Study of Democratic Institutions), среди тех, кого эти угрозы волновали, оказались многие демократически ориентированные персонажи, в том числе Мартин Лютер Кинг.
Однако к середине семидесятых стала очевидной несущественность всех этих угроз и спекуляций, стало ясно, что все страшилки AI были инспирированы желающими получить финансирование. Даже такой верный ученик Минского, как Ханс Моравек, писал: «Многие исследователи оказались в паутине неоправданных ожиданий. Их начальные предложения, адресованные ARPA, были слишком оптимистичны. Но, осознав одну ошибку, из желания остаться на плаву они совершали следующую и попадали в порочный круг – обещали все больше, понимая, что и эти обещания не будут исполнены». Моравек открыто признал, что ARPA и администрация США были введены в заблуждение (duped). А далее случилось неизбежное, наступило отрезвление, а вслед за ним отказ от щедрого финансирования с неизбежным итогом – началась Первая зима AI. Оказалось, что за 20 лет были попусту растрачены колоссальные средства, но ни одно (!) из обещаний первой волны AI не было реализовано. С этого момента обещания ученых больше ничего не значили для тех, кто им давал средства, проповедники AI вышли из доверия. Эдвард Фейгенбаум, в свое время лучший ученик Герберта Саймона, высказался следующим образом: «Рай закончился и началась реальная жизнь. AI перестал быть многообещающей технологией и превратился в рискованное дело».
Экспертные системы и Вторая зима AI
В отличие от энтузиастов первой волны AI тот же Эдвард Фейгенбаум (Edward Feigenbaum, 1936) не ограничился простым признанием неудач, напротив, он сделал из них выводы и разработал собственный план по спасению AI, состоящий из двух частей.
• Техническая часть. Новый подход получил название экспертные системы (Expert Systems, ES). Суть его в отказе от любых попыток прямого наделения машины разумом, способностью решать общие задачи, вместо этого он сменил ориентацию на поиск подходов, во-первых, к тому, как по образу и подобию баз данных (СУБД) создавать базы знаний, накопленных экспертами в тех или иных прикладных областях науки, медицины и других и, во-вторых, создавать соответствующие средства, обеспечивающие машине способность оперировать этими знаниями.
• Финансирование. Фейгенбаум решил выйти из-под зависимости от военных и найти заинтересованных в коммерческих приложениях AI.
Предпосылкой к плану создания ES был проект по эвристическому программированию (Stanford Heuristic Programming Project), которым он руководил в конце шестидесятых. В нем Фейгенбаум отказался от методов, разработанных Ньэллом и Саймоном для решения общих логических задач, в пользу работы с отчужденными от человека и формализованными знаниями, сохраняемыми в базах. По замыслу Фейгенбаум база знаний (knowledge base, KB) – это аналог базы данных, содержащий информацию о человеческом опыте и знаниях. Для хранения знаний служат некие онтологии, так странно были названы описания, состоящие из множества объектов, представления знания и множества связей, объединяющих понятия и их отношения. Эта с трудом понимаяемая вещь не имеет ничего общего с понятием онтологии в философии.
В короткий срок в Стэнфордском университете были созданы первые экспериментальные ES. Одна из них, Mycin содержала назначения лекарств по симптоматике, а другая, Dendral – ориентирована на приложения в области органической химии. Фейгенбаум был убежден, что «сила этих интеллектуальных систем в знаниях, которыми они обладают, а не в заложенных в них алгоритмах и методах логического вывода».
За свою деятельность Фейгенбаум получил титул «отца экспертных систем», но выработанные им принципы создания ES остаются модификацией символьного подхода к AI, все тот же «сверху-вниз» по классификации Тьюринга. Суть его предложения сводится к тому, что накопленные людьми-экспертами знания некоторым способом закладываются в машину в предположении о том, что после этого машина окажется эффективнее человека в процессе оперирования этими знаниями. Предполагалось, что наибольший эффект будет достигнут в финансовом планировании, в медицинской диагностике, в геофизических исследованиях и других областях. Без излишних сомнений началась активная коммерциализация ES. В который раз проявилась вера в чудо, в 1984 году номер журнала Business Week вышел под лозунгом «AI пришел» (AI: It’s Here), вот отрывок: «Мы построили замечательный мозг, мы можем программировать человеческие знания и закладывать их в компьютер. Наконец AI достиг своей зрелости».
В середине 80-х ES достигли пика популярности, их ввели в университетские курсы и более половины крупных компаний, входящих в Fortune 500, пытались внедрить их в свой бизнесе. Лидером нового направления стала Digital Equipment Corporation (DEC), занимавшая вторую позицию в компьютерном мире после IBM, известная своими компьютерами PDP и VAX. Создаваемым здесь ES была предназначена скромная роль рабочих лошадок для тех случаев, когда человеку было трудно справляться с большими объемами рутинных знаний. Например, для совершенствования работы отделов продаж в DEC была создана ES XCON, предназначенная, как следует их ее названия, на роль «эксперта конфигураций» (eXpert CONfigurer). Он служил для задач комплектации поставляемых компанией компьютеров. Потребность в такой системе объяснялась тем, что разнообразие заказываемых конфигураций было настолько велико, что человеку с его способностями было сложно добиться согласованности поставок, часто возникали ошибки, требовались средства автоматизации. Поначалу в систему было заложено 750 правил, но со временем их число дошло до 2500. Система XCON тиражировалась вплоть до 1993 года, но со временем стало ясно, что затраты на поддержку систем этого класса оказываются выше, чем приносимая ими прибыль. По этой причине от ES отказались не только в DEC, но и в других компаниях. Однако некоторые следы ES сохранились до наших дней, они оказались воплощенными в бизнес-приложениях компаний SAP и Oracle.
Как ни странно, но самым серьезным критиком ES оказался Джон Маккарти, он совершенно справедливо называл главным дефектом экспертных систем невозможность наделить их здравым смыслом. Во многих случаях предлагаемые ES решения оказывались абсурдными. Маккарти привел в качестве примера рецепт, выписанный экспертной системой MYCIN, он действительно обеспечил бы победу над болезнью, но попутно убил больного. Крах ES обычно связывают со сложностью и трудоемкостью поддержания базы знаний, но при этом забывают об одно важном факторе – о случившейся смене компьютерной парадигмы, о замене централизованных систем на базе мэйнфреймов и миникомпьютеров клиент-серверными конфигурациями, где человек мог работать в интерактивном режиме на ПК.
Мир пошел по пути предсказанному Ликлайдером – создание трехзвенных систем управления «сервер – ПК – человек», где сервер служит для хранения и обработки данных, ПК предназначен автоматизации рутинной работы и для интерактивного взаимодействия человека с машиной в процессе принятия решений и других осмысленных действий. Это оказалось гораздо удобнее и проще.
Исторически значимые ES
Наибольших практических успехов по части ES достиг Дуглас (Даг) Ленат. Он начал с того, что