तंत्रिका नेटवर्क और गहन सीखने: ऑनलाइन ट्यूटोरियल, आफ्टरवर्ड: क्या खुफिया बनाने के लिए एक सरल एल्गोरिथ्म है?

इस पुस्तक में, हमने तंत्रिका नेटवर्क डिवाइस के मुख्य विवरणों पर ध्यान केंद्रित किया: वे कैसे काम करते हैं, उन्हें अनुक्रम मान्यता समस्याओं में कैसे उपयोग किया जा सकता है। इस सामग्री को सीधे अभ्यास में लागू किया जा सकता है। लेकिन, निश्चित रूप से, एनएस में रुचि के कारणों में से एक यह आशा है कि किसी दिन वे सरल जीवन की पहचान की सीमा से परे जाने में सक्षम होंगे। शायद वे, या डिजिटल कंप्यूटर पर आधारित कुछ अन्य दृष्टिकोण, अंततः उन मशीनों को बनाने के लिए इस्तेमाल किया जा सकता है जो मानव बुद्धि के साथ प्रतिस्पर्धा या पार कर सकते हैं? यह विचार पुस्तक में चर्चा की गई सामग्री - या ग्रह के किसी भी व्यक्ति के ज्ञान से कहीं अधिक है। लेकिन इस विषय पर अटकलबाजी हमेशा दिलचस्प होती है।

इस बात पर बहुत बहस हुई है कि क्या कंप्यूटर, सिद्धांत रूप में, मानव बुद्धि के स्तर तक पहुँच सकते हैं। मैं इस मुद्दे पर विचार नहीं करूंगा। बहस के बावजूद, मेरा मानना ​​है कि स्मार्ट कंप्यूटर बनाने की संभावना के बारे में कोई गंभीर संदेह नहीं है - हालांकि यह कार्य बेहद मुश्किल हो सकता है, और शायद मौजूदा प्रौद्योगिकियों से बहुत आगे निकल जाए - और वर्तमान आलोचक एक दिन खुद को अतीत के महत्वपूर्ण लोगों की स्थिति में पाएंगे।

इसके बजाय, मैं एक और प्रश्न का अध्ययन करना चाहता हूं: क्या सिद्धांतों का एक सरल सेट है जिसका उपयोग खुफिया जैसी घटना को समझाने के लिए किया जा सकता है? विशेष रूप से, विशेष रूप से, खुफिया बनाने के लिए एक सरल एल्गोरिथ्म है?

खुफिया बनाने के लिए वास्तव में सरल एल्गोरिदम का विचार काफी बोल्ड है। वह शायद सच होने के लिए बहुत आशावादी लगता है। बहुत से लोगों को लगातार, सहज ज्ञान होता है कि बुद्धि में महत्वपूर्ण जटिलता है जिसे सरल नहीं किया जा सकता है। वे मानव विचार की अद्भुत विविधता और लचीलेपन से इतने प्रभावित हैं कि वे निष्कर्ष निकालते हैं कि एक सरल एल्गोरिथम के लिए बुद्धि बनाना असंभव है। लेकिन, इस अंतर्ज्ञान के बावजूद, मुझे नहीं लगता कि यह इस मुद्दे पर जल्दबाजी में निष्कर्ष निकालने लायक है। विज्ञान का इतिहास ऐसे उदाहरणों से भरा है कि कैसे एक घटना जो शुरू में बेहद जटिल लगती थी, बाद में विचारों के एक सरल लेकिन शक्तिशाली सेट द्वारा समझाया गया था।

उदाहरण के लिए, खगोल विज्ञान के शुरुआती दिनों पर विचार करें। प्राचीन काल से, यह ज्ञात था कि आकाश में विभिन्न वस्तुओं का एक पूरा menagerie था: सूर्य, चंद्रमा, ग्रह, धूमकेतु, तारे। ये वस्तुएं पूरी तरह से अलग-अलग तरीकों से व्यवहार करती हैं: उदाहरण के लिए, तारे आकाश में सबसे अधिक और नियमित रूप से चलते हैं, जबकि धूमकेतु कहीं से दिखाई नहीं देते हैं, आकाश के माध्यम से उड़ते हैं, और गायब हो जाते हैं। सोलहवीं शताब्दी में, केवल एक भोली आशावादी कल्पना कर सकता था कि इन वस्तुओं के सभी आंदोलनों को सिद्धांतों के एक सरल सेट द्वारा समझाया जा सकता है। लेकिन XVII सदी में, न्यूटन ने सार्वभौमिक गुरुत्वाकर्षण के सिद्धांत को तैयार किया, जिसने न केवल इस आंदोलन को समझाया, बल्कि सांसारिक घटनाएं भी, जैसे ज्वार और पृथ्वी से जुड़े गोले का व्यवहार। रेट्रोस्पेक्ट में, सोलहवीं शताब्दी के भोले आशावादी निराशावादी से बहुत कम मांगते हैं।

बेशक, विज्ञान में ऐसे और भी कई उदाहरण हैं। उन रसायनों के असंख्य पर विचार करें जो हमारी दुनिया बनाते हैं, इसलिए आवधिक तालिका द्वारा खूबसूरती से समझाया गया है, जो बदले में कई सरल नियमों के अनुसार बनाया गया है जो क्वांटम यांत्रिकी से प्राप्त किया जा सकता है। या जैविक दुनिया की जटिलता और विविधता का रहस्य, जिनके स्रोत, यह पता चला है, प्राकृतिक चयन के माध्यम से विकास के सिद्धांत में निहित है। ये और कई अन्य उदाहरण कहते हैं कि हमारे दिमाग क्या कर रहा है - और वर्तमान में बुद्धि का सबसे अच्छा उदाहरण क्या है - इस पर आधारित बुद्धि कैसे काम करती है, इसकी एक सरल व्याख्या से इनकार करना बुद्धिमानी नहीं होगी।

इसके बाद, मेरा मानना ​​है कि एक कंप्यूटर को उचित माना जा सकता है यदि उसकी क्षमताएं मानव सोच की क्षमताओं से मेल खाती हैं या उससे अधिक हैं। यही है, एक खुफिया एल्गोरिदम के अस्तित्व का सवाल एक एल्गोरिथ्म के अस्तित्व का सवाल है जो एक व्यक्ति के समान ही सोच सकता है। यह ध्यान देने योग्य है कि, सिद्धांत रूप में, मन के ऐसे रूप हो सकते हैं जिनमें मानव जैसे विचार शामिल नहीं होते हैं, और साथ ही कुछ दिलचस्प तरीके से लोगों के दिमाग से अधिक होते हैं।

दूसरी ओर, इन सभी आशावादी उदाहरणों के बावजूद, तार्किक रूप से बोलना, यह संभव है कि बड़ी संख्या में मूलभूत रूप से विभिन्न तंत्रों के काम के माध्यम से ही खुफिया जानकारी को समझाया जा सकता है। हमारे मस्तिष्क के मामले में, इस तरह के तंत्र विकास के दौरान प्राकृतिक चयन से कई अलग-अलग अनुरोधों की प्रतिक्रिया के रूप में उत्पन्न हो सकते हैं। यदि यह दृष्टिकोण सही है, तो बुद्धि में अपूरणीय जटिलता शामिल है, और बुद्धि का एक सरल एल्गोरिथ्म बनाना असंभव है।

इन दोनों में से कौन सा दृष्टिकोण सही है?

इस प्रश्न को हल करने के लिए, आइए एक से पूछें कि यह निकट से संबंधित है, लेकिन दूसरा - क्या मानव मस्तिष्क कैसे काम करता है, इसका एक सरल विवरण है? विशेष रूप से, हम मस्तिष्क की जटिलता को निर्धारित करने के तरीकों का अध्ययन करेंगे। पहला दृष्टिकोण कनेक्शन के दृष्टिकोण से मस्तिष्क का अध्ययन है। हम सीधे कनेक्शन के बारे में बात कर रहे हैं: मस्तिष्क में कितने न्यूरॉन्स, कितने न्यूरोग्लिया, कितने कनेक्शन न्यूरॉन्स के बीच। आप शायद पहले इन आंकड़ों के पार आए हैं: मस्तिष्क में लगभग 100 बिलियन न्यूरॉन्स, 100 बिलियन न्यूरोग्लिया और 100 ट्रिलियन कनेक्शन न्यूरॉन्स हैं। ये संख्या डगमगा रही है। और वे भयावह हैं। यदि आपको यह समझने के लिए कि मस्तिष्क कैसे काम करता है, इन सभी कनेक्शनों (न्यूरॉन्स और न्यूरोग्लिया का उल्लेख नहीं) के विवरण को समझने की आवश्यकता है, तो हमें निश्चित रूप से बुद्धि के लिए एक सरल एल्गोरिथ्म नहीं मिलेगा।

मस्तिष्क पर एक और अधिक आशावादी दृष्टिकोण है - आणविक जीव विज्ञान के दृष्टिकोण से। विचार यह पूछना है कि मस्तिष्क की वास्तुकला का वर्णन करने के लिए कितनी आनुवंशिक जानकारी की आवश्यकता है। इसे समझने के लिए, आइए मनुष्यों और चिंपांज़ी के बीच आनुवंशिक अंतर को देखकर शुरू करें। आप शायद आम तौर पर यह समझ गए थे कि "मनुष्य 98% चिंपांजी हैं।" कभी-कभी संख्या 95% से 99% तक होती है। ये भिन्नताएं इसलिए होती हैं क्योंकि शुरू में संख्याओं की तुलना मानव चिंपांजी जीनोम के आंशिक नमूनों की तुलना में की गई थी, बल्कि पूरे जीनोम से। हालाँकि, 2007 में, चिंपैंजी जीनोम को पूरी तरह से अनुक्रमित किया गया था, और अब हम जानते हैं कि मानव और चिंपांज़ी डीएनए लगभग 125 मिलियन जोड़े डीएनए बेस में भिन्न होते हैं। यह प्रत्येक जीनोम में 3 बिलियन युग्मित ठिकानों से है। तो आप यह नहीं कह सकते हैं कि एक व्यक्ति 98% चिंपांजी है - 96% के बारे में बात करना अधिक सही होगा।

125 मिलियन युग्मित आधारों में कितनी जानकारी निहित है? प्रत्येक युग्मित आधार को चार संभावनाओं में से एक के साथ लेबल किया जा सकता है - आनुवंशिक कोड के "अक्षर", आधार एडेनिन, थाइमिन, गुआनिन और साइटोसिन। इसलिए प्रत्येक जोड़ी को दो बिट्स सूचना के साथ वर्णित किया जा सकता है - बस चार लेबलों में से एक की पहचान करने के लिए। इसलिए 125 मिलियन युग्मित आधार 250 मिलियन बिट्स सूचना के बराबर हैं। यह मानव और चिंपांज़ी के बीच आनुवंशिक अंतर है!

बेशक, ये 250 मिलियन बिट्स मानव और चिंपांज़ी के बीच पूरे आनुवंशिक अंतर के लिए जिम्मेदार हैं। लेकिन हम केवल मस्तिष्क से जुड़े अंतर में रुचि रखते हैं। दुर्भाग्य से, कोई भी नहीं जानता है कि मस्तिष्क में अंतर कितना आनुवंशिक अंतर का वर्णन कर सकता है। लेकिन मान लीजिए, केवल स्पष्टता के लिए, कि इस अंतर के लिए 250 मिलियन बिट्स में से लगभग आधा जिम्मेदार है। यह 125 मिलियन बिट्स निकलता है।

125 मिलियन बिट्स एक प्रभावशाली बड़ी संख्या है। आइए देखें कि यह कितना अधिक है, इसे और अधिक समझने योग्य शब्दों में अनुवाद करना। विशेष रूप से, एक समान अंग्रेजी पाठ कितना बड़ा होगा? यह पता चला है कि अंग्रेजी भाषा की सूचना सामग्री लगभग एक बिट प्रति अक्षर से मेल खाती है। यह काफी कम रेटिंग की तरह लगता है - आखिरकार, वर्णमाला में 26 अक्षर हैं - हालांकि, अंग्रेजी पाठ में बहुत अधिक मात्रा में अतिरेक है। बेशक, यह तर्क दिया जा सकता है कि जीनोम में अतिरेक है, और एक युग्मित आधार पर दो बिट्स एक गणना है। लेकिन हम इसे अनदेखा कर देंगे, क्योंकि सबसे खराब स्थिति में, इसका मतलब है कि हम मस्तिष्क की आनुवंशिक जटिलता को पछाड़ देंगे। यह सब मानते हुए, हम देखेंगे कि हमारे मस्तिष्क और चिंपांज़ी मस्तिष्क के बीच आनुवंशिक अंतर 125 मिलियन अक्षरों या 25 मिलियन अंग्रेजी शब्दों के बराबर है। यह राजा जेम्स बाइबिल से लगभग 30 गुना अधिक है।

बड़ी मात्रा में जानकारी। लेकिन असंगत रूप से बड़े नहीं। यह मानव मन के पैमाने पर पड़ता है। शायद एक भी व्यक्ति इस कोड में लिखी गई हर चीज को नहीं समझ सकता है, लेकिन उपयुक्त विशेषज्ञता का उपयोग करके लोगों का एक समूह सामूहिक रूप से इसे समझने में सक्षम हो सकता है। और, हालांकि यह एक बड़ी मात्रा में जानकारी है, यह 100 बिलियन न्यूरॉन्स, 100 बिलियन न्यूरोग्लिया और 100 ट्रिलियन कनेक्शनों का वर्णन करने के लिए आवश्यक जानकारी की तुलना में छोटी हो जाती है। यहां तक ​​कि अगर हमने एक सरल और क्रूड विवरण का उपयोग किया है - तो, ​​प्रत्येक कनेक्शन का वर्णन करने के लिए 10 फ़्लोटिंग-पॉइंट नंबर - जिसमें 70 क्वाड्रिलियन बिट की आवश्यकता होगी। इसका मतलब यह है कि आनुवंशिक विवरण मानव मस्तिष्क के पूर्ण संयोजकता के वर्णन की तुलना में आधा अरब गुना कम जटिल है।

इससे यह स्पष्ट है कि जीनोम में हमारे सभी तंत्रिका कनेक्शनों का विस्तृत विवरण नहीं हो सकता है। उसे केवल सामान्य वास्तुकला और मस्तिष्क से जुड़े बुनियादी सिद्धांतों का वर्णन करना है। लेकिन यह वास्तुकला और ये सिद्धांत यह सुनिश्चित करने के लिए पर्याप्त हैं कि लोग बड़े हो रहे हैं, तर्कसंगत बन गए हैं। बेशक, यह चाल के बिना नहीं है - बढ़ते बच्चों को बौद्धिक क्षमता प्राप्त करने के लिए एक स्वस्थ और उत्तेजक वातावरण और अच्छे पोषण की आवश्यकता होती है। हालांकि, अगर हम एक उचित वातावरण में बड़े होते हैं, तो एक स्वस्थ व्यक्ति के पास एक अद्भुत बुद्धि होती है। एक मायने में, हमारे जीन में जानकारी का सार है कि हम कैसे सोचते हैं। इसके अलावा, इस आनुवंशिक जानकारी में निहित सिद्धांतों को हमारे द्वारा समझा जाने की संभावना है।

दिए गए आंकड़े बहुत मोटे अनुमान हैं। यह संभव है कि 125 मिलियन बिट्स एक अतिशयोक्ति के रूप में सामने आएंगे, और यह महत्वपूर्ण सिद्धांतों का एक बहुत अधिक कॉम्पैक्ट सेट है जो मानव सोच को रेखांकित करता है। शायद इन 125 मिलियन बिट्स में से अधिकांश मामूली विवरण के सापेक्ष ठीक ट्यूनिंग हैं। और शायद हम इन संख्याओं की गणना करने में बहुत रूढ़िवादी हैं। अगर ऐसा होता तो बहुत अच्छा होता! हमारे वर्तमान लक्ष्यों के लिए, मुख्य बिंदु निम्नलिखित होगा: मस्तिष्क की वास्तुकला जटिल है, लेकिन मस्तिष्क में कनेक्शन की संख्या का मूल्यांकन करते समय आप जितना सोच सकते हैं उतना नहीं। आणविक जीव विज्ञान के दृष्टिकोण से मस्तिष्क को देखने से पता चलता है कि लोग एक दिन मस्तिष्क की वास्तुकला के बुनियादी सिद्धांतों को समझने में सक्षम होंगे।

पिछले पैराग्राफ में, मैंने इस तथ्य को नजरअंदाज कर दिया कि 125 मिलियन बिट्स मानव मस्तिष्क और चिंपांज़ी मस्तिष्क के बीच केवल आनुवंशिक अंतर का वर्णन करते हैं। इन 125 मिलियन बिट्स के कारण हमारे मस्तिष्क की सभी क्षमताएं मौजूद नहीं हैं। चिंपैंजी खुद सोच में अच्छे होते हैं। शायद बुद्धि की कुंजी मुख्य रूप से उन मानसिक क्षमताओं (और आनुवांशिक जानकारी) में है जो चिंपैंजी और मनुष्य दोनों के पास है। यदि ऐसा है, तो मानव मस्तिष्क कम से कम बुनियादी सिद्धांतों की जटिलता के संदर्भ में चिंपांज़ी मस्तिष्क का एक छोटा सा उन्नयन हो सकता है। हमारी अद्वितीय क्षमताओं के संबंध में आम तौर पर स्वीकार किए जाने वाले मानव चाउमीनवाद के बावजूद, यह इतना अविश्वसनीय नहीं है: मनुष्यों और चिंपांजी के विकास की आनुवांशिक रेखाएं केवल 5 मिलियन साल पहले विकसित हुईं, जो एक विकासवादी पैमाने पर एक पल था। हालांकि, अधिक ठोस तर्क के अभाव में, मैं आम तौर पर स्वीकृत मानव चौधरीवाद के पक्ष में रहता हूं: मुझे लगता है कि मानव विचारों को रेखांकित करने वाले सबसे दिलचस्प सिद्धांत इन 125 मिलियन बिट्स में निहित हैं, और जीनोम के उस हिस्से में नहीं हैं जो हम चिंपैंजी के साथ आम तौर पर करते हैं।

आणविक जीव विज्ञान में निहित मस्तिष्क पर देखने के बिंदु को अपनाने से हमें परिमाण के नौ आदेशों द्वारा हमारे विवरण की जटिलता में कमी आती है। यह प्रेरणादायक है, लेकिन हमें यह नहीं बताता है कि क्या बुद्धिमत्ता के लिए वास्तव में सरल एल्गोरिदम बनाना संभव है। क्या हम जटिलता को और कम कर सकते हैं? और, इससे भी महत्वपूर्ण बात यह है कि क्या हम बुद्धि के लिए एक सरल एल्गोरिदम बनाने की संभावना के सवाल को हल कर सकते हैं?

दुर्भाग्य से, इस मुद्दे को हल करने के लिए अभी तक पर्याप्त ठोस सबूत नहीं हैं। मुझे इस ट्रिक के साथ उपलब्ध कुछ साक्ष्यों का वर्णन करें कि यह समीक्षा छोटी और अधूरी होगी, और इसका उद्देश्य केवल आपको कुछ हालिया वैज्ञानिक पत्रों का विचार देना है, न कि उस समय जो कुछ ज्ञात है, उसका पूरी तरह से वर्णन करना है।

खुफिया के लिए एक सरल एल्गोरिथ्म की संभावना का सुझाव देने वाले सबूतों में से एक प्रयोग है, जो अप्रैल 2000 में जर्नल नेचर में रिपोर्ट किया गया था। वैज्ञानिकों की एक टीम ने मृगांका सुर के नेतृत्व में नवजात शिशुओं के मस्तिष्क को "रिफ़्लेश" किया। आमतौर पर, एक फेर्रेट की आंखों से संकेत मस्तिष्क के एक हिस्से को प्रेषित किया जाता है जिसे दृश्य प्रांतस्था के रूप में जाना जाता है। लेकिन इन फुरेट्स में, वैज्ञानिकों ने सिग्नल को रीडायरेक्ट किया ताकि यह श्रवण प्रांतस्था में जाए, यानी मस्तिष्क का वह हिस्सा जो आमतौर पर सुनने के लिए उपयोग किया जाता है।

यह समझने के लिए कि इसके बाद क्या हुआ था, आपको दृश्य प्रांतस्था में थोड़ा समझने की आवश्यकता है। विज़ुअल कॉर्टेक्स में कई ओरिएंटेशन कॉलम हैं। ये न्यूरॉन्स की छोटी प्लेटें हैं, जिनमें से प्रत्येक एक निश्चित दिशा से दृश्य उत्तेजना पर प्रतिक्रिया करता है। उन्हें छोटे दिशा सेंसर के रूप में दर्शाया जा सकता है: जब कोई निश्चित दिशा से उज्ज्वल प्रकाश चमकता है, तो संबंधित अभिविन्यास कॉलम सक्रिय होता है। यदि प्रकाश चलता है, तो एक अलग अभिविन्यास कॉलम सक्रिय होता है। विज़ुअल कॉर्टेक्स के सबसे महत्वपूर्ण उच्च-स्तरीय संरचनाओं में से एक ओरिएंटेशन मैप है, जिस पर ओरिएंटेशन कॉलम चिह्नित हैं।

वैज्ञानिकों ने पाया है कि अगर फेर्रेट की आंखों से दृश्य संकेत श्रवण प्रांतस्था में पुनर्निर्देशित होता है, तो श्रवण प्रांतस्था बदल जाती है। ओरिएंटल कॉलम और एक अभिविन्यास मानचित्र श्रवण प्रांतस्था में दिखाई देने लगते हैं। यह दृश्य कॉर्टेक्स में ओरिएंटेशन मैप की तुलना में कम ऑर्डर किया गया है, लेकिन यह स्पष्ट है कि यह वह है। इसके अलावा, वैज्ञानिकों ने दृश्य उत्तेजनाओं के लिए फेरेट्स की प्रतिक्रियाओं का सबसे सरल परीक्षण किया, जब प्रकाश अलग-अलग दिशाओं से आया, तो अलग-अलग प्रतिक्रिया देने के लिए उन्हें प्रशिक्षण दिया। परीक्षणों को देखते हुए, फिर से श्रवण प्रांतस्था का उपयोग करके, कम से कम अल्पविकसित रूप से, "अफसोस" को देख सकते हैं।

यह एक आश्चर्यजनक परिणाम है। उनका कहना है कि संवेदी डेटा का जवाब देने के लिए मस्तिष्क के विभिन्न हिस्से कैसे सीखते हैं, यह सामान्य सिद्धांतों पर आधारित है। ऐसा समुदाय मन के अंत में सरल सिद्धांतों के एक सेट के अस्तित्व के विचार के पक्ष में तर्क प्रदान करता है। हालांकि, अपने आप को यह मानने में मूर्ख मत बनो कि इन प्रयोगों में फेरेट्स की दृष्टि बहुत अच्छी थी। व्यवहार परीक्षणों ने दृष्टि के केवल स्थूल पहलुओं का परीक्षण किया। बेशक, हम "अफसोस नहीं पूछ सकते कि क्या उन्होंने देखना सीखा है।" इसलिए, प्रयोगों ने यह साबित नहीं किया कि सुधारित श्रवण प्रांतस्था ने फेरोइट को उच्च-गुणवत्ता की दृष्टि दी। इसलिए, ये प्रयोग इस विचार के लिए बहुत सीमित समर्थन प्रदान करते हैं कि मस्तिष्क के विभिन्न भागों को सीखने के मूल में समान सिद्धांत हैं।

बुद्धि के लिए एक सरल एल्गोरिथ्म के अस्तित्व का खंडन करने के लिए क्या सबूत मौजूद हैं? उनमें से कुछ विकासवादी मनोविज्ञान और न्यूरानोटॉमी के क्षेत्रों से आते हैं। 1960 के दशक के बाद से, विकासवादी मनोवैज्ञानिकों ने मानव सार्वभौमिक, सभी लोगों के लिए, सभी संस्कृतियों में और विभिन्न पृष्ठभूमि के लिए व्यवहारिक पैटर्न की एक विस्तृत श्रृंखला की खोज की है। इनमें माता और पुत्र के अनाचार, संगीत और नृत्य के उपयोग के साथ-साथ अधिक जटिल भाषाई संरचनाएं, जैसे कि शपथ शब्द (अर्थात निषिद्ध शब्द), सर्वनाम और यहां तक ​​कि ऐसी मूल संरचनाओं का उपयोग क्रियाओं के रूप में वर्जित है। ये परिणाम न्यूरोनाटॉमी से बड़ी मात्रा में सबूतों के पूरक हैं, जिससे यह निम्नानुसार है कि मानव व्यवहार के कई पैटर्न मस्तिष्क के कुछ हिस्सों द्वारा नियंत्रित होते हैं, और यह कि मस्तिष्क के ये हिस्से सभी लोगों में समान हैं। सभी एक साथ, यह सुझाव देते हैं कि व्यवहार के कई विशिष्ट पैटर्न हमारे मस्तिष्क के कुछ हिस्सों में सिले हुए हैं।

कुछ लोग इन परिणामों से निष्कर्ष निकालते हैं कि इन कई मस्तिष्क कार्यों के लिए अलग-अलग स्पष्टीकरण की आवश्यकता होती है, और इसके परिणामस्वरूप, मस्तिष्क की गतिविधि को सरल नहीं बनाया जा सकता है, अर्थात, आप यह सरल विवरण नहीं दे सकते कि मस्तिष्क कैसे काम करता है (और शायद एक सरल एल्गोरिथ्म बनाने के लिए। खुफिया)। उदाहरण के लिए, इस दृश्य को रखने वाले जाने-माने एआई शोधकर्ता मार्विन मिनस्की हैं । 1970 और 1980 के दशक में, उन्होंने सोसाइटी ऑफ द माइंड के अपने सिद्धांत को विकसित किया, इस विचार के आधार पर कि मानव मन सरल लेकिन बहुत अलग कंप्यूटिंग प्रक्रियाओं का एक बड़ा समुदाय है, जिसे उन्होंने एजेंट कहा। अपनी पुस्तक में, सिद्धांत का वर्णन करते हुए, Minsky सब कुछ का सारांश देता है जिसे वह इस दृष्टिकोण से लाभ मानता है:

कौन सी चाल हमें बुद्धिमान बनाती है? चाल यह है कि कोई फोकस नहीं है। मन की शक्ति हमारी महान विविधता से बढ़ती है, न कि किसी एक सरल और आदर्श सिद्धांत से।

अपनी पुस्तक की समीक्षाओं पर प्रतिक्रिया देते हुए, मिंस्की ने न्यूरोनाटॉमी और विकासवादी मनोविज्ञान के आधार पर इसी तरह के तर्क का हवाला देते हुए पुस्तक लिखने की प्रेरणा पर अनुमान लगाया:

अब हम जानते हैं कि मस्तिष्क में सैकड़ों अलग-अलग साइटें और नाभिक होते हैं, जिनमें से प्रत्येक में अलग-अलग वास्तुशिल्प तत्व और गुण होते हैं, और उनमें से कई हमारी मानसिक गतिविधि के स्पष्ट रूप से अलग-अलग पहलुओं की प्राप्ति में शामिल होते हैं। , , , «» «» .

मिन्स्की, निश्चित रूप से, इस दृष्टिकोण को रखने में अकेला नहीं है; मैं उसे एक उदाहरण के रूप में देता हूं, ऐसे तर्कों के पक्ष में खड़ा हूं। मुझे ऐसे तर्क दिलचस्प लगते हैं, लेकिन मुझे नहीं लगता कि उनके पक्ष में सबूत पर्याप्त रूप से पुख्ता हैं। दरअसल, मस्तिष्क में बड़ी संख्या में विभिन्न क्षेत्र होते हैं जो अलग-अलग कार्य करते हैं, लेकिन यह इस बात का पालन नहीं करता है कि मस्तिष्क की एक सरल व्याख्या देना असंभव है। शायद ये वास्तु अंतर एक सामान्य बुनियादी सिद्धांत के आधार पर उत्पन्न होते हैं, जैसे धूमकेतु, ग्रह, सूर्य और तारे की चाल एक ही बल के आकर्षण से उत्पन्न होती है। न तो मिन्स्की और न ही कोई और इस तरह के सिद्धांतों की अनुपस्थिति को साबित कर सकता है।

मैं बुद्धि के लिए एक सरल एल्गोरिथ्म के अस्तित्व के पक्षपाती हूं। मूल रूप से, यह विचार, ऊपर प्रस्तुत असंबद्ध तर्कों के बावजूद, मुझे पसंद है क्योंकि यह आशावादी है। वैज्ञानिक अनुसंधान के मामले में, अनुचित आशावाद आमतौर पर उचित निराशावाद की तुलना में अधिक उत्पादक साबित होता है, क्योंकि आशावादी के पास कुछ नया करने की कोशिश करने का साहस है। यह खोज का मार्ग है, भले ही आप वह न खोज रहे हों जो आप मूल रूप से उम्मीद करते थे। एक निराशावादी संकीर्ण अर्थ में अधिक "सही" हो सकता है, लेकिन एक आशावादी से कम खुल जाएगा।

इस दृष्टिकोण से यह विपरीत होता है कि हम आमतौर पर विचारों का मूल्यांकन कैसे करते हैं, यह समझने की कोशिश करते हैं कि वे सही हैं या गलत। यह हर रोज या छोटे अध्ययन के साथ काम करने के लिए एक स्मार्ट रणनीति है। हालांकि, इस तरह से मूल्यांकन करना संभव है बड़े और बोल्ड विचारों को परिभाषित करने के लिए एक संपूर्ण शोध कार्यक्रम गलत होगा। कभी-कभी हमारे पास विचार की शुद्धता के संबंध में केवल कमजोर सबूत होते हैं। हम विनम्रतापूर्वक इसका पालन करने से इनकार कर सकते हैं, और अपना सारा समय उपलब्ध प्रमाणों का अच्छी तरह से अध्ययन करने में बिता सकते हैं, यह समझने की कोशिश कर रहे हैं कि उनमें से कौन सा सत्य है। या हम बस यह स्वीकार कर सकते हैं कि अभी तक कोई भी निश्चित रूप से नहीं जानता है, और सक्रिय रूप से एक बड़ा और साहसिक विचार विकसित करने पर काम करता है, यह महसूस करते हुए कि हालांकि हमारे पास सफलता की कोई गारंटी नहीं है, केवल इस तरह से हम अपनी समझ की सीमाओं का विस्तार कर सकते हैं।

यह सब देखते हुए, अपने सबसे आशावादी रूप में, मुझे अभी भी विश्वास नहीं है कि हम कभी भी बुद्धि के लिए एक सरल एल्गोरिदम पाएंगे। अधिक सटीक रूप से, मुझे विश्वास नहीं है कि हम कभी भी अजगर (या सी, या लिस्प, या कुछ और) में लिखने का अवसर पाएंगे - एक बहुत ही कम कार्यक्रम - कहते हैं, कोड की एक हजार लाइनों तक - जो कृत्रिम बुद्धिमत्ता को लागू करता है। और मुझे नहीं लगता कि हम कभी भी एक बहुत ही सरल वर्णित तंत्रिका नेटवर्क पाएंगे जो एआई को लागू कर सकते हैं। लेकिन मेरा मानना ​​है कि यह अभिनय के लायक है जैसे कि हम इस तरह के कार्यक्रम या नेटवर्क को पा सकते हैं। यह विचारों का मार्ग है, और इसका अनुसरण करते हुए, हम एक दिन एक लंबा कार्यक्रम लिखने के लिए पर्याप्त समझ सकते हैं, या एक अधिक जटिल नेटवर्क बना सकते हैं जो बुद्धिमत्ता का प्रदर्शन करता है। इसलिए, यह अभिनय के लायक है जैसे कि बुद्धि के लिए एक अत्यंत सरल एल्गोरिथ्म है।

1980 के दशक में, एक उत्कृष्ट गणितज्ञ और कंप्यूटर वैज्ञानिक जैक श्वार्ट्ज को AI समर्थकों और संशयवादियों के बीच बहस के लिए आमंत्रित किया गया था । बहस हाथ से निकल गई, समर्थकों ने आश्चर्यजनक चीजों के बारे में अत्यधिक बयान देना शुरू कर दिया जो दिखने वाले थे, और संदेह ने केवल उनके निराशावाद को मजबूत किया, यह कहते हुए कि एआई को बनाना असंभव था। श्वार्ट्ज बहस के बाहर मौजूद थे, और जब चर्चा आगे बढ़ी तो चुप थे। लुल्ल के दौरान, उन्हें चर्चा के तहत विषय पर अपने विचारों का वर्णन करने और उसका वर्णन करने के लिए कहा गया था। उसने कहा: "ठीक है, इन विचारों में से कुछ से पहले, एक सौ अधिक नोबेल पुरस्कार हो सकते हैं।" मेरी राय में, यह एकदम सही जवाब है। एआई की कुंजी सरल और शक्तिशाली विचार है, और हमें उनके लिए आशावादी रूप से देखना चाहिए। लेकिन हमें इस तरह के विचारों की बहुत आवश्यकता होगी, और हमें अभी भी बहुत लंबा रास्ता तय करना है!