શું મનસ્વીતા પ્રોગ્રામ કરી શકાય છે?

વ્યક્તિ અને પ્રોગ્રામ વચ્ચે શું તફાવત છે?

ન્યુરલ નેટવર્ક્સ, જે હવે કૃત્રિમ બુદ્ધિમત્તાના લગભગ સમગ્ર ક્ષેત્રને બનાવે છે, તે વ્યક્તિ કરતાં નિર્ણય લેવામાં ઘણા વધુ પરિબળોને ધ્યાનમાં લઈ શકે છે, તે ઝડપથી કરી શકે છે અને મોટાભાગના કિસ્સાઓમાં, વધુ સચોટ રીતે. પરંતુ પ્રોગ્રામ્સ ફક્ત તે જ રીતે કાર્ય કરે છે કારણ કે તેઓ પ્રોગ્રામ અથવા પ્રશિક્ષિત છે. તેઓ ખૂબ જટિલ હોઈ શકે છે, ઘણા પરિબળોને ધ્યાનમાં લઈ શકે છે અને ખૂબ જ પરિવર્તનશીલ રીતે કાર્ય કરી શકે છે. પરંતુ તેઓ હજુ પણ નિર્ણય લેવામાં વ્યક્તિને બદલી શકતા નથી. આવા પ્રોગ્રામથી વ્યક્તિ કેવી રીતે અલગ છે? અહીં નોંધવા માટે 3 મુખ્ય તફાવતો છે, જેમાંથી બીજા બધા અનુસરે છે:

1. વ્યક્તિ પાસે વિશ્વનું ચિત્ર છે, જે તેને પ્રોગ્રામમાં લખેલી માહિતી સાથે ચિત્રને પૂરક બનાવવા દે છે. વધુમાં, વિશ્વનું ચિત્ર માળખાકીય રીતે એવી રીતે ગોઠવવામાં આવ્યું છે કે તે અમને દરેક વસ્તુ વિશે ઓછામાં ઓછો થોડો ખ્યાલ રાખવા દે છે. ભલે તે કંઈક ગોળાકાર હોય અને આકાશમાં ચમકતું હોય (UFO). સામાન્ય રીતે, ઓન્ટોલોજીસ આ હેતુ માટે બનાવવામાં આવે છે, પરંતુ ઓન્ટોલોજીમાં આવી સંપૂર્ણતા હોતી નથી, વિભાવનાઓની પોલિસીમી, તેમના પરસ્પર પ્રભાવને ધ્યાનમાં લેતા નથી અને હજુ પણ ફક્ત સખત મર્યાદિત વિષયોમાં જ લાગુ પડે છે.
2. વ્યક્તિ પાસે તર્ક છે જે વિશ્વના આ ચિત્રને ધ્યાનમાં લે છે, જેને આપણે સામાન્ય જ્ઞાન અથવા સામાન્ય જ્ઞાન કહીએ છીએ. કોઈપણ નિવેદનનો અર્થ હોય છે અને તે છુપાયેલા અઘોષિત જ્ઞાનને ધ્યાનમાં લે છે. તર્કશાસ્ત્રના નિયમો ઘણા સેંકડો વર્ષ જૂના હોવા છતાં, કોઈને હજુ પણ ખબર નથી કે કેવી રીતે સામાન્ય, બિન-ગાણિતિક, તર્કનું કાર્ય કરે છે. સામાન્ય સિલોજિમ્સને પણ કેવી રીતે પ્રોગ્રામ કરવું તે આપણે આવશ્યકપણે જાણતા નથી.
3. મનસ્વીતા. કાર્યક્રમો મનસ્વી નથી. આ ત્રણેય તફાવતોમાં કદાચ સૌથી મુશ્કેલ છે. આપણે મનસ્વીતા શું કહીએ છીએ? નવી વર્તણૂકનું નિર્માણ કરવાની ક્ષમતા કે જે આપણે અગાઉના સમાન સંજોગોમાં કર્યું હતું તેના કરતા અલગ છે, અથવા નવા વર્તનનું નિર્માણ કરવાની ક્ષમતા, જે સંજોગો પહેલાં ક્યારેય ન આવી હોય. એટલે કે, સારમાં, આ અજમાયશ અને ભૂલ વિના નવા વર્તન પ્રોગ્રામની ફ્લાય પરની રચના છે, આંતરિક, સંજોગો સહિત નવાને ધ્યાનમાં લેતા.

સંશોધકો માટે મનસ્વીતા હજુ પણ એક અન્વેષિત ક્ષેત્ર છે. આનુવંશિક ગાણિતીક નિયમો કે જે બુદ્ધિશાળી એજન્ટો માટે એક નવો વર્તણૂક કાર્યક્રમ જનરેટ કરી શકે છે તે ઉકેલ નથી, કારણ કે તેઓ તાર્કિક રીતે નહીં, પરંતુ "પરિવર્તન" દ્વારા ઉકેલ જનરેટ કરે છે અને આ પરિવર્તનની પસંદગી દરમિયાન, એટલે કે, અજમાયશ દ્વારા ઉકેલ "રેન્ડમલી" મળી આવે છે. અને ભૂલ. એક વ્યક્તિ તરત જ ઉકેલ શોધે છે, તેને તાર્કિક રીતે બનાવે છે. વ્યક્તિ એ પણ સમજાવી શકે છે કે આવો નિર્ણય શા માટે પસંદ કરવામાં આવ્યો હતો. આનુવંશિક અલ્ગોરિધમનો કોઈ દલીલો નથી.

તે જાણીતું છે કે પ્રાણી ઉત્ક્રાંતિની સીડી પર જેટલું ઊંચું છે, તેનું વર્તન વધુ મનસ્વી હોઈ શકે છે. અને તે મનુષ્યોમાં છે કે સૌથી મોટી મનસ્વીતા પ્રગટ થાય છે, કારણ કે વ્યક્તિમાં ફક્ત બાહ્ય સંજોગો અને તેની શીખેલી કુશળતા જ નહીં, પણ છુપાયેલા સંજોગો - વ્યક્તિગત હેતુઓ, અગાઉ નોંધાયેલી માહિતી, સમાન સંજોગોમાં ક્રિયાઓના પરિણામોને ધ્યાનમાં લેવાની ક્ષમતા હોય છે. . આ માનવ વર્તનની પરિવર્તનશીલતાને મોટા પ્રમાણમાં વધારે છે, અને, મારા મતે, ચેતના આમાં સામેલ છે. પરંતુ તેના પર પછીથી વધુ.

સભાનતા અને સ્વૈચ્છિકતા

ચેતનાને તેની સાથે શું લેવાદેવા છે? વર્તણૂકીય મનોવિજ્ઞાનમાં, તે જાણીતું છે કે આપણે રીઢો ક્રિયાઓ આપમેળે, યાંત્રિક રીતે, એટલે કે ચેતનાની ભાગીદારી વિના કરીએ છીએ. આ એક નોંધપાત્ર તથ્ય છે, જેનો અર્થ છે કે ચેતના નવા વર્તનની રચનામાં સામેલ છે અને વર્તણૂક દિશા નિર્દેશ સાથે સંકળાયેલ છે. આનો અર્થ એ પણ થાય છે કે જ્યારે વર્તનની સામાન્ય પેટર્નને બદલવાની જરૂર હોય ત્યારે ચેતના ચોક્કસ રીતે સક્રિય થાય છે, ઉદાહરણ તરીકે, નવી તકોને ધ્યાનમાં લઈને નવી વિનંતીઓનો જવાબ આપવા માટે. ઉપરાંત, કેટલાક વૈજ્ઞાનિકો, ઉદાહરણ તરીકે, ડોકિન્સ અથવા મેટ્ઝિંગરે ધ્યાન દોર્યું હતું કે ચેતના કોઈક રીતે લોકોમાં સ્વ-છબીની હાજરી સાથે જોડાયેલી છે, કે વિશ્વના મોડેલમાં વિષયનું પોતાનું મોડેલ શામેલ છે. તો પછી સિસ્ટમ પોતે જ જો આવી મનમાની કરે તો કેવું હોવું જોઈએ? તેણી પાસે શું માળખું હોવું જોઈએ જેથી તે નવા સંજોગો અનુસાર સમસ્યાને હલ કરવા માટે નવું વર્તન બનાવી શકે.

આ કરવા માટે, આપણે પહેલા કેટલાક જાણીતા તથ્યોને યાદ કરવા અને સ્પષ્ટ કરવા જોઈએ. બધા પ્રાણીઓ કે જેની પાસે નર્વસ સિસ્ટમ હોય છે, એક રીતે અથવા બીજી રીતે, તેમાં પર્યાવરણનું એક મોડેલ હોય છે, તેમાં તેમની સંભવિત ક્રિયાઓના શસ્ત્રાગાર સાથે સંકલિત હોય છે. એટલે કે, આ માત્ર પર્યાવરણનું એક મોડેલ નથી, જેમ કે કેટલાક વૈજ્ઞાનિકો લખે છે, પરંતુ આપેલ પરિસ્થિતિમાં સંભવિત વર્તનનું મોડેલ છે. અને તે જ સમયે, તે પ્રાણીની કોઈપણ ક્રિયાઓના પ્રતિભાવમાં પર્યાવરણમાં થતા ફેરફારોની આગાહી કરવા માટેનું એક મોડેલ છે. જ્ઞાનાત્મક વૈજ્ઞાનિકો દ્વારા આને હંમેશા ધ્યાનમાં લેવામાં આવતું નથી, જો કે આ પ્રીમોટર કોર્ટેક્સમાં ખુલ્લા મિરર ન્યુરોન્સ દ્વારા તેમજ મેકાકમાં ચેતાકોષોના સક્રિયકરણના અભ્યાસો દ્વારા સીધા જ સૂચવવામાં આવે છે, કેળાની ધારણાના પ્રતિભાવમાં, જેમાં માત્ર વિઝ્યુઅલ અને ટેમ્પોરલ કોર્ટેક્સમાં કેળાના વિસ્તારો સક્રિય થાય છે, પણ સોમેટોસેન્સરી કોર્ટેક્સમાં હાથ પણ સક્રિય થાય છે, કારણ કે કેળાનું મોડેલ સીધું હાથ સાથે સંબંધિત છે, કારણ કે વાંદરાને ફક્ત ફળમાં જ રસ હોય છે કે તે તેને ઉપાડીને ખાઈ શકે. . આપણે ફક્ત ભૂલી જઈએ છીએ કે નર્વસ સિસ્ટમ પ્રાણીઓ માટે વિશ્વને પ્રતિબિંબિત કરવા માટે દેખાઈ નથી. તેઓ સોફિસ્ટ નથી, તેઓ માત્ર ખાવા માંગે છે, તેથી તેમનું મોડેલ વર્તનનું વધુ મોડેલ છે અને પર્યાવરણનું પ્રતિબિંબ નથી.

આવા મોડેલમાં પહેલેથી જ મનસ્વીતાની ચોક્કસ ડિગ્રી હોય છે, જે સમાન સંજોગોમાં વર્તનની પરિવર્તનશીલતામાં વ્યક્ત થાય છે. એટલે કે, પ્રાણીઓ પાસે સંભવિત ક્રિયાઓનું ચોક્કસ શસ્ત્રાગાર હોય છે જે તેઓ પરિસ્થિતિના આધારે કરી શકે છે. આ ઘટનાઓની સીધી પ્રતિક્રિયા કરતાં વધુ જટિલ અસ્થાયી પેટર્ન (કન્ડિશન્ડ રીફ્લેક્સ) હોઈ શકે છે. પરંતુ હજી પણ આ સંપૂર્ણપણે સ્વૈચ્છિક વર્તન નથી, જે આપણને પ્રાણીઓને તાલીમ આપવા દે છે, પરંતુ મનુષ્યોને નહીં.

અને અહીં એક મહત્વપૂર્ણ સંજોગો છે જેને આપણે ધ્યાનમાં લેવાની જરૂર છે - વધુ જાણીતા સંજોગોનો સામનો કરવો પડ્યો, વર્તન ઓછું પરિવર્તનશીલ, કારણ કે મગજ પાસે ઉકેલ છે. અને ઊલટું, નવા સંજોગો, શક્ય વર્તન માટે વધુ વિકલ્પો. અને સમગ્ર પ્રશ્ન તેમની પસંદગી અને સંયોજનમાં છે. સ્કિનરે તેના પ્રયોગોમાં બતાવ્યું તેમ પ્રાણીઓ તેમની સંભવિત ક્રિયાઓના સમગ્ર શસ્ત્રાગારનું નિદર્શન કરીને આ કરે છે.

આ કહેવાનો અર્થ એ નથી કે સ્વૈચ્છિક વર્તણૂક સંપૂર્ણપણે નવી છે; તેમાં વર્તનની અગાઉ શીખેલી પેટર્નનો સમાવેશ થાય છે. આ તેમનું પુનઃસંયોજન છે, જે નવા સંજોગો દ્વારા શરૂ કરવામાં આવ્યું છે જે તે સંજોગો સાથે સંપૂર્ણપણે સુસંગત નથી કે જેના માટે પહેલેથી જ તૈયાર પેટર્ન છે. અને આ ચોક્કસપણે સ્વૈચ્છિક અને યાંત્રિક વર્તણૂક વચ્ચેના વિભાજનનો મુદ્દો છે.

મોડેલિંગ રેન્ડમનેસ

સ્વૈચ્છિક વર્તણૂકનો એક પ્રોગ્રામ બનાવવો કે જે નવા સંજોગોને ધ્યાનમાં લઈ શકે તે ઓછામાં ઓછા અમુક ચોક્કસ ક્ષેત્રની સમસ્યાઓ માટે સાર્વત્રિક "દરેક વસ્તુનો પ્રોગ્રામ" ("દરેક વસ્તુના સિદ્ધાંત" સાથે સામ્યતા દ્વારા) બનાવવાનું શક્ય બનાવશે.

તેમના વર્તનને વધુ મનસ્વી અને મુક્ત બનાવવા માટે? મેં હાથ ધરેલા પ્રયોગો દર્શાવે છે કે બહાર નીકળવાનો એકમાત્ર રસ્તો એ છે કે બીજું મોડેલ હોવું જોઈએ જે પ્રથમ મોડેલ બનાવે છે અને તેને બદલી શકે છે, એટલે કે, પ્રથમની જેમ પર્યાવરણ સાથે નહીં, પરંતુ તેને બદલવા માટે પ્રથમ મોડેલ સાથે કાર્ય કરો.

પ્રથમ મોડેલ પર્યાવરણીય સંજોગોને પ્રતિભાવ આપે છે. અને જો તે સક્રિય કરેલ પેટર્ન નવી હોવાનું બહાર આવે છે, તો બીજા મોડેલને કહેવામાં આવે છે, જેને નવા વાતાવરણમાં તમામ સંભવિત વર્તન વિકલ્પોને ઓળખીને, પ્રથમ મોડેલમાં ઉકેલો શોધવાનું શીખવવામાં આવે છે. ચાલો હું તમને યાદ કરાવું કે નવા વાતાવરણમાં વધુ વર્તણૂકીય વિકલ્પો સક્રિય થાય છે, તેથી પ્રશ્ન તેમની પસંદગી અથવા સંયોજનનો છે. આવું થાય છે કારણ કે, પરિચિત વાતાવરણથી વિપરીત, નવા સંજોગોના પ્રતિભાવમાં, વર્તનની એક પેટર્ન સક્રિય થતી નથી, પરંતુ એક સાથે અનેક.

જ્યારે પણ મગજ કંઈક નવું કરે છે, ત્યારે તે એક નહીં, પરંતુ બે કાર્યો કરે છે - પ્રથમ મોડેલમાં પરિસ્થિતિની ઓળખ અને બીજા મોડેલ દ્વારા પહેલેથી જ પૂર્ણ અથવા સંભવિત ક્રિયાઓની માન્યતા. અને આ રચનામાં ચેતના જેવી અનેક શક્યતાઓ દેખાય છે.

1. આ બે-અધિનિયમની રચના માત્ર બાહ્ય જ નહીં, પણ આંતરિક પરિબળોને પણ ધ્યાનમાં લેવાનું શક્ય બનાવે છે - બીજા મોડેલમાં, અગાઉની ક્રિયાના પરિણામો, વિષયના દૂરના હેતુઓ વગેરેને યાદ અને ઓળખી શકાય છે.
2. ઉત્ક્રાંતિ સિદ્ધાંત અનુસાર પર્યાવરણ દ્વારા લાંબા સમય સુધી શીખ્યા વિના, આવી સિસ્ટમ તરત જ નવું વર્તન બનાવી શકે છે. ઉદાહરણ તરીકે, બીજા મૉડલમાં પ્રથમ મૉડલના કેટલાક સબમોડેલમાંથી નિર્ણયો તેના અન્ય ભાગોમાં સ્થાનાંતરિત કરવાની ક્ષમતા અને મેટામોડલની અન્ય ઘણી ક્ષમતાઓ છે.
3. ચેતનાનો વિશિષ્ટ ગુણધર્મ એ તેની ક્રિયા વિશે જ્ઞાનની હાજરી છે, અથવા લેખ (1) માં બતાવ્યા પ્રમાણે આત્મકથાત્મક મેમરી. સૂચિત દ્વિ-અધિનિયમ માળખામાં માત્ર આવી ક્ષમતા છે - બીજું મોડેલ પ્રથમની ક્રિયાઓ વિશેનો ડેટા સંગ્રહિત કરી શકે છે (કોઈ મોડેલ તેની પોતાની ક્રિયાઓ વિશેનો ડેટા સંગ્રહિત કરી શકતું નથી, કારણ કે આ માટે તેમાં તેની ક્રિયાઓના સુસંગત મોડેલ્સ હોવા જોઈએ, અને નહીં. પર્યાવરણની પ્રતિક્રિયાઓ).

પરંતુ ચેતનાના બે-અધિનિયમ માળખામાં નવા વર્તનનું નિર્માણ કેવી રીતે થાય છે? આપણી પાસે મગજ નથી કે તેનું કોઈ બુદ્ધિગમ્ય મોડેલ પણ નથી. અમે અમારા મગજમાં સમાયેલ પેટર્ન માટે પ્રોટોટાઇપ તરીકે ક્રિયાપદ ફ્રેમ્સ સાથે પ્રયોગ કરવાનું શરૂ કર્યું. ફ્રેમ એ પરિસ્થિતિનું વર્ણન કરવા માટે ક્રિયાપદના અભિનયકર્તાઓનો સમૂહ છે અને જટિલ વર્તનનું વર્ણન કરવા માટે ફ્રેમના સંયોજનનો ઉપયોગ કરી શકાય છે. પરિસ્થિતિઓનું વર્ણન કરવા માટેની ફ્રેમ્સ એ પ્રથમ મોડેલની ફ્રેમ્સ છે, તેમાં વ્યક્તિની ક્રિયાઓનું વર્ણન કરવા માટેની ફ્રેમ એ વ્યક્તિગત ક્રિયાઓના ક્રિયાપદો સાથે બીજા મોડેલની ફ્રેમ છે. અમારી સાથે તેઓ ઘણીવાર મિશ્રિત થાય છે, કારણ કે એક વાક્ય પણ માન્યતા અને ક્રિયા (વાણી અધિનિયમ) ની ઘણી ક્રિયાઓનું મિશ્રણ છે. અને લાંબા વાણી અભિવ્યક્તિઓનું ખૂબ જ બાંધકામ સ્વૈચ્છિક વર્તનનું શ્રેષ્ઠ ઉદાહરણ છે.

જ્યારે સિસ્ટમનું પ્રથમ મોડેલ નવી પેટર્નને ઓળખે છે જેના માટે તેની પાસે પ્રોગ્રામ કરેલ પ્રતિસાદ નથી, ત્યારે તે બીજા મોડેલને કૉલ કરે છે. બીજું મોડેલ પ્રથમના સક્રિય ફ્રેમ્સને એકત્રિત કરે છે અને કનેક્ટેડ ફ્રેમ્સના ગ્રાફમાં ટૂંકા પાથની શોધ કરે છે, જે શ્રેષ્ઠ રીતે ફ્રેમના સંયોજન સાથે નવી પરિસ્થિતિની પેટર્નને "બંધ" કરશે. આ એક જટિલ કામગીરી છે અને અમે હજી સુધી એવું પરિણામ પ્રાપ્ત કર્યું નથી કે જે "બધુંનો કાર્યક્રમ" હોવાનો દાવો કરે છે, પરંતુ પ્રથમ સફળતાઓ પ્રોત્સાહક છે.

મનોવૈજ્ઞાનિક ડેટા સાથે સોફ્ટવેર સોલ્યુશન્સનું મોડેલિંગ અને તુલના કરીને ચેતનાના પ્રાયોગિક અભ્યાસો વધુ સંશોધન માટે રસપ્રદ સામગ્રી પ્રદાન કરે છે અને કેટલીક પૂર્વધારણાઓનું પરીક્ષણ કરવાનું શક્ય બનાવે છે જે લોકો પરના પ્રયોગોમાં નબળી રીતે પરીક્ષણ કરવામાં આવે છે. આને મોડેલિંગ પ્રયોગો કહી શકાય. અને સંશોધનની આ દિશામાં આ માત્ર પ્રથમ પરિણામ છે.

ગ્રંથસૂચિ

1. રીફ્લેક્સિવ ચેતનાનું દ્વિ-અધિનિયમ માળખું, એ. ખોમ્યાકોવ, Academia.edu, 2019.

સોર્સ: www.habr.com