Zamknięcie działu 6

Słowniczek działu

  • Warsztaty w Dartmouth (1956) — wydarzenie założycielskie sztucznej inteligencji jako dyscypliny; tu po raz pierwszy upowszechniono nazwę „artificial intelligence".
  • Logic Theorist — program Newella, Simona i Shawa (1956) dowodzący twierdzeń z Principia Mathematica; bywa nazywany pierwszym programem AI.
  • Heurystyka — reguła praktyczna zawężająca przeszukiwanie do obiecujących kierunków, bez gwarancji sukcesu.
  • General Problem Solver (GPS) — system Newella i Simona (1957) rozwiązujący szeroki zakres problemów strategią „środki–cel".
  • Physical Symbol System Hypothesis — hipoteza, że manipulacja symbolami jest konieczna i wystarczająca do ogólnej inteligencji.
  • LISP — język programowania stworzony przez McCarthy'ego (1958) do przetwarzania symboli i list; główny język symbolicznej AI przez dekady.
  • ELIZA — pierwszy chatbot (Weizenbaum, lata 60.), symulujący rozmowę prostymi regułami przekształcania wzorców tekstowych.
  • Efekt ELIZY (iluzja rozmowy) — tendencja ludzi do przypisywania maszynie zrozumienia na podstawie samej płynności jej odpowiedzi.
  • Minimax — algorytm przeszukiwania gier, zakładający optymalną grę przeciwnika i minimalizujący najgorszy możliwy scenariusz.
  • Machine learning (uczenie maszynowe) — termin ukuty przez Samuela (1959); zdolność komputera do poprawy działania na podstawie danych, bez jawnego zaprogramowania każdej reguły.

W pigułce

Dział 6 — trzy pytania i trzy odpowiedzi:

  1. Skąd wzięła się nazwa „sztuczna inteligencja"? — Z wniosku grantowego czterech naukowców (McCarthy, Minsky, Rochester, Shannon) na letni warsztat w Dartmouth College (1956), gdzie sformułowano śmiałą hipotezę o możliwości zasymulowania każdego aspektu inteligencji.

  2. Jak wyglądały pierwsze programy AI i jaka hipoteza za nimi stała? — Logic Theorist i General Problem Solver dowodziły, że manipulacja symbolami metodą heurystycznego przeszukiwania potrafi rozwiązywać problemy uznawane za wymagające inteligencji. Newell i Simon uogólnili to doświadczenie w Physical Symbol System Hypothesis — hipotezie, która stanie się celem krytyki filozoficznej w dalszej części tej książki.

  3. Czym różni się „symulowanie rozmowy" od „uczenia się"? — ELIZA pokazała, że proste manipulowanie wzorcami tekstowymi potrafi wywołać u ludzi silne wrażenie zrozumienia, mimo braku jakiegokolwiek rzeczywistego rozumienia. Program Samuela do warcabów poszedł o krok dalej — faktycznie zmieniał swoje zachowanie na podstawie doświadczenia, co dało początek terminowi „machine learning", pojęciu centralnemu dla reszty tej opowieści.

Sprawdzian działowy

Pytania sprawdzające rozumienie:

  1. Wyjaśnij, dlaczego warsztat w Dartmouth (1956) uznaje się za wydarzenie założycielskie sztucznej inteligencji, skoro pojedyncze idee mechanizacji myślenia sięgają znacznie dalej wstecz.

  2. Na czym polegała heurystyczna metoda przeszukiwania zastosowana w Logic Theorist? Dlaczego różni się od przeszukiwania brutalnego?

  3. Sformułuj Physical Symbol System Hypothesis własnymi słowami i wskaż, dlaczego jest to hipoteza, a nie udowodniony fakt.

  4. Opisz efekt ELIZY na konkretnym przykładzie z tej lekcji. Dlaczego zaniepokoił on samego twórcę programu, Josepha Weizenbauma?

  5. Wyjaśnij algorytm minimax i wskaż, w jakim sensie program Arthura Samuela „uczył się" grać w warcaby lepiej z czasem.

  6. Program Samuela powstał w 1952 roku, a warsztat w Dartmouth odbył się w 1956 roku. Co ta kolejność chronologiczna mówi Ci o sposobie, w jaki historycy nauki opowiadają historię dyscypliny naukowej?

Zadanie problemowe:

Wyobraź sobie, że jesteś dziennikarzem piszącym w 1966 roku artykuł o programie ELIZA dla ogólnopolskiej gazety. Twoim zadaniem jest napisać dwa akapity: pierwszy — entuzjastyczny, podkreślający, jak blisko jesteśmy „myślących maszyn"; drugi — sceptyczny, w duchu późniejszych obaw samego Weizenbauma, ostrzegający przed pochopnym przypisywaniem maszynom zrozumienia.

Który z tych dwóch akapitów, Twoim zdaniem, lepiej wytrzymał próbę czasu — biorąc pod uwagę to, co wiesz o kolejnych dekadach historii AI (systemy ekspertowe, zimy AI, dzisiejsze duże modele językowe)?

Wskazówka do zadania problemowego

Akapit entuzjastyczny mógłby powoływać się na to, że skoro prosty program potrafi wywołać tak silne wrażenie zrozumienia, to kolejne, coraz bardziej wyrafinowane systemy powinny szybko zbliżyć się do prawdziwej inteligencji — to rozumowanie, które napędzało wiele obietnic w historii AI (Dartmouth, boom lat 80. w dziale 7). Akapit sceptyczny mógłby zwrócić uwagę, że sama płynność odpowiedzi nigdy nie była i nie jest dowodem rozumienia — co potwierdzi później argument chińskiego pokoju Searle'a (jednostka 19.1) i co pozostaje aktualnym pytaniem nawet wobec najbardziej zaawansowanych systemów z działu 17. Historia pokazuje, że sceptyczny ton okazał się bardziej trafny w ocenie tempa postępu (obie zimy AI to potwierdzają), ale entuzjastyczny kierunek długoterminowo się sprawdził — dziś mamy systemy nieporównanie bardziej zaawansowane niż ELIZA. Dobra odpowiedź zauważa, że żaden z dwóch tonów nie był „całkowicie słuszny" ani „całkowicie błędny" — a to sama w sobie ważna lekcja z historii tej dziedziny.