Umysł, rozumienie, wolna wola
Wstęp do działu
Ten dział jest inny niż poprzednie: nie ma w nim ani jednego wzoru i ani jednej daty, którą trzeba zapamiętać. Są pytania, na które nikt — łącznie z autorami modeli — nie ma rozstrzygającej odpowiedzi. Ale są to pytania, które musisz umieć postawić precyzyjnie, jeśli nie chcesz dać się nabrać ani entuzjastom, ani sceptykom.
Pierwsze: czy przetwarzanie symboli może być rozumieniem? Poznasz eksperyment myślowy Johna Searle'a — chiński pokój — najsłynniejszy argument, że nie może, oraz odpowiedzi jego krytyków. Zobaczysz też stanowisko Rogera Penrose'a, według którego ludzki umysł robi coś, czego żaden algorytm zrobić nie potrafi.
Drugie: czy model językowy rozumie, czy tylko trafnie zgaduje? To ten sam spór w wersji współczesnej: „stochastyczna papuga" powtarzająca wzorce ze zbioru treningowego kontra teza, że aby dobrze przewidywać język, model musi wytworzyć jakieś wewnętrzne reprezentacje świata (Działy 14–17).
Trzecie — najbardziej osobiste: wolna wola. Najpierw u człowieka (czym miałaby być w świecie fizyki i chemii), potem w maszynie (McCarthy: SDFW; Brooks: emergencja i Roomba), a na końcu w praktyce: sztuczna wolna wola i pytanie, kto ponosi odpowiedzialność, gdy system działa autonomicznie w ramach celów wpisanych przez ludzi.
Mapa pojęć działu
CZY MASZYNA MOŻE ROZUMIEĆ?
|
┌─────────────┴─────────────┐
ARGUMENTY „NIE" ARGUMENTY „MOŻE"
| |
chiński pokój (Searle) reprezentacje wewnętrzne
Penrose: umysł (osadzenia, stany ukryte)
niealgorytmiczny emergencja przy skali
| |
składnia ≠ semantyka stochastyczna papuga vs „rozumie"
|
WOLNA WOLA
człowiek (19.3) → maszyna (19.4) → odpowiedzialność (19.5)
SDFW · Brooks/Roomba · cele ludzi w AI
Jednostki w tym dziale
- 19.1 Chiński pokój i krytyka Penrose'a — czy maszyna rozumie?
- 19.2 Czy model rozumie? Stochastyczna papuga vs reprezentacje
- 19.3 Wolna wola człowieka: kiedy, gdzie i jak
- 19.4 Wolna wola w maszynie: determinizm i emergencja
- 19.5 Sztuczna wolna wola i pytanie o odpowiedzialność