Алло, робот

Химизация промышленности и сельского хозяйства — лозунг нашего времени. Автоматизация обработки химической литературы — лозунг создателей «всезнающих машин». Ведь именно по химии выходит самое большое количество специальной литературы. Лишь одну треть времени тратят химики на проведение экспериментов. Зато на поиск научных материалов, чтение их и другие информационные работы они тратят 50 процентов всего рабочего времени! Это неудивительно. Сто лет назад, чтобы составить справочник по химии, нужно было просмотреть около десятка журналов. В 1922 году, для восьмого издания этого же справочника, понадобилось изучить больше двух тысяч химических журналов. За истекшие сорок лет это число увеличилось во много раз.

Специальный язык химии — язык химических символов и формул — создан давно. Что может быть легче — записать имеющуюся информацию на этом языке и поместить в «память» машины.

Однако задача сразу же усложняется, если вспомнить, что структурные формулы химии расположены не в цепочку. А язык машины, как говорят математики, линеен. Значит, чтобы перевести на «машинный язык» структурные формулы, нужно создать специальную программу. Иначе, не различая, где право, где лево, она может смешать воедино изоморфные вещества.

Химику достаточно написать структурную формулу соединения. Перевод ее на «машинный язык» и запись в машинную «память» происходит затем без его участия. Таким путем нетрудно вводить в «память» машины всю текущую литературу по химии. А как быть со сведениями, которые имелись до того, как машина была пущена в ход?

Можно, конечно, дать задание специалистам, чтобы они переписали все необходимые формулы, как и для текущей литературы. Но уж слишком много понадобится химиков, а их и так не хватает. Поэтому возможен другой путь. Пусть машина сама делает этот перевод, пусть сама читает нужную литературу и заносит формулы в свою «память».

Допустим, что структурные формулы она «понять» может. Как быть с теми формулами, которые написаны словами? Например: «рибонуклеиновая кислота», или «хлористый кальций», или «4а-окси-6-кето-Д8-перегидро-7--окси-5-азафенантрен».

В принципе машина может справиться с этой задачей. Для этого ей необходим только «словарь слогов», словарь химических частиц, из которых состоят названия даже самых сложных соединений. С помощью такого словаря машина сумеет перевести формулу на свой собственный, «машинный язык». Это значит, что она сможет давать ответ и получать задание в любой форме: в виде чисел, в виде структурной формулы и даже в словесной форме!

Вот как выглядит схема такого «тройного» ввода и вывода информации в «химической энциклопедии» недалекого будущего:

Машина сможет отвечать химику сразу на трех «языках». Кроме того, она сумеет давать и названия статей и книг, в которых описывается данное соединение.

Химику требуется примерно час, чтобы посмотреть 200 различных формул. Опыты показали, что машине достаточно секунды для выполнения этой работы. Значит, в скором времени химики получат надежного и молниеносного консультанта.

«МАШИНА-УЧЕНЫЙ»

Только ли обязанности консультанта может выполнять такая энциклопедическая машина?

Может быть, она принесет пользу и в более творческих делах?

Нельзя ли сделать так, чтобы записанная в «памяти» машины информация не лежала бесцельным грузом? Да и стоит ли записывать в машину всю имеющуюся информацию? Быть может, многие данные ей проще получить самой?

Например, зачем засорять «память» машины-математика таблицей квадратов чисел? Не проще ли вложить в ее «память» правило возведения любого числа в квадрат — и, произведя несложное вычисление, она сможет дать нам ответ.

Можно пойти и дальше — давать лишь исходные, основные понятия. Все дальнейшие следствия из них машина выведет сама.

На первый взгляд это выглядит фантастично. Но только на первый взгляд. Ученые США, Англии, нашей страны уже проделали ряд интересных опытов по созданию «машины-ученого».

Так, в машинную «память» были заложены основные постулаты геометрий Евклида, которую проходят в обычной средней школе. Были даны и теоремы, но без доказательств. Исходя из постулатов, машина должна была самостоятельно найти доказательства заданных теорем.

И она это сделала!

Больше того, ей удалось найти и такие способы доказательства, которые попросту никому не приходили в голову за две с лишним тысячи лет!

Еще более поразительных результатов добился американский ученый Хао Ван. По составленной им программе машина сумела не только доказывать, но и получать новые теоремы (правда, не из геометрии Евклида, а из математической логики). За час работы машина получила тысячу теорем. Так что трудность теперь в том, чтобы научить машину отбирать среди огромного множества теорем, «сочиняемых» ею, интересные, имеющие ценность для науки.