7. Filozofia Kognitywna I

Metafory epoki:
Grecja - umysł jest jak katapulta, popatrzcie na dramatyczne napięcia i katharsis.

Leibniz: umysł jest jak młyn (ale świadomość to substancja prosta).
Babbage: umysł jest jak krosna tkackie.
Freud: umysł jest jak system hydrauliczny, ciśnienie psychiczne powoduje choroby.
Sherrington: umysł to telefoniczna centrala - czym innym mógłby być?

Wiek XX: umysł podobny jest do komputerowego programu - podstawowe założenie filozofii kognitywnej.
Wiek XXI: umysł jest jak neurokomputer, układ dynamiczny bez centralnej jednostki.
Dopóki nie będziemy mieli wielu neurokomputerów ta metafora nie będzie szeroko stosowana.

Koniec XIX wieku - psychologia oparta na introspekcji, nie dała wiarygodnych rezultatów.
Psychofizyka: Gustav Fechner, Ernst Weber, Wilhelm Wundt, Ernst Mach, Herman von Helmholtz, i inni fizycy z końca XIX wieku.
Pomimo wielkich wysiłków i opracowania szczegółowych metod analizy doświadczeń wewnętrznych, "strumienia świadomości", nie udało się niczego uzgodnić pomiędzy różnymi laboratoriami, badania nie dawały jednoznacznych wyników.
Początek XX wieku przyniósł entuzjazm dla badania odruchów warunkowych przez Iwana Pawłowa, a w Polsce jego ucznia, Jerzego Konorskiego.
Behawioryzm zrobił z psychologii naukę ścisłą, ale cena była wysoka.
Uniwersalne i obiektywne prawa nauki to relacje pomiędzy bodźcami a reakcjami.
Umysł, świadomość, nieobserwowalne czynności poznawcze uznano za nienaukowe, bo nie można ich było badać metodami obiektywnymi.
Spór o istnienie świata (Roman Ingarden) przeszedł w spór o istnienie umysłu - czy jest to sensowna koncepcja, czy też wyszstko da się wyjąsnić na poziomie odruchów?
Jak można było zaprzeczać realności świata wewnętrznego?

John Watson (warunkowanie klasyczne , reaktywne), Burrhus Skinner, Edward Thorndike (odruchy instrumentalne), Edward Tolman (neobehawioryzm), stworzyli nowy paradygmat badań psychologicznych.
Można badać tylko obiektywnie obserwowalne zachowania, a więc zdefiniowane operacyjnie sytuacje eksperymentalne, ale liczba obserwowalnych wielkości musiała być bardzo niewielka by analiza była możliwa.
Zachowanie jest wynikiem uwarunkowania środowiska.

Niestety, dla złożonych form zachowania brak jest prostych, obiektywnych praw.
Sądy i przekonania nie dają się zredukować do dyspozycji organizmu do wypowiedzi i działań odruchowych.
Brak było w szczególności postępów dotyczących zrozumienia języka, wypowiedzi nie da się sprowadzić do prostych skojarzeń.
Szczególnie bolesna była lekcja automatycznego tłumaczenia i badań nad analizą tekstów w sztucznej inteligencji, pokazując ogromne trudności naiwnego ujęcia behawiorystów.

Neobehawioryzm (Edward Tolman, Clark Hull) dopuścił nieobserwowalne zmienne wewnętrzne, podkreślając centralną rolę bodźca i reakcji, oraz niezależność procesów psychologicznych od uwarunkowań biologicznych i fizjologicznych.
Procesy pośredniczące pomiędzy postrzeganiem a reakcjami są ukryte.
Teorie zakładające ukryte, nieświadome mechanizmy wywodziły się z psychoanalizy Freuda, ale psychodynamika i inne szkoły psychoterapii nigdy nie były naukowe, weryfikowalne, używając pojęć, które nie dały się obiektywnie zmierzyć ani ocenić.
Model przetwarzania informacji stał się zrozumiały i popularny dopiero dzięki sukcesom informatyki i projektów w zakresie sztucznej inteligencji (artificial intelligence, AI).

Sztuczna Inteligencja

Idee kognitywistyczne rozwinęli eksperci pracujący nad sztuczną inteligencją i psychologii poznawczej.
Zrozumieć znaczy umieć zbudować, dopiero wtedy jesteśmy pewni, że rozumiemy istotne procesy.
Inteligentne zachowanie systemów złożonych nie wymaga inteligencji elementów, "duch w maszynie" (a zwłaszcza myśląca substancja) nie jest potrzebny.
Symbol reprezentuje coś innego niż swoją fizykalną formę.
Reguły określają znaczenie symboli przez wzajemne relacje (syntaktykę) i ich odnoszenie do świata (nadając im sens intencjonalny).
Stany umysłowe - myśli, przekonania, percepcja - to stany obliczeniowe maszynerii przetwarzającej informację.

Funkcjonalizm: stany umysłowe mogą być zrealizowane w różny sposób w różnych systemach fizycznych.
Filozofię funkcjonalizmu oprzeć można na trzech ogolnych założeniach:

1. Stany i procesy mentalne można scharakteryzować przez ich funkcję.
2. Funkcje określone są przez relacje między wejściami i wyjściami systemu (organizmu), stanami i procesami.
3. Relacje mają charakter przyczynowo-skutkowy.

Fizyczna realizacja symboli jest drugorzędna, ważne są relacje i przetwarzanie informacji, związki przyczynowe stanów pamięci, wejść (zmysłów) i wyjść (zachowania).
Liczy się nie materiał, tylko relacje pomiędzy przyjmowanym stanami, to co rzeczy robią, a nie z czego są zrobione.
Krytyka "szowinizmu węglowego": inteligencja pozaziemska nie musi być oparta na tych samych związkach biologicznych, np. może być oparta na związkach krzemu, które również pozwalają na skomplikowane oddziaływania.
Emulacja, czyli doskonała symulacja jednego systemu (komputera) przez drugi, pokazuje jak różne architektury pozwalają na wykonanie dokładnie tych samych zadań (chociaż szybkość może się różnić).
W filozofii określane to jest mianem "wielokrotnej realizowalności" (multiple realizability).

Funkcjonalistyczny minimalizm: co jest istotne dla zachowania funkcji, a co można odrzucić?
Toczy się nieustająca dyskusja, do jakiego stopnia szczegółowości należy modelować układ nerwowy by zachować procesy istotne dla pracy w mózgu.
W tym przypadku funkcje to niższe i wyższe czynności poznawcze oraz sterowanie organizmem.
Odpowiedź zależy od tego, jak bogaty zestaw funkcji chcemy uwzględnić, co już jest warte nazwania umysłem.
Mamy tu całe spektrum możliwości, od umysłów prostych zwierząt, ludzi z niedorozwojem mózgu, do w pełni rozwiniętych umysłów filozofów.

Umysł jest funkcją procesów fizycznych przetwarzających informację.
Umysł to algorytmiczny proces realizowany przez organiczny mózg lub funkcjonalnie równoważny mu komputer.
Można metaforycznie powiedzieć, że umysł jest częścią tego, co robi mózg, czyli zbiorem procesów, których rezultaty mogą być świadome.
A co to znaczy świadome? Dostępne wewnętrznej percepcji.
Percepcji przez kogo? Przez inne procesy pozwalające na działanie, sformułowanie wypowiedzi itp.

Komputacjonizm to teza określana również jako "silne AI" (J. Searle): odpowiednio zaprogramowany komputer jest równoważny umysłowi, ma stany poznawcze.

Przetwarzanie informacji przez mózgi wykracza poza asocjacjonizm, czyli bezpośrednie skojarzenia.
Nie ma tu dualizmu substancji ciała i umysłu, jest tylko proces przetwarzania informacji określający reakcję organizmu.

Oczywiście są jakościowe różnice pomiędzy procesem a jego fizyczną realizacją, np. odczytywaniem bitów z płyty DVD i logiką scen interaktywnej gry; umysł jest na poziomie gry, mózg na poziomie odczytywania bitów i reagowania na nie.
Symulowana burza nie zmoczy komputera, jednakże jeśli informacja pochodząca z tej symulacji wprawi w ruch przesycone wilgocią powietrze w komorze do testowania zjawisk atmosferycznych powstanie prawdziwa burza.
Oprócz informacji potrzebny jest więc odtwarzacz, oprócz umysłu potrzebne jest więc ciało, dzięki któremu możemy wyrazić stany umysłowe.
Taka analogia jest niedoskonała, bo odtwarzacz nie wpływa na informację a ciało wpływa na formowanie się umysłu.

Symbole językowe są elementami dyskretnymi (jest ich skończona liczba i są od siebie wyraźnie odróżnialne), procesy percepcji/działania są ciągłe, trudno jest rozróżnić co już jest innym wrażeniem a co jeszcze tym samym.
Funkcjonalizm zajmuje się wyższymi czynnościami poznawczymi, językiem i rozumowaniem.
Franz Brentano (1874) ożywił scholastyczne koncepcje intencjonalności, czyli odniesienia do treści i sensu.
Intencjonalność systemu: symbole są o czymś, bo istnieje izomorfizm relacji obiektów rzeczywistych i umysłowych.
Czy to wystarczy?

Odpowiednia zależność przyczynowa stanów umysłu od stanów świata jest warunkiem koniecznym.
Jak symbole mogą reprezentować coś poza samym sobą?
Problem nabierania znaczenia przez symbole (the symbol grounding problem) został szeroko przedyskutowany w pracach Harnada (1990, 1993) i innych.
Konkluzja: znaczenie prostych pojęć wynika z "zagnieżdżenia" w reprezentacjach somatosensorycznych, pozwalających na sterowanie organizmem.

Funkcjonalizm uznaje umysł za algorytmiczny proces przetwarzania informacji.
Sztuczny umysł wymaga ogromnych baz wiedzy, metod reprezentacji i korzystania z wiedzy.
System ekspertowy CYC jest próbą realizacji zdrowego rozsądku w oparciu o miliony reguł.
Czy takie systemy komputerowe symulują jedynie inteligentne działanie czy naprawdę mają jakieś stany poznawcze?

Alan Turing (1912-1954) Twórca teorii automatów, matematycznych podstaw teorii obliczeń, w pracy z 1936 roku podał teoretyczny model komputera („automatu Turinga”), prowadził rozważania nad obliczalnością, zaangażowany w budowę maszyn liczących i szyfrujących. W artykule "Computing Machinery and Intelligence" (1950) uznał pytanie "czy maszyny mogą myśleć?" za zbyt mało precyzyjne i zaproponował praktyczny test na inteligencję. Test Turinga: biorą w nim udział 3 osoby. A próbuje zmylić pytającego tak, by nie zgadł jego lub jej płci, B ma za zadanie mu pomoc. Jeśli rolę A będzie grać maszyna czy pytający będzie się równie często mylić? Obecnie test Turinga to próba udawania przez program komputerowy w czasie konwersacji, że jest człowiekiem.

Od 1991 roku odbywają się zawody z programami do konwersacji (chatbotami) organizowane są w ramach konkursu o nagrodę Loebnera.
Niestety nie widać wielkiego postępu.
Czy test Turinga wystarczy by uznać, że maszyna ma umysł podobny do ludzkiego?

Turing był przekonany, że do 2000 r. będą myślące maszyny o pamięci rzędu 100 MB które przejdą taki 5-minutowy test; postępy w sztucznej inteligencji były początkowo szybkie i wydawało się, że wystarczy szybszy komputer i większa pamięć by powstały inteligentne maszyny. W połowie lat 1960 już tak nie myślano, zbyt wiele projektów poniosło klęskę ...
Jak dotychczas to się nie udało, a możliwości stworzenia myślących maszyn są nadal kontrowersyjne.
Turing w swojej pracy omówił szereg zarzutów przekonując, że taki test wystarczy dla uznania, iż mamy do czynienia z rzeczywistym myśleniem. Zarzuty Turinga:

1. Zarzut teologiczny: myślenie jest funkcją nieśmiertelnej duszy a tej maszyna mieć nie może.
Odp. teologa: Bóg może wszystko, skąd możemy wiedzieć, co maszyna mieć może?
Odp. Turinga: nie można tego zarzutu poważnie traktować.
Wersja współczesna: poszukiwanie niematerialnych wpływów umysłu na mózg, np. psychony wokół dendronów Johna Ecclesa.

2. Lepiej schować głowę w piasek bo konsekwencje powstania takich maszyn będą straszne (przede wszystkim dla naszego antropocentryzmu?).
Strach przed "terminatorem", w subtelniejszej formie często spotykany, odpowiedzialny za popularność poglądów anty-AI i przekonanie o nadchodzącej wojnie z robotami.
Efekt: racjonalizacje i emocje, przekonanie o beznadziejności badań nad umysłem, nadzieje na to, że problem nigdy nie zostanie zrozumiany (np. Turski 1996).
Szachiści wyśmiewali programy komputerowe do gry w szachy aż do przegranej Kasparowa (1997).

3. Zarzut matematyczny: twierdzenia Gödla, Churcha, jak i samego Turinga o zdaniach nierozstrzygalnych.
Co jakiś czas zarzut ten powraca w innej formie (por. "Nowy umysł cesarza" R. Penrose).
Rezultat: jeśli ludzie potrafią rozwiązywać problemy nierozstrzygalne to umysł nie działa w sposób, który można ująć w postaci algorytmu.
Konieczna jest nowa fizyka procesów nieobliczalnych, mikrotubule a może i kwantowa grawitacja.

Turing: człowiek też się myli, konkretna maszyna tak jak i konkretny człowiek nie odpowie na wszystkie pytania, ale jeśli rozważyć wszystkie możliwe maszyny nie ma takich ograniczeń.
Ograniczenia umysłu człowieka (pamięć robocza i długotrwała, szybkość działania, skończony czas, zdolność do skojarzeń), są dużo silniejsze niż maszyny Turinga! Umysł nie działa w oparciu o ustalony algorytm, gdyż się ciągle uczy.
Wiele odkryć było sprawą przypadku; maszyny mają całkiem inne ograniczenia ale też zdolne są do robienia odkryć, u podstaw których leży przypadek i rozumowanie.
Argumenty matematyczne dotyczą jedynie systemów z logiką klasyczną. W sztucznej inteligencji używa się nietradycyjnych logik, pozwalających radzić sobie z wiedzą sprzeczną, proceduralną lub niepełną.
Wniosek z krytyki możliwości maszyn: nie można stworzyć maszyny wszechwiedzącej.

4. Świadomość, emocje, uczucia to rzeczy niedostępne maszynom.
Po przegranej Kasparowa pisano, że komputer szachowy Deep Blue nawet nie potrafi się cieszyć z wygranej!
W filozofii umysłu takie zarzuty zostały sformułowane w 1995 roku w pracy Dawida Chalmersa i znane są pod nazwą trudnego problemu świadomości, wkrótce omówimy go dokładniej.
Turing: o umysłach innych ludzi wiemy tylko z obserwacji, więc jeśli program przejdzie test i nie uznamy, że myśli, pozostanie nam tylko solipsyzm.
Ten pogląd został zaatakowany za pomocą eksperymentu myślowego z "chińskim pokojem", który też dokładnie przedyskutujemy.

5. Argumenty dotyczące różnych niemożliwości.
Maszyny nie są zdolne do: samodzielnej inicjatywy, humoru, zakochania się, rozkoszowania lodami ...
Czyli maszyna jest głupia (jak każdy widzi) i już zawsze taka być musi?
Są to błędne generalizacje doświadczeń z obecnie istniejącymi maszynami.
Pamięć, liczenie, rozumienie mowy, ekspertyza, wszystko to co robią obecnie maszyny rutynowo były kiedyś nie do wyobrażenia.
Nie jesteśmy ani zbyt głupi by stworzyć inteligentne maszyny, ani aż tak mądrzy by zrobić to w krótkim czasie ...

6. Maszyna sam nie może nic stworzyć.
Teraz już może! Kreatywność maszyn jest od niedawna ważnym zagadnieniem w sztucznej inteligencji.
Odkrywanie wiedzy w danych (data mining) i systemy ekspertowe odkrywające nowe rozwiązania znane są od dawna, są patenty na procesy przemysłowe odkryte za pomocą algorytmów.
W szachach, matematyce, a nawet malowaniu obrazów czy komponowaniu muzyki osiągnięto interesujące rezultaty.
Albert Einstein napisał: człowiek nie widzi rozwiązania dopóki się o nie nie potknie.
Dlaczego maszyna nie mogłaby mieć pamięci, uczyć się i kojarzyć faktów, aktywnie szukać nowej wiedzy? Czy jakieś prawo przyrody tego zabrania? Czy też nasze wrażenie wynika z tego, że nie widujemy jeszcze takich maszyn?
Przykłady rozwiązywania problemów przez komputery wykorzystujące algorytmy ewolucyjne, oraz referat na temat neuroestetyki.

7. Układ nerwowy nie działa w sposób dyskretny, a więc opisywalny za pomocą skończonej liczby symboli, na których operują komputery.
Czy inteligencja wymaga modelowania procesów neuronowych bardzo dokładnie, na poziomie pojedynczych molekuł, czy też uproszczone biofizyczne modele neuronów wystarczą?
Zwykle przy modelowaniu układu nerwowego interesują nas dyskretne impulsy wysyłane przez neurony, a często tylko ich ilość w jednostce czasu (rate coding).
Możliwe są dowolnie dokładne aproksymacje zachodzących w mózgu procesów ale nie muszą wcale być konieczne, funkcje takie jak pamięć kontekstowa pojawiają się w stosunkowo prostych modelach.
Analogowe komputery zostały wyparte przez wygodniejsze komputery cyfrowe, ale buduje się obecnie analogowe systemy neuromorficzne zużywające bardzo mało energii i nadające się do budowy neurokomputerów, w których parametry również nie zmieniają się w dyskretny sposób.

8. Zachowanie człowieka nie da się opisać przy pomocy reguł.
Wielu programów również! Złożony zbiór reguł nie da się wykryć na podstawie obserwacji zachowania, Turing gotów był się założyć, że nikt nie zgadnie reguł, które zaprogramował.
Algorytmy stochastyczne i probabilistyczne rozwiązują zagadnienia zbyt trudne dla algorytmów deterministycznych.
Nie spodziewamy się, by systemy regułowe były dobrymi modelami umysłu, architektury kognitywne nie muszą być oparte na regułach (opisane np. w tej pracy).

9. Argument związany z postrzeganiem pozazmysłowym.
Turing uznał ten argument za warty wzmianki ze względu na doświadczenia z telepatią i kartami Zenera, ale od 1950 roku nie widać tu postępu.
Nawet jeśli zjawisko istnieje to jest tak trudne do wykrycia, że zbyt subtelne, nie może więc mieć wpływu na zwykłe myślenie.

Należy rozróżnić abstrakcyjne możliwości przetwarzania informacji od własności sprzętu realizującego ten proces.
Użyteczna analogia: umysł tak się ma do mózgu jak program do komputera.
Z jednej strony mamy sprzęt (materię), z drugiej strony abstrakcyjne procesy (formę), ktora jest realizowana przez ten sprzęt.
Czy umysł to rodzaj programu komputerowego? Co to naprawdę znaczy?
Program komputerowy zapisuje w sposób abstrakcyjny procesy sterujące sprzętem, w tym sensie każdy proces można opisać za pomocą programu.
Program to nie sam proces! Program + architektura wykonująca ten program (np. robot) tworzy właściwy proces.

Test Turinga to warunek konieczny, ale czy wystarczający by uznać program za umysł?
Wygrana programu IBM Watson w grę Jeopardy pokazuje, że maszyna może sensownie odpowiadać na złożone pytania i w opinii wielu pewnie zachowywać się w czasie konwersacji podobnie do człowieka.

Funkcjonalizm to teoria filozoficzna, na której w znacznej mierze opiera się kognitywistyka.
Podstawy filozoficzne funkcjonalizmu stworzyli Hilary Putnam, Jerry Fodor, Zenon Pylyshyn, a ze strony sztucznej inteligencji Allen Newell, Herbert Simon.

W ramach teorii Newella i Simona podać można precyzyjne definicje pojęć dotyczących umysłu.
Umysł to system kontrolny określającym zachowanie organizmu w oddziaływaniach ze złożonym środowiskiem.
Na umysł składa się zbiór funkcji określających odpowiedzi organizmu na sytuacje środowiska.
Odpowiedzi różnią się zależne od stanu środowiska jak i indywidualnej historii danego umysłu.
System kontrolny realizuje cele, a to wymaga wiedzy.
Umysł jest więc system kontrolnym posiadającym cele i wykorzystującym wiedzę.

Częstą pomyłką jest porównywanie różnych systemów na różnym poziomie, np. komputer liczy, a mózg "wie".
A może odwrotnie? Komputer pisze (zamienia głos na tekst), a neurony w mózgu tylko zliczają impulsy ... od razu widać, że coś tu mylimy.
Zachowanie może być opisywane przez intencje, cele, wiedzę.
Poziom intencjonalny to opis systemu działającego w oparciu o wiedzę.
Porównajmy sztuczne systemy oparte na wiedzy i biologiczne na jednakowych poziomach:

Systemy Oparte na Wiedzy (SOW) są abstrakcją, ale systemy ekspertowe wykorzystujące różne formy reprezentacji do rozumowania są ich aproksymacją.
O systemach ekspertowych można sensownie powiedzieć: "ten program już to wiedział", jeśli nowy fakt nie zmieni bazy wiedzy, bo już jest w niej w jakiejś formie zawarty.
Wiedza w SOW to przekonania i założenia, niekoniecznie prawdziwe.
Czy w tym przypadku "wie" to tylko metafora językowa, czy coś więcej?
John McCarthy, jeden z twórców AI, napisał, że nawet termostaty mają przekonania "za gorąco", "za zimno".
To oczywiście skrajny przykład, ale kleszcz, który czeka miesiącami reagując tylko na temperaturę i poziom kwasu mlekowego, zachowuje się niemal jak termostat.

Reprezentacja wiedzy wymaga odpowiedniego substratu, zachowującego relacje pomiędzy wzorcami w systemie sztucznym a rzeczywistymi, reprezentowanymi obiektami.
Reprezentacja wiedzy to zakodowana informacja, często w postaci symbolicznej, lub schematu obrazkowego (rep. ikonograficzna).

Symbol to klasa abstrakcji wszystkich znaków, które reprezentują to samo.
System symboliczny realizuje uniwersalny model obliczeń.
Taki system musi zawierać pamięć, operacje działające na strukturach symbolicznych i procesy interpretujące (I/O).
Systemy symboliczne aproksymują możliwości Systemów Opartych na Wiedzy.
Semantyka pojęć pierwotnych jest wynikiem oddziaływania systemu ze środowiskiem, sens zawarty jest w wskazywaniu na klasy lub indywidualne obiekty i związanych z nimi możliwościach działania.
Dla symboli nie związanych bezpośrednio z percepcją i działaniem sens wynika z działania "wewnętrznego", wskazywaniu na klasy lub indywidualne pojęcia pierwotne.

SOW oddziałuje ze środowiskiem, jego reakcje tworzą opis zachowania się systemu.
Wiedza określa cele jego działania.
SOW podejmuje działania by spełnić swoje cele korzystając z posiadanej wiedzy.
Komputery umożliwiają realizację modeli SOW, ale w podejściu funkcjonalnym nie muszą to być komputery.

Fizyczny system symboliczny to:

1. zbiór fizycznych desygnatów symboli, które
2. podlegają manipulacjom za pomocą wewnętrznych reguł,
3. reguły są również ciągami fizycznych desygnatów symboli.
4. Transformacje symboli zależne są jedynie od ich formy, a nie treści i
5. transformacje są złożeniem kombinacji różnych reguł.
6. Symbole mogą być proste (atomowe) lub złożone (molekularne),
7. a reguły ich rozpoznawania i łączenia muszą być "semantycznie interpretowalne".

SOW składające się z symboli i reguł które pozwalają na ich transformacje, jest więc zbiorem jakichś fizycznych struktur, które odpowiadają symbolom; "fizyczne" oznacza tu, że mogą to być rozkłady pobudzeń neuronów lub elektronicznych elementów, a nie abstrakcyjne formuły.

Semantyczna interpretowalność jest to własność całego systemu, pozwalająca określić sens symboli przez wskazanie ich wzajemnych powiązań oraz powiązań z tym, co jest symbolizowane.
Wiedział to już Ferdinand de Saussure, twórca językoznawstwa, pisząc "Żadne słowo nie ma sensu, który dałby się zidentyfikować niezależnie od kontekstu, w którym się znajduje".
Transformacje symboli da się rozłożyć na reguły najprostsze (Jerry Fodor nazywa to "dekompozycyjnością").
Złożone reguły powstają z najprostszych (Fodor nazywa to "kompozycyjnością").
Jedynie takie systemy są semantycznie interpretowalne i "symboliczne".
Nie oznacza to, że system symboliczny będzie sam z siebie automatycznie dokonywał interpretacji, musi być częścią odpowiedniej architektury poznawczej, kontrolującej analizę wypowiedzi.
Kombinatoryczna produktywność oznacza zdolność do tworzenia nieskończenie wielu kombinacji elementów.

Łańcuchy symboli tworzą myśli, nastawienia.
Niezależność od implementacji oznacza autonomiczność poziomu symbolicznego.
Inne poziomy organizacji widać tylko jako skutek błędów w działaniu (wynik uszkodzeń mózgu lub błędów programu).
Jednak nie jest wcale jasne, że na poziomie symbolicznym da się kontrolować wszystkie skojarzenia by stały się podobnie do naturalnych, być może dopiero reprezentacja w sieciach neuronowych pozowli na osiągnięcie podobnych skojarzeń.

Co to jest inteligencja? Pojęcia mają ustalony sens tylko w obrębie teorii, w których występują.
Iloraz Inteligencji IQ (Intelligence Quotient) to liczba mająca ocenić poziom inteligencji wynikający z testów inteligencji.
Skąd pomysł, że inteligencja da się zmierzyć za pomocą jednego współczynnika?
Ogólny czynnik inteligencji g jest konstrukcją psychologiczną mającą wyjaśnić korelację wyników różnych testów psychometrycznych; osoby uznawane za inteligentne mają dobre wyniki w testach różnego rodzaju.
Czynnikiem za tym stojącym jest sprawnie działający mózg, ale sprowadzanie wszystkiego do jednego wymiaru jest dość drastycznym uproszczeniem.
Pierwsze testy IQ (Binet-Simon, 1905) używane były do oceny zdolności werbalnych w szkole w celu identyfikacji dzieci zapóźnionych w rozwoju, rozkwit testów IQ nastąpił pod wpływem eugeniki w USA.

Teoria inteligencji wielorakiej rozwijana przez Howarda Gardnera wyróżnia 8 różnych aspektów inteligencji, stanowiących predyspozycje do różnego rodzaju zawodów:

1. ruchowo-kinestetyczna: tancerzy, aktorów, chirurgów, adeptów sztuk walki;
2. interpersonalna (społeczna): polityków, sprzedawców, nauczycieli;
3. językowo-werbalna: prawników, dziennikarzy, pisarzy;
4. logiczno-matematyczna: naukowców, matematyków, inżynierów;
5. wzrokowo-przestrzenna: architektów, artystów;
6. muzyczna: muzyków, kompozytorów;
7. intrapersonalna: filozofów, psychologów;
8. przyrodnicza (relacji z otoczeniem): ogrodników, rolników, naturalistów.

W sztucznej inteligencji definiuje się inteligencję jako umiejętność rozwiązywania zadań efektywnie niealgorytmizowalnych dzięki posiadanej wiedzy.
Inteligencja jest więc zdolnością do wykorzystania wiedzy, stąd centralna rola procesów poszukiwania rozwiązań w przestrzeniach różnych możliwości i rola metod reprezentacji wiedzy.

Nieporozumienie: komputery przeszukują wszystkie możliwości, ludzie dokonują świadomych wyborów i posługują się intuicją. Przecież komputer rozważa miliony wariantów, a szachista tylko kilka.
Dopiero szybkość i posiadana wiedza razem dają wysoką kompetencję.
Różne ograniczenia konstrukcyjne mózgów i komputerów powodują, że różne metody są bardziej efektywne.

Na rysunku mamy relację pomiędzy szybkością działania (logarytmem z liczby możliwości analizowanych na sekundę), liczbą reguł, którymi się system lub człowiek posługuje (np. odniesień do zapamiętanych konfiguracji), a poziomem kompetencji mierzonym liczbą punktów w szachach.
Każda krzywa obrazuje ustaloną liczbę punktów, zwiększenie dostępnej wiedzy prowadzi do przesunięcia na krzywe leżące wyżej, odpowiadające większej liczbie punktów.
Hitech (program szachowy): 175.000 poz/sek i 10 reguł, siła 1900 punktów; 100 reguł - siła 2360 punktów.
Deep Blue osiąga powyżej 2800 punktów, a to wystarczy by wygrać z mistrzem świata.
Perspektywy: za 1000 dolarów będziemy wkrótce mogli mieć więcej mocy obliczeniowej niż daje nam mózg!

Relacja pomiędzy wielkością pamięci i szybkością działania mózgu i systemów sztucznych nadal wypada o czynnik rzędu 10.000 na korzyść mózgu.
W systemach AI brakuje obszernych baz wiedzy, porównywalnych z podstawową wiedzą każdego człowieka, bo taka wiedza nie jest dostępna w tekstach, a trudno jest uczyć się bez możliwości percepcji.
Baza wiedzy największego systemu regułowego CYC, mającego zdolność do zdroworozsądkowego rozumowania, to kilka milionów reguł koniecznych do aproksymacji wiedzy na temat świata zapamiętanej przez mózgi.
W każdej sekundzie życia niemowlęcia tworzy się ponad milion nowych połączeń pomiędzy neuronami!

Pamięć skojarzeniowa uaktywnia jednocześnie tysiące złożonych reprezentacji faktów i sytuacji, gdyż działa w sposób masowo równoległy.
Klasyczne komputery przeszukują informację sekwencyjnie więc nie mogą szybko korzystać z dużych ilości porównań tak jak mózgi.
Neurokomputery inspirowane przez budowę sieci neuronów są bliższe działaniu mózgu, ale nie ma jeszcze neurokomputerów o podobnej złożoności.
Wiedza eksperta to 20-100 tysięcy specjalistycznych porcji informacji (reguł, typowych sytuacji). Sposób działania mózgu pozwala na rozumowanie płytkie (wiem bo pamiętam) lub proceduralne rozumowanie (wiem jak to zrobić).

Funkcjonalizm mówi nam, że technologia to sprawa drugorzędna, jeśli tylko możemy zrealizować dostatecznie złożone procesy.
Neurobiologia daje jak na razie pod wieloma względami najdoskonalsze rozwiązanie, ale elektronika, spintronika, nanotechnologie, komputery kwantowe pozwolą zrealizować inne typy umysłów, które też będą działały intencjonalnie, choć bardzo odmiennie od ludzkich.

Warianty filozofii kognitywnych

Psychofunkcjonalizm, opisał głównie Jerry Fodor w książkach "The language of thought" (1975), "Psychosemantyka" (1987).
Stany psychologiczne to stany mózgu rozumiane jak stany obliczeniowe, realizowane przez stany fizyczne.
Modelem uniwersalnego komputera jest maszyna Turinga, abstrakcyjny model urządzenia realizującego algorytmy obliczeniowe.
Maszyny są równoważne gdy końcowe stany ich obliczeń są identyczne.
Realizacja fizyczna sposobu obliczeń jest nieważna, istotny jest wynik.
Na poziomie funkcjonalnym możemy twierdzić, że komputery "wierzą", że 2+2=4.
to co dzieje się w mózgu na poziomie neurofizjologicznym słabo wpływa na nasze wierzenia (dopóki wszystko jeszcze działa). Tym samym stanom psychicznym odpowiadają różne stany mózgu.

Fizykalizm to jedno z głównych założeń neopozytywizmu: pełny opis zjawisk możliwy jest za pomocą języka fizyki, mierzalnych intersubiektywnie uzgodnionych wielkości.

Teoria identyczności (identity theory), określana jako reduktywny materializm, teoria identyczności typów, teoria identyczności umysłu lub mózgu-umysłu głosi, że określony typ stanów umysłowych jest identyczny z określonym typem stanów neurofizjologicznych.
Z funkcjonalizmu wynika, że istoty o różnych mózgach mają różne umysły.
Stany psychologiczne zależą od relacji pomiędzy stanami mózgu (lub ogólnie sprzętu obliczeniowego), koniecznymi do ich realizacji, ale nie są z nimi tożsame.
Stany umysłu dają się charakteryzować przez zależności typu bodziec-reakcja (behawioryzm) poszerzone o stany wewnętrzne, które nie mają bezpośredniego odzwierciedlenia w zachowaniu (ale mogą być widoczne w obrazowaniu mózgu).
Teoria typów: typ stanu psychologicznego odpowiada typowi stanu fizycznego.

Możliwe relacje odpowiedniości mentalno-fizycznej.

• Nomologiczny dualizm, który uznaje ścisłe mentalno-fizykalne korelacje, ale uznaje je za przejaw paralelizmu, a nie identyczności.
• Anomalny dualizm, np. Kartezjański, nie uznający korelacji mentalno-fizykalnych, ze względu na ontologiczną niezależność.
• Neutralny monizm, czyli monizm ani mentalny ani fizykalny, substancja "czystego doświadczenia" (B. Russel).
• Monizm nomologiczny, czyli teoria identyczności typów, lub fizykalizm typów, uznaje ścisłą korelację zjawisk mentalnych i fizycznych, które można uznać za identyczne (nomologiczny oznacza odnoszący się do praw ogólnych natury lub logiki).
• Monizm refleksyjny (Velmans 2007) jest współczesną wersją idei Spinozy.
• Anomalny monizm, uznający jedność zjawisk mentalnych i fizykalnych ale zaprzeczający możliwości nomologicznej redukcji (Davidson, 1970).

Anomalny monizm zwraca uwagę na trzy istotne zasady:

• Oddziaływania przyczynowe zachodzą w obydwie strony: stany mentalne wywołują działania organizmu i stany organizmu wpływają na działania mentalne.
• Nomologiczny charakter przyczynowości: związkami przyczynowymi rządzą ścisłe prawa.
• Anomalny charakter relacji mentalno-fizykalnych, czyli brak praw psychofizycznych, które by takimi związkami rządziły.

Metodologiczny solipsyzm (Fodor 1980): tworząc teorię umysłu istnienie świata zewnętrznego można pominąć.
Do świata zewnętrznego dostęp mamy tylko przez wiedzę i przekonania.
Jednak przekonania to wynik oddziaływań ze środowiskiem, częściowo zinternalizowany świat zewnętrzny.
Czy można je po prostu zaprogramować czy muszą rozwijać się w naturalny sposób? To dyskusja nadal aktualna w środowisku robotyki kognitywnej i rozwojowej.

Naturalistyczny indywidualizm (Pylyshyn 1980) krytykuje metodologiczny solipsyzm.
Główna trudność: nie istnieje obiektywny, pozbawiony interpretacji symboliczny opis formalny obiektów fizycznych.
Ponieważ te same stany funkcjonalne mogą być rezultatem różnych stanów fizycznych nie można wnioskować o stanach funkcjonalnych z samych obserwacji fizycznych.
Dopiero obserwacja działania organizmu w środowisku pozwala przypisać znacznie semantyczne stanom informacyjnym, przypisać im określone funkcjonalne znaczenie, dodać do nich fonologiczne etykiety, czyli przedstawienia symboliczne.
Te przedstawienia symboliczne są oparte w znacznej mierze na wrażeniach wzrokowych, które analizuje teoria "wizualnych indeksów" Pylyshyna, nazywana FINST.

Hipotezy składające się na FINST dotyczą sposobu indeksacji ważnych cech i całych obiektów, pozwalających na użycie tych cech w procesach rozpoznawania obiektów i myślenia o nich.
Na początkowym etapie analizy mózg wybiera kilka (4-6) tokenów, elementów wizualnych, które są istotne dla odróżnienia elementów oglądanej sceny i określenia relacji przestrzennych tych elementów.
Tworzone są "indeksy" symboliczne dla tych elementów, pozwalających odwoływać się do nich na dalszych etapach analizy zmieniającego się obrazu.
Te indeksowane elementy stają się celem dla określania kierunku spojrzenia i innych działań ruchowych.

Atak na funkcjonalizm: smak czekolady, zachód Słońca, czy takie wrażenia mogą być dostępne sztucznym umysłom?
Problem jakości wrażeń, zwanych po łacinie "qualia" (łac. "qualis", jakiego rodzaju), czyli przeżywania stanów fenomenalnych, omówiony zostanie dokładniej w dalszej cześci wykładu.
Przekonania mogą sprowadzać się do relacji i predyspozycji, ale qualia mają być własnościami wewnętrznymi umysłu, z natury rzeczy być nieobserwowalne i pozbawione przyczynowych skutków.
Funkcjonalnie identyczne stany mogą się więc różnić jakościami wrażeń; nie ma to żadnego znaczenia dla sztucznej inteligencji ale może mieć dla rozumienia natury umysłu.
Czy rzeczywiście możliwe są różnice niefunkcjonalne stanów umysłowych, w których występują jakości, i stanów ich pozbawionych?
Czy możliwe jest istnienie filozoficznego zombi, zachowującego się pod wszystkimi względami identycznie jak człowiek, ale pozbawionego wrażeń? Opinie na ten temat są wśród filozofów zróżnicowane.
Problem jakości wrażeń jak i omówiony poniżej problem chińskiego pokoju to obecnie ostatnia nadzieja obozu zwolenników metafizycznych aspektów umysłu.

Jakie rozwiązanie problemu ciała i umysłu będzie zadawalające? Dla mnie takie:

• Bez określenia o jakiego rodzaju umysłu chodzi, jakie ma mieć dokładnie własności, nie wiemy, o czym mówimy!
• Umysły zwierząt i ludzi możemy uznać za niematerialne, w podobnym sensie jak algorytmy są niematerialne.
• Umysły, podobnie jak algorytmy, wymagają odpowiedniej architektury sprzętowej by możliwa była ich realizacja.
• Mózgi są taką architekturą o odpowiednim stopniu złożoności, a możliwe stany neurofizjologiczne stanowią dostatecznie substrat by powstały stany mentalne.
• Problem z aproksymacją takich "stanów sprzętowych" jest poważny ale w przyszłości uda się stworzyć dostatecznie złożony substrat w krzemie, nanorurkach lub za pomocą innych technologii tak, by mogły w nim powstać fizycznie symbole konieczne do realizacji umysłu podobnego do ludzkiego.
• Myślenie jest tylko z grubsza równoważne przetwarzaniu informacji, które mozna opisać za pomocą manipulacji symbolami.
• Symbol nie jest w mózgu ciągiem liter, ale konfiguracją pobudzeń dużego zbioru neuronów, wzorcem stanowiącym prototyp stanu mózgu związanego z danym pobudzeniem.
• Rożne mózgi tworzą różne umysły, zarówno sztuczne jak i naturalne; co trzeba koniecznie pozostawić w symulacji a co można pominąć, byśmy jeszcze nazwali jej wynik umysłem?

Literatura

• Turing A, Maszyna licząca a inteligencja, w: Filozofia umysłu, red. Bohdan Chwedeńczuk, Aletheia, Warszawa 1995
• Kloch J, Świadomość komputerów? Biblios Tarnów i OBI Kraków 1976
• Penrose R, Nowy umysł cesarza: o komputerach, umyśle i prawach fizyki, PWN, Warszawa 1995.
• Penrose R, Cienie umysłu. Poszukiwanie naukowej teorii świadomości. Zysk i S-ka, Poznań 2000.
• Velmans, M. Is human information processing conscious ? Behavioral and Brain Sciences 14(4):651-701, 1991.

IQ i narodowy test na inteligencję.
The Psychologist jest popularnym pismem na temat psychologii, w którym poruszano zagadnienia mitów o słynnych eksperymentach w psychologii.
Nieporozumienia wynikające ze statystyki - D. Huck.
10 mind myth