Шрифт:
Закладка:
К сожалению, выпестованные с таким трудом алгоритмы распознавания не только не работали в соседних областях науки или техники, но чаще всего даже в той области, для которой они были созданы, вели себя на удивление «робко». Скажем, алгоритм поиска нефти, удачно подобранный для Западной Сибири, давал осечку в Татарстане и бастовал на берегах Каспия. А алгоритм технической диагностики, разработанный для легковых автомашин, не признавал трактора, игнорировал мотоциклы.
В эти годы поисков один известный советский кибернетик на научном семинаре как-то посетовал: «Я бы все на свете отдал, если кто-то мог объяснить мне, как научить машину отличать собаку от кошки. Вроде бы все одинаково: четыре лапы, хвост, два уха…»
Необходимо было навести математический порядок в этой неразберихе. Задача состояла в том, чтобы, признав как реальность существование и пользу для практики уже созданных алгоритмов распознавания, изучить с помощью строгих математических методов само множество таких процедур и попытаться построить такие обобщающие алгоритмы, которые бы успешно работали в любой области. И почти со стопроцентной вероятностью.
Другими словами, тут требовалась совсем иная математика, математика нового типа.
Бывший в свое время директором Вычислительного центра Академии наук СССР Герой Социалистического Труда академик Анатолий Алексеевич Дородницын (1910–1994) увлекался необычным хобби. Он на досуге классифицировал ракушки тропических моллюсков (им была собрана большая их коллекция). Академик пытался по узорам удивительной красоты и сложности, которые украшали раковины, установить род, класс того или иного беспозвоночного, которому эта ракушка-дом принадлежала.
Проблема распознавания образов давно интересовала Дородницына. В сентябре 1971 года, когда в Москве на симпозиуме «Практические применения методов распознавания образов» собрались исследователи из Болгарии, Венгрии, ГДР, СССР и Чехословакии, академик сделал очень интересный доклад «Информатика и описательные науки».
Дородницын разделил тогда все науки на точные и описательные. К точным наукам он отнес математику и науки физического цикла (механику, термодинамику, электродинамику, квантовую механику), к описательным – все остальные.
Какая наука точна? Та, что обладает средствами предвидеть с достаточной практической точностью развитие процессов, изучаемых данной наукой. Если этого нет, если исследователи в основном вынуждены строить догадки о том, как пойдет процесс, значит, эта наука все еще остается описательной. Таковы биология, медицина, геология, социология.
Дородницын тогда напомнил в своем докладе, что когда-то, во времена Аристотеля и Платона, то есть тысячелетия назад, все науки, включая и «царицу наук» математику были описательными. И превращение многих из них в науки точные произошли постепенно. Как это случилось? Сначала, отмечал ученый, шел медленный процесс накопления информации: собирались сведения об объектах данной науки. Затем наступал этап классификации (она может быть и наивной: так сторожевые собаки делят всех людей на два класса – хозяев и недругов).
Но это все пока была лишь предварительная работа. Наука становится точной только после установления связей и соотношений между ее объектами. Когда таинственным образом возникают «величины» (это не обязательно числа!) и законы (модели отношений), их связывающие (скажем, законы Ньютона, Кулона – в физике, законы Архимеда, Паскаля – в механике).
В октябре 1984 года, выступая уже на Всесоюзной конференции по информатике, Дородницын существенно дополнил свои старые высказывания. Он отмечал, какие громадные выгоды сулит человечеству превращение описательных наук в науки точные.
«Вся современная техника, весь ее поразительный прогресс, скажем, за последние 200 лет, – говорил академик, – стал возможным только потому, что науки, на которых эта техника базируется (механика, физика, химия), были «математизированы», и каждый новый объект мог быть заранее рассчитан. Попробуйте представить себе, кем бы мы были сейчас, если бы каждый дом, каждый мост, каждый паровоз, каждый радиоприемник необходимо было бы создавать методом случайных проб и ошибок! А ведь в биологии, медицине, агрикультуре это и есть основной метод создания новых объектов.
А если эти науки мы превратим в точные, тогда любой результат можно будет заранее рассчитать? Я не хочу говорить, что это будет значить для человечества. Пусть каждый сам постарается представить себе результат.
Вот почему я считаю задачу внедрения методов информатики (математические методы, базирующиеся на компьютерной технике. – Ю.Ч.) в описательные науки одной из важнейших, быть может, самой важной проблемой близкого будущего».
Во многих остающихся до сих пор описательных науках человек действует уверенно только потому, что обладает врожденной способностью к распознаванию. Передать это свое умение машинам крайне важно (это и подчеркивал Дородницын). Сейчас мы, совершив «экскурсию» в одно из научных подразделений, расскажем о крупных успехах российских ученых, работающих в этой трудной области.
…Эта прикрепленная к стене картинка-извещение сразу же, помню, с порога, бросилась мне в глаза. На белом фоне черные квадратики вычерчивали величественные контуры Эйфелевой башни и правее – силуэт Триумфальной арки. Так анонсировалась международная конференция ученых (октябрь 1986 года) по машинному распознаванию образов.
Я, москвич, с легкостью различал приметы малознакомого мне Парижа. А что ЭВМ? Насколько сильны они в задачах подобного рода? За ответом на этот вопрос я и пришел в Вычислительный центр Академии наук СССР, в отдел проблем распознавания, которым руководил тогда лауреат Ленинской премии член-корреспондент АН СССР Юрий Иванович Журавлёв (родился в 1935 году в Воронеже, в 1992 году стал академиком РАН).
На протяжении 70-х годов прошлого века в работах Журавлёва, его коллег и учеников был развит «алгебраический подход к решению задач распознавания и классификации». Нелегкое это было дело. Вот, допустим, идет предварительная геологическая разведка нефти. Какую огромную груду данных надо перелопатить! Чего тут только нет!
Накоплены всевозможные измерения (аномалии поля тяжести и так далее), соображения элементарной логики («если так, то будет то-то и то-то…»), сведения, полученные при аэрофотосъемке (плюс космическое зондирование недр), экспертные оценки (дядя Икс считает «да», нефть есть; дядя Игрек – «нет»).
Масса сырой информации, тьма параметров и никаких веских соображений о том, что же действительно важно для прогноза, а что нет. И все это сваливается на голову того, кто должен решить: где, в каких районах следует вести пробное бурение нефти.
А взять, скажем, техническую диагностику. Машина работает, остановить ее, залезть к ней в нутро нельзя. Надо по косвенным признакам, по рабочим параметрам, по показаниям многочисленных датчиков судить о том, все ли в машине в порядке, хорошо ли идет работа или авария неизбежна и агрегат надо немедленно остановить.
