نعوم تشومسكي: أين ذهب الذكاء الاصطناعي في الطريق الخطأ؟

تعليق المترجم: مقابلة تفصيلية مع اللغوي الأسطوري ، صدرت قبل 6 سنوات ، لكنها لم تفقد أهميتها. نعوم تشومسكي - "آينشتاين الحديثة" ، كما يطلق عليه ، يشارك أفكاره حول بنية التفكير الإنساني واللغة والذكاء الاصطناعي وحالة العلوم الحديثة. في اليوم الآخر ، بلغ من العمر 90 عامًا ، ويبدو أن هذا سبب وجيه لنشر مقال. يتم إجراء المقابلة من قبل عالم معرفي شاب ياردن كاتز ، وهو أيضًا على دراية جيدة بالموضوع ، وبالتالي فإن المحادثة مفيدة للغاية ، والأسئلة مثيرة للاهتمام مثل الإجابات.


إذا وضعنا لأنفسنا هدفًا لتجميع قائمة تضم أكبر المهام الفكرية وأكثرها غير قابلة للتحقيق ، فإن مهمة "فك تشفير" أنفسنا - فهم البنية الداخلية لعقولنا وعقولنا ، وكيف يتم ترميز بنية هذه العناصر في جينومنا - ستكون بالتأكيد في المقدمة. ومع ذلك ، فإن مجالات المعرفة المختلفة التي اضطلعت بهذه المهمة ، من الفلسفة وعلم النفس إلى علوم الكمبيوتر وعلم الأعصاب ، تغمرها الخلافات حول النهج الذي هو النهج الصحيح.

في عام 1956 ، صاغ عالم الكمبيوتر جون مكارثي مصطلح "الذكاء الاصطناعي" (AI) لوصف علم دراسة العقل من خلال إعادة بناء سماته الرئيسية على الكمبيوتر. كان إنشاء نظام عقلاني يستخدم معدات من صنع الإنسان ، بدلاً من "معداتنا" الخاصة في شكل خلايا وأنسجة ، بمثابة توضيح للفهم الكامل ، ويستتبع تطبيقات عملية في شكل أجهزة ذكية أو حتى روبوتات.

ومع ذلك ، فإن بعض زملاء مكارثي ، من التخصصات ذات الصلة ، كانوا أكثر اهتمامًا بالكيفية التي يعمل بها العقل في البشر والحيوانات الأخرى. عمل نعوم تشومسكي وزملاؤه على ما أصبح يعرف فيما بعد بالعلم المعرفي - اكتشاف التمثيلات والقواعد العقلية التي تكمن وراء قدراتنا المعرفية والعقلية. ألغى تشومسكي وزملاؤه نموذج السلوك المهيمن آنذاك ، بقيادة عالم النفس بجامعة هارفارد ب. سكينر ، الذي اختزل فيه سلوك الحيوانات إلى مجموعة بسيطة من الارتباطات بين الفعل ونتائجه في شكل تشجيع أو عقوبة. أصبحت أوجه القصور في عمل سكينر في علم النفس معروفة من خلال مراجعة تشومسكي النقدية لعام 1959 في كتابه "السلوك اللفظي" ، الذي حاول فيه سكينر شرح القدرات اللغوية باستخدام المبادئ السلوكية.

أكد مقاربة سكينر على الارتباطات بين الحافز واستجابة الحيوان - وهو نهج يتم تقديمه بسهولة كتحليل إحصائي تجريبي يتنبأ بالمستقبل نتيجة للماضي. من ناحية أخرى ، ركز مفهوم لغة تشومسكي على تعقيد التمثيلات الداخلية المشفرة في الجينوم وتطورها في عملية الحصول على البيانات في نظام الحوسبة المعقدة الذي لا يمكن تقسيمه ببساطة إلى مجموعة من الجمعيات. لا يمكن أن يفسر المبدأ السلوكي للجمعيات ثراء المعرفة اللغوية ، واستخدامنا الخلاق بلا حدود لها ، أو سبب إتقان الأطفال لها بسرعة من خلال الحد الأدنى من البيانات الصاخبة التي توفرها لهم البيئة. "الكفاءة اللغوية" ، كما وصفها تشومسكي ، كانت جزءًا من الصندوق الوراثي للجسم ، مثل النظام البصري والجهاز المناعي والجهاز القلبي الوعائي ، وعلينا دراسته بنفس الطريقة التي ندرس بها أنظمة بيولوجية أخرى أكثر دنيوية.

ديفيد مار ، خبير في علم الأعصاب ، زميل تشومسكي لمعهد ماساتشوستس للتكنولوجيا ، حدد النهج العام لدراسة النظم البيولوجية المعقدة (مثل الدماغ) في كتابه المشهود ، وتحليل تشومسكي للكفاءة اللغوية يتناسب أكثر أو أقل مع هذا النهج. وفقا لمار ، يمكن فهم النظام البيولوجي المعقد على ثلاثة مستويات مختلفة. يصف المستوى الأول ("المستوى الحسابي") مدخلات ومخرجات النظام ، والتي تحدد المهمة التي يؤديها النظام. في حالة النظام البصري ، قد يكون الإدخال صورة يتم عرضها على شبكية العين ، وقد يكون الإخراج هو تحديد الكائنات في الصورة بواسطة عقولنا. يصف المستوى الثاني ("المستوى الحسابي") الإجراء الذي يتم من خلاله تحويل المدخلات إلى مخرجات ، وهذا هو: كيف يمكن معالجة الصورة على شبكية العين لدينا لتحقيق المهمة الموضحة في المستوى الحسابي. أخيرًا ، يصف المستوى الثالث ("مستوى التنفيذ") كيفية تنفيذ معداتنا البيولوجية من الخلايا للإجراء الموضح في المستوى الحسابي.

نهج تشومسكي ومار في فهم كيف يعمل أذهاننا هو أبعد ما يكون عن السلوكية قدر الإمكان. هنا يتم التركيز على الهيكل الداخلي للنظام ، والذي يسمح له بإكمال المهمة ، بدلاً من التركيز على الارتباط الخارجي بين السلوك السابق للنظام والبيئة. الهدف من ذلك هو اختراق "الصندوق الأسود" الذي يتحكم في النظام ويصف هيكله الداخلي ، وتقريباً كيف يمكن للمبرمج أن يشرح لك مبدأ منتج برمجي مطور جيدًا ، وأيضًا كيفية تشغيله على جهاز كمبيوتر منزلي.

كما هو مقبول الآن بشكل عام ، فإن تاريخ العلوم المعرفية هو قصة الانتصار الواضح لنهج تشومسكي على النموذج السلوكي لـ سكينر - وهو الحدث الذي يشار إليه عادة باسم "الثورة المعرفية" ، على الرغم من أن تشومسكي نفسه ينكر هذا الاسم. هذا يعكس بدقة الوضع في علم النفس المعرفي وعلم النفس ، ولكن في العلوم الأخرى ذات الصلة ، لن يموت التفكير السلوكي. يتم استخدام النماذج التجريبية السلوكية والتفسيرات النقابية للسلوك الحيواني من قبل المتخصصين في مجال علم الأعصاب ، والتي تهدف إلى دراسة علم الأحياء العصبي لسلوك الحيوانات المختبرية مثل القوارض ، حيث لا يكون نهج النظام ثلاثي المستويات الذي اقترحه مار ساريًا.

في مايو 2011 ، احتفالا بالذكرى المائة والخمسين لتأسيس معهد ماساتشوستس للتكنولوجيا ، عقدت ندوة العقول والعقول والآلات ، حيث اجتمع كبار علماء الكمبيوتر وعلماء النفس وخبراء علم الأعصاب لمناقشة الذكاء الاصطناعي في الماضي والمستقبل وعلاقته بعلم الأعصاب.

كان من المفهوم أن الاجتماع سيلهم الجميع بحماس متعدد التخصصات لإحياء السؤال العلمي الذي نشأ فيه مجال الذكاء الاصطناعي بأكمله: كيف يعمل العقل؟ كيف خلقت عقولنا قدراتنا المعرفية ، وهل يمكن تجسيدها في أي جهاز؟

نعوم تشومسكي ، متحدثًا في ندوة ، لم يكن متحمسًا. انتقد تشومسكي مجال الذكاء الاصطناعى لاعتماده نهجا مشابها للسلوكية فقط في شكل أكثر حداثة ومعقدة حسابيا. قال تشومسكي إن الاعتماد على التقنيات الإحصائية للبحث عن أنماط بكميات كبيرة من البيانات من غير المرجح أن يعطينا رؤى توضيحية نتوقعها من العلم. بالنسبة إلى Chomsky ، من غير المرجح أن يقدم لنا الذكاء الاصطناعى الجديد - الذي يركز على استخدام تقنيات التدريب الإحصائي لمعالجة البيانات بشكل أفضل ووضع توقعات بناءً عليها - استنتاجات عامة حول طبيعة المخلوقات الذكية أو كيف يعمل التفكير.

أثارت هذه الانتقادات استجابة تشومسكي المفصلة من مدير أبحاث Google والباحث الشهير في منظمة العفو الدولية بيتر نورفيج ، الذي دافع عن استخدام النماذج الإحصائية وجادل بأن أساليب الذكاء الاصطناعي الجديدة وتعريف التقدم لا يزالان بعيدان عما يحدث الآن. وفي العلوم الأخرى.

أجاب تشومسكي أن النهج الإحصائي يمكن أن يكون ذا قيمة عملية ، على سبيل المثال ، لمحرك بحث مفيد ، وأنه ممكن مع أجهزة الكمبيوتر السريعة القادرة على معالجة كميات كبيرة من البيانات. لكن من وجهة نظر علمية ، يعتقد تشومسكي ، أن هذا النهج غير كافٍ ، أو بصراحة أكثر سطحية. لم نعلم الكمبيوتر أن يفهم ما تعنيه عبارة "الفيزيائي Sir Isaac Newton" ، حتى لو استطعنا إنشاء محرك بحث يعيد النتائج المعقولة للمستخدمين الذين يدخلون هذه العبارة هناك.

اتضح أن علماء الأحياء يحاولون أيضًا فهم الأنظمة البيولوجية التقليدية. نظرًا لقيام ثورة الكمبيوتر بتمهيد الطريق لتحليل كميات كبيرة من البيانات ، والتي يعتمد عليها "الذكاء الاصطناعي الجديد" بأكمله ، فإن ثورة التسلسل في البيولوجيا الحديثة قد أوجدت حقولًا مزهرة لعلم الجينوم وبيولوجيا الأنظمة. تحول تسلسل الإنتاجية العالية - وهي تقنية يمكن من خلالها قراءة ملايين جزيئات الحمض النووي بسرعة وبتكلفة رخيصة - إلى تحويل تسلسل الجينوم من منشأة باهظة الثمن عمرها 10 سنوات إلى روتين يمكن الوصول إليه في المختبرات. بدلاً من دراسة الجينات الفردية المنفردة بشكل مؤلم ، يمكننا الآن ملاحظة سلوك نظام الجينات التي تعمل في الخلايا ككل ، في مئات الآلاف من الحالات المختلفة.

لقد بدأت للتو ثورة التسلسل ، وقد تم بالفعل تلقي كمية هائلة من البيانات ، مما أدى إلى إثارة آفاق واعدة جديدة للعلاج والتشخيص الجديد للأمراض البشرية. على سبيل المثال ، عندما لا يساعد الطب التقليدي مجموعة معينة من الأشخاص ، قد تكون الإجابة في جينوم المرضى ، وقد يكون هناك بعض الخصوصية التي تمنع الدواء من العمل. عندما يتم جمع بيانات كافية لمقارنة ميزات الجينوم ذات الصلة في هؤلاء المرضى ، ويتم تحديد مجموعات التحكم بشكل صحيح ، قد تظهر أدوية مخصصة جديدة ، مما يؤدي بنا إلى شيء مثل "الطب الشخصي". من المفهوم أنه إذا كانت هناك أدوات إحصائية متطورة بما يكفي ومجموعة بيانات كبيرة بما فيه الكفاية ، فيمكن استخلاص إشارات مثيرة للاهتمام من الضوضاء الناتجة عن الأنظمة البيولوجية الكبيرة وغير المدروسة.

يعتمد نجاح ظواهر مثل الطب الشخصي والعواقب الأخرى للثورة المتسلسلة والنهج البيولوجي للأنظمة ، على قدرتنا على العمل مع ما يسميه تشومسكي "كتلة من البيانات الأولية" - وهذا يضع البيولوجيا في قلب المناقشة ، مثل تلك الموجودة في علم النفس والذكاء الاصطناعي منذ 1960s.

بيولوجيا النظم التقى أيضًا بالشك. لقد عرفها عالم الوراثة الكبير والحائز على جائزة نوبل سيدني برينر ذات مرة على النحو التالي: "المدخلات المنخفضة ، الإنتاجية العالية ، لا علم الإخراج" (في ترجمة مجانية: "هناك الكثير من الضجيج من لا شيء ، ولا يوجد علم يعتمد على النتائج"). كان برينر ، وهو أحد معاصري تشومسكي الذي شارك أيضًا في ندوة الذكاء الاصطناعى ، متشككًا في نفس الشيء بشأن الأساليب المنهجية الجديدة لفهم الدماغ. وصفًا لمقاربة منهجية شائعة لرسم خرائط دارات الدماغ ، تسمى Connectomics ، والتي تحاول وصف الروابط بين جميع الخلايا العصبية في الدماغ (أي ، رسم تخطيطي لكيفية اتصال بعض الخلايا العصبية بالآخرين) ، وصفها برينر بأنها "شكل من أشكال الجنون".

هجمات برينر البارعة على بيولوجيا النظم والمناهج ذات الصلة في علم الأعصاب ليست بعيدة عن انتقاد تشومسكي لمنظمة العفو الدولية. على عكس المظهر ، تواجه بيولوجيا النظم والذكاء الاصطناعي مع نفس المهمة الأساسية للهندسة العكسية لنظام معقد للغاية ، لهيكله الداخلي ، في معظمه ، لغز. نعم ، توفر التقنيات المتطورة مجموعة كبيرة من البيانات المتعلقة بالنظام ، والتي قد يكون جزء منها ذا صلة فقط. هل يجب أن نعتمد على قدرات حسابية قوية وأساليب إحصائية لعزل الإشارة عن الضوضاء ، أم أننا بحاجة إلى البحث عن مبادئ أساسية أكثر أساس النظام وتفسير جوهره؟ لا يمكن إيقاف الرغبة في جمع المزيد من البيانات ، على الرغم من أنه ليس من الواضح دائمًا ما هي النظرية التي يمكن أن تنسجم معها هذه البيانات. تثير هذه المناقشات السؤال القديم لفلسفة العلوم: ما الذي يجعل النظرية العلمية أو التفسير مرضيا؟ كيف يتم تحديد النجاح في العلوم؟

جلسنا مع نعوم تشومسكي في فترة ما بعد الظهيرة من شهر أبريل في غرفة محادثة فوضوية إلى حد ما ، مختبئين في زاوية سرية من المبنى المذهل لمركز فرانك جيري لمعهد ماساتشوستس للتكنولوجيا. أردت أن أفهم بشكل أفضل انتقاد تشومسكي للذكاء الاصطناعي ، ولماذا ، حسب اعتقاده ، يسير في الاتجاه الخاطئ. أردت أيضًا أن أدرس تطبيق هذا النقد على مجالات علمية أخرى ، مثل علم الأعصاب وبيولوجيا الأنظمة ، والتي تعمل جميعها مع مهمة النظم الهندسية المعقدة العكسية - حيث يجد العلماء أنفسهم في غالب الأحيان في خضم البحر المتوسع بلا حدود من البيانات. جزء من الدافع للمقابلة هو أن تشومسكي نادراً ما يسأل الآن عن العلم. يهتم الصحفيون كثيراً برأيه في السياسة الخارجية للولايات المتحدة والشرق الأوسط وإدارة أوباما وغيرها من الموضوعات العادية. سبب آخر هو أن تشومسكي ينتمي إلى هذا النوع النادر والخاص من المثقفين الذين يموتون بسرعة. منذ نشر مقال أشعيا برلين الشهير ، أصبح التسلية المفضلة لدى المجتمع الأكاديمي مكانًا مختلفًا من المفكرين والعلماء في سلسلة ليزا - القنفذ: القنفذ دقيق ومتخصص ، ويهدف إلى تقدم ثابت في إطار محدد بوضوح ، ضد ليزا ، بشكل أسرع ، مدفوعًا بالأفكار مفكر ينتقل من سؤال إلى آخر ، متجاهلاً نطاق المجال المعني ويطبق مهاراته عند الاقتضاء. تشومسكي مميز لأنه يحول هذا التمييز إلى كليشيهات قديمة وغير ضرورية. لا ينتقل عمق تشومسكي بدلاً من المرونة أو الاتساع ، على الرغم من أنه كرس معظم حياته المهنية المبكرة بالكامل لدراسة موضوعات معينة في اللغويات والعلوم المعرفية. كان لعمل تشومسكي تأثير كبير على العديد من المجالات إلى جانب مجالاته الخاصة ، بما في ذلك علوم الكمبيوتر وفلسفته ، وهو لا يخجل من مناقشة وانتقاد تأثير هذه الأفكار ، مما يجعله مثيراً للاهتمام بشكل خاص لإجراء مقابلات مع البشر.

أريد أن أبدأ بسؤال بسيط للغاية. في فجر الذكاء الاصطناعي ، كان الناس متفائلين بالتقدم المحرز في هذا المجال ، ولكن اتضح أن الأمر كان مختلفًا. لماذا المهمة صعبة للغاية؟ إذا سألت خبراء في مجال علم الأعصاب عن سبب صعوبة فهم الدماغ ، فسوف يعطونك إجابات فكرية غير مرضية تمامًا: فهناك مليارات الخلايا في الدماغ ، ولا يمكننا قراءتها جميعًا ، وما إلى ذلك.

تشومسكي: هناك شيء ما لذلك. إذا نظرت إلى تطور العلوم ، فكل العلوم تشبه سلسلة متصلة ، لكنها مقسمة إلى مناطق منفصلة. تحقق أكبر تقدم من العلوم التي تدرس أبسط النظم. خذ على سبيل المثال ، الفيزياء - هناك تقدم هائل في ذلك. ولكن أحد الأسباب هو أن الفيزيائيين لديهم ميزة غير موجودة في أي علم آخر. إذا أصبح هناك شيء معقد للغاية ، فإنهم ينقلونه إلى شخص آخر.

على سبيل المثال ، الكيميائيين؟

تشومسكي: إذا كان الجزيء كبيرًا جدًا ، فأنت تعطيه للصيادلة. الكيميائيون ، إذا كان الجزيء بالنسبة لهم كبيرًا جدًا أو أصبح النظام كبيرًا جدًا ، فأعطوه للبيولوجيين. وإذا كانت كبيرة جدًا بالنسبة لهم ، فهم يقدمونها إلى علماء النفس ، وفي النهاية يكون ذلك في أيدي النقاد الأدبيين ، وهكذا. لذلك ليس كل ما يقال في علم الأعصاب خاطئ تمامًا.

لكن ربما - ومن وجهة نظري ، من المحتمل جدًا ، على الرغم من أن الخبراء في مجال علم الأعصاب لا يحبون هذا - أن علم الأعصاب كان على المسار الخطأ خلال المائتي عام الماضية. هناك كتاب جديد إلى حد ما بواسطة العالم المعرفي العصبي الجيد راندي جاليستل ، إلى جانب آدم كينغ ( "الذاكرة والدماغ الحسابي: لماذا ستحول العلوم المعرفية علم الأعصاب" - ترجمة تقريبية )) ، حيث يزعم - في رأيي ، معقول - أن علم الأعصاب تم تطويرها وتنفذها الجمعيات والأفكار ذات الصلة حول كيفية ترتيب الأشخاص والحيوانات. نتيجة لذلك ، بحثوا عن الظواهر مع خصائص علم النفس النقابي.

كيف هي ليونة hobb؟ [نظرية منسوبة إلى دونالد هب: يمكن تشفير الارتباطات بين الحافز البيئي والاستجابة للمحفز من خلال تعزيز الروابط التشابكية بين الخلايا العصبية - تقريبا. إد.]

تشومسكي: نعم ، كتعزيز للعلاقات التشابكية. أمضى جاليستل سنوات يشرح: إذا كنت ترغب في دراسة الدماغ بشكل صحيح ، فعليك ، مثل مار ، أن تسأل أولاً عن المهام التي يؤديها. لذلك ، فهو مهتم بشكل رئيسي بالحشرات. لذا ، إذا كنت تريد أن تدرس ، على سبيل المثال ، علم الأعصاب لنملة ، فأنت تسأل عما تفعله النملة؟ اتضح أن النمل يفعل أشياء معقدة للغاية ، على سبيل المثال ، بناء المسار. انظر إلى النحل: يتطلب التنقل حسابات معقدة للغاية ، بما في ذلك موضع الشمس وما إلى ذلك. ولكن بشكل عام ، ما الذي يجادل معه: إذا كنت تأخذ القدرات المعرفية لحيوان أو شخص ، فهذه أنظمة كمبيوتر. لذلك تحتاج إلى إلقاء نظرة على الوحدات الذرية الحسابية. خذ آلة تورينج ، وهذا هو أبسط شكل من أشكال الحساب ، تحتاج إلى العثور على ذرات لها خصائص "القراءة" ، "الكتابة" و "العنوان". هذه هي الحد الأدنى من الوحدات الحسابية ، لذلك تحتاج إلى البحث عنها في المخ. لن تجدها أبدًا إذا كنت تبحث عن اتصالات متشابكة أو خصائص حقلية إضافية ، وما إلى ذلك. عليك أن تبدأ بهذا: انظر إلى ما هو موجود بالفعل وما الذي ينجح ، ويمكنك أن ترى ذلك من أعلى المستويات في التسلسل الهرمي Marra.

هذا صحيح ، لكن معظم علماء الأعصاب لا يجلسون ولا يصفون مدخلات واستنتاجات الظاهرة التي يدرسونها. بدلاً من ذلك ، يضعون الماوس في مهمة التعلم المختبري ، ويقومون بتسجيل أكبر عدد ممكن من الخلايا العصبية ، أو معرفة ما إذا كان الجين X ضروريًا لتعلم المهمة وما إلى ذلك. البيانات من هذا النوع تتبع من تجاربهم.

تشومسكي: هذا ...

هل هناك خطأ مفاهيمي في هذا؟

تشومسكي: حسنًا ، يمكنك الحصول على معلومات مفيدة. ولكن إذا كان هناك بالفعل نوع من العمليات الحسابية التي تنطوي على وحدات ذرية ، فلن تجدها بهذه الطريقة. يتعلق الأمر بكيفية البحث عن المفاتيح المفقودة أسفل مصباح آخر ، لمجرد أنها أخف هناك ( إشارة إلى نكتة معروفة - الترجمة تقريبًا ). هذه قضية قابلة للنقاش ... لا أعتقد أن موقف جاليستيل كان مقبولًا على نطاق واسع من قبل أخصائيي البيولوجيا العصبية ، لكن هذا موقف معقول ، وقد تم ذلك بروح تحليل مار.لذلك عندما تدرس الرؤية ، كما يقول ، تسأل أولاً عن نوع مهام الحوسبة التي يحلها النظام. ثم تبحث عن خوارزمية يمكنها القيام بهذه الحسابات ، وفي النهاية تبحث عن آليات تسمح للخوارزمية بالعمل. خلاف ذلك ، قد لا تجد أي شيء. هناك العديد من الأمثلة على ذلك ، حتى في العلوم الدقيقة ، وبالتأكيد في العلوم الإنسانية. يحاول الناس تعلم ما يعرفونه كيف يدرسون - أقصد ، يبدو الأمر معقولًا. لديك تقنيات تجريبية معينة ، لديك مستوى معين من الفهم ، وتحاول دفع حدود الممكن - وهذا أمر جيد ، أنا لا أنتقد ، يفعل الناس ما في وسعهم. من ناحية أخرى ، سيكون من الجيد معرفة ما إذا كنت تتحرك في الاتجاه الصحيح. وقد يحدث ذلك إذا أخذنا وجهة نظر Marra-Gallistel كأساس ،الذي أتعاطف معه شخصيًا ، ستعمل بشكل مختلف ، وابحث عن تجارب من نوع مختلف.

لذلك ، أعتقد أن الفكرة الأساسية لمار هي ، كما قلت ، إيجاد وحدات ذرية مناسبة لوصف المشكلة ، وبعبارة أخرى ، "مستوى مناسب من التجريد" ، إذا جاز التعبير. وإذا أخذنا مثالًا ملموسًا على منطقة جديدة من علم الأعصاب تسمى Connectomics ، حيث يكون الهدف هو العثور على رسم تخطيطي لصلات الكائنات الحية شديدة التعقيد ، لإيجاد صلات جميع الخلايا العصبية في قشرة الدماغ البشري أو الفأر. وقد انتقد سيدني برينر هذا النهج ، الذي يعد أحد مؤلفيه بشدة. لا يتوقف المدافعون عن هذه المنطقة ولا يسألوا ما إذا كان مخطط الاتصال هو مستوى مناسب من التجريد - ربما لا يكون كذلك. ما هو رأيك في هذا؟

تشومسكي: هناك أسئلة أبسط بكثير. على سبيل المثال ، هنا في معهد ماساتشوستس للتكنولوجيا ، كان هناك برنامج nematode متعدد التخصصات (الدودة - تقريبا. perev. ) C. elegans لعدة عقود ، وكما أفهمها ، حتى مع هذا المخلوق الصغير الذي تعرفه عن مخطط الاتصال بالكامل ، هناك 800 خلية عصبية أو نحو ذلك ...

أعتقد 300 ..

Chomsky: ... على أي حال ، أنت لا يمكنك التنبؤ بما ستفعله [C. nematode C. elegans]. ربما أنت فقط لا تبحث هناك.



أود الانتقال إلى موضوع المنهجيات المختلفة في الذكاء الاصطناعى. لذا ، فإن "الذكاء الاصطناعي القديم الجيد" (GOFAI) ، كما يطلق عليها الآن ، كان يستند إلى شكليات صارمة في تقليد Gotlob Frege و Bertrand Russell.، على المنطق الرياضي ، على سبيل المثال ، أو فروعه ، مثل التفكير غير الصوتي ، وهكذا. من وجهة نظر تاريخ العلوم ، من المثير للاهتمام أن هذه النهج استُبعدت بالكامل تقريبًا من التيار الرئيسي واستعيض عنها - في المنطقة التي تطلق على نفسها الآن الذكاء الاصطناعي - بالاحتمالات والنماذج الإحصائية. سؤالي هو: كيف يمكن تفسير هذا التحول ، وهل هذه خطوة في الاتجاه الصحيح؟

تشومسكي: لقد استمعت إلى تقرير بات وينستون حول هذا الموضوع قبل عام. كان من بين أطروحاته: وصلت الذكاء الاصطناعي والروبوتات إلى المرحلة حيث يمكنك فعل أشياء مفيدة حقًا ، لذلك تحول الانتباه إلى التطبيقات العملية ، وبالتالي تم وضع المزيد من الأسئلة العلمية الأساسية جانباً ، وذلك ببساطة لأن الجميع قد استولوا على نجاح التكنولوجيا و تحقيق بعض الأهداف.

وهذا هو ، ذهب كل شيء في الهندسة ....

تشومسكي: نعم ، إنه ... وهو أمر مفهوم تمامًا ، لكن هذا بالطبع يؤدي إلى إبعاد الناس عن الأسئلة الأولية. يجب أن أعترف بنفسي أنني كنت متشككًا جدًا في هذه الأعمال الأصلية ( في النموذج الجديد من الذكاء الاصطناعي الاحتمالي - الترجمة التقريبية ). بدا لي أن كل شيء كان مفرطًا في التفاؤل ، كان من المفترض أن تكون قادرًا على تحقيق نتائج تتطلب فهمًا حقيقيًا للأنظمة التي بالكاد تدرسها ، وأنه لا يمكنك أن تفهمها بمجرد إلقاء آلة معقدة فيها. إذا حاولت القيام بذلك ، فأنت تتوصل إلى مفهوم النجاح المعزز ، لأنك تحصل على النتيجة ، ولكنها مختلفة تمامًا عن كيفية القيام بها في العلوم.

على سبيل المثال ، خذ الحالة المقيدة ، افترض أن شخصًا ما يريد إلغاء كلية الفيزياء ، وفعل ذلك بشكل صحيح. لكن "الشيء الصحيح" هو التقاط الكثير من مقاطع الفيديو حول ما يحدث في العالم الخارجي ، وإطعامهم إلى أكبر وأسرع جهاز كمبيوتر ، غيغابايت من البيانات ، وإجراء تحليل إحصائي شامل - تمامًا ، كما تعلمون ، طرق بايز ، جيئة وذهابا. (نهج حديث لتحليل البيانات يعتمد على نظرية الاحتمالات - محرر)- وستحصل على شيء يشبه التنبؤ بما سيحدث خارج نافذتك في الثانية التالية. في الواقع ، سوف تحصل على تنبؤات أفضل بكثير من الجودة التي قد يعطيك قسم الفيزياء. حسنًا ، إذا تم تحديد النجاح من خلال الحصول على أقرب تقريب على مجموعة من البيانات الخام الفوضوية ، فهذا بالطبع أفضل بكثير مما يعمله الفيزيائيون في العادة - كما تعلمون ، لا توجد تجارب فكرية أخرى على سطح مستوٍ تمامًا وما إلى ذلك . لكنك لن تحصل على مستوى الفهم الذي كان دائمًا هدفًا للعلم - ستحصل على تقدير تقريبي لما يحدث.

ويتم ذلك في كل مكان. لنفترض أنك تريد التنبؤ بالطقس ليوم غد. طريقة واحدة: حسنًا ، لدي احتمالات بدائية إحصائية ، على سبيل المثال: هناك احتمال كبير أن يكون الطقس غدًا كما كان بالأمس في كليفلاند ، وأنا أستخدمه ، وسيكون لموقع الشمس بعض التأثير ، وأنا أستخدمه أيضًا ، لذلك لقد قمت بالعديد من هذه الافتراضات ، وقمت بإجراء تجربة ، ونظرت إلى النتائج مرارًا وتكرارًا ، وقمت بتصحيح أساليب بايزي ، وحصلت على أفضل الاحتمالات المسبقة. ستحصل على تقريب جيد لما سيكون عليه الطقس غدًا. لكن هذا ليس ما يفعله علماء الأرصاد الجوية - فهم يريدون فقط فهم كيفية عمله. وهذان مفهومان مختلفان فقط عن ماهية النجاح ، ما هو الإنجاز. في علمي ، علم اللغة ، هذا هو كل الوقت. في العلوم المعرفية الحسابية ،تطبق على اللغة ، ومفهوم النجاح هو ذلك تماما. أي أنك تحصل على المزيد والمزيد من البيانات ، وإحصاءات أفضل ، وتحصل على تقريب أكثر دقة لبعض النصوص الضخمة للنص ، على سبيل المثال ، جميع أرشيفات صحيفة وول ستريت جورنال - لكنك لا تتعلم أي شيء عن اللغة.

تتمثل الطريقة المختلفة تمامًا ، والتي أعتقد أنها على حق ، في محاولة معرفة ما إذا كان بإمكانك فهم المبادئ الأساسية وعلاقتها بالخصائص الرئيسية ، ورؤية أنه في الحياة الواقعية ، سوف تتداخل معك آلاف المتغيرات المختلفة - مثل ما يحدث الآن نافذة - وسوف تتعامل معهم في وقت لاحق إذا كنت تريد تقريب أكثر دقة. هذان مجرد مفهومين مختلفين للعلوم. والثاني هو ما كان العلم منذ جاليليو ، وهذا هو العلم الحديث. يشبه تقريب البيانات الخام طريقة جديدة ، ولكن في الواقع ، كانت هناك أشياء مماثلة موجودة في الماضي. هذه طريقة جديدة يتم تسريعها بسبب وجود كميات كبيرة من الذاكرة ومعالجة سريعة للغاية ، مما يتيح لك القيام بأشياء لا يمكنك القيام بها يدويًا من قبل. لكن أعتقدأنه يقود مجالات مثل العلوم المعرفية الحسابية في اتجاه التطبيق العملي ربما ...

… ?

:... لكنه يؤدي بعيدا عن الفهم. نعم ، ربما حتى الهندسة الفعالة. وهذا ، بالمناسبة ، مثير للاهتمام لما حدث للهندسة. عندما وصلت إلى معهد ماساتشوستس للتكنولوجيا في الخمسينيات ، كانت جامعة هندسة. كان هناك كلية جيدة جدًا للرياضيات والفيزياء ، لكنهم كانوا كليات خدمة. علموا المهندسين جميع أنواع الحيل التي يمكنهم استخدامها. في كلية الهندسة الإلكترونية ، درست كيفية تجميع الدائرة. لكن من الستينيات حتى اليوم ، كل شيء مختلف تمامًا. لا يهم ماهية تخصصك الهندسي - فأنت تدرس العلوم الأساسية والرياضيات نفسها. وبعد ذلك ، ربما تتعلم قليلا عن كيفية تطبيقها. ولكن هذا هو نهج مختلف تماما. أصبح ذلك ممكنًا ، وذلك بفضل حقيقة أنه لأول مرة في تاريخ البشرية ، يمكن أن تساعد العلوم الأساسية ، مثل الفيزياء ، المهندسين. ايضابدأت التقنيات تتغير بسرعة كبيرة ، لذلك ليس من المنطقي دراسة تقنيات اليوم إذا تغيرت على أي حال خلال 10 سنوات. لذلك ، أنت تدرس العلوم الأساسية ، والتي ستكون قابلة للتطبيق ، بغض النظر عما سيحدث بعد ذلك. وعن نفس الشيء حدث في الطب. لذلك ، في القرن الماضي ، مرة أخرى ، للمرة الأولى ، كان لعلم الأحياء ما تقوله في الطب العملي ، وبالتالي كان عليك أن تعرف البيولوجيا إذا كنت تريد أن تصبح طبيبة ، بالإضافة إلى التكنولوجيا المتغيرة. أعتقد أن هذا الانتقال من شيء مثل الفن الذي تتعلم تطبيقه - سيكون التشبيه هو مقارنة البيانات التي لا تفهمها ، بطريقة خاصة ، وربما حتى بناء شيء يعمل - الانتقال إلى العلم ، الذي ظهر في "الزمن الجديد" تحدث تقريبا ، علم غاليليو.إذا بعد 10 سنوات فإنها لا تزال تتغير. لذلك ، أنت تدرس العلوم الأساسية ، والتي ستكون قابلة للتطبيق ، بغض النظر عما سيحدث بعد ذلك. وعن نفس الشيء حدث في الطب. لذلك ، في القرن الماضي ، مرة أخرى ، للمرة الأولى ، كان لعلم الأحياء ما تقوله في الطب العملي ، وبالتالي كان عليك أن تعرف البيولوجيا إذا كنت تريد أن تصبح طبيبة ، بالإضافة إلى التكنولوجيا المتغيرة. أعتقد أن هذا الانتقال من شيء مثل الفن الذي تتعلم تطبيقه - سيكون التشبيه هو مقارنة البيانات التي لا تفهمها ، بطريقة خاصة ، وربما حتى بناء شيء يعمل - الانتقال إلى العلم ، الذي ظهر في "الزمن الجديد" تحدث تقريبا ، علم غاليليو.إذا بعد 10 سنوات فإنها لا تزال تتغير. لذلك ، أنت تدرس العلوم الأساسية ، والتي ستكون قابلة للتطبيق ، بغض النظر عما سيحدث بعد ذلك. وعن نفس الشيء حدث في الطب. لذلك ، في القرن الماضي ، مرة أخرى ، للمرة الأولى ، كان لعلم الأحياء ما تقوله في الطب العملي ، وبالتالي كان عليك أن تعرف البيولوجيا إذا كنت تريد أن تصبح طبيبة ، بالإضافة إلى التكنولوجيا المتغيرة. أعتقد أن هذا الانتقال من شيء مثل الفن الذي تتعلم تطبيقه - سيكون التشبيه هو مقارنة البيانات التي لا تفهمها ، بطريقة خاصة ، وربما حتى بناء شيء يعمل - الانتقال إلى العلم ، الذي ظهر في "الزمن الجديد" تحدث تقريبا ، علم غاليليو.وعن نفس الشيء حدث في الطب. لذلك ، في القرن الماضي ، مرة أخرى ، للمرة الأولى ، كان لعلم الأحياء ما تقوله في الطب العملي ، وبالتالي كان عليك أن تعرف البيولوجيا إذا كنت تريد أن تصبح طبيبة ، بالإضافة إلى التكنولوجيا المتغيرة. أعتقد أن هذا الانتقال من شيء مثل الفن الذي تتعلم تطبيقه - سيكون التشبيه هو مقارنة البيانات التي لا تفهمها ، بطريقة خاصة ، وربما حتى بناء شيء يعمل - الانتقال إلى العلم ، الذي ظهر في "الزمن الجديد" تحدث تقريبا ، علم غاليليو.وعن نفس الشيء حدث في الطب. لذلك ، في القرن الماضي ، مرة أخرى ، للمرة الأولى ، كان لعلم الأحياء ما تقوله في الطب العملي ، وبالتالي كان عليك أن تعرف البيولوجيا إذا كنت تريد أن تصبح طبيبة ، بالإضافة إلى التكنولوجيا المتغيرة. أعتقد أن هذا الانتقال من شيء مثل الفن الذي تتعلم تطبيقه - سيكون التشبيه هو مقارنة البيانات التي لا تفهمها ، بطريقة خاصة ، وربما حتى بناء شيء يعمل - الانتقال إلى العلم ، الذي ظهر في "الزمن الجديد" تحدث تقريبا ، علم غاليليو.الذي تتعلم تطبيقه - سيكون التشبيه هو مقارنة البيانات التي لا تفهمها ، بطريقة خاصة ، وربما حتى بناء شيء يعمل - الانتقال إلى العلم ، والذي ظهر في العصر الحديث ، تقريبًا ، علم جاليليو.الذي تتعلم تطبيقه - سيكون التشبيه هو مقارنة البيانات التي لا تفهمها ، بطريقة خاصة ، وربما حتى بناء شيء يعمل - الانتقال إلى العلم ، والذي ظهر في العصر الحديث ، تقريبًا ، علم غاليليو.

انا ارى العودة إلى موضوع إحصائيات بايز في نماذج اللغة والإدراك. كان هناك خلاف معروف حول مشاركتك ، لقد جادلت بأنه من غير المعقول التحدث عن احتمال وجود اقتراح في حد ذاته ...

تشومسكي: ... حسنًا ، يمكنك الحصول على رقم إذا كنت تريد ذلك ، لكن هذا لا يعني شيئًا.

هذا لا يعني أي شيء. ولكن يبدو أن هناك طريقة تافهة تقريبًا لتوحيد الطريقة الاحتمالية ، على افتراض أن هناك تمثيلات ذهنية داخلية غنية جدًا تتكون من قواعد وهياكل رمزية أخرى ، وهدف نظرية الاحتمالات هو ببساطة ربط البيانات الصاخبة والمجزأة في عالمنا بهذه البيانات الداخلية. الهياكل الرمزية. وليس عليك أن تقول أي شيء عن كيفية ظهور هذه الهياكل - يمكن أن توجد في البداية ، أو يتم ضبط بعض المعلمات هناك - هذا يعتمد على مفهومك. لكن نظرية الاحتمالات تعمل مثل الغراء بين البيانات الصاخبة والتمثيلات العقلية الغنية للغاية.

تشومسكي: لا حرج في نظرية الاحتمالات والإحصاءات.

ولكن هل لديها دور؟

تشومسكي:إذا كنت تستطيع استخدامه ، حسنا. لكن السؤال هو ، لماذا تستخدمه؟ بادئ ذي بدء ، السؤال الأول ، هل هناك أي معنى لفهم البيانات المزعجة؟ هل يعقل أن نفهم ما يحدث في الخارج ، خارج النافذة؟

لكن يتم قصفنا بهذه البيانات. هذا مثال على Marr: نواجه بيانات صاخبة طوال الوقت ، بدءًا من شبكية العين إلى ...

Chomsky:هذا هو الحال. ولكن هنا ما يقوله: دعنا نسأل أنفسنا كيف يختار النظام البيولوجي المهم من الضجيج. الشبكية لا تحاول تكرار الضوضاء الواردة. قالت: سأبحث الآن عن هذا في الصورة ، هذا وذاك. انها مثل تعلم اللغة. قال وليام جيمس ، المولود حديث الولادة ، محاط بمجموعة متنوعة من الضوضاء ، "الفوضى المزدهرة". إذا سمع قرد ، طائر صغير ، طائر ، أي شخص ، هذه الضجة ، فهذا كل شيء. ومع ذلك ، فإن الطفل بطريقة ما ، على الفور ، بشكل انعكاسي ، يختار من الضجيج جزء منفصل متصل باللغة. هذه هي الخطوة الأولى.كيف يفعل ذلك؟ ليس بمساعدة التحليل الإحصائي ، لأن القرد يمكنه أيضًا إجراء نفس التحليل الاحتمالي بشكل وقح. إنه يبحث عن شيء محدد. لذا ، يحاول علماء اللغة النفسيون وعلماء الأعصاب وغيرهم اكتشاف تفاصيل محددة عن نظام الحوسبة وعلم النفس العصبي ، والتي ترتبط بطريقة ما بجوانب محددة من البيئة. لذلك ، اتضح أن هناك بالفعل دوائر عصبية تستجيب لأنواع معينة من الإيقاع ، والتي تتجلى في اللغة - مثل طول المقاطع الصوتية وما إلى ذلك. وهناك بعض الأدلة على أن أحد الأشياء الأولى التي يبحث عنها دماغ الطفل هو الهياكل الإيقاعية. وبالعودة إلى جاليستل ومار ، يوجد في المخ نظام حوسبة معين ، يقول: "حسنًا ، هذا ما سأفعله بهذه الأشياء"وبعد حوالي تسعة أشهر استبعد الطفل النموذجي بالفعل - حذف من مخزونه - تلك الاختلافات الصوتية التي ليست في لغته. وهذا ، كما اتضح ، من البداية ، يتم ضبط أي طفل على أي لغة. ولكن ، دعنا نقول ، إن الطفل الياباني الذي يبلغ من العمر تسعة أشهر لن يتفاعل مع الفرق بين "P" و "L" ، كما تم القضاء عليه. لذا فإن النظام يأخذ في الاعتبار العديد من الاحتمالات ويقصرها فقط على تلك التي تعد جزءًا من اللغة ، وهذه مجموعة ضيقة جدًا. يمكنك أن تتوصل إلى لغة معادية لا يستطيع فيها الطفل القيام بذلك ، وأكثر من ذلك بكثير. على سبيل المثال ، إذا تحدثنا عن الجانب الأكثر تجريدًا من اللغة ، فهناك في الوقت الحالي دليل قوي على أن شيئًا بسيطًا مثل ترتيب الكلمات الخطية - ما يأتي بعد ذلك - غير مدرج في أنظمة الحوسبة النحوية والدلالية ،أجهزتهم هي ببساطة أنهم لا يبحثون عن ترتيب خطي. يمكن ملاحظة أنه يتم استخدام مفاهيم أكثر تجريدية للمسافة بشكل أساسي وهذه ليست مسافة خطية ، ويمكن العثور على تأكيد فسيولوجي عصبي لهذا الغرض. يمكنك إعطاء مثال: إذا توصلت إلى لغة اصطناعية تستخدم ترتيبًا خطيًا للكلمات ، على سبيل المثال ، تجعل الجملة الإيجابية سلبية عن طريق القيام بشيء مع الكلمة الثالثة. سيتمكن الأشخاص من حل هذا اللغز ، لكن من الواضح أن الأجزاء اللغوية المعيارية في الدماغ غير مفعلة - يتم تنشيط مناطق أخرى ، أي الناس يرون أن هذا اللغز ليس كمهمة لغوية. ومن أجل حلها ، يتعين على الناس الضغط أكثر ...أن مفاهيم المسافة الأكثر تجريدية تستخدم بشكل أساسي وهذه ليست مسافة خطية ، ويمكن العثور على تأكيد فسيولوجي عصبي لهذا الغرض. يمكنك إعطاء مثال: إذا توصلت إلى لغة اصطناعية تستخدم ترتيبًا خطيًا للكلمات ، على سبيل المثال ، تجعل الجملة الإيجابية سلبية عن طريق القيام بشيء مع الكلمة الثالثة. سيتمكن الأشخاص من حل هذا اللغز ، لكن من الواضح أن الأجزاء اللغوية المعيارية في الدماغ غير مفعلة - يتم تنشيط مناطق أخرى ، أي الناس يرون أن هذا اللغز ليس كمهمة لغوية. ومن أجل حلها ، يتعين على الناس الضغط أكثر ...أن مفاهيم المسافة الأكثر تجريدية تستخدم بشكل أساسي وهذه ليست مسافة خطية ، ويمكن العثور على تأكيد فسيولوجي عصبي لهذا الغرض. يمكنك إعطاء مثال: إذا توصلت إلى لغة اصطناعية تستخدم ترتيبًا خطيًا للكلمات ، على سبيل المثال ، تجعل الجملة الإيجابية سلبية عن طريق القيام بشيء مع الكلمة الثالثة. سيتمكن الأشخاص من حل هذا اللغز ، لكن من الواضح أن الأجزاء اللغوية المعيارية في الدماغ غير مفعلة - يتم تنشيط مناطق أخرى ، أي الناس يرون أن هذا اللغز ليس كمهمة لغوية. ومن أجل حلها ، يتعين على الناس الضغط أكثر ...تجعل الجملة الإيجابية سلبية من خلال القيام بشيء مع الكلمة الثالثة. سيتمكن الأشخاص من حل هذا اللغز ، لكن من الواضح أن الأجزاء اللغوية المعيارية في الدماغ غير مفعلة - يتم تنشيط مناطق أخرى ، أي الناس يرون أن هذا اللغز ليس كمهمة لغوية. ومن أجل حلها ، يتعين على الناس الضغط أكثر ...تجعل الجملة الإيجابية سلبية من خلال القيام بشيء مع الكلمة الثالثة. سيتمكن الأشخاص من حل هذا اللغز ، لكن من الواضح أن الأجزاء اللغوية القياسية في الدماغ غير مفعلة - يتم تنشيط مناطق أخرى ، أي الناس يرون أن هذا اللغز ليس كمهمة لغوية. ومن أجل حلها ، يتعين على الناس الضغط أكثر ...

, ...

: …هذا دليل ، وبالطبع تريد المزيد. لكن هذا الدليل يجعلك تنظر من جانب اللغويات إلى كيفية عمل اللغات - لا توجد أشياء مثل الكلمة الثالثة في الجملة. لنأخذ جملة بسيطة: "غطس النسور تسبح غريزيًا" ، هنا "غريزي" يرتبط بكلمة "سباحة" ، وليس بكلمة "تحلق" ، على الرغم من أن الجملة بأكملها لا معنى لها. وهنا هو تأثير رد الفعل. "غريزي" ، ظرف ، لا يبحث عن أقرب فعل ، بل يبحث عن فعل أكثر ملاءمة من الناحية الهيكلية. هذا هو حساب أكثر تعقيدا بكثير. ولكن هذا هو الحساب الوحيد الذي يستخدم عادة. الترتيب الخطي هو عملية حسابية بسيطة للغاية ، لكن لا يتم استخدامها مطلقًا. هناك الكثير من الأدلة مثل هذا ، وعدد قليل جدا من الأدلة اللغوية العصبية ، لكنها تشير في نفس الاتجاه.وعندما تنظر إلى هياكل أكثر تعقيدًا ، ستجد المزيد والمزيد من هذا.

هذا ، في رأيي ، طريقة لفهم كيفية عمل النظام بالفعل ، وكيف حدث مع نظام الرؤية في مختبر مار: اكتشف أشخاص مثل شيمون أولمان أشياء رائعة مثل مبدأ الصلابة. لن تتمكن من العثور على هذا باستخدام تحليل البيانات الإحصائية. وجد هذا مع التجارب المخطط لها بعناية. ثم يمكنك البحث في علم وظائف الأعضاء العصبي ومعرفة ما إذا كان يمكنك العثور على شيء يؤدي هذه الحسابات. أعتقد أن نفس الشيء في اللغة ، ونفس الشيء في دراسة قدراتنا الحسابية ، والتخطيط ، في كل مكان تقريبًا. مجرد العمل باستخدام البيانات الأولية - لن تأتي مع أي مكان ، ولن يأتي جاليليو. في الواقع ، بالعودة إلى ذلك ، في القرن السابع عشر ، لم يكن من السهل على أشخاص مثل غاليليو وغيرهم من العلماء الكبار إقناع المؤسسة الوطنية للعلوم في تلك الأوقات - أي الأرستقراطيين - بأنأن عملهم المنطقي. أقصد: لماذا تدرس كيف تتدحرج الكرة على مستوى مستوٍ تمامًا دون احتكاك ، لأنها غير موجودة. لماذا لا تدرس كيف تنمو الزهور؟ إذا حاولت دراسة نمو الأزهار في تلك الأيام ، فربما تحصل على تحليل إحصائي لكيفية عمل كل شيء.

من المهم أن نتذكر أننا في العلوم المعرفية ما زلنا في عصر ما قبل الجليل ، لقد بدأنا للتو في اكتشاف الاكتشافات. وأعتقد أنه يمكن تعلم شيء ما من تاريخ العلوم. أحد التجارب الرئيسية في تاريخ الكيمياء في عام 1640 أو نحو ذلك ، عندما أثبت شخص ما ، أن متعة العالم العلمي بأكمله ، حتى نيوتن ، يمكن تحويل الماء إلى مادة حية. إليكم كيف فعلوا ذلك - بالطبع ، لم يكن أحد يعرف شيئًا عن التمثيل الضوئي - أخذوا حفنة من الأرض ، وسخّنوها حتى يتبخر الماء. أثقله ، وأدخل غصن صفصاف فيه ، وسقي الماء من أعلى ، وقياس حجم هذا الماء. عندما يكون كل شيء جاهزًا ونمت شجرة الصفصاف ، ستأخذ الأرض من جديد وتبخر منه - كما كان من قبل. وهكذا ، فقد أظهرت أن الماء يمكن أن يتحول إلى بلوط أو أي شيء آخر. هذه تجربة ، ويبدو أنها صحيحة ، لكنك لا تعرف ما الذي تبحث عنه.وهذا لم يكن معروفًا حتى اكتشف بريستلي أن الهواء هو مكون من مكونات العالم ، وله نيتروجين ، وهكذا ، وتعلمت عملية التمثيل الضوئي وما إلى ذلك. ثم يمكنك تكرار التجربة وفهم ما يحدث. ولكن يمكن بسهولة أن تقودك في الاتجاه الخاطئ من خلال تجربة تبدو ناجحة لأنك لا تفهم جيدًا ما يجب أن تبحث عنه. وستذهب إلى الطريق الخطأ إذا حاولت دراسة نمو الأشجار مثل هذا: فقط خذ مجموعة من البيانات حول كيفية نمو الأشجار ، وإطعامها إلى جهاز كمبيوتر قوي ، وإجراء تحليل إحصائي والحصول على تقريبي لما حدث.ولكن يمكن بسهولة أن تقودك في الاتجاه الخاطئ من خلال تجربة تبدو ناجحة لأنك لا تفهم جيدًا ما يجب أن تبحث عنه. وستذهب إلى الطريق الخطأ إذا حاولت دراسة نمو الأشجار مثل هذا: فقط خذ مجموعة من البيانات حول كيفية نمو الأشجار ، وإطعامها إلى جهاز كمبيوتر قوي ، وإجراء تحليل إحصائي والحصول على تقريبي لما حدث.ولكن يمكن بسهولة أن تقودك في الاتجاه الخاطئ من خلال تجربة تبدو ناجحة لأنك لا تفهم جيدًا ما يجب أن تبحث عنه. وستذهب حتى في الطريق الخطأ إذا حاولت دراسة نمو الأشجار مثل هذا: ما عليك سوى أخذ مجموعة من البيانات حول كيفية نمو الأشجار وإطعامها بجهاز كمبيوتر قوي وإجراء تحليل إحصائي والحصول على تقريبي لما حدث.

في علم الأحياء ، هل تقيم عمل مندل كمثال ناجح لكيفية أخذ البيانات المزعجة - من المهم أن تكون الأرقام عددية - وتقفز لتفترض كائنًا نظريًا ...

تشومسكي: ... وتخلص من كمية هائلة من البيانات التي لم تنجح.

... ولكن بعد رؤية العلاقة التي كانت منطقية ، قم بتطوير نظرية.

تشومسكي:نعم ، لقد فعل كل شيء بشكل صحيح. سمح للنظرية بإدارة البيانات. كان هناك أيضًا دليل على أنه يتعارض مع النظرية ، التي تم تجاهلها بشكل أو بآخر ، كما تعلمون - والتي عادةً ما لا تدرجها في المقالة. وتحدث بالطبع عن أشياء لم يستطع أحد العثور عليها ، تمامًا كما كان من المستحيل العثور على وحدات أثبت وجودها. لكن نعم ، هكذا يعمل العلم. لذلك هو في الكيمياء. الكيمياء ، قبل طفولتي ، منذ وقت ليس ببعيد ، كانت تعتبر علم الحوسبة. لأنه لا يمكن اختزاله إلى الفيزياء. لذلك ، هذه مجرد طريقة لحساب نتيجة التجارب. ذرة بور كانت متصورة للغاية. طريقة لحساب نتيجة التجارب ، لكن هذا لا يمكن أن يكون علمًا حقيقيًا ، لأنه لا يمكن اختزاله في الفيزياء ، وفجأة ، اتضح أنه صحيح ، لأن الفيزياء كانت خاطئة. عندما جاءت فيزياء الكم ،أصبح من الممكن الجمع بين الكيمياء دون تغيير. وهذا هو ، المشروع بأكمله مع الحد كان ببساطة غير صحيح. كان المشروع الصحيح هو معرفة كيف يمكن الجمع بين هاتين النظرة العالمية. واتضح ذلك ، مفاجأة - لقد توحدوا من التغييرات الجذرية في علم المصب. ربما بالضبط نفس الشيء مع علم النفس وعلم الأعصاب. أعني ، أن علم الأعصاب لم يتقدم حتى الآن كما كان في الفيزياء منذ قرن مضى.

وسيكون هذا خروجًا عن النهج الاختزالي مع البحث عن الجزيئات ....

تشومسكي: نعم. في الواقع ، لقد تم الخلط بين نهج الاختزال عدة مرات بالفعل. نهج التوحيد المنطقي. لكن التوحيد قد يختلف عن الاختزال ، لأن العلوم الأساسية قد تكون معيبة ، كما هو الحال مع الفيزياء والكيمياء ، وأظن أنه مع درجة عالية من الاحتمال ، نفس الشيء في حالة علم الأعصاب وعلم النفس. إذا كان غاليستل محقًا ، فمن المنطقي أن نقول نعم ، يمكن دمجهما ، لكن مع مقاربة مختلفة لعلم الأعصاب.

هل يجب أن نسعى جاهدين لتحقيق توحيد سريع ، أم أنه من الأفضل تطوير هذه المناطق بشكل متوازٍ حتى الآن؟

تشومسكي:التوحيد هو السعي البديهي للمثل الأعلى ، وهو جزء من التصوف العلمي ، إذا صح التعبير. إنه مثل البحث عن نظرية عامة في العالم. ربما لا وجود لها ، ربما الأجزاء المختلفة تعمل بشكل مختلف ، ولكن هناك افتراض ، حتى يتم منحني تفنينا مقنعا ، وافتراضي هو أن هناك نظرية عامة في العالم ، ومهمتي هي محاولة العثور عليها. قد لا يظهر التوحيد من خلال التخفيض ، وهذا يحدث غالبًا. هذا هو المنطق الرئيسي لنهج David Marr: ما تكتشفه على المستوى الحسابي يجب أن يقترن بما ستجده ذات مرة على مستوى الآليات ، لكن ربما ليس بهذه المصطلحات التي نفهمها الآن هذه الآليات.

و Marra يعني أنه لا يمكنك العمل على جميع المستويات الثلاثة بشكل متوازٍ [مستوى حسابي ، حسابي ومستوى تنفيذي] ، تحتاج إلى الانتقال من الأعلى إلى الأسفل ، وهذا مطلب صارم للغاية ، بالنظر إلى أن هذا ليس هو الحال عادةً في العلم.

تشومسكي: لم يستطع أن يقول إن كل شيء يجب أن يكون قاسياً. على سبيل المثال ، قد يؤدي اكتشاف شيء جديد عن الآليات إلى تغيير مفهوم الحوسبة. الترتيب المنطقي لا يتطابق بالضرورة مع ترتيب البحث ، لأنه في البحث يحدث كل شيء في نفس الوقت. لكنني أعتقد أن الصورة تقريبية تقريبية. على الرغم من أنني يجب أن أقول أنه تم تطوير مفهوم Marra لأنظمة الإدخال ...

أنظمة معالجة المعلومات ...

Chomsky:نعم ، مثل الرؤية. هناك بيانات - وهذا هو نظام معالجة البيانات - ويحدث شيء ما فيه. وهذا لا يعمل بشكل جيد للغاية للأنظمة المعرفية. دعنا نأخذ قدرتك الحسابية ...

إنها ضعيفة للغاية ، لكن حسنًا ...

تشومسكي: جيد [يضحك]. لكن هذه قدرة داخلية ، أنت تعلم أن عقلك هو وحدة التحكم في شيء مثل آلة تورينج ، وأنه لديه إمكانية الوصول إلى البيانات الخارجية ، مثل الذاكرة ، والوقت ... من الناحية النظرية ، يمكنك مضاعفة أي شيء ، ولكن من الناحية العملية ، هذا ليس كذلك. إذا حاولت دراسة أي نوع من النظام الداخلي لديك ، فإن التسلسل الهرمي Marr لا يعمل بشكل جيد. يمكنك التحدث عن المستوى الحسابي: ربما تكون القواعد الموجودة بداخلي هي بديهيات بيانو [ تقريبًا. إد.: نظرية رياضية (سميت باسم عالم الرياضيات الإيطالي جوزيبي بيانو) ، والتي تصف جوهر القواعد الأساسية للحساب والأرقام الطبيعية ، والتي يمكنك من خلالها استخلاص العديد من الحقائق الحسابية المفيدة] أو أي شيء آخر ، لا يهم - هذا هو المستوى الحسابي. من الناحية النظرية ، على الرغم من أننا لا نعرف كيف ، يمكنك التحدث فقط عن المستوى الفسيولوجي العصبي ، لا أحد يعرف كيف ، ولكن لا يوجد مستوى حسابي حقيقي. لأنه لا يوجد حساب التفاضل والتكامل للمعرفة ، هو مجرد نظام للمعرفة. من غير الواضح كيفية فهم طبيعة نظام المعرفة: لا توجد خوارزمية ، لأنه لا توجد عملية. لا يمكن القيام بذلك إلا باستخدام نظام معرفة توجد فيه عملية ، لكن سيكون بالفعل شيء مختلف تمامًا.

لكن بما أننا نرتكب أخطاء ، فهل هذا يعني أن العملية تسير بشكل خاطئ؟

تشومسكي:هذه هي عملية استخدام النظام الداخلي. لكن النظام الداخلي في حد ذاته ليس عملية ، لأنه لا يحتوي على خوارزمية. خذ الرياضيات العادية. إذا كنت تأخذ بديهيات Peano وقواعد الاستدلال ، فإنها تحدد جميع الحسابات الحسابية ، ولكن لا توجد خوارزمية. إذا سألت كيف يطبقها المتخصص في نظرية الأرقام ، فهناك بالطبع العديد من الخيارات: على سبيل المثال ، لا تبدأ مع البديهيات ، ولكن مع قواعد الاستدلال. تأخذ النظرية وترى ما إذا كان يمكن استنباط اللمة ، وإذا كان يعمل ، ثم معرفة ما إذا كان قد اتضح أن قاعدة هذه اللمة تستند إلى شيء ما ، وفي النهاية تحصل على دليل - كائن هندسي.

لكن هذا نشاط مختلف اختلافًا جذريًا ، يختلف عن إضافة أرقام صغيرة في رأسي - وبالطبع لدي نوع من الخوارزميات في رأسي.

تشومسكي:ليس بالضرورة. هذه العملية لديها خوارزمية في كلتا الحالتين. ولكن لا توجد خوارزمية في النظام نفسه ، وهذا خطأ قاطع. أنت لا تسأل عن العملية التي تحددها البديهيات وقواعد الاستدلال في بيانو ؛ لا توجد عملية هناك. قد تكون هناك عملية لاستخدامها. وهذا يمكن أن يكون عملية معقدة ، وهذا صحيح في حالة الحسابات الخاصة بك. النظام الداخلي الذي لديك ليس سؤال عملية. ولكن إذا كنت تستخدم نظامك الداخلي ، فسيظهر السؤال ، ويمكنك إجراء الضرب بعدة طرق. على سبيل المثال ، إذا أضفت 7 و 6 ، تقول إحدى الخوارزميات: "سأرى مقدار ما يلزم للوصول إلى 10" - يستغرق 3 ، والآن هناك 3 آخرين ، لذلك سأنتقل من 10 وأضيف 3 أخرى ، وسيكون هناك 13. هذه خوارزمية إضافية - في الواقع ، هذا هو ما تعلمته في رياض الأطفال. هذه طريقة واحدة لإضافة أرقام.

ولكن هناك طرق أخرى لإضافة - لا توجد خوارزمية الصحيحة. هذه هي خوارزميات لأداء عملية النظام المعرفي في رأسك. والآن بالنسبة لهذا النظام ، فأنت لا تسأل عن الخوارزميات. يمكنك أن تسأل عن مستوى الحوسبة ، وعن مستوى الآليات. لكن مستوى الخوارزمية لهذا النظام غير موجود. الشيء نفسه مع اللغة. اللغة تشبه القدرة الحسابية. هناك نظام يحدد صوت ومعنى مجموعة لا نهاية لها من الجمل الممكنة. ولكن لا يوجد أي سؤال حول نوع الخوارزمية. لا يوجد أي سؤال حول أي نظام حسابي رسمي يخبرك بكيفية إثبات النظريات. يعد استخدام النظام عملية ، ويمكنك دراسته من حيث مستويات Marr. لكن من المهم تحديد هذه الاختلافات من الناحية النظرية.

يبدو الأمر مجرد مهمة لا تصدق للانتقال من نظرية المستوى الحسابي ، مثل البديهيات في بيانو ، إلى المستوى 3 من نخاع ...

تشومسكي: الآليات ...

... الآليات والإنجازات ...

تشومسكي: نعم. و ...

... بدون خوارزمية ، على الأقل.

تشومسكي:أعتقد أن هذا غير صحيح. ربما تخبرك المعلومات حول كيفية استخدام النظام بشيء عن الآليات. لكن العقل الأعلى - ربما أعلى من عقولنا - سيرى أن هناك نظام داخلي ، وله أساس فسيولوجي ، وسيكون من الممكن دراسته ، هذا الأساس الفسيولوجي. دون حتى النظر في العملية التي يتم فيها استخدام هذا النظام. ربما تمنحك مراقبة العملية معلومات مفيدة حول مكان الانتقال. لكن من الناحية النظرية هذه مهمة مختلفة. والسؤال هو الطريقة الأفضل لإجراء البحث. لذلك ربما تكون أفضل طريقة لدراسة العلاقة بين البديهيات والخلايا العصبية هي ملاحظة كيف يثبت علماء الرياضيات النظريات. ولكن هذا فقط لأنني سأقدم لك معلومات داعمة. النتيجة النهائية الحقيقية ستكون فهم نظام الدماغ ، وأساسه الفسيولوجي ،دون الرجوع إلى أي خوارزمية. تتعلق الخوارزميات بالعمليات التي تستخدمها ، ويمكنها مساعدتك في الحصول على إجابات. من الممكن أن تخبرك الأسطح المائلة بشيء عن معدل السقوط ، لكن إذا نظرت إلى قوانين نيوتن ، فإنها لا تقول أي شيء عن الطائرات المائلة.

جيد منطق دراسة النظم المعرفية واللغوية باستخدام منهج مار مفهوم ، ولكن بما أنك لا تعترف بالكفاءة اللغوية كخاصية وراثية ، يمكنك تطبيق هذا المنطق على الأنظمة البيولوجية الأخرى - الجهاز المناعي ، والجهاز القلبي الوعائي ...

تشومسكي: بالضبط ، أعتقد ذلك مشابه جدا. يمكنك قول نفس الشيء عن الجهاز المناعي.

وقد يكون من الأسهل القيام بذلك مع هذه النظم من التفكير.

تشومسكي:لكنك تتوقع إجابات أخرى. يمكنك القيام بذلك مع الجهاز الهضمي. لنفترض أن شخصا ما يدرس الجهاز الهضمي. من غير المرجح أن يدرس ما يحدث عندما تكون مصابًا بأنفلونزا المعدة ، أو عندما تتناول bigmack ، أو أي شيء آخر. دعنا نعود إلى تصوير ما يحدث خارج النافذة. تتمثل إحدى طرق دراسة الجهاز الهضمي في جمع جميع أنواع البيانات حول ما يقوم به الجهاز الهضمي في ظروف مختلفة ، وإدخال البيانات في جهاز كمبيوتر ، وإجراء تحليل إحصائي - تحصل على شيء. ولكن هذا لن يكون ما يفعله عالم الأحياء. إنه يريد من البداية أن يبتعد عن ما يعتبر - ربما زائفًا ، لأنه يمكنك دائمًا ارتكاب خطأ - باستخدام متغيرات غير ذات صلة ، مثل ما إذا كنت مصابًا بأنفلونزا المعدة.

ولكن هذا هو بالضبط ما يفعله علماء الأحياء: فهم يأخذون المرضى الذين يعانون من الجهاز الهضمي المرضى ، ومقارنتها مع الأصحاء ، وقياس الخصائص الجزيئية.

تشومسكي: إنهم يفعلون ذلك في مرحلة أكثر تقدماً. إنهم يعرفون الكثير بالفعل عن بنية الجهاز الهضمي قبل مقارنة المرضى. وإلا ، فلن يعرفوا ما الذي يمكن مقارنتهم به ، ولماذا يكون أحدهم مريضًا والآخر ليس كذلك.

يعتمدون على التحليل الإحصائي لتحديد السمات المميزة. هذا نهج جيد التمويل لأنك تدعي أنك تدرس المرضى.

تشومسكي:قد يكون هذا وسيلة للحصول على التمويل. هذه هي الطريقة للحصول على تمويل لللسانيات بقولها أنها قد تساعد في علاج مرض التوحد. هذا سؤال آخر تماما [يضحك]. لكن منطق البحث هو البدء في دراسة النظام ، مستخلصًا مما تعتبره ، بدرجة عالية من الاحتمالات ، ضجيجًا غير ذي صلة. تحاول العثور على الجوهر الأساسي ، ثم تتساءل ماذا يحدث إذا جئنا بشيء آخر ، هو نفس أنفلونزا المعدة.

ومع ذلك ، يبدو أن هناك صعوبة في تطبيق مستويات Marr على أنظمة من هذا النوع. إذا سألت عن أي نوع من المهام الحسابية التي يحلها الدماغ ، فعندئذ يبدو أن هناك إجابة ، يعمل مثل الكمبيوتر تقريبًا. لكن إذا سألت عن نوع المشكلة الحسابية التي تحلها المشكلة السهلة ، فمن الصعب التفكير في الأمر - من الواضح أن هذه ليست مهمة معالجة المعلومات.

تشومسكي: هذا صحيح ، لكن لا يوجد سبب للاعتقاد بأن كل البيولوجيا حسابية. قد تكون هناك أسباب للاعتقاد بأن التفكير هكذا. في الواقع ، لا يقول Gallistel أن كل ما هو موجود في الجسم يحتاج إلى الدراسة من خلال البحث عن وحدات القراءة / الكتابة / العنوان.

يبدو فقط غير بديهية من حيث التطور. تطورت هذه النظم معًا ، مستخدمةً أجزاءً مماثلةً ، جزيئات ، مسارات. الخلايا هي أجهزة الكمبيوتر.

تشومسكي:أنت لا تدرس الرئة بطرح أسئلة حول الخلايا التي تحسبها. أنت تدرس الجهاز المناعي والجهاز البصري ، لكنك لا تتوقع أن تجد نفس الإجابة. الجسم عبارة عن نظام معياري للغاية ، ولديه العديد من النظم الفرعية المعقدة التي يتم دمجها داخليًا إلى حد ما. أنها تعمل بموجب قوانين مختلفة. علم الأحياء هو أيضا وحدات. لا يمكنك افتراض أن هذا مجرد فوضى كبيرة من الكائنات تتصرف بنفس الطريقة.

بالطبع لا ، ولكن أعني أنه سيكون من الممكن تطبيق نفس النهج لدراسة كل وحدة من الوحدات.

تشومسكي: ليس بالضرورة ، لأن الوحدات مختلفة. قد تكون بعض الوحدات حسابية ، وبعضها قد لا يكون كذلك.

, , , … , — ?

:بالطبع يمكنك أن تفهم الكثير حول ، على سبيل المثال ، ما الذي يجعل الجنين يتحول إلى دجاجة ، وليس ، على سبيل المثال ، فأر. هذا نظام معقد للغاية ، بما في ذلك جميع أنواع التفاعلات الكيميائية وأشياء أخرى. حتى مع وجود نيماتودا ، فإن حقيقة أن كل شيء يتم تحديده ببساطة عن طريق شبكة عصبية هو أمر غير واضح تمامًا ، وهناك دليل على إجراء بحث حول هذا الموضوع. تحتاج إلى إلقاء نظرة على التفاعلات الكيميائية المعقدة التي تحدث في الدماغ ، في الجهاز العصبي. من الضروري النظير إلى كل نظام على حدة. قد لا تكون هذه التفاعلات الكيميائية مرتبطة بقدراتك الحسابية - على الأرجح ذلك. لكن يمكن بسهولة ربطها بما إذا كنت سترفع يدك أو تخفضه.

على الرغم من أنك إذا بدأت دراسة التفاعلات الكيميائية ، فسيقودك ذلك إلى ما وصفته وصفًا متكررًا للظاهرة ، بمعنى آخر فقط.

تشومسكي: أو تفسير. لأنها ممكنة ، فهي مهمة للغاية ، مرتبطة بشكل حاسم.

لكن إذا قدمت تفسيراً بخصوص "المادة X يجب تنشيطها" أو "يجب أن يكون الجين X حاضرًا" ، فأنت لا تشرح حقًا كيفية عمل الجسم. أنت فقط وجدت الرافعة ، واضغط عليها.

تشومسكي: ولكن بعد ذلك تنظر إلى أبعد من ذلك وتجد ما الذي يجعل هذه الجينة تعمل بهذه الطريقة في ظل هذه الظروف ، أو تعمل بشكل مختلف تحت ظروف أخرى.

ولكن إذا كانت الجينات هي المستوى الخاطئ من التجريد ، فأنت في حالة طيران.

تشومسكي: إذن أنت لا تحصل على الإجابة الصحيحة. أو ربما لا.على سبيل المثال ، من المعروف أنه من الصعب حساب كيفية تطور الكائن الحي من الجينوم. هناك أنواع مختلفة من العمليات التي تجري في الخلية. إذا نظرت للتو إلى عمل الجين ، فقد تكون في المستوى الخاطئ من التجريد. ليس واضحًا أبدًا ، لذلك ، من الضروري دراسة هذا. لا أعتقد أن هناك خوارزمية للإجابة على هذه الأسئلة.

أود تحويل الحديث نحو التطور. انتقدت وجهة نظر مثيرة للاهتمام للغاية ، والتي وصفتها "التجريبية phylogenetic". انتقدت هذا الموقف لعدم وجود قوة تفسيرية. قالت ببساطة ما يلي: لذلك ، التفكير هو ما هو عليه ، لأنه تم اختيار مثل هذه التكيفات مع البيئة. تم اختيارها عن طريق الانتقاء الطبيعي. لقد جادلت بأن هذا لا يفسر أي شيء ، لأنه يمكنك دائمًا التمسك بهذين المبدأين - الطفرة والاختيار.

تشومسكي: حسنًا ، يمكنك أن تتخلى عنهم ، لكنها قد تكون على حق. قد يحدث أن تطور قدراتك الحسابية نشأ من الطفرات العشوائية والاختيار. إذا اتضح أن هذا الأمر جيد ، جيد ، جيد.

يبدو مثل الحقيقة البديهية ( الحقيقة المعروفة - تقريبا. ترجمة. ).

تشومسكي: لكنني لا أقول أن هذا غير صحيح. البديهيه هي الحقيقة [يضحك].

لكنهم لا يفسرون شيئا.

تشومسكي:ربما هذا هو أعلى مستوى من التفسير الذي يمكنك الحصول عليه. يمكنك اختراع العالم - لا أعتقد أنه سيكون عالمنا - ولكن يمكنك اختراع عالم لا يحدث فيه شيء سوى التغييرات العشوائية في الكائنات والاختيار بناءً على قوى خارجية. لا أعتقد أن عالمنا مرتب للغاية ، ولا أعتقد أن هناك عالمًا واحدًا على الأقل يعتقد ذلك. هناك العديد من الطرق التي تحدد بها القوى الطبيعية القنوات التي يمكن أن يحدث فيها الاختيار ، تحدث بعض الأشياء ، والبعض الآخر لا يحدث. أشياء كثيرة في الجسم لا تعمل بهذه الطريقة. اتخذ الخطوة الأولى على الأقل ، الانقسام الاختزالي: لماذا تنقسم الخلايا إلى كرات بدلاً من المكعبات؟ هذه ليست طفرات عشوائية أو انتقاء طبيعي: هذه هي قوانين الفيزياء. لا يوجد سبب للاعتقاد بأن قوانين الفيزياء تتوقف هنا ، فهي تعمل في كل مكان.

نعم ، بالطبع ، فهي تحد من البيولوجيا.

تشومسكي: حسنًا ، إنه لا يزال ليس مجرد طفرات عشوائية واختيار. هذه هي: الطفرات العشوائية ، والاختيار ، وكل شيء آخر مهم ، على سبيل المثال ، قوانين الفيزياء.

هل هناك مكان لهذه الأساليب ، والتي تسمى الآن "الجينوم المقارن"؟ يقوم معهد برودز هنا [في معهد ماساتشوستس للتكنولوجيا / هارفارد] بإنشاء كميات كبيرة من البيانات من جينومات مختلفة من حيوانات مختلفة ، وخلايا مختلفة في ظروف مختلفة ، وتسلسل أي جزيء ممكن. هل هناك أي شيء يمكن تعلمه عن المهام المعرفية رفيعة المستوى من هذه التجارب التطورية المقارنة ، أم أن هذا نهج غير ناضج؟

تشومسكي: أنا لا أقول أن هذا هو النهج الخاطئ ، لكنني لا أعرف ما الذي يمكن تعلمه من هذا. مثلك

, - ? , Foxp2? [ . : , , , . , . , .]

:Foxp2 مثير للاهتمام ، لكن لا علاقة له باللغة. ويرتبط المهارات الحركية الدقيقة وأشياء مماثلة. يتعلق الأمر باستخدام اللغة ، على سبيل المثال ، عندما تقول - أنت تتحكم في شفتيك وما إلى ذلك ، ولكنها هامشية جدًا للغة ، وهذا معروف بالفعل. لذا ، على سبيل المثال ، إذا كنت تستخدم أعضاء أو علامات مفصلية ، حسنًا ، على سبيل المثال ، تكون إيماءة اليد هي نفس اللغة. في الواقع ، يتم تحليلها وإنتاجها في نفس الجزء من المخ ، على الرغم من أن الأيدي تتحرك في إحدى الحالات ، في الشفاه الأخرى. لذلك أيا كان ما يحدث في الخارج ، كل شيء على الهامش. أعتقد أنه من الصعب التحدث عن ذلك ، ولكن إذا نظرت إلى بنية اللغة ، فستتلقى أدلة على ذلك. هناك أمثلة مثيرة للاهتمام في تعلم اللغة ، حيث يوجد تعارض بين الكفاءة الحسابية والكفاءة في التواصل.

خذ هذا المثال ، الذي ذكرته بالفعل ، بترتيب خطي. إذا كنت تريد معرفة الفعل الذي يرتبط به ظرف ، فإن الطفل يستخدم بشكل حيوي المسافة الهيكلية الدنيا بدلاً من المسافة الخطية الدنيا. نعم ، من الأسهل استخدام الحد الأدنى للمسافة الخطية من وجهة نظر حسابية ، ولكن من الضروري أن يكون هناك مفهوم للترتيب الخطي. وإذا كان الترتيب الخطي هو مجرد رد فعل لنظام الحواس ، والذي يبدو معقولًا ، فلن يكون الأمر كذلك. فيما يلي دليل على أن إسقاط النظام الداخلي على نظام الحواس هامشيًا لتشغيل نظام الحوسبة.

ولكن هل يمكن أن يقدم نظام الحوسبة حدوده ، كيف تحد الفيزياء من الانقسام الاختزالي؟

تشومسكي:ربما ، ولكن لا يوجد دليل. على سبيل المثال ، فإن الطرف الأيسر - الطرف الأيسر بمعنى الجملة السابقة - له خصائص أخرى غير تلك الصحيحة. إذا كنت تريد طرح سؤال ، على سبيل المثال: "من ترى؟" لقد وضعت كلمة "من" في البداية وليس النهاية. في الواقع ، بأي لغة ينتقل بها فريق الاستجواب - الذي ينتقل كتابه إلى مكان آخر - إلى اليسار ، وليس إلى اليمين. هذا من المحتمل جدا وجود قيود على معالجة المعلومات. تبدأ الجملة بما يخبرك به المستمع: هذا ما أبدو عليه. إذا كان الأمر في النهاية ، فسيكون لديك اقتراح تعريفي بالكامل ، وفقط في النهاية ستعرف ما المعلومات التي أطلبها منك. إذا قلت هذا ، فهذا يعد قيدًا على معالجة المعلومات. لذلك ، إذا كان الأمر كذلك ، فإن التأثير الخارجي يؤثر على الطبيعة الحسابية لبناء الجملة والدلالات.

هناك حالات تجد فيها تعارضات واضحة بين الفعالية الحسابية والتواصلية. خذ مثالاً بسيطًا: إذا قلت ، "زيارة الأقارب يمكن أن تكون عبئًا" - فهذا أمر غامض. هل يزورك الأقارب؟ أم أنك ذاهب لزيارة الأقارب؟ اتضح أنه في كل حالة معروفة ، ينشأ الغموض ببساطة من حقيقة أننا نسمح للقواعد بالعمل بحرية ودون قيود. لذلك فهو فعال من الناحية الحسابية ، لكنه غير فعال للتواصل ، لأنه يؤدي إلى غموض لا يمكن حله.

أو خذ مثالًا على الاقتراحات بتأثير مسار حديقة يؤدي في الاتجاه الخاطئ. اقتراحات مثل: "تسابق الحصان الماضي سقطت الحظيرة." ( الحصان الذي أرسل للحظيرة سقط - تقريبا.) الناس ، عندما يرون مثل هذا العرض ، لا يفهمونه ، لأنه مصمم بطريقة تجعلك على طول مسار الحديقة. "الحصان تسابق في الحظيرة" يبدو كأنه جملة ، ثم تشعر بالحيرة: ماذا تفعل كلمة "سقطت" في النهاية؟ من ناحية أخرى ، إذا فكرت في ذلك ، فهذا اقتراح تم تشكيله بشكل صحيح تمامًا. وهذا يعني أن الحصان الذي تم توجيهه عبر شخص ما بواسطة الحظيرة قد سقط. لكن قواعد اللغة ، عندما تعمل ببساطة ، قد تمنحك جمل غير مفهومة بسبب ظاهرة مسار الحديقة.

وهناك العديد من هذه الأمثلة. هناك أشياء لا يمكنك قولها لسبب ما. إذا قلت: الميكانيكا إصلاح السيارات. وأنت تقول: "لقد كانوا يتساءلون عما إذا كانت ميكانيكا السيارة قد أصلحتها". يمكنك طرح أسئلة حول السيارات: "كم عدد السيارات التي تهتم بها ، هل قام الميكانيكيون بإصلاحها؟" أكثر أو أقل ممكن. لنفترض أنك تريد طرح سؤال حول الميكانيكا. "كم عدد الميكانيكيين الذين سألوا إذا كانوا يقومون بإصلاح السيارات؟" لسبب ما ، لم يعد الأمر كذلك. هذه فكرة واضحة ، لكن لا يمكنك قولها. إذا درست هذه الحالة بالتفصيل ، فإن القواعد الحسابية الأكثر كفاءة لا تسمح لك بقول ذلك. لكن للتعبير عن الفكر ، للتواصل ، سيكون من الأفضل أن تقول ذلك - ومن هنا الصراع.
وفي الواقع ، في كل حالة من هذا الصراع ، تفوز الكفاءة الحسابية. لا يكون الغموض أدنى في جميع الحالات من الغموض ، ولكن فقط لأسباب حسابية ، على ما يبدو ، لا يقلق النظام بداخله من الخارج. قد لا أكون قد أظهرت ذلك بشكل كافٍ ، لكن إذا قلت ذلك بصوت عالٍ ، فستكون هذه حجة مقنعة بما فيه الكفاية.

هذا يخبرنا شيئا عن التطور. ما تؤكده هذه الحقيقة: خلال تطور اللغة ، تم تطوير نظام الكمبيوتر ، وعندها فقط تم وضعه في الخارج. وإذا فكرت في كيفية تطور اللغة ، فقد وصلت إلى هذا الموقف تقريبًا. في مرحلة ما من التطور البشري ، وهذا أمر واضح ، مؤخرًا ، إذا نظرت إلى البيانات الأثرية - ربما في مئات الآلاف من السنين الماضية ، ولا شيء - في وقت ما ، ظهر نظام الحوسبة بخصائص جديدة لم تكن موجودة الكائنات الأخرى لديها مثل هذه الخصائص النوعية الحسابية ...

أي هل سمحت لك بالتفكير بشكل أفضل قبل التوسّع الخارجي؟

تشومسكي:إنها تمنحك التفكير. وميض صغير من الدماغ ، والذي يحدث في الفرد ، ليس في مجموعة. كان هذا الشخص لديه القدرة على التفكير ، ولم تفعل المجموعة. لذلك ليس هناك نقطة في خارجي. بعد ذلك ، إذا انتشر هذا التغير الوراثي ، وعلى سبيل المثال ، فإن الكثير من الناس لديهم ، فمن المنطقي أن تبحث عن وسيلة لإسقاطه على نظام الحواس ، وهذه عملية خارجية ، لكن هذه عملية ثانوية.

فقط إذا لم تكن العلاقة الخارجية ونظام الفكر الداخلي متصلاً بطريقة غير متوقعة.

تشومسكي:نحن لا نتوقع ، وهذا لا معنى له. لماذا ستكون مرتبطة بنظام خارجي؟ على سبيل المثال ، قدراتك الحسابية غير مرتبطة به. وهناك العديد من الحيوانات الأخرى ، مثل الطيور المغردة ، التي لديها نظام الحوسبة الداخلية ، أغنية الطيور. هذا ليس هو نفس النظام ، لكنه نظام حاسوبي داخلي. وهي خارجية ، لكن في بعض الأحيان لا. في بعض الأشكال ، يتقن الفرخ أغنية من هذا النوع ، لكنه لا يتكاثر حتى النضج. في هذه الفترة المبكرة لديه أغنية ، ولكن لا يوجد نظام خارجي. وينطبق هذا أيضًا على الأشخاص: فهم الطفل البشري أكثر بكثير مما يمكنه التكاثر - الكثير من الأدلة التجريبية - التي تشير إلى أن الطفل لديه نظام داخلي ، لكنه لا يستطيع أن يخرجه. ربما ليس لديه ذاكرة كافية ،أو بعض الأسباب الأخرى.

. , , , . , MIT, , , , , , , . , -, , ? , ? , — , .

:فلسفة العلوم هي مجال مثير للاهتمام للغاية ، لكنني لا أعتقد أنه يسهم حقًا في العلوم - إنه يتعلم من العلم. إنها تحاول فهم ما تقوم به العلوم ، ولماذا تحدث الإنجازات فيها ، وما هي المسارات الخاطئة ، وما إذا كان يمكن تدوينها وفهمها. ما أعتبره مهمًا في تاريخ العلوم. أعتقد أننا نتعلم الكثير من تاريخ العلوم لما يمكن أن يكون مهمًا جدًا لتطوير العلوم. خاصة عندما نفهم أننا في العلوم الإدراكية ما زلنا في مرحلة ما قبل الجليل. لا نعرف أننا نبحث عن شيء وجده غاليليو بالفعل ، وهناك شيء نتعلمه. على سبيل المثال ، هناك حقيقة ملفتة للنظر من العلوم المبكرة ، وليس بالضرورة من Galileo ، ولكن بشكل عام من وقت اكتشافات الجليل ، هي أن الأشياء البسيطة يمكن أن تكون مربكة للغاية. لذا ، أحمل هذه الكأس ، وإذا غلي الماء ، فحينئذٍ سيرتفع البخار ، ولكن إذا أخذت يدي ، فسوف تسقط الكأس.لماذا يسقط الكأس ويزيد البخار؟ طوال ألف عام على التوالي ، كانت هذه إجابة مرضية تمامًا: فهي تسعى جاهدة من أجل حالتها الطبيعية.

?

:هذا هو الفيزياء الأرسطية. يعتقد أفضل وأعظم العلماء أن هذا هو الحل. سمح غاليليو لنفسه بالشك. بمجرد أن تسمح لنفسك بالشك ، تكتشف على الفور أن الحدس لديك خطأ. مثل قطرة من كتلة صغيرة وكتلة كبيرة ، وهلم جرا. كل ما تبذلونه من الحدس يخدعك - الألغاز في كل مكان نظرتم. في تاريخ العلوم هناك شيء للدراسة. خذ نفس المثال الذي أعطيته لك ، "غطس نسور الطيران غريزيًا." لا أحد يعتقد أنه كان لغزا. لكن إذا فكرت في الأمر ، فهذا أمر غامض للغاية ؛ فأنت تستخدم حسابات معقدة بدلاً من حسابات بسيطة. إذا سمحت لنفسك أن تتفاجأ بهذا ، مثل سقوط الكأس ، فسوف تطرح السؤال "لماذا؟" ثم تحصل على إجابات مثيرة للاهتمام. مثل ، على سبيل المثال: الترتيب الخطي ليس جزءًا من نظام الحوسبة ،وهو افتراض مهم حول بنية التفكير - يقول أن الترتيب الخطي ليس سوى جزء من نظام خارجي ، أي النظام الثانوي. وهذا يفتح عددًا كبيرًا من الطرق الأخرى.

أو خذ مثالًا آخر: الفرق بين الاختزال والتوحيد. يقدم تاريخ العلوم بعض الرسوم التوضيحية المثيرة للاهتمام في الكيمياء والفيزياء ، وأعتقد أنها وثيقة الصلة بحالة العلوم المعرفية والفيزيولوجية العصبية في عصرنا.

الكلمة التالية للمترجم: ظهرت مواد تشومسكي الأخرى المثيرة للاهتمام منذ إصدار المقابلة - يمكنك اقتراح قراءة محادثة لمدة ساعتين مع العالم الفيزيائي الأمريكي لورانس كراوس ، أو مع كتاب تشومسكي وبيرويك الجديد ، The Talking Man ، إذا كنت مهتمًا بالأسئلة التطور واللغة.

ترجمة تاتيانا فولكوفا.