Altov Heinrich

Bir makine düşünebilir mi?

Genrikh Altov

Bir makine düşünebilir mi?

Şu soruya bakacağım: "Bir makine düşünebilir mi?" Ancak bunun için öncelikle "düşünmek" kelimesinin anlamını tanımlamanız gerekir...

A.Turing. Tetik zinciri.

Büyük usta haftada iki kez akşamları Sibernetik Enstitüsü'ne gelir ve elektronik bir makineyle oynardı.

Geniş ve ıssız odada alçak bir masa, satranç tahtası, saat ve tuşlu kontrol paneli vardı. Büyük usta bir sandalyeye oturdu, parçaları yerleştirdi ve "Başlat" düğmesine bastı. Elektronik makinenin ön panelinde hareketli bir gösterge lambaları mozaiği yanıyordu. Takip sisteminin merceği satranç tahtasına yönlendirilmişti. Daha sonra mat ekranda kısa bir yazı yanıp söndü. Araba ilk hareketini yapıyordu.

Bu araba oldukça küçüktü. Bazen büyük ustaya en sıradan buzdolabının onun karşısında durduğu görülüyordu. Ancak bu “buzdolabı” her zaman kazandı. Bir buçuk yıl içinde büyük usta ancak dört maçta berabere kalmayı başardı.

Makine asla hata yapmazdı. Zaman baskısı tehdidi hiçbir zaman onun üzerinde belirmedi. Büyük usta, kasıtlı olarak saçma bir hareket yaparak veya bir parçayı feda ederek arabayı birden fazla kez devirmeye çalıştı. Sonuç olarak aceleyle "Vazgeç" butonuna basmak zorunda kaldı.

Büyük Usta bir mühendisti ve kendi kendini organize eden otomat teorisini geliştirmek için makineyle deneyler yaptı. Ancak zaman zaman "buzdolabının" mutlak soğukkanlılığı onu çileden çıkarıyordu. Oyunun kritik anlarında bile makine beş veya altı saniyeden fazla düşünmedi. Gösterge lambalarının çok renkli ışıklarını sakince yanıp sönerek mümkün olan en güçlü hareketi yazdı. Makine, rakibinin oyun stiline göre ayarlamalar yapabildi. Bazen merceği kaldırdı ve kişiye uzun süre baktı. Büyük usta endişeliydi ve hatalar yaptı...

Gün içerisinde odaya sessiz bir laboratuvar asistanı geldi. Kasvetli bir şekilde, makineye bakmadan, seçkin satranç oyuncularının farklı zamanlarda oynadığı satranç tahtası oyunlarını yeniden üretti. “Buzdolabı” merceği sonuna kadar uzandı ve tahtanın üzerine asıldı. Makine laboratuvar asistanına bakmadı. Bilgileri tarafsız bir şekilde kaydetti.

Satranç makinesinin yaratıldığı deney sona yaklaşıyordu. İnsan ve makine arasında halka açık bir maç düzenlenmesine karar verildi. Maçtan önce büyük usta enstitüde daha sık görünmeye başladı. Büyük usta kaybın neredeyse kaçınılmaz olduğunu anlamıştı. Yine de ısrarla "buzdolabı" oyunundaki zayıflıkları aradı. Makine sanki yaklaşan dövüşü tahmin ediyormuş gibi her geçen gün daha güçlü oynadı. Büyük ustanın en kurnaz planlarını ışık hızıyla ortaya çıkardı. Ani ve sıra dışı saldırılarla figürlerini parçaladı...

Maçın başlamasından kısa bir süre önce makine satranç kulübüne taşınarak sahneye yerleştirildi. Büyük usta son dakikada geldi. Zaten maçı kabul ettiğine pişman olmuştu. Herkesin önünde "buzdolabına" yenilmek hoş değildi.

Büyük usta tüm yeteneğini ve kazanma isteğini oyuna koydu. Daha önce hiç makineyle oynamadığı bir başlangıç ​​yaptı ve oyun hemen kızıştı.

On ikinci hamlede büyük usta makineye bir piyon karşılığında bir fil teklif etti. Filin kurban edilmesiyle önceden hazırlanmış incelikli bir kombinasyon ilişkilendirildi. Makine dokuz saniye düşündü ve kurbanı reddetti. O andan itibaren büyük usta kaçınılmaz olarak kaybedeceğini biliyordu. Ancak oyuna kendinden emin, cesur ve riskli bir şekilde devam etti.

Salonda bulunanların hiçbiri böyle bir oyun görmemişti. Süper sanattı. Herkes makinenin her zaman kazandığını biliyordu. Ancak bu sefer tahtadaki pozisyon o kadar hızlı ve dramatik bir şekilde değişti ki kimin kazanacağını söylemek imkansızdı.

Yirmi dokuzuncu hamleden sonra makinenin ekranında "Beraberlik" yazısı yanıp söndü. Büyük usta şaşkınlıkla "buzdolabına" baktı ve kendisini "Hayır" düğmesine basmaya zorladı. Gösterge ışıkları açıldı, ışık düzeni yeniden düzenlendi ve ihtiyatlı bir şekilde dondu.

On birinci dakikada büyük ustanın en çok korktuğu hamleyi yaptı. Bunu hızlı bir parça değişimi izledi. Büyük ustanın durumu kötüleşti. Ancak arabanın sinyal panosunda "Çekil" kelimesi yeniden belirdi. Büyük usta inatla "Hayır" düğmesine bastı ve veziri neredeyse umutsuz bir karşı saldırıya sürükledi.

Makinenin takip sistemi hemen hareket etmeye başladı. Objektifin cam gözü adama baktı. Büyük usta arabaya bakmamaya çalıştı.

Gösterge lambalarının ışık mozaiğinde yavaş yavaş sarı tonlar hakim olmaya başladı. Daha zengin, daha parlak hale geldiler ve sonunda sarı olanlar dışında tüm lambalar söndü. Şaşırtıcı bir şekilde sıcak güneş ışığına benzeyen altın renkli bir ışın demeti satranç tahtasına düştü.

Gergin bir sessizlik içinde, büyük kontrol saatinin ibresi tıkırdayarak bölümden bölüme atladı. Makine düşünüyordu. Salonda oturan satranç oyuncularının çoğu düşünecek özel bir şey olmadığına ve atıyla güvenle saldırabileceğine inanmasına rağmen kırk üç dakika boyunca düşündü.

Bir anda sarı ışıklar söndü. Kararsızca titreyen mercek her zamanki pozisyonunu aldı. Skor tablosunda yapılan hamlenin bir kaydı belirdi: makine piyonu dikkatli bir şekilde hareket ettirdi. Koridorda bir gürültü vardı; çoğu kişi bunun en iyi hamle olmadığını düşünüyordu.

Dört hamleden sonra makine yenilgiyi kabul etti.

Büyük usta sandalyeyi iterek arabaya doğru koştu ve yan kalkanı kaldırdı. Kalkanın altında kontrol mekanizmasının kırmızı ışığı yanıp sönüyordu.

Bir spor gazetesinin muhabiri olan genç bir adam, hemen satranç oyuncularıyla dolan sahneye zar zor çıktı.

Görünüşe göre pes etmiş gibi görünüyor," dedi birisi kararsız bir şekilde. - O kadar muhteşem oynadı ki - ve aniden...

Biliyorsunuz," diye itiraz etti ünlü satranç oyuncularından biri, "bir kişi bile kazanan kombinasyonu fark etmez. Makine tam güçle oynuyordu ama yetenekleri sınırlıydı. Hepsi bu.

Büyük usta yavaşça arabanın ön panelini indirdi ve muhabire döndü.

Peki," diye sabırsızca tekrarladı, not defterini açarak, "senin fikrin nedir?"

Benim fikrim mi? - büyük usta sordu. - İşte burada: yüz dokuzuncu bloktaki tetik zinciri başarısız oldu. Elbette piyon hamlesi en güçlü hamle değil. Ama artık sebebin nerede, sonucun nerede olduğunu söylemek zor. Belki de bu tetik zinciri yüzünden araba daha iyi bir hareket fark edemedi. Ya da belki gerçekten kazanmamaya karar verdi ve bu ona tetikleyicilere mal oldu. Sonuçta insanın kendini aşması o kadar kolay değil...

Ama neden bu zayıf hamle, neden kaybediyoruz? - muhabir şaşırdı. Eğer bir makine düşünebilseydi kazanmak için çabalardı.

Büyük usta omuzlarını silkti ve gülümsedi:

Nasıl desek... Bazen zayıf bir hamle yapmak çok daha insancıldır. Kalkışa hazırız!

Yak, denizin çok açıklarında, yüksek bir kayanın üzerinde duruyordu. İnsanlar deniz fenerine yalnızca ara sıra otomatik ekipmanı kontrol etmek için geliyordu. Deniz fenerinden yaklaşık iki yüz metre uzakta sudan bir ada yükseldi. Uzun yıllar boyunca adaya, uzun bir yolculuğun ardından Dünya'ya dönen bir kaide gibi bir uzay gemisi yerleştirildi. Bu tür gemileri tekrar uzaya göndermenin bir anlamı yoktu.

Bütün Karadeniz kıyısı boyunca deniz fenerlerinden sorumlu bir mühendisle buraya geldim. Deniz fenerinin üst platformuna çıktığımızda mühendis bana dürbünü verdi ve şöyle dedi:

Bir fırtına olacak. Çok şanslı: Kötü hava koşullarından önce her zaman canlanır.

Kırmızımsı güneş, dalgaların gri tepelerinde belli belirsiz parlıyordu. Kaya dalgaları kesti, etrafından dolaşıp kaygan, paslı taşların üzerine gürültüyle tırmandılar. Sonra derin bir iç çekişle köpüklü derelere yayılarak yeni dalgaların önünü açtılar. Roma lejyonerleri bu şekilde ilerledi: Saldırı yapan ön sıra, açık düzenden geri çekildi, ardından kapandı ve yenilenmiş bir güçle saldırı başlattı.

Dürbünle gemiyi açıkça görebiliyordum. Çok eski, iki kişilik Uzun Menzilli Keşif tipi bir yıldız gemisiydi. Pruvada özenle onarılmış iki delik göze çarpıyordu. Vücut boyunca uzanan derin bir göçük vardı. Yerçekimi hızlandırıcı halkası ikiye bölündü ve düzleştirildi. Uzun süredir modası geçmiş bir sistemin ve infrasonik hava gözleminin koni şeklindeki arayıcıları, kaptan köşkünün üzerinde yavaşça dönüyordu.

Görüyorsunuz," dedi mühendis, "fırtına çıkacağını hissediyor."

Bir yerlerde bir martı alarma geçti ve deniz, donuk dalgalarla karşılık verdi. Denizin üzerinde yükselen gri bir sis yavaş yavaş ufku karartıyordu. Rüzgar, hafifleyen dalga tepelerini bulutlara doğru çekti ve kötü hava nedeniyle aşırı yüklenen bulutlar suya doğru battı. Gökyüzü ile denizin birleşiminden fırtına çıkması gerekiyordu.

Eh, bunu hâlâ anlıyorum," diye devam etti mühendis: "güneş pilleri pillere güç veriyor ve elektronik beyin de cihazları kontrol ediyor." Ama geri kalan her şey... Bazen karayı, denizi, fırtınaları unutur ve yalnızca gökyüzüyle ilgilenmeye başlar. Radyo teleskopu uzar, yer belirleme antenleri gece gündüz döner... Ya da başka bir şey. Aniden bir boru yükselir ve insanlara bakmaya başlar. Kışın burada soğuk rüzgarlar esiyor, gemi buzla kaplanıyor ama deniz fenerine insanlar göründüğü anda buz anında kayboluyor... Bu arada üzerinde yosun yetişmiyor...

Alan Turing Daha sonra ders kitabı haline gelecek olan büyük bir makale yayınladı: Bilgisayar Makineleri ve Zeka. Makale genellikle Rusçaya şu şekilde çevriliyor: Bir makine düşünebilir mi? Makalenin “Ana konuya karşıt bakış açıları” bölümünde yazar çeşitli itirazları, yapay zeka ile ilgili mitleri, yaratıcı süreçlerin modellenmesini ele aldı ve yorumlarını yaptı...

1. Teolojik itiraz. “Düşünmek insanın ölümsüz ruhunun bir özelliğidir, Tanrı her erkeğe ve her kadına ölümsüz bir ruh vermiştir, ancak başka hiçbir hayvana veya makineye ruh vermemiştir. Dolayısıyla ne hayvan ne de makine düşünebilir.”

Az önce söylenen hiçbir şeye katılmıyorum ve teolojik terimleri kullanarak tartışmaya çalışacağım. Hayvanlar insanlarla aynı sınıfa konulsaydı bu itirazı daha inandırıcı bulurdum, çünkü bana göre tipik canlı ile tipik cansız arasında, insanla diğer hayvanlar arasında olduğundan daha büyük bir fark vardır. Bu ortodoks bakış açısının keyfi karakteri, başka bir dine inanan bir kişiye ne açıdan görünebileceğini düşünürsek daha da netleşecektir. Mesela kadınların ruhu olmadığına inanan Müslümanların bakış açısına Hıristiyanlar nasıl tepki verecek? Ama bu soruyu bir kenara bırakıp asıl itiraza dönelim. Bana öyle geliyor ki, insan ruhuna ilişkin yukarıdaki argümandan, Yüce Allah'ın her şeye kadir oluşuna ilişkin ciddi bir sınırlamanın sonucu çıkmaktadır.

Her ne kadar bir'i ikiye eşitlemek gibi Allah'ın yapamayacağı bazı şeyler olsa da; ama inananlar arasında kim O'nun, filin bunu hak ettiğini anlarsa, filin içine ruh aşılamakta özgür olduğunu kabul etmez? O'nun, gücünü yalnızca beyni, file aşılamak istediği ruhun ihtiyaçlarını karşılayabilecek kadar geliştiren mutasyonlarla birlikte kullandığını varsayarak bir çıkış yolu arayabiliriz. Ancak aynı şey makineler için de söylenebilir. Bu mantık farklı görünebilir çünkü makineler söz konusu olduğunda "sindirilmesi" daha zordur. Esasen bu, Tanrı'nın bir makineye ruh vermek için uygun koşulları düşünmesinin pek olası olmadığını düşündüğümüz anlamına gelir; bu aslında makalenin geri kalanında tartışılan diğer argümanlarla ilgilidir. Düşünen makineler inşa etmeye çalışırken, Tanrı'nın ruhları yaratma gücünü gasp ederek, çocuk yetiştirmekten çok, Tanrı'ya karşı daha saygısız davranırız; her iki durumda da bizler yalnızca onun iradesinin araçlarıyız ve yalnızca ruhlar için barınaklar üretiyoruz, bunu da yine Tanrı yaratıyor.

Ancak bunların hepsi boş spekülasyonlardan ibaret. Bu tür teolojik tartışmalar ne amaçla yapılırsa yapılsın bende pek bir etki bırakmıyor. Ancak eski günlerde bu tür argümanlar çok ikna edici bulunurdu. zamanlarda Celile“Güneş gökyüzünün ortasında durdu ve neredeyse bütün gün batıya doğru acele etmedi” (Yeşu 10:3) ve “Sen dünyayı sağlam temeller üzerine kurdun; sonsuza dek sarsılmayacak” (Mezmur 103:5), teoriyi yeterince çürüttü Kopernik. Zamanımızda bu tür kanıtlar temelsiz görünüyor. Ancak modern bilgi düzeyine henüz ulaşılmadığında, bu tür argümanlar tamamen farklı bir izlenim yarattı.

2. “Devekuşu” açısından itiraz “Makine düşüncesinin sonuçları çok korkunç olurdu. Makinelerin düşünemeyeceğini umalım ve inanalım.”

Bu itiraz nadiren bu kadar açık bir biçimde ifade edilir. Ancak bunu düşünenlerin çoğuna bile ikna edici geliyor. İnsanın entelektüel olarak doğanın geri kalanından üstün olduğuna inanma eğilimindeyiz. İnsanın en mükemmel varlık olduğu kanıtlanabilse daha iyi olur, çünkü bu durumda hakim konumunu kaybetmekten korkabilir. Teolojik itirazın popülaritesinin bu duygudan kaynaklandığı açıktır. Bu duygu muhtemelen özellikle zeki insanlar arasında güçlüdür, çünkü onlar düşünme gücüne diğer insanlardan daha fazla değer verirler ve insanın üstünlüğüne olan inançlarını bu yeteneğe dayandırma olasılıkları daha yüksektir. Bu itirazın herhangi bir çürütmeyi gerektirecek kadar önemli olduğuna inanmıyorum. Burada teselli daha uygun olur; Bunu ruhların göçü doktrininde aramayı önermemiz gerekmez mi?

3. Matematiksel itiraz. Ayrık durumlu makinelerin yetenekleri üzerinde belirli sınırlamalar olduğunu göstermek için kullanılabilecek matematiksel mantıktan elde edilen bir dizi sonuç vardır. Bu sonuçların en ünlüsü olan Gödel teoremi, yeterince güçlü herhangi bir mantıksal sistemde, sistemin kendisi tutarlı olmadığı sürece, bu sistem içinde ne kanıtlanabilecek ne de çürütülebilecek ifadeler formüle etmenin mümkün olduğunu göstermektedir. Bazı açılardan benzer başka sonuçlar da vardır: Kilise, Kleene, Rosser Ve Turing. İkincisinin sonucu bizim için özellikle uygundur, çünkü doğrudan makinelerle ilgilidir, diğer sonuçlar ise yalnızca nispeten dolaylı bir argüman olarak kullanılabilir (örneğin, teoreme güvenmeye başlarsak). Gödel mantıksal sistemleri makineler açısından ve makineleri de mantıksal sistemler açısından açıklamak için bazı araçlara da ihtiyacımız olacaktır). Turing'in sonucu, esasen sınırsız hafıza kapasitesine sahip bir dijital hesaplama makinesi olan böyle bir makineye atıfta bulunuyor ve makinenin yapamayacağı bazı şeylerin olduğunu ortaya koyuyor. Eğer "taklit oyunu"ndaki gibi soruları yanıtlamak üzere tasarlanmışsa, kendisine ne kadar zaman verilirse verilsin ya yanlış yanıt vereceği ya da hiç yanıtlayamayacağı sorular olacaktır. Elbette buna benzer pek çok soru olabilir ve bir makine tarafından yanıtlanamayan sorular, bir başka makine tarafından tatmin edici bir şekilde yanıtlanabilir. Elbette burada soruların şu türden sorulardan ziyade evet-hayır türünden olduğunu varsayıyoruz: "Bu konuda ne düşünüyorsunuz?" Picasso'nun?. Aşağıdaki soru türleri, bir makinenin cevaplayamayacağını bildiğimiz sorulardır: "Aşağıdakilerle karakterize edilen bir makine düşünün: ...Bu makine her soruya her zaman "evet" yanıtı verecek mi?" Noktaların yerine, sorumuzu yönelttiğimiz makineyle nispeten basit bir ilişki içinde olan böyle bir makinenin bir tanımını (örneğin, Bölüm V'te kullandığımıza benzer standart bir biçimde) koyarsak O zaman bu sorunun cevabının ya yanlış olacağını ya da hiç var olmayacağını gösterebiliriz. Bu matematiksel sonuçtur; bunun, makinelerin insan zihninde bulunmayan sınırlamalarını kanıtladığını iddia ediyorlar. […]

Bu itirazın cevabı kısaca şöyledir. Herhangi bir makinenin yeteneklerinin sınırlı olduğu tespit edilmiştir, ancak analiz edilen itiraz, bu kısıtlamaların insan zihni için geçerli olmadığına dair herhangi bir kanıt olmaksızın, asılsız bir iddia içermektedir. İşin bu yönünün bu kadar kolay göz ardı edilebileceğini düşünmüyorum. Bu tür makinelerden birine konu ile ilgili kritik bir soru sorulduğunda ve kesin bir cevap verdiğinde, cevabın yanlış olacağını önceden biliriz ve bu da bize belli bir üstünlük duygusu verir. Bu duygu yanıltıcı değil mi? Kuşkusuz oldukça samimi de olabilir ama buna çok fazla önem verilmesi gerektiğini düşünmüyorum. Makinelerin yanılabilirliğini haklı gördüğümüzde içimizde ortaya çıkan tatmin duygusu nedeniyle, sorulara sıklıkla yanlış cevaplar veriyoruz. Ayrıca, üstünlük duygusu yalnızca, özünde çok mütevazı bir zafer kazandığımız bir makine için geçerli olabilir. Tüm makinelere karşı eşzamanlı bir zaferden söz edilemez. Yani kısacası, herhangi bir makine için ondan daha akıllı insanlar olabilir, ancak bu durumda yine başka, hatta daha akıllı makineler vb. olabilir. Matematiksel itirazda ifade edilen görüşü paylaşanların genel olarak "taklit oyunu"nu daha ileri değerlendirmeler için bir temel olarak kabul etmeye istekli olacaklarını düşünüyorum. Önceki iki itirazın geçerliliğine ikna olanlar muhtemelen hiçbir kriterle ilgilenmeyeceklerdir.

Fizyoloji simülasyonu
Gerçek şu ki, “Yapay Zeka” teriminin (bu arada yerini yavaş yavaş “akıllı sistemler”, “karar verme yöntemleri”, “veri madenciliği” kavramları alıyor) başlangıçta geniş bir model sınıfını kapsadığı düşünülüyordu. ve (o zamanın fikirlerine göre) insan beyniyle aynı şekilde çalışması gereken algoritmalar.
Bunlar, örneğin her türden kötü şöhretli sinir ağlarını ve genetik algoritmaları içerir.

Özet, istatistik ve analiz
Öte yandan yapay zeka olarak adlandırılan yöntemlerin çoğu matematik dallarının geliştirilmesinden başka bir şey değildir: istatistik, yöneylem araştırması, topoloji ve metrik uzaylar. Bunlar, veri madenciliği ve bilgi veri keşfi yöntemlerinin çoğunu, küme analizini, argümanların grup muhasebesi yöntemini ve diğerlerini içerir.

Bunlar, genel kalıpların mevcut verilere dayanarak türetildiği tümevarımsal çıkarım olarak adlandırılan yöntemlerdir.

Kurallar, mantık, sonuç
Üçüncü özel grup, genel kalıplar oluşturmaya çalışan ve bunları belirli gerçeklere ilişkin sonuçlar çıkarmak için kullanan yöntemleri içerir. Bunlar tümdengelimli çıkarım yöntemleridir ve aşağıdakilerle temsil edilirler: Aristoteles'in dünya kadar eski olan kıyası, önermeler ve yüklemler hesabı, çeşitli biçimsel sistemler ve mantıklar. Biçimsel ve doğal dillere ilişkin teoriler, çeşitli üretken gramerler tam da sınırdaydı.

Genellikle "AI" olarak adlandırılan her şeyin simülasyonla veya mantıksal olarak çözülmeye çalışıldığını görüyoruz. taklit görevi insan zekası.

Şu soru ortaya çıkıyor: Babbage prensiplerine göre inşa edilmiş modern bilgisayarların henüz yapamadığı kadar spesifik bir insan ne yapar?
Yapay zekanın ilgilendiği görevlerin bir tanımı şöyledir: “bir görev algoritmik bir çözüm yok ya da o hesaplama karmaşıklığı nedeniyle uygulanamaz».

Dolayısıyla, örneğin dama oynama görevi bir zamanlar bir yapay zeka göreviydi ve eksiksiz bir model oluşturup geliştirilemez hareketlerden oluşan eksiksiz bir veritabanı topladıktan sonra, bilgi tabanında arama yapma sorununa dönüştü (bkz. ve).

Yapay zeka zorlukları zamanla değişir
Belki de çocuklarımız, doğal dillerdeki iletişimden her türlü ekipman ve mekanizmanın otomatik kontrolüne kadar birçok sorunun çözüleceği ve yenilerinin ortaya çıkacağı bir bilgi dünyasında yaşayacaklar.

Ancak her birimiz “yapay zeka” kelimesini duyunca farklı bir şey istedik.
Bunu yapabilecek bir araba almak istedik. düşünmek temel öğrenme ve genelleme becerilerine sahip olan; canlı organizmalar gibi bazı organları diğerleriyle değiştirip geliştirebilme yeteneğine sahiptir. Herkes erken dönem bilim kurgu okudu, değil mi?

Bir oğlan var mıydı?
Peki istihbarat nerede kayboldu? Görmek istediklerimiz ne zaman ve neden sıkıcı matematiksel modeller ve oldukça kaba algoritmalar haline geldi?

Birkaç satır offtopik. Eğer "entelektüel" kelimesi geçen bir tez savunuyorsanız, kurul üyeleri genellikle sizden sistemdeki entelektüel olan yeri belirlemenizi ve bunun NEDEN böyle olduğunu kanıtlamanızı isteyecektir. Bu soru kesinlikle "cevaplanamaz" olanlarla ilgilidir.

Gerçek şu ki, modern "AI" nın dayandığı her şeyi icat eden insanlar, o zaman için yenilikçi ve devrimci fikirlerle hareket ediyorlardı (aslında, zamanımız yalnızca tüm bunlarla zaten çok fazla oynadığımız için farklılık gösteriyor; modern bilgi işlem gücünü kullanarak)

Örnek 1 (bilinmeyenler aleminden).
Geri yayılım algoritması (geri yayılım olarak da adlandırılır) ile ileri sinyal yayılımının sinir ağları. Bu kesinlikle bir atılım.
Düzgün yapılandırılmış bir ağ (akıllıca seçilmiş giriş ve çıkışlarla), herhangi bir giriş sırasını öğrenebilir ve kendisine öğretilmeyen örnekleri başarılı bir şekilde tanıyabilir.
Tipik bir deney şu şekilde formüle edilir: 1000 örnek, bunların yarısında algoritmayı öğretiyoruz, diğerinde ise onu test ediyoruz. Ve birinci ve ikinci yarının seçimi rastgele yapılır.
İşe yarıyor, kişisel olarak farklı sinir ağlarına farklı görevler için en az 10 kez ders verdim ve %60-90 doğru cevaplarla normal sonuçlar aldım.

Sinir ağlarındaki sorun nedir? Neden gerçek zeka değiller?
1. Giriş verilerinin neredeyse her zaman çok dikkatli bir şekilde hazırlanması ve önceden işlenmesi gerekir. Verileri ağlar için yenilebilir hale getirmek için genellikle tonlarca kod ve filtre yapılır. Aksi takdirde ağ yıllarca çalışacak ve hiçbir şey öğrenemeyecektir.
2. YSA eğitiminin sonucu yorumlanamaz ve açıklanamaz. Ve uzman bunu gerçekten istiyor.
3. Ağlar genellikle öğrenme kalıpları yerine örnekleri ezberler. Bir modeli temsil edecek kadar akıllı ve tüm örneği aptalca hatırlayacak kadar kapasiteye sahip olmayan bir ağ oluşturmanın kesin bir yolu yoktur.

Sinir ağlarının zekası nedir?
Gerçek şu ki biz sisteme problem çözmeyi öğretmedik, ona problem çözmeyi öğrenmeyi öğrettik. Bir kişinin cinsiyetini belirleyen algoritma, insanlar tarafından sisteme dahil edilmemiştir; neredeyse ampirik olarak bulunur ve sinaps ölçeklerine entegre edilmiştir. Bu bir zeka unsurudur.

Örnek 2 (tümdengelimli çıkarım alanından).
Fikir basit. Makineye insan gibi düşünmeyi (en azından ilkel sonuçlar çıkarmayı) öğretelim ve temel gerçekleri verelim. Sonra, kendisinin yapmasına izin verin.
Uzman sistemler, makine mantık sistemleri ve ontolojiler (biraz esnek) bu prensibe göre çalışır. Çalışıyor mu? Şüphesiz. Hastalıkların teşhisi ve bilgi alanlarının tanımlanmasına yönelik binlerce sistem hayata geçirildi ve çalışmaya devam ediyor.

Sorun ne? Biçimsel sistemler neden gerçek zeka değildir?
Sorun şu ki, yaratıcılarının muazzam miktarda kanını ve terini emen sistem, en azından onu öğreten uzmanın (veya topluluğun) kararlarını tekrarlamaya ve geliştirmeye başlıyor.
Bu faydalı mı? Şüphesiz. Uzman ölümlüdür, görevler çoğalır.

Bilgiye dayalı sistemlerin zekası nedir?
Gerçek şu ki makine, kimsenin ona öğretmediği YENİ sonuçlar çıkarıyor. Çalışmasının bu unsuru son derece zayıftır (şimdilik) ve ortaya konan modeller ve algoritmalarla sınırlıdır. Ancak bu bir zeka unsurudur.

Peki modern yapay zekanın sorunu nedir?
Biz henüz çok genciz. İnsanın nasıl düşündüğüne, beyninin nasıl çalıştığına dair naif ve yüzeysel fikirlerimiz hak ettiği sonuçları doğuruyor.

Elbette insani anlamda düşünebilen makineler yaratmaktan inanılmaz derecede uzağız ama bu yönde attığımız adımlar doğru ve faydalıdır.

Ve yanlış yöne gitsek bile, kim bilir, belki de Strugatsky'ler gibi, yönlendirilmiş çabalar sonucunda kazara niyet ettiğimizden çok daha iyi bir şey yapacağız?

Klasik yapay zekanın düşünen makinelerde somutlaşması pek olası değildir; İnsanın bu alandaki yaratıcılığının sınırı, beynin işleyişini taklit eden sistemlerin yaratılmasıyla sınırlı görünmektedir.

Yapay zeka bilimi (AI) bir devrim yaşıyor. Sebeplerini ve anlamını açıklamak ve perspektife koymak için öncelikle tarihe dönmemiz gerekiyor.

1950'lerin başlarında, bir makinenin düşünüp düşünemeyeceğine ilişkin geleneksel, biraz muğlak soru yerini, fiziksel sembolleri yapılarını hesaba katan kurallara göre işleyen bir makinenin düşünüp düşünemeyeceği sorusuna bıraktı. Bu soru daha net bir şekilde formüle edilmiştir çünkü biçimsel mantık ve hesaplama teorisi önceki yarım yüzyılda önemli ölçüde ilerlemiştir. Teorisyenler, belirli kurallara göre dönüşüme uğrayan soyut sembol sistemlerinin olanaklarını takdir etmeye başladılar. Öyle görünüyordu ki, eğer bu sistemler otomatikleştirilebilirse, soyut bilgi işlem güçleri, gerçek bir fiziksel sistemde kendini gösterecekti. Bu tür görüşler, oldukça derin bir teorik temele dayanan, iyi tanımlanmış bir araştırma programının doğuşuna katkıda bulundu.

Bir makine düşünebilir mi?

Evet cevabını vermek için birçok neden vardı. Tarihsel olarak, ilk ve en derin nedenlerden biri hesaplama teorisinin iki önemli sonucunda yatıyordu. İlk sonuç, Church'ün, etkili bir şekilde hesaplanabilen her fonksiyonun yinelemeli olarak hesaplanabilir olduğu teziydi. "Verimli bir şekilde hesaplanabilir" terimi, sonlu bir zamanda verilen girdi verilerinin sonucunu hesaplamak için kullanılabilecek bazı "mekanik" prosedürlerin olduğu anlamına gelir. "Yinelemeli olarak hesaplanabilir", belirli bir girdiye uygulanabilecek ve daha sonra fonksiyonu sonlu bir zamanda değerlendirmek için yeni elde edilen sonuçlara sıralı ve tekrar tekrar uygulanabilecek sonlu bir dizi işlem olduğu anlamına gelir. Mekanik prosedür kavramı resmi değil, sezgiseldir ve bu nedenle Church'ün tezinin resmi bir kanıtı yoktur. Ancak bu, bilişimin ne olduğunun özüne iniyor ve birçok farklı kanıt onu desteklemek için birleşiyor.

İkinci önemli sonuç, yinelemeli olarak hesaplanabilen herhangi bir fonksiyonun, daha sonra evrensel Turing makinesi olarak anılacak olan, maksimum derecede basitleştirilmiş bir sembol işleme makinesi kullanılarak sonlu zamanda hesaplanabileceğini gösteren Alan M. Turing tarafından elde edildi. Bu makine, girdi görevi gören temel simgelerin kimliğine, sırasına ve düzenine duyarlı, yinelemeli olarak uygulanabilir kurallar tarafından yönetilir.

Bu iki sonuçtan çok önemli bir sonuç çıkar; yani standart bir dijital bilgisayar, doğru program verildiğinde, yeterince büyük bir belleğe ve yeterli zaman verildiğinde, girişi ve çıkışı olan herhangi bir kurala dayalı fonksiyonu hesaplayabilir. Başka bir deyişle, dış çevreden gelen gönüllü etkilere karşı her türlü sistematik tepkiyi gösterebilir.

Bunu şu şekilde belirtelim: Yukarıda tartışılan sonuçlar, uygun şekilde programlanmış sembol işleme makinesinin (bundan böyle ona MS makinesi diyeceğiz), bilinçli bir zihnin varlığına ilişkin Turing testini karşılaması gerektiği anlamına gelir. Turing Testi tamamen davranışçı bir testtir ancak gereksinimleri oldukça güçlüdür. (Aşağıda bu testin ne kadar geçerli olduğunu ele alacağız, burada bilinçli bir zihnin varlığına ilişkin temelde farklı ikinci bir “test” ile karşılaşacağız.) Turing testinin orijinal versiyonuna göre, MS makinesine girdi olarak sorular sorulmalıdır. ve giriş cihazının klavyesine yazdığımız doğal konuşma dilindeki ifadeler ve çıktı, çıkış cihazı tarafından yazdırılan MS makinesinin yanıtlarıdır. Yanıtları gerçek, zeki bir kişi tarafından yazılanlardan ayırt edilemiyorsa, bir makinenin bilinçli bir zihnin varlığına yönelik bu testi geçtiği söylenir. Elbette şu anda hiç kimse, makul bir kişinin davranışından farklı olmayan bir çıktı elde etmenin mümkün olacağı işlevi bilmiyor. Ancak Church ve Turing'in sonuçları bize, bu (muhtemelen verimli) fonksiyon ne olursa olsun, uygun tasarıma sahip bir MS makinesinin bunu hesaplayabileceğini garanti ediyor.

Bu çok önemli bir sonuçtur, özellikle de Turing'in daktilo kullanan bir makineyle etkileşimi tanımlaması önemsiz bir sınırlamayı temsil ettiği için. Aynı sonuç, MS makinesi dünyayla daha karmaşık yollarla etkileşime girse bile (doğrudan görüş, doğal konuşma vb. kullanarak) geçerliliğini korur. Sonuçta, daha karmaşık bir özyinelemeli fonksiyon hala Turing tarafından hesaplanabilir olarak kalır. Geriye tek bir sorun kalıyor: Dış ortamdan gelen etkilere karşı insanın tepkilerini kontrol eden şüphesiz karmaşık işlevi bulmak ve ardından MS makinesinin bu işlevi hesaplayacağı bir program (yinelemeli olarak uygulanabilir birçok kural) yazmak. Bu hedefler klasik yapay zekanın bilimsel programının temelini oluşturdu.

İlk sonuçlar cesaret vericiydi

Ustaca tasarlanmış programlara sahip MS makineleri, zihnin tezahürleriyle ilişkili gibi görünen bir dizi eylem göstermiştir. Karmaşık komutlara yanıt veriyor, zor aritmetik, cebir ve taktik problemleri çözüyor, dama ve satranç oynuyor, teoremleri kanıtlıyor ve basit diyaloğu sürdürüyorlardı. Daha büyük depolama cihazlarının, daha hızlı makinelerin ve daha güçlü ve karmaşık programların geliştirilmesiyle sonuçlar iyileşmeye devam etti. Klasik veya “programlamaya dayalı” yapay zeka neredeyse her açıdan çok canlı ve başarılı bir bilim alanıydı. MS makinelerinin eninde sonunda düşünebileceklerinin periyodik olarak reddedilmesi önyargılı ve bilgisiz görünüyordu. Makalenin başlığında sorulan soruya olumlu bir yanıt verilmesini destekleyen kanıtlar fazlasıyla ikna edici görünüyordu.

Elbette bazı belirsizlikler devam etti. Öncelikle MS makineleri insan beynine pek benzemiyordu. Ancak burada da klasik yapay zekanın ikna edici bir cevabı hazırdı. İlk olarak, bir MS makinesinin yapıldığı fiziksel malzemenin, hesapladığı işlevle esasen hiçbir ilgisi yoktur. İkincisi programa kaydedilir. İkincisi, makinenin işlevsel mimarisinin teknik detayları da önemli değil, çünkü tamamen farklı programlarla çalışmak üzere tasarlanmış tamamen farklı mimariler yine de aynı giriş-çıkış işlevini gerçekleştirebilir.

Bu nedenle yapay zekanın amacı, zihnin girdi ve çıktı karakteristiğine sahip bir fonksiyon bulmak ve bu fonksiyonu hesaplamak için mümkün olan birçok programdan en verimli olanı yaratmaktı. Aynı zamanda, fonksiyonun insan beyni tarafından özel olarak hesaplanma şeklinin de önemli olmadığını söylediler. Bu, klasik yapay zekanın özünün tanımını ve makalenin başlığında sorulan soruya olumlu bir yanıt verilmesinin gerekçelerini tamamlıyor.

Bir makine düşünebilir mi? Olumsuz yanıt lehine bazı argümanlar da vardı. 1960'lar boyunca kayda değer olumsuz argümanlar nispeten nadirdi. Bazen düşünmenin fiziksel bir süreç olmadığı, maddi olmayan ruhta gerçekleştiği yönünde itirazlar dile getirilmiştir. Ancak böylesine düalist bir bakış açısı, ne evrimsel ne de mantıksal açıdan yeterince ikna edici görünmüyordu. Yapay zeka araştırmaları üzerinde caydırıcı bir etkisi olmadı.

Farklı nitelikteki düşünceler, yapay zeka uzmanlarının çok daha fazla ilgisini çekti. 1972'de Hubert L. Dreyfus, yapay zeka sistemlerinde zekanın törensel gösterilerini sert bir şekilde eleştiren bir kitap yayınladı. Bu sistemlerin gerçek düşünceyi yeterince modellemediğine dikkat çekti ve tüm bu başarısız girişimlerin doğasında olan bir modeli ortaya çıkardı. Ona göre modeller, herhangi bir kişinin sahip olduğu dünya hakkında büyük bir gayri resmi genel bilgi stoğunun yanı sıra, değişen bir durumun gerekliliklerine bağlı olarak bu bilginin belirli bileşenlerine güvenme konusunda sağduyunun doğasında olan yetenekten yoksundu. Dreyfus, düşünme yeteneğine sahip yapay bir fiziksel sistem yaratmanın temel olasılığını inkar etmedi, ancak bunun yalnızca yinelemeli olarak uygulanan kurallar kullanılarak sembollerin manipülasyonu yoluyla başarılabileceği fikrini oldukça eleştirdi.

Felsefecilerin yanı sıra yapay zeka uzmanlarının da çevrelerinde akıl yürütme Dreyfus Hâlâ çok genç olan bu araştırma alanının doğasında var olan kaçınılmaz basitleştirmelere dayanarak, esas olarak dar görüşlü ve önyargılı olarak algılandılar. Belki bu eksiklikler gerçekten yaşandı ama elbette geçiciydi. Zaman gelecek, daha güçlü makineler ve daha iyi yazılımlar bu eksiklikleri ortadan kaldıracaktır. Zaman yapay zeka için çalışıyormuş gibi görünüyordu. Dolayısıyla bu itirazların yapay zeka alanında daha ileri araştırmalar üzerinde gözle görülür bir etkisi olmadı.

Ancak zamanın da işe yaradığı ortaya çıktı Dreyfus: 70'li yılların sonu ve 80'li yılların başında bilgisayarların hız ve hafıza kapasitesindeki artışlar, onların "zihinsel yeteneklerini" fazla artırmadı. Örneğin, bilgisayarlı görme sistemlerinde örüntü tanımanın beklenmedik derecede büyük miktarda hesaplama gerektirdiği ortaya çıktı. Pratik olarak güvenilir sonuçlar elde etmek için, biyolojik görüş sisteminin aynı görevleri yerine getirmesi için gereken sürenin çok ötesinde, daha fazla bilgisayar zamanı harcamak gerekiyordu. Bu kadar yavaş bir modelleme süreci endişe vericiydi: Sonuçta, bir bilgisayarda sinyaller beyindekinden yaklaşık bir milyon kat daha hızlı seyahat eder ve bilgisayarın merkezi işlem biriminin saat hızı, herhangi bir bilgisayarın frekansından yaklaşık aynı sayıda kat daha yüksektir. beyinde bulunan titreşimler. Ancak gerçekçi problemlerde kaplumbağa kolaylıkla tavşandan daha iyi performans gösterir.

Ayrıca gerçekçi problemlerin çözümü, bilgisayar programının son derece geniş bir veri tabanına erişimini gerektirir. Böyle bir veritabanı oluşturmak başlı başına bir zorluktur, ancak veritabanının belirli, bağlama özgü bölümlerine gerçek zamanlı olarak nasıl erişileceği zorluğu da buna eklenmektedir. Veritabanları genişledikçe erişim sorunu da daha karmaşık hale geldi. Kapsamlı bir arama çok uzun sürdü ve buluşsal yöntemler her zaman başarılı olmuyordu. Hatta yapay zeka alanında çalışan bazı uzmanlar da Dreyfus'un dile getirdiği endişelere benzer endişeleri paylaşmaya başladı.

Bu sıralarda (1980), John Searle, klasik yapay zeka araştırma programının çok temel varsayımına meydan okuyan temelde yeni bir eleştirel kavram önerdi; yani yapılandırılmış sembollerin, yapılarını hesaba katan kuralları yinelemeli olarak uygulayarak doğru manipülasyonu, bilinçli zihnin özü.

Searle'un ana argümanı, çok önemli iki şeyi gösterdiği bir düşünce deneyine dayanıyordu. İlk olarak, girişi ve çıkışı tamamen Çince gerçekleşen bir konuşmanın Turing testini geçebilecek bir işlevi uygulayan (anlamamız gereken) bir MS makinesini anlatıyor. İkincisi, makinenin iç yapısı öyledir ki, hangi davranışı sergilerse sergilesin, gözlemcinin zihninde ne makinenin tamamının ne de herhangi bir parçasının Çince anladığına dair hiçbir şüphe yoktur. İçerdiği tek şey, talimatlarda yazılı kurallara uyan, yalnızca İngilizce konuşan ve bunun yardımıyla kapıdaki posta penceresinden giren ve çıkan sembolleri değiştirmeniz gereken bir kişidir. Kısacası sistem, Çince dilini ve mesajların gerçek anlam içeriğini tam olarak anlamamasına rağmen Turing testini olumlu karşılamaktadır (bkz. J. Searle'nin "Beynin Zihni Bir Bilgisayar Programı mı?" makalesi). ").

Genel sonuç, fiziksel sembolleri yapıya duyarlı kurallara göre basitçe yönlendiren herhangi bir sistemin, en iyi ihtimalle, gerçek bilinçli bir zihnin kötü bir parodisi olacağıdır, çünkü sadece "gerçek anlambilimi" yalnızca "" düğmesini çevirerek oluşturmak imkansızdır. boş sözdizimi." Burada Searle'un bilincin varlığına yönelik davranışsal olmayan bir test ortaya koyduğunu belirtmek gerekir: bilinçli zihnin unsurları gerçek anlamsal içeriğe sahip olmalıdır.

Düşünce deneyinin yetersizliğinden dolayı Searle'ü suçlamak cazip gelebilir, zira önerdiği Rubik Küp sistemi aşırı derecede yavaş olacaktır. Ancak Searle, bu durumda hızın herhangi bir rol oynamadığı konusunda ısrar ediyor. Yavaş düşünen kişi yine de doğru düşünür. Ona göre klasik yapay zeka kavramına göre düşünceyi yeniden üretmek için gereken her şey "Çin odası"nda mevcut.

Searle'ın makalesi yapay zeka uzmanlarından, psikologlardan ve filozoflardan canlı tepkiler aldı. Ancak genel olarak Dreyfus'un kitabından daha fazla düşmanlıkla karşılandı. Derginin bu sayısıyla eş zamanlı olarak yayınlanan makalesinde Searle, kendi kavramına karşı bir dizi eleştirel argüman sunuyor. Bize göre bunların çoğu meşrudur, özellikle de yazarları, odadan ve içindekilerden oluşan sistemin acı verici derecede yavaş olmasına rağmen hala Çince anladığını iddia ederek hevesle "yemi yutan" kişiler.

Bu yanıtları beğendik ama Çin odasının Çince anladığını düşündüğümüz için değil. Searle'ün onu anlamadığı konusunda hemfikiriz. Bu argümanların çekiciliği, Searle'ün argümanındaki çok önemli üçüncü aksiyomu kabul etmeyi reddetmelerini yansıtmalarıdır: "Sözdizimi tek başına anlambilim oluşturmaz ve anlambilimin varlığı için yeterli değildir." Bu aksiyom doğru olabilir, ancak Searle'ün bunu kesin olarak bildiğini haklı olarak iddia etmesi mümkün değildir. Dahası, bunun doğru olduğunu varsaymak, klasik yapay zeka araştırma programının savunulabilir olup olmadığı sorusunu gündeme getiriyor; çünkü bu program, eğer uygun şekilde yapılandırılmış bir süreci harekete geçirebilirsek, bir tür içsel dansı harekete geçirebilirsek çok ilginç bir varsayıma dayanıyor. Sözdizimsel unsurların girdiler ve çıktılarla doğru bir şekilde ilişkilendirilmesiyle, o zaman insanın doğasında bulunan zihnin aynı durumlarını ve tezahürlerini elde edebiliriz.

Searle'ün üçüncü aksiyomunun gerçekten bu soruyu gerektirdiği, onu ilk sonucuyla doğrudan karşılaştırdığımızda açıkça ortaya çıkıyor: "Programlar zihnin özü olarak görünür ve onların varlığı, zihnin varlığı için yeterli değildir." Üçüncü aksiyomunun zaten %90 oranında onunla neredeyse aynı sonucu taşıdığını görmek zor değil. Searle'ın düşünce deneyinin özellikle üçüncü aksiyomu destekleyecek şekilde tasarlanmasının nedeni budur. Çin odasının özü budur.

Her ne kadar Çin odası örneği Aksiyom 3'ü konuya yabancı olanlar için çekici kılsa da, bu aksiyomun geçerliliğini kanıtladığını düşünmüyoruz ve bu örneğin tutarsızlığını göstermek için örnek olarak kendi paralel örneğimizi sunuyoruz. Çoğunlukla tartışmalı bir ifadeyi çürüten başarılı bir örnek, mantıksal hokkabazlıklarla dolu bir kitaptan çok daha iyi bir şekilde durumu açıklığa kavuşturacaktır.

Bilim tarihinde Searle'ün akıl yürütmesinde gördüğümüze benzer pek çok şüphecilik örneği vardır. 18. yüzyılda İrlandalı Piskopos George Berkeley, havadaki sıkıştırma dalgalarının ses olaylarının özü veya onların varlığı için yeterli bir faktör olabileceğinin düşünülemez olduğunu düşünüyordu. İngiliz şair ve sanatçı William Blake ve Alman doğa bilimci şair Johann Goethe, küçük madde parçacıklarının kendi başlarına ışığın nesnel varlığı için yeterli bir öz veya faktör olabileceğinin düşünülemez olduğunu düşünüyorlardı. Bu yüzyılda bile, organizasyonu ne kadar karmaşık olursa olsun, cansız maddenin kendisinin organik bir varlık veya yeterli bir yaşam koşulu olabileceğini hayal edemeyen insanlar vardı. İnsanların hayal edebildikleri veya hayal edemedikleri şeylerin gerçekte var olan veya olmayan şeylerle çoğu zaman hiçbir ilgisi olmadığı açıktır. Bu, çok yüksek zeka seviyesine sahip insanlar söz konusu olduğunda bile geçerlidir.

Bu tarihsel derslerin Searle'ün akıl yürütmesine nasıl uygulanabileceğini görmek için gelin onun mantığına yapay bir paralellik uygulayalım ve bu paralelliği bir düşünce deneyiyle destekleyelim.

Aksiyom 1. Elektrik ve manyetizma fiziksel kuvvetlerdir.

Aksiyom 2. Işığın temel bir özelliği parıltıdır.

Aksiyom 3. Kuvvetlerin kendisi parlama etkisinin özü olarak görünür ve onun varlığı için yeterli değildir.

Sonuç 1. Elektrik ve manyetizma ışığın özü değildir ve varlığı için yeterli değildir.

Bu argümanın kısa bir süre sonra yayınlandığını varsayalım. James C.Maxwell 1864'te ışık ve elektromanyetik dalgaların aynı olduğunu öne sürdü, ancak ışığın özellikleri ile elektromanyetik dalgaların özellikleri arasındaki sistematik paralellikler dünyada tam olarak fark edilmeden önce. Yukarıdaki mantıksal argüman, özellikle Aksiyom 3'ü destekleyen aşağıdaki yorumun eşlik etmesi durumunda, Maxwell'in cesur hipotezine ikna edici bir itiraz gibi görünecektir.

Elinde kalıcı bir mıknatıs veya yüklü bir nesne tutan bir kişinin bulunduğu karanlık bir oda düşünün. Bir kişi bir mıknatısı yukarı ve aşağı hareket ettirmeye başlarsa, Maxwell'in yapay aydınlatma teorisine (AI) göre, mıknatıstan yayılan bir elektromanyetik dalga küresi yayılacak ve oda daha parlak hale gelecektir. Ancak mıknatıslarla veya yüklü toplarla oynamayı deneyen herkesin çok iyi bildiği gibi, onların kuvvetleri (veya bu konudaki diğer kuvvetler), bu nesneler hareket halindeyken bile herhangi bir parıltı yaratmaz. Bu nedenle, sadece kuvvetleri manipüle ederek gerçek bir parlama efekti elde edebilmemiz düşünülemez görünüyor!

Elektromanyetik kuvvetlerin titreşimleri ışığı temsil eder, ancak bir kişinin hareket ettirdiği mıknatıs herhangi bir parıltı üretmez. Benzer şekilde, Searle'un Çin Odası'nda bulunan kurala dayalı sistemin gerçek anlayıştan yoksun görünmesine rağmen, sembollerin belirli kurallara göre manipülasyonu zekayı teşkil edebilir.

Bu meydan okuma kendisine sunulsaydı Maxwell nasıl tepki verebilirdi?

Birincisi, muhtemelen parlayan oda deneyinin bizi görünür ışığın özellikleri konusunda yanılttığı konusunda ısrar edecektir, çünkü mıknatısın salınımlarının frekansı son derece küçüktür, yani gerekenden yaklaşık 1015 kat daha azdır. Burada frekansın herhangi bir rol oynamadığı, salınımlı mıknatıslı odanın, Maxwell'in kendi teorisine tam uygun olarak parlama etkisinin ortaya çıkması için gerekli her şeyi içerdiği şeklinde sabırsız bir cevap gelebilir.

Sırayla Maxwell Oldukça makul bir şekilde odanın zaten ışıltıyla dolu olduğunu belirterek "yemi yutabilirdi", ancak bu parıltının doğası ve gücü öyle ki bir kişi onu göremiyor. (Bir kişinin mıknatısı hareket ettirdiği frekansın düşük olması nedeniyle, üretilen elektromanyetik dalgaların uzunluğu çok uzun ve yoğunluğu insan gözünün bunlara tepki veremeyeceği kadar düşüktür.) Ancak, bu olayların anlaşılma düzeyi göz önüne alındığında, Söz konusu dönemde (geçtiğimiz yüzyıl 1960'lar) böyle bir açıklama muhtemelen kahkahalara ve alaycı ifadelere neden olacaktır. "Parlayan oda! Ama kusura bakmayın Bay Maxwell, orası tamamen karanlık!”

Yani yoksulların olduğunu görüyoruz. Maxwell zor. Yapabileceği tek şey şu üç noktada ısrar etmek. Öncelikle yukarıdaki argümandaki aksiyom 3 doğru değil. Aslında sezgisel olarak oldukça makul görünse de, merak etmekten kendimizi alamıyoruz. İkincisi, parlayan oda deneyi bize ışığın fiziksel doğası hakkında ilginç hiçbir şey göstermiyor. Üçüncüsü, ışık problemini ve yapay parlama olasılığını gerçekten çözmek için, doğru koşullar altında elektromanyetik dalgaların davranışının ışığın davranışıyla tamamen aynı olup olmadığını tespit edecek bir araştırma programına ihtiyacımız var. Klasik yapay zeka Searle'un mantığına aynı cevabı vermeli. Searle'un Çin odası "anlamsal olarak karanlık" görünse de, belirli kurallara göre gerçekleştirilen sembollerin manipülasyonunun asla anlamsal fenomenlere yol açamayacağı konusunda ısrar etmek için iyi bir nedeni yok, özellikle de insanlar hala yetersiz bilgilendirilmiş ve yalnızca sınırlı oldukları için Açıklamaya ihtiyaç duyan anlamsal ve zihinsel olayların sağduyu düzeyini anlayarak. Searle, bu şeylere dair bir anlayış kullanmak yerine, akıl yürütmesinde insanların böyle bir anlayış eksikliğinden özgürce yararlanıyor.

Searle'ün mantığına yönelik eleştirilerimizi ifade ettikten sonra, klasik bir yapay zeka programının bilinçli zihin sorununu çözme ve düşünen bir makine yaratma konusunda gerçek bir şansı olup olmadığı sorusuna dönüyoruz. Buradaki geleceğin pek parlak olmadığına inanıyoruz, ancak görüşümüz Searle'ün kullandığı argümanlardan temel olarak farklı nedenlere dayanıyor. Klasik yapay zeka araştırma programının spesifik başarısızlıkları ve biyolojik beynin, yapısının bazı özelliklerini bünyesinde barındıran yeni bir hesaplamalı modeller sınıfı aracılığıyla bize öğrettiği bir dizi ders üzerine inşa ediyoruz. Beyin tarafından hızlı ve verimli bir şekilde çözülen sorunları çözmede klasik yapay zekanın başarısızlıklarından daha önce bahsetmiştik. Bilim adamları yavaş yavaş bu başarısızlıkların MS makinelerinin işlevsel mimarisinin özellikleriyle açıklandığı ve bunların karşı karşıya olduğu karmaşık sorunları çözmek için uygun olmadığı konusunda fikir birliğine varıyorlar.

Bilmemiz gereken şey, beyin düşünme etkisini nasıl elde ediyor? Tersine mühendislik mühendislikte yaygın bir tekniktir. Yeni bir teknik cihaz satışa sunulduğunda rakipler, onu parçalara ayırarak ve hangi prensibi temel aldığını tahmin etmeye çalışarak cihazın nasıl çalıştığını anlarlar. Beyin söz konusu olduğunda bu yaklaşımın uygulanması olağanüstü derecede zordur çünkü beyin gezegendeki en karmaşık şeydir. Bununla birlikte sinirbilimciler beynin çeşitli yapısal düzeylerdeki pek çok özelliğini ortaya çıkarmayı başardılar. Üç anatomik özellik onu geleneksel elektronik bilgisayarların mimarisinden temel olarak ayırıyor.

İlk önce Sinir sistemi, sinyallerin aynı anda milyonlarca farklı yol boyunca işlenmesi anlamında paralel bir makinedir. Örneğin, gözün retinası, karmaşık bir girdi sinyalini beyne masaüstü bilgisayardaki gibi 8, 16 veya 32 öğelik parçalar halinde değil, aynı anda aynı anda gelen neredeyse bir milyon ayrı öğeden oluşan bir sinyal biçiminde iletir. optik sinirin ucu (yan genikülat gövde), bundan sonra aynı anda, tek adımda beyin tarafından işlenirler. İkincisi, beynin temel "işleme cihazı" olan nöron nispeten basittir. Ek olarak, bir giriş sinyaline tepkisi, çıkış sinyalinin frekansının giriş sinyallerine bağlı olarak sürekli bir şekilde değişmesi anlamında dijital yerine analogdur.

Üçüncüsü, Beyinde, bir grup nörondan diğerine giden aksonlara ek olarak, sıklıkla ters yönde giden aksonlara da rastlarız. Bu tekrarlayan projeksiyonlar beynin duyusal bilgiyi işleme biçimini değiştirmesine olanak tanır. Daha da önemlisi, onların varlığının beyni, sürekli olarak sürdürülen davranışın hem çok yüksek karmaşıklık hem de çevresel uyaranlardan göreceli bağımsızlık ile ayırt edildiği gerçekten dinamik bir sistem haline getirmesidir. Basitleştirilmiş ağ modelleri, gerçek sinir ağlarının çalışma mekanizmalarının ve paralel mimarilerin hesaplama özelliklerinin incelenmesinde yararlı bir rol oynamıştır. Örneğin, bir sonraki seviyedeki öğelerle akson benzeri bağlantılara sahip nöron benzeri öğelerden oluşan üç katmanlı bir modeli düşünün. Giriş uyaranı, belirli bir giriş elemanının aktivasyon eşiğine ulaşır ve bu giriş, "akson"u boyunca gizli katman elemanlarının çok sayıda "sinaptik" terminaline orantılı güçte bir sinyal gönderir. Genel etki, bir dizi girdi elemanı üzerindeki etkinleştirici sinyallerin belirli bir konfigürasyonunun, bir dizi gizli eleman üzerinde belirli bir sinyal konfigürasyonu üretmesidir.

Aynı şey çıktı elemanları için de söylenebilir. Benzer şekilde, gizli katmanın dilimindeki aktivasyon sinyallerinin konfigürasyonu, çıkış elemanlarının diliminde belirli bir aktivasyon modeline yol açar. Özetlemek gerekirse, söz konusu ağın, çok sayıda olası giriş vektörünü (aktive edici sinyallerin konfigürasyonları) kendisine karşılık gelen benzersiz bir çıkış vektörüne dönüştüren bir cihaz olduğunu söyleyebiliriz. Bu cihaz belirli bir işlevi hesaplamak için tasarlanmıştır. Tam olarak hangi işlevi hesapladığı, sinaptik ağırlık yapısının genel konfigürasyonuna bağlıdır.

Sinir ağları beynin mikro yapısının ana özelliğini modellemektedir. Bu üç katmanlı ağda, giriş nöronları (sol altta) aktivasyon sinyallerinin (sağ altta) konfigürasyonunu işler ve bunları ağırlıklı bağlantılar boyunca gizli katmana iletir. Gizli katman elemanları, yeni bir sinyal konfigürasyonu oluşturmak için çoklu girişlerini toplar. Daha fazla dönüşüm gerçekleştiren dış katmana aktarılır. Genel olarak ağ, nöronlar arasındaki bağlantıların konumuna ve göreceli gücüne bağlı olarak herhangi bir giriş sinyali kümesini karşılık gelen bir çıkışa dönüştürür.

Bir ağın hemen hemen her fonksiyonu (yani vektörler arasındaki herhangi bir dönüşümü) hesaplayabilmesini sağlayacak ağırlıkların seçilmesi için çeşitli prosedürler vardır. Aslında formüle bile edilemeyen bir fonksiyonu ağ üzerinde uygulamak mümkün, sadece ne tür girdi ve çıktılara sahip olmak istediğimizi gösteren bir dizi örnek vermemiz gerekiyor. “Ağ eğitimi” olarak adlandırılan bu işlem, ağ istenen çıktıyı üretmek için girdi üzerinde istenen dönüşümleri gerçekleştirene kadar bağlantılara atanan ağırlıkların sıralı olarak ayarlanmasıyla yapılır.

Bu ağ modeli beynin yapısını büyük ölçüde basitleştirse de yine de birçok önemli hususu göstermektedir. Birincisi, paralel mimari, geleneksel bir bilgisayara göre çok büyük bir hız avantajı sağlar çünkü her katmandaki çoklu sinapslar, yoğun emek gerektiren sıralı bir modda çalışmak yerine birçok küçük hesaplama işlemini aynı anda gerçekleştirir. Bu avantaj, her katmandaki nöron sayısı arttıkça giderek daha önemli hale gelir. Şaşırtıcı bir şekilde, bilgi işlemenin hızı, her düzeyde sürece dahil olan öğelerin sayısına ya da hesapladıkları işlevin karmaşıklığına bağlı değildir. Her seviyede dört element olabileceği gibi yüz milyon da olabilir; Sinaptik ağırlıkların konfigürasyonu, basit tek basamaklı toplamları hesaplayabilir veya ikinci dereceden diferansiyel denklemleri çözebilir. Önemli değil. Hesaplama süresi kesinlikle aynı olacaktır.

İkincisi, sistemin paralel yapısı onu küçük hatalara karşı duyarsız hale getirir ve ona işlevsel kararlılık kazandırır; Birkaç bağlantının, hatta önemli sayıda bağlantının kaybının, ağın geri kalanı tarafından gerçekleştirilen dönüşümün genel ilerlemesi üzerinde ihmal edilebilir bir etkisi vardır.

Üçüncüsü, paralel bir sistem, büyük miktarda bilgiyi dağıtılmış bir biçimde saklar ve bu bilginin herhangi bir parçasına birkaç milisaniyeyle ölçülen bir sürede erişim sağlar. Bilgi, önceki öğrenme sürecinde oluşan bireysel sinaptik bağlantıların ağırlıklarının belirli konfigürasyonları şeklinde depolanır. Giriş vektörü bu bağlantı konfigürasyonundan geçerken (ve bu konfigürasyon tarafından dönüştürüldükçe) gerekli bilgi "serbest bırakılır".

Paralel işleme her türlü bilgi işlem için ideal değildir. Küçük bir girdi vektörüyle problem çözerken, ancak milyonlarca hızla tekrarlanan özyinelemeli hesaplamalar gerektirirken, klasik MS makineleri en iyi yeteneklerini gösterirken beyin tamamen çaresizdir. Bu çok büyük ve önemli bir bilgi işlem sınıfıdır, dolayısıyla klasik makinelere her zaman ihtiyaç duyulacak ve hatta gerekli olacaktır. Ancak beyin mimarisinin en iyi teknik çözümü temsil ettiği aynı derecede geniş bir hesaplama sınıfı da vardır. Bunlar esas olarak canlı organizmaların tipik olarak karşılaştığı hesaplama türleridir: "gürültülü" bir ortamda yırtıcı hayvanın hatlarını tanımak; bakışlarına verilecek doğru tepkiyi, yaklaştığında kaçma veya saldırdığında savunma yöntemini anında hatırlama; yenilebilir ve yenmez şeyler arasında, cinsel partnerler ve diğer hayvanlar arasında ayrım yapmak; karmaşık ve sürekli değişen fiziksel veya sosyal ortamda davranış seçimi; vesaire.

Son olarak, açıklanan paralel sistemin sembolleri yapısal kurallara göre yönlendirmediğini belirtmek çok önemlidir. Aksine, sembol manipülasyonu ağın öğrenebileceği veya öğrenemeyeceği diğer birçok "akıllı" beceriden yalnızca biridir. Kurallara dayalı sembol manipülasyonu, ağın birincil çalışma şekli değildir. Searle'un argümanı kuralla yönetilen MS makinelerine yöneliktir; Tanımladığımız türdeki vektör dönüşüm sistemleri, geçerli olsa bile Çin odası argümanının uygulanabilirliğinin dışında kalıyor; bundan şüphe etmek için başka bağımsız nedenlerimiz var.

Searle paralel işlemcilerin farkındadır ancak ona göre bunlar aynı zamanda gerçek anlamsal içerikten de yoksun olacaktır. Bu bakımdan kaçınılmaz aşağılık durumlarını göstermek için, bu sefer paralel bir ağ halinde örgütlenmiş insanlarla dolu bir Çin spor salonuyla yapılan ikinci bir düşünce deneyini anlatıyor. Onun akıl yürütmesinin daha sonraki seyri Çin odası olayındaki akıl yürütmeye benzer.

Kanaatimizce bu ikinci örnek, birincisi kadar başarılı ve inandırıcı değildir. Her şeyden önce, sistemdeki tek bir unsurun bile Çince anlamamasının herhangi bir rolü yok, çünkü aynı şey insanın sinir sistemi için de geçerli: Beynimdeki tek bir nöron bile İngilizce'yi anlamıyor, ancak beyin bir bütün olarak anlıyor. . Searle ayrıca, insan beyni her biri ortalama 103 bağlantıya sahip 1011 nöron içerdiğinden, kendi modelinin (her nöron için bir kişi artı her sinaptik bağlantı için hızlı ayaklı bir çocuk) en az 1014 kişiye ihtiyaç duyacağını söylemeyi ihmal ediyor. Dolayısıyla onun sistemi, Dünyamız gibi 10.000 dünyalık bir nüfusa ihtiyaç duyacaktır. Spor salonunun aşağı yukarı yeterli bir modeli barındırmaktan uzak olduğu açıktır.

Öte yandan, eğer böyle bir sistem uygun bir kozmik ölçekte, tüm bağlantıların tam olarak modellendiği şekilde bir araya getirilebilseydi, devasa, yavaş, tuhaf bir tasarıma sahip ama hâlâ işleyen bir beynimiz olurdu. Bu durumda elbette, doğru girdiyle bunu yapamayacağını düşüneceğini ve bunun tersini düşünmesini beklemek doğaldır. Vektör işleme teorisi beynin işleyişini yeterince yansıtmayabileceğinden, böyle bir sistemin işleyişinin gerçek düşünceyi temsil edeceği garanti edilemez. Ancak aynı şekilde onun düşünmeyeceğine dair a priori bir garantimiz de yok. Searle bir kez daha kendi (veya okuyucunun) hayal gücünün mevcut sınırlarını nesnel gerçekliğin sınırlarıyla hatalı bir şekilde özdeşleştiriyor.

Beyin

Beyin bir tür bilgisayardır, ancak özelliklerinin çoğu bilinmemektedir. Beyni bir bilgisayar olarak nitelendirmek hiç de basit değildir ve bu tür girişimler aşırı özgürlük olarak görülmemelidir. Beyin fonksiyonları hesaplıyor ancak klasik yapay zeka tarafından çözülen uygulamalı problemlerdekiyle aynı değil. Bilgisayar olarak bir makineden bahsettiğimizde, programlanması gereken ve yazılım ve donanım olarak net bir şekilde ayrılan bir seri dijital bilgisayarı kastetmiyoruz; bu bilgisayarın sembolleri manipüle ettiğini veya belirli kurallara uyduğunu da kastetmiyoruz. Beyin temelde farklı türde bir bilgisayardır.

Beynin bilginin anlamsal içeriğini nasıl yakaladığı henüz bilinmiyor ancak bu sorunun dilbilimin çok ötesine geçtiği ve tür olarak insanlarla sınırlı olmadığı açıktır. Küçük bir taze toprak yığını hem insan hem de çakal için yakınlarda bir yerde bir sincap olduğu anlamına gelir; belirli spektral özelliklere sahip bir yankı, yarasa için bir güvenin varlığına işaret eder. Bir anlam oluşumu teorisi geliştirmek için, nöronların duyu sinyallerini nasıl kodlayıp dönüştürdüğü, hafızanın, öğrenmenin ve duygunun sinirsel temeli ve bu faktörler ile motor sistem arasındaki bağlantılar hakkında daha fazla bilgi sahibi olmamız gerekir. Sinirbilime dayalı bir anlam teorisi, artık bize çok güvenli görünen ve Searle'ün akıl yürütmesinde çok özgürce kullandığı sezgilerimizi bile gerektirebilir. Bu tür revizyonlar bilim tarihinde nadir değildir.

Bilim, sinir sistemi hakkında bilinenleri kullanarak yapay zeka yaratma kapasitesine sahip midir? Bu yolda herhangi bir temel engel görmüyoruz. Searle de aynı fikirde gibi görünüyor, ancak şu uyarıyı yapıyor: "Bir zihin oluşturabilen diğer herhangi bir sistem, (en azından) beynin karşılık gelen özelliklerine eşdeğer nedensel özelliklere sahip olmalıdır." Yazının sonunda bu açıklamayı ele alacağız. Searle'ün, başarılı bir yapay zeka sisteminin, çürüyen bir şeyin kokusunu alma yeteneği, virüs taşıyıcısı olma yeteneği, etki altında sararma yeteneği gibi beynin tüm nedensel özelliklerine mutlaka sahip olması gerektiğini iddia etmediğine inanıyoruz. yaban turpu peroksidazı vb. Tam uyumluluğu gerektirmek, yapay bir uçağın yumurta bırakabilmesini gerektirmekle aynı olacaktır.

Muhtemelen yalnızca yapay zihnin, kendi deyimiyle bilinçli zihinle ilişkili tüm nedensel özelliklere sahip olması gerekliliğini kastediyordu. Ama tam olarak hangileri? Ve böylece neyin bilinçli zihne ait olduğu ve neyin olmadığı tartışmasına yeniden dönüyoruz. Tartışmak için doğru yer burası, ancak bu durumda gerçek ampirik olarak bulunmalıdır - deneyin ve ne olacağını görün. Düşünce süreçlerinin ve anlambilimin tam olarak neyden oluştuğu hakkında çok az şey bildiğimiz için, burada hangi özelliklerin esas olduğuna dair herhangi bir kesinlik henüz erken olacaktır. Searle, yapay zekaya sahip olduğu iddia edilen herhangi bir makinede biyokimyasal seviye de dahil olmak üzere her seviyenin mevcut olması gerektiğini defalarca ima ediyor. Açıkçası bu çok güçlü bir gereklilik. Yapay bir beyin aynı etkiyi biyokimyasal mekanizmaları kullanmadan da başarabilir.

Bu olasılık Kaliforniya Teknoloji Enstitüsü'nden K. Mead tarafından yapılan araştırmada ortaya konmuştur. Mead ve meslektaşları yapay bir retina ve yapay bir koklea oluşturmak için analog mikroelektronik cihazlar kullandılar. (Hayvanlarda retina ve koklea yalnızca dönüştürücüler değildir; her iki sistem de karmaşık paralel işlemlerden geçer.) Bu cihazlar artık Searle'ün alay ettiği mini bilgisayardaki basit modeller değil; bunlar gerçek sinyallere gerçek zamanlı olarak yanıt veren gerçek bilgi işleme öğeleridir: retina durumunda ışık ve koklea durumunda ses. Cihaz tasarımları, kedi retinası ve peçeli baykuş kokleasının bilinen anatomik ve fizyolojik özelliklerine dayanmaktadır ve çıktıları, modelledikleri organların bilinen çıktılarına son derece yakındır.

Bu çipler herhangi bir nörotransmiter kullanmamaktadır, bu nedenle istenen sonuçları elde etmek için nörotransmitterlere ihtiyaç duyulmamaktadır. Elbette yapay retinanın bir şey gördüğünü söyleyemeyiz çünkü onun çıktısı yapay talamusa veya beyin korteksine vb. gitmemektedir. Mead'in programına göre bütün bir yapay beynin inşa edilmesinin mümkün olup olmadığı henüz bilinmemektedir, ancak şu anda Şu anda elimizde sistemdeki biyokimyasal mekanizmaların eksikliğinin bu yaklaşımı gerçekçi olmaktan çıkardığına dair hiçbir kanıt yok.

Sinir sistemi, nörotransmiter moleküllerinden (altta) tüm beyin ve omuriliğe kadar birçok organizasyon ölçeğini kapsar. Orta seviyelerde, görsel uyaranların algılanmasında seçiciliği uygulayanlar (ortada) gibi bireysel nöronlar ve sinir devreleri ve konuşma işlevlerine hizmet edenlere benzer birçok devreden oluşan sistemler (sağ üst) bulunur. Yapay bir sistemin zekaya sahip biyolojik sistemleri ne kadar yakından kopyalayabileceği ancak araştırma yoluyla belirlenebilir.

Searle gibi biz de Turing testini bilinçli bir zihnin varlığı için yeterli bir kriter olarak reddediyoruz. Bunun sebepleri bir düzeyde benzer: Girdi-çıktı ile tanımlanan fonksiyonun nasıl uygulandığının çok önemli olduğu konusunda hemfikiriz; Makinede doğru süreçlerin gerçekleşmesi önemlidir. Başka bir düzeyde, tamamen farklı düşünceler bize rehberlik ediyor. Searle, anlamsal içeriğin varlığı veya yokluğuna ilişkin tutumunu sağduyu sezgilerine dayandırır. Bakış açımız, klasik MS makinelerinin spesifik arızalarına ve mimarisi beyin yapısına daha yakın olan makinelerin spesifik avantajlarına dayanmaktadır. Bu farklı türde makinelerin karşılaştırılması, tipik zihinsel görevler söz konusu olduğunda bazı hesaplama stratejilerinin diğerlerine göre çok büyük ve belirleyici bir avantaja sahip olduğunu göstermektedir. Deneysel olarak kanıtlanmış bu faydalar her türlü şüphenin ötesindedir. Açıkçası, beyin sistematik olarak bu hesaplama avantajlarından yararlanıyor. Ancak bunları kullanabilen tek fiziksel sistem mutlaka bu değildir. Biyolojik olmayan ancak esasen paralel bir makinede yapay zeka yaratma fikri hala çok cazip ve oldukça umut verici.

Çağımızın en dikkat çekici icatlarından biri yüksek hızlı elektronik bilgisayarlardır. Bazı durumlarda “düşünen” bir kişinin işini yapabilirler. Ancak onların başarılarına haklı olarak hayranlık duyan bazı insanlar, insan düşüncesini elektronik cihazların hesaplamalı çalışmasıyla eşitliyor.

Bilimsel psikoloji bu tanımlamanın caiz olmadığını göstermektedir. Aynı zamanda verileri, makinelerin işleyişini ve zihinsel aktiviteyi karşılaştırmaya ve aralarındaki temel farklılıkları belirlemeye yardımcı oluyor.

Karşılaştırma, bilgisayarların belirli koşullar altında düşünen bir insanla aynı sonucu vermesine dayanmaktadır. Üstelik bunu çok daha hızlı ve daha doğru bir şekilde başarıyorlar ve çoğu zaman insanların erişemeyeceği şeyleri yapıyorlar. Böylece İngiliz matematikçi Shanks'ın “pi” sayısını 707 basamak doğrulukla bulması neredeyse on beş(!) yılını aldı. Bir (!) günden daha kısa bir sürede, elektronik makine bu sayıyı 2048 ondalık basamakla “türetmiştir”.

Şu anda satranç oynayan, bir dilden diğerine çeviri yapan, birçok bilinmeyenli cebirsel denklemleri çözen ve kendilerinden önce yalnızca insan düşüncesinin "ayrıcalığı" olan birçok eylemi gerçekleştiren makineler var.

Görünüşe göre bu, insan düşüncesinin ve bilgisayarların çalışmasının kimliğinin kanıtıdır. Ancak böyle bir sonuca varmak için acele etmemek gerekir. Bir makineyi düşünürken ve çalıştırırken aynı sonuçlara ulaşma yöntemlerinde öncelikle özdeşlik olup olmadığını anlamak gerekir.

Bilimsel psikoloji bu soruya olumsuz yanıt veriyor. Sorunları çözerken insan düşüncesi hakkında daha önce söylenenlere dönelim. Yablochkov'un "mumu" icat etmesi, Kekule'nin benzen halkası formülünü keşfetmesi, dokuz noktanın üzerini çizmemiz, insan düşüncesinin ayırt edici bir özelliğini ortaya çıkarıyor: yeni bir prensip bulma yeteneği, bir sorunu çözmenin yeni bir yolu. kişinin daha önce çözemediği ve çözme yollarını henüz bilmediği şeyler. İnsan düşüncesi, giderek daha fazla yeni sorunun formülasyonunda, hazır tariflerin bulunmadığı çözüm arayışlarında kendini gösterir. Aynı zamanda, daha önce bulunan yöntemler karşılaştırılmakta, çözülmekte olan soruna benzemeyen alanlarda çözüm bulunmaya çalışılmaktadır (Yablochkov ve Kekule tarafından yapılan keşiflerin koşullarını hatırlayın).

Ancak kişi çözümün ilkesini bulur bulmaz, onu genel bir kurala, bir formüle dönüştürür ve bunu takip ederek aynı türdeki problemlerle fazla araştırma yapmadan başa çıkabilirsiniz.

Hepimiz "zor" bir okul sorununun, onu çözmenin kuralı bulunduğunda "zor" olmaktan çıktığını çok iyi biliyoruz - o zaman tipik hale gelir, aslında zaten bir örneğe dönüştürülür. Yani dokuz noktalı bir problemi çözme prensibini bulduysanız, kare şeklinde dört noktalı bir problemi çözmeniz sizin için kolay olacaktır.

Matematik tarihinin de gösterdiği gibi, bir zamanlar ünlü Pisagor teoreminin ispatı ve kullanımı o kadar zordu ve o kadar yoğun ve karmaşık bir düşünce çalışması gerektiriyordu ki, öğrenmenin sınırı olarak kabul ediliyordu. Artık bu teoremi temel alan formüllerin kullanımına, temel geometriye aşina olan herhangi bir okul çocuğu için oldukça erişilebilir.

Ancak elektronik makinelerin erişemeyeceği tam da bu yeni problem arayışı, bunları çözme ilkeleri ve belirli koşullarda yeni eylem yöntemlerinin belirlenmesidir.

Makineler, en karmaşık eylemlerinde bile, makine tarafından yeniden üretilebilecek ve tekrarlanabilecek bir sorunu çözmek için daha önce bir prensip bulan bir kişi tarafından kendileri için derlenen özel bir komut tablosu tarafından yönlendirilir. Bu tür sorunları çözerken eylemlerde tam olarak rehberlik sağlayan böyle bir komut tablosuna program denir. Ve makine, bir kişinin kendi düşüncesine dayanarak daha önce böyle bir program derlediği herhangi bir işi gerçekleştirebilir. Bu olmadan ve dolayısıyla bir kişinin ön zihinsel faaliyeti olmadan "düşünme" makinesi çalışamaz. Ancak programa göre makine gerekli eylemleri bir insandan milyonlarca kat daha hızlı gerçekleştirecek. Bu nedenle "pi" sayısını bin basamaklı olarak üretebilir, ancak yalnızca insan tarafından keşfedilen ve onun tarafından gerekli programa dönüştürülen kurallara göre.

Böylece makine yalnızca ilkesi insan tarafından keşfedilmiş ve düşünülmüş olan eylemleri gerçekleştirebilir. Bu nedenle elektronik bilgi işlem cihazları, kişinin zihinsel çalışmasını kolaylaştırır, onu temel bir çözüm bulunan sıkıcı işlerden kurtarır. Ancak bu makineler, yaşamın ortaya çıkardığı giderek daha fazla yeni sorunu çözmenin ilkelerini bulmayı amaçlayan insanların düşünme ve zihinsel çalışmalarının yerini asla alamaz.

Bu nedenle "düşünen makine" terimi yalnızca bir metafordur, ancak elektronik makineler ile düşünme arasındaki bağlantıyı doğru bir şekilde yakalayan bir metafordur. Bu makineler, insan zihninin çalışmasının sonuçlarını kullanır, bunu kolaylaştırır, ancak kendileri düşünme yeteneğine sahip değildir. Düşünmek yalnızca insana özgüdür.

Bir hata bulursanız lütfen metnin bir kısmını vurgulayın ve tıklayın. Ctrl+Enter.