Можно ли заставить компьютер думать. Умеет ли компьютер думать? Искусственный интеллект, его понятие, сущность, теории

Новая компьютерная программа за одно мгновение может понять, о чём человек думает.

Авторы исследования могут предугадать, что человек сейчас видит - на основе деятельности нейронов, считываемой с помощью вживлённых в мозг электродов. Учёные обнаружили, что декодирование мыслей человека, впервые увидевшего изображение, происходит в течение долей секунды.

Новые результаты могут однажды помочь немым пациентам или людям, у которых есть проблемы с общением, выражать свои мысли. Об этом заявил нейролог из Университета Вашингтона в Сиэтле, Раджеш Рао. «Клинически это означает, что можно создать механизм общения с парализованными, пережившими инсульт пациентами и другими людьми, "запертыми внутри себя"», - сказал Рао.

Чтение мыслей

В последние годы учёные добились значительных успехов в расшифровке человеческих мыслей. Так, в 2011 году исследователи смогли перевести электроэнцефалограмму в видео , которое люди в это время смотрели. В 2014 году двое учёных обменялись мыслями с помощью соединённых вместе мозгов. В других исследованиях было показано, что компьютеры могут «видеть» наши сны, используя для анализа мозговую активность.

Рао и коллеги тоже захотели побыть в тренде. Они попросили людей, страдающих серьёзными случаями эпилепсии, которым в височные доли были имплантированы электроды, поучаствовать в эксперименте по декодированию мыслей. (Пациентам всего неделю как вживили электроды в височные доли, чтобы врачи смогли определить место расположения источника припадков).

«Им и так бы вживили электроды, так что мы лишь дали им несколько дополнительных заданий во время их пребывания в больнице. Всё равно здесь им нечем заняться», - сказал автор исследования доктор Джефф Ожеманн, нейрохирург Медицинского центра Университета Вашингтона. Височные доли также отвечают за сенсорное восприятие, вроде визуализации и узнавания образов, которые видит человек.

Рао, Ожеман и их коллеги дали участникам исследования смотреть на быстро сменяющие друг друга картинки на экране. Это были изображения лиц и домов. Кроме того, там было несколько пустых изображений. Пациентам надлежало следить за появлением изображения перевёрнутого дома.

Электроды были подсоединены к программе, которая способна была анализировать по тысяче мозговых сигналов в секунду, определяя, какой сигнал бы означал, что человек смотрит на дом, а какой - на лицо. Для первых двух третей изображений компьютер определил, что «так выглядит сигнал мозга человека, который смотрит на изображение дома». Для оставшейся одной трети компьютер с вероятностью 96% смог определить, на что именно смотрит человек. Об этом учёные сообщили 21 января в статье в журнале PLOS Computational Biology . Что интересно, компьютер смог выполнить задачу в тот 20-миллисекундный отрезок времени, пока человек смотрел на изображение.

Сложный процесс

Оказалось, что в зависимости от того, на что смотрит человек, - на лицо или изображение дома - активизируются разные группы нейронов. Кроме того, оказалось, что компьютеру для расшифровки нужно два типа мозговых сигналов: событийно-обусловленный потенциал и широкополосное изменение спектра. Первое - это характерный зубец на электроэнцефалограмме, означающий реакцию мозга на любой стимул. Второе означает изменение электрической активности в определённой зоне мозга.

«Традиционно учёные исследуют отдельные нейроны, - говорит Рао. - Наше исследование дало более общую картину на уровне крупных нейронных сетей. Мы смогли увидеть, как бодрствующий человек воспринимает сложный визуальный объект».

Позволив исследователям в режиме настоящего времени определить, какая часть мозга отвечает на определённый стимул, новая методика открыла двери для тотальной картографии деятельности человеческого мозга.

Начало: 17.08.2010 | Окончание: 17.09.2010

Ян Давид Евгеньевич

Давид Ян , Председатель совета директоров и основатель группы компаний ABBYY, кандидат физико-математических наук, лауреат Премии Правительства России в области науки и техники.

В 1989 году Давид Ян, в то время еще студент 4-го курса МФТИ (Московского физико-технического института), основал вместе с сотрудником ИПТМ РАН Александром Москалёвым компанию Bit Software. В 1998 году Bit Software была переименована в ABBYY. Наряду с основной деятельностью в рамках компании ABBYY. На сегодняшний день ABBYY является одним из ведущих мировых разработчиков программного обеспечения и поставщиком услуг в области распознавания и ввода документов, лингвистики и перевода. Давид участвует в ряде других проектов. Среди них следует отметить:

Создание первого в мире карманного коммуникационного компьютера для подростков Cybiko (Россия, США, Тайвань, 1998-2003 гг.);
Участие в компании ATAPY Software (2001);
Основание и участие в работе компании iiko, читается «Айко», создающей систему нового поколения для управления ресторанами и сервисами индустрии гостеприимства (2005);
Участие в ряде творческих проектов, таких как мастерская FAQ-Café (2004), ресторан, клуб, галерея ArteFAQ (2007); творческий клуб «Сквот» (2009); клуб «Сестры Гримм» (2009);
Участие в благотворительных и образовательных проектах, таких как образовательный фонд Ayb («Айб», 2005), Наблюдательный совет МФТИ, образовательный центр Tumo (2006) и ряд других проектов.

Вопросы и ответы:

Вопрос:

Дмитрий
Давид Евгеньевич, по вашему мнению или по мнению Ваших специалистов, на основании какого системообразующего принципа мозг строит абстрактные (обощенные) образы (модели) действительности? Если вообще строит.

Вопрос:

Антон
С. В. Савельев в своем интерью на этом же сайте 4 года назад по поводу ИИ заявил, что ИИ создан не будет, т.к.: [i]"... потому что никаких реальных оснований для создания искусственного интеллекта нет. И то, что называется нейрокомпьютером – абсолютная липа, вымысел людей, занимающихся техническими науками, совершенно не представляющими ни принцип работы мозга, ни принципы мышления. Мозг – морфогенетически активная система. Это означает, что связи между нейронами на протяжении всей жизни все время меняются, а поскольку нейронов у нас 150 миллиардов, то для того, чтобы хотя бы убого смоделировать эту систему, надо взять 150 млрд. процессоров, внутрь которых посадить людей, которые будут случайным образом непрерывно перепаивать связи между ними. При этом еще надо знать еще некоторые закономерности этой перепайки. Люди, которые занимаются построением «псевдонейрокомпьютеров», строят их на алгоритмах, принятых в математике, то есть на тех понятиях, которые для мозга являются казуистикой. Поэтому никакой следующей системы эволюции в виде искусственного интеллекта не будет, т. к. интеллект, т.е. мышление, построено на совершенно других принципах." Вы согласны с его мнением, и если нет - то где у Савельева ошибка?

Ответ:

Ян Давид Евгеньевич

Технологии нейрокомпьютеров действительно не имеют отношения к понятию «искусственный интеллект». Нейрокомпьютеры – это красивое название чисто статистической, математической идеи, в то время как к искусственному интеллекту причисляют технологии, имеющие отношение к выдвижению гипотезы и к наличию структурной модели об окружающем мире.

Что касается термина «искусственный интеллект», под ним в реальности ученые понимают две вещи. Это, во-первых, моделирование мышления. Во-вторых, технологии, заменяющие человека в определенных сферах его деятельности (это машинный перевод, классификация объектов, распознавание трехмерных сцен, образов и прочее). Эти технологии не имеют никакого отношения к моделированию мышления. Они, как правило, построены на вопросах структурной информации о мире. В этом направлении есть ряд подходов, задача которых – заменить человека в ряде его видов деятельности.

Согласен ли я с Савельевым, что в ближайшем будущем человек не сможет смоделировать человеческое мышление посредством компьютерных процессоров? Думаю, да. Последние исследования показывают, что человеческий мозг и импульс в нем носят не вполне цифровой характер. Это не бинарная система (1 и 0), в ряде случаев она напоминает аналоговую систему, именно поэтому цифровая техника может принципиально не иметь возможности смоделировать мозг.

Что делать в этом направлении? Во-первых, не надо мнить себя Господом Богом. И нужно понимать: то, что мы не смогли смоделировать птицу или стрекозу, вовсе не означает, что мы не научились перемещаться по воздуху. Ведь человек создал сложнейшие технические системы (дельтапланы, вертолеты, самолеты, ракеты), благодаря которым мы можем летать. Если перефразировать Савельева, выходит, раз мы не можем смоделировать мозг в том виде, в каком он существует у человека, мы никогда не научимся в определенном объеме выполнять сложную интеллектуальную работу. Это, конечно, не так. Уже сегодня интеллектуальные компьютерные системы заменяют людей, выполняя их интеллектуальную работу на определенных участках точнее и быстрее.

Вопрос:

Сергей
А нужно ли вообще учить компьютер думать? Это для того, чтобы люди не думали, а только кнопки нажимали как полные идиоты? К этому ли надо стремиться?

Вопрос:

Владимир
Здравствуйте! Расскажите, пожалуйста, какими вы видите перспективы развития ИИ и робототехники в мире и в России. Спасибо!

Вопрос:

Ущеко Вячеслав
Меня интересует нечеткая логика при построении схем искусственного интеллекта. Как Вы считаете, можно ли нечеткую логику использовать для создания новых теорий?

Вопрос:

Глеб
Можно ли у вас работать удалённо? к примеру из Риги? или есть ли у Вас филиалы в Латвии? :)

Вопрос:

Ruslan
У меня несколько вопросов: 1. Насколько плотно специалисты по искусственному интеллекту контактируют с биологами, изучающими мозг? 2. Можно ли в настоящее время, взяв биологический мозг, послойно отсканировать всю архитектуру нейронов и межнейронных связей? 3. Можно ли затем воспроизвести ее в виде микросхемы или смоделировать программно, воспроизведя полностью все количество нейронов и связей между ними? 4. На каком пути, по Вашему мнению, следует ожидать решения проблемы искусственного разума - на пути изучения и копирования человеческого мозга либо на пути совершенствования компьютеров и компьютерных программ на собственной основе? 5. Имеет ли место сознательное противодействие созданию искусственного разума со стороны государств или иных структур из этических соображений или из боязни утратить контроль над этим продуктом?

Ответ:

Ян Давид Евгеньевич

Я не являюсь специалистом в области исследования мозга и не занимаюсь проблемой моделирования мышления, поэтому мой ответ на этот вопрос будет носить дилетантский характер. Но, тем не менее, я абсолютно уверен, что моделирование деятельности мозга человека на физическом уровне еще долго не даст никакого практического результата. Причина в колоссальной сложности технической системы, под названием «человеческий мозг». В то же время попытки смоделировать мышление с помощью компьютерных процессоров также не смогут дать серьезного результата в связи со значительной упрощенностью этой системы.

На мой взгляд, интересными и перспективными являются эксперименты, комбинирующие эти подходы. Уже известно о первых положительных результатах, когда на базе биологических систем выращенной на кремнии популяции создаются самообучающиеся чипы, реагирующие на внешние раздражители и принимающие простые решения. Мне кажется, что в этом направлении человечество ожидают революционные открытия в самом ближайшем будущем.

Вопрос:

iq
Зачем машину заставлять думать? Машина должна работать. Если ее научить думать, то она заставит работать людей на нее.

Ответ:

Ян Давид Евгеньевич

Iq, блестящий каламбур! Возьмем на вооружение! Но, если серьезно, мы все понимаем, что слово «работать» имеет уже не то значение, что 100 лет назад. Если основным ресурсом в эпоху индустриализации было материальное сырье, то сегодня, в эпоху знаний, им становится информация. Преобразование информации в полезные знания и есть та работа, которую выполняют сотни миллионов людей во всем мире. Именно здесь требуется сегодня основная помощь, и современные компьютерные системы помогают человеку решить эту задачу.

А то, что машина заставит человека работать на нее – это скорее надуманные фантастами страхи. Искусственный интеллект – это вполне конкретный термин, объединяющий ряд технологий, связанных с автоматической классификацией объектов, с принятием решений и прочее.

Эти технологии уже давно используются в окружающей нас бытовой технике – от стиральных машин до кондиционеров. Так что, не нужно путать технологии искусственного интеллекта с технологиями искусственного мышления.

Вопрос:

Александр Прусаков
Уважаемый Давид Евгеньевич, я думаю, многие благодарны за Вашу поддержку (наряду с Российским фондом фундаментальных исследований) Двенадцатой национальной конференции по искусственному интеллекту, которая состоится в Твери. Многие, вероятно, благодарны за формулу счастья, фестиваль бодиарта или вкусный обед за 169 руб. Но, так случилось, что мы живем в момент малоосмысленного реформирования угасающей Российской науки. Здесь Ваше мнение интересно, а Ваше слово значимо! В нынешнем году существенно уменьшается финансирование РФФИ, ресурсы перенаправляются в менее «прозрачные» и эффективные структуры. Есть ли мысли об эффективной организации государственной поддержки наук об Искусственном Интеллекте?

Ответ:

Ян Давид Евгеньевич

Наша компания инвестирует значительные суммы в исследования и разработки в области искусственного интеллекта. Также на Факультете инноваций и высоких технологий (ФИВТ) МФТИ в 2006 году была открыта наша кафедра «Распознавания изображений и обработки текста», где студенты изучают не только Computer Science, но и некоторые специализированные предметы в области искусственного интеллекта.

Мы поддерживаем конференцию «Диалог», которая ежегодно собирает ведущих мировых специалистов в области компьютерной лингвистики. Есть планы по организации и поддержке других мероприятий, конференций и олимпиад в области искусственного интеллекта, лингвистики и компьютерных наук. Сейчас мы находимся в стадии выбора целевых проектов.

Мы как коммерческая организация не можем взять на себя функцию государства. На мой взгляд, единственный правильный путь по поддержке исследований в области искусственного интеллекта – это сотрудничество компаний, аналогичных нашей, и государства в области образования и науки.

Слово "компьютер" переводится с английского как "вычислитель". То есть он хорошо может считать. А вот научить его думать учёные пытаются уже много лет. Самое лучшее, чего мы смогли достичь - это научить компьютер играть в шахматы.

Мы всегда пытались сделать это, создавая алгоритмы. Они хорошо работают для ситуаций, в которых мы заранее знаем результат. А если результат неизвестен? Или количество вариантов такое большое, что предусмотреть все мы не можем. Как же быть в этой ситуации? Оказалось, что тут мы можем использовать способность компьютера быстро обрабатывать большие объёмы данных. Нужно загрузить много-много информации на одну тему и заставить компьютер найти в этой информации какие-то закономерности (как это сделать, учёные уже знают). Компьютер их запомнит, и, если он получит другую информацию на заданную тему, он сможет на основе этих закономерностей принять решение. Конечно, оно необязательно будет правильным, но ведь и люди часто ошибаются.

Это направление в науке о компьютерах получило название "машинное обучение" (или "machine learning" по-английски).

Правда, есть одна проблема - для того, чтобы обрабатывать большие данные, нужны мощные компьютеры. На слабых этого не сделаешь. И тут нам на помощь приходят "облачные" вычисления.

Что такое облако ? Облака — это взвешенные в атмосфере продукты конденсации водяного пара. Угадать заранее, что выпадет из облака - дождь, снег, град - сложно. Иногда это может быть что-то совсем неожиданное. Например, рыба. :) То же и с вычислительными облаками. Они находятся "где-то" далеко, они мощные, могут содержать огромное количество "виртуальных" компьютеров, они могут выдать нам очень быстро любой результат. И, что важно, для того, чтобы воспользоваться ими, нужно просто открыть окно в браузере или мобильное приложение. Этим и пользуются учёные для применения методов "машинного обучения". В облако загружается очень много данных, создаётся много виртуальных компьютеров для обработки этих данных. Потом мы учим компьютеры тому, как эти данные обрабатывать и, после получения результата используем его для анализа новой информации.

Можно ли посмотреть, как всё это работает? Конечно! Проще всего сделать это, воспользовавшись сервисами, которые используют "машинное обучение". Давайте рассмотрим "когнитивные" сервисы, которые создала компания Microsoft для работы с картинками, фотографиями, текстами, речью и многим другим.

КОГНИТИВНЫЙ, -ая, -ое. [от лат. cōgnitio знание, познание] - Связанный с познанием, с мышлением; познавательный. Когнитивный анализ - исследование процессов познания человеком окружающего мира, а также способности человека приобретать новые знания. Когнитивная система человека - центральная нервная система и органы чувств, с помощью которых человек познает окружающий мир и самого себя.

Для того, чтобы "испытать" сервисы, нужно зайти на сайт https://www.microsoft.com/cognitive-services/

Попробуем загрузить фотографию и посмотрим, что скажет нам компьютер о ней.

В данном случае анализируются эмоции. Каждая эмоция оценивается в цифрах. Чем ближе значение к единице (самое большее возможное - 1), тем больше она выражена. Нам у этого мальчика больше всего заметно удивление. Компьютер присвоил этой эмоции значение 0.875295341. У всех остальных эмоций оно близко к нулю (кроме радости, но она тоже не очень велика). То есть можно сказать, что по мнению компьютера, мальчик больше всего удивлён и немного обрадован. Мне кажется, что это близко к истине.

А что вы скажете об этой женщине?

Компьютер определил, что больше всего она испытывает отвращение (0.72907275), немного грусть (0.150495708) и немного гнев (0.11228478) . Похоже на правду?

Можете поэкспериментировать со своими фотографиями. Посмотрите, что получится. Да, кстати, не подсовывайте сервису фотографии неодушевлённых предметов - он хорошо разбирается в фотографиях и может легко понять, где люди, а где - нет.

Ещё один когнитивный сервис, с которым можно "поиграть" - сервис по распознаванию лиц https://www.microsoft.com/cognitive-services/en-us/face-api . Он может многое рассказать о человеческом лице: пол, возраст, настроение, в очках человек или нет, описать лицо. Он может определить, сколько человек на фотографии и описать каждого. Может сравнить две фотографии и сказать, насколько вероятно, что на них изображён один и тот же человек.

Например, на этой картинке совпадение - 0.771, то есть довольно высокое (как мы поним, самое большое значение - 1).

А на следующей - компьютер решил, что лица героев не очень похожи (0.195).

Но больше всего нам нравится сервис компьютерного зрения https://www.microsoft.com/cognitive-services/en-us/computer-vision-api . Его работа поразительна!

Загружаем картинку, и сервис определяет, какого она типа (картинка или фото), что на ней изображено, какие цвета преобладают, можно ли смотреть её детям и т.д. Например, на этой картинке компьютер увидел женщину 24 лет, бегущую по дороге на фоне неба:

А на этой - вид высоких зданий на фоне гор. Конечно, вы сразу догадались, что это за город?

А на этой картинке сервис обнаружил и прочитал текст (и очень точно):

Многое ещё могут когнитивные сервисы благодаря использованию машинного обучения. Предлагаем самостоятельно изучить их и, мы уверены, вы найдёте для себя ещё много интересного.

Наверное, вы заметили, что результаты сервис представляет в таком формате:

"faceRectangle": {

"anger": 0.000005779621,

"contempt": 0.0000634569,

"disgust": 0.0000245519477,

"fear": 0.000346612127,

"happiness": 0.114344768,

"neutral": 0.00990214851,

"sadness": 0.0000173390872,

"surprise": 0.875295341

Этот формат называется JSON (расшифровывается как JavaScript Object Notation) - специальный формат данных, который программисты могут считывать и использовать в своих программах. Благодаря этому когнитивные сервисы используются не только для развлечения и понимания мощи машинного обучения, но и в разных программах (для смартфонов и для веб-сайтов), которые вы, возможно, уже используете.

Вот так мы учим компьютеры распознавать объекты реального мира. И совсем скоро эти навыки будут использоваться практически везде. Будьте готовы к сюрпризам!

Недавно тут была статья о параметрических зданиях Захи Хадид, но из текста не слишком понятно, что же такое параметрическая архитектура в принципе. Параметры - это что-то, имеющее отношение к уравнениям, описывающим “модные, стильные, молодёжные” линии современных зданий? Нет, всё интереснее. На самом деле параметрическое проектирование - не столько красиво изогнутые трёхмерные объекты, сколько генетические алгоритмы, полиморфизм, мобильность, анализ комплексных систем и прочий матан. Если вам интересно, что сейчас происходит на стыке архитектуры и информационных технологий, читайте дальше.

Добавлю интриги: сами архитекторы называют “параметрическими” массу самых различных вещей. Как обычно, разложить по полочкам можно только прошлое, а в настоящем - сплошное кипение и путаница.

0. Параметризм - это визуальный стиль

О стилистике плавных линий и изогнутых поверхностей и соответствующих инструментах проектирования надо говорить или много, или ничего. Они просто есть и дают тот узнаваемый результат, который все вы не раз видели.

Кстати, то, что вы прочитали только что - просто стереотип. На самом деле параметрическое здание может выглядеть как угодно, хоть строгим параллелепипедом без окон. Так что картинок в этом разделе не будет. То, что скрывается за красивыми рендерами, гораздо интереснее их самих.

1. Параметризм - это когда форма создаётся при помощи анализа процессов, которые внутри неё будут происходить

Информационное моделирование выводит функционализм на новый уровень, когда процессы, происходящие в здании, рассматриваются как отдельная сущность, наподобие “четырёхмерной морковки” Хокинга, а здание её как бы оборачивает собой, не привнося лишнего.

В списке строений Захи Хадид есть передвижной выставочный павильон, несущие конструкции которого являются одновременно и стенами, и кровлей, и мебелью, и оформлением интерьера, и направляют движение посетителей между экспонатами по нужной траектории. Максимально соответствует функции, да ещё и разбирается, когда не нужен - зачёт! Крупные здания отличаются материалами и конструкцией, но принцип в основу заложен тот же.

Среди традиционных зданий такие образцы тоже есть, например, античный амфитеатр в естественной впадине рельефа, где дно - сцена, а склоны - и сиденья, и ступени, и несущая конструкция, и акустическая поверхность, управляющая распределением звука. Ни прибавить, ни убавить.

Однако в погоне за оптимизацией пространства архитекторы умеют забывать о психологическом комфорте пользователей своих творений, поэтому далеко не все “параметрические” творения любимы горожанами.

2. Параметризм - это когда объект меняется, реагируя на свойства среды или новые функциональные требования

Трансформируемость, мобильность, способность взаимодействовать с окружением - важный ориентир для всех современных архитекторов, но для авангардистов это имеет особенное значение.

Вы знаете, что у обычной шишки чешуйки плотно прижимаются друг к другу в дождливую погоду и растопыриваются в сухую благодаря циклу набухания и высыхания древесных волокон? Это - то, к чему сейчас стремятся передовые архитекторы: чтобы сооружение реагировало на перемены своими основными элементами, а не сложными и дорогостоящими техническими устройствами.

“Умное” здание, нашпигованное датчиками и управляемое программой уже стало мейнстримом, теперь исследователи ищут неэлектронные методы и нестандартные материалы. Например, использование термопар, чтобы нагреваясь на солнце, элемент деформировался нужным образом.

“Надувное” офисное здание Media-ICT.

Современные здания дышат, шевелятся, открывают и закрывают “глаза” при помощи диафрагм, генерируют внутри облака из азота, динамически меняют оптические и теплоизоляционные свойства самого стекла и так далее - в общем, живут насыщенной и интересной жизнью.

Не буду перечислять бесчисленные примеры, превращая пост в кунсткамеру. Обзор нескольких известных параметрических зданий можно увидеть тут. Давайте лучше заглянем в компьютеры проектировщиков.

Для проектов, где объект существует в динамике, привычных CAD-ов недостаточно, и необходимо применять BIM (информационное моделирование зданий). Мир постепенно переходит к технологии “виртуального здания”, но на нашем участке суши пока отстают от этой тенденции (если интересно, почему, читайте разбор с графиками тут).

3. Параметризм - это когда объект создаётся по заранее разработанному алгоритму на основе большого объёма входящих данных

С помощью BIM-программ можно параметризировать проектирование в буквальном смысле, превратить его в “3D-уравнение”. То есть, создать модель, которая благодаря заданным зависимостям будет сама подстраиваться под обстоятельства. Или сформировать набор правил, которые на основе имеющейся информации будут генерировать что-то новое. Алгоритмический морфогенез применим как в минимальных объектах, типа автобусных остановок, так и в крупномасштабных, на уровне градостроительства. Кстати, бюро Захи Хадид и Патрика Шумахера “широко известно в узких кругах” параметрическими генпланами городов, формируемыми при помощи скриптов (КДПВ демонстрирует один из них, это Сингапур).

Вот любопытный ролик, который иллюстрирует параметрический полиморфизм. Текст там не на русском, так что немного поясню происходящее в кадре.

Основной объект - квартал из нескольких зданий. Количество его сторон, их длины и углы между ними можно менять. Здания сами подгоняют свою этажность, количество квартир и комнат в зависимости от этих параметров. Сцепляясь между собой, кварталы образуют сеть, которая в зависимости от числа жителей и активности транспортного потока меняет ширину улиц, выделяет главные и может заменить там часть жилья общественными учреждениями, например, магазинами в первых этажах. Это исследовательская работа, а не реальный инструмент проектирования, но по нему вполне можно понять тенденцию.

Для здания можно написать алгоритм морфогенеза, который применительно к разному исходному материалу выдаст разные результаты, но они будут членами одной “популяции”. Получается архитектурный полиморфизм, современная замена типовому строительству: типизировать можно и так, чтобы одинаковых зданий не было, но были одинаковые технологические и конструктивные приёмы.

Картинка отсюда.

С помощью задания зависимостей можно генерировать и объекты, органично вписывающиеся в уже существующую городскую среду. Именно в этом контексте архитекторы используют понятие “генотип”, подразумевая набор основных параметров, свойств, связей, характеризующих здание или место. Для определения этих “генов” и матрицы взаимодействий между ними всё чаще используют анализ big data и численные аналитические методы. Например, в 1970-х структуру города можно было одновременно анализировать по 2-3 признакам, и это было круто, а самый современный мне попадавшийся пример анализа выяснял закономерности развития около 400 регионов по 25 параметрам.

А чем архитекторов вообще не устраивают «нормальные человеческие» методы проектирования?

Ещё не так давно любое сооружение и создавалось, и воспринималось как цельный статичный объект: дом жилой - одна штука. Сейчас происходит смена парадигмы, каждое строение начинает рассматриваться как динамичная система, элементами которой являются не только материальные объекты, но и незримые: связи, ассоциации, точки и оси восприятия и так далее. Эмерджентность архитектурных систем задаёт обширное поле для исследований, и параметрическая архитектура - это кое-что из того, что получается в итоге.

За рубежом в области внедрения системного анализа, автоматизации и алгоритмизации в проектирование работают как частные фирмы, так и специализированные лаборатории крупных университетов. В России пока только первые ростки, например, образовательная инициатива “Точка ветвления” занимается популяризацией вычислительных методов в архитектуре.

Так может ли компьютер думать за архитектора? Пока нет. Но будущее уже где-то рядом.