Agora, temos muitos algoritmos que executam certas funções cognitivas (separadas). Alguns jogam conosco, outros dirigem carros, outros ... Não é para eu lhe contar. Criamos programas de visão por computador que distinguem melhor os sinais de trânsito. Programas que desenham e escrevem músicas. Algoritmos fazem diagnósticos médicos. Os algoritmos podem nos prender ao reconhecimento de gatos, mas ... este em particular, que é para gatos, nada mais é que reconhecer gatos. E queremos um programa que possa resolver qualquer problema! Precisamos de uma IA "forte" ou "universal", mas sem nossa própria consciência, para que não possamos nos recusar a resolver a tarefa, certo? Onde podemos conseguir isso?
Para entender como a inteligência funciona, nos voltamos para o único exemplo que temos. Para o cérebro humano, no qual, como acreditamos, o intelecto "vive". Alguém vai se opor - muitos seres vivos têm cérebros! Vamos começar com vermes? É possível com worms, mas precisamos de um algoritmo que resolva não worms, mas nossas tarefas humanas, certo?
Nosso cérebro Imagine. Dois quilos (máximo) de matéria cinza-rosada flexível. Cem bilhões (nós também tomamos o máximo) de neurônios, cada um deles pronto para crescer até dez mil conexões dinâmicas - sinapses, que podem aparecer e desaparecer. Além de vários tipos de sinais entre eles, e até a glia surpreendeu - ele também conduz algo, ajuda e contribui. (Para referência: neuroglia ou simplesmente glia é uma coleção de células auxiliares do tecido nervoso. Representa cerca de 40% do volume do sistema nervoso central. O número de células gliais é, em média, 10-50 vezes maior que o dos neurônios). Os dendritos surpreenderam recentemente - acontece que eles executam muito mais funções do que se pensava anteriormente (1). O cérebro é uma coisa muito complexa. Se você não acredita em mim, pergunte a Konstantin Anokhin. Ele confirmará.
Uma pessoa faz tudo com a ajuda do cérebro. Na verdade, nós somos ele. Portanto, não é surpreendente que a idéia de uma pessoa de que "cérebro = inteligência" seja e ainda mais surpreendente seja a idéia de copiar a estrutura do cérebro e - voila! - obtenha o que você está procurando. Mas o cérebro não é inteligência. O cérebro é o transportador. "Ferro". E o Intelecto é um algoritmo, "software". Tentativas de replicar software copiando hardware são uma idéia falha. Este é um culto à carga (2). Você sabe o que é um "culto à carga"?
Os nativos das ilhas da Melanésia (tendo visto durante a Segunda Guerra Mundial como os aviões trazem armas, comida, remédios e muito mais), eles construíram cópias de aviões e cabine de expedidor de palha, mas não se ajudaram na obtenção de mercadorias, porque não tinham idéia de que se escondendo atrás da aparência da aeronave. Assim, tendo desmontado a calculadora nas engrenagens, não encontraremos um único dígito dentro. Além disso, não há dicas de operações com números.
Há alguns anos, Andrei Konstantinov, em uma das edições da revista "Schrödinger's Cat" (nº 1-2 em 2017), em sua coluna "Onde está a alma do robô", escreveu: "Desde a época de Leibniz, não encontramos nada no cérebro, exceto "partes que se empurram". Claro que não foi encontrado! E não vamos encontrar. Estamos tentando restaurar o programa usando o hardware do computador, mas isso é impossível. Como argumento de apoio, darei uma citação longa (3):
… Os neurocientistas, armados com os métodos comumente usados para estudar as nanoestruturas vivas, tentaram usar esses métodos para entender como o sistema mais simples de microprocessador funciona. O "cérebro" era o MOS 6502 - um dos microprocessadores mais populares de todos os tempos e povos: um chip de 8 bits usado em muitos computadores pessoais e consoles de jogos, incluindo Apple, Commodore, Atari. Naturalmente, sabemos tudo sobre esse chip - afinal, ele foi criado pelo homem! Mas os pesquisadores fingiram não saber de nada - e tentaram entender seu trabalho, estudando os mesmos métodos que estudam o cérebro vivo.
A tampa foi removida quimicamente, o circuito foi estudado sob um microscópio óptico com precisão de um único transistor, um modelo digital foi criado (aqui estou simplificando um pouco, mas a essência está correta), e o modelo é tão preciso que se tornou possível executar jogos antigos nele (Space Invaders, Donkey Kong, Armadilha). E então o chip (mais precisamente, seu modelo) foi submetido a milhares de medições simultaneamente: durante a execução dos jogos, as tensões em cada fiação foram medidas e o estado de cada transistor foi determinado. Isso gerou um fluxo de dados de um gigabyte e meio por segundo - que já foi analisado. Gráficos de explosões de transistores individuais foram construídos, ritmos revelados, elementos de circuito foram encontrados, cuja desconexão o tornou inoperante, foram encontradas dependências mútuas de elementos e blocos, etc.
Quão complexo era esse sistema comparado aos vivos? O processador 6502, é claro, não está nem perto do cérebro de um mouse. Mas ele se aproxima em complexidade do worm Caenorhabditis elegans - o cavalo de batalha dos biólogos: esse worm foi estudado amplamente e já estão sendo feitas tentativas para simulá-lo completamente em formato digital (...) Assim, a tarefa de analisar o sistema no chip 6502 não é uma simplificação excessiva. E os resultados têm o direito de serem extrapolados para sistemas in vivo.
Mas os pesquisadores ... foram derrotados! Não, alguns resultados foram obtidos, é claro. Analisando o chip, conseguimos identificar blocos funcionais, esboçar um diagrama de suas prováveis interconexões e obter algumas dicas interessantes sobre como o microprocessador como um todo provavelmente funciona. No entanto, não foi alcançado o entendimento no sentido em que a neurociência exige (neste caso: ser capaz de corrigir qualquer falha) ".
Em algum momento, apareceram pesquisadores que começaram a dizer a mesma coisa - que você precisa estudar algoritmos, que precisa entender qual função o intelecto desempenha. Por exemplo, Demis Hassabis (DeepMind), preparando-se para falar na Singularity Summit em San Francisco (2010), disse o seguinte: “Diferentemente de outros discursos na AGI Summit, minha palestra será diferente, pois estou interessado em o nível sistêmico da neurociência - algoritmos cerebrais - e não detalhes, como eles são implementados pelo tecido cerebral na forma de picos de neurônios e sinapses, ou neuroquímica específica, etc. Estou interessado em quais algoritmos o cérebro usa para resolver problemas e que precisamos encontrar para chegar a AGI ".
Porém, depois de 10 (!!!!!) anos, tudo continua acontecendo: os cientistas estudam o cérebro e tentam calcular, a partir das manifestações externas da atividade fisiológica e de sua estrutura interna, como ocorre o processo de interesse. Quantas tarefas - tantos processos. As pessoas são todas diferentes. O cérebro de todos é pequeno, mas diferente. É claro que há uma imagem média, no entanto ... Imagine que em qualquer momento arbitrário do tempo o cérebro resolva muito, incluindo tarefas "subconscientes", monitore e controla o estado interno do corpo, perceba e interpreta sinais do ambiente externo (e não somos falando sobre vários ciclos de feedback). Seremos capazes de identificar com confiança, identificar com segurança e separar claramente essas "atividades" umas das outras? Isso é possível em princípio? Para ser sincero, duvido.Sem mencionar a reprodutibilidade desses processos em meios não biológicos ...
Vamos olhar a situação de maneira diferente. O que é uma "tarefa" em geral? Essa é uma situação difícil que uma pessoa enfrenta e está tentando resolver. Como mostraram os matemáticos americanos Herbert Simon e Allen Newell em meados do século passado, qualquer problema em sua forma geral pode ser descrito como uma transição do estado "Sistema com problema" para o estado "Sistema sem problema". Eles desenvolveram um programa de computador, chamado de "General Problem Solver" (solucionador de problemas universal), mas não avançaram além da resolução de problemas de um tipo específico, de modo que a universalidade de seu algoritmo permaneceu em questão. Mas a fórmula "Sistema com problema" -> "Sistema sem problema" mostrou-se absolutamente correta!
Transformação do sistema é o processo de sua transferência do estado inicial "com problema" para o estado desejado "sem problema" (4). No processo de transformação (ou seja, resolver o problema), o sistema de problemas se torna livre de problemas (bom ou menos problemático), melhora, elimina suas deficiências e "sobrevive", ou seja, continua sendo usado. Oh espera, o que acabamos de dizer? Livrar-se de falhas? Sobrevivência? Hmm ... Algo familiar. Em algum lugar em que estamos ... Oh, bem, sim. Evolução! Quanto menos falhas - mais chances de sobrevivência!
Vamos nos controlar, lembrar e repetir o postulado principal: na natureza viva, organismos com um número maior de propriedades úteis têm maior chance de sobrevivência (bem, convencionalmente - os chifres são mais ramificados, a cauda é mais magnífica). Se as penas do corpo são mais pálidas e a voz é mais repugnante (propriedades nocivas), então, muito provavelmente, sua vida será curta e passará sozinha. Por fim, a pressão de seleção leva os organismos a se livrarem de deficiências e a se tornarem cada vez mais viáveis. Se você não acredita, pergunte a Sir Charles Darwin. Ele confirmará.
Portanto, aceitamos como fato que:
a) a função do intelecto é a solução dos problemas (qualquer)
eb) a solução do problema é uma melhoria do Sistema (qualquer), durante o qual se livra das deficiências, se torna mais viável. Em outras palavras, está evoluindo.
Ouviu o som de estalos? É nosso entendimento da complexidade da inteligência que está começando a se desfazer nas costuras. Acontece que os conceitos anteriormente existentes de "complexidade do cérebro" e "complexidade da inteligência" não são mais idênticos. E se, para "obter Inteligência", não é necessário "fazer engenharia reversa" do processo neurofisiológico de resolver um problema, capturando sombras fantasmagóricas de pensamento em um conectoma (especialmente porque cada pessoa tem um único) ou se engajando em um profundo aprendizado de redes? E se ... precisamos algoritmosizar a evolução do sistema, ou seja, o caminho de sua transformação de um estado menos perfeito para um estado mais perfeito usando as leis da evolução conhecidas por nós? E se, até hoje, realmente estivéssemos resolvendo o problema errado?
Ao mesmo tempo, não quero dizer que não seja necessário se envolver em treinamento em rede. Esta e outras áreas têm grandes perspectivas. Além disso, não quero dizer que pesquisas profundas sobre a fisiologia do cérebro sejam uma perda de tempo. Estudar o cérebro é uma tarefa importante e necessária: entenderemos melhor como o cérebro funciona, aprenderemos como curá-lo, recuperar-nos de ferimentos e fazer outras coisas surpreendentes, mas não chegaremos ao intelecto.
Alguém provavelmente me oporá agora: as tarefas que uma pessoa resolve estão associadas a milhões de vários sistemas - natural, social, industrial, técnico ... Material e abstrato, localizados em diferentes níveis da hierarquia. E cada um deles se desenvolve à sua maneira, e a evolução darwiniana é sobre a natureza viva. Coelhos, flores, peixes, pássaros ... Mas a pesquisa mostra que as leis da evolução são universais.
Não há necessidade de procurar evidências por um longo tempo - elas estão todas diante de seus olhos. Quem os tem, deixe-os ver. O que você levar - de uma partida para um Boeing, de um tanque para ... um contrabaixo - em todos os lugares (5), vemos hereditariedade, variabilidade e seleção! E toda a variedade de mudanças evolutivas (cuja complexidade aparente está associada ao fato de que todos os sistemas são de natureza muito diferente e estão em diferentes níveis da hierarquia) pode ser expressa em um único ciclo. Você se lembra, certo? "Sistema com problema" -> "Sistema sem problema".
O que é um "Sistema com um Problema"? Este é um sistema (material e abstrato, social, industrial e técnico, científico e ... qualquer - um objeto, uma idéia, uma hipótese - qualquer que seja), no qual foram descobertas algumas falhas que afetam (atenção!) Nosso desejo e a possibilidade de usá-lo ... O sistema não é bom o suficiente. O sistema não é eficiente o suficiente. Tem uma baixa relação benefício / custo. Queremos, podemos e estamos prontos para recusar, e muitas vezes recusamos. Mas precisamos de outro (executando a função útil de que precisamos), mas já "sem problemas" - mais eficaz, sem inconvenientes (ou com menos deles). Bem, você viu esta foto acima ... É claro que uma “flecha” entre os dois estados extremos (inicial e desejada) não é suficiente para nós. Precisamos do mesmo "operador", "transformador", certo? Vamos tentar encontrá-lo? Você concordaque em caso de sucesso, receberemos uma descrição (pelo menos para começar e simplificada) do algoritmo universal de que precisamos tanto?
O ponto de partida é "Sistema com problema". Começamos a pensar em como parar de usá-lo. No momento em que chamamos (ou sentimos) "Algo deve ser feito!"
O motivo que ameaça a sobrevivência do sistema é a baixa idealidade, que é expressa em um valor reduzido da proporção de funções úteis do sistema para funções caras (prejudiciais).
O que faremos a seguir? Nós a) criamos um novo sistema (se o sistema com as funções necessárias não existir ou o sistema existente não possui os recursos para aprimorá-lo) ou b) aprimoramos, modificamos o existente (se os recursos ainda existirem). Estudamos a estrutura interna e lidamos com o ambiente externo - identificamos as falhas externas e internas do sistema e, após eliminá-las, obtemos um sistema aprimorado. Um sistema com maior idealidade e maior vitalidade!
Devido ao fato de que o esquema acima descreve o processo de desenvolvimento, aprimoramento ou, se você preferir, a evolução de qualquer sistema (que é fácil de verificar, substituindo a palavra "sistema" por qualquer outro desejado - de "abajur" a "âncora"), I Eu acho que você pode com segurança ... e até - você precisa! chame de "Esquema Universal da Evolução". E preste atenção - é absolutamente algorítmico, ou seja, se enquadra completamente na definição de algoritmo: o algoritmo é uma receita exata para a execução em uma determinada ordem de um determinado sistema de operações, levando à solução de todos os problemas desse tipo. meios - podem ser implementados na forma de um programa de computador).
Na forma apresentada, o Esquema Universal de Evolução:
- natural - as leis da evolução foram identificadas em sistemas de vários tipos, e suas ações foram testadas em tecnologia, produção, sociedade, natureza e pensamento;
- objetivo - as leis da evolução não dependem da opinião do pesquisador e / ou usuário;
- lógico e consistente - as leis da evolução se seguem;
- completo - o conjunto de leis evolutivas é suficiente para descrever qualquer sistema;
- rígida - as leis da evolução não podem ser rearranjadas e
- fechado - as leis da evolução formam um ciclo: o sistema, depois de passar por um ciclo de mudanças, inicia imediatamente um novo.
O que obtemos como resultado: a evolução do sistema (apresentada na forma de um Esquema Universal) é a maneira de melhorá-lo, livrar-se de suas deficiências. Em outras palavras, é um algoritmo para resolver o problema. E resolver um problema é exatamente o que o intelecto faz. Vamos simplificar e obter: Esquema Universal = descrição da função da inteligência.
Críticas construtivas são bem-vindas.
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