Mitä eroa on henkilöllä ja ohjelmalla?
Nykyään lähes koko tekoälyn alan muodostavat hermoverkot voivat ottaa päätöksenteossa huomioon paljon enemmän tekijöitä kuin ihminen, tehdä sen nopeammin ja useimmissa tapauksissa tarkemmin. Mutta ohjelmat toimivat vain niin kuin ne on ohjelmoitu tai koulutettu. Ne voivat olla hyvin monimutkaisia, ottaa huomioon monia tekijöitä ja toimia hyvin vaihtelevalla tavalla. Mutta he eivät silti voi korvata henkilöä päätöksenteossa. Miten ihminen eroaa tällaisesta ohjelmasta? Tässä on kolme keskeistä eroa, joista kaikki muut seuraavat:
- Ihmisellä on kuva maailmasta, jonka avulla hän voi täydentää kuvaa tiedolla, jota ei ole kirjoitettu ohjelmaan. Lisäksi kuva maailmasta on rakenteellisesti järjestetty siten, että sen avulla saamme ainakin jonkinlaisen käsityksen kaikesta. Vaikka se on jotain pyöreää ja hehkuvaa taivaalla (UFO). Yleensä ontologiat rakennetaan tätä tarkoitusta varten, mutta ontologioilla ei ole tällaista täydellisyyttä, ne eivät ota huomioon käsitteiden polysemiaa, niiden keskinäistä vaikutusta ja ovat edelleen sovellettavissa vain tiukasti rajoitetuissa aiheissa.
- Ihmisellä on logiikka, joka ottaa huomioon tämän maailmankuvan, jota kutsumme terveeksi järjeksi. Kaikilla väitteillä on merkitys ja se ottaa huomioon piilotetun pimeän tiedon. Huolimatta siitä, että logiikan lait ovat useita satoja vuosia vanhoja, kukaan ei vieläkään tiedä, kuinka tavallinen, ei-matemaattinen päättelylogiikka toimii. Emme periaatteessa osaa ohjelmoida edes tavallisia syllogismeja.
- mielivaltaisuus. Ohjelmat eivät ole mielivaltaisia. Tämä on ehkä vaikein kaikista kolmesta erosta. Mitä kutsumme mielivaltaisuudeksi? Kyky rakentaa uutta käyttäytymistä, joka poikkeaa siitä, mitä teimme samoissa olosuhteissa aiemmin, tai kyky rakentaa käyttäytymistä uusissa, koskaan ennen tavattuissa olosuhteissa. Tämä tarkoittaa pohjimmiltaan uuden käyttäytymisohjelman luomista lennossa ilman yritystä ja erehdystä, ottaen huomioon uudet, mukaan lukien sisäiset olosuhteet.
Mielivalta on tutkijoille vielä tutkimaton ala. Geneettiset algoritmit, jotka voivat luoda uuden käyttäytymisohjelman älykkäille agenteille, eivät ole ratkaisu, koska ne eivät luo ratkaisua loogisesti, vaan ”mutaatioiden” kautta ja ratkaisu löytyy ”satunnaisesti” näiden mutaatioiden valinnan aikana eli kokeilun kautta. ja virhe. Ihminen löytää ratkaisun välittömästi, rakentaen sen loogisesti. Henkilö voi jopa selittää, miksi tällainen päätös valittiin. Geneettisellä algoritmilla ei ole argumentteja.
Tiedetään, että mitä korkeammalla eläin on evoluutioportailla, sitä mielivaltaisempaa sen käyttäytyminen voi olla. Ja juuri ihmisissä ilmenee suurin mielivaltaisuus, koska henkilöllä on kyky ottaa huomioon paitsi ulkoiset olosuhteet ja oppimansa taidot, myös piilotetut olosuhteet - henkilökohtaiset motiivit, aiemmin raportoidut tiedot, toimien tulokset samanlaisissa olosuhteissa. . Tämä lisää suuresti ihmisten käyttäytymisen vaihtelua, ja mielestäni tietoisuus on mukana tässä. Mutta siitä lisää myöhemmin.
Tietoisuus ja vapaaehtoisuus
Mitä tekemistä tietoisuudella on sen kanssa? Käyttäytymispsykologiassa tiedetään, että suoritamme tavanomaisia toimia automaattisesti, mekaanisesti, eli ilman tietoisuuden osallistumista. Tämä on merkittävä tosiasia, mikä tarkoittaa, että tietoisuus on mukana uuden käyttäytymisen luomisessa ja liittyy orientoivaan käyttäytymiseen. Tämä tarkoittaa myös sitä, että tietoisuus aktivoituu juuri silloin, kun on tarpeen muuttaa tavanomaista käyttäytymismallia, esimerkiksi vastata uusiin pyyntöihin ottaen huomioon uudet mahdollisuudet. Myös jotkut tiedemiehet, esimerkiksi Dawkins tai Metzinger, huomauttivat, että tietoisuus liittyy jotenkin minäkuvan läsnäoloon ihmisissä, että maailman malli sisältää itse subjektin mallin. Miltä järjestelmän sitten pitäisi näyttää, jos siinä olisi tällainen mielivalta? Millainen rakenne hänellä pitäisi olla, jotta hän voi rakentaa uuden käyttäytymisen ratkaistakseen ongelman uusien olosuhteiden mukaisesti.
Tätä varten meidän on ensin muistettava ja selvennettävä joitain tunnettuja tosiasioita. Kaikki eläimet, joilla on hermosto tavalla tai toisella, sisältävät ympäristön mallin, joka on integroitu niiden mahdollisten toimien arsenaaliin. Toisin sanoen tämä ei ole vain malli ympäristöstä, kuten jotkut tutkijat kirjoittavat, vaan malli mahdollisesta käyttäytymisestä tietyssä tilanteessa. Samalla se on malli ympäristön muutosten ennustamiseen vastauksena eläimen toimiin. Kognitiiviset tutkijat eivät aina ota tätä huomioon, vaikka siitä osoittavat suoraan esimotorisen aivokuoren avoimet peilihermosolut sekä tutkimukset makakien hermosolujen aktivoinnista vastauksena havaintoon banaanista, jossa ei vain visuaalisen ja ajallisen aivokuoren banaanialueet aktivoituvat, mutta myös kädet somatosensorisessa aivokuoressa, koska banaanimalli liittyy suoraan käteen, koska apina on kiinnostunut vain hedelmästä, jota se voi poimia ja syödä sen. . Unohdamme yksinkertaisesti, että hermosto ei ilmestynyt eläimille heijastamaan maailmaa. He eivät ole sofisteja, he haluavat vain syödä, joten heidän mallinsa on enemmän käyttäytymismalli eikä heijastus ympäristöstä.
Tällaisessa mallissa on jo tietty mielivaltaisuus, joka ilmenee käyttäytymisen vaihtelevuudessa samanlaisissa olosuhteissa. Eli eläimillä on tietty arsenaali mahdollisia toimia, joita he voivat suorittaa tilanteesta riippuen. Nämä voivat olla monimutkaisempia väliaikaisia malleja (ehdollinen refleksi) kuin suora reaktio tapahtumiin. Mutta silti tämä ei ole täysin vapaaehtoista käyttäytymistä, jonka avulla voimme kouluttaa eläimiä, mutta ei ihmisiä.
Ja tässä on tärkeä seikka, joka meidän on otettava huomioon - mitä tunnetumpia olosuhteita kohdataan, sitä vähemmän vaihtelevaa käyttäytymistä, koska aivoilla on ratkaisu. Ja päinvastoin, mitä uudemmat olosuhteet, sitä enemmän vaihtoehtoja mahdolliselle käyttäytymiselle. Ja koko kysymys on niiden valinnassa ja yhdistelmässä. Eläimet tekevät tämän yksinkertaisesti näyttämällä koko mahdollisten toimiensa arsenaalin, kuten Skinner osoitti kokeissaan.
Tämä ei tarkoita, että vapaaehtoinen käyttäytyminen olisi täysin uutta; se koostuu aiemmin opituista käyttäytymismalleista. Tämä on niiden rekombinaatio, jonka käynnistävät uudet olosuhteet, jotka eivät täysin vastaa niitä olosuhteita, joille on jo valmis malli. Ja tämä on nimenomaan vapaaehtoisen ja mekaanisen käyttäytymisen erotuskohta.
Satunnaisuuden mallinnus
Uudet olosuhteet huomioon ottavan vapaaehtoisen käyttäytymisohjelman luominen mahdollistaisi yleismaailmallisen "kaiken ohjelman" (analogisesti "kaiken teorian") luomisen, ainakin tietylle ongelmaalueelle.
Tehdäkseen heidän käyttäytymisestään mielivaltaisemman ja vapaamman? Tekemäni kokeet osoittivat, että ainoa ulospääsy on saada toinen malli, joka mallintaa ensimmäistä ja voi muuttaa sitä, eli ei toimi ympäristön kanssa kuten ensimmäinen, vaan ensimmäisen mallin kanssa sen muuttamiseksi.
Ensimmäinen malli vastaa ympäristöolosuhteisiin. Ja jos sen aktivoima kuvio osoittautuu uudeksi, kutsutaan toinen malli, joka opetetaan etsimään ratkaisuja ensimmäisestä mallista tunnistaen kaikki mahdolliset käyttäytymisvaihtoehdot uudessa ympäristössä. Muistutan, että uudessa ympäristössä aktivoituu enemmän käyttäytymisvaihtoehtoja, joten kysymys on niiden valinnasta tai yhdistelmästä. Tämä johtuu siitä, että toisin kuin tutussa ympäristössä, uusiin olosuhteisiin ei aktivoidu yhtä käyttäytymismallia, vaan useita kerralla.
Joka kerta kun aivot kohtaavat jotain uutta, se ei suorita yhtä, vaan kahta tekoa - tilanteen tunnistaminen ensimmäisessä mallissa ja jo suoritettujen tai mahdollisten toimien tunnistaminen toisella mallilla. Ja tässä rakenteessa ilmestyy monia tietoisuuden kaltaisia mahdollisuuksia.
- Tämä kaksitoiminen rakenne mahdollistaa paitsi ulkoisten, myös sisäisten tekijöiden huomioimisen - toisessa mallissa voidaan muistaa ja tunnistaa edellisen toiminnan tulokset, kohteen etäiset motiivit jne.
- Tällainen järjestelmä voi rakentaa uutta käyttäytymistä välittömästi ilman ympäristön käynnistämää pitkää oppimista evoluutioteorian mukaan. Esimerkiksi toisella mallilla on kyky siirtää päätöksiä joistakin ensimmäisen mallin alimalleista sen muihin osiin ja monia muita metamallin ominaisuuksia.
- Tietoisuuden erottuva ominaisuus on tiedon läsnäolo sen toiminnasta tai omaelämäkerrallinen muisti, kuten artikkelissa (1) esitetään. Ehdotetulla kaksitoimirakenteella on juuri tällainen kyky - toinen malli voi tallentaa tietoja ensimmäisen toiminnoista (mikään malli ei voi tallentaa tietoja omista toimistaan, koska tätä varten sen tulee sisältää johdonmukaisia malleja toimistaan, ei ympäristön reaktiot).
Mutta kuinka tarkalleen ottaen uuden käyttäytymisen rakentaminen tapahtuu tietoisuuden kaksitoimisessa rakenteessa? Meillä ei ole aivoja tai edes uskottavaa mallia niistä käytettävissämme. Aloimme kokeilla verbikehyksiä prototyyppeinä aivoissamme oleville malleille. Kehys on joukko verbiaktantteja kuvaamaan tilannetta, ja kehysten yhdistelmää voidaan käyttää kuvaamaan monimutkaista käyttäytymistä. Tilanteiden kuvauksen kehykset ovat ensimmäisen mallin kehykset, siinä omien toimien kuvauksen kehys on toisen mallin kehys, jossa on henkilökohtaisen toiminnan verbejä. Meillä ne ovat usein sekoittuneet, koska yksikin lause on sekoitus useista tunnistus- ja toimintatoimista (puheaktio). Ja jo pitkien puheilmaisujen rakentaminen on paras esimerkki vapaaehtoisesta käyttäytymisestä.
Kun järjestelmän ensimmäinen malli tunnistaa uuden mallin, jolle sillä ei ole ohjelmoitua vastausta, se kutsuu toista mallia. Toinen malli kerää ensimmäisen aktivoidut kehykset ja etsii yhdistettyjen kehysten kaaviosta lyhyemmän polun, joka parhaalla tavalla "sulkee" uuden tilanteen kuviot kehysyhdistelmällä. Tämä on melko monimutkainen operaatio, emmekä ole vielä saavuttaneet tulosta, joka väittää olevansa "kaiken ohjelma", mutta ensimmäiset onnistumiset ovat rohkaisevia.
Tietoisuuden kokeelliset tutkimukset mallintamalla ja vertaamalla ohjelmistoratkaisuja psykologiseen dataan tarjoavat mielenkiintoista materiaalia jatkotutkimukselle ja mahdollistavat joidenkin ihmiskokeissa huonosti testattujen hypoteesien testaamisen. Näitä voidaan kutsua mallinnuskokeiksi. Ja tämä on vasta ensimmäinen tulos tässä tutkimussuunnassa.
bibliografia
1. .
Lähde: will.com