Кибернетика и ...

Александр Фрадков Полит ру

Стенограмма и видеозапись лекции доктора технических наук, зав. лабораторией «Управление сложными системами» Института проблем машиноведения РАН, профессора Санкт-Петербургского государственного университета, профессора Санкт-Петербургского национального исследовательского университета информационных технологий, механики и оптики (НИУ ИТМО), сопредседателя Совета Общества научных работников Александра Фрадкова . Лекция состоялась 5 декабря 2013 г. в рамках цикла «Публичные лекции «Полит.ру».

Текст лекции

План моей лекции таков: 1) от Винера до наших дней; 2) Кибернетика и роботы; 3) Кибернетика и информация; 4) Кибернетика и физика; 5) Кибернетика и…

Кибернетика, в отличие от большинства других наук, имеет точную дату рождения и автора, так сказать, отца. В 1948 году вышла книга американского математика Н.Винера, которая называлась «Кибернетика, или Управление и связь в животном и машине» Заметьте, как точно название книги: одновременно вводится новый термин и дается его определение. Книга произвела некий фурор, переворот в умах. Связано это было с тем, что в то же время стали появляться первые компьютеры, и, в общем, кибернетика после некоторого периода неприятия стала восприниматься как некая научная идеология нового компьютерного века, а сам Винер стал восприниматься как пророк нового компьютерного века, о чем свидетельствуют его фотографии-коллажи. Прошел путь от вундеркинда до известного математика (читайте его автобиографические книги «Экс-вундеркинд» и «Я-математик», переведенные на русский язык). Но главное его детище – это кибернетика.

Почему же сначала кибернетику не приняли? Ряд революционных идей, которые были провозглашены им, не просты для восприятия. Вот одна из них: принципиальное единство ряда задач, в центре которого находятся вопросы связи, управления и статистической механики, и притом как в машине, так и в живой ткани(вот эти последние слова: как в машине, так и в живой ткани - наши философы, конечно, не могли принять). И, конечно, в Советском Союзе был повешен ярлык на кибернетику как на науку, провозглашающую идеи механицизма, сведение живого к каким-то механическим понятиям – это комментарии, которые были с нашей стороны. Со стороны промышленно-развитых стран то же самое отношение к другой идее: – современная промышленная революция должна обесценить человеческий мозг. Выход один – построить общество, построенное на человеческих ценностях, отличных от купли-продажи. Сейчас мы вошли в капитализм и почувствовали на своей шкуре необходимость построить общество, основанное на других человеческих ценностях. Эти слова как-то стали близки мне, по крайней мере, сейчас. А книга, заметьте, была издана в 1948 году. Кстати, в своей следующей книге Винер расширил определение кибернетики, включив в нее вопросы управления в обществе.

Я упомянул официальное рождение кибернетики, но была и предыстория, начавшаяся еще с античных времен, еще у Платона можно найти, что это искусство управлять судном, «искусство кормчего» - это все знают и помнят, - но это еще и искусство править людьми. Такая двойственность этой науки была и тогда и остается сейчас. Когда Ампер в XIX веке создавал классификацию наук, он обозначил кибернетику как науку об управлении именно государством, которая должна обеспечить гражданам процветание. В трудах польского философа Трентовского – тоже кибернетика упоминается как искусство управлением народом. То есть вопросы управления обществом и народом, и понятия кибернетики хорошо бы знать и понимать нашим руководителям. Важно, например, знать и понимать понятие «обратная связь». Сейчас обратная связь власти и народа во многих случаях утрачена.

Также хочется упомянуть из предыстории статью великого физика Джеймса Клерка Максвелла «On governors», которая переводится «О регуляторах». А слово governor в английском языке ведет происхождение от кибернет из греческого, и в русский язык вошло как губернатор. Здесь опять связь в терминах прослеживается: кибернетика – управление машинами и управление людьми. Это чисто математическая работа, в которой Максвелл увязал вопросы построения регулятора с вопросами устойчивости дифференциальных уравнений и дал критерии устойчивости линейных систем второго и третьего порядка.

Все-таки, когда кибернетика появилась в XX веке, она стала восприниматься как наука романтиков, и стали расти ожидания в обществе по отношению к ней как к науке, которая революционизирует развитие не только самой этой науки, но и всего общества. Опять же это совпало с появлением и ростом компьютеров, и какая-то наука должна была объяснить, какие задачи могут решать компьютеры, какие задачи и как они должны решить. Идеология компьютерного века принадлежала кибернетике. Кроме того, те идеи, которые она провозглашала, - по существу это идеи, которые в человечестве зрели долгое время, столетиями: мечты об искусственном разуме, искусственном существе и о машинах, заменяющих рабочих. Так что ничего удивительного, что в 60-е годы было романтическое отношение к кибернетике, причем среди людей разных профессий.

Хочется привести в пример высказывание А.Н. Колмогорова из его знаменитой лекции на мехмате МГУ в 1961 году: «Я принадлежу к тем крайне отчаянным кибернетикам, которые не видят никаких принципиальных ограничений в кибернетическом подходе к проблеме жизни, и полагают, что можно анализировать жизнь во всей ее полноте, в том числе человеческое сознание со всей его сложностью, методами кибернетики». Он, кстати, много сделал для того, чтобы преодолеть негативное отношение к кибернетике в нашей стране и пропагандировал важность этой новой науки.

В XXI веке тоже не перевелись романтики. Один из них – профессор из английского университета Кевин Уорвик, который прославился тем, что написал книжку «Я - киборг». Кто такой киборг? Из голливудских фильмов мы знаем, что это гибрид человека и машины. Уорвик сделал эксперимент над собой: он вживил себе с помощью врачей чип, который позволял ему без видимых усилий силой мысли управлять различными устройствами и вообще поддерживать связь с внешним миром. Он сам становился неким гибридом человека и компьютера.

Было два эксперимента – «Киборг-1» и «Киборг-2», на сайте можно посмотреть детали проекта. Сейчас, после того, как он провел такие эксперименты, вокруг него собралась группа людей, которые проводят эксперименты над самими собой. Можно найти сообщения, что какому-то студенту вживили датчики с магнитными свойствами, а на шапочке у него инфракрасный детектор, и он без проводов передает информацию на эти датчики, то есть вот человек чувствует пальцами тепло на расстоянии. Детали, в общем, неизвестны, но существует простор для различных манипуляций по связи человека и машины, и Уорвик продолжает экспериментировать.

Поговорим об искусственном разуме.

Здесь нужно вспомнить знаменитого английского математика А. Тьюринга (который, кстати, в войну расшифровал германские шифры, и англичане своевременно имели необходимую информацию). Кроме того, замечательный математик А. Тьюринг написал статью, которая стала потом книжкой - «Может ли машина мыслить?». В ней он предложил тест для проверки того, мыслит ли некий объект (существо). Мы знаем, что человек - мыслящее существо, а как узнать, тот, с кем вы разговариваете – человек это или машина? Ну, задавайте ему вопросы, например, через компьютер, а рядом будут стоять судьи и решать. Если достаточно большое число судей решит, что объект – человек, значит он мыслит. Если большинство судей решит, что это не человек, то значит, это машина и уровень ее мышления еще недостаточен. Или проще: человек переписывается на естественном языке с двумя собеседниками, один из которых – человек, другой – компьютер. Если судья не может надежно определить, кто есть кто, то, значит, компьютер прошел тест. Предполагается, что каждый из собеседников стремится, чтобы человеком признали его.

Тьюринг предсказал, что компьютеры, в конце концов, пройдут его тест. Вот может ли машина обмануть большое число судей? Тьюринг считал, что к 2000 г компьютер с оперативной памятью 1 миллиард бит в ходе 5-минутного теста может обмануть судей в 30% случаев. Это предсказание пока не сбылось.

Но, тем не менее, нашелся меценат, который учредил приз за прохождение его теста – это приз Лёбнера. Приз 100 тыс. долларов и золотая медаль - за прохождение полного теста Тьюринга – в мультимедиа, приз 25 тыс. долларов и серебряная медаль - за прохождение текстового теста и, наконец, приз 3000 долларов и бронзовая медаль – за лучший результат среди участников.

Такие соревнования проводятся каждый год, и есть уже много программ, участвующих в них – программ-собеседников или, на интернет-жаргоне – чат-ботов. И действительно компьютеры часто обманывают судьей. На страничке сайта можно найти список всех победителей, зайти к ним на сайты, поговорить там с ними и почувствовать элементы искусственного интеллекта. На самом деле эти программы уже имеют практическое применение в фирмах – крупных и не очень - как секретари. Например, к телефону подключается такая программа, она у звонящего может выяснить, что его интересует, может направить его к нужному человеку и дать некую информацию о продукции, например.

Вот здесь на слайде вы видите сайт одной из таких программ – Мицуку. Это победительница последних соревнований, которые происходили несколько недель назад.

Когда мы говорим об искусственном разуме и интеллекте, надо знать, что в кибернетике есть много других разделов, которые имеют к этому непосредственное отношение. А именно: распознавание образов, анализ и синтез речи, создание игровых программ и другие. Задача создания машины, играющей в шахматы, например, уже может считаться решенной: есть программы, обыгрывающие чемпионов мира. От этого никуда не деться. Шахматы как игра, правда, не потеряли привлекательности, как свидетельствует последний матч за звание чемпиона мира. Хотя, как проверить, что победитель матча не пользовался никакой программой во время матча – это довольно сложный вопрос. Есть адаптивные и обучающиеся системы, нейросетевые и генетические алгоритмы, эволюционное программирование – многие эти термины на слуху не только у математиков и кибернетиков.

Ну, а теперь давайте перейдем к следующему, более узкому разделу – кибернетика и роботы. Робот – это то самое искусственное существо, которое воплощает мечты человека создать себе подобного - партнера, может быть, или друга, или игрушку, или помощника. Все это уже реальность, самые разнообразные применения роботов возможны. Мировой рынок домашних роботов к 2020 г. прогнозируется в объеме 50 млрд. долларов.

Чемпионат мира среди роботов по футболу проводится уже не первый год. Один раз, в 2004 г. в одной из лиг даже чемпионами мира стали российские участники: команда студентов Санкт-Петербургского политехнического университета. На этом фото показан эпизод футбольного матча чемпионата мира по футболу роботов, см. сайт robocup.org

А здесь изображено, как играют в футбол роботы с людьми на шоу роботов на матмехе СПбГУ, во время празднования недели матмеха. Но основное, о чем я хочу рассказать, - это о том, как научиться самому создавать роботов.

У нас уже около пяти лет существует хорошее сотрудничество со знаменитым физико-математическим лицеем №239. Этот лицей знаком многим как единственное учебное заведение в России, которое выпустило двух филдсовских лауреатов - Перельмана и Смирнова. Но сейчас там есть еще звездочка, - это учитель робототехники, который там работает – Сергей Александрович Филиппов. Вот с ним мы сотрудничаем, нашли друг друга по Интернету.

Его команда (в которой дети все время меняются, поскольку дети растут) почти каждый год завоевывает первые места на всемирных олимпиадах роботов. Вот и сейчас, в ноябре 2013 года они заняли первое место в одной из категорий на Олимпиаде роботов в Джакарте WRO 2013, вот картинка оттуда, наша команда. Сергей Александрович написал замечательную книгу «Робототехника для детей и родителей», она у меня есть с собой. Что же такого интересного может быть в робототехнике для школьников?

Недавно появился в продаже кибернетический конструктор нового поколения: LEGO Mindstorms NXT. В нем много обычных деталей ЛЕГО, и, кроме того, добавляется процессорный блок – вот он на картинке, добавляется набор разнообразных датчиков: для измерения освещенности, расстояния, гироскоп, акселерометр, компас и все что угодно -практически все можно измерить. Есть и исполнительные устройства – это двигатели, которые тоже имеют внутри датчики угла поворота, так что мы можем делать движущиеся устройства любой формы и конструкции. Одно из них передо мной стоит на столе, его можно потрогать и некоторые ролики я сейчас покажу. Оказывается, все это доступно и школьникам, начиная с 10 лет и даже раньше. Но как это связано с управлением? Давайте посмотрим.

Вот тележка едет по линии, у нее два датчика освещенности, они чувствуют изменения направления этой линии, которую нужно отслеживать, и передают в компьютерный блок - и все работает. Как работает?

Очень просто; создание программ, которые там зашиты, доступно детям с 10 лет. Вот одна из них. В ней есть формула, вычисление по которой заставляет робота двигаться, как надо. Это одна строчка: u=k*(SensorValue[s1]-grey); Она значит, что сигнал (напряжение), подаваемый на мотор, пропорционален отклонению сигнала датчика SensorValueот среднего уровня grey.

Если отклонение положительно, то, значит, сигнал от датчика большой, значит, под датчиком больше белого цвета, а не черного и, значит, повернуть нужно направо, т.е. подать на левый мотор сигнал больше, а на правый – меньше. Это и проделывает коротенькая, понятная старшим школьникам, программа на языке RobotC. Таким образом, программа, управляющая роботом, реализует пропорциональный (П) закон управления, закон обратной связи. А ниже изображена та же программа на еще более простом, графическом языке RoboLab, которым пользуются младшие школьники. Сергей Александрович как раз и учит в школе, на уроках и на занятиях кружков этим языкам, а также сборке и отладке роботов. Кстати, так можно обучать и студентов программированию и созданию управляющих программ и созданию роботов. У нас об этом, о методике, есть несколько публикаций на крупных международных конференциях, в них можно прочесть об этом подробнее.

Эта задача связана с обучением кибернетике и автоматике и в вузах тоже, в частности, обучением математиков. Когда я впервые познакомился с этими приборами, понял, как надо объяснять студентам-математикам, что их наука не всемогуща, что реальность создает ей ограничения и что задача математика-прикладника – учиться их преодолевать. Робот – это как раз тот прибор, который это демонстрирует: мы закладываем в него свой алгоритм, и вдруг видим, что он не так работает, как нам хотелось. И как это исправить? Может быть, программу надо получше написать; может быть, датчики другие взять; а может быть, какие-то помехи надо отфильтровать, чтобы не мешали. Вот это все щупаешь своими руками. Это совершенно фантастическое чувство: когда какая-то штука, которую ты придумал в голове, вдруг начинает ездить, действовать без твоего участия.

Движение вдоль стенки - тут посложнее. Оказывается, пропорциональный регулятор тут не справляется - тут надо помнить предыдущее значение, чтобы обеспечить хорошее движение назад и запоминать его. Получается пропорционально-дифференциальный закон обратной связи, ПД-регулятор, как говорят специалисты.

Есть несложные формулы, которые описывают все систему управляемого движения робота. Нужно ввести расстояние до стенки X, угол поворота θ, и значения этих переменных на предыдущем такте, и можно написать уравнение движения, не нужно знать даже производных. И тогда можно для него вывести условия устойчивости системы, они выводятся с помощью геометрической прогрессии. И мы поймем, что такое устойчивость: это когда оба корня некоторого квадратного уравнения по модулю меньше единицы - тогда движение будет устойчиво, а если нет – то не будет. И устойчивость означает, что соответствующая геометрическая прогрессия будет бесконечно убывающей, а ошибка остается малой и система будет хорошо работать. Это в 8-9 классе школьники уже знают, им это понятно. Из условия устойчивости видно, что только ПД-регулятор может его обеспечить, причем дифференциальный коэффициент K1 должен быть больше по абсолютной величине, чем пропорциональный коэффициент K0 . Хоть математика здесь очень простая, эти вещи являются первыми ступеньками длинной лестницы, ведущей в гораздо более серьезную науку. И роботы помогают детям по этой лестнице быстрее забраться.

Более сложная, хитрая задача – это движение по линии, которая является прерывистой, пунктирной. Тут линия все время теряется, и робот уже не может следить за направлением, он должен прогнозировать движение. Иногда даже рисковать. Такие соревнования тоже устраиваются, и команды Филиппова добиваются в них успеха.

Вот еще один ролик. Это модель, сделанная из ЛЕГО, устройство, которое всем известно, называется сигвей. На сигвее ездят люди, а робот сигвей - тоже очень интересная штука, которую могут сделать школьники. Он решает две задачи: он стабилизирует движение по линии и в вертикальном положении сам себя стабилизирует. Это уже задача многомерного управления. И не на каждой специальности в техническом вузе этому обучают, а школьник седьмого класса построил и настроил сам этот регулятор, который позволяет роботу устойчиво двигаться.

Здесь мы видим групповое движение роботов, групповое управление. Мотивация таких задач очень многообразна сейчас, изучается множество различных задач: движение беспилотников, коллективное маневрирование, моделирование коллективного движения птиц или рыб. Стаи птиц или косяки рыб – как они, особи между собой общаются, как достигают такого эффекта, что косяк движется в одном направлении как единое целое? На примере мы видим роботы, которые связаны между собой, информационно, без проводов. Один из них – лидер - движется по линии, и вместе с ним – два его помощника или, если угодно, телохранителя. Они могут решать общую задачу. Этот эксперимент был сделан студенткой третьего курса матмеха СПбГУ Таней Брынцевой. Девушки-математики тоже могут строить роботов – это интересно.

На следующей фотографии показан совместный семинар с лицеистами 5 лет назад. На первом плане сидят со своими моделями школьники, которые сейчас уже студенты разных вузов. Дальше сидят студенты младших и средних курсов матмеха, кафедры теоретической кибернетики. Лучшие из них - это другого уровня студенты. Если они выбрали исследование, (я говорю о тех, кто потом стал аспирантом, пошел в науку), то они чувствуют не только формулы, но и их смысл физический, то, что из них может вылиться для создания каких-то устройств.

Следующая фотография – с шоу роботов, которое проводится на матмехе регулярно и вызывает большой интерес. Там студенты показывают свои конструкции, которые сами делают.

Переходим ко второму разделу – кибернетика и информация. Информация - она вроде как к кибернетике очень близка, но все-таки это две разных науки – теория управления и теория информации. Они родились одновременно. В 1948 году в техническом отчете корпорации Белл была напечатана знаменитая статья Клода Шеннона про статистическую теорию связи. Вот это было рождение теории информации. Через некоторое время они разошлись – полвека это были разные науки, но сейчас наблюдается их конвергенция. Я вот об этом хотел рассказать.

Дело в том, что все чаще приходится строить системы управления, регуляторы для сложных систем, которые учитывают особенности каналов связи, потому что системы становятся распределенными. Мы хотим управлять устройствами, которые находятся далеко от нас – может быть, на другом континенте, и свойства, ограничения каналов связи играют большую роль: мешает, если канал связи медленный, недостаточно широкий. Это нужно учитывать при проектировании регуляторов, то есть единым образом строить систему. Как это учесть? Свойства каналов связи выражаются в теории информации, а свойства регуляторов – в теориях управления, как это совместить? Для этого нужно немного сказать о том, что такое информация в самом простом варианте.

Еще в знаменитой статье Колмогорова «Три подхода к определению понятия количества информации», опубликованной в 1965 году, указано, что есть самый простой, комбинаторный подход (детерминистский или подход Хартли), есть шенноновский подход, ставший уже классическим, и есть еще один подход - в этой статье по существу был предложен Колмогоровым свой, новый подход – алгоритмический, то, что сейчас называется колмогоровская сложность алгоритмов. Мы сегодня будем ограничиваться только первым, комбинаторным походом. Хочу обратить ваше внимание, что на портретах Колмогоров (справа) и Шеннон (слева) в молодости. Смотрите, как они похожи.

Теперь немножко давайте посмотрим на формулы, прошу извинения. Те, кто не любит формулы, могут их пропустить. Я должен пояснить, что такое информация – без этого не продвинуться дальше.

Сначала разберемся, что такое энтропия. Энтропия – это мера сложности, неопределенности и в физике, и в теории информации – это всем известно. Чем измерить неопределенность какого-то множества вариантов, из которых мы должны выбрать? Конечно же, числом его элементов. Это и есть энтропия, но только энтропию удобно измерять в логарифмических единицах. Почему? Потому что если соединить два множества, то число всевозможных пар их элементов будет равно произведению числа элементов в каждом множестве, и число возможностей станет произведением. А лучше, если это будет не произведение, а сумма, удобнее складывать сложности, а не умножать. Поэтому надо взять логарифм от числа элементов.

Что такое количество информации? Это просто изменение энтропии. Если неопределенность уменьшилась, значит, информации прибавилось, а если неопределенность увеличилась в результате чего-то, мы не узнали чего-то или даже стали сомневаться в том, что знали раньше, – это отрицательная информация. Вот такое простое определение: разность двух энтропий, до и после эксперимента. А для непрерывных множеств энтропия – это логарифм объема, и приращение объема в логарифмических единицах - это информация.

Информация создается и исчезает в процессе каких-то преобразований. Простейшее преобразование задается линейной системой, динамической системой, А – это некоторая матрица, а Х - это вектор. Можете считать, что A и X – это скаляры, для простоты. Здесь энтропия, а значит, и информация может увеличиваться или уменьшаться. Мы посмотрим, как объем множества начальных условий меняется на каждом шаге. Если он увеличивается, значит, неопределенность увеличивается, информация отрицательная. Информация – это приращение энтропии. Вот она здесь легко считается.

Если информация положительна, в скалярном случае А больше единицы по модулю, то энтропия растет, это означает, что система неустойчивая, а если А меньше единицы по модулю, то энтропия теряется, и в то же время мы знаем, что это устойчивая система. Мы должны стремиться к устойчивости, иначе не будет хорошего регулирования, чтобы робот двигался ровно по линии, мы должны обеспечить устойчивость этого движения. Вот как кибернетика связана с информацией.

Если теперь наша задача многомерная, то нас интересует максимальная скорость роста информации, а она определяется скоростью роста K-мерных объемов для разных размерностей K. Здесь для одной размерности объем может убывать, для другой – возрастать, но вот максимальная скорость роста - это есть то, что отвечает за устойчивость или неустойчивость всей системы. Здесь приведены формулы, которые это выражают.

Теперь я могу сформулировать очень важный результат, который связывает основные понятия теории управления и теории информации. Он стал известен совсем недавно, около десяти лет назад. Это новая страница в кибернетике, теории управления и теории информации тоже.

Пусть у нас есть какой-то объект управления. Пусть это будет линейная система простая, с дискретным временем, и мы можем ею управлять: делать ее выход больше или меньше. А y(t) – это тот выход, который можем измерять. Управление строится на основании измерения выхода. Управление мы не можем произвольно назначать, а должны это делать на основании информации, которая проходит через канал связи, а перед этим она должна закодироваться. И пропускная способность этого канала зависит от числа символов, которые мы можем передавать в единицу времени. Пропускная способность канала связи должна быть дана. Пусть это будет R, это логарифм от максимального числа символов, которые мы можем передать. Это в битах на шаг, на единицу времени. Пусть у нас цель стоит стабилизировать – сделать устойчивой систему. Значит, информация должна убывать. Можем ли мы это сделать? Так вот есть теорема, которая гласит: для того, чтобы это можно было сделать – стабилизировать систему через канал связи, – нужно, чтобы пропускная способность канала была не меньше, чем та информация, которую генерирует объект, которая есть сумма логарифмов собственных чисел матрицы, отвечающих за неустойчивость, т.е. тех, которые соответствуют неустойчивым движениям.

Неустойчивость не должна быть слишком сильной, иначе быстрее разойдется наше движение, чем мы успеем его обратно стабилизировать. Простой такой математический результат – нестрогое неравенство. А строгое неравенство дает достаточное условие: для стабилизируемости достаточно, чтобы пропускная способность была строго больше, чем информация, генерируемая объектом. Эта теорема – о скорости передачи данных или Data Rate Theorem – была одновременно предложена несколько группами – в том числе смешанной Питерско-Австралийской группой Матвеева – Савкина, то есть это теорема, которая появилась одновременно на нескольких континентах. Кстати, А.С. Матвеев – профессор кафедры теоретической кибернетики СПбГУ, а А.В.Савкин – выпускник той же кафедры, профессор университета в Сиднее. Каждый год профессор Матвеев ездит на несколько месяцев к профессору Савкину и они плодотворно работают, написали уже много книг и статей в престижных журналах.

Как эту теорему можно охарактеризовать простыми словами, для тех, кто формулы не любит? Прежде всего, скажу, что в нее можно добавить ограничение на скорость вычислений. Компьютер производит вычисления не бесконечно быстро, а лишь с какой-то конечной скоростью (производительностью), которую можно легко рассчитать по формуле, вот она на слайде. Эта скорость есть не что иное, как предельная скорость генерации информации компьютером и она тоже должна учитываться - мы должны брать минимум из скорости передачи данных и скорости генерации информации вычислителем. Вот эту минимальную величину нужно подставить в теорему - и тогда получится результат, который учитывает и скорость вычисления.

Я хочу вернуться к истокам кибернетики на минутку и вспомнить про одного из ее основоположников – Уильяма Росса Эшби. Его нельзя назвать кибернетиком, он не математик, он был психиатром. Он, тем не менее, написал книгу «Введение в кибернетику» – и после этого стал знаменит во всем мире. В 1956 году она была издана в Англии, в 1960 году впервые переведена в Советском Союзе, и сейчас, уже в 21 веке, было несколько переизданий. Книга приобрела такую популярность, потому что она была написана медиком. На простом языке, где не было много математики, хотя формулы были.

Мне посчастливилось в жизни - я эту книжку случайно увидел и купил, когда мне было 10-11 лет, в 5 классе. Я ее стал читать, но ничего в ней не понял, естественно. Но понял, что хочу этим заниматься и разобраться. Тогда я узнал, что такое кибернетика, с тех пор она со мной всю жизнь.

Вернемся к теореме о скорости передачи данных. Какое она имеет отношение к Эшби и к сюжету «Кибернетика и информация»? Дело в том, что смысл теоремы о скорости передачи данных можно сформулировать так: для успешного управления объектом скорость поступления информации в регулятор должна быть не меньше, чем скорость производства информации объектом.

А Эшби сформулировал закон необходимого разнообразия, называемый также законом Эшби. Закон гласит, что для успешного управления объектом разнообразие управляющих действий должно быть не меньше разнообразия возмущений (состояний объекта). Если немного подумать, сразу станет ясно, что современная теорема о передаче данных и есть вариант закона необходимого разнообразия Эшби, только в дифференциальном виде. Прирост информации регулируется теоремой о передаче данных, а у Эшби просто количество информации фигурировало, разнообразие.

В простом варианте Эшби очень многие гуманитарные специалисты употребляют этот закон в гуманитарных областях, и я видел его применение в самых разных вещах. Одно из самых неожиданных было объяснение, что наставления и инструкции для командиров в армии надо писать, следуя закону Эшби – так, чтобы число возможных действий командира было не меньше числа возможных действий подчиненных. Тонкость в том, что если буквально применять этот закон и сделать число действий для начальников больше, то это будет тоже плохо, потому что мы задавим подчиненных.

Перечисленные результаты породили целое новое направление в кибернетике, которое условно обозначается С3 – «си кьюб»: Control-Communication-Computation. Это увлекательнейшая область - синтез трех величественных направлений современной науки. На слайде изображен известный шведский ученый Карл Острем из Лундского университета, который объясняет на доске эту идею. Завершая раздел, можно сказать, что важной тенденцией последних лет является возврат к первоначальному пониманию кибернетики как интегрирующей науке об управлении и связи.

Последний раздел – кибернетика и физика. Это моя любимая область, я в последние годы много этим занимаюсь и могу говорить об этом долго. Наверное, не все перечисленные на слайде пункты успею пояснить.

Прежде всего, физика и кибернетика - совершенно разные науки. Физика – описательная (дескриптивная) наука, а кибернетика – предписательная, которая что-то создает, синтезирует законы управления, которые как-то изменяют мир. Физика же исследует системы, которые есть в природе, их свойства. Но, тем не менее, в физике в начале 90-х годов стал бурно расти интерес к применению методов кибернетики к исследованию физических систем. Иначе говоря, физики стали интересоваться приложением методов теории управления к изучению возможностей изменения поведения природных систем. Предыстория этого – демон Максвелла, гипотетическое устройство, которое измеряет скорости молекул и сортирует их, разделяя их по скоростям и якобы нарушая этим второй закон термодинамики. Другой пример – маятник Капицы, к которому мы еще вернемся. Особенно бурный рост был замечен в физике в двух областях – в управлении хаосом и квантовом управлении.

Когда я говорю о бурном росте, я могу подтвердить это наблюдениями за базой данных публикаций Web of Science. Можно провести поиск по этой базе и подсчитать, например, сколько в каждом году публиковалось журнальных статей, у которых в названии присутствуют два ключевых слова: слово «Chaos» и слово «Control» Я провел такой поиск и подсчитал эти числа для каждого года с 1990-го. Итог изображен синей линией. То же сделано и для другой пары слов: слово «Quantum» и слово «Control», итог изображен красной линией. Видно, что в 1990-м году практически эти области не существовали, а сейчас по ним в ведущих журналах появляется около тысячи публикаций в год, а по квантовому управлению и поболее.

Что же такое управление хаосом? В 1990-м году в престижнейшем физическом журнале Physics Review Letters была опубликована статья трех авторов: J.Yorke, E.Ott, C.Grebogi из университета г. Мэриленда, США под названием «Сontrolling chaos» («Управляя хаосом»). Ученые на простых примерах показали, что если у вас есть хаотическая система, которая, как известно, должна быть локально неустойчивой, вы можете малым управлением обеспечить ее устойчивость. Это было очень удивительно для физиков, как можно качественно изменить поведение системы и подавить такое фундаментальное свойство как хаотичность малым управлением. Важно, что у них управление было в виде обратной связи. Оказывается, обратная связь может легко изменять свойства физических систем, даже при малой ее интенсивности.

Другое направление – управление квантовыми системами. На слайде изображен пример реализации управления с помощью лазерных установок, которыми тоже вводится обратная связь. Сейчас есть сверхбыстродействующие лазеры, у которых длина импульса излучения имеет порядок нескольких фемтосекунд, а то и еще меньше. А фемтосекунда – это 10-15 секунды, это интервал времени, сравнимый с периодом колебаний отдельных атомов и молекул. И есть сейчас модуляторы лазерного излучения, которые позволяют менять форму лазерного импульса. Таким образом, сейчас мы можем раскачивать молекулы и разрывать сильные химические связи, сохраняя слабые. Появилось целое направление в химии – фемтохимия, где занимаются тем, что с помощью лазера изменяют естественный ход химической реакции. За работы в этой области Ахмед Зевейл из Калтеха получил Нобелевскую премию по химии в 1999 году. Проводились эксперименты по изменению химических свойств веществ, и, измеряя эти свойства с помощью детектора, мы, заводя через компьютер обратную связь на модулятор, получаем возможность управлять. Обратная связь здесь работает совершенно в других пространственных и временных масштабах и это удивительно.

Дальше я хотел немного объяснить с точки зрения математика, что мы понимаем под кибернетической физикой. Есть математическая модель объекта управления, и есть разные способы управления, которые нам доступны. Вот мы можем управлять. Что же такое могут сделать кибернетики с этими объектами?

Можно ставить разные цели управления. Можно, например, ставить цель возбудить колебания, можно эти колебания синхронизировать, можно из нерегулярных, из хаотического движения, ставить цель сделать периодические колебания или наоборот. Все это цели управления, которые интересуют физиков. Но зачем им это нужно, что они хотят реально изменить? Дело в том, что если мы малым воздействием можем существенно изменить какие-то свойства какой-то системы, то это, по существу, – результат из области физики, он говорит о чувствительности данного свойства к малым внешним воздействиям. И найденные закономерности, в отличие от классических законов сохранения, формулируются как законы преобразования систем.

Они показывают, что можно сделать с физической системой с помощью того или иного класса воздействий. Имея такие законы, мы можем предсказать, что может произойти в ходе того или иного эксперимента. И такие законы преобразования характерны для этой новой области - кибернетической физики.

Как строятся эти законы? Упомяну лишь один подход, предложенный в нашей группе уже более 30 лет, так называемый метод скоростного градиента. Пусть есть какой-то объект управления - динамическая система, и есть цель, которую мы хотим достичь, как сделать это?

Прямо мы не можем узнать, куда надо изменять управление, поскольку целевая функция не зависит явно от управления. Но мы можем взять и вычислить скорость изменения нашей целевой функции в силу уравнения движения, а затем вычислить градиент этой скорости в силу уравнения системы и двигаться, менять управление в направлении, противоположном скоростному градиенту. Пропорционально скоростному градиенту – если хотим увеличивать целевую функцию, а в противоположную сторону - если хотим уменьшать. С точки зрения здравого смысла, в этом ничего необычного нет. Ну, действительно, предположим, вы хотите заработать побольше денег. Вы не знаете, как сделать, чтобы денег было больше, но вы можете посмотреть, как ваши те или иные действия отражаются на скорости зарабатывания денег. Так надо выбрать то направление движения, изменения управления, в котором вы быстрее зарабатываете. Здесь есть некоторая математика, надо ведь доказать, что это работает. И удивительно, что эта математика работает и в физике.

Здесь я перейду к маятнику Капицы. Как известно, наш замечательный физик Петр Леонидович Капица в 1940-х годах был некоторое время отлучен от своего института и проводил дома эксперименты. Один из них был с моторчиком из швейной машинки - Капица сделал из него маятник с вибрирующей точкой подвеса. И обнаружил удивительное явление: верхнее, неустойчивое положение маятника становится устойчивым, если частота вибрации достаточно высока. Это явление было объяснено Капицей, а потом - некоторыми математиками и было использовано во многих физических работах. А наш питерский ученый Илья Израилевич Блехман положил это в основу нового раздела механики - вибрационной механики, и удивительный эффект самосинхронизации тоже объяснил на основе этого феномена. Так вот, интуитивно кажется, что на маятник должно действовать достаточно большое воздействие, должна действовать большая сила, чтобы верхнее положение стало устойчивым, то есть мы должны преодолеть силу тяжести. Это действительно так: хотя колебания точки подвеса могут быть почти незаметны, ускорения маятник может испытывать достаточно большие. Однако, заметьте, здесь сила, которая действует без обратной связи.

А если нам разрешается применять обратную связь? Вспомним качели – маленькая девочка может раскачать тяжелые качели, причем девочка не преодолевает силу тяжести, а использует ее: она двигается в такт движению качелей, то есть прикладывает в нужные моменты усилия. Если математически сформулировать задачу раскачки маятника и построить соответствующий алгоритм, мы можем доказать, что даже малым воздействием (бесконечно малым, если пренебречь трением) мы можем обеспечить стабилизацию верхнего положения, а если есть трение, то порядок воздействия можно оценить, он зависит от того, какого уровня энергии маятника мы хотим достичь.

Здесь приведены результаты статистического эксперимента, для ансамбля начальных условий на систему, это мы пропустим.

А теперь посмотрим физический эксперимент, проведенный школьником 6 класса, – он из ЛЕГО сделал маятник Капицы, который работает. Обратите внимание на глаза мальчика: его творение работает - он счастлив. Вот так надо популяризировать науку: эффект, найденный нобелевским лауреатом, доставляет удовольствие мальчишке.

Следующий пример – управление диссоциацией 2-атомной молекулы. Мы опирались на модели движения молекул, на классические модели или на квантово-механические, с их помощью мы синтезировали алгоритмы управления внешним полем, например, электромагнитным и показали, что можно с гораздо меньшей энергией достигать физических эффектов, чем это делалось обычно.

Это результаты моделирования при классическом описании динамики молекулярного движения. Видно, что обратная связь быстрее доводит молекулярный ансамбль до состояния диссоциации.

А здесь изображены результаты моделирования при квантово-механическом, точнее, при полуклассическом описании динамики. Видно, как расплывается волновой пакет под действием управления.

Этот слайд посвящен задаче об управляемом выбросе из потенциальной ямы, это мы пропустим, об этом можно прочесть в моей книге «Кибернетическая физика», она открыто доступна в интернете во многих местах..

А это результаты моделирования. Важно, что обратная связь позволяет с меньшим усилием достигнуть эффектов, которые достигаются без нее. То есть кибернетический подход действительно позволяет уменьшить силу воздействия, требуемую для придания системе тех или иных свойств.

Результаты, которые у нас получаются, публикуются в статьях и книгах, в том числе рассчитанных на неспециалистов и даже на детей. Например, серия книг «Шаги в кибернетику», некоторые из них представлены на слайде, в том числе замечательная книжка С.А. Филиппова «Робототехника для детей и родителей». Мы еще проводим олимпиады по кибернетике в Санкт-Петербурге. Туда приходят из разных школ, лицеев достаточно продвинутые дети, но ходят с большим удовольствием. Там такие веселые задачи. Вот одна из них, называется «Волшебные подтяжки».

«Ремонтируя край крыши дачного домика, сотрудник зоопарка любитель кибернетики Козлов сорвался с высоты 10 метров. При падении он зацепился подтяжками за карниз. Сила, с которой подтяжки тянут Козлова вверх, прямо пропорциональна расстоянию от него до крыши. Коэффициент пропорциональности равен К. Задание – найдите на какое максимальное расстояние вниз улетит Козлов, если весит 70 кг. При расчете считать Козлова материальной точкой, а ускорение свободного падения 9,8 м/с2.»

Требуется построить модель этой задачи, алгоритм решения и запрограммировать его. Решить такую задачу – это значит, провести маленькое исследование. Это не такая уж, может быть, и наука, но шаги к ней. У детей, которые прошли через это, глаза будут гореть, если они будут заниматься настоящей наукой.

Что касается кибернетической физики, у нас тоже есть публикации. Есть книжки и на русском, и на английском (АЛФ – «Кибернетическая физика»), есть обзоры в журналах. Тут показан мой обзор в нашем замечательном журнале «Успехи физических наук», посвященный кибернетической физике, я им очень горжусь, так как он написан по приглашению Виталия Лазаревича Гинзбурга. Я встретил его в 2004 году случайно на конференции, на пароходике, плывущем из Нижнего Новгорода в Санкт-Петербург и на какой-то экскурсии на берегу поймал и рассказал про эти идеи. А он предложил написать обзор на эту тему для своего журнала УФН.

Мы уже второй год выпускаем журнал, в котором публикуются современные исследования на эту тему, проводим конференции по теме Physics and Control в разных странах.

Заключение. Когда я предложил название для лекции «Кибернетика и …», я загуглил кибернетика и. И обнаружил множество удивительных словосочетаний. К примеру, кибернетика и общество, кибернетика и философия, кибернетика и человек, кибернетика и психопатология, и литературоведение, и экономико-математические методы, и даже религиозное мировоззрение. Мне хочется это интерпретировать так, что возможности кибернетики далеко не исчерпаны, наоборот, есть такие области, которые почти не затронуты, ими очень интересуются гуманитарии и представители других наук. Существует еще биологическая кибернетика, медицинская кибернетика, там тоже много интересных задач. И поэтому в XXI веке, я думаю, там нас ждет много интересных открытий.

Вопросы:

Борис Долгин: Не могли бы вы попробовать все-таки очертить, где вы именно видите границы кибернетики как дисциплины, и что находится на ее границах? Где еще кибернетика, где уже не кибернетика? Или какую-то формулу указать? Еще один вопрос - нет ни малейшего сомнения, насколько ценны для дальнейшего развития школьника, студента все вещи, которые вы показали, но что из того, что они делают, является принципиально новым, а что - просто образовательной задачей?

Александр Фрадков: Спасибо. Оба вопроса замечательные. На первый вопрос ответить проще - формула кибернетики дана была Винером, и с тех пор она не изменилась, уверяю Вас. Кибернетика - это наука об управлении и связи в живом организме и в машине, а позже он добавил, в последующей своей книге: «… и в обществе». Без кибернетики нельзя рассматривать управление людьми. Важно, что управление и связь должны присутствовать совместно.

Второй вопрос – конечно, на первых шагах эксперименты с роботами - это образовательная задача, но когда студенты вырастают, становятся аспирантами, они видят, что те задачи, которые они ставят, робот не так решает, как хотелось бы, то есть нужно что-то дорабатывать, и это и есть та новизна, которая интересна не только маленькому роботу, но и целой науке. Причем новизна появляется не из теоретического обобщения, как часто бывает в математике, например, когда результаты, известные для конечномерного случая хотят перенести на случай гильбертовых пространств. Нет, постановки задач могут быть не такими уж и новыми, но просто они становятся на твердую почву. Так и должно быть, сейчас теория во всем мире движется приложениями, application driven theory. А вот умению из приложения вырастить теорию – этому научить трудно, а роботы помогают.

В наших новых публикациях, в частности, мы чувствуем себя сильнее, мы уже не только предлагаем новые математические результаты, но и часто иллюстрируем их физическим экспериментом, показываем, как они работают при практической реализации в робототехнической системе.

Борис Долгин: А что было бы качественно новым результатом?

Александр Фрадков: Это должен быть новый теоретический результат, конечно. Может, он бы не имел такой ценности вне нашей области, но говорить о практическом приложении результата, о его пользе гораздо проще, когда показываем на эксперименте, на конкретных примерах, как он работает.

Борис Долгин: А что пока невозможно, но кажется, что реально достичь?

Александр Фрадков: Нужно повысить точность. Нужно придумать новый регулятор, который был бы более высокоточный. А еще важный пример – борьба с неопределенностью. Я говорил, что даже школьник может справиться с задачей настройки регулятора, если у него в руках конкретный робот и про него все известно. В других условиях, реальных, когда роботы попадают в реальные условия, параметры могут измениться - и самого устройства, и среды, в которую оно попало. И параметры системы, которые мы должны использовать при построении алгоритмов управления, нам неизвестны, и что еще хуже - они могут меняться со временем. Тогда нужны другие методы – это адаптивное управление, тут гораздо больше нерешенных задач. Эксперимент был, например, в ИТМО: когда на сигвей (ballbot) поставить сверху еще какую-то банку, он шатается сначала, а потом снова начинает выравниваться, то есть изменились условия и параметры – и он работает, и уже есть элементы самообучения. Это непростая область.

Константин Иванович: Вот у Хрущева был советник Келдыш, который был и математиком, и понимал в теории управления, а вот у Путина из современных кибернетиков есть какой-то помощник?

Александр Фрадков: Мне кажется, что нет помощников и даже среди ученых меньшего уровня, тем более среди кибернетиков. Я слышал, знаю людей, которые предлагали методы кибернетики, синергетики при управлении государством, но советами их не воспользовались. Люди из Института прикладной математики имени Келдыша. Мне кажется, кибернетиков нет рядом точно, потому что совершаются ошибки с точки зрения кибернетики.

Вопрос из зала: Не было ли у Вас такой кибернетической задачи – судно, которое находится на волнении, на нем находится некий оптический прибор, его резервная ось совершает колебания, возникает задача стабилизации на подвижном основании этой резервной оси. Была ли у вас такая задача? Если да, то какая точность была достигнута?

Александр Фрадков: Задача понятна; я уверен, что какие-то люди решали ее, но я лично не знаком с этим. Можно найти, если нужна именно эта задача, но сейчас я не могу ответить.

Альберт Ефимов: Спасибо за очень интересную лекцию. Я сам заканчивал факультет кибернетики.Кибернетика действительно была очень популярна в 60-е годы, но сейчас мир изменился, и мы говорим уже больше об информационных технологиях, о Computer science. В чем причина, что кибернетика ушла в киборги, киберпанки, кибербезопасность, то есть кибернетики уже почти нет как отрасли науки – за исключением, может быть, теоретической кибернетики, ведущим представителем которой Вы являетесь?

Александр Фрадков: Как сказать… как-то около 5 лет назад мы отмечали 60-летие кибернетики, я ровесник этой науки, и я написал статью «Романтика и кибернетика». Она была опубликована в «Поиске» и ее легко найти в интернете. В ней я высказал предположение, почему в 70-80-е годы не стало кибернетики, и она уступила место информатике. Я предположил, что новые задачи возникают и новые люди приходят, а они требуют новых флагов, поэтому вот эти новые слова и возникают - новые флаги, под которыми объединяются новые молодые силы.

Я думаю, что изучают это чисто общественные науки. А сейчас на самом деле среди специалистов в разных странах говорится о том, что кибернетика в том понимании, как ее Винер определил, снова становится важной. И ее важность возрастает, потому что задачи, возникающие именно на стыке управления и связи, требующие объединения этих наук, возникают все чаще и чаще. То есть жизнь нас к этому подводит. Я считаю, что слово «кибернетический» будет все чаще употребляться. А то, что ее стали применять физики, – это удивительно, - кто бы мог подумать, ведь физика – самодостаточная наука. А ведь слово «Control» употребляется все чаще и чаще в физических журналах.

Борис Долгин: А что активно пропагандировал Ершов – это все-таки информатика, а не кибернетика. Вот как бы вы вообще обозначили соотношение между ними?

Александр Фрадков: В середине 80-х годов случилась перестройка, желание создавать что-то новое стало более приветствоваться, и информатика в школе - этот лозунг стал продвигаться и материализовался. В школе появились уроки информатики еще даже без компьютеров. Ершов выдвинул лозунг: информатика – вторая грамотность (а потом – лозунг «информатика - вторая культура»). Это была компьютерная революция в школе. И сейчас часто продвинутые школьники знают больше, чем учителя, учителя раньше возмущались, а сейчас уже привыкли.. Теперь прошло 25 лет, середина нулевых годов, появились роботы, они пришли в школы. Это вторая компьютерная революция в школе: пришла робототехника в школу. Это во многих отношениях важно: возникла связь программирования с физическим миром, это стало еще более увлекательно. Дети не сидят с головой внутри компьютеров, им интересно выйти в мир.

Лев Московкин: Это то, что в теории макроэволюции называется викарирование, в данном случае - просто мода в науке. Кибернетика вернулась, информатика ушла. Я мало понял из лекции, но буквально завораживает. У меня вот какой вопрос. Из закона Эшби следует, что в эпоху перемен правительство не может управлять обществом физически. Так?

Александр Фрадков: Это говорит о том, что задачи управления более сложные в эпоху перемен. Неважно, чем или кем инициирована эпоха перемен, от руководства требуется большее разнообразие действий для управления системами в такую эпоху.

Лев Московкин: Спасибо, абсолютно содержательный и точный ответ. Еще вопрос. Очень давно слышал про теорему об эффекте наложения избыточности передачи на помехи, есть содержательная теорема из теории информации. Вы не знаете что это такое?

Александр Фрадков: Возможно, теорема Котельникова-Шеннона имеется в виду. Она говорит, что мы можем обеспечить достаточную точность передачи сигнала, если будем передавать сигнал достаточным числом отсчетов, т.е. достаточно долго, и определяется это спектром сигнала. Пожалуй, она имеет отношение к теореме о скорости передачи данных, которую я упоминал. Но она, действительно, относится к области теории информации, она говорит о скорости передачи информации безотносительно к тому, для чего эта информация используется. Понимаете, когда мы просто передаем информацию по зашумленному каналу с ограниченной пропускной способностью, мы можем передать сигнал сколь угодно точно со скоростью, сколь угодно близкой к пропускной способности канала, если будем его передавать достаточно долго – в этом состоит теорема Шеннона. Но эта теорема, строго говоря, не является кибернетической, ее нельзя использовать для управления. Когда мы управлять должны, мы не можем ждать бесконечно долго – объект управления может развалиться, разрушиться. Поэтому та теорема, о которой я рассказывал, и другие близкие результаты, которые растут вокруг нее -это новая область на стыке теории управления и теории информации.

Авруцкий: Как выглядит связь энергии и информации?

Александр Фрадков: Это сложный вопрос, и здесь много спекуляций – энергоинформационные взаимодействия, торсионные поля, знаете ли…. Но есть и серьезные люди, которые этим занимаются. Вот профессор Ландауэр из фирмы ИБМ установил такую связь. Он пропагандировал идею, что информация – это физическая величина – это уже сейчас общее место, часть физики современной: в физике есть материя, энергия и информация – три фундаментальных понятия, три кита. И он определил, сколько энергии минимально требуется на передачу одного бита информации некая величина, связанная с температурой и постоянной Больцмана. На эту тему есть публикации, но они непростые, их не так просто понять. Их критикуют даже, причем в физических журналах, это не спекуляции какие-то.

Потапов: По поводу предыдущего вопроса хочу заметить, что сам термин «энтропия» пришел из физики, он связан с энергией и поэтому давно известно, что какая-то связь между энергией и информацией есть. Во-вторых, спасибо за то, что Вы оставили в Вашей лекции формулы. А вопрос - по поводу теоремы о передаче управляющих воздействий, Если заменить линейный оператор на нелинейный, все останется так же с заменой на собственные числа дифференциала, или нет?

Александр Фрадков: Как говорят в «Квартете И» - ха-а-роший вопрос! Спасибо. На самом деле есть такие публикации, и как раз мы в нашей научной группе изучаем и нелинейные системы тоже. И там необходимые условия не получаются, только достаточные, и достаточно консервативные оценки. Нас ведь не интересуют локальные результаты, когда можно нелинейный оператор заменить его дифференциалом. Для приложений интересны случаи, когда мы находимся далеко от цели и объект известен не полностью, и долго придется искать оптимум, приближаясь к достижению цели управления. В общем, полного аналога этой теоремы, наверное, не удастся получить. Пока только достаточные условия.

Вопрос из зала: Еще небольшой вопрос по поводу теста Тьюринга. Там в условиях теста программа может пользоваться интернетом и другими источниками информации или нет?

Александр Фрадков: Вот это я точно не знаю, как процедура проходит соревнований, но это очень естественно делать через интернет, так как это уравнивает шансы человека и машины. Общаясь в чате, мы ведь не знаем точно, человек с нами говорит или машина. Поэтому если вы попробуете пообщаться с ботами на сайте, вы же будете это делать через интернет. И где они находятся, мы не знаем и никогда не узнаем.

Вопрос из зала: Это значит, что машина сможет пользоваться и помощью человека?

Александр Фрадков: Да, это проблема. Чем машина пользовалась - мы не знаем и никогда не узнаем.

Вопрос из зала: В условиях теста есть еще, что в течение 5 мин задаются вопросы для выяснения, искусственный это интеллект или нет?

Александр Фрадков: Есть протоколы этих тестов, и на сайте приза Лебнера можно все просмотреть.

Вопрос из зала: Насколько мне известно, есть Академия государственной службы, и там стали на одной из кафедр читать лекции по синергетике. Как вы относитесь к этому?

Александр Фрадков: Вот в этой академии работает Георгий Геннадьевич Малинецкий, профессор из Института Келдыша, именно его я имел в виду, когда отвечал на один из предыдущих вопросов. Именно он вместе с академиком Львовым ходил к Путину и рассказывал, как нужно действовать с учетом синергетических рецептов, нелинейности и т.п. Но это оказалось неприемлемым. Точнее, эти идеи были услышаны, но не восприняты. Это тоже вопросы кибернетики. Трудно формально разделить: что есть кибернетика тут и что – синергетика.

Речь шла ведь об управлении, о тех преобразованиях, которые нужно сделать, чтобы обеспечить устойчивое существование страны, достойную жизнь ее людей…

Лев Московкин: А в чем связь между кибернетикой и синергетикой?

Александр Фрадков: Знаете, это очень сложный вопрос, можно я не буду на него отвечать? Вообще синергетика – наука, которая предлагает пути учета нелинейности. Трудно восстановить между ними какое-то соотношение.

Наталия Демина: А вообще синергетика – это наука?

Александр Фрадков: Да, конечно. Синергетические подходы проникли во многие науки.

Борис Долгин: Вы воспринимаете синергетику как самостоятельную науку? Разве это не является всего лишь одним из подходов к исследованию неравновесных структур на грани физики и химиии, метафоры которого расползлись по множеству других сфер?

Александр Фрадков: Да, конечно, самостоятельная. Хакен начинал с исследования процессов в лазерах, но сразу понял широту области ее применения, понятия параметров порядка и другие применяются во многих областях. Даже можно сказать, что она ближе к математике.

Наталия Демина: В связи с реформой Академии наук, реформой образования: как нужно реформировать какую-то структуру с точки зрения кибернетики? Какие нужно соблюсти условия, чтобы реформа была успешной?

Александр Фрадков: Об этом можно много говорить и нужно много говорить, дискуссии должны продолжаться, и может быть, они к чему-то приведут. Но с точки зрения кибернетики здесь не хватает одного - здесь нет обратной связи: между теми, кто реформирует, и теми, кого реформируют. Вот власть – вот общество: должна быть обязательно обратная связь, иначе не будет взаимодействия, не будет принято то, что предложено.

Вопрос из зала: С точки зрения кибернетики что лучше: социализм или капитализм?

Александр Фрадков: Крутые вопросы начинаются… Вот какую историю я расскажу. Был такой английский кибернетик Стаффорд Бир, он написал книги «Кибернетика и управление производством», «Мозг фирмы», которые переведены на русский и вообще он известен во всем мире. Известно, что Альенде его привлек для преобразования экономики в Чили, и были туда значительные деньги направлены. И была сделана автоматизированная система управления экономикой Чили под руководством видного ученого и она работала, и положительно влияла на экономику, сохранились публикации. И это был социализм. Но это все было физически разрушено, когда к власти пришел Пиночет. Компьютеры и связи между ними были разрушены, когда произошло катастрофическое событие в истории страны Чили, когда был убит Альенде. То есть сама по себе кибернетика ничего плохого не предлагает и может хорошо работать и при капитализме, и при социализме, надо только с умом применять ее и не подчинять вненаучным силам.

Лев Московкин: Если я правильно помню, у Тьюринга есть такое определение, что человек отличается от машины способностью к неразумным поступкам. Это правда?

Александр Фрадков: Я не помню точно такого определения у Тьюринга. Вообще на эту тему много было споров, особенно в 1960-е годы, когда спорили физики и лирики. Одни говорили, что никогда машину не сделать похожей на человека, другие говорили: вот она уже этим похожа на человека, вот уже и этим похожа, и скоро будет совсем похожа. Но спор этот, наверное, бесконечен.

Из зала: Я могу дополнить, я читал недавно статью Тьюринга. Он там говорил, что для того, чтобы решить, может ли машина мыслить, нужно сначала определить: что такое «машина», что такое «мыслить» и что такое «может». И из этой мысли родился тест Тьюринга.

Борис Долгин: Спасибо за интересную лекцию (аплодисменты).

Смотрите также: Максим Руссо Кибернетика: штрихи к портрету Письмо сопредседателей Совета Общества научных работников генпрокурору Чайке о вызове в прокуратуру по поводу диссертаций депутатов Госдумы Как мы мыслим? Разноязычие и кибернетика мозга