НТМ-системы: все, что вы хотели знать об интеллекте, но боялись спросить

Нейронные сети, нечеткая логика, экспертные системы, «ЭВМ пятого поколения», «декада мозга» – таковы основные вехи бурного и полного разочарований пути, так и не приведшего к созданию наделенного сознанием искусственного интеллекта (Artificial Intelligence, AI). Но штиль, в полосу которого вступила ныне теория AI, обещает быть недолгим: на горизонте уже маячат штормовые волны, вздымаемые компанией Numenta. Черпая вдохновение в нейрофизиологии и психологии, ее сотрудники и партнеры создают ПО, работающее по принципу человеческого мозга.

В конце концов эта теория объяснит нам, кто мы такие
и почему делаем то, что делаем.
(Джефф Хоукинз, «Об интеллекте»)

Вероятно, у Хоукинза, придумывавшего логотип для своей новой компании, был соблазн использовать в этом качестве изображение заветной синей чашки, однако он склонился в пользу условной схемы самообучающейся HTM-сети. Ее топология отражает иерархическую природу реальности подобно тому, как это делает наше сознание, непрестанно дробящее воспринимаемую окружающую действительность на совокупность составных частей

За пятьдесят лет бурного роста генеалогическое древо теории AI обросло таким количеством разномастных идей, что в нем впору заблудиться. Один из подходов к их систематизации условно разделяет крону на две большие ветви, соответствующие восходящим и нисходящим методам моделирования: приверженцы первых, начиная с перцептрона Розенблата, видят ключ к успеху в соотнесении своих разработок с данными нейрофизиологии, а их оппоненты-функционалисты со времен формулировки теста Тьюринга наивысшим приоритетом считают воспроизведение внешних проявлений интеллектуального поведения.

Последнюю пару десятков лет деятельность функционалистов, более ориентированных на практическую применимость, получала преимущественную финансовую и академическую поддержку, в результате чего представляемая ими часть кроны непомерно разрослась. Чтобы осознать, чем грозит теории AI такое диспропорциональное развитие, присмотримся пристальнее к некоторым убеждениям функционалистов.

Что думают они о нейронных сетях? Функционалисты, во главе со своим идеологом Марвином Мински, недолюбливают их: попытки использования нейронных сетей для моделирования мозга кажутся им нецелесообразными, поскольку они подозревают, что мозг слишком отягощен эволюционным грузом нерациональных конструкторских решений. Действительно, как показывает история НТП, системы, разработанные без оглядки на эволюцию, порой превосходят свои биологические аналоги (джип обгоняет гепарда, а самолет – стрижа). Помимо этого, функционалисты склонны оправдывать свое безразличное отношение к нейрофизиологии тем, что она находится лишь на самых отдаленных подступах к пониманию устройства мозга (и поэтому в глазах Мински попытки моделировать мозг с помощью нейронной сети подобны наивности дикаря, ожидающего гуманитарной помощи от земляного самолета).

На этот счет у их оппонентов есть по меньшей мере два возражения: во-первых, в области AI нам неизвестно ничего, хотя бы приблизительно сопоставимого с самолетом или джипом. Во-вторых, нейрофизиология отнюдь не стоит на месте, подтверждением чему может служить, например, организованный в позапрошлом году проект Blue Brain (bluebrain.epfl.ch), имеющий целью компьютерное моделирование неокортекса двухнедельного мышонка с точностью до нейрона.

А каково отношение функционалистов к священному Граалю кибернетики – самосознанию? Некоторые из них полагают, что оно может возникнуть само собой, подобно цветку на обочине автострады.

Внушительный аргумент против такого мнения – умозрительный эксперимент, предложенный в 1980 г. Джоном Серлом (John Searle) и получивший название «китайская комната Серла». В рамках этого эксперимента Серл вообразил себя в комнате, заполненной стопками листов, исписанных всевозможными вариантами осмысленных китайских диалогов достаточной длины. Получая записки на китайском языке, Серл находит подходящий диалог и рисует записки с ответными репликами. Таким образом, совершая сугубо механические действия, он поддерживает у общающихся с ним китайцев иллюзию осмысленного поведения, разумеется, не имея при этом ни малейшего представления ни о китайском языке, ни о теме беседы.

Программа «Бармаглот» Ролло Карпентера (Rollo Carpenter), последние несколько лет лидирующая в официальном конкурсе на готовность к прохождению теста Тьюринга, построена по принципу «китайской комнаты»: это самообучающийся бот, заимствующий реплики из базы данных, накапливаемой в ходе бесед с людьми. Даже если подобный бот когда-нибудь пройдет полновесный тест Тьюринга, даст ли это нам основания счесть его своим братом по разуму?

Некоторые функционалисты предпочитают избегать разговоров о сознании и самосознании, ссылаясь на недостаточность современных вычислительных ресурсов. Что ж, через 10 лет по закону Мура наша вычислительная вооруженность возрастет еще приблизительно в 100 раз. Быть может, тогда ее хватит для воспроизведения функциональности мозга? На этот счет имеются разные оценки. Самая радикальная из них высказана Роджером Пенроузом в книге «Новый ум короля». По его мнению, человеческий мозг – это квантовый компьютер, превосходящий мощью современные суперкомпьютеры на астрономическое количество порядков. Предположим, однако, что сверхбыстрый и сверхъемкий квантовый компьютер создан и попал в руки функционалистов. Чем они его наполнят, какую программу введут?

Подобные вопросы не могут не нагнетать в сообществе теоретиков AI атмосферы неуюта и несостоятельности. Иными словами, все более проясняется, что нарушение диалектического единства восходящих и нисходящих методов моделирования не идет на пользу общему делу, и что узурпировавшие кормило теории AI функционалисты все более утрачивают видение перспектив.

Сложившуюся ситуацию можно охарактеризовать как революционную, расчищающую на исторической арене место для выхода сильной харизматической личности с драматичной биографией, включающую переломный момент, когда от имени несправедливо притесненных принято произносить: «Мы пойдем другим путем».

Ажиотаж, вызванный этой 608-страничной книгой, позволяет компании Numenta обходиться без отдела маркетинга

Эту миссию взял на себя Джефф Хоукинз (Jeff Hawkins), не раз заслуженно упоминавшийся на страницах «Компьютерного Обозрения» в качестве одного из ключевых разработчиков концепции КПК. При его участии были созданы компании Palm Computing и Handspring, выпустившие КПК PalmPilot (1996) и смартфон Treo (2003). А в 2004 г. он в соавторстве с научно-популярной писательницей Сандрой Блейксли (Sandra Blakeslee) издал книгу «Об интеллекте» («On intelligence»), из коей явствовало, что вся его деятельность, связанная с КПК – не столько образцовый пример воплощения американской мечты, сколько средство зарабатывания денег и имени, необходимых для реализации его истинного призвания, состоящего в разработке новаторской концепции моделирования интеллекта, основанной на понятии «предсказательной памяти» (memory-prediction framework). Хоукинз убежден в том, что ему удалось нащупать единственно верный путь, ведущий к созданию истинно разумных и наделенных сознанием машин. Прочие же направления теории AI, по его мнению, до такой степени дискредитированы функционализмом, что он даже пытается отмежеваться от этой аббревиатуры.

Переломный момент

С точки зрения биологии наш гипертрофированный мозг – приспособительный механизм, сформированный той же силой, что наделила крокодилов зубами, а птиц – крыльями. Эта сила, называемая естественным отбором, благоприятствует особям, имеющим лучшее вооружение, бoóльшую мобильность и лучшую способность к предвидению результатов своих действий. Сознание, обладающее функцией предсказательного моделирования, оказалось наиценнейшим эволюционным приобретением: ни крылья, ни когти конкурентов не смогли удержать homo sapiens на пути к доминированию в биосфере. С другой стороны, аналогия между крылом и сознанием, кажется, не так уж полна: ведь когда у птицы, сидящей на ветке, нет необходимости в крыльях, они бездействуют; однако человек, не испытывающий нужды в использовании своего мозга для предсказаний, как мы знаем по личному опыту, может пребывать во вполне ясном сознании. Его мозг не бездействует. Чем же он занят, не будучи явным образом вовлечен в информационный обмен с окружающей средой? Примерно такие мысли занимали Хоукинза, находящегося в один апрельский день 1986 г. в привычной тиши своего кабинета, когда он внезапно испытал состояние, родственное тому, что у дзен-буддистов принято называть «великим просветлением». Впрочем, предоставим слово автору и приведем развернутую цитату из пятой, одной из самых эмоциональных глав его бестселлера:

«…когда я оглядел мой офис в тот день, я увидел знакомые стулья, плакаты, окна, растения, карандаши и т. д. Вокруг меня были сотни вещей. Их созерцание не побуждало меня ни к каким действиям. Никаких поведенческих реакций не осуществлялось и не требовалось, но я каким-то образом "понимал" комнату и ее содержимое. Я делал то, чего не могла сделать "китайская комната" Серла: я "понимал", хотя никакие мои действия и не доказывали этого. Что же означало "понимать"?.. И вдруг все для меня стало на свои места! Я всего лишь задался вопросом: что произошло бы, появись в комнате новый объект, которого я никогда раньше не видел, – скажем, синяя кофейная чашка? Я идентифицировал бы чашку как несоответствующую моей картине видения мира. Она поймала бы мое внимание как нечто новое. Чтобы среагировать на неожиданные впечатления от нового объекта, некоторые нейроны в моем мозгу, не проявлявшие активности до этого, должны были бы стать активными. Как же эти нейроны "узнали", что кофейная чашка является новой, в отличие от сот-ни других предметов? Ответ на этот вопрос до сих пор для меня является неожиданным.

Высокоуровневые нейронные структуры, ответственные за восприятие квадратов, треугольников и кругов, возбуждаются и шлют сигналы в нижние слои визуального неокортекса, заставляя нас «видеть» несуществующие фрагменты очертаний этих фигур

Наш мозг хранит воспоминания, чтобы постоянно делать предсказания обо всем, что мы видим, чувствуем, слышим. Когда я осматриваю комнату, мой мозг использует память для формирования предсказаний о том, что он ожидает почувствовать, прежде чем я почувствую это. Мы постоянно делаем громадное количество предсказаний и проверяем их. В нашем мозгу словно бы ведется подспудный обмен репликами: "Посреди стола есть компьютер? Да. Он черный? Да. В правом углу стола есть лампа? Да. Лежит ли словарь там, где я его оставил? Да. Прямоугольно ли окно, вертикальны ли стены? Да. С того ли направления светит солнце для данного времени дня? Да". Но когда на вход поступает некоторый паттерн, которого я в текущем контексте не помню, предсказание не выполняется. И ошибка привлекает мое внимание.

Если бы реплики, которыми части нашего сознания обмениваются друг с другом, могли быть озвучены, они составили бы не диалог, а оживленный многоголосый гул. Наш мозг постоянно совершает множество параллельных предсказаний о структуре окружающего нас мира; мы способны одновременно обнаружить, к примеру, необычную текстуру, уродливый нос и необычное движение. Эти процессы происходят так естественно и непринужденно, что нам нелегко осознать их истинную интенсивность и значение. Наши предсказания настолько многочисленны и всеобъемлющи, что они, а не только информация от наших органов чувств, определяют наше восприятие мира. То, что мы воспринимаем – это комбинация из ощущений и основанных на памяти предсказаний».

Таким образом, в книге Хоукинза понятие предсказания получает расширенное толкование, согласно которому его проверка может осуществляться практически мгновенно: например, время, нужное, чтобы переместить точку фокусировки взгляда по этой странице или предположить, чем окончится произносимое вашим собеседником слово, исчисляется миллисекундами.

С этой позиции делание предсказаний в той же мере можно связать с функционированием мозга, в какой полет связан с функционированием крыльев. Не случайно о человеке, чей мозг прекратил делать предсказания об окружающей его действительности (и, соответственно, перестал ее воспринимать) говорят: «Он потерял сознание».

Нервный импульс как предсказание

С одной стороны, никакая фотография не в силах адекватно воспроизвести степень сложности кортекса, каждый из десятков миллиардов нейронов которого может иметь до 10 тысяч связей с другими. С другой стороны, все фотографии кортекса очень похожи (в чем можно убедиться, посетив сайт brainmaps.org, хранящий 50 ТВ подобных изображений). Высокая его однородность, наглядно отраженная в одном из анатомических названий – «серое вещество» – обусловлена однотипностью нейронов: как ни странно, нервные клетки, анализирующие звуковые ощущения, своим видом и свойствами ничем не отличаются от таковых, управляющих мышцами. В 1978 г. Вернон Монкастл (Vernon Mountcastle) опубликовал статью «Организационные принципы церебральных функций», предлагающую нейрофизиологическому сообществу признать, что все нейроны кортикального слоя выполняют одинаковую базовую операцию. Хоукинз не собирается этого оспаривать и считает логичным составлять самообучающиеся HTM-системы из однотипных узлов

С точки зрения нейрофизиологии (науки, к которой Хоукинз со школьной скамьи питал неослабевающий интерес), вместилищем сознания служит кора головного мозга, точнее, внешняя его часть, называемая неокортексом и состоящая из множества иерархически связанных слоев. Нейроны первого слоя визуальной области неокортекса можно условно сравнить с ячейками CCD-матрицы цифровой камеры; нейроны рангом повыше возбуждаются при выявлении таких структурных графических элементов, как границы контуров, или в ответ на движение текстуры в определенном направлении; наконец, нейроны высших слоев иерархии отвечают за анализ наиболее абстрактных характеристик воспринимаемого изображения: например, специалистами доказано существование нейронов, активизирующихся при наличии в произвольной области поля зрения какого-либо человеческого лица.

Казалось бы, информация в такой структуре должна распространяться только снизу вверх – от рецепторов к нейронам, ответственным за память и представление картины видения мира (используемой при необходимости для прогностического моделирования). И именно так передается информация во всевозможных системах машинного зрения. Однако в неокортексе человека ее нисходящий поток оказывается не менее, а то и более интенсивным, чем восходящий. Из-за этой особенности архитектуры нашего мозга низший слой визуальной области неокортекса может получать примерно столько же сигналов от вышестоящих слоев, сколько от фоторецепторов сетчатки. Какую же информацию несут эти сигналы? На этот вопрос, приводящий нейрофизиологов в замешательство, Хоукинз уверенно отвечает: они содержат предсказания.

Интенсивность нисходящего информационного потока в неокортексе является действительно внушительным подтверждением тезиса о важности предсказаний для функционировании сознания. Попади этот довод в руки Хоукинза несколькими годами раньше, судьба его идей, возможно, сложилась бы глаже. Увы, в начале 80-х годов XX в. ведущие центры развития теории AI – Массачусетский Технологический Институт и Калифорнийский Университет в Беркли – не пожелали сотрудничать с Хоукинзом, сочтя его взгляды слишком экзотическими (в книге он объясняет свое неприятие тогдашней академической средой засильем в ней ненавистного ему функционализма). Поэтому ему не оставалось ничего иного, как заняться КПК, чтобы в 2002 г. учредить собственный исследовательский центр в Редвуде (Redwood Neuroscience Institute, RNI). Его постоянный штат невелик – около десятка специалистов в области нейрофизиологии и компьютерного моделирования; однако число ученых, задействованных в совместной деятельности с RNI, переваливает за сотню. С 2005 г. разработки RNI были доведены до уровня, пригодного для коммерциализации, что привело к появлению компании Numenta, а сам институт приобрел статус подразделения Калифорнийского Университета в Беркли.

Тем временем популярность «On intelligence» набирала обороты: книга получала одобрительные рецензии как специалистов по AI, так и нейрофизиологов; росла посещаемость сайта ее читательским сообществом – onintelligence.org. Иллюстрацией силы воздействия, оказываемого ею на иные незаурядные умы, может служить высказывание одного из первых людей в Apple Билла Эткинсона (Bill Atkinson): «То, чем занимается Numenta, общественной значимостью превосходит и персональные компьютеры, и Интернет».

Чем занимается Numenta?

С 5 марта сего года компания приступила к распространению исследовательской версии вычислительной платформы NuPIC (Numenta Platform for Intelligent Computing), с помощью которой можно самостоятельно строить системы, реализующие принцип предсказательной памяти, и использовать их для решения задач, связанных с анализом и экстраполяцией разнообразных данных. Инсталляционный пакет распространяется в двух версиях: для Linux и Mac OS. Пользователям Windows предлагается запускать Linux-версиюю NuPIC через довольно громоздкий эмулятор (повышающий требование к минимально необходимому объему ОЗУ с одного гигабайта до двух). Впрочем, утверждается, что выход версии для Windows не за горами. Пакет содержит инструменты для создания и исполнения приложений, моделируемых кортексоподобными структурами, в соответсвии с терминологией Numenta называемых HTM-системами, а также исходные коды на C++ и Python, документацию и примеры.

Основным строительным элементом HTM-системы служит узел (node), связанный с ниже- и вышестоящими узлами двунаправленными связями, подобно нейронам в хоукинзовской модели неокортекса. Нижний слой узлов получает исходную информацию от «рецепторов», роль которых может играть функция чтения файла с данными, и выдавать в качестве предсказаний информацию, очищенную от помех; состояние же узлов верхнего слоя трактуется как наиболее обобщенный результат анализа исходной информации. В ходе функционирования HTM-системы каждый узел способен составлять и оптимизировать набор из n векторов, соответствующих самым характерным сочетаниям из поступающих в него сигналов. Состояние узла описывается вектором из n скалярных величин, в сумме равных единице, отвечающих достоверности каждой из гипотез (здесь читатели, знакомые с теорией экспертных систем, могут отметить определенное сходство HTM-систем с байесовскими сетями доверия).

Представим, что в зрительной части HTM-системы робота находится высокоуровневый узел A, выработавший способность оценивать гипотезы «изображение кошки», «изображение собаки» и «изображение паровоза». Наличие в поле зрения робота некоторого средних размеров четвероного животного, более похожего на собаку, чем на кошку, может привести этот узел в состояние (0.2, 0.8, 0). Пусть узел B, принадлежащий акустической части HTM-системы робота и оценивающий гипотезы «мурлыканье», «рычание» и «паровозный гудок», находится в состоянии (0.3, 0.6, 0.1). В таком случае вышестоящий узел C, связанный с A и B и оценивающий гипотезы «кошка», «собака» и «паровоз», может перейти в состояние (1, 0, 0) несмотря на то что ни один из нижестоящих узлов не отдавал приоритета «кошачьим» гипотезам. После этого состояние узла C в качестве предсказания окажет воздействие на состояния узлов A и B, распространяясь через них вниз по иерархии и заставляя зрительную и акустическую части HTM-системы рассматривать животное как кошку, а в производимом им звуке слышать мурлыканье.

Обратим внимание, что хотя нигде в HTM-системе робота не хранится растровых изображений кошек и собак, он умеет их различать, т. е. «помнит» их. Таким образом, его память о свойствах кошек, собак и множестве других объектов компактно реализуется в совокупности таблиц состояний узлов его HTM-системы. Отметим также, что в определенный момент времени состояние каждого узла зависит от истории его прошлых состояний: учет временной компоненты в самообучении HTM-системы необходим для того, чтобы совершенно непохожие изображения животных в профиль и анфас не ассоциировались в верхних слоях узлов с разрозненными гипотезами. Непрерывное наблюдение за движением объектов помогает HTM-системе (и, предположительно, ребенку) связать воедино их разнообразные ракурсы.

Теперь мы готовы воспринять смысл сокращения HTM, означающего «Hierarchical Temporal Memory» (т. е. «иерархическая временная память»).

Наглядное представление о свойствах HTM-систем можно получить, загрузив с сайта numenta.com небольшое (8 МB) демонстрационное приложение Pictures, обученное узнавать в монохромных пиктограммах размером 32×32 пиксела один из 48 стандартных символов. Для создания пиктограмм здесь предусмотрен примитивный графический редактор, а нетривиальная задача распознавания решается методом, не похожим ни на один из встречающихся в ПО для OCR – с помощью стандартной платформы NuPIC, реализующей простейшую четырехслойную HTM-систему. Узлы ее нижнего слоя, сгруппированные в матрицу 8×8, воспринимают по 16 сигналов, поступающих с фрагментов размером 4×4 пиксела, а вершиной пирамиды служит узел с 48 гипотезами, наиболее вероятные из которых отображаются справа в диалоговом окне в виде столбчатой диаграммы (детальное обсуждение приложения Pictures см. по адресу numenta.com/mediawiki/index.php/Application_Case_Study_-_Tuning_Pictures).

Одна из возможных топологий HTM-системы распознавания небольших изображений

HTM-системы в их нынешнем виде весьма требовательны к вычислительным ресурсам (и даже Pictures распознает символы не на компьютере пользователя, а с помощью сервера, расположенного в калифорнийском ВЦ Numenta, куда пересылаются нарисованные пиктограммы). К счастью, они обладают практически неограниченными возможностями распараллеливания (так как их топология тяготеет к древовидности). В более отдаленной перспективе Хоукинз видит появление специальных «нейрочипов», реализующих функциональность HTM-систем на аппаратном уровне.

В числе первых корпоративных клиентов Numenta – компания EDSA Micro, специализирующаяся на ПО для мониторинга промышленных сетей электроснабжения и заинтересованная в методах оперативной интерпретации данных, поступающих от нескольких тысяч датчиков; автомобилестроительная фирма, надеющаяся внедрить HTM-системы для выявления аварийно-опасных ситуаций на основании показаний инфракрасных, ультразвуковых и прочих бортовых сенсоров; нефтеразведывательная компания, разрабатывающая методы трансформации данных, получаемых от сейсмологических датчиков и со спутников в координаты перспективных мест бурения, а также администрация торгового Web-портала, намеревающаяся с их помощью отслеживать поведение пользователей с целью улучшения качества их обслуживания.

Хоукинз надеется, что концепция HTM пригодится ученым, нуждающимся в средствах интерпретации результатов наблюдений за космологическими и квантово-механическими явлениями, по сложности превосходящими возможности человеческого воображения.

Сегодня главный приоритет Numenta в отношениях с партнерами – организация масштабного изучения сфер практической применимости HTM-систем, поэтому исследовательская версия платформы NuPIC распространяется бесплатно; однако в будущем рассматриваются различные схемы извлечения прибыли за счет лицензирования технологии.

Немного критики и апологетики

Хоукинз указывает, что обучение использованию HTM-систем в их нынешнем виде довольно сложное, и что достичь положительного итога невозможно без принесения в жертву нескольких месяцев, а то и целого года труда. По его мнению, объем и характер затруднений, стоящих перед начинающим пользователем, позволяют сравнить его с человеком, собирающимся создать редактор электронных таблиц, не имея понятия о компьютерах.

Поэтому даже самые приблизительные оценки жизнеспособности HTM-систем может дать только время. Сам Хоукинз считает, что первые практические результаты внедрения HTM появятся не ранее чем к концу нынешнего десятилетия.

Опыт общения с искусственным разумом от Numenta оказался успешен лишь со второй попытки: в первый раз трезубец был принят за букву «y». Разработчики Pictures обещают в скором времени повысить стабильность распознавания, а также предусмотреть возможность работы не только с монохромными, но и с полутоновыми изображениями

Насколько искренни высокие притязания разработчика, выраженные в эпиграфе? Не стоит ли их рассматривать как всего лишь часть PR-кампании, затеянной для раскрутки очередного хоукинзовского стартапа? Вероятно, на этот вопрос не смог бы ответить даже сам Хоукинз. Не перегибает ли он палку, отождествляя неокортекс с интеллектом? Ведь известно, что мозг ворон и других сообразительных птиц почти лишен коры. Недавно в этом вопросе Хоукинз вынужден был несколько смягчить свою категоричность и объявить, что область его нейрофизиологических интересов ограничивается млекопитающими.

HTM-система способна помнить и предсказывать. Но как в ней могут появиться эмоции, делающие человека человеком? Хоукинз подозревает, что они сосредоточены не в неокортексе, а в более эволюционно старых частях головного мозга. Однако особой надобности в их моделировании он не видит. Конечно, безэмоциональный мозг «завалится» на простейшем тесте Тьюринга, но ведь помимо этого исследования перед AI стоит масса других нерешенных задач более практического толка.

Некоторые критики упрекают Хоукинза в слишком упрощенной трактовке строения неокортекса. Здесь в его защиту следует сказать, что он ведь и не объявлял нынешнее состояние HTM-систем чем-то завершенным. Скорее он рассматривает его в качестве первого звена длинной цепи усовершенствований. Что ж, даже если в очередной раз окажутся правы критиканы, думается, что деятельность Numenta, направленную на построение искусственного разума, следует приветствовать как и всякую конструктивную инициативу, напоминающую нам, погрязшим в серых буднях, о возвышенных целях IT.

Напоследок хотелось бы адресовать полушутливое замечание скептикам, недоумевающим, каким образом успехи Хоукинза на поприще КПК-строения могут служить доказательством его компетентности в области AI и нейрофизиологии. Признайтесь: если у вас есть КПК (или если вы хотя бы к нему приценивались), значит, в механике работы вашего мозга Хоукинз смог разобраться неплохо!