Трагически погибший в альпинистской экспедиции в 1971 году в возрасте 46 лет Бонгард оставил научное наследие, значимость которого только возрастает с каждым десятилетием. Его книга "Проблема узнавания" стала настольной для нескольких поколений исследователей ИИ, а его предвидение того, что машинное обучение должно фокусироваться на поиске пространства признаков, а не правил классификации, предвосхитило современное глубокое обучение на полвека. Работы ученого заложили фундамент теории распознавания образов в СССР и остаются актуальными для современных разработок в области компьютерного зрения и машинного обучения.
Путь от военного фронта до передовой кибернетики
Михаил Моисеевич Бонгард родился 26 ноября 1924 года в Москве в семье Моисея Ильича Полонского и Доры Израилевны Бонгард. В 1941 году он поступил на физический факультет МГУ имени Ломоносова, но учебу прервала война. Молодой человек был призван в Красную армию, служил пулеметчиком, был ранен под Невелем. За проявленное мужество получил медаль "За отвагу" в 1945 году. После возвращения с фронта Михаил завершил образование и в 1949 году окончил физический факультет МГУ по кафедре теории колебаний.
В начале 1950-х годов Бонгард начал работу в Лаборатории биофизики зрения Института биологической физики АН СССР. Здесь он занимался фундаментальными исследованиями цветового зрения и физиологии восприятия. В 1953 году он провел измерения реакций в зрительном нерве лягушки и разработал метод объективной колориметрии для разделения цветовых каналов. Совместно с М.С. Смирновым в середине 1950-х годов Бонгард впервые в мире показал, что многомерная информация может передаваться через одно нервное волокно — это было крупнейшее открытие для понимания нейронного кодирования сигналов.
В 1963 году Бонгард перешел в Институт проблем передачи информации АН СССР (ИППИ, ныне Институт проблем передачи информации имени А.А. Харкевича РАН), где развернулся главный этап его научной карьеры. С 1967 по 1971 год он возглавлял Лабораторию передачи и обработки информации в органах чувств. Его избрали на эту должность тайным голосованием сотрудников лаборатории после смерти предыдущего руководителя Николая Нюберга. Лаборатория, которой руководил Бонгард, существует в ИППИ РАН и сегодня, продолжая традиции междисциплинарных исследований на стыке физиологии, математики и кибернетики.
Революция в понимании машинного обучения
Главный вклад Михаила Бонгарда в науку — переосмысление самой природы распознавания образов. В 1967 году он сформулировал идею, которая оказалась пророческой: "Цель обучения состоит не столько в нахождении разделяющего правила (например, гиперплоскости), сколько в отыскании пространства признаков, в котором такое разделение возможно". Эта мысль, высказанная за десятилетия до появления современного глубокого обучения, точно описывает философию нейронных сетей, которые автоматически учатся находить оптимальные представления данных. Бонгард был первым в СССР, кто начал использовать компьютеры для моделирования физиологических процессов — это случилось в 1958 году. Он писал программы для ЭВМ М-2, одной из первых советских вычислительных машин. В период с 1959 по 1961 год вместе с коллегами он разработал две обучающиеся программы: "Арифметика" для распознавания числовых паттернов и "Геометрия" для распознавания геометрических фигур.
Особое место в его работах занимает алгоритм "Кора" (1961 года), предназначенный для поиска дискриминантных правил после того, как операторы для характеристики объектов уже построены. Этот алгоритм нашел практическое применение в распознавании нефтеносных пластов — примечательно, что Бонгард и его коллеги ничего не понимали в геологии, но программа смогла обучиться на примерах. Как писал сам Бонгард: "Откуда же программа получила все необходимые сведения? Только благодаря наблюдению и, если хотите, "творческому осмыслению" примеров, продемонстрированных при обучении". Описание алгоритма "Кора" впоследствии вошло во все русскоязычные учебники по распознаванию образов.
Школа Бонгарда достигла приоритета в практическом применении методов распознавания образов к не визуальным задачам — это было большим достижением советской кибернетики. Алгоритм нашел применение в медицинской диагностике и промышленной дефектоскопии, доказав универсальность подхода, основанного на обучении по прецедентам.
В 1963 году Бонгард опубликовал статью "О понятии "полезной информации" в сборнике "Проблемы кибернетики", где определил ценность информации как увеличение вероятности достижения цели (например, точности распознавания) после получения сообщения. Его концепция "полезной информации" была новаторской тем, что могла принимать отрицательные значения, позволяя измерять дезинформацию.
Проблема узнавания и рождение легендарных задач
В 1967 году издательство "Наука" опубликовало монографию Бонгарда "Проблема узнавания", которая стала его главным научным трудом. Книга объемом 320 страниц представляла комплексный обзор подходов к распознаванию образов, включая анализ теории условных рефлексов, моделей нейронов и перцептрона Розенблатта. В ней Бонгард подробно рассмотрел поиск сходства, преобразование пространства рецепторов, статистические критерии распознавания и анализ производительности систем. Книга отражала результаты многолетней работы блестящего творческого коллектива, в который входили М.Н. Вайнцвайг, В.В. Максимов, М.С. Смирнов, Г.М. Зенкин, А.П. Петров и другие. В 1970 году вышел английский перевод под названием Pattern Recognition.
Бонгард сформулировал философию распознавания как фундаментального блока интеллекта: "Если мы хотим перейти от фантастических рассказов к делу, то нужно искать блоки намного более простые, чем мышление в целом, но намного более сложные, чем отдельные команды. По-видимому, узнавание является одним из таких, важных для построения мышления, блоков".
В приложении к книге содержалось нечто, что обессмертило имя Бонгарда в истории искусственного интеллекта: 100 визуальных головоломок, получивших название "тесты Бонгарда" или "задачи Бонгарда". Эти головоломки, изначально названные "Задачник для узнающей программы", были призваны оценить качество и возможности программ распознавания образов.
Тесты Бонгарда как вызов для искусственного интеллекта
Каждая задача Бонгарда представляет собой набор из 12 простых геометрических изображений, разделенных на две группы по шесть. Изображения слева обладают общим свойством, или паттерном, а изображения справа — другим свойством, часто противоположным первому. Задача состоит в том, чтобы определить различающее правило, разделяющее две группы. Это могут быть свойства формы (выпуклые против вогнутых фигур), размерные отношения (большие против малых), количественные характеристики (четное против нечетного числа объектов), пространственные отношения (внутри против снаружи), топологические свойства (связные против несвязных) или более абстрактные концепции.
Гениальность этих головоломок заключается в их кажущейся простоте и невероятной глубине. Они требуют лишь шести примеров каждой категории — классический случай обучения с малым количеством данных. Решения не требуют специальных знаний о мире, только визуальное распознавание паттернов. Тем не менее некоторые задачи требуют работы на нескольких уровнях абстракции одновременно, понимания контекста и способности видеть отношения, которые физически не присутствуют в изображениях.
Значимость тестов Бонгарда для мировой науки невозможно переоценить. В 1979 году Дуглас Хофштадтер популяризировал их на Западе в своей книге "Гедель, Эшер, Бах: эта бесконечная гирлянда", удостоенной Пулитцеровской премии. Хофштадтер написал: "Навык решения задач Бонгарда лежит очень близко к ядру "чистого" интеллекта, если таковой существует". Он сам создал 56 дополнительных задач и предложил вычислительную основу для их решения, превратив задачи Бонгарда в вызов для сообщества искусственного интеллекта.
Современные исследования показывают, насколько эти задачи остаются сложными для ИИ. В 2006 году Гарри Фаундалис под руководством Хофштадтера в Университете Индианы защитил докторскую диссертацию, создав когнитивную архитектуру Phaeaco, которая решает задачи Бонгарда, начиная с уровня пикселей. Система смогла решить примерно 15 из 100 оригинальных задач. Фаундалис писал: "Я вижу задачи Бонгарда не просто как коллекцию милых визуальных головоломок, а как врата, позволяющие нам заглянуть в основы познания: набор принципов, столь же фундаментальных для когнитивной науки, как законы Ньютона для физики".
В 2020 году исследователи Nvidia создали Bongard-LOGO — новый бенчмарк с тысячами автоматически генерируемых задач, используя язык LOGO. Их исследование показало, что современные методы глубокого обучения работают существенно хуже людей, выявляя неспособность захватить ключевые свойства человеческого познания. Как отмечали исследователи: "Несмотря на новые достижения в обучении представлений и метаобучении, задачи Бонгарда остаются грозным вызовом для современного ИИ". В 2022 году появился Bongard-HOI для распознавания взаимодействий человека и объектов на реальных фотографиях, где самые передовые модели достигли точности лишь 62% против 91% у людей-любителей.
Наследие, опередившее время
Междисциплинарный подход Бонгарда был революционным для своего времени. Вместе с М.Л. Цетлиным он стал соучредителем научной школы, фокусировавшейся на математическом моделировании в биологии, физиологии, медицине и этологии. С 1961 по 1970 год Бонгард, Цетлин и В.И. Варшавский организовывали ежегодные зимние школы-семинары в Комарово под Ленинградом продолжительностью 10–14 дней. Это была первая в СССР зимняя школа по теории автоматов и распознаванию образов, создавшая научное сообщество и площадку для подготовки советских исследователей в области кибернетики.
Работы Бонгарда не остались незамеченными даже за рубежом: рассекреченный документ ЦРУ 1960-х годов об "Исследованиях искусственного интеллекта в СССР" назвал Бонгарда "выдающимся молодым биофизиком", занимающимся "математическим моделированием процессов распознавания на электронных цифровых компьютерах".
Михаил Бонгард был не только ученым, но и страстным альпинистом. В 1960 году он получил звание мастера спорта СССР по альпинизму. В 1961 году в составе команды, возглавляемой физиком Е.И. Таммом, он совершил восхождение на пик Коммунизма (ныне пик Исмоила Сомони, 7 495 м) и получил золотую медаль чемпионата СССР в категории высотных восхождений. 5 августа 1971 года в начале августовской экспедиции в Памиро-Алае в горах Матча Бонгард погиб в альпинистской катастрофе. Он поднимался в связке с альпинистом Олегом Куликовым, когда они сорвались на ледовом склоне. Ему было всего 46 лет.
В 1970 году, всего за год до смерти, Бонгард защитил докторскую диссертацию по техническим наукам на тему "Исследование систем распознавания, производящих переменное преобразование рецепторного пространства". Незавершенным остался его амбициозный проект "Животное" — система моделирования адаптивного поведения, над которой он работал до последних дней.
Вечная актуальность идей Бонгарда
Спустя более полувека после публикации "Проблемы узнавания" работы Бонгарда сохраняют поразительную актуальность. Монография "Проблема узнавания" на протяжении уже более 55 лет остается настольной книгой российских и многих зарубежных ученых в области искусственного интеллекта. Тесты Бонгарда продолжают использоваться как эталон для оценки систем машинного обучения и искусственного интеллекта.
Исследовательские работы 2020–2024 годов продолжают ссылаться на его труды и развивать их. Ученые из Nvidia, университетов по всему миру регулярно публикуют статьи, посвященные решению задач Бонгарда с помощью новейших методов нейронных сетей, Байесовского вывода, нейро-символьных подходов.
Подход Бонгарда к распознаванию образов как к процессу нахождения правильного пространства признаков лежит в основе современной революции глубокого обучения, где многослойные нейронные сети автоматически учатся извлекать иерархические представления данных. Его акцент на индуктивном обучении, обучении с малым количеством примеров и контекстно-зависимом рассуждении остается в центре современных исследований в области искусственного интеллекта общего назначения.
Официальная страница ИППИ РАН сохраняет архивную страницу, посвященную М.М. Бонгарду, с полной библиографией его научных работ. Лаборатория, которой он руководил, продолжает существовать как современное исследовательское подразделение института, поддерживая традиции междисциплинарных исследований на стыке обработки информации и сенсорных систем. В архиве института бережно хранятся и уникальные дневники ученого. Эти тетради, исписанные мелким и аккуратным почерком, постепенно расшифровываются, открывая не только строгие научные идеи, но и неожиданные размышления о феноменах сознания, которые будоражили ученых XX века. По инициативе руководителя ИППИ РАН, члена-корреспондента РАН Максима Федорова, изучение наследия Бонгарда и других пионеров института включено в программу подготовки к юбилею научного института. Важным направлением этой работы становятся открытые лекции Максима Федорова и коллег о развитии отечественной науки в области искусственного интеллекта и машинного обучения. Эти лекции и исследовательская работа с архивами помогают не только восстановить историческую преемственность и сохранить память о создателях отечественных научных школ, но и определить миссию и программу дальнейшего развития ИППИ РАН как одного из ведущих исследовательских центров Академии наук, формируя ориентиры его движения в будущее.