Digital Intelligence Laboratory

Digital Intelligence Laboratory

6 lipca 2009
Źródła niepowodzeń w badaniach umysłu w zakresie Sztucznej Inteligencji

Sztuczna Inteligencja (rysunek: Tomasz Wietrzykowski, 2004)
Sztuczna inteligencja
Rysunek: Tomasz Wietrzykowski, 2004

Spis treści

Wstęp
Sieci symboliczne
Język Sztucznej Inteligencji
Komputer V generacji
Sieci neuronowe
Układy hybrydowe
Kognitywistyka
Poszukiwanie podstaw funkcjonowania umysłu
Procesor umysłu
"Wektorowy Procesor Symboliczny"™

Wstęp

W latach pięćdziesiątych XX wieku człowiek był bardzo zafascynowany potężnymi możliwościami komputera w zakresie automatyzacji procesu umysłowego, jakim było liczenie. Sądził, że realizacja innych procesów umysłowych przez komputer, to tylko kwestia czasu. W tym to okresie ukształtowała się nowa dziedzina badań, będąca wyrazem dążeń człowieka do zbudowania "maszyny myślącej" określana mianem Sztucznej Inteligencji. Pozwoliła ona na zintensyfikowanie starań człowieka w kierunku opracowania maszyny automatyzującej pozostałe procesy umysłowe.

Konstruując pierwsze maszyny liczące, od sumatora mechanicznego Wilhelma Schickarda (rok 1623), aż do komputera elektronicznego (rok 1943), człowiek nie podejmował żadnego innego praktycznego tematu, jak proces liczenia. Te ponad 300 lat rozwoju w tym kierunku doprowadziły do opracowania wspaniałej maszyny potrafiącej bardzo dobrze liczyć (w tym wykonywać operacje logiczne). Był to wielki sukces człowieka, pozwalający na automatyzację bardzo uciążliwego procesu umysłowego, jakim było liczenie. Pozostało przed człowiekiem kolejne zadanie, skonstruować maszynę, która potrafi wykonywać pozostałe operacje umysłowe człowieka. Wielki sukces w konstrukcji maszyny liczącej spotęgował jeszcze bardziej wysiłki człowieka w tym kierunku.

Do skonstruowania maszyny myślącej potrzebne były założenia projektowe, ale takich nie było. Nie było też doświadczeń projektowych zdobytych w trakcie stopniowego i przemyślanego zmierzania do tego celu, dlatego zamiast konstruować maszynę od zera, jak to było z komputerem, postanowiono w pierwszym rzędzie sprawdzić, czy komputer jest również w stanie wykonywać inne procesy umysłowe. Początkowo sądzono, że skoro z jedną operacją umysłową, liczeniem, komputer sobie doskonale radzi, to na pewno sobie poradzi z pozostałymi operacjami umysłowymi. Trzeba go było tylko tego nauczyć dostarczając mu odpowiedni program.

Sieci symboliczne

Zauważono, że wszelkie procesy umysłowe można naśladować, lepiej lub gorzej, operacjami na symbolach. Poprzez łączenie symboli uzyskuje się sieci symboliczne. Samo połączenie symboli nic nie wnosi, jedynie tylko tyle, że symbole są połączone według pewnych reguł (określonych syntaktyką).

Z definicji znaczenia symbolu wynika, że wskazuje on na element rzeczywistości lub wskazuje na pojęcie będące złożeniem innych symboli (zajęcie semantyki). Tym sposobem w sieci symbolicznej może być zawarta wiedza o tej rzeczywistości. Informacje związane z semantyką (rozumieniem symboli) zapisane są w pamięci trwałej człowieka, dlatego rozumienie rzeczywistości na podstawie wiedzy zawartej w sieci symbolicznej nie może się obyć bez obecności człowieka, który posiada w sobie brakującą część wiedzy o tej rzeczywistości. Jak można zauważyć, semantyka związana z pojęciami może być zapisana w pamięci trwałej człowieka, ale również w sieci symbolicznej.

Nic nie stoi na przeszkodzie, aby semantyczną część wiedzy zapisaną w pamięci trwałej człowieka można było przenieść do pamięci maszyny (komputera), w której zapisane byłyby wskazywane przez symbole (elementy sieci symbolicznej) abstrakty pochodzące od elementów rzeczywistości (w celu rozpoznawania elementów rzeczywistości), a także zapisane byłyby wskazywane przez symbole pojęcia będące złożeniami innych symboli (w celu rozumienia tej rzeczywistości). W ten sposób cała wiedza o wyabstrahowanej rzeczywistości znalazłaby się w maszynie.

Zadania przetwarzania symboli powierzono automatowi do liczenia - komputerowi. Ponieważ były to algorytmy nienumeryczne, komputer sobie z nimi nie radził. Dla usprawnienia tych zadań opracowano specjalne metody i techniki informatyczne dotyczące wyszukiwania informacji w sieciach symbolicznych (heurystyka) oraz wnioskowania (przypominającego proces rozumowania człowieka). Do budowania sieci symbolicznych bardziej złożonych niż lista symboli, stosowano różne struktury danych (drzewa, sieci hierarchiczne, sieci semantyczne, sieci regułowe, ramy, sieci obiektowe, sieci pojęciowe, itd).

Język Sztucznej Inteligencji

W celu ułatwienia prac badawczych nad modelowaniem operacji umysłowych, w 1958 roku John McCarthy opracował język wysokiego poziomu, który umożliwiał wykonywanie operacji na symbolach oraz formułowanie rozwiązań na poziomie myślenia problemowego człowieka. Podstawową strukturą, którą ten język potrafił przetwarzać była lista symboli, stąd pochodzi nazwa języka LISP (ang. List Processing). Później język ten nazwano także językiem Sztucznej Inteligencji, ponieważ był używany przede wszystkim przy pracach nad Sztuczną Inteligencją.

Do wydobycia wiedzy zawartej w sieciach symbolicznych najczęściej korzystano z wnioskowania będącego odpowiednikiem rozumowania człowieka. Dla ułatwienia budowy sieci symbolicznych opartych na wnioskowaniu w 1971 roku Alain Colmeraurer i Phillipe Roussel opracowali język programowania wysokiego poziomu o nazwie PROLOG z wbudowaną maszyną wnioskującą. Język ten obok LISP-a był wykorzystywany do budowy systemów bazujących na sieciach symbolicznych.

Komputer V generacji

Możliwości PROLOG-u tak zafascynowały kręgi naukowców i badaczy Sztucznej Inteligencji, że postanowiono zasady na jakich opierał się ten język uczynić podstawą funkcjonowania maszyny myślącej - komputera V generacji. Maszyna ta miała powstać w ramach projektu FGCS (ang. Fifth-Generation Computer System). W tym celu w 1982 roku powołano Instytut Komputerów Nowej Generacji (ang. Institute for New Generation Computer Technology). Pomysł był bardzo dobry, lecz nacisk sponsorów na szybkie opracowanie takiego komputera był zbyt mocy, aby taki projekt zakończył się powodzeniem.

Pozostaje pytanie, czym zakończyłyby się prace nad komputerem V generacji, gdyby ich nie przerwano? Na pewno lepszą lub gorszą realizacją tego, do czego zmierzano. Ale dobrze byłoby wtedy coś mieć na początek, co umożliwiłoby dalsze badania.

Sieci neuronowe

Badacze z dziedziny Sztucznej Inteligencji zaczęli zdawać sobie sprawę z tego, że komputer został zaprojektowany, ale niestety tylko do liczenia i tylko ten proces umysłowy człowieka wykonywał znakomicie. Część z tych badaczy zwróciła się w kierunku sztucznych sieci neuronowych. Najważniejszą ich cechą było to, że można je było bardzo dobrze modelować matematycznie. Inaczej mówiąc, w porównaniu do struktur symbolicznych sieci neuronowe można było liczyć, a to jest właściwe zadanie dla komputera.

Schemat sztucznego neuronu został opracowany już w 1943 roku przez McCullocha i Pittsa. Z sieciami neuronowymi wiązano nadzieje, że może przy ich pomocy uda się zrealizować pomysł sztucznego umysłu. Poczyniono wiele wysiłku w kierunku rozwoju tej techniki. Opracowano wiele modeli sieci neuronowych. W zasadzie była to praca dla dobrego matematyka, który opracowywał matematyczne podstawy działania takich sieci neuronowych. Potem już była implementacja w postaci działającego programu komputerowego. Powstały nawet komputery, które tylko tym się zajmowały, nazwane neurokomputerami.

Sztuczne sieci neuronowe miały dużo zalet. Umożliwiały rozpoznawanie obiektów przy niepełnych danych, czyli to, z czym systemy symboliczne sobie nie radziły. Zamiast dobierania (lub opracowywania) odpowiednich algorytmów przetwarzania danych wejściowych, sztuczne sieci neuronowe uczono rozpoznawać zjawiska i obiekty lub prawa nimi rządzące. Niezastąpione są do tej pory w diagnozowaniu, prognozowaniu, poszukiwaniu, interpretacji, analizie, planowaniu, optymalizacji, doborze, selekcji, rozpoznawaniu, sterowaniu, aproksymacji, dla których trudno jest określić reguły według których przebiegają pewne zjawiska. Jednakże nie potrafią ujawnić krok po kroku sposobu osiągnięcia rezultatu, to co potrafią symboliczne systemy wnioskowania.

Dla człowieka naturalne sieci neuronowe są najprostszym i najłatwiejszym sposobem realizacji środowiska umysłu, jaki dała natura, tak jak nogi i skrzydła są najprostszym i najłatwiejszym sposobem na przemieszczanie się organizmów żywych. Jakkolwiek skrzydła okazały się znakomitym wzorem do budowy samolotów, to jednak wzorowanie się na nogach nie przyniosłoby spodziewanego efektu. Dla układów mechanicznych najlepszym rozwiązaniem okazało się koło. Trzeba pamiętać o tym, że budując sztuczne sieci neuronowe, możemy jakby budować mechanizmy przeznaczone do poruszania się na nogach. Koło z punktu widzenia organizmów żywych, nie przypomina nogi i pomysł ten nie da się wyprowadzić z wiedzy o poruszaniu się organizmów żywych.

Powstaje pytanie, czy sztuczne sieci neuronowe i symboliczne nie są przypadkiem konstrukcją wyższego poziomu niż ten, który stanowi podstawę wszelkich procesów umysłu?

Układy hybrydowe

Umysł ludzki oprócz tego, że potrafi funkcjonować przy niepełnych danych, jak sieci neuronowe, potrafi również wykonywać operacje symbolicznie i objaśniać kolejno wykonane kroki umysłowe, czego nie potrafią sieci neuronowe. W związku z tym, aby zrealizować kompleksowe możliwości umysłowe człowieka, powstał pomysł połączenia sieci neuronowych i sieci symbolicznych. Systemy te nazwano systemami hybrydowymi.

Kognitywistyka

W badaniach w dziedzinie Sztucznej Inteligencji skorzystano z możliwości komputera zaprojektowanego przede wszystkim do liczenia i próbowano nim przetwarzać w sposób nienumeryczny struktury symboliczne. Już od samego początku tych badań, wniosło to wkład w postaci nieudanych prób realizacji maszyn myślących, których wyniki z lepszym lub gorszym skutkiem wykorzystano w praktyce i w teorii Sztucznej Inteligencji. Równocześnie, aby nadać celowość poznawczą i praktyczną oraz podkreślić doniosłość wyników prac w dziedzinie Sztucznej Inteligencji, zmieniono cel, do którego wcześniej dążono i nie wiązano go już z marzeniem o maszynie myślącej. Uznano nawet, że dotychczasowe nieudane próby dowodzą, iż opracowanie maszyny myślącej jest niemożliwe. Nadano nowy, mniej wymagający niż poprzednio sens Sztucznej Inteligencji, w postaci dziedziny badań dotyczących inteligentnego zachowania człowieka i modelowania tego zachowania w postaci programów komputerowych.

Taka zmiana podejścia spowodowała pustkę, w postaci braku gałęzi badań zajmującej się maszyną myślącą. Z badań tych nie chciano zrezygnować. Aby wypełnić powstałą pustkę, w 1975 roku powołano nową dziedzinę nauki znaną kognitywistyką, zajmującą się umysłem ludzkim, występującą też pod innymi nazwami jak: nauka kognitywna (ang. Cognitive Science) lub nauka poznawcza. Nowa gałąź nauki korzystała ze zdobyczy Sztucznej Inteligencji. Przejęła po niej metody badań, jak modelowanie umysłu przy pomocy komputera. Korzystała też z takich nauk jak: psychologia, neurologia, filozofia, lingwistyka, fizyka i inne. Tym razem postąpiono ostrożnie. Zamiast określić cel w postaci opracowania maszyny myślącej, zajęto się umysłem jako takim, który jest domeną człowieka i być może maszyny. Była to w gruncie rzeczy kontynuacja badań w dziedzinie Sztucznej Inteligencji, dotycząca modelowania umysłu człowieka przy pomocy techniki komputerowej. W badaniach w zakresie Sztucznej Inteligencji, również korzystano ze zdobyczy takich nauk, jak: neurologia i psychologia, jak to czyni kognitywistyka.

Metanauką dla kognitywistyki stała się filozofia, potrafiąca usprawiedliwić każdą teorię, metody i techniki badawcze. Nie mniej jednak pozwoliło to na powrót do celu pierwotnego Sztucznej Inteligencji, lecz już w sposób bardziej ostrożny i przy zachowaniu większej pokory.

Kognitywistyka kontynując badania Sztucznej Inteligencji przyjęła te same metody badawcze, a wraz z nimi te same błędy, które doprowadziły badania w zakresie Sztucznej Inteligencji do niepowodzenia. Modelowano w dalszym ciągu procesy umysłowe człowieka przy wykorzystaniu metod symbolicznych i sztucznych sieci neuronowych z zastosowaniem maszyny cyfrowej zaprojektowanej do liczenia. Odniosło to taki skutek, że nauka ta nadal boryka się z wieloma problemami, które otrzymała w spadku po Sztucznej Inteligencji.

Niewątpliwą zasługą kognitywistyki jest spowodowanie nowych nadziei i oczekiwań w dążeniu do realizacji celu, do którego kiedyś dążyła Sztuczna Inteligencja.

Poszukiwanie podstaw funkcjonowania umysłu

Podsumowując dotychczasowe wyniki prac badawczych w zakresie Sztucznej Inteligencji, a następnie Kognistywistyki, dotyczących wykorzystania komputera do nienumerycznego przetwarzania symboli można powiedzieć, że zaproponowane modele danych i metody ich przetwarzania, nie są niczym innym, jak lepszymi lub gorszymi hipotezami dotyczącymi zasad funkcjonowania umysłu człowieka. Brak jest silnej podstawy, na której zbudowana zostałaby Sztuczna Inteligencja, a tym samym Kognitywistyka. Nie ma wyraźnie określonych mechanizmów działania umysłu, na której to podstawie, można by było budować teorie i konstrukcje bardziej złożone.

Jak pokazuje życie, do takiej podstawy dochodzi się zazwyczaj metodą przypadkowego odkrycia, które ma miejsce w trakcie ciągłego procesu zajmowania się jednym tematem, a nie budowania, bo taka podstawa nie nasuwa się wprost. Trzeba mieć tylko trochę szczęścia, wyczucia i intuicji. Tuż po odkryciu wydaje się, że podstawa ta jest zadziwiająco prosta i ze względu na tą prostotę, dopiero staje się dobrym tworzywem do budowy rzeczy naprawdę skomplikowanych. Nasuwa się pytanie, czy skonstruowane w trakcie badań w dziedzinie Sztucznej Inteligencji abstrakty i metody nie są tworami wyższego poziomu niż ten, na którym dopiero są zdefiniowane elementy podstawy wszelkich procesów umysłu? Naukowcy i badacze do tej pory poszukują takiej podstawy, a ona znajduje się tuż obok i nawet patrzą się na nią.

Próba wykorzystania liczącego komputera do realizacji pomysłów człowieka wykazała, że tak na prawdę komputer umie tylko dobrze liczyć i nie chce przetwarzać modeli i struktur symbolicznych zaproponowanych do tej pory przez człowieka, jakby człowiek sobie to życzył. W gruncie rzeczy, nie trzeba mieć za złe maszynie, że robi tylko to dobrze, do czego została zaprojektowana.

Procesor umysłu

Przypuśćmy, że umysł człowieka jest pewnego rodzaju programem, jak to zakłada Sztuczna Inteligencja oraz Kognitywistyka. Dla tego programu musi istnieć jakiś procesor, który by go realizował. Sztuczna Inteligencja i Kognitywistyka wskazuje, że procesorem tym jest procesor numeryczny, opracowany do jednej tylko operacji umysłu - liczenia. Przyjmijmy, że nie jest to procesor numeryczny lecz inny procesor, który został opracowany w trakcie ciągłego zajmowania się tylko umysłem w oderwaniu od problemów i ograniczeń związanych z procesorem numerycznym. Nazwijmy go procesorem umysłu (analogicznie do procesora numerycznego). Nasuwa się pytanie, jakie rozkazy ma ten procesor? Jeżeli istnieje taka lista rozkazów tego procesora to wyznacza ona podstawę działania umysłu człowieka. Z rozkazów tych można już tworzyć dowolny scenariusz, jakim jest umysł człowieka. Instrukcje tego procesora są właśnie celem naszego poznania.

Należy mieć na uwadze, że rozkazy procesora umysłu, nie muszą przypominać żadne znane nam i rejestrowane w sposób introspektywny procesy umysłowe człowieka. Dopiero złożenia poszczególnych jego rozkazów mogą przybierać postać procesów umysłowych uświadamianych przez człowieka. Ten sposób rozumienia może być kluczem do rozwiązania problemu, jak zbudować maszynę myślącą oraz gdzie szukać wspólnej podstawy sieci symbolicznych i sztucznych sieci neuronowych.

Dążąc do opracowania takiego procesora umysłu, będziemy zmierzali w kierunku poznania istoty umysłu. Mając opracowany już taki procesor, będziemy mogli stworzyć program w postaci umysłu.

Jak się można domyślać, założenia projektowe procesora umysłu mogą się nie zawierać w znanej dotychczas teorii, czy metodologii informatycznej, stosowanej w Sztucznej Inteligencji czy Kognitywistyce. Równoznaczne jest to z szukaniem zupełnie odmiennych teorii naukowych i metodologii badawczych czy informatycznych.

Powstaje pytanie, czy zastosowane do tej pory abstrakty i reguły nimi rządzące w modelowania procesów umysłowych człowieka, są właściwe? Czy nie są one czasem uogólnieniem tych abstraktów i reguł, które szukamy, jako podstawy działania umysłu? Wywiedzione drogą rozumowania człowieka mechanizmy funkcjonowania ludzkiego umysłu (na wskutek analizy danych z obserwacji i badań funkcjonowania ludzkiego umysłu oraz będących wynikiem wszelkich teorii dotyczących umysłu), mogą stanowić zaledwie uogólnienie elementarnych operacji lub elementarnych abstrakcji, których wywieść nie da się wprost z uświadamianych procesów myślenia, a poznanie ich może stanowić rozwiązanie tajemnicy działania umysłu.

Sądzę, że istnieją takie elementarne abstrakty, będące składnikami wszelkiego myślenia ponieważ, jak nauka pokazuje, wszystko co jest w przyrodzie posiada swoją elementarną podstawę, której poznanie pozwala na poznanie wszystkiego, co jest powyżej.

Jak się można domyślić, to nie praktyczne realizacje abstraktów i ich złożeń zastosowane przez Sztuczną Inteligencję i Kognitywistykę mogą stanowić podstawę umysłu, ponieważ uwzględniają (nabyte w procesie modelowania) problemy i ograniczenia procesora numerycznego. Stąd niepowodzenia Sztucznej Inteligencji opartej na teoriach symbolicznych i sztucznych sieci neuronowych. Te podstawowe abstrakty i teorie mogą nie przypominać nawet fragmentów procesów myślowych. Już teoria sieci neuronowych nie przypomina fragmentów myśli ludzkich, a miały być sposobem na rozwiązanie tajemnicy umysłu. Drogę tą wyznaczyło nie myślenie twórcze umysłu, a wzorowanie się na przyrodzie. Jednak teoria zbyt złożona nie może być odpowiednikiem najprostszego rozwiązania zaproponowanego przez przyrodę i nasuwa pytanie, czy dla maszyny nie ma lepszych i prostszych rozwiązań w rodzaju kółka, a nie nogi. Zazwyczaj na najprostsze rzeczy najtrudniej jest trafić bo nie są podane wprost.

"Wektorowy Procesor Symboliczny"™

"Wektorowy Procesor Symboliczny"™ wyznacza nowe podejście w rozwiązaniu problemu umysłu, nie znane do tej pory. Podejście to zostało nakreślone w prawidłowym postępowaniu, wyznaczonym przez ciągłe zajmowanie się tylko umysłem (jako całością) bez zajmowania się, przynajmniej w początkowym etapie, możliwością skorzystania z metodologii i technologii związanej z procesorem numerycznym. "Procesor Symboliczny"™ pozwala na przetwarzanie sieci symbolicznych przy pomocy operacji liczenia, co czyni matematykę, absolutnym uniwersum wszelkich procesów, także myślowych. Jakkolwiek sztuczna sieć neuronowa oparta jest również na liczeniu, nie potrafi ona wykonywać, jak "Wektorowy Procesor Symboliczny"™, operacji wnioskowania na strukturach symbolicznych.

"Wektorowy Procesor Symboliczny"™ będący realizacją koncepcji procesora umysłu jest nadzieją na pokonanie trudności związanych z skonstruowaniem maszyn myślących, dając silną podstawę do konstrukcji wszelkich abstraktów i procesów umysłu, będących złożeniami na poziomie procesora.

Implementacją "wektorowego procesora symbolicznego"™ jest VESYPER™ (jest to skrót od angielskiej nazwy procesora "VEctor SYmbolic PRocessor"™ i dodatnia litery "e").

Do pracy procesora VESYPER™ jest potrzebna pamięć. Jednostkę złożonę z tego procesora i pamięci nazwano "Ultraszybką Jednostką Inteligentną"™ (ang. "High-Speed Intelligent Unit"™) Więcej >>.

"Ultraszybka Jednostka Inteligentna"™ stwarza doskonałe warunki do rozwojuTechnologii Inteligentnych Agentów, jako jednostek nie tylko wirtualnych (programowych), ale i fizycznych.

W laboratorium DIL są obecnie prowadzone prace programistyczne nad realizacją "Wektorowego Procesora Symbolicznego"™ i "Ultraszybkiej Jednostki Inteligentnej"™ według wcześniej opracowanych już założeń projektowych.

Waldemar Wietrzykowski
Computational Neuroscience
Digital Intelligence Laboratory
email: mail

Zobacz też

Linki

dil

Badania  Artykuły: 1   2   3   4  

Copyright © 2009 net3plus  mail