AlphaGo — это искусственный интеллект, который обыграл лучших игроков в GO среди людей. Даже создатели и преподаватели не знают, как AlphaGo пришла к выводу, что поставила камень именно в этом месте. Топ-игроки посчитали, что AlphaGo допустила ошибку, и в дальнейшем это оказалось гениальным ходом. На самом деле AlphaGo играл так, как ни один игрок на протяжении тысячелетий, и выиграл тот матч.
Как AlphaGo смогла создать этот новый ход? Действительно ли это новое творение или это просто продукт машины?
Это на самом деле довольно старый и часто обсуждаемый вопрос. Он называется «Возражение леди Лавлейс» и впервые появился в основополагающей статье Алана Тьюринга «Вычислительные машины и интеллект» .
Ниже мой ответ на возражение Лавлейс, а также ответ Алана Тьюринга, который я написал для курса философии в 2015 году. Возможно, он будет вам интересен?
Тьюринг создал игру в имитацию как способ поговорить о познании в машинах, не увязая в философской истории слов «думать» и «машина». В своем обсуждении игры в имитацию он отвечает на возражение Ады Лавлейс и опровергает один ее аспект, однако не охватывает все аспекты. А именно, его опровержение возражения Лавлейса, кажется, предполагает, что вселенная детерминистична, и, перефразируя аргумент Лавлейса, он может упустить некоторые из его более тонких следствий.
Цель игры-имитации Тьюринга состоит в том, чтобы судья-человек не смог правильно угадать, какой из двух игроков является компьютером. Единственным инструментом в распоряжении судьи является текстовая коммуникация, которая может быть адресована каждому из игроков индивидуально, подобно интернет-чату или обмену электронной почтой. Если машина может сбить с толку судью за определенное время или количество вопросов, говорят, что машина выиграла игру с имитацией и прошла тест Тьюринга.
Аргумент Лавлейс против того, чтобы машина прошла тест Тьюринга и, таким образом, была способна «думать», заключается в том, что машина (в частности, имеющая в виду аналитическую машину) «не претендует на то, чтобы что-то создавать. Он может делать все, что мы знаем, как ему приказать» (Turing 1950, 450). Тьюринг сталкивается с этим аргументом, сначала перефразируя его, задавая вопрос, не может ли машина «никогда не делать ничего «нового»» (Turing 1950, 450). Он опровергает это переформулированное возражение, задаваясь вопросом, сделали ли люди когда-нибудь что-нибудь новое. Другими словами, он утверждает, что нет поддающихся проверке доказательств того, что какое-либо творение человека не было продуктом их образования; независимо от того, изучены ли они формально или получены из окружающей среды.
Утверждение Тьюринга разумно, но он рискует увязнуть в дебатах о свободе воли и детерминизме, поскольку он, кажется, утверждает, что человек является исключительно функцией этой среды. Он полагает, что все, что необходимо для подражания человеку, — это определить функцию, которая отображает внешнюю среду в человеческом мышлении. Вера в существование этой функции известна в философии как детерминизм и вызывает много споров. В качестве альтернативы, чтобы избежать этой философской трясины, вместо того, чтобы апеллировать к детерминизму, мы могли бы вместо этого посмотреть на то, что требуется от компьютера для создания чего-то «нового». Создание чего-то «нового» можно интерпретировать как синтез новой информации. Доказательство того, что компьютер может выполнить эту задачу, может быть подтверждено исследованием системы, основанной на правилах.
Система, основанная на правилах, основана на идее, что большая часть человеческого знания может быть представлена правилами, а человеческое мышление может быть аппроксимировано логическим манипулированием этими правилами. Например, чтобы представить план навигации, вы можете знать ряд логических шагов или правил, описывающих маршруты, такие как «улица Лестер соединяет мой дом с шоссе 69» и «шоссе 69 ведет в Садбери». Можно запрограммировать компьютер, чтобы просмотреть эти шаги и прийти к выводу, в данном случае маршрут от Садбери до улицы Лестер (Тагард 2005, 47). Затем вы можете синтезировать новые правила, комбинируя их с помощью процесса, известного как «разбиение на части» или «композиция», и сохраняя их, чтобы поиск не нужно было выполнять каждый раз, когда необходимо выполнить эту задачу (от Садбери к Лестеру). выполнено (Тагард 2005, 49). Кроме того, правила могут быть использованы для создания объяснений или гипотез путем абдуктивного вывода (Thagard 2005, 50). И плана, и объяснения, и сводки не существовало до тех пор, пока компьютер не нашел и не обнаружил их. Это можно рассматривать как эквивалент машины, производящей что-то «новое» и приобретающей «новые» знания. Используя математическую терминологию, можно сказать, что система немонотонна.
В этой упрощенной системе, основанной на правилах, есть много недостатков. Он вычислительно неэффективен и действительно охватывает всю психологическую сложность человека. Следовательно, можно утверждать, что эта модель никогда не сможет успешно имитировать человека. Однако это поверхностные опасения. Было бы ошибкой распространять неспособность этой конкретной системы, основанной на правилах, на все вычислительные модели. Вместо этого из примера системы, основанной на правилах, следует сохранить то, что в вычислительной модели можно включить аспекты человеческого мышления и изобретательности. Кроме того, недостатки вычислительной неэффективности и психологической неполноты могут быть и были устранены с помощью более новых, более полных моделей. Например, было показано, что ACT-R способен имитировать определенные атрибуты человека,
Использованная литература:
Как AlphaGo смогла создать этот новый ход? Действительно ли это новое творение или это просто продукт машины?
Ответ заключается в том, что это новое творение, продукт интеллекта, запрограммированного в компьютерном программном обеспечении. Ход не был придуман человеком, поэтому он был новым и был создан программным обеспечением.
Другой пример можно найти, если посмотреть на проект складывания компьютера . Компьютеры создают новые модели белковых структур с помощью множества компьютеров по всему миру, и эти складчатые структуры сообщают исследователям, какую роль они играют во всевозможных заболеваниях всего тела, включая мозг.
Они работают намного быстрее, чем любой человек, и вы не можете сказать ничего, кроме того факта, что эти компьютеры создают новые вещи. Вещи, неизвестные людям до их создания.
Это больше не продукт механического устройства! Да, это результат вычислений кластера машин, но сложность группы никоим образом не похожа на то, что мы привыкли называть машинами. Он сложнее на порядки. В некотором смысле можно сказать, что мозг тоже механический, поскольку это группа нейронов, а нейрон близок к механическому. Но когда количество нейронов так велико, группа уже не похожа на индивидуума. То же самое происходит и с кластером машин для глубокого обучения. Это уже супер техника. Как будто человеческое тело больше не похоже на клетку. Так что в AlphaGo есть творчество.
С другой стороны, вы можете возразить, что с математической точки зрения для го существует наилучшая стратегия. Знание этой стратегии могло привести к победе над любым соперником, если не вничью, включая AlphaGo и чемпионов мира. Так что ни в одной игре нет творчества. Все это брутальные расчеты.
пользователь9634
Пойк