Maszyny komputerowe i inteligencja - Computing Machinery and Intelligence

Computing Machinery and Intelligence ” to przełomowa praca Alana Turinga na temat sztucznej inteligencji . Artykuł, opublikowany w 1950 roku w Mind , był pierwszym, który przedstawił opinii publicznej jego koncepcję tego, co jest obecnie znane jako test Turinga .

Artykuł Turinga dotyczy pytania „Czy maszyny mogą myśleć?” Turing mówi, że skoro słowa „myśleć” i „maszyna” nie mogą być jasno zdefiniowane, powinniśmy „zastąpić pytanie innym, które jest z nim blisko spokrewnione i wyrażane w stosunkowo jednoznacznych słowach”. Aby to zrobić, musi najpierw znaleźć prosty i jednoznaczny pomysł na zastąpienie słowa „myśleć”, po drugie musi dokładnie wyjaśnić, jakie „maszyny” rozważa, a wreszcie, uzbrojony w te narzędzia, formułuje nowe pytanie, związane z pierwszy, że wierzy, że może odpowiedzieć twierdząco.

Test Turinga

„Standardowa interpretacja” testu Turinga, w której przesłuchujący ma za zadanie określić, który gracz jest komputerem, a który człowiekiem

Zamiast próbować ustalić, czy maszyna myśli, Turing sugeruje, abyśmy spytali, czy maszyna może wygrać grę, zwaną „ grą w naśladowanie ”. Oryginalna gra Imitacyjna, którą opisał Turing, to prosta gra towarzyska z udziałem trzech graczy. Gracz A to mężczyzna, gracz B to kobieta, a gracz C (który gra rolę przesłuchującego) może być dowolnej płci. W grze w naśladowanie gracz C nie widzi ani gracza A, ani gracza B (i zna ich tylko jako X i Y) i może komunikować się z nimi tylko za pomocą pisemnych notatek lub innej formy, która nie podaje żadnych szczegółów na temat ich Płeć. Zadając pytania graczowi A i graczowi B, gracz C próbuje ustalić, który z nich jest mężczyzną, a który kobietą. Rolą gracza A jest nakłonienie przesłuchującego do podjęcia złej decyzji, podczas gdy gracz B próbuje pomóc przesłuchującemu w podjęciu właściwej decyzji.

Turing proponuje odmianę tej gry, która wiąże się z komputera: " «Co się stanie, gdy maszyna wykonuje część A w tej grze?» Czy przesłuchujący będzie decydował błędnie tak często, gdy gra toczy się w ten sposób, jak wtedy, gdy gra toczy się między mężczyzną a kobietą? Te pytania zastępują nasze oryginalne: „Czy maszyny mogą myśleć? " 'Tak zmodyfikowany gra staje się taki, który składa się z trzech uczestników w izolowanych pomieszczeniach. Komputer (co jest testowane), ludzkie oraz (człowiek) sędzia Sędzia człowiek może rozmawiać zarówno z człowiekiem a komputerem wpisując w terminal. Zarówno komputer, jak i człowiek próbują przekonać sędziego, że są człowiekiem. Jeśli sędzia nie może konsekwentnie stwierdzić, który jest który, komputer wygrywa grę.

Jak zauważa Stevan Harnad , pytanie brzmi: „Czy maszyny mogą zrobić to, co my (jako istoty myślące) możemy zrobić?” Innymi słowy, Turing nie pyta już, czy maszyna może „myśleć”; pyta, czy maszyna może działać nie do odróżnienia od sposobu działania myśliciela. To pytanie pozwala uniknąć trudnego filozoficznego problemu predefiniowania czasownika „myśleć” i skupia się zamiast tego na zdolnościach wykonawczych, które umożliwia myślenie, oraz na tym, jak system przyczynowy może je wygenerować.

Niektórzy uważają, że pytanie Turinga brzmiało: „Czy komputer, komunikujący się za pomocą dalekopisu, może oszukać osobę, aby uwierzyła, że ​​jest człowiekiem?” ale wydaje się jasne, że Turing nie mówił o oszukiwaniu ludzi, ale o generowaniu ludzkich zdolności poznawczych.

Maszyny cyfrowe

Turing zauważa również, że musimy określić, które „maszyny” chcemy wziąć pod uwagę. Wskazuje, że ludzki klon , choć stworzony przez człowieka, nie stanowiłby bardzo interesującego przykładu. Turing zasugerował, że powinniśmy skupić się na możliwościach maszyn cyfrowych – maszyn, które manipulują cyframi binarnymi 1 i 0, przepisując je do pamięci za pomocą prostych zasad. Podał dwa powody.

Po pierwsze, nie ma powodu, aby spekulować, czy mogą istnieć. Zrobili to już w 1950 roku.

Po drugie, maszyny cyfrowe są „uniwersalne”. Badania Turinga nad podstawami obliczeń dowiodły, że komputer cyfrowy może teoretycznie symulować zachowanie dowolnej innej maszyny cyfrowej, mając wystarczającą ilość pamięci i czasu. (Jest to zasadniczy wgląd w tezę Kościoła-Turinga i uniwersalną maszynę Turinga .) Zatem, jeśli jakakolwiek maszyna cyfrowa może „zachowywać się tak, jak myśli”, to może to zrobić każda wystarczająco potężna maszyna cyfrowa. Turing pisze: „wszystkie komputery cyfrowe są w pewnym sensie równoważne”.

Pozwala to na uszczegółowienie pierwotnego pytania. Turing teraz ponownie powtarza pierwotne pytanie: „Skupmy naszą uwagę na jednym konkretnym komputerze cyfrowym C. Czy to prawda, że ​​modyfikując ten komputer tak, aby miał odpowiednią pamięć, odpowiednio zwiększając jego szybkość działania i wyposażając go w odpowiedni program, C można zmusić do zadowalającego odgrywania roli A w grze w naśladownictwo, gdy rolę B przejmuje mężczyzna?”

Dlatego Turing stwierdza, że ​​nie skupiamy się na tym, „czy wszystkie komputery cyfrowe poradziłyby sobie dobrze w grze, ani czy komputery, które są obecnie dostępne, poradziłyby sobie dobrze, ale czy istnieją komputery, które można sobie wyobrazić, które dobrze by sobie radziły”. Co ważniejsze, należy wziąć pod uwagę możliwe postępy w obecnym stanie naszych maszyn, niezależnie od tego, czy dysponujemy dostępnymi zasobami, aby je stworzyć, czy nie.

Dziewięć powszechnych obiekcji

Po wyjaśnieniu pytania Turing zwrócił się do odpowiedzi na nie: rozważył następujące dziewięć wspólnych zarzutów, które obejmują wszystkie główne argumenty przeciwko sztucznej inteligencji podniesione w latach od pierwszej publikacji jego artykułu.

  1. Zarzut religijny : stwierdza, że ​​myślenie jest funkcją nieśmiertelnej duszy człowieka; dlatego maszyna nie może myśleć. „Próbując skonstruować takie maszyny”, pisał Turing, „nie powinniśmy lekceważąco uzurpować sobie Jego mocy tworzenia dusz, podobnie jak w przypadku prokreacji dzieci; za dusze, które On stwarza”.
  2. Zarzut „głowy w piasku” : „Konsekwencje myślenia maszyn byłyby zbyt straszne. Miejmy nadzieję i uwierzmy, że nie mogą tego zrobić”. Takie myślenie jest popularne wśród ludzi intelektualnych, którzy uważają, że wyższość wynika z wyższej inteligencji, a możliwość bycia wyprzedzonym jest zagrożeniem (ponieważ maszyny mają wydajną pamięć i szybkość przetwarzania, maszyny przekraczające możliwości uczenia się i wiedzy są wysoce prawdopodobne). Ten zarzut jest błędnym odwoływaniem się do konsekwencji , mylącym to, czego nie powinno być z tym, co może lub nie może być (Wardrip-Fruin, 56).
  3. Matematyczna Sprzeciw : Sprzeciw ten wykorzystuje twierdzeń matematycznych, takich jak niezupełności twierdzenia Gödla , by pokazać, że istnieją granice, jakie pytania system komputerowy oparty na logice może odpowiedzieć. Turing sugeruje, że ludzie zbyt często sami się mylą i są zadowoleni z omylności maszyny. (Ten argument został ponownie przedstawiony przez filozofa Johna Lucasa w 1961 roku i fizyka Rogera Penrose'a w 1989 roku.)
  4. Argument ze świadomości : Argument ten, zasugerowany przez profesora Geoffreya Jeffersona w jego przemówieniu Listera z 1949 r., stwierdza, że ​​„nie moglibyśmy napisać sonetu lub skomponować koncertu, dopóki maszyna nie może napisać sonetu lub skomponować koncertu z powodu odczuwanych myśli i emocji, a nie przez przypadkowy upadek symboli Zgadzam się, że maszyna równa się mózg." Turing odpowiada, mówiąc, że nie mamy możliwości dowiedzenia się, że ktokolwiek inny niż my doświadcza emocji i dlatego powinniśmy przyjąć test. Dodaje: „Nie chcę sprawiać wrażenia, że ​​myślę, że nie ma żadnej tajemnicy dotyczącej świadomości… [ale] nie sądzę, aby te tajemnice koniecznie musiały zostać rozwiązane, zanim będziemy mogli odpowiedzieć na pytanie [czy maszyny mogą myśleć]." (Ten argument, że komputer nie może mieć świadomych doświadczeń ani zrozumienia , został wygłoszony w 1980 roku przez filozofa Johna Searle'a w swoim chińskim argumencie. Odpowiedź Turinga jest obecnie znana jako „ odpowiedź innych umysłów ”. Zobacz także Czy maszyna może mieć umysł? w filozofii AI .)
  5. Argumenty z różnych niepełnosprawności . Wszystkie te argumenty mają postać „komputer nigdy nie zrobi X ”. Turing oferuje wybór:

    Bądź miły, zaradny, piękny, przyjacielski, miej inicjatywę, miej poczucie humoru, odróżnij dobro od zła, popełniaj błędy, zakochaj się, delektuj się truskawkami i śmietaną, spraw, by ktoś się w niej zakochał, ucz się z doświadczenia, właściwie używaj słów , być podmiotem własnej myśli, mieć tyle różnorodności zachowań, co człowiek, robić coś naprawdę nowego.

    Turing zauważa, że ​​„zazwyczaj nie ma poparcia dla tych stwierdzeń” i że opierają się one na naiwnych założeniach na temat tego, jak wszechstronne mogą być maszyny w przyszłości, lub są „ukrytymi formami argumentu ze świadomości”. Postanawia odpowiedzieć na kilka z nich:
    1. Maszyny nie mogą popełniać błędów. Zauważa, że ​​łatwo jest zaprogramować maszynę tak, aby sprawiała wrażenie popełniania błędu.
    2. Maszyna nie może być podmiotem własnej myśli (ani nie może być samoświadoma ). Z pewnością można napisać program, który może raportować o swoich wewnętrznych stanach i procesach, w prostym sensie programu debuggera . Turing twierdzi, że „maszyna może bez wątpienia być swoim własnym przedmiotem”.
    3. Maszyna nie może mieć dużej różnorodności zachowań . Zauważa, że ​​przy wystarczającej pojemności pamięci komputer może zachowywać się na astronomiczną liczbę różnych sposobów.
  6. Zarzut Lady Lovelace : Jeden z najbardziej znanych zarzutów głosi, że komputery są niezdolne do oryginalności. Dzieje się tak głównie dlatego, że według Ady Lovelace maszyny nie są zdolne do samodzielnej nauki.

    Silnik analityczny nie ma żadnych pretensji, by cokolwiek stworzyć. Może robić wszystko, co wiemy, jak zlecić jej wykonanie. Może śledzić analizę; ale nie ma mocy antycypowania jakichkolwiek relacji analitycznych czy prawd.

    Turing sugeruje, że zarzut Lovelace'a można sprowadzić do twierdzenia, że ​​komputery „nigdy nie mogą nas zaskoczyć” i twierdzi, że wręcz przeciwnie, komputery mogą nadal zaskakiwać ludzi, w szczególności tam, gdzie konsekwencje różnych faktów nie są od razu rozpoznawalne. Turing twierdzi również, że Lady Lovelace była utrudniona przez kontekst, z którego pisała, i jeśli zostanie wystawiona na bardziej współczesną wiedzę naukową, stanie się oczywiste, że pamięć mózgu jest dość podobna do pamięci komputera.
  7. Argument z ciągłości w układzie nerwowym : Współczesne badania neurologiczne wykazały, że mózg nie jest cyfrowy. Mimo że neurony wystrzeliwują impuls typu „wszystko albo nic”, zarówno dokładny czas impulsu, jak i prawdopodobieństwo wystąpienia impulsu mają składniki analogowe. Turing przyznaje to, ale twierdzi, że każdy system analogowy może być symulowany z rozsądnym stopniem dokładności przy wystarczającej mocy obliczeniowej. ( Filozof Hubert Dreyfus wysunął ten argument przeciwko „założeniom biologicznym” w 1972 r.)
  8. Argument z nieformalności zachowania : Argument ten stwierdza, że ​​każdy system rządzony przez prawa będzie przewidywalny i dlatego nie będzie prawdziwie inteligentny. Turing odpowiada, stwierdzając, że jest to pomieszanie praw zachowania z ogólnymi zasadami postępowania i że jeśli na wystarczająco szeroką skalę (tak jak jest to widoczne u człowieka), zachowanie maszyn staje się coraz trudniejsze do przewidzenia. Twierdzi, że to, że nie możemy od razu zobaczyć, jakie są prawa, nie oznacza, że ​​takie prawa nie istnieją. Pisze on: „na pewno nie znamy okoliczności, w których moglibyśmy powiedzieć, 'przeszukaliśmy wystarczająco. Nie ma takich praw'”. ( Hubert Dreyfus argumentował w 1972 r., że ludzki rozum i rozwiązywanie problemów nie opierają się na formalnych regułach, lecz na instynktach i świadomości, które nigdy nie zostałyby ujęte w regułach. Nowsze badania nad sztuczną inteligencją w robotyce i inteligencji obliczeniowej próbują znaleźć złożone reguły które rządzą naszymi „nieformalnymi” i nieświadomymi umiejętnościami percepcji, mobilności i dopasowywania wzorców (patrz krytyka AI Dreyfusa ). Ta replika zawiera również argument zakładu Turinga .
  9. Percepcja pozazmysłowa : W 1950 roku percepcja pozazmysłowa była aktywnym obszarem badań, a Turing postanowił dać ESP korzyść z wątpliwości, argumentując, że można stworzyć warunki, w których czytanie w myślach nie wpłynie na test.

Uczące się maszyny

W ostatniej części artykułu Turing szczegółowo opisuje swoje przemyślenia na temat maszyny uczącej się, która mogłaby z powodzeniem grać w imitację.

Tutaj Turing najpierw powraca do zarzutu Lady Lovelace, że maszyna może robić tylko to, co jej każemy, i porównuje to do sytuacji, w której człowiek „wstrzykuje” pomysł do maszyny, na którą maszyna reaguje, a następnie zapada w stan spoczynku. Kontynuuje tę myśl poprzez analogię do stosu atomowego o rozmiarze mniejszym niż krytyczny, który należy uważać za maszynę, a wstrzyknięty pomysł ma odpowiadać neutronowi wchodzącemu do stosu z zewnątrz stosu; neutron spowoduje pewne zakłócenie, które ostatecznie zanika. Turing następnie opiera się na tej analogii i wspomina, że ​​jeśli wielkość stosu byłaby wystarczająco duża, wówczas neutron wchodzący do stosu powodowałby zakłócenia, które nadal narastałyby, dopóki cały stos nie zostanie zniszczony, stos byłby nadkrytyczny. Turing następnie zadaje pytanie, czy tę analogię superkrytycznego stosu można rozszerzyć na ludzki umysł, a następnie na maszynę. Konkluduje, że taka analogia rzeczywiście byłaby odpowiednia dla ludzkiego umysłu: „Wydaje się, że istnieje jedna dla ludzkiego umysłu. Większość z nich wydaje się być „podkrytyczna”, tj. odpowiada w tej analogii stosom subkrytycznych rozmiar. Pomysł przedstawiony takiemu umysłowi spowoduje średnio mniej niż jedną ideę w odpowiedzi. Niewielka część jest nadkrytyczna. Pomysł przedstawiony takiemu umysłowi może dać początek całej „teorii” składającej się z drugorzędnych, trzeciorzędnych i więcej zdalnych pomysłów”. W końcu pyta, czy można zrobić maszynę w stanie nadkrytycznym.

Turing wspomina następnie, że zadaniem stworzenia maszyny, która mogłaby grać w grę naśladowniczą, jest programowanie i postuluje, że do końca wieku rzeczywiście będzie technologicznie możliwe zaprogramowanie maszyny do grania w tę grę. Następnie wspomina, że ​​w procesie naśladowania umysłu dorosłego człowieka ważne staje się rozważenie procesów, które prowadzą do tego, że umysł osoby dorosłej znajduje się w jego obecnym stanie; które podsumowuje jako:

1. Początkowy stan umysłu, powiedzmy przy urodzeniu,
2. Edukacja, której została poddana,
3. Inne doświadczenie, nie dające się określić jako wychowanie, któremu zostało poddane.

Biorąc pod uwagę ten proces, pyta, czy nie byłoby lepiej zaprogramować umysł dziecka zamiast umysłu dorosłego, a następnie poddać umysł dziecka okresowi edukacji. Porównuje dziecko do nowo zakupionego notesu i spekuluje, że dzięki swojej prostocie łatwiej byłoby go zaprogramować. Problem dzieli się zatem na dwie części: programowanie umysłu dziecka i proces jego edukacji. Wspomina, że ​​umysł dziecka nie byłby oczekiwany przez eksperymentatora (programistę) przy pierwszej próbie. Musi istnieć proces uczenia się, który obejmuje metodę nagradzania i karania, który wybierze pożądane wzorce w umyśle. Cały ten proces, wspomina Turing, w dużej mierze jest podobny do ewolucji przez dobór naturalny, gdzie podobieństwa są następujące:

Struktura maszyny potomnej = materiał dziedziczny
Zmiany maszyny potomnej = mutacje
Dobór naturalny = osąd eksperymentatora

Po tej dyskusji Turing odnosi się do pewnych specyficznych aspektów maszyny uczącej się:

  • Natura nieodłącznej złożoności: maszyna potomna może być albo tak prosta, jak to tylko możliwe, utrzymująca jedynie spójność z ogólnymi zasadami, albo maszyna może być maszyną z zaprogramowanym w niej kompletnym systemem logicznego wnioskowania. Ten bardziej złożony system jest wyjaśniany przez Turinga jako „..byłby taki, że magazyn maszyn byłby w dużej mierze zajęty definicjami i twierdzeniami . Propozycje miałyby różnego rodzaju status, np. dobrze ustalone fakty, przypuszczenia, matematycznie udowodnione twierdzenia, twierdzenia wydawane przez autorytet, wyrażenia mające logiczną formę zdania, ale nie wartości przekonania. Pewne zdania można opisać jako „imperatywy”. Maszyna powinna być tak skonstruowana, że ​​gdy tylko imperatyw zostanie zaklasyfikowany jako „dobrze ugruntowany”, odpowiednia akcja odbywa się automatycznie." Pomimo tego wbudowanego systemu logicznego zaprogramowane wnioskowanie logiczne nie byłoby formalne, lecz bardziej pragmatyczne. Na dodatek maszyna budowałaby na swoim wbudowanym systemie logicznym metodą "indukcji naukowej".
  • Ignorancja eksperymentatora: Ważną cechą maszyny uczącej się, na którą zwraca uwagę Turing, jest nieznajomość stanu wewnętrznego maszyn podczas procesu uczenia się przez nauczyciela. Jest to przeciwieństwo konwencjonalnej maszyny stanów dyskretnych, której celem jest jasne zrozumienie stanu wewnętrznego maszyny w każdym momencie obliczeń. Maszyna będzie postrzegana jako robiąca rzeczy, których często nie potrafimy zrozumieć lub coś, co uważamy za całkowicie przypadkowe. Turing wspomina, że ​​ta specyficzna cecha nadaje maszynie pewien stopień tego, co uważamy za inteligencję, ponieważ inteligentne zachowanie składa się z odchylenia od całkowitego determinizmu konwencjonalnych obliczeń, ale tylko tak długo, jak to odchylenie nie powoduje bezsensownych pętli lub przypadkowe zachowanie.
  • Znaczenie losowego zachowania: Chociaż Turing ostrzega nas przed przypadkowym zachowaniem, wspomina, że ​​zaszczepienie elementu losowości w uczącej się maszynie miałoby wartość w systemie. Wspomina, że ​​może to być wartościowe, gdy może być wiele poprawnych odpowiedzi lub takie, w których systematyczne podejście mogłoby zbadać kilka niezadowalających rozwiązań problemu przed znalezieniem optymalnego rozwiązania, które pociągałoby za sobą nieefektywny proces systematyczny. Turing wspomina również, że proces ewolucji przebiega drogą przypadkowych mutacji w celu znalezienia rozwiązań korzystnych dla organizmu, ale przyznaje też, że w przypadku ewolucji systematyczna metoda znajdowania rozwiązania nie byłaby możliwa.

Turing kończy spekulacją na temat czasu, w którym maszyny będą konkurować z ludźmi w wielu zadaniach intelektualnych i sugeruje zadania, które można by wykorzystać, aby rozpocząć. Turing następnie sugeruje, że abstrakcyjne zadania, takie jak gra w szachy, mogą być dobrym miejscem do rozpoczęcia innej metody, którą określa jako „…najlepiej wyposażyć maszynę w najlepsze narządy zmysłów, jakie można kupić za pieniądze, a następnie nauczyć ją rozumienia i mówić po angielsku.".

Badanie rozwoju sztucznej inteligencji, które nastąpiło, pokazuje, że ucząca się maszyna poszła abstrakcyjną ścieżką sugerowaną przez Turinga, tak jak w przypadku Deep Blue , komputera do gry w szachy opracowanego przez IBM i który pokonał mistrza świata Garry'ego Kasparowa (choć , to też jest kontrowersyjne) oraz liczne gry komputerowe, które mogą ograć większość amatorów. Jeśli chodzi o drugą sugestię Turinga, niektórzy autorzy porównują ją jako wezwanie do znalezienia symulakrum ludzkiego rozwoju poznawczego. A takie próby znalezienia podstawowych algorytmów, dzięki którym dzieci poznają cechy otaczającego ich świata, dopiero się zaczynają.

Uwagi

Bibliografia

Zewnętrzne linki