Я говорил уже в общих чертах об обучающихся машинах. Я отведу особую главу для более подробного рассмотрения этих машин, их возможностей и некоторых проблем их использования. Пока же хочется сделать несколько замечаний общего характера.

Как мы увидим в гл. I, понятие обучающихся машин столь же старо, как и сама кибернетика. В случае описанных мною приборов управления артиллерийским зенитным огнем линейные характеристики предсказывающего устройства, используемого в данное время, зависят от долговременного знакомства со статистиками ансамбля тех временных рядов, которые мы хотим предсказать. Эти характеристики можно найти математически. по изложенным там принципам, но вполне возможно придумать вычислительную машину, которая будет собирать эти статистики и вырабатывать кратковременные характеристики предсказывающего устройства на основании опыта, уже пережитого самим предсказывающим устройством и записываемого автоматически. Это может пойти гораздо дальше чисто линейного предсказывающего устройства. В ряде статей Каллианпура, Мазани, Акутовича и моих[86] развита [c.36] теория нелинейного предсказания, которую можно, по крайней мере в принципе, механизировать аналогичным образом, с использованием долговременных наблюдений как статистической основы для кратковременного предсказания.

Обе теории предсказания — линейного и нелинейного — предполагают определенные критерии качества предсказания. Простейший, хотя отнюдь и не единственный пригодный, — это критерий наименьшей среднеквадратической ошибки. Он применяется здесь в частном виде с функционалами броунова движения, использованными мною для синтеза нелинейных устройств, поскольку различные члены моего разложения имеют некоторые свойства ортогональности. Эти свойства гарантируют, что частичная сумма конечного числа членов дает наилучшую имитацию рассматриваемого устройства, какая только может быть получена с этими членами при указанном критерии. Метод Габора также основан на среднеквадратическом критерии ошибки, но в более общем виде, пригодном для временных рядов, полученных из опыта.

Понятие обучающихся машин можно распространить на гораздо более широкую область, нежели предсказывающие устройства, фильтры и тому подобные приборы. Особенно важно оно для изучения и конструирования машин, играющих в игры со встречными интересами, как, например, в шашки. Здесь интересную работу выполнили Сэмьюэл[87] и Ватанабе[88] в лабораториях фирмы «Интернешнел Бизнес Машине». Как и в случае фильтров и предсказывающих устройств, здесь подбираются какие-то функции временных рядов, на которые можно разложить функции гораздо более широкого класса. Выбранные функции могут включать численные оценки существенных величин, от которых зависит успех игры. Например, они включают число фигур с обеих сторон, господство над пространством, подвижность и т. д. В начале работы машины этим факторам даются пробные [c.37] веса, и машина выбирает допустимый ход, имеющий наибольший общий вес. Эти действия машина проводит по жесткой программе, без какого-либо оборудования.