Το τεστ Turing για τη συνείδηση ​​διαμόρφωσε τις πρώτες προσπάθειες στον τομέα της τεχνητής νοημοσύνης. Μπορεί μια μηχανή να πείσει έναν άνθρωπο ότι η ίδια, η μηχανή, είναι άνθρωπος; Ίσως το τεστ να είναι ελαττωματικό και να πρέπει να απορριφθεί, λένε οι συγγραφείς Ford και Hayes. Η μεγαλύτερη αξία της τεχνητής νοημοσύνης μπορεί να έγκειται όχι στη μίμηση της ανθρώπινης σκέψης αλλά στην επέκτασή της σε νέα πεδία.

Πολλοί φιλόσοφοι και ουμανιστές στοχαστές ήταν πεπεισμένοι ότι η αναζήτηση της τεχνητής νοημοσύνης έχει αποδειχθεί αποτυχημένη. Επιφανείς επικριτές είχαν υποστηρίξει ότι μια πραγματικά έξυπνη μηχανή δεν μπορεί να κατασκευαστεί και είχαν μάλιστα προσφέρει μαθηματικές αποδείξεις για την αδυναμία της. Κι όμως, ο τομέας της τεχνητής νοημοσύνης σήμερα ακμάζει. Τα «έξυπνα» μηχανήματα αποτελούν μέρος του ιστού επεξεργασίας πληροφοριών της κοινωνίας, και η θεώρηση του εγκεφάλου ως «βιολογικού υπολογιστή» έχει γίνει η τυπική άποψη σε μεγάλο μέρος της ψυχολογίας και της νευροεπιστήμης.

Ενώ εξετάζουμε αυτή την αναντιστοιχία μεταξύ των κριτικών απόψεων ορισμένων παρατηρητών και των σημαντικών επιτευγμάτων στον τομέα, έχουμε παρατηρήσει μια παραλληλία με μια προηγούμενη προσπάθεια που επίσης επεδίωκε έναν φιλόδοξο στόχο και για αιώνες δεχόταν επίθεση ως σύμβολο της υπερβολικής αλαζονείας της ανθρωπότητας: την τεχνητή πτήση. Η αναλογία μεταξύ τεχνητής νοημοσύνης και τεχνητής πτήσης είναι διαφωτιστική. Καταρχάς, υποδηλώνει ότι η παραδοσιακή άποψη για τον στόχο της Τεχνητής Νοημοσύνης – να δημιουργήσει μια μηχανή που μπορεί να μιμηθεί με επιτυχία την ανθρώπινη συμπεριφορά – είναι λανθασμένη.

Για χιλιετίες, η πτήση ήταν ένα από τα πιο αγαπημένα όνειρα της ανθρωπότητας. Η προϊστορία της αεροναυπηγικής, τόσο η δημοφιλής όσο και η ακαδημαϊκή, επικεντρώθηκε στην ιδέα της μίμησης της πτήσης των πτηνών, συνήθως με κάποιο τρόπο προσαρτώντας φτερούγες που χτυπούσαν σε ένα ανθρώπινο σώμα ή σε ένα πλαίσιο που φορούσε ένα μόνο άτομο. Ήταν απογοητευτικά σαφές ότι τα πουλιά έβρισκαν εύκολη την πτήση, οπότε θα πρέπει να φαινόταν φυσικό να προσπαθήσουν να αποτυπώσουν το μυστικό τους. Ορισμένοι παρατηρητές υποστήριξαν ότι τα φτερά των πουλιών απλώς διέθεταν μια εγγενή «ελαφρότητα». Οι υποστηρικτές της πιθανότητας πτήσης υποστήριξαν ότι οι άνθρωποι και τα πουλιά ήταν ουσιαστικά παρόμοια, ενώ οι αντίπαλοι υποστήριξαν ότι τέτοιες συγκρίσεις ήταν υποτιμητικές, ανήθικες ή λανθασμένες. Αλλά και οι δύο ομάδες γενικά υπέθεταν ότι η πτήση σήμαινε μίμηση ενός πουλιού. Ακόμα και σχετικά εξελιγμένα σχέδια για ιπτάμενες μηχανές συχνά περιελάμβαναν ορισμένα χαρακτηριστικά που μοιάζουν με πτηνά, όπως το ράμφος στο σχέδιο του Άγγλου καλλιτέχνη Thomas Walker το 1810 για ένα ξύλινο ανεμόπτερο.

Αυτή η άποψη για την πτήση ως μίμηση πουλιών ήταν επίμονη. Ένα άρθρο στο English Mechanic το 1900 επέμενε ότι «η πραγματική ιπτάμενη μηχανή θα είναι ουσιαστικά ένα τεχνητό πουλί». Μια αίτηση ευρεσιτεχνίας για μια «ιπτάμενη στολή» καλυμμένη με φτερά υποβλήθηκε στα τέλη του 19^ου αιώνα, και οι μέθοδοι κουνήματος των φτερών συζητήθηκαν σε τεχνικές μελέτες της αεροπορίας που δημοσιεύθηκαν στις αρχές του 20^ου αιώνα.

Το Τεστ Turing

Η έννοια της νοημοσύνης είναι πιο αφηρημένη από εκείνη της πτήσης, αλλά η μακροπρόθεσμη φιλοδοξία της Τεχνητής Νοημοσύνης έχει επίσης παραδοσιακά χαρακτηριστεί ως η μίμηση ενός βιολογικού παραδείγματος. Όταν ο Βρετανός μαθηματικός Alan M. Turing έγραψε για πρώτη φορά για την πιθανότητα τεχνητής νοημοσύνης το 1950, πρότεινε ότι η έρευνα για την Τεχνητή Νοημοσύνη θα μπορούσε να επικεντρωθεί σε αυτό που ήταν πιθανώς το καλύτερο τεστ για την ανθρώπινη νοημοσύνη που ήταν διαθέσιμο εκείνη την εποχή: μια ανταγωνιστική συνέντευξη. Ο Turing πρότεινε ότι ένα κατάλληλο τεστ για την επιτυχία στην Τεχνητή Νοημοσύνη θα ήταν ένα «παιχνίδι μίμησης» στο οποίο ένας ανθρώπινος κριτής θα πραγματοποιούσε μια τριμερή συνομιλία με έναν υπολογιστή και έναν άλλο άνθρωπο και θα προσπαθούσε να τους πει χώρια. Ο κριτής θα ήταν ελεύθερος να στρέψει τη συζήτηση σε οποιοδήποτε θέμα, και η μηχανή που θα πετύχαινε θα μπορούσε να το συζητήσει τόσο πειστικά όσο και ο άνθρωπος. Αυτό θα απαιτούσε από τη μηχανή που συμμετέχει στο παιχνίδι να κατανοεί τη γλώσσα και τις συμβάσεις συζήτησης και να έχει μια γενική ικανότητα συλλογισμού. Εάν ο κριτής δεν μπορούσε να διακρίνει τη διαφορά μετά από κάποιο εύλογο χρονικό διάστημα, η μηχανή θα περνούσε το τεστ: θα μπορούσε να φαίνεται άνθρωπος σε έναν άνθρωπο.

Το τεστ Turing επινοήθηκε το 1950 από τον Βρετανό μαθηματικό Alan M. Turing (photo). Στο τεστ ένας κριτής συμμετέχει σε μια τριπλή επικοινωνία – συνομιλία με έναν υπολογιστή και έναν άλλο άνθρωπο. Αν ο κριτής δεν μπορεί να διακρίνει μεταξύ των απαντήσεων του ανθρώπου και εκείνων του υπολογιστή, τότε η υπολογιστική μηχανή έχει περάσει το τεστ.

Υπάρχει κάποια συζήτηση σχετικά με τους ακριβείς κανόνες του παιχνιδιού μίμησης του Turing, και μπορεί να μην είχε την πρόθεση να ληφθεί τόσο σοβαρά υπόψη. Αλλά κάποιο είδος «τεστ Turing» έχει γίνει ευρέως αντιληπτό, τόσο εντός όσο και εκτός του πεδίου, ως ο απώτερος στόχος της τεχνητής νοημοσύνης, και το τεστ εξακολουθεί να αναφέρεται στα περισσότερα εγχειρίδια. Όπως και με την πρώιμη σκέψη για την πτήση, η επιτυχία ορίζεται ως η μίμηση ενός φυσικού μοντέλου: για την πτήση, ένα πουλί· για την νοημοσύνη, ένας άνθρωπος

Το τεστ Turing έχει δεχτεί πολλές αναλύσεις και επικρίσεις, αλλά πιστεύουμε ότι είναι χειρότερο από ό,τι συχνά πιστεύουμε. Το τεστ έχει οδηγήσει σε μια ευρεία παρερμηνεία των πραγματικών φιλοδοξιών του τομέα μας. Είναι ένα κακώς σχεδιασμένο πείραμα (που εξαρτάται σε μεγάλο βαθμό από την υποκειμενικότητα του κριτή), έχει έναν αμφισβητήσιμο τεχνολογικό στόχο (έχουμε ήδη πολλή ανθρώπινη νοημοσύνη) και είναι απελπιστικά πολιτισμικά δεσμευμένο (μια συζήτηση που είναι αποδεκτή για έναν Βρετανό κριτή μπορεί να αποτύχει σύμφωνα με έναν Ιάπωνα ή Μεξικανό κριτή). Όπως σημείωσε ο ίδιος ο Turing, κάποιος θα μπορούσε να αποτύχει στο τεστ επειδή είναι πολύ έξυπνος – για παράδειγμα, κάνοντας νοητικές αριθμητικές πράξεις εξαιρετικά γρήγορα. Σύμφωνα με δημοσιεύματα των μέσων ενημέρωσης, ορισμένοι κριτές στον πρώτο διαγωνισμό Loebner το 1991 – ένα είδος διαγωνισμού τεστ Turing που πραγματοποιήθηκε στο Μουσείο Υπολογιστών στη Βοστόνη – αξιολόγησαν έναν άνθρωπο ως μηχανή με το σκεπτικό ότι παρήγαγε εκτεταμένες, καλογραμμένες παραγράφους πληροφοριακού κειμένου. (Προφανώς, αυτό θεωρείται πλέον απάνθρωπη ικανότητα σε μέρη του πολιτισμού μας.) Με το πλεονέκτημα της εκ των υστέρων γνώσης, είναι πλέον προφανές ότι το κεντρικό ελάττωμα του τεστ είναι η ειδοκεντρικότητά του: Υποθέτει ότι η ανθρώπινη σκέψη είναι η τελική, υψηλότερη κορυφή της σκέψης έναντι της οποίας πρέπει να κριθούν όλες οι άλλες. Το τεστ Turing δεν δέχεται ασθενέστερες, διαφορετικές ή ακόμη και ισχυρότερες μορφές νοημοσύνης από αυτές που θεωρούνται ανθρώπινες.

Οι περισσότεροι σύγχρονοι ερευνητές Τεχνητής Νοημοσύνης απορρίπτουν ρητά τον στόχο του τεστ Turing. Αντίθετα, ασχολούνται με την εξερεύνηση του ίδιου του υπολογιστικού μηχανισμού της νοημοσύνης, είτε πρόκειται για ανθρώπους, σκύλους, υπολογιστές ή εξωγήινους. Ο επιστημονικός στόχος της έρευνας Τεχνητής Νοημοσύνης είναι να κατανοήσει τη νοημοσύνη ως υπολογισμό, και ο μηχανικός στόχος της είναι να κατασκευάσει μηχανές που ξεπερνούν ή επεκτείνουν τις ανθρώπινες νοητικές ικανότητες με κάποιον χρήσιμο τρόπο. Η προσπάθεια μίμησης μιας ανθρώπινης συζήτησης (όσο «πνευματική» κι αν είναι) συμβάλλει ελάχιστα σε καμία από τις δύο φιλοδοξίες

Στην πραγματικότητα, σχεδόν καμία έρευνα για την Τεχνητή Νοημοσύνη (ΤΝ) δεν αφιερώνεται στην προσπάθεια επιτυχίας του τεστ Turing. Ασχολείται περισσότερο με ζητήματα όπως το πώς μπορούν να βελτιωθούν η μηχανική μάθηση και η όραση ή πώς να σχεδιαστεί ένα αυτόνομο διαστημόπλοιο που μπορεί να σχεδιάσει τις δικές του ενέργειες. Η πρόοδος στην ΤΝ δεν μετριέται ελέγχοντας την πιστότητα σε έναν άνθρωπο συνομιλητή. Κι όμως, πολλοί επικριτές παραπονιούνται για την έλλειψη προόδου προς αυτή την παλιά φιλοδοξία. Πιστεύουμε ότι το τεστ Turing θα πρέπει να υποβιβαστεί στην ιστορία της επιστήμης, με τον ίδιο τρόπο που ο στόχος της μίμησης ενός πουλιού τελικά εγκαταλείφθηκε από τους πρωτοπόρους της πτήσης. Το να ξεκινάς ένα εγχειρίδιο για την ΤΝ με το τεστ Turing (όπως εξακολουθούν να κάνουν πολλοί) μοιάζει με το να ξεκινάς ένα εισαγωγικό μάθημα στην αεροναυπηγική μηχανική με την εξήγηση ότι ο στόχος του πεδίου είναι να κατασκευάσει μηχανές που πετούν τόσο ακριβώς όπως τα περιστέρια που μπορούν να ξεγελάσουν ακόμη και άλλα περιστέρια.

Μίμηση έναντι Κατανόησης

Οι ερευνητές στον τομέα της τεχνητής νοημοσύνης μπορεί να πάρουν ένα χρήσιμο παράδειγμα από την ιστορία της τεχνητής πτήσης. Η ανάπτυξη των αεροσκαφών πέτυχε μόνο όταν οι άνθρωποι σταμάτησαν να προσπαθούν να μιμηθούν τα πουλιά και αντ’ αυτού προσέγγισαν το πρόβλημα με νέους τρόπους, σκεπτόμενοι τη ροή του αέρα και την πίεση, για παράδειγμα. Παρατηρώντας την αιώρηση, oι γλάροι ενέπνευσαν τους αδελφούς Ράιτ να χρησιμοποιήσουν την στρέβλωση των φτερών – την περιστροφή ενός αεροσκάφους στρίβοντας τα φτερά του – αλλά δεν έβαλαν στόχο να μιμηθούν την πτέρυγα του γλάρου. Ξεκινώντας με έναν χαρταετό-κουτί, αρχικά εργάστηκαν για την επίτευξη επαρκούς άνωσης, στη συνέχεια στη διαμήκη και πλευρική σταθερότητα, στη συνέχεια στο σύστημα διεύθυνσης και τέλος στον σχεδιασμό πρόωσης και κινητήρα, λύνοντας προσεκτικά κάθε πρόβλημα με τη σειρά του. Μετά από αυτό, κανένα αεροπλάνο δεν μπορούσε να συγχέεται με ένα πουλί ούτε ως προς το συνολικό του σχήμα ούτε ως προς τις ικανότητές του να πετάει. Κατά κάποιο τρόπο, τα αεροσκάφη μπορεί να μην φτάσουν ποτέ την κομψή ακρίβεια των πουλιών, αλλά κατά άλλους τρόπους, τα ξεπερνούν δραματικά. Τα αεροσκάφη δεν προσγειώνονται σε δέντρα, δεν μαζεύουν ψάρια από τον ωκεανό ούτε χρησιμοποιούν το φυσικό αεράκι για να αιωρούνται ακίνητα πάνω από την ύπαιθρο. Αλλά κανένα πουλί δεν μπορεί να πετάξει στα 45.000 πόδια ή πιο γρήγορα από τον ήχο.

Αντί να περιορίσουμε το πεδίο εφαρμογής της Τεχνητής Νοημοσύνης στη μελέτη του τρόπου μίμησης της ανθρώπινης συμπεριφοράς, μπορούμε πιο χρήσιμα να την ερμηνεύσουμε ως τη μελέτη του πώς πρέπει να οργανώνονται τα υπολογιστικά συστήματα για να συμπεριφέρονται με έξυπνο τρόπο. Τα προγράμματα Τεχνητής Νοημοσύνης είναι συχνά συστατικά μεγαλύτερων συστημάτων που δεν φέρουν την ένδειξη «ευφυή». Υπάρχουν εκατοντάδες τέτοιες εφαρμογές σε χρήση σήμερα, συμπεριλαμβανομένων εκείνων που κάνουν επενδυτικές συστάσεις, εκτελούν ιατρικές διαγνώσεις, σχεδιάζουν κινήσεις στρατευμάτων και εφοδιασμού σε πολεμικές επιχειρήσεις, προγραμματίζουν την ανακαίνιση του διαστημικού λεωφορείου και ανιχνεύουν δόλια χρήση πιστωτικών καρτών. Αυτά τα συστήματα λαμβάνουν εξειδικευμένες αποφάσεις, βρίσκουν ουσιαστικά μοτίβα σε σύνθετα δεδομένα και βελτιώνουν τις επιδόσεις τους μαθαίνοντας. Όλες αυτές οι ενέργειες, αν γίνονταν από έναν άνθρωπο, θα γίνονταν για να επιδείξουν ορθή κρίση, εμπειρογνωμοσύνη ή υπευθυνότητα. Πολλές από αυτές τις εργασίες, ωστόσο, δεν θα μπορούσαν να γίνουν από ανθρώπους, οι οποίοι είναι πολύ αργοί, αποσπώνται πολύ εύκολα ή δεν είναι επαρκώς αξιόπιστοι. Οι ευφυείς μηχανές μας ήδη μας ξεπερνούν με πολλούς τρόπους. Οι πιο χρήσιμες εφαρμογές υπολογιστών, συμπεριλαμβανομένων των εφαρμογών Τεχνητής Νοημοσύνης, είναι πολύτιμες ακριβώς λόγω της έλλειψης ανθρώπινης φύσης τους. Ένα πραγματικά ανθρώπινο πρόγραμμα θα ήταν εξίσου άχρηστο με ένα πραγματικά περιστέρι αεροσκάφος

Περιμένοντας την Επιστήμη

Η αναλογία με την πτήση παρέχει μια άλλη εικόνα: οι τεχνολογικές εξελίξεις συχνά προηγούνται των εξελίξεων στην επιστημονική γνώση. Οι σχεδιαστές των πρώτων αεροσκαφών δεν μπορούσαν να μάθουν τις αρχές της αεροδυναμικής μελετώντας την ανατομία των πτηνών. Η εξέλιξη είναι μια πρόχειρη μηχανική και τα ζωντανά συστήματα τείνουν να είναι πλούσια σε ad hoc μηχανήματα με πολλαπλές χρήσεις ή μηχανισμούς που βασίζονται σε δομές που εξελίχθηκαν νωρίτερα για διαφορετικό λόγο. Ως αποτέλεσμα, είναι συχνά πολύ δύσκολο να ανακαλύψουμε βασικές αρχές μιμούμενοι τους φυσικούς μηχανισμούς

Η πειραματική αεροδυναμική κατέστη δυνατή μόνο στις αρχές του 20^ου αιώνα, όταν τα τεχνητά φτερά μπορούσαν να δοκιμαστούν συστηματικά σε αεροσήραγγες. Δεν προέκυψε από τη μελέτη φυσικών παραδειγμάτων πτήσης. Το γεγονός ότι το φτερό ενός γλάρου είναι μια αεροτομή είναι πλέον εντυπωσιακά προφανές, ωστόσο η αεροτομή δεν ανακαλύφθηκε εξετάζοντας την ανατομία των πτηνών. Ακόμα και οι αδελφοί Ράιτ δεν κατάλαβαν ποτέ πραγματικά γιατί πετούσε το Flyer τους. Οι αεροδυναμικές αρχές της αεροτομής προέκυψαν από πειράματα που έγιναν το 1909 από τον Γάλλο μηχανικό Αλεξάντρ-Γκουστάβ Άιφελ, ο οποίος χρησιμοποίησε μια αεροδυναμική σήραγγα και τεχνητά φτερά με πυκνά όργανα. Το πρώτο αεροσκάφος με «σύγχρονες» αεροτομές – οι οποίες κατασκευάστηκαν παχύτερες αφού οι μηχανικοί απέδειξαν ότι οι παχύτερες αεροτομές βελτίωσαν την άνωση χωρίς να αυξήσουν την οπισθέλκουσα – δεν εμφανίστηκε μέχρι τα τέλη του Α’ Παγκοσμίου Πολέμου. Όπως ισχύει για πολλούς άλλους κλάδους, μια σταθερή θεωρητική κατανόηση ήταν δυνατή μόνο όταν μπορούσαν να γίνουν ελεγχόμενα πειράματα σε μεμονωμένες πτυχές του συστήματος. Η αεροδυναμική ανακαλύφθηκε στο εργαστήριο

Η ίδια συλλογιστική ισχύει και για τη μελέτη της ανθρώπινης νοημοσύνης. Μπορεί να είναι αδύνατο να ανακαλύψουμε τις υπολογιστικές αρχές της νοήμονος σκέψης εξετάζοντας τις περιπλοκές της ανθρώπινης σκέψης, όπως ακριβώς ήταν αδύνατο να ανακαλύψουμε τις αρχές της αεροδυναμικής εξετάζοντας τα φτερά των πτηνών. Η επιτυχία των αδελφών Ράιτ αποδόθηκε σε μεγάλο βαθμό στην αντίληψή τους για την πτήση όσον αφορά την άνωση, τον έλεγχο και την ισχύ. Ομοίως, μια επιστήμη, η νοημοσύνη πρέπει να απομονώνει συγκεκριμένες πτυχές της σκέψης, όπως η μνήμη, η αναζήτηση και η προσαρμογή, και να μας επιτρέπει να πειραματιζόμαστε με αυτές μία κάθε φορά χρησιμοποιώντας τεχνητά συστήματα. Μεταβάλλοντας συστηματικά τις λειτουργικές παραμέτρους της σκέψης, μπορούμε να προσδιορίσουμε τους τρόπους με τους οποίους διάφορα είδη νοητικών διεργασιών μπορούν να αλληλεπιδρούν και να υποστηρίζουν η μία την άλλη για να παράγουν ευφυή συμπεριφορά.

Αρκετοί τομείς της έρευνας για την Τεχνητή Νοημοσύνη έχουν μετασχηματιστεί την τελευταία δεκαετία λόγω της αποδοχής του γεγονότος ότι η πρόοδος πρέπει να είναι μετρήσιμη, ώστε οι διαφορετικές τεχνικές να μπορούν να συγκριθούν αντικειμενικά. Για παράδειγμα, πρέπει να διεξαχθούν εμπειρικές έρευνες μεγάλης κλίμακας για την αξιολόγηση της αποτελεσματικότητας διαφορετικών τεχνικών αναζήτησης ή μεθόδων συλλογισμού. Σε αυτό το είδος έρευνας για την Τεχνητή Νοημοσύνη, οι υπολογιστές παρέχουν τις πρώτες αεροδυναμικές σήραγγες για τη σκέψη.

Μια Επιστήμη της Νοημοσύνης

Η απόρριψη του τεστ Turing μπορεί να φαίνεται σαν μια υποχώρηση από την παλιά μεγάλη φιλοδοξία της δημιουργίας μιας «ανθρωπόμορφης» μηχανικής νοημοσύνης. Ωστόσο, πιστεύουμε ότι ο σωστός στόχος της Τεχνητής Νοημοσύνης είναι πολύ ευρύτερος από την απλή μίμηση της ανθρώπινης συμπεριφοράς. Είναι η δημιουργία μιας υπολογιστικής επιστήμης της ίδιας της νοημοσύνης, είτε ανθρώπινης, ζωικής είτε μηχανικής. Αυτός δεν είναι ένας νέος ισχυρισμός. Έχει διατυπωθεί στο παρελθόν από τους πρωτοπόρους της Τεχνητής Νοημοσύνης Allen Newell και Herbert A. Simon, τον γνωστικό ψυχολόγο Zenon Pylyshyn και τον φιλόσοφο Daniel C. Dennett, μεταξύ άλλων. Αλλά μόνο όταν παρατηρήσαμε την αναλογία με την τεχνητή πτήση, εκτιμήσαμε τον βαθμό στον οποίο το τεστ Turing, με την εστίασή του στη μίμηση της ανθρώπινης απόδοσης, έρχεται σε τόσο άμεση αντίθεση με τους σωστούς στόχους της Τεχνητής Νοημοσύνης. Μερικοί από τους συναδέλφους μας λένε ότι ο απώτερος στόχος τους είναι πράγματι η μίμηση της ανθρώπινης νοημοσύνης. Ακόμα και με αυτόν τον περιορισμένο στόχο, ωστόσο, πιστεύουμε ότι η προοπτική που σκιαγραφείται εδώ παρέχει έναν πιο ελπιδοφόρο τρόπο για την επίτευξη αυτής της φιλοδοξίας από ότι η μέθοδος που σκιαγραφεί ο Turing

Σκεφτείτε ξανά την αναλογία με την πτήση. Όπως ακριβώς οι αρχές της αεροδυναμικής ισχύουν εξίσου για κάθε φτερό, φυσικό ή τεχνητό, η υπολογιστική άποψη της νοημοσύνης – ή, ευρύτερα, της νοοτροπία – ισχύει εξίσου καλά τόσο για τους φυσικούς όσο και για τους τεχνητούς στοχαστές. Αν η γνωστική ψυχολογία και η ψυχογλωσσολογία είναι σαν τη μελέτη της πτήσης των πτηνών σε όλη της την πολυπλοκότητα, τότε η εφαρμοσμένη Τεχνητή Νοημοσύνη είναι σαν την αεροναυπηγική μηχανική. Η επιστήμη των υπολογιστών παρέχει τις αρχές που καθοδηγούν τη μηχανική, και η ίδια η υπολογιστική είναι ο αέρας που στηρίζει τα φτερά της σκέψης.

Η μελέτη της τεχνητής νοημοσύνης, όπως ένα μεγάλο μέρος της επιστήμης των υπολογιστών, είναι ουσιαστικά εμπειρική. Η εκτέλεση ενός προγράμματος συχνά σημαίνει την εκτέλεση ενός πειράματος σε μια μεγάλη, πολύπλοκη συσκευή (εν μέρει κατασκευασμένη από μέταλλο και πυρίτιο και εν μέρει από σύμβολα) για να ανακαλυφθούν οι νόμοι που συνδέουν τη συμπεριφορά της με τη δομή της. Όπως τα τεχνητά φτερά, αυτά τα συστήματα Τεχνητής Νοημοσύνης μπορούν να σχεδιαστούν και να οργανωθούν για να απομονώσουν συγκεκριμένες πτυχές αυτής της σχέσης. Σε αντίθεση με τη μεθοδολογία έρευνας της ψυχολογίας, η οποία χρησιμοποιεί προσεκτική στατιστική ανάλυση για να διακρίνει σχετικές πτυχές της συμπεριφοράς στην περίπλοκη πολυπλοκότητα της φύσης, η λειτουργία των συστημάτων Τεχνητής Νοημοσύνης είναι ανοιχτή σε άμεση επιθεώρηση. Χρησιμοποιώντας υπολογιστές, μπορούμε να ανακαλύψουμε και να πειραματιστούμε άμεσα με αυτό που οι Newell και Simon έχουν ονομάσει «νόμους της ποιοτικής δομής».

Αυτή η εικόνα της Τεχνητής Νοημοσύνης ορίζει τον τομέα με έναν πιο χρήσιμο και ώριμο τρόπο από ό,τι θα μπορούσε να προσφέρει ο Turing. Από αυτή την άποψη, η Τεχνητή Νοημοσύνη είναι η μηχανική γνωστικών αντικειμένων που βασίζονται στην υπολογιστική κατανόηση που διατρέχει και διαμορφώνει τη σύγχρονη γνωστική επιστήμη. Ο Turing ορθώς επέμεινε ότι το τεστ του δεν είχε σκοπό να ορίσει τη νοημοσύνη. Παρ’ όλα αυτά, δίνοντάς μας αυτό το σημείο αναφοράς της επιτυχίας, επέλεξε την ανθρώπινη νοημοσύνη – στην πραγματικότητα, την ικανότητα επιχειρηματολογίας ενός μορφωμένου Άγγλου άνδρα της μεσαίας τάξης που παίζει ένα είδος παιχνιδιού – ως στόχο μας. Αλλά η ίδια η επιστήμη στην οποία μας κατεύθυνε ο Turing παρέχει μια προοπτική από την οποία αναδύεται μια πολύ ευρύτερη και πιο ικανοποιητική ερμηνεία της νοημοσύνης.

Σχολαστική κριτική

Η τεχνητή νοημοσύνη και η τεχνητή πτήση είναι παρόμοιες ακόμη και στις κριτικές που δέχονται. Ο διακεκριμένος Αμερικανός αστρονόμος Simon Newcomb υποστήριξε με πάθος στις αρχές του 1900 την ιδέα της πτήσης βαρύτερης από τον αέρα. Οι επιθέσεις του Newcomb φαίνονται διασκεδαστικές τώρα, αλλά τα επιχειρήματά του ήταν αρκετά εντυπωσιακά και αντανακλούσαν την άποψη της ενημερωμένης διανόησης της εποχής του. Όπως ο Βρετανός μαθηματικός φυσικός Roger Penrose, ο οποίος χρησιμοποιεί το θεώρημα του Gödel για να «αποδείξει» ότι η Τεχνητή Νοημοσύνη είναι αδύνατη, ο Newcomb χρησιμοποίησε μαθηματικά επιχειρήματα. Επεσήμανε ότι καθώς τα πουλιά μεγαλώνουν, η επιφάνεια των φτερών τους αυξάνεται αναλογικά με το τετράγωνο του μεγέθους τους, αλλά το σωματικό τους βάρος αυξάνεται αναλογικά με τον κύβο, επομένως ένα πουλί στο μέγεθος ενός ανθρώπου δεν θα μπορούσε να πετάξει. Εξακολουθούσε να χρησιμοποιεί αυτό το επιχείρημα κατά της πιθανότητας επανδρωμένης πτήσης αρκετά χρόνια μετά την επιτυχία των αδελφών Wright στο Kitty Hawk της Βόρειας Καρολίνας, όταν τα αεροσκάφη πραγματοποιούσαν τακτικά ταξίδια που διαρκούσαν αρκετές ώρες. Είναι, στην πραγματικότητα, ένα αρκετά καλό επιχείρημα – τα βάρη απογείωσης των αεροσκαφών είναι πράγματι περίπου ανάλογα με τον κύβο του ανοίγματος των φτερών τους – αλλά ο Newcomb δεν είχε ιδέα πόσο απότομα αυξάνεται η άνωση από μια αεροτομή αναλογικά με την ταχύτητά της στον αέρα. Σκεφτόταν μια πτέρυγα ως απλώς μια επίπεδη, επίπεδη επιφάνεια.

Ο Newcomb χρησιμοποίησε επίσης έναν συνδυασμό νοητικού πειράματος και ρητορικής για να υποστηρίξει το επιχείρημά του – την ίδια τακτική που χρησιμοποίησε ο φιλόσοφος John R. Searle στο διάσημο επιχείρημά του «Κινέζικο Δωμάτιο» εναντίον της Τεχνητής Νοημοσύνης. Ο Newcomb δήλωσε περιφρονητικά: «Φανταστείτε τον περήφανο κάτοχο του αεροπλάνου να πετάει στον αέρα με ταχύτητα αρκετών εκατοντάδων ποδιών ανά δευτερόλεπτο! Μόνο η ταχύτητα τον συντηρεί. Πώς θα σταματήσει ποτέ;» Τα επιχειρήματα του Newcomb, με τον υπέροχο συνδυασμό ενέργειας, πάθους, πειστικότητας και απόλυτης λανθασμένης σκέψης, είναι τόσο παρόμοια με τα σύγχρονα επιχειρήματα κατά της τεχνητής νοημοσύνης που εδώ και αρκετά χρόνια προσφέρουμε το ετήσιο βραβείο Simon Newcomb για το πιο ανόητο νέο επιχείρημα που επιτίθεται στην Τεχνητή Νοημοσύνη. Καλωσορίζουμε υποψηφιότητες.

Μια συνηθισμένη απάντηση στην αναλογία μας μεταξύ τεχνητής νοημοσύνης και τεχνητής πτήσης είναι να ρωτήσουμε ποιο θα είναι το Kitty Hawk της Τεχνητής Νοημοσύνης και πότε θα συμβεί. Η απάντησή μας ακολουθεί αυτήν του Herbert Simon: έχει ήδη συμβεί. Οι υπολογιστές εκτελούν τακτικά-σχηματίζουν ευφυείς εργασίες και το κάνουν εδώ και πολλά χρόνια. Η τεχνητή νοημοσύνη πετάει γύρω μας, αλλά πολλές απλώς αρνούνται να τη δουν. Ανάμεσα στις χιλιάδες εφαρμογές που χρησιμοποιούνται σήμερα, ακολουθούν μερικά μόνο παραδείγματα: Τα συστήματα Τεχνητής Νοημοσύνης παίζουν πλέον σκάκι, ντάμα, μπριτζ και τάβλι σε επίπεδα παγκόσμιας κλάσης, συνθέτουν μουσική, αποδεικνύουν μαθηματικά θεωρήματα, εξερευνούν ενεργά ηφαίστεια, συνθέτουν τιμές δικαιωμάτων προαίρεσης μετοχών και παραγώγων στη Wall Street, λαμβάνουν αποφάσεις σχετικά με αιτήσεις πίστωσης, διαγιγνώσκουν αντλίες κινητήρα, παρακολουθούν γαλακτώματα σε χαλυβουργείο, μεταφράζουν τεχνικά εγχειρίδια σέρβις και λειτουργούν ως βοηθοί ανάγνωσης για παιδιά δημοτικού σχολείου. Στο εγγύς μέλλον, οι εφαρμογές Τεχνητής Νοημοσύνης θα καθοδηγούν αποστολές στο βαθύ διάστημα, θα εξερευνούν άλλους πλανήτες και θα οδηγούν φορτηγά σε αυτοκινητόδρομους.

Αλλά θα πρέπει όλα αυτά να θεωρούνται πραγματικά «ευφυή»; Η απόδοση των συστημάτων Τεχνητής Νοημοσύνης, όπως η ταχύτητα ή το υψόμετρο των αεροσκαφών, δεν αμφισβητείται, αλλά το αν κάποιος επιλέγει να τα ονομάσει «ευφυή» καθορίζεται περισσότερο από την κοινωνική στάση παρά από οποιονδήποτε αντικειμενικό σκοπό Όταν κάποια συγκεκριμένη ικανότητα μηχανοποιείται, συχνά δεν θεωρείται πλέον χαρακτηριστικό γνώρισμα νοητικής ικανότητας. Είναι εύκολο πλέον να ξεχνάμε ότι όταν ο Turing έγραφε, ένας «υπολογιστής» ήταν ένας άνθρωπος που ασχολούνταν με την αριθμητική για να ζήσει, και ήταν προφανές σε όλους ότι η πληροφορική απαιτούσε νοημοσύνη. Η σημασία της λέξης έχει πλέον αλλάξει και σημαίνει μηχανή, και η εκτέλεση γρήγορης, ακριβούς αριθμητικής δεν θεωρείται πλέον χαρακτηριστικό γνώρισμα νοητικής ικανότητας, όπως ακριβώς η σημασία του «πτήσης» έχει αλλάξει για να καλύψει την περίπτωση, κάποτε αδιανόητη, του να κοιμάσαι ήσυχα σε ένα κάθισμα αεροπλάνου ενώ ταξιδεύεις με εκατοντάδες μίλια την ώρα πολύ πάνω από τα σύννεφα. Ο Newcomb -ο οποίος ήταν διάσημος ως ένας από τους καλύτερους υπολογιστές της εποχής του- απεβίωσε αρνούμενος να παραδεχτεί ότι αυτό που έκαναν τα πρώτα αεροσκάφη θα έπρεπε να ονομάζεται «πτήση».

Ο Turing πρότεινε το τεστ του ως έναν τρόπο να αποφύγει άσκοπες διαμάχες σχετικά με το αν μια συγκεκριμένη εργασία θεωρούνταν πραγματικά έξυπνη. Με σημαντική πρόγνωση, προέβλεψε ότι πολλοί άνθρωποι δεν θα δεχόντουσαν ποτέ ότι η δράση μιας μηχανής θα μπορούσε ποτέ να χαρακτηριστεί ως «έξυπνος», όπως οι περισσότεροι άνθρωποι από τις ετικέτες. Αλλά όπως ακριβώς δεν υπήρχε αμφιβολία ότι οι πρώτοι που πέταξαν κινούνταν στον αέρα σε ορισμένα υψόμετρα και ταχύτητες, δεν υπάρχει αμφιβολία ότι οι ηλεκτρονικοί υπολογιστές κάνουν αριθμητικές πράξεις, κάνουν σχέδια, παράγουν εξηγήσεις και παίζουν σκάκι. Οι ετικέτες είναι λιγότερο σημαντικές από την πραγματικότητα.

Η αυθαιρεσία των κοινωνικών ετικετών μπορεί να καταδειχθεί με ένα νοητικό πείραμα στο οποίο η μηχανή αντικαθίσταται από κάτι μυστηριώδες αλλά φυσικό. Ενώ ένας σκύλος δεν θα περάσει ποτέ το τεστ Turing, κανείς εκτός από έναν φιλόσοφο δεν θα υποστήριζε ότι ένας σκύλος δεν επιδεικνύει κάποιο βαθμό νοημοσύνης – σίγουρα κανείς που έχει σκύλο δεν θα έκανε ένα τέτοιο επιχείρημα. Συχνά υποστηρίζεται ότι ο Deep Blue, ο υπολογιστής που νίκησε τον πρωταθλητή σκακιού Garry Kasparov, δεν είναι πραγματικά έξυπνος, αλλά φανταστείτε έναν σκύλο που έπαιζε σκάκι. Ένας σκύλος που έπαιζε σκάκι και μπορούσε να νικήσει τον  σίγουρα θα ανακηρύσσονταν εξαιρετικά έξυπνος σκύλος

Η ιδέα ότι η φυσική νοημοσύνη είναι μια σύνθετη μορφή υπολογισμού μπορεί προς το παρόν να είναι μόνο μια υπόθεση. Δεν βλέπουμε, ωστόσο, κανένα σαφή λόγο για τον οποίο οποιοδήποτε νοητικό φαινόμενο δεν μπορεί να εξηγηθεί με αυτόν τον τρόπο. Κάποιοι έχουν υποστηρίξει ότι η υπολογιστική άποψη δεν μπορεί να εξηγήσει τη φαινομενολογία της συνείδησης. Αν κάποιος εξετάσει τις τρέχουσες θεωρίες για τη φύση της συνείδησης, ωστόσο, μας φαίνεται ότι μια υπολογιστική άποψη προσφέρει την πιο πολλά υποσχόμενη. Εναλλακτικές απόψεις θεωρούν τη συνείδηση ​​ως κάποια μυστηριώδη φυσική ιδιότητα, ίσως που προκύπτει από κβαντικά φαινόμενα που επηρεάζονται από τη βαρύτητα του εγκεφάλου ή ακόμα και κάτι τόσο αινιγματικό που να είναι για πάντα πέρα ​​από την εμβέλεια της επιστήμης. Καμία από αυτές τις απόψεις δεν φαίνεται πιθανό να εξηγήσει πώς μια φυσική οντότητα, όπως ένας εγκέφαλος σε ένα σώμα, μπορεί να αποκτήσει επίγνωση του κόσμου και του εαυτού του. Αλλά η άποψη της Τεχνητής Νοημοσύνης για την ψυχική ζωή ως προϊόν υπολογισμού παρέχει μια λεπτομερή εξήγηση του πώς τα εσωτερικά σύμβολα μπορούν να έχουν νόημα για τη μηχανή και πώς αυτή η σημασία μπορεί να επηρεάσει και να επηρεαστεί από τις αιτιώδεις σχέσεις μεταξύ της μηχανής και του περιβάλλοντός της.

Ο επιστημονικός στόχος της Τεχνητής Νοημοσύνης είναι να παράσχει μια υπολογιστική εξήγηση της νοημοσύνης ή, γενικότερα, της ίδιας της νοητικής ικανότητας – όχι απλώς μια εξήγηση της ανθρώπινης νοοτροπίας. Αυτή η ίδια η κατανόηση, εάν είναι επιτυχής, πρέπει να αρνηθεί τη μοναδικότητα της ανθρώπινης σκέψης και, ως εκ τούτου, να μας επιτρέψει να την επεκτείνουμε και να την ενισχύσουμε. Ο απώτερος στόχος του Turing, τον οποίο μπορούμε να μοιραστούμε με χαρά, δεν ήταν να περιγράψει τη διαφορά μεταξύ των σκεπτόμενων ανθρώπων και των μη σκεπτόμενων μηχανών, αλλά να την εξαλείψει. Αυτό δεν έχει ως στόχο να υποτιμήσει ή να μειώσει την ανθρωπότητα και ακόμη λιγότερο να την απειλήσει. Αν μη τι άλλο, η κατανόηση των περιπλοκών της ροής του αέρα αυξάνει τον σεβασμό μας για το πόσο εξαιρετικά καλά πετούν τα πουλιά. Ίσως φαίνεται λιγότερο μαγικό, αλλά η πολυπλοκότητα και η λεπτότητά του είναι εντυπωσιακές. Υποψιαζόμαστε ότι το ίδιο θα ισχύει και για την ανθρώπινη νοημοσύνη. Αν οι εγκέφαλοί μας είναι πράγματι βιολογικοί υπολογιστές, τι αξιοσημείωτοι υπολογιστές είναι.

Από όλες τις μηχανές που έχουν αλλάξει τη ζωή μας, ίσως η πιο σημαντική είναι ο υπολογιστής, το κατεξοχήν παιδί της βιομηχανικής επανάστασης. Παράγεται μαζικά και είναι εύκολα διαθέσιμος. Συνδυάζει λαμπρή επιστημονική γνώση με ένα προϊόν που βελτιώνει τον πραγματικό κόσμο. Η ταχύτητα ανάπτυξής του είναι εκπληκτική. Η βελτίωση και ανάπτυξή του αγγίζει τα όρια ενός εκπληκτικού επιστημονικού επιτεύγματος. Οι υπολογιστές μπορούν να δημιουργήσουν ρεαλιστικές εικόνες προσομοιώσεων εν κινήσει, να νικήσουν ανθρώπινους πρωταθλητές σκακιού και να χρησιμεύσουν ως ταπεινοί κόμβοι που συνδέουν οποιονδήποτε στον κόσμο με τον Παγκόσμιο Ιστό. Πραγματικά εντυπωσιακό.

Αλλά μπορεί να σκεφτεί; Αν μια μηχανή μπορεί να σκεφτεί μόνη της σε κάποιο επίπεδο, ίσως ακόμη και να μάθει και να βελτιώσει την απόδοσή της μέσω της εμπειρίας, μπορεί να είναι ένα πολύ πιο χρήσιμο εργαλείο. Σχεδόν όλοι συμφωνούν ότι αυτό είναι κάτι επιθυμητό, ​​αλλά το πώς θα φτάσουμε εκεί είναι ένα εντελώς διαφορετικό ερώτημα.

Μια σχολή σκέψης στον τομέα της τεχνητής νοημοσύνης βλέπει τον ανθρώπινο εγκέφαλο ως έναν υπολογιστή που μπορεί να αντιγραφεί για να παραχθεί ένα τεχνητό μυαλό. Άλλοι υποστηρίζουν ότι η ανθρώπινη συμπεριφορά αψηφά τους περιορισμούς ενός προγράμματος υπολογιστή. Στην καρδιά αυτής της συζήτησης βρίσκεται το πραγματικά ύπουλο ερώτημα που αντιμετωπίζουν όσοι θα ήθελαν να δημιουργήσουν τεχνητή νοημοσύνη: Τι σημαίνει να σκέφτεσαι; Και το επακόλουθό του: Συνιστά η σκέψη συνείδηση;

Στην προσπάθεια να κάνουν τους υπολογιστές να συμπεριφέρονται με έναν κάπως σκεπτόμενο – συνειδητό τρόπο, οι επιστήμονες έπρεπε να μελετήσουν τα ανθρώπινα όντα από μια εντελώς νέα οπτική γωνία. Αποδεικνύεται ότι πολλά από αυτά που θεωρούμε δεδομένα στον κόσμο, ότι δηλαδή ένα μήλο που πέφτει θα πέσει στο έδαφος ή ότι η βροχή κάνει τα πράγματα να βραχούν, αποτελούν ένα αόρατο σύνολο υποθέσεων που αποτελούν το φόντο για όλες τις ανθρώπινες αλληλεπιδράσεις με τον κόσμο. Έτσι, προτού ένα έξυπνο ρομπότ-υπηρέτης μπορέσει να σκουπίσει το πάτωμα με ηλεκτρική σκούπα, πρέπει να κωδικοποιηθεί και να ληφθεί μια πληθώρα δεδομένων για τον τρισδιάστατο κόσμο – η ποσότητα πίεσης που απαιτείται για την αφαίρεση της βρωμιάς από ένα χαλί, η διαφορά μεταξύ ενός λεκέ μελανιού και ενός ασπρόμαυρου σχεδίου, κ.λπ

Οι άνθρωποι μαθαίνουν ενσωματώνοντας τις αισθητηριακές τους εμπειρίες από τον κόσμο σε μοτίβα. Το κάνουμε φυσικά, αυτόματα, ενσωματώνοντας και διασταυρώνοντας σκέψεις, συζητήσεις και αλληλεπιδράσεις με τον κόσμο γενικότερα. Μια μόνο αλληλεπίδραση με ένα μήλο ή μια χιονοθύελλα ή ένα αυτοκίνητο που δεν ξεκινά, μας φέρνει πλήθος νέων πληροφοριών για τον κόσμο – επεξεργασμένες χωρίς συνειδητή προσπάθεια και άψογα ενσωματωμένες με αυτά που ήδη γνωρίζουμε, για να δημιουργήσουμε μια καλύτερη και ευρύτερη κατανόηση.

Τα νευρωνικά δίκτυα, σχεδιασμένα για την προώθηση και τη δημιουργία Τεχνητής Νοημοσύνης, προσεγγίζουν το πρόβλημα της εμπειρίας-μάθησης-ενσωμάτωσης νέων πληροφοριών μοντελοποιώντας τη βιολογία του ανθρώπινου νευρικού συστήματος. Αυτά τα απλουστευμένα δίκτυα είναι πολλά υποσχόμενα, αλλά οι υπολογιστικοί κύκλοι που είναι απαραίτητοι για την τροφοδότησή τους κάνουν τα περίπλοκα νευρωνικά δίκτυα να λειτουργούν αργά

Η σημαντική ανακάλυψη στην ταχύτητα που προμηνύει το άλμα στην πραγματική Τεχνητή Νοημοσύνη (ΤΝ) μπορεί να εξαρτάται από τη μετάβαση από τη μνήμη πυριτίου στη μοριακή μνήμη (όπως διευκρινίζουν οι Mark A. Reed και James M. Tour στο “Υπολογιστική με Μόρια”). Σε συνδυασμό με την ικανότητα των μορίων να λειτουργούν ως διακόπτες και άλλα προϊόντα νανοτεχνολογίας, η συνοδευτική αύξηση της επεξεργαστικής ισχύος θα μπορούσε να θέσει τις βάσεις για τη μεγάλη παράσταση της ΤΝ: το έξυπνο ρομπότ.

Το όνειρο μιας κινητής, αυτόνομης, αισθανόμενης, μη βιολογικής δημιουργίας μας συνοδεύει εδώ και περίπου έναν αιώνα. Κάποιοι προβλέπουν ότι το ρομπότ θα είναι μια συνειδητή οντότητα, ικανή για συναισθήματα, συγκινήσεις και γνώσεις. Κάποιοι παρουσιάζουν το ρομπότ ως μια μηχανή για συγκεκριμένες εργασίες, ίσως στοχαστική, αλλά απαλλαγμένη από ανθρώπινες σκέψεις και λεπτότητες.

Τα ρομπότ, και ορισμένες άλλες περιορισμένες μορφές τεχνητής νοημοσύνης, έχουν ήδη αφήσει το στίγμα τους στον κόσμο, από υπερυπολογιστές μέχρι ρομποτικά εργοστάσια. Τα ερωτήματα και οι προκλήσεις που αντιμετωπίζει η τελευταία γενιά ερευνητών σε αυτόν τον τομέα, που εξερευνώνται λεπτομερώς εδώ, καθιστούν σαφές ότι βρισκόμαστε σε καλό δρόμο για να γίνουμε οι σκεπτόμενες μηχανές ένας σημαντικός παράγοντας στις λεπτομέρειες της καθημερινής ζωής.

Η έρευνα για την τεχνητή νοημοσύνη (ΤΝ) αποτελεί κινητήρια δύναμη πίσω από μεγάλο μέρος της επιστήμης των υπολογιστών για πάνω από ογδόντα χρόνια. Ο Alan Turing ήθελε να κατασκευάσει μια μηχανή που να είναι τόσο έξυπνη όσο ένας άνθρωπος, καθώς ήταν δυνατή η κατασκευή απομιμήσεων «οποιουδήποτε μικρού μέρους ενός ανθρώπου». Πρότεινε ότι αντί να παράγονται ακριβή ηλεκτρικά μοντέλα νεύρων, θα μπορούσε να χρησιμοποιηθεί ένας υπολογιστής γενικής χρήσης και το νευρικό σύστημα θα μπορούσε να μοντελοποιηθεί ως υπολογιστικό σύστημα. Πρότεινε ότι «τηλεοπτικές κάμερες, μικρόφωνα, μεγάφωνα» κ.λπ. θα μπορούσαν να χρησιμοποιηθούν για να μοντελοποιήσουν το υπόλοιπο ενός ανθρωποειδούς σώματος.

«Αυτό θα ήταν φυσικά ένα τεράστιο εγχείρημα..», αναγνώρισε. Ακόμα κι έτσι, ο Turing σημείωσε ότι η έτσι κατασκευασμένη «μηχανή» «…δεν θα είχε καμία ανάγκη για το φαγητό, το σεξ, τον αθλητισμό και πολλά άλλα πράγματα που ενδιαφέρουν τον άνθρωπο». Ο Turing κατέληξε στο συμπέρασμα ότι τη δεκαετία του 1940 οι τεχνικές προκλήσεις για την κατασκευή ενός τέτοιου ρομπότ ήταν πολύ μεγάλες και ότι οι καλύτεροι τομείς στους οποίους μπορούσε να διερευνηθεί η μηχανοποίηση της σκέψης ήταν διάφορα παιχνίδια και η κρυπτανάλυση, «καθώς απαιτούν μικρή επαφή» με τον έξω κόσμο.

Ανησυχούσε ρητά για την εκμάθηση μιας φυσικής ανθρώπινης γλώσσας σε έναν υπολογιστή, καθώς «για να είναι εφικτή φαίνεται να εξαρτάται υπερβολικά από τα αισθητήρια όργανα και την κίνηση». Έτσι, ο Turing καθόρισε τη μορφή για την πρώιμη έρευνα για την τεχνητή νοημοσύνη και με αυτόν τον τρόπο άγγιξε πολλά από τα ζητήματα που εξακολουθούν να αποτελούν σημεία έντονης συζήτησης. Μεγάλο μέρος του κινήτρου για την τεχνητή νοημοσύνη είναι η έμπνευση από τους ανθρώπους – ότι “μπορούν να περπατούν, να μιλάνε, να βλέπουν, να σκέφτονται και να κάνουν”. Σήμερα που φαίνεται ότι μπορούμε να κατασκευάσουμε μηχανές που μπορούν να κάνουν και αυτά τα πράγματα, υπάρχουν κάποια ζητήματα που χρειάζονται αναστοχασμό.

Το πρώτο ζήτημα που πρέπει να επιλυθεί είναι αν οι άνθρωποι είναι κάπως εγγενώς διαφορετικοί από τις μηχανές. Η μία πλευρά υποστηρίζει ότι όπως ακριβώς έπρεπε να προσαρμοστούμε στο να μην ζούμε στο κέντρο του “σύμπαντος”, και στη συνέχεια έπρεπε να προσαρμοστούμε στο ότι εξελιχθήκαμε από τα ζώα, τώρα θα πρέπει να προσαρμοστούμε στο να μην είμαστε πιο ξεχωριστοί από τις περίπλοκες μηχανές. Άλλοι υποστηρίζουν ότι υπάρχει κάτι το ιδιαίτερο στο να είσαι άνθρωπος και οι απλές μηχανές δεν μπορούν ποτέ να έχουν τις “ικανότητες ή την προσωπικότητα των ανθρώπων”.

Το δεύτερο ζήτημα είναι αν η νοημοσύνη μας είναι κάτι που “μπορεί να μιμηθεί υπολογιστικά”. Κάποιοι υποστηρίζουν ότι ο “εγκέφαλος είναι μια μηχανή επεξεργασίας πληροφοριών, φτιαγμένη από κρέας, και ως τέτοια μπορεί να αντικατασταθεί από έναν γρήγορο υπολογιστή—και η τεχνολογική εξέλιξη εξασφαλίζει ότι θα έχουμε όλο και πιο γρήγορους υπολογιστές μέσα στα επόμενα χρόνια. Άλλοι υποστηρίζουν ότι ίσως υπάρχει κάτι μη υπολογιστικό που συμβαίνει μέσα στο κεφάλι μας—όχι απαραίτητα κάτι που είναι πέρα ​​από την κατανόηση της τρέχουσας φυσικής, αλλά ότι η οργάνωση ό,τι συμβαίνει δεν έχει ακόμη κατανοηθεί ούτε σε βασικό επίπεδο.

Το τρίτο ζήτημα είναι πώς ο υπολογισμός, ή οτιδήποτε άλλο, πρέπει να οργανωθεί. Είμαστε προϊόν ορθολογικής σκέψης ή είμαστε μάλλον ντυμένα ζώα και προϊόν αντιδραστικών εγκεφάλων προγραμματισμένων από την εξέλιξη για fight or flidht;

Και το τέταρτο ζήτημα είναι πώς να ελέγξουμε όλες τις απαραίτητες δυνατότητες σε μια μηχανή. Μπορούν αυτές να καταγραφούν ρητά ως κανόνες και να αφομοιωθούν από έναν ασώματο υπολογιστή; Ή, μήπως χρειάζεται να κατασκευάσουμε ρομπότ με αισθητήρες και ενεργοποιητές που δρουν στον κόσμο και μαθαίνουν ό,τι χρειάζεται να γνωρίζουν από τις αλληλεπιδράσεις τους με τον κόσμο; Τέλος, υπάρχουν εικασίες για το πού βρίσκεται και που θα οδηγήσει η εργασία μας στην Τεχνητή Νοημοσύνη. Τέτοιες εικασίες αποτελούν μέρος της συζήτησης από τις πρώτες μέρες της και θα συνεχίσουν να αποτελούν μέρος της συζήτησης. Οι λεπτομέρειες των εικασιών και τα ερωτήματα που εγείρουν είναι συχνά βαθιά και σημαντικά και είναι αυτά που όλοι πρέπει να σκεφτούμε.

ΜΕ ΤΑ ΦΤΕΡΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ

Από όλες τις μηχανές που έχουν αλλάξει τη ζωή μας, ίσως η πιο σημαντική είναι ο υπολογιστής, το κατεξοχήν «παιδί» της βιομηχανικής επανάστασης. Παράγεται μαζικά και είναι εύκολα διαθέσιμος. Συνδυάζει λαμπρή επιστημονική γνώση με ένα προϊόν που βελτιώνει τον πραγματικό κόσμο. Η ταχύτητα ανάπτυξής του είναι εκπληκτική. Η βελτίωση και η εξέλιξή του αγγίζει τα όρια ενός άθλου – ενός εκπληκτικού επιστημονικού επιτεύγματος. Οι υπολογιστές πριν 30 χρόνια μπορούσαν να δημιουργήσουν ρεαλιστικές εικόνες εν κινήσει, να νικήσουν ανθρώπινους πρωταθλητές στο σκάκι και να χρησιμεύσουν ως ταπεινοί κόμβοι που συνδέουν οποιονδήποτε στον κόσμο με τον Παγκόσμιο Ιστό. Πραγματικά εντυπωσιακά για τότε! Σήμερα αυτά φαίνονται τετριμμένα μπρος στις νέες υπολογιστικές δυνατότητες.

Στην προσπάθεια να κάνουν τους υπολογιστές να συμπεριφέρονται με έναν κάπως σκεπτόμενο/συνειδητό τρόπο, οι επιστήμονες έπρεπε να μελετήσουν τα ανθρώπινα όντα υπό ένα εντελώς νέο πρίσμα. Αποδεικνύεται ότι πολλά από αυτά που θεωρούμε δεδομένα στον κόσμο – ότι ένα μήλο που πέφτει θα πέσει στο έδαφος ή ότι η βροχή βρέχει τα πράγματα – αποτελούν ένα αόρατο σύνολο υποθέσεων που αποτελούν ένα φόντο για όλες τις ανθρώπινες αλληλεπιδράσεις με τον κόσμο. Έτσι, πριν μια έξυπνη ρομπότ-υπηρέτρια μπορέσει να σκουπίσει το πάτωμα με ηλεκτρική σκούπα, μια μάζα δεδομένων για τον τρισδιάστατο κόσμο – η ποσότητα πίεσης που απαιτείται για την αφαίρεση της βρωμιάς από ένα χαλί· η διαφορά μεταξύ ενός λεκέ μελανιού και ενός ασπρόμαυρου σχεδίου, κ.λπ. – πρέπει να κωδικοποιηθεί και να ληφθεί.
Τα ανθρώπινα όντα μαθαίνουν ενσωματώνοντας τις αισθητηριακές τους εμπειρίες του κόσμου σε μοτίβα. Το κάνουμε φυσικά, αυτόματα,
ενσωματώνοντας και διασταυρώνοντας σκέψεις, συζητήσεις και αλληλεπιδράσεις με τον κόσμο γενικότερα. Μια μόνο αλληλεπίδραση με ένα μήλο ή μια χιονοθύελλα ή ένα αυτοκίνητο που δεν παίρνει μπροστά μας φέρνει πλήθη νέων πληροφοριών για τον κόσμο επεξεργασμένες χωρίς συνειδητή προσπάθεια και άψογα ενσωματωμένες με αυτά που ήδη γνωρίζουμε για να δημιουργήσουμε μια καλύτερη, ευρύτερη κατανόηση.