При восприятии внешней информации нужно знать про три волшебных буквы, которые означают процессы, на которые распадается этот общий процесс восприятия. Это буквы P, R и S, которые обозначают слова Parsing (разбор), Recognition (распознание) и Structuring (структурирование), соответственно.

В психологии описание процесса восприятия внешней информации условно разделяется на перцепцию и апперцепцию – на первичное сенсорное восприятие и на логический уровень, который следует за чувственным восприятием.

Но это достаточно условное деление, и оно не подходит для алгоритмического построения восприятия. Поэтому и появились три волшебных буквы, которые делают процесс более понятным. Причём эти буквы-процессы настолько тесно связаны, что они смешиваются, и могут многократно идти один после другого.

Например, мы разбираем текст, и в процессе восприятия отделяем слова, а некоторые очень длинные слова приходится структурировать (выделять части слова) и применять шаблоны (что относится к распознанию) на основе существующих слов. И этот процесс можно продолжать.

В результате распознания должен сложиться конгруэнтный (связанный с вашими существующими понятиями) и структурированный, например, в виде дерева результат из образов, слов или других элементов – примитивов или гранул, применяемых в описании.

Обсудим автогенерацию кода, и начнём с описания парадокса Рассела, хорошо известного в теории множеств:

пусть К – множество всех множеств, которые не содержат себя в качестве своего элемента. Содержит ли К само себя в качестве элемента?

Обычно этот парадокс иллюстрируется несколькими, насколько занимательными, настолько и абсурдными задачами:

Парадокс брадобрея: деревенскому брадобрею приказали брить всякого, кто не бреется сам и не брить того, кто бреется сам. Может ли брадобрей брить самого себя?

Парадокс мэра: в стране вышел указ о том, что мэры городов должны жить не в своем городе, а в специальном городе мэров. Может ли мэр города мэров жить в городе мэров?

Парадокс Рассела сам по себе неразрешим из-за самой постановки задачи, поскольку он ссылается на множество всех не включающих себя множеств, то есть в задачах противоречие задаётся аксиоматически, в самом определении. Чтобы свести математический взгляд на вещи к естественному, и если хотите, к бытовому понимаю, сравним этот парадокс с парадоксом всемогущества: попросите всемогущего сделать камень, который он не сможет поднять. Если получится, значит его всемогущество утратило силу, а если нет – то он и не был всемогущ.

Аналогичный парадокс, связанный с модификацией программного кода, возникает в задачах искусственного интеллекта. А именно, может ли программный код модифицировать и выстраивать сам себя? Или в другой интерпретации: может ли программный код строить другой программный код, не содержащий сам себя?

Как же соотносятся множества из парадокса Рассела и генерируемый программный код? На элементарном уровне код состоит из команд и операций. Их стройная последовательность и является кодом, который требуется получить. Но на уровне постановки задачи генерации никакого программного кода еще нет, это обобщенная информация или мета-информация о том, каким должен быть генерируемый код. Это и есть множество (задач), не содержащее другое множество (команд). Задача — это поручение процессору выполнить определенную команду. Получается, что, создавая программу, и записывая её в память, мы даем поручение процессору выполнить определенный набор команд. Когда же процессор идет по этой последовательности команд, он рассматривает каждую из них в текущем контексте выполнения (регистры, состояние памяти и пр.). Понятие множества, не содержащего само себя – это фактически мета-информация (задачи) о мета-информации (командах), в которой не содержатся задачи более низкого уровня, то есть представления задач с более детализированным видом, хотя формально этот более абстрактный вид мета-информации остается мета-информацией.

Я не уверен, что все люди могут пройти тест Тьюринга. Эта неуверенность может посетить каждого, кто достаточно времени провел в чатах. Будь у человека на том «конце провода» сложности с вербализацией (выражением мыслей), со знанием языка общения, перцепцией (восприятием) – и мы, тестируя его по Тьюрингу, то есть, сомневаясь в том, что на другой стороне «провода» человек, можем поставить отрицательный результат. Тест пройден не будет. Можно сделать вывод, что тест Тьюринга – это не тест на разумность, это система распознания «свой – чужой». То есть, тест на то, соответствует ли собеседник понятиям и стандартам тестирующего.

Единственным выводом из этой непростой ситуации является отказ от понятия «разума» как цели, к которой должен стремиться искусственный интеллект. Не надо измерять разум как единое и неделимое целое, так же как не надо стремиться определить критерии разума, поскольку это эмпирическое понятие, состоящее из сотен характеристик.

Что же надо делать в действительности, если мы всё же желаем использовать машину как интеллектуальный механизм? Очевидно, выявить составляющие разума, которые имеют ценность, как для человека, так и для их отчуждения в сторону машинной реализации.

В области искусственного интеллекта мелькает одна крамольная идея. Звучит она примерно следующим образом: «Если воспроизвести человеческий мозг, то мы получим интеллект». К этому измышлению подстегивает Норберт Винер: “…кибернетика полагает, что строение машины или организма является показателем их способности выполнить задачу. … механическая ригидность насекомого ограничивает его интеллект, в то время как механическая гибкость человеческого существа обеспечивает его почти безграничное интеллектуальное развитие… Теоретически, если бы мы могли создать машину, механическая структура которой воспроизводила бы человеческую физиологию, то мы могли бы иметь машину, «интеллектуальные способности» которой воспроизводили бы умственные способности людей.”

Как будто интеллект – это результат химической реакции или суп, сваренный из точно выверенных ингредиентов по какому-то мифическому рецепту. К сожалению, немногого можно добиться способом слепого копирования и ожидания последующей синергии, а также перехода количества в качество. Нельзя надеяться на то, что созданная структура сама восполнит отсутствие представлений по целому пласту знаний и видения процесса, и сама начнет воспроизводство «разума». Чудес не будет. Одна из причин этого в том, что помимо воспроизведения механизмов, как минимум, эти механизмы необходимо наделить знаниями (врожденными или априорными рефлексами, инстинктами и пр.). Думаю, если рукотворно можно создать такой организм, этот организм будет схож с клоном самого человека. А нужен ли нам клон, к этому ли мы стремились, создавая такой механизм?

Одна из проблем во взгляде на «машинный интеллект» заключается в том, что под влиянием теста на разумность (тот же тест Тьюринга) «искусственный интеллект» становится идентичным понятию «эмуляция человека». Причём от машинного интеллекта требуется точного воспроизведения всех черт, присущих человеку, включая ошибки, неточности и неспособности, например, неспособность человека к быстрым и точным вычислениям.

Но ждем ли от искусственного интеллекта полной идентичности человеческим возможностям? Очевидно, нет. Но такая задача по построению полной аналогии машины и человека проходит лейтмотивом во множестве технологий искусственного интеллекта. Например, идея воспроизведения мозга дала старт разработке нейронных сетей. Желание «вырастить» идеальную саморазвивающуюся структуру породило эволюционные алгоритмы и игру «жизнь».

В то же время копирование внутренних механизмов, присущих человеку, и воспроизведение человеческих возможностей – вещи разные. Перцептрон, реакционный процессинг и другие механизмы помогают нам наилучшим образом реализовать определенные идеи и задачи, такие как распознавание образов. И напротив, полное повторение человека – бесперспективно, поскольку слепое копирование результата не несет ключевой ценности: человек лишь носитель, одна из реализаций интеллекта, к которому мы стремимся в программных системах.

Компьютер обладает собственными важными свойствами, которые делают его ценными. Это быстрота и точность расчетов, быстрота в поиске данных, надежность и точность (дискретность) логики в выполнении программных инструкций, возможность хранения большого числа хорошо структурированных данных.

Мышление человека существенно отличается от правил обработки данных компьютером. Он состоит в возможности принятия решений в условиях ограниченности информации, отсутствии четкой структурированности информации, динамическом построении операций. Да и, вообще говоря, можно ли сравнивать компьютер и человека? К компьютеру не могут быть применимы такие сложные понятия как чувственность, интуиция, мечты, фантазия, экспрессия и одухотворенность. Но от этого компьютер не делает хуже вычисления и выполнение программ. От этого мы не работаем с ним меньше. Так давайте рассматривать искусственный интеллект в компьютерной реализации не как конкурента или брата, а как средство.

Для рассмотрения «общества» интеллектуальных систем наилучшим образом подходит теория многоагентных систем (МАС, multi-agent system). Это система, которая образована несколькими взаимодействующими интеллектуальными агентами. Интеллектуальный агент – это некоторый субъект, наблюдающий за окружающей средой или действующий в ней. Такой агент может быть роботом, программной системой, человеком и пр. Коммуникативная часть является определяющей, однако раз мы исследуем компьютерные системы, большее внимание мы будем обращать на агентов как на программные системы.

Агенты разделяются на агентов с простым поведением, агентов с модельным поведением, целенаправленных агентов, практичных агентов, обучающиеся агентов и т.д.

В теории мультиагентных систем отдельно выделяются субагенты. Субагент – это часть агента, которая может быть выделена в специализированную подсистему. Так, существуют:

• временные субагенты для принятия оперативных решений,
• пространственные агенты для взаимодействия с реальным миром,
• обучающие агенты и т.д.

Субагенты могут быть различного назначения, и в большей степени они разделяются исходя из процессов и архитектуры самого агента.

Агенты в многоагентной системе должны иметь несколько важных характеристик:

• автономность,
• ограниченность представления. То есть, ни у одного агента нет представления обо всей системе,
• децентрализованность, то есть, в системе нет агентов, управляющей всей системой.

В многоагентной среде отдельные агенты имеют возможность получать и формировать информационные поля в виде сообщений между собой. Не обязательно, что все агенты являются равными по ролям, по правам, по возможностям, по зависимостям друг от друга, по доступности или открытости взаимодействия с другими агентами. Например, в многоагентной среде наравне с интеллектуальными агентами могут существовать агенты для обмена данными, такие как поисковые сервера, публичные хранилища для обмена данными и для получения данных.

Система должна иметь возможность постоянно развиваться, и должна быть способна к универсальности в выполнении задач. Под универсальностью понимается их возможность встраиваться в общую экологическую систему своего существования (общество).

Именно универсальность в интеллектуальных системах является наиболее ценным свойством, она означает наибольшую гибкость системы, её способность, с одной стороны, улавливать, воспринимать, распознавать, усваивать внешние данные и, с другой стороны, формировать ответы, реакции, генерировать информацию и действия, которые вписываются в общепринятую структуру знаний. Общепринятая структура знаний – это система понятий, терминов, методов и теорий, принятых в обществе.

Основными свойствами системы являются коммуникативные способности в социуме. Другими словами, рассматривается не какая-то расчетная функция, не интеллектуальный механизм, а способность коммуницировать в общей среде. В то же время, отдельный элемент системы, обладающий только коммуникативными свойствами, является вырожденным, поскольку не несет в себе никакой ценности, связанной с выборкой, хранением, структурированием и анализом информации.

Однако и «разум в себе», не имеющий достаточных коммуникативных качеств, также является вырожденной системой. Одновременно с этим, невозможно поддерживать приемлемый уровень коммуникации без обработки информации. В частности, система не сможет ответить на вопросы к ней, если у неё не будет хранилища информации и системы выборок информации.

Неприятный вопрос, правда? Как вообще можно подумать, что какая-то машина лучше венца творения природы? Но бросьте это дело, поменьше высокомерия. Давайте посмотрим на этот вопрос прагматически, ведь мы не меряемся силами, а узнаём, чем машины могут помочь нам.

Итак, по сравнению с человеком компьютер обладает свойствами, которые человеку неподвластны:

— точность запоминания данных и долгосрочность памяти. Со временем человек способен забывать информацию, в том числе и важную информацию. Компьютер хранит данные так, как они были сохранены.

— объем хранения данных. Компьютер может хранить множество данных, которые невозможно запомнить человеку. Например, в системах управления персоналом компьютерные системы могут хранить данные по десяткам тысяч сотрудников, когда-либо работавших в компании. Ни один человек не может сделать подобного.

— собственность. Компьютер является собственностью, то есть определенный человек и компания может быть уверены, что данные будут принадлежать человеку и компании.

— доступность. Информация, хранящаяся на компьютере, доступна 24 часа в сутки 365 дней в неделю.

— надежность. Как говорит один из законов Мэрфи «Компьютеры ненадежны, но люди еще ненадежнее». Это свойство является следствием из принципов доступности и определенности структур данных.

— определенность структур данных. Компьютерная система должна позволять проанализировать себя пользователю. Внутренние механизмы компьютера должны быть понятны и прозрачны, то есть анализируемы. Напротив, форма хранения знаний человеком неопределенна. Механизмы хранения знаний человеком непрозрачны и недоступны для получения извне.

Устоявшееся мнение состоит в том, что люди используют десятеричную систему счисления, потому что у людей на руках десять пальцев.

Как вы знаете, компьютеры применяют двоичную систему счисления, и в разное время они применяли и применяют операции на основе степеней 2: 4-ричная, 8-ричная, 16-ричная системы счисления, а иногда даже используются 32- и 64-ричные коды. И преобразование в 10-ричную систему и обратно для компьютера – нелюбимое упражнение.

Вернёмся к людям: хорошо, у нас на руках 10 пальцев, но из этого нельзя сделать ровным счётом никакого вывода. Потому что если мы будем пальцы использовать в непозиционной —  унарной или единичной система счисления, и каждый разогнутый палец (не важно какой палец и на какой руке) будет означать 1, то в сумме от 10 пальцев получится число 10: от нуля (все пальцы загнуты) и до 10 (все пальцы разогнуты).

В таком случае количество цифр в нашей системе счисления должно быть 11: от 0 до 10, не правда ли? И тогда мы должны пользоваться 11-ричной системой счисления.

Но так сложилось, что мы почему-то всё же пользуемся не 6-ричной (по количеству пальцев на одной руке плюс ноль), и не 11-ричной (10 пальцев на обеих руках плюс 0).

Понять это невозможно из-за того, что выяснить это невозможно (и поэтому это называется трансцендентным знанием), поэтому мы используем то, что пришло нам как традиция.

В последние 70 лет (формально её история началась в 1958 году с изобретения интегральной схемы Джеком Килби, Jack St.Clair Cilby) технологии подарили нам микроэлектронику, которая с каждым годом расширяет возможности по хранению данных и по скорости операций.

И теперь мы становимся свидетелями разрыва, когда аппаратное обеспечение (hardware) компьютеров обладает обширными возможностями и мощностями, они непрерывно растут и расширяются по закону Мура (производительность процессоров должна удваиваться каждые 18 месяцев из-за сочетания роста количества транзисторов и увеличения тактовых частот процессоров). Но компьютерные программы по своей сути – аналог сложных устройств, но не более того.

Каждый их шаг и каждая их операция строго детерминированы (определены) и заранее запрограммированы. Их разработали, скомпилировали (отлили в бронзе), и теперь нам остаётся только любоваться ими и исполнять их в том виде, как они были придуманы. Обновление мы можем получить только в следующем релизе, если команда разработки хорошо поработает.

В этом контексте зададимся вопросом: можно ли выделить человеческое мышление и реализовать его в компьютере? Вроде бы, да. Во всяком случае, хотелось бы. Но как?

Ценность от продукта лежит не только в потребительских свойствах самого продукта, а зачастую от его окружения – выбора и покупки продукта, бренда продукта и создателя, статуса, который приобретает пользователь от владения или использования продукта, от упаковки продукта, ожидания по получению продукта, постпродажного обслуживания и многого другого.

Потребительские свойства выражаются в опыте использования (UX – user experience). А всё остальное, описанное выше и более того – в «пути клиента» (CJM – customer journey map).

И часто второе бывает важнее первого: вы сами знаете, что упаковка иногда стоит дороже товара, а товар под известным брендом с высокой ценой имеет копеечную себестоимость в производстве.

Управление финансами определяет цели любой компании довольно просто: 1) прибыль, 2) достаточное количество денежных средств для оплаты обязательств.

Но что такое прибыль? Это финансовый результат. Обычно ему предшествует большая работа, которая выражается в какой-то пользе для других людей или организаций.

Но что же генерирует финансовый результат? Продажа результатов работ (deliverables) – продуктов: материальных продуктов, работ, услуг. Ими управляет менеджер по продуктам: он формулирует их содержание, ценность для клиентов, цену, положение на рынке и многое другое.

Часто роль менеджера по продуктам размыта: его роль может играть генеральный директор, главный технолог, главный инженер, и также роль может быть распределена между разными должностями. Но она точно есть: кто-то в организации точно владеет идеей продукта и ценностью, которая преподносится рынку.

Одни из основных вопросов философии – вопросы основания: «Для чего всё это?», «Почему именно так?». Не будем забираться в дебри вопроса (ещё успеется!) – идеи предметов, реальности, истины и многое другое. В самом конце увидим одну очень простую вещь – ценность.

Да, люди – очень меркантильные существа, кто бы что не говорил про альтруизм и благородство, в конце интересов, принципов и целей стоит ценность.

И в информатике так же: символы, машины, языки программирования, технологии, автоматизация, программные и аппаратные решения – во главе угла они несут результат, который должен обладать какой-то чёткой ценностью. Хоть ускорением процессов и расчётов, хоть эстетические цели, хоть желанием обладания и собственности, хоть возможностью приобщиться к современным веяниям и моде.

Я создал telegram-канал – он посвящён философии информатики.
Присоединяйтесь:

https://t.me/infosophy

Поскольку мой сайт – это такой центр контента, то посты будут доступны и здесь.

Философия информатики? Опять что-то пространное, абстрактное, наукоёмкое, обо всём и одновременно ни о чём?

Ни в коем случае. Конкретнее не бывает. Она появляется там, где нужно посмотреть на одни и те же факты и технологии с разных сторон.

Там, где нужно связать факты внутри дисциплины и между разными дисциплинами.

Там, где требуется получить новые идеи и переосмыслить существующие подходы.

Рассмотрим конкретные кейсы, дадим повод подумать и создать новые идеи.

Поздравляю вас с наступившими праздниками 2026 года – Рождеством Христовым и Новым Годом.

Буквально вчера (на конец декабря 2025) я написал короткий промпт в новой версии DeepSeek, и оказалось, что новая версия нейросети теперь пишет изумительные тексты – по содержанию и стилю изложения, по сложности и использованию лексики.

Как раз в это время я писал очередную главу своей книги. У меня возник только один вопрос – зачем же тогда вам могло бы быть полезно посетить мой сайт? Ведь ИИ ответит на любой вопрос и научит чему угодно.

Ответ – в современную эпоху ИИ остаются важными несколько вещей, которым и посвящен сайт:

1)      Дать последовательное и целостное представление о вещах, а не отрывочный рассказ
2)      Свое персональное видение – точку зрения, взгляд на вещи
3)      Описать вопросы на некоторую тему, которые нужно задавать – себе, другим, ИИ. Ведь вопросы есть основа для мышления и для любого другого дела.
4)      Новые идеи

Краткость – сестра таланта, а потому на этом заканчиваю, и приглашаю вас ознакомиться с контентом.