1 Некоторые существенные данные для развития неврологической теории восприятия были даны в работах: W. Pitts and W. S. McCulloch, How We Know Universals: The Perception of Auditory and Visual Forms, «Bulletin of Mathematical Biophysics», 1947, № 9, p. 127-147; D. O. Hebb, The Organization of Behavior, New York: Wiley, 1949; W. А. С lark and B. G. Farley, Generalization of Pattern Recognition in a self-organizing System, «Proceedings of the Western Joint Computer Conference», Los Angeles, March 1955, p. 86—91; 0. S. Selfridge, Pattern Recognition and Modern Computers, ibid., p. 91—93; G. P. Dinneen, Programming Pattern Recognition, ibid., p. 94-100; N. Rochester, J, H. Holland, L. H. Haibt and W. L. Duda, Test on a Cell Assembly Theory of the Action of the Brain, Using a Large Digital Computer, «IRE Transactions of Information Theory», 1956, vol. PGIT-2, № 3, p. 80-93; P. M. Milner, The Cell Assembly: Mark H, «Psychological Review», 1957, № 64, p. 242— 252; F. Rosenblatt, The Perception: A Probabilistic Model for Information Storage and Organization in the Brain, «Psychological Review», 1958, № 65, p. 386—408. Этот список далеко не полон. Тот факт, что в этой книге мы больше интересуемся Планом, чем Образом, позволяет нам не обобщать эти цепные и интересные исследования в области восприятия, по мы упоминаем их как часть накапливающихся доказательств того, что развитие счетных машин будет играть все более возрастающую по значению роль в будущем развитии как неврологической, так и психологической теории.
2D. M. MacKav, Mindike Behavior in Artefacts, «British Journal for the Philosophy of Science», 1951, № 2, p. 105-121.
57
новной «словарь», в терминах которого машина может описывать собственный опыт (это положение не слишком отличается от «последовательных фаз» Хебба).
Эти теории, хотя и были очень остроумными, не подходили, однако, к проблеме мотивации. Поэтому на долю Галантера и Герстенхэйбера в 1956 году выпало право указать важное значение мотивации и предложить теорию для определения того, какие Образы могут служить моделями мышления. Различные оценки действительно преобразуют Образы данной личности и таким путем приводят к различным формам поведения '.
Однако из всех работ относительно машинных Образов наиболее существенной является исследование Ге-лернтера и Рочестера2. Они составили программы для вычислительного устройства, доказывающего теоремы по планиметрии, и оборудовали машину так, что она могла делать чертежи, подобно тому как это делает учащийся. . Чертежи резко упрощали процесс поиска доказательства. Трудно себе представить более отчетливое доказательство того, что примененная Толмэном аналогия с «контрольным пультом управления» вовсе не нуждается в гомункулусе для чтения схем.
По всей видимости, психологи позднее поняли, что одни и те же проблемы структуры и организации существуют на уровне поведения и на уровне Образа. Вероятно, бесконечное обсуждение процессов поведения по принципу «проб и ошибок» создало общее представление о том, что относительно простые стохастические (вероятностные) модели могут удовлетворить требования всех теорий.
В 1949 году Миллер и Фрик попытались усложнить эту простую картину, используя «процессы Маркова»
1 Eugene Galanter and Murray Gerstenhaber, On Thought: The Extrinsic Theory, «Psychological Review», 1956, № 63, p. 218—227. Eugene Galanter and W. A. S. Smith, Some Experiments on a Simple Thought-Problem, <American Journal of Psychology», 1958, № 71, p. 359-366.
2 H. L. Gelernter and N. Rochester, Intelligent Behavior in Problem-Solving Machines, «IBM Journal of Research and Development», 1958, №2, p. 336—345; H. L. Gelernter, Realization of a Geometry Proving Machine, «Proceedings of the International Conference on Information Processing», Paris, 1959.
58
для объяснения последовательности в организации поведения '. Их работа представляет собою довольно ясное распространение предположения Клода Шэннона о том, что процессы Маркова могут быть использованы для объяснения последовательной организации посылок информации 2. Действительно, последовательная организация поведения является наиболее важной для процесса коммуникации, поэтому кажется несомненным, что, если машины, основанные на принципах Маркова, будут генерировать грамматически правильный английский язык, они будут адекватны также и для моделирования любых других форм поведения. Реальное создание подобной машины, однако, оказалось невозможным ввиду фантастически огромного числа внутренних состояний, которые потребовались бы машине для создания даже самого грубого, приблизительного изображения истинного поведения. Решение проблемы было, однако, неясно до тех пор, пока Ноэм Хомский не доказал, что любая машина, пытающаяся создать все грамматические связи слов путем линейного продвижения (как это должно быть в машинах Маркова) слева направо, воспринимая каждый раз по одному слову в строгом порядке, должна была бы иметь бесконечное число внутренних состояний 3. Поскольку целью теории является упрощение процесса, машины с бесконечным числом параметров не могут рассматриваться всерьез. Единственной альтернативой кажется такая система, которая учитыва-
1 George A. Miller and Frederick С. Frick, Statistical Behavioristics and Sequences of Responses, «Psychological Review», 1949, № 56, p. 311-324. См. также: F. С Frick and G. A. Miller, A Statistical Description of Operant Conditioning, «American Journal of Psychology», 1951, № 64, p. 20-36; G. A. Miler, Finite Markov Processes in Psychology, «Psychometrika», 1952, № 17, p. 149—167.
2 Claude E. Shannon. 9 Mathematical Theory of Communication, «Bell System Technical Journal», 1948, № 27, p. 379-423. Фактически сам Марков применил свои идеи для характеристики написанных текстов.
3 Noam Chomsky, Three Models for the Description of Language, «IRE Transactions on Information Theory» 1956, Vol. IT-2, p. 113— 124. Однако трудности применения стохастической теории к последовательности реакций, объединенных в иерархию элементов, были отмечены ранее в работе: John B. Carrol, The Study of Language, Cambridge: Harvard University Press 1953 n. 107.
59
ет иерархическую структуру последовательности — разновидность машины для «грамматического анализа», которую мы уже рассматривали в главе I.
Одной из причин, по которой лингвисты стремились выражать свои описания языка в терминах, свойственных теории информации и теории современных счетных машин, был их интерес к возможности механического перевода. Развитие теории информации с 1948 года революционизировало наше мышление в самых различных направлениях, от электротехники до общественных наук '. Большая часть выводов, которые следуют из этой работы, лежит за пределами настоящей книги, однако попытка использовать счетные устройства для перевода информации с одного языка на другой имеет специальное отношение к данному обсуждению 2. Первый шаг в этом направлении заключается, конечно, в том, чтобы использовать счетную машину как автоматический словарь, применяя ее высокие скорости для выполнения нудной работы выискивания по всему словарю возможных эквивалентов в языке, на который производится перевод. Однако замена слова за словом даже между близко связанными языками не приводит к грамматически правильному или даже просто понятному переводу. Машина должна знать кое-что относительно грамматики, а не только о словаре переводимых языков, или, говоря более точно, она должна иметь набор инструкций, для того чтобы выбирать между альтернативными возможностями при переводе, для распознавания идиом, для преобразования порядка слов, для отнятия или добавления различных элементов к корням слов и т. д. В принципе нет причины, которая помешала бы запрограммировать двуязычный словарь и несколько сотен закодированных грамматических правил в счетном устройстве и получить практически полезный результат. Однако в действительности кодиро-
1 Ср. George A. Miller, Language and Communication, New York: McGraw-Hill, 1951.
2 Введение в эту проблему можно найти в сборнике: W. N. Locke and A. D, Boothe, eds., Machine Translation of Languages, New York: Wiley, 1955. Существует журнал, специально посвященный этому вопросу: «Mechanical Translation», Massachusetts Institute of Technology, Cambridge, Mass. См. также R. A. Brower, ed. On Translation, Cambridge; Harvard University Press, 1959.
60
вание словаря и успешная зашифровка правил ставят много утомительных и трудных задач. Возможно, они будут разрешены, однако в настоящее время, когда мы пишем, машинный перевод еще нигде не превратился в повседневное, обычное дело.
Современный период развития делает перевод важнейшей проблемой в жизни нашего общества, и мы должны надеяться, что лингвисты и их программисты скоро достигнут успеха в этой области. Все же и при отсутствии успеха мы можем извлечь из их опыта ряд уроков, имеющих важное значение для психологов и лингвистов.
Прежде всего, огромный объем информации, который должен быть закодирован для счетной машины, до самого последнего времени был главной трудностью. Счетное устройство просто не имеет достаточно места, чтобы содержать в себе весь словарь и еще быть в состоянии выбирать элементы из системы памяти так быстро, как это требуется, например, при обычной скорости речи. В нашем настоящем обсуждении Образ среднего, хорошо образованного взрослого европейца или американца должен содержать удивительное количество знаний, четко организованных для быстрого управления вниманием. Очевидно, в некоторых отношениях наш мозг все еще является значительно более сложным, чем самая большая из когда-либо построенных счетных машин.
Кроме того, становится очевидным, что существуют два совершенно разных подхода к этому вопросу. В одном случае программист говорит: «Я хочу сделать эту работу любым возможным способом, но чем проще, тем лучше». В другом случае он говорит: «Я хочу, чтобы счетная машина сделала это таким же образом, как это делают люди, даже если это кажется не самым эффективным методом». Как члены общества, мы должны приветствовать первый подход, но как психологи, лингвисты, неврологи — как люди, изучающие человека,— мы должны быть больше заинтересованы во втором подходе. Было предложено, чтобы попытка открыть эффективный путь решения задач электронным устройством называлась проблемой «искусственного интеллекта», в то время как попытка имитировать человеческое существо называлась проблемой «моделирования». К настоящему времени были сделаны лишь слабые попытки подойти к проблеме перевода с намерением моделировать человека-переводчика.
61
Наконец, существуют лишь удручающе нечеткие критерии для определения успешности или безуспешности работы счетного устройства'. Перевод является многомерным, и кто может сказать, насколько лучше должен быть один параметр, чтобы уравновесить низкий уровень какого-либо другого параметра? Возможно, оценка должна основываться на сравнении данных, получаемых от машины, с данными профессионального переводчика, однако каким образом может быть проведено подобное сравнение, очень трудно сказать. В наиболее успешно развивающихся отраслях науки мы узнали, как измерять расхождения между нашими наблюдениями и нашими теориями, но при наличии тех форм моделирования, которыми мы располагаем теперь, критерий полноты соответствия еще должен быть разработан.