Научная статья на тему 'Детерминированные машины Тьюринга и искусственный интеллект'

Детерминированные машины Тьюринга и искусственный интеллект Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
783
126
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
МАШИНА ТЬЮРИНГА / ВЫЧИСЛИМОСТЬ / МЕТАСОЗНАНИЕ / ПАНПСИХИЗМ / AI / TURING MACHINES / COMPUTABILITY / METACONSCIOUSNESS / PANPSYCHISM

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Чистяков Иван Александрович

Целью работы является исследование применимости классической машины Тьюринга к реализации проблемы искусственного интеллекта. В качестве материала в данной работе используется невероятностная машина Тьюринга. В результате были сделаны следующие выводы: наиболее правдоподобная модель интеллекта включает в себя элемент субъективного переживания и требует для реализации метасознание; данная модель интеллекта не реализуема в формальной системе машины Тьюринга.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

DETERMINATED TURING MACHINES AND ARTIFICIAL INTELLIGENCE

The objective of the research is applicability of the classical Turing machine to the realization of artificial intelligence problem. Nonprobabilistic Turing machine is used as a material in this work. The following conclusions were made as a result of the research: the most plausible model of intelligence includes an element of subjective experience and demands the metaconsciousness for realization; this model of intelligence is not realized in formal system of Turing machine.

Текст научной работы на тему «Детерминированные машины Тьюринга и искусственный интеллект»

№ 4 - 2013 г. 09.00.00 философские науки

УДК 612.821.3+517.982.26

ДЕТЕРМИНИРОВАННЫЕ МАШИНЫ ТЬЮРИНГА И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

И. А. Чистяков

ГБОУ ВПО «Новосибирский государственный медицинский университет» Минздрава

России (г. Новосибирск)

Целью работы является исследование применимости классической машины Тьюринга к реализации проблемы искусственного интеллекта. В качестве материала в данной работе используется невероятностная машина Тьюринга. В результате были сделаны следующие выводы: наиболее правдоподобная модель интеллекта включает в себя элемент

субъективного переживания и требует для реализации метасознание; данная модель интеллекта не реализуема в формальной системе машины Тьюринга.

Ключевые слова: AI, машина Тьюринга, вычислимость, метасознание, панпсихизм.

Чистяков Иван Александрович — студент факультета клинической психологииГБОУ ВПО «Новосибирский государственный медицинский университет», e-mail: [email protected]

Введение. В настоящее время существует множество подходов к решению проблемы создания искусственного интеллекта. Кто-то пытается создать его искусственный в прямом смысле слова путем построения теоретических моделей и их реализации на основе неорганических материалов. Так создаются искусственные нейронные сети. В результате разработок в этом направлении мы получили самоорганизующиеся карты Кохонена [1], перцептроны [2], осцилляторные сети [3]. Все эти теоретические модели, будучи примененными на практике, нашли свое место в сложнейших экономических расчетах или медицине, в психологии и информатике. Другим направлением исследований является «псевдо» искусственный интеллект. В основании данного направления лежит утверждение, что интеллект присущ только живой материи, и для реализации интеллекта мы должны воссоздавать биологические нейронные сети. Для решения этой проблемы используются передовые достижения нейробиологии, инженерии и компьютерного моделирования. В результате появились модели работы настоящего нейрона [4] (при попытке ответить на вопрос о сущности работы нейрона) и теории нейрокомпьютерного интерфейса [5] (как ответ на вопрос о взаимодействии нейрона с окружающим миром). В качестве передовых результатов реализации этого подхода к решению проблемы AI можно упомянуть нейронные матрицы Стива Поттера из лаборатории нейроинженерии Georgia Tech [6].

Но, так или иначе, путем последовательных редукций любой из этих способов реализации AI можно свести к абстрактному исполнителю, обладающему тьюринг-полнотой [7]. На самом деле он может ей и не обладать, но чтобы проверить это, нам придется сравнить его с тьюринг-полным исполнителем. В качестве самого очевидного примера такого исполнителя можно привести машину Тьюринга (далее — МТ) (ведь на основе множества вычисляемых на ней функций определяется тьюринг-полнота).

Цель и задачи исследования: основной целью настоящей работы является исследование применимости классической МТ к реализации проблемы искусственного интеллекта.

Материал и методы исследования. В качестве материала в данной работе используется невероятностная МТ. Это множество включает в себя детерминированные и недетерминированные машины, генетическим свойством которых является заранее известная комбинация ввод-вывод (для каждой возможной комбинации <qi, aj> имеется конечное число ассоциированных правил). Детерминированные

и недетерминированные МТ включены мной в один класс невероятностных машин на основании их эквивалентности.

Что такое интеллект? Однозначного решения проблемы дефиниции интеллекта на данный момент не существует. Для разрешения проблемы статьи мной была предпринята попытка классифицировать множество существующих определений по признаку требования отдельной субстанции. В результате, мною были получены два генетических дефиниционных ряда.

Первый (назовем его панпсихическим) не признает за осуществлением специфических интеллектуальных операций особую субстанцию и на вопрос дефиниции интеллекта отвечает следующим образом: мы можем определить интеллект как адаптационную способность, позволяющую системе устранять возникающие нарушения «условного гомеостаза» внутри себя. Важно понимать, что интеллект, исходя из этого определения, присущ не только Homo sapiens, но и другим, филогенетически более древним, видам [7]. Также, не менее важно понимать, что говоря об адаптационных способностях, мы, по сути, говорим о сложности нейронной сети в ЦНС организма, так как именно количество синаптических комбинаций определяет витиеватость поведения (система из нескольких сотен нейронов (кишечнополостные) способна к изменению поведения в гораздо меньшей степени, нежели система из нескольких миллионов клеток). Понимая интеллект как способность к адаптации, и редуцируя эту трактовку до нейробиологии, мы приходим к определению интеллекта как способности системы реагировать на стимулы окружающей среды максимально гибко.

Но, несмотря на кажущуюся гладкость решения проблемы, определения такого рода сталкиваются с проблемой различения живой и неживой материи. Смотря на желе, мы легко можем сказать, что оно адаптируется к окружающей среде, восстанавливая «гомеостаз» после механического воздействия. Термостат, выключающийся при достижении определенной температуры также «адаптируется» к окружающей среде. В итоге, определение становится панпсихическим и в силу его слишком сильных противоречий эмпирическому опыту начинает терять в правдоподобности.

Второй ряд (назовем его эссенциальным) утверждает, что за интеллектом закреплена специфическая сущность, ранее называемая душой, потом сознанием, и вот, в наши дни эта же сущность зовется метасознанием. Он закрепляет за интеллектом следующее определение: интеллект суть способность осознанно ставить задачи и находить

их решения. На самом деле, самым весомым отличием от первого ряда является именно

феноменологический момент «осознания». Метасознание является идеальной субстанцией, поэтому мы можем говорить об ее индетерминизме (по крайней мере — материальном индетерминизме). Несмотря на наличие спорных моментов, в основном касающихся философии сознания, я нахожу этот ряд определений более правдоподобным, чем панпсихический, так как осознание себя может быть подтверждено эмпирически.

Примером подобного подтверждения могут служить эксперименты ассистент-профессора кафедры психологии университета Буффало, Дэвида Смита (Dr. David Smith). В своем эксперименте профессор Смит решил взять за основу бихевиорального проявления метасознания чувство неуверенности и сопутствующую ему заминку в ответе. Для того чтобы выявить неуверенность животных, ученые предлагали им определить, содержит ли выделенная область на экране множество точек или всего несколько, причем за неправильный ответ животное получало некое наказание. При этом дельфин мог и уйти от ответа, если не был уверен. Эксперименты показали, что в ряде случаев животное предпочитало отмолчаться, тогда как, будучи уверенным на 100 %, с радостью отвечало на вопрос, утыкаясь носом в экран. Если же животное не умеет проявлять неуверенности, как это оказалось в случае голубей, то оно просто движется вперед по направлению к экрану, надеясь получить вознаграждение [9].

Следующим важным вопросом является соотнесение определения интеллекта и МТ. Эссенциальное определение интеллекта можно перевести в термины формальной системы следующим образом: интеллект — способность формальной системы самостоятельно найти среди собственных утверждений теорему и доказать ее.

Может ли МТ мыслить? Представим себе, что МТ — это непустое подмножество некоторым образом структурированных символов внутри бесконечно большого множества всех возможных знаков. Назовем множество хаотическим алфавитом, а множество, означающее машину Тьюринга — МТ. Самостоятельность подразумевает ограниченность описывающим себя подмножеством бесконечного алфавита. Для ответа на этот вопрос подробнее изучим подмножество МТ.

МТ представляет собой упорядоченный алфавит, состоящий из 5-ти символов — 1, 0, L, R, N. Команду STOP возможно интерпретировать внутри конкретной формулы как N, соответственно она не нуждается в отдельном символе. 1 и 0 (как значения двоичного кода) представляют собой элементы (константы) нульарной булевой функции, B0—B, где B = [1;0]. L и R — бинарные операции, это означает, что для их осуществления на ленте МТ должно быть хотя бы 2 ячейки. N — унарная операция, следовательно, для ее осуществления на ленте должна быть хотя бы одна ячейка. Нетрудно заметить, что для дефиниции всех символов исходного алфавита нам пришлось подключить метаязык. Фактически использованный нами язык является метаязыком к правилам вывода формул МТ (правильная формула МТ имеет вид qiaj(d0) —>qi1aj1 dk). Но это правило не может быть описано в символах исходного алфавита. Это приводит нас к проблеме рекурсивных дефиниций. Если термин N являет собой весь наш алфавит, мы никаким образом не сможем определить его. Подключая другой алфавит, мы, конечно, определим его рано или поздно, но человек, знакомый лишь с изначальным алфавитом, никогда не сможет понять нашего определения. Проблема привлечения внешней системы символов для организации уже имеющейся ведет к еще более серьезной проблеме — МТ не может отличить, является ли формула, выведенная по правилам вывода из ее алфавита, теоремой или аксиомой. Можно назвать эту проблему проблемой неразрешимости теоремы об аксиомах.

Предположим, у нас имеется некоторое множество M, представляющее собой совокупность всех правильно построенных формул формальной системы МТ. При первом взгляде на это множество мы увидим просто свалку из комбинаций символов. Но известно, что некоторые из этих формул сводимы к другим, и самые элементарные из них являются аксиомами, а те, которые возможно свести к аксиомам, — теоремами. При этом не будем забывать, что аксиомы тоже являются в своем роде теоремами, только доказательство для них состоит из самой аксиомы. Нам нужно определить, какие теоремы внутри множества М являются аксиомами. Для этого определим аксиому как тавтологию и разделим множество M на два подмножества K1 и K2. Определим свойство «быть тавтологией» через принадлежность к классу K1. Разделим все теоремы по подклассам по следующему правилу — все формулы с нетождественным вводом и выводом и предполагающие передвижение считывающего устройства по ленте являются теоремами. По этой конвенции мы получим 2 аксиомы, являющиеся интуитивными тавтологиями.

Эти аксиомы также не могут быть выведены самой МТ вследствие проблемы, описанной выше. Выходит, что если МТ в результате работы выведет собственные аксиомы — она их не узнает, потому что для нее все формулы равноценны. Соответственно МТ при попытке доказать какую-либо теорему самостоятельно неизбежно натолкнется на проблему инфинитивности цепочки X^A^B^...^{N1;N2;N3;N4} (X — теорема, A и B — доказанные теоремы, N1—N4 — аксиомы), представляющую собой сильно утрированную схему вывода теорем из аксиом. В силу того, что для МТ все формулы равноценны, она может выводить любую формулу из любой (по схеме qiaj(d0)—qi1aj1dk, где первая и вторая половина — независящий друг от друга набор символов из вышеперечисленного набора), что несовместимо с интеллектуальной деятельностью, так как являет собой верх непредсказуемости.

Заключение. Попытки человечества создать разумную машину постоянно бьются о две скалы — определение разумности, которым занимается философия сознания, и техническую реализацию, над которой бьются математики, программисты и инженеры. К сожалению, как бы нам ни хотелось, эта проблема не может быть разрешена только в одной из этих областей — философы могут достигнуть истины в вопросе дефиниций, но это не сделает мыслящую машину реальнее. И сколько бы инженеры не склеивали транзисторы — это так же бессмысленно, как сутками перебирать одинаковые кубики. Концепция разума без содержимого, предоставленного перцепцией, пуста, равно как и эмпиризм способен наделить содержимое чувственного опыта одной только верой. Попытка скрестить классическую МТ и высшие когнитивные функции в этом плане мне представляется следствием именно такого одностороннего поиска.

Список литературы

1. Kohonen Teuvo Kalevi. Self-Organizing Maps : монография / Kohonen Teuvo Kalevi.

— New York : Springer, 2000. — 521 с.

2. Minsky Marvin Lee. Perceptrons : an introduction to computational geometry: монография / Minsky L. Marvin, Papert S. — Cambridge : MIT Press, 1987. — 308 р.

3. Pichevar Ramin. Nonlinear Speech Processing with Oscillatory Neural Networks for Speaker Segregation / Pichevar Ramin, Rouat Jean // Proceedings of EUSIPCO. — 2002.

— Vol. 11. — Р. 521-524.

4. Pitts Walter. A logical Calculus of Ideas Immanent in Nervous Activity / W. S. McCulloch, W. Pitts // The Bulletin of Mathematical Biophysics. — 1943. — N 5. — Р. 113-115.

5. Stanley B. Garret. Reconstruction of natural scenes from ensemble responses in the lateral geniculate nucleus / G. B. Stanley, F. F. Li, Y. Dan // Journal of Neuroscience. —

1999. — N 18. — Р. 36-42.

6. Potter M. Steve. What AI can get from Neuroscience? / Potter M. Steve // 50 Years of Artificial Intelligence : сб. науч. работ. — New York : Springer, 2007. — Р. 174185.

7. Wasserman Edward. Baboons And Pigeons Are Capable Of Higher-Level Cognition, Behavioral Studies Show / Wasserman Edward // Proceedings of AAAS. — 2009. — Vol. 61. — Р. 323-325.

8. The uncertain response in the bottlenosed dolphin (Tursiops truncatus) / J. D. Smith, J. Schull, J. Strote [et al.] // Journal of Experimental Psychology : General. — 1995. — N 124. — Р. 391-408.

DETERMINATED TURING MACHINES AND ARTIFICIAL INTELLIGENCE

I. A. Chistyakov

SBEIHPE «Novosibirsk State Medical University of Ministry of Health» (Novosibirsk c.)

The objective of the research is applicability of the classical Turing machine to the realization of artificial intelligence problem. Nonprobabilistic Turing machine is used as a material in this work. The following conclusions were made as a result of the research: the most plausible model of intelligence includes an element of subjective experience and demands the metaconsciousness for realization; this model of intelligence is not realized in formal system of Turing machine.

Keywords: AI, Turing machines, computability, metaconsciousness, panpsychism.

About authors:

Chistyakov Ivan Aleksandrovich — student of clinical psychology faculty at SBEI HPE «Novosibirsk State Medical University of Ministry of Health», e-mail: [email protected]

List of the Literature:

1. Kohonen Teuvo Kalevi. Self-Organizing Maps : монография / Kohonen Teuvo Kalevi.

— New York : Springer, 2000. — 521 с.

2. Minsky Marvin Lee. Perceptrons : an introduction to computational geometry: монография / Minsky L. Marvin, Papert S. — Cambridge : MIT Press, 1987. — 308 р.

3. Pichevar Ramin. Nonlinear Speech Processing with Oscillatory Neural Networks for Speaker Segregation / Pichevar Ramin, Rouat Jean // Proceedings of EUSIPCO. — 2002.

— Vol. 11. — Р. 521-524.

4. Pitts Walter. A logical Calculus of Ideas Immanent in Nervous Activity / W. S. McCulloch, W. Pitts // The Bulletin of Mathematical Biophysics. — 1943. — N 5. — Р. 113-115.

5. Stanley B. Garret. Reconstruction of natural scenes from ensemble responses in the lateral geniculate nucleus / G. B. Stanley, F. F. Li, Y. Dan // Journal of Neuroscience. —

1999. — N 18. — Р. 36-42.

6. Potter M. Steve. What AI can get from Neuroscience? / Potter M. Steve // 50 Years of Artificial Intelligence : сб. науч. работ. — New York : Springer, 2007. — Р. 174185.

7. Wasserman Edward. Baboons And Pigeons Are Capable Of Higher-Level Cognition, Behavioral Studies Show / Wasserman Edward // Proceedings of AAAS. — 2009. — Vol. 61. — Р. 323-325.

8. The uncertain response in the bottlenosed dolphin (Tursiops truncatus) / J. D. Smith, J. Schull, J. Strote [et al.] // Journal of Experimental Psychology : General. — 1995. — N 124. — Р. 391-408.

i Надоели баннеры? Вы всегда можете отключить рекламу.