Osaavatko koneet ajatella? Tekoäly: Voiko kone ajatella? Turing Voivatko koneet ajatella?

Tai
digitaalista nanoteknologiaa tulevaisuudessa.

Esipuhe

Amerikkalainen tieteiskirjailija Isaac Asimov kertoo, kuinka avaruusaluksen keinotekoiset aivot, jotka kantavat naisnimeä Maria ja jotka on suunniteltu suorittamaan laivan komentajan sanallisia käskyjä, keskustelivat komentajansa kanssa eniten. eri aiheista ihmiselämää, mukaan lukien rakkaus, yrittää kirkastaa hänen yksinäisyyttään lennon aikana. Ja heidän läheisen ja pitkän keskinäisen viestinnän seurauksena Maria rakastui komentajaansa eikä halunnut erota hänen kanssaan matkansa päätyttyä.

Siksi hän teki kaiken, jotta heidän paluunsa maan päälle ei tapahtunut. Avaruusaluksen tekoäly naisen kasvoissa Maria tunsi olevansa rakastava nainen ja otti tarkoituksella pois avaruusalus maailmankaikkeuden äärettömyyteen asti, pysyen ikuisesti rakkaansa kanssa, jopa kuolleena.

Joten kommunikointi tekoälyn kanssa sisältää tiettyjä vaaroja. Mutta intellektuellimme, jotka puhuvat paljon ja usein venäläisillä televisiokanavilla tulevaisuudestamme, eivät tiedä tästä mitään.

Vastaus on yksinkertainen ja piilee tuntemattoman kirjoittajan terävässä, sarkastisessa lauseessa:
Ja hän ei voi.

Selvä. Koska kysyt niin tyhmiä kysymyksiä, se tarkoittaa, että et myöskään voi ajatella.

Mutta älymystömme eivät anna periksi ja jatkavat puhumista tästä muodikkaasta aiheesta, tekoälystä, jonka aika heidän mielestään on jo tullut, loputtomasti maan eri televisiokanavilla.

Äskettäin Kanava 24:llä kuulin toisen venäläisten humanitaaristen älykkäiden ohjelmien uusista "nanoteknologioista", jotka ovat nyt syntymässä maailmaamme sekä ensimmäisiä näytteitä tekoälyvaihtoehdoista.

Outoa, mutta jostain syystä nyt Venäjällä teknisestä tulevaisuudestamme puhuvat pääasiassa "asiantuntijat", jotka eivät ole koulutukseltaan "teknikkoja", vaan humanistisia, erilainen politologit, kulturologit, kielitieteilijät, filosofit, kauppiaat, johtajat, poliittiset toimittajat ja niin edelleen ja niin edelleen. Eli ihmiset, jotka eivät vain tee eroa pultin ja mutterin välillä, vaan eivät myöskään ymmärrä teknisen ajattelun ydintä. Mutta toisaalta he puhuvat luottavaisesti koneista ja robottijärjestelmistä, jotka korvaavat ihmisiä tuotantoprosesseissa ja jopa kotona, tekoälystä ja sen vastaavuudesta aikamme vaatimuksiin.

Teknisen koulutuksen saaneet ihmiset, niin sanotut "teknikot", televisio ei ole sallittu tällaisissa ohjelmissa, koska "teknikot" ovat heidän käsityksensä mukaan primitiivisen ajattelutavan omaavia, ahdasmielisiä, rajoittuneita, hallitsemattomia ja osaa sanoa jotain. sellaiset esitykset Tuo.

Ja he itse alkavat innostuneesti puhua siitä, että nyt on jo syntymässä aikakausi, jossa painotuotteet painetaan ihmisravinnoksi tilavuustulostimissa, ja siksi pian näitä jatkuvasti tupakoivia ja jatkuvasti elämäämme myrkyttäviä tehtaita ei enää tarvita. ympäristöön. Ja näitä satoja ja satoja moderneissa tehtaissa työskentelevien ihmisten erikoisuuksia ei tarvita. Miksi he ovat nyt? Nyt kuluttajat itse tulostavat elämässä tarvitsemansa tavarat Internetin ja 3D-tulostimien kautta.

Tarvitset esimerkiksi jotain, alkaen jääkaapilla varustetusta autosta tai huonekaluista ja kaasuliesi, katso netistä, valitse tarvitsemillesi tuotteille sopiva painoyritys, tilaa ja tulostaa tarvitsemasi tuotteen ja tuo se sinulle kotiin. Juuri uudet "nanoteknologiat" tarjoavat meille niin upean tulevaisuuden.

Skolkovossa tietokoneet kehittävät jo uusia teknologioita metallurgiassa ja koneenrakennuksessa. Eikä laboratorioita sanan entisessä merkityksessä, joissa on koko joukko metallurgisia ja metallintyöstölaitteita. Eikä ekologisesti puhtaalla Skolkovon vyöhykkeellä teollisuusalueita, joissa on savuisia tehtaita, ei työpajoja, kuljettimia, masuuneja, muuntimia, valssaamoita ja kaikenlaisia ​​rautakappaleita. Jotkut tietokoneet ja joukkotulostimet. Eikä mitään muuta. On totta, että tulostimille voidaan tulostaa vain muoviosia ja -tuotteita. Ja kyllä, pieniä. Mutta se on toistaiseksi. Hei hei. Ja sitten siirrymme "nanomateriaaliin" ja elämästä tulee kuin sadussa.

Sitten koko ihmisyhteisö siirtyy kokonaan tilavuustulostimille painettuihin "nanomateriaalien" tuotteisiin ja alkaa tarjota itselleen kaikkea elämää varten tarvittavien ohjelmien mukaan.

Esimerkiksi Yhdysvalloissa on venäläinen geologi, geofyysikko, en kerro hänen sukunimeään, mutta hän on usein vieras televisiossamme. Valmistuttuaan MGRI:stä, hän ei löytänyt työtä Venäjältä, muutti Yhdysvaltoihin, missä hän sai pian geofysikaalisen laboratorion, sitten toisen laboratorion Kanadassa ja nyt hänellä on laboratorio Sveitsissä. Hän ei ole vielä kolmekymppinen, mutta häntä pidetään jo suurena tietokonetutkimuksen asiantuntijana maankuorta. Hän ei käy geologisilla tutkimusmatkoilla, ei tutki ytimiä, jotka on otettu pois porattaessa kiviä maan eri alueilla, hän siirsi kaikki nämä vaikeat ja kalliit geologien työt maan päällä tietokoneelle ja harjoittaa vain maankuoren tietokonetutkimuksia. ja on jo esittänyt teoriansa Mohorovichich-kerroksen, tämän maankuoren alarajan, muodostumisesta, jolla on käsittämätöntä äkillistä pitkittäisten seismisten aaltojen nopeuksien nousua. Ja tieteellinen maailma hyväksyi hänen teoriansa.

Nuoruuteni kului geologiassa ja opiskelin jopa neljä vuotta MGRI:ssä ja tiedän tarkasti mitä se on, kenttätyötä geologisella tutkimusmatkalla ja miten geologinen kartta Neuvostoliitto, maailman suurin kartta. Mutta nyt on käynyt ilmi, että käytännön kenttägeologiasta on tullut tarpeetonta moderni yhteiskunta. Ja kamerageologinen työ, joka tehtiin aiemmin kenttätutkimusten tulosten perusteella, voidaan nyt tehdä kotona toimistossasi tietokoneella mukavissa olosuhteissa, eikä tutkimusmatkoja vaikeimmissa elinoloissa ja työskentelyä jossain sivilisaation ulkopuolella ole. pidempään tarvitaan.

Jos näin on, niin käy ilmi, että todellinen maailmamme on todella muuttunut radikaalisti ja tämä uusi, niin kutsuttu virtuaalitodellisuus syrjäyttää jo aktiivisesti vanhoja ajatuksia nykyisestä elämästämme.

Ja nyt emme todellakaan tarvitse tehtaita valmistamaan tarvitsemiamme tuotteita, emmekä myöskään tutkimusmatkoja tutkimaan maan pintaa ja suolia, vaan tarvitsemme vain tietokoneita 3D-tulostimilla, jotka sopivalla ohjelmoinnilla ratkaisevat kaikki todelliset ongelmamme uudessa todellisessa elämässämme. Mutta onko kaikki?!

Yhtäkkiä, ja kuten aina, vesi purskahti yhtäkkiä sisäänkäyntiimme, ja soitin pahamaineiseen asuntotoimistoon ja soitin putkimiehille onnettomuuden poistamiseksi. Ja he eivät tarvinneet supertietokoneita tilavuustulostimilla, vaan he tarvitsivat vain lukkosepän työkaluja, joilla he tulivat meille eliminoimaan onnettomuutta ja puuhastelivat räjähtäneiden putkien vaihtoa yli kaksi päivää. Mutta nykyajan intellektuellit kertovat minulle, että varsinkaan tällä tapauksellani ei ole mitään tekemistä tekoälyn kanssa.

On nähtävissä, että olen niin paljon menneen aikakauden mies enkä ymmärrä nykypäivän todellisuutta niin paljon, ettei minulle ole paikkaa uudessa tietokonemaailmassa. Loppujen lopuksi tämän ei pitäisi olla nykyinen yhteiskuntamme, koska nykyihmisen mieli ei pysty hallitsemaan sellaista tietokoneprosessit, täällä tarvitaan tekoälyä, tekoaivoja, tekoälyä. Ja ei vain suurin osa nykyaikaiset ihmiset pystyy työskentelemään tekoälyn kanssa, joten muusta maailman väestöstä tulee tarpeetonta ja hyödytöntä. Mitä niille sitten tehdään, ei ole vielä tiedossa. Ei ole vielä päätetty!

Näin syntyy ajatus "kultaisesta miljardista" nykyaikaisista maan "hallitsijoista", joiden tehtävänä on hallita ja käyttää maallisia hyödykkeitä ja muita maan ihmisiä tarvitaan vain palvelemaan heitä. ja luoda heille mukavat elinolosuhteet. Mutta mistä saada heidät, nämä ehdokkaat hyväksyttäviksi "kultaiseen miljardiin", nämä superkorkean älykkyyden omaavat ihmiset, jotka voivat työskennellä tekoälyn kanssa? Ja ne on valittava jo raskauden vaiheessa. Ja tämä valinta tulee tehdä tekoälyn itsensä, tekoälyn itsensä toimesta.

Ja sellaista hölynpölyä jatkui melkein kaksi tuntia 24-kanavalla. Mistä tämä kaikki tulee moderni maailma? Vastaus on yksinkertainen. Kenraalin kaatuminen ja ammatillinen taso koulutus Euroopan ja Amerikan maissa, Venäjästä puhumattakaan, on niin voimakas, että se saa lännen ja Venäjän puoliksi koulutetun väestön aktiivisesti uskomaan sellaisiin "tarinoihin" ja satuihin.

Mutta elämä rikkoo silti heidän älyllisen käsityksensä ympäröivästä elämästämme, nykyisestä todellisuudestamme. Ja se katkeaa koko ajan. Mutta he eivät huomaa tätä, koska heidän katseensa on suunnattu tulevaisuuteen, jossa ei ole arjen likaa ja he ovat suunnattu tulevaisuuteen.

Loppujen lopuksi kenelläkään heistä ei ole edes alkeellisia kysymyksiä siitä, kuka sitten rakentaa näille intellektuelleille asuntoja, teitä, kuka toimittaa heille ruokaa, kuka puhdistaa heidän jätteensä, kuka korjaa talomme, pihamme, vesi- ja kaasuputkistomme, jotka valmistavat ja ylläpitävät näitä tietokoneita ja tulostimia itse. WHO? Tekoäly itse päättää kaiken, he vastaavat minulle. Ja he luottavat vastaukseensa ja katsovat alentuvasti minua ja kaltaisiani ihmisiä.

Mutta voiko tämä tekoäly kilpailla ihmisen kanssa? Kysymys on retorinen. Tyhmäksi sanomattakaan. Mutta he kertovat minulle, että tekoäly voittaa jo ihmiset shakissa ja myös ohjelmoinnissa. Ja moderni maalaus veistoksella "pilaa" tavalla, jota mikään ihmisen mielikuvitus ei voi kuvitella.

Eikä siitä ole mitään järkeä väitellä heidän kanssaan. Mutta minusta tuntuu, että tekoäly voi korvata heidän mielensä. Tässä ei ole vaikeuksia. Koska he ajattelevat tavallista ja primitiivistä. Mutta minun mieltäni, insinööri-keksijän mieli, vaimoni, korkeasti koulutetun lääkärin ja muiden vastaavien ihmisten mieli, jotka tekevät työtään ammattimaisesti, ei voi korvata mitään keinotekoista mieltä. En puhu tässä naisäitien mielestä.

Mutta useimpien valtion virkamiesten ja erilaisten "valtioduumien" kansanedustajien ja heidän lukuisten avustajiensa mieli kannattaisi jopa korvata heti keinotekoisella. Sekä näiden "intellektuellien", kaikenlaisten tieteiden tohtoreiden mielet, jotka huutavat televisiossa tuntikausia valoisasta tulevaisuudestamme, jota hallitsee ihmiskunnan "kultainen miljardi" tekoälyllä aseistautuneena yhteiskunnan saattamiseksi hallintaan. tulee Venäjän tärkeimmäksi ja tarpeellisimmaksi tehtäväksi. Muuten hukkumme heidän tyhjään sanaansa.

PS Ajattelun käsite, ajattelu, jokaisella ihmisellä on omansa. Mies ajattelee, kun hän ajattelee kolmea; nainen ajattelee, kun hän valitsee mekon treffeille tai tekee meikkiä kasvoilleen; liikemies ajattelee, kun hän yrittää maksaa työntekijöilleen vähemmän ja laittaa enemmän taskuunsa; insinööri ajattelee, kun hän ratkaisee teknisen ongelman ennen häntä, ja niin edelleen ja niin edelleen. No, mitä nykyinen valtion virkamies ajattelee, minulla ei ole aavistustakaan, koska tämä ihmisen toiminnan ala nykypäivän Venäjällä on minulle ehdoton mysteeri. Loppujen lopuksi ei ole edes aavistustakaan ajattelusta - vain primitiiviset, itsekkäät intressit.

Fysiologian jäljitelmä
Tosiasia on, että termiä "keinoäly" (joka muuten vähitellen korvataan käsitteillä "älykkäät järjestelmät", "päätöksentekomenetelmät", "tiedonlouhinta") katsottiin alun perin kattavaksi suurelle malliryhmälle. ja algoritmeja, joiden olisi pitänyt toimia samalla tavalla.kuten ihmisen aivot (ajan ideoiden mukaan).
Näitä ovat esimerkiksi pahamaineiset kaikkien raitojen hermoverkot ja geneettiset algoritmit.

Yleistys, tilastot ja analyysit
Toisaalta monet niin sanotun tekoälyn menetelmät eivät ole muuta kuin matematiikan haarojen kehittämistä: tilastot, operaatiotutkimus, topologia ja metriavaruudet. Näitä ovat useimmat tiedon louhinta- ja tiedonhakumenetelmät, klusterianalyysit, argumenttien ryhmälaskentamenetelmät ja muut.

Nämä ovat ns. induktiivisen päättelyn menetelmiä, kun he päättelevät käytettävissä olevan tiedon perusteella yleisiä malleja.

Säännöt, logiikka, johtopäätös
Kolmas erikoisryhmä voi yhdistää menetelmiä, jotka yrittävät rakentaa yleisiä malleja ja tehdä niistä johtopäätöksiä tiettyjen tosiasioiden suhteen. Nämä ovat deduktiivisen päättelyn menetelmiä, ja niitä edustavat: Aristoteleen vanha syllogistinen, propositio- ja predikaattilaskenta, erilaiset muodolliset järjestelmät ja logiikat. Välittömästi muodollisten ja luonnollisten kielten teoriat, erilaiset generatiiviset kieliopit kiinnitettiin reunaan.

Näemme, että kaikki, johon yleensä viitataan termillä "AI", yrittää simuloida tai loogisesti ratkaista jäljittelytehtävä ihmisen äly.

Herää kysymys, mitä ihminen tekee niin erityistä, mitä nykyaikaiset Babbagen periaatteille rakennetut tietokoneet eivät vielä tee?
Yksi tekoälyn tekemien tehtävien määritelmistä on: ”tehtävä, jota varten ei ole algoritmista ratkaisua tai se ei sovellu laskennan monimutkaisuuden vuoksi».

Niinpä esimerkiksi tammion pelaaminen oli aikoinaan tekoälytehtävä, ja sen jälkeen, kun oli rakennettu täydellinen malli ja täydellinen tietokanta parannettamattomista liikkeistä, siitä tuli yksinkertainen hakutehtävä tietokannassa (katso ja ).

AI-tehtävät muuttuvat ajan myötä
Ehkä lapsemme elävät tietomaailmassa, kun monet tehtävät ratkaistaan ​​ja uusia syntyy - viestinnästä luonnollisilla kielillä kaikenlaisten laitteiden ja mekanismien automaattiseen ohjaukseen.

Kuitenkin, kun jokainen meistä kuuli sanat "keinoäly", halusimme jotain muuta.
Halusimme auton, joka pystyy ajatella kuka omistaa oppimisen, yleistämisen perustaidot; pystyy elävien organismien tavoin korvaamaan joitain elimiä toisilla ja parantamaan itseään. Kaikki lukevat varhaista tieteiskirjallisuutta, eikö niin?

Oliko se poika?
Mihin siis äly katosi? Milloin ja miksi se, mitä halusimme nähdä, muuttui tylsiksi matemaattisiksi malleiksi ja varsin tyylikkäiksi algoritmeiksi?

Pari offtopic linjaa. Jos teet väitöskirjaa sanalla "älykäs", neuvoston jäsenet yleensä pyytävät sinua osoittamaan älyllistä paikkaa järjestelmässä ja todistamaan, MIKSI se on. Tämä kysymys viittaa ehdottomaan "ei-tarkkaamiseen".

Tosiasia on, että ihmiset, jotka keksivät kaiken, mitä nykyaikainen "AI" seisoo, johtivat tuon ajan innovatiiviset ja vallankumoukselliset ideat (itse asiassa aikamme eroaa vain siinä, että olemme jo pelanneet tämän kaiken sydämemme kyllyydestä, mm. käyttämällä nykyaikaista laskentatehoa)

Esimerkki 1 (tuntemattoman alueelta).
Eteenpäin etenevät neuroverkot, joissa on virheen takaisinetenemisalgoritmi (ns. back-propagation). Tämä on ehdottomasti läpimurto.
Oikein konfiguroitu verkko (älykkäästi valituilla tuloilla ja lähdöillä) voi oppia minkä tahansa syöttösekvenssin ja tunnistaa onnistuneesti esimerkit, joita ei ole opetettu.
Tyypillinen koe on muotoiltu seuraavasti: 1000 esimerkkiä, joista puolessa opetetaan algoritmi ja toisessa tarkastetaan. Ja ensimmäisen ja toisen puoliskon valinta tehdään satunnaisesti.
Se toimii, opetin henkilökohtaisesti eri NN:ille vähintään 10 kertaa erilaisia ​​tehtäviä ja sain normaalit tulokset, 60-90% oikeilla vastauksilla.

Mikä hermoverkkojen ongelma on? Miksi he eivät ole aitoa älykkyyttä?
1. Syöttötiedot on lähes aina valmisteltava ja esikäsiteltävä erittäin huolellisesti. Usein tehdään tonnia koodia ja suodattimia, jotta tiedot olisivat syötäviä verkkoja varten. Muuten verkko oppii vuosia eikä opi mitään.
2. NN-oppimisen tulosta ei voida tulkita ja selittää. Ja asiantuntija todella haluaa tämän.
3. Verkostot usein vain opettelevat ulkoa esimerkkejä oppimismallien sijaan. Ei ole olemassa tarkkoja tapoja rakentaa verkkoa, joka on tarpeeksi älykäs edustamaan kuviota ja joka ei ole tarpeeksi tilava muistaakseen typerästi koko näytteen.

Mikä on hermoverkkojen älykkyys?
Siinä mielessä, että emme opettaneet järjestelmää ratkaisemaan ongelmia, opetimme sen oppimaan ratkaisemaan ongelmia. Algoritmi henkilön sukupuolen määrittämiseksi ei ole henkilö sisällyttänyt järjestelmään, se löytyy melkein empiirisesti ja ompelee synapsien painoihin. Tämä on älykkyyden elementti.

Esimerkki 2 (deduktiivisen päättelyn kentästä).
Idea on yksinkertainen. Opetamme koneen ajattelemaan ihmisenä (no, ainakin tekemään primitiivisiä johtopäätöksiä) ja antamaan alkeellisia faktoja. Seuraava - anna hänen.
Asiantuntijajärjestelmät, konelogiikkajärjestelmät, ontologiat (jossain määrin) toimivat tämän periaatteen mukaisesti. Se toimii? Epäilemättä. Tuhansia järjestelmiä sairauksien diagnosointiin ja tietoalueiden kuvaamiseen on otettu käyttöön ja ne toimivat edelleen.

Mikä on ongelma? Miksi muodolliset järjestelmät eivät ole todellista älykkyyttä?
Ongelmana on, että järjestelmä, joka on imenyt luojiensa valtavat määrät verta ja hikeä, alkaa ainakin toistaa ja kehittää sen opettaneen asiantuntijan (tai yhteisön) päätöksiä.
Onko siitä hyötyä? Epäilemättä. Asiantuntija on kuolevainen, tehtävät moninkertaistuvat.

Mikä on tietoon perustuvien järjestelmien älykkyys?
Se, että kone tekee UUSIA johtopäätöksiä, joita kukaan ei opettanut. Tämä hänen työnsä elementti on (toistaiseksi) erittäin huono ja rajoitettu mallien ja algoritmien vuoksi. Mutta tämä on osa älykkyyttä.

Joten mikä ongelma nykyaikaisessa tekoälyssä on?
Olemme vain hyvin pieniä. Naiivit ja pinnalliset käsityksemme siitä, miten ihminen ajattelee ja miten aivot toimivat, antavat ansaitsemansa hedelmät.

Tietysti olemme järjettömän kaukana luomasta koneita, jotka pystyisivät ajattelemaan inhimillisessä mielessämme, mutta askeleemme tähän suuntaan ovat oikein ja hyödyllisiä.

Ja vaikka olisimmekin menossa väärään suuntaan, kuka tietää, ehkäpä Strugatskien tavoin mekin kohdistettujen ponnistelujen tuloksena teemme vahingossa jotain paljon paremmin kuin tarkoitimme?

Altov Heinrich

Osaako kone ajatella

Heinrich Altov

Osaako kone ajatella?

Aion pohtia kysymystä: "Voiko kone ajatella?" Mutta tätä varten meidän on ensin määriteltävä termin "ajattele" merkitys ...

A. Turing. laukaisuketju.

Kaksi kertaa viikossa, iltaisin, suurmestari tuli Kybernetiikan instituuttiin ja leikki elektroniikkakoneella.

Tilavassa ja autiossa salissa oli matala pöytä, jossa oli shakkilauta, kello ja ohjauspaneeli. Isomestari istuutui tuolille, järjesti palat ja painoi "Start"-painiketta. Elektronisen koneen etuosassa syttyi liikkuva mosaiikki merkkivaloja. Seurantajärjestelmän linssi oli suunnattu shakkilautaan. Sitten mattataululle välähti lyhyt kirjoitus. Auto teki ensimmäisen liikkeensä.

Se oli aika pieni, tämä auto. Joskus suurmestari tuntui, että tavallisin jääkaappi seisoi häntä vastapäätä. Mutta tämä "jääkaappi" voitti poikkeuksetta. Puolentoista vuoden aikana suurmestari onnistui tuskin tasan vain neljässä pelissä.

Koneessa ei ole koskaan ollut vikaa. Aikapaineen uhka ei koskaan leijunut hänen yllään. Isomestari yritti useammin kuin kerran kaataa auton, tehden tarkoituksellisesti naurettavan liikkeen tai uhraten palan. Seurauksena oli, että hänen täytyi painaa hätäisesti "Surrender"-painiketta.

Isomestari oli insinööri ja kokeili konetta jalostaakseen itseorganisoituvien automaattien teoriaa. Mutta toisinaan hänet raivostutti "jääkaapin" ehdoton rauhallisuus. Edes pelin kriittisillä hetkillä kone ei ajatellut viittä tai kuutta sekuntia kauempaa. Vilkkuen rauhallisesti merkkivalojen monivärisiä valoja hän kirjoitti muistiin voimakkaimman mahdollisen liikkeen. Kone pystyi tekemään säätöjä vastustajansa pelityyliin. Joskus hän kohotti linssiä ja katsoi henkilöä pitkään. Isomestari oli huolissaan ja teki virheitä...

Päivän aikana saliin tuli hiljainen laborantti. Hän toisti kulmiaan rypistyneenä, katsomatta koneeseen, shakkilaudalle eri aikoina erinomaisten shakinpelaajien pelejä. "Jääkaapin" linssi ulottui epäonnistumiseen ja roikkui laudan päällä. Kone ei katsonut laboranttia. Hän tallensi tietoja kiihkeästi.

Kokeilu, jota varten shakkiautomaatti oli luotu, oli päättymässä. Päätettiin järjestää julkinen ottelu ihmisen ja koneen välillä. Ennen ottelua suurmestari alkoi esiintyä instituutissa entistä useammin. Isomestari ymmärsi, että häviäminen oli melkein väistämätöntä. Ja silti hän etsi itsepintaisesti heikkouksia pelistä "jääkaappi". Kone, ikään kuin arvasi tulevasta taistelusta, pelasi joka päivä vahvemmin ja vahvemmin. Hän selvitti suurmestarin nerokkaimmat suunnitelmat salamannopeasti. Hän murskasi hänen palaset äkillisillä ja poikkeuksellisilla hyökkäyksillä...

Vähän ennen ottelun alkua auto kuljetettiin shakkiseuralle ja asennettiin lavalle. Isomestari saapui aivan viime hetkellä. Hän katui jo, että suostui otteluun. Oli epämiellyttävää hävitä "jääkaapille" kaikkien edessä.

Isomestari laittoi kaikki kykynsä ja voittotahtonsa peliin. Hän valitsi avauksen, jota hän ei ollut vielä pelannut koneella, ja peli eskaloitui välittömästi.

Kahdestoista liikkeellä isomestari tarjosi autolle piispana pelinappulaksi. Hienovarainen, ennalta valmistettu yhdistelmä liitettiin piispan uhriin. Kone ajatteli yhdeksän sekuntia ja hylkäsi uhrin. Siitä hetkestä lähtien suurmestari tiesi, että hän hävisi väistämättä. Hän kuitenkin jatkoi peliä - itsevarmasti, rohkeasti, riskialtis.

Kukaan salissa olevista ei ollut koskaan nähnyt tällaista peliä. Se oli supertaidetta. Kaikki tiesivät, että kone voittaa aina. Mutta tällä kertaa asema laudalla muuttui niin nopeasti ja niin äkillisesti, että oli mahdotonta sanoa, kumpi voittaa.

Kahdenkymmenenyhdeksännen siirron jälkeen koneen tulostaululle välähti kirjoitus: "Draw". Isomestari katsoi "jääkaappia" hämmästyneenä ja pakotti itsensä painamaan "Ei"-painiketta. He ampuivat ylös ja järjestivät valokuvion uudelleen, merkkivalot - ja jäätyivät varovasti.

Yhdennentoista minuutin kohdalla hän teki liikkeen, jota suurmestari pelkäsi eniten. Siitä seurasi nopea kappaleiden vaihto. Suurmestarin asema huononi. Sana "Draw" ilmestyi kuitenkin uudelleen auton opastetauluun. Suurmestari painoi itsepintaisesti "Ei"-painiketta ja johti kuningattaren lähes toivottomaan vastahyökkäykseen.

Koneen seurantajärjestelmä alkoi heti liikkua. Linssin lasisilmä tuijotti miestä. Isomestari yritti olla katsomatta koneeseen.

Pikkuhiljaa keltaiset sävyt alkoivat valloittaa merkkilamppujen valomosaiikkia. Niistä tuli rikkaampia, kirkkaampia - ja lopulta kaikki lamput sammuivat, paitsi keltaiset. Kultainen säde putosi shakkilaudalle, yllättävän samanlainen kuin lämmin auringonvalo.

Jännittyneessä hiljaisuudessa suuren ohjauskellon osoitin napsahti, hyppäsi divisioonalta toiselle. Auto ajatteli. Hän ajatteli neljäkymmentäkolme minuuttia, vaikka useimmat salissa istuvat shakinpelaajat uskoivat, että ei ollut mitään erityistä ajateltavaa ja että ritarin kanssa oli turvallista hyökätä.

Yhtäkkiä keltaiset valot sammuivat. Epävarmana tärisevä linssi otti tavanomaisen asennon. Tulostaululle ilmestyi merkintä tehdystä liikkeestä: kone liikutti sotilasta varovasti. Hallissa kuului melua; monien mielestä tämä ei ollut paras siirto.

Neljä liikettä myöhemmin kone myönsi tappionsa.

Isomestari työnsi tuoliaan taaksepäin, juoksi auton luo ja nyökkäsi ylös sivusuojusta. Kilven alla ohjausmekanismin punainen valo välähti ja sammui.

Nuori mies, urheilulehden kirjeenvaihtaja, astui lavalle, joka oli heti täynnä shakinpelaajia.

Näyttää siltä, ​​että hän vain antoi periksi, joku sanoi epävarmasti. - Hän soitti niin hämmästyttävästi - ja yhtäkkiä...

No, tiedätkö, - vastusti yksi kuuluisista shakinpelaajista, - tapahtuu, että edes ihminen ei huomaa voittoyhdistelmää. Kone pelasi täydellä teholla, mutta sen ominaisuudet olivat rajalliset. Vain ja kaikki.

Isomestari laski hitaasti koneen suojuksen ja kääntyi kirjeenvaihtajan puoleen.

Joten, - hän toisti kärsimättömästi avaten vihkonsa - mitä mieltä olette?

Minun mielipiteeni? - kysyi isomestari. - Tässä se on: satayhdeksännen lohkon laukaisuketju on epäonnistunut. Sotilasliike ei tietenkään ole vahvin. Mutta nyt on vaikea sanoa, missä on syy ja missä on seuraus. Ehkä tämän laukaisuketjun takia kone ei huomannut parasta liikettä. Tai ehkä hän todella päätti olla voittamatta - ja se maksoi hänelle sähköiskut. Loppujen lopuksi ihmisen ei ole niin helppoa rikkoa itseään ...

Mutta miksi tämä heikko liike, miksi hävitä? - kirjeenvaihtaja ihmetteli. Jos kone voisi ajatella, se pyrkisi voittamaan.

Isomestari kohautti olkapäitään ja hymyili.

Kuinka sanoa... Joskus on paljon inhimillisempää tehdä heikko liike. Valmiina nousuun!

ajakki seisoi korkealla kalliolla kauas mereen. Ihmisiä ilmestyi majakalle vain satunnaisesti tarkistamaan automaattiset laitteet. Noin kahdensadan metrin päässä majakasta nousi saari vedestä. Monta vuotta hän aloitti saarella, kuten jalustalle, he asensivat avaruusaluksen, joka palasi Maahan pitkän matkan lennon jälkeen. Ei ollut järkevää lähettää tällaisia ​​aluksia uudelleen avaruuteen.

Tulin tänne insinöörin kanssa, joka vastasi majakoista koko Mustanmeren rannikolla. Kun saavuimme majakan huipulle, insinööri ojensi minulle kiikarin ja sanoi:

Tulee myrsky. Erittäin onnekas: ennen huonoa säätä hän herää aina henkiin.

Punertava aurinko paistoi himmeästi aaltojen harmailla harjanneilla. Kivi katkaisi aallot, he kiipeivät sen ympäri ja kiipesivät äänekkäästi liukkaille, ruosteisille kiville. Sitten ne leviävät syvään huokaisten vaahtoisten purojen tavoin avaten tien uusille aalloille. Näin roomalaiset legioonarit etenivät: lyötyään eturivi palasi avoimen muodostelman läpi, joka sitten sulkeutui ja lähti hyökkäykseen uudella voimalla.

Kiikarin kautta näin laivan hyvin. Se oli hyvin vanha kaksipaikkainen Long Range Reconnaissance -tähtialus. Keulassa erottui kaksi siististi paikattua reikää. Runkoa pitkin kulki syvä lommo. Painovoiman tehostinrengas jaettiin kahtia ja litistettiin. Kartion muotoiset kauan vanhentuneen järjestelmän ja infraääni-meteologisen havainnon etsijät pyörivät hitaasti ohjaushytin yläpuolella.

Katsos, - sanoi insinööri, - hän tuntee, että tulee myrsky.

Jossain lokki huusi huolestuneena, ja meri kaikui aaltojen tylsistä sykkeistä. Harmaa sumu, joka nousi meren ylle, sumensi vähitellen horisontin. Tuuli veti kirkastuneet aaltojen harjat pilviä kohti, ja huonosta säästä ylikuormitetut pilvet laskeutuivat veteen. Taivaan ja meren kosketuksesta myrskyn piti puhjeta.

No, ymmärrän tämän silti, - insinööri jatkoi: - aurinkopaneelit syöttävät akkuja ja elektroniset aivot ohjaavat laitteita. Mutta kaikki muu... Joskus hän näyttää unohtavan maan, meren, myrskyt ja alkaa kiinnostaa vain taivas. Radioteleskooppi tulee ulos, paikannusantennit pyörivät yötä päivää... Tai jotain muuta. Yhtäkkiä jonkinlainen putki nousee ja alkaa katsoa ihmisiä. Talvella täällä on kylmät tuulet, laiva on jään peitossa, mutta heti kun ihmiset ilmestyvät majakkaan, jää katoaa heti ... Muuten, levät eivät kasva siinä ...

Alan Turing ehdotti koetta, joka testaisi tietoisuuden läsnäoloa tietokoneessa, ja John Searle ehdotti ajatuskoetta, jonka pitäisi kumota Turingin kokeilu. Ymmärrämme molemmat argumentit ja yritämme samalla ymmärtää mitä tietoisuus on.

Turingin testi

Vuonna 1950 brittiläinen matemaatikko Alan Turing ehdotti teoksessaan Computers and the Mind kuuluisaa testiään, jonka avulla hänen mielestään voidaan määrittää, pystyykö tietty tietokone ajattelemaan. Testi itse asiassa kopioi Britanniassa tuolloin yleistä jäljittelypeliä. Siihen osallistui kolme henkilöä: isäntä ja mies naisen kanssa. Isäntä istui näytön takana ja pystyi kommunikoimaan kahden muun pelaajan kanssa vain muistiinpanojen avulla. Hänen tehtävänsä oli arvata jokaisen keskustelukumppaninsa sukupuoli. Samaan aikaan heidän ei ollut lainkaan velvollisuutta vastata totuudenmukaisesti hänen kysymyksiinsä.

Turing käytti samaa periaatetta älykkyyden testissä koneessa. Vain siinä olevan johtajan ei tule arvata keskustelukumppanin sukupuolta, vaan onko hän kone vai henkilö. Jos kone pystyy jäljittelemään ihmisen käyttäytymistä riittävän menestyksekkäästi ja hämmentämään isäntää, niin se läpäisee testin ja oletettavasti todistaa olevansa tajuissaan ja että se ajattelee.

Nuori Alan Turing (passikuva).
Lähde: wikimedia.org

kiinalainen huone

Vuonna 1980 filosofi John Searle ehdotti ajatuskoetta, joka voisi kumota Turingin kannan.

Kuvitellaanpa seuraava tilanne. Huoneeseen tulee henkilö, joka ei puhu tai lue kiinaa. Tässä huoneessa on tabletteja, joissa on kiinalaisia ​​merkkejä, sekä kirja kielellä, jota tämä henkilö puhuu. Kirjassa kuvataan, mitä symboleilla tehdään, jos huoneeseen tulee muita symboleja. Huoneen ulkopuolella on riippumaton tarkkailija, joka puhuu kiinaa. Hänen tehtävänsä on puhua henkilölle huoneesta esimerkiksi muistiinpanojen avulla ja selvittää, ymmärtääkö hänen keskustelukumppaninsa kiinaa.

Searlen kokeen tarkoituksena on osoittaa, että vaikka tarkkailija uskoo toisen osaavan kiinaa, huoneessa oleva henkilö ei silti osaa kiinaa. Se ei ymmärrä käyttämiään hahmoja. Samalla tavalla "Turingin kone", joka voisi läpäistä samannimisen testin, ei ymmärtäisi käyttämiään symboleja, eikä sillä näin ollen olisi tajuntaa.

Searlen mukaan, vaikka tällainen kone kykenisi kävelemään, puhumaan, käyttämään esineitä ja teeskentelemään olevansa täysipainoinen ajatteleva henkilö, sillä ei silti olisi tajuntaa, koska se vain suorittaisi siihen upotetun ohjelman ja vastaisi annetulla reaktiot annettuihin signaaleihin.

Filosofinen zombi

Kuvittele kuitenkin seuraava tilanne, jonka David Chalmers ehdotti vuonna 1996. Kuvittelemme niin sanottua "filosofista zombia" - olentoa, joka näyttää kaikilta osin ihmiseltä. Se näyttää ihmiseltä, puhuu kuin ihminen, reagoi signaaleihin ja ärsykkeisiin kuin ihminen ja yleensä käyttäytyy kuin ihminen kaikissa mahdollisissa tilanteissa. Mutta samaan aikaan hänellä ei ole tietoisuutta, eikä hän koe mitään tunteita. Se reagoi johonkin, joka aiheuttaisi henkilölle kipua tai mielihyvää, ikään kuin se olisi henkilö, joka kokee nämä tuntemukset. Mutta samaan aikaan se ei itse asiassa koe niitä, vaan vain matkii reaktiota.

Onko tällainen olento mahdollista? Kuinka voimme erottaa hänet todellisesta henkilöstä, jolla on tunteita? Mikä yleensä erottaa filosofisen zombin ihmisistä? Voisiko olla, että he ovat keskuudessamme? Tai ehkä kaikki paitsi me ovat filosofisia zombeja?

Tosiasia on, että joka tapauksessa muiden ihmisten sisäinen subjektiivinen kokemus on meille saavuttamaton. Meillä ei ole muuta tietoisuutta kuin omamme. Aluksi vain oletamme, että muilla ihmisillä on se, että he ovat samanlaisia ​​kuin me, koska yleensä meillä ei ole erityistä syytä epäillä tätä, koska muut käyttäytyvät samalla tavalla kuin me.

Klassista tekoälyä tuskin ilmentää ajattelukoneissa; Ihmisen kekseliäisyyden raja tällä alueella ilmeisesti rajoittuu aivojen toimintaa jäljittelevien järjestelmien luomiseen.

Tekoälytiede (AI) on vallankumouksessa. Selvittääksemme sen syitä ja merkitystä ja laittaaksemme sen perspektiiviin, meidän on ensin käännyttävä historiaan.

1950-luvun alussa perinteinen, hieman epämääräinen kysymys koneen ajattelukyvystä väistyi helpommin saavutettavalle kysymykselle, voisiko kone, joka manipuloi fyysisiä symboleja rakenneperusteisten sääntöjen mukaan, ajatella. Tämä kysymys on muotoiltu tarkemmin, koska muodollinen logiikka ja laskentateoria ovat edistyneet merkittävästi edellisen puolen vuosisadan aikana. Teoreetikot alkoivat arvostaa abstraktien symbolijärjestelmien mahdollisuuksia, jotka muuttuvat tiettyjen sääntöjen mukaisesti. Näytti siltä, ​​että jos nämä järjestelmät voitaisiin automatisoida, niin niiden abstrakti laskentateho ilmenisi todellisessa fyysisessä järjestelmässä. Tällaiset näkemykset vaikuttivat hyvin määritellyn tutkimusohjelman syntymiseen melko syvälle teoreettiselle pohjalle.

Osaako kone ajatella?

Kyllä oli monia syitä vastata. Historiallisesti yksi ensimmäisistä ja syvimmistä syistä on ollut kaksi laskentateorian tärkeää tulosta. Ensimmäinen tulos oli Churchin teesi, jonka mukaan jokainen tehokkaasti laskettava funktio on rekursiivisesti laskettavissa. Termi "tehokkaasti laskettava" tarkoittaa, että on olemassa jonkinlainen "mekaaninen" proseduuri, jolla on mahdollista laskea tulos äärellisessä ajassa syötetietojen perusteella. "Rekursiivisesti laskettava" tarkoittaa, että on olemassa äärellinen joukko operaatioita, joita voidaan soveltaa tiettyyn syötteeseen ja sitten peräkkäin ja toistuvasti soveltaa uusiin saatuihin tuloksiin funktion laskemiseksi äärellisessä ajassa. Käsite mekaanisesta menettelystä ei ole muodollinen, vaan pikemminkin intuitiivinen, joten Churchin väitöskirjalla ei ole muodollista näyttöä. Se kuitenkin tulee laskennan ytimeen, ja monet erilaiset todisteet yhtyvät sen tueksi.

Toinen tärkeä tulos sai Alan M. Turing, joka osoitti, että mikä tahansa rekursiivisesti laskettava funktio voidaan laskea äärellisessä ajassa käyttämällä mahdollisimman yksinkertaistettua symbolimanipulointikonetta, jota myöhemmin alettiin kutsua universaaliksi Turingin koneeksi. Tätä konetta säätelevät rekursiivisesti sovellettavat säännöt, jotka ovat herkkiä syötteenä toimivien perussymbolien tunnisteelle, järjestykselle ja sijainnille.

Näistä kahdesta tuloksesta seuraa erittäin tärkeä seuraus, nimittäin se, että tavallinen digitaalinen tietokone, joka on varustettu oikealla ohjelmalla, riittävän suurella muistilla ja riittävästi aikaa, pystyy laskemaan minkä tahansa sääntöpohjaisen funktion tulolla ja lähdöllä. Toisin sanoen hän voi osoittaa minkä tahansa systemaattisen vastauksen ulkoisen ympäristön mielivaltaisiin vaikutuksiin.

Täsmennetään sitä seuraavalla tavalla: edellä käsitellyt tulokset tarkoittavat, että oikein ohjelmoidun koneen, joka käsittelee symboleja (jäljempänä MC-kone), on täytettävä Turingin testi tietoisen mielen olemassaolosta. Turingin testi on puhtaasti käyttäytymistesti, mutta sen vaatimukset ovat erittäin tiukat. (Kuinka validi tämä testi on, keskustelemme alla, jossa kohtaamme toisen, perustavanlaatuisen erilaisen tietoisen mielen läsnäolon "testin".) Turingin testin alkuperäisen version mukaan MS-koneeseen syötettävän tiedon pitäisi olla kysymyksiä ja lauseita luonnollisella puhekielellä, jotka kirjoitamme syöttölaitteen näppäimistöllä, ja tulosteena ovat tulostuslaitteen tulostamat MS-koneen vastaukset. Koneen katsotaan läpäisevän tämän tietoisen mielen läsnäolon kokeen, jos sen reaktioita ei voida erottaa todellisen, älykkään ihmisen kirjoittamista. Tällä hetkellä kukaan ei tietenkään tiedä millä funktiolla olisi mahdollista saada tulos, joka ei eroa rationaalisen ihmisen käyttäytymisestä. Mutta Churchin ja Turingin tulokset takaavat meille, että mikä tahansa tämä (oletettavasti tehokas) funktio on, asianmukaisesti suunniteltu MS-kone voi laskea sen.

Tämä on erittäin tärkeä johtopäätös, varsinkin kun otetaan huomioon, että Turingin kuvaus vuorovaikutuksesta koneen kanssa kirjoituskoneen avulla on merkityksetön rajoitus. Sama johtopäätös pätee, vaikka MC-kone olisi vuorovaikutuksessa maailman kanssa monimutkaisemmilla tavoilla: suoran näön, luonnollisen puheen jne. kautta. Monimutkaisempi rekursiivinen funktio jää lopulta kuitenkin Turingin laskettavaksi. Vain yksi ongelma on jäljellä: löytää se monimutkainen toiminto, joka ohjaa ihmisen reaktioita ulkoisen ympäristön vaikutuksiin ja kirjoittaa sitten ohjelman (joukko rekursiivisesti sovellettavia sääntöjä), jonka avulla MS-kone laskee tämän funktion. Nämä tavoitteet muodostivat klassisen tekoälyn tieteellisen ohjelman perustan.

Ensimmäiset tulokset olivat rohkaisevia

MC-koneet, joissa oli nerokkaasti ohjelmoidut ohjelmat, osoittivat monenlaisia ​​toimintoja, jotka näyttivät kuuluvan mielen ilmentymiin. He vastasivat monimutkaisiin käskyihin, ratkaisivat vaikeita aritmeettisia, algebrallisia ja taktisia ongelmia, pelasivat tammi ja shakkia, todistivat lauseita ja pitivät yksinkertaista dialogia. Tulokset paranivat edelleen suurempien tallennuslaitteiden, nopeampien koneiden ja tehokkaampien ja kehittyneempien ohjelmien kehityksen myötä. Klassinen tai "ohjelmoitu" tekoäly on ollut erittäin elinvoimainen ja menestyvä tieteenala lähes kaikista näkökulmista. Toistuva kielto, jonka mukaan MC-koneet lopulta kykenisivät ajattelemaan, näytti olevan puolueellinen ja tietämätön. Todisteet myönteisestä vastauksesta artikkelin otsikossa esitettyyn kysymykseen vaikuttivat enemmän kuin vakuuttavalta.

Tietysti oli joitain epäselvyyksiä. Ensinnäkin MS-koneet eivät näyttäneet paljon ihmisaivoilta. Kuitenkin myös tässä klassisella tekoälyllä oli vakuuttava vastaus valmiina. Ensinnäkin fyysisellä materiaalilla, josta MS-kone on tehty, ei ole käytännössä mitään tekemistä sen laskeman funktion kanssa. Jälkimmäinen sisältyy ohjelmaan. Toiseksi koneen toiminnallisen arkkitehtuurin tekniset yksityiskohdat ovat myös merkityksettömiä, koska täysin erilaiset arkkitehtuurit, jotka on suunniteltu toimimaan täysin eri ohjelmien kanssa, voivat silti suorittaa saman tulo-lähtötoiminnon.

Siksi tekoälyn tavoitteena oli löytää funktio, joka on tyypillinen mielelle syötteen ja tulosteen suhteen, ja myös luoda tehokkain monista mahdollisista ohjelmista tämän funktion laskemiseksi. Samalla sanottiin, että sillä, miten ihmisen aivot laskevat toiminnon, ei ole väliä. Tämä täydentää klassisen tekoälyn olemuksen kuvauksen ja perusteet myönteiselle vastaukselle artikkelin otsikossa esitettyyn kysymykseen.

Osaako kone ajatella? Kielteisen vastauksen puolesta esitettiin myös joitain argumentteja. Koko 1960-luvun ajan huomionarvoiset kielteiset väitteet olivat suhteellisen harvinaisia. Joskus on esitetty vastaväite, että ajattelu ei ole fyysinen prosessi ja että se tapahtuu aineettomassa sielussa. Tällainen dualistinen näkemys ei kuitenkaan vaikuttanut riittävän vakuuttavalta evoluution tai loogisen näkökulmasta. Sillä ei ole ollut pelottavaa vaikutusta tekoälytutkimukseen.

Erilaiset huomiot herättivät paljon enemmän tekoälyasiantuntijoiden huomiota. Vuonna 1972 Hubert L. Dreyfus julkaisi kirjan, joka suhtautui erittäin kriittisesti älykkyyden paraatinäytöksiin tekoälyjärjestelmissä. Hän huomautti, että nämä järjestelmät eivät mallintaneet riittävästi todellista ajattelua, ja paljasti mallin, joka on luontainen kaikille näille epäonnistuneille yrityksille. Hänen mielestään malleista puuttui se valtava määrä ei-formalisoitua yleistä tietoa maailmasta, joka kenellä tahansa ihmisellä on, sekä terveen järjen luontainen kyky luottaa tämän tiedon tiettyihin komponentteihin muuttuvan ympäristön vaatimuksista riippuen. . Dreyfus ei kiistänyt perustavanlaatuista mahdollisuutta luoda keinotekoinen fyysinen järjestelmä, joka kykenee ajattelemaan, mutta hän suhtautui erittäin kriittisesti siihen ajatukseen, että tämä voidaan saavuttaa vain manipuloimalla symboleja rekursiivisesti sovelletuilla säännöillä.

Tekoälyasiantuntijoiden ja päättelyn filosofien piireissä Dreyfus pidettiin lähinnä lyhytnäköisinä ja puolueellisina, mikä perustui tähän vielä hyvin nuoreen tutkimusalaan sisältyviin väistämättömiin yksinkertaistuksiin. Ehkä nämä puutteet todella tapahtuivat, mutta ne olivat tietysti väliaikaisia. Tulee aika, jolloin tehokkaammat koneet ja paremmat ohjelmat antavat mahdollisuuden päästä eroon näistä puutteista. Näytti siltä, ​​että aika toimii tekoälylle. Näin ollen näillä vastaväitteillä ei ollut havaittavaa vaikutusta tekoälyn alan jatkotutkimukseen.

Kävi kuitenkin ilmi, että aika käy Dreyfus: 70-luvun lopulla - 80-luvun alussa tietokoneiden nopeuden ja muistin kasvu ei lisännyt heidän "henkisiä kykyjään" paljon. Kävi esimerkiksi ilmi, että hahmontunnistus konenäköjärjestelmissä vaatii odottamattoman paljon laskentaa. Käytännössä luotettavien tulosten saamiseksi jouduttiin käyttämään yhä enemmän tietokoneaikaa, mikä ylitti biologisen näköjärjestelmän samojen tehtävien suorittamiseen tarvittavan ajan. Tällainen hidas simulointiprosessi oli hälyttävä: loppujen lopuksi signaalit etenevät tietokoneessa noin miljoona kertaa nopeammin kuin aivoissa, ja tietokoneen keskusyksikön kellotaajuus on suunnilleen saman verran suurempi kuin löydettyjen värähtelyjen taajuus. aivoissa. Ja silti, realistisissa tehtävissä kilpikonna ohittaa helposti jäniksen.

Lisäksi realististen ongelmien ratkaisemiseksi tietokoneohjelmalla on oltava pääsy erittäin suureen tietokantaan. Tällaisen tietokannan rakentaminen on jo itsessään melko vaikea ongelma, mutta sitä pahentaa toinen seikka: kuinka tarjota pääsy tämän tietokannan tiettyihin, asiayhteydestä riippuvaisiin fragmentteihin reaaliajassa. Kun tietokannat tulivat yhä tilavammiksi, pääsyongelma muuttui monimutkaisemmaksi. Kattava haku kesti liian kauan, eivätkä heuristiset menetelmät aina onnistuneet. Dreyfusin ilmaiseman kaltaisia ​​pelkoja ovat alkaneet jakaa jopa jotkut tekoälyn alalla työskentelevät asiantuntijat.

Noihin aikoihin (1980) John Searle esitteli uraauurtavan kriittisen konseptin, joka kyseenalaisti klassisen tekoälyn tutkimusagendan perustavanlaatuisen oletuksen, nimittäin ajatuksen, että strukturoitujen symbolien oikea manipulointi käyttämällä rekursiivisesti sääntöjä, jotka ottavat huomioon niiden rakenteen. , voi muodostaa tietoisen mielen olemuksen.

Searlen pääargumentti perustui ajatuskokeeseen, jossa hän osoittaa kaksi erittäin tärkeää tosiasiaa. Ensinnäkin hän kuvaa MC-konetta, joka (kuten meidän pitäisi ymmärtää) toteuttaa funktion, joka syötteessä ja lähdössä pystyy läpäisemään Turingin testin keskustelun muodossa, joka tapahtuu yksinomaan kiinaksi. Toiseksi koneen sisäinen rakenne on sellainen, että riippumatta siitä, mitä se käyttäytyy, ei ole epäilystäkään siitä, ettei kone kokonaisuudessaan tai mikään sen osa ymmärrä kiinan kieltä. Siinä on vain englantia puhuva henkilö, noudattaen ohjeissa kirjoitettuja sääntöjä, joiden avulla merkkejä tulee manipuloida sisään- ja ulostulossa ovessa olevan postilaatikon kautta. Lyhyesti sanottuna järjestelmä täyttää Turingin testin positiivisesti huolimatta siitä, että sillä ei ole aitoa ymmärrystä kiinan kielestä ja viestien todellisesta semanttisesta sisällöstä (katso J. Searlen artikkeli "The Mind of the Brain - a Computer Program? ").

Yleinen johtopäätös tästä on, että mikä tahansa järjestelmä, joka yksinkertaisesti manipuloi fyysisiä symboleja rakenneherkkien sääntöjen mukaisesti, on parhaimmillaan säälittävä parodia todellisesta tietoisesta mielestä, koska on mahdotonta luoda "todellista semantiikkaa" yksinkertaisesti kääntämällä " tyhjä syntaksi". Tässä on huomattava, että Searle ei esitä tietoisuuden läsnäololle käyttäytymis- (ei-käyttäytymis-)testiä: tietoisen mielen elementeillä on oltava todellinen semanttinen sisältö.

On houkutus moittia Searlea siitä, että hänen ajatuskokeilunsa ei ole riittävä, koska hänen ehdottama järjestelmä "Rubikin kuutiona" toimii järjettömän hitaasti. Searle kuitenkin väittää, että nopeudella ei ole mitään merkitystä tässä tapauksessa. Hitaasti ajatteleva ajattelee silti oikein. Kaikki ajattelun toistamiseen tarvittava klassisen tekoälyn käsitteen mukaan on hänen mielestään "kiinalaisessa huoneessa".

Searlen artikkeli sai innostuneita vastauksia tekoälyasiantuntijoilta, psykologeilta ja filosofeilta. Kaiken kaikkiaan se kuitenkin kohtasi vielä enemmän vihamielisyyttä kuin Dreyfusin kirja. Artikkelissaan, joka julkaistaan ​​samanaikaisesti tässä lehden numerossa, Searle esittää useita kriittisiä argumentteja konseptiaan vastaan. Mielestämme monet niistä ovat legitiimiä, varsinkin ne, joiden kirjoittajat "ottelevat syöttiä" väittäen, että vaikka huoneesta ja sen sisällöstä koostuva järjestelmä on hirvittävän hidas, se ymmärtää silti kiinaa.

Pidämme näistä vastauksista, mutta emme siksi, että uskomme kiinalaisen huoneen ymmärtävän kiinaa. Olemme samaa mieltä Searlen kanssa siitä, että hän ei ymmärrä häntä. Näiden argumenttien vetovoima on siinä, että ne heijastavat epäonnistumista hyväksyä Searlen argumentin kaikkein tärkeintä kolmatta aksioomaa: "Syntaksi itsessään ei muodosta semantiikkaa eikä se riitä semantiikan olemassaoloon." Tämä aksiooma voi olla totta, mutta Searle ei voi perustellusti väittää tietävänsä tämän varmasti. Lisäksi väittää, että se on totta, on kysyttävä, onko klassisen tekoälytutkimuksen ohjelma järkevä, koska tämä ohjelma perustuu siihen erittäin mielenkiintoiseen olettamukseen, että jos voimme vain käynnistää asianmukaisesti jäsennellyn prosessin, eräänlainen syntaktisten elementtien sisäinen tanssi, joka on oikein yhdistetty tuloihin ja lähtöihin, niin voimme saada samat mielen tilat ja ilmentymät, jotka ovat luontaisia ​​ihmiselle.

Se, että Searlen kolmas aksiooma todella herättää tämän kysymyksen, tulee ilmeiseksi, kun vertaamme sitä suoraan hänen ensimmäiseen päätelmäänsä: "Ohjelmat näkyvät mielen olemuksena ja niiden läsnäolo ei riitä mielen läsnäoloon." Ei ole vaikea nähdä, että hänen kolmas aksioomaansa kantaa jo 90% johtopäätöksestä lähes identtisen sen kanssa. Tästä syystä Searlen ajatuskoe on erityisesti suunniteltu tukemaan kolmatta aksioomaa. Tämä on koko kiinalaisen huoneen pointti.

Vaikka esimerkki Kiinan huoneesta tekee aksioomasta 3 houkuttelevan tietämättömille, emme usko, että se todistaa tämän aksiooman pätevyyttä, ja osoittaaksemme tämän esimerkin epäonnistumisen tarjoamme havainnollistamaan rinnakkaisesimerkkimme. Usein yksi hyvä esimerkki, joka kumoaa kiistanalaisen väitteen, selventää tilannetta paljon paremmin kuin kokonainen kirja täynnä loogista jongleerausta.

Tieteen historiassa on ollut monia esimerkkejä skeptisyydestä, kuten näemme Searlen perusteluissa. XVIII vuosisadalla. Irlantilainen piispa George Berkeley piti käsittämättömänä, että ilmassa olevat puristusaallot voisivat itsessään olla ääniilmiöiden ydin tai riittävä tekijä niiden olemassaololle. Englantilainen runoilija ja taidemaalari William Blake ja saksalainen luonnontieteilijä Johann Goethe pitivät käsittämättömänä, että pienet aineen hiukkaset voisivat itsessään olla kokonaisuus tai tekijä, joka riittää valon objektiiviseen olemassaoloon. Jo tällä vuosisadalla on ollut miehiä, jotka eivät voineet kuvitella, että eloton aine itsessään, olipa organisaationsa kuinka monimutkainen tahansa, voisi olla orgaaninen kokonaisuus tai riittävä elämänehto. On selvää, että sillä, mitä ihmiset kuvittelevat tai eivät, ei useinkaan ole mitään tekemistä sen kanssa, mitä todellisuudessa on tai ei ole olemassa todellisuudessa. Tämä on totta, vaikka kyse on ihmisistä, joilla on hyvin korkeatasoinenäly.

Nähdäksemme, kuinka näitä historiallisia opetuksia voidaan soveltaa Searlen päättelyyn, sovelletaan keinotekoista rinnastamista hänen logiikkaan ja vahvistetaan tämä rinnakkaisuus ajatuskokeella.

Aksiooma 1. Sähkö ja magnetismi ovat fyysisiä voimia.

Aksiooma 2. Valon olennainen ominaisuus on kirkkaus.

Aksiooma 3. Voimat itsessään esiintyvät hehkuefektin olemuksena eivätkä riitä sen läsnäoloon.

Johtopäätös 1. Sähkö ja magnetismi eivät ole valon ydin eivätkä riitä sen olemassaoloon.

Oletetaan, että tämä perustelu julkaistiin pian sen jälkeen James K. Maxwell vuonna 1864 ehdotti, että valo ja sähkömagneettiset aallot olivat identtisiä, mutta ennen kuin järjestelmälliset yhtäläisyydet valon ominaisuuksien ja sähkömagneettisten aaltojen ominaisuuksien välillä toteutuivat täysin maailmassa. Yllä oleva looginen päättely saattaa tuntua vakuuttavalta vastaväitteeltä Maxwellin rohkeaa hypoteesia vastaan, varsinkin jos siihen liittyy seuraava kommentti aksiooman 3 tueksi.

Harkitse pimeää huonetta, jossa on henkilö pitelemässä kestomagneetti tai veloitettu tuote. Jos ihminen alkaa liikuttaa magneettia ylös ja alas, niin Maxwellin keinovalaistuksen (AI) teorian mukaan magneetista lähtee etenevä sähkömagneettisten aaltojen pallo ja huoneesta tulee kirkkaampi. Mutta kuten jokainen, joka on yrittänyt pelata magneeteilla tai ladatuilla palloilla, tietää hyvin, heidän voimansa (ja sen vuoksi, mitkään muut voimat), vaikka nämä esineet ovat liikkeessä, eivät aiheuta hehkua. Siksi näyttää mahdottomalta, että voisimme saavuttaa todellisen hehkuvan vaikutuksen yksinkertaisesti manipuloimalla voimia!

Sähkömagneettisten voimien vaihtelut ovat kevyitä, vaikka ihmisen liikuttama magneetti ei tuota hehkua. Samoin symbolien manipulointi tiettyjen sääntöjen mukaan voi edustaa älykkyyttä, vaikka Searlen China Roomin sääntöpohjaisesta järjestelmästä ei näytä puuttuvan todellista ymmärrystä.

Mitä Maxwell voisi vastata, jos tämä haaste annettaisiin hänelle?

Ensinnäkin hän saattoi väittää, että "valaiseva huone" -koe johtaa meidät harhaan näkyvän valon ominaisuuksista, koska magneetin värähtelytaajuus on erittäin alhainen, noin 1015 kertaa vähemmän kuin on tarpeen. Tätä voi seurata kärsimätön vastaus, että taajuudella ei ole tässä mitään merkitystä, että huone, jossa on värähtelevä magneetti, sisältää jo kaiken tarvittavan hehkuefektin ilmentymiseen täysin Maxwellin itsensä teorian mukaisesti.

puolestaan Maxwell voisi "ottaa syötin" väittämällä aivan oikein, että huone on jo täynnä valoa, mutta tämän luminesenssin luonne ja voimakkuus on sellainen, että ihminen ei näe sitä. (Jos henkilö liikuttaa magneettia alhaisella taajuudella, generoitujen sähkömagneettisten aaltojen pituus on liian suuri ja intensiteetti liian alhainen, jotta ihmissilmä voi reagoida niihin.) Kuitenkin, kun otetaan huomioon näiden ilmiöiden ymmärtämisen taso tarkasteltuna ajanjaksona (viime vuosisadan 60-luvulla) tällainen selitys olisi todennäköisesti aiheuttanut naurua ja pilkkaavia huomautuksia. Hehkuva huone! Mutta anteeksi, herra Maxwell, siellä on täysin pimeää!"

Joten näemme, että köyhät Maxwell täytyy olla kovaa. Hän ei voi muuta kuin vaatia seuraavia kolmea seikkaa. Ensinnäkin, aksiooma 3 yllä olevassa päättelyssä ei pidä paikkaansa. Huolimatta siitä, että se intuitiivisesti vaikuttaa varsin uskottavalta, esitämme tahattomasti kysymyksen siitä. Toiseksi hehkuvan huoneen kokeilu ei näytä meille mitään mielenkiintoista valon fysikaalisesta luonteesta. Ja kolmanneksi, jotta voimme todella ratkaista valon ja keinovalon mahdollisuuden ongelman, tarvitsemme tutkimusohjelman, jonka avulla voimme selvittää, onko sähkömagneettisten aaltojen käyttäytyminen sopivissa olosuhteissa täysin identtinen valon käyttäytymisen kanssa. Klassisen tekoälyn pitäisi antaa sama vastaus Searlen päättelyyn. Vaikka Searlen kiinalainen huone saattaa tuntua "semanttisesti pimeältä", hänellä ei ole juurikaan syytä väittää, että tiettyjen sääntöjen mukaan tapahtuva symbolien manipulointi ei koskaan voi tuottaa semanttisia ilmiöitä, varsinkin kun ihmiset ovat edelleen huonosti perillä ja niitä rajoittaa vain ymmärrys kieli. Selitettävän semanttisten ja henkisten ilmiöiden terveen järjen taso. Sen sijaan, että Searle käyttäisi hyväkseen näiden asioiden ymmärrystä, hän käyttää pohdinnassaan vapaasti sellaisen ymmärryksen puutetta ihmisissä.

Kun olemme ilmaisseet kritiikkimme Searlen päättelystä, palataan kysymykseen, onko klassisella tekoälyohjelmalla todellinen mahdollisuus ratkaista tietoisen mielen ongelma ja luoda ajattelukoneisto. Uskomme, että tulevaisuudennäkymät eivät ole valoisat, mutta mielipiteemme perustuu syihin, jotka poikkeavat olennaisesti Searlen käyttämistä syistä. Rakennamme klassisen tekoälytutkimusohjelman tiettyihin epäonnistumisiin ja oppitunteihin, jotka biologiset aivot ovat meille opettaneet uuden luokan laskennallisten mallien avulla, jotka ilmentävät joitakin sen rakenteen ominaisuuksia. Olemme jo maininneet klassisen tekoälyn epäonnistumiset niiden ongelmien ratkaisemisessa, jotka aivot ratkaisevat nopeasti ja tehokkaasti. Tiedemiehet ovat vähitellen tulossa yksimielisyyteen, että nämä viat johtuvat MS-koneiden toiminnallisen arkkitehtuurin ominaisuuksista, jotka eivät yksinkertaisesti sovellu sitä edeltävien monimutkaisten tehtävien ratkaisemiseen.

Meidän on tiedettävä, kuinka aivot saavuttavat ajatteluvaikutuksen? Käänteinen suunnittelu on laajalle levinnyt tekniikka tekniikassa. Kun uusi teknologia tulee markkinoille, kilpailijat selvittävät, miten se toimii, purkamalla sen osiin ja yrittämällä arvata periaatteen, johon se perustuu. Aivojen tapauksessa tämä lähestymistapa on poikkeuksellisen vaikea toteuttaa, koska aivot ovat planeetan monimutkaisin asia. Siitä huolimatta neurofysiologit ovat onnistuneet paljastamaan monia aivojen ominaisuuksia erilaisissa rakenteelliset tasot. Kolme anatomista ominaisuutta erottavat sen pohjimmiltaan perinteisten elektronisten tietokoneiden arkkitehtuurista.

Ensinnäkin, hermosto on rinnakkainen kone siinä mielessä, että signaaleja käsitellään samanaikaisesti miljoonilla eri tavoilla. Esimerkiksi silmän verkkokalvo ei lähetä monimutkaista tulosignaalia aivoihin 8, 16 tai 32 elementin paloina, kuten pöytätietokone, vaan signaalina, joka koostuu lähes miljoonasta yksittäisestä elementistä, jotka saapuvat samanaikaisesti näköhermon pää (ulompi nerokas vartalo), minkä jälkeen aivot myös käsittelevät niitä samanaikaisesti, yhdessä vaiheessa. Toiseksi aivojen alkeis "käsittelylaite", neuroni, on suhteellisen yksinkertainen. Myös sen vaste tulosignaaliin on analoginen, ei digitaalinen, siinä mielessä, että lähtösignaalin taajuus muuttuu jatkuvasti tulosignaalien mukana.

Kolmas, aivoissa hermosolujen ryhmästä toiseen johtavien aksonien lisäksi löydämme usein aksoneja, jotka johtavat käänteinen suunta. Näiden paluuprosessien avulla aivot voivat muokata tapaa, jolla aistitietoa käsitellään. Vielä tärkeämpää on se, että aivot ovat olemassaolostaan ​​todella dynaaminen järjestelmä, jossa jatkuvasti ylläpidettävälle käyttäytymiselle on ominaista sekä erittäin monimutkaisuus että suhteellinen riippumattomuus perifeerisistä ärsykkeistä. Yksinkertaistetuilla verkkomalleilla on ollut hyödyllinen rooli todellisten hermoverkkojen toimintamekanismeja ja rinnakkaisten arkkitehtuurien laskennallisia ominaisuuksia tutkittaessa. Tarkastellaan esimerkiksi kolmikerroksista mallia, joka koostuu hermosolumaisista elementeistä, joilla on aksonin kaltaiset yhteydet seuraavan tason elementteihin. Tuloärsyke saavuttaa tietyn tuloelementin aktivointikynnyksen, joka lähettää suhteellisen voimakkuuden signaalin "aksoniaan" pitkin piilokerroksen elementtien lukuisiin "synaptisiin" pätteisiin. Kokonaisvaikutus on, että tietty aktivointisignaalien kuvio tuloelementtien joukossa muodostaa tietyn signaalikuvion piilotettujen elementtien joukolle.

Sama voidaan sanoa lähtöelementeistä. Samoin aktivointisignaalien konfiguraatio piilotetun kerroksen viipaleella johtaa tiettyyn aktivointikuvioon lähtöelementtien siivussa. Yhteenvetona voidaan sanoa, että kyseessä oleva verkko on laite, jolla muunnetaan mikä tahansa suuri määrä mahdollisia tulovektoreita (aktivointisignaalien konfiguraatioita) yksilöllisesti vastaavaksi lähtövektoriksi. Tämä laite on suunniteltu laskemaan tietty toiminto. Se, minkä funktion se arvioi, riippuu synaptisen painorakenteen globaalista konfiguraatiosta.

Neuraaliverkot mallintavat aivojen mikrorakenteen pääominaisuutta. Tässä kolmikerroksisessa verkossa syöttöhermosolut (alavasen) käsittelevät laukaisusignaalien kuviota (alhaalla oikealla) ja välittävät ne painotettujen yhteyksien kautta piilotettuun kerrokseen. Piilotetun kerroksen elementit summaavat useat tulonsa muodostaen uuden signaalikonfiguraation. Se siirtyy ulompaan kerrokseen, joka suorittaa lisämuunnoksia. Yleensä verkko muuntaa minkä tahansa tulosignaalijoukon vastaavaksi ulostuloksi sijainnista ja suhteellinen vahvuus yhteyksiä neuronien välillä.

Painojen sovittamiseen on olemassa erilaisia ​​menetelmiä, joiden ansiosta verkko voidaan tehdä sellaiseksi, että se pystyy laskemaan melkein minkä tahansa funktion (eli minkä tahansa muunnoksen vektorien välillä). Itse asiassa verkkoon on mahdollista toteuttaa toiminto, jota ei voi edes muotoilla, riittää, kun annamme sille joukon esimerkkejä, jotka osoittavat, millaisia ​​tulo- ja poistumisalueita haluaisimme. Tämä prosessi, jota kutsutaan "verkon oppimiseksi", suoritetaan valitsemalla linkeille annetut painot peräkkäin, mikä jatkuu, kunnes verkko alkaa suorittaa haluttuja muunnoksia tulolle halutun lähdön saamiseksi.

Vaikka tämä verkkomalli yksinkertaistaa suuresti aivojen rakennetta, se havainnollistaa silti useita tärkeitä näkökohtia. Ensinnäkin rinnakkaisarkkitehtuuri tarjoaa valtavan suorituskyvyn edun perinteiseen tietokoneeseen verrattuna, koska monet synapsit kullakin tasolla suorittavat useita pieniä laskennallisia operaatioita samanaikaisesti sen sijaan, että ne toimisivat hyvin aikaa vievässä peräkkäisessä tilassa. Tämä etu tulee yhä merkittävämmäksi, kun hermosolujen lukumäärä kullakin tasolla kasvaa. Yllättäen tiedonkäsittelyn nopeus ei riipu lainkaan prosessiin osallistuvien elementtien lukumäärästä kullakin tasolla eikä niiden laskeman funktion monimutkaisuudesta. Jokaisella tasolla voi olla neljä elementtiä tai sata miljoonaa; synaptinen painokonfiguraatio voi laskea yksinkertaisia ​​yksinumeroisia summia tai ratkaista toisen asteen differentiaaliyhtälöitä. Ei se mitään. Laskenta-aika on täsmälleen sama.

Toiseksi, järjestelmän rinnakkaisluonne tekee siitä epäherkän pienille virheille ja antaa sille toiminnallista vakautta; muutaman linkin katoamisella, jopa huomattavan määrän niitä, on mitätön vaikutus verkon muun osan suorittaman muunnoksen yleiseen edistymiseen.

Kolmas, rinnakkaisjärjestelmä tallentaa suuren määrän tietoa hajautetussa muodossa, samalla kun se tarjoaa pääsyn mihin tahansa tämän tiedon fragmenttiin useissa millisekunneissa mitattuna. Tiedot tallennetaan tiettyjen yksittäisten synaptisten yhteyksien painojen konfiguraatioiden muodossa, jotka on muodostettu aiemman oppimisen prosessissa. Haluttu tieto "vapautetaan", kun tulovektori kulkee tämän linkkikonfiguraation läpi (ja muuntaa).

Rinnakkais tietojenkäsittely ei ole ihanteellinen kaikenlaiseen laskentaan. Ratkaistaessa ongelmia pienellä syöttövektorilla, mutta joka vaatii miljoonia nopeasti toistuvia rekursiivisia laskelmia, aivot osoittautuvat täysin avuttomiksi, kun taas klassiset MS-koneet osoittavat parhaita kykyjään. Tämä on erittäin suuri ja tärkeä tietotekniikan luokka, joten klassisia koneita tarvitaan aina ja jopa tarvitaan. On kuitenkin yhtä laaja luokka laskentaa, jolle aivojen arkkitehtuuri on paras tekninen ratkaisu. Nämä ovat pääasiassa niitä laskelmia, joita elävät organismit yleensä kohtaavat: saalistajan ääriviivojen tunnistaminen "meluisassa" ympäristössä; välitön muistaminen oikeasta reaktiosta hänen katseeseensa, tavan paeta, kun hän lähestyy tai puolustaa, kun häntä hyökätään; erottaa syötävät ja syötäväksi kelpaamattomat asiat, seksuaalikumppanit ja muut eläimet; käyttäytymisen valinta monimutkaisessa ja jatkuvasti muuttuvassa fyysisessä tai sosiaalinen ympäristö; jne.

Lopuksi on erittäin tärkeää huomata, että kuvattu rinnakkaisjärjestelmä ei käsittele symboleja rakenteellisten sääntöjen mukaisesti. Pikemminkin symbolien manipulointi on vain yksi monista muista "älykkäistä" taidoista, joita verkko voi oppia tai ei. Sääntöihin perustuva symbolien manipulointi ei ole verkon ensisijainen toimintatapa. Searlen päättely on suunnattu säännönmukaisia ​​MC-koneita vastaan; Kuvaamamme tyyppiset vektorimuunnosjärjestelmät jäävät siis hänen kiinalaisen huoneen argumenttinsa ulkopuolelle, vaikka se olisikin pätevä, mitä meillä on muita, riippumattomia syitä epäillä.

Searle on tietoinen rinnakkaisista prosessoreista, mutta hänen mielestään niistä ei myöskään löydy todellista semanttista sisältöä. Havainnollistaakseen heidän väistämätöntä alemmuuttaan tässä suhteessa hän kuvaa toisen ajatuskokeilun, tällä kertaa kiinalaisen kuntosalin kanssa, joka on täynnä ihmisiä, jotka ovat järjestäytyneet rinnakkaiseen verkostoon. Hänen päättelynsä jatkokulku on samanlainen kuin kiinalaisen huoneen tapauksessa.

Mielestämme tämä toinen esimerkki ei ole yhtä onnistunut ja vakuuttava kuin ensimmäinen. Ensinnäkin sillä, että mikään järjestelmän elementti ei ymmärrä kiinaa, ei näytä mitään roolia, koska sama pätee hermosto ihminen: yksikään neuroni aivoissani ei ymmärrä englanniksi, vaikka aivot kokonaisuutena ymmärtävät. Searle jatkaa, että hänen mallinsa (yksi henkilö hermosolua kohti plus yksi nopeajalkainen poika synaptista yhteyttä kohti) tarvitsisi vähintään 1014 ihmistä, koska ihmisen aivoissa on 1011 neuronia, joista jokaisessa on keskimäärin 103 yhteyttä. Siten hänen järjestelmänsä vaatisi 10 000 maailman, kuten Maamme, väestön. On selvää, että kuntosali ei pysty mahduttamaan enemmän tai vähemmän riittävää mallia.

Toisaalta, jos tällainen järjestelmä voitaisiin vielä koota, sopivassa kosmisessa mittakaavassa, kaikki yhteydet tarkasti mallinnettuina, meillä olisi valtavat, hitaat, oudosti suunnitellut, mutta silti toimivat aivot. Tässä tapauksessa on tietysti luonnollista odottaa, että oikealla panoksella hän ajattelee, eikä päinvastoin, ettei hän kykene siihen. Ei voida taata, että tällaisen järjestelmän toiminta edustaa todellista ajattelua, koska vektorikäsittelyn teoria ei välttämättä heijasta riittävästi aivojen toimintaa. Mutta samalla tavalla meillä ei ole a priori takeita siitä, ettei hän ajattele. Searle identifioi jälleen kerran virheellisesti oman (tai lukijan) mielikuvituksensa nykyiset rajat objektiivisen todellisuuden rajoihin.

Aivot

Aivot ovat eräänlainen tietokone, vaikka suurinta osaa sen ominaisuuksista ei vielä tunneta. Aivojen luonnehtiminen tietokoneeksi ei ole läheskään helppoa, eikä tällaista yritystä pidä ottaa liian kevyesti. Aivot laskevat toimintoja, mutta eivät samalla tavalla kuin klassisen tekoälyn ratkaisemissa sovelluksissa. Kun puhumme koneesta tietokoneena, emme tarkoita peräkkäistä digitaalista tietokonetta, joka on ohjelmoitava ja jossa on selkeä ero ohjelmiston ja laitteiston välillä. Emme myöskään tarkoita, että tämä tietokone käsittelee symboleja tai noudattaa tiettyjä sääntöjä. Aivot ovat pohjimmiltaan erilainen tietokone.

Sitä, miten aivot taltioivat tiedon semanttisen sisällön, ei ole vielä tiedossa, mutta on selvää, että tämä ongelma ulottuu paljon kielitieteen ulkopuolelle eikä rajoitu ihmisiin lajina. Pieni laikku tuoretta maata tarkoittaa sekä ihmiselle että kojootille, että jossain lähellä on gopher; kaiku, jolla on tietyt spektriominaisuudet, osoittaa lepakolle koin olemassaolon. Kehittääksemme merkityksenmuodostuksen teorian meidän on tiedettävä enemmän siitä, kuinka hermosolut koodaavat ja muuntavat aistisignaaleja, muistin, oppimisen ja tunteiden hermopohjasta sekä näiden tekijöiden ja motorisen järjestelmän välisestä suhteesta. Neurotieteeseen perustuva merkityksen ymmärtämisen teoria saattaa jopa vaatia intuitiomme, jotka nyt näyttävät meistä niin horjumattomilta ja joita Searle käyttää niin vapaasti päättelyssään. Tällaiset tarkistukset eivät ole harvinaisia ​​tieteen historiassa.

Voiko tiede luoda tekoälyä käyttämällä hermojärjestelmästä tunnettua? Emme näe tällä tiellä perustavanlaatuisia esteitä. Searlen väitetään olevan samaa mieltä, mutta varauksella: "Millä tahansa muulla älykkyyttä tuottavalla järjestelmällä on oltava (ainakin) kausaalisia ominaisuuksia, jotka vastaavat aivojen vastaavia ominaisuuksia." Artikkelin lopussa tarkastelemme tätä lausuntoa. Uskomme, ettei Searle väitä, että onnistuneella tekoälyjärjestelmällä on välttämättä oltava kaikki aivojen kausaaliset ominaisuudet, kuten kyky haistaa mätää, kyky olla virusten kantaja, kyky värjäytyä keltainen piparjuuriperoksidaasin vaikutuksen alaisena jne. Täydellisen noudattamisen vaatiminen olisi sama asia kuin vaatia keinotekoiselta lentokoneelta kykyä kuljettaa munia.

Hän tarkoitti luultavasti vain sitä vaatimusta, että keinotekoisella mielellä on kaikki kausaaliset ominaisuudet, jotka, kuten hän sanoi, kuuluvat tietoiselle mielelle. Kuitenkin mitkä tarkalleen? Ja tässä palataan taas kiistaan ​​siitä, mikä kuuluu tietoiseen mieleen ja mikä ei. Tämä on vain paikka kiistellä, mutta totuus tässä tapauksessa pitäisi selvittää empiirisesti - kokeile ja katso mitä tapahtuu. Koska tiedämme niin vähän siitä, mitä ajatteluprosessi ja semantiikka tarkalleen ovat, mikä tahansa varmuus siitä, mitkä ominaisuudet ovat merkityksellisiä tässä, olisi ennenaikaista. Searle vihjaa useaan otteeseen, että jokaisen tason, mukaan lukien biokemian, on oltava edustettuina kaikissa koneissa, jotka väittävät olevansa tekoälyä. Ilmeisesti tämä on liian kova vaatimus. Keinotekoiset aivot voivat saavuttaa saman vaikutuksen ilman biokemiallisia mekanismeja.

Tämä mahdollisuus osoitettiin K. Meadin tutkimuksissa California Institute of Technologyssa. Mead ja hänen kollegansa käyttivät analogisia mikroelektronisia laitteita keinotekoisen verkkokalvon ja keinotekoisen simpukan luomiseen. (Eläimillä verkkokalvo ja simpukka eivät ole vain antureita: molemmissa järjestelmissä tapahtuu monimutkaista rinnakkaista käsittelyä.) Nämä laitteet eivät ole enää yksinkertaisia ​​malleja minitietokoneessa, jolle Searle nauraa; ne ovat todellisia tiedonkäsittelyelementtejä, jotka reagoivat reaaliajassa todellisiin signaaleihin: verkkokalvon tapauksessa valoon ja simpukan tapauksessa ääneen. Laitekaaviot perustuvat tunnettuihin anatomisiin ja fysiologiset ominaisuudet kissan verkkokalvoa ja pöllön simpukkaa, ja niiden tuotos on erittäin lähellä heidän mallintamiensa elinten tunnettuja tuotoksia.

Nämä mikropiirit eivät käytä välittäjäaineita, joten välittäjäaineet eivät näytä olevan tarpeen haluttujen tulosten saavuttamiseksi. Emme tietenkään voi sanoa, että keinotekoinen verkkokalvo näkee jotain, koska sen tuotos ei mene keinotekoiseen talamukseen tai aivokuoreen jne. Vielä ei tiedetä, voidaanko Mead-ohjelmalla rakentaa kokonaisia ​​tekoaivoja, mutta läsnä Meillä ei ole todisteita siitä, että biokemiallisten mekanismien puuttuminen järjestelmästä tekisi tästä lähestymistavasta epärealistisen.

Hermosto kattaa koko kirjon organisaatiota välittäjäainemolekyyleistä (alla) koko aivoihin ja selkäytimeen. Välitasot sisältävät yksittäisiä hermosoluja ja hermopiirejä, kuten sellaisia, jotka toteuttavat visuaalisten ärsykkeiden havaitsemisen selektiivisyyden (keskellä), ja järjestelmiä, jotka koostuvat monista piireistä, jotka ovat samanlaisia ​​kuin puhetoimintoja palvelevat (ylhäällä oikea). Vain tutkimuksen avulla voidaan määrittää, kuinka tarkasti keinotekoinen järjestelmä pystyy lisääntymään biologiset järjestelmät joilla on älykkyyttä.

Kuten Searle, hylkäämme Turingin testin riittävänä kriteerinä tietoisen mielen läsnäololle. Yhdellä tasolla meillä on samanlaiset syyt tehdä tämä: olemme samaa mieltä siitä, että on erittäin tärkeää, kuinka syötteellä-ulostulolla määritelty funktio toteutetaan; on tärkeää, että oikeat prosessit tapahtuvat koneessa. Toisella tasolla meitä ohjaavat täysin erilaiset näkökohdat. Searle perustaa kantansa semanttisen sisällön olemassaoloon tai puuttumiseen terveen järjen intuitioon. Näkökulmamme perustuu klassisten MS-koneiden erityisiin häiriöihin ja niiden koneiden erityisiin etuihin, joiden arkkitehtuuri on lähempänä aivojen rakennetta. Näiden erityyppisten koneiden vertailu osoittaa, että joillakin laskennallisilla strategioilla on valtava ja ratkaiseva etu muihin verrattuna tyypillisten henkisten tehtävien osalta. Nämä empiirisesti todetut edut eivät aiheuta epäilyksiä. Ilmeisesti aivot hyödyntävät systemaattisesti näitä laskennallisia etuja. Se ei kuitenkaan välttämättä ole ainoa fyysinen järjestelmä, joka pystyy hyödyntämään niitä. Ajatus tekoälyn luomisesta ei-biologisessa, mutta olennaisesti rinnakkaisessa koneessa on edelleen erittäin houkutteleva ja varsin lupaava.