История вычислительной техники в лицах

Принцип единства теории и практики нельзя понимать утилитарно, т. е. считать, что каждая задача, каждая теория обязательно должна быть связана с практикой. Для математики, например, это не так. «Здание» математики, построенное из старых математических дисциплин, настолько прочно связало себя с практикой и настолько высоко поднялось, что если вы, предположим, достраиваете какой-то этаж и не знаете, каким образом он будет связан с нижними, то можете быть уверены, что, если вы решаете действительно трудную задачу, это рано или поздно окажется полезным для практики. Но когда создается новая теория, в основании которой нет еще стройного базового здания, то появляются попытки строить не его, а воздушные замки. Это достаточно легко, но, как правило, бесперспективно для новой области исследований. Поэтому, пока не построен фундамент, строить теории, не опираясь на практику, очень опасно. Может оказаться, что совсем не в ту сторону идет строительство. Это я особенно подчеркиваю. Фундаментальная наука должна давать пользу многим сразу, не только одному. Если вы создадите метод проектирования машины применительно к сегодняшнему уровню техники с учетом всех особенностей составляющих ее элементов и так далее, то вы удовлетворите лишь свои потребности, но только на полгода, год, потому что через год появятся совершенно новые элементы, и этот метод у вас уже не будет работать, а если вы сделаете хорошую теорию, основанную и на этом и на многих других исследованиях, то вы можете помочь целой армии грамотных инженеров и вашими методиками будут пользоваться во всех уголках страны для того, чтобы решать эти задачи. Вот и получается, что фундаментальная наука очень практичная вещь, хотя на самом деле для ее развития надо вознестись в сугубо теоретическую область. Вот так я понимаю принцип единства теории и практики.

Следующий принцип — это принцип единства дальних и ближних целей. Он близок к первому, но подходит к вопросу с другой стороны, с точки зрения выполнения работ во времени. Дело заключается в том, что в кибернетике есть одна особенность. Когда развивались другие науки, не имевшие дела со столь большими системами, как кибернетика, то обычно рождение идеи о том, как решить задачу (особенно в математике), являлось главным. Это составляло 90 % дела. Если идея была верной, то ее оформление занимало 10 %. В биологических исследованиях эти цифры могут быть другими: 40 % — идея, а 60 % — труд по ее реализации. А в кибернетике получается так, что в некоторых случаях идея составляет около 0,01 %, а все остальное — 99,9 % — это ее реализация. Объясню это на примере. Мы с самого начала стали развивать направление, называемое искусственным интеллектом, связанное с построением разумных машин и соответствующих программ. На эту тему я написал книгу «Теория самоусовершенствующихся систем», и во «Введении в кибернетику» ряд разделов был посвящен специально этому вопросу.

Когда мой аспирант Стогний защитил в 1959 году кандидатскую диссертацию, я поручил ему работу по искусственному интеллекту, в частности, обучению машины русскому или украинскому, в общем, естественному человеческому языку, чтобы она понимала смысл предложения. И мы довольно быстро добились потрясающих вроде бы успехов. Могли «разговаривать» с машиной «Киев», как с маленьким ребенком. Она училась говорить, понимала, задавала вопросы, делала те же ошибки, которые делает ребенок, и т. д. Над такого рода вещами (это была оригинальная работа) работали в разных лабораториях мира. Одни переводили с русского языка на английский и наоборот, другие еще что-то делали. И оказалось, что уже первые попытки давали обнадеживающие результаты: идея уже есть, остается только ее реализовать, а исходя из старого опыта, который был накоплен в других науках, считали, что идея — это уже 40 % дела. Если на разработку идеи потребовалось два года, значит, на ее реализацию потребуется в полтора раза больше и через пять лет мы сделаем программы, которые будут переводить лучше любого переводчика с английского на русский, или сделаем такую машину, которая будет по пониманию языка и смысла хорошим собеседником на уровне человека и т. д. Но оказалось, что это далеко не так.

К сожалению, такая недооценка сложности кибернетических задач типична для периода становления любой науки. Такие заблуждения случаются даже у серьезных ученых, которые пытались свой опыт, полученный в старых науках, экстраполировать применительно к новым задачам. Я как-то быстро (может, потому, что занимался философией в свое время) это понял и таких ошибок не делал, таких предсказаний не давал.