In diesem Buch haben wir uns auf die Hauptdetails des neuronalen Netzwerkgeräts konzentriert: wie sie funktionieren, wie sie bei Sequenzerkennungsproblemen verwendet werden können. Dieses Material kann direkt in der Praxis angewendet werden. Aber einer der Gründe für das Interesse an NS ist natürlich die Hoffnung, dass sie eines Tages die Grenzen der einfachen Sequenzerkennung überschreiten können. Vielleicht können sie oder einige andere Ansätze, die auf digitalen Computern basieren, letztendlich verwendet werden, um Denkmaschinen zu schaffen, die mit der menschlichen Intelligenz konkurrieren oder diese übertreffen können? Diese Idee geht weit über das im Buch diskutierte Material hinaus - oder das Know-how eines Menschen auf dem Planeten. Aber über dieses Thema zu spekulieren ist immer interessant.
Es wurde viel darüber diskutiert, ob Computer im Prinzip das Niveau der menschlichen Intelligenz erreichen können. Ich werde dieses Problem nicht berücksichtigen. Trotz der Debatte glaube ich, dass es keinen ernsthaften Zweifel an der Möglichkeit gibt, einen intelligenten Computer zu schaffen - obwohl diese Aufgabe äußerst schwierig sein kann und vielleicht weit über die vorhandenen Technologien hinausgeht - und aktuelle Kritiker eines Tages in die Position von
Vitalisten der Vergangenheit geraten werden.
Stattdessen möchte ich eine andere Frage untersuchen: Gibt es eine Reihe einfacher Prinzipien, mit denen ein Phänomen wie die Intelligenz erklärt werden kann? Gibt es insbesondere einen einfachen Algorithmus zur Erzeugung von Intelligenz?
Die Idee eines wirklich einfachen Algorithmus zur Erzeugung von Intelligenz ist ziemlich mutig. Sie klingt wahrscheinlich zu optimistisch, um wahr zu sein. Viele Menschen haben ein anhaltendes, intuitives Gefühl, dass der Intellekt eine erhebliche Komplexität aufweist, die nicht vereinfacht werden kann. Sie sind so beeindruckt von der erstaunlichen Vielfalt und Flexibilität des menschlichen Denkens, dass sie zu dem Schluss kommen, dass es für einen einfachen Algorithmus unmöglich ist, Intelligenz zu erzeugen. Trotz dieser Intuition halte ich es jedoch nicht für sinnvoll, voreilige Schlussfolgerungen zu diesem Thema zu ziehen. Die Geschichte der Wissenschaft ist voller Beispiele dafür, wie ein Phänomen, das anfangs äußerst komplex schien, später durch einfache, aber wirkungsvolle Ideen erklärt wurde.
Betrachten Sie zum Beispiel die frühen Tage der Astronomie. Seit der Antike war bekannt, dass es am Himmel eine ganze Reihe verschiedener Objekte gab: Sonne, Mond, Planeten, Kometen, Sterne. Diese Objekte verhalten sich völlig unterschiedlich: Die Sterne bewegen sich beispielsweise majestätisch und regelmäßig über den Himmel, aber Kometen scheinen aus dem Nichts zu erscheinen, fliegen durch den Himmel und verschwinden. Im 16. Jahrhundert konnte sich nur ein naiver Optimist vorstellen, dass alle Bewegungen dieser Objekte durch einfache Prinzipien erklärt werden könnten. Aber im 17. Jahrhundert formulierte Newton die Theorie der universellen Gravitation, die nicht nur all diese Bewegungen, sondern auch irdische Phänomene wie Gezeiten und das Verhalten der mit der Erde verbundenen Muscheln erklärte. Rückblickend scheint der naive Optimist des 16. Jahrhunderts ein Pessimist zu sein, der zu wenig verlangt.
Natürlich gibt es in der Wissenschaft viel mehr solche Beispiele. Betrachten Sie die Vielzahl von Chemikalien, aus denen unsere Welt besteht, die durch das Periodensystem, das wiederum nach mehreren einfachen Regeln aufgebaut ist, die aus der Quantenmechanik gewonnen werden können, so schön erklärt wird. Oder das Geheimnis der Komplexität und Vielfalt der biologischen Welt, deren Quellen, wie sich herausstellt, im Prinzip der Evolution durch natürliche Auslese liegen. Diese und viele andere Beispiele besagen, dass es nicht ratsam wäre, eine einfache Erklärung der Funktionsweise des Intellekts auszuschließen, die darauf basiert, was unser Gehirn tut - und was derzeit das beste Beispiel für Intelligenz ist -, sieht sehr kompliziert aus.
In diesem Nachwort gehe ich davon aus, dass ein Computer als vernünftig angesehen werden kann, wenn seine Fähigkeiten mit den Fähigkeiten des menschlichen Denkens übereinstimmen oder diese übertreffen. Das heißt, die Frage nach der Existenz eines Intelligenzalgorithmus ist eine Frage nach der Existenz eines Algorithmus, der ähnlich wie eine Person denken kann. Es ist erwähnenswert, dass es im Prinzip Formen des Geistes geben kann, die keine Gedanken wie menschliche enthalten und gleichzeitig auf interessante Weise den Geist der Menschen übertreffen.
Andererseits ist es trotz all dieser optimistischen Beispiele logischerweise möglich, dass Intelligenz nur durch die Arbeit einer großen Anzahl grundlegend unterschiedlicher Mechanismen erklärt werden kann. Im Fall unseres Gehirns könnten solche Mechanismen als Reaktion auf viele verschiedene Anforderungen der natürlichen Selektion während der Evolution auftreten. Wenn dieser Standpunkt richtig ist, ist Intelligenz mit irreparabler Komplexität verbunden, und es ist unmöglich, einen einfachen Algorithmus für Intelligenz zu erstellen.
Welcher dieser beiden Gesichtspunkte ist richtig?
Um diese Frage zu untersuchen, fragen wir eine, die eng damit verbunden ist, aber die andere - gibt es eine einfache Erklärung für die Funktionsweise des menschlichen Gehirns? Insbesondere werden wir Möglichkeiten untersuchen, um die Komplexität des Gehirns zu quantifizieren. Der erste Ansatz ist die Untersuchung des Gehirns unter dem Gesichtspunkt der
Verbindung . Wir sprechen direkt über die Verbindungen: wie viele Neuronen im Gehirn, wie viele Neuroglia, wie viele Verbindungen zwischen Neuronen. Sie sind wahrscheinlich schon einmal auf diese Zahlen gestoßen: Im Gehirn gibt es ungefähr 100 Milliarden Neuronen, 100 Milliarden Neuroglia und 100 Billionen Verbindungen zwischen Neuronen. Diese Zahlen sind atemberaubend. Und erschrecken. Wenn Sie die Details all dieser Zusammenhänge verstehen müssen (ganz zu schweigen von Neuronen und Neuroglia), um zu verstehen, wie das Gehirn funktioniert, werden wir definitiv keinen einfachen Algorithmus für die Intelligenz erhalten.
Es gibt eine zweite, optimistischere Sichtweise auf das Gehirn - aus molekularbiologischer Sicht. Die Idee ist zu fragen, wie viel genetische Information benötigt wird, um die Architektur des Gehirns zu beschreiben. Um dies zu verstehen, betrachten wir zunächst die genetischen Unterschiede zwischen Menschen und Schimpansen. Sie sind wahrscheinlich auf die allgemeine Behauptung gestoßen, dass "Menschen zu 98% Schimpansen sind". Manchmal reichen die Zahlen von 95% bis 99%. Diese Variationen treten auf, weil die Zahlen anfänglich durch Vergleichen von Teilproben des menschlichen Schimpansengenoms und nicht des gesamten Genoms verglichen wurden. Im Jahr 2007 wurde das Schimpansengenom jedoch vollständig
sequenziert , und jetzt wissen wir, dass sich menschliche und Schimpansen-DNA in etwa 125 Millionen gepaarten DNA-Basen unterscheiden. Dies ist von 3 Milliarden gepaarten Basen in jedem Genom. Man kann also nicht sagen, dass eine Person zu 98% Schimpansen ist - es wäre richtiger, über 96% zu sprechen.
Wie viele Informationen sind in 125 Millionen gepaarten Basen enthalten? Jede gepaarte Base kann mit einer von vier Möglichkeiten markiert werden - den „Buchstaben“ des genetischen Codes, den Basen Adenin, Thymin, Guanin und Cytosin. So kann jedes Paar mit zwei Informationsbits beschrieben werden - nur um eines der vier Labels zu identifizieren. 125 Millionen gepaarte Basen entsprechen also 250 Millionen Informationsbits. Das ist der genetische Unterschied zwischen Menschen und Schimpansen!
Natürlich sind diese 250 Millionen Bits für den gesamten genetischen Unterschied zwischen Menschen und Schimpansen verantwortlich. Wir interessieren uns aber nur für den Unterschied, der mit dem Gehirn verbunden ist. Leider weiß niemand, wie viel genetischer Unterschied den Unterschied im Gehirn beschreiben kann. Nehmen wir jedoch aus Gründen der Klarheit an, dass ungefähr die Hälfte der 250 Millionen Bits für diesen Unterschied verantwortlich ist. Es stellt sich heraus, 125 Millionen Bits.
125 Millionen Bits sind eine beeindruckend große Zahl. Mal sehen, wie viel das ist, und es in verständlichere Begriffe übersetzen. Wie groß wäre insbesondere ein gleichwertiger englischer Text? Es stellt sich heraus, dass der Informationsgehalt der englischen Sprache ungefähr einem Bit pro Buchstabe entspricht. Es klingt nach einer ziemlich niedrigen Bewertung - schließlich hat das Alphabet 26 Buchstaben -, aber der englische Text enthält eine enorme Menge an Redundanz. Natürlich kann argumentiert werden, dass das Genom redundant ist und dass zwei Bits auf einer gepaarten Basis eine Aufzählung sind. Aber wir werden es ignorieren, denn im schlimmsten Fall bedeutet dies, dass wir die genetische Komplexität des Gehirns überschätzen werden. Unter dieser Annahme werden wir sehen, dass der genetische Unterschied zwischen unserem Gehirn und dem Gehirn des Schimpansen 125 Millionen Buchstaben oder 25 Millionen englischen Wörtern entspricht. Dies ist ungefähr 30 Mal mehr als die
King James Bibel enthält.
Eine große Menge an Informationen. Aber nicht unverständlich groß. Es fällt auf die Skala des menschlichen Geistes. Vielleicht kann nicht eine einzelne Person alles verstehen, was in diesem Code geschrieben steht, aber eine Gruppe von Personen kann es unter Verwendung der entsprechenden Spezialisierung gemeinsam verstehen. Und obwohl dies eine große Menge an Informationen ist, stellt sich heraus, dass sie im Vergleich zu den Informationen, die zur Beschreibung von 100 Milliarden Neuronen, 100 Milliarden Neuroglia und 100 Billionen Verbindungen im Gehirn benötigt werden, winzig sind. Selbst wenn wir eine einfache und grobe Beschreibung verwenden würden - beispielsweise 10 Gleitkommazahlen, um jede Verbindung zu beschreiben -, würde dies 70 Billiarden Bits erfordern. Dies bedeutet, dass die genetische Beschreibung eine halbe Milliarde Mal weniger komplex ist als die Beschreibung des vollständigen Konnektoms des menschlichen Gehirns.
Daraus ergibt sich, dass das Genom keine detaillierte Beschreibung aller unserer neuronalen Verbindungen enthalten kann. Er muss nur die allgemeine Architektur und die Grundprinzipien beschreiben, die dem Gehirn zugrunde liegen. Aber diese Architektur und diese Prinzipien reichen aus, um sicherzustellen, dass Menschen, die erwachsen werden, rational werden. Dies ist natürlich nicht ohne Tricks - wachsende Kinder brauchen eine gesunde und anregende Umgebung und eine gute Ernährung, um intellektuelles Potenzial zu erreichen. Wenn wir jedoch in einer vernünftigen Umgebung aufwachsen, hat ein gesunder Mensch einen erstaunlichen Intellekt. In gewissem Sinne enthält die Information in unseren Genen die Essenz unseres Denkens. Darüber hinaus werden die in dieser genetischen Information enthaltenen Prinzipien wahrscheinlich von uns verstanden.
Die angegebenen Zahlen sind sehr grobe Schätzungen. Es ist möglich, dass sich 125 Millionen Bits als übertrieben herausstellen und dass es eine viel kompaktere Reihe von Schlüsselprinzipien gibt, die dem menschlichen Denken zugrunde liegen. Vielleicht sind die meisten dieser 125 Millionen Bits nur eine Feinabstimmung in Bezug auf kleinere Details. Und vielleicht sind wir bei der Berechnung dieser Zahlen zu konservativ. Es wäre toll, wenn das der Fall wäre! Für unsere aktuellen Ziele wird der entscheidende Punkt der folgende sein: Die Architektur des Gehirns ist komplex, aber nicht so sehr, wie Sie vielleicht denken, wenn Sie die Anzahl der Verbindungen im Gehirn bewerten. Ein Blick auf das Gehirn aus molekularbiologischer Sicht legt nahe, dass die Menschen eines Tages die Grundprinzipien verstehen werden, die der Architektur des Gehirns zugrunde liegen.
In den letzten Absätzen habe ich die Tatsache ignoriert, dass 125 Millionen Bits nur den genetischen Unterschied zwischen dem menschlichen Gehirn und dem Schimpansengehirn beschreiben. Aufgrund dieser 125 Millionen Bits sind nicht alle Fähigkeiten unseres Gehirns vorhanden. Schimpansen selbst können gut denken. Vielleicht liegt der Schlüssel zur Intelligenz hauptsächlich in den geistigen Fähigkeiten (und genetischen Informationen), die sowohl Schimpansen als auch Menschen haben. Wenn ja, dann kann das menschliche Gehirn nur eine kleine Verbesserung des Schimpansengehirns sein, zumindest im Hinblick auf die Komplexität der Grundprinzipien. Trotz des allgemein akzeptierten menschlichen Chauvinismus in Bezug auf unsere einzigartigen Fähigkeiten ist dies nicht so unglaublich: Die genetischen Linien der Entwicklung von Menschen und Schimpansen gingen vor nur 5 Millionen Jahren auseinander, ein Moment auf evolutionärer Ebene. In Ermangelung überzeugenderer Argumente bleibe ich jedoch auf der Seite des allgemein anerkannten menschlichen Chauvinismus: Ich denke, dass die interessantesten Prinzipien, die menschlichen Gedanken zugrunde liegen, in diesen 125 Millionen Bits enthalten sind und nicht in dem Teil des Genoms, den wir mit Schimpansen gemeinsam haben.
Durch die Übernahme der molekularbiologischen Sichtweise auf das Gehirn können wir die Komplexität unserer Beschreibung um etwa neun Größenordnungen reduzieren. Dies ist inspirierend, sagt uns jedoch nicht, ob es möglich ist, einen wirklich einfachen Algorithmus für die Intelligenz zu erstellen. Können wir die Komplexität weiter reduzieren? Und was noch wichtiger ist: Können wir die Frage nach der Möglichkeit lösen, einen einfachen Algorithmus für die Intelligenz zu erstellen?
Leider gibt es noch nicht genügend überzeugende Beweise, um dieses Problem zu lösen. Lassen Sie mich einige der verfügbaren Beweise mit dem Trick beschreiben, dass diese Überprüfung kurz und unvollständig sein wird, und soll Ihnen nur eine Vorstellung von einigen neueren wissenschaftlichen Arbeiten geben und nicht alles, was derzeit bekannt ist, vollständig beschreiben.
Zu den Hinweisen auf die Möglichkeit eines einfachen Algorithmus für die Intelligenz gehört das Experiment, über das im April 2000 in der Zeitschrift Nature berichtet wurde. Ein von Mriganka Sur geführtes Wissenschaftlerteam "reflash" das Gehirn neugeborener Frettchen. Typischerweise werden Signale von den Augen eines Frettchens an einen Teil des Gehirns übertragen, der als visueller Kortex bekannt ist. Bei diesen Frettchen leiteten die Wissenschaftler das Signal so um, dass es in den auditorischen Kortex gelangte, dh in den Teil des Gehirns, der normalerweise zum Hören verwendet wird.
Um zu verstehen, was danach passiert ist, müssen Sie ein wenig im visuellen Kortex verstehen. Der visuelle Kortex enthält viele Orientierungsspalten. Dies sind kleine Platten von Neuronen, von denen jede auf visuelle Stimulation aus einer bestimmten Richtung reagiert. Sie können in Form winziger Richtungssensoren dargestellt werden: Wenn jemand helles Licht aus einer bestimmten Richtung ausstrahlt, wird die entsprechende Orientierungsspalte aktiviert. Wenn sich das Licht bewegt, wird eine andere Orientierungsspalte aktiviert. Eine der wichtigsten übergeordneten Strukturen des visuellen Kortex ist die Orientierungskarte, auf der die Orientierungsspalten markiert sind.
Wissenschaftler haben herausgefunden, dass sich der auditive Kortex ändert, wenn das visuelle Signal von den Augen des Frettchens zum auditorischen Kortex umgeleitet wird. Orientalische Spalten und eine Orientierungskarte erscheinen im auditorischen Kortex. Es stellt sich heraus, dass es weniger geordnet ist als die Orientierungskarte im visuellen Kortex, aber es ist klar, dass dies das ist. Darüber hinaus führten die Wissenschaftler die einfachsten Tests der Reaktionen von Frettchen auf visuelle Reize durch und trainierten sie, unterschiedlich zu reagieren, wenn Licht aus verschiedenen Richtungen kam. Nach den Tests zu urteilen, konnten Frettchen mit dem auditorischen Kortex zumindest rudimentär noch „sehen“.
Dies ist ein erstaunliches Ergebnis. Er sagt, dass die Art und Weise, wie verschiedene Teile des Gehirns lernen, auf sensorische Daten zu reagieren, auf allgemeinen Prinzipien beruht. Eine solche Gemeinschaft liefert Argumente für die Idee der Existenz einer Reihe einfacher Prinzipien im Herzen des Geistes. Machen Sie sich jedoch keine Illusionen darüber, dass die Sicht der Frettchen in diesen Experimenten sehr gut war. Verhaltenstests testeten nur grobe Aspekte des Sehens. Natürlich können wir Frettchen nicht fragen: "Haben sie das Sehen gelernt?" Experimente haben daher nicht bewiesen, dass der reformierte auditive Kortex Frettchen ein qualitativ hochwertiges Sehvermögen verleiht. Daher unterstützen diese Experimente nur sehr begrenzt die Idee, dass ähnliche Prinzipien den Kern des Lernens verschiedener Teile des Gehirns bilden.
Welche Beweise gibt es, um die Existenz eines einfachen Algorithmus für Intelligenz zu widerlegen? Einige von ihnen stammen aus den Bereichen Evolutionspsychologie und Neuroanatomie. Seit den 1960er Jahren haben Evolutionspsychologen eine breite Palette menschlicher Universalien entdeckt, Verhaltensmuster, die allen Menschen, in allen Kulturen und mit unterschiedlichem Hintergrund gemeinsam sind. Dazu gehören das Inzesttabu für Mutter und Sohn, die Verwendung von Musik und Tanz sowie komplexere sprachliche Strukturen wie die Verwendung von Schimpfwörtern (d. H. Verbotenen Wörtern), Pronomen und sogar Grundstrukturen wie Verben. Diese Ergebnisse werden durch eine Vielzahl von Hinweisen aus der Neuroanatomie ergänzt, aus denen hervorgeht, dass viele Muster des menschlichen Verhaltens von bestimmten Teilen des Gehirns gesteuert werden und dass diese Teile des Gehirns bei allen Menschen ähnlich sind. Alles in allem deutet dies darauf hin, dass in bestimmten Teilen unseres Gehirns viele sehr spezielle Verhaltensmuster zusammengefügt sind.
Einige Leute ziehen aus diesen Ergebnissen Schlussfolgerungen, dass für diese vielen Gehirnfunktionen separate Erklärungen erforderlich sind und dass daher die Gehirnaktivität nicht vereinfacht werden kann, dh Sie können keine einfache Erklärung für die Funktionsweise des Gehirns geben (und möglicherweise einen einfachen Algorithmus für erstellen Intelligenz). Ein bekannter KI-Forscher, der diese Ansicht
vertritt, ist beispielsweise
Marvin Minsky . In den 1970er und 1980er Jahren entwickelte er seine Theorie der Gesellschaft des Geistes, basierend auf der Idee, dass der menschliche Geist eine große Gemeinschaft einfacher, aber sehr unterschiedlicher Computerprozesse ist, die er Agenten nannte. In seinem Buch, das die Theorie beschreibt, fasst Minsky alles zusammen, was er für einen Vorteil dieser Sichtweise hält:
Welcher Trick macht uns intelligent? Der Trick ist, dass es keinen Fokus gibt. Die Kraft des Geistes wächst aus unserer großen Vielfalt und nicht aus einem einfachen und idealen Prinzip.
Als Antwort auf die Rezensionen seines Buches spekulierte Minsky weiter über die Motivation, das Buch zu schreiben, und führte ein ähnliches Argument an, das auf Neuroanatomie und Evolutionspsychologie beruhte:
Jetzt wissen wir, dass das Gehirn selbst aus Hunderten verschiedener Orte und Kerne besteht, von denen jeder signifikant unterschiedliche architektonische Elemente und Eigenschaften aufweist, und dass viele von ihnen an der Verwirklichung klar unterschiedlicher Aspekte unserer mentalen Aktivität beteiligt sind. , , , «» «» .
Minsky ist natürlich nicht der Einzige, der diesen Standpunkt vertritt; Ich gebe ihm als Beispiel, das auf der Seite solcher Argumente steht. Ich finde solche Argumente interessant, aber ich denke nicht, dass die Beweise für sie überzeugend genug sind. In der Tat besteht das Gehirn aus einer großen Anzahl verschiedener Bereiche, die unterschiedliche Funktionen erfüllen, aber daraus folgt nicht, dass es unmöglich ist, eine einfache Erklärung des Gehirns zu geben. Vielleicht entstehen diese architektonischen Unterschiede auf der Grundlage eines gemeinsamen Grundprinzips, so wie die Bewegungen von Kometen, Planeten, Sonne und Sternen aus einer einzigen Anziehungskraft entstehen. Weder Minsky noch sonst jemand konnte das Fehlen solcher Prinzipien überzeugend beweisen.Ich bin voreingenommen für die Existenz eines einfachen Algorithmus für Intelligenz. Grundsätzlich gefällt mir diese Idee trotz der oben nicht überzeugenden Argumente, weil sie optimistisch ist. Bei der wissenschaftlichen Forschung erweist sich ungerechtfertigter Optimismus in der Regel als produktiver als gerechtfertigter Pessimismus, da der Optimist den Mut hat, etwas Neues auszuprobieren. Dies ist der Weg zur Entdeckung, auch wenn Sie nicht entdecken, was Sie ursprünglich erhofft hatten. Ein Pessimist mag sich im engeren Sinne als „richtiger“ herausstellen, öffnet sich aber weniger als ein Optimist.Diese Sichtweise steht in scharfem Kontrast zu der Art und Weise, wie wir Ideen normalerweise bewerten und versuchen zu verstehen, ob sie richtig oder falsch sind. Dies ist eine kluge Strategie für die Arbeit mit alltäglichen oder kleinen Studien. Es ist jedoch möglich, große und mutige Ideen so zu bewerten, dass die Definition eines gesamten Forschungsprogramms falsch ist. Manchmal haben wir nur schwache Beweise für die Richtigkeit der Idee. Wir können uns demütig weigern, ihm zu folgen, und unsere ganze Zeit damit verbringen, die verfügbaren Beweise gründlich zu studieren und zu verstehen, welche davon wahr sind. Oder wir können einfach akzeptieren, dass bisher niemand sicher weiß, und aktiv an der Entwicklung einer großen und mutigen Idee arbeiten, wobei wir erkennen, dass wir zwar keine Erfolgsgarantien haben, aber nur auf diese Weise die Grenzen unseres Verständnisses erweitern können.Angesichts all dessen in seiner optimistischsten Form glaube ich immer noch nicht, dass wir jemals einen einfachen Algorithmus für die Intelligenz finden werden. Genauer gesagt glaube ich nicht, dass wir jemals die Gelegenheit finden werden, in Python (oder C oder Lisp oder etwas anderem) ein sehr kurzes Programm zu schreiben - beispielsweise bis zu tausend Codezeilen -, das künstliche Intelligenz implementiert. Und ich glaube nicht, dass wir jemals ein sehr einfach beschriebenes neuronales Netzwerk finden werden, das KI implementieren kann. Ich glaube jedoch, dass es sich lohnt, so zu handeln, als ob wir ein solches Programm oder Netzwerk finden könnten. Dies ist der Weg zu Ideen, und wenn wir ihm folgen, können wir eines Tages genug verstehen, um ein längeres Programm zu schreiben oder ein komplexeres Netzwerk zu schaffen, das Intelligenz demonstriert. Daher lohnt es sich, so zu tun, als gäbe es einen äußerst einfachen Algorithmus für die Intelligenz.In den 1980er Jahren wurde Jack Schwartz , ein hervorragender Mathematiker und Informatiker , zu einer Debatte zwischen KI-Anhängern und Skeptikern eingeladen. Die Debatte geriet außer Kontrolle, die Anhänger machten übermäßige Aussagen über erstaunliche Dinge, die bald auftauchen würden, und Skeptiker verstärkten nur ihren Pessimismus und sagten, dass KI einfach unmöglich zu schaffen sei. Schwartz war außerhalb der Debatte anwesend und schwieg, als die Diskussion eskalierte. Während der Pause wurde er gebeten, seine Gedanken zu dem diskutierten Thema zu äußern und zu beschreiben. er sagte,: "Nun, vor einigen dieser Ideen können noch hundert weitere Nobelpreise vergeben werden." Meiner Meinung nach ist dies die perfekte Antwort. Der Schlüssel zur KI sind einfache und leistungsstarke Ideen, nach denen wir optimistisch suchen können und sollten. Aber wir werden viele solcher Ideen brauchen, und wir haben noch einen sehr langen Weg vor uns!