Zalazak dublje: Povijest ideja u AI istraživanju

Sanjaju li androidi električne ovce? Vratimo se vremenu kada su AI pitanja bila jasnija (ali još uvijek teško odgovoriti).

Umjetna inteligencija kreće se brzo. Vibra je svuda okolo. Činjenice počinju zvučati poput filmova znanstvene fantastike i filmova znanstvene fantastike poput verzije stvarnosti (s boljom grafikom). Može biti da je AI napokon postigao razinu zrelosti koju je slijedio desetljećima i koju je tvrdoglavo uskraćivao, čineći dijelove svoje zajednice i cijeli svijet sumnjičavima protiv svoje izvodljivosti.

Frankenstein može sadržavati paralele relevantne za današnji dan. Gothic roman Mary Shelley sadrži raspravu o posljedicama stvaranja i uvođenja umjetnog bića u društvo. Stvorenje nas zbunjuje svojom neljudskom zločinom i ljudskim manifestacijama slabosti, potrebom za druženjem i egzistencijalnom krizom.

Moglo bi se reći da se trebamo usredotočiti na budućnost i posljedice naših otkrića. Ali kako se može usredotočiti na kaos stvoren ubacivanjem armije Stvorenja u sustav toliko kompliciran kao suvremeno društvo? Moglo bi se usredotočiti i na dostignuća, priče o uspjehu koji su učinili da ove ideje zvuče pobožno. Ali kako netko može naknadno razlikovati ispravnu intuiciju i sreću?

Potrebno je samoograničavanje i mudrost da biste na neko vrijeme izdvojili grane vašeg rada i procijenili čvrstinu njegovih korijena. Cvjetanje stabla može vas ometati.

Bez obzira na to želite li pratiti pravila logičkog razmišljanja u drevnim grčkim filozofima, formulaciju rasuđivanja u arapskim matematičarima ili snagu matematičkog znanja kod intelektualaca 19. stoljeća - postaje jedno jasno uznemirujuće shvaćanje: pitanja su dublja od mreža koje možete oblikovati ( čak uzimajući u obzir Mooreov zakon).

"Vjerujem da ono što postajemo ovisi o tome što nas očevi uče u neobičnim trenucima, kad nas ne žele naučiti. Nas formiraju mali dijelovi mudrosti. "
Umberto Eco

Ostatak rasprave proizvest će se iz povijesti AI. Ne povijest postignuća, već povijest pitanja, argumenata i uvjerenja nekih značajnih pojedinaca. Većina događaja odvija se oko 60-ih, a AI je stekla službenu definiciju, svrhu, znanstvenu zajednicu i svoje protivnike.

Mogu li strojevi razmišljati?

1950. godine Alan Turing pokušava na ovo namjerno jednostavno izraženo pitanje odgovoriti u svom seminarskom radu Računarski strojevi i inteligencija. Priznajući njezinu dvosmislenost i ograničenja koja joj nameće razumijevanje AI, nastavlja se formuliranjem misaonog eksperimenta, poznatog i kao Turingov test:

Igrač A je muškarac, igrač B žena, a igrač C bilo kojeg spola. C igra ulogu ispitivača i ne može vidjeti nijednog igrača, ali može komunicirati s njima bezličnim notama. Postavljajući pitanja A i B, C pokušava utvrditi koji je od njih dvojice muškarac, a koji žena. Uloga uloga je da nagovara ispitivača da donese pogrešnu odluku, dok B pokušava ispitanika pomoći u donošenju prave.

Preformulirano pitanje je:

Što će se dogoditi kada stroj preuzme dio A u ovoj igri? Hoće li ispitivač odlučiti pogrešno jednako često kao i kad se igra između dvoje ljudi?

Čini se da Turingov pristup slijedi doktrinu testa za patku: Ako izgleda poput patke, pliva poput patke, a pluta poput patke, onda je to vjerojatno patka.

Njegov stav kada je riječ o "ljudskim" aspektima inteligencije, kao što je svijest, je da ne možete kriviti nekoga (ili nešto) za to što nema svojstvo koje tek morate definirati. Dakle, svijest je nevažna u našoj potrazi za AI.

Gödelovi teoremi o nepotpunosti bili su prepreka u pokušaju razgovora o AI. Prema njima, matematička logika ne može biti i cjelovita i dosljedna, pa se očekuje da strojevi opremljeni matematičkom logikom za učenje, kao što je slučaj s AI-om, neće uspjeti u učenju nekih istina. Turingov odgovor na ovo poprilično je razoružavajući: kako znati da ljudski intelekt također ne dolazi sa svojim ograničenjima?

Turingov rad bogat je i argumentima i jasnom dijalektičkom strukturom, iako ograničen u spekulacijama o tehnologijama koje tek treba otkriti.

Koraci prema umjetnoj inteligenciji

Marvin Minsky bio je jedan od očeva AI kao istraživačkog polja. U prašnjavom albumu s fotografijama obitelji AI, Minsky bi bio taj starac koji unosi neku nelagodu na obiteljsku večeru: "Stari ujak Minski. Bio je šarmantan osebujan i uvijek je imao nešto zanimljivo za reći “.

Minsky je bio jedan od organizatora Dartmouth konferencije 1956. godine, gdje je umjetna inteligencija prvi put definirana kao pojam i polje. Najviše ga pamte po svojoj snažnosti vjerovanja da je AI izvediv i zbog njegove amortizacije ako ga slijedi pogrešnim sredstvima.

Pogledajmo što je Minsky imao reći 1961. godine, kada su ga pitali o dosadašnjem napretku u AI.

Trebamo li se zapitati što je zapravo inteligencija? Moje mišljenje je da je ovo više estetsko pitanje, ili osjećaj dostojanstva, nego tehnička stvar! Čini mi se da "inteligencija" označava nešto više od kompleksa predstava koje slučajno poštujemo, ali ne razumijemo. Obično je to pitanje "dubine" u matematici. Nakon što se dokaz teoreme zaista shvati, čini se da njegov sadržaj postaje trivijalni.

Uviđajući urođene poteškoće u definiranju AI i time ga provodeći, Minsky započinje postavljanjem građevnih stupova na njemu. Prema njegovim riječima, to su pretraživanje, prepoznavanje obrazaca, učenje, planiranje i indukcija.

Ako je konačna svrha programa pretraživanje i pronalazak vlastitih rješenja, tada prepoznavanje uzoraka može mu pomoći u prepoznavanju odgovarajućih alata, učenje može pomoći poboljšanju kroz iskustvo, a planiranje može dovesti do učinkovitijeg istraživanja. Što se tiče mogućnosti izrade stroja s induktivnim sposobnostima, a time i rasuđivanja, Minsky mora reći:

Sada [prema Gödelovoj teoremi nepotpunosti] ne može postojati sustav za induktivno zaključivanje koji će dobro djelovati u svim mogućim univerzumima. Ali s obzirom na svemir [naš svijet], ili skup svemira, i kriterij uspjeha, ovaj (epistemološki) problem za strojeve postaje tehnički, a ne filozofski.

Ostatak teksta sadrži ponavljajući poriv za pojašnjenjem da se potraga za AI mora odvijati kroz složene, hijerarhijske arhitekture. Iz tog razloga on propituje perceptron pristup, jer neće uspjeti za umjereno teške probleme. Iskreno, ne možemo očekivati ​​da je stvarnost pojednostavljena.

Minski se može pripisati odgovornosti za obeshrabrivanje istraživanja perceptrona, što je vjerojatno odgodilo procvat dubokog učenja. Čini se da je shvaćanje da, čak i pomoću jednostavnih građevnih blokova, moguće rješavanje složenih problema ulaskom u duboke arhitekture, izbjeglo njegov, doduše, genijalan uvid.

Ipak, njegove primjedbe mogu se smatrati u konačnici konstruktivnom kritikom, jer su pomogle zajednici da istraži slabosti izvornih pristupa. Također, duboko učenje možda je najbolje što smo dosad imali (i koliko čudesne su aplikacije), ali ne smije se bezuvjetno smatrati svetim gralom AI-ja.

Umovi, mozgovi i programi

1980. John Searle se naljutio. Iako se vjerojatno ranije naljutio, ovo je trenutak kada je odlučio objaviti svoje neslaganje s jakim AI. Doista, čak i naslov zvuči sarkastično. Osjećam kako me Searle hvata za ovratnik i snažno maše prstom govoreći: "Dopustite da vam pomognem da utvrdite neke temeljne razlike, mladiću".

"Dobiva se dojam da ljudi iz AI koji pišu takve stvari misle da se mogu riješiti jer to ne shvataju ozbiljno, a ne misle ni drugi. Predlažem barem na trenutak da to shvatite ozbiljno. "

Searle napada isključivo pojam snažnog AI-a, što on identificira kao sposobnost računala da vježba bilo koje ljudsko ponašanje. On to prevodi u sposobnost stroja da pokaže svijest što on opovrgava analogijom. Njegov poznati misaoni eksperiment, Kineska soba, ide ovako:

Vi ste jednojezični govornik engleskog jezika zaključan u sobi sa slijedećim stvarima: velika serija kineskog pisanja (koja se naziva skripta), još jedna velika hrpa kineskog pisanja (koja se zove priča) i skup engleskih pravila koja vas upućuju kako uskladiti kineski simboli druge serije do prve (koja se naziva program). Zatim ćete dobiti još jednu seriju kineskog pisanja (ovaj put zvanu pitanja) i još jedan skup engleskih uputa s pravilima koja ta pitanja odgovaraju ostalim dvjema skupinama. Čestitamo, upravo ste naučili kineski!

Ovo je eksperiment Kineska soba, koji je Searle uveo 1980. godine. Mišljeni eksperiment nije eksperiment sam po sebi, jer se ne provodi njegov cilj, već istražiti potencijalne posljedice ideje. Najstariji i najpoznatiji je, vjerojatno, Galileov eksperiment Nagnuti toranj iz Pise (jeste li i vi mislili da Galileo zapravo baca jabuke s tornja?).

Searleova poanta je da činjenica da možete proizvesti kineski odgovor prihvatanjem kineskih pitanja ne znači da razumijete kineski, ako je ta sposobnost stvorena slijeđenjem pravila na nekom drugom jeziku. Kao posljedica toga, stroj koji daje očekivani izlaz nakon što mu je dodijeljen odgovarajući algoritam ne bi se trebao smatrati subjektom koji razmišlja.

Ono što Searle ne osporava je sposobnost programa da razmišlja kao u smislu nekog funkcionalnog rasuđivanja. On optužuje trenutne istraživače AI da su bihevioristički i operacionistički, dok pokušavaju izjednačiti program s umom (što je istina), ostavljajući na stranu važnost mozga.

Prema njegovom mišljenju svijest dolazi samo iz bioloških operacija, a budući da je program posve neovisan o njegovoj provedbi (jer se može izvoditi na bilo kojem hardveru), on ne može pokazati svijest.

Čitajući izvorni tekst, čovjek dobije osjećaj da napada nezrelu zajednicu računalnih znanstvenika koja se ne trudi postići konsenzus o tome što je inteligencija, ali svejedno pokušava je simulirati vođena teleološkim pristupima i nagađanjima.

Minski je odgovor na Searle i filozofske pristupe općenito podjednako nihilistički: "oni pogrešno shvaćaju i treba ih ignorirati".

Slonovi ne igraju šah.

I ne biste ih trebali osjećati loše zbog toga. Ovaj je članak, koji je Rodney A. Brooks napisao 1990. godine, pokušaj evangeličara Nouvelle AI da uvjeri, koristeći obje argumente i svoju robotsku flotu, da bi klasični pristup AI trebao ostaviti prostora za njegovo.

Da bi dobio osjećaj tog doba, AI je proživljavao svoju drugu zimu. Sredstva su smanjena nakon što su kompanije i vlade shvatile da je zajednica postavila previsoka očekivanja.

Dakle, vrijeme je za introspekciju. Kad nešto bitno ne uspije, postoje dva načina da se to postigne: ili je to nemoguće postići ili je vaš pristup pogrešan.

Brooks je sugerirao da je stagnacija AI posljedica dogme funkcionalne reprezentacije. Hipoteza sustava simbola dugotrajni je pogled na to kako djeluje inteligencija. Prema njemu, svijet uključuje entitete, poput ljudi, automobila i kozmičke ljubavi, pa je prirodno da ih uskladimo s simbolima i strojevima za hranjenje s njima. Ako je ova hipoteza tačna, tada ste pružili stroju sve potrebne podatke da bi "došao" do inteligencije.

Iako se ta pretpostavka ne čini problematičnom, ima neke dalekosežne posljedice koje bi mogle objasniti loše djelovanje AI:

  • Sustav simbola nije adekvatan za opisivanje svijeta. Prema problemu okvira logična je zabluda pretpostaviti sve što nije izričito navedeno. Do danas, Brooks šarmantno sugerira: zašto ne uzeti svijet kao svoj model?
  • Inteligencija ne može proizaći iz jednostavnih izračuna. Golema upotreba heuristike koja je nužna za obuku inteligentnih algoritama je kontradikcija našem pokušaju stvaranja znanja. (Vaša pretraga rešetki vrijeđa ljudski intelekt.)
  • AI opsesija osiguravanjem općenitosti naučenog modela dovela je do pojave koju Brooks naziva zagonetkom: pretjerani napor uložen u dokazivanje da algoritam radi u nejasnim slučajevima. Svakako je privlačna sposobnost, ali ne čini se da je to temeljna posljedica znanja, a naš je svijet prilično dosljedan.

Brookova kontrapozicija hipoteza je fizičkog utemeljenja. Odnosno, dopustite umjetnoj inteligenciji da izravno komunicira sa svijetom i upotrijebite ga kao svoj vlastiti prikaz. To svakako mijenja standardnu ​​praksu AI: od učenja koje zahtijeva ogromne računske resurse, vodstva stručnjaka i nikad zadovoljne potrebe za podacima o obuci, Brook predlaže opremanje fizičkih subjekata jeftinim hardverom i njihovo oslobađanje u svijetu. No, podcjenjuje li to problem?

Brooks vidi kako se inteligencija izdiže iz kolektivnog ponašanja, a ne od sofisticiranih dijelova. Možda najdublje zapažanje njegovih eksperimenata odnosi se na to kako „ciljno usmjereno ponašanje proizlazi iz interakcija jednostavnijih ponašanja koja nisu usmjerena na cilj“. Ne treba postojati unaprijed određeni obrazac koordinacije, jer bi inteligentni stroj trebao crtati vlastite strategije za optimalnu interakciju sa svijetom.

Brookov argument evolucije dugo nas vodi u uvjeravanju u važnost hipoteze o fizičkom tlu: ljudi su najčešći i najbliži primjer koje inteligenciji moramo dati. Dakle, u našem pokušaju da obnovimo ovu karakteristiku nije li prirodno promatrati evoluciju, spor, prilagodljiv proces koji je postupno doveo do oblikovanja ljudske civilizacije? Ako uzmemo u obzir vrijeme koje nam je trebalo da razvijemo vještine poput interakcije, reprodukcije i preživljavanja, za razliku od naših još mladih sposobnosti korištenja jezika ili igranja šaha, tada se može zaključiti da su ovo najteže vještine za razvijanje , Dakle, zašto se ne usredotočiti na to?

Iako je ekstatičan u pogledu praktičnosti svog pristupa, Brook priznaje njegova teorijska ograničenja, koja se mogu pripisati činjenici da tek moramo razviti cjelovito razumijevanje dinamike interakcije populacije. Još jednom, očito je nepoštivanje inženjera prema filozofskim prigovorima:

"Barem ako naša strategija ne uvjeri filozofe naslonjača, naš će inženjerski pristup radikalno promijeniti svijet u kojem živimo."

AI očituje napredak

Unatoč plutanju u moru pitanja, AI manifestuje nešto čemu ne možemo osporiti: napredak. Unatoč tome, uklanjanje trenutnih aplikacija iz učinaka tehnološkog napretka i heurističkih prednosti kako bi se stekla precizna percepcija kvalitete trenutnog istraživanja je mučan zadatak.

Hoće li se duboko učenje pokazati vrijednim alatom za zadovoljavanje naših i uvijek zahtjevnih kriterija inteligencije? Ili je ovo još jedno međuglacijalno razdoblje prije nego što AI ponovno dosegne zimu?

Štoviše, brige i pitanja prebacila su se iz čisto filozofskog u socijalno, jer posljedice AI u svakodnevnom životu postaju očiglednije i goruće od potrebe za razumijevanjem svijesti, Boga i inteligencije. Ipak, na ovo je možda još teže pitanje i potaknuti nas da kopamo još dublje.

Kad je Wittgenstein napisao "Traktaktus", suočio se s opasnošću od temeljne zablude: njegovi su argumenti postali žrtve doktrine njegovog djela. Odnosno, ako je netko prihvatio njegovu doktrinu kao istinitu, njegovi su argumenti bili nelogični i stoga bi njegova doktrina trebala biti lažna. Ali Wittgenstein je mislio drugačije:

"Moje su tvrdnje na ovaj način pojašnjene: onaj tko me razumije, konačno ih prepoznaje kao besmislene kad se provuče kroz njih, na njima, nad njima."

Da bismo shvatili istinu koja stoji iza složene ideje, moramo se razviti. Moramo čvrsto stajati na svom prethodnom koraku i biti spremni odustati od toga. Ne mora svaki korak biti točan, ali mora se razumjeti. Kad se kasnije suočio s ovom tvrdnjom, Wittgenstein je rekao da mu ne trebaju ljestvice, jer je sposoban izravno pristupiti istini.

Možda će nam trebati.