Maintenant, nous avons de nombreux algorithmes qui exécutent certaines fonctions cognitives (distinctes). Certains jouent avec nous, d'autres conduisent des voitures, d'autres ... Ce n'est pas à moi de vous le dire. Nous avons créé des programmes de vision par ordinateur qui distinguent mieux que nous les panneaux de signalisation. Des programmes qui dessinent et écrivent de la musique. Les algorithmes font des diagnostics médicaux. Les algorithmes peuvent nous brancher sur la reconnaissance des chats, mais ... celui-ci, qui est pour les chats, à rien d'autre que de reconnaître les chats. Et nous voulons un programme capable de résoudre n'importe quel problème! Nous avons besoin d'une IA «forte» ou «universelle», mais sans notre propre conscience, pour ne pas pouvoir refuser de résoudre la tâche, non? Où pouvons-nous obtenir cela?
Pour comprendre comment fonctionne l'intelligence, nous nous tournons vers le seul exemple que nous ayons. Au cerveau humain, dans lequel, comme nous le croyons, l'intellect "vit". Quelqu'un objectera - de nombreux êtres vivants ont un cerveau! Commençons par les vers? C'est possible avec les vers, mais nous avons besoin d'un algorithme qui résout non pas les vers, mais nos tâches humaines, non?
Notre cerveau. Imagine-le. Deux kilos (maximum) de matière pliable gris rosâtre. Cent milliards (nous prendrons aussi le maximum) de neurones, dont chacun est prêt à croître jusqu'à dix mille connexions dynamiques - des synapses, qui peuvent apparaître et disparaître. De plus, plusieurs types de signaux entre eux, et même la glie a jeté une surprise - elle conduit également quelque chose, aide et contribue. (Pour référence: la neuroglie ou simplement la glie est un ensemble de cellules auxiliaires du tissu nerveux. Elle représente environ 40% du volume du système nerveux central. Le nombre de cellules gliales est en moyenne 10 à 50 fois supérieur à celui des neurones). Les dendrites ont récemment surpris - il s'avère qu'ils remplissent beaucoup plus de fonctions qu'on ne le pensait auparavant (1). Le cerveau est une chose très complexe. Si vous ne me croyez pas, demandez à Konstantin Anokhin. Il confirmera.
Une personne fait tout avec l'aide du cerveau. En fait, nous sommes lui. Par conséquent, il n'est pas du tout surprenant que l'idée d'une personne que "cerveau = intelligence" soit et encore plus pas surprenante soit l'idée de copier la structure du cerveau et - voila! - obtenez ce que vous recherchez. Mais le cerveau n'est pas l'intelligence. Le cerveau est le porteur. "Le fer". Et Intellect est un algorithme, un «logiciel». Les tentatives de réplication de logiciels en copiant du matériel sont une idée ratée. C'est un culte du fret (2). Vous savez ce qu'est un "culte du fret"?
Les natifs des îles de Mélanésie (ayant vu pendant la Seconde Guerre mondiale comment les avions apportent des armes, de la nourriture, des médicaments et bien plus encore), ils ont construit des copies d'avions et un stand de répartiteur en paille, mais ne se sont pas aidés à obtenir des marchandises, car ils n'avaient aucune idée que se cachant derrière l'apparence d'un avion. Donc, après avoir démonté la calculatrice aux rouages, nous ne trouverons pas un seul chiffre à l'intérieur. Et, de plus, il n'y a aucune allusion à des opérations avec des nombres.
Il y a quelques années, Andrei Konstantinov dans l'un des numéros du magazine «Schrödinger's Cat» (n ° 1-2 pour 2017), dans sa chronique «Où est l'âme du robot», écrivait: «Depuis l'époque de Leibniz, nous n'avons rien trouvé dans le cerveau, à l'exception des "parties se poussant l'une l'autre". Bien sûr introuvable! Et nous ne le trouverons pas. Nous essayons de restaurer le programme en utilisant le matériel informatique, mais cela est impossible. Comme argument à l'appui, je donnerai une longue citation (3):
… Les neuroscientifiques, armés des méthodes couramment utilisées pour étudier les neurostructures vivantes, ont essayé d'utiliser ces méthodes pour comprendre le fonctionnement du système de microprocesseur le plus simple. Le «cerveau» était le MOS 6502 - l'un des microprocesseurs les plus populaires de tous les temps: une puce 8 bits utilisée dans de nombreux premiers ordinateurs personnels et consoles de jeux, notamment Apple, Commodore, Atari. Naturellement, nous savons tout sur cette puce - après tout, elle a été créée par l'homme! Mais les chercheurs ont fait semblant de ne rien savoir - et ont essayé de comprendre son travail, étudiant les mêmes méthodes qui étudient le cerveau vivant.
Le couvercle a été enlevé chimiquement, le circuit a été étudié au microscope optique avec une précision d'un seul transistor, un modèle numérique a été créé (ici je simplifie un peu, mais l'essentiel est correct), et le modèle est si précis qu'il était possible d'exécuter de vieux jeux dessus (Space Invaders, Donkey Kong, Piège). Et puis la puce (plus précisément, son modèle) a été soumise à des milliers de mesures simultanément: lors de l'exécution des jeux, les tensions sur chaque câblage ont été mesurées et l'état de chaque transistor a été déterminé. Cela a généré un flux de données d'un gigaoctet et demi par seconde - qui a déjà été analysé. Des graphiques de salves de transistors individuels ont été construits, des rythmes ont été identifiés, des éléments de circuit ont été trouvés, dont la déconnexion l'a rendu inopérant, des dépendances mutuelles d'éléments et de blocs ont été trouvées, etc.
Quelle était la complexité de ce système par rapport aux vivants? Le processeur 6502, bien sûr, n'est même pas proche du cerveau d'une souris. Mais il se rapproche en complexité du ver Caenorhabditis elegans - le cheval de bataille des biologistes: ce ver a été largement étudié et des tentatives sont déjà faites pour le simuler complètement sous forme numérique (...) Ainsi, l'analyse du système sur la puce 6502 n'est pas une simplification excessive. Et les résultats ont le droit d'être extrapolés à des systèmes in vivo.
Mais les chercheurs ... ont été vaincus! Non, certains résultats ont été obtenus, bien sûr. En analysant la puce, nous avons réussi à identifier des blocs fonctionnels, à esquisser un schéma de leurs interconnexions probables et à obtenir des indices intéressants sur le fonctionnement probable du microprocesseur dans son ensemble. Cependant, la compréhension dans le sens où la neuroscience l'exige (dans ce cas: être en mesure de réparer toute panne), n'a pas été atteinte. "
À un moment donné, des chercheurs sont apparus et ont commencé à dire la même chose - que vous devez étudier les algorithmes, que vous devez comprendre quelle fonction l'intellect remplit. Par exemple, Demis Hassabis (DeepMind), se préparant à prendre la parole au Singularity Summit à San Francisco (2010), a déclaré ce qui suit: «Contrairement à d'autres discours au sommet de l'AGI, mon discours sera différent, car je m'intéresse à le niveau systémique des neurosciences - les algorithmes cérébraux - et non les détails, comment ils sont mis en œuvre par le tissu cérébral sous forme de pics de neurones et de synapses, ou de neurochimie spécifique, etc. AGI ".
Cependant, après 10 (!!!!!) ans, tout se passe encore: les scientifiques étudient le cerveau et tentent de calculer à partir des manifestations externes de l'activité physiologique et de sa structure interne comment se déroule le processus d'intérêt. Combien de tâches - autant de processus. Les gens sont tous différents. Les cerveaux de chacun sont petits, mais différents. Bien sûr, il y a une image moyenne, cependant ... Imaginez qu'à tout moment arbitraire dans le temps le cerveau résout beaucoup de choses, y compris des tâches «subconscientes», surveille et contrôle l'état interne du corps, perçoit et interprète les signaux de l'environnement externe (et nous ne le sommes pas parler de plusieurs boucles de rétroaction). Pourrons-nous identifier en toute confiance, identifier de manière fiable et séparer clairement ces "activités" les unes des autres? Est-ce possible en principe? Pour être honnête, j'en doute.Sans parler de la reproductibilité de ces processus sur des milieux non biologiques ...
Regardons la situation différemment. Qu'est-ce qu'une «tâche» en général? C'est une situation difficile à laquelle la personne est confrontée et qu'elle essaie de résoudre. Comme l'ont montré les mathématiciens américains Herbert Simon et Allen Newell au milieu du siècle dernier, tout problème dans sa forme générale peut être décrit comme une transition de l'état «Système avec problème» à l'état «Système sans problème». Ils ont développé un programme informatique, l'appelant «General Problem Solver» (solutionneur de problèmes universel), mais ils n'ont pas avancé au-delà de la résolution de problèmes d'un type spécifique, de sorte que l'universalité de leur algorithme est restée en question. Mais la formule "Système avec un problème" -> "Système sans problème" s'est avérée tout à fait correcte!
La transformation du système est le processus de son transfert de l'état initial «avec un problème» à l'état souhaité «sans problème» (4). Dans le processus de transformation (c'est-à-dire de résoudre le problème), le système de problèmes devient sans problème (enfin, ou moins problématique), s'améliore, se débarrasse de ses défauts et «survit», c'est-à-dire continue d'être utilisé. Oh attendez, qu'est-ce que nous venons de dire? Se débarrasser des défauts? Survie? Hmm ... Quelque chose de familier. Quelque part où nous sommes ... Oh, eh bien, oui. Évolution! Moins il y a de lacunes - plus il y a de chances de survie!
Vérifions-nous, rappelons-nous et répétons le postulat principal: dans la nature vivante, les organismes avec un plus grand nombre de propriétés utiles ont une plus grande chance de survie (enfin, conventionnellement - les cornes sont plus ramifiées, la queue est plus magnifique). Si les plumes du corps sont plus pâles et que la voix est plus dégoûtante (propriétés nocives), alors, très probablement, sa vie sera courte et passera seule. En fin de compte, la pression de sélection conduit les organismes à se débarrasser des carences et à devenir de plus en plus viables. Si vous ne le croyez pas, demandez à Sir Charles Darwin. Il confirmera.
Ainsi, nous acceptons comme un fait que
a) la fonction de l'intellect est la solution des problèmes (tout) et
b) la solution du problème est une amélioration du système (tout), au cours de laquelle il se débarrasse des défauts, devient plus viable. En d'autres termes, il évolue.
Entendez-vous le crépitement? C'est notre compréhension de la complexité de l'intelligence qui commence à se désagréger. Il s'avère que les concepts précédemment existants de «complexité cérébrale» et de «complexité intellectuelle» ne sont plus identiques. Et si, pour «obtenir de l'Intelligence», on n'avait pas besoin de «désosser» le processus neurophysiologique de résolution d'un problème, de capturer les ombres fantomatiques de la pensée dans un connectome (d'autant plus que chaque personne en a un) ou de s'engager dans un apprentissage profond des réseaux? Et si ... nous devions algorithmiser l'évolution du système, c'est-à-dire le chemin de sa transformation d'un état moins parfait à un état plus parfait en utilisant les lois d'évolution que nous connaissons? Et si, jusqu'à aujourd'hui, nous résolvions vraiment le mauvais problème?
En même temps, je ne veux pas du tout dire qu'il n'est pas nécessaire de s'engager dans une formation en réseau. Ce domaine et d'autres ont de grandes perspectives. De plus, je ne veux pas dire que des recherches approfondies sur la physiologie du cerveau sont une perte de temps. L'étude du cerveau est une tâche importante et nécessaire: nous comprendrons mieux le fonctionnement du cerveau, nous apprendrons à le guérir, à se remettre de blessures et à faire d'autres choses étonnantes, mais nous ne parviendrons pas à l'intellect.
Quelqu'un va probablement m'opposer maintenant: les tâches qu'une personne résout sont associées à des millions de systèmes différents - naturels, sociaux, industriels, techniques… Matériels et abstraits, situés à différents niveaux de la hiérarchie. Et chacun se développe à sa manière, et l'évolution darwinienne concerne la nature vivante. Lapins, fleurs, poissons, oiseaux ... Mais les recherches montrent que les lois de l'évolution sont universelles.
Il n'est pas nécessaire de rechercher des preuves pendant longtemps - elles sont toutes sous vos yeux. Ceux qui en ont, laissent-les voir. Quoi que vous emportiez - d'un match à un Boeing, d'un tank à ... une contrebasse - partout (5) on voit l'hérédité, la variabilité et la sélection! Et toute la variété des changements évolutifs (dont la complexité apparente est associée au fait que tous les systèmes sont de nature très différente et se trouvent à des niveaux différents de la hiérarchie) peuvent être exprimés en un seul cycle. Vous vous en souvenez, non? "Système avec problème" -> "Système sans problème".
Qu'est-ce qu'un «système avec un problème»? Il s'agit d'un Système (matériel et abstrait, social, industriel et technique, scientifique et ... tout - un objet, une idée, une hypothèse - peu importe), dans lequel on a découvert quelques défauts qui affectent (attention!) Notre désir et la possibilité de l'utiliser ... Le système n'est pas assez bon. Le système n'est pas assez efficace. Son rapport avantages / coûts est faible. Nous voulons, pouvons et sommes prêts à le refuser, et nous refusons souvent. Mais nous en avons besoin d'un autre (effectuer la fonction utile dont nous avons besoin), mais déjà "sans problèmes" - plus efficace, sans inconvénients (ou avec moins d'entre eux). Eh bien, vous avez vu cette image ci-dessus ... Bien sûr, une «flèche» entre les deux états extrêmes (initial et souhaité) ne nous suffit pas. Nous avons besoin du même «opérateur», «transformateur», non? Essayons de le trouver? Vous serez d'accordqu'en cas de succès, nous recevrons une description (au moins, pour commencer, et simplifiée) de l'algorithme universel dont nous avons tant besoin?
Le point de départ est "Système avec problème". Nous commençons à réfléchir à la manière d'arrêter de l'utiliser. Le moment où nous appelons (ou ressentons) "Il faut faire quelque chose!"
La raison qui menace la survie du système est la faible idéalité, qui s'exprime par une valeur réduite du rapport entre les fonctions utiles du système et les fonctions coûteuses (nuisibles).
Que faisons-nous ensuite? Soit nous a) créons un nouveau système (si le système avec les fonctions requises n'existe pas, soit le système existant n'a pas les ressources pour s'améliorer), soit b) nous améliorons, modifions l'existant (s'il y a encore des ressources). Nous étudions la structure interne et traitons l'environnement externe - nous identifions les défauts externes et internes du système et, après les avoir éliminés, nous obtenons un système amélioré. Un système avec une idéalité accrue et une vitalité accrue!
Étant donné que le schéma ci-dessus décrit le processus de développement, d'amélioration ou, si vous le souhaitez, l'évolution de tout système (ce qui est facile à vérifier en remplaçant le mot «système» par tout autre que vous souhaitez - de «abat-jour» à «ancre»), je Je pense que vous pouvez en toute sécurité ... et même - vous avez besoin! l'appeler le "Schéma Universel d'Evolution". Et faites attention - il est absolument algorithmique, c'est-à-dire qu'il relève complètement de la définition d'un algorithme: l'algorithme est une prescription exacte pour exécuter dans un certain ordre un certain système d'opérations conduisant à la solution de tous les problèmes de ce type. moyens - peut être mis en œuvre sous la forme d'un programme informatique).
Dans la forme présentée, le schéma universel d'évolution:
- naturel - les lois de l'évolution ont été identifiées dans des systèmes de différents types et leur action a été testée dans la technologie, la production, la société, la nature et la pensée;
- objectif - les lois d'évolution ne dépendent pas de l'opinion du chercheur et / ou de l'utilisateur;
- logique et cohérente - les lois de l'évolution se succèdent;
- complet - l'ensemble des lois évolutives est suffisant pour décrire tout système;
- rigide - les lois de l'évolution ne peuvent pas être réarrangées et
- fermé - les lois de l'évolution forment un cycle: le système, ayant traversé un cycle de changements, en commence immédiatement un nouveau.
Ce que nous obtenons en conséquence: L'évolution du système (présenté sous la forme d'un Schéma Universel) est le moyen de l'améliorer, de se débarrasser de ses défauts. En d'autres termes, c'est un algorithme pour résoudre le problème. Et résoudre un problème est exactement ce que fait l'intellect. Simplifions et obtenons: Schéma universel = description de la fonction de l'intelligence.
La critique constructive est encouragée.
1. « , » chrdk.ru/news/dendrity-vazhnee-chem-schitalos
2. ru.wikipedia.org/wiki/_
3. . . « ! » www.computerra.ru/161756/6502
4. Chapter 6. Problem Solving. Artificial Intelligence. A Knowledge-Based Approach by Morris W.Firebaugh University of Wisconsin – Parkside PWS-Kent Publishing Company Boston 1988, p. 172.
5. . , , , . www.ng.ru/science/2017-01-11/14_6899_evolution.html