ARTYKUY

ZAGADNIENIA FILOZOFICZNE W NAUCE XX / 1997, s. 4965

Krystian SOWA

NADZIEJA NA ELEKTRONICZN WIADOMO

Wstp Pytanie o inteligentne maszyny nie jest nowe. W ostatnich latach wzroso zainteresowanie nimi w zwizku z dynamicznym rozwojem elektroniki, spektakularnymi osigniciami w technologii komputerowej i wykorzystaniem sieci neuronowych. Celem niniejszego artykuu jest skrtowe przedstawienie wybranych kierunkw rozwoju bada w dziedzinie sztucznej inteligencji (dalej SI) i zwizanej z tym problematyki1 . Rozpoczn od omwienia w niej niektrych elementw rozwoju wspczesnej techniki komputerowej, a nastpnie przejd do prezentacji tzw. silnego stanowiska w SI i jego krytyki, prbujc odpowiedzie na pytanie, czy sztucznie wytworzona inteligencja jest, lub moe by tosama z inteligencj czowieka. Oprcz tzw. kierunku symbolicznego w SI, wykorzystujcego klasycznie, softwarowo programowane komputery, przedstawi rwnie kierunek konekcjonistyczny, opierajcy si na modelowanych elektronicznie sieciach neuronowych. 1. Elektroniczne to Bdc dzieckiem, otrzymaem pewnego dnia ciekaw zabawk mae paskie pudeko z rzdami metalizowanych otworw od gry, dwoma przewodami zakoczonymi wtyczkami i arweczk. Na grn powierzchni nakadao si kart pyta i odpowiedzi, np. geogracznych. Jedn z wtyczek wkadao si do otworu z wybranym pytaniem, natomiast drug szukao pra UWAGA: Tekst zosta zrekonstruowany przy pomocy rodkw automatycznych; moliwe s wic pewne bdy, ktrych sygnalizacja jest mile widziana (obi@opoka.org). Tekst elektroniczny posiada odrbn numeracj stron. 1 Chciabym podzikowa ks. prof. Michaowi Hellerowi z Wydziau Filozoi Papieskiej Akademii Teologicznej w Krakowie oraz dr. hab. Mariuszowi Flasiskiemu z Instytutu Informatyki Uniwersytetu Jagielloskiego w Krakowie za cenne uwagi dotyczce omawianych zagadnie.

Krystian SOWA

widowej odpowiedzi. Sukces sygnalizowany by zapaleniem si arweczki. Ciekaw byem wtedy, skd zabawka wie, e Warszawa naprawd ley nad Wis, a Pary nad Sekwan. Zajrzaem do rodka i zobaczyem pltanin przewodw. Gra nazywaa si Mzg elektronowy. Kilkadziesit lat wczeniej, w roku 1947, wanie Mzgiem elektronowym okrzyknito pierwszy elektroniczny komputer cyfrowy ENIAC zbudowany przy uyciu lamp elektronowych. Wykonywa ok. 100 dziaa arytmetycznych zmiennoprzecinkowych na sekund. Nastpna, druga generacja komputerw wykorzystywaa ju tranzystory, trzecia ukady scalone, a czwarta (obecna) ukady scalone wielkiej skali integracji. Osigane moce obliczeniowe uywanych obecnie komputerw dochodz do 109 dziaa na sekund. Mwi si dzi o programach badawczych zmierzajcych do skonstruowania komputerw pitej generacji, przetwarzajcych ju nie liczby, lecz oglnie pojt wiedz, oraz o szstej generacji neurokomputerach2 . W celu osignicia jak najwikszej wydajnoci pracy komputera, postp w dziedzinie miniaturyzacji i technologii wytwarzania idzie w parze z rozwojem architektury komputerowej. Dziaanie najprostszego komputera opiera si na modelu zaproponowanym przez Johna von Neumanna. Na cykl pracy takiego komputera, zwizany z wykonaniem programu bdcego zbiorem rozkazw, skada si pobranie przez procesor odpowiednich danych z pamici lub urzdze wejcia, przetworzenie ich wedug zadanego programu i wysanie rezultatu do pamici lub na wyjcie. W kadej chwili komputer jest zajty wykonywaniem tylko jednej czynnoci; w jednym cyklu pracy wykonywany jest tylko jeden rozkaz. Wzrost efektywnoci pracy mona jednak uzyska przez rwnolege czenie komputerw i tak konstrukcj programu, by jednostka nadrzdna przekazywaa, w miar moliwoci, jak najwiksze fragmenty programu do wykonania jednostkom podrzdnym pracujcym rwnolegle. Na podobnej zasadzie opiera si te konstrukcja mikroprocesorw z tzw. potokow realizacj rozkazw, umoliwiajc komputerowi realizacj wikszej iloci rozkazw w jednym cyklu pracy. Jeeli, w opisywanym ju przykadzie, na cykl pracy komputera skadao si pobranie danych, ich przetworzenie i odesanie wynikw, to mona tak zaprojektowa procesor, aby jednoczenie z przetwarzaniem danych z poprzedniego rozkazu mg on np. pobiera dane potrzebne przy realizacji nastpnego rozkazu. Przy takiej
2 Por. W. Koos, O myleniu komputerw, [w:] Nauka religia dzieje, red. A. Janik, Krakw 1992, s. 41.

NADZIEJA NA ELEKTRONICZN WIADOMO

organizacji pracy moliwe jest wykonanie do kilkunastu rozkazw w jednym cyklu pracy komputera. Owocem opisanego postpu technologicznego jest gwatowny wzrost mocy obliczeniowej komputerw. Postp techniczny zdaje si tu nie mie, prcz prdkoci wiata, innych limitw. Szacuje si, e w 2020 r. jeden komputer biurowy bdzie tak wydajny, jak dzi wszystkie komputery razem wzite3 . Maszyny cyfrowe od samego pocztku suyy czowiekowi pomoc w mudnych obliczeniach arytmetycznych, jednak od pewnego czasu zaczy go zastpowa, poczwszy od inteligentnego projektowania i optymalizacji rnych zada, poprzez diagnozowanie czy prognozowanie, a skoczywszy na grze w szachy. Systemy te (tzw. systemy ekspertowe), oparte s, najoglniej mwic, na nagromadzeniu pewnej wiedzy utworzeniu bazy danych w odpowiednim jzyku programowania i podaniu regu, jak z wiedzy tej korzysta. Jako przykad moe suy tu projekt CYC4 , ktrego celem jest przekazanie komputerowi caoci wiedzy czowieka w jasnej, algorytmicznej postaci. Jest to prba poradzenia sobie z klasycznym ograniczeniem systemw ekspertowych, jakim jest ograniczony zakres ich kompetencji, to jest pyta, ktre mona im stawia. Czy jednak da si zalgorytmizowa zdrowy rozsdek czowieka? Naukowcy zaangaowani w projekt CYC wierz, e tak. 2. Kierunek symboliczny w Sztucznej Inteligencji W takim kontekcie rodzi si pytanie, czy przykadowy system ekspertowy CYC, dziaajcy w oparciu o skadajcy si z cigu symboli program, mona nazwa inteligentnym? Podrcznikowe okrelenie SI mwi o dziedzinie nauki usiujcej wytumaczy i emulowa zachowanie inteligentne w kategoriach procesw obliczeniowych5 . Sytuacja byaby prosta, gdyby mwio si tylko o naladowaniu inteligentnego dziaania czowieka, komplikuje si natomiast, jeeli stawia si pytanie: czy inteligencja ta jest tosama z inteligencj ludzk? Zwolennicy tzw. silnego stanowiska w SI (dominujcego w latach 50tych) udzielaj na to pytanie odpowiedzi twierdzcej. Sowo sztuczny jest tu uywane nie w znaczeniu imitacja (np. sztuczny kwiat), ale w znaczeniu nienaturalny, lecz nie do odrnienia od naturalnego (np. sztuczne jezioro)6 . Dla silnej SI ludzki mzg jest tylko jedn
3 Por.

D. A. Patterson, Mikroprocesor za 25 lat, wiat Nauki 11: 1995, s. 42. D. B. Lenat, Sztuczna inteligencja, wiat Nauki 11: 1995, s. 55. 5 R. J. Schalko, Articial Intelligence, McGrawHill 1990, s. 2. 6 Por. W. Koos, dz. cyt., s. 42.
4 Por.

Krystian SOWA

z realizacji inteligencji, ktra wcale nie musi by zwizana z organizmem. Mylenie polega tu tylko na przetwarzaniu danych, a wic inteligencja moe realizowa si poza czowiekiem. Umys peni funkcj softwaru, do uruchomienia ktrego wystarczy dowolny, odpowiednio skomplikowany hardware, np. komputer. Kryterium inteligencji komputera byoby natomiast pozytywne przejcie tzw. testu Turinga7 . W tecie tym jedna osoba zadaje te same pytania czowiekowi oraz komputerowi i otrzymuje odpowiedzi, nie wiedzc jednake, ktra skd pochodzi. Komputer uwaany jest za inteligentny, jeeli osoba egzaminujca na podstawie otrzymywanych odpowiedzi (analizy funkcjonalistycznej) nie potra rozrni, kto jest kto. Cho obecne inteligentne systemy wykonuj test Turinga w bardzo ograniczonym zakresie, to cigy rozwj techniki komputerowej daje zwolennikom silnej SI nadzieje na osignicie ideau. Krytyka silnego stanowiska w SI idzie w dwch kierunkach. Po pierwsze, analizuje si prac umysu oraz maszyny cyfrowej, dokonujc rozrnienia pomidzy semantyczn prac umysu oraz syntaktycznym dziaaniem komputera. Po drugie, wskazuje si na niealgorytmiczno niektrych procesw zachodzcych w ludzkim umyle w odrnieniu od algorytmicznej pracy maszyny cyfrowej. Krytykiem reprezentatywnym dla pierwszego kierunku jest John Searle. Analizujc wasnoci umysu, wyrnia on takie jego cechy, jak wiadomo, intencjonalno, subiektywno i przyczynowe oddziaywanie psychiki8 . Zastanawiajc si zwaszcza nad problemem odtwarzania stanw intencjonalnych9 czowieka, Searle dochodzi do wniosku, e jeeli myl jest zawsze myl o czym, przeto dany cig symboli musi mie jakie znaczenie, by sta si myl. Mwic krtko, umys ma co wicej ni syntaktyk, ma semantyk. Powd, dla ktrego komputerowy program nie moe by umysem, jest prosty: komputerowy program ma cechy syntaktyczne, umysy maj co wicej, ni syntaktyk. Umysy s semantyczne w tym sensie, e poza struktur formaln maj jeszcze jakie treci10 . Ilustracj tej tezy jest podany przez Searlea przykad, ktry wszed do literatury dotyczcej SI pod nazw chiskiego pokoju. Osoba nie znajca
R. Penrose, Nowy umys cesarza, Warszawa 1995, s. 20. J. Searle, Umys, mzg, nauka, Warszawa 1995, s. 15. 9 To znaczy takich, w ktrych umys ludzki skierowuje si ku obiektowi zewntrznemu. 10 J. Searle, dz. cyt., s. 28.
8 Por. 7 Por.

NADZIEJA NA ELEKTRONICZN WIADOMO

jzyka chiskiego znajduje si zamknita w pokoju wyposaona w ksik czysto formalnych regu manipulowania znakami tego jzyka. W odpowiedzi na otrzymywane z zewntrz znaki, osoba ta (obrazujca dziaanie komputera), patrzc na ksik regu (program komputerowy), wysya na zewntrz odpowiednie symbole. Z zewntrz wyglda to tak, jak gdyby osoba rzeczywicie znaa jzyk chiski, cho naprawd nie rozumie znaczenia adnego z otrzymywanych czy te wysyanych znakw. Searle wnioskuje wic, e wyposaenie jakiego zbudowanego przez nas artefaktu w program komputerowy nie wystarcza, aby mia on stany umysowe porwnywalne z ludzkimi11 . Na zarzut, e w podanym przykadzie nie osoba, ale cay system: osoba wraz z ksik, z programem i z koszami symboli rozumie jzyk chiski, Searle odpowiada podobnie. Niemoliwe jest, rwnie dla systemu, przejcie od syntaktyki do semantyki. Nie wiadomo, jak system mgby wyobrazi sobie znaczenie. Czowiek rozumie to, co myli, natomiast komputer operuje tylko zrcznie symbolami. Komputer naladujcy czowieka nie bdzie nigdy czowiekiem. w elektroniczny12 pozostanie wiem elektronicznym. Stany umysowe s dla Searlea zjawiskiem biologicznym, cho tajemnicze s owe biologiczne moce, ktre miaby posiada mzg ludzki a nie posiada komputer. Wydaje si, e tak zoony ukad biologiczny, jakim jest ludzki mzg, posiada wic pewien nieuchwytny zykochemicznie wymiar, pewien naddatek sensu, dlatego nie wystarcza rozpatrywanie tylko poziomu zykochemicznego, czy symulacji komputerowej. Drugi kierunek krytyki wie si z komputerow reprezentacj wiedzy. Inteligentne systemy ekspertowe stanowi zbir pewnych danych reprezentujcych jaki fragment wiata oraz regu posugiwania si tymi danymi. Z fragmentarycznoci posiadanych danych oraz specyki dziaania (do okrelonego problemu system stosuje odpowiednie reguy i tak uzyskuje rozwizanie) wynika ograniczono tych systemw. Przejawia si ona w istnieniu cile okrelonego zakresu poprawnego dziaania systemu. Np. system ekspertowy, odpowiadajcy na pytania z danej dziedziny, bdzie znakomicie radzi sobie ze skomplikowanymi pytaniami specjalistycznymi, natomiast

s. 37. w elektroniczny by jednym z pierwszych urzdze SI zbudowanym na pocztku lat 50tych przez W. G. Waltera. Porusza si po pododze, korzystajc z wasnego napdu, dopki napicie w baterii nie spado dostatecznie nisko, po czym rozpoczyna poszukiwanie najbliszego kontaktu. Po naadowaniu baterii rusza w dalsz drog.
12 Tzw.

11 Tame,

Krystian SOWA

nie bdzie wiedzia, co zrobi z prostym pytaniem wymagajcym zdroworozsdkowej orientacji w wiecie. Patrzc na czowieka i jego sposb poznawania, czy te podejmowania decyzji, spotykamy si z sytuacjami, w ktrych czowiek po prostu wie jak postpi. Decyzj wydaje si podejmowa nie w wyniku stosowania jakichkolwiek regu, ale wanie zdroworozsdkowo, uwzgldniajc przy tym cay kontekst sytuacji. Reprezentowanie tej oglnej wiedzy o wiecie, ktra wydaje si by niewerbalizowalna i nieujmowalna w reguy, stanowi problem dla systemu ekspertowego. Orientowanie si w kontekcie sytuacji, tak naturalne dla czowieka, stanowi trudno dla komputera (tzw. frame problem). Dochodz do tego kopoty komputerw z myleniem indukcyjnym, uoglniajcym, cho z dedukcj maszyny cyfrowe radz sobie bardzo dobrze. Analizujc proces poznawania, Searle dochodzi do wniosku, e w przypadku czowieka kierowanie si reguami nie stanowi podstawy jego dziaania13 . Wspominane ju mylenie zdroworozsdkowe, czy metaforyczne wymaga czego wicej, ni tylko formalnego programu bdcego zbiorem regu. U podstaw dziaania wiadomoci powinien by obecny czynnik niealgorytmiczny. Do podobnych wnioskw dochodzi Roger Penrose, patrzc na zagadnienie od strony matematycznej, przytaczajc m. in. wersj twierdzenia G odla14 . Formuowanie sdw przez czowieka jest operacj niemoliw do opisania w postaci programu komputerowego. Czasami do rozstrzygnicia problemu potrzebny jest tzw. wgld; np. w matematyce czasem wida, czy zdanie jest prawdziwe, czy faszywe, ale nie mona wyprowadzi tego zdania z aksjomatw15 . Ponadto Penrose przytacza opisy rnych sytuacji, wydajce si potwierdza (cho nie stanowice dowodu) niealgorytmiczno mylenia czowieka: dowiadczenia natchnienia (rozwizania przychodzcego w najbardziej nieoczekiwanym momencie), czy te niewerbalnoci mylenia (mylenie tzw. obrazowe w matematyce czy muzyce)16 . Ciekawy wydaje si rwnie problem wolnoci woli czowieka, wolnoci jako przez czowieka dowiadczanej, a niemoliwej do pogodzenia z jego zycznym opisem17 .
J. Searle, dz. cyt., s. 43. precyzyjny system aksjomatw i regu wnioskowania na tyle oglny, aby obejmowa proste zdania arytmetyczne, oraz wolny od sprzecznoci, musi zawiera zdania, ktrych prawdziwoci nie mona ani dowie, ani obali, posugujc si rodkami dozwolonymi w ramach tego systemu (R. Penrose, dz. cyt., s. 123). 15 Por. tame, s. 82. 16 Tame, s. 459, 466. 17 J. Searle, dz. cyt., s. 77.
14 Dowolny, 13 Por.

NADZIEJA NA ELEKTRONICZN WIADOMO

Krytycy silnego stanowiska w SI usiuj, najoglniej mwic, wskaza na konieczno uwzgldnienia przy opisie czowieka wymiaru wymykajcego si analizie zykochemicznej czy algorytmicznej, niemoliwego do elektronicznego odtworzenia. Sdz, e czowiek to co wicej, ni tylko dziaajcy algorytmicznie komputer. 3. Kierunek konekcjonistyczny w Sztucznej Inteligencji Istnieje jednake kierunek SI, ktry inteligencj deniuje inaczej, ni jako umiejtno manipulowania symbolami formalnymi wedug okrelonych regu. Za istot inteligencji uznano tu nie tyle umiejtno rozwizywania problemw, ale zdolno uczenia si. Sprbowano stworzy model ludzkiego mzgu, jako sieci wzajemnie poczonych (std nazwa kierunku) neuronw komrek nerwowych zdolnych do wysyania i odbierania sygnaw. W ludzkim mzgu kady z neuronw (a jest ich ponad 1011 ) moe by poczony z innymi za pomoc rednio 104 cznikw synaps, co daje cakowit liczb pocze rzdu 1015 . W takiej sieci przestaje odgrywa rol struktura jej elementw skadowych poszczeglnych neuronw, wane s natomiast rodzaje i siy powiza midzy nimi. Informacja pamitana jest wic nie w jakim pojedynczym neuronie, ale w caej sieci w caoci powiza midzyneuronowych. Tam, gdzie mona zastosowa sie, zostaje usunity jeden z najtrudniejszych problemw podejcia symbolicznego, a mianowicie programowanie komputera. Pisanie programu wie si bowiem z koniecznoci wczeniejszego dokadnego sformalizowania problemu, co w wielu przypadkach jest bardzo trudne, a czasem niemoliwe. W przypadku pracy wieloprocesorowej dochodzi ponadto problem koordynacji dziaa poszczeglnych procesorw. Tymczasem sie programuje si sama, zdobywajc wiedz w wyniku procesu uczenia si (opis w dalszej czci pracy). Rozwizanie przez sie zadanego problemu nie pojawia si przy tym wielostopniowo, na skutek analizy programu, ale od razu, jednokrokowo, przypominajc zdroworozsdkowe reakcje czowieka. Sie w zamierzeniu ma by elektronicznym modelem ludzkiego mzgu. W mzgu, chocia aden pojedynczy neuron nie posiada wiadomoci, istnieje ona caociowo. Czy wic sztuczne skonstruowanie wystarczajco skomplikowanej sieci wystarczy, by pojawia si inteligencja tosama z inteligencj czowieka? Prba odpowiedzi na to pytanie zostanie poprzedzona przedstawieniem kilku podstawowych wiadomoci o samych sieciach. Pierwsze prace dotyczce sztucznych sieci neuronowych (dalej SSN) pojawiy si na pocztku lat 40tych XX w. Kierunek ten by z pocztku

Krystian SOWA

krytykowany przez zwolennikw silnego stanowiska w SI, preferujcych podejcie klasyczne, zwizane z podawaniem komputerowi explicite algorytmu jego pracy. Dopiero w ostatnich latach badania nad sieciami stay si znw popularne, czy wrcz modne. SSN mona najprociej okreli jako sie poczonych ze sob procesorw (analogowych lub cyfrowych) nazywanych umownie neuronami. Sztuczne neurony, ktrych pierwowzorem s komrki nerwowe budujce mzg czowieka, s skrajnie uproszczone, tak by mona byo je atwo budowa lub te symulowa komputerowo. Ju tu napotykamy wic uatwienia powicajce dokadno odwzorowania poszczeglnych neuronw prostocie ich elektronicznej realizacji. Przy czeniu takich neuronw w sie obserwujemy dalsze uproszczenia. SSN buduje si najczciej jako zoone z pewnej liczby warstw neuronw poczonych pomidzy sob w ssiednich warstwach na zasadzie kady z kadym, wierzc, e w toku nauki sie sama wypracuje sobie waciw struktur. Tak jest najatwiej. Tymczasem tylko niektre, mae partie mzgu maj struktur warstwow, natomiast logiki midzyneuronowych pocze reszty nie udao si odkry i nic nie wskazuje, eby nastpio to w najbliszym czasie. Typowy neuron SSN bdzie wic elementem posiadajcym wiele wej odbierajcych sygnay od innych neuronw i jedno wyjcie poczone z odpowiednimi wejciami innych neuronw. Sygna wyjciowy takiego neuronu jest liniow lub nieliniow, deterministyczn lub stochastyczn funkcj sumy waonej jego wej. Poszczeglne wagi odpowiadaj mocy pocze midzy poszczeglnymi neuronami. Poczenia pomidzy warstwami mog by proste: sygna przechodzi wtedy jednokierunkowo od wejcia do wyjcia przez kolejne warstwy, lub na zasadzie sprzenia zwrotnego: daje to sieci moliwoci rozwizywania bardziej skomplikowanych problemw. Jeeli zbir sygnaw wejciowych sieci jest tego samego rodzaju, co zbir sygnaw wyjciowych, mwimy wtedy o sieciach autoasocjacyjnych, jeeli rnego rodzaju o sieciach heteroasocjacyjnych. Ostatni podzia wyjanijmy na przykadzie rozpoznawania obrazw. Sygnaem wejciowym dla przykadowej sieci niech bdzie zbir elementw fotogracznego obrazu twarzy jakiej osoby, znieksztacony przez zakcenia, lub te tylko cz tego obrazu. W wyniku dziaania odpowiednio wytrenowanej sieci autoasocjacyjnej moemy otrzym odpowiednio nasz obraz bez zakce lub te cay obraz odtworzony na podstawie podanego fragmentu. Sieci heteroasocjacyjnej mona by uy natomiast do klasykacji obrazu wejciowego, otrzymujc w naszym przypadku na wyjciu sygna decyzji: np. kobieta/mczyzna.

NADZIEJA NA ELEKTRONICZN WIADOMO

Uczenie sieci polega na zmianie pocze midzyneuronowych i moe by przeprowadzane z nauczycielem lub te bez nauczyciela. W pierwszym przypadku przekazuje si sieci informacj wejciow i oczekiwany wynik, a ona sama modykuje poczenia (wagi) pomidzy swoimi elementami, by otrzyma podany wynik (a praktycznie minimalizacj wyjciowej funkcji bdu, np. wedug metody najmniejszych kwadratw). Przy wystarczajcej zoonoci sieci (np. kilka warstw i odpowiednia ilo neuronw w poszczeglnych warstwach) i dostatecznej iloci prezentacji uczcych18 , mona sie nauczy nawet zoonego zachowania si, np. rozpoznawania zoonych obrazw, czy podejmowania skomplikowanych decyzji. W przypadku uczenia bez nauczyciela, sie sama wytwarza swoj wewntrzn reprezentacj sygnau wejcia, modykujc swoje poczenia np. zgodnie z tzw. regu Hebba19 : poczenie synaptyczne pomidzy neuronami A i B wzmacnia si, jeeli pobudzenie neuronu A powoduje pobudzenie neuronu B , osabia si natomiast, jeeli tak nie jest. Sieci takie s wykorzystywane np. do detekcji regularnoci danych (np. obrazw) wejciowych w sytuacji, gdy nie jestemy w stanie przewidzie, jakie dane mog pojawi si na wejciu. Jest to analogiczne do sytuacji orientowania si czowieka w otoczeniu, ktre widzi po raz pierwszy. Przykadem pracy bez nauczyciela jest te autoasocjacyjna sie ze sprzeniami zwrotnymi, tzw. sie Hopelda, ktra wsawia si w badaniach nad trudnym obliczeniowo problemem komiwojaera20 . Kierunek konekcjonistyczny w SI jest wic alternatywny w stosunku do kierunku symbolicznego. SSN i budowane na ich podstawie neurokomputery nie wymagaj podawania z gry regu zachowania si, natomiast wiedz nabywaj w procesie uczenia si oraz s zdolne do samouczenia. Teoretycznie pojemno sieci jest nieograniczona, praktycznie zaley od jej struktury i sposobu uczenia. Moe si zdarzy, e sie, nabywajc now umiejtno, zapomni tego, czego nauczya si wczeniej, ale czy ludzki mzg nie ma podobnych wasnoci? Wan cech sieci jest ich niezawodno i odporno
18 Nawet 1012 przy rozpoznawaniu mowy czy rkopisw (por. R. Tadeusiewicz, Sieci neuronowe, Enter 3: 1995, s. 85). 19 Hebb analizujc prac mzgu spostrzeg, e zachodz tam procesy wzmacniania pocze pomidzy neuronami pobudzonymi do pracy rwnoczenie. 20 Jest to problem optymalizacyjny. Danych jest n punktw miast, pomidzy ktrymi naley znale minimaln drog globaln, odwiedzajc kade miasto tylko raz i wracajc do punktu startowego. Matematyczna optymalizacja znalezionej funkcji drogi jest zadaniem trudnym, natomiast sie sama dokonuje minimalizacji funkcji swojej energii wewntrznej (zalenej od stanw wyj poszczeglnych neuronw i wag poszczeglnych pocze), znajdujc rozwizanie problemu (por. R. Tadeusiewicz, Sieci neuronowe, Warszawa 1993, s. 94).

10

Krystian SOWA

na uszkodzenia. Informacja pamitana jest w caej sieci, std utrata jednego, czy nawet kilku neuronw nie powoduje zauwaalnego pogorszenia jej pracy. Sie jest take w stanie, oczywicie w ograniczonym zakresie, uoglni posiadane wiadomoci, np. cakiem nowe. SSN wykorzystywane s do rozpoznawania i klasykacji (np. do celw wojskowych: sie rozpoznaje bezbdnie rodzaj samolotu na podstawie maych detali obserwowanych z bardzo duej odlegoci, czy te sie rozrnia szumy charakterystyczne dla napdu poszczeglnych statkw i okrtw), sterowania i optymalizacji (np. steruje ramieniem robota przy zoonych manipulacjach), prognozowania (np. przewiduje zapotrzebowanie na energi elektryczn, czy stawia prognozy giedowe). Sieci stosowane s tam, gdzie formalizacja procesu w postaci programu komputerowego (jeeli jest w ogle moliwa) prowadziaby do bardzo zoonych oblicze, czsto niemoliwych do wykonania w czasie rzeczywistym21 . Wtedy uycie sieci jest prostsze, szybsze, mniej zawodne i tasze. Mwic o przykadach udanych zastosowa sieci, naley jednake wskaza rwnie na ich ograniczenia. Jednym z nich jest manipulacja na symbolach formalnych. Przetwarzanie informacji symbolicznej jest, jak na razie, praktycznie nierealizowalne przez sie. Innym problemem s obliczenia numeryczne o bardzo wysokiej dokadnoci. Niezalenie od tego, jak spektakularne wydaj si zastosowania sieci, ich obliczenia maj zawsze charakter przybliony, cho wystarczajcy jak wida w wielu zastosowaniach. Problem dla sieci stanowi rwnie obliczenia logiczne wieloetapowe, w ktrych potrzebna jest dokumentacja z poszczeglnych etapw cigu rozumowania, sie natomiast dy do jednokrokowego rozwizania problemu. Tak wic mimo licznych zalet SSN nie grozi nam, przynajmniej na razie, odstawienie klasycznie programowanych komputerw do lamusa. 4. Elektroniczna wiadomo? Pozostaje jednak postawione ju wczeniej pytanie: czy skonstruowanie SSN o wystarczajcym stopniu zoonoci wystarczy, by pojawia si wiadomo, inteligencja? Czy sztuczna sie neuronw jest zdolna do mylenia twrczego, czy tylko do dziaania na zasadzie bezmylnych nawykw bdcych wynikiem tresury? Na praktyczn odpowied na te pytania przyjdzie nam jeszcze dugo poczeka. Szacuje si, e do symulowania mzgu potrzebny byby komputer o mocy obliczeniowej 1018 operacji na sekund,
21 Por.

R. Tadeusiewicz, Tryumf, czy kapitulacja rozumu, Znak 1995 nr 484, s. 66.

NADZIEJA NA ELEKTRONICZN WIADOMO

11

natomiast obecnie dysponujemy komputerami o prdkoci rzdu 109 operacji na sekund22 . Zostaj nam wic rozwaania lozoczne i eksperymenty mylowe. Pytanie o elektroniczn wiadomo jest pytaniem o koncepcj czowieka. Maszyna jaka jest, kady widzi, problem zaczyna si natomiast przy opisie czowieka i jego inteligencji. Jeeli potraktowa czowieka tak, jak np. posiadajcy przekonania termostat z przykadu opisanego przez Searlea23 , to pomidzy myleniem czowieka, a funkcjonowaniem komputera czy sieci neuronowej nie bdzie rnicy, chyba, e w stopniu skomplikowania. Jeeli jednak przyj koncepcj czowieka mylcego semantycznie i niealgorytmicznie, to staniemy przed pytaniem, czy na podstawie obserwacji dziaania komputera bdziemy mogli przyj, e ma ono cechy semantyczne? Przedstawiony przykad chiskiego pokoju Searlea, z ktrego wynika, e budowane przez czowieka artefakty nigdy nie osign semantyki, wydaje si przekonujcy w przypadku komputerw algorytmicznych, jednak ju nie jest tak oczywisty w przypadku sztucznych sieci neuronowych. W SSN, podobnie jak w mzgu czowieka, informacja nie jest zawarta w pojedynczym neuronie, ale w poczeniach midzyneuronowych. Jeeli wiadomo czowieka nie podlega wtpliwoci, to czy na podstawie obserwacji dziaania SSN mona bdzie kiedy powiedzie, e taka sie posiada semantyk, czy te dowiadcza wasnej wolnoci? Nie chodzi przy tym o wolno w ujciu kompatybilizmu24 , ktry przyznaje czowiekowi zdolno dziaania zgodnie z wasn wol, utrzymujc jednake zdeterminowanie teje woli przez okolicznoci. Chodzi o wolno, ktra byaby zdolnoci czowieka do dziaania zupenie nieprzewidzianego, nie zdeterminowanego przez sytuacj25 . SSN stanowi rozwizanie alternatywne w stosunku do klasycznego programowania algorytmicznego, tzn. podawania komputerowi przez programist mechanicznej procedury, wedug ktrej przetwarzaby okrelone dane. Nie znaczy to jednak, e sie dziaa zupenie niealgorytmicznie. Sie po
22 Mzg ludzki zawiera ponad 1011 neuronw, natomiast konstruowane obecnie SSN zawieraj zaledwie do kilkuset tysicy uproszczonych modeli neuronw sztucznie zgrupowanych w kilka warstw. 23 Searle przytacza tu pogld McCarthyego, twrcy terminu sztuczna inteligencja, ktry uwaa, e nawet tak proste urzdzenia jak termostaty posiadaj przekonania, a mianowicie sdy: tu jest zbyt gorco, tu jest zbyt zimno, temperatura jest w sam raz (por. J. Searle, dz. cyt., s. 27). 24 Por. tame, s. 80. 25 Searle prbuje pogodzi dowiadczenie tej wolnoci przez czowieka z przyrodnicz wizj mechanicystycznego wiata i przyznaje, e nie bardzo mu si to udaje (por. tame, s. 77).

12

Krystian SOWA

prostu programuje si sama w wyniku sformalizowanego procesu uczenia si. Dziaanie sieci jest deterministyczne: w okrelonych warunkach otrzymujemy okrelony wynik moliwy do przewidzenia, gdyby dysponowa wystarczajcymi danymi dotyczcymi stanu sieci. Zdolno sieci do uoglniania posiadanej wiedzy i wykorzystywania jej w nowych sytuacjach, ktr obecne sieci posiadaj w ograniczonym stopniu, jest wic raczej mechaniczn ekstrapolacj, ni twrczoci. Przykad chiskiego pokoju Searlea zachowuje swoj wano rwnie w odniesieniu do sieci neuronowych. Z drugiej jednak strony, uczenie czowieka nie odbiega przecie w niektrych przypadkach od uczenia SSN, a jednak czowiek dowiadcza siebie jako istoty wiadomej, wolnej i twrczej. Natura wiadomoci czowieka wci pozostaje dla niego tajemnic. By moe trzeba nam jak sdzi Searle dopracowa si bardziej wyranowanej koncepcji przyczynowoci ni ta, ktr dotychczas posiadamy26 . By moe rozwizanie problemu przyniesie dopiero dalszy, intensywny rozwj zyki kwantowej. Teoretycznie atwo jest zrobi eksperyment mylowy i przyzna sieci ludzk wiadomo. Jest to, o tyle proste, e nie jestemy specjalnie kompetentni ani w dziedzinie powstawania wiadomoci u czowieka, ani w dziedzinie modelowania mzgu i std moe niewiadomi wielu trudnoci, z ktrymi przyjdzie nam si jeszcze spotka. Entuzjazm zwolennikw pogldu o wiadomoci SSN moe przypomina entuzjazm zwolennikw silnej SI w latach 50tych, kiedy wszystko wydawao si moliwe. atwe do wypowiedzenia okrelenie sie o wystarczajcym stopniu zoonoci nie zawiera jednak konkretnej treci. Przy zaawansowanych prbach modelowania biologicznego mzgu za pomoc ukadw scalonych moemy natkn si jeszcze na niejeden problem w rodzaju semantycznej bariery Searlea. By moe, e do mylenia semantycznego nieodzowny jest wanie w nieuchwytny zykochemicznie wymiar, ktry Searle nazywa czynnikiem biologicznym, zwizany z yciem i z cielesnoci czowieka, a nie tylko wyabstrahowan sztuczn siatk neuronw. A jeeli nawet skonstruujemy androida, ktry funkcjonalistycznie doskonale replikowaby ycie ludzkie, to znaczy posiadaby wszystkie umysowe i zmysowe zdolnoci typowe dla ludzi z punktu widzenia silnej SI kiedy powinno by to moliwe to czy mona bdzie traktowa go jak czowieka? Ilustracj problemu niech bdzie przykad, w ktrym mamy do czynienia z dwiema butelkami wina: jedna z nich stanowi oryginalny trunek,
26 Por.

tame, s. 18.

NADZIEJA NA ELEKTRONICZN WIADOMO

13

a druga jego nieodrnialn chemiczn podrbk27 . Co stanowi o tosamoci pierwszej butelki? Czy tylko smak? Na czym polega przyjemno picia wina? Cz uroku wina bdzie braa si ze wiadomoci jego pochodzenia28 , zaczynajc od dojrzewajcych na socu winogron, a koczc na procesie tradycyjnego przetwarzania. W stosunku do drugiej butelki reakcje mog by wic dwojakiego rodzaju. Pierwsza: smak jest ten sam, ignoruj pochodzenie i druga nigdy na moim stole. Norman Lillegard, odnoszc si do powyszego przykadu, dopuszcza moliwo uznania sztucznie skonstruowanego androida za czowieka na podstawie tylko klasykacji funkcjonalistycznej, tak, e pochodzenie przestaje mie znaczenie, wskazuje jednak na konsekwencje takiego kroku: Nie twierdz, e to nie moe si zdarzy. Wierz natomiast, e mona powiedzie, e gdyby tak miao si zdarzy, to stracone zostaoby co bardzo wanego. Stracilibymy pod doniosymi wzgldami sens samych siebie29 . Lillegard wskazuje na to, e na tosamo czowieka skada si nie tylko jego ciao w zycznym, czy nawet biologicznym sensie, ale te cay konkretny kontekst jego ycia, narodziny, przemijanie, wreszcie mier. Nasze poczucie blu jest zwizane z naszym poczuciem moralnoci i powinnoci, cierpienia i perspektywy mierci. Nakaz, by nie zadawa blu jest wewntrznie zwizany z cnot dobroci. Czym byaby ta cnota w wiecie niemiertelnych [androidw]?30 . Czy android bdcy poza sytuacj w rozumieniu czowieka, nie starzejc si, nie przemijajc i nie umierajc, byby zdolny np. do odczuwania blu? Czy grajc w szachy mgby odczuwa przyjemno z wygranej? Czy jego odczucia byyby odczuciami czowieka? Pytanie o inteligencj komputera o wystarczajcym stopniu zoonoci pociga za sob nastpne: o czowieka i jego inteligencj. Reeksja nad czowiekiem w wietle pytania o SI nie powinna mie przy tym charakteru
N. Lillegard, Sztuczna inteligencja a Biblia, Znak 1995 nr 484, s. 52. przytacza tu spostrzeenie, e bytom (np. czowiekowi) nie przypisujemy predykatw psychologicznych tylko na bazie ich dziaania, ale na bazie tego, co o nich wiemy (por. tame). 29 Tame, s. 54. 30 Tame, s. 53.
28 Lillegard 27 Por.

14

Krystian SOWA

taniej apologii czowieka powodowanej lkiem przed utrat jego wyrnionej pozycji w wiecie, z drugiej za strony, nie powinna by redukcjonistyczna. Pytajc o inteligencj czowieka, wypada wzi pod uwag nie tylko jego zdolno formalnego rozwizywania problemw, czy te uczenia si, ale take zdolno rozumienia przyswajanych treci. Pozostaje rwnie caa sfera psychiczna czy aksjologiczna. Czowiek ze swoim biologicznym ciaem, osadzeniem w konkretnym yciu wraz z jego radoci i cierpieniem, rozumiejcy znaczenie sw takich jak przyja i mio, wydaje si by czym wicej, ni tylko sztuczn sieci neuronow o wysokim stopniu zoonoci, czy supersystemem ekspertowym. Elektroniczna inteligencja byaby w takim przypadku tylko funkcjonalistycznym naladowaniem inteligencji czowieka. Nie znaczy to, e naley aowa wysiku na badania w dziedzinie SI, czy to spisujc j na straty, czy te lkajc si, e moe by konkurencj dla homo sapiens. Prace nad SI mog by pasjonujc przygod pozwalajc czowiekowi przy okazji zrozumie lepiej samego siebie. Ale nadzieja na elektroniczn wiadomo jest przecie nadziej czowieka. Czy mona mwi zarwno o nadziei, jak i o wiadomoci w wiecie krzemowych androidw?