Насосы интуиции и другие инструменты мышления

Отталкиваясь от определенным образом описанной проблемы, программист ИИ фактически считает компьютер антропоморфным: если компьютер решит проблему, программист скажет, что создал компьютер, который может [например] понимать вопросы на русском языке. На первом и высшем уровне конструкции компьютер разбивается на две подсистемы, каждая из которых получает определенным образом описанную задачу. Программист составляет схему блоков оценки, устройств памяти, селекторов, контроллеров и тому подобных элементов. Это многочисленные гомункулы… Каждый гомункул, в свою очередь, делится на меньших гомункулов, но – что важнее – на менее умных гомункулов. Достигнув уровня, на котором гомункулы представляют собой не более чем суммирующие и вычитающие устройства, а их интеллект ограничивается способностью по команде выбирать большее из двух чисел, гомункулы превращаются в функционеров, которых можно заменить машиной. [p. 80]

Большой плюс этой стратегии заключается в том, что она опровергает возражение о бесконечном регрессе. Гомункулярный функционализм позволяет обойти губительный бесконечный регресс и заменить его конечным, который в итоге приводит нас, как мы только что заметили, к операторам, задача коих настолько проста, что их можно заменить машинами. Главное было отказаться от мысли, что всю работу делает центральный оператор, и распределить задачи между небольшими, менее умными агентами, работа которых также распределяется между другими агентами, и так далее.

Таким образом, идя от общего к частному, классический GOFAI позволил нам сделать большой шаг вперед, однако предложенная им бюрократическая система организации вышла хотя и эффективной, но излишне механистичной! Может, нам и показалось, что мы избавились от короля или директора, но у нас все равно осталась армия руководителей среднего звена, подчиняющихся множеству вице-президентов (взаимодействия которых формируют высший уровень системы) и отдающих приказы своим подчиненным, которые, в свою очередь, делегируют задачи нижестоящим конторским работникам, и так далее. Существование этой гиперэффективной организации, где ни один элемент не работает вхолостую, где не происходит искусственного раздувания штатов, а все приказы беспрекословно выполняются, в основном обусловливалось тем фактом, что огромные компьютеры, на которых разрабатывались ранние модели ИИ, по сегодняшним стандартам были медленными и маломощными, а люди хотели как можно быстрее получить результат. Чтобы произвести впечатление на инвестора, нужно было создать такой ИИ, которому для ответа на простой вопрос не нужно думать часами. Он должен был работать четко. Кроме того, на создание тысяч строк кода требуется немало времени, а если вы сумели разбить итоговую цель – к примеру, научить компьютер отвечать на вопросы о лунных камнях, диагностировать болезни почек или играть в шахматы – на серию решаемых задач и знаете, как создать для них программы, которые затем можно будет интегрировать в рабочую систему, вы получите свой “экспериментальный образец”[24] при целесообразно низких временных и финансовых затратах.