古典的な人工知能が思考機械に具体化される可能性は低いです。 この分野における人間の創意工夫の限界は、脳の機能を模倣するシステムの作成に限られているようです。

人工知能 (AI) の科学は革命を迎えています。 その原因と意味を説明し、大局的に捉えるには、まず歴史に目を向ける必要があります。

1950 年代初頭、機械は思考できるかどうかという伝統的でやや曖昧な問題は、構造を考慮したルールに従って物理記号を操作する機械は思考できるかどうかという、より親しみやすい問題に取って代わられました。 形式論理と計算理論が過去半世紀にわたって大幅に進歩したため、この疑問はより正確に定式化されます。 理論家は、特定の規則に従って変換を受ける抽象シンボル システムの可能性を認識し始めました。 これらのシステムを自動化できれば、その抽象的なコンピューティング能力が実際の物理システムに現れるように思われました。 このような見解は、かなり深い理論的基礎に基づく、明確に定義された研究プログラムの誕生に貢献しました。

機械は考えることができるのでしょうか？

「はい」と答える理由はたくさんありました。 歴史的に見て、最初の最も深遠な理由の 1 つは、計算理論の 2 つの重要な結果にありました。 最初の結果は、効果的に計算可能なすべての関数は再帰的に計算可能であるというチャーチの理論でした。 「効率的に計算可能」という用語は、入力データから有限時間内に結果を計算するために使用できる、ある種の「機械的」手順が存在することを意味します。 「再帰的に計算可能」とは、特定の入力に適用できる演算の有限セットがあり、新しく取得した結果に順次繰り返し適用して有限時間内に関数を評価できることを意味します。 機械的手順の概念は形式的なものではなく、むしろ直観的なものであるため、チャーチの論文には形式的な証明がありません。 しかし、これは計算とは何かということの核心に触れており、それを裏付けるさまざまな証拠が集まっています。

2 番目の重要な結果は、アラン M. チューリングによって得られました。彼は、再帰的に計算可能な関数は、最大限に単純化されたシンボル操作マシン (後に万能チューリング マシンとして知られるようになりました) を使用して、有限時間内に計算できることを実証しました。 このマシンは、入力として機能する基本シンボルの識別、順序、配置に敏感な、再帰的に適用可能なルールによって管理されます。

これら 2 つの結果から非常に重要な帰結が得られます。つまり、標準的なデジタル コンピューターは、適切なプログラム、十分なメモリ、および十分な時間が与えられれば、入力と出力を備えたルールに準拠した関数を計算できるということです。 言い換えれば、彼は外部環境からの自発的な影響に対する体系的な一連の反応を実証することができます。

これを次のように指定しましょう: 上で議論した結果は、適切にプログラムされた記号操作マシン (以降、これを MS マシンと呼びます) は、意識の存在についてのチューリング テストを満たさなければならないことを意味します。 チューリング テストは純粋に行動主義的なテストですが、その要件は非常に強力です。 (このテストがどれほど有効であるかについては、意識の存在に関する 2 番目の根本的に異なる「テスト」に遭遇する以下で検討します。) チューリング テストの元のバージョンによれば、MS マシンへの入力は質問である必要があります。私たちが入力デバイスのキーボードで入力する自然な話し言葉のフレーズと、出力デバイスによって印刷される MS マシンの応答が出力されます。 機械の応答が本物の知的な人間によって入力された応答と区別できない場合、その機械は意識の存在についてのこのテストに合格したとみなされます。 もちろん、現時点では、合理的な人の行動と変わらない出力を得ることができる関数を誰も知りません。 しかし、Church と Turing の結果は、この (おそらく効率的な) 関数が何であれ、適切な設計の MS マシンがそれを計算できることを保証します。

これは非常に重要な結論です。特に、タイプライターを使用した機械との対話に関するチューリングの説明は、重要ではない制限を示しているためです。 MS マシンが直接視覚や自然音声などの装置を使用して、より複雑な方法で世界と対話する場合でも、同じ結論が有効です。最終的には、より複雑な再帰関数が依然としてチューリング計算可能です。 残された問題は 1 つだけです。外部環境からの影響に対する人間の反応を制御する、間違いなく複雑な関数を見つけて、MS マシンがこの関数を計算するためのプログラム (多くの再帰的に適用可能なルール) を作成することです。 これらの目標が基礎を形成しました 科学プログラム古典的な人工知能。

最初の結果は勇気を与えるものでした

巧妙に設計されたプログラムを備えた MS マシンは、心の発現に関連すると思われる数多くの動作を実証しました。 彼らは複雑なコマンドに応答し、難しい算術、代数、戦術の問題を解決し、チェッカーやチェスをプレイし、定理を証明し、簡単な対話を維持しました。 より大容量の記憶装置、より高速なマシンの出現、より強力で洗練されたプログラムの開発により、結果は向上し続けました。 古典的な AI、つまり「プログラミング ベース」の AI は、ほぼあらゆる観点から見て、非常に活発で成功を収めた科学分野でした。 MSマシンが最終的に考えることができるようになるという定期的な否定は、偏っていて情報が不足しているように思えました。 記事のタイトルで提起された質問に対する肯定的な答えを支持する証拠は、説得力以上に思えました。

もちろん、いくつかの不確実性は残りました。 まず、MSの機体はあまり似ていない 人間の脳。 しかし、ここでも古典的なAIは説得力のある答えを用意していました。 まず、MS マシンが作られる物理的な材料は、それが計算する機能とは本質的に何の関係もありません。 後者はプログラムに記録されます。 第二に、マシンの機能アーキテクチャの技術的な詳細も問題ではありません。まったく異なるプログラムで動作するように設計されたまったく異なるアーキテクチャでも、同じ入出力機能を実行できるからです。

したがって、AI の目標は、心に特徴的な入力と出力を持つ関数を見つけ、この関数を計算するために考えられる多くのプログラムの中で最も効率的なものを作成することでした。 同時に、人間の脳が関数を計算する具体的な方法は重要ではないと彼らは言いました。 これで、古典的 AI の本質と、記事のタイトルで提起された質問に対する肯定的な答えの根拠の説明が完了しました。

機械は考えることができるのでしょうか？ 否定的な回答を支持する議論もいくつかありました。 1960 年代を通じて、注目に値する否定的な議論は比較的まれでした。 時々、思考は物理的なプロセスではなく、非物質的な魂の中で行われるという反対意見が表明されることがあります。 しかし、そのような二元論的な見方は、進化論的観点からも論理的観点からも十分に説得力があるとは思えませんでした。 AI研究に萎縮効果は及んでいない。

AI の専門家からは、異なる性質の考察がさらに注目を集めています。 1972 年、ヒューバート L. ドレフュスは、AI システムにおける知性の誇示のパレードを厳しく批判した本を出版しました。 彼は、これらのシステムが真の思考を適切にモデル化していないことを指摘し、これらすべてに固有のパターンを明らかにしました。 失敗した試み。 彼の意見では、これらのモデルには、誰もが持っている世界に関する非公式の一般知識の膨大なストックと、変化する状況の要件に応じてこの知識の特定の要素に依存する常識に固有の能力が欠けていました。 ドレフュスは、思考が可能な人工物理システムを作成するという基本的な可能性を否定しませんでしたが、再帰的に適用されるルールを使用して記号を操作することによってのみこれが達成できるという考えには非常に批判的でした。

人工知能の専門家や哲学者のサークルでは、推論が行われています。 ドレファスこのまだ非常に若い研究分野に固有の避けられない単純化に基づいて、主に近視眼的で偏見のあるものとして認識されていました。 おそらくこれらの欠点は実際に発生しましたが、もちろん一時的なものでした。 より強力なマシンとより優れたソフトウェアによって、これらの欠点が解消される時代が来るでしょう。 時間が人工知能のために動いているように見えました。 したがって、これらの反対意見は、AI 分野のさらなる研究に目立った影響を与えませんでした。

しかし、時間も効果があることが判明しました ドレファス: 70 年代後半から 80 年代前半にかけて、コンピューターの速度とメモリ容量が増加しても、コンピューターの「精神的能力」はそれほど向上しませんでした。 たとえば、コンピュータ ビジョン システムにおけるパターン認識には、予想外に大量の計算が必要であることが判明しました。 実際に信頼できる結果を得るには、生物学的視覚システムが同じタスクを実行するのに必要な時間をはるかに超える、コンピュータに費やす時間がますます必要になりました。 このような遅いモデリング プロセスは憂慮すべきものでした。結局のところ、コンピュータ内では、信号は脳内よりも約 100 万倍速く伝わり、コンピュータの中央処理装置のクロック速度は、他のコンピュータの周波数よりもほぼ同じ数倍高いのです。脳内で発見される振動。 それでも、現実的な問題では、カメはウサギを簡単に上回ります。

さらに、現実的な問題を解決するには、コンピューター プログラムが非常に大規模なデータベースにアクセスする必要があります。 このようなデータベースを構築すること自体が課題ですが、データベースの特定のコンテキスト固有の部分にリアルタイムでアクセスする方法という課題によってさらに複雑になります。 データベースの容量が大きくなるにつれて、アクセスの問題はさらに複雑になってきました。 徹底的な検索には時間がかかりすぎ、ヒューリスティックな手法が常に成功するとは限りません。 人工知能の分野で働く一部の専門家さえも、ドレフュスが表明したのと同様の懸念を共有し始めています。

この頃 (1980 年)、ジョン・サールは、古典的な AI 研究プログラムの非常に基本的な前提に疑問を投げかける、根本的に新しい重要な概念を提案しました。つまり、構造化シ​​ンボルの構造を考慮したルールを再帰的に適用することによって、構造化シ​​ンボルを正しく操作することが、意識的な心の本質。

サールの主な議論は、彼が 2 つの非常に重要なことを実証する思考実験に基づいていました。 まず、彼は、入力と出力が完全に中国語で行われる会話のチューリング テストに合格できる関数を実装する (理解する必要がある) MS マシンについて説明します。 第二に、機械の内部構造は、機械がどのような動作を示すとしても、機械全体もその一部も中国語を理解できないということを観察者の心に疑う余地はありません。 含まれているのは、英語のみを話す人だけで、説明書に書かれているルールに従い、その助けを借りて、ドアの郵便窓から出入りするシンボルを操作する必要があります。 つまり、このシステムは、中国語やメッセージの実際の意味内容を真に理解していないにもかかわらず、チューリング テストを確実に満たしています (J. Searle の記事「脳の心はコンピュータ プログラムですか?」を参照)。 ")。

一般的な結論は、構造に敏感なルールに従って物理シンボルを単純に操作するシステムは、せいぜい現実の意識の貧弱なパロディであるということです。なぜなら、ノブを回すだけで「本当の意味論」を生成することは不可能だからです。空の構文。」 ここで、サールが意識の存在についての非行動的テストを提唱していることに注意する必要があります。つまり、意識の要素は実際の意味論的な内容を持っていなければなりません。

サールが提案したルービック キューブ システムは異常に遅いため、サールの思考実験が不十分であると非難したくなります。 しかし、サール氏は、この場合、スピードは何の役割も果たさないと主張する。 ゆっくり考える人は、それでも正しく考える。 彼の意見では、古典的な AI の概念に従って思考を再現するために必要なものはすべて「中国語の部屋」に存在します。

サール氏の記事は、AI 専門家、心理学者、哲学者からの活発な反応を引き起こしました。 しかし、一般的に、この本はドレフュスの本よりもさらに多くの敵意に直面しました。 同誌の今号に同時に掲載される論文の中で、サールは自身の概念に対して多くの批判的な議論を行っています。 私たちの意見では、それらの多くは正当なものであり、特にその作成者が、部屋とそのコンテンツで構成されるシステムは非常に遅いにもかかわらず、中国語は理解できると主張して熱心に「餌を取る」ものです。

私たちはこれらの回答を気に入っていますが、それは中国人の部屋が中国語を理解していると考えているからではありません。 私たちはサールが彼のことを理解していないということに同意します。 これらの議論の魅力は、サールの議論における非常に重要な 3 番目の公理、つまり「構文自体は意味論を構成せず、意味論の存在には十分ではない」の受け入れの拒否を反映していることです。 この公理は真実かもしれないが、サールは正当な理由があるため、これを確実に知っていると主張することはできない。 さらに、それが真実であると仮定すると、古典的な AI 研究プログラムが存続可能かどうかという疑問が生じます。なぜなら、このプログラムは、適切に構造化されたプロセス、一種の内部ダンスを開始することができさえすれば、という非常に興味深い仮定に基づいているからです。構文要素が入力と出力に正しく関連付けられていれば、人間に固有のものと同じ心の状態と発現を得ることができます。

サールの 3 番目の公理が実際にこの疑問を引き起こしていることは、それを彼の最初の結論「プログラムは心の本質として現れ、その存在は心の存在にとって十分ではない」と直接比較すると明らかになります。 彼の 3 番目の公理がすでにそれとほぼ同じ結論の 90% を含んでいることを理解するのは難しくありません。 これが、サールの思考実験が特に 3 番目の公理をサポートするように設計されている理由です。 これが中華部屋の本質です。

中国の部屋の例は初心者にとって公理 3 を魅力的にしていますが、私たちはそれがこの公理の正当性を証明するとは考えていません。また、この例の矛盾を示すために、私たち独自の類似例を説明として提供します。 多くの場合、議論の余地のある声明に反論する 1 つの成功例は、論理的なごちゃ混ぜでいっぱいの本全体よりもはるかに状況を明確にします。

科学の歴史の中には、サールの推論に見られるような懐疑論の例が数多くあります。 18世紀に アイルランドの司教ジョージ・バークレーは、空気中の圧縮波自体が音響現象の本質であるか、あるいはその存在に十分な要素であるとは考えられないと考えました。 イギリスの詩人兼芸術家のウィリアム・ブレイクとドイツの自然主義詩人ヨハン・ゲーテは、物質の小さな粒子自体が光の客観的存在にとって十分な本質または要素となり得るとは考えられないと考えていました。 今世紀に入っても、たとえその組織がどれほど複雑であっても、無生物それ自体が有機的な実体や生命の十分な条件となり得ることを想像できなかった人々がいました。 人々が想像できること、または想像できないことは、実際に存在するもの、または現実に存在しないものとは何の関係もないことがよくあることは明らかです。 これは、非常に高いレベルの知能を持った人々であっても当てはまります。

これらの歴史的教訓がサールの推論にどのように適用できるかを確認するために、彼の論理に人為的な類似点を適用し、思考実験でこの類似点を裏付けてみましょう。

公理 1. 電気と磁気は物理的な力です。

公理 2. 光の本質的な性質は輝きです。

公理 3. フォース自体はグロー エフェクトの本質として現れますが、その存在には十分ではありません。

結論 1. 電気と磁気は光の本質ではなく、光の存在にとって十分ではありません。

この議論が直後に発表されたと仮定しましょう。 ジェームス・C・マクスウェル 1864 年に、光と電磁波は同一であると示唆しましたが、光の特性と電磁波の特性の間の体系的な類似点が世界で完全に実現される前でした。 上記の論理的議論は、特に公理 3 を支持する次の解説が伴っている場合には、マクスウェルの大胆な仮説に対する説得力のある反論であるように見えます。

暗い部屋で、手に永久磁石または帯電した物体を持っている人がいると考えてください。 マクスウェルの人工照明 (AI) 理論によれば、人が磁石を上下に動かし始めると、電磁波の伝播球が磁石から発せられ、部屋が明るくなります。 しかし、磁石や帯電したボールで遊んだことがある人なら誰でもよく知っているように、それらの力（またはさらに言えば他の力）は、たとえこれらの物体が動き始めたとしても、光りを生み出しません。 したがって、力を操作するだけで実際のグロー効果を実現できるとは考えられないようです。

人間が動かす磁石は光りませんが、電磁力の振動は光を表します。 同様に、特定のルールに従ったシンボルの操作は知性を構成する可能性がありますが、サールの中国語の部屋にあるルールに基づいたシステムは真の理解を欠いているように見えます。

もしこの挑戦がマクスウェルに提示されたら、どう反応するでしょうか?

第一に、磁石の振動の周波数が非常に小さく、必要な周波数の約 1015 分の 1 しかないため、白熱室の実験は可視光の性質について誤解を招くと彼はおそらく主張するでしょう。 ここでは周波数は何の役割も果たしていない、マクスウェル自身の理論に完全に従って、振動する磁石のある部屋にはグロー効果の発現に必要なものがすべてすでに含まれている、というせっかちな答えが続くかもしれません。

その順番で マクスウェル部屋はすでに光で満たされているが、この光の性質と強さは人には見えないほどである、と非常に合理的に述べて、「餌を取る」こともできます。 （人が磁石を動かす周波数が低いため、発生する電磁波の長さは長すぎ、人間の目が反応するには強度が低すぎます。）しかし、これらの現象の理解レベルを考慮すると、発生する電磁波は人間の目では反応できません。問題の時代（前世紀の 1960 年代）では、そのような説明はおそらく笑いと嘲笑を引き起こすでしょう。 「光る部屋！ でもすみません、マクスウェルさん、中は真っ暗です！」

したがって、貧しい人々は マクスウェル硬いです。 彼ができることは次の３点を主張することだけだ。 まず、上記の議論の公理 3 は真ではありません。 確かに、直感的にはそれがもっともらしいと思われるにもかかわらず、私たちはそれについて疑問を抱かずにはいられません。 第二に、光る部屋の実験では、光の物理的性質について何も興味深いことがわかりません。 そして第三に、光の問題と人工発光の可能性を実際に解決するには、適切な条件下で電磁波の挙動が実際に光の挙動と完全に同一であるかどうかを確立する研究プログラムが必要です。 古典的な人工知能はサールの推論に対して同じ答えを返すはずです。 サールの中国語の部屋は「意味論的に暗い」ように見えるかもしれないが、特定のルールに従って実行される記号の操作が意味論的現象を引き起こすことは決してあり得ないと主張する正当な理由は特にない、特に人々はまだ十分な知識がなく、限られた知識しか持っていないためそれらの意味的常識レベルを理解することで、 精神現象それは説明が必要です。 サールは、これらのことについての理解を利用する代わりに、人々がそのような理解を持っていないことを自分の推論に自由に利用します。

サールの推論に対する批判を表明したところで、古典的な AI プログラムに意識の問題を解決し、思考マシンを作成する本当の可能性があるかどうかという問題に戻ります。 私たちは、ここでの見通しは明るくないと信じていますが、私たちの意見はサールが用いた議論とは根本的に異なる理由に基づいています。 私たちは、古典的な AI 研究プログラムの特定の失敗と、その構造の特性の一部を具体化する新しいクラスの計算モデルを通じて生物学的な脳が私たちに教えてくれた多くの教訓に基づいて構築されています。 脳によって迅速かつ効率的に解決される問題を解決する上で、古典的な AI が失敗することについてはすでに述べました。 科学者たちは、これらの失敗は MS マシンの機能アーキテクチャの特性によって説明され、MS マシンが直面している複雑な問題を解決するのにはまったく適していないということで徐々に合意に達しつつあります。

私たちが知る必要があるのは、脳がどのようにして思考の効果を達成するのかということです。 リバース エンジニアリングは、エンジニアリング分野で広く普及している手法です。 新しい技術機器が発売されると、競合他社はそれを分解し、その原理を推測しようとすることで、その仕組みを解明します。 脳の場合、脳は地球上で最も複雑なものであるため、このアプローチを実装するのは非常に困難です。 それにもかかわらず、神経科学者はさまざまな構造レベルで脳の多くの特性を明らかにすることができました。 3 つの解剖学的特徴により、従来の電子コンピュータのアーキテクチャと根本的に区別されます。

まず最初に、信号が何百万もの異なる経路に沿って同時に処理されるという意味で、神経系は並列機械です。 たとえば、目の網膜は、複雑な入力信号をデスクトップ コンピューターのように 8、16、または 32 個の要素の塊としてではなく、ほぼ 100 万個の個々の要素から構成される信号の形で脳に送信します。視神経の端（外側膝状体）、その後も同時に、ワンステップで脳によって処理されます。 第二に、脳の基本的な「処理装置」であるニューロンは比較的単純です。 さらに、出力信号の周波数が入力信号に応じて連続的に変化するという意味で、入力信号に対する応答はデジタルではなくアナログです。

三番目、脳では、あるニューロンのグループから別のニューロンのグループにつながる軸索に加えて、反対方向につながる軸索もよく見つかります。 これらの反復的な投影により、脳は感覚情報を処理する方法を調整できます。 さらに重要なのは、それらの存在によって脳が真に動的なシステムとなり、継続的に維持される動作が非常に複雑であることと、周辺刺激からの相対的な独立性の両方によって区別されるという事実です。 単純化されたネットワーク モデルは、実際のニューラル ネットワークの動作メカニズムや並列アーキテクチャの計算特性を研究する際に有用な役割を果たしています。 たとえば、次のレベルの要素と軸索のような接続を持つニューロンのような要素で構成される 3 層モデルを考えてみましょう。 入力刺激は特定の入力要素の活性化閾値に達し、その「軸索」に沿って隠れ層要素の多数の「シナプス」端子に比例した強度の信号を送信します。 全体的な効果は、入力要素のセットで信号をアクティブにする特定の構成により、隠れた要素のセットで信号の特定の構成が生成されるということです。

出力要素についても同じことが言えます。 同様に、隠れ層のスライスでのアクティブ化信号の構成により、出力要素のスライスで特定のアクティブ化パターンが得られます。 要約すると、問題のネットワークは、考えられる多数の入力ベクトル (アクティブ化信号の構成) を、それに対応する固有の出力ベクトルに変換するためのデバイスであると言えます。 このデバイスは、特定の関数を計算するように設計されています。 正確にどの関数を計算するかは、シナプス重み構造のグローバル構成によって異なります。

ニューラル ネットワークは、脳の微細構造の主な特性をモデル化します。 この 3 層ネットワークでは、入力ニューロン (左下) が活性化信号 (右下) の構成を処理し、それらを重み付き接続に沿って隠れ層に渡します。 隠れ層要素は複数の入力を合計して、新しい信号構成を形成します。 これは外側の層に渡され、そこでさらなる変換が実行されます。 一般に、ネットワークは、ニューロン間の接続の位置と相対的な強度に応じて、入力信号のセットを対応する出力に変換します。

ほぼすべての関数 (つまり、ベクトル間の任意の変換) を計算できるネットワークを作成できる重みを選択するためのさまざまな手順があります。 実際、定式化することさえできない関数をネットワーク上に実装することは可能です。必要なのは、どのような入力と出力が必要かを示す一連の例をそれに与えることだけです。 「ネットワーク トレーニング」と呼ばれるこのプロセスは、ネットワークが入力に対して目的の変換を実行して目的の出力を生成するまで、リンクに割り当てられた重みを順番に調整することによって実行されます。

このネットワーク モデルは脳の構造を大幅に単純化しますが、それでもいくつかの重要な側面を示しています。 まず、並列アーキテクチャは、非常に労働集約的なシーケンシャル モードではなく、各層の複数のシナプスが多くの小規模な計算操作を同時に実行するため、従来のコンピューターに比べて速度面で非常に優れています。 この利点は、各層のニューロンの数が増加するにつれて、ますます重要になります。 驚くべきことに、情報処理の速度は、各レベルのプロセスに関与する要素の数や、それらが計算する関数の複雑さにはまったく依存しません。 各レベルには 4 つの要素または 1 億の要素を含めることができます。 シナプス重みの構成により、単純な 1 桁の合計を計算したり、2 階の微分方程式を解くことができます。 それは問題ではありません。 計算時間はまったく同じになります。

第二に、システムの並列性により、軽微なエラーの影響を受けにくくなり、機能の安定性が得られます。 少数のリンクが失われた場合でも、たとえかなりの数のリンクが失われた場合でも、ネットワークの残りの部分によって実行される変換の全体的な進行に与える影響はごくわずかです。

三番目、並列システムは、大量の情報を分散形式で保存しながら、数ミリ秒単位でこの情報の断片にアクセスできるようにします。 情報は、以前の学習のプロセスで形成された個々のシナプス接続の重みの特定の構成の形式で保存されます。 入力ベクトルがこの接続構成を通過する (そして変換される) と、必要な情報が「解放」されます。

並列処理は、すべての種類のコンピューティングにとって理想的なわけではありません。 小さな入力ベクトルを使用して問題を解決するが、何百万回も高速に反復される再帰計算が必要な場合、古典的な MS マシンが最高の能力を発揮する一方で、脳はまったく無力です。 これは非常に大規模かつ重要なコンピューティングのクラスであるため、古典的なマシンは常に必要とされ、さらには必要になります。 ただし、脳アーキテクチャが最適な技術的ソリューションとなる、同様に広範なクラスの計算が存在します。 これらは主に、生物が通常直面する種類の計算です。「騒がしい」環境での捕食者の輪郭の認識。 彼の視線に対する正しい反応、彼が近づいたときに逃げる方法、または攻撃したときに防御する方法を瞬時に思い出します。 食べられるものと食べられないもの、性的パートナーと他の動物の区別。 複雑で絶えず変化する物理的または社会的環境における行動の選択。 等

最後に、説明した並列システムは構造規則に従ってシンボルを操作しないことに注意することが非常に重要です。 むしろ、シンボル操作は、ネットワークが学習する場合と学習しない場合がある、他の多くの「インテリジェントな」スキルの 1 つにすぎません。 ルールに基づいたシンボル操作は、ネットワークの主要な動作方法ではありません。 サールの議論は、ルールに支配された MS マシンに向けられています。 したがって、私たちが説明したタイプのベクトル変換システムは、たとえそれが有効であったとしても、彼のチャイニーズ・ルームの議論の適用範囲外にありますが、私たちにはそれを疑う別の独立した理由があります。

Searle 氏は並列プロセッサーを認識していますが、彼の意見では、並列プロセッサーには実際の意味論的なコンテンツも含まれないでしょう。 この点での彼らの避けられない劣等性を説明するために、彼は 2 番目の思考実験について説明します。今回は、並列ネットワークに組織された人々で満たされた中国のジムでの実験です。 彼の推論のさらなる過程は、中国人の部屋の場合の推論と似ています。

私たちの意見では、この 2 番目の例は、最初の例ほど成功率も説得力もありません。 まず第一に、システム内の単一の要素が中国語を理解できないという事実は何の役割も果たしません。同じことが人間の神経系にも当てはまるためです。私の脳には単一のニューロンも中国語を理解していません。 英語で、脳はそれを全体として理解していますが。 さらにサール氏は、人間の脳には 1011 個のニューロンが含まれており、それぞれのニューロンが平均 103 個の接続を持っているため、彼のモデル (各ニューロンに 1 人、および各シナプス接続に俊足の少年 1 人) が少なくとも 1014 人必要であることには言及していません。 したがって、彼のシステムには地球のような 10,000 の世界の人口が必要になります。 ジムが多かれ少なかれ適切なモデルを収容できるとは程遠いことは明らかです。

一方で、そのようなシステムが適切な宇宙規模で、すべての接続が正確にモデル化された状態で構築できれば、巨大で、動作が遅く、奇妙に設計されているが、依然として機能する脳が得られるでしょう。 この場合、もちろん、正しい入力があれば、彼はそれができないと考えるであろうし、その逆ではないと予想するのは自然なことです。 ベクトル処理の理論は脳の機能を適切に反映していない可能性があるため、そのようなシステムの動作が実際の思考を表すという保証はありません。 しかし同様に、彼女が考えないという先験的な保証はありません。 サールはまたもや、彼自身（あるいは読者）の想像力の現在の限界を客観的現実の限界と誤って同一視している。

脳

脳は一種のコンピューターですが、その特性のほとんどはまだ不明です。 脳をコンピューターとして特徴づけることは決して単純ではなく、そのような試みは行き過ぎた自由とみなされるべきではありません。 脳は機能を計算しますが、古典的な人工知能によって解決される応用問題とは異なります。 私たちがコンピューターとしての機械について話すとき、それはプログラムが必要で、ソフトウェアとハ​​ードウェアに明確に分かれているシリアル デジタル コンピューターを意味するのではありません。 また、このコンピュータがシンボルを操作したり、特定の規則に従ったりするという意味でもありません。 脳は根本的に異なる種類のコンピューターです。

脳が情報の意味内容をどのように捉えているかはまだわかっていませんが、この問題が言語学をはるかに超えており、種としての人間に限定されないことは明らかです。 人間にとってもコヨーテにとっても、新鮮な土が少し山積みになっているということは、近くのどこかにホリネズミがいることを意味します。 特定のスペクトル特性を持つエコーは、 コウモリ蛾の存在。 意味形成の理論を開発するには、ニューロンがどのように感覚信号をコード化して変換するか、記憶、学習、感情の神経基盤、およびこれらの要素と運動システムの間の接続について、さらに知る必要があります。 神経科学に基づいた意味の理論は、私たちの直観さえも必要とするかもしれません。直観は今では私たちにとって非常に安全であるように見え、サールは推論の中で非常に自由にそれを使用しています。 このような改訂は科学の歴史において珍しいことではありません。

科学は神経系についての既知の情報を利用して人工知能を作り出すことができるのでしょうか? この道には基本的な障害は見当たりません。 サールも同意しているようだが、次のような注意点がある。「心を生成できる他のシステムは、（少なくとも）脳の対応する特性と同等の因果特性を持たなければならない。」 記事の最後では、このステートメントについて検討します。 私たちは、サールが、成功する人工知能システムは、腐ったものの匂いを嗅ぐ能力、ウイルスの保菌者になる能力、影響下で黄色くなる能力など、脳の因果関係のすべての特性を必ずしも備えていなければならないと主張しているわけではないと信じています。完全なコンプライアンスを要求することは、人工航空機に卵を産むことができるように要求するのと同じことになる。

おそらく彼が言いたかったのは、人工心が、彼の言うところの意識的な心に関連するすべての因果的特性を備えているという要件だけでした。 しかし、正確にはどれでしょうか？ そこで私たちは、何が意識的な心に属し、何がそうでないのかという議論に再び戻ります。 これは議論するのに適切な場所ですが、この場合の真実は経験的に見つけられるべきです - 何が起こるか試してみてください。 思考プロセスと意味論が正確に何で構成されているかについてはほとんどわかっていないため、ここでどのようなプロパティが不可欠であるかについて確信を持つのは時期尚早です。 サール氏は、人工知能を称する機械では生化学レベルを含むあらゆるレベルを表現する必要があると何度もほのめかしている。 明らかに、これは強すぎる要件です。 人工脳は、生化学的メカニズムを使用せずに同じ効果を達成できます。

この可能性は、カリフォルニア工科大学の K. ミード氏の研究で実証されました。 ミードと彼の同僚は、アナログマイクロ電子デバイスを使用して人工網膜と人工蝸牛を作成しました。 （動物では、網膜と蝸牛は単なるトランスデューサーではありません。両方のシステムは複雑な並列処理を受けます。）これらのデバイスはもはや、サールが嘲笑するミニコンピューターの単純なモデルではありません。 これらは、実際の信号 (網膜の場合は光、蝸牛の場合は音) にリアルタイムで応答する実際の情報処理要素です。 このデバイスの設計は、ネコの網膜とメンフクロウの蝸牛の既知の解剖学的および生理学的特性に基づいており、その出力は、モデル化された器官の既知の出力に非常に近いものです。

これらのチップは神経伝達物質を使用しないため、望ましい結果を達成するために神経伝達物質は必要ないようです。 もちろん、人工網膜の出力は人工視床や大脳皮質などには送られないため、人工網膜が何かを見ているとは言えません。ミードのプログラムに従って人工脳全体を構築することが可能かどうかはまだ不明ですが、システムに生化学的メカニズムが欠如しているため、このアプローチが非現実的であるという証拠はありません。

神経系は、神経伝達物質分子 (下図) から脳および脊髄全体に至るまで、さまざまなスケールの組織にまたがっています。 中間レベルには、視覚刺激の知覚における選択性を実装するもの (中央) などの個々のニューロンと神経回路、および音声機能を担うものと同様の多くの回路で構成されるシステム (右上) があります。 人工システムが知性を備えた生物学的システムをどれだけ忠実に複製できるかは、研究を通じてのみ決定できます。

サールと同様に、私たちは意識のある心の存在の十分な基準としてチューリングテストを拒否します。 あるレベルでは、この理由も同様です。入出力によって定義された関数がどのように実装されるかが非常に重要であるということに同意します。 マシン内で正しいプロセスが実行されることが重要です。 別のレベルでは、私たちはまったく異なる考慮事項によって導かれます。 サールは、意味論的な内容の有無に関する彼の立場を常識的な直観に基づいています。 私たちの視点は、古典的な MS マシンの特定の失敗と、アーキテクチャが脳の構造に近いマシンの特定の利点に基づいています。 これらの異なるタイプのマシンを比較すると、典型的な頭脳作業に関して、一部の計算戦略が他の計算戦略よりも大きく決定的な利点を持っていることがわかります。 経験的に確立されたこれらの利点には疑いの余地がありません。 明らかに、脳はこれらの計算上の利点を体系的に利用しています。 ただし、必ずしもそれらを使用できる唯一の物理システムであるとは限りません。 非生物学的ではあるが本質的に並列マシンで人工知能を作成するというアイデアは、依然として非常に魅力的であり、非常に有望です。

機械は考えることができるのか?という質問について考えていきます。 しかし、これを行うには、まず「機械」と「考える」という用語の意味を定義する必要があります。 これらの単語の一般的な使用法をできるだけ反映するようにこれらの定義を構築することは可能ですが、このアプローチにはいくつかの危険が伴います。 重要なのは、「機械」と「考える」という言葉の意味を、これらの言葉が通常どのように定義されているかを調べることによって調査する場合、これらの言葉の意味とその答えは次のとおりであるという結論を避けるのは難しいということです。 「機械は考えることができますか?」という質問 ギャラップのアンケートなどの統計調査を通じて調査する必要があります。 しかし、これはおかしい。 そのような定義を与える代わりに、私たちの質問を、それに密接に関連し、比較的明確な意味を持つ言葉で表現された別の質問に置き換えます。

この新しい形式は、「イミテーション ゲーム」と呼ぶゲームで説明できます。 このゲームには、男性 (A)、女性 (B)、質問者 (C) の 3 人が参加します。性別は問いません。 質問者は、自分がいる部屋の壁によって、ゲームの他の 2 人の参加者から隔てられています。 ゲームの目的は、質問者がゲーム内の他の 2 人のプレイヤーのうちどちらが男性 (A) でどちらが女性 (B) であるかを判断することです。 彼はそれらを X と Y という呼び方で知っており、ゲームの終わりに「X は A、Y は B」または「X は B、Y は A」のいずれかを言います。 彼は次のような質問をすることが許可されています。

S: 「X さんに髪の長さを教えてもらいます。」

ここで、実際には X が A であると仮定しましょう。この場合、A は答えを出さなければなりません。 A にとって、ゲームの目的は C が間違った結論に達するように誘導することです。 したがって、彼の答えは、たとえば次のようになります。

「私の髪は短くカットされており、最も長い髪の毛の長さは約9インチです。」

質問者が、ゲームの他の 2 人の参加者のうちどちらが男性でどちらが女性かを音声で判断できないように、質問への回答は書面、またはタイプライターで行うのがさらによいでしょう。 理想的なケースは、ゲームの参加者がいる 2 つの部屋の間で電報メッセージを送信することです。 それができない場合は、仲介者が回答と質問を伝える必要があります。 3 人目のプレイヤーである女性 (B) のゲームの目的は、質問者を助けることです。 彼女の最善の戦略はおそらく正直に答えることです。 彼女は「私は女性です、彼の言うことを聞かないでください！」などのコメントをすることもできますが、男性も同様の発言をする可能性があるため、これでは何も達成されません。

ここで、「A の代わりにマシンがこのゲームに参加したらどうなるでしょうか?」という質問を立ててみましょう。 この場合、質問者は参加者が人間だけのゲームと同じくらい頻繁にミスをするでしょうか？ これらの質問は、「機械は考えることができるか?」という最初の質問に取って代わるものです。

II. 問題の新しい定式化に対する批判

「新しい形式の問題に対する答えは何ですか?」という質問をするのと同じように、「その新しい形式の問題は検討する価値がありますか?」と尋ねることができます。 私たちは、この最後の質問について、問題を無期限に延期することなく検討し、将来この質問に戻ることがないようにします。

私たちの問題の新しい定式化には、人間の身体的能力と精神的能力を明確に区別できるという利点があります。 人間の皮膚と区別できない材料を作成したと主張する技術者や化学者は一人もいません。 いつかそんな発明ができるかもしれない。 しかし、人間の皮膚と区別できない素材を作成する可能性を認めたとしても、そのような人工の肉を身に着けることによって「思考機械」をより人間に近づけようとすることは、ほとんど意味がないと私たちは依然として感じています。 私たちが問題に与えた形式は、質問者がゲームの他の参加者と接触したり、彼らの姿を見たり、彼らの声を聞いたりすることを許さない状況におけるこの状況を反映しています。 導入された基準のその他の利点は、考えられる質問と回答の例を示すことで示すことができます。 例えば：

S: フォース川にかかる橋をテーマにしたソネットを書いてください。

A: ここから出してください。 私は詩を書かなければならなかった。

C: 34,957 を 70,764 に加算します。

A (約 30 秒間沈黙し、その後答えます): 105 621。

S: チェスをしますか?

S: e8 にはキングだけがあり、他の駒はありません。 e6 にはキング、h1 にはルークしかありません。 どうやって遊ぶの？

A (15 秒間の沈黙の後): Rh8。 マット。

この質問と回答の方法は、考慮に入れたい人間の活動のほぼすべての領域をカバーするのに適しているように思えます。 私たちは、美人コンテストで輝けないことを機械のせいにしたり、飛行機との競争で負けたことを人間のせいにしたくありません。ゲームの状況によって、これらの欠点は重要ではなくなります。 答える人は、それが都合がよいと思うのであれば、自分の魅力や強さ、勇気を好きなだけ誇ることができ、質問者はこれについての実際的な証拠を要求することはできません。

おそらく、私たちのゲームは、その利点が主にマシン側にあるという理由で批判される可能性があります。 もし人が機械のふりをしようとしたら、明らかにその人は非常に哀れに見えるでしょう。 彼は計算が遅く不正確で、すぐに自分を裏切ってしまいました。 さらに、機械は思考として特徴付けられるべき、しかし人間が行うこととは大きくかけ離れた何かを行うことはできないでしょうか? この反論は非常に正当です。 しかし、それに対して、私たちは、いずれにせよ、イミテーション ゲームを満足にプレイするマシンを実装することがまだ可能であれば、この反論について特に心配する必要はないと言えます。

「模倣ゲーム」では、単に人間の行動を模倣することが機械にとって最善の戦略ではない可能性があることに注目する人もいるかもしれません。 そのようなケースはあり得ますが、それが本質的に新しいことをもたらすとは思えません。 いずれにせよ、この方向でゲームの理論を探求しようとした人は誰もいないため、マシンにとっての最良の戦略は、適切な状況で人間が与えるであろう答えを与えることであると仮定します。

Ⅲ． ゲームに関与するマシン

セクション I で提起された質問は、「機械」という言葉によって正確に理解されるべきものを明確にするまで、完全に正確なものにはなりません。 もちろん、ゲーム内であらゆる種類のエンジニアリング機器を使用できるようにしたいと考えています。 また、エンジニアまたはエンジニアのグループが、動作するマシンを構築する可能性はあるものの、彼らが使用した方法は主に実験的なものであるため、その動作について満足のいく説明ができない可能性も受け入れる傾向があります。 [試行錯誤により]。最後に、普通に生まれた人間を機械のカテゴリーから除外したいと思います。 これら 3 つの条件を満たす定義を構築することは困難です。 たとえば、機械の設計者全員が同性であることを要求することもできますが、実際にはそれだけでは不十分です。明らかに、採取された単一の細胞から完全な個体を成長させることが可能であるためです（たとえば、 ) 人間の皮膚から。 これを行うことは、生物工学の偉業として最も賞賛に値するでしょうが、私たちはこの事例を「思考機械の構築」とみなすつもりはありません。

上記は、ゲーム内であらゆる種類のテクノロジーを許可するという要件を放棄する必要があることを示唆しています。 私たちは、通常「電子コンピューター」または「デジタルコンピューター」と呼ばれる特殊な種類の機械のおかげで「考える機械」への関心が生じたという事実により、この考えにさらに傾いています。 したがって、私たちはデジタル コンピューターのみがゲームに参加することを許可します。

アルトフ・ゲンリク

機械は考えることができるのでしょうか？

ゲンリク・アルトフ

機械は考えることができるのでしょうか？

「機械は考えることができるのか?」という質問について見ていきます。 しかし、これを行うには、まず「考える」という用語の意味を定義する必要があります...

A.チューリング。 トリガーチェーン。

週に2回、夕方、グランドマスターはサイバネティクス研究所に来て、電子機械で遊んだ。

広くて人気のない部屋には、チェス盤のある低いテーブル、時計、押しボタン式のコントロールパネルがありました。 グランドマスターは椅子に座り、駒を置き、「スタート」ボタンを押しました。 電子機器のフロントパネルに、動くモザイク状のインジケーターランプが点灯しました。 トラッキングシステムレンズが目指したのは、 チェス盤。 それから短い碑文がマットディスプレイに点滅しました。 車は最初の動きを始めた。

かなり小さかったですね、この車。 時々、グランドマスターには、最も平凡な冷蔵庫が自分に立ち向かっているように見えました。 しかし、この「冷蔵庫」は常に勝ちました。 1年半でグランドマスターはかろうじて4試合しか引き分けられなかった。

機械は決してミスをしませんでした。 時間的プレッシャーの脅威が彼女に迫ることはありませんでした。 グランドマスターは、意図的にばかばかしい動きをしたり、駒を犠牲にしたりして、車を倒そうとしたことが一度や二度ではなかった。 その結果、彼は慌てて「諦める」ボタンを押さざるを得なくなった。

グランドマスターはエンジニアであり、自己組織化オートマトンの理論を洗練させるためにマシンを実験しました。 しかし時々、彼は「冷蔵庫」の絶対的な平静さに激怒した。 ゲームの重要な瞬間でさえ、マシンは 5 ～ 6 秒以上考えませんでした。 表示灯の色とりどりの光を静かに点滅させながら、彼女は最強の一手を書き留めた。 このマシンは対戦相手のプレイスタイルに合わせて調整することができました。 時々彼女はレンズを上げてその人を長い間見つめた。 グランドマスターは心配していて間違いを犯しました...

日中、無言の研究助手が部屋に入ってきた。 彼は暗い表情で、マシンを見ずに、チェス盤上で行われたゲームを再現しました。 違う時間優れたチェスプレーヤー。 「冷蔵庫」のレンズがずっと伸びてボードの上に垂れ下がっていました。 機械は研究助手を見ていなかった。 彼女は冷静にその情報を記録した。

チェスマシンが作成された実験は終わりに近づいていました。 人間と機械の間の公開試合を開催することが決定されました。 試合前、グランドマスターはさらに頻繁に研究所に現れるようになった。 グランドマスターは損失がほぼ避けられないことを理解していました。 それでも彼は粘り強く探し続けた 弱点ゲーム「冷蔵庫」で。 マシンは、これからの戦いを予感しているかのように、日に日に強くなっていきました。 彼女は、グランドマスターの最も狡猾な計画を電光石火の速さで解明しました。 彼女は突然の並外れた攻撃で彼の姿を打ち砕いた...

試合開始の少し前に、マシンはチェスクラブに運ばれ、ステージに設置されました。 グランドマスターは最後の瞬間に到着した。 彼はすでに試合に同意したことを後悔していた。 みんなの前で「冷蔵庫」に負けるのは不愉快でした。

グランドマスターは自分の才能と勝利への意志のすべてをゲームに注ぎ込んだ。 彼はこれまでマシンでプレーしたことのないスタートを選択し、試合はすぐにエスカレートした。

12 手目で、グランドマスターはマシンにポーンのビショップを提供しました。 ゾウの犠牲には、事前に準備された微妙な組み合わせが関連付けられていました。 機械は9秒間考え、被害者を拒否した。 その瞬間から、グランドマスターは自分が負けることは避けられないと悟った。 しかし、彼は自信を持って、大胆に、危険を冒してゲームを続けた。

会場にいた人は誰もそのような試合を見たことがありませんでした。 超芸術でした。 マシンが常に勝つことを誰もが知っていました。 しかし、今回は盤上の立場が非常に急速かつ劇的に変化したため、どちらが勝つかを予測することは不可能でした。

29手目が終わった後、マシンのディスプレイに「Draw」という文字が点滅した。 グランドマスターは驚いて「冷蔵庫」を見て、無理して「いいえ」ボタンを押しました。 表示灯が点灯し、光のパターンが再配置され、用心深く固まりました。

開始11分、彼女はグランドマスターが最も恐れていた行動をとった。 素早い駒の交換が続いた。 グランドマスターの状況は悪化した。 しかし、車の信号板に再び「Draw」の文字が現れた。 グランドマスターは頑なに「ノー」ボタンを押し、女王をほぼ絶望的な反撃に導いた。

機械の追跡システムはすぐに動き始めました。 レンズのガラスの目が男を見つめた。 グランドマスターは車を見ないようにしていた。

徐々に、インジケーターランプの光のモザイクでは黄色の色調が優勢になり始めました。 それらはより豊かになり、より明るくなり、最終的には黄色のランプを除いてすべてのランプが消えました。 金色の光線の束がチェス盤に落ち、驚くほど暖かい日差しに似ていた。

張りつめた沈黙の中で、大きな制御時計の針がカチッと音を立てて、部門から部門へと飛び移った。 機械は考えていた。 彼女は43分間考えましたが、ホールに座っているチェスプレイヤーのほとんどは、特別に考える必要はなく、彼女が騎士と一緒に安全に攻撃できると信じていました。

突然、黄色のライトが消えました。 レンズは不確かに震えながら、いつもの位置に戻った。 行われた動きの記録がスコアボードに表示されました。マシンは慎重にポーンを動かしました。 ホールに騒音があった。 多くの人が、これは最善の策ではないと感じていました。

4 移動後、マシンは敗北を認めました。

グランドマスターは椅子を押しのけて車に駆け寄り、サイドシールドをぐいと引き上げた。 シールドの下で、制御機構の赤いライトが点滅した。

スポーツ新聞の特派員である若い男性がかろうじてステージに登場したが、ステージはたちまちチェスプレイヤーで埋め尽くされた。

彼女はただ屈服したようだ」と誰かが不安げに言った。 - 彼女はとても素晴らしい演奏をしました - そして突然...

そうですね、」と有名な​​チェスプレイヤーの一人は反論しました。「勝ちの組み合わせに気付かない人もいるのです。 マシンは全力でプレーしましたが、その能力には限界がありました。 それだけです。

グランドマスターはゆっくりと車のダッシュボードを下ろし、特派員の方を向いた。

それで、」彼はノートを開いてイライラしながら繰り返した、「あなたの意見はどうですか？」

私の意見？ - グランドマスターは尋ねました。 - これは、19 番目のブロックのトリガー チェーンが失敗したことです。 もちろん、ポーンの動きが最強というわけではありません。 しかし今では、どこに原因があり、どこに結果があるかを言うのは困難です。 おそらくこのトリガーチェーンのせいで、車はより良い動きに気付かなかったのでしょう。 あるいは、彼女は本当に勝たないと決めたのかもしれない - そしてそれが彼女に引き金をもたらした。 結局のところ、人が自分自身を克服するのは簡単ではありません...

しかし、なぜこの弱い動き、なぜ負けるのでしょうか？ -特派員は驚いた。 機械が考えることができれば、勝利を目指して努力するでしょう。

グランドマスターは肩をすくめて微笑んだ。

何と言うか…時には弱気な行動をとるほうが人間的であることもあります。 離陸の準備ができて！

ヤクは海のはるかかなたにある高い岩の上に立っていた。 自動装置をチェックするために灯台に人が時々現れるだけだった。 灯台から約200メートルのところに島が水面から浮かび上がっていました。 長年にわたり、宇宙船は台座の上にあるかのように島に設置され、長い航海を経て地球に帰還しました。 そのような船を再び宇宙に送るのは意味がありません。

私は黒海沿岸全体の灯台を担当していた技術者と一緒にここに来ました。 私たちが灯台の頂上に登ったとき、技師は私に双眼鏡を渡し、こう言いました。

嵐が来るでしょう。 とても幸運です。悪天候の前には、彼はいつも生き返ります。

赤みを帯びた太陽が灰色の波頭でぼんやりと輝いていた。 岩が波を切り、彼らはその周りを回り、滑りやすく錆びた石の上に音を立てて登った。 そして、大きなため息とともに、それらは泡状の流れとなって広がり、新たな波への道を切り開きました。 これがローマ軍団の前進方法であった。攻撃を終えた前列は開いたシステムを通って後退し、その後システムは閉じて新たな勢いで攻撃を開始した。

双眼鏡で見ると船がはっきり見えました。 それは非常に古い二人乗りの長距離偵察型宇宙船でした。 船首にはきれいに修復された2つの穴が目立ちました。 ボディには深い凹みが走っていました。 重力加速リングは二つに割れて平らになっていました。 長い間時代遅れのシステムと超低周波気象観測の円錐形の探査機が操舵室の上でゆっくりと回転していました。

そうですね、」と技師は言いました。「彼は嵐が来ると感じています。」

どこかでカモメが警戒の叫び声をあげ、海は鈍い波音で応えた。 海の上に灰色の霧が立ち上り、徐々に地平線が見えなくなりました。 風が軽くなった波頭を雲に向かって引き寄せ、悪天候で重みを増した雲は水面に向かって沈んでいきました。 空と海の接触から嵐が起こるはずだった。

まあ、それはまだ理解できます」とエンジニアは続けました。「太陽電池がバッテリーに電力を供給し、電子頭脳がデバイスを制御します。」 しかし、他のすべて...時々彼は陸、海、嵐のことを忘れて、空だけに興味を持ち始めているようです。 電波望遠鏡が伸び、ロケーターアンテナが昼夜回転します...またはその他のことです。 突然パイプが上昇し、人々を見つめ始めます。 冬は冷たい風が吹いて船は氷で覆われますが、灯台に人が現れると氷は一瞬で消えてしまいます…ちなみに藻は生えていません…。

または
私たちの未来のデジタルナノテクノロジー。

序文

アメリカのSF作家アイザック・アシモフには、宇宙船の人工頭脳がどのようにして装着されるかについての物語があります。 女性の名前マリアは船長からの口頭命令を実行するように設計されており、船長とさまざまな話題についてよく話し合いました 人間の命、愛を含めて、飛行中の彼の孤独を明るくしようとしました。 そして、彼らの親密で長い相互コミュニケーションの結果、マリアは指揮官に恋をし、旅が終わった後も彼と別れるつもりはありませんでした。

したがって、彼女は彼らが地球に戻るのを阻止するためにあらゆることをしました。 マリアが感じた女性の中に宇宙船の人工知能が宿る 愛する女性そして意図的に宇宙船を宇宙の無限の彼方に連れて行き、愛する人、そして故人さえも永遠に一緒にいたのです。

したがって、人工知能とのコミュニケーションには一定の危険が伴います。 しかし、ロシアのテレビチャンネルで私たちの将来について頻繁に語る知識人たちは、このことについてまったく知りません。

答えは簡単で、無名の著者の鋭い皮肉なフレーズにあります。
- そして彼女にはそれができない。

それは正しい。 そんな愚かな質問をするということは、あなたも考えることができないということです。

しかし、我が国の知識人たちは諦めず、国内のさまざまなテレビチャンネルで、このファッショナブルな話題、彼らの意見ではすでにその時代が到来している人工知能の話題について際限なく話し続けています。

最近、チャンネル 24 で、人工知能の選択肢の最初の例とともに、現在私たちの世界で出現しつつある新しい「ナノテクノロジー」について、ロシアの人文主義者による別の知的番組を聞きました。

不思議なことだが、どういうわけか今ロシアで私たちの技術的な未来について語っているのは主に「専門家」であり、彼らは教育による「技術者」ではなく、人文主義者、さまざまな種類の政治学者、文化科学者、言語学者、哲学者、ディーラーである。 、マネージャー、政治ジャーナリストなど。 つまり、ボルトとナットの区別がつかないだけでなく、技術的思考の本質も理解していない人です。 しかし、人間に取って代わる機械やロボットシステムについて自信を持って語る人たちは、 生産工程そして私たちの家庭でも、人工知能とその時代の要件への準拠について話します。

持っている人 技術教育、いわゆる「技術者」、テレビはそのような番組での出演が許可されていません。なぜなら、彼らの理解では「技術者」とは、原始的な考え方を持ち、視野が狭く、制限があり、制御不能で、そのような番組で何か間違ったことを言う可能性がある人々だからです。

そして彼ら自身も、人間が大量に消費する製品を大型印刷機で印刷する時代が到来しており、したがって、絶えずパイプを煙にし、常に私たちの生活を汚染しているこれらの工場は間もなく必要なくなるだろうと喜びながら言い始めています。 環境。 そして、現代の工場で働く人々のこうした何百もの専門知識は必要なくなるでしょう。 なぜ今それらを持っているのでしょうか？ 現在では、消費者自身がインターネットや大容量プリンターを介して、生活に必要な商品を印刷するようになっています。

たとえば、冷蔵庫や家具、ガスコンロを備えた車に至るまで、さまざまなものが必要になります。インターネットで調べて、必要な製品を印刷する適切な会社を選択し、注文すると、必要な製品を印刷して持ってきてくれます。そのままご自宅までお届けします。 そんな素晴らしい未来をもたらしてくれるのが、新たな「ナノテクノロジー」です。

あそこのスコルコボでは、冶金学と機械工学の新しい技術がすでにコンピューター上で開発されています。 そして、冶金や金属加工の機器を大量に備えた、以前の意味での研究所も存在しません。 そして、環境的にクリーンなスコルコボ地区には、空から煙を吐く工場を備えた工業地帯はなく、作業場、コンベヤー、高炉、転炉、圧延機、その他あらゆる種類のハードウェアもありません。 コンピューターと大容量プリンターだけです。 そしてそれ以上は何もありません。 確かに、プリンタで印刷できるのはプラスチックの部品と製品だけです。 それでいて、小さいもの。 しかし、今のところはそれだけです。 さよなら。 そして、私たちは「ナノマテリアル」に切り替わり、人生はおとぎ話のようになります。

そうすれば、人類社会全体がバルクプリンターで印刷された「ナノマテリアル」から作られた製品に完全に切り替わり、適切なプログラムに従って、生命に必要なものすべてを完全に提供し始めるでしょう。

たとえば、アメリカにはロシアの地質学者で地球物理学者がいます。彼の名字は言いませんが、彼は私たちのテレビによくゲストとして登場します。 MGRI を卒業した後、ロシアで仕事が見つからず米国に渡り、すぐに地球物理学の研究室に就職し、その後カナダの別の研究室に就職し、現在はスイスに研究室を構えています。 彼はまだ 30 歳に達していませんが、すでに地殻のコンピューター研究の主要な専門家とみなされています。 彼は地質調査には行かず、地球のさまざまな地域で岩石を掘削する際に取り出されたコアの研究もせず、地上での地質学者のこの困難で費用のかかる作業をすべてコンピューターに移し、コンピューターによる地質調査のみに従事しています。モホロビチッチ層は地球の地殻の下側の境界であり、そこでは縦地震波の速度の不可解な突然の増加が起こります。 そして 科学の世界彼の理論を受け入れた。

私の青春時代は地質学に費やされ、MGRI で 4 年間勉強したこともあり、それが何であるか、地質調査でのフィールドワーク、世界最大の地図であるソ連の地質図がどのように編纂されたかについて詳しく知っています。 しかし今では、実用的な現場地質学はもはや必要ではないことが判明しました。 現代社会。 また、以前は現地調査の結果に基づいて行われていたオフィスでの地質調査も、今では自宅のオフィスのコンピューターを使って快適な環境で行うことができ、文明の外のどこかで最も困難な生活条件や労働条件を伴う遠征はもはや必要ありません。必要です。

もしそうなら、私たちの現実の世界は確かに根本的に変化しており、この新しい、いわゆる仮想の周囲の現実が、今日の私たちの生活についての以前の考えをすでに積極的に追い出しつつあることがわかります。

そして今では、必要な製品を製造するための工場は本当に必要ありません。また、地球の表面と深さを研究するための探検隊も必要ありません。しかし、必要なのは体積測定プリンターを備えたコンピューターだけです。私たちの新しい現実生活におけるすべての本当の問題を解決します。 しかし、それだけですか?!

いつものように、突然、玄関で水が壊れたので、私は悪名高い住宅事務所に電話し、事故をなくすために配管工を呼びました。 しかし、大型プリンターを備えたスーパーコンピューターは必要なく、必要なのは配管工具だけでした。彼らは事故をなくすために私たちのところに来て、破裂した配管の交換に2日以上苦労しました。 しかし、現代の知識人たちは、私のこの特別な事件は人工知能とは何の関係もないと言っています。

どうやら私はかなり前の時代の人間なので、新しいコンピューターの世界に私の居場所がないという今日の現実を理解していないようです。 結局のところ、これは私たちの現在の社会とはまったく異なるものでなければなりません、なぜなら現代の人間の精神はそのようなコンピュータープロセスを制御することができないからです;ここでは人工知能、人工頭脳、人工知能が必要です。 そして、現代人のほんの一部だけが人工知能を扱えるようになるため、残りの世界人口は余剰となり、誰にとっても役に立たなくなるでしょう。 その場合、彼らに対して何をする必要があるかはまだ不明です。 まだ決まってないよ！

このようにして、地球の現代の「管理者」の「黄金の10億人」の考えが生まれ、その任務は地球の物品を管理して使用することであり、地球の残りの人々は彼らに奉仕するためだけに必要とされるでしょうそして彼らのために快適な生活環境を作り出します。 しかし、「黄金の10億人」に含まれる候補者、人工知能と連携できる超高度な知能を備えた人々はどこで入手できるのでしょうか? そして、それらは妊娠の段階ですでに選択されている必要があります。 そして、この選択は人工知能そのもの、人工知能そのものによって実行されなければなりません。

そして、この種のナンセンスはチャンネル「24」でほぼ2時間続きました。 これは一体どこから来たのでしょうか？ 現代世界? 答えは簡単です。 ロシアは言うに及ばず、ヨーロッパとアメリカの国々における一般的および専門的教育レベルの低下は非常に強力であるため、西側とロシアの半教育を受けた人々はそのような「物語」やおとぎ話を積極的に信じざるを得なくなっています。 。

しかし、人生は依然として、私たちの周囲の生活、私たちの現在の現実に対する彼らの知的認識を打ち破っています。 そしてそれはいつも壊れます。 しかし彼らはそれに気づかない、なぜなら彼らの視線は日常の汚れのない未来に向けられているからである。

結局のところ、彼らの誰も、知識人たちのために住宅や道路を誰が建設するのか、彼らに食料を提供するのか、廃棄物を誰が撤去するのか、私たちの家や庭、水道やガスを誰が修理するのかといった最も基本的な疑問すら提起していないのです。パイプラインは、これらのコンピューターとプリンターを自社で製造および保守します。 誰が？ 人工知能がすべてを自分で決定します、と彼らは答えます。 そして彼らは自分の答えに自信を持っていて、私や私のような人々を見下すような目で見下しています。

しかし、この人工知能は人間の知能と競争できるのでしょうか? 質問は修辞的です。 愚かとは言えません。 しかし彼らは、人工知能がすでにチェスやプログラミングでも人間を破りつつあると言います。 そして現代の絵画や彫刻は、人間の想像力では想像できない方法で「閃き」ます。

そして、この件に関して彼らと議論するのは無意味です。 しかし、私には、人工知能が代替できるのは彼らの知性であるように思えます。 ここには何の困難もありません。 なぜなら、彼らは標準的で原始的な考え方をしているからです。 しかし、私の心、エンジニアや発明家の心、妻や高度な資格を持った医師の心、そして専門的に仕事をしている他の同様の人々の心は、人工の心にとって代わることはできません。 私はここで女性や母親の心のことを話しているのではありません。

しかし、大多数の政府高官やさまざまな種類の「国家院」の議員、そしてその多数の補佐官の心は、すぐに人工的なものに置き換える価値さえあるでしょう。 そしてまた、社会を制御下に置くために人工知能で武装した「50億人」の人類によって制御される私たちの明るい未来について何時間もテレビでわめき散らしている、あらゆる種類の科学の医師である「知識人」の心もすでに崩壊している。ロシアにとって最も重要かつ必要な任務になりつつある。 そうでないと、私たちは彼らの空虚な言葉に窒息してしまうでしょう。

PS 考える、考えるという概念は人それぞれ違います。 人は 3 つのことを考えるときに考えます。 女性はデートのドレスを選ぶとき、または顔のメイクをするときに考えます。 ビジネスマンは、従業員の給料を減らして自分の懐にもっとお金を入れようとするときに考えます。エンジニアは、直面している技術的な問題を解決するときに考えます、などなど。 そうですね、現在の政府高官が何を考えているのか分かりません。なぜなら、今日のロシアにおける人間の活動範囲は私にとってまったくの謎だからです。 結局のところ、そこには思考の欠片さえなく、原始的で利己的な利益があるだけです。

生理シミュレーション
実際のところ、「人工知能」という用語 (ちなみに、徐々に「インテリジェント システム」、「意思決定方法」、「データ マイニング」という概念に置き換えられています) は、当初は大きなクラスのモデルを包含すると考えられていました。そして、（当時の考えによると）人間の脳と同じように機能すると考えられていたアルゴリズム。
これらには、たとえば、あらゆるストライプの悪名高いニューラル ネットワークや遺伝的アルゴリズムが含まれます。

概要、統計、分析
一方、いわゆる AI の多くの手法は、統計、オペレーションズ リサーチ、トポロジー、計量空間といった数学の分野を発展させたものにすぎません。 これらには、データ マイニングと知識データの発見のほとんどの方法、クラスター分析、引数のグループ アカウンティングの方法などが含まれます。

これらはいわゆる帰納的推論の方法であり、利用可能なデータに基づいて次のことを推測します。 一般的なパターン.

ルール、ロジック、結論
3 番目の特別なグループには、一般的なパターンを構築し、それを使用して特定の事実に関する結論を導き出そうとする手法が含まれています。 これらは演繹的推論の方法であり、世界と同じくらい古いアリストテレスの三段論法、命題と述語の微分積分法、さまざまな形式体系と論理によって代表されます。 形式言語と自然言語の理論、さまざまな生成文法はまさに最先端にありました。

通常「AI」と呼ばれるものはすべて、シミュレーションまたは論理的に解決しようとしていることがわかります。 模倣の課題人間の知性。

疑問が生じます。バベッジの原理に従って構築された現代のコンピューターがまだ実行していないほど特殊なことを、人は何をするのでしょうか?
AI が扱うタスクの 1 つの定義は次のとおりです。 アルゴリズムによる解決策はありませんあるいはそれ 計算の複雑さの理由により適用されません».

したがって、たとえば、チェッカーをプレイするタスクは、かつては AI タスクでしたが、完全なモデルを構築し、改善不可能な手の完全なデータベースを収集した後は、単に情報ベースを検索するという問題に変わりました (「および」を参照)。

AI の課題は時間の経過とともに変化します
おそらく私たちの子供たちは、自然言語でのコミュニケーションからあらゆる種類の機器やメカニズムの自動制御に至るまで、多くの問題が解決され、新しい問題が発生する情報の世界に住むことになるでしょう。

しかし、私たち一人ひとりが「人工知能」という言葉を聞いたとき、異なるものを求めました。
私たちはそれができる車を手に入れたかったのです 考える基本的な学習スキルと一般化スキルを備えている人。 生物と同じように、ある器官を他の器官に置き換えて改善することができます。 誰もが初期のSFを読んだことがありますよね？

男の子がいましたか？
それでは、知性はどこで失われたのでしょうか？ 私たちが見たかったものが、いつ、そしてなぜ、退屈な数学モデルやかなり洗練されていないアルゴリズムになったのでしょうか?

話題から逸れた数行。 あなたが「知的」という言葉を使って論文を擁護している場合、理事会のメンバーは通常、システム内で知的である箇所を特定し、なぜそうなのかを証明するように求めます。 この質問は、まったく「答えられない」ものに関するものです。

事実は、現代の「AI」の基礎となっているあらゆるものを考え出した人々は、当時としては革新的かつ革新的なアイデアによって動かされていたということです（実際、私たちの時代が異なるのは、私たちがすでにこれらすべてを使って多くのことを試してきたという点だけです。最新のコンピューティング能力を使用)

例 1 (不可知の領域から).
逆伝播アルゴリズム (いわゆる逆伝播) を使用した順方向信号伝播のニューラル ネットワーク。 これは間違いなく画期的な進歩です。
適切に構成されたネットワーク (賢く選択された入力と出力を使用) は、あらゆる入力シーケンスを学習し、教えられていない例を正常に認識できます。
典型的な実験は次のように定式化されます。1,000 個の例で、そのうちの半分でアルゴリズムを教え、もう 1 つでテストします。 そして前半と後半の選択はランダムに行われます。
これは効果があります。私は個人的にさまざまな NS を少なくとも 10 回教えました さまざまなタスク正解率は 60 ～ 90% で、正常な結果が得られました。

ニューラルネットワークの問題は何ですか? なぜ彼らは本物の知性ではないのでしょうか？
1. 入力データはほとんどの場合、非常に慎重に準備し、前処理する必要があります。 多くの場合、データをネットワークで使用できるようにするために、大量のコードとフィルターが実行されます。 そうしないと、ネットワークは何年も学習することになり、何も学習しません。
2. NN トレーニングの結果を解釈および説明することはできません。 そして専門家は本当にこれを望んでいます。
3. ネットワークは多くの場合、パターンを学習するのではなく、単に例を記憶します。 パターンを表現できるほど賢く、サンプル全体を愚かにも記憶できるほど容量が少ないネットワークを構築する正確な方法はありません。

ニューラルネットワークの知能とは何でしょうか?
実際のところ、私たちはシステムに問題を解決するように教えたのではなく、問題を解決する方法を学ぶようにシステムに教えたのです。 人の性別を決定するアルゴリズムは人間によってシステムに組み込まれるのではなく、ほぼ経験的に発見され、シナプスのスケールに組み込まれています。 これは知性の要素です。

例 2 (演繹的推論の分野から)。
考え方はシンプルです。 機械に人間のように考えることを教えて（まあ、少なくとも原始的な結論を導き出します）、基本的な事実を与えましょう。 次は彼女に自分でやってもらいましょう。
エキスパート システム、マシン ロジック システム、およびオントロジー (ある程度の拡張性はあります) は、この原則に従って機能します。 それは動作します？ 間違いなく。 病気を診断し、知識分野を説明するための何千ものシステムが実装され、機能し続けています。

どうしたの？ なぜ正式なシステムは真のインテリジェンスではないのでしょうか?
問題は、そのシステムが、その作成者たちの膨大な量の血と汗を吸収して、少なくとも、それを教えた専門家（またはコミュニティ）の決定を繰り返し、発展させ始めていることです。
これは役に立ちますか? 間違いなく。 専門家は死を免れないが、任務は倍増する。

知識ベース システムのインテリジェンスとは何ですか?
事実は、機械は誰も教えなかった新しい結論を導き出すということです。 その作業のこの要素は（今のところ）非常に貧弱で、策定されたモデルとアルゴリズムによって制限されています。 しかし、これは知性の要素です。

では、現代の AI の問題は何でしょうか?
私たちはまだとても小さいです。 人がどのように考え、脳がどのように機能するかについての私たちの素朴で表面的な考えが、それに値する結果を生み出しています。

もちろん、私たちは人間の感覚で考えることができる機械を作るには信じられないほど遠いですが、この方向への私たちの歩みは正しく、有用です。

そして、たとえ間違った方向に進んだとしても、おそらくストルガツキー夫妻のように、私たちは方向性を持った努力の結果、意図したよりもはるかに優れた何かを偶然に行うことになるだろう。