Наука и техника будущего

В отличие от машины, человек очень плохо считает, и эти понятия заменяют ему массивы числовых данных.

Он оперирует с нечёткими множествами, как сказал бы математик, границы которых размыты и субъективны. В результате человек часто ошибается в своих оценках, поэтому учёные предпочитают всё оценивать числами.

Машина-компьютер не имеет ощущений и ей непонятны субъективные оценки человека. Поэтому различные понятия приходится заменять массивами данных и описывать их статистическими характеристиками. Но машину научили оперировать с массивами как с единым целым.

В результате скорость мышления машины значительно возросла.

Вот я, например, задал машине оператор «тау», который определяет количество осадков в Москве за лето. Я задал диапазон от «очень мало» до «очень много». Машина будет оперировать с массивами «очень мало», «мало», «норма», «много» и «очень много», интерпретируя их числовыми величинами.

– И всё-таки, как же научить машину думать? – спросите Вы.

– Ну, прежде всего в неё нужно заложить информацию о внешнем мире, обо всех предметах и их свойствах.

Но как это сделать? Как объяснить машине, что такое стол, если она никогда его не видела? Для неё это пустой звук, символ.

Можно заложить описание стола. Объяснить, что он состоит из столешницы, трёх или четырёх ножек. Но машина не знает что такое столешница, ножки. Ей надо объяснить, что столешница – это прямоугольная или круглая доска. Но тогда она спросит: «а что такое доска?» И ей опять придётся долго объяснять. Но и в этом случае она ничего не поймёт, поскольку ей непонятен смысл слов «дерево», «прямоугольник», «толщина» и т.

 д. Мы создаём понятия на основе зрительных образов и ощущений, но у машины нет органов чувств, нет ощущений и для неё любые понятия не более чем набор символов, которые она не понимает. Словами нельзя определить слова.

– Значит, машине надо дать органы чувств? – спросите Вы.

– Да. Можно дать машине глаза – телекамеры, микрофон для записи звуков. Можно записать в память изображения многих предметов, но это сложно и долго.

Ведь нужно предъявить машине десятки столов и научить её вырабатывать главные отличительные признаки стола, создавать абстрактный образ. Но можно поступить проще. Дать систему координат и семейство точек в разных плоскостях, т.е. простые геометрические формы изображающие абстрактный стол. Потом указать возможные, наиболее вероятные пределы изменения положения этих точек, этих фигур, их разброс. Получается размытая, абстрактная модель стола.