Мир выглядит молодой красавицей или Брокенской ведьмой в зависимости от того, через какие очки на него смотреть.
Немецкий поэт Генрих Гейне. «Мысли и афоризмы» Долгое занятие – перечислять все те области, где компьютеры окажут (и уже оказывают) помощь человеку. Об этом можно было бы написать не одну книгу. Но вот что, пожалуй, хорошо было бы сделать. Показать, что ЭВМ, дающие врачу возможность ставить правильный диагноз, прогнозировать ход заболевания, – это вовсе не мечты. Что совсем не надо ждать компьютеров пятого-шестого поколений с их нечеловеческой мощью. Что все это можно делать даже на ЭВМ четвертого поколения.
Итак, за дело! Но прежде отметим, что если копать глубоко, то, по существу, врач занят проблемой распознавания. Он распознает определенную болезнь, выделяет ее из множества других болезней. И если заменить врача математиком, то математик скажет: «Сначала необходимо решить общую проблему – проблему распознавания, а постановка диагноза болезни уже будет частным случаем».
Математик абсолютно прав. Да и проблема распознавания стоит того, чтобы уделить ей какое-то время. Начнем.
С задачей распознавания любой из нас встречается ежедневно, ежечасно и даже ежеминутно. Мы узнаём друг друга, понимаем речь, различаем буквы печатного и рукописного текста. Медики распознают болезнь, геологи по косвенным признакам устанавливают наличие в породах полезных ископаемых, эксперты-криминалисты различают отпечатки пальцев, археологи определяют принадлежность глиняных черепков определенной эпохе. Всюду здесь проявляется способность классифицировать объекты наблюдений, раскладывать их по полочкам.
Умеет человек – сможет и машина! Подсмотреть у живого его тайны: заменить палочки и колбочки глаза оптическими датчиками, нервные клетки транзисторами – под таким девизом началась полвека назад (тогда шла первая волна компьютеризации) работа по машинному распознаванию. В 1957 году американским физиологом Фрэнком Розенблаттом (1926–1971) был построен персептрон – первая техническая модель тракта «глаз-мозг». В ней свет фиксировали фотоэлементы, а особые пороговые элементы имитировали функционирование нейронов.
Увы, эта и многие последующие попытки создать искусственный глаз окончились неудачей. Машина (она оказалась «глазами без ума») тогда так и не научилась распознавать изображения независимо от их масштаба, возможного сдвига и прочих преобразований, которые, однако, вовсе не мешают человеку узнавать те или иные предметы.
Горький это был результат. Раздались возгласы: «Ничего и не должно было получиться!», «Мозг человека совершенствовался миллиарды лет. Обучить за такое же время машину невозможно. Поэтому попытки создать видящие (как и думающие) ЭВМ – затея нереальная!»
Если в чем-то эти научные перестраховщики и были правы, так это в том, что проблема распознавания стара как мир. Во всяком случае, она намного старше заселившего планету человечества. И совсем неудивительно, что уже в древних (VII век до новой эры) индийских религиозно-философских трактатах «Упанишады» («Тайттирия упанишад») можно прочесть такие строки: «От распознавания рождаются эти существа, распознаванием живут рожденные, в распознавание они входят, умирая…».
Да, проблема распознавания сопутствует человеку от самой его колыбели. Но отсюда все же не следует, что ее нельзя решить техническими средствами. Трудность тут только в том, как вложить в компьютер те знания, которые так долго набирал, копил человек в ходе своей долгой эволюции.
14.7. Как отличить собаку от кошки Жизнь торопила. В 60-е и 70-е годы XX века многие, не дожидаясь появления специальных устройств и строгой математической теории распознавания, вынуждены были заниматься этой проблемой. Инженеры и психологи, физики и врачи, математики и физиологи сталкивались с острейшей необходимостью понять или промоделировать такие функции мозга, как способность «находить сходство», «обобщать». «создавать абстрактные понятия», «действовать на основе интуиции».
И появилось великое – многие сотни – множество эвристических распознающих алгоритмов (под алгоритмом надо понимать всякое точное предписание каких-то действий: сложение столбиком, например, извлечение квадратного корня из числа и так далее), способов направленной обработки изображений. То были счастливые догадки человеческого ума, результаты долгих математических экспериментов. Совершенно необоснованные, даже кажущиеся порой подозрительными, эти алгоритмы оказывались иногда на удивление полезными и точными.
Собственно, это были первые попытки применения точных методов (математических или около математических) для решения задач в тех областях, где построение точных моделей или затруднено, или вообще невозможно по нескольким причинам: либо соответствующая область знания плохо формализована, не допускает построения сугубо формальных математических моделей, либо информация, с которой приходится иметь дело, столь разнообразна и разнородна, что описание ее какими-то более или менее простыми системами уравнений затруднено.
Исследователи хотели формализовать тот интуитивный процесс, который у людей происходит при обучении. Скажем, когда обучают врача, ему демонстрируют последовательно некоторое количество больных людей, описывают синдромы, симптомы – и постепенно возникает некий «образ болезни». Если по прошествии некоторого времени обучаемому предъявляется новый неизвестный ему пациент, то новоиспеченный врач более или менее точно устанавливает диагноз.
Медицинская диагностика, геологическое прогнозирование, оценка экономических и политических ситуаций, профотбор, автоматизация обработки экспериментальных данных, распознавание неисправностей машин и механизмов, интерпретация сигналов при радио- и гидролокации, предугадывание свойств синтезируемых химических соединений – всюду требовались эффективные алгоритмы распознавания. Их созданием, часто на свой страх и риск, занимались большие коллективы исследователей. Немало лет требовала такая работа (она обычно заканчивалась публикацией серии статей, иногда даже монографией). Привлекался большой творческий потенциал (ведущие математики, эксперты), тратились немалые средства.
