Единое ничто. Эволюция мышления от древности до наших дней

К таким наблюдателям относятся представители царства животных и передовые сегодня системы искусственного интеллекта, которые позволяют не только распознавать сложные образы, но и устанавливать внутренние связи между разными образами. Например, такие системы способны распознать по видеозаписи не только объекты, которые на ней присутствуют, скажем, группу молодых людей, но и то, какое отношение этих объектов имеет место на видео. Например, они вместе играют в баскетбол или, напротив, дерутся на улице. Хотя даже для современного ИИ это очень сложная задача и разработчики предпочитают не влезать в трудоёмкий анализ отношений объектов, а опознавать тип отношения по общим признакам целого. Однако это – принципиальное упрощение, которое не работает при столкновении с новыми типами отношений. Например, такая одно-предикатная система ИИ не отличит грубый хоккей от драки хоккеистов во время игры.

Умение сопоставлять, сравнивать объекты и устанавливать отношения между ними крайне важно для животных. Во-первых, оно позволяет сравнивать степень качеств объектов окружающей среды, на что не способны чувствительные наблюдатели. Речь может идти о более или менее приемлемой пище, о вкусовых качествах пищи или воды, об опасности или благоприятствовании – о степенях разных качеств. Для систем машинного обучения распознаванию образов характерной для такой логики может быть задача на выделение из группы людей тех, кто выглядит более или менее агрессивно, привлекательно и т. д., и на ранжирование по этому качеству.

Главный критерий в логике такого наблюдателя – сравнимость

, или связность (каузальность). Два объекта (процесса) могут быть либо сравнимы (сопоставимы), либо несравнимы (несопоставимы). Если объекты сравнимы по какому-то качеству, например по близости нахождения в пространстве к наблюдателю, то между ними возможна связь. Благодаря выявлению связей между внешними объектами животное способно определить ситуации опасности или безопасности, возможности, неблагоприятствования и т. д.

В логике каузальности

(или связности) суждения формируются с помощью терминов причинения. Скажем, «А причиняет В

», или, проще говоря, «А является причиной В». Данное суждение может быть, например, связным или несвязным (а не истинным или ложным). Связное здесь по смыслу приближается к тому, что мы имеем в виду, когда говорим «истинное», но будет ошибкой смешивать эти понятия. Каузальность как форма мышления возникает в нашей эволюционной иерархии типов мышления раньше, чем критерий истинности. Поэтому с этих позиций было бы неверно задавать вопрос, истинна или неистинна такая каузальность, такое понимание причины в данном случае.

Можно было бы сказать, что связность – это не теоретическая, а операционная форма истинности, так как она не соотносит свой предмет с некоей теорией

, а сама, если угодно, становится такой теорией. Но проверить теорию изнутри на предмет её собственной истинности невозможно. Поэтому сравнивающий наблюдатель представляет собой зачаток теории, которой будет пользоваться более развитый наблюдатель.

Когда нейронная сеть обучается, чтобы распознавать те или иные образы или отношения (двухместные предикаты), она корректирует свои коэффициенты и в результате как бы сама становится теорией распознавания данной группы объектов. Она не пользуется такой теорией, а становится ею в результате обучения. Сеть пока не способна абстрагироваться от себя как от теории и заняться селекцией теорий для не заложенной в ней изначально цели. Причём, какой бы сложной ни была нейронная сеть или иерархия нейронных сетей, каузальная схема не меняется. Такое положение дел отражает сегодняшний предел возможностей систем машинного обучения. Аналогично дела обстоят и с большинством животных, которые доходят до очень сложных способов анализа окружающего мира, но не способны влиять на заложенную в них природой программу.

Выявление связей объектов среды позволяет сравнивающему наблюдателю совершенствовать своё потребление. Если есть два способа добыть пищу: простой и сложный, – он выберет более простой. Поэтому, в частности, появились домашние животные, выбравшие способ пропитания попроще. Однако механизм такого выбора для животных связан и с инстинктом, поэтому его нельзя назвать выбором в полном смысле слова. Для ИИ такой механизм определяется машинным кодом, то есть его программой.

Современные системы ИИ, таким образом, являются автоматами, очень развитыми инструментами, но не самостоятельными мыслителями. Так же, как и животные, которые являются, по сути, автоматами, но биологического происхождения. Исключение могут составлять лишь некоторые виды животных, в том числе домашние.