Zdolności przeżywania stanów intencjonalnych

Tak czy inaczej, widać w intencjonalności barierę mocno stojącą na drodze konstruktorom sztucznych umysłów. Nic dziwnego, skoro dotykają granic wiedzy człowieka o samym sobie. Okazuje się, że maszyny można zmusić do perfekcyjnego udzielania odpowiedzi na pytania typu: co? gdzie? jak? i kiedy? Nie da się jednak nadal, i wydaje się to w ogóle niemożliwe, skonstruować maszyn odpowiadających na dwa najważniejsze, zastrzeżone dla człowieka i jego zdolności przeżywania stanów intencjonalnych, pytania: dlaczego? oraz: po co (program uprawnienia budowlane na komputer)?

Niemożliwość odtworzenia intencjonalności jest zasadniczym, nieusuwalnym brakiem systemów sztucznych. Bez żalu za niemożliwym - przyjrzyjmy się więc, co postulować w zamian tej dziedzinie badań, która u swoich narodzin została nazwana sztuczną inteligencją, choć z jej inspiracji zaistniały dziedziny nowe, takie jak nauka o procesach poznawczych (cognitive science), a problemy, którymi się zajmuje, mogłyby równie dobrze zostać zaliczone do dziedziny filozofii umysłu (program uprawnienia budowlane na ANDROID).

Moim zdaniem, i przeciwnie do zdania tych, którzy w tej dziedzinie widzą jedynie inżynierię, celem sztucznej inteligencji powinno być - choć to brzmi paradoksalnie - dążenie do naturalności (uprawnienia budowlane).

Sztuczna inteligencja nie jest nauką czysto teoretyczną, gdyż oczekuje się od niej konkretnych efektów w postaci działających maszyn lub systemów komputerowych. To jest aspekt inżynieryjny. Ale oprócz tego dziedzina ta dostarcza modeli teoretycznych, wyjaśniających. Jeżeli mają to być modele wyjaśniające zachowania ludzkie, powinny korzystać z wiedzy o nich (program egzamin ustny). Dlatego idealnym wyjściem jest prowadzenie wspólnych badań w zespołach interdyscyplinarnych, w których umiejętności techniczne i znajomość możliwości komputerów są uzupełniane przez badania psychologów, filozofów, biologów, lingwistów i logików. Zespoły takie na szczęście już powstają. Wspomniane przeze mnie dążenie do naturalności systemów sztucznych rozumiem nie tylko jako ciągłe odwoływanie się do mechanizmów inteligencji ludzkiej. Naturalność powinna być też cechą stosowanej metodologii (opinie o programie).

Podstawowe elementy składowe

Po pierwsze, twórcy systemów sztucznych powinni znaleźć naturalny środek pomiędzy podejściem redukcjonistycznym, zapewne niezbędnym ze względów technicznych, a holistycznym ujmowaniem ludzkich zachowań poznawczych. W historii sztucznej inteligencji reprezentatywny był w tym względzie spór z lat siedemdziesiątych pomiędzy metodą ramową (z teorii ram Marvina Minsky’ego) a metodą rozkładu semantycznego na elementy pierwotne (segregator aktów prawnych).

Niewątpliwie podczas tworzenia systemów sztucznej inteligencji należy określić ich podstawowe elementy składowe, ale nie należy zapominać o szerszych ramach, na przykład w postaci reguł regulacyjnych. Obiecujące są najnowsze prace w dziedzinie sieci konekcyjnych (neuropodobnych), których elementy składowe są na tyle małe, że przestaje odgrywać rolę ich wewnętrzna struktura, a całość działania zależy głównie od rodzajów i siły powiązań z innymi elementami. Dzięki temu oceniany pod względem sensowności lub poprawności jest wynik aktywności całej sieci, całego systemu. Taki wymuszony holizm jest dobrym przykładem spełnienia postulatu naturalności systemów sztucznej inteligencji (promocja 3 w 1).

Po drugie, uwzględnianie szczegółów na poziomie niskim a celów systemu na poziomie wysokim zmusza konstruktorów sztucznej inteligencji do radzenia sobie z podstawowym problemem w tej dziedzinie - jak od postawienia zadania system sztuczny zmierza do lego rozwiązania. Wiadomo, że człowiek zmierza do celu bez 10/patrywania wszystkich możliwości i wariantów, wiedząc (często w sposób milczący, nieuświadomiony), które elementy sytuacji zadaniowej są istotne, a których nawet nie warto przywoływać do pamięci. Ten tak zwany frame-problem najtrudniej rozwiązać w robotyce, gdzie maszyna działa w czasie rzeczywistym i musi szybko leagować na zmiany w otoczeniu, pomijając elementy nieważne. Pod tym względem człowiek nadal prześciga maszyny, kierując się ku rozwiązaniom zadań szybciej, niż by to wynikało ze złożoności lor nudnej problemu.