Zagadnienie inteligencji maszyn w pismach Alana Turinga z lat

U NIWERSYTET PAPIESKI JANA PAWŁA II W K RAKOWIE
W YDZIAŁ F ILOZOFICZNY
inż. Piotr Gumułka
Zagadnienie inteligencji maszyn w
pismach Alana Turinga z lat 1950-1952
Rodzaj pracy: licencjacka
Promotor: dr hab. Paweł Polak
Seminarium z Filozofii Przyrody
K RAKÓW 2013
Opis bibliograficzny pracy
inż. Piotr Gumułka, Zagadnienie inteligencji maszyn w pismach Alana Turinga z lat 1950-1952, praca licencjacka napisana pod kierunkiem: dr hab. Pawła
Polaka, Kraków,
WF UPJPII, 2013, ss. 57.
Abstrakt
W pracy przedstawiono zagadnienie inteligencji maszyn w pismach Alana
Turinga z lat 1950-1952. W oparciu o kluczowy tekst autora z 1950 roku i inne
materiały źródłowe zarysowano tematyk˛e zagadnienia oraz opisano różne stanowiska wobec tego, co przedstawiał swoimi pogladami
˛
A. M. Turing. Celem
pracy było określenie jakie poglady
˛ przedstawia A. M. Turing wobec zagadnienia sztucznej inteligencji. Zostało to wykonane poprzez ukazanie zarysu tła
historycznego zagadnienia oraz przedstawienie i analiz˛e kluczowych zagadnień
zwiazanych
˛
z A. M. Turingiem, szkic głównych nurtów polemicznych. Został
nakreślony podział jaki współcześnie wyróżnia si˛e w pogladach
˛
na zagadnienie sztucznej inteligencji; wystapiła
˛
próba analizy pogladów
˛
Turinga i określenia
jego stanowiska wobec tego zagadnienia. Wykorzystano trzy materiały źródłowe
i dwadzieścia pozycji bibliograficznych.
Liczba wykorzystanych pozycji bibliograficznych: 21.
Słowa kluczowe:
• imienne Alan M. Turing, Maria Piesko, Jack Copeland,
• rzeczowe sztuczna inteligencja, maszyna Turinga, test Turinga.
2
Spis treści
1 Wst˛ep
5
1.1
Cel pracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
1.2
Struktura pracy . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2 Tło zagadnienia
2.1
2.2
2.3
7
Wst˛ep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
2.1.1
Historia maszyn logicznych . . . . . . . . . . . . . . .
7
2.1.2
Rozwój narz˛edzi wspomagajacych
˛
liczenie . . . . . . .
9
2.1.3
Uniwersalna maszyna liczaca
˛ . . . . . . . . . . . . . . .
11
2.1.4
Kontekst kulturowy
. . . . . . . . . . . . . . . . . . .
13
Alan M. Turing . . . . . . . . . . . . . . . . . . . . . . . . . .
15
2.2.1
Nota biograficzna . . . . . . . . . . . . . . . . . . . . .
15
2.2.2
Dorobek naukowy Turinga z zakresu sztucznej inteligencji 17
Podsumowanie . . . . . . . . . . . . . . . . . . . . . . . . . .
3 Koncepcja maszyny Turinga
19
21
3.1
Wstep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
3.2
Czym jest maszyna Turinga . . . . . . . . . . . . . . . . . . . .
22
3.3
Maszyna Turinga a ludzki umysł . . . . . . . . . . . . . . . . .
25
3.3.1
Poglad
˛ Turinga w kwestii umysłu . . . . . . . . . . . .
26
3.3.2
Polemika . . . . . . . . . . . . . . . . . . . . . . . . .
28
Podsumowanie . . . . . . . . . . . . . . . . . . . . . . . . . .
29
3.4
4 Test Turinga
4.1
31
Wst˛ep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
31
4.2
Na czym polega test Turinga . . . . . . . . . . . . . . . . . . .
31
4.3
Główne filozoficzne inspiracje testu Turinga . . . . . . . . . . .
34
4.4
Główne nurty polemiki wokół testu Turinga . . . . . . . . . . .
35
4.4.1
Spór o zasadność testu . . . . . . . . . . . . . . . . . .
35
4.4.2
Poglady
˛ przeciwników wymienione przez Turinga . . .
37
Podsumowanie . . . . . . . . . . . . . . . . . . . . . . . . . .
40
4.5
5 Silna i słaba sztuczna inteligencja w pogladach
˛
Alana Turinga
42
5.1
Wst˛ep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
5.2
Przedstawienie różnych stanowisk wobec sztucznej inteligencji .
42
5.2.1
Silna sztuczna inteligencja . . . . . . . . . . . . . . . .
43
5.2.2
Słaba sztuczna inteligencja . . . . . . . . . . . . . . . .
44
5.2.3
Stanowiska pośrednie . . . . . . . . . . . . . . . . . . .
44
5.2.4
Podsumowanie . . . . . . . . . . . . . . . . . . . . . .
46
5.3
Stanowisko Turinga . . . . . . . . . . . . . . . . . . . . . . . .
46
5.4
Podsumowanie . . . . . . . . . . . . . . . . . . . . . . . . . .
48
6 Zakończenie
50
7 Bibliografia
52
Spis rysunków
55
4
1 Wst˛ep
1.1
Cel pracy
Alan Turing, angielski uczony matematyk i logik, wywarł znaczacy
˛ wpływ na
rozwój wielu gał˛ezi nauki. W czasie swojego krótkiego życia nie tylko zmienił
świat nauki, ale także stworzył nowe gał˛ezie nauki i porusył ważkie kwestie filozoficzne z nimi zwiazane.
˛
Celem ninejszej pracy jest przedstawienie i opisanie
pogladów
˛
Alana Turinga na sztuczna˛ inteligencj˛e. Temat ten, mimo że poruszany
w literaturze, głównie obcoj˛ezycznej, od lat pozostawia wiele kwestii otwartych.
Wpływ Alana Turinga okazał si˛e bardzo znaczacy
˛ w nowopowstajacych
˛
naukach
specjalistycznych oraz poruszył umysły wielu myślicieli, przydatna może być
systematyzacja jego pogladów
˛
filozoficznych zwiazanych
˛
z zagadnieniem sztucznej inteligencji. Lata 1950-52 sa˛ okresem, w którym powstały trzy główne teksty
zwiazane
˛
tym zagadnieniem.
1.2
Struktura pracy
Pierwszy rozdział omawia ogólne tło zagadnienia. Opisane zostały najważniejsze etapy w historii nauki i techniki, dzi˛eki którym zaistniały pierwsze komputery. Nast˛epnie zwrócono uwag˛e na pierwsze konstrukcje prymitywnych komputerów i nowsze generacje współczesne Turingowi. Nie sposób nie wspomnieć
także o aspekcje kulturowym rozwoju maszyn liczacych.
˛
Widoczny jest on w literaturze science-fiction tamtego okresu. To wszystko tworzy tło epoki w jakiej
żył i pracował Alan Turing. Druga cz˛eść rozdziału skupia si˛e wokół biografii Turinga. Zwrócono szczególna˛ uwag˛e na przybliżenie jego dokonań zwiazanych
˛
z
rozwojem informatyki
Kolejne rozdziały przedstawiaja˛ najważniejsze zagadnienia przejawiajace
˛ si˛e
5
w myśli Alana Turinga. Skupiono si˛e na trzech głównych aspektach. Sa˛ to:
• Maszyna Turinga i jej wpływ na rozważania o umyśle;
• Test Turinga jako behawioralne kryterium inteligencji;
• Stanowisko Turinga w kontekście podziału na silna˛ i słaba˛ sztuczna inteligencj˛e.
W pracy zostały zaprezentowane poglady
˛ z różnych biegunów opinii odnosza˛
cych si˛e do myśli Turinga na temat sztucznej inteligencji. Turing, mimo że nie
był filozofem, pozostawił po sobie ważny i niezwykle owocny wkład w sferze
filozofii informatyki i stał si˛e dziś klasykiem w tej dziedzinie. W niniejszej pracy,
z racji charakteru pracy, opisano jedynie wybrane opinie, których celem jest pokazanie różnych postaw wobec myśli Turinga. Jego celem jest nadanie perspektywy jak w epoce, w której żył i pracował Alan Turing kształtowała si˛e myśl
filozoficzna zainspirowana technika˛ komputerowa.˛
Ostatni rozdział podsumowuje dokonana˛ w pracy prezentacj˛e pogladów
˛
Turinga na temat sztucznej inteligencji. Omówione zostały także pokrótce losy techniki komputerowej, jej rozwój i zastosowanie po Turingu.
6
2 Tło zagadnienia
2.1
Wst˛ep
Aby poznać tło zagadnienia jakim zajmował si˛e Alan Turing nie można pominać
˛ historii, której wynikiem stało si˛e skonstruowanie komputerów cyfrowych.
Dopiero po poznaniu czynników, które miały swój udział w powstaniu uniwersalnych maszyn cyfrowych można na poważnie zajać
˛ si˛e tematem inteligencji
maszyn tak jak widział je Alan Turing.
Rozwój przyrzadów
˛
wspomagajacych
˛
naturalne zdolności analityczne człowieka odbywał si˛e w dwóch kierunkach – maszyn wspomagajacych
˛
wnioskowanie logiczne oraz maszyn wspomagajacych
˛
wykonywanie rachunków arytmetycznych.
2.1.1. Historia maszyn logicznych
Historia maszyn logicznych zaczyna si˛e dosyć późno – w czasach średniowiecza, dokładniej w około 1274 roku. Wtedy to franciszkanin Rajmund Llull1
opisał swój pomysł maszyny logicznej. Jako wielki misjonarz Kościoła Katolickiego na terenach Bliskiego Wschodu starał si˛e on znaleźć sposób na nawrócenie
muzułmanów. Doszedł on do wniosku, że rozwiazaniem
˛
mogłaby si˛e stać maszyna, która w sposób racjonalny dowodziłaby prawdziwości logicznej zdań. Zastosowanie jej do analizy zdań zawartych w Biblii i doprowadzenie do ukazania,
że każde zdanie jest prawdziwe mogłoby stać si˛e przyczynkiem do fali nawróceń na wiar˛e chrześcijańska,˛ która, co wykazałaby taka maszyna, jest prawdziwa˛
religia˛2 . Projekt maszyny Rajmund Llull zawarł w swoim najwi˛ekszym dziele
„Ars magna”, które powstało około 1305 roku. Maszyna ta składała si˛e z kół o
1
Rajmund Llull (1232-1315), franciszkanin, filozof, teolog.
Por. M. Gardner, Logic Machines and diagrams, McGraw-Hill Book Company, New York Toronto - London, 1958, ss. 1-8.
2
7
Rys. 2.1: Rycina z „Ars magna” Rajmunda Llulla.
(źródło: http://commons.wikimedia.org/wiki/File:Ramon_Llull_-_Ars_Magna_Fig_1.png)
wspólnym środku, które były podzielone na cz˛eści, z czego każda cz˛eść posiadała przyporzadkowany
˛
do niej termin teologiczny, badź
˛ filozoficzny jak też np.
nazwy relacji czy cech (rys. 2.1). Dzi˛eki możliwości obracania kół wokół wspólnych osi można było uzyskać kombinacje terminów tworzoacych
˛
zdania, które
mogły tworzyć poprawne sylogizmy.
Ponad pi˛ećset lat później George Boole3 wykazał, że można stworzyć powia˛
zanie mi˛edzy wartościami logicznymi prawdy i fałszu a liczbami naturalnymi,
a operacje logiczne np. koniunkcj˛e i alternatyw˛e zapisać za pomoca˛ działania
matematycznego. W swoim dziele opublikowanym w 1854 roku pod tytułem An
Investigation into The Laws of Thought on Which Are Founded The Mathematical Theories of Logic and Probabilities4 dowiódł on, że prawa logiki moga˛ być
przedmiotem rachunków matematycznych – to znaczy – sa˛ obliczane5 . Wtedy, to
z pozoru nie znaczace
˛ wiele stwierdzenie, które zdaje si˛e być oczywiste, nabierze
3
George Bool (1815-1864), angielski matematyk, filozof i logik.
G. Boole, An Investigation into The Laws of Thought on Which Are Founded The Mathematical Theories of Logic and Probabilities, Cork, 1854.
5
Ten bardzo ważny wniosek zostanie przytoczony jeszcze po przedstawieniu krótkiej historii
przyrzadów
˛
i urzadzeń
˛
wspomagajacych
˛
liczenie.
4
8
wi˛ekszego znaczenia.
2.1.2. Rozwój narz˛edzi wspomagajacych
˛
liczenie
Pierwszymi przyrzadami
˛
służacymi
˛
do usprawnienia liczenia były, i sa,˛ palce
u rak.
˛ Niezwykle proste narz˛edzie, w które zaopatrzyła nas natura pozwoliło na
łatwiejsze dodawanie i odejmowanie małych liczb. Kolejnymi przyrzadami
˛
używanymi przez starożytnych ludzi były małe kamyczki symbolizujace
˛ inne przedmioty, które były zliczane. Jednak pierwszy przełom nastapił
˛ około 3000 roku
p.n.e. kiedy powstały pierwsze liczydła w Babilonii6 . Liczydło uprościło wykonywanie operacji nawet na dużych liczbach co umożliwiło bardziej dynamiczny
rozwój matematyki. Przedmiot ten posiadał wiele wcieleń, był wykorzystywany
w starożytnym Rzymie i Grecji, swoja˛ wersj˛e urzadzenia
˛
niezależnie stworzyli
Chińczycy pod nazwa˛ Suanpan, na której można szybko wykonywać nie tylko
proste czynności matematyczne jak dodawanie i odejmowanie ale także bardziej
zaawansowane działania jak mnożenie, dzielenie czy wreszcie pierwiastkowanie
drugiego i trzeciego stopnia. Dzi˛eki możliwości komfortowej pracy na relatywnie
dużych liczbach i dalszemu rozwojowi matematyki przyszło zapotrzebowanie na
nowe przyrzady
˛ (rys. 2.2 na nast˛epnej stronie).
Wraz z pojawieniem si˛e nowego rodzaju funkcji matematycznej nazwanej
logarytmem w 1620 roku, który okazał si˛e istotna˛ pomoca˛ dla obliczeń inżynierskich i naukowych (mnożenie zastapiono
˛
dodawaniem), koniecznościa˛ stało si˛e
stworzenie przedmiotu, który usprawniłby posługiwanie si˛e nowym tworem matematycznym. Z poczatku
˛ stworzone zostały tablice logarytmiczne, zaś w 1632
roku skonstuowany zostaje suwak logarytmiczny, który znacznie przyśpiesza wykonywanie obliczeń na logarytmach. Naukowcy do swoich badań potrzebowali
coraz doskonalszych urzadzeń
˛
pozwalajacych
˛
na usprawnienie rachunków. Jan
Kepler7 , astronom, otrzymał od swojego znajomego - niemieckiego konstruktora
6
Por. K. Menninger, Number Words and Number Symbols: A Cultural History of Numbers,
Cork, 1854, ss. 295-299.
7
Jan Kepler (1571-1630), niemiecki matematyk, astronom, astrolog.
9
Rys. 2.2: Przykład liczydła.(źródło: http://commons.wikimedia.org/wiki/File:Abacus_1_(PSF).png)
Wilhelma Schickarda8 w 1623 roku maszyn˛e, która miała wykonywać dodawanie, odejmowanie, mnożenie i dzielenie liczb. Nieco później francuski filozof
i uczony Blaise Pascal9 stworzył dla swojego ojca, poborcy podatkowego, maszyn˛e liczac
˛ a,˛ która miała mu pomóc w pracy10 .
Historia maszyn liczacych,
˛
które ostatecznie doprowadziły do powstania komputera, nie może obejść bez wspomnienia o Josephie Jacquardzie11 , który mimo
że nie stworzył maszyny liczacej,
˛
jednak wniósł do techniki coś, co wydaje si˛e
integralna˛ cz˛eścia˛ tego co nazywamy komputerem – było to sterowanie programowe12 . Zajmował si˛e on udoskonaleniem krosna i stworzył w 1805 roku swoja˛
wersj˛e urzadzenia,
˛
w którym wzory jakie maja˛ pojawić si˛e na tkaninie były zapisywane na kartach perforowanych, które sterowały procesem tkackim. Dzi˛eki
temu proces tworzenia tkaniny został zautomatyzowany. Ide˛e maszyny liczacej
˛
znaczaco
˛ rozwinał
˛ w XIX wieku Charles Babbage13 (rys. 2.3) najpierw budu8
Wilhelm Schickard (1592-1635), niemiecki matematyk, orientalista i konstruktor.
Blaise Pascal (1623-1662), francuski matematyk, fizyk, filozof i konstruktor.
10
Por. T. H. Russell, Mechanical Arithmetic or the History of the Counting Machine, Chicago,
1916, ss. 10-11.
11
Joseph Jacquard (1752-1834), tkacz i wynalazca.
12
Por. ibidem, s. 20.
13
Charles Babbage (1791-1871), angielski matematyk, astronom, konstruktor i mechanik.
9
10
Rys. 2.3: Charles Babbage (1791-1871).
(źródło: http://commons.wikimedia.org/wiki/File:Charles_Babbage_1860.jpg)
jac
˛ maszyn˛e różnicowa˛ (który to projekt ostatecznie porzucił) a nast˛epnie maszyn˛e analityczna.˛ Druga z tych maszyn jest bardzo interesujaca.
˛ Jej konstruktor
nie podjał
˛ si˛e jej stworzenia, jedynie ja˛ zaprojektował, jednak sama konstrukcja
okazała si˛e być pierwszym projektem czegoś co można nazwać uniwersalnym
komputerem14 . Przede wszystkim posiadała ona zdolność wykonywania dowolnie zaprogramowanych ciagów
˛
instrukcji na dowolnych danych. Ciag
˛ instrukcji
miał być wykonywany automatycznie. Pomimo tego, że ta konstrukcja nie ujrzała światła dziennego przyczyniła si˛e do stworzenia wielu ważnych koncepcji
koniecznych do stworzenia uniwersalnych maszyn liczacych,
˛
co zostanie omówione w kolejnych akapitach.
2.1.3. Uniwersalna maszyna liczaca
˛
Należy w tym momencie powrócić do wniosku zaprezentowanego przez Boole’a, że logik˛e da si˛e rozpatrywać w kontekście operacji arytmetycznych na liczbach. To stwierdzenie oznacza, że uniwersalna maszyna liczaca
˛ b˛edzie umiała
14
Por. H. H. Goldstine, The Computer from Pascal to von Neumann, Princeton University Press,
Chichester, 1972, ss. 10-11, 21.
11
posługiwać si˛e logika,˛ o ile zostanie ona zaprogramowana w odpowiedni sposób. Właśnie dzi˛eki temu odkryciu połaczone
˛
zostały dwie ścieżki rozwoju maszyn ułatwiajacych
˛
operacje logiczne i matematyczne w jeden typ. Można także
z tego wywnioskować, że każde logicznie uzasadnione zachowanie powinno dać
si˛e opisać matematycznie.
Ostatnia˛ cz˛eścia˛ historii rozwoju techniki, jest krótkie przedstawienie zdarzeń
i urzadzeń,
˛
które były tworzone jako uniwersalne. Słowo „uniwersalne” użyte
zostało uprzednio parokrotnie, należy przez nie rozumieć dowolność ciagu
˛ instrukcji, które można wykonać w (zasadniczo) dowolnej kolejności na maszynie liczacej.
˛
Ciag
˛ takich instrukcji wykonywany jest automatycznie. Jak zostało
wspomniane, pierwsza˛ taka˛ maszyna,˛ jednak powstała˛ tylko na papierze, była
maszyna analityczna Babbage’a.
W 1890 roku powstała pierwsza maszyna zliczajaca
˛ dane z kart perforowanych, zaś dwa lata później w pełni automatyczna centrala telefoniczna. Claude
E. Shannon15 znalazł powiazanie
˛
mi˛edzy algebra˛ logiczna˛ Boole’a a technologia˛
przełaczników
˛
obwodów elektrycznych. W roku 1939 John Atanasoff16 stworzył
pierwszy, jeszcze nieprogramowalny, komputer o nazwie ABC, zaś w kolejnych
latach powstało par˛e kolejnych konstrukcji17 .
Pierwszym programowalnym komputerem elektro-mechanicznym był Z1. Został on zaprojektowany i zbudowany w 1938r. przez niemieckiego inżyniera Konrada Zuse18 . Pierwszy komputer był jednak zawodny i nie obsługiwał wyrażeń
warunkowych. Kolejne wersje urzadzenia
˛
– Z2, Z3, Z4 oraz Z5 - poprawiały
działanie i rozwijały możliwości znane z poprzednich modeli. Bardzo ważnym
komputerem był ENIAC powstały w 1943 roku (rys. 2.4 na nast˛epnej stronie).
Został zaprojektowany jako urzadzenie
˛
elektroniczne, które programowane było
za pomoca˛ łaczy
˛
kablowych, zaś później za pomoca˛ kart perforowanych19 . Była
to konstrukcja, która wykonywała dowolne ciagi
˛ operacji na wprowadzonych da15
Claude E. Shannon (1916-2001), amerykański matematyk, inżynier.
John Atanasoff (1903-1995), amerykański informatyk i inżynier.
17
Por. ibidem, ss. 123-126.
18
Konrad Zuse (1910-1995), niemiecki inżynier i konstruktor.
19
Por. ibidem, s. 154.
16
12
Rys. 2.4: Widok komputera ENIAC.
(źródło: http://explorepahistory.com/displayimage.php?imgId=1-2-920)
nych, nie tyle pomagała w obliczeniach (jak czyni to prosty kalulator), ale sama
obliczała w kolejnych krokach działania wszystkie dane i wyprowadzała wynik.
2.1.4. Kontekst kulturowy
Wszystkie te konstrukcje i rozwój nauki, który wymuszał tworzenie nowych
rozwiazań,
˛
sprawiały, że ludzie, zacz˛eli zastanawiać si˛e nad możliwymi kierunkami dalszego rozwoju ludzkości. Efektem tego, było rozwini˛ecie si˛e nurtu wczesnego pisarstwa science-fiction. Jego pierwotna˛ form˛e nadał tego typu literaturze
Juliusz Verne w XIX wieku.
13
Lata dwudzieste XX wieku, przyniosły zaciekawienie rozwojem nowych technologii, czego wyrazem były prace czeskiego pisarza - Karela Čapka20 . Wyreżyserował on w 1920 roku przedstawienie o nazwie „R.U.R.” (Rossumovi Univerzalni Roboti), które spowodowało upowszechnienie słowa robot. Mianem robota
określono we wspomnianej sztuce sztucznie stworzona˛ uproszczona˛ wersj˛e człowieka. Twór ten przeznaczony był do ci˛eżkiej pracy. Słowo to zmieniło swoje
znaczenie, i po stu latach mianem robota określamy maszyny, zdolne do ci˛eżkiej
pracy, jak też i takie, które sa˛ zbudowane by wygladem
˛
przypominać zwierz˛e
badź
˛ – człowieka.
Przytoczony termin z jego znaczeniem dał poczatek
˛ nowym „istotom”. Poskutkowało to szybkim rozwojem całego gatunku science-fiction. Jednym zaś z
przedstawicieli tego typu literatury był Isaac Asimov21 . Stworzył on uznawany
za klasyk˛e gatunku cykl Fundacja, jak też Galactic Empire i Roboty. Przedstawił
on też sławne trzy prawa robotyki22 :
1.
Robot nie może skrzywdzić człowieka, ani przez zaniechanie działania dopuścić, aby człowiek doznał krzywdy.
2.
Robot musi być posłuszny rozkazom człowieka, chyba że stoja˛ one
w sprzeczności z pierwszym prawem.
3.
Robot musi chronić sam siebie, jeśli tylko nie stoi to w sprzeczności
z pierwszym lub drugim prawem.
Rozszerzył je jednak po pewnym czasie o jeszcze jedno, nadrz˛edne prawo:
0.
Robot nie może skrzywdzić ludzkości, lub poprzez zaniechanie działania doprowadzić do uszczerbku dla ludzkości.
Prawa te powstały w umyśle człowieka, wizjonera, obserwujacego
˛
nowe technologie, elektroniczne urzadzenia,
˛
wspomagajace
˛ ludzi.
20
Karel Čapek (1890-1938), czeski pisarz.
Isaac Asimov (1920-1992), rosyjski pisarz, profesor biochemii, autor ksia˛żek science-fiction.
22
I. Asimov, ”Zabawa w berka”, [w:] Świat robotów, Varia Apd, Warszawa, 1993.
21
14
Literatura science-fiction tego okresu wyrażała różne wyobrażenia możliwych
konsekwencji rozwoju maszyn. Wielu pisarzy zastanawiało si˛e nad filozoficznymi aspektami konsekwencji budowy mechanizmów i urzadzeń,
˛
które maja˛ w
jakiś sposób zast˛epować człowieka. W ten sposób w literaturze science-fiction
próbowano dokonywać filozoficznych rozważań na nowopowstałe tematy.
2.2
Alan M. Turing
Alan Turing stworzył pierwsze poważne i istotne prace traktujace
˛ o zagadnieniu sztucznej inteligencji. Jest on prekursorem tego kierunku rozmyślań w filozofii. W ninejszej cz˛eści pracy opisano pokrótce życie Turinga oraz jego dorobek
naukowy zwiazany
˛
z zagadnieniem sztucznej inteligencji.
2.2.1. Nota biograficzna
Alan Mathison Turing (1912 – 1954), angielski uczony, matematyk (rys. 2.5).
Studiował matematyk˛e na Cambridge. Jego debiutancka praca z roku 1936 zapewniła mu miejsce profesora w Princeton (USA). Tam pracował aż do 1938
roku, kiedy powrócił do Wielkiej Brytanii i został natychmiast zatrudniony przez
wojsko. Został zaangażowany do zadań kryptograficznych, tworzył automaty do
odkodowywania tajnych niemieckich przekazów. W czasie swojej pracy miał
okazje pracować na najnowocześniejszych maszynach aliantów.
15
Rys. 2.5: Alan Turing. (źródło: http://www.ieeeghn.org/wiki/images/5/53/Alan-turing.jpg)
Po zakończeniu wojny jego zasługi nie zostały ujawnione z uwagi na specyficzny charakter jego pracy. Podjał
˛ prac˛e na uniwersytecie w Manchester. W
tym czasie wydał sławna˛ prac˛e „Maszyny liczace
˛ a inteligencja” (Computer Machinery and Intelligence). Artykuł ten pojawił si˛e w 1950 roku i stał si˛e obiektem wielu różnych komentarzy. Stanowi podstaw˛e tego, co dzisiaj nazywamy
sztuczna˛ inteligencja˛23 .
W kolejnych latach Turing był gościem w audycjach radia BBC gdzie przedstawiał swoje zdanie, na temat nowej, dopiero co powstajacej
˛ gał˛ezi techniki i
nauki, jaka˛ stała si˛e informatyka i automatyka24 .
23
Por. A. Hodges, Alan Turing, The Stanford Encyclopedia of Philosophy (Fall 2008 Edition),
Edward N. Zalta (ed.), 02.06.2013, <http://plato.stanford.edu/entries/turing>.
24
Por. B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford University
Press, Oxford New York, 2004, ss. 476.
16
2.2.2. Dorobek naukowy Turinga z zakresu sztucznej inteligencji
Turing zostawił po sobie dosyć skromny dorobek naukowy jeżeli liczyć go
w ilości pism i prac. Jego dorobek naukowy liczy dwadzieścia siedem publikacji, jednak gigantyczny wpływ jaki prace te wywołały w świecie naukowym nie
pozostawia watpliwości
˛
co do ich wielkiej wartości. Pierwsza˛ niezwykle ważna˛
praca˛ w jego dorobku był jego doktorat „On computable numbers, with an application to the Entcheidungsproblem”25 opublikowany w 1937 roku. Dokonuje
w nim przeformułowania odpowiedzi danej przez Kurta Gödla26 w 1931 roku na
drugi z dwudziestu trzech problemów postawionych przez Hilberta27 z 1900 roku.
Hilbert postawił problem czy arytmetyka jest systemem, w którym nie jest możliwy dowód dwóch sprzecznych ze soba˛ twierdzeń. Gödel dowiódł, że nie ważne
jak rozszerzymy list˛e aksjomatów arytmetyki to i tak pozostana˛ w jej obr˛ebie
twierdzenia, które, mimo że prawdziwe, nie dadza˛ si˛e z nich wywieść. Turing w
swojej pracy dokonał transpozycji tego problemu na grunt obliczalności liczb w
systemach obliczeniowych.
Na potrzeby tej pracy stworzył on abstrakcyjna,˛ idealna˛ maszyn˛e zdolna˛ do
dowolnego ustalonego manipulowania zestawem danych nazwana˛ od jego nazwiska maszyna˛ Turinga. Jej fizyczna˛ realizacja,˛ która jest niedoskonała przez swoja˛
skończoność, jest komputer. W swojej pracy Turing pokazał, że wszystko co jest
obliczalne, może zostać obliczone przez jego uniwersalna˛ maszyn˛e. W 1938 roku
niezależnie od wyników Churcha28 , Turing sformułował tzw. tez˛e nazywana˛ dziś
teza˛ Churcha-Turinga, która głosi, że jeżeli dla nieskończonych zasobów i pami˛eci operacyjnej istnieje efektywny algorytm rozwiazania
˛
problemu, to da si˛e
go rozwiazać
˛
na maszynie Turinga. Teza ta precyzuje poj˛ecie algorytmu, które
jest jednym z podstawowych poj˛eć używanych w informatyce29 .
25
A. Turing, On computable numbers, with an application to the Entcheidungsproblem, London Mathematical Society, London, 1937.
26
Kurt Gödel (1906-1978), austriacki logik, matematyk.
27
David Hilbert (1862-1943), niemiecki matematyk.
28
Alonzo Church (1903-1995), amerykański logik i matematyk.
29
Por. B. J. Copeland, The Church-Turing Thesis, The Stanford Encyclopedia of Philosophy
(Fall 2008 Edition), Edward N. Zalta (ed.), 02.06.2013, <http://plato.stanford.edu/entries/churchturing>.
17
Druga˛ praca,˛ która stanowiła podwaliny dla naukowego mówienia o sztucznej
inteligencji, była publikacja „Computer Machinery and Intelligence”. Przedstawiona jest w niej koncepcja testu majacego
˛
rozstrzygać czy dana maszyna jest
inteligentna oraz warunki, w jakich takie doświadczenie ma si˛e odbyć. W audycjach radiowych dla stacji BBC przeprowadzanych w latach 1950 - 1953 Turing dalej rozwijał swoja˛ koncepcj˛e sztucznej inteligencji, jej kształtu, charakteru,
możliwości i ewentualnych konsekwencji, które może ze soba˛ nieść. Dyskutował
on podczas ich przeprowadzania z innymi uczonymi zaproszonymi przez prowadzacych
˛
audycje i konfrontował z nimi swoje poglady
˛ 30 .
Wymienione wyżej prace stanowia˛ podstaw˛e dla niniejszej pracy, stanowia˛
one jednak tylko mała˛ cz˛eść dorobku naukowego, który zostawił po sobie Turing.
Niniejsza praca skupiona jest wokół trzech publikacji Alana Turinga. Sa˛ to:
1. „Maszyny liczace
˛ a inteligencja” z 1950 roku31 ;
2. stenogram audycji radiowej „Can Digital Computer Think?” z 1951 roku32 ;
3. stenogram audycji radiowej„Can Automatic Calculationg Machines Be Said
To Think?” z 1952 roku33 .
Pozycja pierwsza została napisana w 1950 roku jako wyraz pogladów
˛
Turinga
odnośnie rodzacej
˛ si˛e nowej dziedziny sztucznej inteligencji. Esej ten został opublikowany w czasopiśmie filozoficznym Mind. Turing uważał, że przyszedł czas
aby filozofowie, matematycy i naukowcy zacz˛eli poważnie traktować komputery
w kategoriach maszyny mogacej
˛ przejawiać inteligentne zachowania, a nie jako
30
Por. B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford University
Press, Oxford New York, 2004, ss. 465, 476.
31
A. Turing, „Computer Machinery and Intelligence”, Mind, 59 (1950), 433-460.
32
A. Turing, Can Digital Computer Think?, [w:] B. J. Copeland, The Essential Turing: Seminal
Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The
Secrets of Enigma, Oxford University Press, Oxford New York, 2004, ss. 482 - 486.
33
A. M. Turing R. Braithwaite, G. Jefferson, M. Newman, Can Automatic Calculation Machines Be Said To Think?, [w:] B. J. Copeland, The Essential Turing: Seminal Writings in Computing,
Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford
University Press, Oxford New York, 2004, ss. 495-506.
18
jedynie rozwini˛etego kalkulatora34 .
Audycja radiowa z 1951 roku została przeprowadzona dla radia BBC. Należała ona do cyklu wykładów pod wspólnym tytułem „Automatic Calculating Machines”35 . Omawiany wykład był drugim z kolei w cyklu. Audycja z 1952 roku
ma inny charakter. Jest to zapis dyskusji zorganizowanej przez radio BBC, w której udział brali: Alan Turing, Max Newman36 , Richard B. Braithwaite37 , Geoffrey
Jefferson38 . Rola moderatora w dyskusji przypadła Braithwaite’owi. Audycja ta
jest jedynym znanym transkryptem dyskusji z udziałem Turinga39 .
2.3
Podsumowanie
Od kiedy ludzie zacz˛eli poznawać prawa matematyki istniała w nich ch˛eć
ułatwiania wykonywania obliczeń. To pragnienie spowodowało, że na przestrzeni
wieków powstawały kolejne urzadzenia
˛
majace
˛ być pomoca˛ w wykonywaniu obliczeń. Wraz z post˛epem technologicznym i rozwojem matematyki tworzone maszyny stawały si˛e coraz bardziej skomplikowane. W okresie rewolucji przemysłowej rozwini˛ety został pomysł automatycznego sterowania maszynami. Opracowana została technologia zapisu informacji na kartach perforowanych, które
były odczytywane przez automatyczne krosna.
Zwróciło to uwag˛e ludzi, na to, że da si˛e uniezależnić niektóre żmudne czynności poprzez zapisanie odpowiedniego ciagu
˛ informacji i powierzenie wykonania go przez maszyn˛e bez nadzoru człowieka. Spowodowało to, wraz z ciagłym
˛
wzrostem wiedzy matematycznej i ciagłym
˛
tworzeniem urzadzeń
˛
usprawniaja˛
cych pewne operacje matematyczne, skierowanie myśli technicznej na stworzenie maszyny matematycznej, która tak jak i krosna, mogłaby wykonywać skom34
B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy,
Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford University Press,
Oxford New York, 2004, s. 433.
35
Por. ibidem, s. 476.
36
Maxwell Newman (1897-1984), angielski matematyk i kryptolog.
37
Richard B. Braithwaite (1900-1990), angielski filozof nauki, etyk.
38
Geoffrey Jefferson (1886-1961), angielski neurolog.
39
Por. ibidem, s. 487.
19
plikowane działania na podstawie dostarczonego jej ciagu
˛ instrukcji i danych
wejściowych, na których ma pracować.
Już w XIX wieku powstał plan pierwszej mechanicznej, uniwersalnej maszyny liczacej.
˛
Rozwój wiedzy fizycznej z zakresu elektryczności wraz z rozwojem technologicznym, pozwoliły na praktyczna˛ realizacj˛e uniwersalnych maszyn
liczacych
˛
w latach 40. XX wieku. Rozwój maszyn wpłynał
˛ znaczaco
˛ na ówczesna˛ kultur˛e. Pojawiajace
˛ si˛e nowe idee, problemy oraz możliwości zacz˛eły być
opisywane w nurcie, który znany jest pod nazwa˛ science-fiction, która znaczaco
˛
wpłyn˛eła na myśl filozoficzna˛ skupiona˛ wokół robotów. Po II wojnie światowej
Alan Turing podjał
˛ temat inteligencji maszyn efektywnie zapoczatkowuj
˛
ac
˛ t˛e gałaź
˛ nowo powstałej nauki jaka˛ była informatyka.
20
3 Koncepcja maszyny Turinga
3.1
Wstep
Koncepcja maszyny Turinga powstała podczas rozważań na temat tego co
może zostać obliczone1 i rozstrzygni˛ete matematycznie2 . Problem ten ma duże
znaczenie dla teorii przetwarzania informacji oraz dla filozofii computer science.
Rozróżnienie formalne na problemy, które moga˛ zostać obliczone i te, które nie
moga˛ zostać obliczone jest bardzo istotne gdyż dzi˛eki temu można określić czy
w ogóle, i ewentualnie w jakim stopniu świat, w którym żyjemy jest w szerokim znaczeniu obliczalny. Matematyczny problem nieobliczalności powołali do
życia „wyjatkowo
˛
twórczy matematycy XX-wieczni, w tym Kurt Gödel, Emil
Post i Alan Turing. Ich niezwykle doniosłe dla nauki odkrycie polegało na dostrzeżeniu problemów, których nie sposób rozwiazać
˛ algorytmicznie, za pomoca˛
algorytmów dla maszyn cyfrowych. I to właśnie tego typu zagadnienia nazwano
nieobliczalnymi”3 .
Algorytm jest to zestaw ściśle określonych instrukcji, które wykonane w ściśle określonym porzadku
˛
przeprowadzaja˛ system4 z określonej sytuacji poczat˛
kowej do stanu końcowego5 . Można powiedzieć, że algorytm jest instrukcja˛ w
jakiej kolejności maja˛ być wykonane konkretne instrukcje aby osiagn
˛ ać
˛ dany cel.
1
Por. B. J. Copeland, Turing Machines, The Stanford Encyclopedia of Philosophy (Fall 2008
Edition), Edward N. Zalta (ed.), 02.06.2013, <http://plato.stanford.edu/entries/turing-machine>.
2
Por. M. Piesko, Nieobliczalna obliczalność, Copernicus Center Press, Kraków, 2011, s. 67.
3
P. Stacewicz, Nieobliczalni i nieobliczalne, 2.06.2013,
<http://blog.marciszewski.eu/?p=2395>.
4
Systemem jest zespół elementów, mi˛edzy którymi zachodza˛ pewne relacje. Elementy i relacje tworza˛ całość danej funkcjonalności.
5
Por. „algorytm - dokładny przepis wykonania szeregu operacji w celu rozwiazania
˛
określonego zagadnienia; algorytm może być wykorzystanydorozwiazania
˛
całej grupy problemów należacych
˛
do określonej klasy”.
S. Czerni, A. Topulos i in., „Algorytm”, [w:] Leksykon naukowo-techniczny, S. Czerni, A. Topulos
i in., Wydawnictwo Naukowo-Techniczne, Warszawa, 1984.
21
Przykładem algorytmu, który spotyka si˛e cz˛esto w życiu jest przepis kucharski6 .
3.2
Czym jest maszyna Turinga
Koncepcj˛e maszyny Turing zaprezentował w dziele z 1937r. traktujacym
˛
o
liczbach obliczalnych. Terminem tym określona została abstrakcyjna maszyna
składajaca
˛ si˛e z głowicy i nieskończonej taśmy podzielonej na komórki. Głowica
ma możliwość odczytu symbolu znajdujacego
˛
si˛e w komórce, nad która˛ stoi oraz
zapisu do niej. Głowica może także poruszać si˛e po taśmie o jedna˛ komórk˛e w
lewo lub w prawo. Każda z komórek na taśmie może zawierać jeden z symboli
znajdujacych
˛
si˛e w zbiorze dopuszczalnym symboli7 . Rysunek 3.1 przedstawia
schemat ideowy maszyny Turinga.
Maszyna Turinga jest typem dyskretnej maszyny stanów. Na podstawie wewn˛etrznego stanu maszyny i wartości odczytywanej wartości komórki generowany jest nowy stan maszyny, zapis nowej wartości do komórki i przesuni˛ecie
głowicy. Poprzez określenie tabeli przejść mi˛edzy stanami maszyny można generować odpowiednie algorytmy zachowań. Tabela taka zawsze zależna jest od
liczby możliwych stanów osiagalnych
˛
dla automatu oraz mocy zbioru symboli
dopuszczalnych.
Rys. 3.1: Schemat Maszyny Turinga. (źródło: praca własna)
6
Nie jest to do końca prawda, gdyż każdy algorytm musi być ściśle określony zaś w przepisie
wystapić
˛ moga˛ wielkości, które nie sa˛ dobrze zdefiniowane jak „szczypta”.
7
Zbiór symboli dopuszczalnych jest skończony i przeliczalny.
22
Podejście jakie zastosował Turing wymyślajac
˛ swoja˛ maszyn˛e jest unikalne.
Matematycy tamtego okresu - Church, Rosser8 , Kleene9 i Gödel - skupiali si˛e
na matematyce. Church skonstruował tzw. λ-symbolizm, który „w przybliżeniu
można [...] określić jako specjalny system pozwalajacy
˛ na ścisły zapis i operowanie funkcjami zmiennych naturalnych”10 . Uczniowie Churcha - Kleene i Rosser
- poprawili system Churcha. Gödel zaś proponował „inny sposób formalizacji
efektywnej obliczalności - funkcje ogólnie rekurencyjne”11 . Problem z tymi tworami był taki, że nie było nigdy wiadomo czy nie istnieja˛ jakieś operacje, których
nie da si˛e wyjaśnić danym rachunkiem12 .
Turing skupił si˛e na rachujacym
˛
matematyku13 . Nieistotne zdaja˛ si˛e dla niego
abstrakcyjne twory, którymi zajmuje si˛e matematyka, a jedynie efekty i przekształcenia dokonywane przez człowieka, który liczy. Zapytuje on jakie sa˛ widoczne elementarne operacje dokonywane przez matematyka podczas liczenia.
Istotnym w tym pytaniu jest warunek widzialności, który sugeruje intersubiektywność. Jest on konieczny, gdyż musi istnieć możliwość sprawdzenia i weryfikacji ciagu
˛ wykonywanych obliczeń.
Komputer jest w pewnym stopniu podobny do maszyny Turinga. Głównymi
różnicami jest długość taśmy - pami˛eci. Maszyna Turinga nie jest ograniczona
przez długość, zakłada si˛e, że jest ona nieskończona. Komputery zaś wyposażone sa˛ w skończona˛ pami˛eć. Ponadto dost˛ep do pami˛eci w maszynie Turinga
jest sekwencjny, zaś w konstrukcjach praktycznych wykorzystuje si˛e dost˛ep swobodny do poszczególnych komórek pami˛eci. W przypadku komputera możliwe
jest, aby program wykonujacy
˛ si˛e na nim zmieniał niektóre instrukcje - program
może sam si˛e modyfikować. Tabela stanów określajaca
˛ dana˛ maszyn˛e Turinga
nie może ulec zmianie podczas trwania programu.
Poj˛ecie uniwersalnej maszyny Turinga rozwija abstrakcyjny konstrukt Tu8
John Barkley Rosser Sr. (1907-1989), amerykański logik.
Stephen Cole Kleene (1909-1994), amerykański matematyk, informatyk.
10
Ibidem, s. 68.
11
Ibidem, s. 69.
12
Por. ibidem, s. 69.
13
Por. ibidem, ss. 68-69.
9
23
ringa. Uniwersalność polega na umożliwieniu takiego zaprogramowania maszyny,
aby była ona w stanie zawierać w sobie opis innych maszyn Turinga. Dzi˛eki temu
taka maszyna może zawierać wiele zaprogramowanych maszyn i wykonywać ich
kod. Ilustracja uniwersalnej maszyny Turinga jest ukazana na rys. 3.2. Jak pisze
W. Marciszewski: „Określenie uniwersalnej maszyny Turinga jest tak doniosłe
teoretycznie i praktycznie, gdyż stanowi ono, ni mniej, ni wi˛ecej, definicj˛e maszyny cyfrowej, a wi˛ec tego rodzaju komputera, z jakim spotykamy si˛e na co
dzień [...].”14 .
Rys. 3.2: Idea uniwersalnej maszyny Turinga. Maszyna główna (u góry) zawiera
w sobie dwie podmaszyny umożliwiajace
˛ przetwarzanie różnych zadań.
(źródło: praca własna)
Zdefiniowanie uniwersalnej maszyny Turinga posłużyło do ustalenia odpowiedzi na problem rozstrzygalności Hilberta. Transpozycja tego problemu na
sfer˛e maszyn Turinga daje nast˛epujace
˛ pytanie: „czy istnieje uniwersalny algorytm, który by rozstrzygał o dowolnej maszynie Turinga czy zakończy ona
prac˛e?”15 . Zakończenie pracy maszyny równoznaczne jest tutaj wykonaniu wszystkich instrukcji i poprawne zakończenie pracy. Turing odpowiada, że nie istnieje
taki algorytm, który mógłby rozstrzygnać
˛ w niezawodny sposób, że dana ma14
15
W. Marciszewski, Sztuczna inteligencja, Znak, Kraków, 1998, s. 73.
Ibidem, s. 74.
24
szyna zakończy prac˛e. Oznacza to, że nie istnieje algorytmiczne kryterium rozstrzygalności problemów.
3.3
Maszyna Turinga a ludzki umysł
Podczas swojego odczytu w London Mathematical Society16 Turing sformuował trzy zasady, które uważał za najbardziej istotne, aby móc stworzyć symulacj˛e ludzkiego umysłu na uniwersalnej maszynie Turinga. Zaproponował on, że
aby móc stworzyć symulacj˛e mózgu należy zastosować si˛e do poniższych zasad:
1. Programowanie może być wykonane za pomoca˛ logiki symbolicznej i odpowiedniego interpretera kodu;
2. uczenie maszynowe jest potrzebne aby zaopatrzyć komputer w umiej˛etność odkrywania nowej wiedzy indukcyjnie jz doświadczenia w tym samym stopniu co dedukcyjnie;
3. ludzkie interfejsy sa˛ wymagane do umożliwienia maszynom adaptacji do
ludzi oraz do zdobywania wiedzy droga˛ szkolenia17 .
Przekonanie, że ludzki umysł działa w sposób logiczny doprowadziło do pomysłu zastosowania uniwersalnej maszyny Turinga do symulacji procesów zachodzacych
˛
w nim. Zrodziło si˛e ono z wiary w racjonalność myślenia. Przekonanie
o racjonalności myślenia zakłada, że człowiek przechodzi w sposób logiczny od
jednego stanu umysłu do drugiego. Postulowana jest także teza, że w umyśle
nie może być dwóch przekonań stojacych
˛
ze soba˛ w sprzeczności. Postulaty te,
na gruncie rozpatrywanej maszyny Turinga, sprowadzaja˛ si˛e do tezy, że ludzki
umysł jest zbiorem algorytmów i danych, na których owe algorytmy działaja.˛
Turing wykazał, że algorytm wykonywalny na jednej fizycznej realizacji uniwersalnej maszyny Turinga jest wykonywalny na innej, pod warunkiem, że realizacja
16
B. Carpenter, R. Doran, A. M. Turing’s ACE Report of 1946 and Other Papers, 1.10, 1986,
the Charles Babbage Institute, University of Minnesota. Cambridge, MIT Press.
17
Por. D. Michie, Turing, Alan Mathison, w: The MIT Encyclopedia of the cognitive sciences,
MIT Press, Cambridge London, 1999.
25
techniczna dorównuje pierwotnej platformie pod wzgl˛edem pojemności pami˛eci
i pozwala na zapis i wykonanie algorytmu. Wraz z przekonaniem o racjonalnościalgorytmizowalności myślenia dało to podstaw˛e do twierdzenia, że jeżeli rzeczywiście mózg jest zbiorem algorytmów i danych, to istnieje możliwość zaimplementowania tychże informacji w pami˛eci innej fizycznej realizacji uniwersalnej
maszyny Turinga o ile b˛edzie ona posiadać odpowiednie parametry tecniczne.
3.3.1. Poglad
˛ Turinga w kwestii umysłu
Turing podzielał poglad,
˛ że umysł człowieka można zapisać za pomoca˛ j˛ezyka logiki. W swoim wykładzie z 1951 dla radia BBC mówił: „Jeżeli jakakolwiek maszyna może poprawnie zostać określona jako mózg, to każdy komputer cyfrowy może zostać tak określony”18 . Komputer jest realizacja˛ uniwersalnej
maszyny Turinga i może odtwarzać w zwiazku
˛
z tym dowolny algorytm realizowalny za pomoca˛ maszyny Turinga. Jeśli mózg jest pewnego typu maszyna˛
do (specyficznego) liczenia oznacza to, że jego zasad˛e działania można zapisać
jako program do wykonania na uniwersalnej maszynie Turinga19 . Dla Turinga
problem stworzenia maszyny-mózgu krył si˛e w wielkości pami˛eci potrzebnej do
osiagni˛
˛ ecia celu. Stwierdził on, że maszyny majace
˛ imitować bardziej skomplikowane mózgi b˛eda˛ różnić si˛e od mniej zaawansowanych konstrukcji jedynie skala˛
rozbudowania przy zachowaniu poziomu skomplikowania20 .
W rozmowie z 1952 roku dla radia BBC Turing dał jasno do zrozumienia,
że nie jest istotna „warstwa fizyczna” mózgu - to znaczy jego biologiczne wykonanie. Niezależnie od technologii, na której wykonywane sa˛ algorytmy umysłu,
myślenie pozostaje zawsze myśleniem. Odrzuca on poglad
˛ jakoby biologiczność
18
Tłumaczenie własne: „If any machine can appropriately be described as a brain, then any
digital computer can be so described”. B. J. Copeland, The Essential Turing: Seminal Writings
in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of
Enigma, Oxford University Press, Oxford New York, 2004, s. 482.
19
Por. „If it is accepted that real brains, as found in animals, and in particular in men, are a
sort of machine it will follow that our digital computer, suitablu programmed, will behave like a
brain”, ibidem, s. 483.
20
Por. „If we try to imitate ever more complicated machines or brains we must use larger and
larger computers to do it. We do not need to use successively more complicated ones”, Ibidem, s.
483.
26
była warunkiem powstania umysłu. W toku dyskusji mówi on: „[...] nie interesuje nas fakt, że mózg ma konsystencj˛e zimnej owsianki. Nie chcemy mówić: Ta
maszyna jest twarda i z tego powodu nie może myśleć”21 .
Deterministyczna natura maszyny Turinga zmusiła jej autora do refleksji nad
kwestia˛ wolnej woli. Zwrócił on uwag˛e, że w powszechnym przekonaniu z poj˛eciem myślenia wia˛że si˛e wolna wola, lecz zaprogramowany komputer jest całkowicie deterministyczny. Jeżeli umysł miałby być algorytmizowalny (co jest wymagane, aby mógł być przeniesiony na maszyn˛e cyfrowa),
˛ oznacza to, że działamy deterministycznie i nie mamy możliwości zmiany czegokolwiek. Wolna˛
wola˛ jest potencjalna możliwość rozgał˛ezienia si˛e algorytmu, który jest wykonywany. Sposób wyboru drogi post˛epowania jest dla Turinga nieistotny. Nie ma
znaczenia, czy wybór dokonywany jest przez ilość rozpadów pierwiastka promieniotwórczego w mierzonym czasie, wynik rzutu kośćmi, czy puszczenia w
ruch ruletki. Zdarzenia te sa˛ losowe i moga˛ służyć maszynie jako wolna wola.
Turing w swoim rozważaniu idzie jednak dalej i stwierdza, że czynnik losowy
można równie dobrze zastapić
˛ odpowiednia˛ realizacja˛ pseudolosowości22 , gdyż
i tak dla ludzi nieznajacych
˛
szczegółów konstrukcji cyfrowego mózgu realizacja taka byłaby odbierana za losowa˛23 . Ostatecznie Turing nie utożsamia wolnej
woli z narz˛edziem do generowania (pseudo)losowych liczb. Jak stwierdza badacz
myśli Turinga, Jack Copeland, dodanie do komputera losowości nie jest samo w
sobie wystarczajace
˛ by można było mówić o wolnej woli24 .
21
Tłumaczenie własne: „[...] we are not interested in the fact that the brain has consistency of
cold porridge. We don’t want to say ’This machine’s quite hard, so it isn’t a brain, and so it can’t
think”. Ibidem, ss. 494-495.
22
Pseudolosowe generator liczb to takie źródło liczb, które daje deterministyczne wyniki na
podstawie parametru wejściowego - ziarna, które wygladaj
˛ a˛ jak pochodzace
˛ z losowego źródła.
Losowość da si˛e opisać jedynie statysyka,˛ podczas gdy źródło liczb pseudolosowych jest zawsze
opisane jakaś,
˛ zazwyczaj niezwykle skomplikowana,˛ funkcja˛ F (x).
23
„It is, however, not really even necessary to do this. It is not diffcult to design machines whose
behaviour appears quite random to anyone who does not know the details of their construction.”
Por. ibidem, s. 485.
24
Por. „[...] the addition of a random element to a computer is not in itself suffcient to warrant
the attribution of free will.”, ibidem, s. 477.
27
3.3.2. Polemika
„Można zauważyć ciekawa˛ tendencj˛e w dyskusjach o możliwościach sztucznej inteligencji. Jej entuzjaści cz˛esto dostrzegaja˛ tylko t˛e ostatnia,˛ najwyższa˛ warstw˛e - programy, [...]. Sceptycy zazwyczaj zwracaja˛ uwag˛e na warstw˛e niższa,˛
obnażajac
˛ prostot˛e czy wr˛ecz prymitywność zasad jej działania i wskazujac
˛ ograniczenia”25 . Wydaje si˛e, że ten poglad
˛ na temat dyskursu polemicznego dobrze
oddaje jego charakter.
Jednym z argumentów przeciw tezie, że maszyna Turinga może być odpowiednim narz˛edziem do modelowania umysłu i stworzenia sztucznej inteligencji
jest argument Chińskiego Pokoju Searle’a26 . Filozof zakłada, że człowiek potrafi wykonywać program w taki sposób w jaki wykonywany jest na maszynie
Turinga27 . Searle przedstawia nast˛epujac
˛ a˛ scen˛e: człowiek, który nie zna chińskiego jest umieszczony w pokoju bez innych osób. Jest on zaopatrzony w instrukcj˛e. Przedmiot ten umożliwia człowiekowi dopasować konkretne sekwencje
chińskich ideogramów z wiadomości przychodzacych,
˛
które spływaja˛ do jego pokoju, z znakami, które maja˛ być dane jako odpowiedź. Mimo że człowiek nie zna
j˛ezyka chińskiego, to dzi˛eki instrukcji, w która˛ jest zaopatrzony, może on sprawnie konwersować po chińsku. Searle stwierdza, że takie działanie nie wymaga
inteligencji, oraz nie daje prawdziwej umiej˛etności posługiwania si˛e j˛ezykiem
chińskim28 .
W swoim tekście z 1950 roku Turing rozważa różne stanowiska odmienne od
jego własnego. Przedstawia on mi˛edzy innymi: sprzeciw teologiczny, sprzeciw
matematyczny, argument świadomości, czy argument wypływajacy
˛ z ciagłości
˛
systemu nerwowego. Stanowiska te zostały przedstawione przy okazji omawiania
zagadnienia testu Turinga w rozdziale 4.4 na stronie 35.
25
M. Piesko, Nieobliczalna obliczalność, Copernicus Center Press, Kraków, 2011, s. 189.
John Searl (1932 - ), amerykański filozof zajmujacy
˛ si˛e kwestiami j˛ezyka i umysłu
27
„Searle wydaje si˛e zakładać, iż nie tylko obliczenia maszyny Turinga moga˛ być symulowane przez człowieka, ale że także sposób działania komputera (i jego bezduszność) należy sobie
wyobrażać na przykładzie człowieka”. Por. ibidem, s. 189.
28
Por. ibidem, s. 189.
26
28
3.4
Podsumowanie
Maszyna Turinga jest abstrakcyjna˛ konstrukcja,˛ która pozwoliła nie tylko rozwinać
˛ teori˛e informatyki, ale także spowodowała zmian˛e w myśleniu o działaniu
mózgu. Funkcjonalizm jest jednym z tych kierunków, które znacznie rozwin˛eły
si˛e pod wpływem rozważań nad możliwymi podobieństwami mi˛edzy działaniem
mózgu a maszyny Turinga. Owa teoria głosi, że można zrealizować dany stan
umysłowy na różnych systemach fizycznych. Taki stan umysłu jest funkcja,˛ którego implementacja na różnych platformach29 jest sobie na wzajem równoważna.
Funkcjonalizm zakłada, że jeżeli informacja może być przetwarzana na dwóch
różnych systemach w ten sam sposób, to sa˛ one wobec siebie równe w znaczeniu
potencjalnej możliwości wykonania przez obydwa z nich tego samego algorytmu.
Maszyna Turinga okazała si˛e świetnym narz˛edziem teoretycznym, które wzi˛eło
swój poczatek
˛ z ch˛eci rozwiazania
˛
praktycznego problemu rozstrzygania obliczalności. Prosta zasada działania, która została zaczerpni˛eta z podstawowych
działań rachmistrza wykonujacego
˛
obliczenia, zainspirowała uczonych do zastanowienia si˛e czy istnieje możliwość stworzenia modelu ludzkiego umysłu. Turing twierdzi, że istnieje taka możliowść. Uważa on, że ludzki umysł jest algorytmizowalny i możliwe jest stworzenie programu, który wykonywałby te same
algorytmy.
Pomysł ten spotkał si˛e z krytyka,˛ w której jedny z głównych argumentów
przedstawił John Searle. Argument Chińskiego Pokoju każe zastanowić si˛e, czy
samo posługiwanie si˛e odpowiednim algorytmem bez jego rozumienia można
uznać za inteligentne. Polemice poddana jest zasadność mówienia o inteligencji gdy system przetwarzajacy
˛ dane działa bez zrozumienia tego co robi. Jest to
jeden z argumentów odwołujacych
˛
si˛e do „niższej warstwy” i jej prymitywności. Warto zwrócić uwag˛e, że najmniejszy budulec naszego mózgu - pojedynczy
neuron - pracuje nie majac
˛ „rozumienia” tego co robi. Także wi˛eksze jednostki
29
Platforma sprz˛etowa jest terminem informatycznym definiujacym
˛
technologi˛e i parametry
urzadzeń,
˛
które składaja˛ si˛e na całość systemu. Platforma sprz˛etowa może być konstrukcja˛ analogowa˛ (np. komputery analogowe), cyfrowa˛ (komputery cyfrowe) lub też biologiczna.˛
29
organizacyjne zdaja˛ si˛e nie posiadać takiego wgladu
˛ w swoja prac˛e. Dopiero jaźń
człowieka jako całość może rozumieć.
Alan Turing uważał, że możliwe jest pełnoprawne zamodelowanie inteligentnych zachowań za pomoca˛ komputera cyfrowego. Jego przekonanie podbudowane jest wiara˛ w algorytmizowalność procesów mózgowych. Poprzez udowodnienie, że program działajacy
˛ na jednej maszynie Turinga może być przeniesiony
na inna˛ maszyn˛e, oraz stwierdzenie, że komputer cyfrowy jest konstrukcja˛ realizujac
˛ a˛ niedoskonała˛30 wersj˛e uniwersalnej maszyny Turinga wyciaga
˛ on wniosek, że jeżeli istotnie mózg może być zapisany jako zbiór algorytmów, to możliwe
jest zaprogramowanie ich na komputerze. Argumentacja przeciwników pomysłu
Turinga opiera si˛e głównie na próbie wykazania, że nie może istnieć inteligencja
bez rozumienia. Oznacza to, że istniałaby taka cz˛eść umysłu, która nie poddaje
si˛e algorytmizacji.
Turing tworzac
˛ swoja˛ abstrakcyjna˛ maszyn˛e postawił jeden z filarów filozofii
computer science.
30
Niedoskonałość polega na skończoności, która wynika z fizykalności maszyny.
30
4 Test Turinga
4.1
Wst˛ep
Test Turinga jest jedna˛ z najwcześniejszych prób ustalenia kryterium inteligencji. Pierwsza wersja testu została opisana w sławnym eseju z 1950 roku
„Maszyny liczace
˛ a inteligencja”. Głównym powodem powstania testu jest próba
odpowiedzi Turinga na pytanie „Czy maszyny moga˛ myśleć?”1 . Aby móc odpowiedzieć na to pytanie autor zadał sobie pytanie, czym jest myślenie i jak da si˛e je
sprawdzić. Turing zainteresował si˛e widocznymi objawami myślenia. Doszedł do
wniosku, że taka˛ cecha˛ jest umiej˛etność posługiwania si˛e j˛ezykiem naturalnym.
Na tej podstawie oparł swój test, który został opisany w niniejszym rozdziale.
4.2
Na czym polega test Turinga
Test Turinga jest nieraz nazywany gra˛ w naśladowanie. Schemat testu przedstawia rysunek 4.1 na nast˛epnej stronie. W teście bierze udział trzech uczestników. Zadaniem uczestnika C jest odgadni˛ecie, który z dwóch jego rozmówców A czy B - jest komputerem, a który człowiekiem. Osoba zgadujaca
˛ jest oddzielona od pytanych przez nia˛ osób - nie widzi ich, pytania zaś zadaje poprzez wysyłanie wiadomości przy użyciu dalekopisu. Pytanie jakie może zadawać moga˛
być dowolne. Na podstawie dostarczonych odpowiedzi gracz C ma za zadanie
wskazać, który z pytanych uczestników gry - A czy B - jest człowiekiem, a który
komputerem. Zadaniem graczy odpowiadajacych
˛
na pytania jest tak odpowiadać
na pytania, by być zidentyfikowanym jako człowiek.
1
A. M. Turing,
Maszyny
<http://www.kognitywistyka.net>.
liczace
˛
a
31
inteligencja,
s. 8,
02.06.2013,
Rys. 4.1: Schemat testu Turinga. (źródło: praca własna)
Warto zwrócić uwag˛e na charakter testu - nie liczy si˛e dla Turinga aby maszyna naśladujaca
˛ człowieka przypominała go fizycznie, nie jest też konieczne
aby mogła ona porozumiewać si˛e za pomoca˛ dźwi˛eków mowy. Jak pisze sam
Turing: „Zaleta˛ nowego problemu jest ostre rozgraniczenie mi˛edzy fizycznymi i
intelektualnymi możliwościami człowieka. Żaden inżynier ani chemik nie twierdzi, że potrafi wyprodukować materiał, który niczym by si˛e nie różnił od skóry
ludzkiej. Możliwe, że kiedyś można b˛edzie to zrobić, ale nawet gdybyśmy rozporzadzali
˛
takim wynalazkiem, to i tak nie miałoby wi˛ekszego sensu usiłowanie
ubrania myślacej
˛ maszyny w takie sztuczne ciało w celu uczynienia jej bardziej
ludzka.˛ To nasze przekonanie znajduje odbicie w sposobie postawienia problemu,
a mianowicie w postaci zakazu, który nie pozwala pytajacemu
˛
widzieć, dotykać i
słyszeć pozostałych uczestników gry”2 . Okazuje si˛e, że kwestia posiadania ludzkiego ciała jest nieistotna gdy chodzi o rozstrzyganie o inteligencji.
Turing przedstawił par˛e wersji swojego testu. W cz˛eści 4.2 została przedstawiona pierwotna wersja testu. Kolejne wersje testu rozwijaja˛ sposób w jaki weryfikowana jest tożsamość uczestników oznaczonych na rysunku 4.1 jako A i B. W
oryginalnej wersji testu s˛edzia˛ jest jedna osoba, która ma za zadanie określić tożsamość swoich rozmówców. W transmisji radiowej z 1952 roku „Can Automatic
Calculating Machines Be Said To Think?” Turing proponuje zmieniona˛ wersj˛e
2
Ibidem, s. 2.
32
testu. Zmianie uległ uczestnik C - został zastapiony
˛
wi˛eksza˛ ilościa˛ s˛edziów. W
tej wersji testu maszyna osiaga
˛ sukces podczas gry w naśladowanie gdy wi˛eksza
ilość s˛edziów opowie si˛e za stwierdzeniem, że ten uczestnik gry jest człowiekiem. Jak widać zmianie uległa sama metoda wyznaczania kryterium, podczas
gdy ono samo zostało niezmienione. Zamiast pojedynczego s˛edziego, który narażony jest na ludzkie bł˛edy mogace
˛ wywołać zaburzenia w odbiorze odpowiedzi
wykorzystana zostaje próba statystyczna. Dzieki temu wszelkie osobowe czynniki majace
˛ wpływ na s˛edziego zostaja˛ zniwelowane poprzez uogólnienie wyników. Kryterium testu, jak widać, pozostało niezmienione - nadal jest nim przekonanie s˛edziego, że rozmawia z człowiekiem, gdy tak naprawd˛e uczestniczy w
dialogu z maszyna˛3 . Jedynie zmienia si˛e ilość s˛edziów. Rysunek 4.2 przedstawia
omówiona˛ sytuacj˛e.
Rys. 4.2: Schemat testu Turinga z wieloma s˛edziami. (źródło: praca własna)
Innym rozwini˛eciem testu Turinga byłoby dodanie wi˛ekszej ilości pytanych.
To znaczy, sytuacja ulega skomplikowaniu przez zaangażowanie wi˛ecej niż dwóch
uczestników w roli odpowiadajacych
˛
na pytania s˛edziów. Wśród nich mógłby
kryć si˛e wi˛ecej niż jeden uczestnik komputerowy.
Jak widać jednak zmiany testu maja˛ na celu polepszenie rzetelności testu i
3
Por. A. M. Turing R. Braithwaite, G. Jefferson, M. Newman, Can Automatic Calculation Machines Be Said To Think?, [w:] B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma,
Oxford University Press, Oxford New York, 2004, ss. 494-506.
33
jego wyników jednak zasadniczo nie wpływaja˛ na jego znaczenie i metod˛e jaka˛
wykorzystuje si˛e jak kryterium inteligencji. Określenie tego, co jest najważniejsze w teście Turinga da odpowiedź co autor gry w naśladownictwo określa mianem inteligencji.
4.3
Główne filozoficzne inspiracje testu Turinga
Poprzez takie, a nie inne, określenie metody badawczej można wychwycić i
określić stanowisko Turinga wobec kwestii tego czym jest inteligencja. W swojej
pracy z 1950 pisze on: „Sugerowaliśmy [...], że pytanie «Czy maszyny moga˛
myśleć?» należy zastapić
˛
pytaniem «Czy sa˛ możliwe maszyny cyfrowe, które
wypadłyby dobrze w grze w imitacj˛e?»”4 co oznacza, że uważa wymyślony przez
siebie test za dobre kryterium stanowienia o inteligencji maszyn. Poglad,
˛ który
prezentuje Turing, daje si˛e przedstawić na wielu płaszczyznach.
W treści testu Turinga zauważalny jest duży wpływ behawioryzmu - nurtu
psychologii dominujacej
˛ w latach pi˛edziesiatych
˛
dwudziestego wieku. Ten kierunek badań psychologicznych opiera si˛e na przekonaniu, że dost˛ep do stanów wewn˛etrznych umysłu jest niemożliwy. W wyniku tego jedynym dost˛epnym przedmiotem możliwym do badania przez psychologa sa˛ reakcje na bodźce. Jak pisze
J. D. Bolter „Atrakcyjność testu Turinga łatwo zrozumieć. Oferuje on operacyjna˛
definicj˛e inteligencji, całkowicie w duchu powojennej psychologii behawiorystycznej”5 . Skupiono si˛e na reakcjach intersubiektywnych i interkomunikowalnych. W teście Turinga aspektem, który konstytuuje inteligencj˛e dla Turinga jest
zdolność posługiwania si˛e mowa.˛ Spośród wszystkich zwierzat
˛ ludzie sa˛ jedynymi, którzy z taka˛ wprawa˛ opanowali j˛ezyk. Dlatego też zdaniem Turinga ta cecha może stanowić kryterium w teście na inteligencj˛e. Zdaje si˛e, że podchodzac
˛
do problemu określania kryterium testu doszedł on do wniosku, że nieistotne jest
jak maszyna może myśleć, ale czy da rad˛e opanować j˛ezyk naturalny, w którym
4
A. M. Turing,
Maszyny
liczace
˛
a
inteligencja,
s.
8,
02.06.2013,
<http://www.kognitywistyka.net>.
5
J. D. Bolter, Człowiek Turinga, Państwowy Instytut Wydawniczy, Warszawa, 1990, s. 281.
34
mogłaby np. próbować to opowiedzieć.
Turing, jak zostało powiedziane, nie uważał si˛e za filozofa. Unika on metafizycznych rozważań: nie precyzuje on czym jest dla niego na przykład myślenie. Odnośnie tej aktywności ludzkiego mózgu wypowiada si˛e on tak: „Nie chc˛e
podawać definicji myślenia, ale jeśli byłbym zmuszony to prawdopodobnie nie
mógłbym powiedzieć nic wi˛ecej niż, że jest to jakieś bzyczenie, które odbywa
si˛e w mojej głowie” 6 . Nawet ten szczatkowy
˛
komentarz świadczy o położeniu
nacisku na to, jakie sa˛ efekty działania czegoś, a nie doszukiwanie si˛e jakie mechanizmy powoduja˛ takie, a nie inne, widoczne skutki. Jego podejście cechuje
skupienie si˛e na metodzie rozwiazania
˛
problemu. Podstawa˛ jego pomysłów jest
wychodzenie od widocznych procesów, które zaobserwował. test Turinga odwołuje si˛e do tej intersubiektywnie przekazywanej cechy, która powiazana
˛
jest z
inteligencja.˛ Zauważalny jest wpływ filozofii pragmatyzmu w myśli Turinga7 .
4.4
Główne nurty polemiki wokół testu Turinga
Test Turinga spotkał si˛e zainteresowaniem wśród filozofów, psychologów i naukowców. Dyskusja na jego temat jest do dzisiaj bardzo ożywniona. Polemika
wobec testu skupia si˛e wokół pytania o zasadności stawiania znaku równości
mi˛edzy myśleniem a gra˛ w naśladownictwo. Jak zostało przedstawione wcześniej, Turing sprowadza procesy myślowe z jego skutkami, jednak spotkało si˛e to
ze sprzeciwem różnych środowisk.
4.4.1. Spór o zasadność testu
Podstawowym zarzutem wobec testu Turinga jest argument mówiacy
˛ o tym,
że nie można zredukować skutków myślenia z samym procesem myślenia. Kla6
Tłumaczenie własne: „I don’t want to give a defnition of thinking, but if I had to I should
probably be unable to say anything more about it than that it was a sort of buzzing that went
on inside my head”. A. M. Turing R. Braithwaite, G. Jefferson, M. Newman, Can Automatic
Calculation Machines Be Said To Think?, [w:] B. J. Copeland, The Essential Turing: Seminal
Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The
Secrets of Enigma, Oxford University Press, Oxford New York, 2004, s. 494.
7
Por. W. Marciszewski, Sztuczna inteligencja, Znak, Kraków, 1998, s. 77.
35
sycznym przykładem, który w bardzo dobry sposób ilustruje ten zarzut jest Chiński pokój Searle’a8 . W przykładzie tym człowiek zamkni˛ety w pokoju nie wie
jakie operacje wykonuje, działa na zasadzie automatu. Mandaryn obserwujacy
˛
pokój z zewnatrz,
˛ dostarczajacy
˛ danych wejściowych i zbierajacy
˛ otrzymane wyniki nie b˛edzie miał jednak watpliwości,
˛
że sa˛ one inteligentnie przetworzone.
Tak, idac
˛ za przykładem Searle’a, to, co dzieje si˛e w Chińskim pokoju nie ma
nic wspólnego z inteligencja,˛ a jest jedynie przyrównywaniem wzorców wejściowych i nadawanie wyjściu odpowiedniej formy. Stad,
˛ jak widać, test Turinga
nie może wskazywać na myślenie maszyny, a jedynie na jej przysposobienie do
poprawnego wypisywania odpowiednich wzorców na wyjściu po podaniu odpowiedniego zestawu danych wejściowych.
W podobnym tonie wypowiadaja˛ si˛e Shannon i McCarthy9 . W pracy opublikowanej w 1956 roku10 opisali komputer, którego tablica stanów byłaby na tyle
duża, aby mogła pomieścić wszelkie możliwe do uzyskania interakcje w teście
Turinga11 . Taka tablica byłaby gigantyczna, jednak skończona. W rozmowie z
testerem taka maszyna na pewno przeszłaby test, jednak jej „myślenie” sprowadzałoby si˛e do tego samego typu zadania co w przypadku człowieka w chińskim
pokoju.
Przedstawione argumenty poddaja˛ w watpliwość
˛
samo założenie testu - nie
zgadzaja˛ si˛e ze zrównaniem badanych efektów myślenia (posługiwania si˛e j˛ezykiem naturalnym) z samym myśleniem. Argumenty te niejako „kończa˛ dyskusj˛e”
na temat testu Turinga, ze wzgl˛edu na to, że podważaja˛ jego podstawy.
8
Patrz: 3.3.2 na stronie 28.
John McCarthy (1927 - 2011), amerykański informatyk, autor terminu „sztuczna inteligencja”.
10
C. Shannon, J. McCarthy, „Editorial”, Automata studies, 34 (1972), v - vi.
11
Por. B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford University
Press, Oxford New York, 2004, ss. 437-438.
9
36
4.4.2. Poglady
˛ przeciwników wymienione przez Turinga
Kolejne przedstawione argumenty polemiczne przytacza Turing w swoim eseju12 .
Sa˛ to poglady,
˛ z którymi spotkał si˛e Turing, które były mu współczesne i odnosza˛ si˛e do myślenia maszyn w sposób negatywny, nie przez wzglad
˛ na założenia,
wykonanie badź
˛ wyniki testu Turinga, lecz opierajac
˛ si˛e na innych przesłankach.
Autor wymienia dziewi˛eć pogladów,
˛
które zostały przytoczone poniżej.
Pierwszym pogladem,
˛
który neguje możliwość myślenia przez maszyny jest
sprzeciw teologiczny. Został on przedstawiony w postaci: „Myślenie jest funkcja˛
nieśmiertelnej duszy człowieka. Bóg dał nieśmiertelna˛ dusz˛e każdemu m˛eżczyźnie i każdej kobiecie, ale nie dał jej żadnemu innemu stworzeniu ani maszynom.
Wobec tego żadne zwierz˛e, ani żadna maszyna nie może myśleć”13 . Jest to argument teologiczny, który posiada wiele przedzałożeń, które należy spełnić, aby
można było si˛e nim zajać,
˛ wymieniajac
˛ chociażby dwa pierwsze - istnienie duszy
oraz istnienie Boga. W dodatku terminy te sa˛ inaczej definiowane w obr˛ebie różnych religii. Jak zauważa sam Turing, pytajac
˛ z przekasem:
˛
„Dlaczego chrześcijanie odrzucili muzłumański poglad,
˛ że kobiety nie maja˛ dusz?”14 , kwestie teologiczne sa˛ dość mocno relatwyne ze wzgl˛edu na mnogość religii i wyznań, i dodaje
„Przy naszej obecnej wiedzy taki argument wydaje si˛e bezwartościowy”15 .
Kolejnym pogladem
˛
wymienionym przez Turinga jako przeciwny wobec jego
własnego jest sprzeciw „głów w piasku”. Wyraża on obaw˛e, iż skutki istnienia
myślacych
˛
maszyn moga˛ być przerażajace.
˛ To z kolei że wytworzyło nadziej˛e i
wiar˛e, że faktycznie maszyny nie moga˛ myśleć. Przekonanie to, wedle Turinga,
wynika z ch˛eci postawienia człowieka ponad wszelkim innym stworzeniem. Argument ten jest jednak wadliwy, nie można na podstawie wyimaginowanych
strasznych konsekwencji twierdzić, że możliwość ich urzeczywistnienia jest nierealna. „Nie myśl˛e, że ten argument jest wystarczajaco
˛ poważny, aby trzeba go
12
A. M. Turing, Maszyny liczace
˛ a inteligencja, ss. 8-17 , 02.06.2013,
<http://www.kognitywistyka.net>.
13
Ibidem, s. 8.
14
Ibidem, s. 9.
15
Ibidem, s. 9.
37
było zbijać”16 .
Sprzeciw matematyczny jest pierwszym „poważnym” argumentem contra,
który rozważa Turing. Argument ten opiera si˛e na wykazanych granicach możliwości maszyn, które posiadaja˛ stany dyskretne. Jednym z takich twierdzeń, które
przedstawia Turing to twierdzenie Gödela z 1931 oraz swoje własne z 1937 roku.
Twierdzenia te mówia,˛ że „istnieja˛ pewne rzeczy, których maszyna nie może zrobić [...] b˛eda˛ istniały takie pytania, na które udzieli ona bł˛ednej odpowiedzi, badź
˛
nie da w ogóle odpowiedzi bez wzgl˛edu na dany jej na odpowiedź czas”17 . Prowadzi to do wniosku, że maszyny nie nadaja˛ si˛e do badania ludzkiego umysłu.
Argument ze świadomości jest pogladem,
˛
że maszyna nie b˛edzie inteligentna
póki nie b˛edzie potrafiła „napisać sonetu lub skomponować koncertu dzi˛eki odczuwalnym myślom i emocjom, a nie dzi˛eki szansie natrafienia na odpowiednie
symbole, to znaczy potrafi nie tylko napisać je, ale także wiedzieć, że je napisała”18 . Jak zauważa Turing dalej „wedłóug krańcowej postaci tego pogladu
˛ jedynym sposobem upewnienia si˛e, że maszyna myśli jest być maszyna˛ i odczuwać,
że si˛e myśli”19 . W zwiazu
˛ z tym argument ten prowadzi do solipsyzmu.
Kolejny argument przeciw myślacym
˛
maszynom wypływa z przekonania, że
istnieja˛ jakieś konkretne zachowania, których maszyna nie b˛edzie w stanie zademonstrować, na przykład: „być uprzejmym, pomysłowym, pi˛eknym, [...] odróżniać dobro od zła, robić bł˛edy, [...] lubić truskawki ze śmietana,˛ [...]”20 . Wedle
Turinga taka argumentacja wynika z zasady indukcji naukowej - spotykajac
˛ si˛e
na co dzień z maszynami człowiek zauważa, że wszystkie one maja˛ swoje ograniczenia wi˛ec żadna maszyna si˛e ich nie pozb˛edzie. Jak pisze Turing, argumentacja
ta jest zamaskowana˛ postacia˛ argumentu świadomości21 .
Nast˛epnie Turing omawia zarzut lady Lovelace22 . Stwierdza ona, że maszyna
16
Ibidem, s. 9.
Ibidem, s. 10.
18
Ibidem, ss. 10-11.
19
Ibidem, ss. 10-11.
20
Ibidem, s. 12.
21
Ibidem, s. 13.
22
Augusta Ada King, hrabina Lovelace (1815 - 1852), uważana za pierwszego programist˛e.
17
38
„nie może nigdy zrobić nic naprawd˛e nowego”23 . Przekonanie to wynikało z ówczesnego rozwoju maszyn liczacych
˛
(lady Lovelace opracowywała algorytmy na
maszyn˛e analityczna˛ Babbage’a) i braku dowodów, na to, że maszyny mogłyby
si˛e same uczyć i poznawać rzeczywistość. Wczesne podejście do programowania maszyn polegało na stworzeniu odpowiedniej listy kroków, które rozwiazuj
˛ a˛
dany problem jednostkowy. Stworzenie myślacej
˛ maszyny pociaga
˛ za soba˛ stworzenie procedury, która umożliwiłaby maszynie nauk˛e nowych zdolności i poj˛eć.
To podejście nie było brane pod uwag˛e w XIX wieku. Argument jest zbijany
przez Turinga stwierdzeniem: „Któż może mieć pewność, że wykonana przez
niego «oryginalna praca» nie jest tylko rozwojem nasienia, zasadzonego w nim
przez nauczanie”24 . Tak jak ludzie posiadaja˛ pewne mechanizmy umożliwiajace
˛
im nauk˛e, tak i maszyny można zaopatrzeć w takie narz˛edzia.
Kolejny argument rozważany przez Turinga to twierdzenie, że system nerwowy jest systemem ciagłym
˛
bez stanów dyskretnych. Na podstawie tego twierdzenia wnioskuje si˛e, że myślenie nie może być osiagni˛
˛ ete na maszynie o stanach
dyskretnych25 . Turing odpowiada, że można zbudować taka˛ maszyn˛e o stanach
ciagłych
˛
(za przykład podajac
˛ analizator różniczkowy), która mogłaby z powodzeniem udawać maszyn˛e o stanach dyskretnych.
Argument wypływajacy
˛ z nieformalności zachowania si˛e człowieka opowiada
si˛e za wyższościa˛ człowieka w stosunku do maszyny ze wzgl˛edu na brak ograniczeń formalnych odnośnie jego reakcji. „Niemożnościa˛ jest napisanie takiego
zbioru reguł, według których człowiek mógłby post˛epować w każdych możliwych do pomyślenia okolicznościach”26 . Na podstawie tego stwierdzenia dowodzi si˛e, że człowiek nie jest w istocie tylko maszyna.˛ Turing przytacza szkic dowodu, który jest przedstawiany przez zwolenników takiej argumentacji: „Gdyby
każdy człowiek posiadał określony zbiór reguł post˛epowania, przy pomocy których regulowałby swoje życie, wówczas nie byłby wcale lepszy od maszyny. Ale
23
Cyt. za ibidem, s. 14.
Ibidem, s. 14.
25
Por. ibidem, s. 15.
26
Por. ibidem, s. 13.
24
39
ponieważ takich reguł nie ma – ludzie nie moga˛ być maszynami”27 . Jest to twierdzenie, które nie jest sensowne na gruncie nauki. Ze wzgl˛edu na fakt, że czegoś
nie udało si˛e jeszcze odkryć nie wynika, że tego w ogóle nie ma. jak twierdzi Turing: „Jedyna˛ znana˛ nam droga,˛ która może nas doprowadzić do znalezienia takich praw jest obserwacja naukowa i z pewnościa˛ nie znamy takich przypadków,
w których moglibyśmy powiedzieć: «Szukaliśmy dosyć. Nie ma takich praw»”28 .
Ostatni argument porusza kwestie zwiazane
˛
z telepatia,˛ jasnowidzeniem, prekognicja˛ i lewitacja.˛ Argument ten mówi, że człowiek wyposażony w form˛e percepcji pozazmysłowej może posłużyć si˛e nia˛ aby z lepszym wynikiem odpowiedzieć na pytanie w teście „Jakiego koloru jest karta, która˛ trzymam w prawej
r˛ece?”29 niż maszyna, która takich umiej˛etności nie posiada. Jak wzmiankuje
sam Turing istnieje wiele teorii, które pomijaja,˛ ignoruja˛ badź
˛ zbywaja˛ temat
parapsychologii i nadal daja˛ sobie bardzo dobrze rad˛e w wyjaśnianiu zjawisk30 .
Ostatecznie problem jasnowidzenia i tym podobnych zostaje rozwiazany
˛
poprzez
zastosowanie pokoju zabezpieczonego od telepatii, tak aby zrównać możliwości
człowieka i maszyny w tym wzgl˛edzie31 . Ma to na celu, tak jak wcześniejsze
pierwotne założenia o odgrodzeniu od siebie i porozumiewaniu si˛e poprzez wydruki z dalekopisu, wyeliminowanie tych aspektów z natury człowieka, której nie
da si˛e (badź
˛ nie ma potrzeby) modelować za pomoca˛ komputera.
4.5
Podsumowanie
Zaprezentowano kwestie zwiazane
˛
z testem Turinga, który został zaproponowany jako kryterium badania inteligencji. Test przechodził metamorfozy, jednak
jego rdzeń jest zawsze ten sam - człowiek zadajac
˛ pytania z jednego pokoju otrzymuje odpowiedzi z drugiego pokoju, do którego nie ma dost˛epu. Na podstawie
otrzymanych odpowiedzi musi on stwiedzić czy rozmawia z człowiekiem, czy z
27
Ibidem, s. 13.
Ibidem, s. 16.
29
Ibidem, s. 16.
30
Ibidem, ss. 16-17.
31
Ibidem, s. 17.
28
40
maszyna.˛ Maszyn˛e można nazwać inteligentna˛ jeżeli przejdzie ona test Turinga.
Test ten zawiera w sobie założenie, że inteligentnym jest to, co umie posługiwać
si˛e j˛ezykiem naturalnym i potrafi wchodzić w kontakt - dialog - z drugim. Jak komentuje J. D. Bolter gra Turinga „wymaga od komputera, aby był nawet czymś
wi˛ecej niż człowiek, by był nie tylko równy swemu biologicznemu odpowiednikowi, ale i zdolny do każdego intelektualnego działania, jakie człowiek może
wykonać, oraz na tyle skromny, by zamaskować ten swój talent, którzy przekracza ludzkie zdolności”32 .
Jak zostało przedstawione, istnieje wiele pogladów,
˛
które stoja˛ w opozycji
do pogladów
˛
Turinga. Polemika wobec testu Turinga jest dwojaka. Pierwszy typ
podważa zasadność testu przez wzglad
˛ na redukcj˛e myślenia do objawów myślenia. Spostrzeżenie to spowodowało głos sprzeciwu wyrażonego w postaci argumentu Chińskiego Pokoju, gdzie Searl ilustruje, że można przetwarzać komunikaty w sposób nie angażujacy
˛ inteligencji bardziej niż dopasowanie ciagu
˛ symboli do wzorca. Drugi typ podważa zasadność mówienia o inteligencji maszyn ze
wzgl˛edu na różne przekonania, badź
˛ twierdzenia. Turing przedstawia je w swojej
pracy z 1950 i ustosunkowuje si˛e do nich. Stwierdza on, że jego zdaniem przeciwnicy posługujacy
˛ si˛e argumentem matematycznym moga˛ zaakceptować jego
test jako metod˛e badania inteligencji. Zwolennicy innych argumentacji prawdopodobnie nie przyj˛eliby jego testu jako właściwego do badania inteligencji maszyn. Argumentacja teologiczna w ogóle neguje możliwość stworzenia sztucznej
inteligencji i przypisuje inteligencj˛e jedynie człowiekowi, zaś argument świadomości postuluje, że jedynym sposobem aby dowiedzieć si˛e czy maszyna myśli
należy zamienić si˛e w maszyn˛e - a wi˛ec postuluje solipsyzm.
32
J. D. Bolter, Człowiek Turinga, Państwowy Instytut Wydawniczy, Warszawa, 1990, s. 281.
41
5 Silna i słaba sztuczna inteligencja w pogla˛
dach Alana Turinga
5.1
Wst˛ep
W ramach rozdziału poświ˛econego zagadnieniu testu Turinga zostały przedstawione także różne postawy przeciwników sztucznej inteligencji, które wymienił Turing w swoim eseju i z którymi polemizował. Niniejszy rozdział stanowi
prób˛e nakreślenia różnych stanowisk wobec zagadnienia sztucznej inteligencji i
wskazania, do którego z tych nurtów najlepiej wpisuja˛ si˛e poglady
˛ przedstawiane
przez Turinga.
5.2
Przedstawienie różnych stanowisk wobec sztucz-
nej inteligencji
Czy może powstać maszyna obdarzona świadomościa?
˛ Jest to pytanie, które
nurtuje filozofów i naukowców. Zarówno odpowiedź twierdzaca
˛ jak i przeczaca
˛
niosa˛ ze soba˛ poważne konsekwencje - nie tylko dla filozofii, ale także dla techniki. Obydwie odpowiedzi zamykaja˛ jedne ścieżki myślenia, zaś otwieraja˛ inne.
Jak na razie pytanie to pozostaje bez konkluzywnej odpowiedzi jednak uczeni
opowiadaja˛ si˛e za różnymi stanowiskami i debatuja˛ ze soba.˛ „Czy rzeczywiście
komputery moga˛ myśleć? [...] Sa˛ tacy, którzy z różnych powodów argumentuja,˛ że komputer nigdy nie b˛edzie zdolny myśleć jak człowiek, jednak tak mało
wiemy o tym, jak funkcjonuje mózg ludzki, że ich argumenty maja˛ charakter
tak spekulatywny, jak oryginalna obrona inteligencji komputera przez Turinga”1 .
Nie ma możliwości, przynajmniej w tym momencie, aby odpowiedzieć na za1
J. D. Bolter, Człowiek Turinga, Państwowy Instytut Wydawniczy, Warszawa, 1990, s. 279.
42
danie pytanie w sposób stanowczy, pozostaja˛ jedynie dyskusje nad podstawami
przekonań, ich argumentacja˛ i możliwymi konsekwencjami, które ze soba˛ niosa.˛
5.2.1. Silna sztuczna inteligencja
Silna sztuczna inteligencja jest pogladem
˛
uznajacym,
˛
że umysł jest niczym
innym jak tylko programem. Aby mówić o świadomości maszyn należy zaś odpowiednio skonstruować program umysłu - wtedy wytworzy si˛e świadomość.
Marciszewski2 zwraca uwag˛e na ukryty w powyższym twierdzeniu aksjomat,
który mówi, że „wszelkie myślenie jest obliczaniem”3 . Różnice w obr˛ebie tego
stanowiska zachodza˛ ze wzgl˛edu na przyj˛eta˛ definicj˛e myślenia i świadomości.
Niezależnie od przyj˛etych definicji wyst˛epuje jednak przekonanie, że można postawić znak równości mi˛edzy programem a umysłem. Świadomość jest wynikiem
działania takiego programu.
Postawie tej cz˛esto stawiane sa˛ zarzuty, że sa˛ to poglady
˛ „deterministycznoredukcjonistyczne”4 . Maria Piesko wyróżnia dwa typy takich pogladów.
˛
Pierwszym typem jest ten dotyczacy
˛ budowy mózgu, który „dałoby si˛e opisać w postaci
skończonej teorii i nast˛epnie zgodnie z jej prawami zbudować”5 . Oznacza to, że
musiałby zostać stworzony kompletny i doskonały model budowy i działania mózgu i samo to stanowiłoby podstaw˛e, aby po uruchomieniu takiego modelu, móc
powiedzieć, że on myśli. Drugim typem determinizmu byłoby doskonałe opisanie zasad kierujacych
˛
cała˛ rzeczywistościa˛ z pomini˛eciem mózgu. „W takim
przypadku możliwe stałoby si˛e wypracowanie innego «mechanizmu myślenia»
— komputer mógłby rozumieć świat na swój własny, sobie właściwy sposób”6 .
Taki scenariusz umożliwia mówienie o sztucznej inteligencji, która mogłaby, inaczej niż to odbywa si˛e w ludzkim mózgu, poznawanie rzeczywistości7 .
Ważnym jest w tym przekonaniu postulat, że myślenie zachodzi w układzie
2
Witold Marciszewski (1930 - ), polski filozof i logik.
W. Marciszewski, Sztuczna inteligencja, Znak, Kraków, 1998, s. 16.
4
M. Piesko, „O subtelnej różnicy mi˛edzy słaba˛ a mocna˛ wersja˛ koncepcji sztucznej inteligencji na przykładzie tekstu Turinga”, Zagadnienia Filozoficzne w Nauce, XXXI (2002), 93-102.
5
Ibidem.
6
Ibidem.
7
Ibidem.
3
43
fizycznym i podlega algorytmizacji8 . Takie myślenie zalgorytmizowane może dokonywać si˛e na każdej platformie sprz˛etowej - biologicznej czy elektronicznej jeśli tylko spełnione byłyby warunki do zapisania go w danym medium.
5.2.2. Słaba sztuczna inteligencja
Słaba sztuczna inteligencja jest postawa,˛ która stoi w opozycji do silnej sztucznej inteligencji. Jej zwolennicy uważaja,˛ że nie jest możliwe stworzenie myślacej
˛
maszyny. Przyczyny takiego twierdzenia moga˛ być różne. Jedna˛ z podstawowych
jest przekonanie o niemożliwości przełożenia procesów myślowych na j˛ezyk matematyki (co jest równoznaczne z algorytmizacja).
˛ Zwolennicy tej postawy twierdza,˛ że sztuczna inteligencja nie może osiagn
˛ ać
˛ samoświadomości ani wykazywać umiej˛etności kognitywnych na ludzkim poziomie. Jak opisuje to Maria Piesko: „[...] nie stwierdza si˛e tu wcale, że mózg człowieka jest swego rodzaju maszyna˛ wykonujac
˛ a˛ program „umysłu”, a jedynie rozważa możliwość, czy komputery b˛eda˛ mogły wykonywać czynności znamionujace
˛ wedle powszechnej opinii
istoty inteligentne”9 . Nie neguje si˛e możliwości wykonywania przez maszyny
czynności, które wymagaja˛ od człowieka pomyślunku, jednak nie utożsamia si˛e
możliwości ich wykonywania z koniecznościa˛ istnienia umysłu w maszynie.
5.2.3. Stanowiska pośrednie
Wymienione wyżej stanowiska silnej i słabej sztucznej inteligencji sa˛ dwoma
głównymi postawami. Od nich, niczym od pni, rozchodzi si˛e wiele stanowisk
pośrednich. Stanowiska te czerpia˛ z jednego i z drugiego podejścia zaw˛eżajac,
˛
badź
˛ rozszerzajac
˛ je. Specyficznym stanowiskiem, nie wywodzacym
˛
si˛e ani od
silnej, ani od słabej sztucznej inteligencji, jest pragmatyzm. Stoi ono niejako „z
boku” w stosunku do całej dyskusji. Jest to podejście, które odcina si˛e od dyskusji
czy maszyna może posiadać świadomość, czy też nie. Silnie akcentowane jest,
aby maszyna (czy też program) była w stanie dobrze wykonać powierzone jej
8
Por. W. Marciszewski, Sztuczna inteligencja, Znak, Kraków, 1998, s. 19.
M. Piesko, „O subtelnej różnicy mi˛edzy słaba˛ a mocna˛ wersja˛ koncepcji sztucznej inteligencji na przykładzie tekstu Turinga”, Zagadnienia Filozoficzne w Nauce, XXXI (2002), 93-102.
9
44
zadanie, kwestia tego czy zachodzi w niej proces myślenia jest drugorz˛edna i w
gruncie rzeczy nieistotna.
Jednym ze stanowisk pośrednich w dyskusji o sztucznej inteligencji jest stanowisko mówiace,
˛ że istotnie - myślenie jest procesem fizycznym odbywajacym
˛
si˛e w mózgu i może być poddane procesowi algorytmizacji, jednak „wyprodukowanie świadomości przez procesy obliczeniowe nie jest uważane ani za możliwe, ani za konieczne”10 . Świadomość, wedle propagatorów takiego stanowiska,
jest właściwa jedynie fizjologicznej aktywności mózgu, przez co nie może być
o niej mowy, jeśli chodzi o maszyn˛e elektroniczna.˛ Może być ona jednak symulowana1112 . Przejawia si˛e w tym stanowisku pewna forma agnostycyzmu - świadomość jest zjawiskiem, które niedaje si˛e ściśle ujać
˛ naukowo, a można si˛e bez
niego obyć bez szkody dla sztucznej inteligencji13 .
Innym stanowiskiem jest jest przekonanie, że myślenie istotnie jest procesem fizycznym odbywajacym
˛
si˛e w mózgu, jednak nie jest ono algorytmizowalne
przez co nie da si˛e go opisać przy pomocy algorytmów i wprowadzić do komputera. To stanowisko jest silnie podbudowane przekonaniem o istotności procesów
kwantowych dla świadomości oraz teoria˛ chaosu. Przekonuje si˛e, że na poziomie neuronalnym, przy przenoszeniu sygnałów elektrycznych procesy kwantowe
moga˛ grać istotna˛ rol˛e i tworzyć w jakiś sposób to, co nazywane jest wolna˛ wolna.˛
Teoria chaosu tłumaczyłaby dlaczego ze struktur fizycznych znajdujacych
˛
si˛e w
mózgu moga˛ tworzyć si˛e myśli i świadomość, tj. jak na gruncie mózgu, który
przetwarza sygnały elektryczne tworzona jest świadomość, która nie jest impulsem elektrycznym14 .
10
W. Marciszewski, Sztuczna inteligencja, Znak, Kraków, 1998, s. 18.
Symulacja to matematyczna reprezentacja danego zjawiska. Opisywane jest ono zazwyczaj
zestawem równań, najcz˛eściej różniczkowych, które wyznaczaja˛ stan systemu.
12
Por. ibidem, s. 18.
13
Por. ibidem, s. 18.
14
Por. ibidem, ss. 18-20.
11
45
5.2.4. Podsumowanie
Zarysowane wyżej stanowiska sa˛ najbardziej charakterystycznymi podejściami
do zagadnienia sztucznej inteligencji.
Stanowisko silnej sztucznej inteligencji jest najbardziej optymistycznym pogladem
˛
na temat myślenia maszyn. Postuluje si˛e, że wszelkie procesy myślowe,
do których zalicza także świadomość, daja˛ si˛e przełożyć na j˛ezyk matematyki, a
dalej na algorytmy możliwe do zaimplementowania w komputerze. Mózg przyrównywany jest do jednostki centralnej w komputerze. Wedle Marciszewskiego
analogia˛ dla tej wizji w dziejach filozofii sa˛ nurty pitagorejski i platoński15 , „co
jest o tyle osobliwe, że mocna SI16 uchodzi za produkt twardego materializmu”17 .
Stanowisko słabej sztucznej inteligencji przekonuje, że maszyna może jedynie udawać myślenie. Może ona na przykład osiagn
˛ ać
˛ wspaniałe wyniki w teście Turinga, jednak, jak pokazuje to Searl w swoim przykładzie, nie jest to żaden wyznacznik myślenia. Zwolennicy tego stanowiska nie twierdza,˛ że maszyna
nie jest zdolna do wykonywania aktów wymagajacych
˛
od człowieka inteligencji.
Nie stawiaja˛ oni jednak mi˛edzy takimi zachowaniami a ludzka˛ inteligencja˛ znaku
równości.
Osobnym typem przekonania, które także pojawia si˛e w dyskusji nad sztuczna˛
inteligencja˛ jest pragmatyzm. Jego głosiciele twierdza,˛ że nieistotne jest czy maszyna posiada świadomość, czy też nie - ważne jest aby spełniała funkcje, do
których została stworzona. Taka postawa jednak nic nie mówi o samej możliwości posiadania świadomości przez maszyny badź
˛ jej braku.
5.3
Stanowisko Turinga
Stanowisko Turinga nie jest do końca jasne. Dla wi˛ekszości jest on przedstawicielem koncepcji silnej sztucznej inteligencji18 . Analizujac
˛ jego pierwsza˛
15
Por. ibidem, s. 17.
SI - sztuczna inteligencja, ang. AI - artificial intelligence.
17
Ibidem, s. 17.
18
Por. M. Piesko, „O subtelnej różnicy mi˛edzy słaba˛ a mocna˛ wersja˛ koncepcji sztucznej inteligencji na przykładzie tekstu Turinga”, Zagadnienia Filozoficzne w Nauce, XXXI (2002), 93-102.
16
46
prac˛e w tym zakresie z 1950 roku i odwołujac
˛ si˛e do samego testu trudno jest tak
stwierdzić. Wydaje si˛e, że Turing chce przede wszystkim ustalić jakieś kryterium
tego czy maszyna zachowuje si˛e inteligentnie. Kluczowa jest tu fraza „zachowuje
si˛e”. Zapytuje on w artykule: „Czy maszyny nie moga˛ wykonywać czegoś, co należałoby nazwać myśleniem, ale co różni si˛e zupełnie od myślenia człowieka?”19 .
Pytanie to świadczy, że dopuszcza on możliwość, że w środku maszyny, która
„wygra” gr˛e w naśladownictwo moga˛ zachodzić inne procesy, niekoniecznie dajace
˛ si˛e przełożyć w stosunku jeden do jednego z tymi, które zachodza˛ w mózgu
człowieka. Turing stara si˛e ominać
˛ kwestie istnienia świadomości20 . Stad
˛ można
wnioskować, że stoi on po stronie słabej sztucznej inteligencji. W swoim wykładzie „Can Digital Computers Think?” - audycji dla radia BBC z 1951 roku
stwierdza on odnośnie możliwości stworzenia programu, który zachowywałby
si˛e jak mózg21 : „[...] it seems that the wisest ground on which to criticise the description of digital computers as ‘mechanical brains’ or ‘electronic brains’ is that,
although they might be programmed to behave like brains, we do not at present
know how this should be done. With this outlook I am in full agreement. It leaves
open the question as to whether we will or will not eventually succeed in finding
such a programme. I, personally, am inclined to believe that such a programme
will be found”22 . Fraza „behave like brains” wskazuje w dalszym ciagu
˛ na aspekt
naśladowania człowieka.
W dyskusji, przeprowadzonej także dla radia BBC, z 1952 roku również pojawia si˛e watek
˛ czy maszyny moga˛ mysleć. Turing wypowiada si˛e na ten temat:
„As soon as one can see the cause and effect working themselves out in the brain,
one regards it as not being thinking, but a sort of unimaginative donkey-work.
From this point of view one might be tempted to define thinking as consisting of
19
A. M. Turing,
Maszyny
liczace
˛
a
inteligencja,
s. 3,
02.06.2013,
<http://www.kognitywistyka.net>.
20
Por. A. Hodges, Alan Turing, The Stanford Encyclopedia of Philosophy (Fall 2008 Edition),
Edward N. Zalta (ed.), 02.06.2013, <http://plato.stanford.edu/entries/turing>.
21
ang. „to behave like a brain”.
22
B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy,
Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford University Press,
Oxford New York, 2004, s. 484.
47
‘those mental processes that we don’t understand’. If this is right then to make
a thinking machine is to make one which does interesting things without our really understanding quite how it is done”23 . Wskazuje on, że gdy poznany zostaje
proces, który łaczy
˛
przejście z przyczyny do skutku w mózgu, to przestaje si˛e go
uważać za myślenie. Jeśliby wi˛ec odkryć wszystkie procesy odbywajace
˛ si˛e w
mózgu nie pozostałoby nic, co możnaby nazwać myśleniem. Skoro udałoby si˛e
jednak odkryć wszystkie procesy zachodzace
˛ w mózgu to można byłoby stworzyć program, który wykonywałby te procesy.
Jak wi˛ec widać Turing nie postuluje, że maszyna i mózg sa˛ tym samym. Jak
zostało przedstawione to wcześniej, Turing redukuje myślenie do jego widocznych oznak. Jeśli wygladałoby,
˛
że maszyna zachowuje si˛e inteligentnie, to, według niego, jest to warunek wystarczajacy
˛ aby stwierdzić, że w istocie jest inteligentna. Trzeba pami˛etać, że Turing jest przede wszystkim matematykiem i
inżynierem. Wychodzi w swoich rozważaniach od widocznych efektów jakiegoś
mentalnego działania i z nich stara si˛e znaleźć zasad˛e działania. Jeśli wi˛ec dwa
urzadzenia
˛
zachowuja˛ si˛e tak samo24 to należy powiedzieć, że dla obserwatora
b˛eda˛ one nierozróżnialne. Tak ukazuja˛ si˛e przekonania Turinga na temat sztucznej inteligencji.
5.4
Podsumowanie
W niniejszym rozdziale ukazano różne postawy, które wykreowały si˛e w dyskusji nad sztuczna˛ inteligencja.˛ Jak zostało powiedziane, stanowisk jest tyle, co
uczonych, którzy zajmuja˛ si˛e ta˛ tematyka.˛ Dwoma głównymi stanowiskami sa˛
tak zwana silna i słaba sztuczna inteligencja. W czasie kiedy Turing przedstawiał
swoje stanowisko na ten temat podział ten nie był jeszcze tak dokładnie ustanowiony, gdyż należy pami˛etać, że był on pionierem tej gał˛ezi nauki. Daje si˛e
odczytać z treści pism i audycji, że jego poglady
˛ były mieszanka˛ obydwu głów23
Ibidem, s. 500.
Oczywiście w przybliżeniu, podobnie, ponieważ nawet jedna osoba postawiona dwa razy w
tej samej sytuacji może nie zareagować tak samo. Chodzi jednak o zdroworozsadkowe
˛
podobieństwo zachowań w podobnych warunkach.
24
48
nych stanowisk. Jego głównym punktem zainteresowań była przede wszystkim
próba uregulowania kwesti tego, jak można zbadać czy dana maszyna lub program sa˛ inteligentne. Zaproponował on swój test stworzony w duchu, jak zostało
wcześniej powiedziane, behawioryzmu. Dalsze jego rozważania sa˛ prowadzone
także w tym duchu.
49
6 Zakończenie
W ninejszej pracy zaprezentowano zarys pogladów
˛
Turinga na zagadnienie
sztucznej inteligencji. Duży wpływ w rozważaniach na ten temat u Turinga miało
niewatpliwie
˛
par˛e czynników: jego matematyczno-techniczne wykształcenie, silny
wpływ behawioryzmu i operacjonizmu oraz zdroworozsadkowe
˛
(w przeciwieństwie do nieraz skomplikowanego, niejasnego podejścia filozoficznego) podejście
do problemu.
Stworzył on koncepcj˛e abstrakcyjnej maszyny nazwanej jego imieniem, która
dla wielu stała si˛e od razu jednym z możliwych modeli działania mózgu. Sformuował on treść testu, który byłby w przyszłości kryterium stanowienia o sztucznej
inteligencji. Jego poglady
˛ sa˛ gdzieś pomi˛edzy stanowiskami silnej i słabej inteligencji i sa˛ zmienne w czasie. We wcześniejszych pismach jego poglady
˛ sa˛ bliższe stanowisku słabej sztucznej inteligencji, jednak zapisy późniejszych audycji
radiowych zdaja˛ si˛e świadczyć o tym, że Turing zmodyfikował swoje poglady
˛
nadajac
˛ im charakter bliższy stanowisku silnej sztucznej inteligencji.
Należy pami˛etać, że Turing nigdy sam si˛e nie okreslił mianem filozofa, ani nie
uważał, żeby taki tytuł mu przysługiwał. Był on przede wszystkim człowiekiem
nauki, matematykiem, inżynierem. Jego podejście do rozwiazywania
˛
problemów
cechowało si˛e prostota,˛ czerpał inspiracj˛e z obserwowalnych zjawisk.
Dzisiaj, 63 lata od opublikowania swojego artykułu w czasopiśmie Mind, korzystamy z komputerów na co dzień. Posiadamy komputery stacjonarne, laptopy,
netbooki, tablety, komórki etc., i nawet najmniejsze z tych urzadzeń
˛
dysponuje
moca˛ nieporównywalnie wi˛eksza˛ niż maszyny z czasów Turinga. Poczyniono
duże post˛epy na polu sztucznej inteligencji, która˛ nieraz określa si˛e gracza komputerowego w grze wideo czy systemy eksperckie. Wielkie korporacje jak Google i Facebook tworza˛ spersonalizowane treści specjalnie dla konkretnych użytkowników stosujac
˛ w procesie doboru treści sieci neuronowe. Komputery świet-
50
nie graja˛ w szachy, a nawet próbuja˛ swoich sił w Go1 . Czy jednak dokonaliśmy
przełomu w ciagu
˛ tych 63 lat i stworzyliśmy coś co możnaby określić mianem
sztucznej inteligencji? W 2011 roku supekomputer Watson wystapił
˛ w teleturnieju podobnym do polskiego Va Banque. Został on stworzony do przetwarzania
informacji i j˛ezyka naturalnego. Posiada on algorytmy do nauki i wnioskowania. Maszyna ta wygrała ten teleturniej majac
˛ za przeciwników dwóch świetnych graczy. Posiadamy programy, które potrafia˛ konkurować z nami w wielu
dyscyplinach, jednak nie posiadamy żadnego, który można określić mianem myślacego,
˛
czy posiadajacego
˛
świadomość. Proces rozwoju technologii komputerowych wpłynał
˛ na powstanie nowych kierunków filozoficznych. Jednym z nich
jest kognitywistyka. Przez ten czas powstało wiele teorii myśli, czy świadomości.
Rozwój filozofii umysłu pociagn
˛ ał
˛ za soba˛ rozwój pogladów
˛
na temat sztucznej
inteligencji.
Trudno jest przecenić wkład i wpływ myśli Alana Turinga na rozwój zagadnień zwiazanych
˛
ze sztuczna˛ inteligencja.˛
1
Go - gra planszowa pochodzenia chińskiego (znana jako Weiqi), popularna w Japonii (Go,
Igo) i Korei (Baduk). O wiele trudniejsza dla komputerowych graczy niż szachy. Dla porównania
- gracze komputerowi potrafia˛ konkurować z mistrzami szachowymi, zaś najlepsze programy do
gry w Go sa˛ na poziomie przeci˛etnych amatorów.
51
7 Bibliografia
Literatura podmiotu:
1. A. Turing, „Computer Machinery and Intelligence”, Mind, 59 (1950), ss. 433460.
2. A. Turing, Can Digital Computer Think?, [w:] B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial
Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford University Press, Oxford New York, 2004.
3. A. Turing, R. Braithwaite, G. Jefferson, M. Newman, Can Automatic Calculation Machines Be Said To Think?, [w:] B. J. Copeland, The Essential
Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford University
Press, Oxford New York, 2004.
Literatura przedmiotu:
1. I. Asimov, ”Zabawa w berka”, [w:] Świat robotów, Varia Apd, Warszawa,
1993.
2. J. D. Bolter, Człowiek Turinga, Państwowy Instytut Wydawniczy, Warszawa, 1990.
3. G. Boole, An Investigation into The Laws of Thought on Which Are Founded The Mathematical Theories of Logic and Probabilities, Cork, 1854.
4. B. Carpenter, R. Doran, A. M. Turing’s ACE Report of 1946 and Other
Papers, 1.10, 1986, the Charles Babbage Institute, University of Minnesota,
Cambridge, MIT Press.
52
5. B. J. Copeland, The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets
of Enigma, Oxford University Press, Oxford New York, 2004.
6. B. J. Copeland, The Church-Turing Thesis, The Stanford Encyclopedia of
Philosophy (Fall 2008 Edition), Edward N. Zalta (ed.), 02.06.2013,
<http://plato.stanford.edu/entries/church-turing>.
7. B. J. Copeland, Turing Machines, The Stanford Encyclopedia of Philosophy (Fall 2008 Edition), Edward N. Zalta (ed.), 02.06.2013,
<http://plato.stanford.edu/entries/turing-machine>.
8. S. Czerni, A. Topulos i in., „Algorytm”, [w:] Leksykon naukowo-techniczny,
S. Czerni, A. Topulos i in., Wydawnictwo Naukowo-Techniczne, Warszawa,
1984.
9. M. Gardner, Logic Machines and diagrams, McGraw-Hill Book Company,
New York - Toronto - London, 1958.
10. H. H. Goldstine, The Computer from Pascal to von Neumann, Princeton
University Press, Chichester, 1972.
11. A. Hodges, Alan Turing, 02.06.2013, The Stanford Encyclopedia of Philosophy (Fall 2008 Edition), Edward N. Zalta (ed.),
<http://plato.stanford.edu/entries/turing>.
12. W. Marciszewski, Sztuczna inteligencja, Znak, Kraków, 1998.
13. K. Menninger, Number Words and Number Symbols: A Cultural History of
Numbers, Cork, 1854.
14. D. Michie, Turing, Alan Mathison, w: The MIT Encyclopedia of the cognitive sciences, MIT Press, Cambridge London, 1999.
15. M. Piesko, Nieobliczalna obliczalność, Copernicus Center Press, Kraków,
2011.
53
16. M. Piesko, „O subtelnej różnicy mi˛edzy słaba˛ a mocna˛ wersja˛ koncepcji
sztucznej inteligencji na przykładzie tekstu Turinga”, Zagadnienia Filozoficzne w Nauce, XXXI (2002), 93 - 102.
17. T. H. Russell, Mechanical Arithmetic or the History of the Counting Machine, Chicago, 1916.
18. C. Shannon, J. McCarthy, „Editorial”, Automata studies, 34 (1972), v - vi.
19. P. Stacewicz, Nieobliczalni i nieobliczalne, 2.06.2013,
<http://blog.marciszewski.eu/?p=2395>.
20. A. Turing, On computable numbers, with an application to the Entcheidungsproblem, London Mathematical Society, London, 1937.
54
Spis rysunków
2.1
Rycina z „Ars magna” Rajmunda Llulla.
. .
8
. . . . . . . . .
10
. . . . . . .
11
. . . . . . . . .
13
. . . . . . . . . . .
16
. . . . . . . . . . . . . . . . . . . . . . . . . . .
22
(źródło: http://commons.wikimedia.org/wiki/File:Ramon_Llull_-_Ars_Magna_Fig_1.png)
2.2
Przykład liczydła.
(źródło: http://commons.wikimedia.org/wiki/File:Abacus_1_(PSF).png)
2.3
Charles Babbage (1791-1871).
(źródło: http://commons.wikimedia.org/wiki/File:Charles_Babbage_1860.jpg)
2.4
Widok komputera ENIAC.
(źródło: http://explorepahistory.com/displayimage.php?imgId=1-2-920)
2.5
Alan Turing.
(źródło: http://www.ieeeghn.org/wiki/images/5/53/Alan-turing.jpg)
3.1
Schemat Maszyny Turinga.
(źródło: praca własna)
3.2
Idea uniwersalnej maszyny Turinga. Maszyna główna (u góry)
zawiera w sobie dwie podmaszyny umożliwiajace
˛ przetwarzanie
różnych zadań.
(źródło: praca własna)
4.1
24
Schemat testu Turinga.
(źródło: praca własna)
4.2
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
32
Schemat testu Turinga z wieloma s˛edziami.
(źródło: praca własna)
. . . . . . . . . . . . . . . . . . . . . . . . . . .
55
33
Oświadczenie
Niniejszym wyrażam zgod˛e na udost˛epnienie przez Archiwum Uniwersytetu
Papieskiego Jana Pawła II w Krakowie mojej pracy licencjackiej.
Kraków, 04.07.2013r.
.....................
podpis autora pracy
Oświadczenie kierujacego
˛
praca˛
Niniejsza praca została przygotowana pod moim kierunkiem i może być podstawa˛ post˛epowania o nadanie jej autorowi tytułu zawodowego.
Kraków, 04.07.2013r.
..................
podpis promotora
Oświadczenie autora pracy
Świadom odpowiedzialności prawnej oświadczam, że niniejsza praca dyplomowa została napisana przeze mnie samodzielnie i nie zawiera treści uzyskanych
w sposób niezgodny z obowiazuj
˛ acymi
˛
przepisami.
Oświadczam również, że przedstawiona praca nie była wcześniej przedmiotem procedur zwiazanych
˛
z uzyskaniem tytułu zawodowego w wyższej uczelni.
Oświadczam ponadto, że niniejsza wersja pracy (przedstawiona do obrony)
jest identyczna z załaczon
˛
a˛ wersja˛ elektroniczna.˛
Kraków, 04.07.2013r.
.....................
podpis autora pracy