Magnific

Упомянутые персоны

Алексей Ковалёв, кандидат физико-математических наук, руководитель группы «Воплощенные агенты» лаборатории когнитивных систем ИИ Института AIRI и заведующий совместной лаборатории AIRI-МФТИ рассказывает, какой вклад в развитие технологий ИИ внесли советские ученые — от научной политики и международных площадок до идей, которые вошли в основу машинного обучения.

СССР позиционировал себя как страну будущего — не только в космосе и атомной энергетике, но и в науке, технике, математике. Но кибернетика, из которой позже вырастут многие идеи ИИ, в первые послевоенные годы воспринималась настороженно и в публичной риторике подвергалась критике.

Сдвиг начался в середине 1950-х. Символической точкой стала публикация статьи «Основные черты кибернетики» Сергея Соболева, Анатолия Китова и Алексея Ляпунова — фактически манифеста, который легитимизировал направление. Позже текст будут называть важным этапом в борьбе за признание кибернетики в СССР. 

Статья вышла в 1955-м, в том же году в США Джон Маккарти первым стал активно употреблять термин «искусственный интеллект». Это совпадение напоминает: научные идеи редко рождаются обособленно. Чаще они идут параллельными траекториями, потому что ученые из разных стран одновременно отвечают на схожие вызовы времени.

Продолжение ниже

Продолжение

В начале 1970-х искусственный интеллект в СССР закрепили уже институционально. В 1973 году при Комитете по системному анализу Президиума АН СССР создали Научный совет по искусственному интеллекту, а годом позже в Совете по кибернетике появилась секция ИИ.

Эта институциональная рамка помогала развивать исследования и выстраивать международную кооперацию. Самый заметный символ периода — IV International Joint Conference on Artificial Intelligence (IJCAI) в Тбилиси в 1975 году. Первая состоялась в Вашингтоне в 1969-м. В международный комитет вошли Патрик Уинстон (MIT), Пэт Хейс (Эссекс), Джон Маккарти (Стэнфорд), Марвин Мински (MIT) и ветеран советской кибернетики Аксель Берг (Академия наук СССР). 

Важно учитывать советский контекст. В некоторых научных школах ИИ воспринимался как попытка смоделировать индивидуальное мышление: научить машину рассуждать, принимать решения, действовать как автономный агент.

В СССР компьютер чаще рассматривался как усилитель человека, а приоритетом становились задачи координации и управления сложными системами — от производственных процессов до инфраструктуры и логистики. То, что сегодня назвали бы интеллектуальными системами поддержки решений. В таком подходе больше внимания уделялось к тому, как вычисления помогают человеку ориентироваться в реальности, где слишком много факторов. 

ИИ должен был помогать убирать неопределенность, которую порождала громоздкая административная машина и плановая экономика. Отсюда интерес к методам ситуационного управления: когда решение выбирается не по универсальному правилу, а по описанию конкретной обстановки с ее ограничениями. Этот подход в конце 1960-х предложил Дмитрий Поспелов: в 1970-е метод получил ряд практических применений, в том числе для моделирования работы морского грузового порта.

Результаты исследований Поспелова — теории ситуационного управления и семиотического моделирования — опередили западные аналоги. Затем они возродились в конце 1980-х годов в работах по ИИ, а начиная с 1995 года, получили обобщение в рамках российско-американских семинарах по прикладной семиотике под названием «Российское ситуационное управление и кибернетика» и «Архитектуры для семиотического моделирования и ситуационный анализ в больших сложных системах».

Советский Союз стремился выглядеть державой завтрашнего дня, поэтому рядом с сугубо практическими задачами появлялись демонстрационные, экспериментальные, художественные проекты. Они не решали прикладную задачу, но формировали ощущение, что будущее уже началось. Вот несколько примеров.

• Кибернетика на колесах и предки автономного транспорта. Речь про кибернетические модели, которые учились ориентироваться в среде и реагировать на препятствия. Самый наглядный пример — «робот-черепаха»: устройство 1950-х годов, которое двигалось, «исследовало» пространство и демонстрировало идею автономного поведения, пусть и в простом виде. Такие модели переводили сложные теории ученых в предметный мир, который можно увидеть своими глазами.

• Шахматы как доказательство разумности: программа Kaissa. Шахматы — идеальный полигон для разговора об интеллекте. Советская программа Kaissa стала первым чемпионом мира среди компьютерных шахматных программ, выиграв чемпионат 1974 года. Кейс стал витриной того, что машина может не только считать, но и строить стратегию, действовать в ситуации выбора.
• Робот-экскурсовод «Сепулька»: ИИ как ожидание. Отдельное место занимают проекты на границе науки и массового воображения. Робот-экскурсовод Политеха «Сепулька», показанный в конце 1960-х, был устроен скорее как инженерный аттракцион. Он управлялся дистанционно, а ответы в реальности давал человек. Но важнее другое — публика воспринимала это как предвестник момента, когда машина станет разумной. И в этом ожидании угадывается дух времени.
• Кибернетическое искусство: музыка как главный эксперимент. Советское представление о будущем включало и попытку алгоритмизировать творчество. Самая яркая линия здесь — машинная музыка. В 1959 году музыкант и математик Рудольф Зарипов, работая на ЭВМ «Урал», написал программу, которая генерировала мелодии: к концу экспериментов машина уже сочиняла вальсы и марши. Позже ученый проводил публичные тесты и прослушивания, предлагая определить, где человек, а где машина. Часто аудитория не могла их отделить друг от друга. Параллельно развивались другие ветви машинного искусства: эксперименты со стихами, графикой и визуальными образами. 

Эти проекты могут выглядеть наивно на фоне современных нейросетей, но они важны как маркеры эпохи: СССР пробовал ИИ как поле экспериментов и видел в нем разносторонний потенциал.

Влияние советских идей на развитие ИИ не всегда видно напрямую: оно чаще проявляется в фундаментальных идеях, которые стали частью мировой школы машинного обучения. Один из примеров связан с именами Владимира Вапника и Алексея Червоненкиса. В 1962-1964 годах в Институте проблем управления (ИПУ) в Москве они разработали алгоритм распознавания образов, который назвали методом обобщенного портрета. Позже Вапник эмигрировал в США и в 1990-х на базе этого метода вместе с коллегами по лаборатории AT&T Bell Labs предложил SVM (машину опорных векторов): метод, который долгие годы оставался одним из самых практичных инструментов машинного обучения до расцвета нейросетей.

Другой пример — американский ученый азербайджанского происхождения Лотфи Заде, создатель нечетких множеств и нечеткой логики, повлиявших на прикладной ИИ. Он строил карьеру в США, но его фундаментальная математическая школа формировалась в советском контексте — и сам он отмечал значимость этой базы.

Такие примеры показывают, что история советского ИИ — не периферийная ветка, а часть общей мировой траектории развития интеллектуальных технологий. В СССР одновременно шли процессы институционализации науки, международной кооперации и прикладных экспериментов, а параллельно формировались фундаментальные идеи, которые позже вошли в мировой инструментарий машинного обучения и продолжают развиваться в современной России.