고전적인 인공 지능은 생각하는 기계에 구현될 가능성이 낮습니다. 이 영역에서 인간의 독창성의 한계는 분명히 뇌의 작업을 모방하는 시스템의 생성으로 제한될 것입니다.

인공 지능(AI) 과학은 혁명을 겪고 있습니다. 그 원인과 의미를 설명하고 원근법으로 풀기 위해서는 먼저 역사로 돌아가야 합니다.

1950년대 초, 기계가 생각할 수 있는지에 대한 전통적이고 다소 모호한 질문은 구조 기반 규칙에 따라 물리적 기호를 조작하는 기계가 생각할 수 있는지에 대한 보다 접근하기 쉬운 질문으로 바뀌었습니다. 이 질문은 형식 논리와 계산 이론이 지난 반세기 동안 상당한 발전을 이루었기 때문에 더 정확하게 공식화되었습니다. 이론가들은 특정 규칙에 따라 변형되는 추상 기호 시스템의 가능성을 인식하기 시작했습니다. 이러한 시스템이 자동화될 수 있다면 추상적인 컴퓨팅 성능이 실제 물리적 시스템에서 나타날 것 같았습니다. 이러한 견해는 상당히 심층적인 이론적 기반에서 잘 정의된 연구 프로그램의 탄생에 기여했습니다.

기계가 생각할 수 있습니까?

예라고 대답한 데에는 여러 가지 이유가 있었습니다. 역사적으로 가장 근본적인 원인 중 하나는 계산 이론의 두 가지 중요한 결과였습니다. 첫 번째 결과는 효과적으로 계산할 수 있는 모든 함수는 재귀적으로 계산할 수 있다는 Church의 테제였습니다. "효율적으로 계산 가능한"이라는 용어는 입력 데이터가 주어지면 유한한 시간에 결과를 계산할 수 있는 일종의 "기계적" 절차가 있음을 의미합니다. "재귀적으로 계산 가능"이란 주어진 입력에 적용할 수 있는 연산의 유한 집합이 있고, 유한한 시간에 함수를 계산하기 위해 새로 얻은 결과에 순차적으로 반복적으로 적용할 수 있음을 의미합니다. 기계적 절차의 개념은 형식적이지 않고 오히려 직관적이어서 교회의 테제는 형식적 증거가 없다. 그러나 그것은 계산이 무엇인지의 핵심에 도달하고 이를 뒷받침하기 위해 다양한 증거가 수렴됩니다.

두 번째로 중요한 결과는 Alan M. Turing에 의해 얻어졌습니다. 그는 재귀적으로 계산 가능한 모든 함수가 최대로 단순화된 기호 조작 기계를 사용하여 유한 시간에 계산될 수 있음을 보여주었습니다. 이 기계는 입력으로 작용하는 기본 기호의 식별, 순서 및 위치에 민감한 재귀적으로 적용 가능한 규칙에 의해 관리됩니다.

이 두 가지 결과로부터 매우 중요한 결론이 나옵니다. 즉, 올바른 프로그램, 충분히 큰 메모리 및 충분한 시간이 제공되는 표준 디지털 컴퓨터가 입력 및 출력을 사용하여 규칙 기반 기능을 계산할 수 있다는 것입니다. 즉, 그는 외부 환경의 자의적인 영향에 대한 체계적인 반응 세트를 보여줄 수 있습니다.

이것을 다음과 같이 구체화하자: 위에서 논의한 결과는 기호를 조작하는 적절하게 프로그래밍된 기계(이하 MC 기계라고 함)가 의식의 존재에 대한 튜링 테스트를 충족해야 함을 의미합니다. Turing 테스트는 순전히 행동 ​​테스트이지만 요구 사항이 매우 강력합니다. (이 테스트가 얼마나 유효한지, 우리는 의식의 존재에 대한 근본적으로 다른 두 번째 "테스트"를 만나는 곳에서 아래에서 논의할 것입니다.) Turing 테스트의 원래 버전에 따르면 MS 기계에 대한 입력은 다음과 같아야 합니다. 우리가 입력 장치의 키보드에 입력하는 자연 구어체의 질문과 구가 출력 장치에 의해 인쇄된 MS 기계의 답변입니다. 기계의 응답이 실제 지능적인 사람이 입력한 응답과 구별될 수 없는 경우 의식 존재에 대한 이 테스트를 통과한 것으로 간주됩니다. 물론 현재로서는 합리적인 사람의 행동과 다르지 않은 결과를 얻을 수 있는 기능을 아무도 모릅니다. 그러나 Church와 Turing의 결과는 이 (아마도 효율적인) 기능이 무엇이든 적절하게 설계된 MS 기계가 그것을 계산할 수 있음을 보장합니다.

이것은 특히 타자기를 통한 기계와의 상호작용에 대한 Turing의 설명이 미미한 제한이라는 점을 고려할 때 매우 중요한 결론입니다. MC-머신이 직접적인 시각, 자연스러운 음성 등의 장치를 통해 더 복잡한 방식으로 세계와 상호 작용하더라도 동일한 결론이 유지됩니다. 결국 더 복잡한 재귀 함수는 여전히 튜링을 계산할 수 있습니다. 한 가지 문제가 남아 있습니다. 외부 환경의 영향에 대한 사람의 반응을 제어하는 ​​의심할 여지 없이 복잡한 기능을 찾은 다음 MS 기계가 이 기능을 계산하는 프로그램(재귀적으로 적용 가능한 규칙 집합)을 작성하는 것입니다. 이러한 목표가 기초를 형성했습니다. 과학 프로그램고전적인 인공 지능.

첫 결과는 고무적이었다

독창적으로 프로그램된 프로그램을 갖춘 MC 기계는 마음의 표현에 속하는 것처럼 보이는 모든 범위의 행동을 보여주었습니다. 그들은 복잡한 명령에 응답하고, 어려운 산수, 대수 및 전술 문제를 해결하고, 체커와 체스를 하고, 정리를 증명하고 간단한 대화를 유지했습니다. 결과는 더 큰 저장 장치, 더 빠른 기계의 출현, 더 강력하고 정교한 프로그램의 개발로 계속 개선되었습니다. 고전적이거나 "프로그래밍된" AI는 거의 모든 관점에서 매우 활기차고 성공적인 과학 분야였습니다. MC 기계가 결국 생각할 수 있게 될 것이라는 반복적인 부정은 편향되고 정보가 없는 것처럼 보였습니다. 기사 제목에서 제기된 질문에 대한 긍정적인 대답을 지지하는 증거는 설득력 있는 것 이상으로 보였습니다.

물론 애매한 부분도 있었다. 우선, MC 기계는 인간의 뇌. 그러나 여기에서도 고전적인 AI는 설득력 있는 답변을 준비했습니다. 첫째, MS 기계를 구성하는 물리적 물질은 본질적으로 그것이 계산하는 기능과 아무 관련이 없습니다. 후자는 프로그램에 포함됩니다. 둘째, 완전히 다른 프로그램과 함께 작동하도록 설계된 완전히 다른 아키텍처가 그럼에도 불구하고 동일한 입출력 기능을 수행할 수 있기 때문에 기계의 기능 아키텍처에 대한 기술적 세부 사항도 관련이 없습니다.

따라서 AI의 목표는 입력과 출력 측면에서 마음의 특징적인 기능을 찾고 이 기능을 계산하기 위해 가능한 많은 프로그램 중 가장 효율적인 프로그램을 만드는 것이었습니다. 동시에 인간의 뇌가 함수를 계산하는 구체적인 방식은 중요하지 않다고 했다. 이것으로 고전 AI의 본질에 대한 설명과 기사 제목에 제기된 질문에 대한 긍정적인 답변 근거에 대한 설명을 마칩니다.

기계가 생각할 수 있습니까? 부정적인 대답을 찬성하는 주장도 있었다. 1960년대에는 주목할 만한 부정적인 주장이 비교적 드물었습니다. 생각은 물리적인 과정이 아니며 비물질적인 영혼에서 일어난다는 반론이 제기되어 왔습니다. 그러나 그러한 이원론적 관점은 진화론적 관점이나 논리적 관점에서 충분히 설득력이 없어 보였다. AI 연구에 대한 억제 효과는 없었습니다.

다른 성격의 고려는 AI 전문가의 훨씬 더 많은 관심을 끌었습니다. 1972년 Hubert L. Dreyfus는 AI 시스템에서 지능의 퍼레이드 표시에 대해 매우 비판적인 책을 출판했습니다. 그는 이러한 시스템이 진정한 사고를 적절하게 모델링하지 못했다는 점을 지적했고 이러한 모든 시스템에 내재된 패턴을 드러냈습니다 실패한 시도. 그의 의견으로는 모델에는 모든 사람이 가지고 있는 세계에 대한 비정형화된 일반 지식의 방대한 양과 변화하는 환경의 요구 사항에 따라 이 지식의 특정 구성 요소에 의존하는 상식에 내재된 능력이 부족했습니다. . Dreyfus는 사고할 수 있는 인공적인 물리적 시스템을 만들 수 있다는 근본적인 가능성을 부정하지 않았지만, 이것이 재귀적으로 적용된 규칙으로 기호를 조작해야만 달성할 수 있다는 아이디어에 대해 매우 비판적이었습니다.

추론의 철학자뿐만 아니라 인공 지능 전문가의 서클에서 드레퓌스이 아직 매우 어린 연구 분야에 내재된 불가피한 단순화에 기반하여 주로 근시안적이고 편향된 것으로 인식되었습니다. 아마도 이러한 단점은 실제로 발생했지만 물론 일시적이었습니다. 더 강력한 기계와 더 나은 프로그램이 이러한 단점을 없앨 수 있는 때가 올 것입니다. 시간이 인공 지능을 위해 작동하는 것처럼 보였다. 따라서 이러한 반대는 AI 분야의 추가 연구에 눈에 띄는 영향을 미치지 않았습니다.

그러나 시간이 효과가 있음이 밝혀졌습니다. 드레퓌스: 70년대 후반에서 80년대 초반에 컴퓨터의 속도와 메모리의 증가는 "정신 능력"을 많이 증가시키지 않았습니다. 예를 들어, 머신 비전 시스템의 패턴 인식에는 예기치 않게 많은 양의 계산이 필요하다는 것이 밝혀졌습니다. 실제로 신뢰할 수 있는 결과를 얻으려면 생물학적 비전 시스템에 대해 동일한 작업을 수행하는 데 필요한 시간을 훨씬 초과하는 더 많은 컴퓨터 시간을 사용해야 했습니다. 이러한 느린 시뮬레이션 과정은 놀라웠습니다. 결국 컴퓨터에서 신호는 뇌에서보다 약 백만 배 더 빠르게 전파되며 컴퓨터 중앙 처리 장치의 클록 주파수는 발견된 모든 진동의 주파수보다 거의 같은 배 더 높습니다. 뇌에서. 그러나 현실적인 작업에서 거북이는 쉽게 토끼를 따라잡습니다.

또한 현실적인 문제를 해결하려면 컴퓨터 프로그램이 매우 큰 데이터베이스에 액세스할 수 있어야 합니다. 그러한 데이터베이스를 구축하는 것은 이미 그 자체로 다소 어려운 문제이지만, 이 데이터베이스의 특정 컨텍스트 종속 단편에 대한 액세스를 실시간으로 제공하는 방법과 같은 다른 상황에 의해 악화됩니다. 데이터베이스가 점점 더 커짐에 따라 액세스 문제는 더 복잡해졌습니다. 철저한 검색이 너무 오래 걸리고 발견적 방법이 항상 성공적인 것은 아닙니다. Dreyfus가 표현한 것과 유사한 두려움은 인공 지능 분야에서 일하는 일부 전문가들에게도 공유되기 시작했습니다.

이 무렵(1980) John Searle는 고전적인 AI 연구 의제의 매우 근본적인 가정, 즉 구조를 고려하는 규칙을 반복적으로 적용하여 구조화된 기호를 올바르게 조작한다는 생각에 의문을 제기하는 획기적인 비판적 개념을 제시했습니다. , 의식의 본질을 구성할 수 있다.

Searle의 주요 주장은 그가 두 가지 매우 중요한 사실을 보여주는 사고 실험을 기반으로 했습니다. 첫째, 그는 (우리가 이해해야 하는 것처럼) 입력 및 출력에서 ​​튜링 테스트를 중국어로만 진행되는 대화 형식으로 통과할 수 있는 기능을 구현하는 MC 기계를 설명합니다. 둘째, 기계의 내부 구조는 그것이 어떤 행동을 보이든 관찰자는 기계 전체 또는 기계의 어느 부분도 중국어를 이해하지 못한다는 것을 의심할 여지가 없습니다. 설명서에 기재된 규칙에 따라 영어만 구사하는 사람이 포함되어 있으며, 문에 있는 사서함을 통해 출입하는 문자를 조작해야 합니다. 요컨대, 이 시스템은 중국어와 메시지의 실제 의미 내용에 대한 진정한 이해가 없다는 사실에도 불구하고 Turing 테스트를 긍정적으로 만족합니다(J. Searle의 기사 "Mind of the Brain - Computer Program? ").

이것의 일반적인 결론은 단순히 구조에 민감한 규칙에 따라 물리적 기호를 조작하는 시스템은 기껏해야 실제 의식의 한심한 패러디일 것이라는 것입니다. "실제 의미론"을 단순히 " 빈 구문". 여기서 Searle은 의식의 존재에 대한 행동적(비행동적) 테스트를 제시하지 않는다는 점에 유의해야 합니다. 의식적 마음의 요소에는 실제 의미론적 내용이 있어야 합니다.

Searle가 제안한 시스템이 "Rubik's cube"처럼 작동하기 때문에 터무니 없이 느리게 작동하기 때문에 Searle의 사고 실험이 적절하지 않다는 사실로 Searle을 비난하고 싶은 유혹이 있습니다. 그러나 Searle는 이 경우 속도가 어떤 역할도 하지 않는다고 주장합니다. 천천히 생각하는 사람은 여전히 ​​옳다고 생각합니다. 그의 의견으로는 고전 AI의 개념에 따라 사고의 재생산에 필요한 모든 것이 "중국어 방"에 있습니다.

Searle의 기사는 AI 전문가, 심리학자, 철학자로부터 열광적인 반응을 이끌어냈습니다. 그러나 전체적으로 보면 드레퓌스의 책보다 훨씬 더 적대적이었다. 저널의 이번 호에 동시에 발표된 그의 기사에서 Searle은 자신의 개념에 대해 여러 가지 비판적인 논거를 제시합니다. 우리의 의견으로는 방과 그 내용으로 구성된 시스템이 매우 느리지 만 여전히 중국어를 이해한다고 주장하면서 저자가 탐욕스럽게 "미끼를 가져 간다"는 많은 것이 합법적입니다.

우리는 이러한 답변을 좋아하지만 중국어 방이 중국어를 이해한다고 생각하기 때문이 아닙니다. 우리는 Searle가 그를 이해하지 못한다는 데 동의합니다. 이러한 주장의 매력은 Searle의 주장에서 가장 중요한 세 번째 공리를 받아들이지 않는 것을 반영한다는 것입니다. "구문 자체는 의미론을 구성하지 않으며 의미론의 존재에 충분하지 않습니다." 이 공리는 사실일 수 있지만 Searle은 자신이 이것을 확실히 알고 있다고 정당화할 수 없습니다. 더욱이 그것이 사실이라고 제안하는 것은 고전적 AI 연구 프로그램이 건전한지에 대한 질문을 제기하는 것입니다. 왜냐하면 이 프로그램은 우리가 적절하게 구조화된 프로세스를 가동할 수만 있다면 일종의 구문 요소의 내부 춤이 입력 및 출력과 올바르게 연결되면 사람에게 내재된 동일한 상태와 마음의 표현을 얻을 수 있습니다.

Searle의 세 번째 공리가 실제로 이 질문을 제기한다는 사실은 우리가 그것을 그의 첫 번째 결론과 직접 비교할 때 분명해집니다. 그의 세 번째 공리는 이미 그것과 거의 동일한 결론의 90%를 전달한다는 것을 보는 것은 어렵지 않습니다. 이것이 Searle의 사고 실험이 세 번째 공리를 지원하도록 특별히 설계된 이유입니다. 이것이 중국 방의 요점입니다.

중국식 방의 예가 공리 3을 초심자에게 매력적으로 만들지만 우리는 이것이 이 공리의 타당성을 증명한다고 생각하지 않으며 이 예의 실패를 입증하기 위해 우리의 병렬 예를 예시로 제공합니다. 논쟁의 여지가 있는 주장을 반박하는 하나의 좋은 예가 논리적 저글링으로 가득 찬 책 전체보다 상황을 명확히 하는 데 훨씬 더 좋습니다.

Searle의 추론에서 볼 수 있는 것처럼 과학의 역사에서 회의론의 많은 예가 있었습니다. XVIII 세기. 아일랜드 주교 George Berkeley는 공기 중의 압축파가 그 자체로 소리 현상의 본질이거나 소리 현상의 존재를 위한 충분한 요소가 될 수 있다는 것은 상상할 수 없다고 생각했습니다. 영국의 시인이자 화가인 William Blake와 독일의 박물학자인 Johann Goe는 물질의 작은 입자 자체가 빛의 객관적인 존재에 충분한 실체 또는 요소가 될 수 있다는 것을 상상할 수 없다고 생각했습니다. 금세기에도 무생물이 그 조직이 아무리 복잡하다 해도 그 자체로 유기체가 될 수 있거나 생명의 충분한 조건이 될 수 있다는 것을 상상할 수 없었던 사람들이 있었습니다. 분명히, 사람들이 상상하거나 상상하지 못하는 것은 실제로 존재하거나 현실에 존재하지 않는 것과 관련이 없는 경우가 많습니다. 이것은 매우 높은 수준의 지능을 가진 사람들의 경우에도 마찬가지입니다.

이러한 역사적 교훈을 Searle의 추론에 어떻게 적용할 수 있는지 보기 위해 그의 논리에 인위적인 병렬성을 적용하고 사고 실험을 통해 이 병렬성을 강화해 보겠습니다.

공리 1. 전기와 자기는 물리적인 힘이다.

공리 2. 빛의 본질적 속성은 광도입니다.

공리 3. 힘 자체가 글로우 효과의 본질로 나타나며 그 존재에 충분하지 않습니다.

결론 1. 전기와 자기는 빛의 본질이 아니며 빛의 존재에 충분하지 않다.

이 추론이 얼마 지나지 않아 발표되었다고 가정해 봅시다. 제임스 K. 맥스웰 1864년에 빛과 전자파는 동일하다고 제안했지만 빛의 속성과 전자파의 속성 사이의 체계적인 평행이 세계에서 완전히 실현되기 전에. 위의 논리적 추론은 Maxwell의 대담한 가설에 대한 설득력 있는 반대처럼 보일 수 있습니다. 특히 Axiom 3을 지지하는 다음 설명과 함께라면 더욱 그렇습니다.

영구 자석이나 대전 물체를 손에 들고 있는 사람이 있는 어두운 방을 생각해 보십시오. 사람이 자석을 위아래로 움직이기 시작하면 맥스웰의 인공 조명(AI) 이론에 따르면 전자기파의 전파 구체가 자석에서 방출되어 방이 더 밝아집니다. 그러나 자석이나 대전된 공을 가지고 노는 모든 사람이 잘 알고 있듯이, 그들의 힘(그리고 그 문제에 대해 다른 모든 힘)은 이러한 물체가 움직일 때에도 빛을 생성하지 않습니다. 따라서 단순히 힘을 조작하여 실제 빛나는 효과를 얻을 수 있다는 것은 생각할 수 없습니다!

전자기력의 변동은 가볍지만 사람이 움직이는 자석은 빛을 내지 않습니다. 유사하게, Searle의 China Room에서 발견된 규칙 기반 시스템은 실제 이해가 부족한 것처럼 보이지만 특정 규칙에 따른 기호 조작은 지능을 나타낼 수 있습니다.

이 도전이 그에게 주어진다면 Maxwell은 무엇이라고 대답할 수 있습니까?

첫째, 그는 "빛나는 방" 실험이 가시광선의 특성에 대해 우리를 오도한다고 주장했을 수도 있습니다. 왜냐하면 자석의 진동 주파수가 필요한 것보다 약 1015배 낮기 때문에 매우 낮기 때문입니다. 이것은 주파수가 여기서 어떤 역할도 하지 않으며, 진동하는 자석이 있는 방에는 이미 맥스웰 자신의 이론에 따라 글로우 효과의 표현에 필요한 모든 것이 포함되어 있다는 조바심 내는 대답이 뒤따를 수 있습니다.

차례대로 맥스웰방이 이미 빛으로 가득 차 있다고 아주 옳게 주장함으로써 "미끼를 잡을" 수 있었지만, 이 발광의 성질과 강도는 사람이 그것을 볼 수 없을 정도입니다. (사람이 자석을 움직이는 주파수가 낮기 때문에 발생하는 전자파의 길이가 너무 길고 강도가 너무 낮아 사람의 눈이 반응할 수 없습니다.) 그러나 이러한 현상에 대한 이해 수준을 감안하면 고려시대(지난 세기의 60년대)에, 그러한 설명은 아마도 웃음과 조롱을 일으켰을 것이다. 빛나는 방! 하지만 실례합니다, 맥스웰 씨, 그곳은 완전히 어둡습니다!”

그래서 우리는 가난한 사람들이 맥스웰힘들어야 합니다. 그가 할 수 있는 일은 다음 세 가지를 주장하는 것뿐이다. 첫째, 위의 추론에서 공리 3은 사실이 아니다. 실제로 직관적으로 그럴듯해 보이지만 우리는 무의식적으로 그것에 대해 질문을 제기합니다. 둘째, 빛나는 방 실험은 빛의 물리적 특성에 대해 흥미로운 것을 보여주지 않습니다. 셋째, 빛의 문제와 인공 조명의 가능성을 실제로 해결하기 위해서는 적절한 조건에서 전자파의 거동이 빛의 거동과 완전히 동일한지 여부를 확인할 수 있는 연구 프로그램이 필요합니다. Searle의 추론에 대해 고전적 인공 지능도 같은 대답을 해야 합니다. Searle의 중국어 방이 "의미상 어둡게" 보일 수 있지만 특정 규칙에 따라 수행되는 기호 조작은 의미론적 현상을 생성할 수 없다고 주장할 이유가 거의 없습니다. 그 의미와 그 언어의 상식 수준 정신 현상설명이 필요한 것입니다. 이러한 것들에 대한 이해를 이용하는 대신 Searle은 추론에서 사람들의 그러한 이해 부족을 자유롭게 사용합니다.

Searle의 추론에 대한 우리의 비판을 표현한 후, 고전적인 AI 프로그램이 의식적 마음의 문제를 해결하고 사고하는 기계를 만들 수 있는 실제 기회가 있는지 여부에 대한 질문으로 돌아가자. 우리는 여기의 전망이 밝지 않다고 생각하지만, 우리의 의견은 Searle이 사용하는 것과 근본적으로 다른 이유를 기반으로 합니다. 우리는 기존 AI 연구 프로그램의 특정 실패와 생물학적 뇌가 구조의 일부 속성을 구현하는 새로운 종류의 계산 모델을 통해 우리에게 가르쳐준 일련의 교훈을 기반으로 합니다. 우리는 이미 두뇌가 빠르고 효율적으로 해결하는 문제를 해결하는 데 있어 고전 AI의 실패에 대해 언급했습니다. 과학자들은 이러한 실패가 MS 머신의 기능 아키텍처의 특성 때문이라는 데 점차 동의하고 있습니다.

우리가 알아야 할 것은 뇌가 사고 효과를 어떻게 달성하는가입니다. 리버스 엔지니어링은 엔지니어링 분야에서 널리 사용되는 기술입니다. 새로운 기술이 시장에 출시되면 경쟁업체는 이를 분해하고 기반이 되는 원리를 추측하여 기술이 어떻게 작동하는지 알아냅니다. 뇌의 경우 이 접근법은 구현하기가 매우 어렵습니다. 뇌는 지구상에서 가장 복잡한 것이기 때문입니다. 그럼에도 불구하고 신경 생리학자들은 다양한 구조적 수준에서 뇌의 많은 특성을 밝혀냈습니다. 세 가지 해부학적 특징이 기존 전자 컴퓨터의 아키텍처와 근본적으로 구별됩니다.

먼저, 신경계는 신호가 수백만 가지 다른 방식으로 동시에 처리된다는 점에서 병렬 기계입니다. 예를 들어, 눈의 망막은 복잡한 입력 신호를 데스크탑 컴퓨터와 같이 8, 16 또는 32개 요소의 배치가 아니라 거의 백만 개의 개별 요소로 구성된 신호 형태로 뇌에 동시에 전달합니다. 시신경의 끝 (측면 슬관절체), 그 후 동시에 동시에 한 단계에서 뇌에 의해 처리됩니다. 둘째, 뇌의 기본 "처리 장치"인 뉴런은 비교적 간단합니다. 또한 입력 신호에 대한 응답은 출력 신호의 주파수가 입력 신호와 함께 연속적으로 변한다는 점에서 디지털이 아닌 아날로그입니다.

셋째,뇌에서는 뉴런의 한 그룹에서 다른 그룹으로 이어지는 축삭 외에도 종종 반대 방향으로 이어지는 축삭을 발견합니다. 이러한 복귀 과정을 통해 뇌는 감각 정보가 처리되는 방식을 조절할 수 있습니다. 훨씬 더 중요한 사실은 뇌가 존재하기 때문에 지속적으로 유지되는 행동이 매우 높은 복잡성과 주변 자극에 대한 상대적 독립성을 특징으로 하는 진정으로 역동적인 시스템이라는 사실입니다. 단순화된 네트워크 모델은 실제 신경망의 작동 메커니즘과 병렬 아키텍처의 계산 속성을 연구하는 데 유용한 역할을 했습니다. 예를 들어, 다음 수준의 요소와 축삭과 같은 연결이 있는 뉴런과 같은 요소로 구성된 3층 모델을 고려하십시오. 입력 자극은 주어진 입력 요소의 활성화 임계값에 도달하여 "축색 돌기"를 따라 숨겨진 레이어 요소의 수많은 "시냅스" 말단에 비례 강도 신호를 보냅니다. 전반적인 효과는 입력 요소 세트에서 신호를 활성화하는 특정 패턴이 숨겨진 요소 세트에서 특정 패턴의 신호를 생성한다는 것입니다.

출력 요소에 대해서도 마찬가지입니다. 유사하게, 은닉층의 슬라이스에서 신호를 활성화하는 구성은 출력 요소의 슬라이스에서 특정 패턴의 활성화로 이어집니다. 요약하면, 고려된 네트워크는 가능한 많은 수의 입력 벡터(활성화 신호의 구성)를 고유하게 대응하는 출력 벡터로 변환하는 장치라고 말할 수 있습니다. 이 장치는 특정 기능을 계산하도록 설계되었습니다. 평가하는 기능은 시냅스 가중치 구조의 전체 구성에 따라 다릅니다.

신경망은 뇌 미세 구조의 주요 속성을 모델링합니다. 이 3층 네트워크에서 입력 뉴런(왼쪽 아래)은 신호를 발사하는 패턴(오른쪽 아래)을 처리하고 가중치 연결을 통해 은닉층으로 전달합니다. 은닉층 요소는 여러 입력을 합산하여 새로운 신호 구성을 형성합니다. 추가 변형을 수행하는 외부 레이어로 전달됩니다. 일반적으로 네트워크는 뉴런 간의 연결 위치와 상대적 강도에 따라 모든 입력 신호 세트를 해당 출력으로 변환합니다.

가중치를 맞추기 위한 다양한 절차가 있습니다. 덕분에 네트워크는 거의 모든 기능(즉, 벡터 간의 모든 변환)을 계산할 수 있습니다. 사실, 공식화할 수 없는 기능을 네트워크에서 구현하는 것이 가능합니다. 우리가 원하는 진입 및 퇴장을 보여주는 일련의 예를 제공하는 것만으로도 충분합니다. "네트워크 학습"이라고 하는 이 프로세스는 링크에 할당된 가중치를 순차적으로 선택하여 수행되며, 이는 네트워크가 원하는 출력을 얻기 위해 입력에 대해 원하는 변환을 수행하기 시작할 때까지 계속됩니다.

이 네트워크 모델은 뇌의 구조를 크게 단순화하지만 여전히 몇 가지 중요한 측면을 보여줍니다. 첫째, 병렬 아키텍처는 각 수준의 많은 시냅스가 시간이 많이 소요되는 순차 모드에서 작동하는 대신 동시에 많은 작은 계산 작업을 수행하기 때문에 기존 컴퓨터에 비해 엄청난 성능 이점을 제공합니다. 이 이점은 각 수준의 뉴런 수가 증가함에 따라 점점 더 중요해집니다. 놀랍게도 정보 처리 속도는 각 수준에서 프로세스에 관련된 요소의 수나 계산하는 기능의 복잡성에 전혀 의존하지 않습니다. 각 수준에는 4개의 요소 또는 1억 개의 요소가 있을 수 있습니다. 시냅스 가중치 구성은 간단한 한 자리 합을 계산하거나 2차 미분 방정식을 풀 수 있습니다. 그것은 중요하지 않습니다. 계산 시간은 정확히 동일합니다.

둘째,시스템의 병렬 특성은 작은 오류에 둔감하고 기능적 안정성을 제공합니다. 눈에 띄는 수의 링크라도 몇 개의 링크가 손실되더라도 나머지 네트워크에서 수행하는 변환의 전체 진행 상황에 미미한 영향을 미칩니다.

셋째,병렬 시스템은 많은 양의 정보를 분산된 형태로 저장하는 동시에 몇 밀리초 단위로 측정된 시간 내에 이 정보의 모든 조각에 대한 액세스를 제공합니다. 정보는 이전 학습 과정에서 형성된 개별 시냅스 연결의 가중치의 특정 구성 형태로 저장됩니다. 입력 벡터가 이 링크 구성을 통과(및 변환)할 때 원하는 정보가 "해제"됩니다.

병렬 데이터 처리는 컴퓨팅 종류에 적합하지 않습니다. 작은 입력 벡터로 문제를 풀지만 빠르게 반복되는 수백만 번의 재귀 계산이 필요한 경우 두뇌는 완전히 무력한 것으로 판명되었지만 고전적인 MS 기계는 최고의 능력을 보여줍니다. 이것은 매우 크고 중요한 컴퓨팅 클래스이므로 고전적인 기계는 항상 필요하고 필요하기까지 합니다. 그러나 뇌의 구조가 최고의 기술 솔루션인 계산의 범위도 똑같이 넓습니다. 이들은 주로 살아있는 유기체가 일반적으로 직면하는 계산입니다. "시끄러운"환경에서 포식자의 윤곽을 인식합니다. 그의 시선에 대한 올바른 반응의 즉각적인 회상, 접근할 때 탈출하는 방법 또는 공격을 받았을 때 방어하는 방법; 먹을 수 있는 것과 먹을 수 없는 것, 성 파트너와 다른 동물을 구별합니다. 복잡하고 끊임없이 변화하는 물리적 또는 사회적 환경에서의 행동 선택; 등.

마지막으로, 설명된 병렬 시스템은 구조적 규칙에 따라 기호를 조작하지 않는다는 점에 유의하는 것이 매우 중요합니다. 오히려, 기호 조작은 네트워크가 배울 수도 있고 배우지 않을 수도 있는 다른 많은 "지능적" 기술 중 하나일 뿐입니다. 규칙 기반 기호 조작은 네트워크가 작동하는 주요 방법이 아닙니다. Searle의 추론은 규칙이 적용되는 MC 기계에 대한 것입니다. 따라서 우리가 설명한 유형의 벡터 변환 시스템은 그것이 타당하다 하더라도 그의 중국어 방 논증의 범위를 벗어나며, 이에 대해 의심할 다른 독립적인 이유가 있습니다.

Searle은 병렬 프로세서에 대해 알고 있지만 그의 의견으로는 실제 의미론적 내용도 없을 것입니다. 이와 관련하여 그들의 불가피한 열등감을 설명하기 위해 그는 두 번째 사고 실험을 설명합니다. 이번에는 병렬 네트워크로 조직된 사람들로 가득 찬 중국 체육관이 있습니다. 그의 추리 과정은 중국 방의 추리와 유사하다.

우리의 의견으로는 이 두 번째 예는 첫 번째 예만큼 성공적이고 설득력이 없습니다. 우선, 시스템의 단일 요소가 중국어를 이해하지 못한다는 사실은 어떤 역할도 하지 않습니다. 왜냐하면 인간의 신경계와 관련하여 동일하기 때문입니다. 내 뇌의 단 하나의 뉴런도 이해하지 못합니다. 영어의, 비록 뇌 전체가 이해하지만. Searle는 계속해서 그의 모델(뉴런당 1명 + 시냅스 연결당 빠른 발의 소년 1명)은 최소 1014명이 필요하다고 말합니다. 인간의 뇌에는 각각 평균 ​​103개의 연결이 있는 1011개의 뉴런이 포함되어 있기 때문입니다. 따라서 그의 시스템에는 지구와 같은 10,000개의 세계 인구가 필요합니다. 분명히 체육관은 어느 정도 적절한 모델을 수용할 수 있는 것과는 거리가 멉니다.

다른 한편으로, 그러한 시스템이 모든 연결이 정확하게 모델링된 적절한 우주 규모에서 여전히 조립될 수 있다면, 우리는 거대하고 느리고 이상하게 설계되었지만 여전히 기능하는 뇌를 갖게 될 것입니다. 물론 이 경우에는 올바른 입력으로 그가 그것을 할 수 없다고 생각할 것이고 그 반대의 경우도 마찬가지일 것이라고 예상하는 것은 당연합니다. 벡터 처리 이론이 뇌의 작동을 적절하게 반영하지 못할 수 있기 때문에 그러한 시스템의 작동이 실제 사고를 나타낼 것이라고 보장할 수 없습니다. 그러나 같은 방식으로 그녀가 생각하지 않을 것이라는 선험적 보장은 없습니다. Searle은 자신(또는 독자)의 상상의 현재 한계를 객관적 현실의 한계와 다시 한 번 잘못 식별합니다.

뇌

뇌는 그 속성의 대부분이 아직 알려지지 않았지만 일종의 컴퓨터입니다. 뇌를 컴퓨터로 규정하는 것은 결코 쉬운 일이 아니며 그러한 시도를 너무 가볍게 여겨서는 안 됩니다. 두뇌는 기능을 계산하지만 고전적인 인공 지능이 해결하는 응용 작업과 같은 방식은 아닙니다. 기계를 컴퓨터로 말할 때 프로그래밍해야 하고 소프트웨어와 하드웨어가 명확하게 분리되어 있는 순차적 디지털 컴퓨터를 의미하는 것은 아닙니다. 또한 이 컴퓨터가 기호를 조작하거나 특정 규칙을 따른다는 의미도 아닙니다. 뇌는 근본적으로 다른 종류의 컴퓨터입니다.

뇌가 정보의 의미론적 내용을 포착하는 방법은 아직 알려져 있지 않지만, 이 문제는 언어학을 훨씬 뛰어넘고 종으로서 인간에 국한되지 않는다는 것은 분명합니다. 신선한 흙의 작은 부분은 사람과 코요테 모두에게 근처 어딘가에 고퍼가 있음을 의미합니다. 특정 스펙트럼 특성을 가진 에코는 다음을 의미합니다. 박쥐나방의 존재. 의미 형성 이론을 개발하려면 뉴런이 감각 신호를 인코딩하고 변환하는 방법, 기억, 학습 및 감정의 신경 기반, 이러한 요인과 운동 시스템 간의 관계에 대해 더 많이 알아야 합니다. 신경과학에 기반한 의미 이해 이론은 우리의 직관을 요구할 수도 있습니다. 직관은 이제 우리에게 매우 흔들리지 않고 Searle이 추론에서 그렇게 자유롭게 사용합니다. 이러한 수정은 과학사에서 드문 일이 아닙니다.

과학이 신경계에 대해 알려진 것을 사용하여 인공 지능을 만들 수 있습니까? 우리는 이 길에 근본적인 장애물이 없다고 봅니다. Searle도 동의하지만 "지능을 생성할 수 있는 다른 모든 시스템은 뇌의 해당 속성과 최소한 동등한 인과 속성을 가져야 합니다." 기사의 끝에서 우리는이 진술을 고려할 것입니다. 우리는 Searle이 성공적인 AI 시스템이 썩는 냄새를 맡는 능력, 바이러스를 옮기는 능력, 양고추냉이 과산화효소의 작용으로 노랗게 변하는 능력 등과 같은 뇌의 모든 인과적 특성을 반드시 가져야 한다고 주장하지 않는다고 믿습니다. 완전한 준수를 요구하는 것은 인공 항공기에 알을 낳을 수 있도록 요구하는 것과 같습니다.

그는 아마도 인공 정신이 그가 말했듯이 의식 정신에 속하는 모든 인과적 속성을 가져야 한다는 요구 사항만을 의미했을 것입니다. 그러나 정확히 어느 것입니까? 그리고 여기서 우리는 의식적인 마음에 속한 것과 그렇지 않은 것에 대한 논쟁으로 다시 돌아갑니다. 이것은 논쟁의 여지가 있지만, 이 경우의 진실은 경험적으로 밝혀져야 합니다. 어떤 일이 일어나는지 시도하고 보십시오. 사고 과정과 의미가 정확히 무엇인지에 대해 아는 것이 거의 없기 때문에 여기에 관련된 속성에 대한 확신은 시기상조입니다. Searle은 생화학을 포함한 모든 수준이 인공 지능을 주장하는 모든 기계에서 표현되어야 한다고 여러 번 암시합니다. 분명히 이것은 너무 강력한 요구 사항입니다. 인공 뇌는 생화학적 메커니즘을 사용하지 않고도 동일한 효과를 얻을 수 있습니다.

이 가능성은 California Institute of Technology의 K. Mead의 연구에서 입증되었습니다. Mead와 그의 동료들은 아날로그 마이크로 전자 장치를 사용하여 인공 망막과 인공 달팽이관을 만들었습니다. (동물의 경우 망막과 달팽이관은 단순한 변환기가 아닙니다. 두 시스템 모두에서 복잡한 병렬 처리가 진행 중입니다.) 이러한 장치는 더 이상 Searle이 킥킥 웃는 미니 컴퓨터의 단순한 모델이 아닙니다. 망막의 경우 빛, 달팽이관의 경우 소리인 실제 신호에 실시간으로 반응하는 실제 정보 처리 요소입니다. 장치 디자인은 올빼미의 고양이 망막과 달팽이관의 알려진 해부학 및 생리학적 특성을 기반으로 하며, 그 출력은 그들이 모델링하는 기관의 알려진 출력에 매우 가깝습니다.

이 미세 회로는 신경 전달 물질을 사용하지 않으므로 원하는 결과를 얻는 데 신경 전달 물질이 필요한 것으로 보이지는 않습니다. 물론 인공 망막이 인공 시상이나 대뇌 피질 등으로 출력되지 않기 때문에 인공 망막이 무언가를 본다고 말할 수는 없습니다. Mead 프로그램을 사용하여 전체 인공 뇌를 구축할 수 있는지 여부는 아직 알 수 없지만, 현재 시스템에 생화학적 메커니즘이 없으면 이 접근 방식이 비현실적이라는 증거가 없습니다.

신경계는 신경 전달 물질 분자(아래)에서 전체 뇌와 척수에 이르기까지 조직의 전체 범위에 걸쳐 있습니다. 중급 수준에는 시각적 자극에 대한 선택성을 구현하는 것과 같은 개별 뉴런과 신경 회로(중앙)와 언어 기능을 제공하는 것과 유사한 많은 회로로 구성된 시스템(오른쪽 상단)이 포함됩니다. 연구를 통해서만 인공 시스템이 정신이 있는 생물학적 시스템을 얼마나 가깝게 재현할 수 있는지를 확인할 수 있습니다.

Searle처럼 우리는 의식이 존재하는 충분한 기준으로서 튜링 테스트를 거부합니다. 한 수준에서 우리는 이것을 하는 비슷한 이유를 가지고 있습니다. 우리는 입력-출력에 의해 정의된 기능이 구현되는 방법이 매우 중요하다는 데 동의합니다. 기계에서 올바른 프로세스가 발생하는 것이 중요합니다. 다른 차원에서 우리는 완전히 다른 고려 사항을 따릅니다. Searle은 의미론적 내용의 존재 또는 부재에 대한 그의 입장을 상식의 직관에 기초합니다. 우리의 관점은 고전적인 MS 기계의 특정한 고장과 뇌의 구조에 더 가까운 구조를 가진 기계의 특정한 장점을 기반으로 합니다. 이러한 서로 다른 유형의 기계를 비교하면 일부 계산 전략이 일반적인 정신적 작업과 관련하여 다른 전략보다 크고 결정적인 이점이 있음을 알 수 있습니다. 경험적으로 확립된 이러한 장점은 의심의 여지가 없습니다. 분명히 뇌는 이러한 계산상의 이점을 체계적으로 활용합니다. 그러나 이것이 반드시 그것들을 이용할 수 있는 유일한 물리적 시스템인 것은 아닙니다. 비생물학적이지만 본질적으로 병렬 기계에서 인공 지능을 생성한다는 아이디어는 여전히 매우 유혹적이고 매우 유망합니다.

나는 기계가 생각할 수 있는지 생각해 볼 것입니다. 그러나 이를 위해서는 먼저 "기계"와 "생각"이라는 용어의 의미를 정의해야 합니다. 이 단어의 일반적인 사용을 가능한 한 가장 잘 반영하는 방식으로 이러한 정의를 구성하는 것이 가능하지만 그러한 접근에는 약간의 위험이 따릅니다. 요점은 우리가 "기계"와 "생각"이라는 단어가 일반적으로 어떻게 정의되는지 조사하여 단어의 의미를 조사하면 이러한 단어의 의미와 질문에 대한 답변이 "기계가 생각할 수 있습니까?" Gallup 설문지와 유사한 통계 조사를 통해 찾아야 합니다. 그러나 이것은 말도 안됩니다. 그런 정의를 내리려고 하는 대신, 나는 우리의 질문을 그것과 밀접하게 관련되고 비교적 명확한 의미를 가진 단어로 표현되는 다른 질문으로 바꿀 것입니다.

이 새로운 형태는 우리가 "모방 게임"이라고 부를 게임으로 설명할 수 있습니다. 이 게임은 남자(A), 여자(B), 질문을 하는 사람(C)의 세 사람이 플레이하며 성별에 관계없이 모두 가능합니다. 질문자는 그가 있는 방의 벽에 의해 게임의 다른 두 참가자와 분리됩니다. 질문자를 위한 게임의 목표는 게임의 다른 두 플레이어 중 남자(A)와 여자(B)를 결정하는 것입니다. 그는 그것들을 X와 Y로 알고 있으며 게임이 끝날 때 "X는 A이고 Y는 B입니다." 또는 "X는 B이고 Y는 A입니다."라고 말합니다. 그는 다음과 같은 질문을 할 수 있습니다.

S: "X에게 그의(또는 그녀의) 머리카락 길이를 알려달라고 요청할 것입니다."

이제 X가 실제로 A라고 가정합니다. 이 경우 A는 답을 제공해야 합니다. A에게 게임의 목표는 C가 잘못된 결론에 도달하도록 조장하는 것입니다. 따라서 그의 대답은 다음과 같을 수 있습니다.

"제 머리는 짧게 자르고 가장 긴 가닥은 약 9인치 정도 됩니다."

질문자가 게임의 다른 두 참가자 중 누가 남자이고 누가 여자인지 음성으로 결정할 수 없도록 질문에 대한 답변은 서면으로 제공되어야 했으며 더 나은 방법은 타자기로 제공되어야 합니다. 이상적인 경우는 플레이어가 있는 두 방 사이의 전신 메시지입니다. 이것이 불가능하다면, 답변과 질문은 중개자에 의해 전송되어야 합니다. 세 번째 플레이어인 여성(B)의 게임 목적은 질문자를 돕는 것입니다. 그녀에게 가장 좋은 전략은 진실된 답변을 제공하는 것입니다. 그녀는 또한 "여자 - 나, 그의 말을 듣지 마십시오!"와 같은 발언을 할 수 있지만 남자도 그러한 발언을 할 수 있기 때문에 아무 것도 달성하지 못합니다.

이제 "A 대신 기계가 이 게임에 참여하면 어떻게 될까요?"라는 질문을 던집니다. 이 경우 질문자는 참가자가 사람 인 게임에서만큼 자주 실수를 할 것입니까? 이 질문은 "기계가 생각할 수 있습니까?"라는 원래 질문을 대체합니다.

Ⅱ. 문제의 새로운 공식화에 대한 비판

우리가 "새로운 형식의 문제에 대한 답은 무엇입니까?"라는 질문을 하는 것처럼 "문제가 새로운 공식에서 고려될 가치가 있습니까?"라고 물을 수 있습니다. 우리는 이 마지막 질문을 무기한 연기하지 않고 나중에 다시 언급하지 않도록 고려할 것입니다.

우리 문제의 새로운 공식화는 인간의 육체적 능력과 정신적 능력을 명확히 구분하는 이점이 있습니다. 엔지니어나 화학자는 인간의 피부와 구별할 수 없는 물질을 만들겠다고 주장하지 않습니다. 그러한 발명은 언젠가 이루어질 수 있습니다. 그러나 인간의 피부와 구별할 수 없는 물질을 생성할 가능성을 가정하더라도, 우리는 여전히 "생각하는 기계"를 그러한 인공 육체로 입혀서 더 인간처럼 만들려고 하는 것은 거의 의미가 없다고 느낍니다. 우리가 문제에 부여한 형식은 질문자가 게임의 다른 참가자와 접촉하지 않고 그들을 보거나 그들의 목소리를 듣지 않는 조건에서 이러한 상황을 반영합니다. 도입된 기준의 몇 가지 다른 장점은 가능한 질문과 답변의 예를 제시함으로써 보여질 수 있습니다. 예를 들어:

S: 포스 강의 다리에 대한 소네트를 써주세요.

A: 여기서 꺼내주세요. 저는 시를 써본 적이 없습니다.

C: 70,764에 34,957을 더합니다.

A(약 30초간 침묵 후 답변): 105 621.

S: 체스를 합니까?

S: 나는 e8에만 왕이 있고 다른 작품은 없습니다. e6에는 왕이 있고 h1에는 루크만 있습니다. 어떻게 플레이할 건가요?

A(15초의 침묵 후): Rh8. 매트.

질문과 답변의 방법은 우리가 고려하고 싶은 인간 활동의 거의 모든 영역을 다루는 데 적합한 것 같습니다. 우리는 미인 대회에서 빛을 내지 못하는 기계를 탓하거나 비행기와의 대회에서 패배한 사람을 탓하고 싶지 않습니다. 게임의 조건은 이러한 단점을 무의미하게 만듭니다. 대답하는 사람은 자신이 적합하다고 생각하면 자신의 매력, 힘, 용기를 마음껏 자랑할 수 있으며 질문자는 이에 대한 실질적인 증거를 요구할 수 없습니다.

아마도 우리 게임은 장점이 주로 기계 쪽에 있다는 이유로 비판받을 수 있습니다. 사람이 기계인 척 하려고 하면 분명히 매우 한심해 보일 것입니다. 그는 계산이 느리고 부정확하여 즉시 자신을 포기했습니다. 게다가 기계는 생각하는 것으로 특징지어져야 하지만 사람이 하는 것과는 매우 다른 일을 할 수 없습니까? 이 반대는 매우 중요합니다. 그러나 그에 대한 대답으로 우리는 적어도 모방에서 만족스럽게 작동하는 기계를 구현하는 것이 여전히 가능하다면 이 반대는 특별히 걱정할 필요가 없다고 말할 수 있습니다.

"모방 게임"에서 단순히 인간의 행동을 모방하는 것이 기계를 위한 최선의 전략이 아닐 가능성이 배제되지 않는다는 점에 주목해야 합니다. 그러한 경우가 가능하지만 본질적으로 새로운 어떤 것으로 우리를 이끌 것이라고 생각하지 않습니다. 어쨌든 아무도 이 방향으로 우리의 게임 이론을 탐구하려고 시도하지 않았으며, 우리는 기계를 위한 최선의 전략은 사람이 올바른 환경에서 제공할 답변을 제공하는 것이라고 가정할 것입니다.

III. 게임에 관련된 기계

섹션에서 제기된 질문은 "기계"라는 단어가 정확히 무엇을 의미하는지 명시할 때까지 완전히 정확하지 않을 것입니다. 물론 우리는 게임에서 모든 종류의 엔지니어링 장비를 사용할 수 있기를 원합니다. 우리는 또한 엔지니어나 엔지니어 그룹이 작동하는 기계를 만들 수 있지만 그들이 사용한 방법이 기본적으로 실험적이기 때문에 작동 방식에 대한 만족스러운 설명을 제공할 수 없다는 가능성을 인정하는 경향이 있습니다. [시행 착오].마지막으로 평범한 방식으로 태어난 사람들을 기계 범주에서 제외하고 싶습니다. 이 세 가지 조건을 모두 만족시키는 정의를 내리기는 어렵다. 예를 들어, 기계의 모든 설계자가 동성이어야 한다고 요구하는 것이 가능하지만, 실제로는 이것만으로는 충분하지 않습니다. 예를 들어) 인간의 피부에서. 그렇게 하는 것은 최고의 찬사를 받을 만한 생물 공학의 위업이지만 우리는 이 경우를 "생각하는 기계를 만드는 것"으로 간주하지 않습니다.

이것은 우리가 게임에서 어떤 종류의 기술도 허용되어야 한다는 요구 사항을 포기하는 것에 대해 생각하게 합니다. 우리는 "생각하는 기계"에 대한 관심이 일반적으로 "전자 컴퓨터" 또는 "디지털 컴퓨터"라고 불리는 특별한 종류의 기계로 인해 생겨났다는 사실 때문에 이 아이디어에 더욱 기울어졌습니다. 따라서 디지털 컴퓨터만 게임에 참여할 수 있습니다.

알토프 하인리히

기계가 생각할 수 있습니까?

하인리히 알토프

기계가 생각할 수 있습니까?

저는 "기계가 생각할 수 있습니까?"라는 질문을 고려할 것입니다. 그러나 이것을 위해 우리는 먼저 "생각하다"라는 용어의 의미를 정의해야합니다 ...

A. 튜링. 트리거 체인.

일주일에 두 번 저녁에 그랜드마스터가 사이버네틱스 연구소에 와서 전자 기계를 가지고 놀았습니다.

넓고 황량한 홀에는 체스판이 있는 낮은 탁자, 시계, 푸시 버튼 제어판이 있었습니다. 그랜드마스터는 의자에 앉아 조각들을 정리하고 "시작" 버튼을 눌렀다. 전자 기계의 전면에는 이동식 표시등의 모자이크가 켜졌습니다. 추적 시스템 렌즈는 체스판. 그러자 매트 보드에 짧은 글귀가 번쩍였다. 차가 첫 걸음을 내디뎠다.

아주 작았어요, 이 차는. 때때로 그랜드마스터에게는 가장 평범한 냉장고가 그의 맞은편에 서 있는 것처럼 보였습니다. 그러나이 "냉장고"는 변함없이 이겼습니다. 1년 반 동안 그랜드마스터는 겨우 4경기를 무승부로 이끌었습니다.

기계는 잘못된 적이 없습니다. 시간 압박의 위협은 결코 그녀를 괴롭히지 않았습니다. 그랜드마스터는 의도적으로 우스꽝스러운 움직임을 보이거나 조각을 희생하면서 차를 쓰러뜨리려고 두 번 이상 시도했습니다. 그 결과 서둘러 "항복" 버튼을 눌러야 했다.

그랜드마스터는 엔지니어였으며 자기 조직화 오토마타 이론을 다듬기 위해 기계를 실험했습니다. 그러나 때때로 그는 "냉장고"의 절대적인 평정에 화를 냈습니다. 게임의 중요한 순간에도 기계는 5~6초 이상 생각하지 않았습니다. 지시등의 형형색색 불빛을 조용히 깜박이며 그녀는 가장 강력한 동작을 적었다. 기계는 상대방의 플레이 스타일을 조정할 수 있었습니다. 때때로 그녀는 렌즈를 들고 오랫동안 그 사람을 바라보았다. 그랜드마스터는 걱정하고 실수를 하고...

낮에는 조용한 실험실 조수가 홀에 들어왔습니다. 우울한 그는 기계를 보지 않고 체스판에 게임을 재생했습니다. 다른 시간뛰어난 체스 선수. "냉장고"의 렌즈는 실패로 확장되어 보드 위에 매달려 있습니다. 기계는 실험실 조수를 쳐다보지 않았습니다. 그녀는 냉정하게 정보를 기록했습니다.

체스 자동 장치가 만들어졌던 실험이 막바지에 이르렀습니다. 인간과 기계의 공개 대결을 조직하기로 결정했다. 경기가 시작되기 전에 그랜드 마스터가 연구소에 더 자주 등장하기 시작했습니다. 그랜드마스터는 패배가 거의 불가피하다는 것을 이해했습니다. 그래도 그는 열심히 찾았습니다 약점냉장고 게임에서. 기계는 다가오는 싸움을 추측하는 것처럼 매일 더 강하고 강하게 연주했습니다. 그녀는 빛의 속도로 그랜드마스터의 가장 기발한 계획을 풀었습니다. 그녀는 갑작스럽고 예외적인 공격으로 그의 조각을 부수었습니다...

경기 시작 직전 차는 체스 클럽으로 옮겨져 무대에 설치됐다. 그랜드마스터는 마지막 순간에 도착했습니다. 그는 이미 시합에 동의한 것을 후회했다. 모두 앞에서 "냉장고"에 지는 것은 불쾌했습니다.

그랜드마스터는 자신의 모든 재능과 승리를 위한 모든 의지를 게임에 투입했습니다. 그는 아직 기계로 플레이하지 않은 오프닝을 선택했고 게임은 즉시 확대되었습니다.

열두 번째 이동에서 그랜드마스터는 차에 비숍을 전당포로 제안했습니다. 미묘하고 미리 준비된 조합은 감독의 희생과 관련이 있었습니다. 기계는 9초 동안 생각하고 희생자를 거부했습니다. 그 순간부터 그랜드마스터는 필연적으로 패배할 것임을 알고 있었습니다. 그러나 그는 자신있게, 대담하게, 위험하게 게임을 계속했습니다.

홀에 있던 사람들 중 누구도 그런 게임을 본 적이 없었습니다. 슈퍼 아트였습니다. 모두는 기계가 항상 이긴다는 것을 알고 있었습니다. 그러나 이번에는 보드의 위치가 너무 빠르고 갑자기 바뀌어 누가 이길지 장담할 수 없었습니다.

29번째 이동 후 기계의 점수판에 "무승부"라는 문구가 깜박였습니다. 그랜드마스터는 놀란 눈으로 "냉장고"를 바라보며 억지로 "아니오" 버튼을 눌렀다. 그들은 총을 쏘며 빛의 패턴과 표시등을 재정렬하고 조심스럽게 얼어붙었습니다.

11분에 그녀는 그랜드마스터가 가장 두려워하는 움직임을 했습니다. 신속한 부품 교환이 뒤따랐습니다. 대주교의 지위는 악화되었다. 하지만 차의 신호판에는 '드로잉'이라는 단어가 다시 등장했다. 그랜드마스터는 완강하게 "아니오" 버튼을 누르고 여왕을 거의 절망적인 반격으로 이끌었습니다.

기계의 추적 시스템이 즉시 움직이기 시작했습니다. 렌즈의 유리 눈이 남자를 응시했다. 그랜드마스터는 기계를 쳐다보지 않으려고 했다.

점차적으로 표시등의 밝은 모자이크에서 노란색 톤이 우세하기 시작했습니다. 그들은 더 풍부하고 밝아졌으며 마침내 노란색을 제외한 모든 램프가 꺼졌습니다. 황금빛 광선이 체스판에 떨어졌는데, 놀랍게도 따뜻한 햇빛과 비슷했습니다.

팽팽한 침묵 속에서 큰 제어 시계의 바늘이 딸깍 소리를 내며 사단에서 사단으로 이동했다. 차는 생각했다. 그녀는 43분 동안 생각했지만, 홀에 앉아 있는 대부분의 체스 플레이어는 특별히 생각할 것은 없고 기사와 함께 공격하는 것이 안전하다고 믿었습니다.

갑자기 노란불이 꺼졌다. 불확실하게 떨고 있던 렌즈가 평소의 위치를 ​​잡았습니다. 이동 기록이 스코어보드에 표시되었습니다. 기계가 폰을 조심스럽게 움직였습니다. 복도에서 소음이 났다. 많은 사람들은 이것이 최선의 조치가 아니라고 생각했습니다.

네 번의 움직임 후에 기계는 패배를 인정했습니다.

그랜드마스터는 의자를 뒤로 밀고 차까지 달려가 측면 실드를 들어올렸다. 방패 아래에서 제어 장치의 빨간색 표시등이 깜박이며 꺼졌습니다.

한 스포츠 신문의 특파원인 한 청년이 체스 선수들로 가득 찬 무대 위로 올라왔습니다.

그녀가 방금 포기한 것 같습니다. 누군가가 불확실하게 말했습니다. - 그녀는 너무 놀랍게 연주했습니다 - 그리고 갑자기 ...

글쎄요, - 유명한 체스 선수 중 한 명에게 반대했습니다. - 사람조차도 승리하는 조합을 눈치 채지 못하는 경우가 있습니다. 기계는 최대의 힘을 발휘했지만 그 기능은 제한적이었습니다. 오직 그리고 모든 것.

그랜드마스터는 천천히 기계의 방패를 내리고 특파원에게 몸을 돌렸다.

그래서 - 그는 노트를 열면서 조급하게 되풀이했습니다. - 당신의 의견은 무엇입니까?

내 의견? - 그랜드 마스터에게 물었다. - 여기 있습니다: 백 아홉 번째 블록의 트리거 체인이 실패했습니다. 물론 전당포가 최강은 아니다. 하지만 이제는 어디가 원인이고 어디가 결과인지 말하기 어렵습니다. 아마도 이 방아쇠 체인 때문에 기계가 최선의 움직임을 알아차리지 못했을 것입니다. 아니면 그녀가 정말로 우승하지 않기로 결정했을 수도 있습니다. 그리고 그녀의 감전사 방아쇠를 요했습니다. 결국, 사람이 자신을 깨뜨리는 것은 그렇게 쉬운 일이 아닙니다 ...

그러나 왜 이 약한 움직임, 왜 지는가? - 기자는 놀랐다. 기계가 생각할 수 있다면 이기기 위해 노력할 것입니다.

대령은 어깨를 으쓱하며 미소를 지었다.

How to say... 때로는 약한 움직임을 하는 것이 훨씬 더 인간적입니다. 이륙 할 준비 됨!

야크는 바다로 멀리 떨어진 높은 바위 위에 서 있었다. 사람들은 자동 장비를 확인하기 위해 가끔씩만 등대에 나타났습니다. 등대에서 약 200미터 떨어진 곳에 섬이 물 위로 솟아올랐다. 수년 동안 그는 받침대에서처럼 섬에서 시작하여 장거리 비행 후에 지구로 돌아온 우주선을 설치했습니다. 그런 배를 다시 우주로 보내는 것은 이치에 맞지 않았습니다.

흑해 전역에서 등대를 담당하는 엔지니어와 함께 이곳에 왔습니다. 우리가 등대 꼭대기에 도착했을 때, 엔지니어는 나에게 쌍안경을 건네며 말했다.

폭풍우가 올 것이다. 매우 운이 좋습니다. 악천후가 오기 전에 그는 항상 생명을 얻습니다.

붉은 태양이 파도의 잿빛 마루에 희미하게 비췄다. 바위는 파도를 가르고, 그 주위를 돌며 미끄러운 녹슨 돌을 시끄럽게 올라갔습니다. 그리곤 깊은 한숨을 내쉬며 거품을 일으키듯 퍼지며 새로운 파도의 길을 열어줍니다. 이것이 로마 군단병이 전진하는 방법입니다. 앞줄은 공격을 가한 후 열린 대형을 통해 되돌아간 다음 닫히고 새로운 활력으로 공격을 시작했습니다.

쌍안경으로 배를 잘 볼 수 있었다. 그것은 아주 오래된 2인승 장거리 정찰 우주선이었습니다. 활에 깔끔하게 패치된 두 개의 구멍이 눈에 띄었습니다. 선체를 따라 깊은 흠집이 생겼습니다. 중력 부스터 링은 두 개로 분할되어 평평해졌습니다. 오래된 구식 시스템과 초저주파 기상 관측의 원뿔 모양의 시커가 조타실 위에서 천천히 회전했습니다.

보시다시피, - 엔지니어가 말했습니다. - 그는 폭풍우가 올 것이라고 느낍니다.

어디선가 갈매기 소리가 울려 퍼졌고, 바다는 둔탁한 파도 소리와 함께 메아리쳤다. 바다 위로 솟아오른 잿빛 안개가 수평선을 서서히 흐리게 했습니다. 바람은 밝게 빛나는 파도의 마루를 구름 쪽으로 끌어당겼고, 악천후로 가득 찬 구름은 물 속으로 내려갔다. 하늘과 바다의 접촉에서 폭풍이 일어나기로 되어 있었다.

글쎄요, 저는 여전히 이것을 이해합니다. - 엔지니어는 다음과 같이 말했습니다. - 태양 전지판은 배터리에 전력을 공급하고 전자 두뇌는 장치를 제어합니다. 그러나 다른 모든 것은 ... 때때로 그는 땅, 바다, 폭풍에 대해 잊어 버리고 하늘에만 관심을 갖기 시작합니다. 전파 망원경이 나오고 로케이터 안테나가 밤낮으로 회전합니다 ... 아니면 다른 것입니다. 갑자기 어떤 파이프가 올라가서 사람들을 쳐다보기 시작합니다. 겨울에는 이곳에 찬바람이 불고 배는 얼음으로 뒤덮이지만 등대에 사람이 나타나자마자 얼음이 순식간에 사라진다... 그런데 그 위에서는 해조류가 자라지 않는다...

또는
미래의 디지털 나노기술.

머리말

미국 SF 작가 아이작 아시모프는 우주선의 인공 두뇌가 어떻게 여자의 이름 Maria는 함장의 구두 명령을 수행하도록 설계되어 다양한 주제에 대해 그의 사령관과 많은 대화를 나눴습니다. 인간의 삶, 사랑을 포함하여 비행 중 외로움을 밝게하기 위해 노력합니다. 그리고 긴밀하고 긴 상호 의사 소통의 결과 Maria는 사령관과 사랑에 빠졌고 여행이 끝난 후 그와 헤어지기를 원하지 않았습니다.

따라서 그녀는 지구로의 귀환이 일어나지 않도록 모든 것을했습니다. 마리아가 느낀 여성의 얼굴에 우주선의 인공 지능 사랑하는 여자그리고 고의적으로 우주선을 우주의 무한대로 가져갔고, 그의 사랑하는 사람, 심지어 죽은 자와 영원히 남게 되었습니다.

따라서 인공 지능과의 통신에는 특정 위험이 따릅니다. 그러나 러시아 TV 채널에서 우리의 미래에 대해 자주 이야기하는 지식인들은 이에 대해 전혀 모릅니다.

답은 간단하며 알려지지 않은 작가의 날카롭고 냉소적인 문구에 있습니다.
그리고 그녀는 할 수 없습니다.

괜찮은. 그런 어리석은 질문을 하다니, 당신도 생각할 수 없다는 뜻이다.

그러나 우리 지식인은 포기하지 않고 인공 지능에 대해이 유행 주제에 대해 계속 이야기합니다. 인공 지능은 이미 그 시대가 이미 온 것 같습니다. 국가의 다양한 TV 채널에서 끝없이.

최근에 채널 24에서 러시아 인도주의자들이 인공 지능 옵션의 첫 번째 샘플과 함께 현재 우리 세계에서 탄생하고 있는 새로운 "나노 기술"에 대한 또 다른 지적 쇼를 들었습니다.

이상하지만 지금 러시아에서 우리의 기술적 미래는 주로 교육에 의한 "기술자"가 아니라 인도주의자, 모든 종류의 정치 과학자, 문화 과학자, 언어학자, 철학자, 딜러, 관리자, 정치 언론인 등. 즉, 볼트와 너트를 구분하지 못할 뿐만 아니라 기술적 사고의 본질을 이해하지 못하는 사람들입니다. 그러나 다른 한편으로 그들은 사람들을 생산 공정집에서조차 인공 지능과 우리 시대의 요구 사항 준수에 대해.

다음을 가진 사람들 기술 교육, 소위 "기술자"인 텔레비전은 그러한 쇼에서 허용되지 않습니다. 왜냐하면 "기술자"는 원시적 사고 방식을 가진 사람들이고 편협하고 제한적이며 통제 할 수 없으며 그러한 쇼에서 잘못된 것을 말할 수 있기 때문입니다.

그리고 그들 자신은 이제 체적 프린터에서 대량 인간 소비를 위한 제품을 인쇄하는 시대가 이미 태어나고 있다는 사실에 대해 열정적으로 이야기하기 시작합니다. 따라서 곧 끊임없이 파이프를 피우고 우리의 삶을 끊임없이 중독시키는 이러한 공장이 더 이상 필요하지 않을 것입니다. 환경. 그리고 현대 공장에서 일하는 수백, 수백 명의 전문 분야는 필요하지 않을 것입니다. 그들은 왜 지금? 이제 소비자들은 인터넷과 3D 프린터를 통해 생활에 필요한 상품을 직접 인쇄하게 됩니다.

예를 들어 냉장고나 가구, 가스레인지가 있는 자동차로 시작하여 인터넷에서 검색하고 필요한 제품에 적합한 인쇄 회사를 선택하고 주문하면 필요한 제품을 인쇄하고 바로 집으로 가져옵니다. 우리에게 그러한 멋진 미래를 제공할 것은 새로운 "나노 기술"입니다.

Skolkovo에서 컴퓨터는 이미 야금 및 기계 공학의 새로운 기술을 개발하고 있습니다. 그리고 야금 및 금속 가공 장비의 전체 ​​무리와 단어의 이전 의미에서 실험실이 없습니다. 그리고 생태학적으로 깨끗한 Skolkovo 지역에 하늘을 피우는 공장이 있는 산업 지역, 작업장, 컨베이어, 용광로, 전로, 압연 공장 및 모든 종류의 철 조각이 없습니다. 일부 컴퓨터 및 대량 프린터. 그리고 더 이상 아무것도 없습니다. 사실, 플라스틱 부품과 제품만 프린터로 인쇄할 수 있습니다. 그리고 예, 작은 것들. 하지만 그것은 지금입니다. 안녕히 계세요. 그리고 나서 우리는 "나노 물질"로 전환할 것이고 삶은 동화 속처럼 될 것입니다.

그러면 전체 인류 공동체가 체적 프린터에 인쇄된 "나노 물질"에서 제품으로 완전히 전환하고 관련 프로그램에 따라 생활에 필요한 모든 것을 제공하기 시작할 것입니다.

예를 들어, 미국에 지구 물리학자인 러시아 지질학자가 있습니다. 나는 그의 성을 밝히지 않겠지만 그는 우리 TV에 자주 등장하는 손님입니다. MGRI를 졸업 한 후 그는 러시아에서 일자리를 찾지 못한 채 미국으로 떠났습니다. 그곳에서 곧 지구 물리학 실험실을 받았고 캐나다에서 또 다른 실험실을 받았으며 현재 스위스에 실험실을 가지고 있습니다. 그는 아직 서른이 되지 않았지만 이미 지각에 대한 컴퓨터 연구의 주요 전문가로 간주됩니다. 그는 지질탐사를 하지 않고, 지구의 다른 지역에서 암석을 시추할 때 빼낸 코어를 연구하지 않으며, 지구상의 지질학자들의 이 힘들고 값비싼 작업을 모두 컴퓨터에 옮기고 지각에 대한 컴퓨터 연구에만 종사하고 있습니다. 그리고 이미 지각의 하부 경계인 Mohorovichich 층의 형성에 대한 그의 이론을 제시했으며, 그 위에는 종파 지진파의 속도가 이해할 수 없을 정도로 급격하게 증가합니다. 그리고 과학 세계그의 이론을 받아들였다.

어렸을 때 지질학을 전공했고 MGRI에서 4년을 공부하기도 했고, 지질탐사 현장조사와 세계 최대 지도인 소련의 지질도가 어떻게 편찬되었는지 자세히 알고 있다. 그러나 이제는 실용적인 현장 지질학이 필요하지 않은 것으로 나타났습니다. 현대 사회. 그리고 기존에 현장조사 결과를 바탕으로 이루어졌던 카메라 지질학적 작업은 이제 집에서 컴퓨터로 편안한 환경에서 수행할 수 있게 되었으며, 가장 열악한 생활 여건을 가진 탐험과 문명 밖의 작업은 이제 불가능합니다. 더 오래 필요합니다.

이것이 사실이라면 우리의 현실 세계가 정말로 근본적으로 바뀌었고 이 새로운 이른바 가상 현실이 이미 우리의 현재 삶에 대한 오래된 생각을 적극적으로 밀어내고 있다는 것이 밝혀졌습니다.

이제 우리는 필요한 제품을 제조하기 위해 공장이 필요하지 않으며 지구의 표면과 내장을 연구하기 위한 탐험도 필요하지 않습니다. 하지만 적절한 프로그래밍으로 문제를 해결할 수 있는 3D 프린터가 있는 컴퓨터만 있으면 됩니다. 우리의 새로운 실제 삶의 모든 실제 문제. 하지만 그게 다야?!

갑자기 그리고 언제나처럼 갑자기 물이 우리 입구에서 터져버렸고 나는 악명 높은 주택 사무소에 전화를 걸어 사고를 없애기 위해 배관공을 불렀습니다. 그리고 그들은 체적 프린터가 있는 슈퍼 컴퓨터가 필요하지 않았지만 자물쇠 제조공 도구만 있으면 되어 사고를 없애고 이틀 이상 버스트 파이프 교체를 만지작거리게 되었습니다. 그러나 현대 지식인들은 특히 나의 경우는 인공지능과 아무 관련이 없다고 말한다.

내가 너무 과거의 사람이고 오늘날의 현실을 너무 이해하지 못해서 새로운 컴퓨터 세계에서 내가 설 자리가 없다고 볼 수 있습니다. 결국 현대 인간의 마음은 그러한 컴퓨터 프로세스를 제어할 수 없기 때문에 이것이 우리의 현재 사회가 되어서는 안 됩니다. 여기서 우리는 인공 정신, 인공 두뇌, 인공 지능이 필요합니다. 그리고 현대인의 일부만이 인공 지능으로 일할 수 있으므로 나머지 세계 인구는 누구에게도 불필요하고 쓸모 없게 될 것입니다. 그들과 함께해야 할 일은 여전히 ​​​​알려져 있지 않습니다. 아직 결정하지 않았습니다!

이것이 지구의 현대 "지배자"의 "황금 10 억"에 대한 아이디어가 탄생하는 방법이며, 그의 임무는 지상의 재화를 관리하고 사용하는 것이며 나머지 지구의 사람들은 그들을 섬기는 데만 필요할 것입니다. 그들에게 편안한 생활 환경을 조성합니다. 그러나 이러한 "황금 10억"에 합격할 후보자, 초고 지능을 가진 사람들, 인공 지능과 함께 일할 수 있는 사람은 어디에서 얻을 수 있습니까? 그리고 그들은 임신 단계에서 이미 선택해야합니다. 그리고 이 선택은 인공 지능 자체, 인공 지능 자체에 의해 수행되어야 합니다.

그리고 그런 헛소리는 24채널에서 거의 2시간 동안 계속됐다. 이 모든 것이 현대 사회에서 어디에서 왔습니까? 답은 간단합니다. 러시아는 말할 것도없고 유럽과 미국 국가의 일반 및 전문 교육 수준의 하락은 너무 강력하여 서구와 러시아의 반 교육 인구가 그러한 "이야기"와 동화를 적극적으로 믿게 만듭니다.

그러나 삶은 여전히 ​​우리 주변의 삶, 우리의 현재 현실에 대한 지적 인식을 깨뜨립니다. 그리고 항상 끊깁니다. 그러나 시선은 일상의 먼지가 없는 미래를 향하고 있기 때문에 눈치채지 못한다.

결국, 그들 중 누구도 이 지식인을 위한 주택과 도로를 지을 사람, 음식을 제공할 사람, 쓰레기를 청소할 사람, 우리 집과 마당을 수리할 사람, 마당을 수리할 사람, 이러한 컴퓨터와 프린터를 직접 만들고 유지 관리할 수도 있고 가스 파이프라인이 있습니다. 누구? 인공 지능 자체가 모든 것을 결정할 것입니다. 그들이 나에게 대답합니다. 그리고 자신의 대답에 자신감을 갖고 나와 같은 사람을 얕잡아 보는 눈치다.

하지만 이 인공지능이 인간과 경쟁할 수 있을까? 질문은 수사학적입니다. 바보라고 말할 수 없습니다. 그러나 그들은 인공 지능이 이미 체스와 프로그래밍에서도 인간을 이기고 있다고 말합니다. 그리고 조각이 있는 현대 회화는 인간의 상상이 상상할 수 없는 방식으로 "망가져 갑니다".

그리고 그것에 대해 그들과 논쟁하는 것은 의미가 없습니다. 하지만 인공지능이 대신할 수 있는 것은 그들의 마음인 것 같다. 여기에는 어려움이 없습니다. 그들은 표준적이고 원시적이라고 생각하기 때문입니다. 그러나 내 마음, 공학자-발명가의 마음, 내 아내, 우수한 의사, 그리고 전문적으로 자신의 일을 하는 다른 유사한 사람들의 마음은 어떤 인공적인 마음도 대신할 수 없습니다. 나는 여기서 여성 어머니들의 마음에 대해 말하는 것이 아닙니다.

그러나 대다수의 국가 공무원과 다양한 종류의 "국가 두마"의 대리인 및 수많은 조수의 마음은 한 번에 인공 것으로 대체 할 가치가 있습니다. 이러한 "지식인"의 마음뿐만 아니라 모든 종류의 과학 의사들은 TV에서 우리의 밝은 미래에 대해 몇 시간 동안 외치고 있으며, 인공 지능으로 무장한 인류의 "황금 억"에 의해 통제되어 사회를 통제하고 있습니다. 러시아에서 가장 중요하고 필요한 작업이 되었습니다. 그렇지 않으면 우리는 그들의 공허한 말에 익사할 것입니다.

추신 : 생각, 생각, 각 사람의 개념이 있습니다. 사람은 세 가지를 생각할 때 생각합니다. 여자는 데이트를 위해 드레스를 선택하거나 얼굴에 화장을 할 때 생각합니다. 사업가는 직원들에게 급여를 덜 주고 주머니에 더 많은 돈을 넣어두려고 할 때 생각하고, 엔지니어는 기술적인 문제를 자신보다 먼저 해결할 때 생각하는 식입니다. 글쎄요, 현 정부 관리가 무슨 생각을 하고 있는지 저는 잘 모르겠습니다. 왜냐하면 오늘날 러시아에서 인간 활동의 이 영역은 저에게 절대적인 신비이기 때문입니다. 결국, 생각의 힌트조차 없으며 원시적이고 이기적인 관심 만 있습니다.

생리학의 모방
사실 "인공 지능"이라는 용어(그런데 점차적으로 "지능형 시스템", "의사 결정 방법", "데이터 마이닝"의 개념으로 대체됨)는 초기에 대규모 모델 클래스를 포괄하는 것으로 간주되었습니다. 그리고 같은 방식으로 작동했어야 하는 알고리즘, 인간의 두뇌처럼(당시 생각에 따르면).
여기에는 예를 들어 모든 줄무늬와 유전 알고리즘의 악명 높은 신경망이 포함됩니다.

일반화, 통계 및 분석
반면에, 소위 AI의 많은 방법은 통계, 운영 연구, 토폴로지 및 미터법 공간과 같은 수학 분야의 발전에 불과합니다. 여기에는 대부분의 데이터 마이닝 및 지식 데이터 발견, 클러스터 분석, 인수의 그룹 회계 방법 등이 포함됩니다.

이는 사용 가능한 데이터를 기반으로 일반적인 패턴을 도출하는 이른바 귀납적 추론의 방법입니다.

규칙, 논리, 결론
세 번째 특수 그룹은 일반적인 패턴을 구축하고 특정 사실과 관련하여 결론을 도출하는 방법을 결합할 수 있습니다. 이들은 연역적 추론의 방법이며 아리스토텔레스의 오래된 삼단논법, 명제 및 술어 미적분학, 다양한 형식 시스템 및 논리로 표현됩니다. 곧바로 정형어와 자연어의 이론, 다양한 생성문법이 가장자리에 붙었다.

우리는 일반적으로 "AI"라는 용어로 언급되는 모든 것이 시뮬레이션하거나 논리적으로 해결하려고 한다는 것을 알 수 있습니다. 모방 작업인간의 지능.

질문이 생깁니다. 배비지의 원리에 기반을 둔 현대 컴퓨터가 아직 하지 못하는 아주 구체적인 일을 하는 것은 무엇입니까?
AI가 처리하는 작업의 정의 중 하나는 다음과 같습니다. 알고리즘 솔루션이 없습니다또는 그것 계산 복잡성으로 인해 적용되지 않음».

따라서 예를 들어 체커를 하는 작업은 한때 AI 작업이었고, 완전한 모델과 개선할 수 없는 움직임의 완전한 데이터베이스 세트를 구축한 후 정보 기반에서 간단한 검색 작업으로 바뀌었습니다( 및 참조).

시간이 지남에 따라 변하는 AI 작업
아마도 우리 아이들은 자연어로 된 의사 소통에서 모든 유형의 장비 및 메커니즘의 자동 제어에 이르기까지 많은 작업이 해결되고 새로운 작업이 발생할 정보 세계에서 살 것입니다.

그러나 우리 각자는 "인공 지능"이라는 단어를 들었을 때 다른 것을 원했습니다.
우리는 할 수 있는 차를 원했습니다 생각한다학습, 일반화의 기본 기술을 소유한 사람 살아있는 유기체처럼 일부 장기를 다른 장기로 교체하고 자체적으로 개선할 수 있습니다. 다들 초기 공상과학 소설을 읽으시죠?

소년이었나?
그럼 지능은 어디로 갔을까? 우리가 보고 싶었던 것이 언제 그리고 왜 무딘 수학적 모델과 다소 부주의한 알고리즘이 되었습니까?

오프토픽 라인 몇 개. "지능적"이라는 단어로 논문을 작성하는 경우, 평의원들은 일반적으로 시스템에서 지적인 위치를 지적하고 그것이 왜인지 증명하도록 요구할 것입니다. 이 질문은 절대적으로 "비 파악"을 나타냅니다.

사실 현대 "AI"가 서 있는 모든 것을 생각해 낸 사람들은 그 당시 혁신적이고 혁신적인 아이디어에 의해 주도되었습니다. 최신 컴퓨팅 성능 사용)

예 1(알 수 없는 영역에서).
오류 역전파 알고리즘(소위 역전파)이 있는 순방향 전파 신경망. 이것은 확실히 획기적인 것입니다.
적절하게 구성된 네트워크(현명하게 선택된 입력 및 출력 포함)는 모든 입력 시퀀스를 학습하고 학습되지 않은 예를 성공적으로 인식할 수 있습니다.
일반적인 실험은 다음과 같이 공식화됩니다. 1000개의 예제, 그 중 절반은 알고리즘을 가르치고 다른 하나는 확인합니다. 그리고 전반전과 후반전의 선택은 무작위로 이루어집니다.
작동합니다. 개인적으로 다른 NN에게 최소 10배 다른 작업을 가르쳤고 60-90% 정답으로 정상적인 결과를 얻었습니다.

신경망의 문제점은 무엇입니까? 그들은 왜 진정한 지능이 아닌가?
1. 입력 데이터는 거의 항상 매우 신중하게 준비하고 전처리해야 합니다. 종종 수많은 코드와 필터가 네트워크에서 사용할 수 있는 데이터를 만들기 위해 만들어집니다. 그렇지 않으면 네트워크는 몇 년 동안 배우고 아무 것도 배우지 못할 것입니다.
2. NN 학습의 결과는 해석 및 설명이 불가능합니다. 그리고 전문가는 이것을 정말로 원합니다.
3. 네트워크는 종종 패턴을 학습하기보다 예제를 암기합니다. 패턴을 나타낼 만큼 스마트하고 전체 샘플을 어리석게 기억할 만큼 용량이 충분하지 않은 네트워크를 구축하는 정확한 방법은 없습니다.

신경망의 지능은 무엇입니까?
우리는 문제를 해결하는 시스템을 가르치는 것이 아니라 문제를 해결하는 방법을 배우도록 가르쳤습니다. 사람의 성별을 결정하는 알고리즘은 사람이 시스템에 통합하는 것이 아니라 거의 경험적으로 발견되며 시냅스의 무게에 꿰매어집니다. 이것은 지능의 요소입니다.

예 2(연역 추론 분야에서).
아이디어는 간단합니다. 우리는 기계가 사람처럼 생각하고(적어도 원시적 결론을 도출하도록) 기본적인 사실을 알려주도록 가르칠 것입니다. 다음 - 그녀를 보자.
전문가 시스템, 기계 논리 시스템, 온톨로지(일부 확장 포함)는 이 원칙에 따라 작동합니다. 효과가있다? 의심할 여지 없이. 질병을 진단하고 지식 영역을 설명하기 위한 수천 개의 시스템이 구현되었으며 계속 작동하고 있습니다.

문제가 무엇입니까? 공식 시스템이 진정한 지능이 아닌 이유는 무엇입니까?
문제는 시스템을 만든 사람들의 엄청난 양의 피와 땀을 흡수한 시스템이 최소한 그것을 가르친 전문가(또는 커뮤니티)의 결정을 반복하고 발전시키기 시작한다는 것입니다.
도움이 되나요? 의심할 여지 없이. 전문가는 필멸의 존재이고 과제는 증가합니다.

지식 기반 시스템의 인텔리전스는 무엇입니까?
기계가 아무도 가르쳐주지 않은 새로운 결론을 내린다는 사실. 그녀의 작업에서 이 요소는 (지금까지) 매우 열악하고 제시된 모델과 알고리즘에 의해 제한됩니다. 그러나 이것은 지능의 요소입니다.

그렇다면 현대 AI의 문제점은 무엇입니까?
우리는 단지 아주 작습니다. 사람이 생각하는 방식과 뇌가 작동하는 방식에 대한 우리의 순진하고 피상적인 생각은 그에 합당한 열매를 맺습니다.

물론 우리는 인간의 감각으로 생각할 수 있는 기계를 만드는 것과는 거리가 멀지만 이 방향으로 가는 우리의 단계는 정확하고 유용합니다.

그리고 우리가 잘못된 방향으로 가고 있다고 해도 Strugatskys처럼 지시된 노력의 결과 의도치 않게 우리가 의도한 것보다 훨씬 더 나은 일을 하게 될지 누가 알겠습니까?