Высшее назначение

Оправдание одной мистификации

Рубеж XVIII и XIX веков.
Дворцовая и городская публика блестящих европейских столиц Вены и Лондона, Парижа и Петербурга покорена механическим игроком в шахматы, делом рук придворного советника, изобретателя и механика Вольфганга Кемпелена. Кукла-турок в огромной белой чалме, восседающая за шахматным столом, одного за другим обыгрывает всех своих именитых противников. Среди поверженных оказывается даже Наполеон I. Очевидцы теряются в догадках, пытаясь разгадать тайну «шахматного автомата».
Но секрет тщательно оберегается. Кроме изобретателя, его знает только один человек — сильный венский шахматист Иоган Альгайер. Ведь это именно Альгайеру приходится часами просиживать в тесном потайном ящике-«автомата», обдумывать ходы и с помощью сложной системы рычагов приводить в движение руки «турка», передвигающего фигуры по доске.
Итак, секрет прост. Но что же заставило разыгрывать весь этот спектакль? Стремление к сенсации, жажда денег, славы?
Возможно. Однако за этим стояла старая мечта о мыслящей машине, мечта, восходящая еще к средневековой легенде о Големе (Гомускулусе).
И то, что Кемпелен сконструировал именно шахматный автомат, не было простой случайностью: шахматы «. .. могут быть идеальным критерием проверки «мыслительных» способностей машины. Автомат, способный разыграть шахматную партию с живым противником, сдает тем самым экзамен «интеллектуальной зрелости» (2).
Мы еще вернемся к этим словам Ежи Гижицкого, автора замечательной книги о шахматах.
Теперь же продолжим наш рассказ

Мечта Эмануила Ласкера

Одним из первых, кто сделал попытку использовать для науки «интеллектуальную энергию» шахмат, был философ, математик и выдающийся шахматист Эмануил Ласкер (1868— 1941).
С юношеских лет Ласкер находился под влиянием шахматно-философской концепции первого чемпиона мира и основателя нового, научного метода игры Вильгельма Стейница. В основе теории Стейница лежала далеко не очевидная для своего времени материалистическая идея: к успеху на шахматной доске, да и в любой другой борьбе, ведет не счастье, не случай и не взлет фантазии гения, способного в любом положении провести выигрывающую комбинацию, а план, основанный на учете конкретных особенностей ситуации. Учение Стейница, — считал Ласкер, — это открытая с помощью шахмат подлинно научная теория, отражающая общие закономерности борьбы.
Однако все попытки Ласкера облечь эту теорию в философскую или математическую форму потерпели неудачу — к решению подобных задач наука была еще не готова. Великий шахматист понял это, но мечта «поставить на службу жизненной практике опыт всех игр, основанных на принципах борьбы» (3) не покидала его до конца жизни.

Кибернетика, шахматы и ЭВМ

К решению поставленной Ласкером проблемы в конце сороковых годов приступила кибернетика — наука об общих закономерностях управления в сложных системах. В шахматах, многообразие которых приближается к богатству проявлений реального мира, кибернетика увидела великолепную для изучения модель — модель сложной системы.

Одной из важнейших задач кибернетики, как известно, является автоматизация процессов управления. Но, получив для решения этой задачи могучее орудие — электронные вычислительные машины, ученые оказались перед новой сложной проблемой: как научить машину водить поезда, анализировать статистические данные, переводить с одного языка на другой и т. д.? Иначе говоря, как программировать процессы управления? В поисках ответа кибернетика обратилась к шахматам. И не напрасно: моделирование этой игры стало необходимым и весьма результативным средством отработки и проверки методов программирования ЭВМ. Ведь процесс управления в шахматах, будучи весьма сходным по своим основным характеристикам с процессами управления, осуществляемыми на практике, отличается от них и целым рядом важных для кибернетики преимуществ: в шахматной игре четко сформулированы правила осуществления операций (ходов) и конечная цель (мат); игра не слишком проста, но и не слишком сложна; дискретный характер игры соответствует цифровой природе вычислительных машин.

Проект Шеннона

Уже в 1949 году известный американский математик Клод Шеннон в статье «Составление программ для игры в шахматы» писал, что задача создания шахматных программ предоставляет большой интерес, так как ее удовлетворительное решение может явиться «плацдармом для наступления на другие задачи сходной природы, но имеющие большое практическое
значение» (4). Хотя сам Шеннон и не создал какой-либо детально разработанной шахматной программы, предложенные им методы программирования легли в основу всех более поздних исследований в этом направлении.

Рассуждения Шеннона сводились в основном к следующему: машина будет непобедима, если сможет рассчитать конечный результат каждого возможного по правилам игры хода. Но для этого ей понадобится рассмотреть все без исключения шахматные варианты, что намного превосходит возможности даже максимально быстродействующего вычислительного устройства. И все же научить машину играть в шахматы можно. Надо только найти эффективный способ сокращения перебора вариантов. При этом «придется примириться с тем обстоятельством, что сделанный машиной ход не обязательно будет наилучшим. Таким же образом, конечно, действует и любой шахматист, ибо никто не умеет играть в шахматы абсолютно точно» (4).

В своей статье Шеннон предложил два способа или, пользуясь терминологией автора, две стратегии ограничения перебора. Согласно первой стратегии, все варианты рассматриваются на определенную фиксированную глубину (например, на три хода вперед). Затем позициям, на которых прекращается расчет, присваиваются определяемые по особому правилу числовые оценки. Сопоставление этих оценок и позволяет отдать предпочтение одному из ходов в анализируемой позиции.
Недостатки такого способа игры очевидны: машина, реализующая первую стратегию Шеннона, будет прекращать расчет и в таких позициях, где он необходим (например, когда король под шахом). Большая же часть энергии и времени машины уйдет на рассмотрение ходов, вовсе не заслуживающих внимания.

Вторая стратегия Шеннона выгодно отличается от первой. Здесь исследуются не все возможности — часть ходов с самого начала исключается из рассмотрения. Критерием для предварительной оценки служат некоторые известные положения шахматной теории (безопасность короля, контроль над центром и т. д.). Все остальное остается без изменений.

Специалисты высоко оценили проект американского ученого. Они полагали, что идеи второй стратегии Шеннона дают ключи к программированию большого класса практических задач, дотоле для ЭВМ недоступных. Дело в том, что машины успешно работали только по тем программам, где описаны в формулах (формализованы) все без исключения звенья процесса решения задач. Большинство же проблем, возникающих перед человеком в его научной и практической деятельности, не решаются по стандартным правилам или формулам, как скажем, квадратное уравнение. Инженер, разрабатывающий сложную конструкцию, следователь, пытающийся раскрыть запутанное преступление, врач, ставящий диагноз в трудных случаях — эти и многие другие ситуации требуют от человека не только знаний, но и фантазии, творческой изобретательности. Чтобы и машины могли решать сложные задачи, — пришли к выводу кибернетики, — важно всесторонне промоделировать на ЭВМ процессы переработки информации человеком и, в частности, процессы мышления шахматиста.

Считалось же, что мышление шахматиста довольно точно отражено во второй стратегии Шеннона. Сам Шеннон писал: «По мнению некоторых психологов, мыслительный процесс характеризуется следующими этапами: различные возможные решения задачи испытываются мысленно или символически без реального воспроизведения; лучшее решение выбирается мысленной оценкой результатов этих экспериментов; затем реализуется решение, найденное таким путем. Нужно заметить, что это почти точное описание того, как действует, играя в шахматы, машина, если заменить слово «мысленно» словами «внутри машины» (4).

Не удивительно, что работы, получившие название «эвристического программирования», то есть работы по передаче машине элементов умственной деятельности человека начались с попыток воплотить идеи Шеннона в конкретной шахматной программе.

Творческий процесс, в какой бы конкретной деятельности он ни осуществлялся, будь то поэзия или шахматы, обладает общими существенными свойствами. Эту идею основатели эвристического программирования Ньюэлл, Шоу и Саймон решили воплотить в кибернетике. В результате появилась одна из первых эвристических программ, известная у нас под названием «универсальный решатель проблем». Авторы надеялись, что программа будет решать обширный класс задач, независимо от их предметного содержания. Так оно и было, но только до тех пор, пока не подошла очередь шахмат — здесь решатель оказался бессильным. А коли так, то значит «экзамена интеллектуальной зрелости» (вспомните слова Гижицкого) программа не выдержала, значит она не универсальна, и не воссоздан, не смоделирован какой-то очень важный механизм умственной деятельности
. Этот вывод заставил Ньюэлла, Шоу и Саймона всерьез обратиться к программированию шахмат. И после многих месяцев нелегкого труда, в 1958 году такая программа была создана. Поскольку в ней удачно воплотились идеи Шеннона, можно было ожидать, что программа будет играть, по меньшей мере, в силу мастера. Если программа и вправду отражает мышление человека, то в шахматах она превзойдет самого искусного игрока: машина быстрее и точнее рассчитывает варианты, она не подвластна утомлению, ей не помешает шум в зале и т. п.

Но увы, Ньюэлла и его коллег и здесь ожидали разочарования. Начались они с того, что программа оказалась очень сложной, и ее не удалось записать в машинном коде. А когда программу испытали «вручную», выяснилось, что ее шахматная сила невелика и соответствует примерно уровню 2—3 спортивных разрядов.

И все же, шахматное фиаско «Универсального решателя проблем» и специализированной программы Ньюэлла, Шоу и Саймона было для кибернетики и психологии дороже многих побед. Попытки построения искусственного интеллекта и, в первую очередь, работы по созданию шахматного автомата не только продемонстрировали несовершенство накопленных человечеством знаний о сложных психических процессах, но и подсказали новый путь изучения и моделирования творческого мышления.
По этому пути и пошла возникшая на стыке кибернетики и психологии новая наука — эвристика.

Эвристику часто называют наукой о процессах творчества. Но это далеко не полное определение. Ведь и классическая психология мышления не ограничивается изучением одних лишь умственных штампов и автоматизмов — уже более семидесяти лет исследует она творческие методы решения задач. Журналист, наблюдавший за работой ученых-эвристиков в институте психологии Академии педагогических наук писал, что «здесь играют в шахматы в рабочее время, и во время этих игр исследуется оперативное мышление и психология творчества» (5).

Шахматы, однако, уже не первое десятилетие привлекают внимание психологов. Еще в конце прошлого века французский ученый Бинэ опубликовал книгу, в которой рассматривались психологические механизмы мышления шахматиста. За время, прошедшее с тех пор, психологи узнали много интересного, наблюдая поведение человека за шахматной доской.

Так чем же эвристика отличается от традиционной психологии мышления? Новое в том, что, сделав мышление шахматиста основным объектом своих исследований, эвристика не только познает закономерности продуктивного мышления, но и разрабатывает методы машинного и математического моделирования человеческого способа решения сложных задач. В эвристике сплелись два научных направления: программисты черпают сведения в экспериментальной психологии, психологи проверяют свои гипотезы на моделях-программах. Такая проверка составляет сущность нового метода — метода эвристического моделирования.

Толчком к широкому распространению метода эвристического моделирования как раз и послужили работы Ньюэлла, Шоу и Саймона. Проведенные ими исследования возможностей автоматизации игры в шахматы явились экспериментальной проверкой психологической теории «проб и ошибок», получившей в кибернетике выражение в методе перебора вариантов. Сторонники теории «проб и ошибок» утверждали, что любой процесс решения задачи состоит из случайных попыток, одна из которых и приводит к успеху. Работами же Ньюэл ла, Шоу и Саймона было практически доказано, что процесс решения вовсе не исчерпывается перебором возможных вариантов, если даже такой перебор ограничен, как во второй стратегии Шеннона. Иначе невозможно объяснить, почему машина, в сотни раз превосходящая человека по быстроте расчетов и применяющая данные шахматной теории, все же очень слабо играет в шахматы.
Но благодаря каким свойствам психики человеку удается легко обыгрывать все существующие шахматные программы? И какими качествами, следовательно, необходимо наделить машину, чтобы она могла успешно сражаться с опытными мастерами, а значит и решать сложные практические и научные проблемы?
Надо сказать, что полученные в последние годы результаты экспериментальных исследований процессов мышления шахматиста значительно приблизили эвристику к ответу на эти вопросы, ускорили работу по созданию «электронного гроссмейстера», ту работу, успех которой, как писал экс-чемпион мира М. Ботвинник, «будет означать начало конца гегемонии человеческого мозга в области решения сложных задач» (6).

Л. Бабушкин и В. Постников
Журнал "Шахматы" (Рига) № 7 за 1971 год