Sekarang kami memiliki banyak algoritma yang melakukan fungsi kognitif tertentu (terpisah). Beberapa bermain dengan kami, yang lain mengendarai mobil, yang lain ... Ini bukan untuk saya ceritakan. Kami telah menciptakan program visi komputer yang membedakan rambu-rambu jalan lebih baik daripada diri kita sendiri. Program yang menggambar dan menulis musik. Algoritma membuat diagnosa medis. Algoritma dapat menghubungkan kita dalam mengenali kucing, tapi ... yang ini, yang untuk kucing, tidak lain dari mengenali kucing. Dan kami menginginkan program yang dapat memecahkan masalah! Kita membutuhkan "kuat" atau "AI universal", tetapi tanpa kesadaran kita sendiri, sehingga kita tidak bisa menolak untuk menyelesaikan tugas, kan? Di mana kita bisa mendapatkannya?
Untuk memahami cara kerja intelijen, kita beralih ke satu-satunya contoh yang kita miliki. Ke otak manusia, di mana, seperti yang kita yakini, intelek "hidup". Seseorang akan keberatan - banyak makhluk hidup memiliki otak! Mari kita mulai dengan cacing? Mungkin saja dengan cacing, tetapi kita membutuhkan algoritma yang tidak menyelesaikan cacing, tetapi tugas manusia kita, kan?
Otak kita. Bayangkan saja Dua kilo (maksimum) dari materi kelabu-kelabu lentur. Seratus miliar (kami juga akan mengambil maksimum) dari neuron, yang masing-masing siap untuk menumbuhkan hingga sepuluh ribu koneksi dinamis - sinapsis, yang dapat muncul dan menghilang. Ditambah beberapa jenis sinyal di antara mereka, dan bahkan glia membuat kejutan - ia juga melakukan sesuatu, membantu, dan berkontribusi. (Untuk referensi: neuroglia atau hanya glia adalah kumpulan sel-sel tambahan dari jaringan saraf. Jumlahnya sekitar 40% dari volume sistem saraf pusat. Jumlah sel glial rata-rata 10-50 kali lebih besar daripada neuron). Dendrit baru-baru ini terkejut - ternyata mereka melakukan lebih banyak fungsi daripada yang diperkirakan sebelumnya (1). Otak adalah hal yang sangat kompleks. Jika Anda tidak percaya kepada saya, tanyakan Konstantin Anokhin. Dia akan mengkonfirmasi.
Seseorang melakukan segalanya dengan bantuan otak. Sebenarnya, kita adalah dia. Oleh karena itu, sama sekali tidak mengherankan bahwa gagasan seseorang bahwa "otak = kecerdasan" adalah dan bahkan lebih tidak mengejutkan lagi adalah gagasan menyalin struktur otak dan - voila! - dapatkan apa yang kamu cari. Tetapi otak bukanlah kecerdasan. Otak adalah pembawa. "Besi". Dan Intelek adalah sebuah algoritma, "perangkat lunak". Upaya untuk mereplikasi perangkat lunak dengan menyalin perangkat keras adalah ide yang gagal. Ini adalah pemujaan kargo (2). Anda tahu apa itu "kultus kargo"?
Penduduk asli pulau Melanesia (setelah Perang Dunia II melihat bagaimana pesawat membawa senjata, makanan, obat-obatan, dan banyak lagi), mereka membuat salinan pesawat dan stan pengirim dari jerami, tetapi tidak membantu diri mereka sendiri dalam mendapatkan barang, karena mereka tidak tahu bahwa bersembunyi di balik penampilan pesawat terbang. Jadi kami, setelah membongkar kalkulator ke roda gigi, tidak akan menemukan satu digit pun di dalamnya. Dan, apalagi, tidak ada petunjuk tentang operasi dengan angka.
Beberapa tahun yang lalu, Andrei Konstantinov dalam salah satu edisi majalah "Schrödinger's Cat" (No. 1-2 untuk 2017), di kolomnya "Di mana jiwa robot", menulis: "Sejak zaman Leibniz, kami belum menemukan apa pun di otak, kecuali untuk "bagian yang saling mendorong". Tentu tidak ditemukan! Dan kita tidak akan menemukannya. Kami mencoba memulihkan program menggunakan perangkat keras komputer, tetapi ini tidak mungkin. Sebagai argumen pendukung, saya akan memberikan kutipan panjang (3):
... Ahli saraf, dipersenjatai dengan metode yang biasa digunakan untuk mempelajari struktur saraf yang hidup, mencoba menggunakan metode ini untuk memahami cara kerja sistem mikroprosesor yang paling sederhana. "Otak" adalah MOS 6502 - salah satu mikroprosesor paling populer sepanjang masa: chip 8-bit yang digunakan di banyak komputer pribadi awal dan konsol game, termasuk Apple, Commodore, Atari. Secara alami, kita tahu segalanya tentang chip ini - lagipula, itu diciptakan oleh manusia! Tetapi para peneliti berpura-pura tidak tahu apa-apa - dan mencoba memahami pekerjaannya, mempelajari metode yang sama dengan mempelajari otak yang hidup.
Tutupnya secara kimiawi dikeluarkan, sirkuit dipelajari di bawah mikroskop optik dengan akurasi transistor tunggal, model digital dibuat (di sini saya menyederhanakan sedikit, tetapi esensinya benar), dan modelnya sangat akurat sehingga ternyata memungkinkan untuk menjalankan game lama di atasnya (Space Invaders, Donkey Kong, Batu sandungan). Dan kemudian chip (lebih tepatnya, modelnya) menjadi sasaran ribuan pengukuran secara bersamaan: selama eksekusi game, voltase pada setiap kabel diukur dan keadaan masing-masing transistor ditentukan. Ini menghasilkan aliran data satu setengah gigabyte per detik - yang telah dianalisis. Grafik semburan dari masing-masing transistor dibuat, irama diidentifikasi, elemen rangkaian ditemukan, terputusnya sambungan yang membuatnya tidak beroperasi, saling tergantung elemen dan blok ditemukan, dll.
Seberapa rumit sistem ini dibandingkan dengan yang hidup? Prosesor 6502, tentu saja, bahkan tidak dekat dengan otak mouse. Tapi mendekati kompleksitas ke cacing Caenorhabditis elegans - pekerja keras ahli biologi: cacing ini telah dipelajari jauh dan luas dan upaya telah dilakukan untuk mensimulasikannya sepenuhnya dalam bentuk digital (...) Jadi, tugas menganalisis sistem pada chip 6502 bukanlah penyederhanaan yang berlebihan. Dan hasilnya memiliki hak untuk diekstrapolasi ke sistem in vivo.
Tapi para peneliti ... dikalahkan! Tidak, beberapa hasil diperoleh, tentu saja. Menganalisis chip, kami berhasil mengidentifikasi blok fungsional, membuat sketsa diagram kemungkinan interkoneksi mereka, dan mendapatkan beberapa petunjuk menarik tentang bagaimana mikroprosesor secara keseluruhan mungkin bekerja. Namun, pemahaman dalam arti di mana neuroscience membutuhkannya (dalam hal ini: untuk dapat memperbaiki kerusakan), tidak tercapai. "
Pada titik tertentu, para peneliti muncul yang mulai mengatakan tentang hal yang sama - bahwa Anda perlu mempelajari algoritma, bahwa Anda perlu memahami fungsi apa yang dilakukan intelek. Misalnya, Demis Hassabis (DeepMind), bersiap untuk berbicara di Singularity Summit di San Francisco (2010), mengatakan yang berikut: “Tidak seperti pidato lain di KTT AGI, pembicaraan saya akan berbeda karena saya tertarik pada tingkat sistemik ilmu saraf - algoritma otak - dan bukan perincian, bagaimana mereka diimplementasikan oleh jaringan otak dalam bentuk paku neuron dan sinapsis, atau neurokimia tertentu, dll. Saya tertarik pada algoritma apa yang digunakan otak untuk menyelesaikan masalah dan yang perlu kita temukan untuk sampai ke AGI ".
Namun, setelah 10 (!!!!!) tahun, semuanya masih berlangsung: para ilmuwan mempelajari otak dan mencoba menghitung dari manifestasi eksternal dari aktivitas fisiologis dan struktur internalnya bagaimana proses menarik terjadi. Berapa banyak tugas - begitu banyak proses. Semua orang berbeda. Otak setiap orang kecil, tetapi berbeda. Tentu saja, ada beberapa gambar rata-rata, namun ... Bayangkan bahwa pada saat sembarang waktu, otak memecahkan banyak hal, termasuk tugas "bawah sadar", memantau dan mengendalikan keadaan internal tubuh, memahami dan menginterpretasikan sinyal dari lingkungan eksternal (dan kita tidak berbicara tentang beberapa putaran umpan balik). Akankah kita dapat dengan yakin mengidentifikasi, mengidentifikasi dengan andal, dan dengan jelas memisahkan "kegiatan" ini dari satu sama lain? Apakah ini mungkin secara prinsip? Sejujurnya, saya meragukannya.Belum lagi reproduktifitas proses ini pada media non-biologis ...
Mari kita lihat situasinya secara berbeda. Apa itu "tugas" secara umum? Ini adalah situasi yang sulit yang dihadapi seseorang dan sedang berusaha untuk menyelesaikannya. Seperti yang ditunjukkan oleh ahli matematika Amerika Herbert Simon dan Allen Newell pada pertengahan abad terakhir, setiap masalah dalam bentuk umum dapat digambarkan sebagai transisi dari keadaan "Sistem dengan masalah" ke negara "Sistem tanpa masalah". Mereka mengembangkan program komputer, menyebutnya "General Problem Solver" (Pemecah Masalah Universal), tetapi mereka tidak maju melampaui memecahkan masalah dari jenis tertentu, sehingga universalitas algoritma mereka tetap dipertanyakan. Tetapi rumus "Sistem dengan masalah" -> "Sistem tanpa masalah" ternyata benar-benar benar!
Transformasi Sistem adalah proses transfernya dari keadaan awal "dengan masalah" ke keadaan yang diinginkan "tanpa masalah" (4). Dalam proses transformasi (yaitu, memecahkan masalah), sistem masalah menjadi bebas masalah (baik, atau kurang bermasalah), meningkatkan, menghilangkan kekurangannya dan "bertahan", yaitu, terus digunakan. Oh, tunggu, apa yang baru saja kita katakan? Menyingkirkan kekurangan? Bertahan hidup? Hmm ... Sesuatu yang biasa. Di suatu tempat kita ... Oh, well, ya. Evolusi! Semakin sedikit kekurangan - semakin banyak peluang untuk bertahan hidup!
Mari kita periksa diri kita sendiri, ingat dan ulangi postulat utama: di alam yang hidup, organisme dengan sejumlah besar sifat bermanfaat memiliki peluang lebih besar untuk bertahan hidup (well, secara konvensional - tanduknya lebih bercabang, ekornya lebih megah). Jika bulu-bulu tubuh lebih pucat, dan suara itu lebih menjijikkan (sifat-sifat berbahaya), maka, kemungkinan besar, hidupnya akan pendek dan akan berlalu sendiri. Pada akhirnya, tekanan seleksi menyebabkan organisme untuk menyingkirkan kekurangan dan menjadi lebih dan lebih layak. Jika Anda tidak percaya, tanyakan kepada Sir Charles Darwin. Dia akan mengkonfirmasi.
Jadi, kami menerima fakta bahwa
a) fungsi intelek adalah solusi masalah (apa saja) dan
b) solusi masalah adalah peningkatan Sistem (apa saja), yang selama itu menghilangkan kekurangannya, menjadi lebih layak. Dengan kata lain, itu berkembang.
Mendengar bunyi berderak? Pemahaman kita tentang kerumitan kecerdasan yang mulai terpecah-pecah. Ternyata konsep "kompleksitas otak" dan "kompleksitas kecerdasan" yang sudah ada sebelumnya tidak lagi identik. Bagaimana jika, untuk "memperoleh Intelijen", seseorang tidak perlu "merekayasa balik" proses neurofisiologis untuk menyelesaikan suatu masalah, menangkap bayangan bayangan hantu dalam sebuah penghubung (terutama karena setiap orang memiliki masalah yang unik) atau terlibat dalam pembelajaran mendalam tentang jaringan? Bagaimana jika ... kita perlu membuat algoritma evolusi sistem, yaitu jalur transformasi dari kondisi yang kurang sempurna menjadi kondisi yang lebih sempurna menggunakan hukum evolusi yang kita kenal? Bagaimana jika, sampai hari ini, kami benar-benar menyelesaikan masalah yang salah?
Pada saat yang sama, saya tidak ingin mengatakan sama sekali bahwa tidak perlu terlibat dalam pelatihan jaringan. Ini dan area lainnya memiliki prospek yang bagus. Selain itu, saya tidak ingin mengatakan bahwa penelitian mendalam tentang fisiologi otak adalah buang-buang waktu. Mempelajari otak adalah tugas yang penting dan perlu: kita akan lebih memahami bagaimana otak bekerja, kita akan belajar bagaimana menyembuhkannya, pulih dari cedera dan melakukan hal-hal menakjubkan lainnya, tetapi kita tidak akan sampai pada kecerdasan.
Seseorang mungkin akan keberatan dengan saya sekarang: tugas-tugas yang diselesaikan seseorang terkait dengan jutaan sistem - alami, sosial, industri, teknis ... Bahan dan abstrak, terletak di berbagai tingkatan hierarki. Dan mereka masing-masing berkembang dengan caranya masing-masing, dan evolusi Darwin adalah tentang sifat alami. Kelinci, bunga, ikan, burung ... Tetapi penelitian menunjukkan bahwa hukum evolusi itu universal.
Tidak perlu mencari bukti untuk waktu yang lama - semuanya ada di depan mata Anda. Mereka yang memilikinya, biarkan mereka melihat. Apa pun yang Anda ambil - dari pertandingan ke Boeing, dari tangki ke ... bass ganda - di mana-mana (5) kita melihat faktor keturunan, variabilitas dan seleksi! Dan semua variasi perubahan evolusioner (kompleksitas nyata yang terkait dengan fakta bahwa semua sistem pada dasarnya berbeda dan berada pada level hierarki yang berbeda) dapat diekspresikan dalam satu siklus tunggal. Kamu ingat kan? "Sistem dengan masalah" -> "Sistem tanpa masalah".
Apa itu "Sistem dengan Masalah"? Ini adalah Sistem (material dan abstrak, sosial, industri dan teknis, ilmiah dan ... apa saja - sebuah objek, ide, hipotesis - apa pun), di mana beberapa kelemahan telah ditemukan yang mempengaruhi (perhatian!) Keinginan kami dan kemungkinan menggunakannya ... Sistemnya tidak cukup baik. Sistemnya tidak cukup efisien. Ini memiliki rasio manfaat / biaya rendah. Kami ingin, bisa dan siap untuk menolaknya, dan sering menolak. Tetapi kita membutuhkan yang lain (melakukan fungsi berguna yang kita butuhkan), tetapi sudah "tanpa masalah" - lebih efisien, tanpa kekurangan (atau dengan lebih sedikit dari mereka). Nah, Anda melihat gambar ini di atas ... Tentu saja, satu "panah" antara dua kondisi ekstrim (awal dan yang diinginkan) tidak cukup bagi kami. Kita membutuhkan "operator" yang sama, "transformator", kan? Mari kita coba menemukannya? Anda akan setujubahwa jika berhasil, kami akan menerima deskripsi (setidaknya, untuk memulai, dan disederhanakan) dari algoritma universal yang sangat kami butuhkan?
Titik awalnya adalah "Sistem dengan masalah". Kami mulai berpikir tentang cara berhenti menggunakannya. Saat kita memanggil (atau merasakan) "Sesuatu harus dilakukan!"
Alasan yang mengancam kelangsungan hidup sistem adalah rendahnya idealitas, yang dinyatakan dalam nilai yang dikurangi dari rasio fungsi yang berguna dari sistem untuk fungsi yang mahal (berbahaya).
Apa yang kita lakukan selanjutnya? Kami juga a) membuat sistem baru (jika sistem dengan fungsi yang diperlukan tidak ada, atau sistem yang ada tidak memiliki sumber daya untuk ditingkatkan), atau b) kami meningkatkan, memodifikasi yang sudah ada (jika masih ada sumber daya). Kami mempelajari struktur internal dan berurusan dengan lingkungan eksternal - kami mengidentifikasi kelemahan eksternal dan internal Sistem dan, setelah menghilangkannya, kami mendapatkan Sistem yang ditingkatkan. Sistem dengan idealitas yang meningkat dan vitalitas yang meningkat!
Karena kenyataan bahwa Skema di atas menggambarkan proses pengembangan, peningkatan, atau, jika Anda suka, evolusi sistem apa pun (yang mudah diverifikasi dengan mengganti kata "Sistem" yang lain yang Anda inginkan - dari "Kap Lampu" ke "Jangkar"), saya Saya pikir Anda dapat dengan aman ... dan bahkan - Anda perlu! sebut saja "Skema Universal Evolusi". Dan perhatikan - ini benar-benar algoritmik, yaitu, ia sepenuhnya berada di bawah definisi algoritma: Algoritma adalah resep yang tepat untuk melakukan dalam urutan tertentu sistem operasi tertentu yang mengarah ke solusi dari semua masalah jenis ini. berarti - dapat diimplementasikan dalam bentuk program komputer).
Dalam bentuk yang disajikan, Skema Universal Evolusi:
- alami - hukum evolusi telah diidentifikasi dalam sistem dari berbagai jenis, dan tindakannya telah diuji dalam teknologi, produksi, masyarakat, alam dan pemikiran;
- obyektif - hukum evolusi tidak tergantung pada pendapat peneliti dan / atau pengguna;
- logis dan konsisten - hukum evolusi mengikuti satu sama lain;
- lengkap - seperangkat hukum evolusi cukup untuk menggambarkan sistem apa pun;
- kaku - hukum evolusi tidak dapat diatur ulang dan
- ditutup - hukum evolusi membentuk suatu siklus: sistem, setelah melalui satu siklus perubahan, segera memulai yang baru.
Apa yang kita dapatkan sebagai hasilnya: Evolusi sistem (disajikan dalam bentuk Skema Universal) adalah cara untuk memperbaikinya, menyingkirkan kekurangannya. Dengan kata lain, ini adalah algoritma untuk menyelesaikan masalah. Dan memecahkan masalah adalah apa yang dilakukan oleh intelek. Mari sederhanakan dan dapatkan: Skema Universal = deskripsi fungsi intelijen.
Kritik konstruktif sangat dianjurkan.
1. « , » chrdk.ru/news/dendrity-vazhnee-chem-schitalos
2. ru.wikipedia.org/wiki/_
3. . . « ! » www.computerra.ru/161756/6502
4. Chapter 6. Problem Solving. Artificial Intelligence. A Knowledge-Based Approach by Morris W.Firebaugh University of Wisconsin – Parkside PWS-Kent Publishing Company Boston 1988, p. 172.
5. . , , , . www.ng.ru/science/2017-01-11/14_6899_evolution.html