Klasiskais mākslīgais intelekts, visticamāk, netiks iemiesots domāšanas mašīnās; cilvēka atjautības robeža šajā jomā, acīmredzot, aprobežosies ar tādu sistēmu izveidi, kas atdarina smadzeņu darbu.

Mākslīgā intelekta zinātne (AI) piedzīvo revolūciju. Lai izskaidrotu tās cēloņus un nozīmi un liktu to perspektīvā, vispirms ir jāvēršas pie vēstures.

1950. gadu sākumā tradicionālais, nedaudz neskaidrais jautājums par to, vai mašīna spēj domāt, padevās pieejamākam jautājumam par to, vai mašīna, kas manipulē ar fiziskiem simboliem saskaņā ar struktūras noteikumiem, spēj domāt. Šis jautājums ir formulēts precīzāk, jo iepriekšējā pusgadsimta laikā formālā loģika un skaitļošanas teorija ir guvuši ievērojamu progresu. Teorētiķi sāka novērtēt abstraktu simbolu sistēmu iespējas, kuras tiek pārveidotas saskaņā ar noteiktiem noteikumiem. Šķita, ja šīs sistēmas varētu automatizēt, tad to abstraktā skaitļošanas jauda izpaudīsies reālā fiziskā sistēmā. Šādi uzskati veicināja precīzi definētas pētniecības programmas dzimšanu uz diezgan dziļa teorētiskā pamata.

Vai mašīna spēj domāt?

Bija daudz iemeslu atbildēt jā. Vēsturiski viens no pirmajiem un dziļākajiem cēloņiem ir bijuši divi svarīgi aprēķinu teorijas rezultāti. Pirmais rezultāts bija Čērčas tēze, ka katra efektīvi aprēķināma funkcija ir rekursīvi aprēķināma. Termins "efektīvi aprēķināms" nozīmē, ka pastāv sava veida "mehāniska" procedūra, ar kuras palīdzību ir iespējams aprēķināt rezultātu ierobežotā laikā, ņemot vērā ievades datus. "Rekursīvi aprēķināms" nozīmē, ka ir ierobežota darbību kopa, ko var piemērot noteiktai ievadei un pēc tam secīgi un atkārtoti piemērot jauniegūtajiem rezultātiem, lai aprēķinātu funkciju ierobežotā laikā. Mehāniskās procedūras jēdziens nav formāls, bet gan intuitīvs, un tāpēc Baznīcas tēzei nav formālu pierādījumu. Tomēr tas attiecas uz aprēķinu būtību, un to atbalstam ir daudz dažādu pierādījumu.

Otru svarīgo rezultātu ieguva Alans M. Tjūrings, kurš parādīja, ka jebkuru rekursīvi izskaitļojamu funkciju var aprēķināt ierobežotā laikā, izmantojot maksimāli vienkāršotu simbolu manipulācijas mašīnu, ko vēlāk sāka saukt par universālo Tjūringa mašīnu. Šo iekārtu regulē rekursīvi piemērojami noteikumi, kas ir jutīgi pret elementāro simbolu identitāti, secību un atrašanās vietu, kas darbojas kā ievade.

No šiem diviem rezultātiem izriet ļoti svarīgs secinājums, proti, standarta digitālais dators, kas nodrošināts ar pareizo programmu, pietiekami lielu atmiņu un pietiekami daudz laika, var aprēķināt jebkuru noteikumu vadītu funkciju ar ievadi un izvadi. Citiem vārdiem sakot, viņš var demonstrēt jebkuru sistemātisku reakciju kopumu uz patvaļīgu ārējās vides ietekmi.

Konkretizēsim to šādi: iepriekš apspriestie rezultāti nozīmē, ka pareizi ieprogrammētai iekārtai, kas manipulē ar simboliem (turpmāk tekstā — MC mašīna), ir jāizpilda Tjūringa tests apzināta prāta klātbūtnei. Tjūringa tests ir tikai uzvedības tests, taču tā prasības ir ļoti stingras. (Cik derīgs ir šis tests, mēs apspriedīsim tālāk, kur tiekamies ar otro, principiāli atšķirīgo "pārbaudi" apzināta prāta klātbūtnei.) Saskaņā ar sākotnējo Tjūringa testa versiju, ievadei MS mašīnā vajadzētu būt jautājumi un frāzes dabiskā sarunvalodā, ko mēs ierakstām uz ievadierīces tastatūras, un izvade ir izvadierīces izdrukātās MS mašīnas atbildes. Tiek uzskatīts, ka mašīna ir izturējusi šo apzināta prāta klātbūtnes pārbaudi, ja tās reakcijas nevar atšķirt no tām, kuras rakstījis reāls, inteliģents cilvēks. Protams, šobrīd neviens nezina, ar kādu funkciju būtu iespējams iegūt produkciju, kas neatšķiras no racionāla cilvēka uzvedības. Bet Čērčas un Tjūringa rezultāti mums garantē, ka neatkarīgi no šīs (domājams, ka efektīvās) funkcijas var to aprēķināt atbilstoši izstrādāta MS iekārta.

Tas ir ļoti svarīgs secinājums, it īpaši ņemot vērā to, ka Tjūringa apraksts par mijiedarbību ar mašīnu, izmantojot rakstāmmašīnu, ir nenozīmīgs ierobežojums. Tas pats secinājums ir spēkā pat tad, ja MC-mašīna mijiedarbojas ar pasauli sarežģītākos veidos: izmantojot tiešās redzes, dabiskās runas aparātu utt. Galu galā sarežģītākā rekursīvā funkcija joprojām ir Tjūringa aprēķināma. Atliek tikai viena problēma: atrast neapšaubāmi sarežģīto funkciju, kas kontrolē personas reakcijas uz ārējās vides ietekmi, un pēc tam uzrakstīt programmu (rekursīvi piemērojamo noteikumu kopumu), ar kuru MS iekārta aprēķinās šo funkciju. Šie mērķi veidoja pamatu zinātniskā programma klasiskais mākslīgais intelekts.

Pirmie rezultāti bija iepriecinoši

MC mašīnas ar ģeniāli ieprogrammētām programmām demonstrēja veselu virkni darbību, kas it kā piederēja pie prāta izpausmēm. Viņi atbildēja uz sarežģītām komandām, risināja sarežģītas aritmētikas, algebriskas un taktiskas problēmas, spēlēja dambreti un šahu, pierādīja teorēmas un uzturēja vienkāršu dialogu. Rezultāti turpināja uzlaboties, parādoties lielākām atmiņas ierīcēm, ātrākām mašīnām un jaudīgākām un sarežģītākām programmām. Klasiskā jeb “programmētā” AI ir bijusi ļoti dinamiska un veiksmīga zinātnes joma gandrīz no visiem skatpunktiem. Atkārtotais noliegums, ka MC mašīnas galu galā varētu domāt, šķita neobjektīvs un neinformēts. Pierādījumi par labu pozitīvai atbildei uz raksta nosaukumā uzdoto jautājumu šķita vairāk nekā pārliecinoši.

Protams, bija dažas neskaidrības. Pirmkārt, MC mašīnas ne pārāk izskatījās cilvēka smadzenes. Tomēr arī šeit klasiskajam AI bija gatava pārliecinoša atbilde. Pirmkārt, fiziskajam materiālam, no kura ir izgatavota MS iekārta, būtībā nav nekāda sakara ar tās aprēķināto funkciju. Pēdējais ir iekļauts programmā. Otrkārt, arī mašīnas funkcionālās arhitektūras tehniskajām detaļām nav nozīmes, jo pilnīgi atšķirīgas arhitektūras, kas paredzētas darbam ar pilnīgi dažādām programmām, tomēr var veikt vienu un to pašu ievades-izvades funkciju.

Tāpēc AI mērķis bija atrast funkciju, kas ir raksturīga prātam ievades un izvades ziņā, kā arī izveidot visefektīvāko no daudzām iespējamām programmām, lai šo funkciju aprēķinātu. Tajā pašā laikā tika teikts, ka konkrētajam veidam, kādā cilvēka smadzenes aprēķina funkciju, nav nozīmes. Tas pabeidz klasiskā AI būtības aprakstu un pamatojumu pozitīvai atbildei uz raksta nosaukumā uzdoto jautājumu.

Vai mašīna spēj domāt? Bija arī daži argumenti par labu noraidošai atbildei. Pagājušā gadsimta 60. gados vērā ņemami negatīvi argumenti bija salīdzinoši reti. Dažkārt ir izskanējis iebildums, ka domāšana nav fizisks process un ka tas notiek nemateriālā dvēselē. Tomēr šāds duālistisks skatījums nešķita pietiekami pārliecinošs ne no evolūcijas, ne no loģikas viedokļa. Tam nav bijusi atturoša ietekme uz AI izpēti.

Citāda rakstura apsvērumi piesaistīja daudz lielāku AI speciālistu uzmanību. 1972. gadā Huberts L. Dreifuss publicēja grāmatu, kurā ļoti kritizēja intelekta parādīšanu mākslīgā intelekta sistēmās. Viņš norādīja, ka šīs sistēmas nav pietiekami modelējušas patieso domāšanu, un atklāja visu to modeli neveiksmīgi mēģinājumi. Viņaprāt, modeļos pietrūka tā milzīgā neformalizēto vispārējo zināšanu krājuma par pasauli, kas piemīt jebkuram cilvēkam, kā arī veselajam saprātam piemītošās spējas paļauties uz atsevišķām šo zināšanu sastāvdaļām atkarībā no mainīgās vides prasībām. . Dreifuss nenoliedza fundamentālo iespēju izveidot mākslīgu fizisku sistēmu, kas spēj domāt, taču viņš ļoti kritiski vērtēja domu, ka to var panākt tikai manipulējot ar simboliem ar rekursīvi pielietotiem noteikumiem.

Mākslīgā intelekta speciālistu, kā arī spriešanas filozofu aprindās Dreifuss tika uztverti galvenokārt kā tuvredzīgi un neobjektīvi, pamatojoties uz neizbēgamajiem vienkāršojumiem, kas raksturīgi šai vēl ļoti jaunajai pētniecības jomai. Varbūt šīs nepilnības patiešām notika, taču tās, protams, bija īslaicīgas. Pienāks laiks, kad jaudīgākas mašīnas un labākas programmas ļaus atbrīvoties no šiem trūkumiem. Šķita, ka laiks strādā mākslīgajam intelektam. Tādējādi šiem iebildumiem nebija manāmas ietekmes uz turpmākiem pētījumiem AI jomā.

Tomēr izrādījās, ka laiks strādāja Dreifuss: 70. gadu beigās - 80. gadu sākumā datoru ātruma un atmiņas pieaugums viņu "garīgās spējas" īpaši nepaaugstināja. Piemēram, izrādījās, ka modeļa atpazīšana mašīnredzes sistēmās prasa negaidīti lielu aprēķinu apjomu. Lai iegūtu praktiski ticamus rezultātus, bija jāpavada arvien vairāk datora laika, krietni pārsniedzot laiku, kas nepieciešams, lai veiktu tos pašus uzdevumus bioloģiskās redzes sistēmai. Šāds lēns simulācijas process bija satraucošs: galu galā datorā signāli izplatās apmēram miljons reižu ātrāk nekā smadzenēs, un datora centrālā procesora pulksteņa frekvence ir aptuveni tikpat reižu augstāka par jebkuru konstatēto svārstību frekvenci. smadzenēs. Un tomēr, veicot reālus uzdevumus, bruņurupucis viegli apdzen zaķi.

Turklāt, lai atrisinātu reālas problēmas, datorprogrammai ir jābūt pieejamai ārkārtīgi lielai datu bāzei. Šādas datu bāzes izveidošana jau pati par sevi ir diezgan sarežģīta problēma, taču to pastiprina cits apstāklis: kā nodrošināt piekļuvi konkrētiem, no konteksta atkarīgiem šīs datu bāzes fragmentiem reāllaikā. Tā kā datu bāzes kļuva arvien ietilpīgākas, piekļuves problēma kļuva sarežģītāka. Izsmeļoša meklēšana aizņēma pārāk ilgu laiku, un heiristiskās metodes ne vienmēr bija veiksmīgas. Dreifusa paustajām līdzīgām bailēm sākuši dalīties pat daži mākslīgā intelekta jomā strādājošie eksperti.

Ap šo laiku (1980. g.) Džons Sērls iepazīstināja ar revolucionāru kritisku koncepciju, kas apšaubīja klasiskās mākslīgā intelekta pētniecības programmas pašu fundamentālo pieņēmumu, proti, ideju, ka pareiza manipulācija ar strukturētiem simboliem, rekursīvi piemērojot noteikumus, kas ņem vērā to struktūru. , var būt apzināta prāta būtība.

Sērla galvenais arguments bija balstīts uz domu eksperimentu, kurā viņš demonstrē divus ļoti svarīgus faktus. Pirmkārt, viņš apraksta MC mašīnu, kas (kā mums vajadzētu saprast) ievieš funkciju, kas pēc ievades un izvades spēj izturēt Tjūringa testu sarunas veidā, kas notiek tikai ķīniešu valodā. Otrkārt, mašīnas iekšējā struktūra ir tāda, ka neatkarīgi no tā, kādu uzvedību tā demonstrē, novērotājam nav šaubu, ka ne mašīna kopumā, ne neviena tās daļa nesaprot ķīniešu valodu. Tajā ir tikai cilvēks, kurš runā tikai angliski, ievērojot instrukcijās rakstītos noteikumus, ar kuru palīdzību jāmanipulē ar rakstzīmēm ienākšanu un iziešanu caur pastkastīti durvīs. Īsāk sakot, sistēma Tjūringa testu apmierina pozitīvi, neskatoties uz to, ka tai nav īstas ķīniešu valodas izpratnes un ziņojumu faktiskā semantiskā satura (skat. Dž. Sērla rakstu "Smadzeņu prāts – datorprogramma? ").

No tā izriet vispārīgs secinājums, ka jebkura sistēma, kas vienkārši manipulē ar fiziskajiem simboliem saskaņā ar struktūras jutīgiem noteikumiem, labākajā gadījumā būs patiesa apzināta prāta nožēlojama parodija, jo nav iespējams ģenerēt "īstu semantiku", vienkārši pagriežot pogu " tukša sintakse". Šeit jāatzīmē, ka Sērls neizvirza uzvedības (ne-uzvedības) testu apziņas klātbūtnei: apzinātā prāta elementiem jābūt ar reālu semantisko saturu.

Ir kārdinājums pārmest Sērlam, ka viņa domu eksperiments nav adekvāts, jo viņa piedāvātā sistēma, kas darbojas kā "Rubika kubs", darbosies absurdi lēni. Tomēr Sērls uzstāj, ka ātrumam šajā gadījumā nav nekādas nozīmes. Tas, kurš domā lēni, joprojām domā pareizi. Viss nepieciešamais domāšanas reproducēšanai, pēc klasiskā AI koncepcijas, viņaprāt, ir "ķīniešu istabā".

Sērla raksts izraisīja entuziasma pilnas atbildes no AI ekspertiem, psihologiem un filozofiem. Tomēr kopumā tā tika uztverta ar vēl lielāku naidīgumu nekā Dreifusa grāmata. Savā rakstā, kas tiek publicēts vienlaikus šajā žurnāla numurā, Sērls izvirza vairākus kritiskus argumentus pret savu koncepciju. Mūsuprāt, daudzi no tiem ir leģitīmi, īpaši tie, kuru autori alkatīgi “ņem ēsmu”, apgalvojot, ka, lai arī sistēma, kas sastāv no telpas un tās satura, ir šausmīgi lēna, tā tomēr saprot ķīniešu valodu.

Mums patīk šīs atbildes, bet ne tāpēc, ka mēs domājam, ka ķīniešu istaba saprot ķīniešu valodu. Mēs piekrītam Sērlai, ka viņa viņu nesaprot. Šo argumentu pievilcība ir tāda, ka tie atspoguļo nespēju pieņemt visu svarīgo trešo aksiomu Sērla argumentā: "Sintakse pati par sevi neveido semantiku un nav pietiekama semantikas pastāvēšanai." Šī aksioma var būt patiesa, taču Sērls nevar pamatoti apgalvot, ka viņš to noteikti zina. Turklāt domāt, ka tā ir patiesība, nozīmē uzdot jautājumu par to, vai klasiskā mākslīgā intelekta pētniecības programma ir pamatota, jo šī programma ir balstīta uz ļoti interesantu pieņēmumu, ka tad, ja mēs varam tikai iekustināt atbilstoši strukturētu procesu, sava veida sintaktisko elementu iekšējā deja, pareizi savienota ar ievadiem un izvadiem, tad varam iegūt tos pašus prāta stāvokļus un izpausmes, kas piemīt cilvēkam.

Tas, ka Sērla trešā aksioma patiešām uzdod šo jautājumu, kļūst acīmredzams, kad mēs to tieši salīdzinām ar viņa pirmo secinājumu: "Programmas parādās kā prāta būtība, un to klātbūtne nav pietiekama prāta klātbūtnei." Nav grūti saprast, ka viņa trešā aksioma jau 90% no secinājuma ir gandrīz identiska tai. Tāpēc Sērla domu eksperiments ir īpaši izstrādāts, lai atbalstītu trešo aksiomu. Tā ir visa ķīniešu istabas būtība.

Lai gan ķīniešu istabas piemērs padara aksiomu 3 pievilcīgu nezinātājam, mēs nedomājam, ka tas pierāda šīs aksiomas pamatotību, un, lai demonstrētu šī piemēra neveiksmi, kā ilustrāciju piedāvājam mūsu paralēlo piemēru. Bieži vien viens labs piemērs, kas atspēko strīdīgu apgalvojumu, daudz labāk palīdz noskaidrot situāciju nekā vesela grāmata, kas pilna ar loģisku žonglēšanu.

Zinātnes vēsturē ir bijuši daudzi skepticisma piemēri, kādus mēs redzam Sērla argumentācijā. XVIII gadsimtā. Īru bīskaps Džordžs Bērklijs uzskatīja par neiedomājamu, ka kompresijas viļņi gaisā paši par sevi varētu būt skaņas parādību būtība vai pietiekams faktors to pastāvēšanai. Angļu dzejnieks un gleznotājs Viljams Bleiks un vācu dabaszinātnieks Johans Gēte uzskatīja par neiedomājamu, ka mazas matērijas daļiņas pašas varētu būt vienība vai faktors, kas ir pietiekams gaismas objektīvai pastāvēšanai. Pat šajā gadsimtā ir bijuši cilvēki, kuri nevarēja iedomāties, ka nedzīvā matērija pati par sevi, lai cik sarežģīta tā organizācija būtu, varētu būt organiska vienība vai pietiekams dzīvības nosacījums. Skaidrs, ka tam, ko cilvēki var vai nevar iedomāties, bieži vien nav nekāda sakara ar to, kas patiesībā pastāv vai neeksistē patiesībā. Tas ir taisnība pat tad, ja runa ir par cilvēkiem ar ļoti augstu intelekta līmeni.

Lai redzētu, kā šīs vēsturiskās mācības var attiecināt uz Sērla argumentāciju, piemērosim mākslīgu paralēli viņa loģikai un pastiprināsim šo paralēli ar domu eksperimentu.

Aksioma 1. Elektrība un magnētisms ir fiziski spēki.

Aksioma 2. Būtiska gaismas īpašība ir spožums.

Aksioma 3. Spēki paši parādās kā mirdzuma efekta būtība un nav pietiekami tā klātbūtnei.

Secinājums 1. Elektrība un magnētisms nav gaismas būtība un nav pietiekami tās pastāvēšanai.

Pieņemsim, ka šī argumentācija tika publicēta neilgi pēc tam Džeimss K. Maksvels 1864. gadā ierosināja, ka gaisma un elektromagnētiskie viļņi ir identiski, taču pirms tam pasaulē tika pilnībā realizētas sistemātiskās paralēles starp gaismas īpašībām un elektromagnētisko viļņu īpašībām. Iepriekš minētais loģiskais pamatojums varētu šķist pārliecinošs iebildums pret Maksvela drosmīgo hipotēzi, it īpaši, ja tam pievienots šāds komentārs 3. aksiomas atbalstam.

Apsveriet tumšu telpu, kurā atrodas cilvēks, kas tur rokās pastāvīgo magnētu vai lādētu priekšmetu. Ja cilvēks sāk kustināt magnētu uz augšu un uz leju, tad saskaņā ar Maksvela mākslīgā apgaismojuma (AI) teoriju no magnēta izplatīsies elektromagnētisko viļņu sfēra un telpa kļūs gaišāka. Bet, kā visi, kas ir mēģinājuši spēlēties ar magnētiem vai uzlādētām bumbiņām, labi apzinās, viņu spēki (un šajā gadījumā arī jebkuri citi spēki), pat tad, kad šie objekti ir kustībā, nerada spīdumu. Tāpēc šķiet neiedomājami, ka mēs varētu panākt īstu mirdzošu efektu, vienkārši manipulējot ar spēkiem!

Elektromagnētisko spēku svārstības ir vieglas, lai gan magnēts, ko cilvēks kustina, nerada nekādu mirdzumu. Līdzīgi, manipulācijas ar simboliem saskaņā ar noteiktiem noteikumiem var atspoguļot inteliģenci, lai gan šķiet, ka Sērla Ķīnas istabā atrodamajai uz noteikumiem balstītajai sistēmai trūkst īstas izpratnes.

Ko Maksvels varētu atbildēt, ja šis izaicinājums viņam tiktu mests?

Pirmkārt, viņš varētu būt uzstājis, ka "gaismas telpas" eksperiments mūs maldina par redzamās gaismas īpašībām, jo ​​magnēta vibrācijas frekvence ir ārkārtīgi zema, aptuveni 1015 reizes mazāka nekā nepieciešams. Tam var sekot nepacietīga atbilde, ka frekvence šeit nespēlē nekādu lomu, ka telpā ar oscilējošo magnētu jau ir viss nepieciešamais mirdzuma efekta izpausmei pilnīgā saskaņā ar paša Maksvela teoriju.

Savukārt Maksvels varētu "paņemt ēsmu", pilnīgi pamatoti apgalvojot, ka telpa jau ir pilna ar gaismām, bet šīs luminiscences raksturs un stiprums ir tāds, ka cilvēks to nespēj redzēt. (Sakarā ar zemo frekvenci, ar kādu cilvēks kustina magnētu, ģenerēto elektromagnētisko viļņu garums ir pārāk liels un intensitāte ir pārāk zema, lai cilvēka acs uz tiem reaģētu.) Tomēr, ņemot vērā šo parādību izpratnes līmeni aplūkotajā laika posmā (pagājušā gadsimta 60. gadi) šāds skaidrojums droši vien būtu izraisījis smieklus un izsmejošas piezīmes. Kvēlojoša istaba! Bet atvainojiet, Maksvela kungs, tur ir pilnīgi tumšs!

Tātad mēs redzam, ka nabagi Maksvels ir jābūt grūti. Viss, ko viņš var darīt, ir uzstāt uz šādiem trim punktiem. Pirmkārt, 3. aksioma iepriekš minētajā argumentācijā nav patiesa. Patiešām, neskatoties uz to, ka intuitīvi tas šķiet diezgan ticami, mēs neviļus uzdodam jautājumu par to. Otrkārt, kvēlojošās telpas eksperiments mums neuzrāda neko interesantu par gaismas fizisko dabu. Un treškārt, lai patiešām atrisinātu gaismas problēmu un mākslīgās gaismas iespējamību, mums ir nepieciešama pētniecības programma, kas ļaus mums noteikt, vai atbilstošos apstākļos elektromagnētisko viļņu uzvedība ir pilnīgi identiska gaismas uzvedībai. Tāda pati atbilde uz Sērla argumentāciju būtu jāsniedz klasiskajam mākslīgajam intelektam. Lai gan Sērla ķīniešu istaba var šķist "semantiski tumša", viņam nav pamata apgalvot, ka manipulācijas ar simboliem, kas tiek veiktas saskaņā ar noteiktiem noteikumiem, nekad nevar radīt semantiskas parādības, jo īpaši tāpēc, ka cilvēki joprojām ir slikti informēti un tos ierobežo tikai izpratne par valoda.veselā saprāta līmenis tiem semantiskajiem un garīgās parādības kam nepieciešams skaidrojums. Tā vietā, lai izmantotu šo lietu izpratni, Sērls savos argumentācijās brīvi izmanto šādas izpratnes trūkumu cilvēkos.

Izsakot kritiku par Sērla argumentāciju, atgriezīsimies pie jautājuma par to, vai klasiskajai AI programmai ir reāla iespēja atrisināt apzinātā prāta problēmu un izveidot domāšanas mašīnu. Mēs uzskatām, ka izredzes šeit nav spožas, taču mūsu viedoklis ir balstīts uz iemesliem, kas būtiski atšķiras no Sērla izmantotajiem. Mēs balstāmies uz īpašām klasiskās AI pētniecības programmas neveiksmēm un mācību kopumu, ko bioloģiskās smadzenes mums ir iemācījuši, izmantojot jaunu skaitļošanas modeļu klasi, kas iemieso dažas to struktūras īpašības. Mēs jau esam minējuši klasiskā AI neveiksmes to problēmu risināšanā, kuras ātri un efektīvi atrisina smadzenes. Zinātnieki pamazām nonāk pie vienprātības, ka šīs kļūmes ir saistītas ar MS mašīnu funkcionālās arhitektūras īpašībām, kas vienkārši nav piemērotas sarežģīto uzdevumu risināšanai.

Mums jāzina, kā smadzenes panāk domāšanas efektu? Reversā inženierija ir plaši izplatīta tehnika inženierzinātnēs. Kad tirgū nonāk jauna tehnoloģija, konkurenti izdomā, kā tā darbojas, izjaucot to un mēģinot uzminēt principu, uz kura tā ir balstīta. Smadzeņu gadījumā šo pieeju ir ārkārtīgi grūti īstenot, jo smadzenes ir vissarežģītākā lieta uz planētas. Neskatoties uz to, neirofiziologiem ir izdevies atklāt daudzas smadzeņu īpašības dažādos struktūras līmeņos. Trīs anatomiskas iezīmes būtiski atšķir to no tradicionālo elektronisko datoru arhitektūras.

Pirmkārt, nervu sistēma ir paralēla mašīna tādā nozīmē, ka signāli tiek apstrādāti vienlaicīgi miljoniem dažādu veidu. Piemēram, acs tīklene pārraida sarežģītu ievades signālu uz smadzenēm nevis 8, 16 vai 32 elementu partijās, piemēram, galddators, bet gan signāla veidā, kas sastāv no gandrīz miljona atsevišķu elementu, kas vienlaikus nonāk redzes nerva gals (sānu ģenikulāta ķermenis), pēc kura tos vienlaikus, vienā solī, apstrādā arī smadzenes. Otrkārt, smadzeņu elementārā "apstrādes ierīce" neirons ir salīdzinoši vienkārša. Turklāt tā reakcija uz ieejas signālu ir analoga, nevis digitāla, tādā nozīmē, ka izejas signāla frekvence nepārtraukti mainās līdz ar ieejas signāliem.

Treškārt, smadzenēs papildus aksoniem, kas ved no vienas neironu grupas uz otru, mēs bieži atrodam aksonus, kas ved pretējā virzienā. Šie atgriešanās procesi ļauj smadzenēm modulēt sensorās informācijas apstrādes veidu. Vēl svarīgāks ir fakts, ka smadzenes, pateicoties savai eksistencei, ir patiesi dinamiska sistēma, kurā nepārtraukti uzturētu uzvedību raksturo gan ļoti augsta sarežģītība, gan relatīva neatkarība no perifēriem stimuliem. Vienkāršotiem tīkla modeļiem ir bijusi noderīga loma reālu neironu tīklu darbības mehānismu un paralēlo arhitektūru skaitļošanas īpašību izpētē. Apsveriet, piemēram, trīsslāņu modeli, kas sastāv no neironiem līdzīgiem elementiem, kuriem ir aksoniem līdzīgi savienojumi ar nākamā līmeņa elementiem. Ievades stimuls sasniedz noteiktā ievades elementa aktivizācijas slieksni, kas pa savu "aksonu" nosūta proporcionāla stipruma signālu uz daudzajiem slēptā slāņa elementu "sinaptiskajiem" galiem. Kopējais efekts ir tāds, ka konkrēts signālu aktivizēšanas modelis ievades elementu komplektā ģenerē noteiktu signālu paraugu slēpto elementu kopai.

To pašu var teikt par izvades elementiem. Līdzīgi, aktivizējošo signālu konfigurācija slēptā slāņa slānī rada noteiktu aktivizācijas modeli izvades elementu slānī. Apkopojot, varam teikt, ka aplūkotais tīkls ir ierīce jebkura liela skaita iespējamo ievades vektoru (aktivizējošo signālu konfigurāciju) konvertēšanai unikāli atbilstošā izejas vektorā. Šī ierīce ir paredzēta noteiktas funkcijas aprēķināšanai. Kura funkcija tā novērtē, ir atkarīga no sinaptiskā svara struktūras globālās konfigurācijas.

Neironu tīkli modelē smadzeņu mikrostruktūras galveno īpašību. Šajā trīs slāņu tīklā ievades neironi (apakšējā kreisajā pusē) apstrādā šaušanas signālu modeli (apakšējā labajā pusē) un nodod tos caur svērtiem savienojumiem uz slēpto slāni. Slēptā slāņa elementi apkopo vairākas ievades, veidojot jaunu signāla konfigurāciju. Tas tiek nodots ārējam slānim, kas veic tālākas pārvērtības. Kopumā tīkls pārveidos jebkuru ievades signālu kopu atbilstošā izvadē atkarībā no savienojumu atrašanās vietas un relatīvā stipruma starp neironiem.

Ir dažādas procedūras svaru pielāgošanai, pateicoties kurām var izveidot tīklu, kas spēj aprēķināt gandrīz jebkuru funkciju (ti, jebkuru transformāciju starp vektoriem). Faktiski tīklā ir iespējams ieviest funkciju, kuru pat nav iespējams noformulēt, pietiek tikai sniegt piemēru kopu, kas parāda, kādus ieejas un izejas lādus mēs vēlētos. Šis process, ko sauc par "tīkla apgūšanu", tiek veikts, secīgi izvēloties saitēm piešķirtos svarus, kas turpinās līdz brīdim, kad tīkls sāk veikt vajadzīgās transformācijas ieejā, lai iegūtu vēlamo izvadi.

Lai gan šis tīkla modelis ievērojami vienkāršo smadzeņu struktūru, tas joprojām ilustrē vairākus svarīgus aspektus. Pirmkārt, paralēlā arhitektūra nodrošina milzīgas veiktspējas priekšrocības salīdzinājumā ar tradicionālo datoru, jo daudzās sinapses katrā līmenī vienlaikus veic daudzas nelielas skaitļošanas darbības, nevis darbojas ļoti laikietilpīgā secīgā režīmā. Šī priekšrocība kļūst arvien nozīmīgāka, jo palielinās neironu skaits katrā līmenī. Pārsteidzoši, ka informācijas apstrādes ātrums nemaz nav atkarīgs no procesā iesaistīto elementu skaita katrā līmenī, ne arī no to aprēķinātās funkcijas sarežģītības. Katrā līmenī var būt četri elementi vai simts miljoni; sinaptiskā svara konfigurācija var aprēķināt vienkāršas viencipara summas vai atrisināt otrās kārtas diferenciālvienādojumus. Tas neko nenozīmē. Aprēķina laiks būs tieši tāds pats.

Otrkārt, sistēmas paralēlais raksturs padara to nejutīgu pret nelielām kļūdām un nodrošina funkcionālo stabilitāti; dažu saišu, pat ievērojama skaita, zudumam ir niecīga ietekme uz pārējā tīkla veiktās transformācijas kopējo gaitu.

Treškārt, paralēlā sistēma izkliedētā veidā uzglabā lielu informācijas apjomu, vienlaikus nodrošinot piekļuvi jebkuram šīs informācijas fragmentam vairākās milisekundēs mērāmā laikā. Informācija tiek glabāta atsevišķu sinaptisko savienojumu svaru noteiktu konfigurāciju veidā, kas ir izveidojušies iepriekšējās mācīšanās procesā. Vēlamā informācija tiek "atbrīvota", ievades vektoram šķērsojot (un pārveidojot) šo saites konfigurāciju.

Paralēlā datu apstrāde nav ideāla visiem skaitļošanas veidiem. Risinot uzdevumus ar nelielu ievades vektoru, bet pieprasot daudzus miljonus strauji atkārtojošus rekursīvus aprēķinus, smadzenes izrādās pilnīgi bezpalīdzīgas, savukārt klasiskās MS mašīnas demonstrē savas labākās spējas. Šī ir ļoti liela un svarīga skaitļošanas klase, tāpēc klasiskās mašīnas vienmēr būs vajadzīgas un pat vajadzīgas. Tomēr ir tikpat plaša aprēķinu klase, kurai smadzeņu arhitektūra ir labākais tehniskais risinājums. Tie galvenokārt ir aprēķini, ar kuriem parasti saskaras dzīvie organismi: plēsoņa kontūru atpazīšana "trokšņainā" vidē; tūlītēja atgādinājums par pareizo reakciju uz viņa skatienu, veids, kā izvairīties, kad viņš tuvojas, vai aizstāvēties, kad viņam uzbrūk; atšķirt ēdamas un neēdamas lietas, seksuālos partnerus un citus dzīvniekus; uzvedības izvēle sarežģītā un pastāvīgi mainīgā fiziskajā vai sociālajā vidē; utt.

Visbeidzot, ir ļoti svarīgi atzīmēt, ka aprakstītā paralēlā sistēma nemanipulē ar simboliem saskaņā ar strukturālajiem noteikumiem. Drīzāk simbolu manipulācijas ir tikai viena no daudzām citām "inteliģentām" prasmēm, kuras tīkls var apgūt vai neapgūt. Noteikumu vadīta simbolu manipulācija nav galvenais tīkla darbības veids. Sērla argumentācija ir vērsta pret noteikumu pārvaldītām MC mašīnām; Tādējādi mūsu aprakstītā tipa vektoru transformācijas sistēmas neietilpst viņa ķīniešu istabas argumenta darbības jomā, pat ja tas būtu derīgs, par ko mums ir citi neatkarīgi iemesli apšaubīt.

Sērls zina par paralēlajiem procesoriem, taču, pēc viņa domām, tiem arī nebūs reāla semantiskā satura. Lai ilustrētu viņu neizbēgamo mazvērtību šajā sakarā, viņš apraksta otru domu eksperimentu, šoreiz ar ķīniešu sporta zāli, kas piepildīta ar cilvēkiem, kas organizēti paralēlā tīklā. Tālākā viņa spriešanas gaita ir līdzīga spriešanai Ķīnas istabas gadījumā.

Mūsuprāt, šis otrais piemērs nav tik veiksmīgs un pārliecinošs kā pirmais. Pirmkārt, tas, ka neviens sistēmas elements nesaprot ķīniešu valodu, nespēlē nekādu lomu, jo tas pats attiecas uz cilvēka nervu sistēmu: neviens manas smadzeņu neirons nesaprot. angļu valodas, lai gan smadzenes kopumā saprot. Sērls turpina teikt, ka viņa modelim (viens cilvēks uz vienu neironu plus viens ātrpēdīgs zēns uz sinaptisko savienojumu) būtu nepieciešami vismaz 1014 cilvēki, jo cilvēka smadzenēs ir 1011 neironi, katrs ar vidēji 103 savienojumiem. Tādējādi viņa sistēmai būtu nepieciešami 10 000 pasaules iedzīvotāji, piemēram, mūsu Zeme. Acīmredzot sporta zāle ir tālu no tā, lai varētu uzņemt vairāk vai mazāk atbilstošu modeli.

No otras puses, ja šādu sistēmu vēl varētu samontēt, atbilstošā kosmiskā mērogā, ar precīzi modelētiem visiem savienojumiem, mums būtu milzīgas, lēnas, dīvaini veidotas, bet joprojām funkcionējošas smadzenes. Šajā gadījumā, protams, ir dabiski sagaidīt, ka ar pareizo ieguldījumu viņš domās, nevis otrādi, ka viņš uz to nav spējīgs. Nevar garantēt, ka šādas sistēmas darbība atspoguļos reālu domāšanu, jo vektoru apstrādes teorija var nepietiekami atspoguļot smadzeņu darbību. Bet tāpat mums nav a priori garantijas, ka viņa nedomās. Sērls kārtējo reizi kļūdaini identificē savas (vai lasītāja) iztēles pašreizējās robežas ar objektīvās realitātes robežām.

Smadzenes

Smadzenes ir sava veida dators, lai gan lielākā daļa to īpašību joprojām nav zināmas. Smadzenes raksturot kā datoru nebūt nav viegli, un šādu mēģinājumu nevajadzētu uztvert pārāk viegli. Smadzenes aprēķina funkcijas, bet ne tādā pašā veidā kā lietišķajos uzdevumos, ko risina klasiskais mākslīgais intelekts. Kad mēs runājam par mašīnu kā datoru, mēs nedomājam secīgu digitālo datoru, kas ir jāprogrammē un kurā ir skaidri nodalīta programmatūra un aparatūra; mēs arī nedomājam, ka šis dators manipulē ar simboliem vai ievēro noteiktus noteikumus. Smadzenes ir principiāli cita veida dators.

Kā smadzenes uztver informācijas semantisko saturu, vēl nav zināms, taču ir skaidrs, ka šī problēma sniedzas daudz tālāk par valodniecību un neaprobežojas tikai ar cilvēku kā sugu. Neliels svaigas zemes pleķītis gan cilvēkam, gan koijotam nozīmē, ka kaut kur tuvumā atrodas gofers; atbalss ar noteiktiem spektrālajiem raksturlielumiem nozīmē sikspārnis kodes klātbūtne. Lai izstrādātu nozīmes veidošanās teoriju, mums ir jāzina vairāk par to, kā neironi kodē un pārveido sensoros signālus, atmiņas, mācīšanās un emociju neironu bāzi, kā arī šo faktoru saistību ar motoru sistēmu. Neirozinātnēs balstītai jēgas izpratnes teorijai pat var būt vajadzīgas mūsu intuīcijas, kas tagad mums šķiet tik nesatricināmas un ko Sērls tik brīvi izmanto savos argumentācijās. Šādas pārskatīšanas zinātnes vēsturē nav nekas neparasts.

Vai zinātne var radīt mākslīgo intelektu, izmantojot to, kas ir zināms par nervu sistēmu? Mēs neredzam nekādus būtiskus šķēršļus šajā ceļā. Sērls it kā piekrīt, taču ar piebildi: "Jebkurai citai sistēmai, kas spēj radīt inteliģenci, jābūt (vismaz) līdzvērtīgām smadzeņu attiecīgajām īpašībām." Raksta beigās mēs apsvērsim šo paziņojumu. Mēs uzskatām, ka Sērls neapgalvo, ka veiksmīgai mākslīgā intelekta sistēmai noteikti ir jābūt visām smadzeņu cēloņsakarībām, piemēram, spējai sajust puves smaku, spēju pārnēsāt vīrusus, mārrutku peroksidāzes ietekmē u.c. Prasīt pilnīgu atbilstību būtu tas pats, kas mākslīgam gaisa kuģim prasīt, lai tas varētu dēt olas.

Viņš droši vien domāja tikai prasību, lai mākslīgam prātam būtu visas cēloņsakarības īpašības, kas, kā viņš izteicās, pieder apzinātam prātam. Tomēr kuras tieši? Un šeit mēs atkal esam atgriezušies pie strīda par to, kas pieder apzinātajam prātam un kas nepieder. Šī ir tikai vieta, kur strīdēties, bet patiesība šajā gadījumā ir jānoskaidro empīriski – pamēģini un paskaties, kas notiks. Tā kā mēs tik maz zinām, kas īsti ir domāšanas process un semantika, jebkāda pārliecība par to, kuras īpašības šeit ir svarīgas, būtu pāragra. Sērls vairākas reizes norāda, ka katram līmenim, tostarp bioķīmijai, ir jābūt pārstāvētam jebkurā iekārtā, kas pretendē uz mākslīgo intelektu. Acīmredzot tā ir pārāk stingra prasība. Mākslīgās smadzenes var sasniegt tādu pašu efektu, neizmantojot bioķīmiskos mehānismus.

Šī iespēja tika pierādīta K. Mead pētījumos Kalifornijas Tehnoloģiju institūtā. Mīds un viņa kolēģi izmantoja analogās mikroelektroniskās ierīces, lai izveidotu mākslīgo tīkleni un mākslīgo gliemežnīcu. (Dzīvniekiem tīklene un gliemežnīca nav tikai devēji: abās sistēmās notiek sarežģīta paralēla apstrāde.) Šīs ierīces vairs nav vienkārši modeļi minidatorā, par ko Sērls smejas; tie ir reāli informācijas apstrādes elementi, kas reāllaikā reaģē uz reāliem signāliem: gaismu tīklenes gadījumā un skaņu gliemežnīcas gadījumā. Ierīču konstrukcijas ir balstītas uz zināmajām kaķa tīklenes un meža pūces gliemežnīcas anatomiskajām un fizioloģiskajām īpašībām, un to izlaide ir ārkārtīgi tuva to modelēto orgānu zināmajām izvadēm.

Šajās mikroshēmās netiek izmantoti neirotransmiteri, tāpēc neirotransmiteri, šķiet, nav nepieciešami, lai sasniegtu vēlamos rezultātus. Protams, nevar teikt, ka mākslīgā tīklene kaut ko redz, jo tās izvade nenonāk mākslīgajā talāmā vai smadzeņu garozā u.tml. Tas, vai ir iespējams uzbūvēt veselas mākslīgās smadzenes, izmantojot Mīda programmu, vēl nav zināms, taču plkst. klāt Mums nav pierādījumu, ka bioķīmisko mehānismu trūkums sistēmā padara šo pieeju nereālu.

Nervu sistēma aptver veselu virkni organizāciju, sākot no neirotransmitera molekulām (zemāk) līdz visām smadzenēm un muguras smadzenēm. Vidējos līmeņos ir atsevišķi neironi un neironu ķēdes, piemēram, tās, kas īsteno vizuālo stimulu uztveres selektivitāti (centrā), un sistēmas, kas sastāv no daudzām shēmām, kas ir līdzīgas tām, kas apkalpo runas funkcijas (augšējā labajā stūrī). Tikai ar pētījumu palīdzību var noteikt, cik cieši mākslīgā sistēma spēj reproducēt bioloģiskās sistēmas, kurām ir prāts.

Tāpat kā Sērls, mēs noraidām Tjūringa testu kā pietiekamu kritēriju apzināta prāta klātbūtnei. Vienā līmenī mums ir līdzīgi iemesli, kāpēc to darīt: mēs piekrītam, ka ir ļoti svarīgi, kā tiek īstenota funkcija, kas noteikta ar ievadi-izeju; ir svarīgi, lai mašīnā notiktu pareizi procesi. Citā līmenī mēs vadāmies pēc pavisam citiem apsvērumiem. Sērls savu nostāju par semantiskā satura esamību vai neesamību pamato ar veselā saprāta intuīcijām. Mūsu viedoklis ir balstīts uz klasisko MS iekārtu specifiskajām kļūmēm un to mašīnu īpašajām priekšrocībām, kuru arhitektūra ir tuvāka smadzeņu struktūrai. Šo dažādo mašīnu tipu salīdzinājums parāda, ka dažām skaitļošanas stratēģijām ir milzīgas un izšķirošas priekšrocības salīdzinājumā ar citām attiecībā uz tipiskiem garīgiem uzdevumiem. Šīs empīriski konstatētās priekšrocības nerada šaubas. Acīmredzot smadzenes sistemātiski izmanto šīs skaitļošanas priekšrocības. Tomēr tā nebūt nav vienīgā fiziskā sistēma, kas spēj tās izmantot. Ideja par mākslīgā intelekta radīšanu nebioloģiskā, bet būtībā paralēlā mašīnā joprojām ir ļoti vilinoša un diezgan daudzsološa.

Es apsvēršu, vai mašīnas spēj domāt. Bet tam vispirms ir jādefinē terminu "mašīna" un "domāt" nozīme. Šīs definīcijas būtu iespējams konstruēt tā, lai tās pēc iespējas labāk atspoguļotu šo vārdu parasto lietojumu, taču šāda pieeja ir saistīta ar zināmām briesmām. Lieta ir tāda, ka, ja mēs izpētīsim vārdu "mašīna" un "domāt" nozīmi, pārbaudot, kā šie vārdi parasti tiek definēti, mums būs grūti izvairīties no secinājuma, ka šo vārdu nozīme un atbilde uz jautājumu "Vai mašīnas var domāt?" jāmeklē, izmantojot statistikas aptauju, kas ir līdzīga Gallup anketai. Tomēr tas ir smieklīgi. Tā vietā, lai mēģinātu sniegt šādu definīciju, es aizstāšu mūsu jautājumu ar citu, kas ir cieši saistīts ar to un ir izteikts vārdos ar samērā skaidru nozīmi.

Šo jauno formu var raksturot kā spēli, ko mēs sauksim par "imitācijas spēli". Šo spēli spēlē trīs cilvēki: vīrietis (A), sieviete (B) un kāds, kas uzdod jautājumus (C), kas var būt jebkura dzimuma cilvēks. Jautātāju no pārējiem diviem spēles dalībniekiem atdala telpas sienas, kurā viņš atrodas. Spēles mērķis jautātājam ir noteikt, kurš no pārējiem diviem spēles dalībniekiem ir vīrietis (A) un kurš ir sieviete (B). Viņš tos pazīst kā X un Y, un spēles beigās viņš saka vai nu "X ir A un Y ir B" vai "X ir B un Y ir A". Viņam ir atļauts uzdot tādus jautājumus kā:

S: "Es lūgšu X man pateikt viņa (vai viņas) matu garumu."

Pieņemsim, ka tagad X patiesībā ir A. Tādā gadījumā A ir jāsniedz atbilde. Attiecībā uz A spēles mērķis ir mudināt C nonākt pie nepareiza secinājuma. Tātad viņa atbilde varētu būt apmēram šāda:

"Mani mati ir nogriezti īsi, un garākās šķipsnas ir aptuveni deviņas collas garas."

Lai jautātājs ar balsi nevarētu noteikt, kurš no pārējiem diviem spēles dalībniekiem ir vīrietis un kurš sieviete, atbildes uz jautājumiem vajadzēja sniegt rakstiski un vēl labāk - uz rakstāmmašīnas. Ideāls gadījums būtu telegrāfa ziņojums starp divām istabām, kurās atrodas spēlētāji. Ja to nevar izdarīt, atbildes un jautājumi jāpārsūta kādam starpniekam. Spēles mērķis trešajam spēlētājam, sievietei (B), ir palīdzēt jautātājam. Viņai, iespējams, labākā stratēģija ir sniegt patiesas atbildes. Viņa var izteikt arī tādas piezīmes kā "Sieviete - es, neklausies viņā!", bet tas neko nepanāks, jo arī vīrietis var izteikt šādas piezīmes.

Tagad uzdosim jautājumu: "Kas notiks, ja šajā spēlē A vietā piedalīsies mašīna?" Vai jautātājs šajā gadījumā kļūdīsies tikpat bieži kā spēlē, kurā dalībnieki ir tikai cilvēki? Šie jautājumi aizstās mūsu sākotnējo jautājumu "Vai mašīnas var domāt?".

II. Problēmas jaunā formulējuma kritika

Tāpat kā mēs uzdodam jautājumu: "Kāda ir atbilde uz problēmu tās jaunajā veidolā?", var jautāt: "Vai problēma ir pelnījusi izskatīt to jaunajā formulējumā?". Šo pēdējo jautājumu mēs izskatīsim, neatliekot lietas uz nenoteiktu laiku, lai vēlāk pie tā neatgrieztos.

Mūsu problēmas jaunajam formulējumam ir tāda priekšrocība, ka tas skaidri nošķir cilvēka fiziskās un garīgās spējas. Neviens inženieris vai ķīmiķis neapgalvo, ka ir radījis materiālu, kas neatšķirtos no cilvēka ādas. Šāds izgudrojums kādreiz var tikt izveidots. Taču pat pieņemot iespēju radīt no cilvēka ādas neatšķiramu materiālu, mums tomēr šķiet, ka diez vai ir jēga mēģināt padarīt "domāšanas mašīnu" cilvēciskāku, ietērpjot to šādā mākslīgā miesā. Forma, ko esam piešķīruši problēmai, atspoguļo šo apstākli ar nosacījumu, ka jautātājs nesaskaras ar citiem spēles dalībniekiem, neredz tos un nedzird viņu balsis. Dažas citas ieviestā kritērija priekšrocības var parādīt, sniedzot iespējamo jautājumu un atbilžu piemērus. Piemēram:

S: Lūdzu, uzrakstiet sonetu par tiltu pār Fortas upi.

A: Izved mani no šī. Man nekad nav bijis jāraksta dzeja.

C: pievienojiet 34 957 70 764.

A (apmēram 30 sekundes klusē, pēc tam sniedz atbildi): 105 621.

S: Vai tu spēlē šahu?

S: Man ir tikai karalis uz e8 un nav citu gabalu. Jums ir tikai karalis uz e6 un baļķis uz h1. Kā tu spēlēsi?

A (pēc 15 sekunžu klusuma): Rh8. Paklājs.

Mums šķiet, ka jautājumu un atbilžu metode ir piemērota, lai aptvertu gandrīz jebkuru cilvēka darbības jomu, kuru mēs vēlamies ieviest. Mēs negribam vainot mašīnu par nespēju spīdēt skaistumkonkursos, ne arī vainot cilvēku, ka viņš ir uzvarēts sacensībās ar lidmašīnu, spēles apstākļi padara šīs nepilnības nebūtiskas. Tie, kas atbild, ja uzskata par piemērotu, var lepoties ar savu šarmu, spēku vai drosmi, kā vien vēlas, un jautātājs nevar prasīt praktiskus pierādījumus tam.

Iespējams, mūsu spēli var kritizēt, pamatojoties uz to, ka tajā priekšrocības lielā mērā ir mašīnas pusē. Ja cilvēks mēģinātu izlikties par mašīnu, tad, acīmredzot, viņš izskatītos ļoti nožēlojami. Viņš nekavējoties atdotu sevi lēnības un aprēķinu neprecizitātes dēļ. Turklāt, vai mašīna nevar izdarīt kaut ko tādu, ko vajadzētu raksturot kā domāšanu, bet kas ļoti atšķirtos no tā, ko dara cilvēks? Šis iebildums ir ļoti smags. Bet, atbildot uz to, mēs varam vismaz teikt, ka, ja joprojām ir iespējams realizēt mašīnu, kas apmierinoši spēlēs imitāciju, tad par šo iebildumu nevajadzētu īpaši uztraukties.

Varētu atzīmēt, ka "imitācijas spēlē" nav izslēgta iespēja, ka vienkārši atdarināt cilvēka uzvedību nebūs labākā stratēģija mašīnai. Šāds gadījums ir iespējams, bet nedomāju, ka tas mūs novedīs pie kaut kā pēc būtības jauna. Jebkurā gadījumā neviens nav mēģinājis izpētīt mūsu spēļu teoriju šajā virzienā, un mēs pieņemsim, ka vislabākā mašīnas stratēģija ir sniegt atbildes, kuras cilvēks sniegtu pareizajā vidē.

III. Spēlē iesaistītās mašīnas

I sadaļā uzdotais jautājums nekļūs līdz galam precīzs, kamēr nenorādīsim, kas īsti ir domāts ar vārdu "mašīna". Protams, mēs vēlētos, lai spēlē varētu izmantot jebkāda veida inženiertehnisko aprīkojumu. Mēs arī sliecamies pieļaut, ka inženieris vai inženieru grupa var uzbūvēt mašīnu, kas darbosies, bet nevar sniegt apmierinošu tās darbības aprakstu, jo viņu izmantotā metode būtībā bija eksperimentāla. [izmēģinājumu un kļūdu rezultātā]. Visbeidzot, mēs vēlētos izslēgt no mašīnu kategorijas cilvēkus, kuri dzimuši parastā veidā. Ir grūti izveidot definīciju tā, lai tā atbilstu šiem trim nosacījumiem. Var, piemēram, pieprasīt, lai visi mašīnas dizaineri būtu viena dzimuma, taču patiesībā ar to nepietiek, jo, šķiet, no vienas paņemtas šūnas ir iespējams izaudzēt veselu indivīdu ( piemēram) no cilvēka ādas. Tas būtu bioloģiskās inženierijas varoņdarbs, kas būtu vislielākās uzslavas, taču mēs neesam sliecas uzskatīt šo gadījumu par "domājošas mašīnas veidošanu".

Tas liek mums domāt par atteikšanos no prasības, ka spēlē ir jāatļauj jebkāda veida tehnoloģija. Mēs esam vēl vairāk tendēti uz šo ideju tāpēc, ka mūsu interese par "domāšanas mašīnām" radās īpaša veida mašīnu dēļ, ko parasti sauc par "elektronisko datoru" vai "digitālo datoru". Tāpēc mūsu spēlē ļaujam piedalīties tikai digitālajiem datoriem.

Altovs Heinrihs

Vai mašīna spēj domāt

Heinrihs Altovs

Vai mašīna spēj domāt?

Es apsvēršu jautājumu: "Vai mašīna var domāt?" Bet tam vispirms ir jādefinē termina "domāt" nozīme ...

A. Tjūrings. sprūda ķēde.

Divas reizes nedēļā, vakaros, lielmeistars ieradās Kibernētikas institūtā un spēlējās ar elektronisko mašīnu.

Plašajā un pamestajā zālē atradās zems galds ar šaha galdiņu, pulksteni un spiedpogu vadības paneli. Lielmeistars apsēdās krēslā, sakārtoja gabalus un nospieda pogu "Sākt". Elektroniskās mašīnas priekšpusē iedegās kustīga indikatoru lampu mozaīka. Izsekošanas sistēmas objektīvs bija paredzēts šaha galds. Tad uz matētās tāfeles pazibēja īss uzraksts. Automašīna veica pirmo gājienu.

Tas bija diezgan mazs, šī automašīna. Lielmeistaram reizēm šķita, ka viņam pretī stāv visparastākais ledusskapis. Bet šis "ledusskapis" vienmēr uzvarēja. Pusotra gada laikā lielmeistaram knapi izdevās nospēlēt tikai četras spēles.

Mašīna nekad nav kļūdījusies. Laika spiediena draudi viņai nekad nebija pakļauti. Lielmeistars ne reizi vien mēģināja notriekt mašīnu, izdarot apzināti smieklīgu gājienu vai upurējot kādu gabalu. Rezultātā viņam nācās steigšus nospiest pogu "Padoties".

Lielmeistars bija inženieris un eksperimentēja ar mašīnu, lai pilnveidotu pašorganizējošu automātu teoriju. Taču brīžiem viņu saniknoja "ledusskapja" absolūtais līdzsvars. Pat spēles kritiskajos brīžos mašīna nedomāja ilgāk par piecām vai sešām sekundēm. Mierīgi mirkšķinot daudzkrāsainās indikatora lampiņu gaismas, viņa pierakstīja visspēcīgāko iespējamo kustību. Mašīna spēja pielāgot pretinieka spēles stilu. Dažreiz viņa pacēla objektīvu un ilgi skatījās uz cilvēku. Lielmeistars bija noraizējies un pieļāva kļūdas...

Pa dienu zālē ienāca klusējošais laborants. Drūms, neskatīdamies uz mašīnu, viņš uz šaha galdiņa atveidoja spēles, kurās tika spēlētas atšķirīgs laiks izcili šahisti. "Ledusskapja" objektīvs izstiepās līdz neveiksmei un karājās pāri dēlim. Mašīna nepaskatījās uz laborantu. Viņa bezkaislīgi ierakstīja informāciju.

Eksperiments, kuram tika izveidots šaha automāts, tuvojās beigām. Tika nolemts organizēt publisku maču starp cilvēku un mašīnu. Pirms mača vecmeistars institūtā sāka parādīties vēl biežāk. Lielmeistars saprata, ka zaudēšana ir gandrīz neizbēgama. Un tomēr viņš smagi meklēja vājās vietas ledusskapja spēlē. Mašīna, it kā uzminot par gaidāmo cīņu, ar katru dienu spēlēja arvien spēcīgāk. Viņa zibens ātrumā atšķetināja lielmeistara ģeniālākos plānus. Viņa salauza viņa gabalus ar pēkšņiem un neparastiem uzbrukumiem...

Īsi pirms mača sākuma automašīna tika nogādāta šaha klubā un uzstādīta uz skatuves. Lielmeistars ieradās pašā pēdējā brīdī. Viņš jau nožēloja, ka piekrita mačam. Bija nepatīkami zaudēt “ledusskapim” visu acu priekšā.

Lielmeistars ielika spēlē visu savu talantu un visu savu gribu uzvarēt. Viņš izvēlējās atvērumu, kuru vēl nebija spēlējis ar mašīnu, un spēle uzreiz saasinājās.

Divpadsmitajā gājienā lielmeistars piedāvāja automašīnai bīskapu par bandinieku. Smalka, iepriekš sagatavota kombinācija bija saistīta ar bīskapa upuri. Mašīna deviņas sekundes domāja – un upuri atraidīja. Kopš tā brīža lielmeistars zināja, ka viņš neizbēgami zaudēs. Tomēr viņš turpināja spēli – pārliecinoši, drosmīgi, riskanti.

Neviens no zālē klātesošajiem tādu spēli nebija redzējis. Tā bija super māksla. Visi zināja, ka mašīna vienmēr uzvar. Taču šoreiz pozīcija valdē mainījās tik ātri un tik pēkšņi, ka nebija iespējams pateikt, kurš uzvarēs.

Pēc divdesmit devītā gājiena uz mašīnas tablo uzplaiksnīja uzraksts: "Draw". Lielmeistars pārsteigts paskatījās uz "ledusskapi" un piespieda sevi nospiest pogu "Nē". Viņi uzšāvās, pārkārtojot gaismas zīmējumu, indikatoru gaismas un piesardzīgi sastinga.

Vienpadsmitajā minūtē viņa izdarīja kustību, no kuras lielmeistars baidījās visvairāk. Sekoja ātra gabalu apmaiņa. Lielmeistara stāvoklis pasliktinājās. Taču uz automašīnas signālu dēļa atkal parādījās uzraksts "Draw". Lielmeistars spītīgi nospieda pogu "Nē" un ieveda karalieni gandrīz bezcerīgā pretuzbrukumā.

Mašīnas izsekošanas sistēma nekavējoties sāka kustēties. Lēcas stikla acs skatījās uz vīrieti. Lielmeistars centās neskatīties uz mašīnu.

Gaišajā indikatorlampu mozaīkā pamazām sāka dominēt dzeltenie toņi. Viņi kļuva bagātāki, gaišāki - un beidzot visas lampas nodzisa, izņemot dzeltenās. Uz šaha galdiņa krita zelta stars, pārsteidzoši līdzīgs siltai saules gaismai.

Saspringtā klusumā noklikšķēja lielā vadības pulksteņa rādītājs, lēkādams no nodaļas uz divīziju. Mašīna domāja. Viņa domāja četrdesmit trīs minūtes, lai gan lielākā daļa zālē sēdošo šahistu uzskatīja, ka nav par ko īpaši domāt un uzbrukt ar bruņinieku ir droši.

Pēkšņi dzeltenās gaismas nodzisa. Objektīvs, nedroši nodrebēdams, ieņēma ierasto pozīciju. Rezultātu tablo parādījās ieraksts par veikto gājienu: mašīna uzmanīgi pārvietoja bandinieku. Zālē atskanēja troksnis; daudzi uzskatīja, ka tas nebija labākais solis.

Pēc četriem gājieniem mašīna atzina sakāvi.

Lielmeistars, atgrūdis krēslu, pieskrēja pie mašīnas un pacēla sānu vairogu. Zem vairoga mirgoja un nodzisa kontroles mehānisma sarkanā gaisma.

Jauns vīrietis, sporta laikraksta korespondents, uzkāpa uz skatuves, kas uzreiz bija piepildīta ar šahistiem.

Šķiet, ka viņa tikko padevās, kāds nedroši teica. - Viņa spēlēja tik pārsteidzoši - un pēkšņi ...

Nu ziniet, - iebilda viens no slavenajiem šahistiem, - gadās, ka pat cilvēks nepamana uzvarošu kombināciju. Mašīna spēlēja ar pilnu jaudu, taču tās iespējas bija ierobežotas. Tikai un viss.

Lielmeistars lēnām nolaida mašīnas vairogu un vērsās pie korespondenta.

Tātad, - viņš nepacietīgi atkārtoja, atverot piezīmju grāmatiņu, - kāds ir jūsu viedoklis?

Mans viedoklis? - jautāja vecmeistars. - Šeit tas ir: simt devītajā blokā ir bojāta sprūda ķēde. Protams, bandinieka gājiens nav tas spēcīgākais. Bet tagad grūti pateikt, kur ir cēlonis un kur sekas. Varbūt šīs sprūda ķēdes dēļ iekārta nepamanīja labāko kustību. Vai varbūt viņa tiešām nolēma neuzvarēt – un tas viņai maksāja elektrības triecienu. Galu galā, cilvēkam nav tik viegli sevi salauzt ...

Bet kāpēc šis vājais gājiens, kāpēc zaudēt? - korespondents bija pārsteigts. Ja mašīna spētu domāt, tā censtos uzvarēt.

Lielmeistars paraustīja plecus un pasmaidīja.

Kā teikt... Reizēm ir daudz humānāk izdarīt vāju gājienu. Gatavs pacelšanās brīdim!

ajaks stāvēja uz augsta akmens, tālu jūrā. Cilvēki pie bākas parādījās tikai reizēm, lai pārbaudītu automātikas iekārtas. Apmēram divsimt metru attālumā no bākas no ūdens pacēlās sala. Daudzus gadus viņš sāka uz salas, tāpat kā uz pjedestāla, viņi uzstādīja kosmosa kuģi, kas atgriezās uz Zemes pēc tālsatiksmes lidojuma. Atkārtoti sūtīt šādus kuģus kosmosā nebija jēgas.

Es ierados šeit kopā ar inženieri, kurš bija atbildīgs par bākām visā Melnās jūras piekrastē. Kad nonācām bākas augšā, inženieris pasniedza man binokli un teica:

Būs vētra. Ļoti paveicās: pirms sliktiem laikapstākļiem viņš vienmēr atdzīvojas.

Sarkanīgā saule blāvi apspīdēja pelēkās viļņu virsotnes. Akmens grieza viļņus, viņi apgāja to un trokšņaini kāpa pa slidenajiem, sarūsējušajiem akmeņiem. Tad, dziļi nopūšoties, tie izplatījās kā putojošās straumes, paverot ceļu jauniem viļņiem. Tādā veidā romiešu leģionāri virzījās uz priekšu: pirmā rinda, situsi, atgriezās cauri atvērtajam sastāvam, kas pēc tam noslēdzās un ar jaunu sparu devās uzbrukumā.

Caur binokli varēju labi redzēt kuģi. Tas bija ļoti vecs divvietīgs Long Range Reconnaissance zvaigžņu kuģis. Priekšgalā izcēlās divi glīti aizlāpīti caurumi. Gar korpusu skrēja dziļa bedri. Gravitācijas pastiprinātāja gredzens tika sadalīts divās daļās un saplacināts. Virs stūres mājas lēnām griezās konusveida sen novecojušas sistēmas un infraskaņas meteoroloģiskā novērojuma meklētāji.

Redziet, - teica inženieris, - viņš jūt, ka būs vētra.

Kaut kur satrauktā kliedza kaija, un jūra atbalsojās ar blāvām viļņu sitieniem. Pelēka dūmaka, kas pacēlās virs jūras, pamazām aizmigloja apvārsni. Vējš vilka gaišākos viļņu smailes pret mākoņiem, un slikto laikapstākļu pārslogotie mākoņi nolaidās ūdenī. No debesu un jūras saskares vajadzēja izcelties vētrai.

Nu es to joprojām saprotu, - inženieris turpināja: - saules paneļi baro baterijas, un elektroniskās smadzenes kontrolē ierīces. Bet viss pārējais... Reizēm šķiet, ka viņš aizmirst par zemi, jūru, par vētrām un sāk interesēties tikai par debesīm. Iznāk radioteleskops, lokatora antenas griežas dienu un nakti... Vai kas cits. Pēkšņi kaut kāda caurule paceļas un sāk skatīties uz cilvēkiem. Ziemā šeit pūš auksti vēji, kuģi klāj ledus, bet, tiklīdz pie bākas parādās cilvēki, ledus acumirklī pazūd... Starp citu, aļģes uz tā neaug...

Or
digitālās nanotehnoloģijas mūsu nākotnē.

Priekšvārds

Amerikāņu zinātniskās fantastikas rakstniekam Īzakam Asimovam ir stāsts par to, kā kosmosa kuģa mākslīgās smadzenes, valkājot sievietes vārds Marija, kura bija paredzēta kuģa komandiera verbālo komandu izpildei, daudz runāja ar savu komandieri par dažādām tēmām. cilvēka dzīve, ieskaitot mīlestību, mēģinot paspilgtināt savu vientulību lidojuma laikā. Un viņu ciešās un ilgās savstarpējās komunikācijas rezultātā Marija iemīlēja savu komandieri un nevēlējās šķirties no viņa pēc viņu ceļojuma beigām.

Tāpēc viņa darīja visu, lai viņu atgriešanās uz zemes nenotiktu. Kosmosa kuģa mākslīgais intelekts sievietes Marijas sejā jutās mīloša sieviete un apzināti ieveda kosmosa kuģi Visuma bezgalībā, uz visiem laikiem paliekot kopā ar savu mīļoto, pat mirušo.

Tātad saziņa ar mākslīgo intelektu rada zināmas briesmas. Taču mūsu intelektuāļiem, kuri daudz un bieži Krievijas TV kanālos runā par mūsu nākotni, par to nav ne jausmas.

Atbilde ir vienkārša un slēpjas asā, sarkastiskā nezināma autora frāzē:
Un viņa nevar.

Viss kārtībā. Tā kā jūs uzdodat tik stulbus jautājumus, tas nozīmē, ka jūs arī nevarat domāt.

Taču mūsu intelektuāļi neatkāpjas un bezgalīgi turpina runāt par šo modīgo tēmu, par mākslīgo intelektu, kura laiks, viņuprāt, jau ir pienācis, dažādos valsts televīzijas kanālos.

Nesen 24. kanālā dzirdēju kārtējo krievu humanitāro speciālistu intelektuālu šovu par jaunām “nanotehnoloģijām”, kas tagad dzimst mūsu pasaulē līdz ar pirmajiem mākslīgā intelekta iespēju paraugiem.

Dīvaini, bet nez kāpēc šobrīd Krievijā par mūsu tehnisko nākotni galvenokārt runā “speciālisti”, kuri pēc izglītības nav “tehniķi”, bet gan humanitāri, visādi politologi, kultūrzinātnieki, valodnieki, filozofi, dīleri, menedžeri, politiskie žurnālisti un tā tālāk.tālāk un tamlīdzīgi. Tas ir, cilvēki, kuri ne tikai neatšķir skrūvi un uzgriezni, bet arī nesaprot tehniskās domāšanas būtību. Bet, no otras puses, viņi pārliecinoši runā par automātiem un robotu sistēmām, kas aizstāj cilvēkus ar ražošanas procesi un pat mājās, par mākslīgo intelektu un tā atbilstību mūsu laika prasībām.

Cilvēki ar tehniskā izglītība, tā saucamie "tehniķi", televīziju šādos raidījumos nedrīkst, jo "tehniķi" viņu izpratnē ir cilvēki ar primitīvu domāšanu, šauri, aprobežoti, nevaldāmi un šādos raidījumos var pateikt kaut ko nepareizi.

Un viņi paši ar entuziasmu sāk runāt par to, ka tagad jau dzimst masveida patēriņam paredzētu produktu drukāšanas laikmets uz tilpuma printeriem, un tāpēc drīz šīs rūpnīcas ar pastāvīgi kūpošām pīpēm un nepārtraukti saindē mūsu dzīvi vairs nebūs vajadzīgas. vidi. Un šīs modernās rūpnīcās strādājošo cilvēku simtiem un simtiem specialitātes nebūs vajadzīgas. Kāpēc viņi ir tagad? Tagad patērētāji paši izdrukās dzīvē nepieciešamās preces, izmantojot internetu un savus 3D printerus.

Piemēram, tev vajadzēs kādu lietu, sākot ar auto ar ledusskapi vai ar mēbelēm un gāzes plīti, paskaties internetā, izvēlies sev nepieciešamo preču poligrāfijas uzņēmumu, pasūti un izdrukās vajadzīgo preci un atnesiet to jums tieši mājās. Tieši jaunās “nanotehnoloģijas” nodrošinās mums tik pasakainu nākotni.

Skolkovā datori jau izstrādā jaunas tehnoloģijas metalurģijā un mašīnbūvē. Un nekādas laboratorijas šī vārda agrākajā nozīmē ar veselu kaudzi metalurģijas un metālapstrādes iekārtu. Un nekādu industriālo zonu ar debesīm kūpinošām rūpnīcām ekoloģiski tīrajā Skolkovas zonā, bez darbnīcām, konveijeriem, domnām, pārveidotājiem, velmētavām un visādiem dzelzs gabaliem. Daži datori un lielapjoma printeri. Un nekas vairāk. Tiesa, uz printeriem var drukāt tikai plastmasas detaļas un izstrādājumus. Un jā, mazie. Bet tas pagaidām. Uz redzēšanos. Un tad pāriesim uz “nanomateriāliem”, un dzīve kļūs kā pasakā.

Tad visa cilvēku kopiena pilnībā pāries uz produktiem no "nanomateriāliem", kas drukāti uz tilpuma printeriem, un pēc attiecīgajām programmām sāks nodrošināties ar visu dzīvei nepieciešamo.

Piemēram, ASV ir krievu ģeologs, ģeofiziķis, uzvārdu neminēšu, bet mūsu TV viņš ir biežs viesis. Pēc MGRI absolvēšanas viņš, neatradis darbu Krievijā, aizbrauca uz ASV, kur pavisam drīz saņēma ģeofizikālo laboratoriju, pēc tam vēl vienu laboratoriju Kanādā un tagad viņam ir laboratorija Šveicē. Viņam vēl nav trīsdesmit, bet viņš jau tiek uzskatīts par galveno zemes garozas datorpētniecības speciālistu. Viņš nedodas ģeoloģiskās ekspedīcijās, nepēta serdes, kas izņemtas, urbjot akmeņus dažādos zemes reģionos, viņš visus šos smagos un dārgos ģeologu darbus uz zemes pārnesis uz datoru un nodarbojas tikai ar zemes garozas datorpētījumiem. un jau ir izvirzījis savu teoriju par Mohorovičiča slāņa veidošanos, šīs zemes garozas apakšējās robežas, uz kuras ir neaptverami pēkšņs garenisko seismisko viļņu ātruma pieaugums. Un zinātniskā pasaule pieņēma viņa teoriju.

Mana jaunība pagāja ģeoloģijā un pat četrus gadus mācījos MGRI un sīki zinu, kas tas ir, lauka darbi ģeoloģiskajās ekspedīcijās un kā tika sastādīta PSRS ģeoloģiskā karte, lielākā karte pasaulē. Bet tagad izrādās, ka praktiskā, lauka ģeoloģija ir kļuvusi nevajadzīga mūsdienu sabiedrība. Un kameras ģeoloģiskos darbus, kas iepriekš tika veikti, balstoties uz lauka apsekojumu rezultātiem, tagad var veikt mājās savā birojā pie datora ērtos apstākļos, un nekādas ekspedīcijas ar visgrūtākajiem dzīves apstākļiem un darbu kaut kur ārpus civilizācijas nav nekādas. nepieciešams ilgāk.

Ja tas tā ir, tad izrādās, ka mūsu reālā pasaule patiešām ir radikāli mainījusies un šī jaunā, tā sauktā virtuālā realitāte jau aktīvi izspiež vecos priekšstatus par mūsu pašreizējo dzīvi.

Un tagad mums tiešām nav vajadzīgas rūpnīcas, lai ražotu mums nepieciešamos produktus, un mums arī nav vajadzīgas ekspedīcijas, lai pētītu zemes virsmu un iekšas, bet mums ir vajadzīgi tikai datori ar 3D printeriem, kas ar atbilstošu programmēšanu atrisinās visas mūsu jaunās reālās dzīves problēmas. Bet vai tas viss?!

Pēkšņi un, kā vienmēr, mūsu ieejā pēkšņi ieplūda ūdens, un es piezvanīju bēdīgi slavenajam Mājokļu birojam un izsaucu santehniķus, lai novērstu negadījumu. Un viņiem nevajadzēja nekādus superdatorus ar tilpuma printeriem, bet vajadzēja tikai atslēdznieku instrumentus, ar kuriem viņi ieradās pie mums, lai novērstu avāriju un vairāk nekā divas dienas mocījās ar plīsušo cauruļu nomaiņu. Taču mūsdienu intelektuāļi man saka, ka īpaši šim manam gadījumam nav nekāda sakara ar mākslīgo intelektu.

Var redzēt, ka esmu tik ļoti pagātnes laikmeta cilvēks un tik ļoti nesaprotu šodienas realitāti, ka jaunajā datoru pasaulē man nav vietas. Galu galā tādai vispār nevajadzētu būt mūsu tagadējai sabiedrībai, jo mūsdienu cilvēka prāts nespēs kontrolēt tādus datora procesus, te vajag mākslīgo prātu, mākslīgās smadzenes, mākslīgo intelektu. Un tikai neliela daļa mūsdienu cilvēku varēs strādāt ar mākslīgo intelektu, tāpēc pārējie pasaules iedzīvotāji kļūs lieki un nevienam nederīgi. Kas tad ar tiem būs jādara, vēl nav zināms. Vēl neesat izlēmuši!

Tā dzimst ideja par mūsdienu zemes “valdnieku” “zelta miljardu”, kuru uzdevums ir pārvaldīt un izmantot zemes labumus, un pārējie zemes ļaudis būs vajadzīgi tikai, lai tiem kalpotu. un radīt viņiem ērtus dzīves apstākļus. Bet kur viņus dabūt, šos kandidātus uzņemšanai "zelta miljardā", šos cilvēkus ar superaugstu intelektu, kuri var strādāt ar mākslīgo intelektu? Un tie būs jāizvēlas jau grūtniecības stadijā. Un šī atlase būs jāveic pašam mākslīgajam intelektam, pašam mākslīgajam intelektam.

Un tādas muļķības 24 kanālā turpinājās gandrīz divas stundas. No kurienes tas viss nāk mūsdienu pasaulē? Atbilde ir vienkārša. Izglītības vispārējā un profesionālā līmeņa pazemināšanās Eiropas un Amerikas valstīs, nemaz nerunājot par Krieviju, ir tik spēcīga, ka Rietumu un Krievijas pusizglītotajiem iedzīvotājiem liek aktīvi ticēt šādām "pasaciņām" un pasakām.

Bet dzīve joprojām izjauc viņu intelektuālo uztveri par mūsu apkārtējo dzīvi, mūsu pašreizējo realitāti. Un tas visu laiku plīst. Bet viņi to nepamana, jo viņu skatiens ir vērsts uz nākotni, kur nav ikdienas dzīves netīrības un viņi ir vērsti uz nākotni.

Galu galā nevienam no viņiem nav pat elementārāko jautājumu par to, kurš tad būvēs šiem intelektuāļiem mājokli, ceļus, kas nodrošinās ar pārtiku, kas iztīrīs atkritumus, kas remontēs mūsu mājas, mūsu pagalmus, mūsu ūdens un gāzes vadi, kas paši izgatavos un uzturēs šos datorus un printerus. PVO? Visu izšķirs pats mākslīgais intelekts, viņi man atbild. Un viņi ir pārliecināti par savu atbildi un nolaidīgi skatās uz mani un tādiem cilvēkiem kā es.

Bet vai šis mākslīgais intelekts var konkurēt ar cilvēka intelektu? Jautājums ir retorisks. Lai neteiktu stulbi. Bet viņi man saka, ka mākslīgais intelekts jau pārspēj cilvēkus šahā un arī programmēšanā. Un mūsdienu glezniecība ar skulptūru "sabojā" tā, kā neviena cilvēka iztēle nespēj iedomāties.

Un nav jēgas ar viņiem par to strīdēties. Bet, man šķiet, mākslīgais intelekts var aizstāt viņu prātu. Šeit nav nekādu grūtību. Jo viņi domā standarta un primitīvi. Bet manu prātu, inženiera-izgudrotāja prātu, manas sievas, augsti kvalificētas ārsta prātu un citus līdzīgus cilvēkus, kuri profesionāli dara savu darbu, neviens mākslīgais prāts nevar aizstāt. Es šeit nerunāju par sieviešu māšu prātu.

Bet lielākās daļas valsts ierēdņu un dažāda veida "valsts domes" deputātu un viņu daudzo palīgu prātu pat būtu vērts uzreiz nomainīt pret mākslīgu. Kā arī šo "intelektuāļu", visdažādāko zinātņu doktoru prāts, kas stundām ilgi televīzijā murgo par mūsu gaišo nākotni, ko kontrolē cilvēces "zelta miljards", bruņojies ar mākslīgo intelektu, lai savaldītu sabiedrību. kļūstot par svarīgāko un nepieciešamāko uzdevumu Krievijā. Citādi mēs noslīksim viņu tukšajos vārdos.

PS Jēdziens domāšana, domāšana, katram cilvēkam ir savs. Cilvēks domā, kad viņš domā par trim; sieviete domā, kad viņa izvēlas kleitu, lai dotos uz randiņu vai taisa grimu uz sejas; uzņēmējs domā, kad cenšas saviem strādniekiem maksāt mazāk un vairāk ielikt kabatā; inženieris domā, kad viņš pirms viņa atrisina tehnisku problēmu utt., un tā tālāk. Nu, par ko tagadējā valsts amatpersona domā, man nav ne jausmas, jo šī cilvēka darbības sfēra mūsdienu Krievijā man ir absolūts noslēpums. Galu galā nav pat ne miņas no domas – tikai primitīvas, savtīgas intereses.

Fizioloģijas imitācija
Fakts ir tāds, ka termins “mākslīgais intelekts” (starp citu, to pakāpeniski aizstāj ar jēdzieniem “inteliģentās sistēmas”, “lēmumu pieņemšanas metodes”, “datu ieguve”) sākotnēji tika uzskatīts par iekļaujošu lielai modeļu klasei. un algoritmi, kuriem vajadzēja darboties tāpat.kā cilvēka smadzenes (saskaņā ar tā laika priekšstatiem).
Tajos ietilpst, piemēram, bēdīgi slavenie visu svītru neironu tīkli un ģenētiskie algoritmi.

Vispārināšana, statistika un analīze
No otras puses, daudzas tā sauktās AI metodes nav nekas cits kā matemātikas nozaru attīstība: statistika, operāciju izpēte, topoloģija un metriskās telpas. Tie ietver lielāko daļu datu ieguves un zināšanu datu atklāšanas metožu, klasteru analīzi, argumentu grupu uzskaites metodi un citas.

Tās ir tā saukto induktīvo secinājumu metodes, kad, pamatojoties uz pieejamajiem datiem, tiek iegūti vispārīgi modeļi.

Noteikumi, loģika, secinājumi
Trešā īpašā grupa var apvienot metodes, kas mēģina veidot vispārīgus modeļus un no tiem izdarīt secinājumus saistībā ar konkrētiem faktiem. Tās ir deduktīvās secināšanas metodes, un tās attēlo: Aristoteļa vecais siloģiskais, propozicionālais un predikātu aprēķins, dažādas formālās sistēmas un loģikas. Tūlīt pie malas tika piestiprinātas formālo un dabisko valodu teorijas, dažādas ģeneratīvās gramatikas.

Mēs redzam, ka viss, ko parasti apzīmē ar terminu "AI", mēģina simulēt vai loģiski atrisināt imitācijas uzdevums cilvēka intelekts.

Rodas jautājums, kas ir tas, ko cilvēks dara tik specifisku, ko mūsdienu datori, kas būvēti pēc Bebāža principiem, vēl nedara?
Viena no AI uzdevumu definīcijām ir: “Uzdevums, kura veikšanai nav algoritmiska risinājuma vai tā nav piemērojams skaitļošanas sarežģītības dēļ».

Tā, piemēram, dambretes spēlēšanas uzdevums kādreiz bija AI uzdevums, un pēc pilnīga modeļa un pilnīgas neuzlabojamu gājienu datu bāzes komplekta izveidošanas tas kļuva par vienkāršu meklēšanas uzdevumu informācijas bāzē (skat. un ).

AI uzdevumi laika gaitā mainās
Iespējams, mūsu bērni dzīvos informācijas pasaulē, kad tiks atrisināti daudzi uzdevumi un radīsies jauni - no komunikācijas dabiskajās valodās līdz visu veidu iekārtu un mehānismu automātiskai vadībai.

Tomēr, kad katrs no mums dzirdēja vārdus "mākslīgais intelekts", mēs gribējām kaut ko citu.
Mēs gribējām dabūt automašīnu, kas var domā kam pieder mācīšanās, vispārināšanas pamatprasmes; spēj, tāpat kā dzīvi organismi, aizstāt dažus orgānus ar citiem un pilnveidot sevi. Visi lasīja agrīno zinātnisko fantastiku, vai ne?

Vai tas bija zēns?
Tātad, kur pazuda intelekts? Kad un kāpēc tas, ko mēs gribējām redzēt, kļuva par blāviem matemātiskajiem modeļiem un diezgan neelegantiem algoritmiem?

Pāris offtopiskas rindas. Ja jūs gatavojat disertāciju ar vārdu "inteliģents", tad padomes locekļi parasti lūgs norādīt uz vietu sistēmā, kas ir intelektuāla, un pierādīt, KĀPĒC tas tā ir. Šis jautājums attiecas uz absolūtu "neuztveršanu".

Fakts ir tāds, ka cilvēkus, kas izdomāja visu, uz kā stāv mūsdienu "AI", vadīja tam laikam novatoriskas un revolucionāras idejas (patiesībā mūsu laiks atšķiras tikai ar to, ka mēs to visu jau esam izspēlējuši pēc sirds patikas, t.sk. izmantojot mūsdienu skaitļošanas jaudu)

1. piemērs (no nezināmā valstības).
Neironu tīkli ar tālāku izplatīšanos ar kļūdu atpakaļizplatīšanas algoritmu (tā sauktā atpakaļizplatīšanās). Tas noteikti ir izrāviens.
Pareizi konfigurēts tīkls (ar gudri izvēlētām ieejām un izvadēm) var apgūt jebkuru ievades secību un veiksmīgi atpazīt piemērus, kas nav mācīti.
Tipisks eksperiments ir formulēts šādi: 1000 piemēru, no kuriem pusi mēs mācām algoritmu, bet otru mēs pārbaudām. Un pirmās un otrās puses izvēle tiek veikta nejauši.
Tas darbojas, es personīgi iemācīju dažādiem NN vismaz 10 reizes dažādus uzdevumus un saņēmu normālus rezultātus, ar 60-90% pareizām atbildēm.

Kāda ir neironu tīklu problēma? Kāpēc viņi nav īsts intelekts?
1. Ievades dati gandrīz vienmēr ir ļoti rūpīgi jāsagatavo un iepriekš jāapstrādā. Bieži vien tiek izveidots daudz koda un filtru, lai padarītu datus lietojamus tīklos. Pretējā gadījumā tīkls gadiem ilgi mācīsies un neko nemācīsies.
2. NN mācīšanās rezultātu nevar interpretēt un izskaidrot. Un eksperts to patiešām vēlas.
3. Tīkli bieži tikai iegaumē piemērus, nevis mācīšanās modeļus. Nav precīzu veidu, kā izveidot tīklu, kas ir pietiekami gudrs, lai attēlotu modeli, un nav pietiekami ietilpīgs, lai muļķīgi atcerētos visu paraugu.

Kāds ir neironu tīklu intelekts?
Tā kā mēs neiemācījām sistēmai atrisināt problēmu, mēs mācījām tai iemācīties atrisināt problēmas. Cilvēka dzimuma noteikšanas algoritmu cilvēks neiestrādā sistēmā, tas tiek atrasts gandrīz empīriski un iešūts sinapses svaros. Tas ir inteliģences elements.

2. piemērs (no deduktīvo secinājumu lauka).
Ideja ir vienkārša. Mēs iemācīsim mašīnai domāt kā cilvēks (nu, vismaz izdarīsim primitīvus secinājumus) un dosim elementārus faktus. Nākamais - ļaujiet viņai.
Pēc šī principa darbojas ekspertu sistēmas, mašīnloģikas sistēmas, ontoloģijas (ar zināmu stiepšanos). Tas strādā? Neapšaubāmi. Ir ieviestas un turpina darboties tūkstošiem sistēmu slimību diagnosticēšanai un zināšanu jomu aprakstīšanai.

Kāda ir problēma? Kāpēc formālās sistēmas nav patiesa inteliģence?
Problēma ir tā, ka sistēma, uzsūkusi kolosālos asins un sviedru daudzumus no tās radītājiem, sāk vismaz atkārtot un attīstīt eksperta (vai kopienas), kas to mācījis, lēmumus.
Vai tas ir noderīgi? Neapšaubāmi. Eksperts ir mirstīgs, uzdevumi vairojas.

Kāda ir uz zināšanām balstītu sistēmu inteliģence?
Tas, ka mašīna izdara JAUNUS secinājumus, ka neviens to nav iemācījis. Šis viņas darba elements ir ārkārtīgi slikts (līdz šim) un ierobežots ar izstrādātajiem modeļiem un algoritmiem. Bet tas ir inteliģences elements.

Tātad, kāda ir mūsdienu AI problēma?
Mēs vienkārši esam ļoti mazi. Mūsu naivie un virspusējie priekšstati par to, kā cilvēks domā un kā darbojas smadzenes, dod pelnītos augļus.

Protams, mēs esam ārprātīgi tālu no tādu mašīnu radīšanas, kas spētu domāt mūsu cilvēciskā izpratnē, taču mūsu soļi šajā virzienā ir pareizi un noderīgi.

Un pat ja mēs ejam nepareizā virzienā, kas zina, varbūt mēs, līdzīgi Strugackiem, mērķtiecīgu pūļu rezultātā kaut ko neviļus izdarīsim daudz labāk, nekā bijām iecerējuši?