GONDOLKODÓ GÉPEK? 1
SIMONYI ANDRÁS
[ Cikk vége | Jegyzetek | Bezárás]
Pontosan negyven évvel Alan Turing híres "Computing machinery and intelligence" című írásának Mind-beli megjelenése után, 1990-ben az angol matematikus, logikus és számítástudomány-kutató tudományos örökségével foglalkozó konferenciát rendezett a Mind Association. A konferencia résztvevői — Turing széles körű érdeklődésével összhangban — a legkülönbözőbb tudományterületek művelői közül kerültek ki. A neves előadók között volt a mesterséges intelligencia (MI) kutatásának két korai úttörője is: Donald Michie, aki hosszú ideig dolgozott Turing közvetlen munkatársaként, valamint a közgazdasági Nobel-díjas Herbert Simon. A konferencián elhangzott előadások bővített és a viták nyomán módosított változatai két kötetben jelentek meg. Az első rész középpontjában Turing mesterséges intelligenciával és számítástudománnyal kapcsolatos három klasszikus eredménye
illetve tézise áll: a Turing-gépek elmélete, a Turing-teszt és a Church-Turing tézis. Bár az első kötet tizennégy esszéjét nem osztották tematikus csoportokba a szerkesztők, az egymáshoz közel elhelyezkedő írások általában hasonló problémákat tárgyalnak, és az is gyakran előfordul, hogy egy esszé reflektál egy előtte álló dolgozatra. Külön csoportot képez az utolsó négy írás. Ezek inkább figyelemf ölkeltő ráadásnak tekinthetők, mivel a konferencia témájához lazábban kapcsol ódó, újonnan kialakult területekre nyújt anak ismeretterjesztő jellegű bevezetést.
A könyv első négy írása a Turing-teszt néven közismertté vált imitációs játék és az intelligencia illetve tudatosság kapcsolatát vizsgálja. A hagyományos értelmezés szerint Turing az intelligencia egy operacionális definícióját kívánta megadni, amikor azt javasolta, hogy tekintsünk intelligensnek minden olyan gépet, mely szöveges terminálon keresztül majdnem ugyanolyan eséllyel képes elhitetni kérdezőjével, hogy emberrel kommunikál, mint emberi ellenfele.
Az első dolgozat szerzője, Robert M. French elfogadja, hogy egy olyan szerkezetet, mely eredményesen lenne képes játszani az imitációs játékot, valóban intelligensnek kellene tekintenünk. Vitatja azonban Turing azon pragmatikus állítását, mely szerint a nem túl távoli jövőben képesek leszünk a teszt követelményeinek megfelelő gépeket alkotni. French meggyőzően érvel amellett, hogy a Turing-teszt követelményei ugyan minden bizonnyal elégségesek az intelligenciához, de semmiképpen sem szükségesek, mivel ez a teszt nem az intelligencia, hanem a kulturálisan orientált emberi intelligencia jelenlétét vizsgálja. Véleménye alátámasztásául olyan kérdéscsoportokat mutat be, melyekre a Turing-tesztnek alávetett szerkezet csak akkor lehet képes megfelelően ütemezett és helyes válaszokat adni, ha ugyanolyan tapasztalatokkal és alacsonyszintű kognitív struktúrákkal rendelkezik, mint emberi versenytársai illetve kérdezői. Tipikus példái tudatalatti asszociációkon és a nyelvi kompetencia nem-tudatosuló alkalmazásain alapulnak. Mivel French centrális tézise szerint lehetetlen éles választóvonalat húzni az intelligenciához szükséges magasrendű funkciók és az ezeket megvalósító alacsonyszintű kognitív struktúrák megnyilvánulásai között, ezért nem lát lehetőséget a Turing-teszt olyan módosítására, mely egy az emberi intelligenciánál tágabb intelligenciafogalom definíciójául szolgálhatna.
Donald Michie szintén hangsúlyozza az olyan, "halk" mentális folyamatok szerepét az intelligens rendszerekben, melyekhez a rendszereknek nincsen direkt, magasszintű introspektív hozzáférésük. Azonban Frenchtől eltérően úgy látja, hogy a Turing-teszt éppen azért elégtelen az intelligencia — akár az emberi intelligencia — jelenlétének vizsgálatához, mert csak azokhoz a folyamatokhoz képes hozzáférni, melyekről a vizsgálat alanya verbálisan be tud számolni. Mivel viselkedésünk jelentős részét nem vagy csak nagyon nehezen verbalizálható folyamatok határozzák meg, ezért egy valóban intelligens rendszernek Michie szerint képesnek kell lennie az emberek gyakorlatából való tanulásra is, anélkül hogy a megtanulandó anyagot verbálisan közölnék vele. Bár Michie egyetért John Searle-lel abban, hogy a Turing-tesztet teljesítő szimbólum-manipuláció képessége nem elegendő az intelligenciához, nem helyez olyan hangsúlyt a tudatosság szerepére, mint ezt Searle teszi. Véleménye szerint Searle álláspontja, mely a priori kizárja annak lehetőségét, hogy egy programvezérelt, szimbólumokat manipuláló gép tudatos és intelligens legyen, csak akkor lesz megkülönböztethető a puszta metafizikától, ha meg fogja tudni adni a tudatosság gyakorlatban alkalmazható definícióját is.
Az eddig említett két esszével szemben, melyek a Turing által javasolt megoldásokat a mai mesterséges intelligencia-kutatás eredményeivel és igényeivel szembesítik, Blay Whitby dolgozata történeti megközelítést alkalmaz. Turing Mind-beli esszéjének hatástörténetét elemezve úgy látja, hogy a megjelenése óta eltelt idő legnagyobb részében a cikk helytelen interpretációja tévútra vezette az MI kutatóit. Mivel Turing írása alapján úgy gondolták, hogy vállalkozásuk célhoz ér, ha sikerül építeniük egy, a tesztet kiálló szerkezetet, csak az emberi intelligencia minél tökéletesebb imitációját próbálták megalkotni, elhanyagolva az intelligencia általános tulajdonságainak kutatását. Whitby szerint az MI-programnak az intelligencia olyan definíciójára lenne szüksége, mely egyáltalán nem hivatkozik emberi képességekre. Esszéje végén vázolja Turing cikkének egy új, a megírás időpontjában bekövetkezett paradigmaváltásokat is szem előtt tartó értelmezését. Eszerint Turing egyrészt azt az új szemléletmódot alkalmazta a gondolkodás és intelligencia kérdéseire, mely különbséget tesz bizonyos rendszerek logikai és fizikai aspektusai között, másrészt föl kívánta hívni a figyelmet az emberi attitűdök központi szerepére az egyes rendszerek intelligenciájára vonatkozó kérdések megválaszolásában. Mindezt azonban anélkül tette, hogy az intelligencia egyfajta definícióját próbálta volna nyújtani.
Az intelligencia-tulajdonítás és az emberi attitűdök előbb említett kapcsolatát elemzi igen részletesen Ajit Narayanan. Daniel Dennettnek az intencionális rendszerekről illetve az intencionális hozzáállásról adott elemzéseit fölhasználva azt vizsgálja, hogy miként alkalmazhatók különböző rendszerekre intencionális predikátumok. Az alkalmazásnak három lehetséges szintjét különbözteti meg. Az első, Narayanan által reprezentációs hozzáállásnak nevezett szinten úgy írunk le intencionális fogalmakkal egy rendszert, hogy ezzel nem föltételezzük sem tudatosságát, sem valódi tárgyra irányultságát. A reprezentációs hozzáállás alkalmazhatóságához elegendő, hogy a rendszernek olyan formális szabályok szerint váltakozó szimbolikus állapotai legyenek, melyekhez intencionális predikátumokat rendelhetünk a konkrét reprezentációs tartalmak illetve az állapotok egymáshoz való viszonya alapján. Megfelelő hozzárendelés esetén a reprezentációs hozzáállással néha lényegesen egyszerűbben magyarázhatjuk egy rendszer — például egy sakkautomata — viselkedését, mintha ezt intencionális predikátumok használata nélkül kísérelnénk meg. A reprezentációs hozzáállást követő második szinten már úgy adunk mentális leírást egy objektumról, hogy ezzel bizonyos fokú tudatossága mellett is elkötelezzük magunkat. Az egyes második szintű hozzáállások jelentősen eltérhetnek egymástól, attól függően, hogy milyen tudatosság-elmélettel dolgoznak. Ezeket a különbségeket vizsgálja a harmadik szint, melyet Narayanan olyan metaszintként jellemez, ahol a különböző második szintű leírások értékelhetők és hasonlíthatók össze. A tulajdonítási szintek fogalmi apparátusának segítségével Narayanan is újraértelmezi Turing cikkét: eszerint az írás kérdésföltevései és általános megfontolásai a harmadik szinten helyezhetők el, míg a konkrét ellenvetésekre adott válaszai egy második szintű hozzáállást körvonalaznak.
Az imitációs játékot tárgyaló esszék után három olyan átfogó, a gépek gondolkodásának lehetőségeit tárgyaló írás következik, melyek reprezentatív és alapvetően eltérő álláspontokat fogalmaznak meg az MI-vel kapcsolatban.
Herbert Simon szerint a gondolkodásra képes számítógépek létezése immár vitathatatlan tény, hiszen a kutatólaboratóriumok több évtizede alkotnak olyan gépeket, melyek (többé vagy kevésbé) intelligensnek tekinthetők. Searle-nek az MI-vel kapcsolatos álláspontját vitatva, a szerző azt állítja, hogy a gondolkodás szimulációja maga is gondolkodás, mivel a szimuláló számítógép ugyanúgy szimbólumokat manipulál, mint a gépi konstrukció alapjául szolgáló emberi elme. Álláspontjából adódóan Simon járható — és valószínűleg követendő — útnak tekinti a kutatásnak azt a módját, mely az agy működését tanulmányozza és próbálja szimulálni. Az eddig elért eredményeket fölvázolva Simon bemutatja az elme működésének néhány olyan általános jellemzőjét, melyet már sikerült számítógépek segítségével modellálni. Ezek között említhető, hogy míg a kognitív rendszer a szimbolikus szinten soros működésű, az érzékszervek, például a szem és a fül, párhuzamosan dolgozzák föl az érkező ingereket. A pszichológiai kutatások alapján Simon úgy látja, hogy az emberi agy propozicionális reprezentációk mellett képi jellegűeket is használ, sőt elképzelhetőnek tartja, hogy reprezentációink túlnyomó többsége az utóbbi típusba tartozik. Számba véve az emberi alakfölismerés, nyelvelsajátítás, valamint a kreatív elméletalkotás gépi szimulációjában elért eredményeket, a szerző arra a következtetésre jut, hogy a mesterséges intelligencia elvi lehetősége csak azért lehet még mindig viták tárgya, mert vonakodunk föladni a gondolkodást kizárólag emberi sajátosságnak tekintő világképünket.
A Simon cikkében megfogalmazott "mechanisztikus" nézeteket próbálja megcáfolni J. R. Lucas, amikor híres-hírhedt, Gödel tételeire hivatkozó érvét védelmezi az első publikáció óta megjelent számtalan kritikával szemben. Lucas változatlanul fönntartja, hogy az emberi elme nem szimulálható kielégítően programvezérelt determiniszikus rendszerekkel, mivel ez utóbbiak nem képesek az általuk produkált számelméleti tételrendszer konzisztenciájából következő aritmetikai kijelentések igazságát állítani. Az ember ezzel szemben — állítja Lucas — birtokolja az igazság általános fogalmát, s ezért mindig képes lesz a gép által beláthatatlan helyes tételek fölismerésére is. A szerző amellett érvel, hogy nem tekinthető az emberi elme kielégítő szimulációjának egy olyan szerkezet, mely nem, vagy csak inkonzisztens módon képes bizonyos aritmetikai tételeket produkálni. Lucas provokatív zárógondolata szerint az a mechanista ellenérv, mely azt állítja, hogy az emberi elmék sem produkálnak szükségképpen konzisztens aritmetikai rendszereket, csupán azt a "mindig is érzékelt" tényt teszi explicitté, hogy a materializmus nihilizmushoz vezet.
Köztes álláspontot foglal el Simon és Lucas között Robin Gandy, aki könnyed hangvételű esszéjében először a matematikatörténet néhány mechanizálhatatlannak tűnő gondolatmenetét mutatja be, köztük a Lucas érvelésében központi szerepet betöltő gödeli megfontolásokat is. Gandy szerint az algoritmizálhatatlan "isteni szikra" jelenléte gyakran analógiás következtetések alkalmazását jelenti, s a kreatívan gondolkodó ember sokszor kisszámú eset vizsgálata után von le általános érvényű következtetéseket. Bár számítógépek is programozhatók analogikus vagy induktív hipotézisek fölállítására, a szerző szerint alapvető különbséget jelent, hogy az ember sokszor nem csupán föltételezi, hanem tudja, hogy következtetése helyes. Mivel Gandy elfogadja azt a Turingtól eredő érvet, hogy egy intelligens gép ugyanúgy hibázhat a matematikában, mint az emberek, ezért szerinte Lucas — és az őt követő Penrose — nem nyújtotta a mechanista nézetek kényszerítő erejű cáfolatát. Gandy úgy látja, hogy valóban meggyőző érvet csak egy radikálisan újszerű racionalitáselmélet jelenthetne, esetleg egy az emberi agy determinisztikusságát cáfoló fizikai elmélettel egybekötve.
A kötet talán legkitűnőbb írásait tartalmazza az a szintén három esszéből álló csoport, mely a Turing-gépekkel való szimulálhatóság határait vizsgálja.
Az első dolgozat szerzője, Anthony Galton a Turing-kiszámítható és a kiszámítható függvények osztályának egybeesését kimondó Church-Turing tézis logikai-ismeretelméleti státusát elemzi. Elveti azokat az értelmezési kísérleteket, melyek a tézisben matematikai eszközökkel bizonyítható tételt látnak, és elutasítja a definíciós javaslatként történő interpretációt is. Egyetértve Wang egy megjegyzésével, a szerző úgy véli, hogy a tézis pontosításra szorul, hiszen egy bizonytalan, intuitív fogalom terjedelme nem egyezhet meg egy matematikai szabatossággal definiált osztállyal. Mivel Galton szerint a tézisben szereplő két meghatározás viszonya leginkább a számítástudományból ismert specifikáció—implementáció fogalompárral írható le, ezért a megvalósítás módjára való közelebbi hivatkozás nélkül próbálja pontosítani a kiszámíthatóság intuitív fogalmát. Javaslata szerint a kiszámítható függvények helyett a "fekete dobozzal kiszámítható" függvényekre fogalmazhatnánk meg az állítást. Galton akkor tekint egy függvényt ilyen tulajdonságúnak, ha létezhet olyan fekete doboz, mely bármely megadott értékre helyesen számítja ki a függvény értékét, illetve egyértelműen jelzi, ha a függvény nem-értelmezett. A fekete doboz egyes jellemzőire tett különböző megkötésekkel a Church-Turing tézis újabb változatai nyerhetők: megkülönböztethetjük a fizikailag lehetséges, aktuálisan létező, az eredményt adott időn belül megadó stb. fekete dobozokra vonatkozó variánsokat. Érdekes magyar vonatkozása a dolgozatnak, hogy a tézis eredeti alakját megkérdőjelező legfontosabb érvek között említi és részletesen vizsgálja Péter Rózsa és Kalmár László 1959-ben megjelent ellenvetéseit.
Mivel írásában Galton szinte egyáltalán nem foglalkozik azzal a problémával, hogy mikor interpretálhatók egy fizikai rendszer állapotai számítási folyamat lépéseiként, ezért az előző dolgozat hasznos kiegészítését nyújtja Chris Fields esszéje, mely ezt a kérdést a méréselmélet eredményeire támaszkodva vizsgálja. Fields abból indul ki, hogy időmérő eszközeink véges pontosságából adódóan az általunk vizsgált rendszerekről csak diszkrét állapotváltozásokat rögzítő megfigyelési adatok állhatnak rendelkezésünkre. A vizsgált objektum dinamikus vagy diszkrét voltáról tehát csak az adatok egy adott interpretációjához viszonyítva beszélhetünk: míg a fizika általában folytonos modellek segítségével értelmezi a megfigyeléseket, az algoritmikus folyamatként történő leírás diszkrét modelleket nyújt. Fields megközelítése szerint ahhoz, hogy egy fizikai rendszer története egy algoritmus egyszeri végrehajtásaként legyen interpretálható, elégséges, ha a rendszer mért állapotai és algoritmus lépései között egyértelmű (homomorfikus) megfeleltetés hozható létre. Ha a rendszer minden lehetséges állapotváltozás-sorozata értelmezhető egy bizonyos algoritmus különböző induló-adatokon történő végrehajtásaként, akkor a rendszer virtuális számítógépnek tekinthető. Fields álláspontja két fontos következménnyel jár: egyrészt ugyanazon rendszer több különböző virtuális számítógépet is megvalósíthat mérési adatoktól és interpretációtól függően, másrészt egy virtuális gép szimulációja maga is virtuális számítógép. A második állításra hivatkozva Fields — Simonhoz hasonlóan — elutasítja Searle "kínai szoba" érvét, és úgy látja, hogy nincsen szemantikai különbség a természetes és mesterséges rendszerek között.
Mind Fields, mind Galton dolgozata osztja azt az előfeltevést, hogy az intelligens rendszerek leírására és modellezésére a számítástudomány eszközei és fogalmai a legalkalmasabbak. Aaron Sloman ezzel szemben amellett érvel, hogy az intuitív számításfogalom különböző tudományos interpretációi alkalmatlanok a kérdéses rendszerek szerkezetének és tipikus tulajdonságainak leírására. Sloman szerint az algoritmikus számítás fogalma bizonyosan elégtelen a leírandó tartomány körülhatárolására, mivel számításnak tekintünk olyan, pusztán szintaktikai objektumokat is, melyek kauzálisan teljesen hatástalanok. A formális számítási folyamatként történő jellemezhetőséget azonban szükséges föltételnek sem nevezhetjük, hiszen egyre több jel mutat arra, hogy az emberi agy működésében fontos szerepet játszhatnak szinkronizálatlan párhuzamos folyamatok és analóg reprezentációk is. Mivel Sloman nem látja lehetőségét egy olyan számításfogalom kialakításának, mely megfelelő lenne az intelligens rendszerek körbenforgás nélküli jellemzésére, ezért e fogalom központi szerepét elvetve a "viselkedő rendszerek" olyan általános osztályozását vázolja, mely alkalmas lehet az intellig ens rendszerek jellemzésére is.
A kötet utolsó négy írása — melyek közül különösen érdekes a grammatikán alapuló érvelésekkel és a "végtelenben az igazsághoz konvergáló" eldöntési eljárásokkal foglalkozó két esszé — néhány frissen kialakult kutatási terület ismertetésével teszi teljessé a Turing tudományos örökségéről nyújtott képet. Ez a kép mindenekelőtt azért lehet izgalmas és vonzó, mert híven tükrözi a
mesterséges intelligencia megítélésében fönnálló nézetkülönbségeket. Míg a konferencián résztvevő gyakorló MI-kutatók túlnyomó része egy általuk kiforrottnak tekintett paradigma keretein belül elért eredményekről számolt be, a filozófusok még elméleti megalapozásra szoruló, kialakulatlan területként viszonyulnak az MI-hez. A Machines and Thought mindkét oldalnak segíthet abban, hogy — vitapartnereik érveit és gondolkodásmódját közelebbről megismerve — megteremtsék a termékeny vitához szükséges közös alapot.
1 P. J. R. Millican-A. Clark (eds.): Machines and Thought. The Legacy of Alan Turing. Vol. I., Clarendon Press, Oxford 1996, 297 oldal. Vissza