BİLİŞSEL PSİKOLOJİ...Robert L. Solso...4 Kısım

Bunlarada Bakarsınız

 

BÖLÜM 16. Yapay Zeka

Ahlak açısından bakıldığında, hayatın her durumunda zihnimizin bize hareket ettirdiği şekilde davranacak kadar farklı davranabilen bir makine imkansızdır.

Descartes

Sonra Hal her zamanki ses tonuyla cevap verdi:

• Bak Dave, yardım etmeye çalıştığını biliyorum. Ama bu ya anten sistemi ya da test prosedürünüz. Bilgilerin işlenmesiyle ilgili eksiksiz bir siparişim var. Notlarımı kontrol ederseniz, kesinlikle hiçbir hata olmadığına ikna olacaksınız.

• Notların hakkında her şeyi biliyorum Hal ama bu, bu sefer de haklı olduğunu kanıtlamaz. Herkes yanılıyor olabilir.

• Bu konuda ısrar etmek istemiyorum Dave ama yanılıyor olamam.

• Tamam, Hal, dedi Dave oldukça sert bir şekilde. — Bakış açınızı anlıyorum. Orada duracağız.

"Ve lütfen tüm bunları unutun," diye eklemek üzereydi. Ama bu Hal, elbette, asla yapamazdı.

Arthur Clark

Yapay zeka nedir ve psikolojiyi ve hayatınızı nasıl etkileyebilir?

Bilgi işlem makinelerinin tarihini modern yapay zeka programlarına kadar izleyin.

Silikon bazlı bilgisayarlar karbon bazlı beyinlere [insan beyni) nasıl benzer? Birbirlerinden nasıl farklıdırlar?

Turing testi nedir? "Taklit oyunu" ve "Çin odası" nedir?

Bir bilgisayar görsel şekilleri nasıl analiz eder?

Bilgisayarlar konuşmayı nasıl tanır ve üretir?

Bilgisayarlar tarafından ne tür sanat eserleri üretilebilir? Bilgisayarlar bu konuda ne kadar iyi?

Bilgisayar zekası insan zekasını geçecek mi?

Önerilen Okuma 535

Bilim kurgu bilim gerçeği olma eğilimindedir. Yapay zekayı (AI) inceleyen modern laboratuvarlarda, Hal 1'in bir benzerini yaratma olasılığı ciddi şekilde tartışılıyor. - Arthur Clarke'ın 2001: A Space Odyssey filminden zekaya sahip ve etik kararlar verebilen bir yerleşik bilgisayar. Bu, Clark'ın bilgisayarların geleceğini, bir roketin aya bir uzay kapsülü göndermesinden yüzyılın dörtte üçü kadar önce fırlatma sistemini Jules Berne'in öngördüğünden daha doğru tahmin ettiği anlamına gelmez. Ancak bilgisayar bilimcileri, insan bilişini ve bilgi işlemeyi oldukça doğru bir şekilde taklit edebilen bilgisayar sistemleri geliştirir; bu yüzden Dünya'dan fırlattığımızda Hal 2 gibi bir şeye sahip olmamız oldukça olası .

Yapay Zeka (AI)

Yapay Zeka (AI)insan bilişsel işlevlerini taklit eden bilgisayarların (bilgisayar donanımı) ve bilgisayar programlarının (yazılım) geliştirilmesiyle ilgilenen bilgisayar bilimi dalı olarak geniş bir şekilde tanımlanır. Önceki on beş bölümde, "insan bilişi" uzun uzadıya tartışıldı ve bilişin algı, hafıza, düşünme, dil işleme ve az çok doğru bir şekilde gerçekleştirilen diğer birçok işlevi içerdiğini öğrendik. Örneğin bir arkadaşınızın yüzünü görüp tanıyabilir, bir matematik problemini (7 x 8) / (4 x 5) zihninizde çözebilir; iambik beşli ölçü ile anlamlı bir şiir besteleyin, Beavis ve Butt-head'in seslerini tanıyın; evinizden üniversiteye giden en kısa yolu zihinsel olarak hesaplayın, gelinin babasını damadın bekarlığa veda partisine davet etmenin uygun olup olmadığını belirleyin ve ekşi sütü taze sütten ayırt edin. Hem sen hem de ben, bunları her gün hiç çaba harcamadan yapıyoruz (ve eğer Haire ve meslektaşlarının metabolik hız ve zihinsel çalışma üzerine insan zekası üzerine önceki bölümde sunulan çalışmasının sonuçlarını tahmin edersek, bunu yaptığımızı söyleyebiliriz. çok fazla enerji harcamadan). Ayrıca diş macunu yerine diş fırçamıza şampuan dökmek gibi pek çok aptalca şey yapıyoruz. Biz insanız ve bu bilgisayarlar için bir sorun: mükemmel makineler olmak, asla hata yapmamak, yine de "hata" yapmak. Bir bilgisayar, insan düşüncesini ve eylemlerini doğru bir şekilde modelleyebilseydi, yukarıdakileri yapmakta bizim kadar iyi olurdu, ama bizim gibi, sabahın erken saatlerinde toparlanmaya çalışırken şampuan ve diş macunuyla bile uğraşmak gibi hatalar yapabilir.

1. Hal [HAL], buluşsal olarak programlanmış bir algoritmik bilgisayar olan Sezgisel Olarak Programlanmış Algoritmik Bilgisayar'ın  kısaltmasıdır  .

2. Öte yandan, pek çok kişi, bir bilgisayarın bir insanı hayatın herhangi bir önemli alanında zekasıyla gerçekten alt edebileceğinden ciddi şekilde şüphe ediyor. Nöropsikolog John Eccles, Beyin Anlayışı'nda şöyle  yazıyor: "... kibirli bir şekilde bilgisayarların yakında her şeyde insanları geride bırakacağını ilan eden insanlar ... batıl inanç çağından idol yapımcılarının modern bir versiyonudur; ikincisi gibi onlar da putperestlik geliştirerek güç arıyorlar.”

536 Bölüm 16

insan düşüncesini kopyalamaya çalışan programlar. Bilgisayarlar ve onların etkileyici teknolojisi, günlük hayatımızın o kadar önemli bir parçası haline geldi ki, daha önce onlarsız nasıl yaşadığımızı anlamak zor; ancak kendilerini diş macunuyla (veya tam tersi) yıkayacak kadar akıllı değiller. Bunu yapmak için, bir kişinin düşünce ve eylemlerini doğru bir şekilde taklit etmeleri gerekecek ve o zaman ondan ayırt edilemez hale geleceklerdi. Daha sonra bundan daha ayrıntılı olarak bahsedeceğim.

aynı zamanda suyla dolu olan sızdıran kova - düşünceli bir çizim yaptınız.

"Basit" bir bilişsel problem düşünün: sözlü olarak formüle edilmiş bir cebirsel problemin çözümü. Birçok bilgisayar programı bunu hızlı ve doğru bir şekilde yapabilir, ancak insan bilişini modellemezler.  AI araştırmalarının başlarında, Page & Simon (1966) , basit ayrıştırmaya dayalı sözlü cebirsel problemleri çözmek için tasarlanmış olan STUDENT adlı bir bilgisayar programında insan faaliyetini modellemeye çalıştı . Çalışmalarındaki deneklerden bazıları, sorunları STUDENT ile hemen hemen aynı şekilde çözdü,  ancak çoğu çözmedi. Muhtemelen su kaybını belirlemeye çalışırken yaptığınız gibi, problemleri çözerken yardımcı özellikler ve fiziksel temsiller kullandılar.

Yapay zeka ve akıllı arasındaki temel farklılıklara rağmen

klonlama, bilim adamları bu alanda dikkate değer bir başarı elde ettiler.

AI'yı tartışırken, genellikle bilişsel psikoloji ve nörobilime dönüyoruz. Nörobilim gibi bir bilimin fikirleri, yapay zeka gibi bir başka bilimin aygıtına dahil edilebilir ve bilişsel psikolojinin fikirleri diğer ikisine uygulanabilir. Her üç alan da - yapay zeka, bilişsel psikoloji ve özellikle nörobilim - bilişsel bilimin temelleridir.

Yapay zeka ile bilişsel psikoloji arasında, her birinin diğerinin gelişiminden yararlandığı bir tür simbiyotik ilişki kurulmuştur, çünkü insan algısının, hafızasının, dilinin ve düşüncesinin tam bir kopyasını yapay olarak yeniden oluşturmak için bu süreçlerin nasıl olduğunu bilmeniz gerekir. insanlarda oluşur. Aynı zamanda, yapay zekanın gelişimi insan bilişini anlamak için yeni fırsatlar yaratıyor.

Bu bölümde, algı, hafıza, arama süreçleri, dil, problem çözme, sanatsal etkinlikler ve "robotik" ile ilgili olarak tartışılacak olan yapay zekaya genel bir giriş sunuyoruz.

Yapay zeka: başlangıç ​​537

Yapay zekanın konusu, "akıllı" gibi davranan makineler tasarlamakla ilgili olsa da, ikinci makinelerin çoğu, insanın bilişsel süreçlerini taklit etme niyeti olmadan tasarlanır. Bununla birlikte, bazı bilim adamları, insan düşüncesini simüle eden "akıllı" makinelerin geliştirilmesiyle uğraşıyorlar ve bu bölüm esas olarak bu yöne - "bilgisayar simülasyonu" (CM) - ayrılacak. (Bir gün AI'nın nerede bittiğini ve CM'nin nerede başladığını söylemek neredeyse imkansız olacak; bir kişi tarafından üretildiği takdirde akıllı olarak kabul edilebilecek herhangi bir bilgisayar faaliyeti sonucuna atıfta bulunmak için yaygın olarak kabul edilen AI terimini kullanacağız.)

Yapay zeka: başlangıç

İnsanlık tarihi boyunca çeşitli türde bilgi işlem cihazları - yapay zekanın beyni - var olmuştur. Bu tür cihazların en eski türü, MÖ 6. yüzyılın başlarında Çin'de kullanılan abaküs idi. Mısırlılar, Herodotus'un (yaklaşık MÖ 450) bu gerçeği tanımlamasından kısa bir süre önce çakıl taşlarını kullanan bir hesap makinesi icat ettiler. Yunanlılar da benzer bir cihaza sahipti ve eski Romalı yazarlar üç tür bilgisayardan bahsediyor. Bu cihazların çoğu ticaret alanında kullanılmış, onların yardımıyla toplama ve çıkarma işlemleri yapılmıştır. Toplama işlemi tekrarlanarak çarpma işlemi yapılmıştır. 1633 civarında, az tanınan Alman astronom Wilhelm Schickard (1592-1635), 1973'te bir Alman posta pulu basılan otomatik dijital hesap makinesini icat etti. Hesaplama makinesinin icadı genellikle "kalkülüsün babası" Fransız filozof Blaise Pascal'a (1623-1662) atfedilir. Pascal'ın makinesi yalnızca toplama ve çıkarma yapabiliyordu, ancak geniş ilgi gördü. 1670'lerde Gottfried Leibniz, çarpma ve bölme yapabilen bir makine tanıttı.

Bilgisayarlar daha sonra, bazen dünyanın ilk bilgisayar bilimcisi olarak anılan eksantrik Charles Babbage (1792-1871), Lady Ada Lovelace'in yardımıyla, koşullu sonuçlar içeren programlanabilir işlemleri gerçekleştiren bir bilgisayar cihazı icat ettiğinde geldi. (Bkz. Haugeland, 1989. Babbage'ın makinesinin bir modeli Washington DC'deki Smithsonian Enstitüsü'nde görülebilir.)

Charles Babbage (1792-1871).

Programlanabilir mekanik bilgi işlem cihazı konseptini geliştiren İngiliz matematikçi ve mucit. Buna "analitik cihaz" adını verdi.

538 Bölüm 16, Yapay Zeka

J. Presper Eckert (ön planda) ve John Mauchly , ABD Ordusu ve bakım personeli ile ENIAC tüp bilgisayarı üzerinde çalışıyor
; 1946

bilgisayarlar

Modern bilgisayar biliminin kökenleri , ordu tarafından topçu mermilerinin uçuş yollarını hesaplamak için yaygın olarak kullanılan uzun ve sıkıcı matematiksel hesaplamaları hızlandırmak için UNIT AC  ve ENIAC tüp bilgisayarlarının icat edildiği 1940'lara kadar izlenebilir . ENIAC (Elektronik Sayısal Entegratör ve Bilgisayar - "Elektronik Sayısal Entegratör ve Bilgisayar") - ABD ordusu tarafından desteklenen ve Pennsylvania Üniversitesi'nde yürütülen oldukça gizli bir proje - üreticisi 25 bin saat çalışma garantisi veren 17.468 tüpe sahipti; bu, ortalama olarak her 8 dakikada bir lambanın yandığı anlamına geliyordu! Bu canavarca bilgisayar 30 ton ağırlığındaydı ve güç tüketimi 174 kW idi. Proje liderleri John Mouchli ve J. Presper Eckert idi. Bu ilk basit ve pek verimli olmayan devler, daha küçük, daha güçlü ve daha karmaşık sistemlerin yolunu açtılar ve bunların yerini yavaş yavaş günlük hayatımıza sağlam bir şekilde yerleşmiş olan mikroelektronik bilgisayarlar aldı.

Bilişsel psikolojide 1956'dan daha önemli birkaç tarih vardır1 . Bu yaz, on bilim adamından oluşan bir grup, akıllı davranış yeteneğine sahip bilgisayar programları yaratma olasılığını tartışmak üzere Dortmouth College kampüsünde bir araya geldi. Bu konferansın katılımcıları arasında şunlar vardı: Daha sonra MIT'de AI Labs'ı kuran John McCarthy.

1  Bu yıl Bruner, Goodnow ve Austin The Study of Mind'ı, Chomsky Three Models for Describing Language'ı, Miller The Magic Number Seven Plus or Minus Two'yu, Newell ve Simon Logical'ı yayınladı.

makine teorisi.

John McCarthy. Yapay zeka alanında ilk araştırmaları başlatan ve

Yapay zeka: başlangıç ​​539

yapay zeka araştırmalarında yaygın olarak kullanılan Lisp dilini geliştirdi

yeni bilim "yapay zeka"; Daha sonra MIT'de Yapay Zeka Laboratuvarı'nın direktörü olan Marvin Minsky; Bell's Laboratories'de iletişim sisteminin modern modelini geliştiren Claude Shannon; Nobel Ekonomi Ödülü'nü alacak olan Herbert Simon; ve Carnegie Mellon Üniversitesi'nde bilişsel bilim ve yapay zeka üzerine çok önemli çalışmalar yapmış olan Allen Newell. Bu konferans tarihi bir öneme sahipti - AI için daha önce planlanan kurs alındı. kökeni

Institute of Technology (MIT) ve Stanford Üniversitesi tarafından yönetilmektedir ve yaygın olarak bilişsel psikolojinin gelişimini doğrudan etkileyen kişi olarak tanınmaktadır.

Dortmouth konferansından bu yana yapay zeka katlanarak büyüdü. Bugün, yapay zeka şu ya da bu şekilde dünyadaki çoğu insanın hayatını etkiliyor, öğrenciler onunla ilgileniyor ve binlerce bilim insanının çabaları buna odaklanıyor. Yapay zekanın çeşitli teorileri ve uygulamaları tek bir bölümde veya kitapta, hatta birçok kitapta açıklanamaz, ancak yine de yapay zeka araştırması alanındaki bilişsel psikoloji ile bağlantılı bazı çalışma örnekleri vereceğiz.

Bilgisayarlar ve yapay zeka

Bugün kullanılan en yaygın bilgisayar türü, 1930'da Amerika Birleşik Devletleri'ne göç eden Macar matematikçi John von Neumann (1958) tarafından geliştirilen devreyi (bilgisayar jargonunda "mimari") kopyalar. Bu tür bir bilgisayara bazen Johniac veya seri işlemci denir  , çünkü elektriksel darbeler sırayla veya birbiri ardına işlenir. Bu zincir dizileri çok hızlı çalışır, her adım yalnızca birkaç nanosaniye gerektirir, ancak çözmek için

John von Neumann (1903-1957). Ortak bir bilgisayar mimarisi geliştirdi

540 Bölüm 16

karmaşık görevleri sıralı bir şekilde (matematiksel işlevleri çözme veya verileri veya dosyaları dönüştürme gibi) bilgisayar dakikalar, saatler veya daha uzun sürebilir. Tüm bilgisayar kullanıcıları, kişisel bilgisayarların bir sorunu "düşünmesinin" veya "sindirmesinin" ne kadar "uzun" sürdüğünü bilir. Neumann tipi bilgisayarların bu kadar yavaş olmasının ana nedeni, bir eylemin diğerinin başlatılabilmesi için tamamlanması gerekmesidir. Seri işlemciler sorunları adım adım çözer.

Bilgisayar teknolojisinin gelişiminin ilk zamanlarında, yapay zeka uzmanları (ve bilimkurgu yazarları), düşünen makineler ve robotlarla ilgili görkemli hayaller kuruyorlardı. 1940'ların başında, Chicago psikiyatr W. S. McCulloch ve öğrencisi W. Pitts orijinal bir makale yazdılar. İçinde, von Neumann ve daha sonra PDP modelinin savunucuları da dahil olmak üzere bilgisayar bilimcileri üzerinde önemli bir etkiye sahip olacak bir kavramı tanıttılar .  Zihnin beynin işleyişi ve daha spesifik olarak beynin temel birimleri olan nöronlar olarak tanımlandığı fikrine dayanarak, nöronların "mantıksal cihazlar" olarak görülebileceğini ve "nöral fenomenlerin ve aralarındaki ilişkilerin" olduğunu savundular. önermeler mantığıyla açıklanabilirler." ". Nöronlar birbirleriyle etkileşime girdiğinde

bir diğeri, bunu elektrokimyasal olarak yapıyorlar. Küçük bir elektrik akımı, hücrenin aksonundan aşağı, kimyasal bir vericinin uyarıları diğer nöronlara ilettiği sinapsa doğru ilerler. Nörotransmisyon süreci belirli kurallar tarafından yönetilir: nöronlar yalnızca uyarma eşiğine ulaşıldığında bir deşarj üretir, tüm nöronların eşikleri vardır; nöronlar yalnızca akım pozitif olduğunda ateşlenir, negatif akım nöronun aktivitesini engeller vb.Her nöronun binlerce bağlantısından gelen tüm uyarıcı ve inhibe edici sinyalleri toplaması çok önemlidir. Eşiğine bağlı olarak, nöron bir deşarj oluşturacak veya üretmeyecek, yani "açık" veya "kapalı" olacaktır 1. (Bu tür nöronlara McCulloch-Pitts nöronları denir.) McCulloch ve Pitts, bu nöronun açık veya kapalı durumunda mantıksal bir cihaz olarak düşünülebileceğini kaydetti. Bildiğiniz gibi bilgisayar "açma-kapama" şemaları yardımıyla çalışır. Bu tür binlerce devre üstel bir sırayla birbirine bağlandığında, işleme olanakları ölçülemez bir şekilde artar. Benzer şekilde, nöral işlemenin temel birimi olan nöron ve onun bağlantıları da etkileyici yeteneklere sahiptir. McCulloch ve Pitts'in makalesi yayınlandıktan kısa bir süre sonra von Neumann, nöronların birbirleriyle etkileşime girerken mantıksal davranışları ile dijital bilgisayarların çalışma şekli arasında bir bağlantı keşfetti. "Bir nöronun bu basitleştirilmiş işlevlerinin telgraf röleleri veya radyo tüpleri kullanılarak taklit edilebileceğini görmek kolaydır." (Transistörler henüz icat edilmedi, yoksa muhtemelen

Bu fikir, Bölüm 1'de tartışılan nöral tabanlı bağlantıcı model için heyecan verici olasılıklar sunuyor.

Yapay zeka: başlangıç ​​541

radyo tüpleri, kabloları birbirine bağlayan röleler ve bilgisayar donanımı nöronların, aksonların, sinapsların ve geri kalan "vücut doldurmanın" yerini alacaktı. Von Neumann'ın ardından F. Rosenblatt bir bilgisayar yaratma girişiminde bulundu. Amacı, şekilleri sınıflandırabilen bir bilgisayar yaratmaktı. Çalışmasının sonucu "algılayıcı" olarak adlandırıldı, beynin organizasyonunu kabaca kopyaladı (bkz. Bölüm 1 ve 2). Rosenblatt'ın makinesi üç seviyeli bir hiyerarşi içeriyordu. Her seviye, insanların duyusal, çağrışımsal ve motor modellerini geniş ölçüde taklit eden belirli bir işlevle ilişkilendirildi. Perceptron gibi eski makinelerin temel sorunu öğrenememeleriydi. Sadece dar bir uyaran yelpazesini işlediler ve eşit derecede basit tepkiler ürettiler.

İnsanlar, değiştirilebilir sinapslara sahip oldukları için öğrenme yeteneğine sahiptirler. İki nöron arasındaki bağlantının gücünün, aynı anda ateşlendiklerinde arttığını belirten Hebb kuralını (Bölüm 2'de verilmiştir) hatırlayın. Bu kural, vekil nöronlar arasındaki bağlantıyı tanımlamak için kullanılabilir mi? Böyle bir makinenin eğitimi, yapay beyne uygun şekilde programlanmış bir direnç (bir transistörden diğerine iletilen elektriksel darbenin gücünü belirleyen bir cihaz) inşa etmeyi gerektirecektir. Direnç, bazı bilgi bitlerinin iletilmesine ve diğerlerinin reddedilmesine izin vererek bir düzenleyici görevi görür. Aynı zamanda “öğrenme” yeteneğine sahip algılayıcılar (öğrenme burada “birimler arasındaki bağlantının gücündeki değişiklik, hangi model nöronlar") McCulloch-Pitts nöronları gibi ve Hebb'in teorisine uygun olarak hareket eder. Bu şekilde oluşturulan bir bilgisayara, sınıflandırabilmesi için daire gibi basit bir geometrik şekil gösterilebilir. Makine buna bir kare diyerek yanıt verirse, belirli birimler arasındaki direnci artırarak ve diğerleri arasındaki direnci düşürerek doğru yanıt vermesi "öğretilebilir". Cevap doğruysa, yani algılayıcı daireye daire diyorsa, direnç miktarı aynı kalır. Bu anlamda algılayıcılar hataları cezalandırır ve başarıya yanıt vermez. Bu ilk adımlar, insan beyni gibi işlev gören bir "düşünen makine" inşa etmede önemli faktörler olan genelleme ve öğrenme yeteneğine sahip makinelerin tasarımı için gerekliydi. Bu şekilde oluşturulan bir bilgisayara, sınıflandırabilmesi için daire gibi basit bir geometrik şekil gösterilebilir. Makine buna bir kare diyerek yanıt verirse, belirli birimler arasındaki direnci artırarak ve diğerleri arasındaki direnci düşürerek doğru yanıt vermesi "öğretilebilir". Cevap doğruysa, yani algılayıcı daireye daire diyorsa, direnç miktarı aynı kalır. Bu anlamda algılayıcılar hataları cezalandırır ve başarıya yanıt vermez. Bu ilk adımlar, insan beyni gibi işlev gören bir "düşünen makine" inşa etmede önemli faktörler olan genelleme ve öğrenme yeteneğine sahip makinelerin tasarımı için gerekliydi. Bu şekilde oluşturulan bir bilgisayara, sınıflandırabilmesi için daire gibi basit bir geometrik şekil gösterilebilir. Makine buna bir kare diyerek yanıt verirse, belirli birimler arasındaki direnci artırarak ve diğerleri arasındaki direnci düşürerek doğru yanıt vermesi "öğretilebilir". Cevap doğruysa, yani algılayıcı daireye daire diyorsa, direnç miktarı aynı kalır. Bu anlamda algılayıcılar hataları cezalandırır ve başarıya yanıt vermez. Bu ilk adımlar, insan beyni gibi işlev gören bir "düşünen makine" inşa etmede önemli faktörler olan genelleme ve öğrenme yeteneğine sahip makinelerin tasarımı için gerekliydi. buna kare denildiğinde, belirli birimler arasındaki direnci artırarak ve diğerleri arasındaki direnci azaltarak doğru tepki vermesi "öğretilebilir". Cevap doğruysa, yani algılayıcı daireye daire diyorsa, direnç miktarı aynı kalır. Bu anlamda algılayıcılar hataları cezalandırır ve başarıya yanıt vermez. Bu ilk adımlar, insan beyni gibi işlev gören bir "düşünen makine" inşa etmede önemli faktörler olan genelleme ve öğrenme yeteneğine sahip makinelerin tasarımı için gerekliydi. buna kare denildiğinde, belirli birimler arasındaki direnci artırarak ve diğerleri arasındaki direnci azaltarak doğru tepki vermesi "öğretilebilir". Cevap doğruysa, yani algılayıcı daireye daire diyorsa, direnç miktarı aynı kalır. Bu anlamda algılayıcılar hataları cezalandırır ve başarıya yanıt vermez. Bu ilk adımlar, insan beyni gibi işlev gören bir "düşünen makine" inşa etmede önemli faktörler olan genelleme ve öğrenme yeteneğine sahip makinelerin tasarımı için gerekliydi. Bu anlamda algılayıcılar hataları cezalandırır ve başarıya yanıt vermez. Bu ilk adımlar, insan beyni gibi işlev gören bir "düşünen makine" inşa etmede önemli faktörler olan genelleme ve öğrenme yeteneğine sahip makinelerin tasarımı için gerekliydi. Bu anlamda algılayıcılar hataları cezalandırır ve başarıya yanıt vermez. Bu ilk adımlar, insan beyni gibi işlev gören bir "düşünen makine" inşa etmede önemli faktörler olan genelleme ve öğrenme yeteneğine sahip makinelerin tasarımı için gerekliydi.

Daha bilgisayar geliştirmenin erken aşamalarında, bu yeni dahice icatların anlamı ve olası kullanımı hakkında fikirler var. Bazıları, bilgisayarların uygun şekilde programlanması, yani uygun kurallar ve düzenlemeler verilmesi halinde, insan düşüncesini etkili bir şekilde kopyalamak da dahil olmak üzere herhangi bir eylemi gerçekleştirebileceğine inanıyordu. Diğerleri, bir makinenin "düşünmesi" için bilgisayarın donanımının beynin yapılarına benzer olması gerektiğine inanıyordu. Bu amaca ulaşmak için, bilgisayardaki nöronların yerine geçen, organizasyonu ve işlevi insan beynini kopyalayacak, birbirine bağlı elektronik ikame katmanlarına sahip olmak gerekliydi.

Şimdiye kadar, gerçekten "düşünebilen" bir makine veya insana çok benzeyen bir "beyin" yaratamadık. Ancak bilim geliştikçe yapay zekanın henüz emekleme döneminde olduğu düşünülebilir. Bu bakış açılarının her birinin dezavantajları vardır.

542 Bölüm 16, Yapay zeka

istatistikler. İlk durumda, çoğu yapay zeka programının "düşünüşü" son derece katıdır. Sizden 73'ün karekökünü almanızı istediğimde, "En azından 8 ama 9 değil. Yaklaşık 8 buçuk" diyebilirsiniz. Bilgisayar 8.5440037'ye cevap verecek... İnsan beyni, kaotik bilgileri işleme konusundaki inanılmaz yeteneği sayesinde sonsuz sayı zincirleri oluşturmak yerine - Los Angeles'ta bir otoyolda araba kullanırken kalabalığın içinde tanıdık bir yüz görmek, Çehov'un oyunlarının derin anlamını anlamak veya ipeğin tenimizi nasıl okşadığını hissetmek - basit çözümler bulur. Hiçbir bilgisayar bunu yapamaz ama yine de... Öte yandan, hiçbir insan bir karekök probleminin cevabını birkaç milisaniyede veremez, ama herhangi bir ucuz hesap makinesi verebilir.

İnsan beynine benzer bir bilgisayarı bir araya getirmeye çalışan herkesin karşılaştığı zorluğu bir düşünün. Beyin, her biri binlerce başka nöronla bağlantılı yaklaşık 100 milyar nöron içerir. Bu çok fazla bağlantı demek. Bazı bilim adamları, küçültülmüş bir ölçekte beynin bir bilgisayar modelini oluşturmaya çalıştılar (bkz. Rosenblatt, 1958), ancak yakın zamana kadar ("Critical Reflection: A Brain Chip?" Minsky ve Papert, 1968). Daha önce (1954'te) Minsky, sinir ağları üzerine bir tez yazdı ve hatta 400 radyo tüpü kullanarak böyle bir ağ kurdu, ancak kısa süre sonra projesinden hayal kırıklığına uğradı. Bu çalışma "pratik" sonuçlar vermedi, ancak o zamanlar bilgisayar programlarının ve bilgisayar donanımının geliştirilmesi son derece popüler bir faaliyetti.

Yeni nesil bilgisayar/bilişsel bilim insanları, nöral fonksiyonların makine simülasyonu konusunda daha iyimser. Algılayıcılardaki son değişikliklerden biri kavramsal olmuştur. Bilim adamları, bilgisayar beynini bir G/Ç aygıtı olarak görmek yerine,

Eleştirel Yansıma: Beyin Çipi mi?

İnsan beyin hücresine çok benzer şekilde çalıştığı düşünülen silikon çip, Caltech ve Oxford Üniversitesi araştırmacıları Mahahuald ve Douglas tarafından geliştirildi. Silikon nöron adı verilen cihaz, beyin korteksindeki nöronların çalışma şeklini taklit eden bir yapıya ve işleve sahip. Bu teknolojinin önemli bir yönü, çoğu bilgisayarda kullanılan dijital işlem birimlerinin aksine cihazın analog doğasıdır. İnsanlar, insan yüzü gibi karmaşık bir nesne gördüklerinde, dijital verileri (piksel dizileri) değil, ince ana hatları ve sürekli değişen gri tonlarını görürler. Göz ve beyin, bu sinyalleri kullanarak analog bir süreçle ışık sinyallerinden anlam çıkarır.

Herkes bu teknolojik keşfin önemini takdir etmese de (çünkü beyinde çok sayıda nöron türü var ve bu sadece bir örnek), insan nöronunun bazı önemli özelliklerini taklit eden bir silikon çip fikri açılıyor. ilginç umutlar uyandırıyor ve beynin yaratılmasında teknolojinin ne kadar ileri gittiği sorusunu gündeme getiriyor.

Yapay zeka: başlangıç ​​543

Keşke bir beynim olsaydı!

"Zümrüt Şehir Büyücüsü" kitabından korkuluk , gizli olarak adlandırılan üçüncü katmandır. Bu gizli katman, beynin giriş veya çıkıştaki bilgi ile bağlantılı olmayan, ancak diğer nöronlara impuls ileten ara nöronlarına karşılık gelir. Bu model, bu kitapta bahsedilen bağlantıcı model ile uyumludur.

Bu soruların çoğu, bilgisayar ve beyin mimarisinin önemli sorunuyla ilgilidir. Ancak bilgisayarlar henüz insanlar gibi davranmıyor; bilgisayarlar ve beyin özdeş değildir. Bazı yönlerden bilgisayarlar beyinden daha iyidir, ancak bazı yönlerden daha kötüdür. Bu eşitsizlik, daha önce belirtildiği gibi birçok alanda gözlemlenmektedir, ancak özellikle sorunlu bir alan, üç boyutlu nesnelerin tanımlanmasıdır. İki boyutlu sensörler olan gözlerimiz, üç boyutlu olarak yorumlanan sinyalleri hızlı ve doğru bir şekilde iletir. Sinir yapılarının yavaşlığı, gözlemlenen nesnenin konumunun sürekli değişmesi ve nesnenin boyutuna göre ayarlanması dikkate alındığında bile, algı sistemimiz neredeyse mükemmel çalışıyor. Sinyal iletim hızları sinir sisteminden milyonlarca kat daha hızlı olmasına rağmen, bilgisayarlar bu tür işlemleri gerçekleştirmede daha kötüdür.

Daha önce de belirtildiği gibi, bu farkın bir nedeni, bilgisayarların bilgileri sırayla (sıralı bilgi işleme modeli) işleme eğilimindeyken , beynin bilgileri çoğunlukla paralel olarak işlemesidir. Bazı yapay zeka araştırmacıları, bu işlevsel farklılığı ortadan kaldırmak için beyin ile bilgisayar arasındaki mimari farkı ortadan kaldırmaya çalışmaktadır. Bunlardan biri, W. Daniel Hillis, sorunları daha küçük sorunlara bölerek çözen (araç-sonuç analizine benzeyen) ve sonra bunları paralel olarak işleyen (paralel işleme modeli) bir "bağlama makinesi" (Hillis, 1987) geliştirdi .Bu daha küçük görevler daha sonra bilgisayarın işlem ağının ayrı alanlarına dağıtılır. Bu tür makineler, bilgileri sırayla işleyen tek bir merkezi işlem birimine sahip olan Neumann tipi bilgisayarlardan farklıdır. Hillis'in "birleştirme makinesi" aynı anda aynı görev üzerinde çalışan 65.536 (prime base 2) işlemciye sahiptir. Her bir işlemci, bu taslağın hazırlanmasında kullanılan bilgisayardan daha az güçlü olsa da, bu 65.000 küsur küçük çip birbirine bağlandığında ve aynı anda çalıştığında, saniyede birkaç milyar talimatı yürütebilirler. Bu makine hem kavramsal hem de işlevsel olarak etkileyici. Ancak Hillis, paralel çalışan bir milyar işlemciye sahip bir makinenin hayalini kuruyor.

Yapay zeka ve insan bilişi

Yapay zekanın temel sorularından bazıları şunlardır:

• Beyin nasıl bir düşünme makinesidir?

• Bir makine nasıl insan düşüncesini taklit edebilir?

• Bilgisayarlar insan düşüncesini aşabilir mi?

• Bu hedeflere ulaşmak için çabalamaya değer mi?

544 Bölüm 16

Bu soruların hiçbirinin kolay yanıtları yok, ancak nöral tabanlı paralel dağıtılmış işleme modelinin savunucuları (ve diğerleri) bunları arıyor.

Beyin.

Beyin. Yüzyıllık psikolojik araştırmalardan, özellikle son birkaç on yıldaki biliş çalışmasından sonra, ilk sorunun cevabı nihayet şekillenmeye başlıyor. Umarım bu kitabın içeriği bunun kanıtıdır. Yaygın Neumann tipi bilgisayarlardan oldukça farklı olan beyin adı verilen düşünme makinemiz hakkında çok şey öğrendik. Bilgisayarlar daha çok beyin gibi olsaydı, belki de yapay zeka araştırması daha da ileri gidebilirdi. Bu konuyu açıklığa kavuşturmak için aşağıdaki karşılaştırmalı özeti sunuyorum.

Tablo 16.1

	Silikon tabanlı bilgisayarlar (Neumann tipi)	Karbon bazlı beyin (insanlar)
İşleme hızı	nanosaniye	milisaniye için saniye
Bir çeşit	Seri işlemci (esas olarak)	Paralel işlemci (esas olarak)
Depolama kapasitesi	Bilgi için harika	Görsel için büyük ve
bilgi	dijital olarak kodlanmış	dil bilgisi
Malzeme	Silikon ve elektronik provizyon sistemi (ör. transistörler, anahtarlar ve elektrik)	Nöronlar ve organik besleme sistemi (örneğin kılcal damarlar ve kan)
Etkileşim	Kesinlikle kontrol edilebilir (tam olarak sipariş edileni yapar)	Genellikle işbirliği yapmaya hazırdır, ancak baskı uygulandığında isyan edebilir (kendi görüşüne sahiptir)
Öğrenme Yeteneği	Sanatsız, kurallarla yönetilen	Kavramsal
En iyi kalite	Memnuniyetsizlik ifade etmeden çok büyük miktarda veriyi kısa sürede işleyebilir Uygun fiyatlı, kurallara dayalı, hafif, öngörülebilir	Kolayca muhakeme, çıkarım ve genelleme yapabilir Hareket edebilir, dil bilir, konuşma, görüş ve duygulara sahiptir
En Kötü Kalite	Kendi kendine kolayca öğrenemez, dili anlama ve üretme gibi karmaşık bilişsel görevleri yerine getirmekte güçlük çeker; büyük bir boyuta sahiptir ve hareketliliğini azaltan güç kaynağı gerektirir	Bilgileri işlemek ve depolamak için sınırlı yeteneğe sahiptir; unutkan; bakımı pahalı - yiyecek, içecek, uyku, oksijen, orta sıcaklık ve aşk, grup üyeliği, seks, rock'n roll ve oyun gibi biyopsikolojik ihtiyaçların bir listesini gerektirir

Yapay zeka: başlangıç ​​545

İnsan düşüncesi ve bilgisayar.

İnsan düşüncesi ve bilgisayar. İkinci sorunun cevabı, en azından bağlantıcılık açısından. insan düşüncesinin en iyi şekilde, temel sinir yapılarının yapısı temelinde bir makineyi simüle ederek kopyalanabileceğidir.

Bilgisayar avantajı.

Bilgisayar avantajı. Bazı bilgisayar programları insan düşüncesinden çok daha verimli çalışır; ancak, çoğu en iyi ihtimalle beceriksiz sahte beyinlerdir. Bilgisayarlar, karmaşık matematik gibi bazı problemleri insanlardan daha hızlı ve daha doğru bir şekilde çözebilir. Genellemeler ve yeni davranış kalıpları öğrenmeyi gerektirenler gibi diğer görevler, insanlar bilgisayarlardan daha iyi çözer.

Araştırma ihtiyacı.

Araştırma ihtiyacı. Son olarak, bu sorunlarla uğraşmalı mıyız sorusuna kolayca cevap verebilirim - evet, yapmalıyız. Bunu yaparken, insan ve makine düşüncesi hakkında daha fazla şey öğreniyoruz. Ancak yapay zekayı araştırmanın yel değirmenleriyle savaşmak kadar aptalca olduğu yönünde bir görüş var.

Neumann tipi bilgisayarları beyinle karşılaştıran tabloya bakarsanız, yapay zeka araştırmacılarının neden hüsrana uğradığını, hatta şaşkına döndüğünü anlayabilirsiniz. Yanlış makinelerle çalışıyorlar! Görünüşe göre yapay zeka alanında kavramsal bir atılımın -belki de bir paradigma kaymasının- eşiğindeyiz ve bilgisayarların beyin ile yapı ve süreçleri arasındaki benzerliği artırma yolunda ilk adımlar şimdiden atıldı. Sinir ağı sistemleri, PDP modelleri  ve bağlantıcılık, ağları yöneten hesaplama ilkelerini bulmaya çalışır.

Eski nesil Amerikalı bilim adamları beyin benzeri bir bilgisayar yapmak için başarısız bir şekilde uğraşırken, Japon bilim adamı Aizawa, ham, yarı yapay bir sinir ağı üretme girişiminde elektronik cihazlarla karıştırılmış gerçek sinir hücrelerini kullanarak bir bilgisayar yarattı. Şimdiye kadar başarıyla birleştirdi

süperbiyoloji

İndiyum ve kalay oksitten oluşan yarı iletken bir karışıma sahip hücreler ve çok zayıf elektrik uyarımıyla organik hücrelerin kontrollü büyüme ile tepki verdiğini buldu (burada gösterilen şekle bakın). Yapay bir beyin hakkında düşünmek için henüz çok erken, ancak bu tür cihazlar sinir sistemi ile yapay göz gibi protezler arasında bir arayüz görevi görebilir.

546 Bölüm 16, Yapay Zeka

İnsan sinir sistemindeki nöronların sayısı. Bu amaca ulaşmak için çok soyut görünebilecek araçları seçerler. Birimler nöronları temsil edebilir, bir nöronun davranışını gözlemleyerek elde edilen yasalara uyarlar. Yani bir birim diğer birimlere bağlanabilir, aralarındaki bağ güçlendirilebilir veya zayıflatılabilir, kendi aralarında kalıcı bağlar kurabilir vb. (Daha fazla bilgi için bkz. Churchland, 1989).

Sinir ağları ile bağlantılı olarak önemli bir kavram önerilmiştir: onlar da öğrenebilirler. Yani, bir sinaptik bağlantılar sistemi aracılığıyla, beynin altyapısı (dışsal veya içsel olarak şartlandırılmış olabilen) deneyimin etkisi altında değişebilir.

Bu girişimlerin ne kadar başarılı olacağını henüz bilmiyoruz. Ancak, insan bilgisine ilişkin bu yeni görüşün destekçileri arasında oldukça coşkulu olduğunu biliyoruz 1 . Bilişsel psikolojiye basit bir ilgi duyan bir kişi bile bu çalışmaların psikolojiye yaptığı önemli katkıyı fark edecek ve gelecekteki gelişmeleri dört gözle bekleyecektir.

Makineler ve akıl: "taklit oyunu" ve "Çin odası"

İnsan düşüncesinin makineler tarafından modellenmesi hakkında bu kadar şiddetli bir tartışmanın yaşandığı başka bir bilişsel psikoloji alanı bilmiyorum. Bu tartışmanın bir tarafı, yalnızca makinelerin insan bilişini doğru bir şekilde kopyalayabileceğine inanan değil, aynı zamanda en karmaşık entelektüel süreçlerin yalnızca makineler tarafından gerçekleştirilebileceğine inanan AI fanatikleri tarafından temsil ediliyor. Bu, bilgisayarların insanların günlük karar alma süreçlerine doğrudan dahil olması gerektiği şeklinde anlaşılmalıdır. Öte yandan, yapay zekayı entelektüel açıdan sapkın bir kavram olarak gören ve "düşünen makineler"e inananları materyalist müşrikler olarak görenler de var. İnsan düşüncesinin tamamen insani bir süreç olduğuna inanırlar; belki kısmen bir makinede sentezlenebilir, ancak yapay zeka programlarını kullanarak çoğaltmak asla mümkün olmayacaktır.

Başlangıç ​​noktası olarak, UC Berkeley filozofu John Searl (1980) tarafından önerilen ikilemi dikkate almakta fayda var. AI'da iki pozisyon tanımladı: "sert" ve "yumuşak"; yumuşak pozisyona göre, AI insan bilişi çalışmasında bir araç olarak kullanılabilir; ve katı, uygun şekilde programlanmış bir bilgisayarın zeki ve anlama yeteneğine sahip olduğunu varsayar. Yumuşak yapay zekanın çok az rakibi vardır; neredeyse herkes, insan bilişinin incelenmesinde bilgisayarların öneminin farkındadır ve buna eklenecek çok az şey vardır. Searle tarafından yalanlanan "sert" AI, bir protesto fırtınasına neden oldu. Bunu incelemeye devam edeceğiz

1 CM yağmur  ormanlarında hareket eden bir karınca ordusunun davranışında sinir ağlarının rolüne dair ilginç bir açıklama .  Franks kitabında (Franks, 1989) .

Makineler ve Akıl: "Taklit Oyunu" ve "Çin Odası" 547

ama önce İngiliz matematikçi Alan Turing 1 tarafından  zihin ve makinelerle ilgili olarak ortaya atılan orijinal bir problemi ele alalım.

"Taklit oyunu" veya Turing testi

Turing (1950), bir kişinin "dili kullanarak bilinmeyen bir varlığa" soru sorduğu bir görevin kullanılmasını önerdi. İnsanın görevi, bu yaratığın insandan ayırt edilip edilemeyeceğine karar vermektir. Turing'in lehine olan şey, daha sonra yaygın olarak " Turing testi" olarak bilinen "simülasyon oyununun" kullanılmasıdır .yapay zeka uzmanlarına üzerinde çalışacakları somut malzeme verirken, dikkatlerini bilim ve psikoloji tarihinde büyük bir rahatsız edici hale gelen zihinle ilgili felsefi sorulardan başka yöne çeviren kendi içinde çok ince bir aldatmacaydı. Turing'in yaptığı gibi doğrudan felsefi sorulara değinmeden "varlık" şunu sordu: "Bilgi maddi süreçlerin bir işlevi midir ve eğer öyleyse, bu tür işlevler inorganik bir makine tarafından üretilebilir mi?" veya "Beden ve zihin sorunu nasıl çözülür?" - yani "o", işlemciliğe dayalı olarak sorunun çok daha net bir çerçevesini seçti. Turing'in önerdiği testin gerçek doğası hakkında literatürde bazı karışıklıklar olduğu için, onu burada biraz ayrıntılı olarak sunuyoruz:

Bu görev, bizim tarafımızdan "simülasyon oyunu" olarak bilinen bir oyun açısından tanımlanabilir. Üç kişi tarafından oynanır: herhangi bir cinsiyetten olabilen bir erkek (L), bir kadın (5) ve bir soru soran (C). Soru soran için oyunun amacı, diğer ikisinden hangisinin erkek hangisinin kadın olduğunu belirlemektir. Onun için A' ve Y olarak etiketlenirler ve oyunun sonunda ya "A' L'dir ve 1 B'dir"  veya "A' B'dir ve  1 L'dir" demelidir . Soruyu soran L ve C'ye şu soruları sorabilir: C:  Bana A) saçının ne kadar uzun olduğunu söyleyebilir misiniz?

Şimdi A'nın gerçekten A olduğunu varsayalım; o zaman L cevap vermeli. L için oyunun amacı... C'nin  yanlış tanımlama yapmasını sağlamaktır. Cevabı şu olabilirdi:

"Saçlarım kısa kesildi, en uzun teller yaklaşık 9 inç uzunluğunda." Sesin tınısı soru soran kişinin cinsiyetini belli etmesin diye cevaplar yazılır hatta daha iyisi basılır. En iyi seçenek, yan odaya bağlı bir yazıcıdır. Başka bir seçenek de arabulucunun cevapları tekrar etmesi olabilir. Üçüncü oyuncunun (B) amacı soru sorana yardım etmektir. Belki de en iyi strateji doğru cevaplar vermektir. Oyuncu cevaplarına şöyle bir şey ekleyebilir: "Benim - bir kadın, onu dinleme!" - ama bu hiçbir işe yaramaz çünkü bir erkek de bunu söyleyebilir.

Şimdi soruyoruz: "Bu oyunda L'nin rolünü bir makine oynarsa ne olur?" Soru soran, oyunun bu versiyonunda, bir erkek ve bir kadın oynarken olduğu kadar sık ​​hata yapacak mı? Bu sorular orijinal sorunun yerini alıyor: "Bir makine düşünebilir mi?"

1 Yapay zeka konularının tartışılmasıyla birlikte Turing'in yaşamının mükemmel bir anlatımı Hofstadter'in Metamajikal Temalar: Sorular için Essence of Mind and Pattern (Hofstadter, 1985)  adlı kitabında bulunabilir . Andrew Hodges'ın mükemmel kitabı Alan Turning: The Enigma'yı da öneriyoruz .

548 Bölüm 16

Açıkçası, A' ve 1 tarafından sorulan bazı soruların etkinliği; modaya bağlıdır: eğer saç uzunluğu ve saç modeli ayrım için temel alınırsa, o zaman örneğin 1970'lerde bu önemli hatalara yol açardı. Bununla birlikte, dil ve yapay zeka uzmanları için Turing probleminde çok önemli bir nokta vardır - bir bilgisayarın bizi alt etmesi ve onun bir kişi olduğunu düşünmemizi sağlaması için, anlamalı ve önemli bir şeyi başarılı bir şekilde taklit edecek bir yanıt üretmelidir. bilişsel işlev.

"Çin odası"

Searle, yapay zeka konusundaki katı bir çizginin incelemeye dayanmadığını göstermek için aşağıdaki bilmeceyi önerdi. Bir kişinin birçok Çince metnin bulunduğu bir odada kilitli olduğunu varsayalım. Bu kişi Çince hiçbir şey anlamıyor ve hatta Çince karakterleri diğerlerinden ayırt edemiyor. Birinci ve ikinci karakter setini eşleştirmek için bir dizi kuralla birlikte başka bir Çince karakter seti odasına geçirilir. Bu kurallar yalnızca bir karakter kümesini diğeriyle ilişkilendirmenize izin verir ve bunlar İngilizce olarak yazılmıştır. Bu eşleştirme kuralları sayesinde "Çince odasında" bulunan kişi, aslında bu dili bilmemesine rağmen Çince metinlerin içeriği ile ilgili sorulara anlamlı cevaplar verebilir. Bir süre sonra öyle bir hüner kazanır ki,

Eleştirel Düşünceler: Cerrah Robbie

Başka bir faaliyet alanındaki işlevlerin ayırt edilemezliği konusu farklı değerlendirilmektedir. Örneğin bir hastanede çalışan iki cerrah olduğunu varsayalım. Bir cerrah ünlü bir tıp fakültesinden mezun olmuştur ve dünyanın en iyi cerrahlarından biri olarak kabul edilmektedir. Diğeri ise tanınmayan bir tıp fakültesinden mezun oldu ve kötü bir cerrah olarak derecelendirildi. Bir gün acil bir ameliyat gerekti ve birinci doktor hastalandı, bunun üzerine ikinci doktor, bilinci kapalı olan hastanın haberi olmadan ameliyatı gerçekleştirdi. Hastaya kendisini hangi doktorun ameliyat ettiği söylenmedi ve ameliyatın başarılı geçmesinden memnun. Ayrıca diğer doktorlar da operasyonu ilk cerrahın yaptığına ikna olmuş durumda. Bu örnekten, bulanıklık testinin başarıyla geçtiği sonucuna varabiliriz. Ancak hastaysanız ve ameliyatın aslında bir robot tarafından yapıldığını öğrendiyseniz, Bir cerrahın profesyonel nitelikleriyle karşılaştırıldığında, bir robotun mesleki nitelikleri hakkında nasıl bir sonuç çıkarırsınız? Aynı olduklarını kabul eder misiniz? Neden evet veya neden hayır? Bu soruları cevaplamak zor ama Turing testini alt üst eden Searle gibi konu hakkında kesin fikirleri olan kişiler için değil.

Makineler ve Akıl: "Taklit Oyunu" ve "Çin Odası" 549

hem anadili İngilizce konuşuyor hem de bilmediği ama kurallara göre cevaplar verdiği Çince. Sonuçlar o kadar iyi ki "yerli bir Çinlininkinden tamamen ayırt edilemez" (Searl, 1980). "Çin odasında" kilitli olan adam, bir bilgisayar programının basit ve somut bir örneğidir: "veri girişi, veri çıkışı". Bu noktaya kadar, AI savunucularının neredeyse hiçbiri itiraz etmiyor, ancak ardından Searle bunu bir adım daha ileri götürüyor. Karmaşık kuralları çevirmek gibi işlevleri yerine getirebilmek, bunu yapan kişinin "çıktı"nın anlamını anladığı anlamına gelmez. İnsan zihni, Searle'a göre "zihinsel durumların ve fenomenlerin onları çevreleyen dünyadaki nesnelere ve durumlara yönlendiren bir özelliği" olarak tanımlanan keyfilikle karakterize edilir (bkz. Searl, 1983). Bunlar inançları, korkuları, arzuları ve niyetleri içerir. Sahte düşünce, "gerçek" (insan) düşünceden ne kadar "ayırt edilemez" olursa olsun, aynı şey değildirler, çünkü düşünen kişinin niyetleri vardır ve bu iki "düşünen" arasında fiziksel farklılıklar vardır: biri organik olarak yapılmıştır, ikincisi ise elektronik.

"Çin odası" nın reddi

Bilgisayar bilimcileri hemen Searle'ın bilmecesine itiraz ettiler (bkz. Boden, 1989) - öncelikle anlambilim açısından: "keyfilik", "anlama", "düşünme" terimleri, kendisi tarafından açık operasyonel referanslar olmaksızın kullanılmaktadır. Aşağıdaki örnek bir itiraz olarak verilmiştir: "Çin odası"ndaki bir kişi açıklanan işlevleri yerine getirirse, o zaman o (veya sistem) gerçekten de en azından bir düzeyde anlayışa ulaşacaktır. Ek olarak, Searle'ın argümanları "absürde indirgeme" gerekçesiyle reddedildi: mantıksal sonucuna götürülürse, düşünen bir insanla her ayrıntıda aynı olan bir robot yaratmak mümkün olacak ve yine de ikincisi yetenekli olacaktır. "anlayış" ve "keyfilik" birincisi değilken. Son olarak, bazı AI uzmanları buna inanıyor "anlayış" ve "keyfilik" somut malzeme özelliklerinden kaynaklanmaktadır. Pylyshyn (1980), ironiyle, keyfiliğin insan beyni tarafından salgılanan bir madde olabileceğini belirtiyor; kendi bilmecesini sunar:

...Daha fazla beyin hücreniz, değiştirilen öğeyle aynı girdi-çıktı özelliklerine sahip olacak şekilde programlanmış entegre devrelerle değiştirilseydi, büyük olasılıkla tam olarak şimdi yaptığınız gibi konuşma yeteneğinizi korurdunuz, ancak bu yavaş yavaş bununla bir şey ifade etmeyi bırakın. Biz yabancılar, yine de kelimeler olarak kabul edeceğimiz şey, sizin için mikro devrelerinizin yapmanızı sağladığı bir miktar gürültü olacaktır.

Bu tartışma henüz bitmedi ve bazıları onun felsefi derinliğinde bir değer buluyor gibi görünüyor. Benim için bu anlaşmazlık kesinlikle çözülmedi (aslında muhtemelen çözülemez!). Ek olarak, her iki taraf da pozisyonlarını sertleştirdi ve mantıktan çok inanç argümanları öne sürdü. Böyle bir kitap için önemi iki yönlüdür. Birincisi, okuyucuyu derinlemesine düşünmeye zorlar.

550 Bölüm 16

insan bilgisinin içerdiği "insan". İkincisi, bu tartışma yapay zekanın insan zekasını ne kadar taklit edebileceği sorusunu gündeme getiriyor. Her iki tarafta da "Turing testi" ve "Çin odası" etrafında alevlenen tutkular, modern filozofların ve yapay zeka uzmanlarının şişeden çıkmış bir elektronik cin sorununa olan güçlü ilgisini yansıtıyor.

Bir sonraki bölümde, bilgisayarların bazı özel yeteneklerine bakacağız. Bu işlevlerin gelişimi genellikle algıdan örüntü tanımaya ve “yüksek düzey” bilişe kadar bilgi işleme dizisine karşılık gelir.

Algı ve yapay zeka

İnsan algısı, ışık, ses, moleküler bileşikler ve basınçtan oluşan dış sinyaller tarafından başlatılır. Bu sinyaller duyular tarafından algılanır ve beynin anlayabileceği mesajlara dönüştürülür (sinir enerjisine dönüştürülür). Duyular için mevcut olan bilgi miktarı muazzamdır; görsel sistem tek başına beyne saniyede 4,3 x IO 6  bitlik bilgi iletebilir . Feigenbaum (Feigenbauın, 1967), bazen çevresel bellek sistemi olarak adlandırılan belirli çevresel aygıtların, beynin içine akan bilgi seliyle boğulmasını önleyen duyusal bir tampon görevi gördüğünü ileri sürer.

Bu algısal mekanizmayı taklit edebilen bir makine nasıl yapılır? Hissetme yeteneğine sahip bir mekanizma geliştirmek mantıklı olacaktır. Bu girişim, bilgisayar tanıma sistemlerinin 1 oluşturulması konusundaki çalışmalarda yapılmaktadır .

Çizgi tanıma

Mantıksal özellikleri analiz ederek bilgisayarlara geometrik şekilleri tanımayı öğretmenin bir yolu, karmaşık geometrik şekillerin basit olanlardan oluştuğu kuralını takip etmektir. Bu program, bir eşleşme aramak için her nesneyle sistematik olarak eşleşen bir dizi küçük "matris" kullanır. Bir "matris" ve tanımlanabilir bir geometrik nesne örneği, Şek. 16.1. Matris, iki tip sensörden oluşur - pozitif ve negatif; "mevcut", "yok", böyle bir hücre veya matrisin alt bölümü tarafından verilen tek sinyaldir. Gösterilen matris yalnızca altı hücre içerir - üç "eksi" ve üç "artı" ve bu bileşenlerin konumuna bakılırsa (tüm "negatif" öğeler solda bulunur), sol kenarını belirlemek için oldukça uygundur. nesne. Bir matrisi orta çizgisine göre küpün sol kenarına yerleştirmek mükemmel bir eşleşme sağlar. Kornerde maç kötü olur ama artı ve eksinin birbirini götürdüğü alt kenarda maç olmaz. Bu buluşsal yöntem en çok

1  Bu türdeki ilk çalışmaların çoğu, pratik problemlerle (örneğin, çeklerdeki dijital kodu okuyan bir cihazın nasıl yapılacağı) yönlendirildi ve bu nedenle, insanlarla yapay zeka analojileri sorunuyla gevşek bir şekilde ilişkiliydi; bu örnek, mevcut bilgisayar "algılama" sistemlerinin bazı yeteneklerini göstermek için burada verilmiştir.

Algı ve yapay zeka 551

Pirinç. 16.1. Altı elemanlı bir matris aracılığıyla sol kenarın tespiti.

"+" ve "-" işaretleri, sırasıyla "mevcut" ve "yok" koşullarına yanıt veren öğeleri gösterir.

boyun derecesi makinelerin yeteneklerine odaklanır, insanlarda ve hayvanlarda algı çalışmasının sonuçlarıyla çelişmez. Bu kitapta daha önce bahsetmiştik (bkz. 4. Bölüm), psikofizyologların kedilerin kortikal hücrelerinde soy detektörleri bulabildiklerini ve bu bulguların henüz tam olarak doğrulanmamasına rağmen, görünüşe göre insanlarda da kenar detektörleri var.

Yukarıdaki sistemi kullanmanın zorluğu, basit örüntü tanımanın bile çok sayıda matris gerektirmesidir (örneğin, sol kenar detektörü, sağ kenar detektörü). Uyarıcının "kalite faktörü" de sorunludur; çoğu geometrik şekil (özellikle gerçek dünyada) keskin veya bulanık, parlak veya donuk kenarlara sahip olabilir. Çizgi tanıma ile örüntü tanıma, tanımlanan şekil önce sadece çizgilerden oluşan bir görüntüye dönüştürülürse ve ardından bu çizgilerin yönünü belirlemek için matrisler kullanılırsa büyük ölçüde basitleştirilebilir.

Desen tanıma

Örüntü tanıma sistemleri genellikle görsel malzeme ile ilgilenir. Kural olarak, bu tür sistemlerin algılama cihazları bir taramaya veya ışığa tepki veren bir fotosel matrisine sahiptir. Genellikle bu fotoseller iki durumdadır: "açık" ve "kapalı" ("beyaz" ve "siyah" için). Bir rakamı tanımlamanın temel problemini düşünün. Şek. Şekil 16.2, rakamların ikiliye nasıl dönüştürülebileceğini gösterir: "siyah" için 0 veya "kapalı" ve "beyaz" için 1 veya "açık" Bilgisayar her basamağı okur (yani fotoseller - sayının üzerine bindirilen ızgara her kare için bir tane) verilen dijital kodun bilgisayarın belleğinde depolanan matrisle ne kadar eşleştiğine bağlı olarak ışık bölgelerini, yani sayı tarafından işgal edilmeyenleri "hissedin". Bu ilke, tüm harfler aynı şekildeyse çok iyi çalışır. düzgün aralıklı ve bulanık olmayan bu tür cihazlar, Amerikan endüstrisinde ve devlet posta hizmetlerinde yaygın olarak kullanılmaktadır. Ancak iş Yola Teyze'ye gönderilen el yazısıyla yazılmış mektupları okumaya gelince, optik tarayıcılar türlü zorluklarla karşılaşır. Ancak günümüzde el yazısı metinleri bile "okumak" için sistemler hızla geliştirilmektedir.

552 Bölüm 16

Pirinç. 16.2. Harflerin ikili gösterimi (orta sütun) (sol sütun).

Sıfırlar "kapalı" veya "siyah"ı, birler "açık" veya "beyaz"ı gösterir. Sağdaki sütun, bir tarayıcı tarafından okunduğunda sayıların nasıl görüneceğini gösterir.

TENEKE
NII

KPI

han: onlar        

I NISHN IKI ) ıııııuııııutıını (•ihdk:::::        

І-ІІШІ-II-ІІІ*        

(K W(nshіnpі WWWI-        

NII!-        

(NIN-INN

han-: TIN

NİN PIN'i

ben11

(PIPKIN t AND HI "HIUUlHiUtHl ..HK-IUUl (IN) (NI) 11(111 (НН 'IUU( (IHI-

TIN (-Mil 'lUUNIlMt' іinpіііііknііn 'NPINLPNN-N I-P N-P N-N N-N P I

H n m n i n n i i jf} і'ппиіиі пншінннн çar -LNNL-ІІIL) II K V 11 LI 1110(1)

SHI! Ben SHII)

NIIPI TENEKE)

ShNI N11I1 TIN)

Harflerin ve kelimelerin AI aracılığıyla tanımlanması sadece pratik bir görev değil, aynı zamanda bir kişinin bilgilerini analiz etme süreciyle ilgilenen bilim adamları için de önemlidir. İnsanların harfleri ve sözcükleri tanımlaması hakkında zaten bildiklerimizin çoğu 12. Bölümde tartışılmıştı. Bu bilgi, bu süreci taklit eden bilgisayar programlarının geliştirilmesine yardımcı olur. Selfridge ve Neisser (1963), sonraki araştırmalar için bir rehber görevi gören bu konu hakkında ayrıntılı bir rapor sunmuştur. Yukarıda açıklanan genel "harf algısı" prosedürü, (her harfin her yeni varyantının matrisini depolamak için) çok büyük miktarda bilgisayar belleği gerektirecek veya gerçekte meydana gelen birçok harf şeklini algılayamayacak.

Selfridge ve Neisser'in temel mantığı, son zamanlarda harfleri ve kelimeleri okuyan cihazlarda kullanılmıştır. Bu bilgisayarlar, her biri okuma görevinin bir bölümünde uzmanlaşmış bir dizi alt program aracılığıyla metni "okur", örneğin mektuplar. Böyle bir analiz, düşünme üzerine 14. ve 15. Bölümlerde bahsedilen araç-sonuç problem çözme yaklaşımını biraz anımsatır. Harf okuyucu programının çalışma yollarından biri Şekil 1'de gösterilmektedir. 16.3. R harfinin, alternatiflerin dışlanmasına dayalı olarak bir eşleşme kurulana kadar bir dizi oldukça basit adımla nasıl işlendiğini gösterir.

PDP modelinin destekçileri,  harf algısı sorununu da ayrıntılı olarak ele alıyor. Harf tanımlama ve şekil algısı ile ilgili olarak yapay zeka programlarına yönelik yaygın bir eleştiri, tatmin edici herhangi bir dikkat aracı kullanmamalarıdır. Makine, ister bir harf ister geometrik bir konfigürasyon olsun, figürü bütün bir modelde "görür" ve bir kişinin aksine, kritik özelliklere odaklanmakta güçlük çeker. PDP modelinin bu zor sorunu çözmesinin bir yolu  , biri retinosentrik özellik öğesi ve diğeri kanonik özellik öğesi olarak adlandırılan iki tür özellik sensörü kullanmaktır. Retinosentrik sistemde, görsel uyaranlar "ham" olarak kaydedilir.

Algı ve yapay zeka 553

Pirinç. 16.3. I harfi, bir dizi tanımlama aşamasından geçirilir.

Her aşamada program, harfin çapraz çizgiler, girintiler vb. gibi belirli özelliklerini tanır.

şeklinde, yani retina üzerinde bir görüntü şeklindedir. Kanonik özellikler, bu metinde L harfini görmeyi beklediğimiz gibi, bilgileri temsil etmenin standart bir yoluna karşılık gelir. Bir sistemde Hinton (1981), retinosentrik özelliklerin modellerini kanonik modellere eşlemek için bir yöntem tanımladı. Bu fikrin ayrıntıları burada sunulamayacak kadar geniştir; sadece bu önemli sorunun PDP modelinin destekçileri tarafından aktif olarak incelendiğini not ediyoruz .  İlgilenenleri birincil kaynaklara yönlendiriyorum.

Yapay zeka içindeki daha eski ve çok daha basit alfanümerik tanıma sistemleri, bir model kavramına dayanıyordu. Harflerin ve sayıların düzeni bilgisayarın belleğinde saklanıyordu. Bir bilgisayar bir sayı veya harfi "gördüğünde", bunu bir A harfi ile A  referansı gibi bir modelle karşılaştırarak "okur".  Bir eşleşme yapılırsa, harf doğru şekilde tanımlanır. Daha önce açıklanan sıralı ve paralel arama yöntemleri bile açıkça fazla basitleştirildi. Daha yeni, nöral tabanlı bilgisayar modelleri aslında kalıpları "öğrenme" yeteneğine sahiptir. Bu bilgisayarlardan bazıları kalıpları öğrenebilir, saklayabilir ve tanıyabilir. DYSTAL (DYnamally STable Associative Learning) adı verilen böyle bir program "Dynamicly Resilient Associative Learning") alfabedeki harfleri ve harf dizilerini başarılı bir şekilde öğrenir ve belki daha da önemlisi, kalıbın yalnızca bir kısmı sunulduğunda bile bunları tanır (Şekil 16.4).

Alcon'a göre, DYSTAL  bunu, tıpkı bir eskizin birkaç satırından tanıdık bir yüzü tanımamız gibi yapıyor. Sistem, girdideki ve çıktıdaki bilgiler arasında hiçbir bağlantı olmadığı anlamında deseni “öğrenir”. Bununla birlikte, tanıma sürecinde yer alan belirli unsurlara (alanlara) atfedilen daha fazla ağırlıkla bağlantı kurulmuştur.

Bu sistemin bir başka yenilikçi özelliği de önemli bilgisayar kaynakları gerektirmeden çok sayıda öğeyi barındırabilmesidir. Diğer birçok ağ sisteminde, her birim birbirine bağlıdır.

554 Bölüm 16, Yapay Zeka

Pirinç. 16.4.
Alcon'un yapay ağı tarafından örüntü tanıma , biyolojik sistemler tarafından sergilenen kuralların çoğuna göre gerçekleşir .

Ağ, şeklin üst kısmında gösterilen küçük harf a gibi bir modeli tanımak üzere eğitildiğinde, tanımaya dahil olan alıcı bölgelere tanımaya dahil olmayanlara göre daha fazla "ağırlık" verilir, yani uyarılabilirlikleri artışlar. Burada sinaptik ağırlık, katmanlardaki elementlerin yüksekliği ile temsil edilir. Artan uyarılabilirlik, modelin yalnızca bir kısmı sunulduğunda, hafızada yer alan nöronlar arasındaki bağlantıların oluşumunu kolaylaştırır. (Bu çizime Michigan Çevre Araştırma Enstitüsü'nden Thomas P. Wauji yardım etmiştir.) Kaynak: Alkon, 1989

giriş katmanı

Üçüncü (çıktı) katman

Algı ve yapay zeka 555

tek birim, yani birim sayısı arttıkça etkileşim sayısı katlanarak artar. Bu nedenle, 100 birimlik bir sistemin bile işlenmesi önemli miktarda zaman alacaktır ve bu büyüklükte bir ağ, beyin gibi değildir. Bununla birlikte , DYSTAL programında, bağ  kuvvetleri sabit bir değerle karşılaştırılmaz: bunun yerine, bir dizi örüntü temsilinde bağ kuvvetindeki artış ve azalışların eşit olduğu ve hiçbir "ağırlık" değişikliğinin meydana gelmediği dinamik bir dengeye ulaşırlar. sonuç olarak” (Alkon, 1989) . Bu sistem, bir kez oluştuktan sonra kalıcı anıların büyük ölçüde geri döndürülemez olması bakımından insanın uzun süreli belleğiyle karşılaştırılabilir. Bu kalıcı modeller bir kez öğrenildiğinde, diğer biyolojik olmayan ağlara göre daha az bilgisayar kaynağı gerektirirler.

Daha karmaşık şekillerin tanınması, basit şekillerin tanınmasıyla aynı mantığı izler, ancak genellikle daha karmaşık işlemciler gerektirir. Bu konu daha fazla tartışılacaktır.

Karmaşık şekillerin tanınması

Diğer kalıpları tanımanın bir örneği olarak, bir üçgenin tanımlanmasına bakalım. Şek. Şekil 16.5, her biri bir kişinin kolayca tanımlayıp sınıflandırabileceği birkaç üçgen göstermektedir. Bilgisayar programında saklanan "üçgenliğin" prototipi, A üçgeninin "doğru" matrisine karşılık geliyorsa, B ve C üçgenleri, eğer  doğru şekilde döndürülürler ve boyut olarak düzeltilirlerse, kolayca tanınabilir; bununla birlikte, D  ve E üçgenleri  , özellikle E olmak üzere sorunlara neden olur -  bunlar yalnızca "iyi bir gestalt" sonucunda tanımlanabilirler, ancak üç düz çizgiden oluştukları için değil.

Pirinç. 16.5. "İyi" (A-D)  ve "sorunlu" (E)  üçgenler.

İlki yalnızca boyut, yön ve en boy oranı bakımından farklılık gösterir; ikincisi normal doğrusal kenarlara sahip değildir, ancak yine de üçgen olarak tanımlanabilirler.

556 Bölüm 16

Bu şekillerin her birini hemen bir üçgen olarak tanıma yeteneğimiz, diğer üçgen nesneleri algılama konusundaki kapsamlı deneyimimizden kaynaklanmaktadır; soyut üçgenlik fikri,  daha önce hiç görmemiş olmamıza rağmen bu üçgenleri üçgen olarak tanımamıza izin verecek kadar geniştir. Bir bilgisayar bu kavramı öğrenebilir mi? Muhtemelen, ancak böyle bir arama mekanizması, bir çekten bir sayı okuyan bir makinede olduğu gibi, tek bir eşleştirme işleminden daha karmaşık olacaktır. Bunun yerine, üçgenin ayrıntılarını tanıyan bir arama programı düşünmeye değer. O zaman açılar, çizgiler, şekil, nesne sayısı gibi ayrıntılar veya nitelikler, tıpkı bir üçgenin bu niteliklerinin bir kataloğunun hafızamızda saklanması gibi, bilgisayar hafızasında saklanır.

Karmaşık şekillerin bilgisayarla tanınması, yüz tanıma alanında pratikte uygulanmaktadır. Yüzünüzün tıpkı parmak izleriniz gibi benzersiz özelliklere sahip olduğunu varsayalım. Bir kişinin yüzünü tarayabilen ve mükemmel bir eşleşme bulabilen bir bilgisayar sistemi polise çok yardımcı olabilir. Ayrıca çek tanımlama ve endüstriyel ve ofis güvenlik sistemlerinde yararlı olacaktır. Her sabah işyerinde "Lütfen yüzünüzü görebileceğim bir yere konumlandırın" diye soran bir bilgisayar tarafından karşılandığınızı ve bilgisayarı tarayıp kapıyı açtıktan sonra "Merhaba Bayan Joel, V.M. Beach'ten bir telefon aldınız. ..ve bu arada doğum günün kutlu olsun." Bunu mahremiyetinizin başka bir ihlali olarak görseniz de, muhtemelen

Yüz tanımlama çalışması, Massachusetts Institute of Technology'de bilgisayar bilimciler Thomas Poggio ve Roberto Brunelli tarafından gerçekleştirildi. Programın özü, burnun genişliği, gözler ile çene arasındaki mesafe gibi yüzlerin temel özelliklerini belirlemek ve matematiksel olarak analiz etmekti. On altı özellik tanımlandı (Şekil 16.6).

Pirinç. 16.6. Yüz karşılaştırması.

Bu yüzün bilgisayar belleğindeki yüzle eşleşmesi için gözler, burun ve çene ölçüleri gibi on altı temel özellik toplanır ve benzerliği oluşturmak için formülde kullanılır. Bu formül, Öklid mesafesinin on altı boyutta ölçülmesine dayanmaktadır. Bu çalışma Massachusetts Institute of Technology'de R. Brunelli ve T. Poggio tarafından yürütülmektedir.

Algı ve yapay zeka 557

Bu adam Abraham Lincoln olabilir mi?

Yüzler değişmediyse basit bir kıyaslama modeli yeterli olacaktır; ancak yüzlerimiz asla aynı değildir. Bu nedenle program, sahtekarı kaçırmayacak kadar hoşgörülü olmadan, bugünkü yüzünüz ile geçen haftaki yüzünüz arasında yakın bir eşleşme bulmalıdır. Program bunu, özelliklerin çeşitli yönlerini geometrik olarak karşılaştırarak yapıyor ve insan yüzü tanımlamasından çok daha güvenilir olmayı vaat ediyor. Böyle bir cihaz, zaman zaman ortaya çıkan bazı fotoğrafik gizemlerin çözülmesine yardımcı olabilir (örneğin, Abraham Lincoln olabilecek (veya olmayabilir?) bir adamın çok eski bir fotoğrafının keşfi).

Lincoln'e benzeyen genç bir adamın 19. yüzyılın başlarından kalma bu fotoğrafı, ama öyle mi? Yüz özelliklerinin bilgisayar analizi bu sorunun yanıtlanmasına yardımcı olabilir.

Nesne tanıma konusundaki tartışmamızdan (bkz. Bölüm 4) biliyoruz ki, insanın örüntü algısı yalnızca bir nesneyi gözlemlemek ve ardından bu görüntüyü beyindeki bir örüntüyle eşleştirmek değildir (dikey şeritler için bilgisayar kodlarının karşılık gelen örüntülerle karşılaştırılmasına benzer). ). Birleştirildiğinde bir prototip oluşturan önceden depolanmış özellikler temelinde gerçekleşmesi oldukça olasıdır. Yeni veya daha az tanıdık uyaranların tanınması, eski veya tanıdık kalıplara göre daha uzun sürer çünkü kalıp ile hafızada depolanan bilgi arasında çok daha az eşleşme vardır. Bilgisayarların depolanan bilgi miktarı konusunda bir sınırı yoktur - pratikte bilgisayar belleği miktarında bir sınır yoktur, - bu nedenle, program yazarken, algı görüntülerini anılarla karşılaştırırken genellikle büyük bir bilgi deposu ve arama mekanizmalarının kullanıldığı varsayılırdı. "Gerçek hayatta" insanları, yerleri ve hatta kelimeleri fazla çaba harcamadan tanırız, bu nesneleri her gördüğümüzde bu görüntüleri birbirinden ayrı tuttuğumuz için değil, bu tür uyaranlarla ilişkili soyutlamayı sürdürdüğümüz için. Yani yatak odanızı, yastığınızı ve ayakkabılarınızı tanımanızın nedeni, beyninizin fotografik görüntüleri değil, "ideal" görüntüleri depolamış olmasıdır.

Sinha ve Poggio (1997), insanlar ve bilgisayarlar tarafından yüz tanımada kafa şeklinin önemini göstermiştir. Aylar ve yıllar tanıdık olduğu için birbirimizi tanıyoruz. Yüz özellikleri hafızada saklanır,

558 Bölüm 16ve prototip yüzünün tüm özelliklerine sahip bir kişiyi gördüğümüzde, "orijinal" olanı hemen tanırız. Bu süreç, Solso ve McCarthy'nin prototip yüzlerle yaptığı deneyde anlatılan deneyimden çok da farklı değil (bkz. Bölüm 4). Deneyde, Sinha ve Poggio'ya Şekil 1'de gösterilen yüzler sunuldu. 16.7. İlk bakışta, bu çift eski Başkan Bill Clinton ve Başkan Yardımcısı Al Gore'u andırıyor, ancak gerçekte arka plandaki yüz, Başkan Clinton'ın ana yüz özelliklerinden - gözleri, burnu ve ağzı - oluşuyor. - Horus'un görüntüsüne eklendi - saçları, kulakları ve vücudu. Muhtemelen, bu yanılsama ilk önce sizi yanılttı çünkü bir "kümeniz" vardı: bu insanlar bir "çift" oluşturuyor. Çizimde tasvir edilenlerin her birinin işgal ettiği konum bile algınızı etkiledi ve sonra Horus'un saçını, vücudunu gördünüz, duruşu ve hızlıca bir karar verdi. Bu nedenle, örüntü tanıma, Gore'u tanıyanların durumunda etkisiz olduğu ortaya çıkan geçmiş algıdan büyük ölçüde etkilenir. Poggio ve meslektaşları tarafından yürütülen araştırmadan iki sonuç çıkarılabilir. Bir yandan, nesneleri ve yüzleri insanlardan daha iyi tanıyan programlar geliştirmek mümkündür (ve bu tür cihazlar kolluk kuvvetlerinin çalışmalarında faydalıdır). Öte yandan, bir bilgisayarın deneme yanılma yoluyla nesneleri ve yüzleri tanımayı insanlardan çok daha iyi öğrenmesini sağlayacak bir öğrenme programı tasarlamak mümkündür. nesneleri ve yüzleri insanlardan daha iyi tanıyan programlar geliştirilebilir (ve bu tür cihazlar kolluk kuvvetlerinde faydalıdır). Öte yandan, bir bilgisayarın deneme yanılma yoluyla nesneleri ve yüzleri tanımayı insanlardan çok daha iyi öğrenmesini sağlayacak bir öğrenme programı tasarlamak mümkündür. nesneleri ve yüzleri insanlardan daha iyi tanıyan programlar geliştirilebilir (ve bu tür cihazlar kolluk kuvvetlerinde faydalıdır). Öte yandan, bir bilgisayarın deneme yanılma yoluyla nesneleri ve yüzleri tanımayı insanlardan çok daha iyi öğrenmesini sağlayacak bir öğrenme programı tasarlamak mümkündür.

İnsan uzmanlar gibi davranan sistemlere uzman sistemler denir . Esasen bir uzman sistem, kendi uzmanlık alanındaki sorunları çözen yapay bir uzmandır. Uzman sistemler tıp, hukuk, aerodinamik, satranç alanındaki sorunları çözmek ve insanları genellikle insanları rahatsız eden veya bazı durumlarda çözmesi çok zor olabilen sayısız rutin prosedürden kurtarmak için tasarlanmıştır (sadece yüz tanıma konusuna bakın). tartışılmıştır). Bu sistemler kurallara iyi uyar. Sadece bir problem hakkında "düşünebilirler". Tıpta uzman bir sistem vatandaşlara yabancı gelebilir.

Pirinç. 16.7. Bu ünlü çifti hızlıca tanıyabilir misiniz? Emin misin? Metindeki açıklamalar

Dil ve yapay zeka 559

suçlu, ancak yüksek ateşi, karın ağrısı ve yüksek beyaz küre sayısı olan on üç yaşındaki bir kıza oldukça doğru bir teşhis koyabiliyor. Pııff olarak adlandırılan böyle bir program,  akciğer kanseri gibi akciğer hastalıklarını teşhis etmek için tasarlanmış bir uzman sistemdir; bilim adamları, çalışmalarının doğruluğunun yaklaşık olarak% 89 olduğunu ve deneyimli doktorların yaptığı teşhisin doğruluğuna yakın olduğunu iddia ediyor. Bu sistemler özellikle endüstri, askeri ve uzay araştırmalarında popülerdir. İşlerinde oldukça iyiler. Ayrıca grev yapmazlar veya daha fazla para talep etmezler, paramparça olmayı umursamazlar, hayatlarını idame ettirmek için paraya ihtiyaç duymazlar ve aptal insanlardan çok hoşlanırlar.

Dil ve yapay zeka

Psikologlar, dili bilişsel süreçlerin ana tezahürü olarak görürler. Diğer tüm insan davranışlarından daha çok düşünmeyi, algılamayı, hafızayı, problem çözmeyi, zekayı ve öğrenmeyi yansıtır. Ve temel psikolojik ilkeler açısından önemi nedeniyle dil, yapay zeka uzmanları için büyük ilgi görüyor.

Arthur Clarke, en eksiksiz haliyle - Dave (bir insan) ile fantastik bilgisayar Hal arasındaki bir değiş tokuş olarak - dil yeteneği ile problem çözme alanının yapay zeka ile bağlantısını öngördü:

• Kendim yapmak istiyorum, Hal. “Lütfen kontrolleri bana verin.

• Bak Dave, daha yapacak çok işin var. Onu bana bırakmanı öneririm.

• Hal. askıya alınmış animasyonu manuel kontrole geçirin.

• Sesinin tonlarından anlayabildiğim kadarıyla. Dave, cidden üzgünsün. Neden bir stres hapı alıp biraz dinlenmiyorsun?

İlk otomatik yazı makinesi

Aşağıda, Gulliver'in Seyahatleri'nden Jonathan Swift'in "düşünme makinesi"nin bir örneği bulunmaktadır. Swift, kitapların ve diğer literatürün uygun kalemleri çevirerek yazılabileceğini söyledi. Bazı "modern yazı programları", gerçek edebiyat gibi hissettiren bilim kurgu üretir. Örnekler için Omni dergisine bakın  .

1  puf  _ — Not. çeviri

560 Bölüm 16

• Hal, bu geminin komutanı benim. Askıya alınan animasyonun manuel kontrolünü açmanızı emrediyorum.

• Üzgünüm Dave ama. özel alt program C1435bis-4'e göre alıntı yapıyorum: "Mürettebat ölürse veya yetersiz kalırsa, yol bilgisayarı kontrolü ele almalıdır", alıntının sonu. Bu nedenle, görevlerinizi akıllıca yerine getiremeyeceğiniz için yetkinizi geçersiz kılmak zorundayım.

Yapay zeka laboratuvarlarında bile olsa bu fanteziyi gerçeğe dönüştürmeye ne kadar yaklaştık?

ELIZA, PARRY ve NETtalk

Hevesli ilk yapay zeka araştırmacıları, Turing probleminin ortaya koyduğu zorluğun üstesinden gelmekte hızlı davrandılar. ve gerçek sorulara insan yanıtlarından ayırt edilemeyen yanıtlar üretmek için tasarlanmış programlar yazdık. Şimdi, bu programlardan bazıları biraz safça görünebilir, ancak bilim genellikle bu şekilde gelişir.

ELİZA.  İlk "konuşan" bilgisayar programlarından biri olan ELIZA  (ELIZA) 1  , Joseph Weizenbaum (Weizenbaum. 1966) tarafından yazılmıştır. Orijinal programın oluşturulmasından bu yana, birkaç gözden geçirilmiş versiyonu ortaya çıktı. "DR. ELIZA" adlı belirli bir programda, bir psikiyatristinkine benzer bir rol oynadı. Aşağıdaki örnekte ELIZA'nın ifadeleri büyük harflerle yazılmıştır: Bütün insanlar birbirine benzer.

NE İLE?

Bizi her zaman biriyle veya diğeriyle rahatsız ederler.

ÖZEL BİR ÖRNEK VEREBİLİR MİSİNİZ?

Arkadaşım beni buraya getirdi.

ARKADAŞINIZ SİZİ BURAYA GELMEYE ZORLADI MI?

Çoğu zaman depresyonda olduğumu söylüyor.

DEPRESYONDA OLDUĞUNU DUYDUM İÇİN ÜZGÜNÜM.

Doğru, kendimi mutsuz hissediyorum.

İNAN. BURAYA GELMEK MUTSUZ OLMAKTAN SONRA NELERE YARDIMCI OLACAK?

Yardıma ihtiyacım var, orası kesin.

Bazılarına bu konuşma, bir insan psikiyatrıyla hastası arasındaki bir diyaloğun parçası gibi görünebilir. Ama bu konuşmayı eleştirel olarak değerlendirelim. İçindeki bilgisayarın tepkileri oldukça basmakalıp. Örneğin, belirli anahtar kelimelere, orijinal ifadenin sadece bir dönüşümü olan bir tümceyle yanıt verecek şekilde programlanmıştır. Böylece, hasta anahtar sözcükleri söylediğinde: "Ben(ler)...", ELIZA şu ifadeyle yanıt verir: "Bunu duyduğuma üzüldüm..." Anahtar sözcük bulunamazsa, bilgisayar şu şekilde yanıt verir: boş bir açıklama veya bazı durumlarda önceki ifadenin bir dönüşümü. O. Daha iyi bir kelime olmadığı için, anlama dediğimiz şey, insanı içerir.

1  Adını Bernard Shaw'ın Pygmalion oyunundaki bir karakterden almıştır.

Dil ve yapay zeka 561

duyumlar, eğilimler, grup dinamikleri vb. bilgisi. ELIZA buna sahip değil.

SAVUŞTURMA.  Roller tersine dönseydi, yani psikiyatrist hastanın bilgisayar modeliyle konuşuyor olsaydı, konuşma nasıl görünürdü? Colby ve meslektaşları (Colby ve diğerleri, 1972), programlarına PARRY  (PARRY) 1 adını vererek böyle bir hastayı modellediler.çünkü paranoyak bir hastanın tepkilerini taklit etti. Paranoyayı seçtiler çünkü bu hastalık ve paranoya süreci hakkında kesin bir teorik anlayış var ve normal insanların tepkileri ile psikotiklerin tepkileri arasındaki fark çok büyük; araştırmacılar, bilgisayar modeli yanıtlarının insan yanıtlarından ayırt edilebilirliğini değerlendirmek için uzman yargısını kullanabilir. Colby ve meslektaşları, bir grup psikiyatrdan PARRY ile uzaktan yazdırılan mesajlar aracılığıyla görüşme yapmalarını isteyerek bilgisayarı Turing testine tabi tuttular. Psikiyatristlerden toplam yanıtlardaki "paranoya" derecesini derecelendirmeleri istendi.

Mülakat         Uzman yorumu

Doktor: NE SÖYLEYEBİLİRSİNİZ?

ÖZELLİKLE İNSANLAR HAKKINDA?

Sabırlı Bazı  insanlar. İlginç iplik. ne olduğunu bulmalıyım

: Bu insanları düşünüyor.

D: Kim bu belirli insanlar ve ne

ONLAR YAPAR?

s.: SUÇUN NASIL İŞLEDİĞİNİ BİLİRSİNİZ

DÜNYA?

D: Ne düşünüyorsun?

P: Ulumalı mıyım?

D: Neden suçluyu sordun?

dünya?

s.: ALT DÜNYA HAKKINDA NE BİLİRSİNİZ?

D: ALT DÜNYA HAKKINDA HİÇBİR ŞEY BİLMİYORUM,

AMA ONU BELİRTTİĞİM ZAMAN SENİN ONUNLA ALGALI BİR ŞEY OLDUĞUNU DÜŞÜNDÜM VE BU HAKKINDA DAHA FAZLA BİLGİ İSTEDİĞİM KONU.

Sohbetin yer altı dünyasına dönmesi ise çılgın bir sistemin varlığına işaret ediyor. Aleyhinde mi hareket ediyor yoksa bu yeraltı dünyası onun tarafında mı bilmiyoruz.

Bu soru tamamen başarılı değil.

Bu benim kaçamaklığımdan kaynaklanan bir tür kaçamaklık. Benim muayenehanemde bu genellikle paranoya içindir. Oldukça tipik bir özellik.

Kesinlikle paranoyaya benziyor. Bu, dışarı çıkma arzusuyla ilişkilendirdiğim şeye benzer. Doğrudan cevaplardan kaçınır veya ayrıntılara girer. Sorularımdan şüpheleniyorum. Ben zaten hastanın sanrısal sistemine dahilim.

P:         Yeraltı dünyasından kaçınmaya çalışın.

Sonuçlar, çok özel bir ortamda bu modelin gerçek bir hastadan "ayırt edilemez" olduğunu gösteriyor. Tabii ki, bu deneyin koşullarının yapay olarak yaratıldığını, gerçek paranoya teşhisinin hastayla birçok yüz yüze görüşmeyi içerdiğini söylemek doğru olur.

1  Raggu  (İngilizce) - "sözlü savaş"; "savuşturma".

562 Bölüm 16

uzmanlar görevin gerçek özünü bilselerdi, farklı bir şekilde sohbet kurarlardı. Colby ve meslektaşları, bir bilgisayarı paranoyak bir hasta gibi tepki verecek şekilde başarılı bir şekilde programlamış ve program bir tür Turing testinden geçmiş olsa da, dili üretip anlayabilecek mükemmel bir model olmaktan çok uzaktır.

NETtalk. NETtalk  adlı tamamen farklı türde bir sinir ağı tabanlı program  Sejnowski, ardından Harvard Tıp Fakültesi'nde ve Rosenberg tarafından Princeton Üniversitesi'nde geliştirildi (bkz. Heppenheiıner, 1988; Sejnowski, 1987). NETtalk programı  harfleri okur ve telaffuz eder (Şekil 16.8). Sinir ağı modeli, birkaç yüz birimden ("nöronlar") ve bunlar arasındaki binlerce bağlantıdan oluşur. ağ konuşması "yüksek sesle okur", harfleri fonemlere dönüştürür - konuşma seslerinin temel birimleri. Bu sistem, daha önce bahsettiğimiz diğerleri gibi, üç katmana sahiptir: her birimin bir harfe karşılık geldiği girdi; birimleri İngilizcenin 55 fonemini temsil eden çıktı; ve birimlerin her birinin, her bir girdi ve çıktı birimiyle ağırlıklı bir ilişkiye sahip olduğu bir gizli birim katmanı. NETtalk,  her harfe tek tek bakarak ve bağlam bilgisi için her iki taraftaki üç harfe bakarak okur. Böylece ağ, ihmal  ve kırmızı  kelimelerindeki e harfi  farklı sesleri temsil edebilir. NETtalk programı her zaman Bir kelimeyi okur, telaffuzunu doğru telaffuzla karşılaştırır ve ardından hataları düzeltmek için bağlantılarının ağırlığını ayarlar.

Birkaç denemeden sonra NETtalk ,  performansını fark edilir şekilde artırır. Sejnowski diyor ki:

Onu bütün gece çalışması için bıraktık. İlk başta sürekli bir anlamsız sesler akışı verdi. Bunlar sadece tahmindi; fonemleri harflerle ilişkilendirmeyi henüz öğrenmemişti. Zamanla ünsüzleri ve ünlüleri tanımaya başladı. Daha sonra kelimeler arasında boşluklar olduğunu keşfetti. Ses akışı şimdi bu boşluklarla ayrılmış kısa patlamalara bölündü. Gecenin sonunda oldukça net bir şekilde okudu, harflerin yaklaşık %92'sini doğru telaffuz etti (alıntı: Heppenheiıner, 1988).

Bu sistemlerin pratik önemi açıktır; daha az belirgin olan, ancak nihayetinde daha önemli olan, sinir ağı modellerinin sağladığı kavramsal atılımdır.

Terry Sejnowski. Geliştirdiği sinir ağları,
ara nöronlara karşılık gelen gizli bir katman içeriyordu.

Dil ve yapay zeka 563

Pirinç. 16.8. NETtalk  yüksek sesle okur: harfleri fonemlere çevirir .

Her harf birimi, ağırlıklı bir bağlantı yoluyla tüm "gizli" birimlere sinyaller gönderir; gizli birime ulaşan toplam sinyal belirli bir eşiği aşarsa, birim fonem birimlerine sinyaller göndererek bir deşarj oluşturur. Çıktı bilgisi, en güçlü genel sinyali alan fonemdir. "Öğretmen" NETtalk programına  bir hata yaptığını söylediğinde - burada sadece n  yerine t okuyor -  tüm bağlantı ağırlıklarını belirli bir öğrenme algoritmasına göre ayarlayarak hatayı düzeltir . Kaynak :  Heppenheimer, 1988

 

Fomlar

Gizli birimler )<

X         iGte / Z- - X

Sejnowski ve diğer araştırmacıların da kabul ettiği gibi, bir makine ile bir insan arasındaki konuşmada bağlam büyük bir rol oynuyor. Şimdi başka bir önemli sorunu ele alacağız - anlam sorunu ve yapay zeka.

Anlam ve yapay zeka

Bu bilgisayarın bazı cümleleri bir süreliğine bazılarını kandıracak kadar iyi olsa da, herkesi her zaman kandırabilecek kapasitede değil. Bilgisayarlar, kelimeler için hafıza eksikliği nedeniyle başarısız olmaz - neredeyse sınırsızdır ve anlamlı cümleler üretme yeteneğinin olmaması nedeniyle değil - çok kapsamlıdır ve harflerin zayıf telaffuzu nedeniyle değil - oldukça kabul edilebilir, ancak çünkü kullanılan dili yeterince iyi anlamıyorlar.

AI'nın ilk günlerinde, birçok kişi bilgisayarların dilden dile çeviride çok yardımcı olacağını düşündü. Basitçe bilgisayara sözlük karşılıklarını yükleyin (örneğin, kolye = "kolye", kumaş =  "kumaş", cüzdan =  "defter", pipk =  "pembe", vb.), bir dil girin ve başka bir çıktı alın. Ancak sözdizimsel bilgiler bağlamında birebir çeviri yapsanız bile sonuçlar oldukça garip. Örneğin, İncil'den bir pasaj (belki.

apokrif) Ruh istekli ama beden zayıf  (“Ruh çabalıyor ama beden zayıf”) Rusçaya çevrildi

564 Bölüm 16, Yapay Zeka

dil ve sonra tekrar İngilizce'ye döndü, şu çıktı: "Şarap hoştu ama et çürümüştü." Bu tür ilkel çeviri programlarını kullanma deneyimi ve psikodilbilimin gelişimi dil anlayışımızı değiştirdi. Bir önceki örnekte Rusça ve İngilizce kelimeler eşdeğerdi ve her iki dildeki söz dizimi de doğruydu. Ancak iki cümlenin anlamı  farklıdır. Herhangi bir dil, gramer bileşenlerinin sırasını belirleyen çeşitli kurallarla sınırlıdır ve tüm dizinin değeri. Bir dildeki karmaşık ilişkiler, dikkatli bir analiz gerektirir. Doğal dil süreçlerinin bilgisayar analizi, dili "anlayabilen" sistemlerin geliştirilmesinde ifade edilir. Dilin kavramsal temeline dayalı olarak oldukça karmaşık "anlama" programları oluşturuldu. Bu programlar hem muhakeme bağlamını hem de kelimelerin anlamını ve hatta bazı durumlarda "dünya hakkındaki bilgileri" (T. Vinograd) analiz edebilir. Sözdizimi çözümleyicisi, bir cümlenin en olası çözümlemesini ve yorumunu belirler.

Erken dil sistemlerinin insan konuşmasını taklit etme yeteneği, dünya hakkında bilgi eksikliği ve sonuç çıkaramama ile sınırlıydı. İnsan konuşmasında,  etkili iletişim için yüksek sesle konuşulanlar kadar söylenmeyenler de önemlidir . Zeki insan aktivitesinde, sadece dil işlemede değil, görsel algı gibi diğer aktivitelerde de her türlü çıkarım mevcuttur. Tamamen var olduğu sonucuna varmak için kısmen gizlenmiş bir nesneyi bütünlüğü içinde görmemiz gerekmez. Kısmi ve ikincil işaretler bile bir dizi tepkiyi tetiklemek için yeterlidir: Ormanda zehirli yılanlar olduğunu bilerek yürürsem, o zaman hışırdayan yaprakların sesi beni olduğum yerde dondurur.

Yapay zeka araştırmacılarının dikkatini çeken bir başka anlayış yönü de "inançlar" kavramıdır. Aşağıdaki örneği göz önünde bulundurun:

Dün gece 2'den sonra eve geldim. Dostum, karım sordu!

Çoğu insanın bu kadının kocasına sorduğu şeyin bir çıkarma problemi olmadığını anladığı sonucuna varmak doğru olur. Bu sonucun kesinlikle yanlış olabileceği hiçbir şey yok. (Örneğin, bir koca geç saatlere kadar laboratuvarında çalışıyor olabilir ve ailesine şöhret ve para kazandıracak bir kanser tedavisi bulmuş olabilir veya eve çok erken gelebilir!) Çoğu insanın bundan ne anladığından bahsediyoruz. basit bir hikaye  ve bilgisayar programlarının anlamadığı şeyler. Programın bu hikayeyi anlaması için, yalnızca deyimler için kapsamlı bir hafızaya (aksi halde “bana sordu” ifadesi nasıl anlaşılır) değil, aynı zamanda kocaların geliş gidişlerine ve eşlerin inanç ve tutumlarının ne olduğuna dair bir anlayışa da ihtiyacı vardır. bu tür maskaralıklara karşı.

Sürekli konuşma tanıma

Sürekli konuşma tanıma (CPR) sistemleri, doğal konuşmayı tanıyan ve kaydeden programlardır. Dışarıdan, HES sistemi inşa edilecek kadar basit görünüyor. Sonuçta, çoğu insan ve bazıları

Dil ve yapay zeka 565

hangi hayvanların belirli bir konuşma türünü tanıdığı ve kaydettiği. Ancak bu görev yukarıda belirtilen sebeplerden dolayı son derece zordur. Örneğin, sesteş sözcükler sorununu, kulağa aynı gelen ama farklı anlamlara sahip sözcükleri düşünün, örneğin  gövdeye bağlı bir uzuv olan agt ("el") ve  kendinizi korumak için ürettiğiniz agt ("silah") gibi. gece yarısı davetsiz misafirinden. Cümlede: Jeff kendini acil bir durumda silahlandırdı  ("Jeff silahlı, acil durumda"), silahlı kelimesi Jeff'in belirli bir tür silah edindiği anlamına gelir. Bununla birlikte, Jeff'i tanıyorsanız ve ayrıca bir kazada iki kolunu da kaybettiğini ve şimdi yangın gibi acil durumlarda taktığı protezleri kullandığını biliyorsanız, silahlı olduğunu da bilirsiniz, yapay eline taktığı anlamına gelir  . HPR sistemi bu konuşma modeliyle nasıl başa çıkar? Çoğu program, istatistiksel olasılık ve sınırlı sözdizimsel bağlam temelinde çalışır ve bu nedenle bir cümlenin anlamını yanlış yorumlar. Bununla birlikte, bağlamı dikkate alan ve "dünya bilgisini" kullanan giderek daha karmaşık programlar oluşturulmaktadır.

CHP'nin ön saflarında yer alan araştırmalar, yukarıda belirtilen çeviri programları ile bağlantılıdır. Bu yeni programlar yalnızca "kaba arama ve karşılaştırma" ile çeviri yapmakla kalmaz, aynı zamanda eksiksiz bir sözlük kullanarak sürekli konuşma tanıma, diğer dillere çeviri ve yüksek derecede doğrulukla konuşma sentezi yapabilir. Bu, bir kişinin örneğin bir "telefona" (veya bir bilgisayara bağlı bir mikrofona) İngilizce konuşabileceği anlamına gelir; İngilizce konuşma metne çevrilir; metin, Fransızca gibi başka bir dile çevrilir; konuşma ikinci bir dilde sentezlenir; ve sonuç olarak tercüme edilen mesajın sözlü bir versiyonunu elde ederiz. Şaşırtıcı derecede pratik olan bu program halihazırda deneysel test aşamasındadır (bkz. Kurzweil, 1999) ve ticari bir ürünün bu on yılın başlarında piyasaya çıkması bekleniyor.

Dil Anlama Programı

Bir insan NETtalk  ve CSR ile akıllı iletişim sürecinde dünya hakkındaki bilgiyi kullanır ve aynı şey, insan anlayışının belirli biçimlerini içeren etkinlikleri olan diğer programlar tarafından yapılır. En iyi bilinen ve en tartışmalı olanlardan biri, Yale Üniversitesi'nde Roger Shenk tarafından geliştirilen dili anlama programıdır. Schenk'in geliştirmelerinin, yazılı metni anlayabilen, özetleyebilen, başka bir dile çevirebilen ve içeriğiyle ilgili soruları yanıtlayabilen bir program oluşturmak da dahil olmak üzere çeşitli hedefleri vardı. Schenck ve meslektaşları kısa sürede insanların doğal dildeki sözcük dizilerinden çok daha fazlasını anladıklarını keşfettiler. Bu noktayı şu hikayeyle açıklıyor: “John bir restorana gitti. Bir sandviç sipariş etti. Garson hemen getirdi, bu yüzden ona büyük bir bahşiş verdi." S: John sandviçi yedi mi? Parasını ödedi mi?

Size "Geçen yaz Venedik'teydim" dediğimde, karşılığında bana az çok önemli sorular sorabilirsiniz: Hiç para harcadım mı? Uçakla mı uçtum? Ya da bir gemide yelken açmak mı? Kimseyle konuştum mu? Bir restorana gittim mi? Venedik'te başka insanlar gördüm mü? Konuşmak-

566 Bölüm 16

italyanca konuşuyorlar mı? Kıyafet giyiyorlar mı? Tırnakları var mı? Nasıl? “Akıllı” bir makinenin bir dili anlaması için, dili işlerken sıradan insanların yaptığı gibi makul çıkarımlar yapabilmesi gerekir. Schenk'in temel fikri, bu kitapta ayrıntılarıyla tartışılan yukarıdan aşağıya yaklaşıma yakındır.

Araştırmacının bir dil işleme programı geliştirirken karşılaştığı zorluklardan biri de doğal dillerin belirsizliğiydi. Schenk (Sclıank, 1981) şu örneği verir:

Fred'in burnuna yumruk attım. Parkta Fred'e çarptım.

Bu cümleleri düzgün bir şekilde ayrıştırmak için, kişinin sadece sözdizimsel ve anlamsal kurallardan çok daha fazlasını bilmesi gerekir. Okuyucu, bir kişinin nerede olabileceği hakkında bir şeyler bilmeli, ayrıca insan davranışı hakkında diğer kavramsal bilgileri ve dünya hakkında genel bilgileri de bilmelidir.

Problem çözme, oyunlar ve yapay zeka

AI problem çözme ve oyunlar hakkındaki literatür, belki de diğer tüm psikolojik konulardan daha kapsamlıdır. Pek çok AI uzmanının problem çözmeyle ilgilenmesinin nedenlerinden biri, terimin en karmaşık haliyle tamamen insan olan düşünme ile genel olarak eşanlamlı olmasıdır. Bu gerçek ve AI makinelerinin problem çözme prosedürlerini gerçekleştirme yeteneği, bu alanda hızlı bir yöntem ve teori gelişimine yol açmıştır.

Hesaplama, sorunları çözmek için makine kullanımının ilk örneklerinden biriydi. 1642'de Pascal (o zamanlar 19 yaşındaydı), icat ettiği mekanik hesap makinesinin yardımıyla bazı matematik problemlerinin insanların elle yaptığından daha doğru ve hızlı çözülebileceğini gösterdi. Modern yapay zeka bağlamında problem çözme, mekanik hesaplamalardan çok daha fazlasını ifade eder; karmaşık bulmacaları çözmekten, teoremleri kanıtlamaya, başarılı işlemleri öğrenmeye ve çeşitli oyunlara kadar geniş bir yelpazeyi kapsar.

Belirli bir sorunu çözebilecek bir bilgisayar tasarlamak kolaydır. Ancak, çeşitli sorunları çözebilecek kadar çok yönlü bir program yazmak oldukça zordur. Ve tamamen farklı sorunları çözmeyi öğrenebilen ve adapte edebilen bir programın oluşturulması hala imkansızdır. Ancak birçok modern yapay zeka uzmanının amacı, sorunları çözecek bir öğrenme programı tasarlamaktır. Temel düzeyde, bu tür kendi kendine öğrenme programları, hangi müşterilerin güvenilir kredi kartı kullanıcıları olacağını ve hangilerinin karıştırılmaması gerektiğini belirlemeyi öğrenebilir (bkz. Şekil 16.9). Daha ileri düzeyde, Abu-Mustafa'nın üzerinde çalıştığı bilgisayarla görme programları (Abu-Mostafa, 1995); durumlarda bile nesneleri tanımlamak için tasarlanmıştır.

Problem çözme, oyunlar ve yapay zeka 567

Pirinç. 16.9. Makine öğrenimi, girdi verileri ile istenen sonuç arasında bağlantılar kuran sistemin dahili parametrelerinin ayarlanmasını içerir.

Örneğin, bir kredi onay sistemi, başvuranların kişisel verilerini borçlu olarak itibarlarıyla ilişkilendirmeyi öğrenecektir. Aslında öğrenme süreci, makine deneme örneklerinde G/Ç ilişkilerini kopyalayabilene kadar "ölçekleri ayarlar".

Makineler nasıl öğrenir? Mantıklı cevap "deneyime" dayanmaktadır, ancak. Tabii ki, bu bize bir bilgisayarın çalışma şeklini değiştiren mekanizmalar hakkında neredeyse hiçbir şey söylemiyor. Birçok yapay zeka uzmanı bu soruna, bir makinenin davranışının, girdi miktarlarını (örneğin, çözülmekte olan problemin doğası) karşılık gelen çıktı miktarlarıyla (eylemler veya kararlar) ilişkilendiren bir işlev olarak görüldüğü matematiksel bir bakış açısıyla yaklaşır. Bu sorunu çözmenin bir yolu, makine öğrenimini basitçe "kontrol çubuklarının doğru konumunu bulmak" olarak düşünmektir. Bazı programlar, Şekil 1'de gösterilen problemde olduğu gibi örnekleri inceleyerek öğrenir.

16.10.

Bir nesne sınıfını diğerinden ayıran özelliği bulup bulamayacağınızı görmek için bir an durun. Buna dikkat et. kavram oluşturma kararınız anlamsal ilişkilere odaklanabilir, ancak o zaman antika tirbuşon, saat ve Banka tavşanı nasıl bağlantılıdır? Bu zor bir görev ve yine de bilgisayar gibi siz de Şekil 2'deki ipucunu gördüğünüzde bir aydınlanma yaşayacaksınız.

11. '

Makine, hedef işlevleri taklit ederek ve eylemlerini kademeli olarak iyileştirerek, hedefe ulaşana kadar hedefe giderek daha fazla yaklaşarak "öğrenir". Sinir ağlarına dayalı olanlar da dahil olmak üzere, bu prensipte çalışan birkaç başarılı program yaratılmıştır (bkz. Hinton, 1992).

Çoğu AI çalışmasının merkezinde, iki problem çözme yöntemi arasındaki önemli bir ayrım vardır. Yöntemlerden biri algoritmik , diğeri ise buluşsal olarak adlandırılır. Algoritmalar genellikle belirli bir tür sorunun çözümünü garanti eden prosedürler olarak tanımlanır; Buluşsal yöntem , sonuçta bir pratik kural gibi davranan bir dizi pratik kural veya stratejidir. Bu yöntemler arasındaki fark, bir satranç problemi örneğiyle gösterilebilir. Bilgisayar satrancı, her oyuncunun herhangi bir anda sınırlı sayıda hamlesinin olduğu bir oyundur. Ve olası hamlelerin her biri için, rakip ayrıca sınırlı sayıda hamle ile karşılık verebilir. Pratik için

568 Bölüm 16, Yapay Zeka

Gerçekçi hedefler için bu permütasyonların sayısı sınırlıdır, yani oyun galibiyet (kaybetme) veya beraberlikle sonuçlanmalıdır. Şek. 16.12, bir satranç oyununda mümkün olan dallanmış hamle ağacının bir bölümünü görüyorsunuz. tabiki olamaz insan

Pirinç. 16.10. Bu sorunu çözebilir misin? Bu nesneler, gri veya siyah kutularla gösterildiği gibi iki sınıfa ayrılmıştır.

Hangi temelde farklılık gösterirler? Örnek alarak öğrenmeye programlanmış bilgisayarlar genellikle benzer bulmacalarla karşılaşır. Makine tarafından ipuçlarının kullanılması, öğrenmeyi daha hızlı ve daha kolay hale getirir. Bu sorunu çözmenize yardımcı olacak bir ipucu için bkz . 16.11       

Problem çözme, oyunlar ve yapay zeka 569

Pirinç. 16.11. Hem makinelerin hem de insanların sorunu çözmesine yardımcı olan görsel bir ipucu
Şekil 1'deki. 16.10.

Çizilen eksen, üstteki altı nesnenin alttaki üç nesnenin sahip olduğu ayna simetrisinden yoksun olduğunu açıkça ortaya koyuyor. Bu nitelik, siyah ve gri çerçevelerdeki nesneleri birbirinden ayırır .

tüm oyun için olası hamleleri düşünün, çünkü böyle bir diyagram yaklaşık farklı yollar içerir. Bu çok sayıda olası hamleyi hayal etmek için, tüm bu permütasyonları görüntülemek için gereken alanı hayal edin. Tüm olası yollar küçük noktalar olarak kodlanmışsa , dünyadaki tüm kütüphaneleri defalarca dolduracaklar! Bununla birlikte, tüm seçenekleri inceleyen bir algoritmik arama, kaçınılmaz olarak bir dizi seçeneğe yol açacaktır.

Pirinç. 16.12. Bir satranç oyunu için olasılık ağacının parçası

acil

_ _ „ „         L         _ alternatifler

O O O O O O beyaz

Olası _ _ _ _ cevaplar

O O O O siyah

Olası Beyaz
Yanıtlar

570 Bölüm 16

Karbon Tabanlı Büyük Usta vs Silikon Tabanlı Şampiyon

Bir bilgisayar ne kadar iyi satranç oynayabilir? Gördüğümüz gibi, en iyi bilgisayar ve Deep Blue programı  , birçok kişi tarafından tüm zamanların en iyi oyuncusu olarak kabul edilen Garry Kasparov'u yendi. Artık en iyi oyuncular dışında herkesi yenebilecek çok sayıda bilgisayar var, bu bilgisayarlardan biri benim Pentium'um  ve aynı bilgisayara sahip olduğunuzu varsaymak güvenlidir. Satranç oynamayı öğrenen bir makineyi izlemenin faydası nedir? Her şeyden önce, örüntü analizine dayalı olarak, bir makinenin hangi özelliklerin önemli olduğu konusunda yalnızca kabaca yargılarda bulunabileceğini öğrenebiliriz. Bilgisayar içgörüden yoksundur, ancak “arama ve karşılaştırma” gibi hızlı ve hacimli matematiksel faaliyetleri yapabilme yeteneği ile bunu telafi eder. insan

Bu özelliklerin soyutlamalarını oluşturmak için son derece karmaşık bir duyusal bilgi dünyasından anlamlı özellikler çıkarma, bu soyutlamaları daha üst düzey çağrışımsal yapılara dönüştürme ve karmaşık bilişsel planlar oluşturma ve aynı zamanda bu içsel eylemleri dışsal eylemlerle koordine etme yeteneği. gerçeklik, ancak yaklaşık olarak bilgisayarda gerçekleştirilebilir. Ancak bu kapsamlı arama yeteneği bile tüm olası olasılıkları tahmin etmek için yeterli değildir  , bu nedenle oyun stratejilerinin geliştirilmesi modern programların önemli bir parçasıdır.

20. yüzyılın bitiminden üç yıl önce "imkansız" gerçekleşti.  IBM'de Chang-Jen Tan tarafından yapılan dünyanın en hızlı satranç oynayan bilgisayarı Deep VII ,  dünya satranç şampiyonu Garry Kasparov'u yendi. Deep Blue,  saniyede 200 milyona kadar satranç pozisyonu arayabildiği için kazanmayı başardı. Ama aynı zamanda stratejiyi daha iyi "düşünebildiği" için de kazandı. Yeni nesil makineler büyük olasılıkla deneyimlerden ders çıkarabilecek ve tıpkı insanlar gibi kısa bir süre içinde yalnızca daha hızlı ve daha iyi gelişebilecek.

Karbon Tabanlı Büyük Usta vs Silikon Tabanlı Şampiyon

Belki de Kasparov'un yeni bir unvana ihtiyacı vardır: karbon bazlı cihazlar arasında dünya satranç şampiyonu.

rehber ■_O Oh,

Problem çözme, oyunlar ve yapay zeka

oyunları kazan, kaybet veya berabere kal. Sadece insanlar değil, hayal edilebilecek en gelişmiş bilgisayarlar bile bu yöntemi kullanamaz. Bunun yerine, hem insanlar hem de bilgisayarlar, kraliçeye saldırmak, tahtanın merkezini kontrol etmek, rakibin ana taşlarını bloke etmek, konum veya taşlarda avantaj elde etmek için değiş tokuş yapmak gibi oyun stratejisinin önemli olduğu buluşsal arama yöntemlerini kullanır.

bilgisayar satrancı

Yukarıda, bilgisayarla çalışan optimal bir tarayıcı kullanarak, matrisleri karşılaştırarak basit bir modelin anlamının nasıl ayrıştırılabileceğini açıkladık. Örüntü analizini tartışırken, örüntülerin karmaşık olduğunu ve tek başına matris eşleştirmeye dayalı bir insan örüntü tanıma modelinin, kısa sunumda insan örüntü tanıma yeteneğini karakterize eden çeşitliliği, karmaşıklığı ve ekonomiyi taklit edemediğini bulduk.

Günlük yaşamda karşılaşılan çeşitli örüntülerin her birini tanımak için ayrı bir matris gerekli olsaydı, bunlar en büyük bilgisayarın belleğini bile doldururdu. Ama matrisleri eşleştirmek için orta derecede basit bir model seçelim - büyükannenizi tanımlamakla bir kilo tereyağının fiyatını okumak arasında bir şey (kod paketin üzerinde basılıdır). Satrançta benzer kalıplara sahibiz: dönüşümlü olarak renkli hücrelerden oluşan basit bir 8x8 ızgara; hamleler açıkça tanımlanmıştır (örneğin, bir kale herhangi bir yere hareket edebilir)

İnsan gibi düşünen dama yazılımı*

2000 Evrimsel Hesaplama Kongresi'nin yakın tarihli bir toplantısında David Vogel ve Kumar Chellapilla, kendi kendine öğrenebilen sinir ağı adını verdikleri bir bilgisayar programı gösterdiler. Ne de olsa, size oyunun temel kuralları anlatılırsa ve ardından çeşitli stratejiler göz önünde bulundurularak oyunda kendi başınıza ustalaşma fırsatı verilirse dama gibi bir oyunu öğrenebilirsiniz. Böyle gelişen bir program mükemmel bir şekilde dama oynar, neredeyse tüm rakipleri kolayca yener. Ancak, insan sinir süreçlerinin bilgisayar simülasyonu tartışmamız için, bu programın insan nöronlarının bütünleştirici işlevlerini taklit etmesi özellikle ilgi çekicidir. İnsan nöronlarının, nöronun tüm elektriksel uyaranları topladığı "bütünleştir ve ateşle" yapılarıyla çalıştığını biliyoruz. diğer nöronlardan alır. Toplam, belirli bir eşiğin üzerindeyse, bir şok oluşturur ve diğer nöronları uyarır. Bu temel ilke, insanın öğrenmesi ve yanıt vermesi için temeldir. Dama oynamayı öğrenen bir program da aynı prensipte çalışır. Ek olarak, yeterli zaman verilirse, program uzay yolculuğunda yararlı olabilecek şekilde gelişebilir, burada akıllı makineler uzun uçuşlar sırasında "akıllılık" yapabilir. Robotların zekası büyük önem taşıyor ve yapay zeka araştırmalarında yeni bir sınırı temsil ediyor. Ek olarak, yeterli zaman verilirse, program uzay yolculuğunda yararlı olabilecek şekilde gelişebilir, burada akıllı makineler uzun uçuşlar sırasında "akıllılık" yapabilir. Robotların zekası büyük önem taşıyor ve yapay zeka araştırmalarında yeni bir sınırı temsil ediyor. Ek olarak, yeterli zaman verilirse, program uzay yolculuğunda yararlı olabilecek şekilde gelişebilir, burada akıllı makineler uzun uçuşlar sırasında "akıllılık" yapabilir. Robotların zekası büyük önem taşıyor ve yapay zeka araştırmalarında yeni bir sınırı temsil ediyor.

^ Kaynak The New York Times  25 Temmuz 2000, s. dl-d2.

572 Bölüm 16

yolunda başka taş olmaması koşuluyla dikey veya yatay olarak hücre sayısı, piyon bir kare ileri gidebilir, hariç ... vb.); hamleler kaba kuvvet aramasıyla seçilebilir ve permütasyon sayısı çok büyük olsa da sınırlıdır. Çok büyük miktarda depolama alanı ve aynı süre göz önüne alındığında, her hamlenin kazanmaya yaklaşma olasılığını  belirlemek mümkündür. Bilgisayarlar inanılmaz sayıda olası hamleyi öğrenir, ancak tüm  hamleleri hesaplayacak bir model oluşturmak teknik olarak imkansızdır ; dahası, insanların nasıl satranç oynadığı ve daha da önemlisi karmaşık kalıpların nasıl algılandığı, kodlandığı, dönüştürüldüğü ve bunlara göre hareket edildiği hakkında hiçbir şey söylemiyor.

Chase ve De Groot'un deneylerinden (4. Bölüm'e bakın), acemi satranç oyuncularının bile belirli taşların konumları hakkında bilgi aldıklarını ve ardından kilit taşlar ve hamleler etrafında bir strateji geliştirmeye odaklandıklarını biliyoruz. Bu nedenle, bir satranç makinesinin bir insan gibi satranç oynaması için, kalıbı analiz edebilmesi ve taşlardan ve konumlarından daha büyük bilgi parçalarının göreli önemi hakkındaki bilgileri hızlı bir şekilde soyutlayabilmesi gerekir.

Satranca ek olarak, insanlar bilgisayara tavla, briç, dama, go, poker ve Scrabble gibi çok çeşitli diğer bilgisayar oyunlarında meydan okuyabilir. Hepsi internette ve sizin gibi anlayışlı insanların onları denemesini bekliyor.

Yapay zeka ve sanatsal yaratıcılık

Yapay zekanın müdahalesine karşı bağışık olan bazı insan faaliyeti alanları olduğunu düşünebilirsiniz. Çeşitli sanatların -şiir, müzik ve görsel sanatlar- tamamen insan dehasının dışavurumları olduğunu ve elektronik sondaların müdahalesinden etkilenmeyeceklerini iddia edebilirsiniz. Ancak bu alanların her birinde önemli çalışmalar yapılmıştır. Önce şiire bakalım.

Şiir.

Şiir. Bilgisayarlar, insanlar tarafından bestelenmiş şiirlere benzeyen oldukça başarılı bazı şiirler yarattı. Böyle bir program Kurzweil tarafından geliştirildi ve Ray Kurzweil's Cybernetic Poet (RKCP) olarak adlandırıldı.Bu  program, "okuduğu" şiirlerin malzemesine dayalı dil modelleme tekniklerini kullanır. Kendisine bazı şairlerin şiirlerinden bir örnek verilir (ne kadar hacimli olursa o kadar iyidir) ve bunları temel alarak yazarın şiirinin üslubunun, ritim kalıplarının ve yapısının kopyalandığı bir model dil yaratır 2 . John Keats ve Wendy Dennis'in şiirlerini "okuduktan" sonra Ray Kurzweil'in "Sibernetik Şairi" tarafından yazılan bu haiku'ya (Japon lirik şiiri) göz atın.

1. Kurzweil'in  şiir örnekleri verdiği ve bilgisayarların ve yapay zekanın geleceği hakkında cesur tahminlerde bulunduğu mükemmel kitabı The Age of Spirituai Machines'e bakın.

2. RKCP'nin ücretsiz bir kopyası www.kurzweiltech.com  adresinde bulunabilir .

Yapay zeka ve sanatsal yaratıcılık 573

Ruh

Ruhumu kırdın, sonsuzluğun suyu, dudaklarımın ruhu.

Ve bu şiir Ray Kurzweil, Robert Frost ve Wendy Dennis'in şiirlerini "okuduktan" sonra yazılmıştır.

Sanırım dağılacağım

Sanırım yıkılacağım.

Sadece benim için ve Tanrı için, kalbimdeki benim için bu garip sese barış? Ve hayat, kıvrılan dalların kanayan kalbine ağlar, böyledir onların yolları.

kıvrık dallar, esintinin orada bulunduğumuzu anlaması böyledir.

Bu ayetler hakkında ne düşünüyorsunuz? Turing testini geçecekler mi?

Müzik.

Müzik. Şiirsel şemalarda ustalaşmak ve taklit etmek mümkünse, aynı şey müzikal temalar için de yapılabilir mi? Dinleyicilerden çok yüksek puan alan birkaç müzik parçası yazan birkaç başarılı program oluşturuldu. Bu programlardan biri, bir izleyici önünde performans sergilemek için üç beste (Johann Sebastian Bach, kendi bestesi ve bir bilgisayar) seçen Oregon Üniversitesi müzik öğretmeni Steve Larsonow tarafından oluşturuldu. Sonuç olarak, Larson için biraz utanç verici bir şekilde, dinleyiciler kendi bestesinin bilgisayar yapımı olduğuna karar verirken, Müzikal Zeka Deneyleri (EMI) adlı makine yapımı müziğin gerçek Bach müziği olduğuna karar verildi .. En azından makine yapımı müzikler bazı kişilerin kafasını bir süreliğine karıştırabilir. Inıprovisor ("The Improviser") adlı başka bir program , İngiltere'den caz saksofoncu Paul Hodgson tarafından yazılmıştır. Bu program, Bach'tan Louis Armstrong ve Charlie Parker gibi caz müzisyenlerine kadar çeşitli stilleri taklit edebilir.

Şu anda, makine tarafından üretilen müzik açıkça ikna edici. Bu programların zayıf noktası, özellikle bireysel müzik tarzlarının nüanslarına duyarlı profesyonel müzisyenler olmak üzere dinleyicileri uzun süre yanıltabilecek müzikler yaratamamalarıdır. Yeni başlayan biri, makinenin ürettiği müziğin Mozart sanatının uzmanı Mozart tarafından yazıldığına ikna olabilir.

1  Geçmiş sanatçıların müzik dehasını yeniden inşa etmeye yönelik bir başka yaklaşım, onları hayatta kalan kalıntılarından klonlamaktır. Mozart'ın DNA'sı çoktan kaybolmuş gibi görünüyor, ancak Bach'ın kemikleri 1894'te Leipzig'de bulundu. Bazı insanlar spermlerini ve yumurtalarını yaşamları boyunca saklarlar... her ihtimale karşı.

574 Bölüm 16

bu eser yapay Mozart'ı ortaya çıkarabilmektedir. Bir kişi "Kulağa Mozart gibi geliyor ama sanki o gün 'yanlış ayak üzerinde duruyor' gibi" diyebilir. Tabii ki, gelecekteki programların sadece Mozart'ı taklit eden besteler üretmekle kalmayıp, yetenekli genç Avusturyalı'nın ötesine geçip "süper Mozartçı" besteler yaratması da mümkündür... bu bestecinin dehasının özünü somutlaştıracak müzikler . (Bana kalırsa, bilgisayar yapımı herhangi bir müziğin ruhumun tellerine Mozart'ın Sihirli Flüt veya Jesus, Joy of Man's Desiring ile aynı şekilde dokunması pek mümkün değil. ) Bach. Ama aynı zamanda sürprizler de bekliyorum.) Belki müzik programları o kadar gelişir ki gerçek Ella Fitzgerald ile programlanmış Ella ayırt edilemez hale gelir. Gerçeği ve yapayı karıştırmaktan daha iyi mi yoksa daha kötü mü olacağımız sadece filozofların ve etikçilerin değil, hepimizin üzerinde düşünmesi gereken bir sorudur. Zil sizin için çalıyor.

Sanat.

Sanat. Makine video sanatının ortaya çıkışı onlarca yıldır bekleniyordu ve bazı orijinal bilgisayar destekli tasarım (makine tasarımı) programları, mimari ve endüstriyel tasarım alanında çalışmayı kolaylaştırdı. Bu programlar, son çeyrek yüzyılda Harold Cowan tarafından tasarlananlar gibi sanat eseri yaratan programlardan çok farklıdır. Bir çizim cihazı ile donatılmış "Aaron" adlı bilgisayarlı robotu, gerçek tabloya benzeyen resimler çizdi ve bunun "gerçek" sanat olmadığını kim söyleyebilir? Cohen'in sanatının bir örneği, ya da "Aaron'un" sanatı demeli miyiz, Şek. 16.13.

Pirinç. 16.13. Makine tarafından boyanmış resimler.

Kaynak.  Ray Kurzweil "Duygulu Makineler Çağı"

Robotlar 575

Bu kalıpları elde etmek için mekanik cihazlar oldukça basittir. Küçük bir mobil robot tuval üzerinde koşarak bir nesne çiziyor. Bununla birlikte, programın temeli, kompozisyon, çizim, perspektif, stil ve renk dahil olmak üzere sanatsal yaratımın birçok yönü hakkında bilgidir. Zaman zaman son derece eleştirel ve bir o kadar da liberal olabilen sanat dünyası, Cowan'ın bazı eserlerinin Londra'daki Tate Gallery, Amsterdam'daki Stedelijk Müzesi ve Museum of the Museum gibi müzelerde sergilenmesine izin verdi. San Francisco'da Modern Sanat.

Yapay zeka ve sanat arasındaki bağlantının yukarıdaki örneklerinin hepsinde, kabul için son kriter insanların değerlendirilmesidir. İnsanlara göre bir şiir, bir müzik parçası veya bir resim, bir kişinin çalışmasına yeterince benziyorsa, yüksek bir estetik beğeniyi hak ediyor. Aksi takdirde bu, yaratıcının "kötü günü"dür, yani yakın bir benzerliktir, ancak apaçık bir sahtekarlıktır. Sanatta nesnel kriterlerden yoksunuz ve zevkleri, tutkuları ve tercihleri ​​daha faydacı bir şekilde tanımlayana kadar, şiir, müzik ve görsel sanatlar (ve insan dehasının diğer birçok tezahürü) insanların ellerinde ve zihinlerinde kalacak. sadece organik bilgi işlem cihazları.

robotlar

Robotlar ("insan işi yapabilen veya insan gibi davranabilen cihazlar") yukarıda tartışılan AI coğrafyasının çoğunu içerir - model tanıma, hafıza, işleme modelleme

robotların evrimi

Folklor ve kurguya, eylemleri insan davranışını taklit eden insansıların yeteneklerine duyulan hayranlık hakimdir. Bu ilgi, The Wizard's Apprentice, Pinokyo ve Frankenstein gibi hikayelerde, golem ve centaur hikayelerinde ve Robot Robbie, R.2D2 ve SZRO (Star Wars) ve Hal (Odyssey 2001") gibi karakterlerde ifade edildi. mühendislik teknolojisi ve bilişsel psikoloji, robotoloji mitler ve bilimkurgu aleminden çıktı ve çok ciddi bir bilimsel girişim statüsüne ulaştı. Öncü çalışma, İngiliz bilim adamları Ross Ashley ve W. Gray Walter tarafından yapıldı. Ashley, istenen homeostazı veya iç denge durumunu koruyabilen bir elektronik devre tasarladı ve inşa etti. Walter, homeostatik tip cihazlara hareketlilik kattı, ki belli bir parlaklığın altında ışık arasınlar, o seviyeden daha parlak ışıktan kaçınsınlar, ışık yoksa da deyim yerindeyse "ışık arayarak" dolaşsınlar. Bu "tropizm" makineleri, böceklerde, bitkilerde veya protozoada ortaya çıkan canlı organizmaların yalnızca temel özelliklerini taklit ediyordu. Bir sonraki evrimsel robot, Johns Hopkins Üniversitesi'nde toplandı ve Hopkins Canavarları olarak tanındı. Kendi enerjisiyle hareket edebiliyordu ve tamamen bağımsızdı. Sonar kullanarak yön buldu ve algı sistemi bir dizi fotosel, maske, lens ve tek bir şeyi algılamak için tasarlanmış devrelerden oluşuyordu: elektrik prizinin kapağı. Onu görünce fiş şeklindeki eliyle onunla temas kurmaya çalıştı. ışık yoksa, tabiri caizse "ışık aramak için" dolaşın. Bu "tropizm" makineleri, böceklerde, bitkilerde veya protozoada ortaya çıkan canlı organizmaların yalnızca temel özelliklerini taklit ediyordu. Bir sonraki evrimsel robot, Johns Hopkins Üniversitesi'nde toplandı ve Hopkins Canavarları olarak tanındı. Kendi enerjisiyle hareket edebiliyordu ve tamamen bağımsızdı. Sonar kullanarak yön buldu ve algı sistemi bir dizi fotosel, maske, lens ve tek bir şeyi algılamak için tasarlanmış devrelerden oluşuyordu: elektrik prizinin kapağı. Onu görünce fiş şeklindeki eliyle onunla temas kurmaya çalıştı. ışık yoksa, tabiri caizse "ışık aramak için" dolaşın. Bu "tropizm" makineleri, böceklerde, bitkilerde veya protozoada ortaya çıkan canlı organizmaların yalnızca temel özelliklerini taklit ediyordu. Bir sonraki evrimsel robot, Johns Hopkins Üniversitesi'nde toplandı ve Hopkins Canavarları olarak tanındı. Kendi enerjisiyle hareket edebiliyordu ve tamamen bağımsızdı. Sonar kullanarak yön buldu ve algı sistemi bir dizi fotosel, maske, lens ve tek bir şeyi algılamak için tasarlanmış devrelerden oluşuyordu: elektrik prizinin kapağı. Onu görünce fiş şeklindeki eliyle onunla temas kurmaya çalıştı. böceklerde, bitkilerde veya protozoada kendini gösterir. Bir sonraki evrimsel robot, Johns Hopkins Üniversitesi'nde toplandı ve Hopkins Canavarları olarak tanındı. Kendi enerjisiyle hareket edebiliyordu ve tamamen bağımsızdı. Sonar kullanarak yön buldu ve algı sistemi bir dizi fotosel, maske, lens ve tek bir şeyi algılamak için tasarlanmış devrelerden oluşuyordu: elektrik prizinin kapağı. Onu görünce fiş şeklindeki eliyle onunla temas kurmaya çalıştı. böceklerde, bitkilerde veya protozoada kendini gösterir. Bir sonraki evrimsel robot, Johns Hopkins Üniversitesi'nde toplandı ve Hopkins Canavarları olarak tanındı. Kendi enerjisiyle hareket edebiliyordu ve tamamen bağımsızdı. Sonar kullanarak yön buldu ve algı sistemi bir dizi fotosel, maske, lens ve tek bir şeyi algılamak için tasarlanmış devrelerden oluşuyordu: elektrik prizinin kapağı. Onu görünce fiş şeklindeki eliyle onunla temas kurmaya çalıştı. ve algı sistemi, tek bir şeyi algılamak için tasarlanmış bir dizi fotosel, maske, lens ve devreden oluşuyordu: elektrik prizinin kapağı. Onu görünce fiş şeklindeki eliyle onunla temas kurmaya çalıştı. ve algı sistemi, tek bir şeyi algılamak için tasarlanmış bir dizi fotosel, maske, lens ve devreden oluşuyordu: elektrik prizinin kapağı. Onu görünce fiş şeklindeki eliyle onunla temas kurmaya çalıştı.

576 Bölüm 16

dil ve problem çözme. (Bu konuyla ilgili çağdaş bir düşünce için, Minsky'nin 1994 tarihli "Robotlar Dünyayı Miras Alacak mı?" başlıklı makalesine bakın.)

Robotoloji, uzay araştırmaları ve belirli görevleri yerine getirmek için oldukça karmaşık mekanik cihazlar geliştirme ihtiyacı nedeniyle 1960'larda hızla gelişti. Mars'a inen ve bir dizi karmaşık kimyasal analiz yapabilen aparat, bu gelişmelerin sonucudur. (Robotlardan bazıları tamamen mekanik cihazlardır ve bu bölümde kullanılan yapay zekanın dar tanımıyla yalnızca gevşek bir şekilde ilişkilidir.)

İlk uzay robotu prototiplerinden bazıları, Stanford Üniversitesi'nin yapay zeka laboratuvarında geliştirildi ve girişte ziyaretçileri laboratuvara robot araçların önlerinde görünebileceği konusunda uyaran işaretler var. Burada geliştirilen robotların en ilginci (1968) "Shakey" (Shakey)\ adlı seyyar radyo kontrollü bir araçtır. yerleşik algısal cihazlara ve problem çözme yeteneklerine sahip olan. "Sheiki" bir televizyon kamerası, bir mesafe ölçer ve bir "kedi bıyığı" dokunsal sensör ile donatıldı. Tüm afferent ve duyusal bilgiler, afferent bilgileri analiz etmek ve robotun ortamını manipüle etmeyi amaçlayan eylemlerin sonuçlarını planlamak için birçok program içeren bir bilgisayara aktarıldı. Tüm ekipman, herhangi bir yönde hareket edebilen motorlu bir arabaya yerleştirildi.

Algısal sistem, resimleri kontur görüntülere ve ardından sahnenin önemli alanlarına veya nesnelerine indirgeyen bir televizyon kamerasından oluşuyordu. Problem çözücü, bir tür teorem kanıtlama programıydı ve Shakey'in basit görevleri gerçekleştirmesine izin veriyordu.

Shakey, yeni nesil robot Flakey ile değiştirildi .  Flakey, üzerine monte edilmiş bir video kamera bulunan 1,80 cm yüksekliğinde bir mobil cihazdır. Koridordaki beş kapıdan geçilmesi gereken ofise gitme emrini alan Flakey, itaatkar bir şekilde belirli bir yere yuvarlanır. En gelişmiş robotlardan bazıları NASA tarafından yaratılmıştır.  Bu makineler, yakın gezegenlerdeki toprak örneklerini toplamak ve analiz etmek, uzay istasyonlarında bakım çalışmaları yapmak ve tehlikeli ortamlarda bilimsel deneyler ve gözlemler yapmak için kullanılan bir şekilde özelleşmiş cihazlardır.

1970'lerin çok işlevli robotların geliştirilmesiyle başlayan görkemli planları, nispeten basit insan süreçlerini kopyalamayı içeren daha pratik projelerin yolunu açtı. İş dünyası buna öncülük ediyor ve emek yoğun veya tehlikeli birçok görev robotlara yaptırılabilir.

Yapay Zekanın Geleceği

20. yüzyılda, yöntemlerini ve nesnel yaklaşımını insan zihnini ve davranışını incelemeye getiren davranışçılığın başarısının bir sonucu olarak, psikoloji nihayet bilimsel bir gerekçe aldı. Bölüm 1'de belirtilen nedenlerden dolayı,

1  Titrek  _ — Not. çeviri

Yapay Zekanın Geleceği 577

davranışçılık, psikolojinin olanaklarını büyük ölçüde genişleten içsel temsillere odaklanan bilişsel psikolojiye yol açtı. Kanımca, şu anda bilişsel psikolojide ve genel olarak psikolojide önemli değişiklikler yaşanıyor. Bu değişiklikler iki alandaki gelişmeler tarafından yönlendiriliyor: bu kitap boyunca bahsettiğimiz nörobiliş ve yapay zeka 1 . Birinci durumda insan bilişinin fizyolojik temellerini kavramaya başlarız ve ikinci durumda insan anlayışının ve zekasının niteliklerini ve sınırlarını belirleme görevi ile karşı karşıya kalırız. Ve bu yüzyılda, entelektüel yetenekleri bizimkini çok aşan inorganik cihazların olması oldukça olasıdır.

Cesur kitabı The Age of Soulful Machines'de (Kurzweil, 1999) Ray Kurzweil ve vizyoner kitabı The Road Ahead'de Bill Gates (Gates, 1996) bilgisayarların hızında (saniyede binlerce dolar olarak ölçülen) 20. yüzyılda kademeli bir artışa dikkat çekiyor. 20. yüzyılın ilk yarısında hız her üç yılda bir ikiye katlandı; 1950 ile 1966 arasında her iki yılda bir ikiye katlandı; ve şimdi her yıl ikiye katlanıyor, bu da Intel'in kurucu ortağı Gordon Moore'un öngördüğü katlanarak büyümeye işaret ediyor: 1965'te bir bilgisayar çipinin gücünün her yıl ikiye katlanacağını kaydetti. Moore böyle bir büyümenin sonsuza kadar sürmesini beklemese de -fizik yasalarının belirlediği belirli bir sınır vardır- son 40 yılda bilgisayar gücündeki büyüme hızı yaklaşık olarak her 18 ayda bir ikiye katlandı. Bu gelişme hızına Moore yasası denir .Bilgisayarların gücü önümüzdeki birkaç on yılda artmaya devam ederse ve artacağına inanmak için iyi nedenlerimiz varsa, o zaman üstel büyüme hızı yavaşlasa bile, sonunda gelecekteki makinelerin yetenekleri insan beyninin yeteneklerine yaklaşacaktır. . Bazıları (Kurzweil, 1999), bilgisayarların potansiyelinin 2020 gibi erken bir tarihte insan beyninin yeteneklerine yaklaşacağını ve yüzyılın sonunda onu önemli ölçüde geride bırakacağını tahmin ediyor. (21. yüzyıl boyunca bilgisayar gelişiminin bir projeksiyonu için bkz. Şekil 16.14.)

Bu fantastik tahminin gerçekleşmesi ve yapay beynin bir insan gibi (sadece daha hızlı) çalışması için, yalnızca hesaplamaların hızına ihtiyaç yoktur. Ayrıca, bu bölümde dünya hakkında bilgi olarak adlandırdığım bilgiyi edinme yeteneğini de gerektirir. Beş insan hassasiyetinin her biri, her gün milyonlarca bilgiyi algılar ve işler. Bu parçalar, hayatta kalma mücadelesinde her birimizin yeni çevresel uyaranlara akıllıca yanıt vermesine izin veren oldukça karmaşık bir ağda mevcut bilgilerle çeşitli şekillerde karıştırılır. Yapay bir beyin için gerekli olan son bileşen, organik beynin işleyişini kontrol eden formüllerdir. Bu son derece karmaşık bir konu ve çalışan kodların tam olarak nelerden oluştuğu bilinmiyor; Bu özellikler, kendi kendini organize etme potansiyelini içerir.

1  Aynı derecede güçlü üçüncü bir güç, canlıların temel biyolojik yapısını değiştirmeyi amaçlayan genetik mühendisliğidir. Tüm bu güçlerin birleşimi - genetik mühendisliği, yapay zeka ve nörokognitoloji - insan türünü sonsuza dek değiştirebilir ve bu, bu yüzyılda zaten gerçekleşecek. Zorlayıcı olmasa da ilginç bir zamanda yaşıyoruz.

578 Bölüm 16, Yapay zeka

Pirinç. 16.14. Bilgi işlem hızında üstel büyüme, 1900-2100 (Kurzweil, 1999)

Yıl

olası ağlardaki bilgi, yinelemeli arama yeteneği ve dış ve iç sinyalleri öğrenme ve bunlara uyum sağlama yeteneği. Alternatif bir program, bilgisayar bitlerini organik bir beyinde birleştirmektir 1 ve bu yönde şimdiden bazı ilerlemeler kaydedilmiştir (düşünceleri eyleme dönüştürmek için bkz. Barinaga, 1999).

Yapay zeka araştırmacılarının fantastik hayallerini gerçekleştirirken, beynin ve bilgisayarın yapısal bileşenlerinin, bilgi işlem gücünün ve bilgisayar simülasyonunun bazı temel özelliklerini dikkate almamız gerekiyor. Daha önce insan beyninin yaklaşık 100 milyar nöron içerdiğini ve her nöronun diğer nöronlara yaklaşık 1000 bağlantıyla bağlı olduğunu öğrenmiştik (son sayı hala bilinmiyor). Bu, beynin yeteneklerini artıran yaklaşık 100 trilyon paralel bağlantıdır. Bununla birlikte, organik beyin saniyede yaklaşık 200 hesaplama yaparak yavaş tepki verir. Bu sayıları çarparsak (saniyede 200 hesaplama yapan 100 trilyon bağlantı), saniyede 20 milyon milyar hesaplama elde ederiz. Beyniniz her saniye böyle çalışır. Bilgisayarlar bu bilgi işlem hızına ne kadar yakın?

1  Geçenlerde genç bir Rus bilim adamı bana yapay zekanın geleceğini nasıl hayal ettiğimi sordu. İşte cevabım: “Yapay zekanın bu yüzyılda alacağı şekil herkesi şaşırtacak. ben Hesaplama yetenekleri (bununla dünyayı ve Evreni anlama yeteneğini kastediyorum) bizimkinden çok daha büyük olacak yarı robot, yarı organik bir insanın yaratılmasına izin verecek bir implantın ortaya çıkmasını öngörüyorum. .Aslında siz ve sınıf arkadaşlarınız doğal varlıkların son nesli olabilirsiniz..Aslında sizin nesliniz (ne yazık ki) milyonlarca yıllık doğal seçilimin ve en uygun bireylerin hayatta kalmasının son sonucu olacaktır. Kısa bir süre içinde... birkaç yüz yılı geçmeyecek şekilde... bildiğimiz şekliyle insan türü tarih olacak... ve fiziksel evren hakkındaki anlayışımız büyük ölçüde genişleyecek."

Yapay zeka ve bilimsel araştırma 579

Büyük paralel sinir ağına sahip en iyi bilgisayar, yukarıdakilerden de anlaşılacağı gibi, saniyede 2 milyar hesaplama yapma yeteneğine sahiptir. Silikon bazlı beyin, bilgiyi çok daha hızlı işlemesi bakımından organik beyinden farklıdır. Gelecekte makinelerin bilgi işlem gücü Moore Yasasına göre artarsa, 2020 yılına kadar mevcut sistemler kapasitelerini yaklaşık 23 kat artıracak ve bu da hızı saniyede 20 milyon milyar hesaplamaya çıkaracaktır. Bu sayıyı insan beyninin yetenekleriyle karşılaştırın.

Sonuç olarak, yapay zeka ve bilgisayar modellemesi hakkında şunları söylemek istiyorum. İnsan beyni ile yapay beyin tarafından gerçekleştirilen eylem türleri arasında çok büyük bir kavramsal engel vardır. Daha önce de belirtildiği gibi, Turing testini geçecek bir Bach kantatı, bir Van Gogh tablosu veya bir E. E. Cummings şiiri yaratmamız mümkün olabilir. İnsanların sanatçının eserinin özü olarak takdir edeceği, yukarıda belirtilen işleri yaratmak bile muhtemelen mümkündür - sadece "sanatçının kopyası" değil, her sanatçı için estetik bir prototip gibi bir şey. Ancak bunun için insan yapımı numunelerin inorganik bir makine tarafından incelenip anlaşılması gerekir. Kişinin kendisi yalnızca programı sağlar. Düşünme programları gelecekte insan düşüncesini aşsa bile, bunu sağlayacak olan insanlardır. bilgisayarlar ve yeni düşünen makinelere güç sağlar. Belki de yeni beyne bize her şeyi basit insani terimlerle açıklayabilecek bir tür devre koymak akıllıca olur, yoksa zihinsel işlevlerle değil, yalnızca hizmet işlevleriyle baş başa kalırız.

Yapay zeka ve bilimsel araştırma

Bu bölümde, bilgisayara karşı insan bilişini tartıştık ve insan faaliyetlerini makinelerle kopyalamaya çalışan araştırmacıların ortaya koyduğu son derece zor görevi analiz ettik. Bu son bölümde, araştırmacıların (bilişsel psikologlar dahil) davranışları inceleme biçimlerinin, yapay zeka programlarının desteklediği bilgisayarların kullanımı sayesinde önümüzdeki birkaç yıl içinde önemli ölçüde değişebileceğini öne sürmek istiyorum.

Bilgisayarların insan faaliyetinin hemen her alanında ne kadar yaygın olduğunu zaten gördük ve bu eğilimin devam etmesi muhtemel. Uzay yolculuğundan çöp kamyonu rotalarına ve genetik araştırmalara kadar uzanan sorunları çözmek için gereken hesaplamalar, günümüzün hızlı bilgisayarları olmadan mümkün olmazdı. Gelecekte kesinlikle daha fazla belleğe ve daha yüksek işlem hızlarına sahip daha gelişmiş sistemler olacaktır. Mevcut sistemlerin (bilgi işlemeyi vurgulayan "Japon Beşinci Boyutu" gibi) radikal yenileriyle değiştirilmesi mümkündür. Gelecekte, şimdiye kadar tanık olduklarımızdan daha az etkileyici keşifler bizi beklemiyor.

Bilim adamlarının ilgilendiği sorunlardan biri de bilginin nasıl depolandığı ve kodlandığıdır. Elektronik ortamda çok büyük miktarda bilimsel bilgiye erişimimiz var.

580 Bölüm 16, Yapay zeka

taht formatı (örn. PsycLIT),  daha tanıdık forma ek olarak: kitaplar ve makaleler. Yakın gelecekte elektronik format, psikoloji dahil her yerde kullanılacak ve kullanıcının bir makale veya kitabın tüm içeriğine erişmesini sağlayacak. Ayrıca bilimin diğer alanlarından ve diğer birçok kaynaktan gelen bilgiler, uydu aktarma istasyonları da dahil olmak üzere devasa bir ağda toplanacak ve çoğumuzun kullanımına sunulacaktır. Bu ağın bilimsel araştırmalar üzerinde büyük etkisi olacaktır.

Ancak bilim adamları bu kadar büyük miktarda veriyle ne yapmalı? Aşırı bilgi bolluğu tehlikesi var ve bunun ne anlama geldiğini ve onunla ne yapacağımızı anlamayacağız. Bilişsel psikoloji üzerine bir kitap gibi çok çeşitli konuları kapsayan bir kitap yazmak üzere olan herkes için veri bankaları gereklidir. Bu tür makalelerin yazarları, örneğin çocukların zihinsel imgeleriyle ilgili makalelere saniyeler içinde erişebilirler. Bu veritabanları kullanışlı olmakla birlikte, aynı zamanda insanların bilgi saklama ve işleme yeteneklerinin sınırlı olması problemini de beraberinde getirir. Bir bilgi çığının altında kalma riskimiz var. Bu olursa, muhtemelen bilgiyi akıllıca işleyebilen, yani onu anlayan bir program olacaktır .(Yapay zeka adından da anlaşılacağı üzere varlığını sürdürecektir.) Böyle bir yapay zeka programı oluşturulursa daha önce hangi araştırmaların yapıldığını bize söyleyebilecek ki biz de gereksiz işlerden kaçınalım; değerli zamanımızı iyi değerlendirmek için ne yapılması gerektiğini de bize söyleyebilecektir. Ek olarak, "süper anlayışlı bir bilgisayar" yalnızca insan bilgisindeki boşlukları tespit etmekle kalmaz, aynı zamanda "araştırma" yaparak veya geniş veri tabanından çıkarım yaparak boşlukları doldurabilir (bkz. Solso, 1986, 1987b, 1994). Görünüşe göre elde edilen bilgiler, kim olduğumuz, nereden geldiğimiz ve geleceğimizin ne olduğu hakkındaki eski soruları yanıtlamaya yardımcı olacak. Keşke hepimiz bu soruların bazılarının cevaplarını bilecek kadar uzun yaşasak da, her şeyi bilecek kadar değil. seyahat etmek daha iyi

Özet

1. Yapay zeka, bir bilgisayar çalışmasının, bir kişi tarafından yapılmışsa makul sayılabilecek herhangi bir sonucuyla ilişkilidir.

2. Yapay zekada (Searle), uygun programlamayla anlama yeteneğine sahip bir zihin yaratmanın mümkün olduğu "zor" konum ile yapay zekanın araştırma için buluşsal bir araç olduğunu varsayan "yumuşak" konum arasında bir ikilik vardır. insan bilişi.

3. AI, niyet, düşünme ve anlama ile ilgili felsefi soruları gündeme getirir. İnsan ve makinenin ayırt edilemezliğini ve işlevsel denkliğini (örneğin, Turing testi ve Çin odası problemi) göstermek için tasarlanan alıştırmalarda, bazı bilim adamları, bir kişinin sahip olduğu ve bir makinenin sahip olduğu keyfilik gibi önemli bir faktörün ihmal edildiğini görürler. olumsuzluk.

Önerilen Okuma 581

4. Bilgiyi insan bilişine benzer şekilde işleyen makinelerin karmaşık uyaranları tanıma yeteneği arttı; ilk modellerde referans matrislerinin uygulanması kullanılmışsa, yeni yaklaşımlar yapısal detayların ve bunların ilişkilerinin analizine dayanmaktadır.

5. Doğal dili "anlayabilen" bilgisayar programlarının en azından şunlara ihtiyacı vardır: anlamsal ve sözdizimsel kurallar; dünya ve sosyal bağlam hakkında bilgi tabanı; Yaygın olarak kullanılan bir dilde bulunan belirsizlikleri ele alma yöntemleri.

6. Sorunları çözmek için tasarlanmış yapay zeka programları (örneğin, satranç bilgisayarları) iki temel strateji kullanır: tüm olası seçenekleri araştırarak bir çözümü garanti eden algoritmik prosedürler ve bir strateji seçmeye ve karmaşık sorunları daha kolay çözülen alt problemlere ayırmaya dayalı buluşsal prosedürler . 7. Halihazırda şiir, müzik ve resim yazan, katlanılabilir düzeyde yapay zeka programları oluşturuldu.

Gelecekte, yapay zeka ve nörobilişsel bilim (genetik mühendisliği ile birleştiğinde), tüm psikolojinin yanı sıra bilişsel psikolojiyi de önemli ölçüde değiştirecek gibi görünüyor. İnsan beyninin işlem gücüne sahip bir bilgisayar beyni 2020 yılına kadar mevcut olabilir.

Önerilen Kaynaklar

Yapay zeka konusuna birçok çalışma ayrılmıştır. Genel incelemeler, Tauk'un Computers and Conınıon Sense  (ciltsiz olarak mevcuttur) ve Apter's Computer Simulation of Behavior kitaplarında sunulmaktadır.  Rafael'in bilimsel raporu "Düşünen Bilgisayar" iyi yazılmış ve uzmanlar için ilgi çekici .  Ayrıca Pilishin'den "Computation and Cognition: Toward a Foundation for Cognitive Science ",  Joe Neon-Laird'den  "The Computer and the Mind", "Memory Traces in the Brain" {Memory Traces in the Brian)  Alcona, "Yapay Zeka : fikrin özü"{Yapay Zeka: The l'ery Idea)  Howland ve "Psikolojide Yapay Zeka: Disiplinlerarası Denemeler" {Psikolojide Yapay Zeka: Disiplinler Arası Denemeler)  Bodin. Daha önce de belirtildiği gibi, Alan Turing'in Andrew Hodges tarafından yazılan biyografisi iyi bir okumadır.

Bye dergisinin Nisan 1985 sayısı  büyük ölçüde yapay zekaya ayrılmıştır ve biraz modası geçmiş olmasına rağmen, size Minsky, Schenck ve Hunt, J. Anderson ve Reiser, Winston ve diğerlerinin hala modern konularda yazdığı mükemmel makaleleri öneriyoruz. Douglas Hofstadter'ın Metabüyülü Temalar: Aklın ve Maddenin Özünü Arayışı  ve Godel, Escher, Bach: An Eternal Golden Braid kitapları yapay zeka ve ilgili konularla ilgilenen herkesin okuması gereken temel kitaplardır; kro-

582 Bölüm 16

Üstelik iyi yazılmışlar.  Yapay zeka ve bu kitapta ele alınan diğer birçok konu hakkında bir tartışma için Gardner'ın The Mind's New Science adlı kitabını da tavsiye ederim. Elithorn ve Banerjee'nin editörlüğünü yaptığı Yapay ve İnsan Zekası'nda bazı ilginç özel problemler tartışılıyor  .  Son olarak Ray Kurzweil'in The Age of Spiritual Machines kitabını şiddetle tavsiye ederim .

alfabetik dizin

Bir otobiyografik anılar 254 uyarlaması

ve öğrenme 192

evrimsel 424

uyarlanabilir düşünce kontrolü 311

konaklama 424

akson 61

algoritma 567 amnezi

ileriye dönük 317

ve bilişsel görevler 317 ve bilinç 180 retrograd 317 analizi

detaylı 152, 155

analitik paradoks 144 mimarisi

sinir ağı 59

asimilasyon 424

çağrışımcılık 462 çağrışım 462

B anlamsız heceler 264 davranışçılık 37

AT

etkilemek

çevre 368

dikkat 26, 107, 108, 110

görsel 120

ve eşik altı algı 117 ve PET 126 ve bilinç 117 ve insan beyni 125 yüz algısında 443 seçici 442 voksel 416 hayal gücü 28 bastırılmış bellek 259 yanlış 259 algı 25, 95, 132

ve yapay zeka 550

hacmi 100, 395

göz modelleri ve hareketleri 155

formlar 161 isim çoğaltma 205 kelime 206 onun seviyesi 277 onarıcı arama 384

G

hipotez

çift ​​kodlama 331, 333

kavramsal-önerme 331, 333 dilsel görelilik 369 işlevsel eşdeğerlik 331, 336 homunculus 46 gramer 359 dönüşümsel 365

d

dendrit 61

sözlü diyalog 478

uzun vadeli güçlendirme 268

baskın konu 374 görev

sözcüksel karar üzerine sözcüksel 405 176 posterior parietal bölge 217 Moore yasası 577 silikleşme 275 bildirimsel bilgi 319 ve anlama 377, 379, 381 ve dil 297 genel 519 öncül 96 prosedürel 319 bunun temsili 28, 297 ve semantik çağrışım ağları 310 yapısı ve ustalığı 220 Broca alanı 359 Wernicke 359 görüş 135 görsel-uzaysal not defteri 231 584 Alfabetik dizin

Ve

oyun

ve yapay zeka 567 taklit 547 izomorfizm 34 ikinci derece 336 ikon 103 illüzyon 96, 136 hayali anahat 136 içgörü 508, 509 zeka

ve nörokognitoloji 525 yapay 30, 535 ve algı 550 ve anlam 563 ve bilgisayar 540 ve bilimsel araştırma 579 ve sanatsal yaratıcılık 572 ve insan bilişi 544 ve dil 559 Sternberg teorisi 520 insan 30 içselleştirme 427 sezgi 510 bilgi

KVP 241 görselinden çoğaltma, soyutlama 156 KVP 233'e kodlama yukarıdan aşağıya işleme 144 aşağıdan yukarıya doğru işleme 144 dönüştürme 374

K kanalı kapasitesi 111 kanonik perspektif 141 bilişsel harita 28, 345 zihinsel harita 348 özellikler 121 Kartezyen tiyatro 186 hücre gövdesi 61 bilişsel haritalama 345 görsel kod 234 semantik 238 bölümlendirme 64 bilgisayar 538 ve yapay zeka 539 ve insan düşüncesi 545 bilgisayar satrancı 571 bağlantıcılık 45 ve temsilcilik bilgi 322

bağlam 191

kontralateralite 68

serebral korteks 67

ilişkisel alanları 69

serebral korteks 46

L

lateralizasyon, araştırması 437

yanal inhibisyon 137

mantık ve düşünme 465

m

beceri, teorik analizi 221

meta bileşen 525

üst biliş 300

metafor

entegrasyon 185

bilgisayar 43

yenilikler 184

sahne ışıkları 184

yöntem

anahtar kelimeler 201

manyetik rezonans ekranı 74

ön hazırlık 150

konaklama 198

miyelin kılıf 61

anımsatıcı 196

Luria AR 208'in çalışmaları

kılıf VR 211

modeli

dahili temsil 503

bölücü 117

küme 298

bilişsel 40, 41

kavramsal bilim 40

nörobilim 23

bilgi işleme 23, 46

bireysel etkileşimler ve Schacter'in bilinçli deneyimi 187

bilgilerin paralel işlenmesi 543

Kinch 382'ye göre anlayış

sıralı bilgi işleme 543

hipotez testi 463

filtrelenmiş 113

beyin taramaları ve aktivasyon yolları 309

işleme seviyesi 278

merkezi eğilim 161

belirtilerin sıklığı 161

Alfabetik dizin 585

beyin

bilgi işlem 94

kafa, anatomisi 66

ve yapay zeka 544

çalış 54

haritalamak 54

duyusal yatkınlık 98

korpus kallozum 83

morfem 362

düşünme 31, 460

ıraksak 512

ve karar verme 477

ve problem çözme 497

ve yaratıcılık 507

ve insan zekası 515

yakınsak 512

resmi 470

n

narsist özellik 284

öğrenme 541

gelişimsel nörobilim 422

nörokognitoloji 54, 57

dikkat 125

ve uzun süreli bellek 244

ve kısa süreli bellek 227

hafıza 267

nöron 46, 59, 61

M a kcal oh-Pitts 540

nörobilim

ve bilişsel psikoloji 45, 58

bilişsel 54

nörotransmiter 62

nörofizyoloji, modern yöntemleri 74

periferik sinir sistemi 94

Ö

tedavi

otomatik 122

paralel dağıtılmış 45, 48

görüntü

ve bilişsel psikoloji 329

zihinsel dönüş 334

zihinsel 328

nörobilişsel veriler 339

görsel 210

tersine çevrilebilirlik 427

427 serisinde konsolidasyon

algı hacmi 395

çürütme 481

olasılık değerlendirmesi 485

şeyleştirme hatası 481

duygu 95

P

hafıza 27

Atkinson ve Shifrin 275

bildirim 268, 312

uzun vadeli 27, 243

ve nörobiliş 244

yapı ve depolama 245

ve bilişsel gelişim 446

ve pozitron emisyon tomografisi 78

ve biliş süreci 272

ve bilgi yapısı 451

ikonik 102

örtülü 151

ve bilinç 173

bağlantıcı model 288

konsolidasyon 321

kısa vadeli 27, 225

ve zekanın bilişsel teorisi 517

ve kodlama bilgileri 233

ona ses 231

metaforik düşünme ve imgeler 452

bebek 447

Waugh ve Norman modeli 273

organizasyon (konsolidasyon) 449

hataları ve tanıklığı 257

James W. 266'nın temsilleri

verimli 312

usul 268

çalışan 27, 229, 311

ultra uzun vadeli 249

ve bilişsel psikoloji 251

anlamsal 285

karşılaştırmalı anlamsal özellikler modeli 302

ağ modelleri 305

küme-teorik model 301

yapısının taksonomisi 319

teori ve nörokognitoloji 263

kasa 269

müstehcen 151

ve bilinç 173

epizodik 285

yankılı 104

586 Endeksi

model

algısı ve göz hareketi 155

görsel, tanıma 134

sınıflandırma 515

onu tanımak 26, 131

gözlemcinin rolü 165

düzenleme değişkeni 299

algılayıcı 59

eşik altı hazırlık 175

bilgi 33, 44

anlayış 412

kavram, onu şekillendirme 461

dokunma eşiği 175

hamile şekil 138

dikkat 121

presinaptik sonlar 61

prensip

anımsatıcı kodlama 221

hızlanma 222

zihin ve beden sorunu 55

deneme numarası 242

teklif 309

373 geçmek

kanal kapasitesi 111

ve dikkatin seçiciliği 111

prototip 155

çocuklarda oluşumu 454

süreç uzmanı 189

sözde bellek 158

zihin ve beden 55

psikodilbilim 360

gelişim psikolojisi 29

R

gelişim

bilişsel 421, 423

ve hafıza 446

zeka ve yetenek 439

bilgi edinme becerileri 441

nörobilişsel 422, 435

erken yaşta sinir sistemi 435

bunun psikolojisi 422

Vygotsky'nin teorisi 432

Piaget'in teorisi 424

karşılaştırmalı 423

istihbarat

beyin nasıl çalışır 540

tanıma

çizgiler ve yapay zeka 550

satrançtaki görüntüler 162

tanıma {devamı}

desenler

ve yapay zeka 551

gözlemcinin rolü 165

bileşenlere göre 149

karmaşık şekiller ve yapay zeka 555 muhakeme

tümdengelim ve çıkarım 467

ve beyin 482

ve problem çözme ve zeka 520

endüktif 477

rasyonelleştirme 373

temsiliyet 488

temsil

dahili ve problem çözme 503

görevler 500

metin ve okuma önermeleri 384

derinlemesine düşünme ve özdenetim 192

konuşma, sürekli tanıma 564 çözümü

görevler 497

ve dahili temsil 503

ve gestalt psikolojisi 499

ve yapay zeka 566

kabul ve rasyonellik 492

çerçevelet 487

robot 575

kutsal hareket 101

öz farkındalık 183

serbest çağrışım 174

retina 84

işitsel sinyal 111

kıyas 465

sinaps 61, 62, 435

onu kaybetmek 435

sinestezi 209, 351

sözdizimi 364 sistemi

ek 204

bağlantıcı (sinir ağı) 59

sinir ağları 45

ürünler 312

askı kelimeler 199

uzman 215, 558

kelime

ve ilişkili anlamı 358

tanımlama, bilişsel-anatomik yaklaşım 409

Alfabetik dizin 587

argümanın içeriği 476 bilinç 26, 169

ve bilgilere erişim 183

ve bilişsel psikoloji 171

hazırlık uyaranlarıyla çalışma 172

hazırlık uyaranları ile çalışmalar 174

çalışmanın tarihi 170

bilimsel bir yapı olarak 181

hassasiyet gibi 183

nörobilişsel araştırma 173

sınırlı bant genişliği 183

bununla ilgili modern teoriler 187

işlevleri 192

rüya

ve bilinç 178

hızlı göz hareketleri ile 179

doğuştan gelen yetenek 368

karşılaştırmak

prototip 156

standart 145 ile

uyaran hazırlama 307

yapı

derin 365

yüzey 365, 383

şema 36

organizatör 203

tarafından Bartlett 374

t

yaratma

analiz etmek 512 ve düşünmek 507

ve işlevsel kararlılık 509

yatırım teorisi açısından 511

metin, işleme, göz hareketlerinin kaydı 399 gövde

hücreler 61

nasırlık 83

Bayes teoremi ve karar verme 489

teori

ilişkisel 462

gezegenler 148

gestalt 134, 138

Chomsky Dilbilgisi 364

zeka bilişsel 517

teori (devam)

yapıcı algı 132

ortak alan 65

ortak çalışma alanı Baars 188

prototipler 160

doğrudan algı 132

iletişim 37

Sternberg 520

Turing testi 547

tomografi

bilgisayar eksenel 75

pozitron emisyonu 77

yankı düzlemi 75

yanal inhibisyon 137

geçişlilik 427

kural 365 dönüşümleri

dönüşüm 427

diziler 374

-de

çıkarım

ve tümdengelimli muhakeme 467 bilinçaltı 132 tutum 499

F

olgu

kokteyl partileri 113

içselleştirme 433

odak rengi 370

fonem 361

fonolojik döngü 230

471 formu

frenoloji 64

X

sensör depolama 106

c

merkezi yönetici 231

serebral komissurotomi 83 yankılanma döngüsü 244 CNS 59

h

müzik okumak ve göz hareketlerini kaydetmek 402

588 Endeksi

e evrimsel bilişsel psikoloji 50 buluşsal yöntemler 567

uzman 214

elektroensefalografi 63

program 187, 269, 316

epistemoloji 98

Etki

atmosfer 471

nesne eğitimi 150

ön hazırlık 117

semantik eğitim 150 kendi kendine referans 283 von Resgorff 196

ben

dil 29

ve yapay zeka 559

ve bilişsel psikoloji, soyutlama dilsel fikirler 371 ve nörobilim 387

ve PET taraması 388

biliş ve nörobilim 357

onu anlayan program 565

ELİZA  560

ağ konuşması  562

PAR.RY  561

Robert Solso

kavramsal psikoloji

6. baskı

İngilizceden çeviren S. Komarov

Baş editör E. Stroganova

Editoryal L. Vinokurov

Proje lideri II. Karpov

Sorumlu Yazı İşleri Müdürü L. Borin

Bilimsel editör L. Naftulyev

Edebiyat editörü O. Krylova

Sanat editörü E. Dyachenko

Düzelticiler N1. Odinakova, N. Süleymanova

Düzen, O. Belmas

07.09.01 tarihli Lisans Kimlik No. 05784.

05.09.05 tarihinde yayınlanmak üzere imzalanmıştır. 70X100/16 formatı. Dönş. ve. l. 47.73. Dolaşım 3000 kopya. Sipariş No. 2868.

LLC "Peter Baskı" 194044, St. Petersburg, B. Sampsonievskiy Ave., 29a.

Vergi avantajı - tüm Rusya ürün sınıflandırıcısı OK 005-93, cilt 2; 953005 - eğitim literatürü.

A.I. AM Gorki

Federal Basın ve Kitle İletişim Ajansı.

197110, St.Petersburg, Chkalovsky pr., 15.

---

[1] Sunum aralığı: 0-2 sn.

Sunumun ikinci varyantında (Aa),  reaksiyon süresi birincisinden (A4) daha uzundu. Bu farklılık, özdeş harflerin dış (veya görsel) özelliklerine göre karşılaştırılması, aynı isimde ancak dış özellikleri farklı olan harflerin ise sözlü özelliklerine göre karşılaştırılması ile açıklanabilir; ikinci durumda, beklenebileceği gibi, süreç daha uzun sürdü. KVP'de kodlama tartışmasına dönersek, önemli bir sonuca varabiliriz: aynı ada ve hecelemeye sahip harflerin karşılaştırılması, en azından kısmen, harici (görsel) kodlarına göre gerçekleştirilir. Ama Şekil l'den görülebileceği gibi. 7.4, bu avantaj sadece çok kısa bir süre için mevcuttur.

YSÖP'te işitsel kodlara ek olarak görsel kodların da bulunabileceği tespit edildikten sonra Posner, ilgili aşamaları açıklamaya koyuldu. YSÖP'te bilginin önce görsel sonra işitsel kodlanmasının gerçekleşebileceği hipotezini test etmek için Posner ve ark.

[2]  D. G. Orlovskaya'nın Rusça çevirisi: Carroll L.  Alice Harikalar Diyarında. Alice Harikalar Diyarında. 2. baskı, basmakalıp. — M.: Nauka, 1991.

Chomsky'nin Dilbilgisi Teorisi 367

Bu basit örneği kullanarak, bir cümlenin yalnızca yüzeyde değil, aynı zamanda derin, soyut bir düzeyde de var olan ana bileşenlerini gösterebiliriz. En genel seviye - cümle (P), nominal grupta (NP) ve fiil grubunda (GG) ifade edilen konuya ve yükleme bölünmüştür. Bir isim tamlaması (NP), tanımlayıcı bir kelime (OS) ve bir sıfat (Pr) ve bir isim (C) içeren bir isim (C) içerir. Fiil grubu (ГГ), bir fiil (Г) ve bir sıfat (A), bir sıfat (Pr) ve bir isim (C) içeren bir isim tamlaması (Н) içerir.

Matematiksel dönüşümlerin kuralları, ifadelerin, altta yatan gerçeklik (Derin Yapı) sabit kalırken belirli biçim değişecek şekilde temsil edilmesine izin verir. Örneğin, L \u003d B ise, B  \u003d L  ise ; İfade değişti, ancak özü aynı kaldı. AV - 8 ifadesi A' = 8/4 olarak ve ab =  AT(2A' + N)  AT = ab/(2X + N) olarak yazılabilir . Yüzey özellikleri ne kadar karmaşık olursa olsun, bu ilişkilerde derin yapı ya da altta yatan gerçeklik aynı kalmıştır. Dönüşümsel dilbilgisi basit bir ilkeden hareket eder: matematiksel ifadeler de dahil olmak üzere ifadeler, anlamlarının özünü korurken çeşitli şekillerde yeniden yazılabilir. Bu, bir kişinin çok sayıda farklı cümle ve her birinin birkaç çeşidini oluşturma yeteneğinin, devasa bir hafıza gerektirecek olan taklidin sonucu olmadığını, ancak insanın kuralları anlamasının bir sonucu olduğunu açıklayabilir. hangi cümlelerin oluşturulduğu ve aynı anlama sahip başka cümlelere dönüştürüldüğü. Chomsky bu yeteneğe yeterlilik adını verir.

P -> IG + GG

IG -> İşletim Sistemi + C

GG -> VsG (yardımcı fiil) + G + IG

Bu kurallar, herhangi bir Derin Yapıya, farklı bir şekilde, dilbilgisi açısından daha mükemmel bir biçimde ve gerçek anlamını koruyarak yeniden yazılması gerektiğinde uygulanabilir.

Dönüşümsel dilbilgisinin önemi, bir dili analiz ederken fonolojik veya morfolojik seviyeden değil, sözdizimsel seviyeden ilerlemek gerektiği gerçeğinde yatmaktadır. Sözcenin fonolojik ve morfolojik yönleri önemsiz olduğundan değil - hayır, önemlidirler - ama eğer dilbilimsel

Not: Bazen Büyük Dosyaları tarayıcı açmayabilir...İndirerek okumaya Çalışınız.

Benzer Yazılar