То есть от н
его надо отворачивать, когда я его вижу. И он ещё должен понять, как же ему э
то делать. У него есть 7 вариантов действия, но он не знает, какое из них надо
применять. И он это тоже находит сам. Вот эти задачи он должен решить.
Если бы мы наблюдали за этим роботом достаточно долго (у нас просто нет се
йчас этой возможности), мы бы увидели, как постепенно число соударений ст
ановится меньше и меньше. Покажите, пожалуйста, следующий клип. Я просто п
окажу уже следующую фазу поведения робота.
А.Г. Научившегося уже…
А.Ж. Вот здесь мы видим уже, когда он достаточно поумнел для тог
о, чтобы не ударяться лбом в препятствие. Вы видите, что он видит препятств
ие: сектор, изображённый впереди робота Ц это его поле зрения. И он воврем
я отворачивает от препятствия, как только его заметил. То есть он решил эт
и задачи, он понял, что ударяться Ц это больно. Второе, он понял, что надо по
ворачивать. И третье, он понял, как это надо делать, где надо сдавать задни
м ходом, где надо поворачивать руль вправо, где надо поворачивать руль вл
ево. То есть он учится у нас на глазах.
Я вам могу эту программу запустить, она достаточно долго работает. Он у на
с на глазах выработал такой способ поведения. На самом деле это достаточ
но интересно.
Если мы будем ставить перед этим роботом другие задачи (из этого угла пер
еехать в тот, или, скажем, найти какие-то полезные батарейки, чтобы подзар
ядиться и т.д.), эти задачи можно будет решать на базе этого робота. Спасибо,
оставьте, пожалуйста, эту картинку. На этом графике показано число соуда
рений робота с препятствиями в единицу времени. Видно, что это число умен
ьшается со временем. То есть по мере того, как робот обучается, число соуда
рений уменьшается до нуля.
Хотелось бы ещё два слова сказать о том, что (пожалуйста, следующий слайд п
окажите), эта система управления построена на специальных нейроноподоб
ных элементах. Потому что мы пытались всё-таки до конца идти этим путём и
смоделировать нервную систему не только по её функциям, но и по её устрой
ству. Разработали несколько специальных моделей нейронов. Это не те нейр
оны, которые используются в современных искусственных нейросетях. Это т
акие нейроны, которые ищут корреляцию входных сигналов, причём обучаютс
я без учителя, самостоятельно. И самый простой из этих нейронов показан н
а этой картинке. Из этих нейронов можно собрать все подсистемы управляющ
ей системы, о которой я говорил. И блок формирования распознавания образ
а, и базу знаний, и принятие решений, и аппарат эмоций. То есть можно собрат
ь всю эту систему управления.
Это не есть система распознавания, как в обычных нейросетях. Эта система,
о которой я говорю, есть система управления, которая адаптивно управляет
роботом. Там есть блок распознавания, но это только один из блоков.
А.Г. Увеличение количества нейронов ведёт к уменьшению време
ни эксперимента или нет?
А.Ж. Ну, конечно. Безусловно, здесь очень много зависит от колич
ества этих нейронов. Минуточку, ещё назад, пожалуйста, вернитесь, не забег
айте. Вот здесь показан кусочек базы знаний, в данном случае Ц это трехме
рная матрица, где каждый нейрон получает информацию об условии, которое
было, о действии, которое он совершил, и о результатах, которые из этого по
лучились. И некоторые нейроны, те, которые как бы поймали закономерные эт
и троечки Ц условия, действие и результат Ц они обучились, я их там выдел
ил жёлтым светом.
В.Н. А они способны переучиваться?
А.Ж. Это зависит от того, как вы этот нейрон устроите. Я считаю, ч
то биологические нейроны в своём зрелом возрасте плохо переучиваются.

В.Н. То есть получается, что число всякого рода форм поведения,
которое ваша система способна выучить, определяется числом нейронов в н
ей. Пока есть свободные нейроны, до тех пор она учится?
А.Ж. Даже не совсем так. В каком-то смысле так, но не все нейроны б
удут обучены к концу жизни. И тут, как ни странно, на основании такой схемы
можно устроить практически полезные системы. Вот на этом слайде показан
прототип системы управления для активной подвески автомобиля, где сист
ема адаптируется к свойствам этого автомобиля. Предполагается, что эта п
одвеска оснащена некоторым активным элементом, который может автомоби
ль подталкивать вверх-вниз, при этом управляющая система со временем по
нимает, как это делать. Внизу нарисована база знаний, которую эмпирическ
ая система получила, она отражает свойства данного конкретного автомоб
иля: как этот автомобиль реагирует на то или другое воздействие. Пользуя
сь этими знаниями, система может так аккуратно управлять этой подвеской
, что она сглаживает нежелательные колебания и заставляет автомобиль дв
игаться так, как вам надо.
Вот слева график: это сильные колебания автомобиля, обычного автомобиля
при наезде, скажем, на препятствие. Справа мы видим гораздо более гладкую
кривую. Очень интересная, такая практически полезная вещь.
В.Н. А можно вам вопрос? С какой скоростью она учится? Скажем, мож
но сопоставить её скорость обучения со скоростью обучения водителя: вот
человек купил новый автомобиль, и он к нему приспосабливается. И ваша сис
тема…
А.Ж. Наверное, можно сопоставить. Конечно, здесь очень много за
висит от процессора, от различных деталей, и т.д. Можно обучаться с нуля, мо
жно заставить переучивать некую среднюю базу знаний, заранее, скажем, на
копленную. Тут очень много различных вариантов. Но в принципе, естествен
но, есть период, когда она учится, больше учится, чем управляет. Но постепе
нно доля управления становится больше, чем доля обучения.
Покажите, пожалуйста, следующую картинку. Примерно похожая адаптивная с
истема управляет угловым движением спутника. Я хочу обратить внимание, ч
то в эту систему не закладывается математическая модель объектов в том в
иде, как это обычно делается. Там нет системы дифференциальных уравнений
, где какие-то коэффициенты надо было бы уточнить. Тут совсем нет этой сис
темы. Здесь знание Ц это, скорее, некоторое отображение из множества в др
угое множество. Из множества образов, множества действий, множества обра
зов, которые отражают результаты. Это ещё связано с оценками. И вот эти отн
ошения элементов этих множеств система и находит. База знаний имеет имен
но такой смысл.
В данном случае, очень полезная система, потому что точную математическу
ю модель космического аппарата, его углового движения, построить очень т
рудно, потому что вы не можете на Земле очень точно померить различные ко
эффициенты, которые входят в эту модель, потому что вы не можете воспроиз
вести вакуум, не можете произвести невесомость на Земле. Не можете воспр
оизвести перепады температуры, ещё что-то.
В конце концов, что-то может сломаться в космосе, или заклинить, и реакция
этого объекта на то или другое воздействие будет не такой, как вы заложил
и в модель. И качество будет другое.
А вот эта системка может прямо по ходу дела адаптироваться именно к тому
объекту, который вы ей дали.
А.Г. У нас очень мало времени. Я прошу прощения, я бы хотел, чтобы
вы напоследок задали те вопросы, на которые у вас пока нет ответов. Для тог
о чтобы понять, куда вместе вы можете идти дальше. Я имею в виду две науки.

А.Ж. Если вы запустите третий клип в это время, я сейчас покажу с
вязь. Здесь видно, как на верхнем графике объект, который должен выправля
ться, становится глаже по мере того, как база знаний справа заполняется. О
братите внимание, внизу Ц действие. Вы видите эти две моды: поисковый реж
им, небольшой разброс пробных действий. Он сменяется резкими широкими ск
ачками.
Посмотрите, как этот поиск постепенно будет сходиться, и по мере того как
знаний становится всё больше и больше, верхняя кривая, в конце концов, ста
нет другой: посмотрите, как аккуратно он управляет отдельными слабыми то
лчками. Это похоже на то, как ребёнок учится ездить на велосипеде. Вначале
есть какие-то грубые, несуразные движения, он падает. Но постепенно он нах
одит правильные манёвры. И вот он ещё едет, дёргая руль, и потом вдруг он ед
ет уже ровно.
А.Г. И всё-таки…
В.Н. И собственно, тогда вопрос: возвращаясь к ручейнику, можно
ли на основе этой системы управления создать робота, который выработал б
ы такую же или похожую, столь же эффективную или столь же неэффективную с
истему поиска, как у ручейника? Как вам это представляется на основании м
оего рассказа, который ничего не говорит о механизмах, а говорит только о
правилах поведения?
А.Ж. Я думаю, что поведение нашей системы, которое я сейчас пока
зал, предшествует той тактике поведения, которую демонстрирует ручейни
к Ц это выработка элементарных рефлексов. Но следующие модели поведени
я уже, видимо, будут сравнимы с ручейником. Хотя на графике, который мы вид
ели последним, показано, как мода небольших колебаний сменялась широким
и пробными скачками.
А.Г. Да, график получался очень схожий с тем, что…
В.Н. Переключение между двумя модами.
А.Ж. Мы это обнаружили, на самом деле, буквально в течение после
днего часа, это сходство. Наверное, оно неслучайно. Здесь надо просто посм
отреть.
А.Г. Я думаю, что на этом мы остановимся. Надеюсь, что сходство не
случайно. И хочу напомнить, что передача эта междисциплинарная. Я бываю а
бсолютно счастлив в тот момент, когда удаётся свести людей, которые пред
ставляют две разные профессии, с тем, чтобы выработать общую стратегию п
оиска…
В.Н. …Истины.
А.Г. …того, что нам так необходимо.
В.Н. Спасибо вам, что вы нас свели.

Миры Андрея Платонова


24.07.03
(хр.00:48:48)

Участники:
Наталья Васильевна Корниенко Ц член-корреспондент РАН
Евгений Яблоков Ц кандидат филологических наук

Александр Гордон: Доброй ночи! Я полагаю, что большая часть ауд
итории этой программы уже привыкла к мысли, что мы, слушая гостей, часто не
понимаем, о чём они говорят, да и не знаем предмета. Да это и не удивительно
, когда речь идёт о квантовой механике, скажем, или о когнитивной природе ж
ивых существ. Когда речь идёт о писателе, как казалось, широко изданном, о
писателе, который составляет законную славу двадцатого века, славу русс
кой литературы, писателе, который является одним из моих любимых писател
ей, об Андрее Платонове, и как мы сегодня поймём, мы не знаем большую часть
этого айсберга, вот тут становится и странно, и страшно.
Давайте начнём с главного, наверное, с непонятости, не с непонятности, а с
непонятости.
Наталья Корниенко: Можно начну сразу с платоновской цитаты? П
овесть «Сокровенный человек» в принципе всегда была открыта для чтения.
Есть там эпизод, когда машинист останавливает поезд (любимый образ у Пла
тонова), и начинается диалог: «Хороший парень у нас на паровозе, а? Ц спрос
ил старый рабочий Шугаев. Ц Ну что ты акаешь, Ц ответил Пухов. Ц Горе кр
угом, а ты разговариваешь. Ц Шугаев поэтому замолчал».
Филолог ли или просто читатель понимает, что ЭТО какая-то иная вселенная,
где всё по-другому устроено. Не скажешь, что вот здесь философский разгов
ор, а здесь нечто другое, здесь всё философично. Платонов Ц это вселенная
, устроенная по своим грандиозным законам, и мы эту вселенную, конечно, всё
стараемся понять. Платонов в русской литературе Ц это сказка и чудеса. А
чудесность, как известно, мы не всегда можем понять. Я думаю, мы ещё молоды
е по возрасту осмысления феномена Платонова.
В последние 10Ц 15 лет всё время говорится, что мы всё возвращаем, возвращае
м, возвращаем наследие писателя. А вопрос ведь и в том, а можем ли мы вернут
ь ЭТО? Готова ли гуманитарная наука и вообще общественность в широком см
ысле понять масштаб наследия и вернуть? Что это за наследие? Литературна
я часть наследия Ц это проза, это и драматургия. Мы не всё знаем, даже рабо
тая много лет, я не отвечу на вопрос, сколько пьес он написал. Шесть-семь-во
семь-девять-десять?..
У Платонова богатейшее киносценарное наследие. Платонов писал киносце
нарии с 27-го года и до конца жизни. Читателю известны лишь фрагменты этого
материка. Последний неоконченный сценарий «Ноев ковчег (Каиново отродь
е)», с его антиамериканским замыслом, опубликован в 93-м году. Можно, скажем,
так формулировать вопрос: влиял ли язык кино на прозу Платонова? Конечно,
влиял. Безусловно, немой кинематограф его интересовал. Мы можем эти связ
и обсуждать… Но мне всегда кажется, что и язык кинематографии Платонова
ещё не открыт, а он поразителен. Как, например, он разрабатывал проблему пр
остранства и времени в киносценариях, или его огромные философичные рем
арки…
Только чтобы это вернуть, нужно, чтобы в архивах работали лет 10Ц 15 человек
пять, минимум.
Евгений Яблоков: А ещё лучше Ц человек десять.
Н.К. Есть ещё и техническое наследие Платонова. Оно тоже входит
в язык его гениальной прозы, и мы можем говорить об этом. В российской пат
ентной библиотеке любой читатель может ознакомиться со свидетельствам
и на технические изобретения, выданными Платонову в 1920Ц 1930-е годы. Мы, гуман
итарии, в патентах Платонова ничего не понимаем, как и в его чертежах и фор
мулах, но уже знаем, что если появилось изобретение или идёт конструктор
ская работа, то всё это обязательно попадает в художественный текст. К пр
имеру, под чертежом стоит дата, и это может быть единственная возможност
ь правильно датировать художественный замысел и работу над тем или иным
произведением. Мне как-то один инженер говорил, ещё в 70-е годы, что-де «в отл
ичие от вашей литературы, у Платонова правильно машина работает». Это по
разительно точная характеристика. Но ведь сам Платонов говорил: «я челов
ек технический». Красивый образ? Не только. Мы, скажем, в текстологии испол
ьзуем классическое понятие «редукция текста» для описания работы Плат
онова над рукописью.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47