Второй пункт критики этой
ранней модели в том, что она нечувствительна к влиянию контекста при
идентификации отдельных букв. Наши обширные знания орфографии и
структуры предложения оказывают нам при идентификации букв неоцени-
мую помощь. Чтение рукописного текста - как в указанном случае -
было бы почти невозможно, если бы читающий не привносил в ситуацию
изрядное количество собственной информации. Чтобы заставить машину
действовать при обработке информации подобно человеку, следует при-
нять в расчет этот важный параметр.
А теперь мы рассмотрим несколько примеров того, как идентифициру-
ются паттерны более сложные, чем просто буквы.
Рис. 15.5. Алгорит-
мы последователь-
ной (слева) и парал-
лельной (справа) об-
работки для разли-
чения букв А, Н, V и
У путем использова-
ния трех тестовых
картинок. При по-
следовательной об-
работке каждый
последующий этоп
определяется выход-
ной информацией
предыдущего; при
параллельной обра-
ботке все тесты при-
меняются одновре-
менно, и решение
принимается на ос-
новании объедине-
ния их выходных дан-
ных. Адаптировано
из: Selfridge and N-
eisser (1963).
1
ВводнойКривизна
стимулнаверху?
| Входной
г--1 чма ы
1Кривизна наверху?
1
Входной стимулПересечение ?-
Верти-
кальная
линия 7L-
Мышление и интеллект - естественный и искусственный
508
В качестве примера распознавания других паттернов обратимся к иденти-
фикации треугольника7. На рисунке 15.6 изображены несколько треуголь-
ников, каждый из которых человек может немедленно опознать и класси-
фицировать как таковой. Если прототип "треугольности", хранимый в про-
грамме компьютера, соответствует "правильной" матрице треугольника
(а), тогда треугольники (Ь) и (с), если их правильно повернуть и скоррек-
тировать по величине, можно будет легко распознать; однако, треугольни-
ки (о) и (е) вызывают проблемы, особенно те, что на (е) - их можно
идентифицировать только в результате "хорошего гештальта", но не по
тому. что они состоят из трех прямых линий.
Наша способность немедленно распознавать каждую из этих фигур
как треугольник объясняется обширным опытом восприятия других треу-
гольных объектов; абстрактное представление о треугольности доста-
точно широко, чтобы позволить нам опознать эти треугольники именно
как треугольники, хотя мы их никогда не видели. Может ли компьютер
выучить это понятие? Возможно, но такой механизм поиска необходимо
будет более сложным, чем единичная операция сопоставления, такая, как
в машине, считывающей номер с чека. Вместо этого стоило бы подумать о
программе поиска, распознающей детали треугольника (как в программе
распознавания букв Селфриджа-Нейсера). Тогда такие детали, или атри-
буты, как углы, линии, форма, количество объектов и т.д. хранились бы в
компьютерной памяти, точно так же как в нашей памяти хранится каталог
этих атрибутов треугольника.
Программы последнего типа, более близкие интересам когнитивной
психологии, разрабатывали Гузман и Винстон (Gusman, 1968; Winston,
1970, 1973, 1984). Эти программы отличались от более ранних тем, что
0 том, как человек формирует понятие о треугольности см, в Главе 13.
Рис. 15.6. Хорошие (A-Dj и "про-
блематичные (Ef треугольники. Пер-
вые отличаются только по величине,
ориентации и отношению сторон; у
последних нет обычных прямолиней-
ных сторон, но их все же можно опоз-
нать как треугольники.
они не требовали хранения описаний тех форм, которые компьютеру пред-
стояло распознавать, а основывались на соотношении частей трехмерных
геометрических объектов.
"Квалифици- Если бы мы могли видеть только те объекты, видеть которые были запрог-
рованное" раммированы машины, описанные вплоть до этого момента, наши дела
зрительное были бы плохи. Основная проблема в том, что интеллект компьютеров,
воспоиятие V вежливо выражаясь, ограничен. Люди "видят" мозгом столько же, сколь-
Jurxnuu к0 и глазами: эта мысль является основной темой этой книги. Умение
воспринимать базируется на частом опыте восприятия объектов и собы-
тий. Опытный дизайнер по интерьерам способен разглядеть тончайшие
нюансы цвета, или текстуры, или формы, к которым неспециалист слеп.
Тот же самый принцип, видимо, действует и в отношении других сенсор-
ных модальностей (например, у профессиональных дегустаторов, музы-
кальных критиков, дегустаторов косметики и специалистов по мехам).
Можно ли научить машину выполнять те же самые - или хотя бы сход-
ные - функции?
Одна из очень практических функций, выполняемых человеком,- это
обнаружение дефектов продукции. Бесчисленные часы проводят наши
друзья рабочие, изучая, правильно ли прилеплены этикетки на бутылках с
пивом, или проверяя электролампочки, или ботинки, или печатные платы
на предмет дефектов. Люди не особенно хорошо справляются с такой ра-
ботой не потому, что она превышает интеллект человека, но потому что
она им быстро наскучивает, и они начинают допускать ошибки. Скука не
относится к характеристикам систем ИИ; они могут работать беспрестан-
но и не жалуются. Может быть, квалифицированное человеческое воспри-
ятие, повторяющиеся действия - это именно то, что хорошо делает ком-
пьютер
Для обнаружения отклонений и принятия простых решений о качестве
продукта было разработано много успешных программ с использованием
компьютеров. Примером работ по ИИ, проводимых в этой области, явля-
ется программа, выполненная Тибадо (Thibadeau, 1985) в Институте Робо-
тотехники, являющемся филиалом Университета Карнеги-Мелона. Это не
просто задача "зрительного обнаружения" (можно использовать оптику
гораздо более чувствительную, чем человеческий глаз), а задача интер-
претации обнаруженного паттерна как приемлемого или неприемлемого.
В одном из проектов Тибадо занимался построением прибора для авто-
матической проверки, способном принимать разумные решения о каче-
стве печатных плат. На Рис. 15.7 можно видеть сильно увеличенные изоб-
ражения некоторых типов дефектов в проводниках печатных плат. На ча-
сти (а) этого рисунка изображен "обрыв" проводника, на части (b) -
"короткое замыкание", а на части (с) - "щербинка".
Выявление такого брака человеком занимает много времени, дорого
стоит и несовершенно, тогда как машины в этой сфере как минимум быс-
трее, дешевле и точнее. Пока что они еще несовершенны, и именно к
этому вопросу обратился Тибадо. Первым этапом разработки лучшего ИИ
прибора было составление списка видов брака, определяемых по стандар-
там, установленным инженерами. Каталог этих ошибок включал сотни
изображений, сходных с показанными на Рис. 15.7. Следующим этапом
было выяснить, на что обращают внимание инженеры, когда рассматрива-
Мышленц.с и интеллект - естественный и искусственный
510
ют печатную плату. В результате этот исследователь заинтересовался со-
зданием методики, при которой инженеров просили описать эти изобра-
жения путем оценки их по отношению к системе отсчета.
Одна система отсчета была установлена, когда инженеров просили
сказать о том, "что вызвало данный дефект", и оценить уверенность в
своей субъективной оценке по десятибалльной шкале.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185
ранней модели в том, что она нечувствительна к влиянию контекста при
идентификации отдельных букв. Наши обширные знания орфографии и
структуры предложения оказывают нам при идентификации букв неоцени-
мую помощь. Чтение рукописного текста - как в указанном случае -
было бы почти невозможно, если бы читающий не привносил в ситуацию
изрядное количество собственной информации. Чтобы заставить машину
действовать при обработке информации подобно человеку, следует при-
нять в расчет этот важный параметр.
А теперь мы рассмотрим несколько примеров того, как идентифициру-
ются паттерны более сложные, чем просто буквы.
Рис. 15.5. Алгорит-
мы последователь-
ной (слева) и парал-
лельной (справа) об-
работки для разли-
чения букв А, Н, V и
У путем использова-
ния трех тестовых
картинок. При по-
следовательной об-
работке каждый
последующий этоп
определяется выход-
ной информацией
предыдущего; при
параллельной обра-
ботке все тесты при-
меняются одновре-
менно, и решение
принимается на ос-
новании объедине-
ния их выходных дан-
ных. Адаптировано
из: Selfridge and N-
eisser (1963).
1
ВводнойКривизна
стимулнаверху?
| Входной
г--1 чма ы
1Кривизна наверху?
1
Входной стимулПересечение ?-
Верти-
кальная
линия 7L-
Мышление и интеллект - естественный и искусственный
508
В качестве примера распознавания других паттернов обратимся к иденти-
фикации треугольника7. На рисунке 15.6 изображены несколько треуголь-
ников, каждый из которых человек может немедленно опознать и класси-
фицировать как таковой. Если прототип "треугольности", хранимый в про-
грамме компьютера, соответствует "правильной" матрице треугольника
(а), тогда треугольники (Ь) и (с), если их правильно повернуть и скоррек-
тировать по величине, можно будет легко распознать; однако, треугольни-
ки (о) и (е) вызывают проблемы, особенно те, что на (е) - их можно
идентифицировать только в результате "хорошего гештальта", но не по
тому. что они состоят из трех прямых линий.
Наша способность немедленно распознавать каждую из этих фигур
как треугольник объясняется обширным опытом восприятия других треу-
гольных объектов; абстрактное представление о треугольности доста-
точно широко, чтобы позволить нам опознать эти треугольники именно
как треугольники, хотя мы их никогда не видели. Может ли компьютер
выучить это понятие? Возможно, но такой механизм поиска необходимо
будет более сложным, чем единичная операция сопоставления, такая, как
в машине, считывающей номер с чека. Вместо этого стоило бы подумать о
программе поиска, распознающей детали треугольника (как в программе
распознавания букв Селфриджа-Нейсера). Тогда такие детали, или атри-
буты, как углы, линии, форма, количество объектов и т.д. хранились бы в
компьютерной памяти, точно так же как в нашей памяти хранится каталог
этих атрибутов треугольника.
Программы последнего типа, более близкие интересам когнитивной
психологии, разрабатывали Гузман и Винстон (Gusman, 1968; Winston,
1970, 1973, 1984). Эти программы отличались от более ранних тем, что
0 том, как человек формирует понятие о треугольности см, в Главе 13.
Рис. 15.6. Хорошие (A-Dj и "про-
блематичные (Ef треугольники. Пер-
вые отличаются только по величине,
ориентации и отношению сторон; у
последних нет обычных прямолиней-
ных сторон, но их все же можно опоз-
нать как треугольники.
они не требовали хранения описаний тех форм, которые компьютеру пред-
стояло распознавать, а основывались на соотношении частей трехмерных
геометрических объектов.
"Квалифици- Если бы мы могли видеть только те объекты, видеть которые были запрог-
рованное" раммированы машины, описанные вплоть до этого момента, наши дела
зрительное были бы плохи. Основная проблема в том, что интеллект компьютеров,
воспоиятие V вежливо выражаясь, ограничен. Люди "видят" мозгом столько же, сколь-
Jurxnuu к0 и глазами: эта мысль является основной темой этой книги. Умение
воспринимать базируется на частом опыте восприятия объектов и собы-
тий. Опытный дизайнер по интерьерам способен разглядеть тончайшие
нюансы цвета, или текстуры, или формы, к которым неспециалист слеп.
Тот же самый принцип, видимо, действует и в отношении других сенсор-
ных модальностей (например, у профессиональных дегустаторов, музы-
кальных критиков, дегустаторов косметики и специалистов по мехам).
Можно ли научить машину выполнять те же самые - или хотя бы сход-
ные - функции?
Одна из очень практических функций, выполняемых человеком,- это
обнаружение дефектов продукции. Бесчисленные часы проводят наши
друзья рабочие, изучая, правильно ли прилеплены этикетки на бутылках с
пивом, или проверяя электролампочки, или ботинки, или печатные платы
на предмет дефектов. Люди не особенно хорошо справляются с такой ра-
ботой не потому, что она превышает интеллект человека, но потому что
она им быстро наскучивает, и они начинают допускать ошибки. Скука не
относится к характеристикам систем ИИ; они могут работать беспрестан-
но и не жалуются. Может быть, квалифицированное человеческое воспри-
ятие, повторяющиеся действия - это именно то, что хорошо делает ком-
пьютер
Для обнаружения отклонений и принятия простых решений о качестве
продукта было разработано много успешных программ с использованием
компьютеров. Примером работ по ИИ, проводимых в этой области, явля-
ется программа, выполненная Тибадо (Thibadeau, 1985) в Институте Робо-
тотехники, являющемся филиалом Университета Карнеги-Мелона. Это не
просто задача "зрительного обнаружения" (можно использовать оптику
гораздо более чувствительную, чем человеческий глаз), а задача интер-
претации обнаруженного паттерна как приемлемого или неприемлемого.
В одном из проектов Тибадо занимался построением прибора для авто-
матической проверки, способном принимать разумные решения о каче-
стве печатных плат. На Рис. 15.7 можно видеть сильно увеличенные изоб-
ражения некоторых типов дефектов в проводниках печатных плат. На ча-
сти (а) этого рисунка изображен "обрыв" проводника, на части (b) -
"короткое замыкание", а на части (с) - "щербинка".
Выявление такого брака человеком занимает много времени, дорого
стоит и несовершенно, тогда как машины в этой сфере как минимум быс-
трее, дешевле и точнее. Пока что они еще несовершенны, и именно к
этому вопросу обратился Тибадо. Первым этапом разработки лучшего ИИ
прибора было составление списка видов брака, определяемых по стандар-
там, установленным инженерами. Каталог этих ошибок включал сотни
изображений, сходных с показанными на Рис. 15.7. Следующим этапом
было выяснить, на что обращают внимание инженеры, когда рассматрива-
Мышленц.с и интеллект - естественный и искусственный
510
ют печатную плату. В результате этот исследователь заинтересовался со-
зданием методики, при которой инженеров просили описать эти изобра-
жения путем оценки их по отношению к системе отсчета.
Одна система отсчета была установлена, когда инженеров просили
сказать о том, "что вызвало данный дефект", и оценить уверенность в
своей субъективной оценке по десятибалльной шкале.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185