Yapay zeka mümkün mü? Makalenizi yazmanın maliyeti nedir? Brain Mind - Bilgisayar Programı

giriiş

1. Bir makine düşünebilir mi?

2. Yapay zekaya temel yaklaşımlar

2. 1. Elektronik yaklaşım.

2. 2. Sibernetik yaklaşım.

2. 3. Sinirsel yaklaşım

2. 3. 1. Algılayıcının görünümü

3. Yapay Zekanın Uygulanması

3. 1. Sinir ağları.

3. 2. Rusya Federasyonu bütçesinin modeli

Çözüm.

Edebiyat

giriiş

1940'ların sonlarından bu yana, sayıları giderek artan üniversitelerden ve endüstriden bilim insanları araştırma laboratuvarları Gözlerini cesur bir hedefe diktiler: çıktıları insan zihninden ayırt edilemeyecek şekilde çalışan bilgisayarlar inşa etmek.

Yapay zeka (AI) alanında çalışan araştırmacılar, zorlu çalışmalarında sabırla ilerlerken, kendilerini geleneksel bilgisayar biliminin sınırlarını aşan karmaşık problemlerle boğuşurken buluyorlar. Her şeyden önce öğrenme sürecinin mekanizmalarını, dilin doğasını ve duyusal algıyı anlamanın gerekli olduğu ortaya çıktı. İnsan beyninin işleyişini taklit eden makineler yaratmak için, birbirine bağlı milyarlarca nöronun nasıl çalıştığını anlamak gerektiği ortaya çıktı. Ve sonra pek çok araştırmacı şu sonuca vardı: belki de en çok zor problem Modern bilimin karşı karşıya olduğu zorluk, insan zihninin işleyişinin bilgisidir, sadece onun çalışmalarının taklit edilmesi değil. Bu da psikoloji biliminin temel teorik problemlerini doğrudan etkiledi. Aslında bilim adamlarının araştırmalarının konusu olan zeka konusunda ortak bir bakış açısına varmaları bile zordur. Burada da, fili anlatmaya çalışan kör adam benzetmesinde olduğu gibi, çok sevdiği tanımına sadık kalmaya çalışmaktadır.

Bazı insanlar zekanın karmaşık sorunları çözme yeteneği olduğuna inanıyor; diğerleri bunu öğrenme, genelleme ve analojiler yapma yeteneği olarak görüyor; üçüncüsü – etkileşim kurma fırsatı olarak dış dünya iletişim, algı ve algılananın farkındalığı yoluyla. Ancak birçok yapay zeka araştırmacısı, 50'li yılların başında seçkin bir İngiliz matematikçi ve bilgisayar bilimcisi tarafından önerilen makine zekası testini kabul etme eğiliminde. bilgisayar teknolojisi Alan Turing. Turing, bir bilgisayarın, eğer bizi bir makineyle değil, bir insanla karşı karşıya olduğumuza inandırabiliyorsa, akıllı sayılabileceğini savundu.

1. Bir makine düşünebilir mi?

Bir bilgisayarın "programda olmayan" bir şeyi nasıl yapabileceği tamamen açık değil mi? Herhangi birine akıl yürütmesini, tahmin etmesini, sonuç çıkarmasını emretmek mümkün mü?

"Düşünen makineler" hakkındaki tezin karşıtları genellikle iyi bilinen bir gerçeğe atıfta bulunmanın yeterli olduğunu düşünüyor: bir bilgisayar her halükarda yalnızca programında belirtilenleri yapar ve bu nedenle hiçbir zaman "düşünemez" çünkü “Programa göre düşüncelerin” artık “düşünce” olarak sayılması mümkün değildir.

Bu hem doğrudur hem de yanlıştır. Gerçekten söylemek gerekirse: eğer bilgisayar söylediğini yapmazsa şu anda program tarafından kendisine reçete edilmişse şımarık sayılmalıdır.

Ancak insana “program” gibi görünen şey ile bilgisayara program gibi görünen şey çok farklı şeylerdir. Hiçbir bilgisayar, on yaşındaki oğlunuzun kafasına koyduğunuz market alışverişi "programını" yürütemez; bu "program" yalnızca tamamen net talimatlar içerse bile.

Aradaki fark, bilgisayar programlarının şunlardan oluşmasıdır: büyük miktarçok daha küçük, özel ekipler. Bu tür onlarca ve yüzlerce mikro komut bir adımı oluşturur, binlerce ve hatta milyonlarcası tüm alışveriş programını bir bilgisayarın yürütebileceği biçimde oluşturur.

Bu tür küçük düzenleme bize ne kadar saçma görünse de, bir bilgisayar için bu yöntem uygulanabilir tek yöntemdir. Ve en şaşırtıcı şey, bilgisayara genel olarak inanıldığından çok daha "öngörülemez" olma fırsatını vermesidir!

Aslında: Programın tamamı "market alışverişine gitmek" için tek bir siparişten oluşsaydı, o zaman bilgisayar, tanımı gereği başka hiçbir şey yapamazdı - etrafta ne olursa olsun inatla süpermarkete giderdi. Başka bir deyişle, anlamak için olsa da kısa program"İnsan" zekası gereklidir, böyle bir programın sonucu - eğer bir kişi tarafından değil de bir bilgisayar tarafından yürütülseydi - çok kesin bir şekilde belirlenirdi.

Ancak biz bilgisayarlara en küçük adımlarını belirleyerek çok daha ayrıntılı talimatlar vermek zorunda kalıyoruz. Aynı zamanda programa bu görevle doğrudan ilgili olmayan talimatlar da eklemeliyiz. Dolayısıyla, örneğimizde robota karşıdan karşıya geçme kurallarının (ve "size bir araba geliyorsa yana atlayın" kuralının) anlatılması gerekiyor.

Bu talimatlar mutlaka karar vermek için belirli koşulları kontrol etmeyi, belirli veritabanlarından bilgi aramayı (hava durumu, mağazaların konumu hakkında), çeşitli koşulların önemini karşılaştırmayı ve çok daha fazlasını içermelidir. Sonuç olarak, böyle bir programa sahip bir bilgisayar çok daha fazla "serbestlik derecesine" sahiptir - nihai hedefe giden yoldan sapabileceği birçok yer vardır.

Elbette, vakaların büyük çoğunluğunda bu sapmalar istenmeyen olacaktır ve biz bilgisayarın çalışması için "arabanın köşeden fırlama" riskinin minimum düzeyde olacağı koşullar yaratmaya çalışıyoruz. Ancak hayat hayattır ve akla gelebilecek tüm sürprizleri öngörmek imkansızdır. Bu nedenle bir bilgisayar, hem görünüşte öngörülemeyen koşullara beklenmedik bir şekilde "akıllı" tepki vererek hem de en sıradan durumlarda bile inanılmaz "aptallıkla" (maalesef daha sık olarak ikincisi) şaşırtma yeteneğine sahiptir.

dayalı karmaşık programların inşasıdır. detaylı analiz insanın düşünme sürecini oluşturan en küçük adımlardır ve “düşünen makineler” yaratmaya yönelik modern yaklaşımı oluşturur (en azından yaklaşımlardan biri). Elbette karmaşıklık her şey değildir. Ancak yine de bu sorun üzerinde çalışan bilim insanları arasında çok az kişi "akıllı"nın olduğundan şüphe ediyor. program XXI yüzyıllar, modern olanlardan öncelikle ölçülemeyecek kadar karmaşıklık ve temel talimatların sayısı bakımından farklı olacaktır.

Pek çok modern bilgi işleme sistemi halihazırda o kadar karmaşıktır ki, davranışlarının bazı özellikleri programların kendisinden çıkarılamaz; bunların tam anlamıyla deneyler yapılarak ve hipotezlerin test edilmesi yoluyla incelenmesi gerekir. Ve bunun tersi de geçerlidir; ilk bakışta neredeyse "yukarıdan gelen içgörüler" gibi görünen akıllı insan faaliyetinin birçok özelliği, birçok basit adımdan oluşan karmaşık programlarla zaten oldukça iyi modellenmiştir.

2. Yapay zekaya temel yaklaşımlar

2. 1. Elektronik yaklaşım

İkinci Dünya Savaşı'ndan sonra, sevilen hedefe ulaşmaya uygun görünen cihazlar ortaya çıktı - akıllı davranışı modelleme; onlar elektronik dijitaldi bilgisayarlar. Bilgisayara o zamanlar heyecanla verilen adla "elektronik beyin", 1952'de başkanlık seçiminin sonuçlarını, nihai sonuçların açıklanmasından sadece birkaç saat önce doğru bir şekilde tahmin ederek ABD televizyon izleyicilerini hayrete düşürdü. Bilgisayarın bu "başarısı" yalnızca o dönemde birçok bilim insanının vardığı sonucu doğruladı: Otomatik bilgisayarların bu kadar hızlı, yorulmadan ve doğru bir şekilde performans göstereceği gün gelecek otomatik eylemler, algılama ve öğrenme, örüntü tanıma, günlük konuşma ve yazmayı anlama ve tüm gerçeklerin bilinmediği belirsiz durumlarda karar verme dahil olmak üzere, insan düşüncesinin doğasında bulunan hesaplama dışı süreçleri taklit edebilecektir. Böylece psikoloji için "gıyaben" bir tür "toplumsal düzen" formüle edilmiş, çeşitli bilim dalları harekete geçirilmiş oldu.

Yapay zeka, makineler, bilgisayarlar ve teknolojiler geliştiren bir bilim alanıdır. donanım En basitinden insansısına kadar zekaya sahip. Her ne kadar akıllı makineler kavramı ortaya çıkmış olsa da antik yunan mitolojisi Yapay zekanın modern tarihi bilgisayarların gelişmesiyle başladı. Terim, 1956'da yapay zeka üzerine yapılan ilk konferansta icat edildi.

Onlarca yıl sonra bilim insanları, "bir makine düşünebilir mi?" sorusuna rağmen, makine zekasına dair hala anlaşılması güç ipuçlarını keşfetmeye devam ediyor. hala yaygın tartışmalara neden oluyor.

Sorun Çözme

Yapay zekanın temel özelliklerinden biri sorunları çözme yeteneğidir. Makineye bu yeteneği kazandırmak için bilim insanları, makineyi insan düşüncesini taklit eden ve olasılık, ekonomi ve istatistik kavramlarını kullanan algoritmalarla donattı.

Yaklaşımlar beyin sinir ağlarından ilham alan modelleri, yetenekleri içerir. makine öğrenimi ve örüntü tanımanın yanı sıra sorunları çözmek için matematiksel araçları ve dilleri kullanan istatistiksel yaklaşımlar.

Makine öğrenimi

Yapay zekanın bir diğer temel noktası da makinenin öğrenme yeteneğidir. Bir bilgisayarın bilgi alacak, bilgi edinecek ve davranışı buna göre ayarlayacak şekilde programlanabileceği tek bir yaklaşım henüz yoktur; bunun yerine algoritmalara dayalı çok sayıda yaklaşım vardır.

Önemli bir makine öğrenme tekniği, sinir teorisine dayanan ve birbirine bağlı düğümlerin karmaşık katmanlarından oluşan bir yapay zeka tekniği olan derin öğrenme olarak adlandırılan tekniktir. Apple'ın Siri'si derin öğrenmenin uygulamalı bir örneği olsa da, Google yakın zamanda gelişmiş yapay zeka öğrenme algoritmaları konusunda uzmanlaşmış bir girişim olan DeepMind'ı satın aldı; Netflix aynı zamanda derin öğrenmeye de yatırım yapıyor.

Dil işleme

Doğal Dil İşleme (NLP), makinelere insan dilini okuma ve anlama yeteneği vererek insanlarla makineler arasındaki iletişimi sağlar.

Bu tür sistemler, bilgisayarların sinyal işleme yoluyla çeviri ve iletişim yeteneklerine izin verir, ayrıştırma, anlamsal analiz ve pragmatik (bağlam içinde dil).

Hareket ve algı

Hareket ve algılamayla ilişkili zeka türü, robot teknolojisiyle yakından ilişkilidir ve makineye yalnızca bilişsel değil aynı zamanda duyusal zeka da kazandırır. Bu, navigasyon girişi, yerelleştirme teknolojisi ve kameralar, mikrofonlar, sonar ve nesne tanıma gibi sensörler sayesinde mümkün olmaktadır. İçin son yıllar Bu teknolojileri zaten birçok robotta, okyanus ve uzay gezicisinde gördük.

Sosyal zeka

Duygusal ve sosyal beceriler makinenin daha fazlasını kabul etmesine olanak tanıyan başka bir ileri düzey yapay zekayı temsil eder insan nitelikleri. Örneğin SEMAINE şirketi, SAL veya "yapay duyusal dinleyici" adını verdiği bir şey aracılığıyla makinelere bu tür sosyal beceriler kazandırmayı amaçlıyor. Burası ön cephe diyalog sistemi Eğer tamamlanabilirse kişinin yüz ifadesini, bakışını ve sesini algılayıp buna göre ayarlama yapabilecek.

Yaratılış

Yaratıcı düşünme ve hareket etme yeteneği, çoğu kişinin bilgisayar yeteneklerinden üstün olduğunu düşündüğü ayırt edici bir insan özelliğidir. Ancak insan zekasının bir yönü olarak yaratıcılık yapay zekaya da uygulanabilir.

Makinelere değerli ve değerli ürünleri dağıtma yeteneğinin verilebileceği söyleniyor. yenilikçi fikirlerÜç model sayesinde: kombinasyonel, keşfedici ve dönüşümsel. Bunun tam olarak nasıl uygulanacağı gelecekte görülecektir. Sonuçta AARON makinesi halihazırda müze kalitesinde sanat eserleri üretiyor.

Bir tür olarak doğaçlama insan faaliyeti- Harvard Üniversitesi Psikoloji Bölümü çalışanı Shelley Carson, bunun "yaratıcı davranışın prototipi" olduğunu söylüyor.

Yaratıcı Beyniniz adlı kitabında, temel düzeyde her birimizin doğaçlama yaptığımızı çünkü hayatta bunu gerektiren birçok durum olduğunu yazıyor. Örneğin yolda çarpışmayı önlemek için tek doğru kararı anında vermeniz gerekiyor. Bu durumda kişi mevcut deneyimine yönelir. Ancak yaratıcı doğaçlama bundan daha fazlasıdır; yeni ve beklenmedik fikirler üretir.

Jackson Pollock'un eserlerine benzer resimler yapan. Ve bu tür çalışmaların sanatsal değeri hakkındaki tartışmalar bugüne kadar azalmasa da, robotların yaratabileceği gerçeği devam ediyor. Üstelik bazıları modern formlar

Görünüşe göre yapay zeka büyük başarılara imza atabilir. Örneğin, iPhone için Siri yalnızca doğal insan konuşmasını işlemekle kalmaz, aynı zamanda her kullanıcıya ayrı ayrı uyum sağlayarak karakterini ve alışkanlıklarını inceler; ve IBM'in Watson süper bilgisayarı Jeopardy'de bir milyon dolar kazandı. Bu kadar gelişmiş makineler doğaçlamayla baş edemez mi?

BİLİM DÜNYASINDA. (Scientific American. Rusça Baskı). 1990. No.3 Yapay zeka: farklı görüşler

soruna Düşünen makineler yaratmaya yönelik son 35 yıllık girişimler hem başarılarla hem de hayal kırıklıklarıyla dolu oldu. "Entelektüel" seviye modern bilgisayarlar

Bu dergi standardında, J.R. Searle tarafından yazılan bir makale, bilgisayar programlarının asla bildiğimiz şekliyle zekaya ulaşamayacağını savunuyor. Aynı zamanda P. M. Churchland ve P. S. Churchland tarafından yazılan bir başka makale, beyin yapılarının görüntüsü üzerine kurulan elektronik devreler yardımıyla yapay zeka yaratmanın mümkün olabileceğini öne sürüyor. Bu tartışmanın arkasında esasen düşünmenin ne olduğu sorusu yatıyor. Bu soru binlerce yıldır insanların aklını meşgul etmiştir. Pratik çalışma Henüz düşünemeyen bilgisayarların varlığı, soruya yeni bir bakış açısı kazandırdı ve birçok olası cevabı reddetti. Doğru cevabı bulmak için kalır.

Beynin zihni bir bilgisayar programı mıdır?

HAYIR. Program sadece sembolleri yönetir, beyin onlara anlam verir

JOHN SEARLE

Bir makine düşünme yeteneğine sahip midir? Bir makine bizim sahip olduğumuz anlamda bilinçli düşüncelere sahip olabilir mi? Makine ile belirli işlevleri yerine getirebilen fiziksel bir sistemi kastediyorsak (ve bununla başka ne kastedebiliriz?), o zaman insanlar özel, biyolojik çeşitliliğe sahip makinelerdir ve insanlar düşünebilir ve dolayısıyla makineler de elbette ki düşünebilir. düşünmek. O zaman, görünüşe göre, çok çeşitli malzemelerden, örneğin silikon kristallerden veya vakum tüplerinden düşünen makineler yaratmak mümkün. Bunun imkansız olduğu ortaya çıkarsa, o zaman elbette bunu henüz bilmiyoruz.

Ancak, son on yıllar Bir makinenin düşünüp düşünemeyeceği sorusu tamamen farklı bir yoruma büründü. Bunun yerini şu soru aldı: Bir makine yalnızca içine yerleştirilmiş bilgisayar programını çalıştırarak düşünebilir mi? Program düşünmenin temeli midir? Bu temelde farklı bir sorudur çünkü mevcut veya olası fiziksel sistemlerin fiziksel, nedensel özellikleriyle ilgili değildir; daha ziyade, herhangi bir malzemeye uygulanabilen resmileştirilmiş bilgisayar programlarının soyut, hesaplamalı özelliklerine atıfta bulunur. bu programları gerçekleştiriyoruz.

Oldukça fazla sayıda yapay zeka (AI) uzmanı ikinci sorunun cevabının evet olması gerektiğine inanıyor; yani doğru girdi ve çıktılarla doğru programları tasarlayarak aslında zeka yaratacaklarına inanıyorlar. Üstelik böyle bir girişimin başarısını veya başarısızlığını yargılayacak bilimsel bir testin ellerinde olduğuna inanıyorlar. Bu, yapay zekanın kurucusu Alan M. Turing tarafından icat edilen Turing testine atıfta bulunmaktadır. Turing testi, artık anlaşıldığı şekliyle basitçe şudur: Eğer bir bilgisayar, bir uzmanın belirli zihinsel yeteneklere (örneğin, toplama işlemleri yapma veya Çince anlama yeteneği) sahip bir kişinin davranışından ayırt edemeyeceği bir davranış sergileme kapasitesine sahipse. , o zaman bilgisayar da bu yeteneklere sahiptir. Bu nedenle amaç, insan düşüncesini Turing testini geçecek şekilde simüle edebilecek programlar yaratmaktır. Üstelik böyle bir program yalnızca zihnin bir modeli olmayacaktır; o, kelimenin tam anlamıyla, insan zihninin zihin olması gibi, kendisi de zihin olacaktır.

Elbette her yapay zeka uzmanı bu aşırı bakış açısını paylaşmıyor. Daha temkinli bir yaklaşım, bilgisayar modellerini, tıpkı hava durumu, sindirim, ekonomi veya makineleri incelemek için kullanıldığı gibi, zihni incelemek için de yararlı araçlar olarak görmektir. moleküler biyoloji. Bu iki yaklaşımı birbirinden ayırmak için ilkine "güçlü yapay zeka", ikincisine ise "zayıf yapay zeka" adını vereceğim. Güçlü yapay zeka yaklaşımının ne kadar radikal olduğunu anlamak önemlidir. Güçlü yapay zeka, düşünmenin resmileştirilmiş sembollerin manipülasyonundan başka bir şey olmadığını savunuyor; bu da tam olarak bir bilgisayarın yaptığı şeydir: resmileştirilmiş semboller üzerinde çalışır. Bu görüş genellikle şuna benzer bir ifadeyle özetlenir: "Bilgisayar donanımı için bir program ne ise, beyin için de zihin odur."

GÜÇLÜ YZ diğer zeka teorilerinden en az iki açıdan farklıdır: açıkça ifade edilebilir, ancak aynı zamanda açıkça ve basit bir şekilde yanlışlanabilir. Bu çürütmenin doğası öyledir ki, her kişi bunu kendi başına gerçekleştirmeye çalışabilir. İşte nasıl yapıldığı. Örneğin anlamadığınız bir dili ele alalım. Bana göre bu dil Çince. Çince yazılmış metinleri bir yığın anlamsız karalama olarak algılıyorum. Şimdi, içinde Çince karakterlerle dolu sepetlerin bulunduğu bir odaya yerleştirildiğimi varsayalım. Ayrıca bana Çince karakterleri birleştirme kurallarını veren İngilizce bir ders kitabı verildiğini ve bu kuralların yalnızca karakterlerin biçimini bilerek uygulanabileceğini varsayalım; karakterlerin anlamını anlamak hiç de gerekli değildir; . Örneğin kurallar şöyle diyebilir: "Bir numaralı sepetten falan filan karakteri alın ve onu ikinci sepetteki falan karakterin yanına yerleştirin."

Odanın kapısının arkasında Çince anlayan kişilerin odaya karakter dizileri ilettiklerini ve buna karşılık benim de karakterleri kurallara göre yönlendirdiğimi ve diğer karakter dizilerini geri ilettiğimi hayal edelim. İÇİNDE bu durumda kural kitabı bir “bilgisayar programı”ndan başka bir şey değildir. Bunu yazanlar "programcılar" ve ben "bilgisayar" rolünü oynuyorum. Sembollerle dolu sepetler bir "veritabanı"dır; odaya gönderilen karakter setleri "sorular", odadan çıkan karakterler ise "cevaplardır".

Ayrıca, kural kitabının, "sorulara" verdiğim "cevapların" Çince bilen bir kişinin cevaplarından farklı olmayacak şekilde yazıldığını varsayalım. Mesela dışarıdaki insanlar benim anlamadığım sembolleri, anlamları aktarabiliyor; “En çok hangi rengi seversin?” Buna cevaben, kuralların öngördüğü manipülasyonları tamamladıktan sonra, maalesef benim için de anlaşılmaz olan ve en sevdiğim rengin mavi olduğu anlamına gelen ancak yeşili de gerçekten sevdiğim anlamına gelen semboller vereceğim. Böylece Çinceyi anlamak için Turing testini geçeceğim. Ama yine de tek kelime Çince anlamıyorum. Üstelik söz konusu sistemde bu dili öğrenmem de mümkün değil, çünkü tek bir sembolün anlamını bile öğrenmem mümkün değil. Bir bilgisayar gibi sembolleri değiştiriyorum ama onlara herhangi bir anlam veremiyorum.

Bu düşünce deneyinin özü şudur: Eğer sırf Çince'yi anlamak için bir bilgisayar programı çalıştırdığım için Çince'yi anlayamıyorsam, o zaman başka hiçbir dijital bilgisayar onu aynı şekilde anlayamaz. Dijital bilgisayarlar, programa yazılan kurallara göre resmi sembolleri basitçe yönetir.

Çin dili için geçerli olanın diğer bilgi biçimleri için de geçerli olduğu söylenebilir. Sembolleri manipüle etme yeteneği tek başına bilgiyi, algıyı, anlayışı, düşünmeyi vb. garanti etmek için yeterli değildir. Ve bilgisayarlar sembolleri manipüle eden cihazlar olduğundan, bir bilgisayar programının varlığı bilginin varlığından bahsetmek için yeterli değildir.

Bu basit argümanın hayati Güçlü yapay zeka kavramını çürütmek için. Argümanın ilk öncülü basitçe bir bilgisayar programının biçimsel doğasını belirtir. Programlar sembol manipülasyonu açısından tanımlanır ve sembollerin kendisi doğası gereği tamamen biçimsel veya "sözdizimsel"dir. Bu arada, bilgisayarın bu kadar güçlü bir araç olmasının nedeni tam olarak programın biçimsel doğasından kaynaklanmaktadır. Aynı program aynı makinelerde çalıştırılabilir. farklı nitelikte Tıpkı aynı donanım sisteminin çok çeşitli bilgisayar programlarını çalıştırabilmesi gibi. Bu düşünceyi kısaca bir “aksiyom” şeklinde sunalım:

Aksiyom 1. Bilgisayar programları resmi (sözdizimsel) nesnelerdir.

Bu nokta o kadar önemlidir ki, biraz ayrıntılı olarak ele alınmaya değer. Dijital bir bilgisayar, bilgiyi ilk önce makinede kullanılan sembolik gösterimlere kodlayarak ve daha sonra sembolleri bir dizi katı kurala göre işleyerek işler. belirli kurallar. Bu kurallar programı temsil eder. Örneğin Turing'in bilgisayar konseptinde semboller sadece 0 ve 1'di ve programın kuralları "Kaset üzerine 0 yaz, bir hücre sola git ve 1'i sil" gibi işlemleri öngörüyordu. Bilgisayarlar var muhteşem mülk: temsil edilebilir herhangi biri doğal dil bilgi böyle bir gösterimde kodlanabilir ve herhangi bir bilgi işleme görevi, programlanabilen kuralların uygulanmasıyla çözülebilir.

İki nokta daha ÖNEMLİ. Birincisi, semboller ve programlar saftır soyut kavramlar: Herhangi bir fiziksel ortamda tanımlanabilecek ve gerçekleştirilebilecek fiziksel özelliklere sahip değillerdir. Sıfırlar ve birler sembol olarak yoktur fiziksel özellikler. Bunu belirtiyorum çünkü bazen bilgisayarları belirli bir teknolojiye (örneğin, silikon entegre devrelere) sahip olarak tanımlamak cazip gelebilir ve silikon çiplerin fiziksel özelliklerinden bahsettiğimizi veya sözdiziminin henüz bilinmeyen bir nedenselliğe sahip olabilecek bazı fiziksel fenomenler anlamına geldiğini düşünüyorum. fiziksel, nedensel özelliklere sahip olan elektromanyetik radyasyon veya hidrojen atomları gibi gerçek fiziksel olaylara benzer özellikler. İkinci nokta ise sembollerin manipülasyonunun herhangi bir anlamla bağlantısı olmadan gerçekleştirilmesidir. Bir programdaki semboller, programcının veya kullanıcının istediği şeyi temsil edebilir. Bu anlamda, bir programın sözdizimi vardır ancak anlambilimi yoktur.

Aşağıdaki aksiyom, düşüncelerin, algıların, anlayışların vb. anlamsal içeriğe sahip olduğu gerçeğinin basit bir hatırlatıcısıdır. Bu içerik sayesinde nesnelerin ve durumların yansıması olarak görev yapabilirler. gerçek dünya. Anlamsal içerik dille ilgiliyse, anlambilime ek olarak sözdizimi de olacaktır, ancak dilsel anlayış en azından anlamsal bir temel gerektirir. Mesela son cumhurbaşkanlığı seçimini düşündüğümde aklıma bazı kelimeler geliyor ama bu kelimeler sadece seçime atıfta bulunuyor çünkü onlara İngilizce bilgim doğrultusunda belirli bir anlam yüklüyorum. Bu bakımdan benim için Çince karakterlerden temel olarak farklılar. Bunu kısaca aşağıdaki aksiyom şeklinde formüle edelim:

Aksiyom 2. İnsan zihni anlamsal içerik (semantik) ile çalışır.

Şimdi Çin odası deneyinde ortaya konan bir noktayı daha ekleyelim. Yalnızca sembollere (yani sözdizimine) sahip olmak anlambilime sahip olmak için yeterli değildir. Sembollerin salt manipülasyonu, onların semantik anlamlarının bilinmesini garanti etmek için yeterli değildir. Bunu kısaca bir aksiyom olarak sunalım.

Aksiyom 3. Sözdizimi tek başına anlambilimi oluşturmaz ve anlambilimin varlığı için yeterli değildir.

Bir düzeyde bu prensip tanım gereği doğrudur. Elbette birisi sözdizimi ve anlambilimi farklı tanımlayabilir. Ancak asıl nokta, içsel anlamsal anlam veya içeriğe sahip olmayan biçimsel öğeler ile bu tür içeriğe sahip olan olgular arasında bir farkın olmasıdır. Değerlendirilen tesislerden şu sonuç çıkıyor:

Sonuç 1. Programlar aklın özü değildir ve onların varlığı aklın varlığı için yeterli değildir.

Bu aslında güçlü AI iddiasının yanlış olduğu anlamına gelir.

Bu mantıkla tam olarak neyin kanıtlandığının ve neyin kanıtlanmadığının farkında olmak çok önemlidir.

Öncelikle “bilgisayarın düşünemeyeceğini” kanıtlamaya çalışmıyordum. Hesaplamayla modellenebilen her şey bilgisayar olarak tanımlanabileceğinden ve beynimiz bazı düzeylerde modellenebilir olduğundan, buradan beynimizin bir bilgisayar olduğu ve elbette düşünme yeteneğine sahip olduğu sonucu çıkar. Bununla birlikte, bir sistemin semboller işlenerek modellenebileceği ve düşünme yeteneğine sahip olduğu gerçeğinden, düşünme yeteneğinin biçimsel sembolleri manipüle etme yeteneğine eşdeğer olduğu sonucu çıkmaz.

İkincisi, yalnızca beynimiz gibi biyolojik sistemlerin düşünme yeteneğine sahip olduğunu kanıtlamaya çalışmıyordum. Şu anda bu yeteneğe sahip olduğunu bildiğimiz tek sistemler bunlar, ancak Evrende bilinçli düşünme yeteneğine sahip başka sistemler de bulabiliriz, hatta belki yapay olarak düşünme sistemleri bile yaratabileceğiz. Bu konunun tartışmaya açık olduğunu düşünüyorum.

Üçüncüsü, güçlü yapay zekanın iddiası, doğru programlara sahip bilgisayarların düşünebileceği, şimdiye kadar bilinmeyen bazı psikolojik özelliklere sahip olabileceği değil; daha ziyade bilgisayarların düşünmesi gerekir, çünkü onların işi düşünmekten başka bir şey değildir.

Dördüncüsü, bu şekilde tanımlanan güçlü yapay zekayı çürütmeye çalıştım. Düşünmenin programlara indirgenemeyeceğini kanıtlamaya çalıştım, çünkü bir program yalnızca biçimsel sembolleri yönetir ve bildiğimiz gibi sembollerin manipülasyonu tek başına anlamın varlığını garanti etmek için yeterli değildir. Çin odası tartışmasının dayandığı prensip budur.

Bu noktaları burada kısmen vurgulamamın nedeni P.M. ve P.S. Churchland makalelerinde (bkz. Paul M. Churchland ve Patricia Smith Churchland “Bir Makine Düşünebilir mi?”), bana öyle geliyor ki, argümanlarımın özünü tam olarak anlamadılar. Onlara göre güçlü yapay zeka, bilgisayarların eninde sonunda düşünme yeteneği kazanabileceğini savunuyor ve ben sadece sağduyu düzeyinde akıl yürüterek bu olasılığı reddediyorum. Ancak güçlü yapay zeka aksini söylüyor ve benim buna karşı argümanlarımın sağduyuyla hiçbir ilgisi yok.

İtirazları hakkında daha sonra bir şeyler daha söyleyeceğim. Şimdilik şunu belirtmeliyim ki, Churchlands'ın söylediklerinin aksine, Çin odası argümanı, güçlü yapay zekanın, sinir ağlarından etkilenen ve modellenen yeni paralel teknolojilere ilişkin iddialarını çürütüyor. Sıralı adım adım modda çalışan geleneksel von Neumann mimarisine sahip bilgisayarların aksine, bu sistemler, sinirbilimin keşiflerine dayanan kurallara göre paralel olarak çalışan ve birbirleriyle etkileşime giren birden fazla hesaplama unsuruna sahiptir. Şu ana kadar elde edilen sonuçlar mütevazı olsa da, "paralel dağıtılmış işlem" veya "anahtarlama makinesi" modelleri, beynimiz gibi karmaşık paralel sistemlerin akıllı davranışlar üretmek için ne kadar karmaşık olması gerektiği konusunda bazı yararlı soruları gündeme getirdi.

Bununla birlikte, bilgi işlemenin paralel, "beyne benzer" doğası, sürecin tamamen hesaplamalı yönleri için gerekli değildir. Paralel bir makinede değerlendirilebilecek herhangi bir fonksiyon, seri bir makinede de değerlendirilecektir. Ve gerçekten de paralel makineler hala nadir olduğundan, paralel programlar genellikle hala geleneksel sıralı makinelerde yürütülür. Bu nedenle paralel işleme de Çin odası örneğine dayalı argümandan kaçmamaktadır.

Üstelik paralel sistemler, Çin odası vakasındaki orijinal çürütme mantığının kendine özgü versiyonuna tabidir. Bir Çin odası yerine, insanlarla dolu bir Çin spor salonu hayal edin. çok sayıda sadece anlayan insanlar ingilizce dili. Bu kişiler, Churchlands tarafından açıklanan bağlantı mimarisi makinesindeki düğümler ve sinapslar tarafından gerçekleştirilen işlemlerin aynısını gerçekleştirecek, ancak sonuç, bir kişinin sembolleri kılavuzda yazılan kurallara göre manipüle etmesi örneğinde olduğu gibi olacaktır. Odadaki hiç kimse tek kelime Çince anlamıyor ve tüm sistemin tek bir kelimenin anlamını bile bilmesine imkan yok. Çince kelime. Ancak doğru talimatlarla bu sistem, Çince ifade edilen soruları doğru bir şekilde cevaplama yeteneğine sahiptir.

Paralel ağlar, daha önce de söylediğim gibi, ilginç özellikler Bu sayede geleneksel sıralı mimariye sahip makinelere kıyasla beyin süreçlerini daha iyi simüle edebiliyorlar. Ancak paralel mimarinin zayıf yapay zeka için önemli olan faydalarının, Çin odası argümanı ile güçlü yapay zeka argümanı arasındaki zıtlıkla hiçbir ilgisi yoktur. Churchlands, yeterince büyük bir Çin spor salonunun, tıpkı beynin bir bütün olarak bireysel nöronlardan daha "zeki" olması gibi, sistemin boyutu ve karmaşıklığı tarafından belirlenen daha büyük zihinsel kapasiteye sahip olabileceğini söylerken bu noktayı gözden kaçırıyor. Bu doğru olabilir ancak bunun hesaplama süreciyle hiçbir ilgisi yoktur. Hesaplama açısından bakıldığında, seri ve paralel mimariler tamamen aynıdır: paralel bir makinede yapılabilen herhangi bir hesaplama, seri bir makinede de yapılabilir. Eğer bir Çin odasında hesaplama yapan bir kişi her iki sisteme de eşdeğerse, o zaman sadece hesaplama yapmaktan başka bir şey yapmadığı için Çince'yi anlamıyorsa, bu sistemler de Çince'yi anlamıyor demektir. Churchlands, orijinal Çin odası argümanının geleneksel yapay zeka görüşüne göre formüle edildiğini söylerken haklıdır, ancak paralel mimarinin argümanı bağışık hale getirdiğini düşünmekte yanılıyorlar. Bu herhangi bir bilgisayar sistemi için geçerlidir. Yalnızca sembollerle biçimsel işlemler (yani hesaplamalar) yaparak, bunlar olsun veya olmasın, zihninizi anlambilimle zenginleştiremezsiniz. bilgi işlem işlemleri seri veya paralel; Çin odası argümanının her türlü güçlü yapay zekayı reddetmesinin nedeni budur.

Bu argümandan etkilenen birçok kişi yine de insanlarla bilgisayarlar arasında net bir ayrım yapmanın zor olduğunu düşünüyor. Eğer insanlar, en azından önemsiz bir anlamda, bilgisayarlarsa ve eğer insanların anlam bilgisi varsa, o zaman neden diğer bilgisayarlara anlam bilgisi veremiyorlar? Neden Vax veya Cray bilgisayarlarını da düşünce ve duygulara sahip olacak şekilde programlamıyoruz? Ya da neden bazı yeni bilgisayar teknolojileri biçim ile içerik ya da sözdizimi ile anlambilim arasındaki boşluğu dolduramıyor? Biyolojik beyin ile beyin arasındaki fark tam olarak nedir? bilgisayar sistemi bu da Çin odası argümanının bilgisayarlar için işe yarayıp beyinler için işe yaramadığını gösteriyor?

En belirgin fark, bir şeyi bilgisayar olarak tanımlayan süreçlerin (yani bilgi işlem süreçlerinin) aslında herhangi bir donanım uygulamasından oldukça bağımsız olmasıdır. Prensip olarak, eski bira kutularından bir bilgisayar yapabilir, bunları kabloyla bağlayıp yel değirmenleriyle çalıştırabilirsiniz.

Ancak beyinle ilgilendiğimizde, modern bilim beyinde meydana gelen süreçler konusunda hâlâ büyük ölçüde karanlıkta kalmış olsa da, anatomi ve fizyolojinin aşırı özgüllüğü karşısında hayrete düşüyoruz. Beyin süreçlerinin belirli zihinsel olgulara (örneğin ağrı, susuzluk, görme, koku) nasıl yol açtığına dair bir anlayışa ulaştığımızda, bu süreçlerde çok spesifik nörobiyolojik mekanizmaların yer aldığı bizim için açıktır. Susama hissi, en azından bazı durumlarda, hipotalamustaki belirli tipte nöronların ateşlenmesinden kaynaklanır ve bunlar da spesifik bir peptid olan anjiyotensin II'nin etkisinden kaynaklanır. Nedensel bağlantılar burada "aşağıdan yukarıya" izlenebilir, yani sinirsel süreçler alt seviye daha yüksek seviyelerde zihinsel olaylara neden olur. Gerçekten de susuzluk hissinden tutun da düşüncelere kadar her “zihinsel” olgu matematik teoremleriÇocukluk anıları ve anıları, belirli sinir yapılarındaki belirli nöronların ateşlenmesinden kaynaklanır.

Ancak bu özellik neden bu kadar önemli? Sonuçta her türlü nöronal ateşleme, fiziksel ve kimyasal özellikleri beyinden tamamen farklı olan bilgisayarlarda simüle edilebilmektedir. Cevap şu ki, beyin sadece resmi prosedürler veya programlar sergilemez (bunu da yapar), aynı zamanda belirli nörobiyolojik süreçler aracılığıyla zihinsel olaylara da neden olur. Beyin aslında biyolojik bir organdır ve kendine özgü bir organdır. biyokimyasal özellikler bilincin ve diğer zihinsel fenomen türlerinin etkisini elde etmenize izin verir. Beyin süreçlerinin bilgisayar modelleri yalnızca yansıma sağlar resmi yönler bu süreçler. Ancak modellemeyi çoğaltmayla karıştırmamak gerekir. Zihinsel süreçlerin hesaplamalı modelleri, gerçekliğe diğer herhangi bir doğal olgunun hesaplamalı modellerinden daha yakın değildir.

Peptitlerin hipotalamus üzerindeki etkilerini yansıtan ve her bir sinapsa kadar doğru olan bir bilgisayar modeli hayal etmek mümkündür. Ancak bir araba motorundaki hidrokarbon oksidasyon sürecinin veya midedeki sindirim sürecinin bilgisayar simülasyonunu da hayal edebiliriz. Ve beyinde meydana gelen süreçlerin modeli hiçbir şekilde modellerden daha gerçek yakıt yanma veya sindirim süreçlerini açıklayan. Mucizeler dışında, bilgisayarda benzin oksidasyonunu simüle ederek arabanızı kullanamayacaksınız ve sindirimi simüle eden bir programı çalıştırarak öğle yemeğinizi sindiremeyeceksiniz. Ayrıca düşünmeyi modellemenin, düşünmenin nörobiyolojik etkisini de üretmeyeceği açık görünüyor.

Bu nedenle tüm zihinsel olaylara beyindeki nörobiyolojik süreçler neden olur. Bu tezimizi kısaca şu şekilde sunalım:

Aksiyom 4. Beyin aklı doğurur.

Yukarıda verilen akıl yürütmeye uygun olarak hemen önemsiz bir sonuca varıyorum.

Sonuç 2. Bir zihin oluşturabilen herhangi bir sistemin, (en azından) beyninkine eşdeğer nedensel özelliklere sahip olması gerekir.

Bu, örneğin şu ifadeye eşdeğerdir: Eğer bir elektrik motoru bir arabaya aynı gücü sağlayabiliyorsa yüksek hızİçten yanmalı bir motor gibi (en azından) eşdeğer güce sahip olmalıdır. Bu sonuç mekanizmalar hakkında hiçbir şey söylemiyor. Aslında düşünmek biyolojik bir olgudur: zihinsel durumlar ve süreçler beyin süreçlerinden kaynaklanır. Bundan yalnızca biyolojik bir sistemin düşünebileceği sonucu çıkmaz; aynı zamanda silikon kristallere, teneke kutulara vb. dayanan farklı nitelikteki herhangi bir sistemin karşılık gelen nedensel yeteneklere sahip olması gerektiği anlamına gelir. beynin yetenekleri. Böylece şu sonuca varıyorum:

Sonuç 3. Zihinsel fenomenler üreten herhangi bir eser, herhangi bir yapay beyin, beynin belirli nedensel özelliklerini yeniden üretme yeteneğine sahip olmalıdır ve bu özelliklerin varlığı yalnızca resmi bir programın yürütülmesi yoluyla elde edilemez.

Ayrıca insan beyniyle ilgili önemli bir sonuca varıyorum:

Sonuç 4. İnsan beyninin gerçekte zihinsel olgular üretme şekli, yalnızca bir bilgisayar programının çalıştırılmasına indirgenemez.

İLK kez 1980 yılında “Davranış ve Beyin Bilimleri” dergisinin sayfalarında Çin odasıyla bir karşılaştırma yaptım. Daha sonra bu dergide kabul edilen uygulamaya uygun olarak makaleme muhaliflerin yorumları eşlik etti. Bu davada 26 muhalif kendi düşüncelerini konuştu. Açıkçası bana bu karşılaştırmanın anlamı oldukça açık gibi geliyor, ancak şaşırtıcı bir şekilde makale sonradan bir dizi itiraza neden oldu ve daha da şaşırtıcı olanı bu akışın bugüne kadar devam etmesi. Görünüşe göre Çin odası tartışması çok acı verici bir noktaya değindi.

Güçlü yapay zekanın temel tezi, herhangi bir sistemin (ister bira kutusundan, ister silikon kristallerden, ister sadece kağıttan yapılmış olsun) yalnızca düşünce ve duygulara sahip olmakla kalmayıp aynı zamanda basitçe yapmalı ancak doğru girdi ve çıktılarla, doğru şekilde oluşturulmuş bir program uygularsa, bunlara sahip olabilir. Açıkçası bu tamamen anti-biyolojik bir bakış açısıdır ve yapay zeka uzmanlarının bundan kolaylıkla vazgeçeceğini beklemek doğaldır. Birçoğu, özellikle temsilciler genç nesil, benimle aynı fikirdesiniz, ancak bu bakış açısının bu kadar taraftarı olduğuna ve onu bu kadar ısrarla savunduklarına hayret ediyorum. İşte öne sürdükleri en yaygın argümanlardan bazıları:

a) Çin odasında, farkında olmasanız da aslında Çince anlıyorsunuz. Sonuçta bir şeyi farkına varmadan anlayabilirsiniz.

b) Çinceyi anlamıyorsunuz ama içinizde anlayan bir alt sistem (bilinçaltı) var. Sonuçta bilinçaltı zihinsel durumlar vardır ve Çince anlayışınızın tamamen bilinçsiz olamayacağını düşünmek için hiçbir neden yoktur.

c) Sen Çince anlamıyorsun ama odanın tamamı anlıyor. Siz beyindeki bireysel bir nöron gibisiniz ve nöronun kendisi hiçbir şeyi anlayamaz, yalnızca sistemin bir bütün olarak sergilediği anlayışa katkıda bulunur; Siz kendiniz anlamıyorsunuz ama tüm sistem anlıyor.

d) Anlam bilgisi yoktur: yalnızca sözdizimi vardır. Beyinde gizemli bir "zihinsel içerik", "düşünce süreçleri" veya "anlambilim" olduğuna inanmak bir tür bilim öncesi yanılsamadır. Beyinde gerçekten var olan tek şey, bilgisayarlarda da yapılan bazı sözdizimsel sembol manipülasyonlarıdır. Ve daha fazlası değil.

e) Gerçekte, bir bilgisayar programını çalıştırmıyorsunuz - sadece size öyle geliyor. Eğer programın satırlarını takip eden bilinçli bir kişi varsa, o zaman süreç artık programın basit bir uygulaması olmaktan çıkar.

f) Eğer girdileri ve çıktıları dünyanın geri kalanıyla ilişkili olarak nedensel bağımlılıklara konulsaydı, bilgisayarların yalnızca söz dizimi değil, semantiği de olurdu. Diyelim ki robotu bir bilgisayarla donattık, kafasına televizyon kameraları bağladık, bilgisayara televizyon bilgilerini sağlayan dönüştürücüler yerleştirdik ve robotun kollarını ve bacaklarını kontrol etmesine olanak sağladık. Bu durumda sistem bir bütün olarak anlambilime sahip olacaktır.

g) Bir program Çince konuşan bir kişinin davranışını simüle ederse Çince'yi anlar. Çin beyninin işleyişini nöron düzeyinde simüle etmeyi başardığımızı varsayalım. Ama o zaman elbette böyle bir sistem Çinceyi herhangi bir Çinlinin beyni kadar iyi anlayacaktır.

Tüm bu argümanların ortak bir yanı var: Hepsi ele alınan soruna yetersiz kalıyor çünkü Çin odası hakkındaki argümanın özünü tam olarak yansıtmıyorlar. Bu öz, bilgisayar tarafından gerçekleştirilen sembollerin biçimsel manipülasyonu ile beyin tarafından biyolojik olarak üretilen anlamsal içerik arasındaki farkta yatmaktadır - ifadenin kısa olması adına (ve umarım kimseyi yanıltmadan) bu farka indirgedim. sözdizimi ve anlambilim arasındaki fark. Tüm bu itirazlara cevaplarımı tekrarlamayacağım ama belki de rakiplerimin en yaygın argümanı olan ve sistemin cevabı diyeceğim (c) argümanının zayıf yönlerinin neler olduğunu söyleyerek duruma açıklık getireceğim. (Beyin modelleme fikrine dayanan argüman (g) de çok yaygındır, ancak bu yukarıda zaten tartışılmıştır.)

Sistemin RESPONSE'u şunu belirtir: Sen, Tabii ki Çince anlamıyorsunuz, ancak bir bütün olarak tüm sistem - siz kendiniz, oda, kurallar dizisi, sembollerle dolu sepetler - anlıyorsunuz. Bu açıklamayı ilk duyduğumda bunu yapan kişiye “Sizce oda Çince anlıyor mu?” diye sordum. Evet cevabını verdi. Bu elbette cesur bir ifadedir, ancak tamamen mantıksız olmasının yanı sıra, tamamen mantıksal bir bakış açısıyla da savunulamaz. Orijinal argümanımın özü, sembolleri basitçe karıştırmanın, bu sembollerin anlamına erişim sağlamadığıydı. Ancak bu, odanın tamamı için olduğu kadar içindeki kişi için de geçerlidir. Düşünce deneyimimizi biraz genişleterek sözlerimin doğruluğunu doğrulayabilirsiniz. Sepetlerin içindekileri ve kurallar kitabını ezberlediğimi ve tüm hesaplamaları kafamdan yaptığımı düşünelim. Hatta diyelim ki bir odada değil, herkesin gözü önünde çalışıyorum. Sistemde bende olmayan hiçbir şey kalmadı ama ben Çince anlamadığım için sistem de anlamıyor.

Rakiplerim Churchlands, makalelerinde sistemin yanıtlarından birini kullanarak ilginç bir benzetme ortaya koyuyor. Diyelim ki birisi ışığın olamayacağını tartışmaya başladı. elektromanyetik doğaÇünkü karanlık bir odada bir kişi bir mıknatısı hareket ettirdiğinde herhangi bir görünür ışık emisyonu gözlemlemiyoruz. Bu örnek göz önüne alındığında, Churchland'lılar Çin odası argümanının da aynı çizgide olup olmadığını soruyorlar. Bu, anlamsal olarak karanlık bir odada Çince karakterleri değiştirdiğinizde Çince'ye dair hiçbir içgörünün ortaya çıkmadığını söylemekle aynı şey olmaz mıydı? Ancak daha sonra gelecekteki araştırmalar sırasında, tıpkı ışığın tamamen elektromanyetik radyasyondan oluştuğunun kanıtlanması gibi, anlambilimin de tamamen sözdiziminden oluştuğu ortaya çıkamaz mı? Bu soru daha fazla bilimsel çalışmanın konusu değil mi?

Analojilere dayanan argümanlar her zaman çok savunmasızdır, çünkü argümanın geçerli olabilmesi için, söz konusu iki durumun gerçekten benzer olduğundan emin olmak gerekir. Bu durumda durumun böyle olmadığını düşünüyorum. Işığın elektromanyetik radyasyona dayalı açıklaması baştan sona nedensel bir akıl yürütmedir. Bu, elektromanyetik dalgaların fiziğinin nedensel bir açıklamasıdır. Ancak biçimsel sembollerin fiziksel nedensel özellikleri bulunmadığından, biçimsel sembollerle yapılan analoji geçerli değildir. Sembollerin yapma gücüne sahip olduğu tek şey, çalışan makinenin yürüttüğü programdaki bir sonraki adıma neden olmaktır. Ve burada, sıfırların ve birlerin şimdiye kadar bilinmeyen fiziksel nedensel özelliklerini henüz ortaya çıkarmayan daha fazla araştırmadan söz edilmiyor. İkincisinin yalnızca bir tür özelliği vardır - zaten iyi çalışılmış olan soyut hesaplama özellikleri.

Ben yorumlanmış biçimsel simgelerin anlamsal içerikle aynı olmadığını öne sürdüğümde Kilise Toprakları "soruyu sorduklarını" söylüyorlar. Evet, bunun mantıksal bir gerçek olduğuna inandığım için durumun böyle olduğunu kanıtlamak için kesinlikle fazla zaman harcamadım. Diğer mantıksal gerçeklerde olduğu gibi, herkes bunun doğru olduğunu hemen görebilir, çünkü aksini varsayarsanız hemen bir çelişkiyle karşılaşırsınız. Böyle bir kanıtı gerçekleştirmeye çalışalım. Çin odasında Çin dilinin gizli bir anlayışının olduğunu varsayalım. Sözdizimsel öğeleri manipüle etme sürecini özellikle Çince anlamsal içeriğe dönüştüren şey nedir? Biraz düşündükten sonra, eğer sistemi Çince olarak sunulan bilgileri işleyecek şekilde programlayabilmişlerse, programcıların Çince konuşmuş olmaları gerektiği sonucuna vardım.

İyi. Ama şimdi bir Çin odasında oturup Çince (bana anlamsız gelen) sembolleri karıştırmaktan yorulduğumu hayal edelim. Diyelim ki bu sembolleri hareketlerin göstergesi olarak yorumlamak aklıma geldi. satranç oyunu. Sistemin şu anda hangi semantiği var? Çince anlambilimi veya satranç anlambilimi var mı, yoksa her ikisi de var mı? Diyelim ki pencereden beni izleyen üçüncü bir kişi var ve o da sembolleri değiştirmemin borsadaki hisse senedi fiyatlarının tahmini olarak yorumlanabileceğine karar veriyor. Ve benzeri. Sembollere atfedilebilecek anlamsal yorumların sayısında bir sınır yoktur çünkü tekrar ediyorum, semboller tamamen biçimseldir. İç anlam içermezler.

Churchland benzetmesini kurtarmanın bir yolu var mı? Yukarıda biçimsel simgelerin nedensel özellikleri olmadığını söylemiştim. Ancak elbette program her zaman belirli bir ekipman tarafından yürütülür ve bu ekipmanın kendine özgü fiziksel, nedensel özellikleri vardır. Herhangi bir gerçek bilgisayar, çeşitli fiziksel olaylar. Örneğin bilgisayarım ısı üretiyor, monoton ses çıkarıyor vs. Bir bilgisayarın benzer şekilde bilinç etkisi yaratamayacağına dair kesin bir mantıksal kanıt var mı? HAYIR. İÇİNDE bilimsel olarak bu söz konusu olamaz, ancak Çin odasıyla ilgili mantığı çürütmek için amaçlanan şey bu değildir ve güçlü yapay zeka savunucularının ısrar edeceği şey de değildir, çünkü bu şekilde üretilen herhangi bir etki, fiziksel etki nedeniyle elde edilecektir. Programı uygulayan ortamın özellikleri. Güçlü yapay zekanın ana iddiası, uygulama ortamının fiziksel özelliklerinin önemli olmadığıdır. Yalnızca programlar önemlidir ve programlar tamamen biçimsel nesnelerdir.

Bu nedenle, Churchlands'in sözdizimi ile elektromanyetik radyasyon arasındaki analojisi bir ikilemle karşı karşıyadır: Her iki sözdizimi de soyut yapısı aracılığıyla tamamen biçimsel olarak anlaşılmalıdır. matematiksel özellikler, ya da değil. İlk alternatifi seçersek, o zaman analoji savunulamaz hale gelir, çünkü bu şekilde anlaşılan sözdizimi hiçbir fiziksel özelliğe sahip değildir. Öte yandan sözdizimini uygulama ortamının fiziksel özellikleri açısından ele alırsak, o zaman benzetme gerçekten tutarlıdır ancak bunun güçlü yapay zeka ile hiçbir ilgisi yoktur.

ÇÜNKÜ yaptığım açıklamalar oldukça açık; sözdizimi anlambilimle aynı değil; beyin süreçleri zihinsel fenomenlere yol açar - şu soru ortaya çıkıyor: bu kafa karışıklığı ilk etapta nasıl ortaya çıktı? Zihinsel sürecin bilgisayar modellemesinin onunla tamamen aynı olduğunu kim hayal edebilirdi? Sonuçta modellerin asıl amacı, modellenen olgunun yalnızca bir kısmını yakalamaları ve geri kalanına dokunulmamasıdır. Sonuçta kimse su moleküllerini simüle eden pinpon toplarıyla dolu bir havuzda yüzmek isteyeceğimizi düşünmüyor. O zaman bilgisayar modelinin olduğunu varsayabilir miyiz? düşünce süreçleri gerçekten düşünebilme yeteneğine sahip mi?

Bu yanlış anlamaların nedenlerinden biri, insanların bazı davranışçı varsayımları miras almış olmalarıdır. psikolojik teoriler son nesil. Turing testinin altında, eğer bir şey zihinsel süreçlere sahipmiş gibi davranıyorsa, aslında bu süreçlere sahip olması gerektiğini varsaymanın cazibesi yatmaktadır. Bu aynı zamanda psikolojinin, varlığını sürdürebilmek için yaptığı hatalı davranışçı kavramın da bir parçasıydı. bilimsel disiplin, dışarıdan gözlemlenebilir davranışların incelenmesiyle sınırlı olmalıdır. Paradoksal olarak, bu artık davranışçılık artık düalizmle ilişkilidir. Kimse sindirimin bilgisayar modelinin aslında herhangi bir şeyi sindirebileceğini düşünmez, ancak iş düşünmeye gelince insanlar bu tür mucizelere isteyerek inanırlar çünkü zihnin sindirimle aynı biyolojik olay olduğunu unuturlar. Onlara göre zihin, resmi ve soyut bir şeydir ve beynimizi oluşturan yarı sıvı maddenin hiçbir parçası değildir. Yapay zeka hakkındaki polemik literatürü genellikle yazarların dualizm olarak adlandırdığı şeye saldırır, ancak kendilerinin belirgin bir dualizm sergilediklerini fark etmezler, çünkü kişi zihnin beyinden veya herhangi bir fiziksel spesifik sistemden tamamen bağımsız olduğu görüşünü kabul etmedikçe, o zaman Sadece program yazarak zeka yaratmanın imkansız olduğu düşünülmelidir.

Tarihsel olarak Batı ülkelerinde, insanları sıradan fiziksel veya biyolojik dünyanın bir parçası olarak gören bilimsel kavramlar sıklıkla gerici muhalefetle karşı karşıya kalmıştır. Kopernik ve Galileo'nun fikirlerine karşı çıkıldı çünkü onlar Dünya'nın Evrenin merkezi olduğunu inkar ediyorlardı. Darwin, insanların aşağı hayvanlardan evrimleştiğini iddia ettiği için karşı çıktı. Güçlü yapay zeka, bu bilim karşıtı geleneğin en son tezahürlerinden biri olarak görülüyor çünkü insan zihninin esas olarak fiziksel veya biyolojik herhangi bir şey içerdiğini reddediyor. Güçlü yapay zekaya göre zihin beyinden bağımsızdır. Bu bir bilgisayar programıdır ve esas olarak herhangi bir donanımla ilişkili değildir.

Yapay zekanın fiziksel öneminden şüphe duyan pek çok kişi, bilgisayarların Çince anlayabildiğine veya sayılar hakkında düşünebildiğine, ancak temelde tamamen insani özellikleri, yani (ve en sevdikleri insani özellikleri takip ederek) sergileme konusunda yetersiz olduklarına inanıyor: aşk, mizah anlayışı , sanayi sonrası toplumun bu çağdaki kaderine dair endişe modern kapitalizm Ancak yapay zeka uzmanları haklı olarak bu itirazların doğru olmadığında, futbol kalesinin buraya geri döndüğü konusunda ısrar ediyor. Eğer yapay simülasyon zeka başarılı olursa psikolojik sorunlar kalmaz önemli Bu tartışmada her iki taraf da modelleme ile yeniden üretim arasındaki farkı göremiyor. Modellemeden bahsettiğimiz sürece, bilgisayarımı "Seni seviyorum Susie" yazacak şekilde programlamak hiç akıllıca değil; "Ha ha!" veya “Post-endüstriyel toplumun kaygılarını yaşıyorum.” Modellemenin çoğaltmayla aynı şey olmadığını anlamak önemlidir; ve bu gerçeğin kaygılı hissetmekle olduğu kadar aritmetik hakkında düşünmekle de ilgisi var. Sorun, bilgisayarın sadece sahanın merkezine ulaşıp hedefe ulaşmaması değil. Bilgisayar hareket bile etmiyor. Sadece oyunu oynamıyor.

Yapay Zeka: Bir makine düşünebilir mi?

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

PAUL M. CHURCHLAND, PATRICIA SMITH CHURCHLAND

Yapay zeka (AI) BİLİMİ bir devrimden geçiyor. Sebeplerini ve anlamını açıklamak ve John R. Searle'ın mantığını perspektife oturtmak için önce 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 bir tür "mekanik" prosedürün 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 hesaplamanın özüne iniyor ve birçok farklı kanıt onu desteklemek için birleşiyor.

Saniye önemli sonuç yinelemeli olarak hesaplanabilir herhangi bir fonksiyonun, daha sonra olarak bilinecek olan, maksimum derecede basitleştirilmiş bir sembol işleme makinesi kullanılarak sonlu zamanda hesaplanabileceğini gösteren Alan M. Turing tarafından elde edilmiştir. evrensel makine Turing. 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 çıkıyor: standart bir dijital bilgisayar, doğru program Yeterince geniş hafızası ve yeterli zamanı olan bir bilgisayar hesaplayabilir. herhangi giriş ve çıkışı olan, kuralla yönetilen bir fonksiyon. 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 çok güçlüdür. (Aşağıda bu testin ne kadar tutarlı olduğunu ele alacağız, burada bilinçli bir zihnin varlığına ilişkin temelde farklı olan ikinci "test"le karşılaşacağız.) Turing testinin orijinal versiyonuna göre, MS makinesine girdi olarak sorular sorulmalıdır. ve doğal ifadeler konuşma dili Giriş cihazının klavyesine yazdığımız ve çıktı, çıkış cihazı tarafından yazdırılan MS makinesinin yanıtlarıdır. Yanıtları gerçek, zeki bir insan tarafından yazılanlardan ayırt edilemiyorsa, bir makinenin bilinçli bir zihnin varlığına yönelik bu testi geçtiği söylenir. Elbette şu anda hiç kimse davranıştan farklı olmayan bir çıktı elde etmek için kullanılabilecek bir fonksiyon bilmiyor. makul kişi. 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 sonuçÖzellikle Turing'in daktilo kullanan bir makineyle etkileşime ilişkin açıklamasının önemsiz bir sınırlamayı temsil ettiği göz önüne alındığında. 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: Şüphesiz olanı bulmak. karmaşık fonksiyon Dış ortamdan gelen etkilere karşı insanın tepkilerini kontrol eden ve ardından MS makinesinin bu işlevi hesaplayacağı bir program (yinelemeli olarak uygulanabilir bir dizi kural) yazan. 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 aygıtlarının, 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 önce, fiziksel malzeme MS makinesinin yapıldığı işlevin aslında hesapladığı işlevle 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. İtiraz bazen düşünmenin bir şey olmadığı yönünde ifade edilmiştir. fiziksel süreç ve maddi olmayan ruhta akar. 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.

Yapay zeka uzmanları ve filozofların çevrelerinde Dreyfus'un muhakemesi, henüz çok genç olan bu araştırma alanının doğasında var olan kaçınılmaz basitleştirmelere dayalı olarak esasen dar görüşlü ve taraflı olarak algılandı. Belki, belirtilen dezavantajlar gerçekleşti ama bunlar 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 sonraki araştırmalar üzerinde gözle görülür bir etkisi olmadı.

Ancak zamanın da Dreyfus'tan yana olduğu ortaya çıktı: 70'lerin sonu ve 80'lerin başında bilgisayarların hız ve bellek kapasitesindeki artışlar, " zihinsel yetenekler"Pek değil. Örneğin, bilgisayarlı görme sistemlerinde örüntü tanımanın beklenmedik derecede büyük miktarda hesaplama gerektirdiği ortaya çıktı. Pratik olarak güvenilir sonuçlar elde etmek için, aynı görevleri gerçekleştirmek için gereken sürenin çok üzerinde, giderek daha fazla bilgisayar zamanı harcamak gerekiyordu. biyolojik sistem görüş. 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 veri tabanının inşası başlı başına oldukça karmaşık sorun, ancak başka bir durumla daha da kötüleşiyor: bu veritabanının belirli, bağlama bağlı parçalarına gerçek zamanlı olarak nasıl erişim sağlanacağı. 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'ın 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, iç yapı Makine öyledir ki, hangi davranışı sergilerse sergilesin, gözlemcinin zihninde ne makinenin tamamının ne de herhangi bir parçasının Çinceyi 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 değiştiren herhangi bir sistemin, en iyi senaryo yalnızca gerçek bilinçli zihnin acıklı bir parodisi, çünkü yalnızca "boş sözdizimi" düğmesini çevirerek "gerçek anlambilimi" oluşturmak imkansızdır. 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 önemli üçüncü aksiyomu kabul etmeyi reddetmeyi yansıtmalarıdır: “ Sözdizimi kendi başına anlambilim oluşturmaz ve anlambilimin varlığı için yeterli değildir.” Bu aksiyom doğru olabilir ama Searle bunu kesin olarak bildiğini makul bir şekilde iddia edemez. 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 aslında soruyu akla getirdiği, onu ilk sonucuyla doğrudan karşılaştırdığımızda açıkça ortaya çıkıyor: “Programlar aklın özü olarak ortaya çıkar ve onların varlığı aklın 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. Çoğu zaman, tartışmalı bir ifadeyi çürüten başarılı bir örnek, durumu mantıksal hokkabazlıklarla dolu bir kitaptan çok daha iyi 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 sanatçı William Blake ve Alman doğa bilimci şair Johann Goethe, küçük madde parçacıklarının kendi başlarına ışığın nesnel varlığı için yeterli bir varlık veya faktör olabileceğinin düşünülemez olduğunu düşünüyorlardı. Bu yüzyılda bile, organizasyonu ne kadar karmaşık olursa olsun, cansız maddenin kendisinin organik bir varlık veya varlık olabileceğini hayal edemeyen insanlar vardı. yeterli koşul hayat. İnsanların hayal edebildikleri veya hayal edemedikleri şeylerin gerçekte var olan veya olmayan şeylerle çoğu zaman hiçbir ilgisi olmadığı açıktır. Bu, çok yetenekli insanlar söz konusu olduğunda bile geçerlidir. yüksek seviye istihbarat.

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 önemli bir özelliği lüminesanstır.

Aksiyom 3. Güçlerin kendisi parlama etkisinin özü olarak ortaya çıkar ve onun varlığı için yeterli değildir.

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

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

“İçinde elinde tutan bir kişinin bulunduğu karanlık bir oda düşünün. kalıcı mıknatıs veya yüklü bir nesne. Maxwell'in teorisine göre, eğer bir kişi mıknatısı yukarı aşağı hareket ettirmeye başlarsa, o zaman yapay aydınlatma(IO) 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, yalnızca kuvvetleri manipüle ederek gerçek bir parlama etkisi elde edebilmemiz düşünülemez görünüyor!”

ELEKTROMANYETİK KUVVETLERİN TİTREŞİMLERİ ışığı temsil eder, ancak bir insan tarafından hareket ettirilen 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 "aydınlık oda" deneyinin bizi görünür ışığın özellikleri konusunda yanılttığı konusunda ısrar edecektir, çünkü mıknatısın titreşim frekansı son derece küçüktür, yani gerekenden daha azdır, yaklaşık 10 15 kat. 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.

Buna karşılık, Maxwell oldukça makul bir şekilde odanın zaten parıltıyla dolu olduğunu belirterek "yemi yutabilir", ancak bu parıltının doğası ve gücü öyledir ki bir kişi onu göremez. (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 60'lı yıllar) böyle bir açıklama muhtemelen kahkahalara ve alaycı sözlere neden olacaktır. "Parlayan oda! Ama kusura bakmayın Bay Maxwell, orası tamamen karanlık!”

Zavallı Maxwell'in zor zamanlar geçirdiğini görüyoruz. 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 ilginç bir şey göstermiyor. fiziksel doğa Sveta. 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 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 etkili 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 bunun nasıl yapılacağını anlarlar. BT parçalarına ayırarak ve dayandığı prensibi tahmin etmeye çalışarak çalışır. Beyin söz konusu olduğunda bu yaklaşımın uygulanması olağanüstü derecede zordur çünkü beyin gezegendeki en karmaşık şeydir. Bununla birlikte sinirbilimciler beynin çeşitli düzeylerdeki pek çok özelliğini ortaya çıkarmayı başardılar. yapısal seviyeler. Üç anatomik özellik onu geleneksel elektronik bilgisayarların mimarisinden temel olarak ayırıyor.

Birincisi, sinir sistemi paralel bir makinedir; yani sinyallerin milyonlarca sistem arasında aynı anda işlenmesi anlamındadır. farklı yollar. Örneğin, gözün retinası beyne 8, 16 veya 32 elementten oluşan karmaşık bir girdi sinyali iletmez. masaüstü bilgisayar ve neredeyse bir milyondan oluşan bir sinyal biçiminde bireysel unsurlar optik sinirin sonuna aynı anda varır (dış geniküle edilmiş vücut), ardından 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 rastlıyoruz. Bu tekrarlayan projeksiyonlar beynin duyusal bilgiyi işleme biçimini değiştirmesine olanak tanır. Daha da önemlisi, bunların varlığı sayesinde beynin gerçekten dinamik sistem Sürekli olarak sürdürülen davranışın hem çok yüksek karmaşıklık hem de çevresel uyaranlardan göreceli bağımsızlık ile karakterize edildiği. Yararlı rol Basitleştirilmiş ağ modelleri, gerçek sinir ağlarının çalışma mekanizmalarının ve paralel mimarilerin hesaplama özelliklerinin incelenmesinde önemli 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.

İnsanların hayatlarını iyileştirmek için yapay zekanın öncelikle insan merkezli olması gerekiyor. Baş bilim adamının açıkladığı gibi Google Bulut Fei-Fei Li, pratikte bu, bu tür teknolojileri geliştiren ekipleri çeşitlendirmenin yanı sıra iletişim ve işbirliği becerilerini geliştirmek anlamına geliyor.

Günümüzde Yapay Zeka

En büyük yapay zeka (AI) şirketlerinden biri, pek çok kişinin popüler arama motoruyla ilişkilendirilen bir şirket olan Google'dır. Yıllar geçtikçe uzmanları, bazı güncel ürünlerde görülebilecek yapay zekayı geliştiriyor. Örneğin şubat ayında Android akıllı telefonlara çıkan Google Asistan; Yapay zeka ayrıca yukarıda bahsedilen arama motorunun işini yapmasına da yardımcı olur; Son olarak Google Home akıllı hoparlörü bir AI sistemi ile donatılmıştır. Yapay zeka şu anda birinci sınıf öğrencisi gibidir ancak gelecekte daha akıllı olacağı bir noktaya ulaşabilir sıradan insan, onunla etkileşime giriyor.

Ancak bu hedefe ulaşmak için önce yapay zekanın kendisinin daha insana benzemesi gerekecek. En azından Google Cloud'un baş bilim adamı ve Stanford Yapay Zeka ve Görme Laboratuvarı yöneticisi Fei-Fei Li böyle düşünüyor. Ona göre yapay zeka bu şekilde günlük yaşamlarımızı iyileştirmemize yardımcı olacak ve onunla iletişim kurarken psikolojik rahatlık sağlayacak.

MIT Technology Review ile yaptığı röportajda Lee, yapay zekanın insanlar üzerindeki etkisini düşünmenin şu şekilde olduğunu açıkladı: etrafımızdaki dünya analitik sürecin kritik bir parçasıdır ve yapay zeka ile yapılan çalışmalar gelecekteki gelişmelerin daha insan odaklı olması gerektiğini açıkça ortaya koymuştur.

Makine zekasının geliştirilmesi

“Yapay zeka teknolojilerinin şu anda ulaştığı seviyeyi değerlendirirsek bence en dikkat çekici gösterge, mükemmel örüntü tanıma olacaktır. Günümüzün yapay zekası fazla odaklı ve insanların bağlamsal farkındalığından ve esnek öğrenmesinden yoksun. Aynı zamanda insanların yaşamlarını daha iyi, daha güvenli, daha üretken hale getiren ve iş kalitesini artıran teknolojiyi de yapmak istiyoruz; bu da çok yüksek düzeyde makine-insan etkileşimi gerektiriyor” diyor Lee.

Potansiyeli henüz fark edilmemiş olsa da, böyle bir eğilimin ilk işaretleri artık gözlemlenebiliyor. Örneğin, Temmuz ayında Google DeepMind, "hayal gücü" olan, bilgiyi analiz edebilen ve insan müdahalesi olmadan eylemleri planlayabilen bir yapay zekayı gösterdi. Şirket, yaratımının mükemmel bir şekilde taklit edilmenin "eşiğinde" olduğunu söyledi. insan konuşması. Başka bir Google teknolojisi olan Google Clips, kendi başına fotoğraf çekebiliyor ve fotoğraf çekmek için "mükemmel anı" bulma ihtiyacını ortadan kaldırıyor. Bu, Lee'nin konseptine çok iyi uyuyor ama aynı zamanda ihtiyacı da vurguluyor. daha fazla çalışma Yapay zeka bağımsızlığına doğru.

Geleceğin ideal insanı olarak yapay zeka

Lee'nin temin ettiği gibi, yalnızca yapay zekayı geliştirmek ve ona yeni yetenekler eklemek yeterli olmayacaktır. Makine ile insan arasındaki bağ ne kadar güçlü olursa, yapay zekanın toplumun ahlaksız kesimlerinden etkilenme riski de o kadar yüksek olur ve bu nedenle burada öncelikle yaratıcı bir yaklaşıma ve birçok uzmanın kolektif çalışmasına ihtiyaç vardır.

“Geniş bir alana yayılan ve insanlık için kritik bir rol oynayan bir teknoloji oluşturduğunuzda, o zaman elbette bunun tüm insanların doğasında olan değerleri taşıdığından ve tüm Dünya nüfusunun ihtiyaçlarına hizmet ettiğinden emin olmanız gerekir. . Geliştiriciler programın istisnasız herkes için eşit derecede yararlı olmasını sağlamak için her türlü çabayı gösterirse, bu yapay zeka sistemlerinde gerçek anlamda bir devrime olanak sağlayacaktır."

Elbette yapay zeka geleceğe biletimizdir. Ancak insanın elinde sadece bir araç olduğundan hem iyi hem bencil, hatta bazen yasa dışı amaçlar için kullanılabilir. Eğer bu teknolojinin kaderi dünyayı değiştirecekse, bilim adamlarının doğru seçimi yapmasını umalım.

Yapay zeka (AI) BİLİMİ bir devrimden geçiyor. Sebeplerini ve anlamını açıklamak ve John R. Searle'ın mantığını perspektife oturtmak için önce 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 bir tür "mekanik" prosedürün 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 hesaplamanın 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: 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 çok 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 insan 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 kaldı: Dış çevreden 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 aygıtlarının, 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.

Yapay zeka uzmanları ve filozofların çevrelerinde Dreyfus'un muhakemesi, henüz çok genç olan bu araştırma alanının doğasında var olan kaçınılmaz basitleştirmelere dayalı olarak esasen dar görüşlü ve taraflı olarak algılandı. 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 sonraki araştırmalar üzerinde gözle görülür bir etkisi olmadı.

Ancak zamanın da Dreyfus'tan yana olduğu ortaya çıktı: 70'lerin sonu ve 80'lerin başında bilgisayarların hız ve hafıza kapasitesindeki artışlar, bilgisayarların "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 süreyi çok aşarak, giderek 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 erişimin nasıl sağlanacağı sorunu 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'ın 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 manipüle eden herhangi bir sistemin, en iyi ihtimalle, gerçek bilinçli bir zihnin zayıf bir parodisi olacağıdır, çünkü sadece "gerçek anlambilimi" yalnızca "" düğmesini çevirerek oluşturmak imkansızdır. boş söz dizimi." 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 ama Searle bunu kesin olarak bildiğini makul bir şekilde iddia edemez. 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. Çoğu zaman, tartışmalı bir ifadeyi çürüten başarılı bir örnek, durumu mantıksal hokkabazlıklarla dolu bir kitaptan çok daha iyi 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, James C. Maxwell'in 1864'te ışık ve elektromanyetik dalgaların aynı olduğunu öne sürmesinden kısa bir süre sonra, ancak ışığın özellikleri ile elektromanyetik dalgaların özellikleri arasındaki sistematik paralelliklerin dünyada tam olarak farkına varılmasından önce yayınlandığını varsayalım. 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, yalnızca kuvvetleri manipüle ederek gerçek bir parlama etkisi elde edebilmemiz düşünülemez görünüyor!”