CC BY
20
D01:10.12845/bitp.31.3.2013.2
mgr Wojciech WISNIEWSKI1
Przyj^ty/Accepted: 10.04.2013; Zrecenzowany/Reviewed: 27.04.2013; Opublikowany/Published: 30.09.2013
KOMPUTERYI ODKRYCIE NAUKOWE
Computers and Scientific Discovery
Streszczenie
Zwolennicy tradycyjnej filozofii nauki opowiadali si? za wprowadzeniem rozroznienia na kontekst odkrycia i kontekst uzasadniania, czyni^c ten ostatnijedynym wlasciwymprzedmiotem filozoficznej refleksji. Wielubadaczy nie zgadzalo si? z tym rozstrzygni?ciem. Niektorzy z nich podj?li wysilki opracowania normatywnej teorii odkrycia naukowego. Dzi?ki zastosowaniu zaawansowanych maszyn licz^cych starano si? stworzyc program komputerowy generuj^cy odkrycia naukowe. Doprowadzilo to do powstania odr?bnej dziedziny nauki - teorii odkryc maszynowych - czerpi^cej z dorobku psychologii rozwi^zywania problemow i badan nad sztuczn^inteligencj^. Celem pracy jest dowiedzenie, ze zadna z prob oparcia odkrycia naukowego o procedury stosowane przez komputeryjest nierealizowalna z przyczyn logicznych. W ponizszej pracy przedstawiono historyczny proces, ktory doprowadzil do wyodr?bnienia si? kontekstow odkrycia i uzasadnienia oraz wskazano badaczy i nurty, ktore sprzeciwily si? podzialowi na kontekst odkrycia i kontekst uzasadnienia. Nast?pnie nakreslona zostala teoria odkryc maszynowych, ktorej autorzy podj?li si? proby skonstruowania programu komputerowego generuj^cego odkrycia naukowe. Artykul wienczy przyblizenie racji logicznych, ktore czynily ich starania niemozliwymi do zrealizowania.
W toku badan wykazano, ze istniej^przekonuj^ce racje logiczne, by uznac, ze algorytmizacja odkrycia naukowego nie jest programem badawczym, ktorego cele mogly byc osi^gni?te. Przyblizono szereg racji odwoluj^cych si? do natury poznania komputerowego, ktore czyni^ nadzieje badaczy na sukces programu plonnymi. Poznanie komputerowe ma charakter dedukcyjny, jest tresciowo puste, poniewaz nie moze dostarczyc zadnej nowej wiedzy.
Chociaz wykorzystanie komputerow w pracy badawczej wydaje si? decyzj^ sluszn^, albowiem poprzez mozliwosci analizy ogromnej liczby danych otwieraj^przed naukowcami zupelnie nowe mozliwosci, maszyny licz^ce nie zast^pi^ naukowcow calkowicie. Niezaleznie od post?pu technologicznego natura poznania komputerowego sprawia, ze odkrycie naukowe b?dzie wymagalo ludzkiej interwencji, a wszelkie proby redukcji odkrycia do czynnosci wlasciwych komputerom s^ skazane na niepowodzenie.
Summary
Adherents of traditional philosophy of science supported the distinction between context of discovery and context of justification, making the latter the only actual subject of philosophical inquiry. Many scientists did not follow this conclusion. Some of them tried to construct normative theory of scientific discovery. Due to application of advanced computing machines, they endeavoured constructing a computer programme as it would be able to generate scientific discoveries. It led to the emergence of separate scientific discipline - a theory of machine discovery that was based on the work of psychology of problem solving as well as artificial intelligence. The goal of the paper is to present argumentation in favour of the view that none ofthe attempts ofreducing scientific inquiry to computation can succeed due to logical purposes. The paper shows the historical process that led to the distinction of context of discovery and context of justification as well as indicates the scientists and trends that objected such a distinction. Subsequently, the paper presents the theory of machine discovery, which authors tried to construct a computer program that would generate scientific discoveries. Last part of the material is dedicated to logical arguments that make such attempts unable to succeed.
The inquiry showed that there are logical arguments to state that the algorythmization of scientific discovery is not possible. The paper delivers argumentation, derived from the nature of machine cognition that makes such attempts impossible to succeed. Machine cognition is deductive, without reference to any subject, has no content and can be reduced to the data given to the input ofthe system.
While using the computers in scientific inquiry seems to be a reasonable decision, because ofthe possibility of analysing great sets of data what opens new possibilities to scientists, the computers will never be a substitute for human beings. Regardless ofthe technical development, the nature of machine cognition makes scientific discovery dependent on human intervention. All attempts ofreducing discovery to computing procedure cannot, necessarily, succeed.
1 doradca komunikacyjny oraz strategiczny w projektach spolecznych i biznesowych; [email protected]; communication and strategy consultant in social and business projects;
Slowa kluczowe: filozofia nauki, odkrycie naukowe, ba
inteligencja, maszynowe uczenie si?;
Keywords: philosophy of science, scientific discovery,
intelligence, machine learning;
Typ artykulu: artykul przegl^dowy;
Type of article: review article;
1. Wprowadzenie
Rozwoj filozofii nauki przez wiele dziesi?cioleci dokonywal si? poprzez badaniajedynie nadjednym aspektem dzialalnosci naukowej - procedurami wy-kazywania slusznosci hipotez. Trudno jednoznacz-nie wskazac zrodla takiego stanu rzeczy [7, s. 9-12]. Niewiele dyscyplin moze poszczycic si? opracowa-niem wysoce zestandaryzowanych procedur, jedno-czesnie pomijaj^c, i czyni^c to swiadomie, istotn^ cz?sc przedmiotu dziedziny. Jest to tym bardziej za-skakuj^ce, ze ambicj^, filozofii nauki jest nie tylko dostarczenie kryteriow naukowej zasadnosci i wia-rygodnosci poszczegolnych twierdzen, lecz rowniez zdanie sprawy z tego,jak mozliwyjest post?p w na-uce. W badaniach nad nauk^ dochodzi do swiado-mego i celowego pogl?bienia rozroznienia pomi?-dzy sformalizowan^ metodologi^, a realnym ksztal-tem dzialalnosci badawczej. Co wi?cej, wielu auto-row uwaza taki stan za poz^dany. Doszlo do sytu-acji, gdy nieprzystawanie refleksji filozoficznej nad nauk^traktuje si?jakojej przewag?.
W kontekscie powyzszego uznano, iz celem ni-niejszego opracowania jest zaprezentowanie roz-wazan dotycz^cych mozliwosci odkryc naukowych przy wykorzystaniu maszyn logicznych.
2. Dziedziny filozofii nauki - zarys problemu
Z historycznego punktu widzenia za ojcow wpro-wadzenia rozroznienia dwoch dziedzin w przedmio-cie filozofii nauki uznac nalezy Hansa Reichenba-cha oraz Karla Poppera [9, s. 205-212]. Chociaz ich stanowiska nie bylyjednobrzmi^ce, skutek wprowa-dzenia rozroznienia na kontekst odkrycia oraz kon-tekst uzasadniania, kultywowany przez kolejne po-kolenia inspiruj^ce si? ich dzielami, pozostaje ten sam. Odkrycie naukowe jako zjawisko zawieraj^-ce komponent psychologiczny niejest odpowiedni^ dziedziny badania sformalizowanej filozofii nauki. O ile mozna stworzyc normatywn^filozofi? obejmu-j^c^, kontekst uzasadnienia, o tyle odkrycie powinno byc badane przez psychologow i nie pretendowac do jakiejkolwiek normatywnosci.
Nie wszyscy badacze przyjmowali ten punkt widzenia. Wielu staralo si? rowniez wstrzymac od glo-su, nie angazuj^c si? w rodz^cy si? spor o zasadnosc tradycyjnego rozstrzygni?cia [7, s. 33-48]. Cz?sc z nich starala si? wyrwac odkrycie z obj?c psycho-logii nauki, poddaj^cje blizszej analizie. Byli to badacze, ktorzy starali si? przywrocic odkrycie nauko-
DOI:10.12845/bitp.31.3.2013.2 ania naukowe, kognitywistyka, algorytmizacja, sztuczna research, cognitive science, algorythmization, artificial
we jako przedmiot filozofii nauki. Ich celem bylo uswiadomienie uczestnikom dyskursu, ze pomija-nie odkrycia naukowego odbywa si? kosztem wia-rygodnosci calej dyscypliny. Cz?sc z nich poszla jednak krok dalej. Uwazaj^c, ze odkrycie naukowe da si? nie tylko opisac, lecz rowniez, zdaj^c spraw? z niektorych zaleznosci, obserwowanych w toku badan historii nauki, modelowac.
Badania nad przywroceniem odkrycia naukowego filozofii zbieglo si? w czasie z rewolucj^, tech-nologiczn^. Pocz^wszy od lat powojennych, odno-towano blyskawiczny rozwoj komputerow. Niekto-rzy filozofowie widzieli w ich dzialaniach fenomeny bliskie zachowaniom ludzkiego umyslu. Pojawil si? nurt, ktory staral si? wykorzystac zdobycze techniki w projektowaniu dzialalnosci naukowej. W ten spo-sob wylonila si? nowa dziedzina wiedzy - teoria odkryc maszynowych. Celem badaczy zajmuj^cych si? zastosowaniem komputerow w generowaniu odkryc naukowych bylo skonstruowanie komputera, ktory dokonywalby faktycznych odkryc wedlug algoryt-mow konstruowanych w oparciu o rekonstrukcj? hi-storycznych odkryc naukowych.
3. Teoria odkryc maszynowych
Teoria odkryc maszynowych wzi?la swoj pocz^-tek z kognitywistycznej analizy umyslu ludzkiego [5, s. 42] i badan nad sztuczn^, inteligencj^. Glow-n^tez^programow badawczych pracuj^cych nad algorytmizacja odkrycia naukowego bylo twierdzenie, ze proces odkryciajest nieprzypadkowy i nie ma nic wspolnego z czysto subiektywnym zjawiskiem za-chodz^cym w umysle badacza, lecz daje si? modelowac i opisywac przy pomocy algorytmow [5, s. 42]. Glownym celem komputerowego modelowania odkrycia naukowego bylo poznanie psychologicznych procesow przetwarzania informacji oraz ich rekon-strukcja za pomocy systemow komputerowych. Sta-rania badaczy skupialy si? wokol proby redukcji su-biektywnego wymiaru odkrycia do obiektywnego procesu - daj^cego si? zbadac i analizowac.
Powodzenie teorii mialoby dalekosi?zne skutki dla nauki, zarowno praktyczne (przyspieszenie tem-pa rozwoju nauki za sprawy zwi?kszaj^cej si? mocy obliczeniowej komputerow), jak i teoretyczne, ze wzgl?du na udowodnienie istnienia scisle okreslone-go kontekstu odkrycia oraz normatywnej teorii odkrycia naukowego prezentuj^cej skuteczny sposob prowadzenia dzialalnosci badawczej [6, s. 8]. Bada-nie konkretnych sposobow generowania odkryc po-
zwoliloby z kolei na konstruowanie normatywnej teorii odkryc - zbioru norm i kryteriów efektywno-sci metod uzywanych w pracy naukowca. Zniesione zostaloby rozróznienie na kontekst odkrycia i uza-sadniania na skutek nie tylko udowodnienia istnienia normatywnych mechanizmów odkryc, lecz równiez pol^czenia w funkcjonaln^calosc odkrywania i uza-sadniania teorii naukowych [12, s. 51].
4. Teoria odkryc naukowych w programach badawczych
W obrçbie teorii odkryc maszynowych najwiçk-szy dorobek stal siç udzialem trzech programów badawczych - tzw. grupy Simona, badaczy skupionych w tradycji Alana Turinga oraz grupy HHNT. Cele kazdego z nich byly odmienne. Róznice wynikaly czçsto z dziedziny badan oraz zadan, które stawia-no programom algorytmizuj^cym. Niemniej tym, co wyróznia badaczy skupionych wokól Herberta A. Simona, jest 25-letnia praca nad doskonaleniem kolejnych wersji systemów (sam program BACON doczekal siç piçciu odslon) wdrazanych w wielu dziedzinach nauki.
Punktem wyjscia systemów skonstruowanych przez grupç Simonajest teza, ze „(...) przedmiotem naszych badan bçdzie budowa programu komputerowego (wlasciwie serii programów), który bçdzie w stanie dokonywac nietrywialnych odkryc naukowych, którego zasada dzialania jest oparta o nasz^, wiedzç ludzkich sposobów rozwi^zywania proble-mów - w szczególnosci metod przeszukiwania heu-rystycznego" [б, s. б].
Przy konstrukcji programów dokonuj^cych po-nownych odkryc praw naukowych grupa Simona korzystala z dorobku badan psychologicznych nad decyzjami podejmowanymi przez zawodników podczas gry w szachy. Na podstawie zgromadzone-go materialu sformulowano cztery zasady, którymi posluguj^ siç ludzie w rozwi^zywaniu problemów, a skoro nauka jest specyficznym rodzajem takiej dzialalnosci wlasnie, stosowanajest takze przez na-ukowców w toku ich pracy:
• przeszukiwanie heurystyczne - rozwi^zywanie problemów polega na selektywnym przeszukiwa-niu ogromnej liczby mozliwych rozwi^zan, któ-rych liczba zostala ograniczona poprzez stosowa-nie regul heurystycznych,
• silne i slabe heurystyki - ludzie posluguj^ siç za-równo wysoce wyspecjalizowanymi heurystyka-mi z w^skiej dziedziny (silne), jak i maj^cymi zastosowanie w szerokim zakresie (slabe), przy czym preferowane jest uzycie pierwszych z nich, które w najwiçkszym stopniu ograniczaj^ prze-strzen problemow^,
• analiza odleglosci od celu - jedna z najczçsciej stosowanych heurystyk polega na ocenie róznic
DOI:10.12845/bitp.31.3.2013.2
pomiçdzy sytuacj^, biez^c^ a docelow^, i skorzy-staniu z operatora, który odleglosc tç zmniejszy, • wiedza eksperta - wiedza o dziedzinie, przecho-wywana w pamiçci w formie praw produkcji -formul warunkowych w postaci C^A (gdzie C oznacza warunki uruchomienia danego prawa produkcji i okolicznosci, w których powinno zo-stac uruchomione, A zas wyznacza podjçt^, decy-zjç), uruchomionych w momencie rozpoznania konkretnej sytuacji. Jak pokazaly badania, baza praw eksperta w danej dziedzinie moze wynosic nawet 50 tys., np. w diagnostyce lekarskiej [б, s. 7-11].
Systemy zbudowane przez grupç Simona skla-daly siç z kilku elementów. Dwoma najwazniejszy-mi byly listy obiektów (projekty, modele) reprezen-tuj^ce semantyczne informacje oraz prawa produkcji - pary warunkowe dzialaj^ce w oparciu o modele. Informacje w ramach modelu s^ reprezentowane przede wszystkim przez obiekty, do których przyl^-cza siç prawa produkcji oraz zbiór warunków, ko-niecznych do ich zastosowania, zebranych w pamiçci roboczej komputera. W przypadku gdy nastçpuje konflikt pomiçdzy prawami produkcji, przy jedno-czesnym zaspokojeniu warunków wielu praw produkcji, stosuje siç zasady rozwi^zywania konflik-tów praw (ang. conflict-resolution rules) okreslaj^-ce, które z praw ma zostac zastosowane [б, s. 32-3б].
5. Logika a teoria odkryc maszynowych
Rzetelne rozwazania nad logicznymi argumentami przeciwko teorii odkryc maszynowych wyma-gaj^, aby uzywana terminologia nie zawierala suge-stii ani nie zakladala rozstrzygniçc. Z tego wzglçdu za byt inteligentny bçdziemy uwazac wszystko to, co w naukach o poznaniu okresla siçjako „zdolnosc do przedstawiania zadan intelektualnych, niezalez-nie od natury ukladów, które tç zdolnosc przejawia-j^" [11, s. 2]. Jako inteligentne, na tym etapie rozwa-zan, okreslane s^, zatem zarówno ludzkie istoty, jak i maszyny oraz, co nie bçdzie stanowic przedmiotu zainteresowania, niektóre ze zwierz^t. Zachowania inteligentne z kolei „to takie, w których sposób dzialania jest dobrany odpowiednio do osi^gniçcia po-stawionych celów" [4, s. 238].
Odkrycie naukowe rozumie siç w najszerszy mozliwy sposób. Korzysta siç z trzech fundamental-nych warunków odkrycia okreslonych przez Malgo-rzatç Czarnock^:
„(...) Po pierwsze, przyjmujç, ze chociazby wstçp-na aprobata odkrycia w nauce wymaga, aby zostalo ono zaprezentowane w obowi^zuj^cy sposób, a mia-nowicie, aby wyrazono je w jçzyku semantycznie zinterpretowanym, wyposazonym w sensy. Po dru-gie, zakladam, ze odkrycie musi byc odkryciem cze-gos, jakiegos obiektu - prawa przyrody. Przedmio-
tu jednostkowego okreslonego typu, zjawiska danego rodzaju. Zatem odkrycie musi miec przedmiot, ktory koniecznie nalezy skonceptualizowac, przed-stawic za pomoc^, naukowych poj?c. Po trzecie zas, przyjmuj?, ze odkrycie wnosi cos nowego do dzie-dziny poznania. Nie redukuje si? do wiedzy zasta-nej" [3, s. 117].
Innymi slowy, przyjmuje si?, ze odkrycie korzy-sta z poj?c, posiada przedmiot oraz powoduje przy-rost wiedzy w danej dziedzinie. Wydaje si?, ze jest to najwi?kszy wspolny zbior twierdzen dotycz^-cych odkrycia przyjmowany zarowno przez zwolen-nikow, jak i przeciwnikow algorytmizacji odkrycia. W celu wykazania nieadekwatnosci prob automaty-zacji odkrycia wystarczy skonfrontowac oczekiwa-nia wobec odkrycia z mozliwosciami, ktore dostar-cza nam nauka o sztucznych inteligencjach w dwoch wersjach - slabej i silnej.
6. Mozg i komputer
W najwi?kszym skrocie mozna powiedziec, ze silna AI stawia znak identycznosci pomi?dzy mo-zgiem i komputerem. Jak nazwal to John R. Searle, „umysljest tym dla mozgu, czym program dla kom-putera" [4, s. 25]. Mozgjestmaszyn^licz^c^nieroz-ni^c^, si? od programu komputerowego w sposob za-sadniczy. To, ze mozg ludzki jest systemem biolo-gicznym, nie czyni go, przynajmniej ze wzgl?du na sposob funkcjonowania, czymsjakosciowo odmien-nym od innych maszyn licz^cych. Z punktu widzenia silnej AI kazdy system fizyczny, niezaleznie od pod-loza (biologicznego, elektrycznego etc.), ktory posiada odpowiednie wejscia i wyjscia, jest obdarzo-ny umyslem. Warunkiem koniecznym i wystarcza-j^cym posiadania umyslu bylby w takim przypadku zainstalowany odpowiedni program, wedlug ktore-go system taki by dzialal. Jak przedstawil to Searle: „jesli zrobilibysmy komputer ze starych puszek po piwie, nap?dzany wiatrakami, jezeli zaprogra-mowalibysmy go odpowiednio, bylby on obdarzo-ny umyslem" [10, s. 25]. Silna AI glosi irrelewant-nosc fizycznego podloza umyslu. Bior^c pod uwa-g?, ze dzialalnosc naukowa jest dziedzin^, w ktorej wymagane jest uzycie umyslu, komputer taki bylby w stanie nie tyle symulowac, co faktycznie pro-wadzic dzialalnosc badawcz^. Zdolnosci poznaw-cze, ktorymi dysponuj^komputery, s^, rownorz?dne z tymi, ktorymi dysponuje czlowiek. Jedynym wymogiem,, ktory, stawiamy, obiektom, innym, niz, ludzki mozg w posiadaniu sumienia, jest wyl^cznie dysponowanie odpowiednim hardwarem i softwa-rem [3, s. 234], czyli baz^, fizyczny o odpowiedniej mocy obliczeniowej oraz algorytmem, wedlug kto-rego system taki by dzialal.
Slaba wersja AI jest stanowiskiem zdecydowa-nie mniej radykalnym. Zwolennicy tego kierunku w badaniach nad sztuczn^, inteligencji glosz^jedy-
DOI:10.12845/bitp.31.3.2013.2
nie, ze komputer oraz jego programy symuluj^ lub modeluj^ ludzkie stany umyslowe. Pogl^d taki sta-wia, znak, odpowiedniosci, pomi?dzy, dzialaniem, komputera a funkcjonowaniem ludzkiego umyslu, podczas gdy silna AI stawia mi?dzy nimi znak identycznosci. W slabej AI nie ma mowy o scislym podobienstwie [3, s. 302].
Rozumowanie prowadz^ce do falsyfikacji tezy o, poprawnosci, teorii, odkryc, maszynowych, ma, po-stac nast?puj^c^. Jezeli teoria odkryc maszynowych jest szczegolnym przypadkiem teorii sztucznej inte-ligencji, a sztuczne inteligencje nie s^,w stanie pro-wadzic, badan, naukowych,, to, teoria, odkryc, maszy-nowych nie moze opracowac programu komputero-wego,, ktory, bylby, w, stanie, prowadzic, badania, na-ukowe.
W zwi^zku z hipotez^ pracy jakoby algorytmi-zacja odkrycia byla niemozliwa, konieczne staje si? uzasadnienie dla obu przeslanek. W przypadku po-wodzenia, wniosek b?dzie uznany na mocy powyz-szego wnioskowania.
Celem programu generuj^cego odkrycia (a wlas-ciwie dokonuj^cego go ponownie) bylo zastosowa-nie roznego rodzaju regul formalnych, ktore pozwa-laj^osi^gn^c rozwi^zanie w skonczonej liczbie kro-kow, w, oparciu, o, udost?pnione, systemowi, dane., W zalozeniu byl to program sluz^cy konstrukcji na-rz?dzi formalnych wykorzystuj^cych maszyny li-cz^ce dzialaj^ce podlug wymienionych enumeracyj-nie regul okreslonego typu. Z tego punktu widzenia zakres sztucznej inteligencji i teorii odkryc maszy-nowychjest ten sam. Symulowanie (w wersji slabej AI) lub zachodzenie (w mocnej AI) procesow po-znawczych w umysle naukowca odbywa si? poprzez zastosowanie programu komputerowego dzialaj^ce-go podlug algorytmu.
Udowodnienie drugiej z przeslanek wymaga si?-gni?cia do krytyki czynionej sztucznej inteligencji jako takiej. Okazuje si? bowiem, ze programy komputerowe nie s^, w stanie dokonywac odkryc nauko-wych. Dzieje si? tak ze wzgl?du na brak mozliwosci spelniania, przez, algorytmy, zadnego, kryteriow, sta-wianych odkryciom naukowym, ktore wymieniono powyzej. Udowodnienie tych tez wymaga przybli-zenia kilku definicji, ktore zostaly wykorzystane po-nizej.
Syntaktykajest to dzial semiotyki logicznej, ktory „dotyczy stosunkow mi?dzy znakami, takich jak wynikanie,, sprzecznosc,, stosunki, mi?dzy, elementami wyrazenia zlozonego itp. Syntaktyk? mozna przedstawicjako zbior regul, ktore dziel^si? na dwie grupy: reguly skladania (formowania wyrazen), okreslaj^ce, jak l^czyc wyrazenia w bardziej zlo-zone, calosci,, oraz, reguly, przeksztalcania, (transfor-mowania), mowi^ce, jak otrzymac jedne wyrazenia z innych w taki sposob, by dziedziczyla si? w przy tym okreslona wlasnosc wyrazen..." [12, s. 184].
Semantyka jest to z kolei dzial semiotyki „opisujn-cy stosunki miçdzy znakami a rzeczywistoscin, do którego znaki siç odnoszn np. stosunek oznaczania, denotowania, konotowania, prawdziwosci itp." [l2, s.l73]. Róznicapomi^dzy dwoma dzialami semiotyki logicznej polega na przedmiocie badan. Semantyka bada relacje zachodznce pomiçdzy jçzykiem a tym, do czego jçzyk siç odnosi. Syntaktyka bada relacje zachodznce pomiçdzy wyrazeniami, stara siç okreslic wewnçtrznn strukturç danego systemu.
Teoria odkryc maszynowych skupila siç w znacz-nej mierze na jednym z dwóch komponentów ist-nienia komputera generujncego odkrycia naukowe. Konstrukcja takiego urzndzenia wymaga oprogra-mowania (software) oraz maszyny (hardware), któ-rej zdolnosci przetwarzania danych sn wykorzysty-wane przed dane oprogramowanie. Z punktu widze-nia przedmiotu artykulu zagadnienie hardware'ujest zupelnie nieistotne. Na zadnym z obecnych i przy-szlych etapów rozwoju technologii komputerowej (najnowsze dzielo Amerykanskiego Departamento Energii, superkomputer TITAN posiada zdolnosc obliczania 25*l0l5 obliczenna sekundç [l4]) nie do-kona siç zmiana sposobu funkcjonowania kompute-rów.
Program komputerowy jest to „sekwencja sym-boli, która okresla obliczanie [computation]" [l, s. 2]. Kazdy program z kolei dziala w oparciu ojçzyk pro-gramowania, czyli „zbiór regul okreslajncych, które sekwencje symboli konstytuujn program oraz które obliczenia program opisuje" [l, s. 2]. Slowem, komputer dziala, organizujnc w oparciu o cing symboli, okreslony przezjçzyk programowania, determinancy wykonywane przez niego obliczenia. Programy komputerowe majnzatem postac algorytmów, które sn „(...) pewnn scisle okreslony procedure oblicze-niown, która dla wlasciwych danych wejsciowych «produkuje» zndane dane wyjsciowe zwane wy-nikiem dzialania algorytmu. Algorytmjest wiçc cin-giem kroków obliczeniowych przeksztalcajncych dane wejsciowe w wyjsciowe. Mozemy go równiez traktowac jako srodek umozliwiajncy rozwinzanie konkretnego problemu obliczeniowego. Postawienie problemu polega na sprecyzowaniu wymagan dotyczncych relacji miçdzy danymi wejsciowymi a wyjsciowymi, algorytm zas opisuje wlasciwn procedurç obliczeniown, która zapewnia, ze relacja ta zostanie osingniçta" [2, s 4].
Zdolnosci poznawcze komputerów sn wyjntko-wo ograniczone. Posiadajn one jedynie mozliwosc operowania symbolami rozumianymi wylncznie syntaktycznie niezaleznie odjçzyka, którego uzywa-jn. Inteligencja komputerów ogranicza siç do jednej funkcji - przeksztalcania cingów symboli jçzyko-wych wedlug okreslonych przez programy komputerowe algorytmów. Wynikiem takiego przeksztal-ceniajest inny cing symboli. Operacje wykonywane
DOI:10.12845/bitp.31.3.2013.2
przez komputer mozna ograniczyc do danych wejsciowych przeksztalcanych wedlug okreslonych regul formalnych w dane wyjsciowe. Poznanie komputerowe nie odnosi siç do semantyki. Komputery nie rozumiejn symboli, którymi operujn. Programy ograniczajn siç do poziomu syntaktycznego, a wy-posazenie algorytmów w warstwç znaczen jest nie-mozliwe. Interpretacjajçzyka wymaga zdolnosci in-terpretacji semantycznych, które posiadajn ludzie [4, s. l2l].
Poznanie komputerowe nie uwzglçdnia obecnej w poznaniu opozycji podmiot-przedmiot [4, s. l22]. Nie wystçpuje zadna zaleznosc pomiçdzy danymi wyjsciowymi programu generujncego odkrycia a by-tami znajdujncymi siç poza nim. Poznanie komputerowe jest czysto racjonalne. Ponadto uzaleznienie komputerów od ludzi przy zbieraniu danych pozwa-la stwierdzic, ze generowanie odkryc naukowych, nawet gdyby bylo mozliwe, byloby nieautonomicz-ne, zatem roszczenie sobie prawa przez teoriç odkryc maszynowych do zastnpienia ludzi w dzialalno-sci badawczejjest mrzonkn. Komputery nie snw stanie zbierac danych,jak równiez nie snw stanie same okreslic problemu, który nalezaloby rozwinzac. Postulat Simona, aby kazdy rodzaj dzialalnosci badaw-czej, w tym okreslanie problemów, byl w zasiçgu al-gorytmizacji, nalezy uznac za chybiony.
Modele sztucznej inteligencji powstale m.in. w ramach teorii odkryc maszynowych generujn wie-dzç skladajncn siç z informacji uzyskanych na wej-sciu i przetworzonych przez dostarczone uprzednio algorytmy. Jest to poznanie zamkniçte w terminach, którymi system juz dysponuje. Nie sposób przy-puszczac, ze maszyna dokonujnca odkryc dokona ich istotnie, albowiem wszystkie informacje, które jest w stanie wygenerowac, sntresciowo identyczne z danymi uzyskanymi na wejsciu. W zwinzku z uzyciem sformalizowanych regul wyrazonych w terminach matematycznych i logicznych wszyst-kie przeksztalcenia sn dedukcyjne, tresciowo puste. Rzecz jasna wnioskowania dedukcyjne mogn stwa-rzac inne punkty widzenia, odkrywac prawdy, które mogly byc ukryte lub niewidoczne i których zasto-sowanie jest szersze od narzçdzi dostçpnych obec-nie. Niemniej jednak nie snw stanie dostarczyc no-wej wiedzy.
Poznanie komputerów jest zamkniçte w jedno-wymiarowej, syntaktycznej rzeczywistosci. Wszystkie przeksztalcenia, które generowal BACON oraz inne systemy odkryc, nie korzystaly z warstwy se-mantycznej jçzyka bez powolania znaczen. Zaden z symboli wykorzystywanych w przeszukiwaniu heurystycznym z koniecznosci nie odnosi siç do cze-gokolwiek. Wszystko co zewnçtrzne dla programu komputerowego, jest dla niego nieosingalne. Kazda zmiana zachodznca w systemie musi brac siç z ma-
nipulacji danych wejsciowych albo programu kom-puterowego korzystaj^cego z algorytmow.
7. Podsumowanie
Jezeli przetwarzanie informacji polega na ma-nipulowaniu symbolami w oparciu o okreslone al-gorytmy, wtedy wszystkie operacje okreslane przez badaczy sztucznej inteligencji jako myslenie s^ tresciowo puste. Poj?cie komputerowe jest wyl^cz-nie racjonalne, bez przedmiotu oraz pozbawione po-j?c. Systemy sztucznej inteligencji nie generuj^wie-dzy tworczej. Poznanie zamyka si? w tresciowo pu-stych wnioskowaniach dedukcyjnych.
Programy komputerowe s^ uzaleznione od ludzi w podwojny sposob. Zjednej strony wszelkie dane, ktorymi dysponuje komputer, musz^byc mu podane z zewn^trz. Z drugiej, reguly przetwarzania ci^gow symboli musz^ byc dostarczone przez programi-stow w formie sformalizowanych procedur logicz-nych zamykaj^cych poznanie komputerowe w sci-sle okreslonych ramach. Programy komputerowe ni-gdy nie wybij^si? na samodzielnosc, bowiem samo-dzielne - na mocy definicji - byc nie mog^.
Ze wzgl?du na charakter poznania komputero-wego dokonywanie przez programy odkryc nauko-wych jest niemozliwe, bowiem nie spelnia trzech podstawowych warunkow uznania informacji znaj-duj^cych si? na wyjsciu komputera za istotne odkry-cie. Po pierwsze, poznanie sztucznych inteligencji jest bezprzedmiotowe i czysto racjonalne. Po wto-re, uznanie wszelkiej dzialalnosci intelektualnej za szczegolny rodzaj manipulowania symbolami zgod-nie z okreslonymi regulami wyrazonymi w j?zyku logiki sprawia, ze poznanie komputerowe nie do-starcza nowej wiedzy. Wszystkie wnioskowania do-konywane przez komputery s^ wnioskowaniami dedukcyjnymi, tresciowo pustymi. Po trzecie, anga-zuj^jedynie syntaktyk? danegoj?zyka, nie s^zatem w stanie zaprezentowac sensownie jakiegokolwiek odkrycia. Obce jest im poj?cie sensu oraz poj?cia w ogole.
Wszystkie wymienione powyzej warunki spra-wiaj^, ze teoria odkryc maszynowychjest uzaleznio-na od udzialu ludzkiego czynnika w elemencie poznania. Jak wykazano, zaden program komputero-wy nie jest w stanie dokonac odkrycia naukowego w sposob samodzielny. Jest to zarzut odnosz^cy si? do definicji „programu komputerowego" oraz „syn-taktyki" i „semantyki". Jezeli program komputero-wyjest „zbiorem regul okreslaj^cych, ktore sekwen-cje symboli konstytuuj^ program oraz jakie obli-czenia program opisuje", a reguly zostaly wyrazone w niezinterpretowanym semantycznie j?zyku logiki (opartym o badanie relacji pomi?dzy uzywanymi wyrazeniami, czyli wszystkim, co zaliczamy do syn-taktyki j?zyka), jednoczesnie przyjmuj^c, ze odkry-cie wymaga generowania nowej wiedzy, przedmio-
DOI:10.12845/bitp.31.3.2013.2
tu badania oraz uzycia pojçc, wtedy niemozliwosc skonstruowania programu komputerowego generu-j^cego odkrycia staje siç prawd^, analityczn^ [praw-d^na mocy znaczenia wyrazen - przyp. WW] bazu-j^c^na definicjach syntaktyki, semantyki, programu komputerowego oraz odkrycia naukowego.
Teoria odkryc maszynowych jest falszywa ze wzglçdôw logicznych. Systemy powstale w tej tra-dycji s^, niesamodzielne, a oczekiwania dotycz^ce rozwoju tej dziedziny - plonne. Zmiana szybkosci dokonywania operacji obliczeniowych nie wplywa bowiem na to, ze odkrycie nie polega na ich prze-prowadzaniu. Niemniej komputery s^, niezwykle uzytecznym narzçdziem badawczym, otwieraj^-cym przed badaczami mozliwosci, o których wcze-sniej im siç nie snilo. Mozliwosci analizy ogromne-go zbioru danych wymagajednakze nie tylko odpo-wiednio potçznej maszyny, lecz równiez utalento-wanego programisty. To onjest bowiem l^cznikiem pomiçdzy symbolami programu komputerowego a swiatem zewnçtrznym.
Literatura
1. Ben-Ari M., Understanding Programming Languages, John Wiley & Sons, Chichester, 1996.
2. Cormen T., Leiserson C., Rivest R., Stein C., Wprowadzenie do algorytmow, Wydawnictwo Naukowe PWN, Warszawa 2012.
3. Czarnocka M., Podmiotpoznania a nauka, Wydawnictwo Uniwersytetu Wroclawskiego, Wroclaw, 2003.
4. Czarnocka M., Sztuczna inteligencja a odkrycie naukowe w: Odkrycie naukowe i inne zagadnie-nia wspólczesnej filozofii nauki (red.) Krajew-ski W., Strawinski W., Wydawnictwo Naukowe Semper, Warszawa, 2003.
5. Giza P., Filozoficzne i metodologiczne aspekty komputerowych systemów odkryc naukowych, wyd. UMCS, Lublin 2007.
6. Langley P., Simon H., Bradshaw G., Zytkow J., Scientific Discovery. Computational Explorations of the Creative Processes, The MIT Press, Cambridge, 1987.
7. Pietruska-Madej E., Odkrycie naukowe: kontro-wersjefilozoficzne, PWN, Warszawa, 1990.
8. Popper K., Logika odkrycia naukowego, wyd. PWN, Warszawa, 1977.
9. Reichenbach H., Experience and Prediction: an analysis of the foundations and the structure of knowledge, The University of Chicago Press, Chicago, 1949, polskiprzeklad: Reichenbach H., Trzyzadaniaepistemologii, StudiaFilozoficzne 7-8 (1989).
10. Searle, J., Umysl, mózg i nauka, Panstwowe Wydawnictwo Naukowe, Warszawa 1995.
11. Simon H., Kaplan C., Foundations of Cognitive Science w: Foundations of Cognitive Science M.I. Posner (red.) MIT Press, Cambridge, 1989.
12. Zytkow J., Automatyzacja odkrycia naukowego, FilozofiaNauki 4 (1993).
13. Mala encyklopedia logiki (red.) Marciszewski W., wyd. Ossolineum, Warszawa, 1988.
14. http://www.olcf.ornl.gov/titan/ [dostçp 22 kwiet-nia 2013 roku].
DOI:10.12845/bitp.31.3.2013.2
mgr Wojciech Wisniewski - autor jest absolwen-tem studiow magisterskich w Instytucie Filozofii Uniwersytetu Warszawskiego, gdzie zajmowal siç glownie tematyk^ zwi^zan^ z filozofi^ nauki oraz etyk^. W swojej pracy dyplomowej pt. Algorytmi-zacja odkrycia naukowego podj^l siç analizy mozliwosci uzycia komputerow w generowaniu odkryc naukowych oraz naszkicowal warunki, ktore powin-na spelniac normatywna teoria odkryc. W pracy za-wodowej zajmuje siç doradztwem komunikacyjnym oraz strategicznym w projektach spolecznych i biz-nesowych.
