела. Как справедливо заметил по этому поводу Нобелевский лауреат проф. Р. Шиллер (Yale University) [112], «…Другая не менее важная вещь — назревшая необходимость объединить экономику с наукой о мозге. Люди сейчас изучают, как структура мозга и механизмы его работы влияют на экономическую деятельность. В будущем их открытия должны найти применение в сфере экономической политики». Еще одна весомая причина, которая побуждает нас развивать данный методический подход. Это переход к так называемому шестому технологическому укладу. Его еще называют НБИКС-комплексом (нано-, био-, информационные-, когнитивные-, социально-гуманитарные технологии). Именно эти технологии будут определять лицо науки будущего. Основные инвестиции в науку и научные разработки в мире ныне связаны с возможностями прорывов и внедрений (инноваций) именно в этих направлениях. Методическая основа построения систем искусственной генерации новых знаний — семантический анализ — имеет не только естественно-научные, но и глубокие философско-мировоззренческие корни, а самый главный вопрос философии об истинности, взаимосвязи и первичности материального или идеального приобретает здесь не только теоретический интерес, но и «конвертируется» в сугубо практическое русло. Это имеет свое продолжение в создании, с одной стороны, научно-методических основ современных систем генерации НЗ и, с другой, — образовательных учебных программ. Кроме того, в пособии хотелось заострить вопрос о наметившейся в последнее десятилетие такой важной и захватывающей отрасли науки и инженерии, как искусственный интеллект. Успехи этого направления человеческой деятельности впечатляют, удивляют, настораживают, восхищают и обнадеживают. Многие молодые люди стремятся свою жизнь посвятить этому направлению деятельности. К искусственному интеллекту относят такие достижения, как игра в шахматы и го, распознавание образов, лиц, доказательство теорем, кредитный скоринг, управление автомобилем без человека, экспертные системы, машинное обучение, задачи в интересах военного ведомства и многие другие, перечесть которые здесь не представляется возможным чисто физически. Все эти задачи чрезвычайно важны, полезны и необходимость их развития и широкого внедрения не вызывает ни малейшего сомнения. Но вместе с тем все-таки задача генерации новых знаний — это не есть выбор между возможными вариантами решения, это есть прежде всего именно генерация совершенно нового решения, понимание которое раньше не существовало в принципе. Внешне это выглядит так. Человек набирает на клавиатуре текст, например, «Земля плоская», вводит эту фразу в систему, называемой искусственным интеллектом и уходит. Через некоторое время приходит и видит, что системы выдала сообщение «Земля не плоская, а круглая», и далее представлен перечень аргументов, которые подтверждают истинность данного утверждения. Это и есть тот новый класс задач и, как представляется автору, их решение принципиально не может обойтись без такого фундаментального понятия, как истинность. Именно истинность представляется тем самым «золотым ключиком», который поможет открыть «заветную дверку» к пониманию и решению задач подобного класса. В теорию познания, процессов мышления, проблем сознания, когнитивных способностей, интеллекта и смежных им разделов науки внесли свой вклад такие известные ученые, как Платон, Аристотель, Ф. Бэкон, Р. Декарт, Д. Беркли, И. Кант, Д. Юм, Г.В. Лейбниц, Г.В.Ф. Гегель, Ж. Адамар, А. Пуанкаре, Ж.В.Ф. Пиаже, Д. Гильберт, И.П. Павлов, В.И. Ленин, Т.С. Кун, К.Р. Поппер, Д.Д. Чалмерс, Э.Г.А. Гуссерль, Д.Р. Сёрл, Л.С. Выготский, А.Н. Леонтьев, Г.С. Альтшуллер, Д.И. Дубровский, Э.В. Попов, В.С. Стёпин, В.А. Лекторский, В.Л. Макаров, В.К. Финн, Н.П. Бехтерева, В.В. Налимов, Г.П. Щедровицкий, А. Вежбицкая, К.В. Анохин, Ю.Д. Апресян, А.Н. Райков, Б.Б. Славин, Т.В. Черниговская, Н.Н. Заличев и многие другие. Работы этих авторов по праву можно считать научной основой по данной тематике. В этой связи у автора живет надежда, что представленное пособие может быть полезным и в плане поиска других (кстати, тоже альтернативных!) путей решения задачи искусственной генерации НЗ. Необходимо оговориться, что поскольку заявленная тема многоаспектна и имеет все признаки междисциплинарности, то и литературные источники здесь должны присутствовать в огромном количестве. Однако, следует признать, что при подготовке пособия были рассмотрены и приведены только те источники, которые по мнению автора относятся непосредственно к теме генерации НЗ. Автор с величайшим удовлетворением выражает глубокую благодарность всем ученым Финансового университета при Правительстве Российской Федерации, проявившим интерес к данной тематике и оказавшим ряд ценных (в том числе и критических) советов и рекомендаций в части качества материала: член-корреспонденту РАН, д.э.н., профессору Г.Б. Клейнеру, д.э.н., профессору С.Е. Щепетовой, д.э.н., профессору И.Н. Дрогобыцкому, всем сотрудникам кафедры «Системный анализ в экономике» Финуниверситета, ведущему научному сотруднику ВНИИ «Центр» А.А. Пустынкину и научному сотруднику И.С. Владимирову. Автор считает своим долгом почтить светлую память д.т.н., профессора И.Г. Железнова и д.т.н., профессора Н.Н. Заличева, идеи которых существенно повлияли на научные взгляды автора и нашли свое отражение в данном пособии.
Иванус Александр Иванович Доктор экономических наук, кандидат технических наук, профессор кафедры «Системный анализ в экономике» Финансового университета при Правительстве Российской Федерации. Научная деятельность А. И. Ивануса в последние годы связана с созданием методов формирования управленческих решений экономическими системами в условиях неопределенности на основе сложной специфики когнитивных процессов, объективно имеющих место в мозге человека. Изучение и понимание логики этих процессов дает реальную возможность их моделирования с целью решения проблемы генерации новых знаний вне мозга человека.
|