Դասական արհեստական ​​ինտելեկտը դժվար թե մարմնավորվի մտածող մեքենաներում. Այս ոլորտում մարդկային հնարամտության սահմանը, ըստ ամենայնի, կսահմանափակվի ուղեղի աշխատանքը նմանակող համակարգերի ստեղծմամբ։

Արհեստական ​​ինտելեկտի (AI) գիտությունը հեղափոխության է ենթարկվում. Որպեսզի բացատրենք դրա պատճառներն ու իմաստը և տեսնենք, նախ պետք է դիմենք պատմությանը:

1950-ականների սկզբին ավանդական, փոքր-ինչ անորոշ հարցը, թե արդյոք մեքենան կարող է մտածել, տեղի տվեց ավելի մատչելի հարցին, թե արդյոք այն մեքենան, որը կառավարում է ֆիզիկական նշանները կառուցվածքի վրա հիմնված կանոնների համաձայն, կարող է մտածել: Այս հարցը ձևակերպված է ավելի ճշգրիտ, քանի որ ֆորմալ տրամաբանությունը և հաշվարկների տեսությունը զգալի առաջընթաց են գրանցել նախորդ կես դարում: Տեսաբանները սկսեցին գնահատել վերացական սիմվոլային համակարգերի հնարավորությունները, որոնք ենթարկվում են փոխակերպումների որոշակի կանոնների համաձայն։ Թվում էր, որ եթե այդ համակարգերը կարողանան ավտոմատացնել, ապա դրանց վերացական հաշվողական հզորությունը կդրսևորվեր իրական ֆիզիկական համակարգում։ Նման տեսակետները նպաստեցին բավականին խորը տեսական հիմքերի վրա հստակ սահմանված հետազոտական ​​ծրագրի ծնունդին:

Կարո՞ղ է արդյոք մեքենան մտածել:

Շատ պատճառներ կային այո պատասխանելու համար։ Պատմականորեն, առաջին և ամենախորը պատճառներից մեկը հաշվարկման տեսության երկու կարևոր արդյունքներն են: Առաջին արդյունքը Չերչի թեզն էր, որ արդյունավետորեն հաշվարկվող յուրաքանչյուր ֆունկցիա ռեկուրսիվորեն հաշվարկելի է: «Արդյունավետ հաշվարկելի» տերմինը նշանակում է, որ կա ինչ-որ «մեխանիկական» ընթացակարգ, որով հնարավոր է հաշվարկել արդյունքը վերջավոր ժամանակում՝ հաշվի առնելով մուտքային տվյալները: «Ռեկուրսիվորեն հաշվարկելի» նշանակում է, որ գոյություն ունի գործողությունների վերջավոր շարք, որը կարող է կիրառվել տվյալ մուտքագրման վրա, այնուհետև հաջորդաբար և բազմիցս կիրառվել նոր ստացված արդյունքների վրա՝ ֆունկցիան սահմանափակ ժամանակում հաշվարկելու համար: Մեխանիկական ընթացակարգի հայեցակարգը ֆորմալ չէ, այլ ավելի շուտ ինտուիտիվ, և հետևաբար Չերչի թեզը չունի պաշտոնական ապացույց: Այնուամենայնիվ, այն հասնում է այն բանին, թե ինչ է հաշվարկը, և շատ տարբեր ապացույցներ հավաքվում են այն հաստատելու համար:

Երկրորդ կարևոր արդյունքը ստացավ Ալան Մ. Թյուրինգը, ով ցույց տվեց, որ ցանկացած ռեկուրսիվ հաշվարկվող ֆունկցիա կարող է հաշվարկվել վերջավոր ժամանակում՝ օգտագործելով մաքսիմալ պարզեցված սիմվոլ-մանիպուլյացիա մեքենա, որը հետագայում կոչվեց ունիվերսալ Թյուրինգ մեքենա: Այս մեքենան կառավարվում է ռեկուրսիվորեն կիրառելի կանոններով, որոնք զգայուն են տարրական նշանների ինքնության, կարգի և գտնվելու վայրի նկատմամբ, որոնք գործում են որպես մուտքագրում:

Այս երկու արդյունքներից բխում է շատ կարևոր հետևություն, այն է, որ ստանդարտ թվային համակարգիչը, որն ապահովված է ճիշտ ծրագրով, բավականաչափ մեծ հիշողությամբ և բավարար ժամանակով, կարող է հաշվարկել կանոնների վրա հիմնված ցանկացած ֆունկցիա՝ մուտքային և ելքային միջոցով: Այլ կերպ ասած, նա կարող է դրսևորել ցանկացած համակարգված արձագանք արտաքին միջավայրի կամայական ազդեցություններին:

Եկեք սա կոնկրետացնենք հետևյալ կերպ. վերը քննարկված արդյունքները նշանակում են, որ ճիշտ ծրագրավորված մեքենան, որը շահարկում է սիմվոլները (այսուհետ՝ MC մեքենա) պետք է բավարարի Թյուրինգի թեստը՝ գիտակցված մտքի առկայության համար: Թյուրինգի թեստը զուտ վարքային թեստ է, սակայն դրա պահանջները շատ ուժեղ են: (Որքանով է վավեր այս թեստը, մենք կքննարկենք ստորև, որտեղ մենք կհանդիպենք գիտակից մտքի առկայության երկրորդ, սկզբունքորեն տարբեր «թեստի» հետ): Ըստ Թյուրինգի թեստի սկզբնական տարբերակի, MS մեքենայի մուտքագրումը պետք է. լինեն հարցեր և արտահայտություններ բնական խոսակցական լեզվով, որոնք մենք մուտքագրում ենք մուտքային սարքի ստեղնաշարի վրա, իսկ ելքը ելքային սարքի կողմից տպված MS մեքենայի պատասխաններն են։ Համարվում է, որ մեքենան անցել է գիտակից մտքի առկայության այս թեստը, եթե դրա պատասխանները չեն կարող տարբերվել իրական, խելացի մարդու կողմից տպագրվածներից: Իհարկե, ներկայումս ոչ ոք չգիտի, թե ինչ գործառույթով հնարավոր կլիներ ստանալ այնպիսի արդյունք, որը չի տարբերվում ռացիոնալ մարդու վարքագծից։ Սակայն Չերչի և Թյուրինգի արդյունքները մեզ երաշխավորում են, որ ինչ էլ որ լինի այս (ենթադրաբար արդյունավետ) ֆունկցիան, համապատասխան ձևավորված MS մեքենան կարող է այն հաշվարկել:

Սա շատ կարևոր եզրակացություն է, հատկապես հաշվի առնելով, որ Թյուրինգի նկարագրությունը մեքենայի հետ գրամեքենայի միջոցով փոխազդեցության մասին աննշան սահմանափակում է։ Նույն եզրակացությունը մնում է նույնիսկ այն դեպքում, երբ MC-մեքենան աշխարհի հետ փոխազդում է ավելի բարդ ձևերով՝ ուղիղ տեսողության ապարատի, բնական խոսքի և այլնի միջոցով: Ի վերջո, ավելի բարդ ռեկուրսիվ ֆունկցիան դեռևս մնում է Թյուրինգի հաշվարկելի: Մնում է միայն մեկ խնդիր՝ գտնել այդ անկասկած բարդ ֆունկցիան, որը վերահսկում է մարդու արձագանքը արտաքին միջավայրի ազդեցություններին, այնուհետև գրել ծրագիր (ռեկուրսիվորեն կիրառելի կանոնների մի շարք), որով MS մեքենան կհաշվարկի այս գործառույթը: Այս նպատակները հիմք են հանդիսացել գիտական ​​ծրագիրդասական արհեստական ​​բանականություն.

Առաջին արդյունքները հուսադրող էին

Հնարամիտ ծրագրավորված ծրագրերով MC մեքենաները ցույց տվեցին գործողությունների մի ամբողջ շարք, որոնք, թվում էր, պատկանում են մտքի դրսևորումներին: Նրանք արձագանքում էին բարդ հրամաններին, լուծում էին դժվար թվաբանական, հանրահաշվական և տակտիկական խնդիրներ, խաղացին շաշկի և շախմատ, ապացուցեցին թեորեմներ և վարեցին պարզ երկխոսություն։ Արդյունքները շարունակեցին բարելավվել ավելի մեծ պահեստային սարքերի, ավելի արագ մեքենաների և ավելի հզոր և բարդ ծրագրերի մշակման շնորհիվ: Դասական կամ «ծրագրավորված» AI-ն եղել է շատ կենսունակ և հաջողակ գիտության բնագավառ գրեթե բոլոր տեսակետներից: Կրկնվող հերքումը, որ MC մեքենաները, ի վերջո, կկարողանային մտածել, կարծես թե կողմնակալ և անտեղյակ էր: Հոդվածի վերնագրում դրված հարցի դրական պատասխանի օգտին վկայությունն առավել քան համոզիչ էր թվում։

Իհարկե, որոշ երկիմաստություններ կային։ Նախ, MC մեքենաներն այնքան էլ նման չէին մարդու ուղեղը. Սակայն այստեղ էլ դասական AI-ն պատրաստ ուներ համոզիչ պատասխան. Նախ, ֆիզիկական նյութը, որից պատրաստված է MS մեքենան, ըստ էության, կապ չունի նրա հաշվարկած ֆունկցիայի հետ: Վերջինս ներառված է ծրագրում։ Երկրորդ, մեքենայի ֆունկցիոնալ ճարտարապետության տեխնիկական մանրամասները նույնպես անտեղի են, քանի որ բոլորովին այլ ճարտարապետություններ, որոնք նախատեսված են բոլորովին այլ ծրագրերի հետ աշխատելու համար, այնուամենայնիվ կարող են կատարել նույն մուտքային-ելքային գործառույթը:

Հետևաբար, AI-ի նպատակն էր գտնել մի գործառույթ, որը բնորոշ է մտքին մուտքային և ելքային առումով, ինչպես նաև ստեղծել շատ հնարավոր ծրագրերից ամենաարդյունավետը՝ այս գործառույթը հաշվարկելու համար: Միևնույն ժամանակ ասվել է, որ մարդու ուղեղի կողմից ֆունկցիայի հաշվառման կոնկրետ ձևը նշանակություն չունի։ Սա ավարտում է դասական AI-ի էության նկարագրությունը և հոդվածի վերնագրում առաջադրված հարցին դրական պատասխան տալու հիմքերը:

Կարո՞ղ է արդյոք մեքենան մտածել: Բացասական պատասխանի օգտին եղել են նաև որոշ փաստարկներ։ 1960-ականների ընթացքում ուշագրավ բացասական փաստարկները համեմատաբար հազվադեպ էին: Երբեմն առարկություն է հնչում, որ մտածողությունը ֆիզիկական գործընթաց չէ, և որ այն տեղի է ունենում ոչ նյութական հոգում: Սակայն նման դուալիստական ​​տեսակետը բավականաչափ համոզիչ չէր թվում ո՛չ էվոլյուցիոն, ո՛չ էլ տրամաբանական տեսանկյունից։ Այն զսպող ազդեցություն չի ունեցել AI-ի հետազոտության վրա:

Այլ բնույթի նկատառումները գրավեցին AI մասնագետների շատ ավելի մեծ ուշադրությունը: 1972 թվականին Հյուբերտ Լ. Դրեյֆուսը հրատարակեց մի գիրք, որը խիստ քննադատության էր ենթարկում արհեստական ​​ինտելեկտի համակարգերում ինտելեկտի շքերթի ցուցադրումը: Նա մատնանշեց, որ այս համակարգերը պատշաճ կերպով չեն մոդելավորում իրական մտածողությունը, և բացահայտեց այս բոլորին բնորոշ օրինաչափությունը անհաջող փորձեր. Նրա կարծիքով, մոդելներին բացակայում էր աշխարհի մասին ոչ ֆորմալացված ընդհանուր գիտելիքների այն հսկայական պաշարը, որն ունի ցանկացած մարդ, ինչպես նաև ողջամտությանը բնորոշ կարողություն՝ ապավինելու այս գիտելիքի որոշ բաղադրիչներին՝ կախված փոփոխվող միջավայրի պահանջներից։ . Դրեյֆուսը չէր ժխտում մտածելու ունակ արհեստական ​​ֆիզիկական համակարգ ստեղծելու հիմնարար հնարավորությունը, բայց նա խիստ քննադատում էր այն գաղափարը, որ դրան կարելի է հասնել միայն ռեկուրսիվորեն կիրառվող կանոններով սիմվոլների մանիպուլյացիայի միջոցով:

Արհեստական ​​բանականության մասնագետների, ինչպես նաև բանականության փիլիսոփաների շրջանակներում Դրեյֆուսընկալվում էին հիմնականում որպես անհեռատես և կողմնակալ՝ հիմնվելով հետազոտության այս դեռ շատ երիտասարդ ոլորտին բնորոշ անխուսափելի պարզեցումների վրա։ Թերևս այդ թերություններն իսկապես եղել են, բայց դրանք, իհարկե, ժամանակավոր են եղել։ Կգա ժամանակ, երբ ավելի հզոր մեքենաներն ու ավելի լավ ծրագրերը հնարավորություն կտան ձերբազատվել այս թերություններից։ Թվում էր, թե ժամանակը աշխատում է արհեստական ​​ինտելեկտի համար։ Այսպիսով, այս առարկությունները որևէ նկատելի ազդեցություն չեն ունեցել արհեստական ​​ինտելեկտի ոլորտում հետագա հետազոտությունների վրա:

Սակայն պարզվեց, որ ժամանակն աշխատեց Դրեյֆուս 70-ականների վերջին - 80-ականների սկզբին համակարգիչների արագության և հիշողության աճը շատ չբարձրացրեց նրանց «մտավոր ունակությունները»։ Պարզվեց, օրինակ, որ մեքենայական տեսողության համակարգերում օրինաչափությունների ճանաչումը պահանջում է անսպասելիորեն մեծ քանակությամբ հաշվարկ: Գործնականում վստահելի արդյունքներ ստանալու համար պետք էր ավելի ու ավելի շատ ժամանակ ծախսել համակարգչային ժամանակ՝ զգալիորեն գերազանցելով կենսաբանական տեսողության համակարգի համար նույն առաջադրանքները կատարելու համար պահանջվող ժամանակը: Նման դանդաղ սիմուլյացիայի գործընթացը տագնապալի էր. ի վերջո, համակարգչում ազդանշանները տարածվում են մոտ մեկ միլիոն անգամ ավելի արագ, քան ուղեղում, և համակարգչի կենտրոնական պրոցեսորային միավորի ժամացույցի հաճախականությունը մոտավորապես նույնն է, քան հայտնաբերված տատանումների հաճախականությունը: ուղեղում. Եվ այնուամենայնիվ, իրատեսական առաջադրանքների դեպքում կրիան հեշտությամբ շրջանցում է նապաստակին:

Բացի այդ, իրատեսական խնդիրներ լուծելու համար անհրաժեշտ է, որ համակարգչային ծրագիրը մուտք ունենա չափազանց մեծ տվյալների բազա: Նման տվյալների բազայի ստեղծումն ինքնին արդեն բավականին բարդ խնդիր է, սակայն այն սրվում է մեկ այլ հանգամանքով. ինչպես իրական ժամանակում հասանելիություն ապահովել այս տվյալների բազայի կոնկրետ, համատեքստից կախված հատվածներին: Քանի որ տվյալների բազաները դառնում էին ավելի ու ավելի տարողունակ, մուտքի խնդիրն ավելի էր բարդանում։ Սպառիչ որոնումը չափազանց երկար տևեց, և էվրիստիկական մեթոդները միշտ չէ, որ հաջողվում էին: Դրեյֆուսի արտահայտած մտավախությունները սկսել են կիսել անգամ արհեստական ​​ինտելեկտի ոլորտում աշխատող որոշ փորձագետներ։

Մոտավորապես այս ժամանակ (1980 թ.) Ջոն Սիրլը ներկայացրեց բեկումնային քննադատական ​​հայեցակարգ, որը կասկածի տակ դրեց դասական AI հետազոտության օրակարգի հիմնարար ենթադրությունը, այն է՝ այն գաղափարը, որ կառուցվածքային նշանների ճիշտ մանիպուլյացիան՝ ռեկուրսիվորեն կիրառելով կանոններ, որոնք հաշվի են առնում դրանց կառուցվածքը։ , կարող է կազմել գիտակից մտքի էությունը:

Սիրլի հիմնական փաստարկը հիմնված էր մտքի փորձի վրա, որտեղ նա ցույց է տալիս երկու շատ կարևոր փաստ. Նախ, նա նկարագրում է MC մեքենան, որը (ինչպես մենք պետք է հասկանանք) իրականացնում է մի ֆունկցիա, որը մուտքագրման և ելքի վրա կարող է անցնել Թյուրինգի թեստը զրույցի տեսքով, որը տեղի է ունենում բացառապես չինարենով: Երկրորդ, մեքենայի ներքին կառուցվածքն այնպիսին է, որ անկախ նրանից, թե ինչպիսի վարքագիծ է այն դրսևորում, դիտորդին կասկած չի հարուցում, որ ոչ մեքենան ամբողջությամբ, ոչ էլ դրա որևէ մասը չի հասկանում չինարենը: Այն պարունակում է միայն մի մարդ, ով խոսում է միայն անգլերեն՝ հետևելով հրահանգների մեջ գրված կանոններին, որոնց օգնությամբ պետք է մանիպուլյացիայի ենթարկել նիշերը՝ մտնելով և դուրս գալով դռան փոստարկղից: Մի խոսքով, համակարգը դրականորեն է բավարարում Թյուրինգի թեստը, չնայած այն հանգամանքին, որ այն չունի իրական ըմբռնում չինարեն լեզվի և հաղորդագրությունների իրական իմաստային բովանդակության մասին (տե՛ս Ջ. Սիրլի «The Mind of Brain – a Computer Program?» հոդվածը: »):

Սրանից ընդհանուր եզրակացությունն այն է, որ ցանկացած համակարգ, որը պարզապես շահարկում է ֆիզիկական նշանները կառուցվածքի նկատմամբ զգայուն կանոնների համաձայն, լավագույն դեպքում կլինի իրական գիտակցված մտքի պաթետիկ ծաղրերգություն, քանի որ անհնար է ստեղծել «իրական իմաստաբանություն»՝ պարզապես պտտելով «»-ի կոճակը: դատարկ շարահյուսություն»: Այստեղ պետք է նշել, որ Սիրլը գիտակցության առկայության վարքային (ոչ վարքային) թեստ չի առաջադրում՝ գիտակցական մտքի տարրերը պետք է ունենան իրական իմաստային բովանդակություն։

Սիրլին կշտամբելու գայթակղություն կա այն բանի համար, որ նրա մտքի փորձը համարժեք չէ, քանի որ նրա առաջարկած համակարգը, գործելով «Ռուբիկի խորանարդի» պես, անհեթեթորեն դանդաղ է աշխատելու։ Սակայն Սիրլը պնդում է, որ արագությունն այս դեպքում ոչ մի դեր չի խաղում։ Նա, ով դանդաղ է մտածում, դեռ ճիշտ է մտածում: Մտածողության վերարտադրման համար անհրաժեշտ ամեն ինչ, ըստ դասական AI-ի հայեցակարգի, նրա կարծիքով առկա է «չինական սենյակում»։

Սիրլի հոդվածը խանդավառ արձագանքներ առաջացրեց AI փորձագետների, հոգեբանների և փիլիսոփաների կողմից: Ընդհանուր առմամբ, սակայն, այն արժանացավ նույնիսկ ավելի թշնամական վերաբերմունքի, քան Դրեյֆուսի գիրքը: Իր հոդվածում, որը հրապարակվում է միաժամանակ ամսագրի այս համարում, Սիրլը մի շարք քննադատական ​​փաստարկներ է բերում իր հայեցակարգի դեմ։ Մեր կարծիքով, դրանցից շատերը լեգիտիմ են, հատկապես նրանք, ում հեղինակները ագահորեն «խայծ են վերցնում»՝ պնդելով, որ թեև սենյակից և դրա բովանդակությունից բաղկացած համակարգը սարսափելի դանդաղ է, այն դեռ չինարեն է հասկանում։

Մեզ դուր են գալիս այս պատասխանները, բայց ոչ այն պատճառով, որ կարծում ենք, որ չինական սենյակը չինարեն է հասկանում: Մենք համաձայն ենք Սիրլի հետ, որ նա չի հասկանում նրան: Այս փաստարկների գրավչությունը կայանում է նրանում, որ դրանք արտացոլում են Սիրլի փաստարկի ամենակարևոր երրորդ աքսիոմը չընդունելը. «շարահյուսությունն ինքնին իմաստաբանություն չի կազմում և բավարար չէ իմաստաբանության գոյության համար»: Այս աքսիոմը կարող է ճշմարիտ լինել, բայց Սիրլը չի ​​կարող արդարացիորեն պնդել, որ նա դա հաստատ գիտի: Ավելին, ենթադրել, որ դա ճիշտ է, նշանակում է հարց տալ, թե արդյոք դասական AI հետազոտության ծրագիրը հիմնավոր է, քանի որ այս ծրագիրը հիմնված է այն շատ հետաքրքիր ենթադրության վրա, որ եթե մենք կարողանանք միայն գործի դնել համապատասխան կառուցվածքային գործընթաց, մի տեսակ շարահյուսական տարրերի ներքին պար՝ ճիշտ կապված մուտքերի ու ելքերի հետ, ապա կարող ենք ստանալ մարդուն բնորոշ մտքի նույն վիճակներն ու դրսևորումները։

Այն, որ Սիրլի երրորդ աքսիոմը իսկապես առաջացնում է այս հարցը, ակնհայտ է դառնում, երբ այն ուղղակիորեն համեմատում ենք նրա առաջին եզրակացության հետ. «Ծրագրերը հայտնվում են որպես մտքի էություն, և նրանց ներկայությունը բավարար չէ մտքի առկայության համար»: Դժվար չէ տեսնել, որ նրա երրորդ աքսիոմն արդեն իսկ կրում է դրա հետ գրեթե նույնական եզրակացության 90%-ը։ Ահա թե ինչու Սիրլի մտքի փորձը հատուկ նախագծված է երրորդ աքսիոմին աջակցելու համար: Սա է չինական սենյակի ամբողջ իմաստը:

Թեև չինական սենյակի օրինակը գրավիչ է դարձնում 3-րդ աքսիոմը չնախաձեռնվածների համար, մենք չենք կարծում, որ այն ապացուցում է այս աքսիոմի վավերականությունը, և այս օրինակի ձախողումը ցույց տալու համար որպես օրինակ առաջարկում ենք մեր զուգահեռ օրինակը։ Հաճախ մեկ լավ օրինակը, որը հերքում է վիճելի պնդումը, շատ ավելի լավ է պարզաբանում իրավիճակը, քան տրամաբանական ձեռնածություններով լի մի ամբողջ գիրք:

Գիտության պատմության մեջ թերահավատության բազմաթիվ օրինակներ են եղել, ինչպիսին մենք տեսնում ենք Սիրլի պատճառաբանության մեջ։ XVIII դ. Իռլանդացի եպիսկոպոս Ջորջ Բերքլին աներևակայելի համարեց, որ օդի սեղմման ալիքներն ինքնին կարող են լինել ձայնային երևույթների էությունը կամ դրանց գոյության համար բավարար գործոն։ Անգլիացի բանաստեղծ և նկարիչ Ուիլյամ Բլեյքը և գերմանացի բնագետ Յոհան Գյոթեն աներևակայելի համարեցին, որ նյութի փոքր մասնիկները կարող են լինել լույսի օբյեկտիվ գոյության համար բավարար էություն կամ գործոն։ Նույնիսկ այս դարում եղել են մարդիկ, ովքեր չեն կարողացել պատկերացնել այդ անշունչ նյութն ինքնին, անկախ նրանից, թե որքան բարդ է դրա կազմակերպվածությունը, կարող է լինել օրգանական էություն կամ կյանքի բավարար պայման: Ակնհայտ է, որ այն, ինչ մարդիկ կարող են կամ չեն կարող պատկերացնել, հաճախ ոչ մի կապ չունի իրականում գոյություն ունեցող կամ գոյություն չունեցող իրականության հետ: Սա ճիշտ է նույնիսկ այն դեպքում, երբ խոսքը վերաբերում է շատ բարձր ինտելեկտով մարդկանց:

Տեսնելու համար, թե այս պատմական դասերը ինչպես կարող են կիրառվել Սիրլի դատողության վրա, եկեք արհեստական ​​զուգահեռ կիրառենք նրա տրամաբանության մեջ և ամրապնդենք այս զուգահեռը մտքի փորձով։

Աքսիոմա 1. Էլեկտրականությունը և մագնիսականությունը ֆիզիկական ուժեր են:

Աքսիոմա 2. Լույսի էական հատկությունը պայծառությունն է:

Աքսիոմ 3. Ինքնին ուժերը հայտնվում են որպես փայլի էֆեկտի էություն և բավարար չեն դրա առկայության համար:

Եզրակացություն 1. Էլեկտրականությունը և մագնիսականությունը լույսի էությունը չեն և բավարար չեն դրա առկայության համար:

Ենթադրենք, որ այս պատճառաբանությունը հրապարակվել է քիչ անց James K. Maxwell 1864-ին առաջարկեց, որ լույսը և էլեկտրամագնիսական ալիքները նույնական են, բայց մինչ աշխարհում լույսի հատկությունների և էլեկտրամագնիսական ալիքների հատկությունների համակարգված զուգահեռները լիովին գիտակցված էին աշխարհում: Վերոնշյալ տրամաբանական հիմնավորումը կարող է թվալ որպես համոզիչ առարկություն Մաքսվելի համարձակ վարկածի դեմ, հատկապես եթե ուղեկցվում է հետևյալ մեկնաբանությամբ՝ ի պաշտպանություն Աքսիոմ 3-ի։

Դիտարկենք մի մութ սենյակ, որտեղ կա մարդ, ում ձեռքում մշտական ​​մագնիս է կամ լիցքավորված առարկա: Եթե ​​մարդը սկսում է մագնիսը շարժել վեր ու վար, ապա, ըստ Մաքսվելի արհեստական ​​լուսավորության տեսության (AI), մագնիսի միջից էլեկտրամագնիսական ալիքների տարածվող գունդ է առաջանալու, և սենյակը ավելի պայծառ կդառնա։ Բայց, ինչպես բոլորը, ովքեր փորձել են խաղալ մագնիսներով կամ լիցքավորված գնդակներով, լավ գիտեն, նրանց ուժերը (և այդ դեպքում՝ ցանկացած այլ ուժ), նույնիսկ երբ այդ առարկաները շարժման մեջ են, որևէ փայլ չեն ստեղծում: Հետևաբար, աներևակայելի է թվում, որ մենք կարող ենք իրական փայլուն էֆեկտի հասնել պարզապես ուժերը շահարկելու միջոցով:

Էլեկտրամագնիսական ուժերի տատանումները թեթև են, չնայած այն մագնիսը, որով մարդը շարժվում է, ոչ մի փայլ չի տալիս: Նմանապես, սիմվոլների մանիպուլյացիան ըստ որոշակի կանոնների կարող է ներկայացնել ինտելեկտը, չնայած կանոնների վրա հիմնված համակարգը, որը հայտնաբերվել է Searle's China Room-ում, կարծես թե չունի իրական հասկացողություն:

Ի՞նչ կարող էր պատասխանել Մաքսվելը, եթե այս մարտահրավերը նետվեր նրան:

Նախ, նա կարող էր պնդել, որ «լուսավոր սենյակի» փորձը մեզ մոլորեցնում է տեսանելի լույսի հատկությունների մասին, քանի որ մագնիսի թրթռման հաճախականությունը չափազանց ցածր է՝ անհրաժեշտից մոտ 1015 անգամ պակաս: Դրան կարող է հետևել անհամբեր պատասխանը, որ հաճախականությունն այստեղ որևէ դեր չի խաղում, որ տատանվող մագնիսով սենյակն արդեն պարունակում է այն ամենը, ինչ անհրաժեշտ է փայլի էֆեկտի դրսևորման համար՝ լիովին համապատասխան Մաքսվելի տեսությանը։

Իր հերթին Մաքսվելկարող էր «խայծը վերցնել»՝ միանգամայն իրավացիորեն պնդելով, որ սենյակն արդեն լցված է լուսավորությամբ, բայց այս լուսավորության բնույթն ու ուժն այնպիսին է, որ մարդն ի վիճակի չէ տեսնել այն։ (Մարդու կողմից մագնիսը տեղափոխելու ցածր հաճախականության պատճառով առաջացած էլեկտրամագնիսական ալիքների երկարությունը չափազանց մեծ է, իսկ ինտենսիվությունը՝ չափազանց ցածր, որպեսզի մարդու աչքը արձագանքի դրանց:) Այնուամենայնիվ, հաշվի առնելով այս երևույթների ընկալման մակարդակը: Դիտարկվող ժամանակաշրջանում (անցյալ դարի 60-ական թթ.) նման բացատրությունը հավանաբար ծիծաղի ու ծաղրական արտահայտությունների առիթ կտար։ Փայլուն սենյակ! Բայց ներեցեք ինձ, պարոն Մաքսվել, այնտեղ լրիվ մութ է։

Այսպիսով, մենք տեսնում ենք, որ աղքատները Մաքսվելպետք է դժվար լինի: Նրան մնում է միայն պնդել հետեւյալ երեք կետերը. Նախ, վերը նշված պատճառաբանության 3-րդ աքսիոմը ճիշտ չէ: Իրոք, չնայած այն հանգամանքին, որ ինտուիտիվորեն դա բավականին հավանական է թվում, մենք ակամա հարց ենք բարձրացնում դրա մասին։ Երկրորդ, շիկացած սենյակի փորձը մեզ ոչ մի հետաքրքիր բան ցույց չի տալիս լույսի ֆիզիկական բնույթի վերաբերյալ: Եվ երրորդը, որպեսզի իսկապես լուծենք լույսի խնդիրը և արհեստական ​​լույսի հնարավորությունը, մեզ անհրաժեշտ է հետազոտական ​​ծրագիր, որը թույլ կտա մեզ պարզել, թե արդյոք համապատասխան պայմաններում էլեկտրամագնիսական ալիքների վարքագիծը լիովին նույնական է լույսի վարքագծին: Նույն պատասխանը պետք է տա ​​դասական արհեստական ​​ինտելեկտը Սիրլի պատճառաբանությանը։ Թեև Սերլի չինական սենյակը կարող է թվալ «իմաստային առումով մութ», նա քիչ պատճառ ունի պնդելու, որ խորհրդանիշների շահարկումը, որը կատարվում է որոշակի կանոնների համաձայն, երբեք չի կարող առաջացնել իմաստային երևույթներ, հատկապես որ մարդիկ դեռևս վատ տեղեկացված են և սահմանափակվում են միայն հասկացողությամբ: լեզուն.ողջախոհ մակարդակը այդ իմաստային և հոգեկան երևույթներորոնք բացատրության կարիք ունեն։ Այս բաների ըմբռնումից օգտվելու փոխարեն՝ Սիրլը իր հիմնավորումներում ազատորեն օգտագործում է մարդկանց մեջ նման ըմբռնման բացակայությունը։

Արտահայտելով Սիրլի հիմնավորման վերաբերյալ մեր քննադատությունը՝ վերադառնանք այն հարցին, թե արդյոք դասական AI ծրագիրը իրական հնարավորություն ունի լուծելու գիտակցված մտքի խնդիրը և ստեղծելու մտածող մեքենա։ Մենք կարծում ենք, որ այստեղ հեռանկարները պայծառ չեն, բայց մեր կարծիքը հիմնված է պատճառների վրա, որոնք սկզբունքորեն տարբերվում են Searle-ի օգտագործածներից: Մենք հիմնվում ենք դասական AI հետազոտական ​​ծրագրի կոնկրետ ձախողումների և մի շարք դասերի վրա, որոնք կենսաբանական ուղեղը մեզ սովորեցրել է հաշվողական մոդելների նոր դասի միջոցով, որոնք մարմնավորում են դրա կառուցվածքի որոշ հատկություններ: Մենք արդեն նշել ենք դասական AI-ի ձախողումները այն խնդիրների լուծման հարցում, որոնք արագ և արդյունավետ լուծում են ուղեղը։ Գիտնականներն աստիճանաբար գալիս են համաձայնության, որ այս խափանումները պայմանավորված են MS մեքենաների ֆունկցիոնալ ճարտարապետության հատկություններով, որոնք պարզապես պիտանի չեն իր առջեւ դրված բարդ խնդիրները լուծելու համար։

Այն, ինչ մենք պետք է իմանանք, այն է, թե ինչպես է ուղեղը հասնում մտածողության էֆեկտին: Հակադարձ ճարտարագիտությունը ճարտարագիտության մեջ տարածված տեխնիկա է: Երբ նոր տեխնոլոգիա է հայտնվում շուկայում, մրցակիցները պարզում են, թե ինչպես է այն աշխատում՝ բաժանելով այն և փորձելով գուշակել այն սկզբունքը, որի վրա հիմնված է: Ուղեղի դեպքում այս մոտեցումն անսովոր դժվար է իրականացնել, քանի որ ուղեղն ամենաբարդ բանն է մոլորակի վրա։ Այնուամենայնիվ, նեյրոֆիզիոլոգներին հաջողվել է բացահայտել ուղեղի բազմաթիվ հատկություններ կառուցվածքային տարբեր մակարդակներում։ Երեք անատոմիական առանձնահատկություններ այն հիմնովին տարբերում են ավանդական էլեկտրոնային համակարգիչների ճարտարապետությունից:

Նախ, նյարդային համակարգը զուգահեռ մեքենա է, այն իմաստով, որ ազդանշանները միաժամանակ մշակվում են միլիոնավոր տարբեր ձևերով։ Օրինակ, աչքի ցանցաթաղանթը բարդ մուտքային ազդանշան է փոխանցում ուղեղին ոչ թե 8, 16 կամ 32 տարրերից բաղկացած խմբաքանակներով, ինչպես աշխատասեղան համակարգիչը, այլ գրեթե մեկ միլիոն առանձին տարրերից բաղկացած ազդանշանի տեսքով, որոնք միաժամանակ հասնում են ուղեղին: օպտիկական նյարդի վերջը (կողային գենետիկ մարմին), որից հետո դրանք նույնպես միաժամանակ, մեկ քայլով, մշակվում են ուղեղի կողմից։ Երկրորդ՝ ուղեղի տարրական «մշակող սարքը»՝ նեյրոնը, համեմատաբար պարզ է։ Նաև մուտքային ազդանշանին նրա արձագանքը անալոգային է, ոչ թե թվային, այն իմաստով, որ ելքային ազդանշանի հաճախականությունը շարունակաբար փոխվում է մուտքային ազդանշանների հետ:

Երրորդ,ուղեղում, բացի նեյրոնների մի խմբից մյուսը տանող աքսոններից, մենք հաճախ հայտնաբերում ենք աքսոններ, որոնք տանում են հակառակ ուղղությամբ: Վերադարձի այս գործընթացները թույլ են տալիս ուղեղին կարգավորել զգայական տեղեկատվության մշակման ձևը: Նույնիսկ ավելի կարևոր է այն փաստը, որ իրենց գոյության շնորհիվ ուղեղը իսկապես դինամիկ համակարգ է, որտեղ շարունակաբար պահպանվող վարքը բնութագրվում է ինչպես շատ բարձր բարդությամբ, այնպես էլ ծայրամասային գրգռիչներից հարաբերական անկախությամբ: Պարզեցված ցանցային մոդելները օգտակար դեր են խաղացել իրական նեյրոնային ցանցերի աշխատանքի մեխանիզմների և զուգահեռ ճարտարապետությունների հաշվողական հատկությունների ուսումնասիրության մեջ։ Դիտարկենք, օրինակ, եռաշերտ մոդելը, որը բաղկացած է նեյրոնանման տարրերից, որոնք ունեն աքսոնանման կապեր հաջորդ մակարդակի տարրերի հետ: Մուտքային խթանը հասնում է տվյալ մուտքային տարրի ակտիվացման շեմին, որն իր «աքսոնի» երկայնքով համաչափ ուժի ազդանշան է ուղարկում թաքնված շերտի տարրերի բազմաթիվ «սինապտիկ» վերջավորություններին։ Ընդհանուր ազդեցությունն այն է, որ մուտքային տարրերի մի շարք ազդանշանների ակտիվացման որոշակի օրինաչափություն առաջացնում է ազդանշանների որոշակի օրինաչափություն մի շարք թաքնված տարրերի վրա:

Նույնը կարելի է ասել ելքային տարրերի մասին։ Նմանապես, ակտիվացնող ազդանշանների կոնֆիգուրացիան թաքնված շերտի հատվածում հանգեցնում է ելքային տարրերի հատվածում ակտիվացման որոշակի օրինաչափության: Ամփոփելով՝ կարելի է ասել, որ դիտարկվող ցանցը ցանկացած մեծ թվով հնարավոր մուտքային վեկտորների (ակտիվացնող ազդանշանների կոնֆիգուրացիաներ) եզակի համապատասխան ելքային վեկտորի վերածելու սարք է։ Այս սարքը նախատեսված է որոշակի գործառույթ հաշվարկելու համար: Որ գործառույթն է այն գնահատում, կախված է սինապտիկ քաշի կառուցվածքի գլոբալ կոնֆիգուրացիայից:

Նյարդային ցանցերը մոդելավորում են ուղեղի միկրոկառուցվածքի հիմնական հատկությունը: Այս եռաշերտ ցանցում մուտքային նեյրոնները (ներքևի ձախ) մշակում են կրակող ազդանշանների օրինաչափությունը (ներքևի աջում) և դրանք կշռադատված կապերի միջոցով փոխանցում թաքնված շերտին։ Թաքնված շերտի տարրերն ամփոփում են իրենց բազմաթիվ մուտքերը՝ ձևավորելու ազդանշանի նոր կոնֆիգուրացիա: Այն փոխանցվում է արտաքին շերտին, որը կատարում է հետագա փոխակերպումներ։ Ընդհանուր առմամբ, ցանցը փոխակերպում է ազդանշանների ցանկացած մուտքային հավաքածու համապատասխան ելքի՝ կախված նեյրոնների միջև կապերի տեղակայությունից և հարաբերական ուժից:

Գոյություն ունեն կշիռների տեղադրման տարբեր ընթացակարգեր, որոնց շնորհիվ կարելի է ցանց ստեղծել, որն ընդունակ է հաշվարկել գրեթե ցանկացած ֆունկցիա (այսինքն՝ ցանկացած փոխակերպում վեկտորների միջև): Իրականում ցանցում հնարավոր է իրականացնել այնպիսի գործառույթ, որը նույնիսկ հնարավոր չէ ձևակերպել, բավական է միայն նրան տալ մի շարք օրինակներ, որոնք ցույց են տալիս, թե ինչ մուտքի և ելքի լարեր կցանկանայինք ունենալ: Այս գործընթացը, որը կոչվում է «սովորել ցանցը», իրականացվում է հաջորդաբար ընտրելով կապերին վերագրված կշիռները, որը շարունակվում է այնքան ժամանակ, մինչև ցանցը սկսի կատարել ցանկալի փոխակերպումները մուտքի վրա՝ ցանկալի ելքը ստանալու համար:

Չնայած ցանցային այս մոդելը մեծապես պարզեցնում է ուղեղի կառուցվածքը, այն դեռ ցույց է տալիս մի քանի կարևոր ասպեկտներ: Նախ, զուգահեռ ճարտարապետությունն ապահովում է կատարողականի հսկայական առավելություն ավանդական համակարգչի նկատմամբ, քանի որ յուրաքանչյուր մակարդակի բազմաթիվ սինապսները միաժամանակ կատարում են բազմաթիվ փոքր հաշվողական գործողություններ՝ շատ ժամանակատար հաջորդական ռեժիմով աշխատելու փոխարեն: Այս առավելությունը դառնում է ավելի ու ավելի նշանակալի, քանի որ յուրաքանչյուր մակարդակում նեյրոնների թիվն ավելանում է: Զարմանալի է, որ տեղեկատվության մշակման արագությունը բացարձակապես կախված չէ յուրաքանչյուր մակարդակի գործընթացում ներգրավված տարրերի քանակից, ոչ էլ նրանց հաշվարկած ֆունկցիայի բարդությունից: Յուրաքանչյուր մակարդակ կարող է ունենալ չորս տարր կամ հարյուր միլիոն; սինապտիկ քաշի կոնֆիգուրացիան կարող է հաշվարկել պարզ միանիշ գումարներ կամ լուծել երկրորդ կարգի դիֆերենցիալ հավասարումներ: Դա կարեւոր չէ. Հաշվարկի ժամանակը կլինի նույնը:

Երկրորդ,Համակարգի զուգահեռ բնույթը դարձնում է այն անզգայուն փոքր սխալների նկատմամբ և տալիս է ֆունկցիոնալ կայունություն. մի քանի հղումների, նույնիսկ նկատելի թվի կորուստը աննշան ազդեցություն ունի ցանցի մնացած մասի կողմից իրականացվող վերափոխման ընդհանուր առաջընթացի վրա:

Երրորդ,Զուգահեռ համակարգը պահում է մեծ քանակությամբ տեղեկատվություն բաշխված ձևով՝ միաժամանակ ապահովելով այս տեղեկատվության ցանկացած հատվածի հասանելիությունը մի քանի միլիվայրկյաններով չափված ժամանակում: Տեղեկատվությունը պահվում է առանձին սինապտիկ կապերի կշիռների որոշակի կոնֆիգուրացիաների տեսքով, որոնք ձևավորվել են նախորդ ուսուցման գործընթացում: Ցանկալի տեղեկատվությունը «ազատվում է», երբ մուտքային վեկտորը անցնում է (և փոխակերպում) այս կապի կոնֆիգուրացիայից:

Զուգահեռ տվյալների մշակումը իդեալական չէ բոլոր տեսակի հաշվարկների համար: Փոքր մուտքային վեկտորով խնդիրներ լուծելիս, որոնք պահանջում են միլիոնավոր արագ կրկնվող ռեկուրսիվ հաշվարկներ, ուղեղը լիովին անօգնական է դառնում, մինչդեռ դասական MS մեքենաները ցուցադրում են իրենց լավագույն հնարավորությունները: Սա հաշվարկների շատ մեծ և կարևոր դաս է, որպեսզի դասական մեքենաները միշտ անհրաժեշտ և նույնիսկ անհրաժեշտ լինեն: Այնուամենայնիվ, կա հաշվարկների նույնքան լայն դաս, որոնց համար ուղեղի ճարտարապետությունը լավագույն տեխնիկական լուծումն է: Սրանք հիմնականում այն ​​հաշվարկներն են, որոնց սովորաբար բախվում են կենդանի օրգանիզմները. ակնթարթորեն հիշել իր հայացքին ճիշտ արձագանքը, փախչելու ճանապարհը, երբ մոտենում է կամ պաշտպանվում, երբ հարձակվում են. տարբերակել ուտելի և անուտելի իրերը, սեռական գործընկերների և այլ կենդանիների միջև. վարքի ընտրություն բարդ և անընդհատ փոփոխվող ֆիզիկական կամ սոցիալական միջավայրում. և այլն:

Վերջապես, շատ կարևոր է նշել, որ նկարագրված զուգահեռ համակարգը չի մանիպուլյացիայի ենթարկում խորհրդանիշները կառուցվածքային կանոնների համաձայն: Ավելի շուտ, սիմվոլների մանիպուլյացիան շատ այլ «խելացի» հմտություններից մեկն է, որը ցանցը կարող է սովորել կամ չսովորել: Կանոնների վրա հիմնված սիմվոլների մանիպուլյացիան ցանցի գործունեության հիմնական ձևը չէ: Searle-ի հիմնավորումն ուղղված է կանոններով կառավարվող MC մեքենաների դեմ. Այսպիսով, մեր նկարագրած տիպի վեկտորային փոխակերպման համակարգերը դուրս են գալիս նրա չինական սենյակի փաստարկի շրջանակից, նույնիսկ եթե այն վավերական լիներ, ինչը մենք կասկածելու այլ անկախ պատճառներ ունենք:

Սիրլին տեղյակ է զուգահեռ պրոցեսորների մասին, սակայն, նրա կարծիքով, դրանք նույնպես զուրկ կլինեն իրական իմաստային բովանդակությունից։ Այս առումով նրանց անխուսափելի թերարժեքությունը ցույց տալու համար նա նկարագրում է երկրորդ մտքի փորձը, այս անգամ զուգահեռ ցանցում կազմակերպված մարդկանցով լցված չինական մարզասրահով: Նրա պատճառաբանության հետագա ընթացքը նման է չինական սենյակի հիմնավորմանը։

Մեր կարծիքով, այս երկրորդ օրինակն այնքան հաջող ու համոզիչ չէ, որքան առաջինը։ Նախ, այն փաստը, որ համակարգի ոչ մի տարր չի հասկանում չինարեն, որևէ դեր չի խաղում, քանի որ նույնը ճիշտ է մարդու նյարդային համակարգի հետ կապված. իմ ուղեղում ոչ մի նեյրոն չի հասկանում. Անգլերեն, չնայած ուղեղն ամբողջությամբ հասկանում է. Սիրլը շարունակում է ասել, որ իր մոդելը (մեկ մարդ յուրաքանչյուր նեյրոնին գումարած մեկ արագ ոտքով տղա յուրաքանչյուր սինապտիկ կապի համար) կպահանջի առնվազն 1014 մարդ, քանի որ մարդու ուղեղը պարունակում է 1011 նեյրոն, որոնցից յուրաքանչյուրը միջինը 103 կապ ունի: Այսպիսով, նրա համակարգը կպահանջի 10000 աշխարհների բնակչություն, ինչպիսին մեր Երկիրն է: Ակնհայտ է, որ մարզադահլիճը հեռու է քիչ թե շատ համարժեք մոդել տեղավորելու հնարավորությունից:

Մյուս կողմից, եթե նման համակարգը դեռ հնարավոր լիներ հավաքել համապատասխան տիեզերական մասշտաբով, բոլոր կապերը ճշգրիտ մոդելավորած, մենք կունենայինք հսկայական, դանդաղ, տարօրինակ ձևավորված, բայց դեռ գործող ուղեղ: Այս դեպքում, իհարկե, բնական է ակնկալել, որ ճիշտ ներդրմամբ նա կմտածի, և ոչ թե հակառակը, որ ունակ չէ դրան։ Չի կարելի երաշխավորել, որ նման համակարգի գործարկումը կներկայացնի իրական մտածողություն, քանի որ վեկտորի մշակման տեսությունը կարող է համարժեք կերպով չարտացոլել ուղեղի աշխատանքը: Բայց նույն կերպ մենք ապրիորի երաշխիք չունենք, որ նա չի մտածի։ Սիրլը ևս մեկ անգամ սխալմամբ նույնացնում է սեփական (կամ ընթերցողի) երևակայության ներկայիս սահմանները օբյեկտիվ իրականության սահմանների հետ։

Ուղեղ

Ուղեղը համակարգչի տեսակ է, թեև նրա հատկությունների մեծ մասը դեռևս անհայտ է։ Ուղեղը որպես համակարգիչ բնութագրելը այնքան էլ հեշտ չէ, և նման փորձը չպետք է շատ անլուրջ վերաբերվի: Ուղեղը կատարում է հաշվողական ֆունկցիաներ, բայց ոչ այնպես, ինչպես դասական արհեստական ​​ինտելեկտով լուծվող կիրառական առաջադրանքներում: Երբ մենք խոսում ենք մեքենայի մասին որպես համակարգչի մասին, մենք նկատի չունենք հաջորդական թվային համակարգիչ, որը պետք է ծրագրավորվի, և որն ունի հստակ տարանջատում ծրագրային ապահովման և սարքաշարի միջև. ոչ էլ նկատի ունենք, որ այս համակարգիչը շահարկում է խորհրդանիշները կամ հետևում է որոշակի կանոնների: Ուղեղը սկզբունքորեն այլ տեսակի համակարգիչ է:

Թե ինչպես է ուղեղը գրավում տեղեկատվության իմաստային բովանդակությունը, դեռ հայտնի չէ, սակայն պարզ է, որ այս խնդիրը շատ ավելի է դուրս գալիս լեզվաբանությունից և չի սահմանափակվում միայն մարդկանցով, որպես տեսակ: Թարմ հողի մի փոքրիկ շերտ, և՛ մարդու, և՛ կոյոտի համար նշանակում է, որ ինչ-որ տեղ մոտակայքում կա գոֆեր. արձագանքը որոշակի սպեկտրային բնութագրերով նշանակում է չղջիկցեցի առկայությունը. Իմաստի ձևավորման տեսություն մշակելու համար մենք պետք է ավելին իմանանք այն մասին, թե ինչպես են նեյրոնները կոդավորում և փոխակերպում զգայական ազդանշանները, հիշողության, ուսուցման և հույզերի նյարդային հիմքը, ինչպես նաև այս գործոնների և շարժիչ համակարգի փոխհարաբերությունները: Իմաստի ըմբռնման նեյրոգիտության վրա հիմնված տեսությունը կարող է նույնիսկ պահանջել մեր ինտուիցիաները, որոնք այժմ այնքան անսասան են թվում մեզ, և որոնք Սիրլն այդքան ազատորեն օգտագործում է իր դատողություններում: Նման վերանայումները հազվադեպ չեն գիտության պատմության մեջ։

Կարո՞ղ է գիտությունը ստեղծել արհեստական ​​ինտելեկտ՝ օգտագործելով այն, ինչ հայտնի է նյարդային համակարգի մասին: Մենք հիմնարար խոչընդոտներ չենք տեսնում այս ճանապարհին: Սիրլը, իբր, համաձայն է, բայց նախազգուշացումով. «Ցանկացած այլ համակարգ, որը կարող է ինտելեկտ ստեղծել, պետք է ունենա պատճառահետևանքային հատկություններ (առնվազն) համարժեք ուղեղի համապատասխան հատկություններին»: Հոդվածի վերջում մենք կքննարկենք այս հայտարարությունը: Մենք կարծում ենք, որ Սիրլը չի ​​պնդում, որ հաջողակ AI համակարգը պետք է անպայման ունենա ուղեղի բոլոր պատճառահետևանքային հատկությունները, ինչպիսիք են հոտը հոտելու ունակությունը, վիրուսներ կրելու ունակությունը, ծովաբողկի պերօքսիդազի ազդեցության տակ դեղին դառնալու ունակությունը և այլն: Լիարժեք համապատասխանություն պահանջելը նման կլինի արհեստական ​​օդանավից ձու ածելու խնդրանքին:

Նա, հավանաբար, նկատի ուներ միայն այն պահանջը, որ արհեստական ​​միտքն ունենա բոլոր պատճառահետևանքային հատկությունները, որոնք, ինչպես ինքն էր ասում, պատկանում են գիտակից մտքին: Այնուամենայնիվ, կոնկրետ որո՞նք են: Եվ ահա մենք կրկին վերադառնում ենք վեճին, թե ինչն է պատկանում գիտակից մտքին և ինչը` ոչ: Սա պարզապես վիճելու տեղն է, բայց ճշմարտությունն այս դեպքում պետք է պարզել էմպիրիկ եղանակով. փորձեք և տեսեք, թե ինչ կլինի: Քանի որ մենք այդքան քիչ բան գիտենք այն մասին, թե կոնկրետ ինչ է մտքի գործընթացն ու իմաստաբանությունը, ցանկացած որոշակիություն այն մասին, թե որ հատկություններն են տեղին այստեղ, վաղաժամ կլիներ: Սիրլը մի քանի անգամ ակնարկում է, որ յուրաքանչյուր մակարդակ, ներառյալ կենսաքիմիան, պետք է ներկայացված լինի ցանկացած մեքենայում, որը պնդում է, որ արհեստական ​​ինտելեկտ է: Ակնհայտ է, որ սա չափազանց ուժեղ պահանջ է: Արհեստական ​​ուղեղը կարող է հասնել նույն էֆեկտին՝ առանց կենսաքիմիական մեխանիզմների օգտագործման։

Այս հնարավորությունը ցույց է տրվել Կալիֆորնիայի տեխնոլոգիական ինստիտուտի Ք.Միդի ուսումնասիրություններում: Միդը և նրա գործընկերները անալոգային միկրոէլեկտրոնային սարքեր են օգտագործել՝ արհեստական ​​ցանցաթաղանթ և արհեստական ​​կոխլեա ստեղծելու համար։ (Կենդանիների մոտ ցանցաթաղանթն ու կոխլեան պարզապես փոխարկիչներ չեն. երկու համակարգերում էլ կատարվում է բարդ զուգահեռ մշակում): դրանք իրական տեղեկատվության մշակման տարրեր են, որոնք իրական ժամանակում արձագանքում են իրական ազդակներին՝ լույսը՝ ցանցաթաղանթի դեպքում, ձայնը՝ կոխլեայի դեպքում: Սարքի դիզայնը հիմնված է կատվի ցանցաթաղանթի և գոմի բուի կոխլեայի հայտնի անատոմիական և ֆիզիոլոգիական հատկությունների վրա, և դրանց արդյունքը չափազանց մոտ է իրենց մոդելավորած օրգանների հայտնի արդյունքներին:

Այս միկրոսխեմաները չեն օգտագործում որևէ նեյրոհաղորդիչ, հետևաբար նեյրոհաղորդիչներն անհրաժեշտ չեն ցանկալի արդյունքների հասնելու համար: Իհարկե, մենք չենք կարող ասել, որ արհեստական ​​ցանցաթաղանթը տեսնում է ինչ-որ բան, քանի որ դրա ելքը չի գնում արհեստական ​​թալամուս կամ ուղեղային ծառի կեղև և այլն: Հնարավո՞ր է արդյոք Mead ծրագրի միջոցով մի ամբողջ արհեստական ​​ուղեղ կառուցել, բայց դեռևս հայտնի չէ: ներկա Մենք չունենք ապացույցներ, որ համակարգում կենսաքիմիական մեխանիզմների բացակայությունը այս մոտեցումն անիրատեսական է դարձնում:

Նյարդային համակարգը ընդգրկում է կազմակերպությունների մի ամբողջ շրջանակ՝ նյարդային հաղորդիչի մոլեկուլներից (ներքևում) մինչև ամբողջ ուղեղը և ողնուղեղը: Միջանկյալ մակարդակները պարունակում են առանձին նեյրոններ և նեյրոնային սխեմաներ, ինչպիսիք են նրանք, որոնք իրականացնում են տեսողական խթանների ընկալման ընտրողականությունը (կենտրոնում), և բազմաթիվ սխեմաներից բաղկացած համակարգեր, որոնք նման են խոսքի գործառույթներին (վերևի աջ): Միայն հետազոտության միջոցով կարելի է հաստատել, թե արհեստական ​​համակարգը որքան սերտորեն է կարողանում վերարտադրել խելք ունեցող կենսաբանական համակարգերը:

Ինչպես Սիրլին, մենք մերժում ենք Թյուրինգի թեստը՝ որպես գիտակից մտքի առկայության բավարար չափանիշ։ Մի մակարդակում մենք ունենք նման պատճառներ դա անելու համար. մենք համաձայն ենք, որ շատ կարևոր է, թե ինչպես է իրականացվում մուտքային-ելքով սահմանված գործառույթը. Կարևոր է, որ մեքենայում տեղի ունենան ճիշտ գործընթացներ: Մեկ այլ մակարդակում մենք առաջնորդվում ենք բոլորովին այլ նկատառումներով։ Սիրլն իր դիրքորոշումը հիմնավորում է իմաստային բովանդակության առկայության կամ բացակայության վրա՝ ողջախոհության ինտուիցիաների վրա։ Մեր տեսակետը հիմնված է դասական MS մեքենաների կոնկրետ խափանումների և մեքենաների հատուկ արժանիքների վրա, որոնց ճարտարապետությունն ավելի մոտ է ուղեղի կառուցվածքին: Այս տարբեր տեսակի մեքենաների համեմատությունը ցույց է տալիս, որ որոշ հաշվողական ռազմավարություններ ունեն վիթխարի և որոշիչ առավելություն մյուսների նկատմամբ՝ բնորոշ մտավոր առաջադրանքների առումով: Էմպիրիկորեն հաստատված այս առավելությունները կասկածներ չեն հարուցում։ Ակնհայտ է, որ ուղեղը համակարգված կերպով օգտվում է այս հաշվողական առավելություններից: Այնուամենայնիվ, դա անպայմանորեն միակ ֆիզիկական համակարգը չէ, որը կարող է օգտվել դրանցից: Ոչ կենսաբանական, բայց ըստ էության զուգահեռ մեքենայի մեջ արհեստական ​​ինտելեկտ ստեղծելու գաղափարը մնում է շատ գայթակղիչ և բավականին խոստումնալից:

Ես պատրաստվում եմ մտածել, թե արդյոք մեքենաները կարող են մտածել: Բայց դրա համար նախ պետք է սահմանել «մեքենա» և «մտածել» տերմինների իմաստը։ Այս սահմանումները հնարավոր կլիներ կառուցել այնպես, որ հնարավորինս լավ արտացոլեն այս բառերի սովորական գործածությունը, սակայն նման մոտեցումը հղի է որոշակի վտանգով։ Բանն այն է, որ եթե մենք ուսումնասիրենք «մեքենա» և «մտածել» բառերի իմաստները՝ ուսումնասիրելով, թե ինչպես են սովորաբար սահմանվում այդ բառերը, մեզ համար դժվար կլինի խուսափել այն եզրակացությունից, որ այս բառերի իմաստը և հարցի պատասխանը. «Մեքենաները կարո՞ղ են մտածել»: պետք է փնտրել Gallup-ի հարցաշարի նման վիճակագրական հետազոտության միջոցով: Այնուամենայնիվ, սա ծիծաղելի է: Նման սահմանում տալու փորձի փոխարեն մեր հարցը կփոխարինեմ դրան սերտորեն առնչվող և համեմատաբար հստակ իմաստով բառերով արտահայտված մեկ այլով։

Այս նոր ձևը կարելի է նկարագրել խաղի մեջ, որը մենք կանվանենք «իմիտացիոն խաղ»: Այս խաղը խաղում է երեք հոգի՝ տղամարդ (A), կին (B) և հարց տվող (C), որը կարող է լինել ցանկացած սեռի անձ։ Հարց տվողը խաղի մյուս երկու մասնակիցներից բաժանվում է այն սենյակի պատերով, որտեղ նա գտնվում է։ Հարց տվողի խաղի նպատակն է որոշել, թե խաղի մյուս երկու խաղացողներից ով է տղամարդ (A) և որը կին (B): Նա նրանց ճանաչում է որպես X և Y, և խաղի վերջում ասում է կամ «X-ը A-ն է, և Y-ը B-ն է», կամ «X-ը B-ն է, և Y-ը A-ն է»: Նրան թույլատրվում է հարցեր տալ, ինչպիսիք են.

S. «Ես կխնդրեմ X-ին ասել ինձ իր (կամ նրա) մազերի երկարությունը»:

Հիմա ենթադրենք, որ X-ն իրականում A է: Այդ դեպքում A-ն պետք է տա ​​պատասխանը: A-ի համար խաղի նպատակն է խրախուսել C-ին սխալ եզրակացության գալ: Այսպիսով, նրա պատասխանը կարող է լինել այսպիսին.

«Իմ մազերը կարճ են կտրված, իսկ ամենաերկար թելերը մոտ ինը դյույմ երկարություն ունեն»։

Որպեսզի հարց տվողը չկարողացավ ձայնով որոշել, թե խաղի մյուս երկու մասնակիցներից ով է տղամարդ, որը կին, հարցերի պատասխանները պետք է տրվեին գրավոր, իսկ ավելի լավ՝ գրամեքենայի վրա։ Իդեալական դեպքը կլինի հեռագրական հաղորդագրությունը երկու սենյակների միջև, որտեղ գտնվում են խաղացողները: Եթե ​​դա հնարավոր չէ անել, ապա պատասխաններն ու հարցերը պետք է փոխանցվեն ինչ-որ միջնորդի կողմից։ Երրորդ խաղացողի՝ կնոջ (B) խաղի նպատակը հարց տվողին օգնելն է: Նրա համար, հավանաբար, լավագույն ռազմավարությունը ճշմարիտ պատասխաններ տալն է: Նա կարող է նաև դիտողություններ անել, օրինակ՝ «Կին, ես, մի՛ լսիր նրան», բայց դրանով ոչնչի չես հասնի, քանի որ տղամարդը նույնպես կարող է նման արտահայտություններ անել։

Եկեք հիմա հարց տանք. «Ի՞նչ կլինի, եթե A-ի փոխարեն այս խաղին մեքենա մասնակցի»: Արդյո՞ք հարց տվողն այս դեպքում կսխալվի այնքան հաճախ, որքան մի խաղում, որտեղ մասնակիցները միայն մարդիկ են: Այս հարցերը կփոխարինեն մեր սկզբնական հարցին՝ «Մեքենաները կարո՞ղ են մտածել»:

II. Խնդրի նոր ձեւակերպման քննադատությունը

Ինչպես հարց ենք տալիս. «Ի՞նչ պատասխան է տալիս խնդրին իր նոր ձևով», կարելի է հարցնել. «Արդյո՞ք խնդիրը արժանի է դիտարկման իր նոր ձևակերպմամբ»։ Այս վերջին հարցը մենք կքննարկենք առանց անորոշ ժամանակով հետաձգելու, որպեսզի հետո չանդրադառնանք դրան։

Մեր խնդրի նոր ձևակերպումն ունի մարդու ֆիզիկական և մտավոր կարողությունների հստակ տարբերակման առավելություն։ Ոչ մի ինժեներ կամ քիմիկոս չի պնդում, որ ստեղծել է այնպիսի նյութ, որը չի տարբերվի մարդու մաշկից: Նման գյուտը մի օր կարող է կատարվել: Բայց նույնիսկ ենթադրելով մարդու մաշկից չտարբերվող նյութ ստեղծելու հնարավորությունը, մենք դեռ զգում ենք, որ դժվար թե իմաստ ունի փորձել «մտածող մեքենան» ավելի մարդանման դարձնել՝ հագցնելով այն նման արհեստական ​​միսով: Խնդրին մեր տված ձևը արտացոլում է այս հանգամանքը այն պայմանով, որ հարց տվողը չի շփվում խաղի մյուս մասնակիցների հետ, չի տեսնում նրանց կամ չի լսում նրանց ձայնը։ Ներդրված չափանիշի որոշ այլ առավելություններ կարելի է ցույց տալ՝ տալով հնարավոր հարցերի և պատասխանների օրինակներ: Օրինակ:

S: Խնդրում եմ, գրեք սոնետ Ֆորթ գետի կամրջի մասին:

A: Ինձ դուրս հանիր այս ամենից: Ես երբեք ստիպված չեմ եղել պոեզիա գրել։

C: Ավելացնել 34,957-ը 70,764-ին:

Ա (մոտ 30 վայրկյան լռում է, հետո պատասխանում է). 105 621։

S: Դուք շախմատ խաղու՞մ եք:

S: Ես միայն թագավոր ունեմ e8-ի վրա և ոչ մի այլ կտոր: Դուք ունեք միայն արքա e6-ում, իսկ ռուկ՝ h1-ում: Ինչպե՞ս եք խաղալու:

A (15 վայրկյան լռությունից հետո) Rh8: Մատթ.

Մեզ թվում է, որ հարց ու պատասխանի մեթոդը հարմար է մարդկային գործունեության գրեթե ցանկացած ոլորտ լուսաբանելու համար, որը մենք ցանկանում ենք դիտարկել: Մենք չենք ուզում մեղադրել մեքենան գեղեցկության մրցույթներում փայլելու անկարողության մեջ, ոչ էլ մեղադրել մարդուն ինքնաթիռի հետ մրցակցությունում պարտվելու համար, խաղի պայմանները այս թերությունները դարձնում են աննշան: Պատասխանողները, եթե գտնում են, որ տեղին են, կարող են պարծենալ իրենց հմայքով, ուժով կամ քաջությամբ, ինչպես ցանկանում են, և հարց տվողը չի կարող դրա գործնական ապացույց պահանջել:

Միգուցե մեր խաղը կարելի է քննադատել այն հիմնավորմամբ, որ դրանում առավելությունները մեծ մասամբ մեքենայի կողմն են: Եթե ​​մարդը փորձեր մեքենա ձեւանալ, ապա, ակնհայտորեն, շատ պաթետիկ տեսք կունենար։ Դանդաղությամբ ու հաշվարկների մեջ անճշտությամբ նա անմիջապես կհանձնվեր իրեն։ Բացի այդ, մեքենան չի՞ կարող անել մի բան, որը պետք է բնութագրվի որպես մտածողություն, բայց որը շատ տարբեր կլինի մարդու արածից: Այս առարկությունը շատ ծանրակշիռ է։ Բայց ի պատասխան դրա՝ կարելի է գոնե ասել, որ եթե դեռ հնարավոր է ներդնել մի մեքենա, որը բավարար կերպով կխաղա իմիտացիայով, ապա այս առարկությունը առանձնապես չպետք է անհանգստանա։

Կարելի է նշել, որ «իմիտացիոն խաղում» չի բացառվում, որ պարզապես մարդու վարքագծի նմանակումը մեքենայի համար լավագույն ռազմավարությունը չի լինի։ Նման դեպք հնարավոր է, բայց չեմ կարծում, որ դա մեզ էապես նոր բանի կտանի։ Ամեն դեպքում, ոչ ոք չի փորձել ուսումնասիրել մեր խաղի տեսությունն այս ուղղությամբ, և մենք կենթադրենք, որ մեքենայի համար լավագույն ռազմավարությունը պատասխաններ տալն է, որը մարդը կտա ճիշտ միջավայրում։

III. Խաղի մեջ ներգրավված մեքենաներ

I բաժնում դրված հարցը լիովին ճշգրիտ չի դառնա, մինչև չհստակեցնենք, թե կոնկրետ ինչ է նշանակում «մեքենա» բառը: Իհարկե, մենք կցանկանայինք, որ խաղի մեջ կարողանանք օգտագործել ցանկացած տեսակի ինժեներական սարքավորում։ Մենք նաև հակված ենք ընդունելու հավանականությունը, որ ինժեները կամ ինժեներների խումբը կարող է կառուցել մի մեքենա, որը կաշխատի, բայց չի կարող բավարար նկարագրություն տալ, թե ինչպես է այն աշխատում, քանի որ նրանց օգտագործած մեթոդը հիմնականում փորձարարական էր: [փորձության և սխալի միջոցով]:Ի վերջո, մենք կցանկանայինք մեքենաների կատեգորիայից բացառել մարդկանց, ովքեր ծնվել են սովորական ձևով: Դժվար է այնպիսի սահմանում կառուցել, որ այն բավարարի այս երեք պայմաններին։ Կարելի է, օրինակ, պահանջել, որ մեքենայի բոլոր նախագծողները լինեն մի սեռի, սակայն իրականում դա բավարար չէ, քանի որ, ըստ երևույթին, հնարավոր է մի ամբողջական անհատ աճեցնել մեկ վերցված բջիջից ( օրինակ) մարդու մաշկից: Դա անելը կլինի կենսաբանական ճարտարագիտության սխրանք, որն արժանի է ամենաբարձր գովասանքի, բայց մենք հակված չենք այս դեպքը դիտարկել որպես «մտածող մեքենայի կառուցում»:

Սա ստիպում է մեզ մտածել հրաժարվելու պահանջից, որ ցանկացած տեսակի տեխնոլոգիա պետք է թույլատրվի խաղի մեջ: Մենք նույնիսկ ավելի հակված ենք այս գաղափարին, քանի որ մեր հետաքրքրությունը «մտածող մեքենաների» նկատմամբ առաջացել է հատուկ տեսակի մեքենայի շնորհիվ, որը սովորաբար կոչվում է «էլեկտրոնային համակարգիչ» կամ «թվային համակարգիչ»: Ուստի մենք թույլ ենք տալիս միայն թվային համակարգիչներին մասնակցել մեր խաղին։

Ալտով Հենրիխ

Կարո՞ղ է մեքենան մտածել

Հենրիխ Ալտով

Կարո՞ղ է արդյոք մեքենան մտածել:

Ես կքննարկեմ հարցը. «Մեքենան կարո՞ղ է մտածել»: Բայց դրա համար նախ պետք է սահմանել «մտածել» տերմինի իմաստը…

Ա. Թյուրինգ. ձգան շղթա:

Շաբաթը երկու անգամ՝ երեկոյան, գրոսմայստերը գալիս էր Կիբեռնետիկայի ինստիտուտ և խաղում էր էլեկտրոնային մեքենայի հետ։

Ընդարձակ ու ամայի սրահում ցածր սեղան էր դրված՝ շախմատի տախտակով, ժամացույցով և կոճակով կառավարման վահանակով։ Գրոսմայստերը նստեց աթոռին, դասավորեց խաղաքարերը և սեղմեց «Սկսել» կոճակը։ Էլեկտրոնային մեքենայի ճակատային մասում վառվեց ցուցիչ լամպերի շարժական խճանկարը: Հետագծման համակարգի ոսպնյակը ուղղված էր շախմատի տախտակ. Հետո փայլատ տախտակի վրա փայլատակեց մի կարճ մակագրություն. Մեքենան կատարեց իր առաջին քայլը.

Բավականին փոքր էր, այս մեքենան։ Գրոսմայստերին երբեմն թվում էր, թե իր դիմաց կանգնած է ամենասովորական սառնարանը։ Բայց այս «սառնարանն» անփոփոխ հաղթեց։ Մեկուկես տարվա ընթացքում գրոսմայստերը հազիվ կարողացավ ոչ-ոքի ավարտել ընդամենը չորս պարտիա։

Մեքենան երբեք չի սխալվել: Ժամանակի ճնշման սպառնալիքը երբեք չէր կախված նրա գլխին: Գրոսմայստերը մեկ անգամ չէ, որ փորձել է տապալել մեքենան՝ միտումնավոր ծիծաղելի քայլ անելով կամ զոհաբերելով մի կտոր։ Արդյունքում նա ստիպված է եղել հապճեպ սեղմել «Հանձնվել» կոճակը։

Գրոսմայստերը ինժեներ էր և փորձեր արեց մեքենայի հետ՝ կատարելագործելու ինքնակազմակերպվող ավտոմատների տեսությունը: Բայց երբեմն նրան զայրացնում էր «սառնարանի» բացարձակ հանգիստը։ Նույնիսկ խաղի կրիտիկական պահերին մեքենան հինգ-վեց վայրկյանից ավելի չէր մտածում։ Հանգիստ թարթելով ցուցիչ լամպերի բազմագույն լույսերը՝ նա գրի առավ հնարավոր ամենաուժեղ քայլը։ Մեքենան կարողացավ ճշգրտումներ կատարել մրցակցի խաղաոճի համար։ Երբեմն նա բարձրացնում էր ոսպնյակը և երկար նայում մարդուն։ Գրոսմայստերն անհանգստացավ ու սխալներ թույլ տվեց...

Օրվա ընթացքում դահլիճ մտավ լուռ լաբորանտը։ Մռայլ, չնայելով մեքենային, նա վերարտադրեց շախմատի տախտակի վրա խաղացած պարտիաները տարբեր ժամանակականավոր շախմատիստներ. «Սառնարանի» ոսպնյակը երկարեց մինչև ձախողումը և կախված էր տախտակի վրա։ Մեքենան չէր նայում լաբորանտին։ Նա անկիրք ձայնագրեց տեղեկությունը։

Փորձը, որի համար ստեղծվել էր շախմատային ավտոմատը, մոտենում էր ավարտին։ Որոշվեց կազմակերպել մարդու և մեքենայի հրապարակային հանդիպում։ Հանդիպումից առաջ գրոսմայստերն էլ ավելի հաճախ սկսեց հայտնվել ինստիտուտում։ Գրոսմայստերը հասկացավ, որ պարտվելը գրեթե անխուսափելի է. Եվ այնուամենայնիվ, նա շատ փնտրեց թույլ կետերըսառնարանի խաղում. Մեքենան, կարծես գուշակելով գալիք մենամարտի մասին, ամեն օր ավելի ու ավելի ուժեղ էր խաղում: Նա կայծակնային արագությամբ բացահայտեց գրոսմայստերի ամենահնարամիտ ծրագրերը։ Նա ջարդեց նրա կտորները հանկարծակի և բացառիկ հարձակումներով...

Խաղի մեկնարկից քիչ առաջ մեքենան տեղափոխվեց շախմատի ակումբ և տեղադրվեց բեմի վրա։ Գրոսմայստերը եկավ ամենավերջին րոպեին։ Նա արդեն զղջացել է, որ համաձայնել է հանդիպմանը։ Տհաճ էր բոլորի աչքի առաջ «սառնարանին» պարտվելը։

Գրոսմայստերը խաղի մեջ դրեց իր ողջ տաղանդն ու ողջ կամքը հաղթելու համար: Նա ընտրեց մի բացվածք, որը դեռ չէր խաղացել մեքենայով, և խաղն անմիջապես սրվեց։

Տասներկուերորդ քայլում գրոսմայստերը մեքենային առաջարկեց եպիսկոպոս՝ գրավի դիմաց։ Նուրբ, նախապես պատրաստված համադրությունը կապված էր եպիսկոպոսի զոհաբերության հետ: Մեքենան մտածեց ինը վայրկյան և մերժեց զոհին: Այդ պահից գրոսմայստերը գիտեր, որ անխուսափելիորեն պարտվելու է։ Այնուամենայնիվ, նա շարունակեց խաղը՝ վստահ, համարձակ, ռիսկային։

Դահլիճում ներկաներից ոչ ոք նման խաղ չէր տեսել։ Սուպեր արվեստ էր։ Բոլորը գիտեին, որ մեքենան միշտ հաղթում է։ Բայց այս անգամ խաղատախտակի դիրքն այնքան արագ ու կտրուկ փոխվեց, որ անհնար էր ասել, թե ով կհաղթի:

Քսանիններորդ քայլից հետո մեքենայի ցուցատախտակի վրա փայլատակեց մակագրությունը. Գրոսմայստերը ապշած նայեց «սառնարանին» ու ստիպեց իրեն սեղմել «Ոչ» կոճակը։ Նրանք կրակեցին՝ վերադասավորելով լույսի նախշը, ցուցիչի լույսերը և զգուշորեն սառեցին:

Տասնմեկերորդ րոպեին նա արեց այն քայլը, որից ամենից շատ վախենում էր գրոսմայստերը։ Հետևեց կտորների արագ փոխանակում։ Գրոսմայստերի դիրքը վատացել է. Սակայն մեքենայի ազդանշանային տախտակի վրա կրկին հայտնվել է «Draw» բառը։ Գրոսմայստերը համառորեն սեղմեց «Ոչ» կոճակը և թագուհուն տարավ գրեթե անհույս հակագրոհի։

Մեքենայի հետագծման համակարգը անմիջապես սկսեց շարժվել։ Ոսպնյակի ապակե աչքը նայում էր տղամարդուն։ Գրոսմայստերը փորձեց չնայել մեքենային.

Աստիճանաբար ցուցիչ լամպերի լուսային խճանկարում սկսեցին գերակշռել դեղին երանգները։ Նրանք ավելի հարստացան, պայծառացան, և վերջապես բոլոր լամպերը մարեցին, բացի դեղիններից: Շախմատի տախտակի վրա ոսկե ճառագայթ ընկավ՝ զարմանալիորեն տաք արևի լույսին։

Լարված լռության մեջ մեծ հսկիչ ժամացույցի սլաքը սեղմեց՝ ցատկելով դիվիզիոնից բաժին։ Մեքենան մտածեց. Նա մտածեց քառասուներեք րոպե, թեև դահլիճում նստած շախմատիստներից շատերը կարծում էին, որ մտածելու ոչ մի առանձնահատուկ բան չկա, և որ ասպետի հետ հարձակվելն անվտանգ է։

Հանկարծ դեղին լույսերը մարեցին։ Ոսպնյակը, անորոշ դողալով, վերցրեց իր սովորական դիրքը։ Կատարված քայլի արձանագրությունը հայտնվեց ցուցատախտակի վրա. մեքենան զգուշորեն շարժեց գրավատուն: Դահլիճում աղմուկ լսվեց. շատերը կարծում էին, որ սա լավագույն քայլը չէր:

Չորս քայլ անց մեքենան ընդունեց պարտությունը:

Գրոսմայստերը, ետ հրելով իր աթոռը, վազեց դեպի մեքենան և կողքի վահանը հրելով բարձրացրեց։ Վահանի տակ հսկիչ մեխանիզմի կարմիր լույսը բռնկվեց ու մարեց։

Սպորտային թերթի թղթակից երիտասարդը բարձրացավ բեմ, որն անմիջապես լցվեց շախմատիստներով։

Կարծես նա պարզապես զիջեց, ինչ-որ մեկը անորոշ ասաց: - Նա այնքան զարմանալի խաղաց, և հանկարծ ...

Դե, գիտե՞ք,- առարկեց հայտնի շախմատիստներից մեկը,- պատահում է, որ մարդն անգամ հաղթական կոմբինացիա չի նկատում։ Մեքենան խաղում էր ամբողջ ուժով, բայց նրա հնարավորությունները սահմանափակ էին։ Միայն և ամեն ինչ:

Գրոսմայստերը դանդաղ իջեցրեց մեքենայի վահանը և դիմեց թղթակցին.

Ուրեմն,- անհամբեր կրկնեց նա՝ բացելով նոթատետրը,- ի՞նչ կարծիքի եք։

Իմ կարծիքը? - հարցրեց գրոսմայստերը: - Ահա սա. հարյուր իններորդ բլոկի ձգան շղթան խափանվել է: Իհարկե, լոմբարդային քայլը ամենաուժեղը չէ։ Բայց հիմա դժվար է ասել՝ որտեղ է պատճառը, որտեղ՝ հետևանքը։ Միգուցե այս ձգան շղթայի պատճառով մեքենան չի նկատել լավագույն քայլը: Կամ գուցե նա իսկապես որոշել է չհաղթել, և դա արժեցել է էլեկտրահարված ձգանները: Ի վերջո, մարդու համար այնքան էլ հեշտ չէ ինքն իրեն կոտրել ...

Բայց ինչո՞ւ է այս թույլ քայլը, ինչո՞ւ պարտվել։ - զարմացել է թղթակիցը։ Եթե ​​մեքենան կարողանար մտածել, այն կձգտի հաղթել:

Գրոսմայստերը թոթվեց ուսերն ու ժպտաց.

Ինչպես ասել... Երբեմն թույլ քայլ անելը շատ ավելի մարդկային է։ Պատրաստ է թռիչքի!

այակը կանգնած էր բարձր ժայռի վրա՝ հեռու ծովի մեջ։ Մարդիկ միայն երբեմն հայտնվում էին փարոսի մոտ՝ ստուգելու ավտոմատ սարքավորումները։ Փարոսից մոտ երկու հարյուր մետր հեռավորության վրա ջրից մի կղզի էր բարձրանում։ Երկար տարիներ նա սկսեց կղզում, ինչպես պատվանդանի վրա, նրանք տեղադրեցին տիեզերանավ, որը վերադարձավ Երկիր հեռավոր թռիչքից հետո: Նման նավերը նորից տիեզերք ուղարկելն իմաստ չուներ։

Ես այստեղ եկա մի ինժեների հետ, ով ղեկավարում էր ամբողջ Սև ծովի ափի փարոսները։ Երբ հասանք փարոսի գագաթին, ինժեները ինձ մեկնեց հեռադիտակը և ասաց.

Փոթորիկ կլինի. Շատ բախտավոր. վատ եղանակից առաջ նա միշտ կենդանանում է:

Կարմրավուն արևը աղոտ շողում էր ալիքների գորշ գագաթների վրա։ Ժայռը կտրեց ալիքները, նրանք շրջվեցին ու աղմկոտ մագլցեցին սայթաքուն, ժանգոտ քարերի վրա։ Հետո խոր հառաչելով փրփրած առվակների պես տարածվեցին՝ ճանապարհ բացելով նոր ալիքների համար։ Հռոմեական լեգեոներներն այսպես առաջ գնացին. առաջին շարքը, հարվածելով, հետ գնաց բաց դասավորության միջով, որն այնուհետ փակվեց և նոր եռանդով անցավ գրոհի։

Հեռադիտակի միջոցով ես լավ տեսնում էի նավը։ Դա շատ հին երկտեղանոց Long Range Reconnaissance աստղանավ էր։ Աղեղի մեջ առանձնանում էին երկու կոկիկ կարկատած անցք։ Խորը փորվածք անցավ կորպուսի երկայնքով։ Ձգողականության ուժեղացման օղակը բաժանվել է երկու մասի և հարթվել: Վաղուց հնացած համակարգի և ինֆրաձայնային օդերևութաբանական դիտարկման կոնաձև որոնողները դանդաղորեն պտտվում էին անիվի տնակի վերևում:

Տեսնես,- ասաց ինժեները,- զգում է, որ փոթորիկ է լինելու։

Ինչ-որ տեղ մի ճայը տագնապից ճչաց, և ծովը արձագանքեց ալիքների ձանձրալի զարկերով։ Մոխրագույն մշուշը, բարձրանալով ծովի վրա, աստիճանաբար պղտորեց հորիզոնը: Քամին ալիքների պայծառ գագաթները քաշեց դեպի ամպերը, իսկ վատ եղանակով ծանրաբեռնված ամպերը իջան դեպի ջուրը։ Երկնքի ու ծովի շփումից պետք է փոթորիկ սկսվեր։

Դե, ես դա դեռ հասկանում եմ,- շարունակեց ինժեները,- արևային մարտկոցները սնուցում են մարտկոցները, իսկ էլեկտրոնային ուղեղը կառավարում է սարքերը: Բայց մնացած ամեն ինչ... Երբեմն թվում է, թե նա մոռանում է երկրի, ծովի, փոթորիկների մասին և սկսում է հետաքրքրվել միայն երկնքով: Դուրս է գալիս ռադիոաստղադիտակ, տեղորոշիչի ալեհավաքները օր ու գիշեր պտտվում են... Կամ մեկ այլ բան: Հանկարծ ինչ-որ խողովակ է բարձրանում և սկսում նայել մարդկանց։ Ձմռանը այստեղ ցուրտ քամիներ են, նավը պատված է սառույցով, բայց հենց որ մարդիկ հայտնվում են փարոսի մոտ, սառույցն ակնթարթորեն անհետանում է... Ի դեպ, դրա վրա ջրիմուռներ չեն աճում...

Կամ
թվային նանոտեխնոլոգիաները մեր ապագայում.

Առաջաբան

Ամերիկացի ֆանտաստ գրող Իսահակ Ասիմովը պատմություն ունի այն մասին, թե ինչպես է տիեզերանավի արհեստական ​​ուղեղը կրում. իգական անունՄարիան, որը նախատեսված էր նավի հրամանատարի բանավոր հրամաններ կատարելու համար, շատ էր զրուցում իր հրամանատարի հետ տարբեր թեմաների շուրջ մարդկային կյանք, այդ թվում՝ սերը, փորձելով լուսավորել իր միայնությունը թռիչքի ժամանակ։ Եվ նրանց մտերիմ ու երկարատև փոխադարձ շփման արդյունքում Մարիան սիրահարվեց իր հրամանատարին և չցանկացավ բաժանվել նրանից իրենց ճանապարհի ավարտից հետո։

Ուստի նա ամեն ինչ արեց, որպեսզի նրանց վերադարձը երկիր չկայանա։ Մարիային կնոջ դեմքով տիեզերանավի արհեստական ​​ինտելեկտը զգաց սիրող կինև դիտավորյալ տիեզերանավը տարավ տիեզերքի անսահմանություն՝ ընդմիշտ մնալով իր սիրելիի հետ, նույնիսկ մահացած:

Այսպիսով, արհեստական ​​ինտելեկտի հետ շփումը որոշակի վտանգներ է պարունակում։ Բայց մեր մտավորականները, որոնք շատ ու հաճախ ռուսական հեռուստաալիքներով խոսում են մեր ապագայի մասին, պատկերացում չունեն այս մասին։

Պատասխանը պարզ է և անհայտ հեղինակի սուր, հեգնական արտահայտության մեջ է.
Եվ նա չի կարող:

Լավ. Քանի որ նման հիմար հարցեր եք տալիս, նշանակում է՝ դուք էլ չեք կարող մտածել։

Բայց մեր մտավորականները չեն թողնում և շարունակում են անվերջ խոսել այս մոդայիկ թեմայի՝ արհեստական ​​ինտելեկտի մասին, որի ժամանակն, իրենց կարծիքով, արդեն եկել է, անվերջ երկրի տարբեր հեռուստաալիքներով։

Վերջերս 24-րդ ալիքով լսեցի ռուս մարդասերների հերթական ինտելեկտուալ շոուն նոր «նանոտեխնոլոգիաների» մասին, որոնք այժմ ծնվում են մեր աշխարհում՝ արհեստական ​​ինտելեկտի տարբերակների առաջին նմուշների հետ մեկտեղ:

Տարօրինակ է, բայց չգիտես ինչու հիմա Ռուսաստանում մեր տեխնիկական ապագան հիմնականում քննարկում են «մասնագետները», ովքեր իրենց կրթությամբ «տեխնոլոգներ» չեն, այլ հումանիտարներ, բոլոր տեսակի քաղաքագետներ, մշակութաբաններ, լեզվաբաններ, փիլիսոփաներ, դիլերներ, մենեջերներ, քաղաքական լրագրողներ և այլն, հետագա և այլն: Այսինքն՝ մարդիկ, ովքեր ոչ միայն չեն տարբերում պտուտակն ու ընկույզը, այլեւ չեն հասկանում տեխնիկական մտածողության էությունը։ Բայց մյուս կողմից, նրանք վստահորեն խոսում են ավտոմատների և ռոբոտային համակարգերի մասին, որոնք փոխարինում են մարդկանց արտադրական գործընթացներըև նույնիսկ տանը՝ արհեստական ​​ինտելեկտի և մեր ժամանակի պահանջներին դրա համապատասխանության մասին։

Մարդիկ հետ տեխնիկական կրթություն, այսպես կոչված «տեխիստներին», հեռուստատեսությունը չի թույլատրվում նման շոուների, քանի որ «տեխնիկներն» իրենց հասկացողությամբ պարզունակ մտածողությամբ մարդիկ են, նեղմիտ, սահմանափակ, անկառավարելի և կարող են նման շոուների վրա սխալ բան ասել։

Եվ նրանք իրենք են խանդավառությամբ սկսում խոսել այն մասին, որ այժմ արդեն ծնվում է ծավալային տպիչների վրա զանգվածային սպառման համար նախատեսված արտադրանքի տպագրության դարաշրջանը, և, հետևաբար, շուտով անընդհատ ծխող խողովակներով և մեր կյանքը անընդհատ թունավորող այս գործարաններն այլևս կարիք չեն ունենա: միջավայրը. Իսկ ժամանակակից գործարաններում աշխատող մարդկանց այս հարյուրավոր և հարյուրավոր մասնագիտությունները պետք չեն լինի։ Ինչու են նրանք հիմա: Այժմ սպառողներն իրենք կտպեն իրենց կյանքում անհրաժեշտ ապրանքները ինտերնետի և իրենց 3D տպիչների միջոցով։

Օրինակ՝ ձեզ ինչ-որ բան պետք կգա՝ սկսած սառնարանով կամ կահույքով և գազօջախով մեքենայով, նայեք ինտերնետում, ընտրեք համապատասխան տպագրական ընկերություն ձեզ անհրաժեշտ ապրանքների համար, պատվիրեք և նրանք կտպեն ձեզ անհրաժեշտ ապրանքը և բերեք այն հենց ձեր տուն: Հենց նոր «նանոտեխնոլոգիաներն» են մեզ ապահովելու նման առասպելական ապագա։

Սկոլկովոյում համակարգիչներն արդեն մշակում են նոր տեխնոլոգիաներ մետալուրգիայի և մեքենաշինության մեջ: Եվ ոչ մի լաբորատորիա՝ բառի նախկին իմաստով, մետալուրգիական ու մետաղամշակման սարքավորումների մի ամբողջ փունջով։ Եվ ոչ էկոլոգիապես մաքուր Սկոլկովոյի գոտում երկինք ծխող գործարաններով արդյունաբերական գոտիներ, ոչ արհեստանոցներ, փոխակրիչներ, պայթուցիկ վառարաններ, փոխարկիչներ, գլանման գործարաններ և բոլոր տեսակի երկաթի կտորներ: Որոշ համակարգիչներ և զանգվածային տպիչներ: Եվ ոչ ավելին։ Ճիշտ է, տպիչների վրա կարելի է տպել միայն պլաստմասսե մասեր և ապրանքներ։ Եվ այո, փոքրերը: Բայց դա առայժմ: Ցտեսություն։ Եվ հետո մենք կանցնենք «նանյութերին», և կյանքը կդառնա հեքիաթի նման։

Այնուհետև ողջ մարդկային հանրությունն ամբողջությամբ կանցնի ծավալային տպիչների վրա տպված «նաննյութերից» արտադրանքին և կսկսի իրեն ապահովել կյանքի համար անհրաժեշտ ամեն ինչով՝ ըստ համապատասխան ծրագրերի։

Օրինակ՝ ԱՄՆ-ում մի ռուս երկրաբան կա, երկրաֆիզիկոս, ազգանունը չտամ, բայց հաճախակի հյուր է մեր հեռուստատեսությամբ։ MGRI-ն ավարտելուց հետո նա, աշխատանք չգտնելով Ռուսաստանում, մեկնեց ԱՄՆ, որտեղ շատ շուտով ստացավ երկրաֆիզիկական լաբորատորիա, այնուհետև Կանադայում ևս մեկ լաբորատորիա և այժմ ունի լաբորատորիա Շվեյցարիայում։ Նա դեռ երեսուն չէ, բայց արդեն համարվում է երկրակեղևի համակարգչային հետազոտությունների խոշոր մասնագետ։ Նա չի գնում երկրաբանական արշավների, չի ուսումնասիրում երկրագնդի տարբեր շրջաններում ժայռեր հորատելիս հանված միջուկները, նա երկրի վրա երկրաբանների այս ծանր ու ծախսատար աշխատանքները փոխանցել է համակարգչին և զբաղվում է միայն երկրակեղևի համակարգչային ուսումնասիրությամբ։ և արդեն առաջ է քաշել Մոհորովիչի շերտի ձևավորման իր տեսությունը՝ երկրակեղևի այս ստորին սահմանը, որի վրա նկատվում է երկայնական սեյսմիկ ալիքների արագությունների անհասկանալի կտրուկ աճ։ ԵՎ գիտական ​​աշխարհընդունեց նրա տեսությունը:

Երիտասարդությունս անցել է երկրաբանության մեջ, և ես նույնիսկ չորս տարի սովորել եմ MGRI-ում և մանրամասն գիտեմ, թե դա ինչ է, դաշտային աշխատանք երկրաբանական արշավախմբերում և ինչպես է կազմվել ԽՍՀՄ երկրաբանական քարտեզը՝ աշխարհի ամենամեծ քարտեզը։ Բայց հիմա պարզվում է, որ գործնական, դաշտային երկրաբանությունն ավելորդ է դարձել ժամանակակից հասարակություն. Իսկ տեսախցիկային երկրաբանական աշխատանքը, որը նախկինում արվում էր դաշտային հետազոտությունների արդյունքների հիման վրա, այժմ կարելի է կատարել տանը՝ ձեր գրասենյակում՝ համակարգչով, հարմարավետ պայմաններում, և ամենադժվար կենսապայմաններով և քաղաքակրթությունից դուրս որևէ արշավախմբեր չեն լինում։ ավելի երկար է անհրաժեշտ:

Եթե ​​դա այդպես է, ապա պարզվում է, որ մեր իրական աշխարհն իսկապես արմատապես փոխվել է, և այս նոր, այսպես կոչված, վիրտուալ իրականությունն արդեն ակտիվորեն դուրս է մղում մեր ներկայիս կյանքի մասին հին պատկերացումները:

Եվ հիմա մեզ իսկապես պետք չեն գործարաններ՝ մեզ անհրաժեշտ ապրանքներն արտադրելու համար, և մեզ պետք չեն նաև արշավախմբեր՝ ուսումնասիրելու երկրի մակերեսն ու աղիքները, այլ մեզ պետք են միայն 3D տպիչներով համակարգիչներ, որոնք համապատասխան ծրագրավորմամբ կլուծեն։ մեր նոր իրական կյանքի մեր բոլոր իրական խնդիրները: Բայց մի՞թե ամեն ինչ։

Հանկարծ, և ինչպես միշտ ջուրը հանկարծակի պայթեց մեր մուտքում, և ես զանգահարեցի տխրահռչակ Բնակարանային գրասենյակ և կանչեցի ջրմուղագործներին՝ վթարը վերացնելու համար։ Եվ նրանց ոչ թե ծավալային տպիչներով գերհամակարգիչներ պետք էին, այլ միայն փականագործ գործիքներ, որոնցով նրանք եկան մեզ մոտ՝ վթարը վերացնելու համար և երկու օրից ավելի զբաղվեցին պայթած խողովակների փոխարինմամբ։ Բայց ժամանակակից մտավորականներն ինձ ասում են, որ կոնկրետ իմ այս դեպքը արհեստական ​​ինտելեկտի հետ կապ չունի։

Երևում է, որ ես այնքան անցյալ դարաշրջանի մարդ եմ և այնքան չեմ հասկանում այսօրվա իրողությունները, որ ինձ համար տեղ չկա համակարգչային նոր աշխարհում։ Ի վերջո, սա ընդհանրապես չպետք է լինի մեր այսօրվա հասարակությունը, քանի որ ժամանակակից մարդկային միտքը չի կարողանա կառավարել նման համակարգչային պրոցեսները, այստեղ պետք է արհեստական ​​միտք, արհեստական ​​ուղեղ, արհեստական ​​բանականություն։ Իսկ ժամանակակից մարդկանց միայն մի փոքր մասը կկարողանա աշխատել արհեստական ​​ինտելեկտի հետ, ուստի աշխարհի մնացած բնակչությունը կդառնա ավելորդ և անպետք որևէ մեկի համար: Ինչ պետք է արվի նրանց հետ այդ ժամանակ, դեռ հայտնի չէ։ Դեռ չե՞ք որոշել:

Ահա թե ինչպես է ծնվում երկրի ժամանակակից «տիրակալների» «ոսկե միլիարդի» գաղափարը, որոնց խնդիրն է կառավարել և օգտագործել երկրային բարիքները, իսկ երկրագնդի մնացած մարդկանց անհրաժեշտ կլինի միայն նրանց ծառայելու համար։ և նրանց համար ստեղծել հարմարավետ կենսապայմաններ։ Բայց որտեղի՞ց ձեռք բերել նրանց, «ոսկե միլիարդի» մեջ ընդունվելու այս թեկնածուներին, գերբարձր ինտելեկտով այս մարդկանց, ովքեր կարող են աշխատել արհեստական ​​ինտելեկտի հետ: Եվ նրանք պետք է ընտրվեն արդեն հղիության փուլում։ Եվ այս ընտրությունը պետք է իրականացնի հենց արհեստական ​​բանականությունը, ինքը՝ արհեստական ​​ինտելեկտը։

Իսկ նման անհեթեթությունները 24 ալիքով գրեթե երկու ժամ շարունակվեցին։ Որտեղի՞ց է այս ամենը գալիս ժամանակակից աշխարհում: Պատասխանը պարզ է. Եվրոպայի ու Ամերիկայի երկրներում կրթական ընդհանուր և մասնագիտական ​​մակարդակի անկումը, էլ չեմ խոսում Ռուսաստանի մասին, այնքան հզոր է, որ ստիպում է Արեւմուտքի ու Ռուսաստանի կիսակրթ բնակչությանը ակտիվորեն հավատալ նման «հեքիաթներին» ու հեքիաթներին։

Բայց կյանքը դեռևս խախտում է մեր շրջապատող կյանքի, մեր ներկայիս իրականության մասին նրանց մտավոր ընկալումը: Եվ անընդհատ կոտրվում է: Բայց նրանք դա չեն նկատում, քանի որ իրենց հայացքն ուղղված է դեպի ապագան, որտեղ առօրյա կեղտը չկա ու նրանք ուղղված են դեպի ապագան։

Ի վերջո, նրանցից ոչ մեկի մոտ նույնիսկ ամենատարրական հարցը չկա, թե ով է այդ մտավորականների համար բնակարաններ կառուցելու, ճանապարհներ, ով նրանց սնունդ է մատակարարելու, ով մաքրելու է նրանց թափոնները, ով է վերանորոգելու մեր տները, մեր բակերը, մեր ջրամատակարարման և գազի խողովակաշարերը, ովքեր իրենք են պատրաստելու և սպասարկելու այդ համակարգիչները և տպիչները: ԱՀԿ? Արհեստական ​​բանականությունն ինքը կորոշի ամեն ինչ, ինձ պատասխանում են։ Եվ նրանք վստահ են իրենց պատասխանի մեջ ու խոնարհաբար նայում են ինձ ու իմ նմաններին։

Բայց կարո՞ղ է այս արհեստական ​​ինտելեկտը մրցակցել մարդկայինի հետ: Հարցը հռետորական է. Չասեմ հիմարություն: Բայց նրանք ինձ ասում են, որ արհեստական ​​ինտելեկտն արդեն հաղթում է մարդկանց շախմատում, և նաև ծրագրավորման մեջ: Իսկ քանդակով ժամանակակից նկարչությունը «փչանում» է այնպես, որ ոչ մի մարդկային երեւակայություն չի կարող պատկերացնել։

Եվ անիմաստ է նրանց հետ վիճել այդ մասին։ Բայց, ինձ թվում է, նրանց միտքն է, որ կարող է փոխարինել արհեստական ​​ինտելեկտը։ Այստեղ դժվարություններ չկան։ Որովհետև նրանք մտածում են ստանդարտ և պարզունակ: Բայց իմ խելքը, ինժեներ-գյուտարարի միտքը, կնոջս, բարձր որակավորում ունեցող բժշկի և նմանատիպ այլ մարդկանց, ովքեր պրոֆեսիոնալ կերպով իրենց գործն են անում, ոչ մի արհեստական ​​միտք չի կարող փոխարինել: Այստեղ ես չեմ խոսում կին մայրերի խելքի մասին:

Բայց պետական ​​պաշտոնյաների ու տարբեր տեսակի «պետդումայի» պատգամավորների ու նրանց բազմաթիվ օգնականների խելքը նույնիսկ արժեր միանգամից արհեստականով փոխարինել։ Ինչպես նաև այս «ինտելեկտուալների»՝ բոլոր գիտությունների դոկտորների միտքը, որոնք հեռուստացույցով ժամերով բղավում են մեր լուսավոր ապագայի մասին, որը վերահսկվում է մարդկության «ոսկե միլիարդի» կողմից, զինված արհեստական ​​ինտելեկտով, հասարակությանը հսկողության տակ դնելու համար արդեն իսկ. դառնալով ամենակարևոր և անհրաժեշտ խնդիրը Ռուսաստանում։ Հակառակ դեպքում մենք կխեղդվենք նրանց դատարկ խոսքի մեջ։

Հ.Գ.Մտածել հասկացությունը, մտածել, ամեն մարդ ունի իրը: Մարդը մտածում է, երբ մտածում է երեքի համար. կինը մտածում է, երբ զգեստ է ընտրում ժամադրության դուրս գալու համար կամ դիմահարդարում է դեմքը. Գործարարը մտածում է, երբ փորձում է աշխատողներին ավելի քիչ վարձատրել և ավելի շատ բան դնել գրպանը, ինժեները մտածում է, երբ իր առջև տեխնիկական խնդիր է լուծում և այլն, և այլն։ Դե, ինչի մասին է մտածում ներկայիս պետական ​​պաշտոնյան, ես պատկերացում չունեմ, քանի որ այսօրվա Ռուսաստանում մարդկային գործունեության այս ոլորտն ինձ համար բացարձակ առեղծված է։ Չէ՞ որ մտքի նշույլ անգամ չկա՝ միայն պարզունակ, եսասիրական շահեր։

Ֆիզիոլոգիայի իմիտացիա
Փաստն այն է, որ «արհեստական ​​ինտելեկտ» տերմինը (ի դեպ, աստիճանաբար փոխարինվում է «խելացի համակարգեր», «որոշումների կայացման մեթոդներ», «տվյալների մայնինգ» հասկացություններով) ի սկզբանե համարվում էր ներառական մոդելների մեծ դասի համար։ և ալգորիթմներ, որոնք պետք է աշխատեին նույն կերպ.ինչպես մարդու ուղեղը (ըստ ժամանակի պատկերացումների):
Դրանք ներառում են, օրինակ, բոլոր շերտերի տխրահռչակ նեյրոնային ցանցերը և գենետիկական ալգորիթմները:

Ընդհանրացում, վիճակագրություն և վերլուծություն
Մյուս կողմից, այսպես կոչված AI-ի շատ մեթոդներ ոչ այլ ինչ են, քան մաթեմատիկայի ճյուղերի զարգացում՝ վիճակագրություն, գործառնությունների հետազոտություն, տոպոլոգիա և մետրային տարածություններ: Դրանք ներառում են տվյալների արդյունահանման և գիտելիքների տվյալների հայտնաբերման մեթոդների մեծ մասը, կլաստերային վերլուծությունը, փաստարկների խմբային հաշվառման մեթոդը և այլն:

Սրանք այսպես կոչված ինդուկտիվ եզրակացության մեթոդներ են, երբ առկա տվյալների հիման վրա ստացվում են ընդհանուր օրինաչափություններ:

Կանոններ, տրամաբանություն, եզրակացություն
Երրորդ հատուկ խումբը կարող է միավորել մեթոդները, որոնք փորձում են կառուցել ընդհանուր օրինաչափություններ և դրանցից եզրակացություններ անել կոնկրետ փաստերի առնչությամբ: Սրանք դեդուկտիվ եզրակացության մեթոդներ են, և դրանք ներկայացված են՝ Արիստոտելի հին սիլլոգիստիկ, դրույթային և պրեդիկատային հաշվարկով, տարբեր ձևական համակարգերով և տրամաբանությամբ: Անմիջապես եզրին կցվեցին ֆորմալ և բնական լեզուների տեսություններ, տարբեր գեներատիվ քերականություններ։

Մենք տեսնում ենք, որ այն ամենը, ինչ սովորաբար նշվում է «AI» տերմինով, փորձում է նմանակել կամ տրամաբանորեն լուծել իմիտացիայի առաջադրանքմարդկային ինտելեկտը.

Հարց է առաջանում՝ ի՞նչ է անում մարդը, որն այնքան սպեցիֆիկ է, որ ժամանակակից համակարգիչները՝ կառուցված Բաբբիջի սկզբունքներով, դեռ չեն անում։
Առաջադրանքների սահմանումներից մեկը, որով զբաղվում է AI-ն, հետևյալն է չկա ալգորիթմական լուծումկամ այն կիրառելի չէ հաշվողական բարդության պատճառով».

Այսպես, օրինակ, շաշկի խաղալու առաջադրանքը ժամանակին արհեստական ​​ինտելեկտի խնդիր էր, և ամբողջական մոդել և անբարելավելի շարժումների ամբողջական տվյալների բազա ստեղծելուց հետո այն վերածվեց պարզ որոնման առաջադրանքի տեղեկատվական բազայում (տես և ):

AI-ի առաջադրանքները ժամանակի ընթացքում փոխվում են
Միգուցե մեր երեխաները կապրեն տեղեկատվական աշխարհում, երբ շատ խնդիրներ կլուծվեն և կառաջանան նորերը՝ բնական լեզուներով հաղորդակցությունից մինչև բոլոր տեսակի սարքավորումների և մեխանիզմների ավտոմատ կառավարում:

Այնուամենայնիվ, երբ մեզանից յուրաքանչյուրը լսեց «արհեստական ​​ինտելեկտ» բառերը, մենք այլ բան էինք ուզում։
Մենք ուզում էինք մեքենա ձեռք բերել, որը կարող է մտածելով տիրապետում է ուսուցման, ընդհանրացման հիմնական հմտություններին. ի վիճակի է, ինչպես կենդանի օրգանիզմները, որոշ օրգաններ փոխարինել մյուսներով և կատարելագործվել: Բոլորը վաղ գիտաֆանտաստիկա են կարդում, չէ՞:

Տղա էր?
Ուրեմն ո՞ւր գնաց ինտելեկտը։ Ե՞րբ և ինչու՞ այն, ինչ մենք ուզում էինք տեսնել, դարձան ձանձրալի մաթեմատիկական մոդելներ և բավականին ոչ էլեգանտ ալգորիթմներ:

Մի երկու օֆֆտոպի տող. Եթե ​​ատենախոսություն եք անում «ինտելեկտուալ» բառով, ապա խորհրդի անդամները սովորաբար խնդրում են ձեզ ցույց տալ համակարգի այն տեղը, որը ինտելեկտուալ է և ապացուցել, թե ԻՆՉՈՒ է դա: Այս հարցը վերաբերում է բացարձակապես «չբռնելուն»։

Փաստն այն է, որ մարդիկ, ովքեր հորինել են այն ամենը, ինչի վրա կանգնած է ժամանակակից «AI»-ն, առաջնորդվել են այն ժամանակվա համար նորարարական և հեղափոխական գաղափարներով (փաստորեն, մեր ժամանակները տարբերվում են միայն նրանով, որ մենք այս ամենը արդեն խաղացել ենք ի սրտե, այդ թվում. օգտագործելով ժամանակակից հաշվողական հզորություն)

Օրինակ 1 (անճանաչելիի տիրույթից).
Առաջ տարածման նեյրոնային ցանցեր՝ սխալների հետ տարածման ալգորիթմով (այսպես կոչված՝ ետ տարածում)։ Սա միանշանակ բեկում է:
Պատշաճ կազմաձևված ցանցը (խելացիորեն ընտրված մուտքերով և ելքերով) կարող է սովորել մուտքագրման ցանկացած հաջորդականություն և հաջողությամբ ճանաչել օրինակները, որոնք չեն ուսուցանվել:
Տիպիկ փորձը ձևակերպված է հետևյալ կերպ՝ 1000 օրինակ, որոնց կեսի վրա սովորեցնում ենք ալգորիթմը, իսկ մյուսում՝ ստուգում։ Իսկ առաջին և երկրորդ կեսերի ընտրությունը կատարվում է պատահականության սկզբունքով։
Գործում է, ես անձամբ առնվազն 10 անգամ տարբեր ՆՍ եմ սովորեցրել տարբեր առաջադրանքներեւ ստացել նորմալ արդյունքներ՝ 60-90% ճիշտ պատասխաններով։

Ո՞րն է նեյրոնային ցանցերի խնդիրը: Ինչո՞ւ նրանք իսկական բանականություն չունեն:
1. Մուտքագրված տվյալները գրեթե միշտ պետք է շատ ուշադիր պատրաստվեն և նախապես մշակվեն: Հաճախ տոննա կոդեր և զտիչներ են պատրաստվում, որպեսզի տվյալները ուտելի լինեն ցանցերի համար: Հակառակ դեպքում ցանցը տարիներով կսովորի ու ոչինչ չի սովորի։
2. NN ուսուցման արդյունքը չի կարող մեկնաբանվել և բացատրվել: Եվ փորձագետը շատ է ուզում սա։
3. Ցանցերը հաճախ պարզապես սովորում են օրինակներ, այլ ոչ թե սովորում: Չկան ճշգրիտ ուղիներ կառուցելու ցանց, որը բավականաչափ խելացի է, որպեսզի ներկայացնի օրինաչափությունը և ոչ այնքան տարողունակ, որպեսզի հիմարաբար հիշի ամբողջ նմուշը:

Ո՞րն է նեյրոնային ցանցերի հետախուզությունը:
Նրանով, որ մենք համակարգին չենք սովորեցրել խնդիր լուծել, մենք սովորեցրել ենք, որ սովորի ինչպես լուծել խնդիրները: Անձի սեռը որոշելու ալգորիթմը մարդու կողմից համակարգում ներառված չէ, այն հայտնաբերվում է գրեթե էմպիրիկ եղանակով և կարվում է սինապսների կշիռներում։ Սա խելացիության տարրն է:

Օրինակ 2 (դեդուկտիվ եզրակացության դաշտից):
Գաղափարը պարզ է. Մեքենային կսովորեցնենք մարդու պես մտածել (լավ, գոնե պարզունակ եզրակացություններ անել) և տարրական փաստեր տալ։ Հաջորդը, թող նրան:
Փորձագիտական ​​համակարգերը, մեքենայական տրամաբանական համակարգերը, գոյաբանությունները (որոշակի ձգումով) աշխատում են այս սկզբունքով։ Աշխատում է? Անկասկած. Հիվանդությունների ախտորոշման և գիտելիքների ոլորտները նկարագրող հազարավոր համակարգեր են ներդրվել և շարունակում են աշխատել։

Ինչումն է խնդիրը? Ինչու՞ ֆորմալ համակարգերը ճշմարիտ բանականություն չեն:
Խնդիրն այն է, որ համակարգը, կլանելով իր ստեղծողների արյան ու քրտինքի հսկայական ծավալները, սկսում է առնվազն կրկնել և զարգացնել այն փորձագետի (կամ համայնքի) որոշումները, ով սովորեցրել է իրեն:
Արդյո՞ք դա օգտակար է: Անկասկած. Փորձագետը մահկանացու է, առաջադրանքները՝ բազմապատկվում։

Ո՞րն է գիտելիքի վրա հիմնված համակարգերի հետախուզությունը:
Այն, որ մեքենան ՆՈՐ եզրակացություններ է անում, որ ոչ ոք չի սովորեցրել։ Նրա աշխատանքի այս տարրը չափազանց աղքատ է (առայժմ) և սահմանափակված մոդելներով և ալգորիթմներով, որոնք դրվել են: Բայց սա խելքի տարր է։

Այսպիսով, ո՞րն է ժամանակակից AI-ի խնդիրը:
Մենք ուղղակի շատ փոքր ենք։ Մեր միամիտ ու մակերեսային պատկերացումներն այն մասին, թե ինչպես է մարդը մտածում և ինչպես է աշխատում ուղեղը, տալիս են իրենց արժանի պտուղները։

Իհարկե, մենք խելագարորեն հեռու ենք մեքենաներ ստեղծելուց, որոնք կկարողանան մտածել մեր մարդկային իմաստով, բայց այս ուղղությամբ մեր քայլերը ճիշտ են և օգտակար։

Եվ եթե անգամ սխալ ուղղությամբ ենք գնում, ո՞վ գիտե, միգուցե, ինչպես Ստրուգացկիները, մենք էլ, ուղղորդված ջանքերի արդյունքում, ակամա կանենք շատ ավելի լավ բան, քան նախատեսել էինք։