Читать книгу - "Опасная идея Дарвина: Эволюция и смысл жизни - Дэниел К. Деннетт"

Сначала было принято решение произвольно отбирать 16 слагаемых, причем все они начинали с одинаковым счетом… во время [первых раундов] было отброшено и заменено в целом 29 разных слагаемых – большинство из них в двух разных ситуациях… Качество игры было очень низким. В ходе семи следующих игр было проведено по меньшей мере восемь замен в верхней части списка – они касались пяти различных слагаемых… качество игры постепенно улучшалось, но машина все еще играла довольно плохо… Некоторые достаточно умелые любители, игравшие с машиной в этот период [после еще семи игр], согласились, что победить ее «нелегко, но возможно»²⁹¹.

Сэмюэл отмечал, что, хотя на этой ранней стадии обучение шло удивительно быстро, процесс был «довольно хаотичным и не слишком устойчивым»²⁹². Он осознавал, что исследуемое пространство представляло собой неровный адаптивный ландшафт, на котором программа, использовавшая простые методы подъема по склону, была склонна попадать в ловушки, оказываться неустойчивой и зацикливаться – из этих неприятностей ей не удавалось выбраться без одного-двух побудительных толчков разработчика. Он смог распознать «дефекты» своей системы, приводившие к подобной неустойчивости, и устранить их. Финальная версия системы – та, что победила Нили, – представляла собой нечто вроде машины Руба Голдберга, состоящей из зубрежки, костылей²⁹³ и результатов самопроектирования, которые и самому Сэмюэлу представлялись весьма загадочными.

Неудивительно, что программа Сэмюэла стала грандиозной сенсацией и очень повлияла на первых идеологов искусственного интеллекта, но энтузиазм по поводу таких самообучающихся алгоритмов вскоре сошел на нет. Чем чаще люди пытались использовать эти методы для решения более сложных задач – например, для игры в шахматы, не говоря уже о практических, не имеющих отношения к играм проблемах, – тем чаще казалось, что своим успехом дарвиновская обучающаяся программа Сэмюэла была обязана скорее сравнительной простоте игры в шашки, чем могуществу лежащей в ее основе способности к обучению. Было ли это концом дарвиновского искусственного интеллекта? Разумеется, нет. Ему лишь пришлось на некоторое время – пока компьютеры и ученые-компьютерщики не смогут продвинуться к более высоким уровням сложности – впасть в спячку.

Сегодня потомки программы Сэмюэла размножаются с такой быстротой, что за последние год-два появилось как минимум три новых журнала для обсуждения связанных с ними проблем: Evolutionary Computation, Artificial Life и Adaptive Behavior. Первый из них освещает преимущественно традиционные вопросы инженерного искусства: использование моделируемой эволюции как метода расширения практических возможностей проектирования для программистов и инженеров по программному обеспечению. Разработанные Джоном Холландом (который вместе с Артом Сэмюэлом работал в IBM над программой для игры в шашки) «генетические алгоритмы» продемонстрировали свою эффективность в прагматичном мире производства программного обеспечения и образовали класс разновидностей алгоритмов. Другие два журнала посвящены исследованиям более биологического характера, где симуляция эволюционных процессов позволяет нам, по сути дела, впервые в истории, изучить процесс самой биологической проектно-конструкторской деятельности, манипулируя им – или, скорее, его крупномасштабными моделями. Как сказал Холланд, программы Искусственной жизни и в самом деле позволяют нам «отмотать назад пленку истории» и раз за разом, в многочисленных вариантах, проигрывать ее заново.