Научный архив: статьи

«Законы робототехники» Айзека Азимова пользуются исключительным авторитетом и являются своего рода заповедями для многих сторон этически-философского дискурса вокруг искусственного интеллекта. Практическое применение этих «законов», однако, сталкивается с принципиальными трудностями, причины которых исследованы в этой статье. В частности, первый «закон» о недопущении вреда человеку не уточняет, об ущербе кому идёт речь; второй «закон» о подчинении робота человеку не уточняет, кому из претендентов на управление роботом следует отдать предпочтение. На элементарных примерах показано, что при наличии конфликта интересов оба этих абстрактно-гуманистических «закона» теряют смысл и являются жизненно несостоятельными. Кроме того, даже в отсутствие такого конфликта «недопущение вреда» требует от робота предвидения последствий тех или иных действий в сколь угодно далёком будущем, однако возможность такого прогноза противоречит законам физики и биологии. Наконец, показано, что формулировки всех трёх «законов», очевидно абсурдные для неодушевлённых инструментов, предполагают наличие у роботов свободы действия, ошибочно наделяя их субъектностью. Этот ложный антропоморфизм, характерный для современных обсуждений искусственного интеллекта, закрепился в устойчивых языковых формах. Система выявленных искажений представляет собой чуждую традиционным культурам когнитивно-мировоззренческую матрицу, угрожающую безопасности общества на переходе к новым техноукладам.

В статье представлен метод семантического анализа данных посредством комплекснозначного матричного разложения. Метод основан на квантовой модели контекстно-чувствительных решений, согласно которой наблюдаемые вероятности порождаются кубитными состояниями, представляющими субъективный смысл контекстов для базисного решения. В простейшем трёхконтекстом случае один из кубитов раскладывается в суперпозицию оставшихся двух, математически представляющую смысловые отношения между контекстами. Для использования в задаче анализа данных эта модель представлена в матричной форме так, что строки и столбцы соответствуют контекстам и постановкам эксперимента. При этом наблюдаемые действительные данные порождаются матрицей комплекснозначных амплитуд, раскладываемой на произведение действительной матрицы базисных векторов и комплекснозначной матрицы коэффициентов суперпозиции. Это разложение выявляет устойчивые процессно-смысловые соотношения контекстов, не обнаруживаемые другими методами. В результате данные воспроизводятся более точно и с меньшим числом параметров, чем при использовании сингулярного и неотрицательного матричных разложений той же размерности. Модель успешно испытана в описательном и предсказательном режимах. Результат открывает возможности для разработки природоподобных вычислительных архитектур на новых логических принципах.