Как построить машину, способную подражать этому перцептивному
механизму? Логично было бы разработать что-то способное чувствовать.
Один такой подход можно найти в работе по компьютерным распознаю-
щим системам.5
Многие из ранних исследований этого типа руководствовались практически-
ми задачами (например, как сделать устройство, считывающее цифровой код
на чеках) и как таковые были слабо связаны с проблемой аналогии ИИ с
человеком; здесь этот пример приводится для иллюстрации некоторых воз-
можностей существующих систем компьютерного "восприятия".
Мышление и интеллект - естественный и искусственный
504
Один из способов научить компьютеры распознавать геометрические фор- Распознава-
мы путем анализа логических признаков - это использовать принцип, что цие линий
сложные геометрические формы состоят из простых. В этой программе
использован ряд небольших "матриц", которые систематически проходят
через каждый объект в поисках соответствия. Пример "матрицы" и иден-
тифицируемого геометрического объекта показан на Рис. 15.2. Матрица
сделана из двух типов сенсоров - позитивного и негативного; присут-
ствует, отсутствует - это единственный сигнал, подаваемый такой ячей-
кой. или подразделением матрицы. Изображенная матрица содержит толь-
ко шесть ячеек - три "минуса" и три "плюса", и, судя по расположению
этих компонентов (все "отрицательные" элементы расположены слева),
вроде бы, подходит для идентификации левого края объекта. Помещение
матрицы ее средней линией над левым краем куба привело бы к полному
соответствию. На углу соответствие было бы плохим, а на нижнем краю,
где плюс и минус отменяют друг друга, соответствия не будет. Хотя эта
эвристика в наибольшей степени ориентирована на возможности машин,
она не расходится с результатами изучения восприятия у животных и
человека. Ранее в этой главе (и в Главе 3) мы узнали, что психофизиоло-
гам удалось найти детекторы линий в клетках коры у кошек и, хотя эти
данные не полностью подтверждены, похоже, что у человека также име-
ются детекторы края.
Трудность с вышеприведенной системой состоит в том, что для распоз-
навания даже простых паттернов нужно большое количество матриц (на-
пример, детектор левой кромки, детектор правой кромки). Также пробле-
матична "добротность" стимула; большинство геометрических форм (осо-
бенно в реальном мире) могут иметь резкие или расплывчатые края, яр-
кие или тусклые края. Распознавание паттернов путем распознавания линий
можно сильно упростить, если распознаваемую форму сначала преобразо-
вать в образ, состоящий только из линий, и затем использовать матрицы
для определения ориентации этих линий.
Системы распознавания паттернов обычно имеют дело со зрительным ма-
териалом. Как правило, воспринимающие устройства у таких систем име-
ют растр, или матрицу из фотоэлементов, реагирующих на свет. Обычно
эти фотоэлементы имеют только два состояния - включено и выключено
(для "белого" и "черного"). Рассмотрим элементарную задачу идентифи-
кации цифры. На Рис.15.3 показано, как цифры можно преобразовать в
Роспознова-
ние паттер-
нов
Матрица
Плохое
соответствие
Соответствие
отсутствует
Рис.15.2. Обнаружение
левого края посредством
шестиэлементной матри-
цы. Знаки + и - указы-
вают элементы, реагиру-
ющие на условия присут-
ствует и отсутствует" со-
ответственно. Адаптиро-
вано из: Raphael (1976J.
Искусственный интеллект
505
двоичный код - 0, иди выключено для "черного", и /. или включено -
для "белого". Компьютер считывает каждую цифру (т.е. фотоэлементы -
один для каждого квадрата сетки, накладываемой на число, - "ощущает"
световые зоны, т.е. те, что не заняты числом), исходя из того, насколько
данный цифровой код совпадает с матрицей, хранящейся в памяти компь-
ютера. Это работает очень хорошо - если все буквы одной формы, одина-
ково расположены и не уменьшены,- и такие устройства широко приме-
няются в американской промышленности и государственной почтовой служ-
бе. Но когда дело доходит до чтения рукописных писем, присланных для
тети Иолы, у оптических сканирующих устройств начинаются разные труд-
ности. Однако, судя по всему, быстро разрабатываются системы для "чте-
ния" даже и рукописных текстов.
Идентификация букв и слов средствами ИИ представляет не только
практическую проблему, она также имеет значение для тех ученых, кого
интересует процесс анализа информации человеком. Многое из того, что
известно об идентификации человеком букв и слов, обсуждалось в Гла-
ве 10. Эти знания помогают разрабатывать компьютерные программы, ими-
тирующие этот процесс. Плодотворный отчет по этой теме, послуживший
руководством для последующих исследований, представили Селфридж и
Нейсер (Selfridge and Neisser, 1963). Только что описанная общая проце-
дура "восприятия буквы" потребовала бы огромной компьютерной памяти
(для хранения матрицы каждого нового варианта каждой буквы) или не
Рис. 15.3. Двоич-
ное представле-
ние (к опенка в
центре) букв (ко-
лонка слева!. Ну-
ли показывают
выключено или
"черный , едини-
цы -- включено
или "белый. В
прозой колонке
изображено, как
выглядели бы циф-
ры при считыва-
нии их сканером.
Адаптировано из:
Raphael I1976J.
0 О0000000 0
0 0001111и0 0
0 О0111101} (1
0 0011111101) 11
000100100 0
0 00111100 0
0 01100110 0
0 01000010 0
0 00000000 0
0 00000000 0
Во00000000
001/111100
0000/10000
0000/1000 0
0 000/1000 0
0 000/1000 0
0 000/1000 0
0 000/1000 0
0 110(1111)0Р0 0
0 00000000 0
606000000 0
б 00и0000U 0
0 00011000 0
0 001001UU 0
0 01000010 0
001000010 0
0 (101(10100 0
0 00011000 0
000000000 0
0 00000000 U
Мышление и интеллект - естественный и искусственный
506
смогла бы обнаруживать многие встречающиеся в действительности фор-
мы букв (Рис. 15.4).
Нужен был более "хитрый" подход, и Селфридж и Нейсер предложили
анализировать буквы по их "деталям".6 Возьмем, например, букву А. Чем
помещать все типы написаний буквы А в память компьютера и проводить
с ними операции поиска и сравнения, мы можем написать для компьютера
программу, которая будет изучать каждую из составляющих букву дета-
лей, проверять их наличие или отсутствие и принимать решение о том,
какая это может быть буква. Для этого есть два фундаментально различ-
ных способа - модель последовательной переработки и мод- ib парал-
лельной переработки. В модели последовательной переработки каждая
деталь изучается заранее определенным пошаговым способом, и резуль-
тат каждого теста определяет следующий шаг в программе. Пример про-
граммы последовательной обработки показан на Рис. 15.5 слева. Эта про-
стая программа оценивает всего три детали, спрашивая:
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200