Кибернетика – это наука о коммуникации и управлении. Он также исследует самовосприятие людей и социальных групп. Это касается того, как человеческая деятельность и общение влияют на коллективное поведение. Социальный контекст кибернетики обширен и продолжает расти. Кибернетика – динамичная и разнообразная область исследований. Новые тенденции и научные открытия повлияют на сферу кибернетики в ближайшие годы.
Слово «кибернетика» – это слово-портфель, объединяющее «кибернетический» с «биологией». Американский математик Джон фон Нейман опубликовал «Автоматы», статью по кибернетике, в которой обрисовал фундаментальную парадигму теории: есть ситуации, которые управляются центральным компьютером. Фон Нейман применил термин «автомат» к любому устройству или системе, которые «могут быть проанализированы как автоматы».
Кибернетика использует целостный подход и работает с коммуникацией на элементарном уровне. Ранние кибернетики также исследовали, каким образом язык влияет на то, как люди взаимодействуют. Темы о том, как общество и люди воспринимают информационные технологии и взаимодействуют с ними, представляют большой интерес. В специальном выпуске «Кибернетики» рассматривается значение и развитие слова «кибернетика». Эти обзоры проливают свет на эту довольно малоизвестную отрасль науки. Несмотря на эти теоретические достижения и новые разработки, эта область все еще малоизучена. Только от 10% до 30% исследователей, работающих в этой области, публикуют более трех статей в год. Исследование, проведенное в 2006 году, показало, что существует тупик в привлечении внимания ведущих журналов к новым исследовательским предложениям.
Прикладная часть кибернетики занимается управлением и движением систем, а также тем, как регулировать или контролировать их поведение. Наряду с теорией систем, статистикой и исследованиями операций, кибернетика является одной из трех основных дисциплин науки и техники и первой научной дисциплиной, имеющей дело с контролем и влиянием на поведение системы. Основная цель широкой области кибернетики – понять и определить человеческий интеллект. Согласно кибернетике, процесс понимания того, как строить и поддерживать человеческий мозг и его интеллектуальные способности, является сложным и многомерным делом.
Кибернетика определяется как изучение взаимодействий между людьми и вещами, изучение взаимодействия между людьми и окружающей их средой, изучение систем, систематизация действий. Важность понимания этих взаимосвязей – вот что сделало кибернетику одной из самых распространенных наук в 20 веке. Научное изучение любого человеческого явления – действия, планирования, защиты, коммуникации и т. д. – было включено в дисциплинарное исследование кибернетики.
Кибернетика была определена по-разному, разными людьми, из самых разных дисциплин. Это широкое понятие, охватывающее многие области. На одном уровне это связано с природой всей жизни; передача и контроль информации внутри биологических систем и между ними. С другой стороны, речь идет об управлении процессами на атомном и молекулярном уровне и сетевых связях между ними.
Автоматизация исследований доказывает, что ключевым нововведением в области машинного интеллекта является достижение или превышение способности людей контролировать данные и управлять ими. Принципиальная роль компьютера (или смарт – машины) не делать расчеты; но управлять информацией, обрабатываемой машиной. Информационная сеть – основа интеллекта. Основная задача ИИ – это разработка систем, которые могут отслеживать сеть и динамически изменять ее соединения для повышения ее производительности в ответ на меняющиеся обстоятельства.
Дискуссия «корреляция против причинности» применительно к кибернетике означает, что нам нужно интерпретировать данные, не поддаваясь картезианскому дуализму. С точки зрения неоклассической экономики, основными движущими силами бизнеса являются субъективные предпочтения людей, движимые стимулами. Эмерджентистская точка зрения – это эмерджентная система, в которой со временем появляются и исчезают разные уровни причинной структуры. Бостром использует эту модель, чтобы увидеть природу интеллекта.
Роботы и другие системы искусственного интеллекта должны развиваться, следуя стратегии обеспечения максимальной отзывчивости системы к окружающей среде. Они должны постоянно приспосабливаться и совершенствоваться, следуя данным им правилам, стратегии, принятой по этой причине, потому что человек-программист не может предвидеть все будущие события. Основанный на правилах характер ИИ является ключевым ингредиентом в его эволюции, а также, другими словами, его целью (хотя эту цель часто упускают из виду). Способность учиться, опираясь на свой опыт (обучение на практике), является фундаментальной для разумного поведения.
Развитие ИИ под руководством людей не будет связано с построением высокопроизводительного «сверхразума»; но об усилении и расширении системы в отношении тех фундаментальных принципов кибернетики, которые мы ожидаем от людей: обучение, адаптация и повторение. Определенное «обучение, чтобы учиться» (программируемость, эмерджентное поведение) является основой кибернетики.
После создания ИИ система должна развиваться, как и любая другая живая система; научившись приспосабливаться к окружающей среде, по мере развития, посредством естественного отбора, что-то вроде дарвиновского процесса. Процесс эмуляции (оценки) имеет решающее значение для того, что происходит в ИИ. Мы можем смоделировать систему ИИ, смоделировав задачу. Мы сделали это, смоделировав шахматную программу. Однако результат ограничен. Он способен воспроизводить только простые виды деятельности, связанные с шахматами. Это возможно, потому что мы ограничили количество вещей, которые система может делать. Мы только смоделировали вывод программы.
Невозможно создать робота, если мы сначала не поймем базовый процесс, с помощью которого система учится, создавая его, основанный на пробах и ошибках. Чтобы учиться, система должна понимать, что она делает, и иметь некоторую способность обращать вспять процессы, которые она изучает. Процесс развития системы ИИ должен быть копированием более простой системы со своими собственными правилами.
Поскольку мы не разрабатываем «улучшения» наших систем искусственного интеллекта, они развиваются путем копирования какой-либо более простой системы. Адаптивная система не повторяет фиксированную последовательность событий для того, чтобы научиться, скорее, ей необходимо узнать о различных моделях, поведении и привычках. Этот процесс имитации основан на функции «стимул-ответ».
