भाषाविद् के लिए एक शब्द: क्या होगा अगर कंप्यूटर बेहतर बोलते हैं

फोटो: अलेक्जेंडर कोरोलकोव / डब्ल्यूजी

3 जून को, रेड स्क्वायर पर मॉस्को बुक फेस्टिवल के अंतिम दिन, भाषाविद् अलेक्जेंडर पिपरस्की ने कंप्यूटर भाषाविज्ञान के बारे में बात की। उन्होंने मशीन अनुवाद, तंत्रिका नेटवर्क, शब्दों के वेक्टर मानचित्रण के बारे में बात की और कृत्रिम बुद्धि की सीमाओं के बारे में सवाल उठाए।

व्याख्यान को विभिन्न लोगों ने सुना। मेरे अधिकार के लिए, उदाहरण के लिए, एक चीनी पर्यटक ने उसकी नाक पर चोट की। अलेक्जेंडर, निश्चित रूप से, यह भी समझा गया - एल्गोरिदम के बारे में अतिरिक्त संख्याओं, सूत्रों और शब्दों की एक जोड़ी, और लोग विज्ञान कथा लेखकों को सुनने के लिए अगले तम्बू में भाग जाएंगे।

मैंने सिकंदर से लेबर के "निर्देशन संस्करण" को तैयार करने के लिए कहा, जहां कुछ भी नहीं काटा गया था जो यादृच्छिक पर्यटकों को सुस्त कर सकता था। आखिरकार, अधिकांश प्रस्तुति में समझदार सवालों के साथ दर्शकों की कमी थी और आम तौर पर एक अच्छी चर्चा। मुझे लगता है कि हम इसे यहां विकसित कर सकते हैं।

---

कहां से शुरू होता है AI?

चूंकि हाल ही में, हम लगातार आवाज में कंप्यूटर के साथ संवाद करते हैं, और ऐलिस, एलेक्सा और सिरी आवाज के सभी प्रकार हमें जवाब देते हैं। यदि आप पक्ष से देखते हैं, तो ऐसा लगता है कि कंप्यूटर हमें समझता है, संबंधित साइटों की सूची देता है, निकटतम रेस्तरां के पते की रिपोर्ट करता है, यह बताता है कि इसे कैसे प्राप्त किया जाए।

ऐसा लगता है कि हम एक बहुत स्मार्ट डिवाइस के साथ काम कर रहे हैं। आप यह भी कह सकते हैं कि इस उपकरण को कृत्रिम बुद्धिमत्ता (एआई) कहा जाता है। हालांकि वास्तव में कोई भी यह नहीं समझता है कि इसका क्या मतलब है और सीमाएं कहां जाती हैं।

जब हमें बताया जाता है, "AI रचनात्मक कार्य करता है जिसे मनुष्य का विशेषाधिकार माना जाता है" - इसका क्या मतलब है? रचनात्मक विशेषताएं क्या हैं? कौन सा फ़ंक्शन रचनात्मक है और कौन सा नहीं है? निकटतम चीनी रेस्तरां चुनना एक रचनात्मक विशेषता है? अब ऐसा लगता है कि सबसे अधिक संभावना नहीं है।

हम लगातार एक कंप्यूटर पर कृत्रिम बुद्धिमत्ता को अस्वीकार करने के लिए इच्छुक हैं। जैसे ही हम उन बौद्धिक अभिव्यक्तियों के अभ्यस्त हो जाते हैं जो एक कंप्यूटर बनाता है, हम कहते हैं, "यह AI नहीं है, यह पूर्ण बकवास, टेम्पलेट कार्य, कुछ भी दिलचस्प नहीं है।"

एक साधारण उदाहरण - हमारे दृष्टिकोण से, एक पॉकेट कैलकुलेटर की तुलना में कुछ भी कम नहीं है। यह 50 रूबल के लिए किसी भी स्टाल में बेचा जाता है। सामान्य आठ-बिट कैलकुलेटर लें, बटन पर प्रहार करें और सेकंड में परिणाम प्राप्त करें। ठीक है, तुम सोचते हो, वह कुछ बातें सोचता है। यह बुद्धिमत्ता नहीं है।

और XVIII सदी में ऐसी मशीन की कल्पना करें। यह एक चमत्कार की तरह प्रतीत होगा, क्योंकि गणना मनुष्य का विशेषाधिकार था।

यही बात कंप्यूटर भाषाविज्ञान के साथ भी होती है। हम उसकी सभी उपलब्धियों का तिरस्कार करते हैं। मैं Google में "पुश्किन के छंद" नामक एक प्रश्न दर्ज करता हूं, वह एक पृष्ठ पाता है जो कहता है कि "ए.एस. पुश्किन - कविताएँ। " ऐसा लगता होगा कि यह? बिल्कुल सामान्य व्यवहार। लेकिन कंप्यूटर भाषाविदों को कविता के शब्द कविताओं में पाए जाने वाले शब्द पुश्किन के लिए शब्द पुश्किन में पाए जाने और पुश्किन में नहीं पाए जाने के लिए दर्जनों साल बिताने पड़े।

कंप्यूटर शतरंज और मशीन अनुवाद

कंप्यूटर भाषाविज्ञान का जन्म एक ही समय में कंप्यूटर शतरंज के रूप में हुआ था - और शतरंज, भी, एक बार मनुष्य का विशेषाधिकार था। कंप्यूटर विज्ञान के संस्थापकों में से एक, क्लाउड शैनन ने 1950 में एक लेख लिखा था कि शतरंज खेलने के लिए कंप्यूटर को कैसे प्रोग्राम किया जाए। उनके अनुसार, हम दो प्रकार की रणनीति विकसित कर सकते हैं।

ए - सीक्वेल की संपूर्ण खोज के साथ। प्रत्येक चरण में सभी संभव चालों का परीक्षण करना आवश्यक है।
बी - केवल उन एक्सटेंशनों पर पुनरावृति करें जिनका मूल्यांकन होनहार के रूप में किया गया है।

व्यक्ति, स्पष्ट रूप से, रणनीति बी का उपयोग करता है। ग्रैंडमास्टर, सबसे अधिक संभावना है, केवल उन विकल्पों के माध्यम से जाता है जो उसकी राय में उचित हैं, और काफी त्वरित समय में एक अच्छा कदम देता है।

रणनीति ए को लागू करना मुश्किल है। शैनन की गणना के अनुसार, तीन चालों की गणना करने के लिए, आपको 10 ⁹ विकल्पों को छाँटने की जरूरत है, और यदि स्थिति एक माइक्रोसेकंड (जो 20 वीं शताब्दी के मध्य में सुपर-आशावादी थी) का अनुमान लगाया गया है, तो उसे एक चाल बनाने में 17 मिनट लगेंगे। और तीन कदम आगे बढ़ना भविष्यवाणी की एक गहरी गहराई है।

शतरंज के पूरे बाद के इतिहास में तकनीकों का विकास शामिल है जो हमें हर चीज को हल करने की अनुमति नहीं देगा, लेकिन यह समझने के लिए कि क्या छांटना चाहिए और क्या नहीं चाहिए। और मनुष्य पर जीत पहले ही हासिल की जा चुकी है, आखिरकार और अपरिवर्तनीय रूप से। कंप्यूटर ने विश्व शतरंज चैंपियन को लगभग 20 साल पहले बायपास किया था, और तब से केवल सुधार हुआ है।

सबसे अच्छा कार्यक्रम स्टॉकफिश माना जाता था। पिछले साल, अल्फाज़ेरो ने उसके साथ 100 गेम खेले।

सफेद	काला	श्वेत विजय	खींचना	ब्लैक की जीत
AlphaZero	सूखी हुई मछली	25	25	0
सूखी हुई मछली	AlphaZero	0	47	3

अल्फ़ाज़ेरो एक कृत्रिम तंत्रिका नेटवर्क है जो केवल चार घंटों के लिए शतरंज खेलता है। और उसने उससे पहले सभी कार्यक्रमों से बेहतर खेलना सीखा।

इसी तरह की बात अब कंप्यूटर भाषाविज्ञान में हो रही है - तंत्रिका नेटवर्क मॉडलिंग में वृद्धि। उन्होंने मशीन अनुवाद के साथ-साथ पिछली शताब्दी के मध्य में मशीन शतरंज पर काम करना शुरू किया। तब से, विकास के तीन चरणों को प्रतिष्ठित किया गया है।

- नियम आधारित मशीन अनुवाद
इसे बहुत सरलता से बनाया गया है - व्याकरण पाठों में कुछ ऐसा है, कंप्यूटर विषय का चयन करता है, विधेय करता है, इसके अलावा। वह समझता है कि यह सब किन शब्दों के साथ किसी अन्य भाषा में अनुवादित किया गया है, यह सीखता है कि विषय, विधेय, जोड़ और सभी को कैसे व्यक्त किया जाए।
30 वर्षों में ऐसा अनुवाद विकसित हुआ, जिसमें बहुत अधिक सफलता नहीं मिली।

- सांख्यिकीय (वाक्यांश) अनुवाद
कंप्यूटर मानव-अनुवादित ग्रंथों के एक बड़े डेटाबेस पर निर्भर करता है। यह उन शब्दों और वाक्यांशों का चयन करता है जो मूल के शब्दों और वाक्यांशों के अनुरूप हैं, उन्हें लक्ष्य भाषा में वाक्यों में एकत्र करता है और परिणाम देता है।

जब इंटरनेट पर वे अगले "20 सबसे बेवकूफ मशीन अनुवाद" के बारे में लिखते हैं - सबसे अधिक संभावना है, यह वाक्यांश अनुवाद के बारे में है। हालांकि उन्होंने कुछ सफलता हासिल की।

- तंत्रिका नेटवर्क अनुवाद
हम उसके बारे में और बात करेंगे। यह हमारी आंखों के सामने बड़े पैमाने पर उपयोग में आया: Google ने 2016 के अंत में तंत्रिका नेटवर्क अनुवाद चालू किया। रूसी के लिए, यह मार्च 2017 में दिखाई दिया। यैंडेक्स 2017 के अंत में लॉन्च किया गया जो तंत्रिका नेटवर्क और आंकड़ों पर आधारित एक संकर प्रणाली है।

तंत्रिका नेटवर्क

तंत्रिका नेटवर्क अनुवाद निम्नलिखित विचार पर आधारित है: यदि गणितीय रूप से किसी व्यक्ति के सिर में न्यूरॉन्स के काम का अनुकरण और पुनरुत्पादन किया जाता है, तो यह माना जा सकता है कि कंप्यूटर एक व्यक्ति की तरह भाषा के साथ काम करना सीखेगा।

ऐसा करने के लिए, मानव मस्तिष्क में कोशिकाओं पर एक नज़र डालें।

यहाँ एक प्राकृतिक न्यूरॉन है। एक लंबी प्रक्रिया, एक अक्षतंतु, नाभिक से प्रस्थान करती है। यह अन्य कोशिकाओं से प्रक्रियाओं में संलग्न होता है - सिनेप्स। अक्षतंतुओं के अनुसार, कुछ विद्युत प्रक्रियाओं के बारे में जानकारी सेल कोशिकाओं के सिनैप्स को प्रेषित की जाती है। प्रत्येक कोशिका से केवल एक अक्षतंतु निकलता है, और कई सिनेप्स प्रवेश कर सकते हैं। सिग्नल प्रचार करते हैं, और इस तरह से सूचना प्रसारित होती है।

कुछ कोशिकाएं बाहरी दुनिया से जुड़ी होती हैं। वे संकेत प्राप्त करते हैं जो तंत्रिका नेटवर्क द्वारा आगे संसाधित होते हैं।

और यहाँ हम क्या कर सकते हैं इसका सबसे सरल गणितीय मॉडल है। मैंने नौ जुड़े सर्किलों को आकर्षित किया। ये न्यूरॉन हैं।



बाईं ओर छह न्यूरॉन्स इनपुट परत हैं, जो बाहरी वातावरण से संकेत प्राप्त करता है। दूसरी और तीसरी परत के न्यूरॉन्स पर्यावरण को नहीं छूते हैं, लेकिन केवल अन्य न्यूरॉन्स के साथ। हम नियम का परिचय देते हैं - यदि सक्रिय न्यूरॉन्स से कम से कम दो तीर न्यूरॉन में प्रवेश करते हैं, तो यह न्यूरॉन भी सक्रिय होता है।

तंत्रिका नेटवर्क इनपुट पर प्राप्त सिग्नल को संसाधित करता है, और अंततः, सही - आउटपुट - न्यूरॉन को रोशनी देता है या प्रकाश नहीं करता है। इस वास्तुकला के साथ, सही न्यूरॉन को सक्रिय करने के लिए, आपको बाईं पंक्ति में कम से कम चार सक्रिय न्यूरॉन्स की आवश्यकता होती है। यदि 6 या 5 को जलाया जाता है, तो यह निश्चित रूप से प्रकाश करेगा, यदि 0 से 3 तक, यह निश्चित रूप से प्रकाश नहीं करेगा। लेकिन अगर चार जलते हैं, तो यह केवल तभी प्रकाश होगा जब वे समान रूप से वितरित किए जाते हैं: ऊपरी आधे में 2 और निचले में 2।



यह पता चला है कि नौ सर्किलों की सबसे सरल योजना एक अधिक शाखाओं वाले तर्क की ओर ले जाती है।

कृत्रिम तंत्रिका नेटवर्क उसी तरह से काम करते हैं, लेकिन आमतौर पर ऐसी साधारण चीजों के साथ नहीं होते हैं जैसे कि "जलाया / जलाया नहीं जाता" (अर्थात, 1 या 0), लेकिन वास्तविक संख्याओं के साथ।

उदाहरण के लिए 5 न्यूरॉन्स के एक नेटवर्क को लें - इनपुट परत में दो, मध्य में दो (छिपे हुए) और आउटपुट में एक। पड़ोसी परतों के सभी न्यूरॉन्स के बीच ऐसे कनेक्शन होते हैं जिन्हें संख्याएं असाइन की जाती हैं - वज़न। यह जानने के लिए कि अभी तक खाली न्यूरॉन में क्या होता है, आइए एक बहुत ही साधारण बात करते हैं: आइए देखें कि इसके क्या कनेक्शन होते हैं, प्रत्येक कनेक्शन का वजन उस संख्या से गुणा करें जो पिछली परत के न्यूरॉन में लिखा गया है जिसमें से यह कनेक्शन आता है, और हम यह सब समिट करेंगे। आरेख में ऊपरी हरे न्यूरॉन में, 50 × 1 + 3 × 10 = 80 प्राप्त होता है, और निचले में - 50 × 0.5 - 3 × 10 = .5।

यह सच है, यदि आप ऐसा करते हैं, तो आउटपुट केवल इनपुट मानों के रैखिक कार्य की गणना करने का परिणाम होगा (हमारे उदाहरण में, 25 Y - 0.5 X सामने आएगा, जहां X ऊपरी पीले न्यूरॉन में संख्या है और Y निचले में है), इसलिए हम सहमत होंगे न्यूरॉन के अंदर कुछ और हो रहा है। सबसे सरल और एक ही समय में अच्छे परिणाम देने वाला फ़ंक्शन है ReLU (Rectified Linear Unit): यदि एक ऋणात्मक संख्या एक न्यूरॉन, आउटपुट 0 में प्राप्त की जाती है, और यदि यह गैर-नकारात्मक है, तो इसे अपरिवर्तित आउटपुट करें।

तो, हमारी योजना में, on5 निचले हरे न्यूरॉन से बाहर निकलने पर 0 में बदल जाता है, और यह संख्या है जो आगे की गणना में उपयोग की जाती है। बेशक, अभ्यास में उपयोग किए जाने वाले वास्तविक तंत्रिका नेटवर्क की वास्तुकला हमारे खिलौने के उदाहरणों की तुलना में बहुत अधिक जटिल है, और वजन छत से नहीं लिया जाता है, बल्कि प्रशिक्षण द्वारा चुना जाता है, लेकिन सिद्धांत स्वयं महत्वपूर्ण है।

इसका भाषा से क्या लेना-देना है?

सबसे प्रत्यक्ष, बशर्ते कि हम संख्याओं के रूप में भाषा का प्रतिनिधित्व करें। हम हर शब्द को एनकोड करते हैं और इस तरह के न्यूरल नेटवर्क में चलते हैं।

यहां कंप्यूटर भाषाविज्ञान की एक बहुत ही महत्वपूर्ण उपलब्धि बचाव के लिए आती है, जो 50 साल पहले विचारों के संदर्भ में प्रकट हुई थी, और कार्यान्वयन के संदर्भ में, पिछले 10 साल सक्रिय रूप से विकसित हुए हैं: शब्दों का वेक्टर प्रतिनिधित्व।


यह और अगली दो तस्वीरें स्टीफन एवर्ट की एक प्रस्तुति से हैं

यह एक बहुत ही सरल विचार पर आधारित संख्या की एक सरणी के रूप में शब्दों का प्रतिनिधित्व है। किसी शब्द का अर्थ जानने के लिए, हम शब्दकोश को नहीं, बल्कि पाठ के विशाल सरणियों को देखते हैं और इसके आगे विचार करते हैं कि हमारा शब्द अधिक सामान्य है।

उदाहरण के लिए, क्या आप मफलर शब्द जानते हैं? यदि नहीं, तो उन ग्रंथों को देखकर अनुमान लगाने का प्रयास करें जहां शब्द मफल किया गया है।

- एक काला कोट और एक सफेद टोपी। खैर, और अभी भी कुछ अपरिहार्य मफलर ...

उसके बगल में कपड़े, एक कोट और एक टोपी और शायद उनमें से एक मफलर है। यह शायद ही भोजन है, शायद ही वास्तुकला का एक तत्व है।

- किसी कारण से, भरी रात में उसकी गर्दन पर एक पुराना, धारीदार मफलर छिड़का हुआ था।

गर्दन पर - इसका मतलब है कि वे मोज़े नहीं हैं। आप इसे पकड़ सकते हैं - जाहिरा तौर पर, यह लचीला है, कपड़े से बना है, और नहीं, कहते हैं, लकड़ी या पत्थर का।

- एक गीला कुट्टी वफ़ल तौलिया नेरज़िन उसकी गर्दन पर मफलर की तरह लटका हुआ था।

हम उदाहरणों के बैंक की भरपाई करते हैं और उन्हें देखते हैं, हम धीरे-धीरे समझ जाएंगे कि क्या मफलर है - दुपट्टा जैसा कुछ। कंप्यूटर बिल्कुल वही काम करता है, जो पाठ को देखता है और एक साधारण बात करता है - यह उन शब्दों को पकड़ता है जो पास खड़े होते हैं।

यहां मिस्र के चित्रलिपि हैं।

मान लीजिए कि आप उनमें से छह का मतलब जानते हैं, और यह समझना चाहते हैं कि किस तरह के शब्द को लाल रंग में हाइलाइट किया गया है। यह तालिका कहती है कि ये शब्द मिस्र के अन्य चित्रलिपि के बगल में कितनी बार पाए जाते हैं।

लाल शब्द छठे शब्द के साथ होता है - जैसे बिल्ली और सुअर शब्द। और दूसरे शब्द उसके साथ बिलकुल नहीं होते।

लाल शब्द चाकू और केले के विपरीत, तीसरे शब्द की तुलना में अक्सर दूसरे शब्द के साथ पाया जाता है। बिल्ली, नाव, सुअर और कप शब्द समान व्यवहार करते हैं।

इस तरह के तर्क के आधार पर, हम कह सकते हैं कि लाल शब्द बिल्ली और सुअर के शब्दों के समान है - केवल वे छठे शब्द से मिलते हैं, उनके समान दूसरे और तीसरे का अनुपात है।

और हम गलत नहीं होंगे, क्योंकि लाल शब्द कुत्ता शब्द है ।


वास्तव में, ये मिस्र के चित्रलिपि नहीं हैं, लेकिन अंग्रेजी संज्ञाएं और क्रियाएं हैं, जिसके लिए यह संकेत दिया जाता है कि वे अंग्रेजी ग्रंथों के एक बड़े संग्रह में कितनी बार एक साथ दिखाई देते हैं। वह छठा शब्द क्रिया मार है ।

शब्द बिल्ली, कुत्ता और सुअर अक्सर मार शब्द के दाईं ओर पाए जाते हैं। चाकू, नाव और केले शायद ही कभी मारे जाते हैं। यद्यपि रूसी में, यदि आप चाहें, तो आप कह सकते हैं, "मैंने अपनी नाव को मार दिया", लेकिन यह एक दुर्लभ चीज है।

वास्तव में एक कंप्यूटर क्या करता है जब वह पाठ को संसाधित करता है। वह बस मानता है कि वह कुछ के साथ मिलता है, और कोई और अधिक समझ की कृतियों।

इसके अलावा, कंप्यूटर शब्दों को संख्याओं के एक निश्चित समूह के रूप में प्रस्तुत करता है: ऊपर के उदाहरण में, शब्द कुत्ता संख्याओं (115; 83; 10; 42; 33; 17) से मेल खाता है। वास्तव में, हमें गणना करनी चाहिए कि यह कितनी बार छह शब्दों के साथ नहीं होता है, लेकिन उन सभी शब्दों के साथ जो हमारे ग्रंथों में हैं: यदि हम सभी में 100,000 अलग-अलग शब्द हैं, तो हम कुत्ते को 100,000 संख्याओं की एक सरणी के साथ जोड़ते हैं। यह व्यवहार में बहुत सुविधाजनक नहीं है, इसलिए, आयाम को कम करने के तरीकों का उपयोग आमतौर पर प्रत्येक शब्द के लिए परिणामों को लंबाई में कई सौ तत्वों की एक सरणी में बदलने के लिए किया जाता है (इसके बारे में अधिक जानकारी यहां पाई जा सकती है )।

प्रोग्रामिंग भाषाओं के लिए तैयार पुस्तकालय हैं जो आपको ऐसा करने की अनुमति देते हैं: उदाहरण के लिए, पायथन के लिए जेनसिम । लगभग 1 मिलियन शब्दों की मात्रा के साथ ब्राउनियन अंग्रेजी भाषा कॉर्पस को प्रस्तुत करके, कुछ सेकंड में मैं एक मॉडल बना सकता हूं जिसमें शब्द बिल्ली इस तरह दिखाई देगी:

हम एक जानवर का प्रतिनिधित्व करते हैं, बाल, पूंछ के साथ, यह म्याऊ करता है। मेरा कंप्यूटर, जिसे मैंने अंग्रेजी सिखाई थी, बिल्ली शब्द को सौ नंबरों के रूप में प्रस्तुत करता है जो इसके बगल के शब्दों से आया है।

यहां रुसवेक्टर्स वेबसाइट से रूसी सामग्री में एक उदाहरण दिया गया है। मैंने रैवेन शब्द लिया और कंप्यूटर से पूछा कि मुझे बताएं कि कौन से शब्द इसके समान हैं - या, दूसरे शब्दों में, संख्याओं के सेट जिसके लिए शब्द रेवेन शब्द के लिए संख्याओं के सेट के समान हैं।



10 में से 8 शब्द पक्षी के नाम से निकले। कुछ भी नहीं जानते हुए, कंप्यूटर ने एक उत्कृष्ट परिणाम उत्पन्न किया - मुझे एहसास हुआ कि पक्षी एक कौवा की तरह दिखते हैं। लेकिन लाल-गर्म और रुचेंका शब्द कहां से आए?


संख्याओं के सरणियों को प्राप्त करना और उन्हें खुद से गुजरना, तंत्रिका नेटवर्क एक आश्चर्यजनक रूप से अच्छा परिणाम देते हैं। यहाँ आधुनिक दुनिया में विज्ञान की स्थिति पर शिक्षाविद् आंद्रेई ज़ालिज़िनेक के एक भाषण से एक जटिल, दार्शनिक पाठ है। एक महीने पहले अनुवादक द्वारा इसका अंग्रेजी में अनुवाद किया गया था और इसके लिए न्यूनतम संपादकीय हस्तक्षेप की आवश्यकता थी।

यहीं पर वैश्विक दार्शनिक प्रश्न उठता है।

यह तथाकथित चीनी कमरे की समस्या है - कृत्रिम बुद्धि की सीमाओं पर एक सोचा प्रयोग। यह 1980 में दार्शनिक जॉन सियरले द्वारा तैयार किया गया था।

कमरे में एक आदमी बैठता है जो चीनी नहीं जानता है। उन्हें निर्देश दिए गए थे, उनके पास किताबें, शब्दकोश और दो खिड़कियां हैं। एक खिड़की में उन्हें चीनी में नोट दिए जाते हैं, और दूसरी खिड़की में वे जवाब देते हैं - चीनी में भी, निर्देशों के अनुसार विशेष रूप से अभिनय करते हैं।

उदाहरण के लिए, निर्देश कह सकते हैं, “यहाँ आपके पास एक नोट है, शब्दकोश में वर्ण ढूंढें। यदि यह चित्रलिपि संख्या 518 है, तो चित्रलिपि संख्या 409 को दाईं खिड़की पर दें, यदि चित्रलिपि संख्या 711 आ गई है, तो चित्रलिपि संख्या 35 को दाईं खिड़की और इतने पर दें। ” यदि कमरे का व्यक्ति निर्देशों का अच्छी तरह से पालन करता है और यदि ये निर्देश अच्छी तरह से लिखे गए हैं, तो सड़क पर जो व्यक्ति नोट देता है और प्राप्त करता है, वह यह मान सकता है कि कमरा या उसमें मौजूद व्यक्ति चीनी जानता है। आखिरकार, बाहर से यह नहीं दिख रहा है कि अंदर क्या हो रहा है।

हम सभी जानते हैं कि यह एक ऐसा व्यक्ति है जिसे केवल बेवकूफ निर्देश दिए गए थे। वह उन पर कुछ ऑपरेशन करता है, लेकिन चीनी को बिल्कुल नहीं जानता है। यद्यपि पर्यवेक्षक की दृष्टि से यह भाषा का ज्ञान है।

दार्शनिक प्रश्न - हम इससे कैसे संबंधित हैं? क्या कमरा चीनी बोलता है? शायद इन निर्देशों के लेखक चीनी भाषा जानते हैं? और शायद नहीं, क्योंकि आप तैयार प्रश्नों और उत्तरों की एक सरणी के आधार पर निर्देश जारी कर सकते हैं।

दूसरी ओर, चीनी क्या जानता है? यहां आप रूसी भाषा जानते हैं। आप क्या कर सकते हैं? आपके सिर में क्या चल रहा है? किसी प्रकार की जैव रासायनिक प्रतिक्रिया। कान या आंखों को एक निश्चित संकेत मिलता है, यह किसी प्रकार की प्रतिक्रिया का कारण बनता है, आप कुछ समझते हैं। लेकिन "समझ" का क्या अर्थ है? जब आप समझते हैं तो आप क्या करते हैं?

और एक और भी अधिक जटिल प्रश्न - क्या आप यह एक इष्टतम तरीके से कर रहे हैं? क्या यह सच है कि आप भाषा के साथ किसी मशीन से बेहतर काम कर सकते हैं जो भाषा के साथ काम कर सके? क्या आप कल्पना कर सकते हैं कि आप किसी भी कंप्यूटर से बदतर रूसी बोलेंगे? हम हमेशा सिरी, एलिस की तुलना उस तरह से करते हैं जैसे हम खुद बोलते हैं, और हंसते हैं अगर वे हमारे दृष्टिकोण से गलत बोलते हैं। दूसरी ओर, आपने और मैंने कंप्यूटर को बहुत कुछ दिया था जिसे पहले मनुष्य का विशेषाधिकार माना जाता था। अब कारों की गिनती और शतरंज खेलने में बहुत बेहतर है, लेकिन इससे पहले वे नहीं कर सकते थे। शायद कंप्यूटर पर बात करने के साथ भी ऐसी ही चीजें होंगी: 100, 10 या 5 साल में, हम मानते हैं कि मशीन ने भाषा को बेहतर तरीके से महारत हासिल की है, बहुत अधिक समझती है, और सामान्य तौर पर हम की तुलना में बहुत बेहतर देशी वक्ता हैं।

तब इस तथ्य के साथ क्या करना है कि किसी व्यक्ति को भाषा के माध्यम से खुद को परिभाषित करने के लिए उपयोग किया जाता है? आखिरकार, वे कहते हैं कि केवल एक व्यक्ति भाषा बोलता है। यदि हम इस क्षेत्र में कंप्यूटर पर जीत को पहचानते हैं तो क्या होगा?

अपने प्रश्नों को टिप्पणियों में छोड़ दें। शायद थोड़ी देर बाद हम अलेक्जेंडर के साथ एक साक्षात्कार कर सकते हैं। या हो सकता है कि वह खुद हमारे निमंत्रण पर एक टिप्पणी में आएंगे और हर किसी के साथ बात करेंगे जो रुचि रखते हैं।