- Значит, машине надо дать органы чувств? – неуверенно спросил Александр.

- Можно дать машине глаза - телекамеры. 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. Затем можно дать варианты конструкции: "стол письменный", "стол журнальный", "стол круглый обеденный" и т.д. Теперь, в случае необходимости, при появлении в операционной системе машины идентификатора: "стол круглый", из памяти её будет извлечён трёхмерный образ стола с круглой столешницей, с которым далее ей следует совершить какие-то действия. Конечно, это относится не только к столу, но и к любому известному людям предмету. Если нельзя точно описать предмет, то даётся его схематический, условный образ более или менее соответствующий реальному. Так, в машину были занесены описания всех известных нам предметов во Вселенной.

- Ого! Но это же очень много! - воскликнул Александр.

- Да. На это было потрачено немало времени, пока удалось создать Мировой банк данных по всем предметам. Мало того, машине нужно объяснить свойства предметов: мягкий, твёрдый, тёплый, холодный и т.д. Как это сделать? Ведь у неё нет тактильных датчиков, она не может пощупать предмет. С длиной, шириной, высотой проще. Их можно задать на осях координат в трёх измерениях, а тут пришлось вводить дополнительные оси, дополнительные измерения. Временную ось - чтобы описывать события, протекающие во времени, ось электромагнитного спектра - ведь цвет, свет, теплота - всё это электромагнитные волны разной длины. Гравитационную ось - чтобы описывать притяжение предметов. Оси электростатического и магнитного полей - чтобы измерять электрические заряды и магнитные поля. Кроме того, потребовалось описать все возможные виды взаимодействий предметов в пространстве и времени. Таких взаимодействий оказалось не так уж и много. Это перемещения вдоль осей координат, вращательные и колебательные движения, передача энергии от одного тела к другому, превращение энергии из одного вида в другой. Всё это удалось описать на машинном языке. Множество слов - глаголов превратить во множество моделей движения. Каждая модель получила свой составной идентификатор. Таким образом, весь окружающий нас мир, со всеми его свойствами и видами взаимодействий, удалось записать в память Мирового банка данных с помощью слов - идентификаторов, и объяснить каждый идентификатор, дав ему пространственно-временные и прочие измерения. Осталось совсем немного - научить машину думать – создать искусственный интеллект!

- Ничего себе "немного"! - усмехнулся Александр.

- А это действительно уже немного. Просто необходимо было научить машину строить логические цепочки "причина - следствие" или "действие - результат", что, в общем-то, она давно умела, моделируя тот или иной процесс по частям. Например: тело + импульс силы = движение. Параметры движения зависят от массы тела, величины и направления импульса. Они легко рассчитываются машиной по известным уравнениям физики. Сложные взаимодействия разделяются на более простые, а затем каждое из них проигрывается машиной. Но главное здесь не проигрывать процесс каждый раз заново, а получить новую логическую связь: "действие - результат", как у нас в мозгу, мгновенно. Для этого в машине автоматически создаются специальные информационные ключи, которые открываются, если этот процесс уже моделировался ранее и, подставляя нечёткие множества, машина сразу выходит на приблизительный результат, на качественную или количественную оценку.

- Здорово! - восхищённо произнёс Александр.

- Но и это ещё не всё. Необходимо развить у машины ассоциативное мышление. Научить её находить сходные процессы, описываемые одними и теми же математическими уравнениями, моделями, но принадлежащие к разным областям знаний. Таких процессов и моделей в природе множество. Достаточно сказать, что и в механике, и в термодинамике, и в электромагнетизме все процессы движения, волновые процессы, описываются одними и теми же дифференциальными уравнениями. И здесь машине помогают составные идентификаторы из других областей знаний. Если машина решает какую-нибудь задачу и встаёт в тупик в отношении модели решения, то она ищет сходные идентификаторы - машинные слова, и движется по ним. А конечный результат проверяет на совпадение с экспериментальными данными или ожидаемым результатом, который задаёт человек. Если экспериментальные данные совпадают с расчётными, то модель (методика) расчётов выбрана машиной правильно. Если нет, машина ищет новый вариант расчётов, новую модель. Сначала берутся наиболее близкие составные идентификаторы, совпадающие по большинству слов, потом более далёкие и, наконец, куски идентификаторов из других областей знаний, позволяющие составить новый, ранее неизвестный, идентификатор нового неизвестного процесса и таким образом найти решение неизвестной ранее задачи. Если же вообще ничего не подходит, то машина требует от человека подсказки, уточнения исходных данных, более корректной постановки задачи. Она может сама изменять исходные данные или конечные результаты в разумных пределах, после чего откорректирует их, найдя точную физическую модель происходящего процесса или ошибку в исходных данных. Так были уточнены многие физические константы Вселенной, которые мы знали лишь приближённо. Мир очень логичен и подчинён строгим физическим законам. Имея математические модели различных процессов, всегда можно выбрать ту, которая выведет на нужный результат. И наоборот, зная модель, можно получить новый результат, не прибегая к физическому моделированию. Поскольку во Вселенной всё взаимосвязано, то, уточнив мировые константы и законы взаимодействия, оказалось возможным раскрыть все тайны макро и микромира.

Машине теперь ставят задачу в общем виде, давая минимум исходных данных и ориентировочные пути её решения. Она сама находит модели решения, недостающие исходные данные и выдаёт результат. Машина освоила творческий процесс выработки новых понятий, новых сложных идентификаторов, новых математических моделей. Потребовалось просто лучше организовать её память, дать возможность самостоятельного поиска аналогий, возможность установления прямых и обратных причинно-следственных связей, возможность перехода от конкретных понятий к обобщённым, абстрактным, и обратно. И дело пошло. Машина стала думать, творить, создавать новые знания.

- Понятно, - задумчиво произнёс Александр. - Не совсем только ясно, что такое сложные составные идентификаторы?

- А это практически то же самое, что и наши фразы, предложения, которыми мы обмениваемся. В них также есть подлежащее, сказуемое, дополнения, определения. Это язык машины, на котором она думает. Нет в нём только слов обозначающих эмоции, поскольку машина лишена эмоций, они ей непонятны. Но есть даже такие человеческие понятия как тепло, холод, жара. Просто заданы нечёткие множества температур, которые вызывают у нас эти ощущения. Есть понятия: жидкость, газ, твёрдое тело и т.д. Слова - идентификаторы могут быть переведены на любой человеческий язык, и поэтому стало возможно языковое общение машины с человеком.

- А не может умная машина выйти из под контроля и уничтожить человечество?

Георгий Евгеньевич усмехнулся.

- Нет. Такое возможно только в фантастических романах. Не имея органов чувств, собственных желаний, и возможностей самостоятельно добывать информацию из экспериментов и практических наблюдений, машина остаётся накрепко связанной с человеком. Человек побуждает её работать, человек ставит ей задачи, человек добывает ей новые экспериментальные данные, строит гипотезы. Человек создаёт и сами машины. Поэтому думающая машина не может выйти из под контроля человека. Она лишь дополняет возможности его мозга, расширяет его интеллектуальное могущество.

- А думать, наверное, могут только очень мощные машины, включённые в глобальную компьютерную сеть?

- Нет, почему же? И маленькие нейрокомпьютеры тоже думают. Это несложно. Но думают они в меру своих возможностей. У них нет такого количества программ, как у суперкомпьютеров и они не имеют возможностей для анализа, сравнения и поиска альтернативных вариантов в широком диапазоне. Малые компьютеры обычно узко специализированы и думают только по своей специальности.

В это время на экране пошла информация и Георгий Евгеньевич включил принтер. Информация тут же распечаталась на листе бумаги. Раковский углубился в её изучение, а Саша тихонько вышел из кабинета.