Kecerdasan buatan klasik sepertinya tidak mungkin diwujudkan dalam mesin berpikir; Batasan kecerdikan manusia dalam bidang ini tampaknya terbatas pada penciptaan sistem yang meniru fungsi otak.

Ilmu kecerdasan buatan (AI) sedang mengalami revolusi. Untuk menjelaskan penyebab dan maknanya serta menempatkannya dalam perspektif, pertama-tama kita harus melihat sejarah.

Pada awal tahun 1950-an, pertanyaan tradisional yang agak samar-samar mengenai apakah sebuah mesin dapat berpikir digantikan oleh pertanyaan yang lebih mudah dipahami, yaitu apakah sebuah mesin yang memanipulasi simbol-simbol fisik menurut aturan yang memperhitungkan strukturnya dapat berpikir. Pertanyaan ini dirumuskan dengan lebih tepat karena logika formal dan teori komputasi telah mengalami kemajuan yang signifikan selama setengah abad sebelumnya. Para ahli teori mulai mengapresiasi kemungkinan sistem simbol abstrak yang mengalami transformasi sesuai dengan aturan tertentu. Tampaknya jika sistem ini dapat diotomatisasi, maka kekuatan komputasi abstraknya akan terwujud dalam sistem fisik nyata. Pandangan seperti itu berkontribusi pada lahirnya program penelitian yang terdefinisi dengan baik berdasarkan landasan teori yang cukup mendalam.

Bisakah mesin berpikir?

Ada banyak alasan untuk menjawab ya. Secara historis, salah satu alasan pertama dan paling mendalam terletak pada dua hasil penting teori komputasi. Hasil pertama adalah tesis Church bahwa setiap fungsi yang dapat dihitung secara efektif dapat dihitung secara rekursif. Istilah “dapat dihitung secara efisien” berarti bahwa ada semacam prosedur “mekanis” yang dapat digunakan untuk menghitung hasil dengan memasukkan data dalam waktu yang terbatas. “Dapat dihitung secara rekursif” berarti terdapat serangkaian operasi terbatas yang dapat diterapkan pada masukan tertentu dan kemudian diterapkan secara berurutan dan berulang-ulang pada hasil yang baru diperoleh untuk mengevaluasi fungsi dalam waktu terbatas. Konsep prosedur mekanis tidak formal, melainkan intuitif, dan oleh karena itu tesis Church tidak memiliki bukti formal. Namun, hal ini menyentuh inti dari komputasi, dan banyak bukti berbeda yang mendukungnya.

Hasil penting kedua diperoleh oleh Alan M. Turing, yang mendemonstrasikan bahwa setiap fungsi yang dapat dihitung secara rekursif dapat dihitung dalam waktu terbatas menggunakan mesin manipulasi simbol yang disederhanakan secara maksimal, yang kemudian dikenal sebagai mesin Turing universal. Mesin ini diatur oleh aturan yang berlaku secara rekursif yang peka terhadap identitas, urutan, dan susunan simbol dasar yang bertindak sebagai masukan.

Akibat wajar yang sangat penting muncul dari dua hasil ini, yaitu bahwa komputer digital standar, dengan program yang tepat, memori yang cukup besar, dan waktu yang cukup, dapat menghitung fungsi apa pun yang diatur aturan dengan masukan dan keluaran. Dengan kata lain, ia dapat menunjukkan serangkaian respons sistematis terhadap pengaruh sukarela dari lingkungan eksternal.

Mari kita tentukan sebagai berikut: hasil yang dibahas di atas berarti bahwa mesin pemanipulasi simbol yang diprogram dengan tepat (selanjutnya kita akan menyebutnya mesin MS) harus memenuhi uji Turing untuk kehadiran pikiran sadar. Tes Turing adalah tes behavioris murni, namun persyaratannya sangat kuat. (Kami akan mempertimbangkan seberapa valid tes ini di bawah, di mana kita bertemu dengan “tes” kedua yang berbeda secara fundamental untuk kehadiran pikiran sadar.) Menurut versi asli dari tes Turing, masukan ke mesin MS harus berupa pertanyaan dan frasa dalam bahasa lisan alami yang kita ketik pada keyboard perangkat masukan, dan keluarannya adalah respons mesin MS yang dicetak oleh perangkat keluaran. Sebuah mesin dianggap telah lulus ujian kehadiran pikiran sadar ini jika tanggapannya tidak dapat dibedakan dari tanggapan yang diketik oleh orang yang nyata dan cerdas. Tentu saja, saat ini tidak ada seorang pun yang mengetahui fungsi yang dapat digunakan untuk memperoleh hasil yang tidak berbeda dengan perilaku orang yang berakal sehat. Namun hasil Church dan Turing meyakinkan kita bahwa apa pun fungsi (yang mungkin efisien) ini, mesin MS dengan desain yang sesuai akan mampu menghitungnya.

Ini adalah kesimpulan yang sangat penting, terutama karena uraian Turing tentang interaksi dengan mesin yang menggunakan mesin tik mewakili batasan yang tidak signifikan. Kesimpulan yang sama tetap berlaku bahkan jika mesin MS berinteraksi dengan dunia dengan cara yang lebih kompleks: menggunakan peralatan penglihatan langsung, ucapan alami, dll. Pada akhirnya, fungsi rekursif yang lebih kompleks masih dapat dihitung oleh Turing. Hanya ada satu masalah yang tersisa: menemukan fungsi kompleks yang tidak diragukan lagi mengontrol respons manusia terhadap pengaruh lingkungan eksternal, dan kemudian menulis sebuah program (banyak aturan yang berlaku secara rekursif) yang dengannya mesin MS akan menghitung fungsi ini. Tujuan-tujuan ini menjadi dasar program ilmiah kecerdasan buatan klasik.

Hasil pertama cukup menggembirakan

Mesin MS dengan program yang dirancang dengan cerdik telah menunjukkan sejumlah tindakan yang tampaknya berhubungan dengan manifestasi pikiran. Mereka merespons perintah yang rumit, memecahkan masalah aritmatika, aljabar, dan taktis yang sulit, bermain catur dan catur, membuktikan teorema, dan memelihara dialog sederhana. Hasil terus meningkat dengan munculnya perangkat penyimpanan yang lebih besar, mesin yang lebih cepat, dan pengembangan program yang lebih bertenaga dan canggih. AI klasik atau “berbasis pemrograman” adalah bidang ilmiah yang sangat dinamis dan sukses dari hampir semua sudut pandang. Penyangkalan berkala yang pada akhirnya dapat dipikirkan oleh mesin MS tampak bias dan tidak mendapat informasi. Bukti yang mendukung jawaban positif atas pertanyaan yang diajukan dalam judul artikel tampaknya lebih dari sekadar meyakinkan.

Tentu saja, masih terdapat beberapa ketidakpastian. Pertama-tama, mesin MS tidak terlalu mirip otak manusia. Namun, di sini juga, AI klasik telah menyiapkan jawaban yang meyakinkan. Pertama, bahan fisik dari mana mesin MS dibuat pada dasarnya tidak ada hubungannya dengan fungsi perhitungannya. Yang terakhir ini dicatat dalam program. Kedua, detail teknis dari arsitektur fungsional mesin juga tidak menjadi masalah, karena arsitektur yang sama sekali berbeda, yang dirancang untuk bekerja dengan program yang sama sekali berbeda, tetap dapat menjalankan fungsi input-output yang sama.

Oleh karena itu, tujuan AI adalah menemukan fungsi yang memiliki karakteristik input dan output dari pikiran, dan juga membuat program yang paling efisien dari banyak kemungkinan program untuk menghitung fungsi tersebut. Pada saat yang sama, mereka mengatakan bahwa cara spesifik penghitungan fungsi oleh otak manusia tidak menjadi masalah. Ini melengkapi uraian tentang esensi AI klasik dan dasar jawaban positif atas pertanyaan yang diajukan dalam judul artikel.

Bisakah mesin berpikir? Ada juga beberapa argumen yang mendukung jawaban negatif. Sepanjang tahun 1960an, argumen negatif yang patut dicatat relatif jarang terjadi. Kadang-kadang ada keberatan yang menyatakan bahwa berpikir bukanlah proses fisik dan terjadi dalam jiwa yang tidak berwujud. Namun, pandangan dualistik seperti itu tampaknya tidak cukup meyakinkan baik dari sudut pandang evolusi maupun logika. Hal ini tidak memberikan dampak buruk pada penelitian AI.

Pertimbangan yang sifatnya berbeda telah menarik lebih banyak perhatian dari para pakar AI. Pada tahun 1972, Hubert L. Dreyfus menerbitkan sebuah buku yang mengkritik tajam parade tampilan kecerdasan dalam sistem AI. Ia menunjukkan bahwa sistem-sistem ini tidak cukup memodelkan pemikiran yang sejati, dan mengungkapkan sebuah pola yang melekat dalam semua sistem ini upaya yang gagal. Menurutnya, model-model tersebut tidak memiliki banyak pengetahuan umum informal tentang dunia yang dimiliki setiap orang, serta kemampuan yang melekat pada akal sehat untuk mengandalkan komponen-komponen tertentu dari pengetahuan ini, tergantung pada persyaratan situasi yang berubah. Dreyfus tidak menyangkal kemungkinan mendasar untuk menciptakan sistem fisik buatan yang mampu berpikir, namun dia sangat kritis terhadap gagasan bahwa hal ini hanya dapat dicapai melalui manipulasi simbol menggunakan aturan yang diterapkan secara rekursif.

Di kalangan spesialis kecerdasan buatan, serta filsuf, penalaran Dreyfus sebagian besar dianggap picik dan bias, berdasarkan pada penyederhanaan yang tak terelakkan yang melekat dalam bidang penelitian yang masih sangat muda ini. Mungkin kekurangan-kekurangan ini benar-benar terjadi, tetapi tentu saja bersifat sementara. Akan tiba waktunya ketika mesin yang lebih bertenaga dan perangkat lunak yang lebih baik akan menghilangkan kekurangan ini. Tampaknya waktu sedang bekerja untuk kecerdasan buatan. Oleh karena itu, keberatan-keberatan ini tidak berdampak nyata pada penelitian lebih lanjut di bidang AI.

Namun, ternyata waktu juga berhasil Dreyfus: Pada akhir tahun 70an dan awal 80an, peningkatan kecepatan dan kapasitas memori komputer tidak banyak meningkatkan “kemampuan mental” mereka. Misalnya saja, ternyata pengenalan pola dalam sistem visi komputer memerlukan jumlah komputasi yang sangat besar. Untuk mendapatkan hasil yang dapat diandalkan secara praktis, diperlukan lebih banyak waktu komputer, jauh melebihi waktu yang dibutuhkan sistem penglihatan biologis untuk melakukan tugas yang sama. Proses pemodelan yang lambat seperti itu sungguh mengkhawatirkan: lagipula, di komputer, sinyal bergerak sekitar satu juta kali lebih cepat daripada di otak, dan kecepatan clock unit pemrosesan pusat komputer kira-kira sama banyaknya kali lebih tinggi daripada frekuensi mana pun. getaran yang ditemukan di otak. Namun, dalam soal realistis, kura-kura dengan mudah mengungguli kelinci.

Selain itu, penyelesaian masalah realistis memerlukan program komputer yang memiliki akses ke database yang sangat besar. Membangun database seperti itu merupakan tantangan tersendiri, namun hal ini diperparah dengan tantangan bagaimana mengakses bagian database yang spesifik dan spesifik konteks secara real time. Ketika database menjadi lebih luas, masalah akses menjadi lebih kompleks. Pencarian menyeluruh memakan waktu terlalu lama, dan metode heuristik tidak selalu berhasil. Bahkan beberapa ahli yang bekerja di bidang kecerdasan buatan mulai menyuarakan keprihatinan serupa dengan yang diungkapkan Dreyfus.

Sekitar waktu ini (1980), John Searle mengusulkan konsep kritis baru yang menantang asumsi paling mendasar dari program penelitian AI klasik, yaitu gagasan bahwa manipulasi yang benar atas simbol terstruktur dengan menerapkan aturan secara rekursif yang memperhitungkan strukturnya mungkin merupakan inti dari pikiran sadar.

Argumen utama Searle didasarkan pada eksperimen pemikiran di mana ia menunjukkan dua hal yang sangat penting. Pertama, dia mendeskripsikan mesin MS yang (harus kita pahami) mengimplementasikan fungsi yang input dan outputnya dapat lulus uji Turing dari percakapan yang seluruhnya dilakukan dalam bahasa Mandarin. Kedua, struktur internal mesin sedemikian rupa sehingga apa pun perilaku yang ditunjukkannya, tidak ada keraguan dalam benak pengamat bahwa baik mesin secara keseluruhan maupun bagian mana pun tidak memahami bahasa Mandarin. Yang ada di dalamnya hanyalah seseorang yang hanya berbicara bahasa Inggris, mengikuti aturan yang tertulis dalam instruksi, yang dengannya Anda harus memanipulasi simbol yang masuk dan keluar melalui jendela surat di pintu. Singkatnya, sistem ini secara positif memenuhi uji Turing, meskipun faktanya sistem tersebut tidak memiliki pemahaman yang benar tentang bahasa Cina dan isi pesan semantik yang sebenarnya (lihat artikel J. Searle "Apakah Pikiran Otak adalah Program Komputer? ").

Kesimpulan umumnya adalah bahwa sistem apa pun yang hanya memanipulasi simbol-simbol fisik menurut aturan-aturan yang peka terhadap struktur, paling-paling, akan menjadi parodi yang buruk dari pikiran sadar yang nyata, karena tidak mungkin menghasilkan "semantik nyata" hanya dengan memutar kenop " sintaksis kosong." Perlu dicatat di sini bahwa Searle mengajukan tes non-perilaku untuk keberadaan kesadaran: elemen pikiran sadar harus memiliki konten semantik yang nyata.

Sangat menggoda untuk menyalahkan Searle atas ketidakmampuan eksperimen pemikirannya, karena sistem Kubus Rubik yang diusulkannya akan sangat lambat. Namun, Searle menegaskan kecepatan tidak berperan apa pun dalam kasus ini. Siapa pun yang berpikir lambat, ia masih berpikir benar. Segala sesuatu yang diperlukan untuk mereproduksi pemikiran, menurut konsep AI klasik, menurutnya, hadir di “ruangan Tiongkok”.

Artikel Searle memicu tanggapan yang meriah dari para spesialis AI, psikolog, dan filsuf. Namun, secara umum buku ini mendapat lebih banyak permusuhan daripada buku Dreyfus. Dalam artikelnya yang diterbitkan bersamaan di jurnal edisi kali ini, Searle memberikan sejumlah argumen kritis yang menentang konsepnya. Menurut pendapat kami, banyak di antaranya yang sah, terutama yang penulisnya bersemangat "mengambil umpan" dengan menyatakan bahwa meskipun sistem yang terdiri dari ruangan dan isinya sangat lambat, sistem tersebut masih memahami bahasa Mandarin.

Kami menyukai jawaban ini, tetapi bukan karena menurut kami ruangan berbahasa Mandarin memahami bahasa Mandarin. Kami setuju dengan Searle bahwa dia tidak memahaminya. Daya tarik dari argumen-argumen ini adalah bahwa argumen-argumen tersebut mencerminkan penolakan untuk menerima aksioma ketiga yang sangat penting dalam argumen Searle: “Sintaks dengan sendirinya tidak membentuk semantik dan tidak cukup untuk keberadaan semantik.” Aksioma ini mungkin benar, tetapi Searle tidak dapat dengan alasan yang kuat mengklaim bahwa dia mengetahui hal ini dengan pasti. Terlebih lagi, asumsi bahwa hal tersebut benar menimbulkan pertanyaan apakah program penelitian AI klasik dapat dipertahankan, karena program ini didasarkan pada asumsi yang sangat menarik bahwa jika kita hanya dapat menggerakkan proses yang terstruktur dengan tepat, semacam tarian internal dari unsur-unsur sintaksis dikaitkan secara benar dengan masukan dan keluaran, maka kita dapat memperoleh keadaan dan manifestasi pikiran yang sama yang melekat pada manusia.

Aksioma ketiga Searle benar-benar menimbulkan pertanyaan ini menjadi jelas ketika kita membandingkannya secara langsung dengan kesimpulan pertamanya: “Program muncul sebagai esensi dari pikiran dan kehadirannya tidak cukup untuk kehadiran pikiran.” Tidak sulit untuk melihat bahwa aksioma ketiganya sudah membawa 90% kesimpulan yang hampir identik dengannya. Inilah sebabnya mengapa eksperimen pemikiran Searle dirancang khusus untuk mendukung aksioma ketiga. Inilah inti dari ruangan Cina.

Meskipun contoh ruangan Cina membuat Aksioma 3 menarik bagi yang belum tahu, menurut kami hal tersebut tidak membuktikan validitas aksioma ini, dan untuk menunjukkan ketidakkonsistenan contoh ini, kami menawarkan contoh paralel kami sendiri sebagai ilustrasi. Seringkali, satu contoh sukses yang menyangkal pernyataan yang disengketakan akan memperjelas situasi jauh lebih baik daripada keseluruhan buku yang penuh dengan logika.

Dalam sejarah ilmu pengetahuan ada banyak contoh skeptisisme serupa dengan yang kita lihat dalam pemikiran Searle. Pada abad ke-18 Uskup Irlandia George Berkeley menganggap tidak masuk akal bahwa gelombang kompresi di udara bisa menjadi inti dari fenomena suara atau faktor yang mendukung keberadaannya. Penyair dan seniman Inggris William Blake dan penyair naturalis Jerman Johann Goethe menganggap tidak masuk akal bahwa partikel kecil materi bisa menjadi esensi atau faktor yang cukup untuk keberadaan obyektif cahaya. Bahkan di abad ini pun ada orang yang tidak dapat membayangkan bahwa benda mati itu sendiri, betapapun rumitnya pengorganisasiannya, dapat menjadi suatu kesatuan organik atau suatu kondisi kehidupan yang memadai. Jelas bahwa apa yang orang bisa atau tidak bisa bayangkan seringkali tidak ada hubungannya dengan apa yang sebenarnya ada atau tidak ada dalam kenyataan. Hal ini berlaku bahkan ketika menyangkut orang-orang dengan tingkat kecerdasan yang sangat tinggi.

Untuk melihat bagaimana pelajaran sejarah ini dapat diterapkan pada pemikiran Searle, mari kita terapkan persamaan artifisial pada logikanya dan dukung persamaan ini dengan eksperimen pemikiran.

Aksioma 1. Listrik dan magnet adalah gaya fisika.

Aksioma 2. Sifat penting cahaya adalah cahaya.

Aksioma 3. Gaya itu sendiri muncul sebagai inti dari efek pancaran dan tidak cukup untuk kehadirannya.

Kesimpulan 1. Listrik dan magnet bukanlah inti dari cahaya dan tidak cukup untuk keberadaannya.

Mari kita asumsikan bahwa argumen ini diterbitkan tidak lama kemudian James C.Maxwell pada tahun 1864 mengemukakan bahwa cahaya dan gelombang elektromagnetik adalah identik, tetapi sebelum kesejajaran sistematis antara sifat cahaya dan sifat gelombang elektromagnetik sepenuhnya terwujud di dunia. Argumen logis di atas tampaknya merupakan penolakan yang meyakinkan terhadap hipotesis Maxwell yang berani, terutama jika hipotesis tersebut disertai dengan komentar berikut untuk mendukung Aksioma 3.

Bayangkan sebuah ruangan gelap di mana ada seseorang yang memegang magnet permanen atau benda bermuatan di tangannya. Jika seseorang mulai menggerakkan magnet ke atas dan ke bawah, maka menurut teori pencahayaan buatan (AI) Maxwell, bola gelombang elektromagnetik yang merambat akan memancar dari magnet dan ruangan akan menjadi lebih terang. Tapi seperti yang diketahui oleh siapa pun yang pernah mencoba bermain dengan magnet atau bola bermuatan, gaya mereka (atau gaya lainnya), bahkan ketika benda-benda ini digerakkan, tidak menghasilkan cahaya apa pun. Oleh karena itu, tampaknya tidak terbayangkan bahwa kita dapat mencapai efek cahaya yang nyata hanya dengan memanipulasi gaya!

Getaran gaya elektromagnetik mewakili cahaya, meskipun magnet yang digerakkan seseorang tidak menghasilkan cahaya apapun. Demikian pula, manipulasi simbol menurut aturan tertentu mungkin merupakan kecerdasan, meskipun sistem berbasis aturan yang ditemukan di Ruang Cina Searle tampaknya kurang dipahami secara nyata.

Bagaimana tanggapan Maxwell jika tantangan ini disodorkan kepadanya?

Pertama, dia mungkin bersikeras bahwa eksperimen ruangan bercahaya menyesatkan kita tentang sifat-sifat cahaya tampak karena frekuensi osilasi magnet sangat kecil, sekitar 1015 kali lebih kecil dari yang diperlukan. Jawaban yang tidak sabar mungkin mengikuti bahwa frekuensi tidak memainkan peran apa pun di sini, bahwa ruangan dengan magnet yang berosilasi sudah berisi semua yang diperlukan untuk manifestasi efek cahaya sesuai dengan teori Maxwell sendiri.

Pada gilirannya Maxwell dapat “mengambil umpannya”, menyatakan dengan cukup masuk akal bahwa ruangan tersebut sudah penuh dengan cahaya, namun sifat dan kekuatan cahaya ini sedemikian rupa sehingga seseorang tidak dapat melihatnya. (Karena rendahnya frekuensi seseorang menggerakkan magnet, panjang gelombang elektromagnetik yang dihasilkan terlalu panjang dan intensitasnya terlalu rendah sehingga mata manusia tidak dapat bereaksi terhadapnya.) Namun, mengingat tingkat pemahaman fenomena ini selama ini periode waktu yang dimaksud (abad terakhir tahun 1960-an), penjelasan seperti itu mungkin akan menimbulkan gelak tawa dan cemoohan. "Ruang bersinar! Tapi permisi, Tuan Maxwell, di sana gelap gulita!”

Jadi kita melihat bahwa orang miskin Maxwell itu sulit. Yang bisa dia lakukan hanyalah menekankan tiga poin berikut. Pertama, Aksioma 3 pada argumen di atas tidak benar. Memang benar, meskipun faktanya secara intuitif hal ini tampaknya cukup masuk akal, mau tak mau kita bertanya-tanya tentang hal itu. Kedua, eksperimen ruangan bercahaya tidak menunjukkan kepada kita sesuatu yang menarik tentang sifat fisik cahaya. Dan ketiga, untuk benar-benar memecahkan masalah cahaya dan kemungkinan adanya cahaya buatan, kita memerlukan program penelitian yang dapat menentukan apakah, dalam kondisi yang tepat, perilaku gelombang elektromagnetik benar-benar identik dengan perilaku cahaya. Kecerdasan buatan klasik seharusnya memberikan jawaban yang sama terhadap alasan Searle. Meskipun ruang Cina Searle mungkin tampak "gelap secara semantik", ia tidak memiliki alasan kuat untuk menegaskan bahwa manipulasi simbol, yang dilakukan menurut aturan tertentu, tidak akan pernah dapat menimbulkan fenomena semantik, terutama karena masyarakat masih kurang informasi dan terbatas. dengan memahami tingkat akal sehat dari semantik dan fenomena mental itu perlu penjelasan. Alih-alih menggunakan pemahaman tentang hal-hal tersebut, Searle dengan leluasa memanfaatkan kurangnya pemahaman masyarakat dalam penalarannya.

Setelah menyampaikan kritik kami terhadap alasan Searle, kami kembali ke pertanyaan apakah program AI klasik memiliki peluang nyata untuk memecahkan masalah pikiran sadar dan menciptakan mesin berpikir. Kami yakin prospek di sini tidak cerah, namun pendapat kami didasarkan pada alasan yang secara fundamental berbeda dengan argumen yang digunakan Searle. Kami membangun kegagalan spesifik dari program penelitian AI klasik dan sejumlah pelajaran yang telah diajarkan otak biologis kepada kita melalui kelas model komputasi baru yang mewujudkan beberapa sifat strukturnya. Kami telah menyebutkan kegagalan AI klasik dalam memecahkan masalah yang diselesaikan dengan cepat dan efisien oleh otak. Para ilmuwan secara bertahap mencapai konsensus bahwa kegagalan ini disebabkan oleh sifat arsitektur fungsional mesin MS, yang tidak cocok untuk memecahkan masalah kompleks yang dihadapinya.

Yang perlu kita ketahui adalah bagaimana otak mencapai efek berpikir? Rekayasa terbalik adalah teknik yang tersebar luas di bidang teknik. Ketika perangkat teknis baru mulai dijual, pesaing mengetahui cara kerjanya dengan membongkarnya dan mencoba menebak prinsip yang menjadi dasar perangkat tersebut. Dalam kasus otak, pendekatan ini sangat sulit diterapkan, karena otak adalah bagian paling kompleks di planet ini. Meskipun demikian, para ahli saraf telah mampu mengungkap banyak sifat otak pada berbagai tingkat struktural. Tiga ciri anatomi secara mendasar membedakannya dari arsitektur komputer elektronik tradisional.

Pertama, sistem saraf adalah mesin paralel, dalam arti sinyal diproses secara bersamaan melalui jutaan jalur berbeda. Misalnya, retina mata mengirimkan sinyal masukan kompleks ke otak bukan dalam bentuk potongan 8, 16, atau 32 elemen, seperti komputer desktop, namun dalam bentuk sinyal yang terdiri dari hampir satu juta elemen individu yang tiba secara bersamaan di ujung saraf optik (badan genikulatum lateral), setelah itu mereka juga secara bersamaan diproses oleh otak dalam satu langkah. Kedua, “perangkat pemrosesan” dasar otak, yaitu neuron, relatif sederhana. Selain itu, responsnya terhadap sinyal masukan bersifat analog dan bukan digital, dalam artian frekuensi sinyal keluaran berubah secara terus menerus bergantung pada sinyal masukan.

Ketiga, Di otak, selain akson yang mengarah dari satu kelompok neuron ke kelompok neuron lainnya, kita sering menemukan akson yang mengarah ke arah yang berlawanan. Proyeksi berulang ini memungkinkan otak memodulasi caranya memproses informasi sensorik. Yang lebih penting lagi adalah kenyataan bahwa keberadaan mereka menjadikan otak suatu sistem yang benar-benar dinamis, di mana perilaku yang dipelihara secara terus-menerus dibedakan oleh kompleksitas yang sangat tinggi dan kemandirian relatif dari rangsangan perifer. Model jaringan yang disederhanakan telah memainkan peran yang berguna dalam mempelajari mekanisme pengoperasian jaringan saraf nyata dan sifat komputasi arsitektur paralel. Misalnya, model tiga lapis yang terdiri dari elemen mirip neuron yang memiliki koneksi mirip akson dengan elemen tingkat berikutnya. Stimulus masukan mencapai ambang aktivasi elemen masukan tertentu, yang mengirimkan sinyal kekuatan proporsional sepanjang “akson” ke berbagai terminal “sinaptik” elemen lapisan tersembunyi. Efek keseluruhannya adalah konfigurasi tertentu dari sinyal pengaktifan pada sekumpulan elemen masukan menghasilkan konfigurasi sinyal tertentu pada sekumpulan elemen tersembunyi.

Hal yang sama dapat dikatakan tentang elemen keluaran. Demikian pula, konfigurasi sinyal aktivasi pada potongan lapisan tersembunyi mengarah pada pola aktivasi tertentu pada potongan elemen keluaran. Ringkasnya, kita dapat mengatakan bahwa jaringan yang dimaksud adalah perangkat untuk mengubah sejumlah besar kemungkinan vektor masukan (konfigurasi sinyal pengaktifan) menjadi vektor keluaran unik yang sesuai dengannya. Perangkat ini dirancang untuk menghitung fungsi tertentu. Fungsi mana yang dihitungnya bergantung pada konfigurasi global struktur bobot sinaptik.

Jaringan saraf memodelkan properti utama struktur mikro otak. Dalam jaringan tiga lapis ini, neuron masukan (kiri bawah) memproses konfigurasi sinyal aktivasi (kanan bawah) dan meneruskannya sepanjang koneksi berbobot ke lapisan tersembunyi. Elemen lapisan tersembunyi menambahkan beberapa masukannya untuk membentuk konfigurasi sinyal baru. Itu diteruskan ke lapisan luar, yang melakukan transformasi lebih lanjut. Secara umum, jaringan mengubah kumpulan sinyal masukan apa pun menjadi keluaran yang sesuai, bergantung pada lokasi dan kekuatan relatif koneksi antar neuron.

Ada berbagai prosedur untuk memilih bobot yang dapat membuat jaringan mampu menghitung hampir semua fungsi (yaitu transformasi antar vektor). Faktanya, adalah mungkin untuk mengimplementasikan suatu fungsi pada jaringan yang bahkan tidak dapat dirumuskan, kita hanya perlu memberikan serangkaian contoh yang menunjukkan jenis input dan output apa yang ingin kita miliki. Proses ini, yang disebut “pelatihan jaringan”, dilakukan dengan menyesuaikan bobot yang diberikan pada tautan secara berurutan hingga jaringan melakukan transformasi yang diinginkan pada masukan untuk menghasilkan keluaran yang diinginkan.

Meskipun model jaringan ini sangat menyederhanakan struktur otak, model ini tetap menggambarkan beberapa aspek penting. Pertama, arsitektur paralel memberikan keunggulan kecepatan yang luar biasa dibandingkan komputer tradisional karena banyak sinapsis di setiap lapisan melakukan banyak operasi komputasi kecil secara bersamaan, dibandingkan dalam mode sekuensial yang sangat padat karya. Keuntungan ini menjadi semakin signifikan seiring bertambahnya jumlah neuron di setiap lapisan. Hebatnya, kecepatan pemrosesan informasi tidak bergantung sama sekali pada jumlah elemen yang terlibat dalam proses di setiap level, atau pada kompleksitas fungsi yang dihitungnya. Setiap level dapat memiliki empat elemen atau seratus juta; konfigurasi bobot sinaptik dapat menghitung jumlah satu digit sederhana atau menyelesaikan persamaan diferensial orde kedua. Itu tidak masalah. Waktu komputasinya akan sama persis.

Kedua, sifat paralel dari sistem membuatnya tidak sensitif terhadap kesalahan kecil dan memberikan stabilitas fungsional; hilangnya beberapa tautan, bahkan sejumlah besar tautan, mempunyai pengaruh yang tidak berarti terhadap keseluruhan kemajuan transformasi yang dilakukan oleh seluruh jaringan.

Ketiga, sistem paralel menyimpan sejumlah besar informasi dalam bentuk terdistribusi, sekaligus menyediakan akses ke setiap bagian informasi ini dalam waktu yang diukur dalam beberapa milidetik. Informasi disimpan dalam bentuk konfigurasi bobot tertentu dari koneksi sinaptik individu yang terbentuk dalam proses pembelajaran sebelumnya. Informasi yang diinginkan "dilepaskan" ketika vektor masukan melewati (dan diubah oleh) konfigurasi koneksi ini.

Pemrosesan paralel tidak ideal untuk semua jenis komputasi. Saat memecahkan masalah dengan vektor masukan kecil, tetapi membutuhkan jutaan perhitungan rekursif berulang dengan cepat, otak benar-benar tidak berdaya, sementara mesin MS klasik menunjukkan kemampuan terbaiknya. Ini adalah kelas komputasi yang sangat besar dan penting, sehingga mesin klasik akan selalu dibutuhkan dan bahkan diperlukan. Namun, ada kelas komputasi yang sama luasnya dimana arsitektur otak mewakili solusi teknis terbaik. Ini terutama merupakan jenis perhitungan yang biasanya dihadapi organisme hidup: mengenali kontur predator di lingkungan yang “berisik”; ingatan instan tentang reaksi yang benar terhadap tatapannya, metode melarikan diri saat dia mendekat atau bertahan saat dia menyerang; membedakan benda yang dapat dimakan dan yang tidak dapat dimakan, antara pasangan seksual dan hewan lain; memilih perilaku dalam lingkungan fisik atau sosial yang kompleks dan terus berubah; dll.

Terakhir, sangat penting untuk dicatat bahwa sistem paralel yang dijelaskan tidak memanipulasi simbol sesuai dengan aturan struktural. Sebaliknya, manipulasi simbol hanyalah salah satu dari banyak keterampilan "cerdas" lainnya yang mungkin dipelajari atau tidak dipelajari oleh jaringan. Manipulasi simbol yang diatur oleh aturan bukanlah cara utama jaringan beroperasi. Argumen Searle ditujukan terhadap mesin MS yang diatur oleh aturan; sistem transformasi vektor dari tipe yang telah kami uraikan berada di luar cakupan argumen ruang Cina meskipun argumen tersebut valid, dan kami memiliki alasan lain yang independen untuk meragukannya.

Searle mengetahui adanya prosesor paralel, tetapi menurutnya prosesor tersebut juga tidak memiliki konten semantik yang sebenarnya. Untuk mengilustrasikan inferioritas mereka yang tak terhindarkan dalam hal ini, ia menggambarkan eksperimen pemikiran kedua, kali ini dengan sebuah gym di Tiongkok yang dipenuhi orang-orang yang diorganisasikan ke dalam jaringan paralel. Jalan pemikiran selanjutnya serupa dengan penalaran dalam kasus ruang Cina.

Menurut kami, contoh kedua ini tidak sesukses dan meyakinkan seperti contoh pertama. Pertama-tama, fakta bahwa tidak ada satu pun elemen dalam sistem yang memahami bahasa Mandarin tidak memainkan peran apa pun, karena hal yang sama juga berlaku pada sistem saraf manusia: tidak ada satu pun neuron di otak saya yang memahaminya. dalam bahasa Inggris, meskipun otak memahaminya secara keseluruhan. Searle lebih lanjut gagal menyebutkan bahwa modelnya (satu orang untuk setiap neuron ditambah seorang anak laki-laki yang lincah untuk setiap koneksi sinaptik) akan membutuhkan setidaknya 1.014 orang, karena otak manusia berisi 1.011 neuron, masing-masing dengan rata-rata 103 koneksi. Oleh karena itu, sistemnya memerlukan populasi 10.000 dunia seperti Bumi kita. Jelas sekali bahwa gym masih jauh dari mampu mengakomodasi model yang kurang lebih memadai.

Di sisi lain, jika sistem seperti itu masih dapat disusun, pada skala kosmik yang sesuai, dengan semua koneksi yang dimodelkan secara tepat, kita akan memiliki otak yang besar, lambat, dirancang secara aneh, namun masih berfungsi. Dalam hal ini tentunya wajar jika diharapkan dengan masukan yang benar ia akan berpikir, dan bukan sebaliknya, bahwa ia tidak mampu melakukannya. Tidak ada jaminan bahwa pengoperasian sistem seperti itu akan mewakili pemikiran nyata, karena teori pemrosesan vektor mungkin tidak cukup mencerminkan fungsi otak. Namun dengan cara yang sama, kita tidak mempunyai jaminan apriori bahwa dia tidak akan berpikir. Searle sekali lagi secara keliru mengidentifikasi batas imajinasinya sendiri (atau pembaca) dengan batas realitas objektif.

Otak

Otak adalah sejenis komputer, meskipun sebagian besar sifat-sifatnya masih belum diketahui. Mengkarakterisasi otak sebagai komputer bukanlah hal yang sederhana, dan upaya semacam itu tidak boleh dianggap sebagai kebebasan yang berlebihan. Otak memang menghitung fungsi, tetapi tidak sama dengan masalah terapan yang diselesaikan dengan kecerdasan buatan klasik. Ketika kita berbicara tentang mesin sebagai komputer, yang kita maksud bukanlah komputer digital serial yang perlu diprogram dan memiliki pembagian yang jelas menjadi perangkat lunak dan perangkat keras; kami juga tidak bermaksud bahwa komputer ini memanipulasi simbol atau mengikuti aturan tertentu. Otak adalah komputer yang jenisnya berbeda secara fundamental.

Bagaimana otak menangkap isi informasi semantik masih belum diketahui, namun jelas bahwa masalah ini jauh melampaui linguistik dan tidak terbatas pada manusia sebagai suatu spesies. Tumpukan kecil tanah segar berarti, baik bagi manusia maupun anjing hutan, bahwa ada seekor tupai tanah di suatu tempat di dekatnya; gema dengan karakteristik spektral tertentu artinya kelelawar kehadiran ngengat. Untuk mengembangkan teori pembentukan makna, kita harus mengetahui lebih banyak tentang bagaimana neuron menyandikan dan mengubah sinyal sensorik, dasar saraf memori, pembelajaran dan emosi, serta hubungan antara faktor-faktor ini dan sistem motorik. Teori makna yang berdasarkan ilmu saraf bahkan mungkin memerlukan intuisi kita, yang kini tampak begitu aman bagi kita dan yang digunakan Searle dengan bebas dalam penalarannya. Revisi seperti ini tidak jarang terjadi dalam sejarah ilmu pengetahuan.

Apakah ilmu pengetahuan mampu menciptakan kecerdasan buatan dengan menggunakan apa yang diketahui tentang sistem saraf? Kami tidak melihat adanya hambatan mendasar pada jalur ini. Searle tampaknya setuju, tetapi dengan peringatan: “Sistem lain yang mampu menghasilkan pikiran harus memiliki sifat sebab-akibat (setidaknya) yang setara dengan sifat-sifat otak.” Di akhir artikel, kami akan mempertimbangkan pernyataan ini. Kami percaya bahwa Searle tidak berargumen bahwa sistem kecerdasan buatan yang sukses harus memiliki semua sifat penyebab otak, seperti kemampuan untuk mencium sesuatu yang busuk, kemampuan untuk menjadi pembawa virus, kemampuan untuk menguning di bawah pengaruh. peroksidase lobak, dll. Membutuhkan kepatuhan penuh sama dengan membutuhkan pesawat buatan untuk bisa bertelur.

Barangkali yang dia maksud hanyalah persyaratan bahwa pikiran buatan mempunyai semua sifat kausal yang diasosiasikan dengan, seperti yang dia katakan, pikiran sadar. Tapi yang mana sebenarnya? Maka kita kembali lagi ke perdebatan tentang apa yang termasuk dalam pikiran sadar dan apa yang tidak. Ini adalah tempat yang tepat untuk berdebat, namun kebenaran dalam kasus ini harus ditemukan secara empiris - cobalah dan lihat apa yang terjadi. Karena kita hanya tahu sedikit tentang apa sebenarnya isi dari proses berpikir dan semantik, kepastian apa pun tentang sifat-sifat apa yang penting di sini adalah terlalu dini. Searle beberapa kali mengisyaratkan bahwa setiap level, termasuk level biokimia, harus direpresentasikan dalam mesin apa pun yang dianggap memiliki kecerdasan buatan. Tentu saja ini merupakan persyaratan yang terlalu kuat. Otak buatan dapat mencapai efek yang sama tanpa menggunakan mekanisme biokimia.

Kemungkinan ini ditunjukkan dalam penelitian K. Mead di California Institute of Technology. Mead dan rekan-rekannya menggunakan perangkat mikroelektronik analog untuk membuat retina buatan dan koklea buatan. (Pada hewan, retina dan koklea bukan sekadar transduser; kedua sistem menjalani pemrosesan paralel yang kompleks.) Perangkat ini bukan lagi model sederhana dalam komputer mini yang dicemooh Searle; mereka adalah elemen pemrosesan informasi nyata yang merespons sinyal nyata secara real-time: cahaya dalam kasus retina dan suara dalam kasus koklea. Desain perangkat ini didasarkan pada sifat anatomi dan fisiologis yang diketahui dari retina kucing dan koklea burung hantu, dan keluarannya sangat mirip dengan keluaran yang diketahui dari organ yang mereka modelkan.

Chip ini tidak menggunakan neurotransmiter apa pun, oleh karena itu neurotransmiter tampaknya tidak diperlukan untuk mencapai hasil yang diinginkan. Tentu saja, kita tidak dapat mengatakan bahwa retina buatan melihat sesuatu, karena keluarannya tidak masuk ke thalamus buatan atau korteks serebral, dll. Apakah mungkin untuk membangun seluruh otak buatan menurut program Mead belum diketahui, tetapi pada saat ini kita punya Kami tidak memiliki bukti bahwa kurangnya mekanisme biokimia dalam sistem membuat pendekatan ini tidak realistis.

Sistem saraf mencakup banyak skala organisasi, dari molekul neurotransmitter (di bawah) hingga seluruh otak dan sumsum tulang belakang. Pada tingkat menengah terdapat neuron individu dan sirkuit saraf, seperti sirkuit yang menerapkan selektivitas dalam persepsi rangsangan visual (tengah), dan sistem yang terdiri dari banyak sirkuit, serupa dengan sirkuit yang melayani fungsi bicara (kanan atas). Hanya melalui penelitian dapat ditentukan seberapa dekat suatu sistem buatan dapat mereplikasi sistem biologis yang memiliki kecerdasan.

Seperti Searle, kami menolak tes Turing sebagai kriteria yang memadai untuk kehadiran pikiran sadar. Pada satu tingkat, alasan kami untuk hal ini serupa: kami setuju bahwa sangat penting bagaimana fungsi yang ditentukan oleh input-output diimplementasikan; Penting agar proses yang benar terjadi di dalam mesin. Pada tingkat lain, kita dipandu oleh pertimbangan yang sangat berbeda. Searle mendasarkan posisinya mengenai ada tidaknya konten semantik pada intuisi akal sehat. Sudut pandang kami didasarkan pada kegagalan spesifik mesin MS klasik dan keunggulan spesifik mesin yang arsitekturnya lebih mirip dengan struktur otak. Perbandingan berbagai jenis mesin ini menunjukkan bahwa beberapa strategi komputasi memiliki keunggulan besar dan menentukan dibandingkan strategi lainnya dalam hal tugas mental pada umumnya. Manfaat yang diperoleh secara empiris ini tidak diragukan lagi. Jelasnya, otak secara sistematis memanfaatkan keunggulan komputasi ini. Namun, ini belum tentu satu-satunya sistem fisik yang mampu menggunakannya. Ide untuk menciptakan kecerdasan buatan dalam mesin non-biologis, tetapi pada dasarnya paralel masih sangat menggiurkan dan cukup menjanjikan.

Saya akan melihat pertanyaannya: dapatkah mesin berpikir? Namun untuk melakukan hal ini, pertama-tama kita harus mendefinisikan arti istilah “mesin” dan “berpikir”. Definisi-definisi ini dapat disusun sedekat mungkin dengan penggunaan umum kata-kata tersebut, namun pendekatan ini mengandung beberapa bahaya. Intinya adalah jika kita menyelidiki arti dari kata "mesin" dan "berpikir" dengan memeriksa bagaimana kata-kata ini biasanya didefinisikan, akan sulit bagi kita untuk menghindari kesimpulan bahwa arti dari kata-kata tersebut dan jawaban atas pertanyaan tersebut. pertanyaan "dapatkah mesin berpikir?" harus dicari melalui survei statistik seperti kuesioner Gallup. Namun, ini sungguh konyol. Daripada mencoba memberikan definisi seperti itu, saya akan mengganti pertanyaan kita dengan pertanyaan lain yang berkaitan erat dengannya dan diungkapkan dalam kata-kata yang maknanya relatif jelas.

Bentuk baru ini dapat digambarkan dengan sebuah permainan yang kita sebut “permainan imitasi”. Permainan ini melibatkan tiga orang: seorang pria (A), seorang wanita (B) dan seseorang yang mengajukan pertanyaan (C), yang dapat berupa orang dengan jenis kelamin apa pun. Penanya dipisahkan dari dua peserta permainan lainnya oleh dinding ruangan tempatnya berada. Tujuan permainan ini adalah agar si penanya dapat menentukan manakah di antara dua pemain lainnya dalam permainan tersebut yang laki-laki (A) dan mana yang perempuan (B). Dia mengenal mereka dengan sebutan X dan Y, dan di akhir permainan dia berkata: “X adalah A dan Y adalah B,” atau: “X adalah B dan Y adalah A.” Dia diperbolehkan untuk mengajukan pertanyaan seperti:

S: “Saya akan meminta X untuk memberi tahu saya panjang rambutnya.”

Sekarang mari kita asumsikan bahwa pada kenyataannya X adalah A. Dalam hal ini, A harus memberikan jawabannya. Bagi A, tujuan permainan ini adalah untuk mendorong C mengambil kesimpulan yang salah. Oleh karena itu, jawabannya bisa jadi misalnya seperti ini:

“Rambut saya dipotong pendek dan helaian terpanjang panjangnya sekitar sembilan inci.”

Agar orang yang mengajukan pertanyaan tidak dapat menentukan dengan suaranya mana di antara dua peserta permainan lainnya yang laki-laki dan mana yang perempuan, maka jawaban atas pertanyaan sebaiknya diberikan secara tertulis, atau lebih baik lagi, dengan mesin tik. Kasus yang ideal adalah pesan telegraf antara dua ruangan tempat para peserta permainan berada. Jika hal ini tidak dapat dilakukan, maka harus ada perantara yang menyampaikan jawaban dan pertanyaan. Tujuan permainan pemain ketiga, wanita (B), adalah membantu si penanya. Strategi terbaiknya mungkin adalah memberikan jawaban yang jujur. Wanita juga dapat melontarkan komentar seperti “Saya seorang wanita, jangan dengarkan dia!”, tetapi hal ini tidak akan menghasilkan apa-apa, karena pria juga dapat melontarkan komentar serupa.

Sekarang mari kita ajukan pertanyaan: “Apa yang terjadi jika mesin mengambil bagian dalam permainan ini dan bukan A?” Akankah penanya melakukan kesalahan dalam hal ini sesering dalam permainan yang pesertanya hanya manusia? Pertanyaan-pertanyaan ini akan menggantikan pertanyaan awal kita “dapatkah mesin berpikir?”

II. Kritik terhadap rumusan masalah yang baru

Sama seperti kita mengajukan pertanyaan, “Apa jawaban terhadap suatu masalah dalam bentuk barunya?”, kita juga dapat bertanya, “Apakah masalah dalam bentuk barunya layak untuk dipertimbangkan?” Kami akan mempertimbangkan pertanyaan terakhir ini tanpa menundanya tanpa batas waktu, agar tidak mengulanginya lagi di masa mendatang.

Rumusan baru mengenai masalah kita mempunyai keuntungan karena memungkinkan kita untuk menarik perbedaan yang jelas antara kemampuan fisik dan mental manusia. Tidak ada insinyur atau ahli kimia yang mengklaim telah menciptakan bahan yang tidak dapat dibedakan dari kulit manusia. Penemuan seperti itu suatu hari nanti mungkin bisa dibuat. Namun meskipun ada kemungkinan untuk menciptakan bahan yang tidak dapat dibedakan dari kulit manusia, kami masih merasa bahwa tidak masuk akal untuk mencoba memberikan kemiripan yang lebih besar pada “mesin berpikir” dengan manusia dengan mendandaninya dengan daging buatan tersebut. Bentuk soal yang kami berikan mencerminkan keadaan tersebut dalam kondisi yang tidak memungkinkan penanya untuk bersentuhan dengan peserta lain dalam permainan, melihat atau mendengar suara mereka. Beberapa keuntungan lain dari kriteria yang diperkenalkan dapat ditunjukkan dengan memberikan contoh kemungkinan pertanyaan dan jawaban. Misalnya:

S: Tolong tuliskan soneta dengan tema jembatan di atas sungai Forth.

Jawaban: Keluarkan aku dari sini. Saya tidak pernah harus menulis puisi.

C: Tambahkan 34.957 menjadi 70.764.

A (diam sekitar 30 detik, lalu memberi jawaban): 105 621.

S: Apakah kamu bermain catur?

S: Saya hanya punya raja di e8 dan tidak ada bidak lainnya. Anda hanya memiliki raja di e6 dan benteng di h1. Bagaimana kamu akan bermain?

A (setelah 15 detik hening): Rh8. Tikar.

Bagi kami, metode tanya jawab cocok untuk mencakup hampir semua bidang aktivitas manusia yang ingin kami pertimbangkan. Kami tidak ingin menyalahkan mesin karena ketidakmampuannya bersinar dalam kontes kecantikan, atau menyalahkan seseorang karena kalah dalam kompetisi dengan pesawat terbang; kondisi permainan menjadikan kekurangan ini tidak signifikan. Mereka yang menjawab, jika dirasa perlu, dapat membanggakan pesona, kekuatan atau keberanian mereka sebanyak yang mereka suka, dan si penanya tidak dapat meminta bukti praktis mengenai hal ini.

Mungkin permainan kita bisa dikritisi dengan alasan kelebihan didalamnya sebagian besar ada pada sisi mesinnya. Jika seseorang mencoba berpura-pura menjadi mesin, tentu saja dia akan terlihat sangat menyedihkan. Dia akan segera mengkhianati dirinya sendiri dengan bersikap lambat dan tidak akurat dalam perhitungannya. Selain itu, tidak bisakah sebuah mesin melakukan sesuatu yang seharusnya dianggap berpikir, namun jauh dari apa yang dilakukan manusia? Keberatan ini sangat sahih. Namun sebagai tanggapan terhadap hal ini, kita dapat, bagaimanapun, mengatakan bahwa jika masih mungkin untuk mengimplementasikan mesin yang dapat memainkan permainan tiruan dengan memuaskan, maka kita tidak perlu terlalu khawatir dengan keberatan ini.

Ada yang mungkin memperhatikan bahwa dalam “permainan meniru”, mungkin saja meniru perilaku manusia bukanlah strategi terbaik untuk sebuah mesin. Kasus seperti itu mungkin saja terjadi, namun menurut saya hal itu tidak akan membawa kita pada sesuatu yang pada dasarnya baru. Bagaimanapun, belum ada yang mencoba mengeksplorasi teori permainan kami ke arah ini, dan kami berasumsi bahwa strategi terbaik untuk sebuah mesin adalah memberikan jawaban yang akan diberikan seseorang dalam situasi yang tepat.

AKU AKU AKU. Mesin yang terlibat dalam permainan

Pertanyaan yang diajukan di Bagian I tidak akan sepenuhnya tepat sampai kita menentukan apa sebenarnya yang dimaksud dengan kata “mesin”. Tentu saja, kami ingin segala jenis peralatan teknik dapat digunakan di dalam game. Kita juga cenderung menerima kemungkinan bahwa seorang insinyur atau sekelompok insinyur dapat membangun sebuah mesin yang dapat bekerja, namun mereka tidak akan mampu memberikan gambaran yang memuaskan mengenai pengoperasiannya karena metode yang mereka gunakan sebagian besar bersifat eksperimental. [dengan coba-coba]. Terakhir, kami ingin mengecualikan manusia biasa dari kategori mesin. Sulit untuk membangun definisi yang memenuhi ketiga kondisi tersebut. Misalnya, seseorang dapat mengharuskan semua perancang sebuah mesin berjenis kelamin sama; namun pada kenyataannya, hal ini tidak cukup, karena tampaknya dimungkinkan untuk menumbuhkan individu yang lengkap dari satu sel, yang diambil dari (misalnya ) kulit manusia. Melakukan hal ini merupakan prestasi rekayasa biologi yang patut mendapat pujian setinggi-tingginya, namun kami tidak cenderung menganggap kasus ini sebagai "membangun mesin berpikir".

Hal di atas menunjukkan bahwa kita harus mengabaikan persyaratan bahwa segala jenis teknologi harus diizinkan dalam permainan. Kami bahkan lebih condong pada gagasan ini karena minat kami pada “mesin berpikir” muncul berkat jenis mesin khusus, yang biasa disebut “komputer elektronik” atau “komputer digital”. Oleh karena itu, kami hanya mengizinkan komputer digital untuk mengambil bagian dalam permainan kami.

Altov Genrikh

Bisakah mesin berpikir?

Genrikh Altov

Bisakah mesin berpikir?

Saya akan membahas pertanyaan: "Dapatkah mesin berpikir?" Namun untuk melakukan ini, pertama-tama Anda harus mendefinisikan arti istilah "berpikir"...

A.Turing. Rantai pemicu.

dua kali seminggu, di malam hari, grandmaster datang ke Institut Sibernetika dan bermain dengan mesin elektronik.

Di ruangan yang luas dan sepi itu terdapat meja rendah dengan papan catur, jam, dan panel kendali tombol tekan. Grandmaster duduk di kursi, meletakkan bidaknya dan menekan tombol "Start". Mosaik lampu indikator bergerak menyala di panel depan mesin elektronik. Lensa sistem pelacakan ditujukan papan catur. Kemudian sebuah tulisan pendek muncul di layar matte. Mobil itu melakukan langkah pertamanya.

Mobil ini cukup kecil. Kadang-kadang grandmaster merasa bahwa lemari es yang paling biasa berdiri di hadapannya. Tapi “kulkas” ini selalu menang. Dalam satu setengah tahun, sang grandmaster nyaris tidak berhasil seri hanya dalam empat pertandingan.

Mesin tidak pernah melakukan kesalahan. Ancaman tekanan waktu tidak pernah menghantuinya. Sang grandmaster lebih dari satu kali mencoba menjatuhkan mobil tersebut dengan sengaja melakukan tindakan konyol atau mengorbankan sebagian. Akibatnya, dia harus buru-buru menekan tombol “Menyerah”.

Grandmaster adalah seorang insinyur dan bereksperimen dengan mesin tersebut untuk menyempurnakan teori automata yang dapat mengatur dirinya sendiri. Namun kadang-kadang dia menjadi marah karena ketenangan mutlak dari “lemari es”. Bahkan pada saat-saat kritis dalam permainan, mesin tidak berpikir lebih dari lima atau enam detik. Dengan tenang mengedipkan lampu warna-warni pada lampu indikator, dia menuliskan gerakan terkuat yang mungkin dilakukan. Mesin tersebut mampu melakukan penyesuaian terhadap gaya bermain lawannya. Terkadang dia mengangkat lensa dan menatap orang itu lama sekali. Grandmaster khawatir dan membuat kesalahan...

Pada siang hari, seorang asisten laboratorium yang diam masuk ke dalam ruangan. Dengan muram, tanpa melihat ke mesin, dia mereproduksi permainan yang dimainkan di papan catur waktu yang berbeda pemain catur yang luar biasa. Lensa “kulkas” memanjang sepenuhnya dan menggantung di atas papan. Mesin itu tidak melihat ke arah asisten laboratorium. Dia mencatat informasi itu tanpa memihak.

Eksperimen pembuatan mesin catur hampir berakhir. Diputuskan untuk mengadakan pertandingan publik antara manusia dan mesin. Sebelum pertandingan, grandmaster mulai lebih sering muncul di institut. Sang grandmaster memahami bahwa kekalahan hampir tidak bisa dihindari. Namun dia terus mencari titik lemah dalam permainan "kulkas". Mesin itu, seolah menebak-nebak pertarungan yang akan datang, bermain semakin kuat setiap hari. Dia mengungkap rencana paling licik sang grandmaster dengan kecepatan kilat. Dia menghancurkan sosoknya dengan serangan tiba-tiba dan luar biasa...

Sesaat sebelum pertandingan dimulai, mesin tersebut diangkut ke klub catur dan dipasang di atas panggung. Grandmaster tiba pada menit terakhir. Dia sudah menyesal menyetujui pertandingan itu. Tidak menyenangkan kalah dari “lemari es” di depan semua orang.

Sang grandmaster mengerahkan seluruh bakatnya dan seluruh keinginannya untuk menang ke dalam permainan. Dia memilih permulaan yang belum pernah dia mainkan dengan mesin sebelumnya, dan permainan segera meningkat.

Pada langkah kedua belas, grandmaster menawarkan mesin itu kepada uskup sebagai pion. Kombinasi halus yang telah disiapkan sebelumnya dikaitkan dengan pengorbanan gajah. Mesin itu berpikir selama sembilan detik - dan menolak korbannya. Sejak saat itu, sang grandmaster tahu bahwa dia pasti akan kalah. Namun, dia melanjutkan permainannya - dengan percaya diri, berani, berisiko.

Tak satu pun dari mereka yang hadir di aula pernah melihat permainan seperti itu. Itu adalah seni super. Semua orang tahu bahwa mesin selalu menang. Namun kali ini posisi di dewan berubah begitu cepat dan dramatis sehingga mustahil untuk mengatakan siapa yang akan menang.

Setelah langkah ke dua puluh sembilan, tulisan “Draw” muncul di layar mesin. Sang grandmaster memandangi “kulkas” dengan takjub dan memaksa dirinya untuk menekan tombol “Tidak”. Lampu indikator menyala, mengatur ulang pola cahaya - dan membeku dengan hati-hati.

Pada menit kesebelas, dia melakukan tindakan yang paling ditakuti oleh sang grandmaster. Terjadi pertukaran potongan yang cepat. Situasi sang grandmaster memburuk. Namun, kata “Draw” kembali muncul di papan sinyal mobil. Sang grandmaster dengan keras kepala menekan tombol “Tidak” dan memimpin ratu melakukan serangan balik yang hampir tanpa harapan.

Sistem pelacakan mesin segera mulai bergerak. Kaca mata lensa menatap pria itu. Sang grandmaster berusaha untuk tidak melihat ke arah mobil itu.

Lambat laun, warna kuning mulai mendominasi mosaik cahaya lampu indikator. Mereka menjadi lebih kaya, lebih terang - dan akhirnya semua lampu padam kecuali yang kuning. Seberkas sinar keemasan jatuh di papan catur, ternyata mirip dengan sinar matahari yang hangat.

Dalam keheningan yang mencekam, jarum jam kendali besar berbunyi klik, melompat dari divisi ke divisi. Mesin itu sedang berpikir. Dia berpikir selama empat puluh tiga menit, meskipun sebagian besar pemain catur yang duduk di aula percaya bahwa tidak ada hal khusus yang perlu dipikirkan dan dia dapat menyerang dengan aman dengan kesatrianya.

Tiba-tiba lampu kuning padam. Lensanya, yang bergetar tak menentu, kembali ke posisi biasanya. Catatan langkah yang dilakukan muncul di papan skor: mesin dengan hati-hati menggerakkan pion. Ada keributan di aula; banyak yang merasa bahwa ini bukanlah langkah terbaik.

Setelah empat langkah, mesin itu mengaku kalah.

Sang grandmaster, mendorong kursinya, berlari ke mobil dan menyentakkan pelindung sampingnya. Di bawah pelindung, lampu merah dari mekanisme kontrol menyala dan mati.

Seorang pemuda, koresponden surat kabar olah raga, baru saja naik ke atas panggung yang langsung dipenuhi para pecatur.

Sepertinya dia menyerah begitu saja,” kata seseorang tidak yakin. - Dia bermain sangat luar biasa - dan tiba-tiba...

Nah, tahukah Anda,” bantah salah satu pecatur terkenal, “kebetulan seseorang pun tidak menyadari kombinasi pemenangnya. Mesin tersebut bermain dengan kekuatan penuh, namun kemampuannya terbatas. Itu saja.

Sang grandmaster perlahan menurunkan dashboard mobil dan menoleh ke arah koresponden.

Jadi,” ulangnya tidak sabar sambil membuka buku catatannya, “apa pendapatmu?”

Pendapat saya? - tanya grandmaster. - Ini dia: rantai pemicu di blok keseratus sembilan telah gagal. Tentu saja jurus pionnya bukanlah yang terkuat. Namun kini sulit untuk mengatakan mana penyebabnya dan di mana akibatnya. Mungkin karena rantai pemicu ini mobil tidak menyadari pergerakan yang lebih baik. Atau mungkin dia benar-benar memutuskan untuk tidak menang - dan hal itu membuatnya kehilangan pemicunya. Lagipula, tidak mudah bagi seseorang untuk mengatasi dirinya sendiri...

Tapi mengapa langkah ini lemah, mengapa kalah? - koresponden terkejut. Jika sebuah mesin bisa berpikir, ia akan berusaha untuk menang.

Grandmaster mengangkat bahunya dan tersenyum:

Bagaimana mengatakannya... Terkadang jauh lebih manusiawi jika melakukan tindakan yang lemah. Siap untuk lepas landas!

Yak itu berdiri di atas batu yang tinggi, jauh di tengah laut. Orang-orang hanya sesekali muncul di mercusuar untuk memeriksa peralatan otomatis. Sekitar dua ratus meter dari mercusuar, sebuah pulau muncul dari air. Selama bertahun-tahun, sebuah pesawat ruang angkasa dipasang di pulau itu seolah-olah di atas tumpuan, yang kembali ke Bumi setelah perjalanan panjang. Tidak masuk akal mengirim kapal seperti itu lagi ke luar angkasa.

Saya datang ke sini bersama seorang insinyur yang bertanggung jawab atas mercusuar di sepanjang pantai Laut Hitam. Ketika kami naik ke platform teratas mercusuar, insinyur tersebut memberikan saya teropong dan berkata:

Akan ada badai. Sangat beruntung: sebelum cuaca buruk dia selalu hidup kembali.

Matahari kemerahan bersinar redup di puncak ombak yang kelabu. Batu itu membelah ombak, mereka mengitarinya dan dengan ribut memanjat batu yang licin dan berkarat. Kemudian, sambil mendesah keras, mereka menyebar ke aliran berbusa, membuka jalan bagi gelombang baru. Beginilah cara para legiun Romawi maju: barisan depan, setelah menyerang, mundur kembali melalui sistem terbuka, yang kemudian menutup dan melancarkan serangan dengan kekuatan baru.

Melalui teropong saya bisa melihat kapal dengan jelas. Itu adalah kapal luar angkasa tipe Pengintaian Jarak Jauh dengan dua tempat duduk yang sangat tua. Dua lubang yang diperbaiki dengan rapi menonjol di haluan. Ada penyok yang dalam di sepanjang tubuhnya. Cincin akselerator gravitasi terbelah menjadi dua dan diratakan. Pencari berbentuk kerucut dari sistem yang sudah lama ketinggalan zaman dan pengamatan cuaca infrasonik perlahan berputar di atas ruang kemudi.

Soalnya,” kata sang insinyur, “dia merasa akan ada badai.”

Di suatu tempat, seekor burung camar berteriak ketakutan, dan laut menanggapinya dengan deburan ombak yang tumpul. Kabut kelabu yang membubung di atas laut perlahan menutupi cakrawala. Angin menarik puncak gelombang yang cerah ke arah awan, dan awan, yang dipenuhi cuaca buruk, tenggelam ke arah air. Badai seharusnya terjadi dari kontak langit dan laut.

Saya masih memahaminya,” lanjut sang insinyur: “baterai tenaga surya memberi daya pada baterai, dan otak elektronik mengontrol perangkatnya.” Tapi yang lainnya... Terkadang dia sepertinya melupakan daratan, lautan, badai dan mulai hanya tertarik pada langit. Teleskop radio meluas, antena pencari lokasi berputar siang dan malam... Atau yang lainnya. Tiba-tiba sebuah pipa naik dan mulai melihat ke arah orang-orang. Di musim dingin ada angin dingin di sini, kapal tertutup es, tetapi begitu orang muncul di mercusuar, es langsung menghilang... Ngomong-ngomong, ganggang tidak tumbuh di atasnya...

Atau
nanoteknologi digital di masa depan kita.

Kata pengantar

Penulis fiksi ilmiah Amerika Isaac Asimov memiliki cerita tentang bagaimana otak buatan sebuah pesawat luar angkasa dipakai nama perempuan Maria dan dirancang untuk menjalankan perintah lisan dari komandan kapal, banyak berbicara dengan komandannya tentang berbagai topik kehidupan manusia, termasuk cinta, berusaha mencerahkan kesepiannya selama penerbangan. Dan akibat komunikasi timbal balik mereka yang erat dan lama, Maria jatuh cinta pada komandannya dan tidak ingin berpisah dengannya setelah perjalanan mereka berakhir.

Oleh karena itu, dia melakukan segalanya untuk mencegah terjadinya kembalinya mereka ke bumi. Kecerdasan buatan dari pesawat luar angkasa yang dirasakan oleh wanita Maria wanita yang penuh kasih dan dengan sengaja membawa pesawat luar angkasa itu ke alam semesta yang tak terhingga, tetap selamanya bersama kekasihnya, bahkan almarhum.

Jadi komunikasi dengan kecerdasan buatan membawa bahaya tertentu. Namun para intelektual kita, yang sering berbicara tentang masa depan kita di saluran TV Rusia, tidak mengetahui hal ini.

Jawabannya sederhana dan terletak pada ungkapan tajam dan sarkastik dari seorang penulis yang tidak dikenal:
- Dan dia tidak bisa.

Itu benar. Karena kamu menanyakan pertanyaan bodoh seperti itu, itu berarti kamu juga tidak bisa berpikir.

Namun para intelektual kita tidak menyerah dan terus berbicara tanpa henti tentang topik yang sedang tren ini, tentang topik kecerdasan buatan, yang menurut mereka sudah waktunya, di berbagai saluran televisi tanah air.

Baru-baru ini di Channel 24 saya mendengar acara intelektual lainnya dari para humanis Rusia tentang “teknologi nano” baru yang kini muncul di dunia kita bersama dengan contoh pertama opsi kecerdasan buatan.

Ini aneh, tetapi untuk beberapa alasan sekarang di Rusia yang berbicara tentang masa depan teknis kita sebagian besar adalah “spesialis”, yang bukan “orang teknis” dalam hal pendidikan, tetapi humanis, berbagai jenis ilmuwan politik, ilmuwan budaya, ahli bahasa, filsuf, pedagang , manajer, jurnalis politik, dan seterusnya. Artinya, orang yang tidak hanya tidak bisa membedakan baut dan mur, tetapi juga tidak memahami hakikat pemikiran teknis. Tapi mereka yang dengan percaya diri berbicara tentang mesin dan sistem robot yang menggantikan manusia proses produksi dan bahkan di rumah kita sendiri, tentang kecerdasan buatan dan kepatuhannya terhadap persyaratan zaman kita.

Orang dengan pendidikan Teknik, yang disebut “teknisi”, televisi tidak diperbolehkan menayangkan acara-acara tersebut, karena “teknisi” dalam pengertiannya adalah orang-orang yang berpikiran primitif, berpikiran sempit, terbatas, tidak terkendali dan dapat mengatakan sesuatu yang salah dalam acara-acara tersebut.

Dan mereka sendiri mulai berkata dengan gembira bahwa era pencetakan produk untuk konsumsi massal manusia dengan printer skala besar kini sedang lahir, dan oleh karena itu pabrik-pabrik dengan pipa yang terus-menerus berasap dan terus-menerus meracuni kehidupan kita tidak lagi diperlukan. lingkungan. Dan ratusan spesialisasi orang yang bekerja di pabrik modern tidak akan dibutuhkan. Mengapa memilikinya sekarang? Kini konsumen sendiri akan mencetak barang-barang yang mereka butuhkan dalam hidup melalui Internet dan melalui printer bervolume tinggi.

Misalnya Anda memerlukan sesuatu, mulai dari mobil dengan kulkas atau furniture dan kompor gas, mencari di Internet, memilih perusahaan yang tepat untuk mencetak produk yang Anda butuhkan, memesan dan mereka akan mencetak produk yang Anda butuhkan dan membawanya. itu langsung ke rumah Anda. Ini adalah “teknologi nano” baru yang akan memberi kita masa depan yang luar biasa.

Di Skolkovo, teknologi baru di bidang metalurgi dan teknik mesin sudah dikembangkan melalui komputer. Dan tidak ada laboratorium dalam arti kata sebelumnya dengan sejumlah peralatan metalurgi dan pengerjaan logam. Dan tidak ada kawasan industri dengan pabrik-pabrik yang merokok di zona Skolkovo yang bersih secara ekologis, tidak ada bengkel, konveyor, tanur tinggi, konverter, rolling mill, dan segala jenis perangkat keras untuk Anda. Hanya komputer dan printer massal. Dan tidak ada lagi. Benar, printer hanya dapat mencetak komponen dan produk plastik. Itupun, yang kecil. Tapi itu saja untuk saat ini. Selamat tinggal. Lalu kita akan beralih ke “bahan nano” dan kehidupan akan menjadi seperti di dongeng.

Kemudian seluruh komunitas manusia akan sepenuhnya beralih ke produk-produk yang terbuat dari “bahan nano” yang dicetak pada printer massal, dan akan mulai menyediakan segala sesuatu yang diperlukan untuk kehidupan, sesuai dengan program yang sesuai.

Misalnya, ada seorang ahli geologi dan geofisika Rusia di AS, saya tidak akan menyebutkan nama belakangnya, tetapi dia sering menjadi tamu di TV kami. Setelah lulus dari MGRI, tanpa mendapatkan pekerjaan di Rusia, ia berangkat ke Amerika Serikat, di mana ia segera menerima laboratorium geofisika, kemudian laboratorium lain di Kanada, dan sekarang memiliki laboratorium di Swiss. Usianya belum genap tiga puluh tahun, namun sudah dianggap sebagai ahli utama dalam penelitian komputer mengenai kerak bumi. Dia tidak melakukan ekspedisi geologi, tidak mempelajari inti yang diambil selama pengeboran batuan di berbagai wilayah di bumi, dia mentransfer semua pekerjaan ahli geologi yang sulit dan mahal di lapangan ke komputer dan hanya terlibat dalam studi komputer tentang kerak bumi dan telah mengemukakan teorinya tentang pembentukan lapisan Mohorovicic , batas bawah kerak bumi ini, di mana terjadi peningkatan tiba-tiba dalam kecepatan gelombang seismik longitudinal. DAN dunia ilmiah menerima teorinya.

Masa muda saya dihabiskan di bidang geologi dan saya bahkan belajar di MGRI selama empat tahun dan saya tahu secara detail apa itu, kerja lapangan dalam ekspedisi geologi dan bagaimana peta geologi Uni Soviet, peta terbesar di dunia, disusun. Namun kini ternyata praktik geologi lapangan sudah tidak diperlukan lagi masyarakat modern. Dan pekerjaan geologi kantor, yang sebelumnya dilakukan berdasarkan hasil survei lapangan, kini dapat dilakukan di rumah di kantor Anda menggunakan komputer dalam kondisi yang nyaman, dan tidak ada lagi ekspedisi dengan kondisi hidup dan kerja yang paling sulit di suatu tempat di luar peradaban. diperlukan.

Jika demikian halnya, maka ternyata dunia nyata kita memang telah berubah secara radikal dan apa yang disebut realitas baru yang melingkupi dunia maya ini telah secara aktif menggantikan gagasan-gagasan lama tentang kehidupan kita saat ini.

Dan sekarang kita sebenarnya tidak membutuhkan pabrik untuk memproduksi produk yang kita butuhkan, dan kita juga tidak memerlukan ekspedisi untuk mempelajari permukaan dan kedalaman bumi, tetapi kita hanya membutuhkan komputer dengan printer volumetrik, yang jika diprogram dengan tepat, akan melakukannya. selesaikan semua masalah nyata kita dalam kehidupan nyata kita yang baru. Tapi apakah itu saja?!

Tiba-tiba dan, seperti biasa, air pecah di pintu masuk kami dan saya menelepon kantor perumahan terkenal dan memanggil tukang pipa untuk menghilangkan kecelakaan itu. Namun mereka tidak membutuhkan komputer super dengan printer besar, mereka hanya membutuhkan peralatan pipa ledeng, yang dengannya mereka datang kepada kami untuk menghilangkan kecelakaan tersebut dan melakukan penggantian pipa yang pecah selama lebih dari dua hari. Namun para intelektual modern mengatakan kepada saya bahwa kasus saya ini tidak ada hubungannya dengan kecerdasan buatan.

Rupanya saya adalah orang dari era sebelumnya sehingga tidak memahami kenyataan saat ini sehingga tidak ada tempat bagi saya di dunia komputer baru. Bagaimanapun, ini pasti sangat berbeda dengan masyarakat kita saat ini, karena pikiran manusia modern tidak akan mampu mengendalikan proses komputer seperti itu; di sini kita memerlukan kecerdasan buatan, otak buatan, kecerdasan buatan. Dan hanya sebagian kecil orang modern yang mampu bekerja dengan kecerdasan buatan, sehingga populasi dunia lainnya akan menjadi mubazir dan tidak berguna bagi siapa pun. Apa yang perlu dilakukan terhadap mereka masih belum diketahui. Kami belum memutuskan!

Dari sinilah lahir gagasan tentang “miliar emas” “pengelola” bumi modern, yang tugasnya mengelola dan menggunakan barang-barang duniawi, dan penduduk bumi lainnya hanya akan dibutuhkan untuk melayani mereka. dan menciptakan kondisi hidup yang nyaman bagi mereka. Tapi di mana kita bisa mendapatkan mereka, para kandidat yang masuk dalam “miliar emas”, orang-orang dengan kecerdasan super tinggi yang bisa bekerja dengan kecerdasan buatan? Dan mereka harus dipilih pada tahap kehamilan. Dan seleksi ini harus dilakukan oleh kecerdasan buatan itu sendiri, kecerdasan buatan itu sendiri.

Dan omong kosong semacam ini berlangsung selama hampir dua jam di saluran “24”. Dari mana semua ini berasal? dunia modern? Jawabannya sederhana. Penurunan tingkat pendidikan umum dan profesional di negara-negara Eropa dan Amerika, belum lagi Rusia, begitu dahsyatnya sehingga memaksa penduduk semi-terpelajar di Barat dan Rusia untuk secara aktif percaya pada “cerita” dan dongeng tersebut. .

Namun kehidupan masih mematahkan persepsi intelektual mereka terhadap kehidupan di sekitar kita, realitas kita saat ini. Dan itu rusak sepanjang waktu. Namun mereka tidak menyadarinya, karena pandangan mereka tertuju ke masa depan, dimana tidak ada kotoran kehidupan sehari-hari dan mereka tertuju ke masa depan.

Lagi pula, tidak satu pun dari mereka yang mengajukan pertanyaan paling mendasar tentang siapa yang kemudian akan membangun perumahan dan jalan bagi para intelektual ini, siapa yang akan memberi mereka makanan, siapa yang akan membuang limbah mereka, siapa yang akan memperbaiki rumah kita, pekarangan kita, air dan gas kita. saluran pipa, yang akan membuat dan memelihara komputer dan printer ini sendiri. Siapa? Kecerdasan buatan akan memutuskan semuanya sendiri, jawab mereka. Dan mereka yakin dengan jawaban mereka dan memandang rendah saya dan orang-orang seperti saya.

Namun apakah kecerdasan buatan ini mampu bersaing dengan kecerdasan manusia? Pertanyaannya bersifat retoris. Bukan berarti bodoh. Namun mereka mengatakan kepada saya bahwa kecerdasan buatan telah mengalahkan manusia dalam catur dan juga pemrograman. Dan lukisan serta patung modern “memancar” dengan cara yang tidak dapat dibayangkan oleh imajinasi manusia.

Dan tidak ada gunanya berdebat dengan mereka mengenai topik ini. Tapi, menurut saya, kecerdasan merekalah yang bisa digantikan oleh kecerdasan buatan. Tidak ada kesulitan di sini. Karena mereka berpikir dengan cara yang standar dan primitif. Namun pikiran saya, pikiran seorang insinyur dan penemu, pikiran istri saya, seorang dokter berkualifikasi tinggi, dan orang-orang serupa lainnya yang melakukan pekerjaannya secara profesional, tidak ada pikiran buatan yang dapat menggantikannya. Saya tidak berbicara di sini tentang pikiran perempuan dan ibu.

Namun pikiran sebagian besar pejabat pemerintah dan deputi dari berbagai macam “Duma Negara” dan banyak asistennya, bahkan akan sangat layak untuk segera diganti dengan yang artifisial. Dan juga pikiran para “intelektual” ini, para doktor dari segala jenis ilmu pengetahuan, yang menghabiskan waktu berjam-jam mengomel di TV tentang masa depan kita yang cerah, dikendalikan oleh “miliar emas” umat manusia, dipersenjatai dengan kecerdasan buatan, untuk mengendalikan masyarakat. menjadi tugas paling penting dan perlu di Rusia. Kalau tidak, kita akan tersedak oleh kata-kata kosong mereka.

PS Konsep berpikir, berpikir, berbeda-beda pada setiap orang. Seseorang berpikir ketika dia memikirkan tiga hal; seorang wanita berpikir ketika dia memilih gaun untuk pergi berkencan atau merias wajahnya; seorang pengusaha berpikir ketika ia mencoba untuk membayar karyawannya lebih sedikit dan memasukkan lebih banyak uang ke kantongnya: seorang insinyur berpikir ketika ia memecahkan masalah teknis yang dihadapinya, dan seterusnya dan seterusnya. Saya tidak tahu apa yang dipikirkan pejabat pemerintah saat ini, karena aktivitas manusia di Rusia saat ini merupakan misteri bagi saya. Lagi pula, tidak ada sedikit pun pemikiran di sana - hanya kepentingan primitif dan egois.

Simulasi fisiologi
Faktanya adalah bahwa istilah "Kecerdasan Buatan" (secara bertahap digantikan oleh konsep "sistem cerdas", "metode pengambilan keputusan", "penambangan data") pada awalnya dianggap mencakup kelas model yang besar. dan algoritma yang seharusnya bekerja dengan cara yang sama seperti otak manusia (sesuai dengan gagasan pada masa itu).
Ini termasuk, misalnya, jaringan saraf terkenal dari semua lini dan algoritma genetika.

Ringkasan, statistik dan analisis
Di sisi lain, banyak metode yang disebut AI tidak lebih dari pengembangan cabang matematika: statistik, riset operasi, topologi, dan ruang metrik. Ini mencakup sebagian besar metode penambangan data dan penemuan data pengetahuan, analisis klaster, metode penghitungan argumen kelompok, dan lain-lain.

Ini adalah metode yang disebut inferensi induktif, ketika, berdasarkan data yang tersedia, mereka menyimpulkan pola umum.

Aturan, logika, kesimpulan
Kelompok khusus ketiga mencakup metode yang mencoba membangun pola umum dan menggunakannya untuk menarik kesimpulan mengenai fakta tertentu. Ini adalah metode inferensi deduktif, dan diwakili oleh: silogistik Aristoteles, yang setua dunia, kalkulus proposisi dan predikat, berbagai sistem dan logika formal. Teori bahasa formal dan alami, berbagai tata bahasa generatif, ada di ujung tanduk.

Kita melihat bahwa segala sesuatu yang biasa disebut "AI" mencoba diselesaikan dengan simulasi atau logika tugas meniru kecerdasan manusia.

Timbul pertanyaan: apa yang dilakukan seseorang yang begitu spesifik sehingga komputer modern, yang dibuat berdasarkan prinsip Babbage, belum dapat melakukannya?
Salah satu definisi tugas yang ditangani AI adalah: “tugas yang mana tidak ada solusi algoritmik atau itu tidak berlaku karena alasan kompleksitas komputasi».

Jadi, misalnya, tugas bermain catur dulunya merupakan tugas AI, dan setelah membangun model lengkap dan mengumpulkan database lengkap tentang gerakan yang tidak dapat diperbaiki, tugas itu berubah menjadi masalah pencarian melalui basis informasi (lihat dan).

Tantangan AI berubah seiring waktu
Mungkin anak-anak kita akan hidup di dunia informasi, ketika banyak masalah akan terpecahkan dan masalah baru akan muncul - mulai dari komunikasi dalam bahasa alami hingga kontrol otomatis semua jenis peralatan dan mekanisme.

Namun, ketika kita masing-masing mendengar kata “kecerdasan buatan”, kita menginginkan sesuatu yang berbeda.
Kami ingin mendapatkan mobil yang bisa memikirkan yang memiliki keterampilan belajar dasar dan generalisasi; mampu, seperti organisme hidup, mengganti beberapa organ dengan organ lain dan berkembang. Semua orang pernah membaca fiksi ilmiah awal, bukan?

Apakah ada anak laki-laki?
Jadi di manakah hilangnya kecerdasan? Kapan dan mengapa apa yang ingin kita lihat menjadi model matematika yang membosankan dan algoritma yang tidak elegan?

Beberapa baris di luar topik. Jika Anda mempertahankan tesis dengan kata “intelektual”, maka pengurus biasanya akan meminta Anda untuk mengidentifikasi tempat dalam sistem yang bersifat intelektual dan membuktikan MENGAPA demikian. Pertanyaan ini menyangkut hal-hal yang benar-benar “tidak dapat dijawab”.

Faktanya adalah bahwa orang-orang yang menciptakan segala sesuatu yang menjadi dasar “AI” modern didorong oleh ide-ide inovatif dan revolusioner pada masa itu (pada kenyataannya, zaman kita hanya berbeda karena kita telah banyak bermain-main dengan semua ini, termasuk menggunakan kekuatan komputasi modern)

Contoh 1 (dari alam yang tidak dapat diketahui).
Jaringan saraf perambatan sinyal maju dengan algoritma propagasi mundur (disebut propagasi balik). Ini jelas merupakan sebuah terobosan.
Jaringan yang dikonfigurasi dengan benar (dengan masukan dan keluaran yang dipilih dengan cerdas) dapat mempelajari urutan masukan apa pun dan berhasil mengenali contoh yang belum diajarkan.
Eksperimen tipikal dirumuskan sebagai berikut: 1000 contoh, setengahnya kami ajarkan algoritmanya, dan setengahnya lagi kami uji. Dan pemilihan babak pertama dan kedua dilakukan secara acak.
Berhasil, saya pribadi mengajar NS yang berbeda setidaknya 10 kali tugas yang berbeda dan mendapat hasil normal, dengan 60-90% jawaban benar.

Apa masalah dengan jaringan saraf? Mengapa mereka bukan kecerdasan yang sejati?
1. Data masukan hampir selalu perlu dipersiapkan dan diproses terlebih dahulu dengan sangat hati-hati. Seringkali banyak kode dan filter dilakukan untuk membuat data dapat dimakan oleh jaringan. Jika tidak, jaringan akan belajar selama bertahun-tahun dan tidak akan belajar apa pun.
2. Hasil pelatihan NN tidak dapat diinterpretasikan dan dijelaskan. Dan sang ahli sangat menginginkan hal ini.
3. Jaringan sering kali hanya menghafal contoh daripada mempelajari pola. Tidak ada cara pasti untuk membangun jaringan yang cukup pintar untuk mewakili suatu pola dan tidak cukup luas untuk mengingat seluruh sampel dengan bodohnya.

Apa kecerdasan jaringan saraf?
Faktanya adalah kami tidak mengajarkan sistem untuk memecahkan suatu masalah, kami mengajarkannya untuk belajar memecahkan masalah. Algoritme untuk menentukan jenis kelamin seseorang tidak dibangun ke dalam sistem oleh manusia; algoritma ini ditemukan hampir secara empiris dan tertanam dalam skala sinapsis. Ini adalah unsur kecerdasan.

Contoh 2 (dari bidang inferensi deduktif).
Idenya sederhana. Mari kita ajari mesin untuk berpikir seperti manusia (setidaknya menarik kesimpulan primitif) dan memberikan fakta dasar. Selanjutnya, biarkan dia melakukannya sendiri.
Sistem pakar, sistem logika mesin, dan ontologi (dengan beberapa batasan) bekerja berdasarkan prinsip ini. Berhasil? Niscaya. Ribuan sistem untuk mendiagnosis penyakit dan menjelaskan bidang pengetahuan telah diterapkan dan terus berfungsi.

Apa masalahnya? Mengapa sistem formal bukanlah kecerdasan yang sebenarnya?
Masalahnya adalah bahwa sistem tersebut, setelah menyerap banyak sekali darah dan keringat para penciptanya, setidaknya mulai mengulangi dan mengembangkan keputusan-keputusan dari para ahli (atau komunitas) yang mengajarkannya.
Apakah ini berguna? Niscaya. Pakarnya fana, tugasnya berlipat ganda.

Apa kecerdasan sistem berbasis pengetahuan?
Faktanya adalah mesin tersebut membuat kesimpulan BARU yang tidak diajarkan oleh siapa pun. Elemen pekerjaannya ini sangat buruk (untuk saat ini) dan dibatasi oleh model dan algoritma yang ditetapkan. Tapi ini adalah unsur kecerdasan.

Jadi apa masalahnya dengan AI modern?
Kami masih sangat kecil. Gagasan kita yang naif dan dangkal tentang cara seseorang berpikir dan cara kerja otak membuahkan hasil yang pantas mereka dapatkan.

Tentu saja, kita masih jauh dari mampu menciptakan mesin yang mampu berpikir sesuai akal manusia, namun langkah kita ke arah ini sudah tepat dan bermanfaat.

Dan bahkan jika kita pergi ke arah yang salah, siapa tahu, mungkin, seperti keluarga Strugatsky, kita, sebagai hasil dari upaya yang terarah, secara tidak sengaja akan melakukan sesuatu yang jauh lebih baik dari yang kita rencanakan?