Čeká na vás nový svět. Zdroj viru a jeho šíření

Ministerstvo školství Ruské federace

Uralská státní lesnická univerzita

Katedra filozofie

Abstrakt na téma:

Vědomí a umělá inteligence

Vyplnil: Borisov A.V., DS-36

Zkontroloval: Yakovleva E.A.

Jekatěrinburg – 2004

Úvod 3

Názory na pojem „znalosti“ 5

Vědomí a mysl 8

Umělá inteligence a teoretické problémy psychologie 11

Závěr 13

Reference 14

ÚVOD

Stále se rozšiřující používání elektronických počítačů a rostoucí role jejich role v životě společnosti učinily skutečný problém vztah mezi schopnostmi lidského myšlení a tzv. strojovou neboli umělou inteligencí.

V současné době je téměř nemožné označit jedinou sféru lidské činnosti, kde se počítače nepoužívají nebo je nelze používat. Zároveň vyvstávají otázky: „Jaký typ práce mohou v zásadě vykonávat moderní počítače a proč?“, „Jaké oblasti a úrovně lidské činnosti nepodléhají automatizaci?“, „Jaké jsou perspektivy rozvoje a používání počítačů?"

Odpovědi na tyto otázky do značné míry závisí na vyřešení problému vztahu a propojení člověka a kybernetických strojů. Má nejen teoretické, ale i praktický aspekt, neboť rozdělení funkcí mezi člověka a počítač nelze realizovat bez správného pochopení problematiky podstaty tohoto vztahu a jeho komplexního rozvoje v řadě aspektů: kybernetickém, logickém, matematickém, psychologickém, psychofyziologickém. Ale při zkoumání stavu problému a obtíží, které stojí v cestě jeho řešení, se objevují otázky, které přesahují kompetence specialistů na kybernetiku, logiku, matematiku a psychologii a vyžadují filozofický a metodologický rozbor a argumentaci.

V literatuře věnované filozofickým problémům kybernetiky byla úvaha o problému vztahu lidského myšlení a schopností počítače často nahrazována otázkou: Myslí stroje? Zároveň byl pojem „stroj“ vykládán příliš abstraktně a myšlení bylo definováno v termínech formální logiky a strojových operací. Předpokládalo se, že rozvoj „strojového myšlení“ narazí pouze na čistě technické potíže, které budou překonány, stejně jako postupně se zdokonalující letectví překonává „zvukovou bariéru“

Důvodem ukvapených optimistických závěrů byly první úspěchy při řešení docela jednoduché úkoly, umožňující jejich kompletní algoritmizaci, programování a následné autonomní zpracování informací na počítači. Zároveň se zdálo, že řešení složitějších problémů bylo možné zvýšením rychlosti zpracování informací, množstvím „paměti“, automatickým rozpoznáváním textu zadávaného do počítače pomocí automatických čtecích zařízení a hlavně zlepšením informačních technologií. logické programy, zejména metody heuristického programování.

Při přechodu na řešení složitých problémů se však ukázalo nemožné vytvořit plně formalizovaná řešení a strojní programy. Důvodem je, že proces jejich řešení ve všech hlavních fázích zahrnuje neformální, zejména kreativní prvky, které jsou výlučnou výsadou člověka.

Uvědomění si této okolnosti posloužilo jako impuls ke změně strategie využívání počítačů ve všech sférách lidské činnosti; od strategie, která zahrnovala postupné, zásadně neomezené nahrazování funkcí lidské inteligence umělými, až po strategii spolupráce lidských a počítačových schopností. Jestliže se dřívější kybernetika snažila doložit a dokázat plodnost dalekosáhlých analogií mezi lidským myšlením a kybernetickými zařízeními, nyní to již zasahuje do střízlivého vědeckého hodnocení schopností počítačů.

Naléhavým úkolem kybernetiky se proto stalo studium zásadních rozdílů, schopností a souvislostí mezi člověkem a kybernetickými zařízeními.

Metodologická analýza problémů „umělé inteligence“ a interaktivní interakce mezi člověkem a počítačem je důležitá nejen pro zdůvodnění obecné strategie řešení těchto problémů, ale také pro rozpracování otázek distribuce funkcí člověka a počítače v proces samotného řešení.

NÁHLEDY NA POJEM „ZNALOSTI“

V posledních letech se v informatice stále častěji používá pojem „znalost“. Nachází se ve spojeních jako „základna znalostí“, „banka znalostí“, jazyk reprezentace znalostí, „systémy reprezentace znalostí“ a další. Odborníci zdůrazňují, že zlepšování takzvaných inteligentních systémů (systémy vyhledávání informací vysoká úroveň, dialogové systémy založené na přirozených jazycích, interaktivní systémy člověk-stroj používané v managementu, designu, vědeckém výzkumu) jsou do značné míry určeny tím, jak úspěšně budou řešeny problémy reprezentace znalostí.

Není divu, že ti, kdo se zabývají problémem reprezentace znalostí, stojí před otázkou, co jsou znalosti, jakou mají povahu a hlavní charakteristiky. V tomto ohledu jsou například činěny pokusy o definici znalostí, ze kterých by se dalo vycházet při řešení problémů reprezentace znalostí v počítačových systémech. Zdůrazňuje se, že pro vývoj prostředků a metod pro prezentaci znalostí je nutné využít výsledků kognitivní psychologie – vědy, která odhaluje struktury, v jejichž podobě si člověk uchovává informace o světě kolem sebe. Navrhuje se reprezentace jazyka a znalostí v systémech umělá inteligence by měla být posuzována v rámci speciálního vědeckého směru – kogitologie. Předmětem kogitologie by mělo být poznání jako samostatný aspekt reality.

Prezentace dat má pasivní aspekt: ​​kniha, tabulka, paměť plná informací. Teorie umělé inteligence klade důraz především na aktivní aspekt reprezentace: „vědění“ by se mělo stát aktivní operací, která umožňuje nejen zapamatovat si, ale také získat vnímané (získané, naučené) znalosti pro uvažování na jejich základě. V důsledku toho jsou původy reprezentace znalostí ve vědě o znalostech (epistemologie nebo epistemologie) a jejím konečným cílem je počítačový software.

Přitom otázka, co je vědění, jaké jsou jeho základní vlastnosti a způsoby získávání, je prvotní filozofickou otázkou. Proto je přirozené usilovat o filozofické pochopení problematiky počítačové reprezentace znalostí, identifikovat především jejich epistemologické a filozoficko-logické aspekty.

Základní ideologickou pozicí je považovat počítač za zprostředkující objekt v lidské kognitivní činnosti. Počítačový systém, stejně jako jiné zprostředkovatelské předměty (nářadí a předměty pro domácnost, nástroje, nástroje, znakově-symbolické systémy, vědecké texty atd.), hrající instrumentální roli v poznávání, je prostředkem objektivizace nahromaděných znalostí, ztělesněním určitého společensko-historické zkušenosti z praktických a kognitivních činností. Jeho nejdůležitější teoreticko-kognitivní role je dána tím, že identifikace rysů člověka v nově poznávaných objektech, které se ukazují jako významné z hlediska sociální praxe, je možná právě pomocí prostředních objektů. "Počítač," zdůrazňuje akademik. G.S. Pospelov, je nástrojem pro intelektuální činnost lidí a vědecký směr „umělá inteligence“ dává tomuto nástroji nové kvality a poskytuje nový, slibnější styl jeho použití. V tomto ohledu se ukazuje spor mezi zastánci a odpůrci umělé inteligence jako zcela bezpředmětný.

Pro filozofickou analýzu uvažované problematiky je důležitá otázka, zda je pojem „znalost“ ve výrazu „reprezentace znalostí“ považován za fenomén odborného žargonu, nebo zda přechod od prezentace dat k prezentaci znalostí skutečně mají významné epistemologické charakteristiky a které přesně? Vlastnosti počítače jako prostředního objektu v poznání jsou do značné míry určeny tím, že počítač patří k takovému typu prostředního objektu jako model. Termín „model“ se v běžném jazyce a v jazyce vědy používá v různých významech. Model budiž chápán jako určitý systém (materiální nebo konceptuální), v té či oné podobě, odrážející určité vlastnosti a vztahy jiného systému, nazývaného původní, nahrazující jej v přesně specifikovaném smyslu a poskytující nové informace o původním. Při analýze epistemologických aspektů počítačového modelování byly počítače ve filozofické a metodologické literatuře považovány především za materiálové modely, vzniklé na základě působení určitých fyzikálních zákonů a fungování v důsledku výskytu přesně definovaných fyzikálních procesů v nich. Počítačové modelování bylo chápáno jako technická implementace určité formy symbolického modelování. Vzhledem k tomu, že počítač epistemologicky považujeme za objektového zprostředkovatele v poznání, má smysl nezaměřovat pozornost primárně na „hardware“ počítače, ale považovat celý počítačový systém za komplexní systém vzájemně propojených a do jisté míry , nezávislé modely - jak materiálové, tak i ikonické, tedy ideální. Tento přístup nejen odpovídá zohlednění počítačových systémů v moderní informatika, ale je také epistemologicky oprávněná. Řada důležitých filozofických aspektů problémů vznikajících v souvislosti s elektronizací různých oblastí lidské činnosti vyžaduje pro svůj výzkum pozornost především symbolických složek počítačových systémů. To platí i s ohledem na filozofické aspekty problémů reprezentace znalostí.

V posledních letech se stále častěji používá termín „počítačové modelování“. konstrukce některého z komponentů počítačový systém- buď ikonický model nebo materiál.

Jaké změny v počítačovém modelování s přechodem od reprezentace dat k reprezentaci znalostí? Jaký je epistemologický význam těchto změn? A. Newell s tím, že problém reprezentace vědění má zajímavé styčné body s filozofií, neboť povaha rozumu a povaha vědění byly vždy jedním z ústředních filozofických problémů, píše: „Zájem filozofie o vědění se vždy soustředil na problém spolehlivosti... To se odrazilo v rozdílu mezi věděním a vírou, který se vytváří ve filozofii. Umělá inteligence, která považuje všechny znalosti za obsahující chyby, stále nazývá své systémy znalostními systémy. Z filozofického hlediska se umělá inteligence zabývá pouze systémy víry. ...Takže doktrína vědění, pokud sdílí s umělou inteligencí lhostejnost k problému absolutní jistoty, ukáže se, že ignoruje ústřední filozofické otázky.“ Rozdíly v přístupech k poznání, které existují ve filozofii a v umělé inteligenci, neposkytují základ pro absolutní protiklad těchto přístupů a pro odstranění z problému reprezentace znalostí té filozofie, která nechce „nechat ústřední filozofické otázky bez dozoru“.

VĚDOMÍ A MYSL

Vědomí vzniká u zvířat jako jeden z prostředků, který zlepšuje jejich adaptaci na prostředí. Rychlá (ve srovnání s délkou života zvířete) adaptace vyžaduje schopnost předvídat a motivem adaptace jsou biologické životní potřeby organismu. Umělý systém, který má takové vlastnosti, také získává vědomí.

Jak funguje vědomí? Jaké procesy, mechanismy, interagující objekty jsou nutné pro vznik vědomí a sebeuvědomění? Co je potřeba k tomu, abychom neudělali model vědomí, ale prostě vědomí?

Obvykle se slovo vědomí používá jako charakteristika individuální bytosti. Může „ztratit vědomí“. A slovo mysl znamená základní schopnost být vědomý. Například „rozumný muž“. Existují však i jiné výklady.

Není známo, jak dokázat, co si člověk myslí. Důvěra v to, co si lidé myslí, je založena na zkušenostech a důvěře ve vlastní mysl, a ne na měřeních a logických závěrech z nich. To je důvod, proč je pro vědu obtížné přistoupit k hlubokému studiu vědomí. Můžeme studovat mozek, neurony, jazyky, chování, ale ne vědomí samotné. Nepozorujeme inteligenci, ale inteligentní chování.

Úsudek o přítomnosti inteligence je subjektivní až do té míry, že někteří lidé považují chování některých svých spoluobčanů za nevědomé.

Můžete zavést subjektivní stupnici rozumnosti. Například hlemýžď, kočka a člověk jsou zde uvedeni v pořadí podle rostoucí inteligence. Je možné, že mysl nezačíná na nejjednodušší úrovni organizace nervového systému, ale „vynoří se“ svým dostatečným rozvojem. I když však není jasné, co je to inteligence, a mechanismus jejího vzniku není jasný, je vhodné předpokládat, že všechny bytosti s nervový systém rozumné. Zejména nejjednodušší tvorové mohou mít „nulovou“ nebo „nekonečně malou“ inteligenci. Ale s tímto přístupem můžete porovnat chování mnoha zvířat, abyste zjistili, co přesně se v chování daného zvířete zdá rozumné. Mělo by se jednat o příznaky, které jsou detekovány u všech zvířat bez výjimky.

Takové dobré definice vědomí, jako je schopnost dosáhnout cíle, najít řešení nebo se rozhodnout, nejsou vhodné, protože nejsou konstruktivní, zejména nesouvisí jasně s pozorovaným chováním. „Cíl“ a „řešení“ jsou samy určeny prostřednictvím vědomí. Schopnost komunikovat s vlastním druhem a formy takové komunikace jsou „více pozorovatelné“, ale často je obtížné je odlišit od fyzické interakce. Příklad: přenos pylu.

Dobrým pozorovatelným kritériem inteligence je schopnost aktivně se přizpůsobovat měnícím se podmínkám prostředí, tedy schopnost samoučení na základě vlastních zkušeností. Jaký je rozdíl mezi vědomím a sebeučením?

Vědomí je vnitřní vlastnost, tvořivý motor samostatně se učícího organismu. Počáteční vědomí vzniká, když je nervový systém organizován takovým způsobem, že poskytuje schopnost učit se. To ještě není sebeuvědomění, které vás nutí vzdát se svého místa staré ženě. Konstruktivita této definice spočívá v tom, že neomezuje prostředky pro výrobu „kreativního motoru“. Stojí za to vymyslet a vytvořit zařízení schopné samoučení (jmenovitě „sebe-“, bez otřesů a vnějších vlivů, a ne pasivně, ale v aktivní formě, doprovázené aktivitou) - a získá vědomí. Najděte u robota schopnost samoučení, a to prokáže, že má vědomí.

Místo slova „samoučení“ se někdy používá širší pojem „adaptace“. Pokud tvor nezávisle najde nové chování v nových podmínkách a nikdo ho toto chování nenaučil, pak je tento tvor schopen adaptace (sebeučení). Vynález nového chování je znakem kreativity (ačkoli tento názor je velmi, velmi kontroverzní a k prokázání jeho pravdivosti a omylu je zapotřebí seriózní filozofický výzkum v oblasti konceptu „kreativita“) a kreativita je jedním z atributů vědomí.

Z tohoto myšlenkového experimentu je jasně patrný velký potenciál pro adaptaci. Představme si tvora s nejrozvinutější adaptací. Ať je toto stvoření nuceno přizpůsobit se lidské kultuře. A naučil se hrát šachy, navrhovat vesmírné rakety a psát vynikající poezii. Kdo mu teď bude odpírat rozumnost! Proto by každá schopnost živé bytosti adaptovat se měla být považována za projev jejího vědomí. A každý má právo subjektivně posoudit stupeň rozvoje tohoto vědomí.

„Počáteční“ vědomí nezaručuje uvědomění. Uvědomění je úroveň rozvoje vědomí, na které se subjekt odlišuje od ostatních objektů, to znamená, že se odlišuje jako samostatně fungující systém.

Sebeuvědomění je hlavní obecně přijímaný znak vědomí. Toto je však pouze speciální případ povědomí o „vnějším“ světě. Vnější svět vnímáme v podobě různých kvalit, které odrážejí fyzikální parametry přírodních jevů zaznamenaných našimi smysly. Jsme si vědomi ne svého vědomí, ale svých pocitů ze světa předmětů a svých myšlenek, prezentovaných ve formě obrazů ze světa předmětů, tedy ve formě obrazů pocitů. Úsudek o vlastním vědomí je odvozen od pozorování svého chování. Proto se problém sebeuvědomění snižuje na problém uvědomění si vlastních pocitů.

Uvědomění si vjemů poskytuje stejný vnitřní mechanismus vědomí – motor sebeučení a kreativity. Vědomí samo o sobě není mozek, ani chování, ale spíše mechanismus, tedy zvláštní proces zpracování informací.

Pro uvědomění je důležité, aby tvůrčí mechanismus vědomí rozvíjel optimální chování orgánů za daných okolností. Chování mozku je jeho interakce s jinými orgány. Chování ruky je její interakce s fyzický svět a s mozkem. Pokud je nalezeno dostatečně dokonalé „nezlepšitelné“ chování, pak vědomí také zmizí a je nahrazeno automatické ovládání. Pečlivě nacvičované chování, jako je hra na hudební nástroj, se proto stává automatickým a neodvádí pozornost od hudební kreativity. I když to nepřikládáme velký význam, ale je třeba poznamenat, že vjemy doprovázející automatické chování se mohou stát také automatickými, tedy nevědomými. Například, zdravý muž nedbá na to, že při chůzi působí na jeho chodidla síla desítek kilogramů. A v jiné situaci cítíme a vědomě reagujeme na lehký dotek.

UMĚLÁ INTELIGENCE A TEORETICKÉ PROBLÉMY PSYCHOLOGIE

Existují dva hlavní směry práce na umělé inteligenci (AI). První souvisí se zlepšováním samotných strojů, se zvyšováním „inteligence“ umělé systémy. Druhý souvisí s úkolem optimalizace společné práce „umělé inteligence“ a skutečných intelektuálních schopností lidí.

Když přejdeme k psychologickým problémům umělé inteligence, můžeme si všimnout tří postojů k problematice interakce mezi psychologií a umělou inteligencí.

1. „Víme málo o lidské mysli, chceme ji znovu vytvořit, děláme to i přes nedostatek znalostí“ – tato pozice je typická pro mnoho zahraničních specialistů na AI.

2. Druhý postoj se scvrkává na konstatování omezení výsledků výzkumu intelektuální činnosti prováděného psychology, sociology a fyziology. Důvodem je nedostatek vhodných metod. Řešení spočívá v obnovení určitých inteligentních funkcí v provozu strojů. Jinými slovy, pokud stroj vyřeší problém, který dříve řešil člověk, pak znalosti, které lze nasbírat analýzou této práce, jsou hlavním materiálem pro konstrukci psychologických teorií.

3. Třetí pozici charakterizuje hodnocení výzkumu v oblasti umělé inteligence a psychologie jako zcela nezávislé. V tomto případě je povolena možnost pouze konzumace a využití psychologických znalostí z hlediska psychologické podpory pro práci na AI.

Populární myšlenky systémové analýzy umožnily učinit srovnání principů fungování umělých systémů a samotné lidské činnosti důležitou heuristickou technikou pro zvýraznění specifické psychologické analýzy lidské činnosti.

V roce 1963, když hovořil na setkání o filozofických otázkách fyziologie a psychologie VND, A.N. Leontyev formuloval následující pozici: stroj reprodukuje operace lidského myšlení, a proto vztah mezi „strojem“ a „nestrojem“ je korelací mezi provozním a neoperativním v lidské činnosti. Později se však při srovnávání operací tvořících práci stroje a operací jako jednotek lidské činnosti objevily značné rozdíly - v psychologickém smyslu „operace“ odráží způsob dosahování výsledků, procesní charakteristiku, zatímco v vztah k práci stroje tento termín se používá v logicko-matematickém smyslu (charakterizovaný výsledkem).

Termín „cíl“ se v práci na umělé inteligenci neustále používá. V psychologické teorii aktivity je „cíl“ konstitutivním rysem jednání, na rozdíl od operací (a aktivity obecně). Zatímco v umělých systémech se „cíl“ nazývá nějaká konečná situace, o kterou systém usiluje. Charakteristiky této situace musí být jasně identifikovány a popsány formálním jazykem. Cíle lidské činnosti jsou různé povahy. Výsledná situace může být subjektem reflektována různými způsoby: jak na úrovni konceptuální, tak ve formě idejí. Tento odraz lze charakterizovat různou mírou jasnosti a zřetelnosti. Kromě toho je pro člověka typické nejen dosahování hotových cílů, ale také vytváření nových.

Také práce systémů umělé inteligence se vyznačuje nejen přítomností operací, programů, „cílů“, ale také vyhodnocovacími funkcemi. A umělé systémy mají jakousi „hodnotovou orientaci“. Specifikem lidské motivační a emoční regulace činnosti je používání nejen stálých, ale i situačně vznikajících a dynamicky se měnících hodnocení, významný je i rozdíl mezi verbálně-logickým a emočním hodnocením. V existenci potřeb a motivů je rozdíl mezi člověkem a strojem spatřován na úrovni činnosti. Tato práce zahrnovala sérii studií věnovaných analýze specifik lidské činnosti. Později se ukázala závislost struktury duševní činnosti při řešení tvůrčích problémů na změnách motivace.

Jak historie skutečně ukázala, psychologie a umělá inteligence jako vědecký směr mohou být v poměrně úzké spolupráci, vzájemně založené na úspěších toho druhého.

ZÁVĚR

Povaha myšlení, záhada vědomí, záhada mysli, to vše je samozřejmě jedním z nejvíce znepokojujících problémů pro lidi. Oblíbenost kybernetiky a neutuchající zájem o ni z nejširších kruhů je do značné míry vysvětlován jejím úzkým spojením s tímto „věčným“ problémem. Od chvíle, kdy člověk začal přemýšlet o problému myšlení, existují dva hlavní diametrálně odlišné směry v přístupu k němu: materialismus a idealismus. Idealismus pochází z uznání myšlení jako určité zvláštní podstaty, zásadně odlišné od hmoty, od všeho, čím se zabýváme ve vnějším světě. Materialismus naopak tvrdí, že „...ten námi smyslově vnímaný hmotný svět, do kterého my sami patříme, je jediným skutečným světem a naše vědomí a myšlení jsou produktem hmotného, ​​tělesného orgánu“.

Dosud bylo dialekticko-materialistické chápání myšlení založeno především na zobecněných datech z psychologie, fyziologie a lingvistiky. Data z kybernetiky nám umožňují nastolit otázku konkrétnějšího chápání myšlení.

Nástrojem filozofie je vědění. Je to nástroj, ne výsledek. Znalosti nejsou konečný předmět, který můžete vložit do truhly a říci: „Ano, teď mám znalosti!“ Vědění je řetěz. Znalosti v oblasti umělé inteligence jsou také řetěz, a to nekonečný.

Nástrojem kybernetiky je modelování. Z hlediska teorie modelování nemá vůbec smysl hovořit o úplné identitě modelu a originálu. Proto je nemožné úplně modelovat inteligentní chování, předmět schopný myslet a umístit to všechno do jedné truhly. To vše je zcela v souladu s konceptem vědění.

SEZNAM POUŽITÝCH REFERENCÍ

1. Alekseeva I.Yu. Umělá inteligence a reflexe znalostí. // “Filozofie vědy a techniky”: časopis 1991 č. 9, str. 44-53.

2. Alekseeva I.Yu. Znalosti jako objekt počítačové modelování. // “Otázky filozofie”: časopis 1987 č. 3, str. 42-49.

3. Anisov A.M. Počítače a porozumění matematickým důkazům. // “Otázky filozofie”: časopis 1987 č. 3, str. 29-40.

4. Budoucnost umělé inteligence: M., Nauka 1991, editovali Karl, Levitin, Pospelov, Khoroshevsky.

5. Vendrov A.M. CASE technologie. Moderní metody a designové nástroje informační systémy.: M., Finance a statistika 1998.

6. Wiener N. Kybernetika aneb řízení a komunikace u zvířat a strojů. Druhé vydání: M., Nauka 1983.

7. Lefevre V.A. Od psychofyziky po modelování duší. // “Otázky filozofie”: časopis 1990 č. 7, str. 25-31.

8. Lefevre V.A. „Nepochopitelná“ účinnost matematiky při studiu lidské reflexe. // “Otázky filozofie”: časopis 1990 č. 7, str. 51-58.

9. Pospelov D.A. Filosofie nebo věda. Na cestě k umělé inteligenci: M., Nauka 1982.

10. Pospelov D.A. Umělá inteligence: nová etapa vývoje. // „Bulletin Akademie věd SSSR“: časopis 1987 č. 4.

11. Petrunin Yu.Yu. Umělá inteligence jako fenomén moderní kultury. // „Bulletin Moskevské univerzity“: časopis 1994 č. 8, s. 28-34.

12. Turing A. Může stroj myslet?: M., Nauka 1960.

13. Shrader Yu.A. Umělá inteligence, reflexní struktury a antropický princip. // “Otázky filozofie”: časopis 1995 č. 7, str. 163-167.

14. Shrader Yu.A. Lidská reflexe a dva systémy etického vědomí. // “Otázky filozofie”: časopis 1990 č. 7, str. 32-41.

15. Kornienko E. Mechanismy vědomí: www.glasnet.ru 2004 (elektronická publikace)

Matematicky existují problémy, které může vyřešit lidská inteligence a které jsou pro počítače zásadně nedostupné. Tyto názory vyjadřují jak kybernetici, tak filozofové. Problém umělé inteligence Epistemologická analýza problému umělé inteligence odhaluje roli takových kognitivních nástrojů, jako jsou kategorie, specifický sémiotický systém, logické struktury, dříve nashromážděné...

Koncepty myšlení, praktický důkaz, že myšlení je funkcí vysoce organizovaného materiálního systému. Ale kybernetika jde dále a vyvolává otázku možnosti „umělé inteligence“, „strojového myšlení“ atd. Zde najdeme celou škálu pohledů na možnost vzniku myslících strojů: od „extrémně optimistických“ po „extrémně...

A pro existenciální rozvoj člověka jsou důležité mravní základy lidského jáství. Tvořivost je zároveň pokračováním přírody, neměla by přírodě odporovat. "A tady," řekl Arkadij Viktorovič, "nedosahujeme umělé inteligence, ale kosmické inteligence." Je třeba poznamenat, že Marat Samirkhanovich mluvil naprosto správně o jediném procesu, a když ne o jediném procesu, tak nejen o...

Jejich výzkum je modelování společenské chování, komunikace, lidské emoce, kreativita. 3.2 Výsledky a problémy Problémy AI související se zdroji Zprávy o unikátních úspěších specialistů v oblasti umělé inteligence (AI), které slibovaly nebývalé možnosti, zmizely ze stránek populárně-vědeckých publikací před mnoha lety. Euforie spojená s prvními praktickými úspěchy v...

Filozofie umělé inteligence (AI) pokrývá širokou škálu zásadních problémů spojených s tvorbou umělé inteligence. Co je podstatou rozumu? Jaké jsou principy jeho fungování? A nakonec, je možné vytvořit umělou inteligenci? Navzdory obrovským úspěchům ve vytváření programů a algoritmů schopných řešit mnoho intelektuálních problémů, mnoho efektivnější než člověk, na tyto otázky nenajdeme jasnou a jednoznačnou odpověď.

Odpověď na otázku o možnosti existence umělé inteligence byla dána světonázorovou orientací myslitele: dualistická tradice, sahající až k R. Descartovi, postulovala nevyjádřitelnost myšlení skrze tělo, zatímco materialistická tradice považovala myšlení být odvozen z těla. Descartes na základě svého dualistického systému považoval myšlení za atribut pouze lidí (i zvířata označil jako „automaty“), materialistická tradice přitom teoreticky ponechala možnost existence myšlení nejen mezi lidmi.

Co lze považovat za kritérium přítomnosti inteligence? Obyčejné vědomí zpravidla vnímá chování jako kritérium racionality. Něco posuzujeme jako rozumné nebo nerozumné tím, že hodnotíme jeho chování. Jaká je však souvislost mezi podstatou lidské mysli a jejím vnějším projevem – racionálním chováním? Jaké chování by bylo rozumné? Jak můžete z něčího chování poznat, zda je tato bytost inteligentní?

Zpátky v 18. století. D. Diderot ve svých „Filosofických úvahách“ uvedl, že pokud najde papouška, který dokáže odpovědět na jakoukoli otázku, pak tento papoušek bude bezpochyby muset být považován za inteligentního tvora.

V roce 1936 se filozof A. Ayer zabýval otázkou týkající se jiných myslí: jak víme, že ostatní lidé mají stejné vědomé zkušenosti jako my? "Jediný základ, na kterém mohu říci, že objekt, který se jeví jako inteligentní, není ve skutečnosti inteligentní bytostí, ale pouze strojem, je ten, že selže v jednom z empirických testů, kterými se určuje přítomnost nebo nepřítomnost vědomí."

"Mohou stroje myslet?" - tuto otázku položil v roce 1950 britský matematik a logik A. Turing. Zdůrazňuje, že tradičním přístupem k této problematice je nejprve definovat pojmy „stroj“ a „inteligence“. Turing si však zvolil jinou cestu; místo toho nahradil původní otázku jinou, „která úzce souvisí s původní a je uvedena relativně jednoznačně“. V podstatě navrhuje nahradit otázku „Myslí stroje? otázka "Mohou stroje dělat to, co my (jako myslící tvorové) umíme?" "Počítač lze považovat za inteligentní, pokud nás dokáže přesvědčit, že nemáme co do činění se strojem, ale s člověkem." Výhoda nové otázky, tvrdí Turing, spočívá v tom, že kreslí „jasnou hranici mezi lidskými fyzickými a intelektuálními schopnostmi“, pro kterou Turing navrhuje empirický test.

Podstata Turingova testu je následující. V různých místnostech je soudce, muž a stroj. Soudce si dopisuje s osobou a strojem, aniž by předem věděl, kdo z účastníků rozhovoru je osoba a kdo stroj. Čas na zodpovězení otázky je pevně daný, takže soudce nemůže určit stroj podle tohoto kritéria (v Turingově době stroje pracovaly pomaleji než lidé, ale nyní reagují rychleji). Pokud soudce nemůže určit, který z jeho partnerů je stroj, pak stroj prošel Turingovým testem a lze jej považovat za přemýšlení. Navíc stroj nebude jen zdáním lidské mysli – bude to právě mysl, protože nebudeme mít způsob, jak odlišit její chování od lidského. Tato interpretace umělé inteligence jako plnohodnotného ekvivalentu přirozené inteligence se nazývá „silná AI“.

Věnujme pozornost tomu, že Turingův test vůbec neznamená, že stroj musí „rozumět“ podstatě slov a výrazů, se kterými pracuje. Stroj potřebuje pouze správně simulovat smysluplné reakce.

V roce 1980 J. Searle navrhuje myšlenkový experiment, který kritizuje Turingův test a myšlenku, že inteligence může existovat bez porozumění. Podstata experimentu je následující. Searle se snaží předstírat znalost čínštiny, které nerozumí.

„...předpokládejme, že jsem byl umístěn v místnosti, ve které byly umístěny koše plné čínských znaků. Předpokládejme také, že jsem dostal učebnici v angličtině, která uvádí pravidla pro kombinování znaků v čínském jazyce, a tato pravidla lze použít pouze se znalostí tvaru znaků, není vůbec nutné rozumět významu znaků . Pravidla by například mohla říkat: "Vezmi takovou a takovou postavu z košíku číslo jedna a postav ji vedle takové a takové postavy z košíku číslo dvě." Představte si, že lidé za dveřmi místnosti, kteří rozumí čínštině, vysílají do místnosti sady znaků a že v reakci na to manipuluji se znaky podle pravidel a posílám zpět další sady znaků.“

Searle tak projde jakýmsi Turingovým testem na znalost čínského jazyka, který vlastně nezná. Je zřejmé, že v v tomto případě Searle provádí čistě mechanickou práci a lze jej snadno nahradit strojem. Searle ukazuje, že Turingův test není vůbec kritériem pro přítomnost vědomí, ale pouze kritériem pro schopnost manipulovat se symboly.

Podstata Searlova postoje k problematice umělé inteligence se scvrkává na následující: mysl operuje se sémantickým obsahem (sémantikou), zatímco počítačový program je zcela určován svým syntaktická struktura. Programy tedy nejsou podstatou mysli a jejich přítomnost pro přítomnost mysli nestačí. Inteligenci nelze zredukovat na pouhé spouštění počítačového programu. To, co produkuje mysl, musí mít přinejmenším kauzální vlastnosti ekvivalentní vlastnostem mozku. Tito. Searle odmítá Turingovu přímou cestu k umělé inteligenci.

Proti Searleovu myšlenkovému experimentu však bylo vzneseno mnoho námitek. Zde jsou ty hlavní:

· aby bylo zaručeno úspěšné složení testu, kniha musí obsahovat adekvátní odpovědi na VŠECHNY existující otázky. Tito. kniha musí mít vševědoucnost, jinak bude pravděpodobnost, že neobvyklá otázka přivede systém do strnulosti, nenulová.

· ve skutečnosti test znalosti čínského jazyka skládá systém, který tvoří J. Searle, kniha pravidel a lidé, kteří tuto knihu pravidel sestavili. Ale lidé, kteří knihu sestavili, nepochybně znalost čínského jazyka mají. I když ostatní části systému nerozumí jazyku.

Také argument proti Turingovu testu jako testu inteligence je ten, že Turingův test je ve skutečnosti testem lidské podobnosti a ne inteligence obecně. Při absolvování testu se stroj musí chovat jako člověk – ale ne všechno lidské chování je racionální a stroj dokáže vyřešit mnoho intelektuálních úkolů mnohem efektivněji než člověk (například matematické výpočty). Touha projít Turingovým testem způsobuje, že stroje nejsou „příliš chytré“. Lze provést následující srovnání: pokud se inženýři na začátku 20. století při vytváření letadla snažili vyrobit přesnou kopii ptáci, byli by jako moderní vědci, kteří se snaží vytvořit stroj, který myslí přesně stejným způsobem, jako myslí člověk. To je naprosto nepraktické. Letadla nelétají jako ptáci, ale létají mnohem rychleji, dále a výše než ptáci. Tito. Turingův test neodhaluje podstatu mysli, ale pouze naznačuje úspěšnou imitaci jejího vnějšího projevu, a nikoli toho nejvýznamnějšího. „Schopnost chatovat ještě není známkou inteligence,“ shrnují tuto pozici scénáristé filmu „Star Wars“.

Tyto teoretické argumenty potvrzuje praxe vytváření inteligentních programů. Typická je například historie strojového překladu, jehož schopnosti byly po několik desetiletí považovány za výrazně lepší než schopnosti lidského překladatele. Ale v praxi, navzdory neuvěřitelnému množství informací, které je stroj schopen uložit, je překlad přinejlepším tak stylisticky „nemotorný“ a ošklivý, že se „strojový překlad“ stal jakýmsi tématem internetového komediálního umění. Každý dobrý překladatel ví, že skutečný překlad (i technický) vyžaduje pouze slovník a gramatiku. Zde jsou také potřeba znalosti v oblasti, do které text patří – překladatel musí rozumět tomu, o čem text mluví. Tito. syntaxe bez sémantiky neumožňuje vyřešit většinu intelektuálních problémů dostupných lidské mysli.

Pro vývojáře moderních inteligentních programů se proto Turingův test nestal univerzálním kritériem jejich úspěchu. Ale "reverzní Turingův test" - otravný CAPTCHA - se stal velmi populární.

Jak vidíme, hledání možnosti vytvoření umělé inteligence v každém případě vede k otázce: co je inteligence?

V roce 1963 A. Newell a G. Simon na základě analýzy jazyka navrhli, že podstata mysli spočívá ve schopnosti pracovat se symboly. Tento přístup umožnil vytvořit program schopný vyřešit jakýkoli intelektuální problém, pokud bylo možné úkol formalizovat (například dokazování teorémů, hraní šachů atd.). Schopnost provádět symbolické výpočty je pro řešení intelektuálních problémů zcela dostačující a bez takových výpočtů je inteligentní chování nemožné. Mysl lze tedy považovat za zařízení, které pracuje s informacemi v souladu s formálními pravidly. V rámci tohoto přístupu je umělá inteligence vytvářena analogicky s lidským mozkem a nervovým systémem, tzn. na principu neuronové sítě. Neuronové sítě nejsou naprogramovány v obvyklém slova smyslu, jsou natrénované. Schopnost učit se je jednou z hlavních výhod neuronových sítí oproti tradičním algoritmům. Technicky se učení skládá z hledání koeficientů spojení mezi neurony. Během trénovacího procesu je neuronová síť schopna identifikovat složité závislosti mezi vstupními daty a výstupními daty a také provádět zobecnění.

Tento přístup kritizoval filozof H. Dreyfus. Podstata jeho námitek je následující:

· lidské vědění o světě nespočívá pouze a ne tak v objektivním vědění o světě, ale v našem subjektivním postoji k němu a tendenci vnímat a interpretovat události tak či onak. I když používáme k vyjádření svých myšlenek symbolický systém, myšlenky jsou stále formovány převážně nevědomými faktory. V důsledku toho, považovat mysl za zařízení, které provozuje informace v souladu s formálními pravidly, nestačí k pochopení podstaty mysli a vytvoření umělé inteligence.

· ne všechny znalosti a ne všechny úkoly lze formalizovat. Významnou část lidského vnímání nelze adekvátně vyjádřit v symbolech. V důsledku toho bude umělá inteligence, postavená jako symbolický systém, schopna vyřešit pouze malý rozsah formalizovaných problémů, aniž by byla inteligentní.

Praxe vytváření AI potvrdila správnost Dreyfusova skepticismu. Moderní neuropočítače jsou schopny efektivně řešit mnoho problémů, ale schopnostem lidské mysli jsou nekonečně daleko. Redukování mysli na provozní symboly podle formálních pravidel tedy nevedlo k pochopení její podstaty.

Přestože nedošlo k žádnému kvalitativnímu průlomu ve vytváření silné umělé inteligence, kvantitativní výpočetní schopnosti počítačů exponenciálně vzrostly a v tento moment složitost moderní počítače neúprosně se blíží složitosti lidského mozku. Je možné, že kvantitativní nárůst složitosti výpočetních systémů povede k jejich kvalitativnímu skoku?

V roce 1993 navrhl matematik a spisovatel W. Vinge koncept, který popisuje důsledky vzniku umělé inteligence, která předčí lidskou mysl ve výpočetních schopnostech. Od okamžiku, kdy AI objeví nové poznatky rychleji než lidé, bude umělá inteligence schopna vytvářet stále pokročilejší výpočetní stroje, které urychlí růst znalostí v ještě větší míře, tzn. proces poroste jako sněhová koule a stane se nepřístupným lidskému chápání. Poté bude vývoj umělé inteligence tak rychlý, že i ty nejpřibližnější předpovědi o tom, co se bude dít dál, ztratí smysl. V. Vinge nazval tento okamžik „technologickou singularitou“.

Technologická singularita se vyznačuje vznikem nového typu znalostí – tzv. znalost strojů, tzn. znalosti přístupné pouze stroji. Jak to může vypadat? Například jako matematický teorém dokázaný strojem. První velkou matematickou větou dokázanou pomocí počítače je tzv. "teorém o čtyřech barvách". Jeho formulace je elementární: k vybarvení geografické mapy tak, aby žádné dvě hraniční oblasti neměly stejnou barvu, stačí pouze čtyři různé barvy. Dva regiony jsou považovány za hraničící, pokud mají rozšířenou hranici, tj. sestávající z více než jednoho bodu. Důkaz čtyřbarevného teorému - precedens pro použití počítače k ​​řešení klasického matematické problémy. Zároveň je pozoruhodný svou délkou a složitostí. I po použití počítače, který umožnil výrazně omezit výpočty, má text důkazu elementárního tvrzení astronomickou délku. Není těžké si představit vznik takové věty, jejíž dokazování by bylo příliš dlouhé na to, aby k jejímu ověření stačil lidský život. A pak bude vývoj znalostí a přijímání jejich plodů výsadou umělé inteligence.

A přesto i na cestě teoretického uvažování na téma vytvoření silné umělé inteligence zůstává jedno závažné „ale“. Rozvoj „strojových“ znalostí předpokládá možnost nejen řešit již nastolené a formalizované problémy umělou inteligencí, ale také pokládat a chápat zásadně nové. Tito. mysl musí být schopna kreativity. Ale samotná myšlenka kreativity je v rozporu s algoritmickým přístupem, protože kreativita je činnost mimo formální pravidla a algoritmy, která nastavuje a řeší zásadně nové problémy. Je pravděpodobné, že mysl nemůže být v zásadě zredukována na konkrétní soubor operací a algoritmů, což znamená, že nezávislý vývoj pro algoritmicky konstruovanou AI bude nedostupný.

Možnost vytvoření strojové analogie lidské mysli se v současnosti nezdá teoreticky ani empiricky opodstatněná. Naopak jsme přezkoumali řadu přesvědčivých argumentů, které na to poukazují zásadní rozdíly mezi lidskou inteligencí a jakýmkoli, bez ohledu na to, jak složité, „inteligentní“ algoritmické systémy. V tuto chvíli filozofie umělé inteligence nedokázala odpovědět na otázku „co je inteligence“ pomocí metod modelování, ale můžeme s jistotou dojít k závěru, co inteligence není. Teorie a praxe vytváření AI nám umožňuje sebevědomě odmítnout myšlenku „člověk-stroj“ a redukovatelnost činností mysli na provádění sady formálních výpočtů.

Zdá se, že nejdůležitějším významem filozofických problémů umělé inteligence není vytvoření, byť velmi pokročilých algoritmů pro řešení praktické problémy, ale ty nové obzory v chápání podstaty a podstaty vědomí, které se otevírají v procesu řešení otázek tvorby AI. Filozofie umělé inteligence se tedy plně řídí sokratovským rčením „poznej sám sebe“.

Literatura:

1. Searle J. Mysl mozku – počítačový program? // Ve světě vědy. (Scientific American. Vydání v ruštině) č. 3, 1990. - M., “Mir”, 1990.

2. Searle J. Racionalita v akci / Trans. z angličtiny A. Kolodia, E. Rumyantseva. - M.: Progress-Tradition, 2004. - 336 s.

3. Vasiliev V.V. Obtížný problém vědomí. - M., Pokrok-tradice, 2009. – 272 s.

A.Iyer. Jazyk, pravda a logika - str. 140.

Citát Podle „Ve světě vědy“, 1990, č. 3, s. 7-11)

C úplně A automatizovaný P veřejné T během testu říct C počítače a H umans Ačást - podle vývojářů test, který umožňuje programu určit, kdo je uživatelem systému: osoba nebo program. Autor těchto řádků však nezná jediné „captcha“, které by člověk s vysokou pravděpodobností identifikoval, a ani jeden program.

Bykovský I.A. Filosofické aspekty problematiky tvorby umělé inteligence - abstrakt disertační práce. pro akademickou soutěž Umění. Ph.D. – Saratov, 2003.

Úvod ______________________________________________________ strana 3

Záhada lidského mozku a umělé inteligence__________ str.3

Problém definice umělé inteligence ________________ strana 5

Robotika _______________________________________________ strana 7

Bezpečnostní problém __________________________________________________ strana 9

Umělá inteligence, klady a zápory __________________ strana 11

Problém vytváření umělé inteligence _______________ strana 15

Závěr____________________________________________ strana 18

Reference ___________________________________ strana 19

Úvod

Vynásobit v hlavě dvě víceciferná čísla nebo si zapamatovat více telefonních čísel je pro člověka těžké. Na druhou stranu pochopit význam věty, navzdory gramatické chyby, chytit tam, kde to významově končí konkrétní kus informace, nebo poznat člověka, kterého jste 20 let nepotkali, pro nás není těžké. Ve většině případů počítač nemůže provádět takové úkoly. Tam, kde mluvíme o optickém nebo akustickém rozpoznávání vzorů, schopnost samostudium, asociací paměti, ani nejmodernější počítače nemohou konkurovat lidskému mozku.

Záhada lidského mozku a umělé inteligence

Zpracování informací a znalostí v mozku se jeví jako paralelní proces. Mozek se nám jeví jako obrovská síť vzájemně propojených buněk – neuronů. Místo, kde se soustřeďují zapamatované informace a znalosti, stejně jako místo a způsob jejich zpracování, jsou nám zatím neznámé. Víme jen, že mozkové prvky fungují milionkrát pomaleji než mikroelektronické čipy. Neuronové sítě fungují bez procesorů, programů, řídicích jednotek nebo hodinových pulsů. A fungují velmi dobře. Proto odborníci v oboru počítačová technologie zajímá se o mozek.

Mozek je vysoce paralelní, multiprocesorový systém, který se skládá z přibližně 14 miliard neuronů spojených v obrovské a složité trojrozměrné struktuře, ve které má každý neuron až 30 000 spojení s jinými neurony. Pokud je na každém spojení provedena pouze jedna operace spínače za sekundu, pak celý mozek může teoreticky provést 10 miliard operací za stejnou dobu. Doba přepnutí neuronu se určuje v milisekundách. Na rozdíl od toho vyřeší mozek složité jazykové a rozpoznávací problémy ve vteřině, tedy v několika výpočetních krocích. K vyřešení takových problémů počítač podniká miliony kroků.

Dalším omezením mozku je, že neuron může do jiného neuronu poslat jen několik bitů informací. Množství informací je omezené; neurony nemají schopnost vyměňovat složité symboly.

Ukazuje se, že naše znalosti závisí na mnoha spojeních mezi neurony. Díky nim rozumíme své rodné řeči, správně plánujeme své chování, shrnujeme fakta a rozpoznáváme obrázky. Dnešní superpočítače fungují na vývojové úrovni pětiletého dítěte. Mozek a počítač fungují různými způsoby. Paradoxem je, že k simulaci mozku v reálném čase jsou potřeba tisíce velmi výkonných superpočítačů, ale na druhou stranu by na simulaci aritmetických výpočtů a superpočítačů byly potřeba miliardy lidí.

Časový cyklus základní operace prováděné neuronem je 1-2 ms; taktovací cyklus současných počítačů se určuje v nanosekundách, tj. počítač pracuje o šest řádů rychleji. Na rozdíl od toho člověk vyřeší mnoho problémů s rozpoznáváním, jako je analýza scény nebo logické závěry, během několika sekund, zatímco vysoce výkonný počítač tím stráví několik minut.

Když mozek vědomě, krok za krokem, může tento typ myšlení formalizovat pomocí matematické logiky a poté simulovat na počítači. Ale podvědomé myšlení, které se využívá především v tvůrčí činnosti, je vysoce paralelní, matematicky neformalizovaný prostředek.

Problém definice umělé inteligence

Někteří odborníci zaměňují schopnost racionální, motivované volby v podmínkách nedostatku informací za inteligenci; schopnost řešit problémy na základě symbolických informací; schopnost učit se a sebevzdělávání.

Dostatečně prostorná a zajímavé definice inteligence jsou uvedeny ve Websterově anglickém slovníku a Velké sovětské encyklopedii. Podle Webster's Dictionary: „Inteligence je: a) schopnost úspěšně reagovat na jakoukoli, zvláště novou, situaci provedením vhodných úprav chování; b) schopnost porozumět souvislostem mezi skutečnostmi, aby bylo možné vyvinout akce vedoucí k dosažení cíle.“ Ve Velké sovětské encyklopedii: „inteligence... v širokém smyslu – veškerá lidská kognitivní činnost, v v užším slova smyslu- procesy myšlení, které jsou nerozlučně spjaty s jazykem jako prostředkem komunikace, výměny myšlenek a vzájemného porozumění lidí.“ Zde je inteligence přímo spojena s činností a jazykem komunikace.

Celkově vzato v této otázce není žádný velký rozpor. Zajímavější je něco jiného: kritéria, podle kterých můžeme jednoznačně určit, zda je před námi rozumný, myslící, intelektuální subjekt, či nikoli.

Je známo, že svého času A. Turing navrhoval „imitační hru“ jako kritérium pro určení, zda stroj může myslet. Podle tohoto kritéria lze stroj rozpoznat jako myslícího člověka, který s ním dostatečně vede dialog do širokého kruhu otázky, nebude schopen rozlišit její odpovědi od odpovědí dané osoby.

Na otázku, co je umělá inteligence, neexistuje jediná odpověď. Téměř každý autor psaní knihy Pokud jde o umělou inteligenci, vychází se z jakékoli definice s ohledem na úspěchy této vědy v jejím světle. Tyto definice lze shrnout následovně:

Umělá inteligence je osobnost na anorganickém médiu (Chekina M.D.).

Umělá inteligence je obor studia inteligentního chování (u lidí, zvířat a strojů) a snaží se najít způsoby, jak takové chování simulovat v jakémkoli typu uměle vytvořeného mechanismu (Bligh Whitby).

Umělá inteligence je experimentální filozofie (V. Sergejev).

Samotný termín „umělá inteligence“ – AI – umělá inteligence byl navržen v roce 1956 na stejnojmenném semináři na Dartmouth College (USA). Seminář byl věnován vývoji metod pro řešení spíše logických než výpočtových problémů.

Existují také pojmy „silná“ a „slabá“ umělá inteligence.

Termín „silná umělá inteligence“ vymyslel John Searle, takový program by nebyl jen modelem mysli; ona v doslova slova sama budou rozumem ve stejném smyslu, v jakém je rozumem lidský rozum.

„Slabá umělá inteligence“ je považována pouze za nástroj, který umožňuje řešení určitých problémů, které nevyžadují plnou škálu lidských kognitivních schopností.

Robotika

Problémy umělé inteligence úzce souvisejí s vývojem speciálních mechanismů a strojů, které simulují duševní činnost a komplex fyzické akce lidé – inteligentní roboti. Inteligentní robot je počítačem řízený systém schopný samostatné, cílevědomé interakce s okolím. V nejobecnějším případě je takový systém schopen:

a) vnímat a rozpoznávat objekty prostředí;

b) formovat vnitřní porozumění prostředí a procesům v něm probíhajícím;

c) rozhodovat se a formulovat plány vlastního jednání v souladu s danými cíli na základě nashromážděných znalostí a zkušeností;

d) měnit prostředí manipulací s jeho předměty;

e) komunikovat s osobou v jazycích.

Inteligentní robot je neměnným prvkem flexibilního výrobního systému. Může být přeprogramován tak, aby řešil různé výrobní problémy. Zároveň není potřeba reorganizovat výrobní závody a průmyslové dílny.

Inteligentní robot přijímá vizuální, zvukové nebo hmatové informace z vnějšího světa prostřednictvím speciálního senzorického systému, jehož prostřednictvím je propojen s okolím. Hlavním nástrojem vlivu robota na životní prostředí je jeho manipulátor. Potřebné stupně volnosti při jeho provozu zajišťuje pohybový systém robota a jeho manipulátor. Dalšími důležitými podsystémy robota jsou lidský komunikační systém a kognitivní systém. Kognitivní systém zpracovává všechny přijaté informace potřebné k řízení vlastního chování robota v reálném výrobním prostředí. Právě v tomto systému se realizují funkce, které souhrnně připomínají lidskou psychiku, jako je vnímání, paměť, řešení problémů a učení.

V současné době vyvíjené inteligentní roboty nejsou dostatečně vyspělé. Ve většině případů se skládají z manipulátoru, vizuálních a hmatových informačních senzorů a rozpoznávacího systému vizuální obrazy, vyvinuty mechanismy pro určování vzdáleností software zpracování informací o prostředí a plánování akcí robota a kontrolní systém. Inteligentní roboti budoucí generace budou také obsahovat prostředky pro rozpoznávání a porozumění souvislé lidské řeči, učební subsystém, dokonalé automatické řešení problémů (schopné přeformulovat problémy, když nastanou nepředvídatelné situace), dokonalé mechanismy vyhledávání a zpracování různé typy informace a vyvinuté způsoby vyvozování (včetně přítomnosti neúplných, nejasných a nejistých informací).

Vývoj inteligentních robotických systémů s takovými schopnostmi si vyžádá řešení mnoha složitých vědeckých a technických problémů, pro které lze v současnosti vidět slibná řešení. Mnoho robotických úloh vede k velkým potížím při organizování výpočtů spojených zejména s potřebou zpracovávat velké objemy často se měnících dat v reálném čase. Tyto úkoly zahrnují především: vnímání a analýzu scén s pohybujícími se objekty, logické uvažování, vyvozování a plánování aktivit, rozpoznávání a porozumění souvislé řeči. Podobné úkoly lze efektivně řešit pouze na paralelních počítačích s velmi vysokou rychlostí. Kromě naléhavého úkolu vytvořit pro takové počítače slibné architektury s využitím nejnovějších typů technologií výroby čipů je důležitým úkolem vývoj paralelních algoritmů a programů pro robotické úlohy.

Důvěra v úspěšné řešení v budoucnosti tohoto důležitý úkol založené na existenci přirozeného inteligentní systém, jaký je lidský mozek, který se úspěšně vypořádává s většinou intelektuálních úkolů, které v současnosti ještě nejsou pro moderní počítače „příliš náročné“.

Bezpečnostní problém

Filosofické problémy vytváření umělé inteligence lze rozdělit do dvou skupin, relativně řečeno „před a po vývoji umělé inteligence“. První skupina odpovídá na otázku: „Co je umělá inteligence, je možné ji vytvořit? A druhá skupina (etika umělé inteligence) si klade otázku: „Jaké důsledky má vytvoření umělé inteligence pro lidstvo?“, což nás přivádí k problému bezpečnosti.

Tento problém vzrušuje mysl lidstva již od dob Karla Čapka, který jako první použil termín „robot“. Další autoři sci-fi také významně přispěli k diskusi o tomto problému. Jako nejslavnější můžeme zmínit sérii příběhů spisovatele sci-fi a vědce Isaaca Asimova a také poměrně slavné dílo - „Terminátor“. Mimochodem, právě od Isaaca Asimova můžeme najít nejpropracovanější řešení bezpečnostního problému akceptované většinou lidí. Je to o o tzv. třech zákonech robotiky.

1. Robot nemůže způsobit újmu osobě nebo svou nečinností připustit, aby byla osoba poškozena.

2. Robot musí poslouchat příkazy dané osobou, s výjimkou případů, kdy tyto příkazy odporují prvnímu zákonu.

3. Robot se musí postarat o svou bezpečnost, pokud to není v rozporu s prvním a druhým zákonem.

Na první pohled by takové zákony, pokud by byly plně dodržovány, měly zajistit bezpečnost lidstva. Při bližším zkoumání však vyvstávají některé otázky.

Zajímalo by mě, co bude systém umělé inteligence mínit pojmem „ublížení“ po dlouhém logickém uvažování? Rozhodne se, že veškerá lidská existence je naprostá škoda? Vždyť kouří, pije, léty stárne a ztrácí zdraví, trpí. Nebylo by menší zlo rychle ukončit tento řetězec utrpení? Samozřejmě můžete zavést nějaké doplňky související s hodnotou života a svobodou projevu. Ale to už nebudou ony jednoduché tři zákony.

Další otázka bude tato. Co rozhodne systém umělé inteligence v situaci, kdy je záchrana jednoho života možná jen na úkor druhého? Zajímavé jsou zejména ty případy, kdy systém nemá kompletní informace o tom, kdo je kdo...

Můžeme tedy s jistotou říci, že obavy mnoha lidí, včetně vědců, nejsou neopodstatněné. A rozhodně bychom o těchto otázkách měli začít přemýšlet právě teď, než budeme moci vytvořit plnohodnotnou „strojovou inteligenci“, abychom ochránili lidstvo před možná újma nebo dokonce vyhubení, v lepším případě jako konkurenční druh, nebo prostě nepotřebný biologický druh.

Umělá inteligence. Výhody a nevýhody

Odpůrci myšlenky možnosti vytvoření umělé inteligence často redukují své argumenty na skutečnost, že provoz počítače je řízen zákony elektrodynamiky, a proto dochází k redukci vyššího (myšlení) na nižší (fyzické procesy v počítači). Počáteční premisa je však nesprávná.

Činnost počítače se v žádném případě neřídí zákony elektrodynamiky. Těmito zákony se řídí provoz jednotlivých prvků stroje. Podle fyzikálních zákonů počítač funguje pouze v tom smyslu, že řekněme přeměňuje elektrickou energii na teplo. Podstata práce ostatně nespočívá v této transformaci, ale v tom, že provádí určité aritmetické a logické operace. Stroj se zabývá informacemi a pracuje podle zákonů transformace informace, tzn. podle zákonů kybernetiky. Pokud tedy tyto procesy zvážíte z tohoto hlediska, nevyhnutelně se ocitnete v pozici mechanismu. Je to stejné jako redukovat práci mozku na biochemické a biofyzikální procesy.

Z hlediska kybernetiky je třeba práci počítače považovat za práci systému pro zpracování informací. Tezi o umělé inteligenci se připisuje popírání ideální povahy vědomí.

Aniž bychom se dotkli otázky struktury informace, která je měřítkem uspořádanosti procesu a tvoří jeho vnitřní stav, budeme charakterizovat vnější nebo relativní informace, vždy spojené se vztahem dvou procesů. Tato informace nespočívá v procesech samotných, ale existuje právě ve vzájemném vztahu těchto procesů. Tyto informace jsou samy o sobě stejně objektivní a hmotné jako jakékoli jiné vlastnosti a vztahy objektů nebo procesů.

Po prozkoumání mnoha stavů našeho mozku v procesu fungování můžeme pochopit, že mozek odráží vnější svět, což znamená, že existuje korespondence mezi mnoha stavy mozkových elementů a mnoha stavy vnějších procesů, tzn. mozek má informace o vnějších procesech. Tyto informace jsou a nejsou obsaženy v mozku, protože... Ať už mozek zkoumáme sebevíc, nenajdeme tam nic jiného než elektrické, chemické a jiné vlastnosti neuronů. Je třeba zvážit připojení

mozek s vnějším světem. Zde leží informace nesené neurony.

Informace, se kterými mozek pracuje, je ideální stránkou jeho práce, a tak ideál neexistuje ve formě zvláštního předmětu nebo látky. Existuje jako součást mozkové aktivity, která spočívá v navazování spojení mezi mnoha stavy vnějšího světa a mozkem.

Pokud rozpoznáme v kybernetických systémech možnost dosažení složitosti srovnatelné se složitostí mozku, pak je nutné v takových systémech uznat existenci rysů, které nazýváme ideální.

Řada autorů prohlašuje tezi o umělé inteligenci za protikladnou tezi o sociální podstatě vědomí a myšlení. Zde je však chyba – nerozlišování mezi přirozeným historickým původem myšlení a jeho vědomou reprodukcí člověkem v sálovém počítači. Ve druhém případě se stroj nestává společenskou bytostí, ale člověk, který pochopil podstatu myšlení, ji ve stroji znovu vytváří. Pokud je sociální povaha myšlení přirozená a poznatelná, pak může být v zásadě uměle reprodukována. K tomuto účelu slouží kybernetický systém s dostatečným výkonem plné využití jeho schopností by měla být umístěna v informačně bohatém prostředí a tvořit s jeho tvůrci jakousi symbiózu.

Princip nemožnosti kybernetické inteligence striktně váže určitý typ fungování na přesně definovaný substrát (mozek). To představuje filozofický problém vztahu mezi funkcí a substrátem.

Právě kvůli tomu „extrémní pesimista“ popírá, že by kybernetické zařízení mělo inteligenci. Bezpodmínečně propojuje myšlení s lidským mozkem a neakceptuje pokusy definovat myšlení bez spojení se strukturou systému myšlení. Podle jeho názoru jde o redukci myšlení pouze na informační stránku, přičemž myšlení je schopnost, která vznikla u biologických bytostí. Myšlení tedy lze nazvat něčím, co provádí pouze lidský mozek, ale to není přijatelné řešení problému.

Myšlení je samozřejmě funkcí vysoce organizované hmoty a je určeno strukturou systému. Ale z epistemologického hlediska je znalost funkce odvozena od znalosti struktury a znalost struktury je závěrem stále kompletnějšího studia způsobů fungování.

Samozřejmě se může ukázat, že tato konstrukce je pevně spojena s přesně definovaným substrátem, ale výsledkem musí být tato teze vědecký výzkum a nikoli původní premisa.

Zatímco věda se zabývala přímo vnímatelnými objekty, mohla vycházet z hlediska substrátu, jehož podstatou je, že objekt má soubor vlastností (primárních), které vyjadřují jeho povahu, s vědomím, že je možné jeho chování studovat (sekundární ) objektu.

Ale již v 19. století odhalila omezení tohoto konceptu dialektický materialismus, který ukázal, že „pouze v pohybu tělo odhaluje, že existuje. Znalost různých forem pohybu je znalost těl.“ (K. Marx a F. Engels)

Odtud samozřejmě nevyplývá, že existuje pouze pohyb a vůbec žádný substrát. Odtud vyplývá pouze to, že je nezákonné používat vztah primát-sekundárnost k charakterizaci spojení mezi pohybem (chováním) a substrátem z hlediska jejich reálné existence.

Z výše uvedeného lze poznamenat, že většina argumentů proti možnosti umělé inteligence je založena na existujících vědeckých teoriích a empirických datech, obvykle spočívají v poukazování na nějaké specifické mentální akce, které není schopno provádět žádné kybernetické zařízení. Mnohé z těchto argumentů však byly již během vývoje kybernetiky vyvráceny. Navíc existuje McCulloch Peetsova věta, která redukuje otázku výkonu jakékoli mozkové funkce na otázku poznání této funkce.

Optimističtější postoj se zdá nejrozumnější, protože V současné době neexistují žádné nepřekonatelné, zásadní překážky pro vytváření umělých zařízení s inteligencí. Ale na této cestě jsou obrovské potíže, které se s rychlým rozvojem kybernetiky v žádném případě nezmenšují. Rozvoj nových konceptuálních a filozofických teorií je zde zvláště důležitý, protože zrychlování technických prostředků zpracování informací nebo vytváření neuronových sítí kopírujících biochemický stav mozku ještě nevede ke vzniku umělé inteligence, ale je pouze prostředkem k realizaci nápadu.

Problém vytváření umělé inteligence

Turingův test

Od roku 1991 se pořádají turnaje pro programy pokoušející se projít Turingovým testem. Zatím jen velmi málo z těchto programů (botů) je inteligentních. Jediné, co dělají, je aplikovat pravidla předem navržená osobou. Roboti se ani nesnaží konverzaci porozumět, většinou se pokoušejí osobu „oklamat“. Tvůrci zařazují odpovědi na nejčastější otázky a snaží se vyhnout běžným nástrahám. Pečlivě například sledují, zda soudce položí stejnou otázku dvakrát? Člověk v této situaci by řekl něco jako: "Hej, už ses ptal!" To znamená, že vývojář přidá do robota pravidlo, aby udělal totéž. V tomto směru se zdá velmi nepravděpodobné, že by se objevila první umělá inteligence.

Počítačoví šachisté

Mnoho lidí o těchto programech slyšelo. Poprvé mistrovství světa v šachu mezi počítačové programy se konala v roce 1974. Vítězem se stal Sovětský svaz šachový program"Kaissa". Není to tak dávno, co počítač porazil Garryho Kasparova. Co je to - nepochybný úspěch?

Jen procházejí spoustou možností. Pokud pohnu tímto pěšcem sem a soupeř sem přesune svého střelce a já hradem, a on pohne tímto pěšcem... Ne, taková pozice je nerentabilní. Nebudu rošádovat, ale místo toho uvidím, co se stane, když přesunu tohoto pěšce sem a počítač sem přesune střelce, a místo rošády pohnu pěšcem znovu a on...

Počítač sám o sobě nic nevymyslí. Všechno možné možnosti navrhli skuteční majitelé inteligence – talentovaní programátoři a šachoví konzultanti... To není o nic méně daleko od vytvoření plnohodnotné elektronické inteligence.

Robotický fotbal

Je to velmi módní. Zabývá se tím mnoho laboratoří a celých kateder univerzit po celém světě. Existují desítky šampionátů v různých variantách této hry. Jak říkají organizátoři turnaje RoboCup: „Mezinárodní komunita specialistů na umělou inteligenci uznala úkol ovládat robotické fotbalové hráče za jeden z nejdůležitějších.

Klidně se může stát, že jak organizátoři RoboCupu sní, v roce 2050 tým robotů skutečně porazí tým lidí ve fotbale. Jen jejich inteligence s tím pravděpodobně nebude mít nic společného.

Programování turnajů

Nedávno Microsoft uspořádal turnaj s názvem „Terárium“. Programátoři byli požádáni, aby vytvořili umělý život, nic víc a nic míň. To je asi nejznámější z těchto soutěží a obecně je jich hodně – nadšení pořadatelé se záviděníhodnou pravidelností nabízejí tvorbu programů, které hrají buď válku robotů, nebo kolonizaci Jupiteru. Existují dokonce soutěže o přežití počítačové viry.

Co brání alespoň těmto projektům sloužit k vytvoření skutečné umělé inteligence, která bude v budoucnu schopna jak bojovat, tak kolonizovat Jupiter? Jedno jednoduché slovo – bezmyšlenkovitost. Dokonce ani mocní mozky v Microsoftu nedokázali přijít s pravidly, kde by bylo komplexní chování prospěšné. Co můžeme říci o zbytku. Bez ohledu na to, o jaký turnaj se jedná, všichni vyhrávají se stejnou taktikou: „čím jednodušší, tím lepší“! Kdo vyhrál v "teráriu"? Naši krajané. Co dělali? Tady úplný seznam pravidla, podle kterých žil nejživotaschopnější virtuální býložravec turnaje;

1. Vidíte-li predátora, utečte před ním. Pokud uvidíte zvíře svého druhu rychle běžet nějakým směrem, utíkejte tam.

2. Pokud jsou kolem jen cizí lidé, rychle, rychle snězte všechnu trávu, aby ji ostatní dostali méně.

3. Pokud nevidíte cizí lidi, snězte toho přesně tolik, kolik potřebujete. A konečně, pokud nevidíte žádnou trávu nebo dravce, jděte, kam se vaše oči podívají.

Intelektuálně? Ne, ale je to účinné.

Komerční aplikace

V komerčním významné oblasti nejsou potřeba žádné turnaje, žádní rozhodčí, žádná pravidla výběru. Ani při rozpoznávání textu, ani při tvorbě počítačové hry vysoká věda prostě nebyla potřeba.

Je potřeba dobře organizovaný tým lidí s čistou hlavou a dobré vzdělání a správnou aplikaci velké číslo algoritmy, které jsou ve své podstatě poměrně jednoduché.

V těchto oblastech nebude možné získat žádné posvátné znalosti, nebudou činěny žádné velké objevy a už vůbec nikdo o to neusiluje. Lidé si na sebe prostě vydělávají peníze a zároveň nám zlepšují život.

Závěr

Vznik strojů nadřazených nám v inteligenci je přirozeným výsledkem vývoje naší technokratické civilizace. Není známo, kam by nás evoluce zavedla, kdyby lidé následovali biologickou cestu – začali zlepšovat strukturu člověka, jeho vlastnosti a vlastnosti. Kdyby všechny peníze vynaložené na vývoj zbraní šly do medicíny, dávno bychom porazili všechny nemoci, oddálili stáří a možná dosáhli nesmrtelnosti...

Vědu nelze zakázat. Pokud se lidstvo zničí samo, znamená to, že evoluce se pro toto lidstvo vydala slepou uličkou a nemá právo na existenci. Možná je náš případ slepou uličkou. Ale nejsme tu první a ne poslední. Není známo, kolik civilizací bylo před námi a kam šly.

Leonid Bernstein

Bibliografie:

1. Velká sovětská encyklopedie

4. Čekina M.D. „Filozofické problémy umělé inteligence“

5. Bligh Whitby „Umělá inteligence: Je Matrix skutečný“

6. Budoucnost umělé inteligence. M.: Nauka, 1991, 302 s.