Когнитивные технологии - Клуб субъектов инновационного и

Бодякин В.И.
к.ф.-м.н., с.н.с. Института проблем управления РАН
E-mail: body@ipu.ru
КОНЦЕПЦИЯ РАЗРАБОТКИ КОГНИТИВНОЙ СИСТЕМЫ СОЦИАЛЬНОЭКОНОМИЧЕСКОГО УПРАВЛЕНИЯ
Тенденция эволюции экономик и человеческий капитал. На протяжении всей
истории цивилизации роль человека в экономической компоненте социума монотонно
изменялась
от
использования
его
индивидуально-физических
возможностей
до
встраивания в массово-интеллектуальные процессы. Так, при первобытно-общинном строе
роль
и
значимость
каждого
соплеменника
определялась
исключительно
его
индивидуальными возможностями быть полезным для племени. В рабовладельческом
обществе человеческие возможности использовались для создания потока физических сил
и направления их на преобразование окружающей среды по воле хозяина. Позднее человек
стал придатком и одновременно управляющим физическими механизмами в рамках
какого-либо отдельного полукустарного или индустриального процесса. И уже в совсем
недавнее время, не более полувека назад, человек массово встраивался в обслуживание и
управление автоматизированными системами управления (АСУ), охватывающими целые
отрасли того или иного производства. Сегодня чрезвычайно актуальными становятся
инноваторские, когнитивные возможности человека, формирующие человеческий капитал
как главный фактор развития «экономики знаний» [1, 2].
Человеческий капитал  это фактор интенсивного экономического развития нации,
социально-образовательного развития общества и семьи, это фактор ориентации субъекта
на всеохватывающую (глобальную) инновационность  основу «экономики знаний» как
следующего высшего этапа развития социально-экономических отношений общества. Рост
человеческого капитала нации невозможен без роста индивидуального профессионализма,
знаний, методов и технологий интеллектуального и управленческого труда, без
качественного роста комфортности среды обитания и трудовой деятельности. Поэтому,
всестороннее развитие и повышение качества человеческого капитала является одним из
необходимых условий для прогрессивного и динамичного развития общества. К
сожалению, следует отметить, что если в национальном богатстве развитых стран
1
человеческий капитал составляет от 70 до 80%, то в России менее 50%, хотя несколько
десятилетий назад ситуация была более ровной. У России по-прежнему еще высок
образовательный и инновационный потенциал, но для его практического применения
необходимо создать и задействовать инфраструктуру инновационной экономики, может
быть, начиная с сети «когнитивных центров».
Тенденции
экономической
глобализации
наглядно
проявляются
в
международном перераспределении функций. Сегодняшние лидеры мировой экономики
переносят в развивающиеся страны Юго-Восточной Азии и другие регионы мира некогда
высокотехнологичные отрасли этапа постиндустриального развития, оставляя себе
чрезвычайно эффективные области экономики знаний. При ориентации на «экономику
знаний» управляющие структуры вынуждены всячески наращивать человеческий капитал
как в экономическом, так и социальном планах. Наконец-то, высшие функции человека
массово становятся наиболее востребованными, хотя и принудительно втягиваются
лидерами научно-технического прогресса в аттрактор гонки «инновационной экономики».
Отметим, что производство знаний в мире уже четко локализовано и всячески
удерживается от демонополизации, а продукция и потребление знания необходимы всем
нациям, которые собираются сохранить себя в будущем. Таким образом, уже формируется
карта
информационных
ресурсов,
замещающая
собой
некогда
архиважную
географическую карту минеральных природных и промышленно производимых ресурсов.
Экономика знаний. Экономику знаний характеризует в первую очередь
постоянный рост доли НИОКР в общих расходах государства и частных фирм, а также
стабильный рост капитализации высоконаучных организаций. Научные исследования
свидетельствуют о стабильном росте стоимости интеллектуального капитала, не
связанного напрямую с материальными ценностями, который определяется в первую
очередь человеческим и структурным капиталом (наличие зарегистрированных патентов,
инструкций и методик работы, системы организации фирмы и т.д.).
В развитых странах 25% трудовых ресурсов сегодня занято в сфере науки и
высоких технологий. В США 8% населения создают свыше 20% ВВП, а страна расходует
на научно-исследовательские и опытно-конструкторские разработки (НИОКР) около 40%
от общемировых затрат. Показательны и данные по России: население  примерно 2,5% от
мирового, ВВП  2,5% от мирового, а расходы на НИОКР  заметно меньше 1% от
2
мировых. По совокупности близких по смыслу показателей Россия сегодня в 2–3 раза
уступает среднемировому уровню поддержки экономики знаний.
Для России характерна ситуация огромного объема нереализованных знаний. Но
настоящие инновации  это запущенные высокотехнологичные производства, проданные
лицензии, повышение квалификации работников. Еще одна проблема современной России

отсутствие
преемственности
поколений
и
надвигающаяся
потеря
культурно-
технологических знаний и навыков.
Мотор экономики знаний  когнитивные технологии. Эксперты единодушны в
том, что генеральное развитие мировой науки завтрашнего дня будет определять комплекс
из четырех направлений: био-, инфо-, нано- и когнитивные технологии. Ядром этого
комплекса междисциплинарных исследований можно считать когнитивную науку. Над
когнитивными
проектами
работают
сегодня
ведущие
лаборатории
большинства
университетов и научных центров Западной Европы, Японии и США.
Если учесть, что к настоящему времени объёмы потоков информации удваиваются
менее чем за пять лет, то стратегически важным становится не столько «владение
информацией», сколько умение быстрее других ее обработать, систематизировать и
получать из нее новые актуальные знания. На решение этой задачи и ориентированы
когнитивные технологии, которые, в свою очередь, могут быть построены на
формализации когнитивных способностей человека (лат. cognitio – познание, познавание,
познавательные функции).
Когнитивные функции  высшие мозговые функции: память, внимание,
психомоторная координация, речь, гнозис, счет, мышление, ориентация, планирование и
контроль высшей психической деятельности. Когнитивные функции обеспечивают
способность человека к переработке информации и использованию ее для коррекции
своих действий. Развитие когнитивных функций имеет непосредственное отношение к
развитию интеллекта.
На практике накапливать и применять знания может пока только человек.
Исследовать, понять и промоделировать на ЭВМ когнитивные функции человека  одна из
важнейших задач современной науки. Целью этих задач является обеспечение
возможности перенесения когнитивных функций с биологической элементной базы (сетей
нейронов мозга) на электронную элементную базу, обладающую в миллионы раз с
большим быстродействием, практически неограниченной памятью и др., а также
3
построение информационной (вычислительной) техники следующего уровня  7-го
поколения ЭВМ. Одним из перспективных методов, решающих поставленную задачу,
является нейросемантический подход.
Нейросемантика. Базовая сущность нейросемантического подхода заключается в
автоматической структуризации непрерывного информационного потока, порожденного
причинно-связанными процессами исследуемой предметной области, в объективно
отображающую их информационную модель. Для выполнения автоструктуризации
достаточно стандартными вариационными методами минимизировать отображение
исследуемого информационного потока на специализированной нейроподобной среде.
Информационная модель представляется в виде (многомерного) многодольного
ориентированного графа, в вершинах которого находятся образы-процессы предметной
области, а порядок вхождения в них дуг отображает причинную связанность этих
процессов. Исследования показали, что подобное отображение произвольного текстового
потока
в
форме
нейросемантической
модели
универсально
и
дает
множество
дополнительных преимуществ: произвольный ассоциативный и параллельный доступ;
монотонно
растущую
эффективность
отображения
(компрессию);
повышенную
информационную надежность; самопрограммируемость входящей информацией и др.
Причем эти семантические и технические характеристики имеют тенденцию к улучшению
с ростом объемов информационных потоков [1,2,3].
Сравнительный анализ моделей нейросемантической формы представления
информации с существующими классическими: файловой, иерархической, сетевой,
реляционной и объектно-ориентированной моделями представления данных  показал, что
нейросемантический
подход
является
единственным,
который
обеспечивает
автоматическое формирование моделей данных априорно неизвестных предметных
областей, что до сих пор являлось основным сдерживающим фактором в технологиях
построения крупномасштабных баз данных и баз знаний. Дальнейший анализ показал, что
нейросемантический подход позволяет преодолеть и известные недостатки современных
подходов: человеко-машинного, алгоритмического и классического нейросетевого  при
разработке и построении информационно-управляющих систем (ИУС).
Научная группа в ИПУ РАН занимается разработкой инструментария для работы с
крупномасштабными
слабоструктурированными
потоками
информации
на
базе
нейросемантических структур (НСС) уже более пятнадцати лет. За это время разработаны:
4
теоретическая
концепция
эволюции
самоорганизующихся
ИУС,
а
также
специализированная нейроподобная среда, на которой продемонстрировано явление
автоструктуризации и разработаны две модели ИУС: «условно-рефлекторная» и
«рекурсивная»  демонстрирующие возможности их обучения и самообучения. Замена
программирования обучением открывает путь к практике создания крупномасштабных
ИУС для обработки неструктурированных потоков информации и формирования баз
знаний [2].
Анализ
нейрофизиологической
литературы
показал
большую
корреляцию
характеристик нейросемантических структур и ИУС на их базе со свойствами
самоорганизующихся сетей биологических нейронов мозга, а также с когнитивными
функциями высших животных и человека.
Попытки разобраться и понять механизмы мышления как высшей функции homo
sapiens с целью последующей их компьютерной автоматизации и создания эффективного
инструментария для переработки информации уходят корнями еще к истокам зарождения
социума. Практические же разработки по автоматизации интеллектуальной деятельности
человека начинаются с 50-х годов прошлого века с появлением и бурным развитием
электронной вычислительной техники. К сегодняшнему дню, затратив более 50 миллионов
человеко-лет, мы фактически ни на шаг не приблизились к решению проблемы создания
искусственного интеллекта (ИИ) по сравнению с концептуальным уровнем пионерских
работ 60-70-х годов. Хотя, при этом попутно создали с помощью разнообразных
эвристических методов специализированные автоматизированные информационные
системы (АИС): распознавания образов, экспертные системы, различные АСУ и др.
Отсутствие
характерной
для
человеческой
психики
адаптивной
гибкости
и
самонастраиваемости (через самообучение) на любую предметную область делает все эти
АИС и АСУ «тупыми электронными динозаврами». К тому же, современные технологии
создания этих систем очень длительны и дороги, что приводит к тому, что, еще не успев
родиться, они (программное обеспечение АИС и АСУ) уже становятся обузой как для
пользователя, так и для разработчика.
Действительно, любые реальные предметные области настолько сложны по своей
структуре и динамике, что алгоритмически полностью решить любую задачу практически
нереально, и вся современная практика автоматизации вынужденно сводится лишь к
частным ограниченным решениям. При этом требуется обязательное участие человека как
5
идеально-универсальной информационной системы, которая еще на входе технической
человеко-машинной системы отсеивала бы «непредусмотренные в АСУ ситуации».
С другой стороны, если принять гипотезу о функциональной эквивалентности
любого технического изделия и его полного описания, то из этого утверждения вытекает
следующее. Если интерпретировать «тексты ДНК» генома человека как описание некого
«технического задания» на построение «человека разумного» в сложной диссипативной
среде (предметной области), то ничто не запрещает подойти к задаче моделирования
биологического мозга и его когнитивных функций на другой элементной базе, пусть из
других, но функционально эквивалентных описанным в «техническом задании» деталей.
В геноме «человека разумного», состоящего из 3.2 миллиарда нуклеотидов
(символов)
четырехбуквенного
алфавита:
A,G,C,T,
генетическая
сложность
для
формирования «новорожденного мозга» оценивается в 150-200 Кбайт. Понятно, что в
таком объеме не сможет разместиться совокупность эвристик никакой современной
системы ИИ. Но для биологической ИУС в этом нет необходимости. Запрограммировать
заранее реакции на всевозможные ситуации, с которыми встретится ИУС, вообще
невозможно. Но научить обучаться и самообучаться реагировать на вновь возникающие
ситуации вполне возможно. Мы нашли этот механизм, заключающийся в «мини-максиминном» принципе, который как в биологической ИУС, так и в нейросемантическом
инструментарии легко реализуется простыми вариационными и градиентными методами.
В перспективе, программная реализация ИУС с «мини-макси-минным» принципом
может быть написана как дипломная работа студентами технических ВУЗов. Будучи
погруженной в обучающую «человеческую» среду, за несколько месяцев обучения, она
сможет достичь уровня когнитивных функций человека со средним и высшим
образованием.
Т.е.
разработчикам,
вооруженным
современными
высокими
компьютерными технологиями, вполне по силам разработка и построение ИУС с
когнитивными функциями человека.
Когнитивные технологии для экономики знаний. Когнитивные технологии
являются информационными технологиями шестого технологического уклада и имеют три
базовые проекции: фундаментальную исследовательскую, прикладную образовательную и
конструктивно-инженерную.
Стратегия
фундаментальных
когнитивных
исследований
имеет
глубокое
естественно-научное и философско-мировоззренческое значение. Это и ответ на Основной
вопрос философии о взаимосвязи материального и идеального с вытекающими
6
рекомендациями «о смысле жизни» и прогнозом на дальнейшую эволюцию homo sapiens,
и базис для технологического воплощения в обширнейшей учебно-педагогической
деятельности по обучению человека и инженерной практике создания интеллектуальных
ИУС.
Образовательная
проекция
ориентирована
на
развитие
интеллектуальных
способностей человека. Образовательное когнитивное направление синтетически строится
как
из
исторически
сложившихся
традиционных
методик,
так
и
из
научно-
исследовательских рекомендаций теоретической когнитивистики. Основная задача
образовательной
когнитивистики
заключается
в
реализации
высокой
природной
одаренности человека, в развитии воображения и ассоциативного мышления человека, что
представляет важнейшую компоненту инновационной деятельности в современной
экономике знаний.
Конструктивно-инженерная проекция когнитивистики ориентирована на развитие
компьютерных наук и создание научно-обоснованной интеллектуальной ИУС. Если
рассмотреть практику создания современных проектов ИИ (распознавание речи,
машинный перевод, распознавание рукописного текста, экспертные системы и базы
знаний, поисковые системы на естественном языке и др.), то можно отметить, что все они
решались обособленными эвристическими способами как множество частных проблем.
Единого общего подхода разработать так и не удалось. При этом, общее качество их
функционирования, с различной степенью успешности проектов, можно оценить как
«слабоудовлетворительное».
Нейросемантика предлагает общую теоретическую базу для описания эволюции
когнитивных процессов у биологических ИУС, методику эффективного обучения ИУС и
инженерную концепцию построения интеллектуальных ИУС по типу биологических ИУС.
Ключевая особенность нейросемантического инструментария  это наличие возможности
его обучения и самообучения, которая позволит реализовать проекты крупномасштабных
ИУС типа ОГАС В.М.Глушкова и «Киберсина» С.Бира.
При переносе когнитивных функций на электронную элементную базу, по
сравнению с биологическим прототипом – человеком, мы получаем повышение
быстродействия в 105-8 раз, практически неограниченную ассоциативную память объемом
в 1012-1016 образов, или 1020-24 байт текста и графики.
На
базе
многопроцессорной
супер-ЭВМ
или
аппаратной
реализации
нейросемантической среды возможно создание интеллектуального рабочего места
7
исследователя (ИРМИ) с информационной мощностью, позволяющей обслужить в режиме
on-line до 10 000 пользователей на естественном языке. ИРМИ  это эффективный
инструментарий экономики знаний.
ИРМИ
потенциально
способен
помочь
преодолеть
дисбаланс
между
высокоинтеллектуальным человеческим капиталом, сосредоточенным в российских
академгородках, построенных еще во времена СССР (Пущино, Протвино, Обнинск и др.),
и существенным недостатком интеллектуального компьютерного инструментария.
Ожидается, что использование ИРМИ повысит производительность исследователей в
разработке «знаниевого» ресурса (статей, патентов, открытий и др.) в десятки и сотни раз.
Состояние за рубежом. Инновационный потенциал задается в процентах вложения
в науку от ВНП. Россия отстает по этому показателю не только от современных
высокоиндустриальных держав, но и от растущего Китая. Если же говорить о величинах
абсолютных вложений в науку, то здесь Россия отстает уже более чем в десятки раз. Но
научно-технический потенциал – это лишь возможность. Как мы хорошо знаем из
новейшей истории, научный потенциал СССР был одним из самых больших в мире, но
отсутствие программы и инфраструктуры для его реализации в практическую
деятельность
было
одной
из
причин
краха
Супердержавы.
Поэтому
наличие
инструментария и инфраструктуры по реализации научно-технического потенциала
является одним из ключевых моментов. Основная угроза экономической безопасности
государства в XXI веке – оказаться на периферии научно-технического прогресса из-за
неэффективных моделей инновационного развития и отсутствия трансфера высоких
технологий. Сегодня важно не только быть лидером в открытиях новых продуктов, но не
менее важно быть лидером в технологии их производства. В XXI веке в выигрыше будут
только те страны, которые достигнут более высокой производительности работников
умственного труда.
Когнитивные центры. В настоящее время происходит стихийная консолидация
малых научных городов: наукоградов (Жуковский, Протвино, Пущино, Обнинск и т.д.);
атомградов (Сосновый Бор, Полярные зори); спецгородов (Юбилейный, Томск-7, Арзамас16, Мурманск-60) и других научных градообразований  с единственной целью  выжить
и не растерять человеческий капитал.
Идею создания прообраза города будущего как испытательного полигона новой
экономической политики выдвинул президент Д.А. Медведев 11 февраля 2010 года на
8
заседании Комиссии по модернизации и технологическому развитию экономики в Томске.
Предназначение иннограда  развитие инноваций и получение прибыли от их
использования, то есть инноград будет саморазвивающейся социально-экономической
структурой.
Обеспечить процесс устойчивого наращивания человеческого капитала в этих
научных центрах и попасть в русло направления, объявленного Правительством России
как стратегическое, можно, организовав в МФТИ базовый когнитивный центр с
инструментарием ИРМИ.
Проект «Информоград»  это синтез социально-экономических решений и
когнитивных технологий. В проекте предлагается концепция информатизации и
автоматизации всех социально-экономических задач с единых технологических позиций.
Процесс
сегодняшнего
расширения
управленческих
функций
происходит
путем
наращивания через обучение чиновниками-управленцами. Вся социально-экономическая
информация «Информограда» находится в машиночитаемой форме в ассоциативной
памяти базы знаний ИРМИ [1].
Развивая в проекте концепцию «государство – как социальный организм» мы
подразумеваем централизованно-распределенное управление всеми без исключения
социально-экономическими процессами, как это осуществляется и в биологических
организмах. В высокоразвитых биологических организмах эту функцию выполняет
центральная нервная система  ЦНС (мозг, новая кора) и периферическая нервная система
(спинной мозг и нервные узлы). ЦНС является модератором всех процессов. При
«нормальности» функционирования процессов с позиции целевой функции организма они
переводятся в автоматический режим  распределенное управление (децентрализация). В
случае
«ненормальности»
их
функционирования
они
переводятся
в
режим
централизованного управления. Управление в рамках концепции «государство –
социальный
организм»
также
осуществляется
на
основе
централизовано-
децентрализованного принципа: при «нормальности» функционирования любого процесса
в
рамках
всей
системы
данный
процесс
переходит
на
децентрализованное
(само)управление, иначе  на централизованное управление.
Целевая функция «социального организма» заключается в относительном приросте
ВВП для данного государства (наращивании его «эволюционного потенциала») и
обработке всех внутренних информационных потоков. Мера и критерии приближения к
9
целевой функции  это степень удовлетворения запросов пользователя и разработчика
ИРМИ на естественном для них языке.
Задачей
ИРМИ
в
«Информограде»
будет
налаживание
автоматического
формирования информационной причинно-следственной модели «окружающей среды»
(предметной области) и осуществление многоканального сбора данных (для их
верифицируемости), ассоциативная переработка (для взаимоувязанности и централизации
всех данных) и обеспечение целостной и непротиворечивой информацией всех подсистем
для эффективного управления всем «социальным организмом».
Общество, базирующееся на информационной экономике, уже по своей структуре
избегает большинства социально-экономических и экологических проблем, ситуационно
тяготеющих над нами сегодня. В потенциале предполагается его экспоненциальное
развитие по всем основным параметрам  «знания порождают знания».
Список литературы
1.
Бодякин
Информационный
В.И.
Куда
подход).
идешь,
М.
-
человек?
СИНТЕГ,
(Основы
эволюциологии.
1998.
–
332
с.
http://www.ipu.ru/stran/bod/monograf.htm.
2.
Бодякин
нейросемантики.
В.И.
-
Определение
М.:
ИПУ
понятия
РАН.
"информация"
2006.
–
с
позиций
48
с.
http://www.mtas.ru/search_results.php?short_view=0&publication_id=3033
3.
Бодякин В.И. Разработка инструментария на базе нейросемантического
подхода для построения крупномасштабных информационно-управляющих систем //
Научная сессия МИФИ- 2009, XI Всероссийская научно-техническая конференция
«Нейроинформатика-2009», Сб. научных трудов, в 2-ч частях, Ч.2. - М.: МИФИ, 2009. - С
27-38.
10