Читать онлайн «В поисках чуда (с илл.)». Страница 60

Когда же машине, запрограммированной Бонгардом и его сотрудниками, поручили важное практическое дело — отличать нефтеносные пласты от водоносных, — неверных определений у нее оказалось в пять-шесть раз меньше, чем даже у многоопытных геологов!

Состояние слоев вдоль пути, проделанного буром, инспектируется приборами. Регистрируется электропроводность, радиоактивность, другие свойства пород — на поверхность по проводам поступает 10–15 показателей. Ни один из параметров в отдельности не обеспечивает надежной оценки. Только взятые в совокупности результаты измерений позволяют прийти к более или менее определенному выводу.

Но даже специалистам самой высокой квалификации успех не гарантирован — настолько сложна общая картина.

Машине продемонстрировали 90 примеров верной индикации — по 45 на нефть и на воду. Затем вручили сразу 180 «экзаменационных билетов» — в каждом предлагалось расследовать свойства незнакомого пласта. Испытуемый не ударил в грязь лицом — лишь в трех случаях не оправдались его прогнозы; люди же, мастера своего дела, на том же самом материале дали больше 15 ложных заключений.

Видимо, электронному геологу-новичку удавалось самостоятельно обнаружить еще и такие признаки нефтеносности, которые ускользали от внимания профессионалов, его учителей.

В работе принимали участие математики, биофизики, геологи: М. Н. Вайнцвайг, М. С. Смирнов, В. В. Максимов, А. П. Петров (лаборатория органов чувств Института проблем передачи информации АН СССР); Ш. А. Губерман, М. Л. Извекова, Я. И. Хургин (Институт нефтехимической и газовой промышленности имени И. М. Губкина).

Хорошие результаты получены и на других обучающихся программах (группой ленинградских исследователей под руководством А. Г. Француза, сотрудниками Института автоматики и телемеханики В. Н. Вапником и А. Я. Червоненкисом).

Сам М. М. Бонгард так комментирует описанные работы:

— Философы и журналисты, пишущие о кибернетике, любят заканчивать статью примерно таким заклинанием: раз человек составил программу, значит он передал ей лишь часть своих знаний; посему-де машина никогда не будет умнее своего создателя.

Про автомат, узнававший нефтеносность пластов, никак не скажешь, что программисты передали ему свои знания: ведь мы ничего не понимали в геологии!

Откуда же программа получила все необходимые сведения? Только за счет наблюдения и, если хотите, «творческого осмысливания» примеров, продемонстрированных при обучении. Других источников информации не было. Становится понятной роль хороших «машинных педагогов» — таких, как Ш. А. Губерман и М. Л. Извекова. Благодаря им универсальная программа, способная решать самые разные задачи, получила специализацию в геофизике. А могла приобрести ее в медицинской диагностике или в промышленной дефектоскопии. И вот ведь что интересно: машина превзошла не только программистов, но даже самих учителей. Когда она сообщила найденные ею признаки, ускользавшие от внимания людей, геологи стали сами, уже без помощи машины, лучше опознавать нефтеносные пласты. Преподаватель и ученик поменялись местами!

Таким образом, опыты с обучающимися программами узнавания положительно отвечают на вопрос: «Может ли робот знать о законах природы больше, чем его творец?»

Уже сегодня машину можно было бы без особой натяжки назвать соавтором некоторых научных работ. Разумеется, никакой мастер не ставит под произведением рядом со своей подписью марку инструмента. Электронный мозг покамест тоже довольствуется ролью орудия, он беспомощен без интеллектуального поводыря. Но разве знала история техники подобное орудие? И кто возьмется определить грань, где кончается робот и начинается творец?

«Машина может брать тот или иной прибор и самостоятельно проводить физический эксперимент.

Автоматизация исследований уже начинает осуществляться при решении таких задач, как, скажем, анализ снимков звездного неба или следов частиц, полученных при фотографировании ядерных реакций.

Что касается теоретических наук, основанных на дедуктивных методах, то здесь возникает не менее интересная задача автоматизации самого процесса научного творчества. В области математики это прежде всего процесс доказательства трудных теорем…

Я вполне серьезно думаю, что через 20–30 лет можно будет и в самом деле наблюдать такие случаи.

Скажем, двое ученых сидят рядом, причем первый не пользуется машиной для доказательств, а второй пользуется. И вот первый, более способный и более трудолюбивый, с удивлением видит, что он делает менее интересные вещи, чем его сосед…»

Этим словам хочется верить больше, нежели чьим-либо иным: они принадлежат лауреату Ленинской премии академику В. М. Глушкову, директору Киевского института кибернетики. Под руководством Виктора Михайловича выполнен целый ряд блестящих работ, подтверждающих справедливость приведенного высказывания. Так, еще в 1958 году глушковцами проведены успешные опыты с машинным доказательством некоторых алгебраических теорем.

Аналогичные эксперименты американский математик Ван Хао поставил в 1960 году.

Конечно, автоматизация научного творчества — замысел дальний. Но и те электронные союзники человеческого мозга, что имеются уже сейчас, оказывают исследователям неоценимую услугу.

Обшивка даже небольшого корабля — это сотни и тысячи сложно изогнутых и аккуратно подогнанных друг к другу металлических лоскутов. Вырезают их из плоского стального листа. Такой раскрой — дело далеко не простое. Киевские ученые (Г. А. Спыну из Института автоматики при Госплане АН УССР, Б. Н. Малиновский из Института кибернетики АН УССР и другие) препоручили его автомату. Они создали систему «Авангард» с управляющей машиной широкого назначения УМШН, которой доверили проектирование и изготовление корпусных деталей.

Новая технология внедрена на одном из судостроительных заводов. Точность и скорость раскроя повысились. Рабочие и инженеры теперь избавлены от многих трудоемких операций. Ежегодно сберегается 200 тысяч рублей. На очереди автоматизация всего процесса — от проектных чертежей до спуска корабля со стапелей.

Аналогичные программы осуществимы и в строительстве самолетов, ракет, реакторов, ускорителей, на любом производстве. А когда-нибудь машины начнут конструировать самих себя, совершенствуясь из поколения в поколение. Уже сегодня они участвуют в синтезе собственных «органов» — отдельных узлов, схем. Так некоторые радиоэлектронные схемы полупроводниковой машины БЭСМ-6 моделировались на ее ламповой предшественнице — БЭСМ-2. Это помогло «потомку» стать совершеннее своего «предка».

Композитор и литератор, переводчик и библиограф, исследователь и конструктор — в какой еще профессии, на каком поприще проявит себя робот?

Бесспорно, есть такие области, где с автоматизацией можно повременить. Сочинять музыку, писать стихи, играть в шахматы человек хорошо сумеет и стародедовскими способами. Что же касается машинной помощи ученому, инженеру, а особенно производственнику, хозяйственнику, плановику, то без нее просто немыслимо выполнение грандиозных задач, стоящих перед нашей страной.

Специалисты прикинули, что если бы не автоматизация, то в планировании, учете, управлении экономикой к 1980 году было бы занято все взрослое население Советского Союза.

Разумеется, машине можно поручить не только «канцелярские» функций.

Одна из героинь этой главы — уже упоминавшаяся УМШН — управляет выплавкой стали в бессемеровских «грушах». Электронные управляющие агрегаты трудятся на химических и нефтеперерабатывающих комбинатах. Они обслуживают и Единую энергетическую систему СССР, в которую уже вошли электростанции на огромной территории — «от Перми до Тавриды, от финских хладных скал до пламенной Колхиды» — и с каждым годом вливаются все новые. Созвездия электрических солнц загораются на карте Сибири, Казахстана, Средней Азии. Они будут соединены линиями высоковольтных передач с европейскими, причем не только советскими, но и зарубежными — в социалистических странах. Ясно, что дирижировать потоками энергии в артериях такого Левиафана под силу лишь быстродействующим «электронным диспетчерам».

Кстати, машины оказывают помощь и в проектировании самой сети электропередающих коммуникаций, как, впрочем, нефтепроводов, газопроводов, дорог.

Схемы железнодорожных перевозок, рекомендованные машиной, выгоднее для государства на 10–15 процентов, а автомобильных — чуть ли не вдвое.

Планирование вручную изживается постепенно и на воздушных трассах.

Список можно дополнить новыми примерами из самых разных областей.

В 1961 году математики Тартуского вычислительного центра подготовили «агрономическую» программу для машины «Урал». Объектом их эксперимента стал производственный план совхоза «Луунья».