नोम चोम्स्की: कृत्रिम बुद्धिमत्ता गलत तरीके से कहाँ चली गई?

अनुवादक की टिप्पणी: प्रसिद्ध भाषाविद् के साथ एक विस्तृत साक्षात्कार, जो 6 साल पहले जारी किया गया था, लेकिन जिसने इसकी प्रासंगिकता नहीं खोई है। नोआम चॉम्स्की - "आधुनिक आइंस्टीन", जैसा कि उन्हें कहा जाता है, मानव सोच और भाषा, कृत्रिम बुद्धिमत्ता और आधुनिक विज्ञान की स्थिति पर अपने विचारों को साझा करता है। दूसरे दिन वह 90 साल का हो गया, और यह एक लेख प्रकाशित करने का एक अच्छा कारण लगता है। साक्षात्कार एक युवा संज्ञानात्मक वैज्ञानिक जॉर्डन काट्ज द्वारा आयोजित किया जाता है, वह खुद इस विषय में अच्छी तरह से वाकिफ हैं, इसलिए बातचीत बहुत जानकारीपूर्ण है, और प्रश्न उत्तर के रूप में दिलचस्प हैं।


यदि हम सबसे महान और सबसे अप्राप्य बौद्धिक कार्यों की सूची तैयार करने का लक्ष्य निर्धारित करते हैं, तो "डिकोडिंग" का कार्य स्वयं - हमारे दिमाग और दिमाग की आंतरिक संरचना को समझना, और इन तत्वों की वास्तुकला हमारे आदर्श में कैसे कूटबद्ध होती है - निश्चित रूप से शीर्ष पर होगी। हालाँकि, ज्ञान के विभिन्न क्षेत्रों ने दर्शन और मनोविज्ञान से लेकर कंप्यूटर साइंस और न्यूरोसाइंस तक इस कार्य को अंजाम दिया है, जो असहमति से अभिभूत हैं कि कौन सा दृष्टिकोण सही है।

1956 में, कंप्यूटर वैज्ञानिक जॉन मैकार्थी ने "कृत्रिम बुद्धिमत्ता" (एआई) शब्द को एक कंप्यूटर पर इसके प्रमुख गुणों का पुनर्निर्माण करके मन का अध्ययन करने के विज्ञान का वर्णन किया। कोशिकाओं और ऊतकों के रूप में हमारे अपने "उपकरणों" के बजाय मानव निर्मित उपकरणों का उपयोग करके एक तर्कसंगत प्रणाली का निर्माण, पूर्ण समझ का चित्रण बनना था, और स्मार्ट उपकरणों या यहां तक ​​कि रोबोट के रूप में व्यावहारिक अनुप्रयोगों को आकर्षित करना था।

हालाँकि, मैकार्थी के कुछ सहयोगी, संबंधित विषयों से, यह अधिक रुचि रखते थे कि मनुष्य और अन्य जानवरों में मन कैसे काम करता है। नोआम चॉम्स्की और उनके सहयोगियों ने बाद में जो संज्ञानात्मक विज्ञान के रूप में जाना जाता है, उस पर काम किया - मानसिक प्रतिनिधित्व और नियमों की खोज जो हमारी संज्ञानात्मक और मानसिक क्षमताओं को कम करती है। चॉम्स्की और उनके सहयोगियों ने तत्कालीन प्रमुख व्यवहारवाद प्रतिमान को पलट दिया, जिसका नेतृत्व हार्वर्ड मनोवैज्ञानिक बी.एफ. स्किनर, जिसमें जानवरों के व्यवहार को कार्रवाई और प्रोत्साहन या सजा के रूप में इसके परिणाम के बीच संघों के एक साधारण सेट तक कम कर दिया गया था। मनोविज्ञान में स्किनर के काम की खामियां चॉम्स्की की 1959 में उनकी पुस्तक "वर्बल बिहेवियर" की आलोचनात्मक समीक्षा से ज्ञात हुई, जिसमें स्किनर ने व्यवहारिक सिद्धांतों का उपयोग करते हुए भाषाई क्षमताओं को समझाने की कोशिश की।

स्किनर के दृष्टिकोण ने उत्तेजना और जानवर की प्रतिक्रिया के बीच संघों पर जोर दिया - एक दृष्टिकोण आसानी से एक अनुभवजन्य सांख्यिकीय विश्लेषण के रूप में प्रस्तुत किया जो भविष्य को अतीत के परिणाम के रूप में भविष्यवाणी करता है। दूसरी ओर, चॉम्स्की की भाषा की अवधारणा, जीनोम में निहित आंतरिक अभ्यावेदन की जटिलता पर केंद्रित है और एक जटिल कंप्यूटिंग प्रणाली में डेटा प्राप्त करने की प्रक्रिया में उनका विकास है जो केवल संघों के एक समूह में विघटित नहीं हो सकता है। संघों का व्यवहारवादी सिद्धांत भाषाई ज्ञान की समृद्धता, इसके बारे में हमारे असीम रचनात्मक उपयोग की व्याख्या नहीं कर सका, या क्यों बच्चे जल्दी से इसे न्यूनतम और शोर डेटा से मास्टर करते हैं जो पर्यावरण उन्हें प्रदान करता है। "भाषा की क्षमता", जैसा कि चॉम्स्की ने कहा था, यह शरीर के आनुवंशिक कोष का हिस्सा था, जैसे दृश्य प्रणाली, प्रतिरक्षा प्रणाली और हृदय प्रणाली, और हमें इसका अध्ययन उसी तरह करना चाहिए जैसे हम अन्य, अधिक सांसारिक जैविक प्रणालियों का अध्ययन करते हैं।

डेविड मैर, न्यूरोसाइंस के विशेषज्ञ, चॉम्स्की के एमआईटी सहयोगी, ने अपनी प्रशंसित पुस्तक विजन में जटिल जैविक प्रणालियों (जैसे मस्तिष्क) का अध्ययन करने के लिए सामान्य दृष्टिकोण को परिभाषित किया और चॉम्स्की ने भाषा की क्षमता का विश्लेषण इस दृष्टिकोण में अधिक या कम फिट बैठता है। मार्र के अनुसार, एक जटिल जैविक प्रणाली को तीन अलग-अलग स्तरों पर समझा जा सकता है। पहला स्तर ("कम्प्यूटेशनल स्तर") सिस्टम के इनपुट और आउटपुट का वर्णन करता है, जो सिस्टम द्वारा निष्पादित कार्य को निर्धारित करता है। दृश्य प्रणाली के मामले में, इनपुट हमारे रेटिना पर अनुमानित छवि हो सकती है, और आउटपुट हमारे मस्तिष्क द्वारा छवि में वस्तुओं की पहचान हो सकती है। दूसरा स्तर ("एल्गोरिदमिक स्तर") उस प्रक्रिया का वर्णन करता है जिसके द्वारा इनपुट आउटपुट में तब्दील हो जाता है, वह है: कम्प्यूटेशनल स्तर पर वर्णित कार्य को प्राप्त करने के लिए हमारे रेटिना पर छवि को कैसे संसाधित किया जा सकता है। अंत में, तीसरे स्तर ("कार्यान्वयन स्तर") का वर्णन है कि कोशिकाओं से हमारे जैविक उपकरण एल्गोरिदमिक स्तर पर वर्णित प्रक्रिया को कैसे निष्पादित करते हैं।

चॉम्स्की और मार्र का दृष्टिकोण यह समझने में कि हमारा दिमाग किस तरह व्यवहारवाद से दूर है। सिस्टम की आंतरिक संरचना पर जोर दिया गया है, जो इसे सिस्टम के पिछले व्यवहार और पर्यावरण के बीच बाहरी सहयोग के बजाय कार्य को पूरा करने की अनुमति देता है। लक्ष्य "ब्लैक बॉक्स" को भेदना है जो सिस्टम को नियंत्रित करता है और इसकी आंतरिक संरचना का वर्णन करता है, लगभग एक प्रोग्रामर आपको एक अच्छी तरह से विकसित सॉफ्टवेयर उत्पाद के सिद्धांत को कैसे समझा सकता है, और यह भी निर्देश दे सकता है कि इसे होम कंप्यूटर पर कैसे चलाया जाए।

जैसा कि यह अब आम तौर पर स्वीकार किया जाता है, संज्ञानात्मक विज्ञान का इतिहास स्किनर के व्यवहार प्रतिमान पर चॉम्स्की के स्पष्ट दृष्टिकोण की कहानी है, एक घटना जिसे अक्सर "संज्ञानात्मक क्रांति" के रूप में संदर्भित किया जाता है, हालांकि चॉम्स्की खुद अपने नाम से इनकार करते हैं। यह संज्ञानात्मक विज्ञान और मनोविज्ञान में स्थिति को सटीक रूप से दर्शाता है, लेकिन अन्य संबंधित विज्ञानों में, व्यवहारिक सोच मरने वाली नहीं है। जानवरों के व्यवहार के व्यवहारिक प्रयोगात्मक प्रतिमानों और साहचर्य स्पष्टीकरण का उपयोग तंत्रिका विज्ञान में विशेषज्ञों द्वारा किया जाता है, जिसका लक्ष्य कृंतक जैसे प्रयोगशाला जानवरों के व्यवहार के तंत्रिका जीव विज्ञान का अध्ययन करना है, जहां मार्र द्वारा प्रस्तावित तीन-स्तरीय प्रणाली लागू नहीं है।

मई 2011 में, मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी की 150 वीं वर्षगांठ के सम्मान में, दिमाग, दिमाग और मशीनें संगोष्ठी हुई, जिस पर कंप्यूटर वैज्ञानिकों, मनोवैज्ञानिकों और तंत्रिका विज्ञान विशेषज्ञों ने चर्चा करने के लिए इकट्ठा हुए अतीत और भविष्य के कृत्रिम बुद्धिमत्ता और तंत्रिका विज्ञान के साथ इसका संबंध।

यह समझा गया कि बैठक सभी को अंतःविषय उत्साह के साथ वैज्ञानिक प्रश्न को पुनर्जीवित करने के लिए प्रेरित करेगी, जिसमें से कृत्रिम बुद्धि के पूरे क्षेत्र में वृद्धि हुई: मन कैसे काम करता है? हमारे मस्तिष्क ने हमारी संज्ञानात्मक क्षमताओं को कैसे बनाया है, और क्या इसे कभी मशीन में सन्निहित किया जा सकता है?

नोआम चॉम्स्की, एक संगोष्ठी में बोलते हुए, उत्साही नहीं थे। चॉम्स्की ने एआई के क्षेत्र की आलोचना केवल अधिक आधुनिक, कम्प्यूटेशनल रूप से व्यवहारवाद के समान दृष्टिकोण अपनाने के लिए की। चॉम्स्की ने कहा कि बड़ी मात्रा में डेटा की खोज के लिए सांख्यिकीय तकनीकों पर निर्भर होने से हमें व्याख्यात्मक अंतर्दृष्टि देने की संभावना नहीं है जो हम विज्ञान से उम्मीद करते हैं। चॉम्स्की के लिए, नए एआई - सांख्यिकीय प्रशिक्षण तकनीकों का उपयोग करके डेटा को बेहतर प्रक्रिया करने और इसके आधार पर भविष्यवाणियां करने पर ध्यान केंद्रित किया गया है - हमें बुद्धिमान प्राणियों की प्रकृति या सोच कैसे काम करती है, इसके बारे में सामान्य निष्कर्ष देने की संभावना नहीं है।

इस आलोचना ने चॉम्स्की को Google के अनुसंधान निदेशक और प्रसिद्ध AI शोधकर्ता पीटर नॉरविग की विस्तृत प्रतिक्रिया के लिए उकसाया, जिन्होंने सांख्यिकीय मॉडल के उपयोग की वकालत की और तर्क दिया कि नए AI तरीकों और प्रगति की बहुत परिभाषा क्या हो रही थी, अब तक नहीं थी। और अन्य विज्ञानों में।

चॉम्स्की ने उत्तर दिया कि एक सांख्यिकीय दृष्टिकोण उपयोगी मूल्य का हो सकता है, उदाहरण के लिए, एक उपयोगी खोज इंजन के लिए, और यह बड़ी मात्रा में डेटा को संसाधित करने में सक्षम तेज़ कंप्यूटर के साथ संभव है। लेकिन वैज्ञानिक दृष्टिकोण से, चॉम्स्की का मानना ​​है, यह दृष्टिकोण अपर्याप्त है, या, और अधिक सख्ती से, सतही। हमने कंप्यूटर को यह समझने के लिए नहीं सिखाया कि वाक्यांश "भौतिक विज्ञानी सर आइजैक न्यूटन" का क्या मतलब है, भले ही हम एक खोज इंजन का निर्माण कर सकते हैं जो उस वाक्यांश में प्रवेश करने वाले उपयोगकर्ताओं के लिए सुखद परिणाम देता है।

यह पता चलता है कि जीवविज्ञानी अधिक पारंपरिक जैविक प्रणालियों को समझने की कोशिश करते हैं। जैसे-जैसे कंप्यूटर क्रांति ने बड़ी मात्रा में डेटा के विश्लेषण का मार्ग प्रशस्त किया, जिस पर पूरी "नई AI" टिकी हुई है, आधुनिक जीव विज्ञान में अनुक्रमण की क्रांति ने जीनोमिक्स और सिस्टम बायोलॉजी के फूलों के क्षेत्र उत्पन्न किए हैं। उच्च-थ्रूपुट अनुक्रमण - एक तकनीक जिससे लाखों डीएनए अणुओं को जल्दी और सस्ते में पढ़ा जा सकता है - ने जीनोम अनुक्रमण को एक महंगी 10-वर्षीय सुविधा से प्रयोगशाला-सुलभ दिनचर्या में बदल दिया है। व्यक्तिगत रूप से अलग-थलग जीनों का अध्ययन करने के बजाय, अब हम कोशिकाओं में अभिनय करने वाले जीन की एक प्रणाली के व्यवहार का निरीक्षण कर सकते हैं, सैकड़ों, हजारों विभिन्न स्थितियों में।

अनुक्रमण क्रांति अभी शुरू हुई है, और डेटा की एक बड़ी मात्रा पहले ही प्राप्त हो चुकी है, जो एक नई चिकित्सा और मानव रोगों के निदान के लिए एक हलचल और नए आशाजनक संभावनाएं लेकर आई है। उदाहरण के लिए, जब एक पारंपरिक दवा लोगों के एक निश्चित समूह की मदद नहीं करती है, तो इसका जवाब रोगियों के जीनोम में हो सकता है, और कुछ ख़ासियत हो सकती है जो दवा को काम करने से रोकती है। जब ऐसे रोगियों में प्रासंगिक जीनोम की विशेषताओं की तुलना करने के लिए पर्याप्त डेटा एकत्र किया गया है, और नियंत्रण समूहों को सही ढंग से चुना गया है, तो नई अनुकूलित दवाएं दिखाई दे सकती हैं, जिससे हमें "व्यक्तिगत दवा" जैसी चीज मिल सकती है। यह समझा जाता है कि यदि पर्याप्त रूप से विकसित सांख्यिकीय उपकरण और पर्याप्त रूप से बड़े डेटा सेट हैं, तो बड़े और छोटे अध्ययन किए गए जैविक प्रणालियों द्वारा बनाए गए शोर से दिलचस्प संकेत खींचे जा सकते हैं।

व्यक्तिगत चिकित्सा के रूप में इस तरह की घटनाओं की सफलता, और अनुक्रमण क्रांति और सिस्टम-जैविक दृष्टिकोण के अन्य परिणाम, चॉम्स्की को "कच्चे डेटा का एक द्रव्यमान" के साथ काम करने की हमारी क्षमता पर आधारित है - और यह जीव विज्ञान को चर्चा के केंद्र में रखता है, जैसे एक। मनोविज्ञान और कृत्रिम बुद्धि 1960 के दशक से।

सिस्टम बायोलॉजी भी संदेह के साथ मिले। महान आनुवंशिकीविद् और नोबेल पुरस्कार विजेता सिडनी ब्रेनर ने एक बार इसे इस तरह परिभाषित किया था: "कम इनपुट, उच्च थ्रूपुट, कोई आउटपुट विज्ञान नहीं" (एक स्वतंत्र अनुवाद में: "कुछ भी नहीं है, और परिणामों के आधार पर कोई विज्ञान नहीं है")। चॉम्स्की का समकालीन ब्रेनर, जिसने उस एआई संगोष्ठी में भी भाग लिया था, मस्तिष्क को समझने के लिए नए प्रणालीगत दृष्टिकोण के बारे में एक ही बात पर संदेह था। ब्रेन सर्किट को मैप करने के लिए एक लोकप्रिय प्रणालीगत दृष्टिकोण का वर्णन करते हुए, कनेक्टोमिक्स, जो मस्तिष्क में सभी न्यूरॉन्स के कनेक्शन का वर्णन करने का प्रयास करता है (अर्थात, यह कुछ तंत्रिका कोशिकाओं को दूसरों से कैसे जुड़ा हुआ है इसका आरेख देता है), ब्रेनर इसे "पागलपन का रूप" कहते हैं।

सिस्टम बायोलॉजी पर ब्रेनर का मजाकिया हमला और तंत्रिका विज्ञान में संबंधित दृष्टिकोण एम्स के चॉम्स्की की आलोचना से दूर नहीं हैं। उपस्थिति के विपरीत, सिस्टम बायोलॉजी और आर्टिफिशियल इंटेलिजेंस का सामना रिवर्स इंजीनियरिंग के एक ही मौलिक कार्य के साथ किया जाता है जो एक अत्यधिक जटिल प्रणाली है, जिसकी आंतरिक संरचना, अधिकांश भाग के लिए एक रहस्य है। हां, विकसित प्रौद्योगिकियां प्रणाली से संबंधित डेटा का एक बड़ा निकाय प्रदान करती हैं, जिनमें से केवल एक हिस्सा प्रासंगिक हो सकता है। क्या हमें सिग्नल से शोर को अलग करने के लिए शक्तिशाली कम्प्यूटेशनल क्षमताओं और सांख्यिकीय दृष्टिकोणों पर भरोसा करना चाहिए, या हमें सिस्टम को रेखांकित करने और इसके सार को समझाने के लिए और अधिक बुनियादी सिद्धांतों की तलाश करने की आवश्यकता है? अधिक डेटा एकत्र करने की इच्छा अजेय है, हालांकि यह हमेशा स्पष्ट नहीं है कि यह डेटा किस सिद्धांत में फिट हो सकता है। ये चर्चाएँ विज्ञान के दर्शन के सदियों पुराने सवाल को उठाती हैं: क्या वैज्ञानिक सिद्धांत या स्पष्टीकरण संतोषजनक है? विज्ञान में सफलता कैसे निर्धारित होती है?

फ्रेंक गेहरी के एमआईटी आर्किटेक्चर सेंटर के चक्करदार इमारत के एक गुप्त कोने में छिपकर, हम एक अप्रभावी चैट रूम में दोपहर की दोपहर नोम चॉम्स्की के साथ बैठे थे। मैं कृत्रिम बुद्धिमत्ता के चॉम्स्की की आलोचना को बेहतर ढंग से समझना चाहता था, और वह क्यों मानता है, यह गलत दिशा में बढ़ रहा है। मैं इस आलोचना के अनुप्रयोग का अध्ययन अन्य वैज्ञानिक क्षेत्रों, जैसे तंत्रिका विज्ञान और सिस्टम बायोलॉजी, पर करना चाहता था, जो सभी रिवर्स इंजीनियरिंग जटिल प्रणालियों के कार्य के साथ काम करते हैं - और जहां वैज्ञानिक अक्सर डेटा के असीम रूप से विस्तार के बीच खुद को पाते हैं। साक्षात्कार के लिए प्रेरणा का हिस्सा यह था कि चॉम्स्की अब शायद ही कभी विज्ञान के बारे में पूछा जाता है। पत्रकारों को संयुक्त राज्य अमेरिका, मध्य पूर्व, ओबामा प्रशासन और अन्य सामान्य विषयों की विदेश नीति पर उनकी राय में बहुत रुचि है। एक और कारण यह था कि चॉम्स्की उस दुर्लभ और विशेष प्रकार के बुद्धिजीवियों से संबंधित है जो तेजी से मर रहा है। यशायाह बर्लिन द्वारा प्रसिद्ध निबंध के प्रकाशन के बाद से, लीसा-हेजहोग सातत्य पर विभिन्न विचारकों और वैज्ञानिकों को जगह देने के लिए अकादमिक समुदाय में यह एक पसंदीदा शगल बन गया है: हेजहोग सावधानीपूर्वक और विशिष्ट है, जिसका उद्देश्य स्पष्ट रूप से परिभाषित ढांचे में निरंतर प्रगति करना है, लिसा के खिलाफ, तेजी से, विचारों द्वारा संचालित। एक विचारक, जो प्रश्न से प्रश्न की ओर कूदता है, विषय क्षेत्र के दायरे को अनदेखा करता है और जहां लागू होता है वहां अपने कौशल को लागू करता है। चॉम्स्की विशेष है क्योंकि वह इस अंतर को एक पुराने और अनावश्यक क्लिच में बदल देता है। चॉम्स्की में, लचीलापन या कवरेज की चौड़ाई के बजाय गहराई नहीं जाती है, हालांकि, अधिकांश भाग के लिए, उन्होंने भाषाविज्ञान और संज्ञानात्मक विज्ञानों में कुछ विषयों के अध्ययन के लिए अपने पूरे प्रारंभिक वैज्ञानिक कैरियर को समर्पित किया। चॉम्स्की के काम का कंप्यूटर विज्ञान और दर्शन सहित अपने स्वयं के अलावा कई क्षेत्रों पर भारी प्रभाव पड़ा, और वह इन विचारों के प्रभाव की चर्चा और आलोचना करने से कतराते नहीं हैं, जो उन्हें मानव साक्षात्कार के लिए विशेष रूप से दिलचस्प बनाता है।

मैं एक बहुत ही सरल प्रश्न के साथ शुरुआत करना चाहता हूं। कृत्रिम बुद्धिमत्ता की भोर में, लोग इस क्षेत्र में प्रगति के बारे में आशावादी थे, लेकिन यह अलग तरीके से निकला। कार्य इतना कठिन क्यों है? यदि आप न्यूरोसाइंस के क्षेत्र में विशेषज्ञों से पूछते हैं कि मस्तिष्क को समझना इतना मुश्किल क्यों है, तो वे आपको बौद्धिक रूप से पूरी तरह से असंतोषजनक जवाब देंगे: मस्तिष्क में अरबों कोशिकाएं हैं, और हम उन सभी को नहीं पढ़ सकते हैं, और इसी तरह।

चोम्स्की: वहाँ यह करने के लिए कुछ है। यदि आप विज्ञान के विकास को देखते हैं, तो सभी विज्ञान एक निरंतरता की तरह हैं, लेकिन वे अलग-अलग क्षेत्रों में विभाजित हैं। विज्ञान द्वारा सबसे बड़ी प्रगति हासिल की जाती है, जो सरलतम प्रणालियों का अध्ययन करती है। उदाहरण के लिए, भौतिकी को लें, तो इसमें बहुत प्रगति हुई है। लेकिन एक कारण यह है कि भौतिकविदों का एक फायदा है जो किसी अन्य विज्ञान में नहीं पाया जाता है। अगर कुछ बहुत जटिल हो जाता है, तो वे इसे किसी और को दे देते हैं।

उदाहरण के लिए, केमिस्ट?

चॉम्स्की: यदि अणु बहुत बड़ा है, तो आप इसे रसायनज्ञों को देते हैं। केमिस्ट, यदि उनके लिए अणु बहुत बड़ा है या सिस्टम बहुत बड़ा हो गया है, तो इसे जीवविज्ञानी दें। और अगर यह उनके लिए बहुत बड़ा है, तो वे इसे मनोवैज्ञानिकों को देते हैं, और अंत में यह साहित्यिक आलोचकों के हाथों में है, और इसी तरह। तो यह सब कुछ नहीं है जो तंत्रिका विज्ञान में कहा गया है पूरी तरह से गलत है।

लेकिन हो सकता है - और मेरे दृष्टिकोण से यह बहुत संभावना है, हालांकि तंत्रिका विज्ञान के क्षेत्र में विशेषज्ञ इस तरह से पसंद नहीं करते हैं - कि तंत्रिका विज्ञान सौ वर्षों के अंतिम जोड़े के लिए गलत रास्ते पर है। एडम किंग ( "मेमोरी एंड द कॉम्पटेशनल ब्रेन: व्हाई कॉग्निटिव साइंस ट्रांसफॉर्म द न्यूरोसाइंस" - लगभग। ट्रांसलॉग ), जिसमें वह दावा करता है - मेरे विचार में विश्वसनीय है, उस न्यूरोसाइंस के साथ-साथ बहुत अच्छे न्यूरोसाइंटिकल संज्ञानात्मक वैज्ञानिक रैंडी गैलिस्टेल की एक नई किताब है । लोगों और जानवरों की व्यवस्था कैसे की जाती है, इसके बारे में संघवाद और संबंधित विचारों से दूर किया जा रहा है। नतीजतन, उन्होंने साहचर्य मनोविज्ञान के गुणों के साथ घटना की खोज की।

हॉब की नमनीयता कैसी है? [सिद्धांत ने डोनाल्ड हेब को जिम्मेदार ठहराया: एक पर्यावरणीय उत्तेजना और उत्तेजना के जवाब के बीच संघों को न्यूरॉन्स के बीच synaptic कनेक्शन को बढ़ाकर एन्कोड किया जा सकता है - लगभग। एड।]

चॉम्स्की: हाँ, सिनैप्टिक कनेक्शन की मजबूती के रूप में। गैलिस्टेल ने यह समझाते हुए वर्ष बिताए: यदि आप मस्तिष्क का सही अध्ययन करना चाहते हैं, तो आपको मार्र की तरह पहले यह पूछना चाहिए कि वह कौन से कार्य करता है। इसलिए, वह मुख्य रूप से कीड़ों में रुचि रखते हैं। इसलिए, यदि आप अध्ययन करना चाहते हैं, तो कहें, एक चींटी का न्यूरोलॉजी, आप पूछते हैं कि चींटी क्या करती है? यह पता चला है कि चींटियां काफी जटिल चीजें करती हैं, उदाहरण के लिए, एक पथ का निर्माण। मधुमक्खियों को देखें: उनके नेविगेशन को सूर्य की स्थिति सहित काफी जटिल गणनाओं की आवश्यकता होती है, और इसी तरह। लेकिन सामान्य तौर पर, वह क्या तर्क देता है: यदि आप किसी जानवर या किसी व्यक्ति की संज्ञानात्मक क्षमता लेते हैं, तो ये कंप्यूटर सिस्टम हैं। इसलिए आपको कम्प्यूटेशनल परमाणु इकाइयों को देखने की जरूरत है। ट्यूरिंग मशीन लें, यह गणना का सबसे सरल रूप है, आपको उन परमाणुओं को खोजने की आवश्यकता है जिनमें "रीड", "राइट" और "एड्रेस" के गुण हैं। ये न्यूनतम कम्प्यूटेशनल इकाइयां हैं, इसलिए आपको मस्तिष्क में उनकी तलाश करने की आवश्यकता है। यदि आप बढ़े हुए सिनैप्टिक कनेक्शन या फ़ील्ड गुणों की तलाश करते हैं, तो आप उन्हें कभी नहीं पाएंगे। आपको इसके साथ शुरू करने की आवश्यकता है: देखें कि पहले से ही क्या है और क्या काम करता है, और आप इसे मर्रा पदानुक्रम में उच्चतम स्तर से देख सकते हैं।

यह सही है, लेकिन अधिकांश न्यूरोसाइंटिस्ट बैठते नहीं हैं और वे जिस घटना का अध्ययन कर रहे हैं उसके इनपुट और निष्कर्ष का वर्णन नहीं करते हैं। इसके बजाय, वे माउस को एक प्रयोगशाला शिक्षण कार्य में रखते हैं, और यथासंभव कई न्यूरॉन्स रिकॉर्ड करते हैं, या यह पता लगाते हैं कि क्या जीन एक्स को कार्य सीखने के लिए आवश्यक है, और इसी तरह। इस तरह के कथन उनके प्रयोगों से मिलते हैं।

चॉम्स्की: यह ऐसा है ...

क्या इसमें कोई वैचारिक त्रुटि है?

चोम्स्की: ठीक है, आप उपयोगी जानकारी प्राप्त कर सकते हैं। लेकिन अगर वास्तव में परमाणु इकाइयों से जुड़े किसी प्रकार की गणना है, तो आप उन्हें इस तरह से नहीं पाएंगे। यह एक और चिराग के नीचे खोई हुई कुंजियों की खोज करने के बारे में है, सिर्फ इसलिए कि यह वहां हल्का है (एक जाने-माने जॅक्स - लगभग अनुवाद के लिए एक संदर्भ। )। यह एक बहस का मुद्दा है ... मुझे नहीं लगता कि गैलिस्टेल की स्थिति को न्यूरोबायोलॉजिस्टों द्वारा व्यापक रूप से स्वीकार किया गया था, लेकिन यह एक प्रशंसनीय स्थिति है, और यह मार्र के विश्लेषण की भावना में बनाया गया था।इसलिए जब आप दृष्टि का अध्ययन करते हैं, तो वह कहता है, आप पहले पूछें कि सिस्टम किस तरह के कंप्यूटिंग कार्यों को हल करता है। फिर आप एक एल्गोरिथ्म की तलाश करते हैं जो इन गणनाओं को कर सके, और अंत में आप उन तंत्रों की तलाश करें जो एल्गोरिदम को काम करने की अनुमति देते हैं। अन्यथा, आपको कभी कुछ नहीं मिल सकता है। इसके कई उदाहरण हैं, यहां तक ​​कि सटीक विज्ञानों में, और सबसे निश्चित रूप से मानविकी में। लोग सीखने की कोशिश करते हैं कि वे क्या जानते हैं कि कैसे अध्ययन करना है - मेरा मतलब है, यह उचित लगता है। आपके पास कुछ प्रयोगात्मक तकनीकें हैं, आपके पास एक निश्चित स्तर की समझ है, आप संभव की सीमाओं को आगे बढ़ाने की कोशिश कर रहे हैं - और यह अच्छा है, मैं आलोचना नहीं करता, लोग वही करते हैं जो वे कर सकते हैं। दूसरी ओर, यह जानना अच्छा होगा कि आप सही दिशा में आगे बढ़ रहे हैं। और यह हो सकता है कि अगर हम आधार के रूप में मार्रा-गैलिस्टेल के दृष्टिकोण को लेते हैं,जिस पर मुझे व्यक्तिगत रूप से सहानुभूति है, आप अलग तरह से काम करेंगे, एक अलग तरह के प्रयोगों की तलाश करेंगे।

इसलिए, मुझे लगता है, मार्र का मुख्य विचार यह है, जैसा कि आपने कहा, समस्या का वर्णन करने के लिए उपयुक्त परमाणु इकाइयाँ खोजें, दूसरे शब्दों में, एक उपयुक्त "अमूर्त स्तर", अगर मैं ऐसा कह सकता हूं। और अगर हम कनेक्टिकॉम नामक तंत्रिका विज्ञान के एक नए क्षेत्र का एक ठोस उदाहरण लेते हैं, जहां लक्ष्य बहुत जटिल जीवों के कनेक्शन का आरेख ढूंढना है, तो मानव या माउस मस्तिष्क के प्रांतस्था में सभी न्यूरॉन्स के कनेक्शन का पता लगाना है। इस दृष्टिकोण की सिडनी ब्रेनर ने आलोचना की है, जो इसके लेखकों में से एक है। इस क्षेत्र के वकील बंद नहीं करते हैं और यह नहीं पूछते हैं कि क्या कनेक्शन आरेख उपयुक्त स्तर का अमूर्त है - शायद यह नहीं है। इस पर आपकी क्या राय है?

चोमस्की: बहुत सरल प्रश्न हैं। उदाहरण के लिए, एमआईटी में, एक अंतःविषय नेमाटोड कार्यक्रम था (राउंडवॉर्म - लगभग। ट्रांस। ) सी। कई दशकों तक एलिगेंस, और, जैसा कि मैं इसे समझता हूं, यहां तक ​​कि इस छोटे से प्राणी के साथ कि आप पूरे कनेक्शन आरेख को जानते हैं, 800 न्यूरॉन्स या तो हैं ...

मुझे लगता है कि 300 ..

चॉम्स्की: ... वैसे भी, आप नहीं करते हैं आप अनुमान लगा सकते हैं कि यह [सी। नेमाटोड सी। एलिगेंस] क्या करने जा रहा है। शायद तुम वहाँ नहीं देख रहे हो।



मैं एआई में विभिन्न पद्धतियों के विषय पर आगे बढ़ना चाहूंगा। इसलिए, "गुड ओल्ड आर्टिफिशियल इंटेलिजेंस" (GOFAI), जैसा कि अब कहा जाता है, गोटलोब फ्रीज और बर्ट्रेंड रसेल की परंपरा में सख्त औपचारिकताओं पर आधारित था।, गणितीय तर्क पर, उदाहरण के लिए, या इसकी शाखाएँ, जैसे कि नोनमोनोटोनिक तर्क, और इसी तरह। विज्ञान के इतिहास के दृष्टिकोण से, यह दिलचस्प है कि इन दृष्टिकोणों को लगभग पूरी तरह से मुख्यधारा से बाहर रखा गया था और बदल दिया गया था - उस क्षेत्र में जिसे अब AI कहते हैं - संभावना और सांख्यिकीय मॉडल के साथ। मेरा प्रश्न है: इस पारी को कैसे समझाया जा सकता है, और क्या यह सही दिशा में एक कदम है?

चोम्स्की: मैंने एक साल पहले इस बारे में पैट विंस्टन की रिपोर्ट सुनी। उनका एक शोध था: एआई और रोबोटिक्स उस चरण में पहुंचे जहां आप वास्तव में उपयोगी चीजें कर सकते हैं, इसलिए व्यावहारिक अनुप्रयोगों पर ध्यान दिया गया, और इसलिए अधिक मौलिक वैज्ञानिक सवालों को अलग रखा गया, बस इसलिए कि हर कोई प्रौद्योगिकी की सफलता से कब्जा कर लिया गया था और कुछ लक्ष्यों की उपलब्धि।

यानी सब कुछ इंजीनियरिंग में चला गया ...।

चोम्स्की: हाँ, यह है ... और यह काफी समझ में आता है, लेकिन, निश्चित रूप से, यह लोगों को शुरुआती सवालों से दूर ले जाता है। मुझे अपने आप को स्वीकार करना चाहिए कि मैं इन मूल कार्यों के बारे में बहुत उलझन में था ( संभाव्यता के नए प्रतिमान में - लगभग अनुवाद। )। मुझे ऐसा लग रहा था कि सब कुछ बहुत आशावादी था, यह मान लिया गया था कि आप उन परिणामों को प्राप्त करने में सक्षम होंगे जिनके लिए बमुश्किल अध्ययन प्रणालियों की वास्तविक समझ की आवश्यकता होती है, और आप बस एक जटिल मशीन को फेंककर उनकी समझ में नहीं आ सकते हैं। यदि आप ऐसा करने की कोशिश करते हैं, तो आप आत्म-सुदृढ़ीकरण की सफलता की अवधारणा पर आते हैं, क्योंकि आपको परिणाम मिलता है, लेकिन यह बहुत अलग है कि यह विज्ञान में कैसे किया जाता है।

उदाहरण के लिए, सीमित मामले को लीजिए, मान लीजिए कि कोई भौतिकी के संकाय को खत्म करना चाहता है, और यह सही है। और "सही" बाहरी दुनिया में क्या हो रहा है, इसके बारे में बहुत सारे वीडियो लेना है और उन्हें सबसे बड़े और सबसे तेज़ कंप्यूटर, डेटा के गीगाबाइट्स को खिलाना है, और एक व्यापक सांख्यिकीय विश्लेषण करना है - ठीक है, आप जानते हैं, बायेसियन तरीके, आगे और पीछे। (संभाव्यता सिद्धांत के आधार पर डेटा विश्लेषण के लिए एक आधुनिक दृष्टिकोण - एड।)- और आप अगले सेकंड में अपनी खिड़की के बाहर क्या होगा के बारे में एक भविष्यवाणी की तरह कुछ मिल जाएगा। वास्तव में, आपको बहुत बेहतर गुणवत्ता की भविष्यवाणी मिलेगी जो भौतिकी विभाग आपको दे सकता है। ठीक है, अगर सफलता अराजक कच्चे डेटा के एक द्रव्यमान पर निकटतम सन्निकटन प्राप्त करके निर्धारित की जाती है, तो, निश्चित रूप से, यह भौतिकविदों की तुलना में एक बेहतर तरीका है जो आमतौर पर काम करता है - ठीक है, आप जानते हैं, बिल्कुल सपाट सतह और इतने पर कोई और अधिक सोचा प्रयोग नहीं। । लेकिन आपको यह समझने का स्तर नहीं मिलेगा कि हमेशा विज्ञान का लक्ष्य रहा है - आपको केवल एक अनुमान मिलेगा कि क्या हो रहा है।

और यह हर जगह किया जाता है। मान लीजिए आप कल के लिए मौसम की भविष्यवाणी करना चाहते हैं। एक तरीका: ठीक है, मेरे पास सांख्यिकीय प्राथमिकताएं हैं, उदाहरण के लिए: एक उच्च संभावना है कि कल मौसम वैसा ही होगा जैसा कल क्लीवलैंड में था, और मैं इसका उपयोग करता हूं, और सूर्य की स्थिति का कुछ और प्रभाव होगा, और मैं इसका उपयोग भी करता हूं, इसलिए , आपने कई ऐसी धारणाएँ बनाईं, आप एक प्रयोग करते हैं, आप बार-बार परिणामों को देखते हैं, आप बायेसियन विधियों के साथ सही करते हैं, आपको सबसे अच्छी प्राथमिकताएँ मिलती हैं। कल जैसा मौसम होगा वैसा ही आपको बहुत अच्छा अंदाजा होगा। लेकिन यह नहीं है कि मौसम विज्ञानी क्या करते हैं - वे सिर्फ यह समझना चाहते हैं कि यह कैसे काम करता है। और ये सिर्फ दो अलग-अलग अवधारणाएं हैं कि सफलता क्या है, उपलब्धि क्या है। मेरे विज्ञान में, भाषा का विज्ञान, यह हर समय है। कम्प्यूटेशनल संज्ञानात्मक विज्ञान में,भाषा पर लागू, सफलता की अवधारणा बस यही है। यही है, आपको अधिक से अधिक डेटा, बेहतर आंकड़े मिलते हैं, आपको पाठ के कुछ विशाल शरीर के लिए अधिक से अधिक सटीक अनुमान मिलते हैं, उदाहरण के लिए, वॉल स्ट्रीट जर्नल के सभी अभिलेखागार - लेकिन आप भाषा के बारे में कुछ भी नहीं सीखते हैं।

एक पूरी तरह से अलग दृष्टिकोण, जो मुझे लगता है कि सही है, यह देखने की कोशिश करें कि क्या आप समझ सकते हैं कि मूल सिद्धांत क्या हैं और प्रमुख गुणों के साथ उनके संबंध हैं, और देखें कि वास्तविक जीवन में, हजारों विभिन्न चर आपके साथ हस्तक्षेप करेंगे - जैसे कि अभी क्या हो रहा है खिड़की - और आप बाद में उनसे निपटेंगे यदि आप अधिक सटीक अनुमान चाहते हैं। ये विज्ञान की सिर्फ दो अलग-अलग अवधारणाएँ हैं। दूसरा यह है कि गैलीलियो के बाद से विज्ञान क्या है, यह आधुनिक विज्ञान है। कच्चे आंकड़ों का अनुमान एक नए दृष्टिकोण की तरह है, लेकिन वास्तव में, अतीत में ऐसी ही चीजें मौजूद थीं। यह एक नया दृष्टिकोण है, जो बड़ी मात्रा में स्मृति के अस्तित्व से तेज होता है, बहुत तेज प्रसंस्करण, जो आपको उन चीजों को करने की अनुमति देता है जो आप मैन्युअल रूप से पहले नहीं कर सकते थे। लेकिन मुझे लगता हैयह व्यावहारिक व्यावहारिकता की दिशा में कम्प्यूटेशनल संज्ञानात्मक विज्ञान जैसे क्षेत्रों का नेतृत्व करता है ...

… ?

:... लेकिन यह समझ से दूर होता है। हां, शायद प्रभावी इंजीनियरिंग भी। और यह, वैसे, दिलचस्प है कि इंजीनियरिंग का क्या हुआ। जब मैं 1950 के दशक में MIT गया, तो यह एक इंजीनियरिंग विश्वविद्यालय था। गणित और भौतिकी के बहुत अच्छे संकाय थे, लेकिन वे सेवा संकाय थे। उन्होंने इंजीनियरों को हर तरह के गुर सिखाए, जिनका वे इस्तेमाल कर सकते थे। इलेक्ट्रॉनिक इंजीनियरिंग संकाय में, आपने अध्ययन किया कि सर्किट को कैसे इकट्ठा किया जाए। लेकिन 1960 से आज तक, सब कुछ पूरी तरह से अलग है। इससे कोई फर्क नहीं पड़ता कि आपकी इंजीनियरिंग विशेषता क्या है - आप सभी एक ही बुनियादी विज्ञान और गणित का अध्ययन करते हैं। और फिर, शायद आप इसे लागू करने के तरीके के बारे में थोड़ा सीखते हैं। लेकिन यह पूरी तरह से अलग तरीका है। यह संभव हो गया, इस तथ्य के लिए धन्यवाद कि मानव जाति के इतिहास में पहली बार भौतिक विज्ञान जैसे बुनियादी विज्ञान, वास्तव में इंजीनियरों की मदद कर सकते थे। इसके अलावा,प्रौद्योगिकियां बहुत तेज़ी से बदलने लगीं, इसलिए आज की तकनीकों का अध्ययन करना बहुत कम समझ में आता है यदि वे 10 वर्षों में वैसे भी बदल जाते हैं। इसलिए, आप मौलिक विज्ञान का अध्ययन कर रहे हैं, जो लागू होगा, चाहे जो भी हो। और चिकित्सा में भी यही बात हुई। इसलिए, पिछली शताब्दी में, फिर से, पहली बार, जीव विज्ञान के पास व्यावहारिक चिकित्सा में कुछ कहने के लिए था, और इसलिए यदि आपको डॉक्टर बनना चाहते थे, तो आपको जीव विज्ञान को जानना होगा, और तकनीक बदल गई। मुझे लगता है कि यह कला जैसी किसी चीज़ से एक संक्रमण है जिसे आप लागू करना सीख रहे हैं - एक सादृश्य डेटा की तुलना होगी जिसे आप नहीं समझते हैं, कुछ विशेष तरीके से, और शायद कुछ काम करने का निर्माण भी - विज्ञान के लिए संक्रमण, जो नए समय में दिखाई दिया मोटे तौर पर, गैलीलियो का विज्ञान।अगर 10 साल बाद भी वे बदल जाते हैं। इसलिए, आप मौलिक विज्ञान का अध्ययन कर रहे हैं, जो लागू होगा, चाहे जो भी हो। और चिकित्सा में भी यही बात हुई। इसलिए, पिछली शताब्दी में, पहली बार, जीवविज्ञान के पास व्यावहारिक चिकित्सा में कहने के लिए कुछ था, और इसलिए यदि आपको डॉक्टर बनना चाहते थे, तो आपको जीव विज्ञान को जानना होगा, और तकनीक बदल गई। मुझे लगता है कि यह कला जैसी किसी चीज़ से एक संक्रमण है जिसे आप लागू करना सीख रहे हैं - एक सादृश्य डेटा की तुलना होगी जिसे आप नहीं समझते हैं, कुछ विशेष तरीके से, और शायद कुछ काम करने का निर्माण भी - विज्ञान के लिए संक्रमण, जो नए समय में दिखाई दिया मोटे तौर पर, गैलीलियो का विज्ञान।अगर 10 साल बाद भी वे बदल जाते हैं। इसलिए, आप मौलिक विज्ञान का अध्ययन कर रहे हैं, जो लागू होगा, चाहे जो भी हो। और चिकित्सा में भी यही बात हुई। इसलिए, पिछली शताब्दी में, फिर से, पहली बार, जीव विज्ञान के पास व्यावहारिक चिकित्सा में कुछ कहने के लिए था, और इसलिए यदि आपको डॉक्टर बनना चाहते थे, तो आपको जीव विज्ञान को जानना होगा, और तकनीक बदल गई। मुझे लगता है कि यह कला जैसी किसी चीज़ से एक संक्रमण है जिसे आप लागू करना सीख रहे हैं - एक सादृश्य डेटा की तुलना होगी जिसे आप नहीं समझते हैं, कुछ विशेष तरीके से, और शायद कुछ काम करने का निर्माण भी - विज्ञान के लिए संक्रमण, जो नए समय में दिखाई दिया मोटे तौर पर, गैलीलियो का विज्ञान।और चिकित्सा में भी यही बात हुई। इसलिए, पिछली शताब्दी में, पहली बार, जीवविज्ञान के पास व्यावहारिक चिकित्सा में कहने के लिए कुछ था, और इसलिए यदि आपको डॉक्टर बनना चाहते थे, तो आपको जीव विज्ञान को जानना होगा, और तकनीक बदल गई। मुझे लगता है कि यह कला जैसी किसी चीज़ से एक संक्रमण है जिसे आप लागू करना सीख रहे हैं - एक सादृश्य डेटा की तुलना होगी जिसे आप नहीं समझते हैं, कुछ विशेष तरीके से, और शायद कुछ काम करने का निर्माण भी - विज्ञान के लिए संक्रमण, जो नए समय में दिखाई दिया मोटे तौर पर, गैलीलियो का विज्ञान।और चिकित्सा में भी यही बात हुई। इसलिए, पिछली शताब्दी में, पहली बार, जीवविज्ञान के पास व्यावहारिक चिकित्सा में कहने के लिए कुछ था, और इसलिए यदि आपको डॉक्टर बनना चाहते थे, तो आपको जीव विज्ञान को जानना होगा, और तकनीक बदल गई। मुझे लगता है कि यह कला जैसी किसी चीज़ से एक संक्रमण है जिसे आप लागू करना सीख रहे हैं - एक सादृश्य डेटा की तुलना होगी जिसे आप नहीं समझते हैं, कुछ विशेष तरीके से, और शायद कुछ काम करने का निर्माण भी - विज्ञान के लिए संक्रमण, जो नए समय में दिखाई दिया मोटे तौर पर, गैलीलियो का विज्ञान।जिसे आप लागू करना सीखते हैं - सादृश्य डेटा की तुलना होगी जो आपको समझ में नहीं आता है, कुछ विशेष तरीके से, और शायद कुछ काम का निर्माण भी - विज्ञान के लिए संक्रमण, जो आधुनिक समय में प्रकट हुआ, मोटे तौर पर गैलीलियो का विज्ञान।जिसे आप लागू करना सीखते हैं - सादृश्य डेटा की तुलना होगी जो आपको समझ में नहीं आता है, कुछ विशेष तरीके से, और शायद कुछ काम का निर्माण भी - विज्ञान के लिए संक्रमण, जो आधुनिक समय में प्रकट हुआ, मोटे तौर पर गैलीलियो का विज्ञान।

मैं देखता हूं। भाषा और अनुभूति के मॉडल में बायेसियन सांख्यिकी के विषय पर लौटना। आपकी भागीदारी के साथ एक प्रसिद्ध विवाद था, आपने तर्क दिया कि प्रस्ताव की संभावना के बारे में बात करना अपने आप में अनुचित था ...

चोम्स्की: ... ठीक है, आप चाहें तो एक नंबर प्राप्त कर सकते हैं, लेकिन इसका कोई मतलब नहीं है।

इसका कोई मतलब नहीं है। लेकिन ऐसा लगता है कि संभाव्य विधि को एकजुट करने का लगभग एक तुच्छ तरीका है यदि हम यह मानते हैं कि नियमों और अन्य प्रतीकात्मक संरचनाओं से मिलकर बहुत समृद्ध आंतरिक मानसिक प्रतिनिधित्व हैं, और संभाव्यता सिद्धांत का लक्ष्य बस इन आंतरिक के साथ हमारी दुनिया के शोर, खंडित डेटा को जोड़ना है। प्रतीकात्मक संरचनाएं। और आपको कुछ भी कहने की आवश्यकता नहीं है कि ये संरचनाएं कैसे दिखाई देती हैं - वे शुरू में मौजूद हो सकती हैं, या कुछ मापदंडों को वहां समायोजित किया जाता है - यह आपकी अवधारणा पर निर्भर करता है। लेकिन संभावना सिद्धांत शोर डेटा और बहुत समृद्ध मानसिक अभ्यावेदन के बीच गोंद की तरह काम करता है।

चॉम्स्की: संभावना सिद्धांत, आंकड़ों के साथ कुछ भी गलत नहीं है।

लेकिन क्या उसकी कोई भूमिका है?

चोमस्की:यदि आप इसका उपयोग कर सकते हैं, तो ठीक है। लेकिन सवाल यह है कि आप इसका इस्तेमाल क्यों कर रहे हैं? सबसे पहले, सबसे पहला सवाल, क्या शोर डेटा को समझने में कोई समझदारी है? क्या यह समझ में आता है कि खिड़की के बाहर, बाहर क्या हो रहा है?

लेकिन हम इन आंकड़ों के साथ बमबारी कर रहे हैं। यह Marr के उदाहरणों में से एक है: हम लगातार शोर डेटा का सामना करते हैं, हमारे रेटिना से शुरू होकर ...

चोम्स्की:ऐसा है। लेकिन यहाँ वह कहता है: चलो खुद से पूछें कि जैविक प्रणाली कैसे शोर से महत्वपूर्ण का चयन करती है। रेटिना आने वाले शोर की नकल करने का प्रयास नहीं करता है। वह कहती है: मैं अब छवि में यह, और यह देखूंगा। यह एक भाषा सीखने जैसा है। एक नवजात शिशु कई तरह के शोर से घिरा हुआ है, जैसा कि विलियम जेम्स ने कहा, "खिलने और गुलजार होने के कारण"। यदि बंदर, बिल्ली का बच्चा, पक्षी, कोई भी, यह शोर सुनता है, तो यह बात है। हालांकि, बच्चा किसी भी तरह, तुरंत, रिफ्लेक्सली, शोर से एक अलग भाग का चयन करता है जो भाषा के साथ जुड़ा हुआ है। यह पहला कदम है।वह इसे कैसे करता है? सांख्यिकीय विश्लेषण की मदद से नहीं, क्योंकि बंदर असभ्य रूप में भी एक ही संभावित विश्लेषण कर सकते हैं। वह एक विशिष्ट चीज की तलाश में है। तो, मनोचिकित्सक, न्यूरोलॉजिस्ट और अन्य लोग कंप्यूटिंग सिस्टम और न्यूरोपैजिकोलॉजी के विशिष्ट विवरणों की खोज करने की कोशिश कर रहे हैं, जो किसी तरह पर्यावरण के विशिष्ट पहलुओं से संबंधित हैं। तो, यह पता चला है कि वास्तव में तंत्रिका सर्किट हैं जो कुछ प्रकार के लय का जवाब देते हैं, जो भाषा में खुद को प्रकट करता है - जैसे शब्दांश की लंबाई और इतने पर। और कुछ सबूत हैं कि एक बच्चे के मस्तिष्क की तलाश में पहली चीजों में से एक लयबद्ध संरचना है। और गैलीस्टेल और मार्र की ओर लौटते हुए, मस्तिष्क के अंदर एक निश्चित कंप्यूटिंग प्रणाली होती है, जो कहती है: "ठीक है, यही मैं इन चीजों के साथ करूंगा,"और लगभग नौ महीने बाद ठेठ बच्चे को पहले ही बाहर कर दिया गया - उसके स्टॉक से हटा दिया गया - उन ध्वन्यात्मक अंतर जो उसकी अपनी भाषा में नहीं हैं। यही है, यह पता चला है, शुरू से ही, किसी भी बच्चे को किसी भी भाषा में बांधा जाता है। लेकिन, मान लीजिए, नौ महीने की उम्र में एक जापानी बच्चा "पी" और "एल" के बीच अंतर पर प्रतिक्रिया नहीं करेगा, यह है, जैसा कि इसे समाप्त किया गया था। इसलिए प्रणाली कई संभावनाओं पर विचार करती है और उन्हें केवल उन लोगों तक सीमित करती है जो भाषा का हिस्सा हैं, और यह एक बहुत ही संकीर्ण सेट है। आप एक विरोधी भाषा के साथ आ सकते हैं जिसमें कोई बच्चा कभी ऐसा नहीं कर सकता, और भी बहुत कुछ। उदाहरण के लिए, अगर हम भाषा के अधिक सार पक्ष के बारे में बात करते हैं, तो इस समय इस बात के पुख्ता सबूत हैं कि रेखीय शब्द क्रम के रूप में इतनी सरल बात - क्या के बाद आती है - वाक्यगत और अर्थ कंप्यूटिंग प्रणालियों में शामिल नहीं है,उनकी डिवाइस बस ऐसी है कि वे एक रैखिक आदेश की तलाश में नहीं हैं। यह देखा जा सकता है कि दूरी की अधिक अमूर्त अवधारणाएं मुख्य रूप से उपयोग की जाती हैं और यह रैखिक दूरी नहीं है, और न्यूरोफिज़ियोलॉजिकल पुष्टि इस पर पाई जा सकती है। आप एक उदाहरण दे सकते हैं: यदि आप एक कृत्रिम भाषा के साथ आते हैं जो एक रैखिक शब्द क्रम का उपयोग करता है, उदाहरण के लिए, आप तीसरे शब्द के साथ कुछ करके सकारात्मक वाक्य को नकारात्मक बनाते हैं। लोग इस पहेली को हल करने में सक्षम होंगे, लेकिन जाहिर है, मस्तिष्क के मानक भाषाई हिस्से सक्रिय नहीं होते हैं - अन्य क्षेत्र सक्रिय होते हैं, अर्थात, लोग इसे एक पहेली के रूप में समझते हैं, न कि भाषा के कार्य के रूप में। और इसे हल करने के लिए, लोगों को अधिक तनाव करना होगा ...दूरी की अधिक अमूर्त अवधारणाएं मुख्य रूप से उपयोग की जाती हैं और यह रैखिक दूरी नहीं है, और न्यूरोफिज़ियोलॉजिकल पुष्टि इसके लिए पाई जा सकती है। आप एक उदाहरण दे सकते हैं: यदि आप एक कृत्रिम भाषा के साथ आते हैं जो एक रैखिक शब्द क्रम का उपयोग करता है, उदाहरण के लिए, आप तीसरे शब्द के साथ कुछ करके सकारात्मक वाक्य को नकारात्मक बनाते हैं। लोग इस पहेली को हल करने में सक्षम होंगे, लेकिन जाहिर है, मस्तिष्क के मानक भाषाई हिस्से सक्रिय नहीं होते हैं - अन्य क्षेत्र सक्रिय होते हैं, अर्थात, लोग इसे एक पहेली के रूप में समझते हैं, न कि भाषा के कार्य के रूप में। और इसे हल करने के लिए, लोगों को अधिक तनाव करना होगा ...दूरी की अधिक अमूर्त अवधारणाएं मुख्य रूप से उपयोग की जाती हैं और यह रैखिक दूरी नहीं है, और न्यूरोफिज़ियोलॉजिकल पुष्टि इसके लिए पाई जा सकती है। आप एक उदाहरण दे सकते हैं: यदि आप एक कृत्रिम भाषा के साथ आते हैं जो एक रैखिक शब्द क्रम का उपयोग करता है, उदाहरण के लिए, आप तीसरे शब्द के साथ कुछ करके सकारात्मक वाक्य को नकारात्मक बनाते हैं। लोग इस पहेली को हल करने में सक्षम होंगे, लेकिन जाहिर है, मस्तिष्क के मानक भाषाई हिस्से सक्रिय नहीं होते हैं - अन्य क्षेत्र सक्रिय होते हैं, अर्थात, लोग इसे एक पहेली के रूप में समझते हैं, न कि भाषा के कार्य के रूप में। और इसे हल करने के लिए, लोगों को अधिक तनाव करना होगा ...आप तीसरे शब्द के साथ कुछ करके सकारात्मक वाक्य को नकारात्मक बनाते हैं। लोग इस पहेली को हल करने में सक्षम होंगे, लेकिन जाहिर है, मस्तिष्क के मानक भाषाई हिस्से सक्रिय नहीं होते हैं - अन्य क्षेत्र सक्रिय होते हैं, अर्थात, लोग इसे एक पहेली के रूप में समझते हैं, और भाषा के कार्य के रूप में नहीं। और इसे हल करने के लिए, लोगों को अधिक तनाव करना होगा ...आप तीसरे शब्द के साथ कुछ करके सकारात्मक वाक्य को नकारात्मक बनाते हैं। लोग इस पहेली को हल करने में सक्षम होंगे, लेकिन जाहिर है, मस्तिष्क के मानक भाषाई हिस्से सक्रिय नहीं होते हैं - अन्य क्षेत्र सक्रिय होते हैं, अर्थात, लोग इसे एक पहेली के रूप में समझते हैं, और भाषा के कार्य के रूप में नहीं। और इसे हल करने के लिए, लोगों को अधिक तनाव करना होगा ...

, ...

: …यह सबूत है, और निश्चित रूप से, आप और अधिक चाहते हैं। लेकिन यह सबूत ऐसा है कि आप भाषाविज्ञान के पक्ष से देखते हैं कि भाषा कैसे काम करती है - एक वाक्य में तीसरे शब्द जैसी कोई चीज नहीं है। आइए एक सरल वाक्य लें: "सहज रूप से उड़ने वाले ईगल्स तैरना", यहां "सहज" शब्द "तैरना" शब्द से जुड़ा है, और "उड़ान" शब्द के साथ नहीं, भले ही पूरा वाक्य समझ में न आए। और यहाँ प्रतिवर्त का प्रभाव है। "सहज रूप से", एक क्रिया विशेषण, निकटतम क्रिया की खोज नहीं करता है, यह एक संरचनात्मक रूप से अधिक उपयुक्त क्रिया की खोज करता है। यह एक बहुत अधिक जटिल गणना है। लेकिन यह एकमात्र गणना है जो आमतौर पर उपयोग की जाती है। रैखिक आदेश एक बहुत ही सरल गणना है, लेकिन इसका उपयोग कभी नहीं किया जाता है। इस तरह के बहुत सारे सबूत हैं, और बहुत कम न्यूरो-भाषाई साक्ष्य हैं, लेकिन वे उसी दिशा में इशारा करते हैं।और जब आप अधिक जटिल संरचनाओं को देखते हैं, तो आप इसे अधिक से अधिक पाते हैं।

यह, मेरी राय में, यह समझने का एक तरीका है कि प्रणाली वास्तव में कैसे काम करती है, यह मार्र प्रयोगशाला में दृष्टि प्रणाली के साथ कैसे हुआ: शिमोन उल्मैन जैसे लोगों ने कठोरता के सिद्धांत जैसी काफी उल्लेखनीय चीजों की खोज की। आप सांख्यिकीय डेटा विश्लेषण का उपयोग करके इसे नहीं ढूंढ पाएंगे। उन्होंने इसे सावधानीपूर्वक नियोजित प्रयोगों के साथ पाया। फिर आप न्यूरोफिज़ियोलॉजी में खोज करते हैं और देखते हैं कि क्या आप इन गणनाओं को करने वाले कुछ पा सकते हैं। मुझे लगता है कि भाषा में एक ही चीज, लगभग हर जगह हमारी अंकगणितीय क्षमताओं, योजना का अध्ययन करने में समान है। बस कच्चे डेटा के साथ काम करना - आप इसके साथ कहीं भी नहीं आते हैं, और गैलीलियो नहीं आएंगे। वास्तव में, 17 वीं शताब्दी में, गैलीलियो और अन्य महान वैज्ञानिकों जैसे लोगों के लिए उस समय के राष्ट्रीय विज्ञान फाउंडेशन को समझाने के लिए यह आसान नहीं था - अर्थात्, अभिजात वर्ग - किकि उनके काम ने समझ बनाई। मेरा मतलब है: क्यों अध्ययन करता है कि एक गेंद बिना घर्षण के पूरी तरह से समतल विमान पर कैसे लुढ़कती है, क्योंकि वे मौजूद नहीं हैं। क्यों नहीं अध्ययन किया जाता है कि फूल कैसे बढ़ते हैं? यदि आप उन दिनों में फूलों के विकास का अध्ययन करने की कोशिश करते हैं, तो आपको संभवतः एक सांख्यिकीय विश्लेषण मिलेगा कि सब कुछ कैसे काम करता है।

यह याद रखना महत्वपूर्ण है कि संज्ञानात्मक विज्ञान में हम अभी भी प्री-गैलिलियन युग में हैं, हम सिर्फ खोज करना शुरू कर रहे हैं। और मुझे लगता है कि विज्ञान के इतिहास से कुछ सीखा जा सकता है। 1640 में या तो रसायन विज्ञान के इतिहास में मुख्य प्रयोगों में से एक, जब कोई साबित हुआ, पूरे वैज्ञानिक जगत की खुशी के लिए, न्यूटन तक, उस पानी को जीवित पदार्थ में बदल दिया जा सकता है। यहां बताया गया है कि उन्होंने यह कैसे किया - ज़ाहिर है, किसी को प्रकाश संश्लेषण के बारे में कुछ भी नहीं पता था - उन्होंने पृथ्वी का एक गुच्छा लिया, और इसे गर्म कर दिया ताकि सभी पानी वाष्पित हो जाए। इसे तौला, इसमें एक विलो शाखा डाली, और ऊपर से पानी डाला, इस पानी की मात्रा को मापा। जब सब कुछ तैयार हो जाता है और विलो का पेड़ बड़ा हो जाता है, तो आप फिर से पृथ्वी को लेते हैं और उससे पानी निकालते हैं - पहले जैसा। इस प्रकार, आपने दिखाया है कि पानी ओक या कुछ और में बदल सकता है। यह एक प्रयोग है, और यह सच भी प्रतीत होता है, लेकिन आप नहीं जानते कि आप क्या देख रहे हैं।और यह तब तक अज्ञात था जब तक कि प्रीस्टले ने यह नहीं पाया कि हवा दुनिया का एक घटक है, इसमें नाइट्रोजन है, और इसी तरह, और आपने प्रकाश संश्लेषण के बारे में सीखा। फिर आप प्रयोग को दोहरा सकते हैं और समझ सकते हैं कि क्या हो रहा है। लेकिन आप आसानी से एक प्रयोग द्वारा गलत दिशा में ले जा सकते हैं जो सफल लगता है क्योंकि आप अच्छी तरह से समझ नहीं पाते हैं कि आपको क्या देखना चाहिए। और आप गलत तरीके से भी जाएंगे यदि आप इस तरह से पेड़ों के विकास का अध्ययन करने का प्रयास करते हैं: बस एक आंकड़ा लें कि पेड़ कैसे बढ़ते हैं, इसे एक शक्तिशाली कंप्यूटर को खिलाएं, एक सांख्यिकीय विश्लेषण करें और जो हुआ उसका एक अनुमान प्राप्त करें।लेकिन आप आसानी से एक प्रयोग द्वारा गलत दिशा में ले जा सकते हैं जो सफल लगता है क्योंकि आप अच्छी तरह से समझ नहीं पाते हैं कि आपको क्या देखना चाहिए। और आप गलत तरीके से भी जाएंगे यदि आप इस तरह से पेड़ों के विकास का अध्ययन करने का प्रयास करते हैं: बस एक आंकड़ा लें कि पेड़ कैसे बढ़ते हैं, इसे एक शक्तिशाली कंप्यूटर को खिलाएं, एक सांख्यिकीय विश्लेषण करें और जो हुआ उसका एक अनुमान प्राप्त करें।लेकिन आप आसानी से एक प्रयोग द्वारा गलत दिशा में ले जा सकते हैं जो सफल लगता है क्योंकि आप अच्छी तरह से समझ नहीं पाते हैं कि आपको क्या देखना चाहिए। और आप गलत तरीके से भी जाएंगे यदि आप इस तरह से पेड़ों के विकास का अध्ययन करने का प्रयास करते हैं: बस एक आंकड़ा लें कि पेड़ कैसे बढ़ते हैं, इसे एक शक्तिशाली कंप्यूटर को खिलाएं, एक सांख्यिकीय विश्लेषण करें और जो हुआ उसका एक अनुमान प्राप्त करें।

जीव विज्ञान में, क्या आप मेंडल के काम को शोर डेटा लेने के एक सफल उदाहरण के रूप में मानते हैं - यह महत्वपूर्ण है कि संख्या संख्यात्मक हैं - और एक सैद्धांतिक वस्तु को पोस्ट करने के लिए कूदें ...

चोम्स्की: ... और काम नहीं करने वाले डेटा की एक बड़ी मात्रा को फेंक दिया।

... लेकिन सहसंबंध देखने के बाद जो समझ में आया, एक सिद्धांत विकसित करना।

चोमस्की:हां, उसने सब कुछ सही किया। उन्होंने सिद्धांत को डेटा का प्रबंधन करने की अनुमति दी। ऐसे सबूत भी थे जिन्होंने सिद्धांत का खंडन किया था, जो कम या ज्यादा खारिज कर दिया गया था, आप जानते हैं - जिसे आप आमतौर पर लेख में शामिल नहीं करते हैं। और निश्चित रूप से, उन चीजों के बारे में बात की जो कोई भी नहीं पा सकता था, जैसे कि उन इकाइयों को खोजना असंभव था जिनके अस्तित्व को उन्होंने साबित किया। लेकिन हां, यही विज्ञान काम करता है। तो यह रसायन विज्ञान में है। रसायन विज्ञान, मेरे बचपन से पहले, बहुत पहले नहीं, कंप्यूटिंग के विज्ञान के रूप में माना जाता था। क्योंकि इसे भौतिकी में कम नहीं किया जा सकता है। इसलिए, यह प्रयोगों के परिणाम की गणना करने का एक तरीका है। बोहर परमाणु तो माना जाता था। प्रयोगों के परिणाम की गणना करने का एक तरीका है, लेकिन यह वास्तविक विज्ञान नहीं हो सकता है, क्योंकि इसे भौतिकी में कम नहीं किया जा सकता है, और अचानक, यह सच हो गया, क्योंकि भौतिकी गलत थी। जब क्वांटम भौतिकी के बारे में आया,अपरिवर्तित रसायन विज्ञान के साथ संयोजन करना संभव हो गया। यही है, कमी के साथ पूरी परियोजना बस गलत थी। सही परियोजना यह देखना था कि इन दो विश्व साक्षात्कारों को कैसे जोड़ा जा सकता है। और यह पता चला कि, आश्चर्य - वे डाउनस्ट्रीम विज्ञान में आमूल परिवर्तन से एकजुट थे। शायद मनोविज्ञान और तंत्रिका विज्ञान के साथ बिल्कुल यही बात है। मेरा मतलब है, एक सदी पहले भौतिकी के रूप में तंत्रिका विज्ञान अब भी उतना उन्नत नहीं है।

और यह अणुओं के लिए खोज के साथ कटौतीवादी दृष्टिकोण से प्रस्थान होगा।

चोम्स्की: हाँ। वास्तव में, पहले से ही कई बार कटौतीवादी दृष्टिकोण को गलत किया गया है। एक एकीकरण दृष्टिकोण समझ में आता है। लेकिन एकीकरण में कमी से भिन्न हो सकता है, क्योंकि बुनियादी विज्ञान त्रुटिपूर्ण हो सकता है, जैसा कि भौतिकी और रसायन विज्ञान के मामले में है, और मुझे तंत्रिका विज्ञान और मनोविज्ञान के मामले में एक ही उच्च संभावना के साथ संदेह है। यदि गैलिस्टेल सही है, तो यह कहने के लिए समझ में आता है कि हां, उन्हें जोड़ा जा सकता है, लेकिन तंत्रिका विज्ञान के लिए एक अलग दृष्टिकोण के साथ।

क्या हमें तेजी से एकीकरण के लिए प्रयास करना चाहिए, या इन क्षेत्रों को अब तक समानांतर में विकसित करना बेहतर है?

चोमस्की:यदि आप चाहें तो एकीकरण आदर्श, वैज्ञानिक रहस्यवाद का एक सहज ज्ञान युक्त खोज है। यह दुनिया के एक सामान्य सिद्धांत की खोज करना है। शायद यह मौजूद नहीं है, हो सकता है कि अलग-अलग हिस्से अलग-अलग तरीके से काम करते हैं, लेकिन एक धारणा है, जब तक मुझे एक ठोस प्रतिपूर्ति नहीं दी गई है, मेरी धारणा यह है कि दुनिया का एक सामान्य सिद्धांत है, और मेरा काम इसे खोजने की कोशिश करना है। कमी के माध्यम से एकीकरण स्वयं प्रकट नहीं हो सकता है, और अक्सर ऐसा होता है। यह डेविड मार्र के दृष्टिकोण का प्रमुख तर्क है: आप कम्प्यूटेशनल स्तर पर जो भी खोजते हैं, उसे उन तंत्रों के साथ जोड़ा जाना चाहिए जिन्हें आप एक बार तंत्र के स्तर पर पाएंगे, लेकिन शायद उन शब्दों में नहीं जिनमें हम अब इन तंत्रों को समझते हैं।

और मार्रा का अर्थ है कि आप समानांतर [कम्प्यूटेशनल, एल्गोरिथम और कार्यान्वयन स्तर] में सभी तीन स्तरों पर काम नहीं कर सकते हैं, आपको ऊपर से नीचे की ओर जाने की आवश्यकता है, और यह एक बहुत ही सख्त आवश्यकता है, यह देखते हुए कि यह आमतौर पर विज्ञान में ऐसा नहीं है।

चोम्स्की: वह यह नहीं कह सकता था कि सब कुछ कठिन होना चाहिए। उदाहरण के लिए, तंत्र के बारे में कुछ नया करने की खोज आपको कंप्यूटिंग की अवधारणा में बदलाव के लिए प्रेरित कर सकती है। तार्किक आदेश आवश्यक रूप से अनुसंधान के क्रम से मेल नहीं खाता है, क्योंकि शोध में सब कुछ एक ही समय में होता है। लेकिन मुझे लगता है कि किसी न किसी सन्निकटन में, तस्वीर सच है। हालाँकि मुझे कहना होगा कि मार्रा अवधारणा इनपुट सिस्टम के लिए विकसित की गई थी ...

सूचना प्रसंस्करण प्रणाली ...

चोम्स्की:हाँ, दृष्टि की तरह। डेटा है - यह एक डाटा प्रोसेसिंग सिस्टम है - और इसमें कुछ होता है। और यह संज्ञानात्मक प्रणालियों के लिए बहुत अच्छी तरह से काम नहीं करता है। चलो आपकी अंकगणितीय क्षमता को लें ...

यह बहुत कमजोर है, लेकिन ठीक है ...

चोम्स्की: गुड [हंसता है]। लेकिन यह एक आंतरिक क्षमता है, आप जानते हैं कि आपका मस्तिष्क ट्यूरिंग मशीन जैसी किसी चीज़ की नियंत्रण इकाई है, और इसमें बाह्य डेटा, जैसे कि मेमोरी, समय तक पहुंच है ... सैद्धांतिक रूप से, आप कुछ भी गुणा कर सकते हैं, लेकिन व्यवहार में, निश्चित रूप से, यह ऐसा नहीं है। यदि आप यह अध्ययन करने की कोशिश करते हैं कि आपके पास किस प्रकार की आंतरिक प्रणाली है, तो मार्र पदानुक्रम बहुत अच्छी तरह से काम नहीं करता है। आप कम्प्यूटेशनल स्तर के बारे में बात कर सकते हैं: शायद मेरे अंदर के नियम पीनो के स्वयंसिद्ध [ लगभग] हैं। एड।: गणितीय सिद्धांत (इतालवी गणितज्ञ ग्यूसेप पीनो के नाम पर), जो अंकगणित और प्राकृतिक संख्याओं के मूल नियमों का वर्णन करता है, जिसमें से आप कई उपयोगी अंकगणित तथ्यों को प्राप्त कर सकते हैं] या कुछ और, यह मायने नहीं रखता है - यह कम्प्यूटेशनल स्तर है। सैद्धांतिक रूप से, हालांकि हम नहीं जानते कि कैसे, आप केवल न्यूरोफिज़ियोलॉजिकल स्तर के बारे में बात कर सकते हैं, कोई नहीं जानता कि कैसे, लेकिन कोई वास्तविक एल्गोरिदम स्तर नहीं है। क्योंकि ज्ञान की कोई गणना नहीं है, यह केवल ज्ञान की एक प्रणाली है। यह स्पष्ट नहीं है कि ज्ञान प्रणाली की प्रकृति को कैसे समझा जाए: कोई एल्गोरिथ्म नहीं है, क्योंकि कोई प्रक्रिया नहीं है। यह केवल एक ज्ञान प्रणाली का उपयोग करके किया जा सकता है जिसमें एक प्रक्रिया है, लेकिन यह पहले से ही पूरी तरह से कुछ अलग होगा।

लेकिन चूंकि हम गलती करते हैं, तो क्या इसका मतलब यह है कि प्रक्रिया गलत हो रही है?

चोमस्की:यह आंतरिक प्रणाली का उपयोग करने की प्रक्रिया है। लेकिन आंतरिक प्रणाली स्वयं एक प्रक्रिया नहीं है, क्योंकि इसमें एक एल्गोरिथ्म नहीं है। साधारण गणित लो। यदि आप पीनो के स्वयंसिद्ध और अनुमान नियमों को लेते हैं, तो वे सभी अंकगणितीय गणनाओं को परिभाषित करते हैं, लेकिन कोई एल्गोरिथ्म नहीं है। यदि आप पूछते हैं कि संख्या सिद्धांत के विशेषज्ञ उन्हें कैसे लागू करते हैं, तो निश्चित रूप से कई विकल्प हैं: उदाहरण के लिए, आप स्वयंसिद्ध नहीं, बल्कि अनुमान नियमों से शुरू करते हैं। आप प्रमेय लेते हैं और देखते हैं कि क्या लेम्मा काटा जा सकता है, और यदि यह काम करता है, तो देखें कि क्या वह इस लेम्मा को किसी चीज पर आधारित करता है, और अंत में आपको एक प्रमाण मिलता है - एक ज्यामितीय वस्तु।

लेकिन यह एक मौलिक रूप से अलग गतिविधि है, मेरे सिर में छोटी संख्याओं को जोड़ने से अलग - और निश्चित रूप से, मेरे सिर में किसी प्रकार का एल्गोरिथ्म है।

चोमस्की:जरूरी नहीं है। इस प्रक्रिया में दोनों मामलों में एक एल्गोरिथ्म है। लेकिन स्वयं सिस्टम का कोई एल्गोरिदम नहीं है, यह एक स्पष्ट त्रुटि है। आप यह नहीं पूछते हैं कि पीनो के स्वयंसिद्ध और अनुमान के नियम किस प्रक्रिया को परिभाषित करते हैं? वहां कोई प्रक्रिया नहीं है। इनका उपयोग करने के लिए एक प्रक्रिया हो सकती है। और यह एक जटिल प्रक्रिया हो सकती है, और यह आपकी गणना के मामले में सच है। आपके पास जो आंतरिक सिस्टम है, वह प्रक्रिया प्रश्न नहीं है। लेकिन अगर आप अपने आंतरिक सिस्टम का उपयोग करते हैं, तो सवाल उठता है, और आप कई तरीकों से गुणा कर सकते हैं। उदाहरण के लिए, यदि आप 7 और 6 जोड़ते हैं, तो एक एल्गोरिथ्म कहता है: "मैं देखूंगा कि इसे 10 में लाने में कितना समय लगता है" - इसमें 3 लगते हैं, और अब 3 और बचे हैं, इसलिए मैं 10 से आगे बढ़ूंगा और 3 और जोड़ूंगा, और वहाँ होगा 13. यह एक अतिरिक्त एल्गोरिथ्म है - वास्तव में, यह कि मुझे किंडरगार्टन में कैसे पढ़ाया गया था। यह संख्याओं को जोड़ने का एक तरीका है।

लेकिन जोड़ने के अन्य तरीके हैं - कोई सही एल्गोरिदम नहीं है। ये आपके सिर में संज्ञानात्मक प्रणाली की प्रक्रिया के प्रदर्शन के लिए एल्गोरिदम हैं। और अब इस प्रणाली के लिए आप एल्गोरिदम के बारे में नहीं पूछ रहे हैं। आप कंप्यूटिंग स्तर के बारे में, तंत्र के स्तर के बारे में पूछ सकते हैं। लेकिन इस प्रणाली के लिए एल्गोरिथम स्तर मौजूद नहीं है। भाषा के साथ भी ऐसा ही है। भाषा एक अंकगणितीय क्षमता की तरह है। एक प्रणाली है जो संभव वाक्यों के एक अंतहीन सरणी की ध्वनि और अर्थ निर्धारित करती है। लेकिन इसमें कोई सवाल नहीं है कि एल्गोरिथ्म किस तरह का है। इस बात का भी कोई सवाल नहीं है कि औपचारिक अंकगणित प्रणाली आपको यह कैसे बताती है कि प्रमेय कैसे सिद्ध करें। सिस्टम का उपयोग करना एक प्रक्रिया है, और आप इसे मार्र स्तरों के संदर्भ में अध्ययन कर सकते हैं। लेकिन इन मतभेदों को वैचारिक रूप से नामित करना महत्वपूर्ण है।

यह बस कम्प्यूटेशनल स्तर के सिद्धांत से आगे बढ़ने के लिए एक अविश्वसनीय कार्य की तरह लगता है, जैसे कि पीनो के स्वयंसिद्ध, मैरो स्तर 3 तक ...

चोम्स्की: तंत्र ...

... तंत्र और कार्यान्वयन ...

चोमस्की: हाँ। और ...

एक एल्गोरिथ्म के बिना, कम से कम।

चोमस्की:मुझे लगता है कि यह सच नहीं है। हो सकता है कि सिस्टम का उपयोग करने के तरीके के बारे में जानकारी आपको तंत्र के बारे में कुछ बताएगी। लेकिन एक उच्च दिमाग - शायद हमारी तुलना में अधिक है - यह देखेगा कि एक आंतरिक प्रणाली है, और इसका एक शारीरिक आधार है, और इसका अध्ययन करना संभव होगा, यह शारीरिक आधार। यहां तक ​​कि उस प्रक्रिया को देखे बिना जिसमें इस प्रणाली का उपयोग किया जाता है। हो सकता है कि प्रक्रिया का अवलोकन करने से आपको उपयोगी जानकारी मिल सके कि कहाँ जाना है। लेकिन वैचारिक रूप से यह एक अलग काम है। सवाल यह है कि शोध करने का कौन सा तरीका बेहतर है। तो शायद पीनो के स्वयंसिद्ध और न्यूरॉन्स के बीच संबंध का अध्ययन करने का सबसे अच्छा तरीका यह है कि गणितज्ञ कैसे प्रमेय साबित करते हैं। लेकिन यह केवल इसलिए है क्योंकि मैं आपको सहायक जानकारी दूंगा। वास्तविक अंतिम परिणाम मस्तिष्क प्रणाली की समझ होगी, इसका शारीरिक आधार,किसी भी एल्गोरिथ्म के संदर्भ के बिना। एल्गोरिदम सभी प्रक्रियाओं के बारे में हैं जो उनका उपयोग करते हैं, और वे आपको उत्तर प्राप्त करने में मदद कर सकते हैं। यह संभव है कि झुकी हुई सतह आपको गिरने की दर के बारे में कुछ बता सके, लेकिन अगर आप न्यूटन के नियमों को देखें, तो वे झुकाव वाले विमानों के बारे में कुछ नहीं कहते हैं।

सब ठीक है। मार्र दृष्टिकोण का उपयोग कर संज्ञानात्मक और भाषा प्रणालियों का अध्ययन करने का तर्क समझ में आता है, लेकिन चूंकि आप भाषा की क्षमता को एक आनुवंशिक विशेषता के रूप में नहीं पहचानते हैं, इसलिए आप इस तर्क को अन्य जैविक प्रणालियों - प्रतिरक्षा प्रणाली, हृदय प्रणाली ...

चोम्स्की , बिल्कुल सही रूप में लागू कर सकते हैं , मुझे लगता है कि बहुत समान। आप प्रतिरक्षा प्रणाली के बारे में एक ही बात कह सकते हैं।

और सोच के साथ इन प्रणालियों के साथ ऐसा करना और भी आसान हो सकता है।

चोमस्की:लेकिन आप अन्य उत्तरों की अपेक्षा करेंगे। आप इसे पाचन तंत्र के साथ कर सकते हैं। मान लीजिए कि कोई पाचन तंत्र का अध्ययन कर रहा है। यह संभावना नहीं है कि वह अध्ययन करेगा कि क्या होता है जब आपको पेट फ्लू होता है, या जब आप बड़ा भोजन खाते हैं, या कुछ और। चलो खिड़की के बाहर क्या हो रहा है, फोटो खींचने के लिए वापस जाएं। पाचन तंत्र का अध्ययन करने का एक तरीका यह है कि पाचन तंत्र विभिन्न परिस्थितियों में क्या करता है, इसके बारे में सभी प्रकार के डेटा एकत्र करें, डेटा को कंप्यूटर में दर्ज करें, सांख्यिकीय विश्लेषण करें - आपको कुछ मिलता है। लेकिन यह वह नहीं होगा जो जीवविज्ञानी करता है। वह बहुत शुरुआत से सारगर्भित होना चाहता है जो कि माना जाता है - संभवतः गलत है, क्योंकि आप हमेशा एक गलती कर सकते हैं - अप्रासंगिक चर, जैसे कि आपको पेट फ्लू है।

लेकिन यह वही है जो जीवविज्ञानी करते हैं: वे बीमार लोगों को एक बीमार पाचन तंत्र के साथ लेते हैं, उनकी तुलना स्वस्थ लोगों से करते हैं, और आणविक गुणों को मापते हैं।

चोम्स्की: वे इसे और अधिक उन्नत चरण में करते हैं। वे रोगियों की तुलना करने से पहले पाचन तंत्र की संरचना के बारे में पहले से ही बहुत कुछ जानते हैं। अन्यथा, उन्हें नहीं पता होगा कि क्या तुलना करनी है, और क्यों एक बीमार है और दूसरा नहीं है।

वे विशिष्ट विशेषताओं की पहचान करने के लिए सांख्यिकीय विश्लेषण पर भरोसा करते हैं। यह एक बहुत अच्छी तरह से वित्त पोषित दृष्टिकोण है क्योंकि आप मरीजों का अध्ययन करने का दावा करते हैं।

चोमस्की:यह अच्छी तरह से वित्तपोषण प्राप्त करने का एक तरीका हो सकता है। इस तरह से यह कहते हुए कि भाषाविज्ञान के लिए धन प्राप्त करना है यह आत्मकेंद्रित के इलाज में मदद कर सकता है। यह एक और सवाल है [कुल मिलाकर] लेकिन खोज का तर्क सिस्टम का अध्ययन करना शुरू करना है, जो आप से अलग हैं, संभावना के उच्च स्तर के साथ, अप्रासंगिक शोर पर विचार करें। आप मूल सार खोजने की कोशिश करते हैं, और फिर आप आश्चर्य करते हैं कि क्या होता है अगर हम किसी और चीज में लाते हैं, वही पेट फ्लू।

सभी समान हैं, ऐसा लगता है कि इस प्रकार की प्रणालियों में मार्र स्तर लागू करने में कठिनाई है। यदि आप पूछते हैं कि मस्तिष्क किस प्रकार के कम्प्यूटेशनल कार्य को हल करता है, तो इसका उत्तर प्रतीत होता है, यह लगभग एक कंप्यूटर की तरह काम करता है। लेकिन अगर आप पूछते हैं कि आसान समस्या का समाधान किस तरह की समस्या है, तो इसके बारे में सोचना भी मुश्किल है - यह स्पष्ट रूप से सूचना प्रसंस्करण का काम नहीं है।

चोम्स्की: यह ऐसा है, लेकिन यह मानने का कोई कारण नहीं है कि सभी जीव विज्ञान कम्प्यूटेशनल हैं। सोचने के कारण हो सकते हैं कि सोच ऐसी है। और वास्तव में, गैलिस्टेल यह नहीं कहता है कि शरीर में जो कुछ भी है उसे पढ़ने / लिखने / पता इकाइयों की खोज के माध्यम से अध्ययन करने की आवश्यकता है।

यह सिर्फ विकासवाद के संदर्भ में उल्टा लगता है। ये सिस्टम समान भागों, अणुओं, प्रक्षेपवक्रों का पुन: उपयोग करते हुए एक साथ विकसित हुए। सेल कंप्यूटिंग डिवाइस हैं।

चोमस्की:आप कोशिकाओं के बारे में सवाल पूछकर फेफड़ों का अध्ययन नहीं करते हैं। आप प्रतिरक्षा प्रणाली और दृश्य प्रणाली का अध्ययन करते हैं, लेकिन आप एक ही जवाब खोजने की उम्मीद नहीं करते हैं। शरीर एक उच्च मॉड्यूलर प्रणाली है, इसमें कई जटिल उपप्रणाली हैं जो कम या ज्यादा आंतरिक रूप से एकीकृत हैं। वे विभिन्न कानूनों के तहत काम करते हैं। जीवविज्ञान भी मॉड्यूलर है। आप यह नहीं मान सकते हैं कि यह सब सिर्फ उसी तरह का व्यवहार करने वाली वस्तुओं का एक बड़ा गड़बड़ है।

बेशक नहीं, लेकिन मेरा मतलब है कि प्रत्येक मॉड्यूल के अध्ययन के लिए एक ही दृष्टिकोण लागू करना संभव होगा।

चॉम्स्की: जरूरी नहीं, क्योंकि मॉड्यूल अलग हैं। कुछ मॉड्यूल कम्प्यूटेशनल हो सकते हैं, कुछ नहीं।

, , , … , — ?

:बेशक। आप बहुत कुछ समझ सकते हैं, उदाहरण के लिए, एक भ्रूण एक चिकन में बदल जाता है, और नहीं, एक माउस कहो। यह एक बहुत ही जटिल प्रणाली है, जिसमें सभी प्रकार के रासायनिक इंटरैक्शन और अन्य चीजें शामिल हैं। यहां तक ​​कि एक नेमाटोड के साथ, यह तथ्य कि सब कुछ केवल एक तंत्रिका नेटवर्क द्वारा निर्धारित किया जाता है पूरी तरह से स्पष्ट नहीं है, और इस विषय पर शोध का सबूत है। आपको मस्तिष्क में, तंत्रिका तंत्र में होने वाले जटिल रासायनिक इंटरैक्शन को देखने की आवश्यकता है। प्रत्येक प्रणाली को अलग से सहकर्मी करना आवश्यक है। ये रासायनिक इंटरैक्शन आपकी अंकगणितीय क्षमताओं से संबंधित नहीं हो सकते हैं - सबसे अधिक संभावना है। लेकिन वे बहुत आसानी से संबंधित हो सकते हैं कि क्या आप अपना हाथ बढ़ाने या इसे कम करने का निर्णय लेते हैं।

यद्यपि, यदि आप रासायनिक इंटरैक्शन का अध्ययन करना शुरू करते हैं, तो यह आपको उस घटना तक ले जाएगा, जिसे आपने घटना का दोहराया विवरण कहा है, केवल दूसरे शब्दों में।

चॉम्स्की: या एक स्पष्टीकरण। क्योंकि यह संभव है, वे बहुत महत्वपूर्ण हैं, गंभीर रूप से संबंधित हैं।

लेकिन अगर आप "पदार्थ एक्स को सक्रिय किया जाना चाहिए" या "जीन एक्स मौजूद होना चाहिए" के संदर्भ में एक व्याख्या करते हैं, तो आप वास्तव में यह नहीं समझाते हैं कि शरीर कैसे काम करता है। आपको बस लीवर मिल गया, और उस पर क्लिक करें।

चॉम्स्की: लेकिन फिर आप आगे देखते हैं और पाते हैं कि यह जीन इस तरह की परिस्थितियों में इस तरह से काम करता है, या अन्य परिस्थितियों में अलग तरीके से काम करता है।

लेकिन अगर जीन अमूर्तता का गलत स्तर है, तो आप उड़ान में हैं।

चोम्स्की: तब आपको सही उत्तर नहीं मिलता है। या शायद नहीं।उदाहरण के लिए, यह सर्वविदित है कि जीन से जीव का विकास कैसे होता है, इसकी गणना करना कठिन है। एक सेल में विभिन्न प्रकार की प्रक्रियाएं होती हैं। यदि आप सिर्फ एक जीन की कार्रवाई को देखते हैं, तो आप अमूर्तता के गलत स्तर पर हो सकते हैं। यह कभी स्पष्ट नहीं है, इसलिए, इसका अध्ययन करना आवश्यक है। मुझे नहीं लगता कि इस तरह के सवालों का जवाब देने के लिए एक एल्गोरिथ्म है।

मैं बातचीत को विकास की ओर स्थानांतरित करना चाहूंगा। आपने एक बहुत ही दिलचस्प दृष्टिकोण की आलोचना की, जिसे आपने "फाइटोलैनेटिक अनुभववाद" कहा। आपने व्याख्यात्मक शक्ति की कमी के लिए इस स्थिति की आलोचना की। वह बस निम्नलिखित बताती है: इसलिए, सोच यह है कि यह क्या है, क्योंकि पर्यावरण के लिए इस तरह के अनुकूलन को चुना गया था। प्राकृतिक चयन द्वारा चयनित। आपने तर्क दिया कि यह कुछ भी स्पष्ट नहीं करता है, क्योंकि आप हमेशा इन दो सिद्धांतों के लिए अपील कर सकते हैं - उत्परिवर्तन और चयन।

चॉम्स्की: ठीक है, आप उन पर छोड़ सकते हैं, लेकिन वे सही हो सकते हैं। ऐसा हो सकता है कि आपकी अंकगणितीय क्षमताओं का विकास यादृच्छिक म्यूटेशन और चयन से बाहर हो गया। अगर यह पता चला कि यह ठीक है, तो ठीक है।

यह ट्रूइज्म ( सुप्रसिद्ध सत्य - लगभग अनुवाद। ) जैसा लगता है ।

चॉम्स्की: लेकिन मैं यह नहीं कहता कि यह सच नहीं है। ट्रूइम्स सच्चाई हैं [हंसते हैं]।

लेकिन वे कुछ नहीं समझाते।

चोमस्की:शायद यह स्पष्टीकरण का उच्चतम स्तर है जो आप प्राप्त कर सकते हैं। आप दुनिया का आविष्कार कर सकते हैं - मुझे नहीं लगता कि यह हमारी दुनिया होगी - लेकिन आप एक ऐसी दुनिया का आविष्कार कर सकते हैं जिसमें वस्तुओं पर यादृच्छिक बदलाव और बाहरी ताकतों के आधार पर चयन के अलावा कुछ नहीं होता है। मुझे नहीं लगता कि हमारी दुनिया इतनी व्यवस्थित है, और मुझे नहीं लगता कि कम से कम एक जीवविज्ञानी है जो ऐसा सोचता है। ऐसे कई तरीके हैं जिनमें प्राकृतिक बल उन चैनलों को निर्धारित करते हैं जिनमें चयन हो सकता है, कुछ चीजें होती हैं, कुछ नहीं। शरीर में बहुत सी चीजें उस तरह से काम नहीं करती हैं। कम से कम पहला कदम उठाएं, अर्धसूत्रीविभाजन: क्यूब्स के बजाय कोशिकाएं गोलाकार में क्यों विभाजित होती हैं? ये यादृच्छिक उत्परिवर्तन या प्राकृतिक चयन नहीं हैं: ये भौतिकी के नियम हैं। यह सोचने का कोई कारण नहीं है कि भौतिकी के नियम यहां रुकते हैं, वे हर जगह काम करते हैं।

हां, निश्चित रूप से, वे जीव विज्ञान को सीमित करते हैं।

चोम्स्की: ठीक है, वह यह है कि यह अभी भी यादृच्छिक म्यूटेशन और चयन नहीं है। ये हैं: यादृच्छिक उत्परिवर्तन, चयन, और बाकी सब कुछ जो मायने रखता है, उदाहरण के लिए, भौतिकी के नियम।

क्या इन दृष्टिकोणों के लिए कोई जगह है, जिसे अब "तुलनात्मक जीनोमिक्स" कहा जाता है? यहाँ ब्रोड्स इंस्टीट्यूट [MIT / हार्वर्ड में] विभिन्न जानवरों के विभिन्न जीनोम, विभिन्न परिस्थितियों में अलग-अलग कोशिकाओं से बड़ी मात्रा में डेटा बनाता है, और किसी भी अणु को अनुक्रमित करता है जो संभव है। क्या इन तुलनात्मक विकासवादी प्रयोगों से उच्च-स्तरीय संज्ञानात्मक कार्यों के बारे में कुछ भी सीखा जा सकता है, या यह एक अपरिपक्व दृष्टिकोण है?

चोम्स्की: मैं यह नहीं कह रहा हूं कि यह गलत तरीका है, लेकिन मुझे नहीं पता कि इससे क्या सीखा जा सकता है। आप की तरह।

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

:फॉक्सप 2 दिलचस्प है, लेकिन इसका भाषा से कोई लेना-देना नहीं है। यह ठीक मोटर कौशल और इसी तरह की चीजों से जुड़ा हुआ है। यह भाषा के उपयोग के साथ करना है, उदाहरण के लिए, जब आप कहते हैं - आप अपने होंठ और इतने पर नियंत्रण करते हैं, लेकिन यह भाषा के लिए बहुत परिधीय है, और यह पहले से ही ज्ञात है। इसलिए, उदाहरण के लिए, यदि आप कलात्मक अंगों या संकेतों का उपयोग करते हैं, तो ठीक है, उदाहरण के लिए, एक हाथ का इशारा समान भाषा है। वास्तव में, मस्तिष्क के एक ही हिस्से में इसका विश्लेषण और उत्पादन भी किया जाता है, हालांकि एक मामले में हाथ दूसरे होंठ में चले जाते हैं। तो जो भी बाह्यीकरण है, वह सब परिधि पर है। मुझे लगता है कि इसके बारे में बात करना मुश्किल है, लेकिन अगर आप भाषा की संरचना को देखते हैं, तो आपको इसके प्रमाण मिलेंगे। भाषा सीखने में दिलचस्प उदाहरण हैं, जहां कम्प्यूटेशनल दक्षता और संचार दक्षता के बीच संघर्ष है।

इस उदाहरण को लें, जिसका मैंने पहले ही उल्लेख किया था, रैखिक क्रम के साथ। यदि आप यह जानना चाहते हैं कि क्रिया किस क्रिया से जुड़ी है, तो बच्चा न्यूनतम रैखिक दूरी के बजाय न्यूनतम संरचनात्मक दूरी का उपयोग करता है। हां, कम्प्यूटेशनल बिंदु से न्यूनतम रैखिक दूरी का उपयोग करना आसान है, लेकिन इसके लिए यह आवश्यक है कि रैखिक क्रम की अवधारणा हो। और अगर लीनियर ऑर्डर सेंसरिमोटर सिस्टम का सिर्फ एक पलटा है, जो उचित लगता है, तो यह नहीं होगा। यहाँ सबूत है कि सेंसरिमोटर सिस्टम पर आंतरिक प्रणाली का प्रक्षेपण कंप्यूटिंग सिस्टम के संचालन के लिए परिधीय है।

लेकिन क्या यह हो सकता है कि कंप्यूटिंग सिस्टम अपनी सीमाओं का परिचय दे, भौतिकी कैसे अर्धसूत्रीविभाजन को सीमित करती है?

चोमस्की:हो सकता है, लेकिन कोई सबूत नहीं है। उदाहरण के लिए, बाएं छोर - पहले वाले के अर्थ में बाएं वाला - वाक्यों में दाएं की तुलना में अन्य विशेषताएं हैं। यदि आप एक प्रश्न पूछना चाहते हैं, उदाहरण के लिए: "आप किसे देखते हैं?" आपने शब्द "किस" को शुरुआत में रखा था, अंत नहीं। वास्तव में, किसी भी भाषा में जिसमें सवाल करने वाला समूह - जिसकी पुस्तक कहीं और जा रही है - बाईं ओर चलती है, दाईं ओर नहीं। यह सूचना प्रसंस्करण की एक सीमा है। वाक्य वही से शुरू होता है जो श्रोता आपको बताता है: यह वही है जो मैं जैसा दिखता हूं। यदि यह अंत में था, तो आपके पास पूरी तरह से घोषणात्मक प्रस्ताव होगा, और केवल अंत में आपको पता चल जाएगा कि मैं आपसे कौन सी जानकारी पूछ रहा हूं। यदि आप यह कहते हैं, तो यह सूचना प्रसंस्करण की एक सीमा है। तो, यदि ऐसा है, तो बाहरीकरण वाक्य रचना और शब्दार्थ की कम्प्यूटेशनल प्रकृति को प्रभावित करता है।

ऐसे मामले हैं जिनमें आप कम्प्यूटेशनल और संचार प्रभावशीलता के बीच स्पष्ट संघर्ष पाते हैं। एक सरल उदाहरण लें: अगर मैं कहूं, "रिश्तेदारों का आना एक बोझ हो सकता है" - यह अस्पष्ट है। क्या रिश्तेदार आपसे मिलने आ रहे हैं? या आप रिश्तेदारों से मिलने जा रहे हैं? यह पता चला है कि हर ज्ञात मामले में, अस्पष्टता बस इस तथ्य से उत्पन्न होती है कि हम नियमों को बिना किसी प्रतिबंध के स्वतंत्र रूप से कार्य करने की अनुमति देते हैं। इसलिए यह कम्प्यूटेशनल रूप से कुशल है, लेकिन संचार के लिए अक्षम है, क्योंकि यह अनिश्चित अस्पष्टता की ओर जाता है।

या गलत दिशा में जाने वाले उद्यान पथ के प्रभाव के साथ सुझावों का एक उदाहरण लें। सुझाव जैसे: "घोड़ा खलिहान के पिछले भाग में गिर गया।" ( खलिहान के लिए भेजा गया घोड़ा नीचे गिर गया - लगभग)। लोग, जब वे इस तरह की पेशकश देखते हैं, तो इसे समझ नहीं पाते हैं, क्योंकि यह इस तरह से बनाया गया है जो आपको बगीचे के रास्ते पर ले जाता है। "घोड़ा खलिहान के पिछले भाग" एक वाक्य की तरह लगता है, और फिर आप हैरान हो जाते हैं: अंत में शब्द "गिर" क्या करता है? दूसरी ओर, यदि आप इसके बारे में सोचते हैं, तो यह बिल्कुल सही ढंग से बनाया गया प्रस्ताव है। इसका मतलब है कि एक घोड़ा जिसे किसी खलिहान से किसी ने पिछले बताया था, गिर गया है। लेकिन भाषा के नियम, जब वे बस कार्य करते हैं, तो बगीचे के मार्ग की घटना के कारण आपको असंगत वाक्य दे सकते हैं।

और ऐसे कई उदाहरण हैं। ऐसी चीजें हैं जो आप किसी कारण से नहीं कह सकते। अगर मैं कहूं: मैकेनिकों ने कारों को ठीक कर दिया। और आप कहते हैं: "वे सोच रहे थे कि क्या कार के यांत्रिकी ने इसे तय किया था।" आप कारों के बारे में सवाल पूछ सकते हैं: "कितनी कारों में वे रुचि रखते थे, यांत्रिकी ने उन्हें मरम्मत की है?" कम या ज्यादा। मान लीजिए आप यांत्रिकी के बारे में एक प्रश्न पूछना चाहते हैं। "कितने मैकेनिकों ने पूछा कि क्या वे कारों को ठीक करते हैं?" किसी कारण से, यह अब और काम नहीं करता है यह एक स्पष्ट विचार है, लेकिन आप इसे नहीं कह सकते। यदि आप इस मामले का विस्तार से अध्ययन करते हैं, तो सबसे कुशल कम्प्यूटेशनल नियम आपको ऐसा नहीं कहते हैं। लेकिन विचार की अभिव्यक्ति के लिए, संचार के लिए, यह बेहतर होगा यदि आप यह कह सकते हैं - इसलिए संघर्ष।
और वास्तव में, इस तरह के संघर्ष के हर मामले में, कम्प्यूटेशनल दक्षता जीतती है। स्पष्टीकरण सभी मामलों में अस्पष्टता से हीन है, लेकिन सिर्फ कम्प्यूटेशनल कारणों से, जाहिर है, खुद के अंदर का सिस्टम बाहरीकरण के बारे में चिंता नहीं करता है। हो सकता है कि मैंने इसे पर्याप्त रूप से नहीं दिखाया हो, लेकिन यदि आप इसे जोर से कहते हैं, तो यह पर्याप्त रूप से ठोस तर्क होगा।

यह हमें विकास के बारे में कुछ बताता है। इस तथ्य की पुष्टि क्या है: भाषा के विकास के दौरान, एक कंप्यूटर प्रणाली विकसित हुई, और उसके बाद ही इसे बाहरी रूप दिया गया। और अगर आप सोचते हैं कि भाषा कैसे विकसित हो सकती है, तो आप लगभग इस स्थिति में आ गए हैं। मानव विकास में कुछ बिंदु पर, और यह स्पष्ट है, काफी हाल ही में, यदि आप पुरातात्विक आंकड़ों को देखते हैं - शायद पिछले सौ हजार साल पहले, और यह सिर्फ कुछ भी नहीं है - कुछ बिंदु पर एक कंप्यूटिंग सिस्टम नए गुणों के साथ दिखाई दिया जो मौजूद नहीं थे अन्य जीवों में इस तरह के अंकगणितीय प्रकार के गुण होते हैं ...

यही है, क्या इसने आपको बाहरीकरण से पहले बेहतर सोचने की अनुमति दी थी?

चोमस्की:वह आपको सोचता है। मस्तिष्क की एक छोटी सी चमकती, जो एक व्यक्ति में होती है, एक समूह में नहीं होती है। उस व्यक्ति में सोचने की क्षमता थी, समूह नहीं था। इसलिए बाहरी होने का कोई मतलब नहीं है। फिर, यदि यह आनुवंशिक परिवर्तन फैलता है, और उदाहरण के लिए, कई लोगों के पास है, तो यह सेंसरिमोटर सिस्टम पर इसे प्रोजेक्ट करने के तरीके की तलाश करने के लिए समझ में आता है, और यह बाहरीकरण है, लेकिन यह एक माध्यमिक प्रक्रिया है।

केवल अगर बाहरीकरण और विचार की आंतरिक प्रणाली अप्रत्याशित तरीके से जुड़ी नहीं है।

चोमस्की:हम भविष्यवाणी नहीं करते हैं, और यह थोड़ा समझ में आता है। वह बाहरी व्यवस्था से क्यों जुड़ी होगी? उदाहरण के लिए, आपकी अंकगणितीय क्षमताएं इससे जुड़ी नहीं हैं। और कई अन्य जानवर हैं, जैसे कि गाना बजाने वाले, जिसमें एक आंतरिक कंप्यूटिंग सिस्टम, एक पक्षी गीत है। यह एक ही प्रणाली नहीं है, लेकिन यह कुछ आंतरिक कंप्यूटिंग प्रणाली है। और वह बाहरी है, लेकिन कभी-कभी नहीं। कुछ रूपों में, लड़की इस प्रजाति के एक गीत में महारत हासिल करती है, लेकिन परिपक्व होने तक इसे पुन: पेश नहीं करती है। इस शुरुआती दौर में उनके पास एक गीत है, लेकिन कोई बाहरीकरण प्रणाली नहीं है। यह लोगों के लिए भी सच है: मानव बच्चा बहुत अधिक समझता है जितना वह पुन: पेश कर सकता है - काफी प्रयोगात्मक सबूत - जो बताता है कि बच्चे के पास एक आंतरिक प्रणाली है, लेकिन वह इसे बाहरी नहीं कर सकता है। शायद उसके पास पर्याप्त स्मृति नहीं है,या कुछ अन्य कारण।

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

:विज्ञान का दर्शन एक बहुत ही दिलचस्प अनुशासन है, लेकिन मुझे नहीं लगता कि यह वास्तव में विज्ञान में योगदान देता है - यह विज्ञान से सीखता है। वह यह समझने की कोशिश कर रही है कि विज्ञान क्या कर रहे हैं, क्यों उपलब्धियां उनमें हो रही हैं, कौन से रास्ते गलत हैं, क्या इसे संहिताबद्ध किया जा सकता है और समझा जा सकता है। मैं विज्ञान के इतिहास में क्या महत्वपूर्ण मानता हूं। मुझे लगता है कि हम विज्ञान के इतिहास से बहुत कुछ सीखते हैं जो विज्ञान के विकास के लिए बहुत महत्वपूर्ण हो सकता है। खासकर जब हम समझते हैं कि संज्ञानात्मक विज्ञान में हम अभी भी गैलीलियन पूर्व अवस्था में हैं। हमें नहीं पता है कि हम उस चीज की तलाश कर रहे हैं जो गैलीलियो ने पहले ही पाया है, और सीखने के लिए कुछ है। उदाहरण के लिए, प्रारंभिक विज्ञानों में से एक हड़ताली तथ्य, गैलीलियो से जरूरी नहीं है, लेकिन गैलिलियन खोजों के समय से कुल मिलाकर, यह है कि सरल चीजें बहुत भ्रामक हो सकती हैं। इसलिए मैं इस कप को पकड़ता हूं, और अगर पानी उबलता है, तो भाप उठेगी, लेकिन अगर मैं हाथ लगाऊंगा, तो कप गिर जाएगा।कप क्यों गिरता है और भाप उठती है? एक हजार वर्षों के लिए, यह पूरी तरह से संतोषजनक जवाब था: वे अपनी प्राकृतिक स्थिति के लिए प्रयास करते हैं।

?

:यह एरिस्टोटेलियन भौतिकी है। सबसे अच्छे और महान वैज्ञानिकों का मानना ​​था कि यह उत्तर है। गैलीलियो ने खुद को संदेह करने की अनुमति दी। जैसे ही आप अपने आप को संदेह करने की अनुमति देते हैं, आपको तुरंत पता चलता है कि आपका अंतर्ज्ञान गलत है। छोटे द्रव्यमान और बड़े द्रव्यमान की एक बूंद की तरह, और इसी तरह। आपके सभी अंतर्ज्ञान आपको धोखा दे रहे हैं - पहेलियां आपको हर जगह दिखती हैं। विज्ञान के इतिहास में अध्ययन के लिए कुछ है। एक ही उदाहरण मैं आपको देता हूं, "सहज रूप से उड़ने वाले ईगल तैरते हैं।" किसी ने कभी नहीं सोचा था कि यह एक रहस्य था। लेकिन अगर आप इसके बारे में सोचते हैं, तो यह बहुत रहस्यमय है; आप सरल लोगों के बजाय जटिल गणनाओं का उपयोग करते हैं। यदि आप अपने आप को इस पर आश्चर्यचकित होने की अनुमति देते हैं, जैसे एक कप गिर रहा है, तो आप सवाल पूछते हैं "क्यों?" और फिर आप दिलचस्प जवाब के रास्ते पर आते हैं। जैसे, उदाहरण के लिए: रैखिक क्रम एक कंप्यूटिंग सिस्टम का हिस्सा नहीं है,जो सोच की वास्तुकला के बारे में एक महत्वपूर्ण धारणा है - यह कहता है कि रैखिक आदेश बाह्यकरण प्रणाली का केवल एक हिस्सा है, अर्थात द्वितीयक प्रणाली। और यह अन्य तरीकों की एक बड़ी संख्या को खोलता है।

या एक और उदाहरण लें: कमी और एकीकरण के बीच का अंतर। विज्ञान का इतिहास रसायन विज्ञान और भौतिकी में कुछ बहुत ही रोचक दृष्टांत देता है, और मुझे लगता है कि वे हमारे समय के संज्ञानात्मक और न्यूरोफिज़ियोलॉजिकल विज्ञान की स्थिति के लिए काफी प्रासंगिक हैं।

अनुवादक के बाद: चॉम्स्की की अन्य दिलचस्प सामग्रियां साक्षात्कार के जारी होने के बाद से सामने आई हैं - आप अमेरिकी भौतिक विज्ञानी लॉरेंस क्रूस के साथ या चॉम्स्की और बेरविक की नई किताब, द टॉकिंग मैन के साथ 2.5 घंटे की बातचीत पढ़ सकते हैं , यदि आप प्रश्नों में रुचि रखते हैं। विकास और भाषा। तात्याना वोल्कोवा द्वारा अनुवादित।