" Computing Machinery and Intelligence " är ett grundläggande verk inom området artificiell intelligens , skrivet av den engelske vetenskapsmannen Alan Turing och publicerat 1950 i tidskriften Mind , vilket ger en allmän publik en idé som för närvarande kallas Turing-testet .
Turings arbete tar upp frågan "Kan maskiner tänka?". Eftersom orden "maskiner" och "tänka" inte kan definieras entydigt, föreslår Turing att ersätta "frågan med en annan som är nära besläktad med den första, men uttryckt i mindre tvetydiga termer [1] ." För att göra detta hittar författaren för det första en entydig ersättning för ordet "tänka". För det andra förklarar han vilken typ av "maskiner" han anser . På grundval av detta formulerar han en ny fråga relaterad till originalet: kan en maskin utföra handlingar som inte går att skilja från avsiktliga handlingar. Denna fråga, enligt Turing, kan besvaras jakande, för vilken författaren visar inkonsekvensen av motsatta åsikter , och även beskriver hur man skapar en av dessa maskiner .
Istället för att avgöra om maskiner kan tänka, ställer Turing frågan om maskiner kan vinna ett spel som kallas Imitationsspelet. Det involverar tre deltagare: en maskin, en människa och en examinator (som också är en människa). Examinatorn sitter i ett separat rum varifrån han kan kommunicera med både maskinen och personen. I detta fall ska svaren presenteras i textform och sändas via teletyp eller med hjälp av en mellanhand. Både maskinen och människan försöker övertyga granskaren att de är människor. Om examinatorn inte med säkerhet kan säga vem som är vem, anses maskinen ha vunnit spelet. Detta är beskrivningen av den enklaste versionen av testet. Det finns andra varianter av Turing-testet .
Som noterat av Stephen Harnad, började frågan låta som "Kan maskiner göra vad vi (som tänkande varelser) kan göra? [2] ". Med andra ord, Turing frågar inte längre "Kan maskiner tänka?", han frågar om en maskin kan utföra handlingar som inte går att skilja från avsiktliga handlingar. Detta sätt att ställa frågan undviker de svåra filosofiska problemen med att definiera verbet "tänka" och fokuserar på uppgifterna att skapa och öka den produktivitet som gör förmågan att tänka möjlig.
Vissa har bestämt sig för att Turings fråga bara låter som "Kan en maskin som kommunicerar via teletyp fullständigt lura en person att det är en person?" Turing talar dock inte om att lura människor, utan om att reproducera mänskliga kognitiva förmågor [3] .
Turing noterar också behovet av att definiera vilka "maskiner" som avses. Naturligtvis utesluter han människor från klassen av maskiner. Kloner skulle inte heller ge ett intressant exempel på att "konstruera en tänkande maskin". Turing föreslår att fokusera på möjligheten av "digitala datorer" som manipulerar de binära talen 1 och 0, genom att skriva om dem i minnet genom enkla regler. Han ger två skäl till detta:
Turings forskning inom teorin om algoritmer visade att en digital dator kan simulera vilken diskret maskin som helst, givet tillräckligt med minne och tid. (Detta är kärnan i Church-Turing-uppsatsen och den universella Turing-maskinen .) Så om "vilken som helst" digital maskin kan göra vad den tror, så kan "varje" tillräckligt kraftfull digital maskin. Turing skriver att "alla digitala datorer är i någon mening likvärdiga [1] ."
Detta gör att du kan ställa den ursprungliga frågan ännu mer korrekt. Turing definierar nu frågan annorlunda: ”Låt oss fästa vår uppmärksamhet på digital dator B. Är det sant att genom att modifiera datorn så att den har tillräckligt med minne, vilket är liktydigt med att öka dess handlingshastighet och förse den med rätt program , kan dator B göras för att tillfredsställande spela både rollen som dator A i simuleringsspelet och rollen som person B? [1] ". Denna fråga, enligt författaren, har blivit en direkt fråga om mjukvaruteknik .
Dessutom hävdar Turing att man inte ska "fråga om alla datorer skulle lyckas i spelet och om alla befintliga datorer skulle lyckas, men imaginära datorer [1] skulle kunna lyckas med det ." Detta är viktigast för att överväga möjligheten att uppnå en "tänkande maskin" oavsett om de resurser som behövs för det finns tillgängliga eller inte.
Efter att ha identifierat frågan, återvänder Turing till att svara på den: han överväger 9 huvudsakliga motsatta åsikter, som inkluderar alla huvudargument mot artificiell intelligens som fanns före den första publiceringen av artikeln.
Var snäll, uppfinningsrik, vacker, vänlig ... var proaktiv, ha humor, vet gott från ont, gör misstag ... bli kär, njut av jordgubbar och vispgrädde ... få någon att bli kär i dig, lär av erfarenhet ... använd ord korrekt, tänk på dig själv ... att uppvisa samma olika beteende som en person, för att skapa något nytt.
Turing konstaterar att det oftast handlar om anklagelser. De är alla beroende av naiva antaganden om vad framtida maskiner kan vara, och är "dolda argument från sinnet". Han erbjuder lösningar på några av dem:Den analytiska motorn gör inte anspråk på att skapa något nytt. Maskinen kan göra allt som vi vet hur man ordinerar till den. Den kan följa analysen, men den kan inte förutse några analytiska beroenden eller sanningar. Maskinens funktion är att hjälpa oss att få det vi redan är bekanta med.
Turing säger att Lovelaces invändning kan reduceras till påståendet att maskinen "inte kan överraska oss", vilket direkt kan besvaras att maskiner överraskar människor väldigt ofta. I synnerhet eftersom konsekvenserna av vissa fakta inte kan fastställas exakt. Turing noterar också att Lady Lovelaces information om maskiner inte tillät henne att föreställa sig att minnet av den mänskliga hjärnan är mycket likt minnet av en dator.Det sista avsnittet av Turings uppsats börjar med att utvärdera genomförbarheten av att utveckla tänkande maskiner ur en ingenjörs- och programmeringssynpunkt. För ett simuleringsspel, enligt hans åsikt, verkade den erforderliga minneskapaciteten för tekniken från dessa år ganska genomförbar, och det fanns inget behov av att öka hastigheten på operationerna. Viktigare var uppgiften att sammanställa ett maskinprogram för detta. "När vi försöker imitera det vuxna sinnet, tvingas vi tänka mycket på den process genom vilken det mänskliga intellektet nådde sitt nuvarande tillstånd [1] ." Författaren lyfter fram tre komponenter här:
För att undvika att programmera ett sådant tillstånd, föreslår Turing att skriva ett program som skulle imitera ett barns sinne, och ett program som utför utbildning. Författarens beräkning är att mekanismen i ett barns hjärna är enkel, och en enhet som den kan enkelt programmeras, om än inte vid första försöket. Den föreslagna utbildningsprocessen bygger delvis på metoden för bestraffningar och belöningar.
I det här fallet bör maskinen vara anordnad på ett sådant sätt att mottagandet av en "straff"-signal i den skulle leda till en kraftig minskning av sannolikheten för att upprepa de reaktioner från maskinen som omedelbart föregick denna signal, medan "belöningen" ”-signal, tvärtom, skulle öka sannolikheten för dessa reaktioner, reaktionerna som föregick den (som "utlöste" den).
För att öka komplexiteten hos "barnmaskinen" föreslår Turing att "bädda in" ett inferenssystem i den , vilket inte nödvändigtvis skulle uppfylla principerna för strikt logik, såsom " typhierarki ".
En viktig egenskap hos en sådan inlärningsmaskin är att läraren bara kan förutsäga dess beteende med viss sannolikhet. Att avvika från absolut deterministiskt beteende är tydligen en manifestation av intelligens. Ett annat viktigt läranderesultat är att misstag kommer att göras naturligt, snarare än att "borras" för att förvirra examinatorn av simuleringsspelet.
Sedan artikelns publicering "har den blivit en av de mest omtryckta, citerade, nämnde, felciterade, omskrivna och allmänt anmärkningsvärda filosofiska artiklarna som någonsin publicerats. Det har påverkat många intellektuella discipliner - artificiell intelligens, robotik , epistemologi , sinnesfilosofi - och har hjälpt till att forma den allmänna opinionen som den nu handlar om gränserna och möjligheterna för icke-mänsklig, konstgjord, artificiell "intelligens" [8] . "
Under 1950- och 1960-talen var anmärkningsvärda argument mot möjligheten att bygga en maskin som kunde tänka relativt sällsynta. Även de befintliga invändningarna såg inte tillräckligt övertygande ut varken ur en evolutionär eller logisk synvinkel och hade ingen avskräckande effekt på forskningen inom artificiell intelligens.
1972 publicerade Hubert Dreyfus What Computers Can't Do, som var en skarp kritik av intelligensens manifestationer i existerande artificiella intelligenssystem [7] . Enligt hans åsikt saknade modellerna det enorma lager av icke-formaliserad kunskap om världen som någon person har, såväl som den förmåga som ligger i sunt förnuft att förlita sig på vissa komponenter i denna kunskap. Dreyfus förnekade inte den grundläggande möjligheten att skapa ett konstgjort fysiskt system kapabelt att tänka, men han var mycket kritisk till Turings idé att detta kunde uppnås genom att manipulera symboler med rekursivt tillämpade regler.
Dessa invändningar accepterades dock inte av specialister och filosofer på artificiell intelligens och påverkade inte den fortsatta utvecklingen av forskningen inom området. Att övervinna de problem som Dreyfus beskrev ansågs vara möjligt i framtiden, efter skapandet av kraftfullare maskiner och bättre program.
Men i slutet av 70-talet och början av 80-talet ökade en ökning av hastigheten och minnet hos datorer inte deras "mentala förmågor" mycket. För att få praktiskt taget tillförlitliga resultat var det nödvändigt att spendera mycket mer tid än de biologiska systemen som krävdes för samma uppgifter. Sådana långsamma modelleringsprocesser skrämde vissa specialister som arbetar inom artificiell intelligens [7] .
1980, John Searle , i artikeln "The Mind of the Brain - a Computer Program?" presenterade ett fundamentalt nytt kritiskt koncept som ifrågasatte det mycket grundläggande antagandet i det klassiska forskningsprogrammet om artificiell intelligens, nämligen idén att korrekt manipulation av strukturerade symboler genom att rekursivt tillämpa regler som tar hänsyn till deras struktur kan utgöra kärnan i medvetet sinne.
Searle förklarade sitt resonemang i ett experiment som kallas det " kinesiska rummet ". Dess betydelse är att en maskin som kan klara Turing-testet manipulerar symboler, men inte kan ge dem någon mening. Han ställer frågan varför datorsimulering av mänskligt tänkande i allmänhet anses vara helt identisk med det, och varför i detta fall rimligt beteende kan uppstå.
Ingen tror att en datormodell av matsmältning faktiskt kan smälta något, men när det kommer till tänkande tror folk villigt på sådana mirakel, eftersom de glömmer att sinnet är samma biologiska fenomen som matsmältningen [9] .
Till skillnad från Turing trodde Searle inte att tänkande reduceras till program, samtidigt förnekade han inte själva möjligheten att skapa ett artificiellt tänkande. Det "kinesiska rummet" som Searle föreslagit väckte mycket kritik, förtydliganden och diskussioner, som fortfarande inte klargjorde något i de frågor som togs upp och inte ledde till en enande av olika åsikter [8] .
För att demonstrera tänkande maskiner som skapades 1991, affärsmannen Hugh Loebnergrundade och finansierade en årlig tävling för att identifiera och belöna ett datorprogram som mest tillfredsställande klarar Turing-testet. Men under hela tävlingen förblev programmen ganska enkla och visade inte mycket lust att göra framsteg. Angående dessa försök att klara Turing-testet, fysikprofessor Mark Halperni sin artikel "The Trouble with the Turing Test" säger:
Naturligtvis är omöjligheten att klara Turing-testet ett empiriskt faktum som kan vara omvänt i morgon; vad som är allvarligare är att det blir tydligt för fler och fler observatörer att även om detta händer, kommer denna framgång inte att betyda vad Turing och hans anhängare hade i åtanke: inte ens meningsfulla svar på testarens frågor bevisar närvaron av en aktiv intelligens i enheten genom vilken dessa svar passerar [8] .