Komentar Penerjemah: Wawancara terperinci dengan ahli bahasa legendaris, dirilis 6 tahun lalu, tetapi tidak kehilangan relevansinya. Noam Chomsky - "Einstein modern," begitu ia dipanggil, membagikan pemikirannya tentang struktur pemikiran dan bahasa manusia, kecerdasan buatan, dan keadaan ilmu pengetahuan modern. Suatu hari dia berusia 90 tahun, dan ini tampaknya menjadi alasan yang baik untuk menerbitkan artikel. Wawancara ini dilakukan oleh seorang ilmuwan kognitif muda Jarden Katz, dia sendiri berpengalaman dalam bidang ini, sehingga percakapannya sangat informatif, dan pertanyaannya sama menariknya dengan jawabannya.
Jika kita menetapkan tujuan untuk menyusun daftar tugas intelektual terbesar dan paling tidak dapat dicapai, maka tugas "memecahkan kode" diri kita sendiri - memahami struktur internal pikiran dan otak kita, dan bagaimana arsitektur elemen-elemen ini dikodekan dalam genom kita - pasti akan berada di puncak. Namun, berbagai bidang pengetahuan yang telah mengambil tugas ini, dari filsafat dan psikologi hingga ilmu komputer dan ilmu saraf, diliputi oleh ketidaksepakatan tentang pendekatan mana yang tepat.
Pada tahun 1956, ilmuwan komputer John McCarthy menciptakan istilah "kecerdasan buatan" (AI) untuk menggambarkan ilmu mempelajari pikiran dengan merekonstruksi atribut kuncinya pada komputer. Penciptaan sistem rasional menggunakan peralatan buatan manusia, alih-alih “peralatan” kita sendiri dalam bentuk sel dan jaringan, seharusnya menjadi ilustrasi pemahaman penuh, dan memerlukan aplikasi praktis dalam bentuk perangkat pintar atau bahkan robot.
Namun, beberapa rekan McCarthy, dari disiplin ilmu terkait, lebih tertarik pada bagaimana pikiran bekerja pada manusia dan hewan lain. Noam Chomsky dan rekan-rekannya mengerjakan apa yang kemudian dikenal sebagai ilmu kognitif - penemuan representasi mental dan aturan yang mendasari kemampuan kognitif dan mental kita. Chomsky dan rekan-rekannya membalikkan paradigma behaviorisme yang dominan, dipimpin oleh psikolog Harvard B.F. Skinner, di mana perilaku hewan direduksi menjadi serangkaian asosiasi sederhana antara tindakan dan konsekuensinya dalam bentuk dorongan atau hukuman. Kelemahan dalam pekerjaan Skinner dalam psikologi menjadi dikenal dari ulasan kritis Chomsky tahun 1959 pada bukunya "Perilaku Verbal," di mana Skinner mencoba menjelaskan kemampuan linguistik menggunakan prinsip-prinsip perilaku.
Pendekatan Skinner menekankan hubungan antara stimulus dan respons hewan - pendekatan yang mudah disajikan sebagai analisis statistik empiris yang memprediksi masa depan sebagai konsekuensi dari masa lalu. Konsep bahasa Chomsky, di sisi lain, berfokus pada kompleksitas representasi internal yang dikodekan dalam genom dan perkembangannya dalam proses memperoleh data dalam sistem komputasi yang kompleks yang tidak dapat dengan mudah didekomposisi menjadi sekumpulan asosiasi. Prinsip asosiasi behavioris tidak dapat menjelaskan kekayaan pengetahuan linguistik, penggunaan kreatif kami yang tak terbatas, atau mengapa anak-anak dengan cepat menguasainya dari data minimal dan berisik yang disediakan oleh lingkungan kepada mereka. "Kompetensi bahasa", sebagaimana Chomsky menyebutnya, adalah bagian dari dana genetik tubuh, seperti sistem visual, sistem kekebalan tubuh, dan sistem kardiovaskular, dan kita harus mempelajarinya dengan cara yang sama seperti kita mempelajari sistem biologis lain yang lebih biasa.
David Marr, seorang ahli dalam ilmu saraf, kolega MIT Chomsky, mendefinisikan pendekatan umum untuk mempelajari sistem biologis yang kompleks (seperti otak) dalam bukunya yang diakui Vision, dan analisis kompetensi bahasa Chomsky kurang lebih cocok dengan pendekatan ini. Menurut Marr, sistem biologis yang kompleks dapat dipahami pada tiga tingkatan yang berbeda. Level pertama ("level komputasi") menjelaskan input dan output sistem, yang menentukan tugas yang dilakukan oleh sistem. Dalam kasus sistem visual, input mungkin berupa gambar yang diproyeksikan ke retina kita, dan outputnya mungkin berupa identifikasi objek dalam gambar oleh otak kita. Level kedua ("level algoritmik") menjelaskan prosedur dengan mana input ditransformasikan menjadi output, yaitu: bagaimana gambar pada retina kami dapat diproses untuk mencapai tugas yang dijelaskan pada level komputasi. Akhirnya, tingkat ketiga ("tingkat implementasi") menjelaskan bagaimana peralatan biologis kita dari sel melakukan prosedur yang dijelaskan pada tingkat algoritmik.
Pendekatan Chomsky dan Marr dalam memahami bagaimana pikiran kita bekerja sejauh mungkin dari behaviorisme. Di sini penekanannya adalah pada struktur internal sistem, yang memungkinkannya untuk menyelesaikan tugas, bukan pada hubungan eksternal antara perilaku masa lalu sistem dan lingkungan. Tujuannya adalah untuk menembus "kotak hitam" yang mengontrol sistem dan menggambarkan struktur internalnya, kira-kira bagaimana seorang programmer dapat menjelaskan kepada Anda prinsip produk perangkat lunak yang dikembangkan dengan baik, dan juga menginstruksikan cara menjalankannya di komputer di rumah.
Seperti yang sekarang diterima secara umum, sejarah ilmu kognitif adalah kisah tentang kemenangan nyata pendekatan Chomsky atas paradigma behavioris Skinner - sebuah peristiwa yang sering disebut sebagai "revolusi kognitif", meskipun Chomsky sendiri menyangkal nama ini. Ini secara akurat mencerminkan situasi dalam sains kognitif dan psikologi, tetapi dalam sains terkait lainnya, pemikiran perilaku tidak akan mati. Paradigma eksperimental perilaku dan penjelasan asosiatif tentang perilaku hewan digunakan oleh spesialis dalam ilmu saraf, yang tujuannya adalah untuk mempelajari neurobiologi dari perilaku hewan laboratorium seperti tikus, di mana pendekatan sistem tiga tingkat yang diusulkan oleh Marr tidak berlaku.
Pada Mei 2011, untuk menghormati peringatan 150 tahun Institut Teknologi Massachusetts, Simposium Otak, Pikiran, dan Mesin berlangsung, tempat para ilmuwan komputer, psikolog, dan pakar ilmu saraf berkumpul untuk membahas kecerdasan buatan masa lalu dan masa depan dan hubungannya dengan ilmu saraf.
Dipahami bahwa pertemuan itu akan menginspirasi setiap orang dengan antusiasme antardisiplin untuk menghidupkan kembali pertanyaan ilmiah dari mana seluruh bidang kecerdasan buatan tumbuh: Bagaimana cara kerja pikiran? Bagaimana otak kita menciptakan kemampuan kognitif kita, dan dapatkah itu diwujudkan dalam sebuah mesin?
Noam Chomsky, yang berbicara di sebuah simposium, tidak antusias. Chomsky mengkritik bidang AI karena mengadopsi pendekatan yang mirip dengan behaviorisme hanya dalam bentuk komputasional yang lebih modern dan komputasional. Chomsky mengatakan bahwa mengandalkan teknik statistik untuk mencari pola dalam sejumlah besar data tidak mungkin memberi kita wawasan penjelasan yang kita harapkan dari sains. Bagi Chomsky, AI baru - yang berfokus pada penggunaan teknik pelatihan statistik untuk memproses data dengan lebih baik dan membuat prediksi berdasarkan itu - tidak mungkin memberi kita kesimpulan umum tentang sifat makhluk cerdas atau cara berpikir bekerja.
Kritik ini memicu respons terperinci Chomsky dari direktur penelitian Google dan peneliti AI terkenal Peter Norwig, yang menganjurkan penggunaan model statistik dan berpendapat bahwa metode AI baru dan definisi kemajuan yang sebenarnya tidak jauh dari apa yang terjadi. dan dalam ilmu lainnya.
Chomsky menjawab bahwa pendekatan statistik dapat bernilai praktis, misalnya, untuk mesin pencari yang bermanfaat, dan dimungkinkan dengan komputer cepat yang mampu memproses data dalam jumlah besar. Namun dari sudut pandang ilmiah, Chomsky percaya, pendekatan ini tidak memadai, atau, lebih tepatnya, dangkal. Kami tidak mengajarkan komputer untuk memahami apa arti frasa "fisikawan Sir Isaac Newton", bahkan jika kita dapat membangun mesin pencari yang mengembalikan hasil yang masuk akal kepada pengguna yang memasukkan frasa itu di sana.
Ternyata ahli biologi juga mencoba memahami sistem biologis yang lebih tradisional. Ketika revolusi komputer membuka jalan bagi analisis sejumlah besar data, di mana seluruh "AI baru" bertumpu, revolusi pengurutan dalam biologi modern telah menghasilkan bidang pembungaan genomik dan sistem biologi. Sekuensing throughput tinggi - teknik di mana jutaan molekul DNA dapat dibaca dengan cepat dan murah - telah mengubah sekuensing genom dari fasilitas berusia 10 tahun yang mahal menjadi rutinitas yang dapat diakses di laboratorium. Alih-alih mempelajari masing-masing gen terisolasi yang menyakitkan, kita sekarang dapat mengamati perilaku sistem gen yang bekerja dalam sel secara keseluruhan, dalam ratusan, ribuan kondisi berbeda.
Revolusi sequencing baru saja dimulai, dan sejumlah besar data telah diterima, membawa serta kegemparan dan prospek baru yang menjanjikan untuk terapi baru dan diagnosis penyakit manusia. Misalnya, ketika obat konvensional tidak membantu kelompok orang tertentu, jawabannya mungkin ada dalam genom pasien, dan mungkin ada beberapa kekhasan yang mencegah obat bekerja. Ketika cukup data telah dikumpulkan untuk membandingkan fitur genom yang relevan pada pasien tersebut, dan kelompok kontrol dipilih dengan benar, obat-obatan baru yang disesuaikan dapat muncul, membawa kita ke sesuatu seperti "obat pribadi". Dapat dipahami bahwa jika ada alat statistik yang dikembangkan secara memadai dan kumpulan data yang cukup besar, sinyal yang menarik dapat ditarik dari kebisingan yang diciptakan oleh sistem biologi yang besar dan sedikit dipelajari.
Keberhasilan fenomena seperti pengobatan yang dipersonalisasi, dan konsekuensi lain dari revolusi sekuensing dan pendekatan sistem-biologis, didasarkan pada kemampuan kita untuk bekerja dengan apa yang disebut Chomsky sebagai "kumpulan data mentah" - dan ini menempatkan biologi sebagai pusat diskusi, seperti yang ada di psikologi dan kecerdasan buatan sejak 1960-an.
Sistem biologi juga menemui skeptisisme. Ahli genetika hebat dan pemenang Hadiah Nobel Sydney Brenner pernah mendefinisikannya seperti ini: "input rendah, throughput tinggi, tidak ada ilmu output" (dalam terjemahan gratis: "ada banyak suara dari ketiadaan, dan tidak ada ilmu berdasarkan hasil"). Brenner, seorang kontemporer dari Chomsky yang juga berpartisipasi dalam simposium AI itu, skeptis terhadap hal yang sama tentang pendekatan sistemik baru untuk memahami otak. Menggambarkan pendekatan sistemik yang populer untuk memetakan sirkuit otak, yang disebut Connectomics, yang mencoba untuk menggambarkan koneksi semua neuron di otak (yaitu, plot diagram bagaimana beberapa sel saraf terhubung ke yang lain), Brenner menyebutnya sebagai "bentuk kegilaan".
Serangan cerdas Brenner pada biologi sistem dan pendekatan terkait dalam ilmu saraf tidak jauh dari kritik Chomsky terhadap AI. Tidak seperti dalam penampilan, biologi sistem dan kecerdasan buatan dihadapkan dengan tugas mendasar yang sama dari rekayasa balik sistem yang sangat kompleks, yang struktur internal, sebagian besar, adalah sebuah misteri. Ya, teknologi yang berkembang menyediakan sejumlah besar data yang terkait dengan sistem, yang hanya sebagian yang relevan. Haruskah kita mengandalkan kemampuan komputasi yang kuat dan pendekatan statistik untuk mengisolasi sinyal dari kebisingan, atau apakah kita perlu mencari prinsip-prinsip dasar yang mendasari sistem dan menjelaskan esensinya? Keinginan untuk mengumpulkan lebih banyak data tidak terbendung, meskipun tidak selalu jelas teori apa yang cocok untuk data ini. Diskusi-diskusi ini mengangkat pertanyaan kuno tentang filsafat sains: Apa yang membuat teori atau penjelasan ilmiah memuaskan? Bagaimana kesuksesan dalam sains ditentukan?
Kami duduk bersama Noam Chomsky pada suatu sore di bulan April di sebuah ruang obrolan yang agak berantakan, bersembunyi di sudut rahasia gedung pusing MIT Pusat Statistik Frank Gehry MIT. Saya ingin lebih memahami kritik Chomsky terhadap kecerdasan buatan, dan mengapa, ia percaya, itu bergerak ke arah yang salah. Saya juga ingin mempelajari penerapan kritik ini untuk bidang ilmiah lainnya, seperti ilmu saraf dan biologi sistem, yang semuanya bekerja dengan tugas membalikkan sistem kompleks rekayasa - dan di mana para ilmuwan sering menemukan diri mereka di tengah-tengah lautan data yang terus berkembang. Bagian dari motivasi untuk wawancara itu adalah bahwa Chomsky sekarang jarang ditanya tentang sains. Wartawan terlalu tertarik pada pendapatnya tentang kebijakan luar negeri Amerika Serikat, Timur Tengah, pemerintahan Obama, dan topik-topik biasa lainnya. Alasan lain adalah bahwa Chomsky termasuk jenis intelektual langka dan khusus yang sekarat. Sejak penerbitan esai terkenal oleh Isaiah Berlin, telah menjadi hobi favorit di komunitas akademik untuk menempatkan berbagai pemikir dan ilmuwan pada kontinum Lisa-Hedgehog: Hedgehog cermat dan terspesialisasi, yang bertujuan untuk kemajuan yang konsisten dalam kerangka kerja yang jelas, melawan Lisa, lebih cepat, didorong oleh ide-ide seorang pemikir yang melompat dari pertanyaan ke pertanyaan, mengabaikan ruang lingkup subjek dan menerapkan keterampilannya jika berlaku. Chomsky istimewa karena ia mengubah perbedaan ini menjadi klise lama dan tidak perlu. Di Chomsky, kedalaman tidak lebih daripada fleksibilitas atau luasnya cakupan, meskipun, sebagian besar, ia mencurahkan seluruh karir ilmiah awal untuk mempelajari topik-topik tertentu dalam ilmu linguistik dan kognitif. Karya Chomsky memiliki dampak besar pada beberapa bidang selain bidangnya, termasuk ilmu komputer dan filsafat, dan ia tidak segan-segan membahas dan mengkritik pengaruh gagasan-gagasan ini, yang membuatnya sangat menarik untuk wawancara manusia.
Saya ingin memulai dengan pertanyaan yang sangat sederhana. Pada awal kecerdasan buatan, orang-orang optimis tentang kemajuan di bidang ini, tetapi ternyata berbeda. Mengapa tugas ini begitu sulit? Jika Anda bertanya kepada para ahli di bidang ilmu saraf mengapa sangat sulit untuk memahami otak, mereka akan memberi Anda jawaban yang sepenuhnya tidak memuaskan secara intelektual: ada miliaran sel di otak, dan kita tidak bisa membaca semuanya, dan seterusnya.
Chomsky: Ada sesuatu untuk itu. Jika Anda melihat perkembangan sains, semua sains seperti sebuah kontinum, tetapi mereka dibagi ke dalam area yang terpisah. Kemajuan terbesar dicapai oleh sains, yang mempelajari sistem paling sederhana. Ambil contoh, fisika - ada kemajuan luar biasa di dalamnya. Tetapi salah satu alasannya adalah bahwa fisikawan memiliki keunggulan yang tidak ditemukan dalam ilmu lain. Jika sesuatu menjadi terlalu rumit, mereka meneruskannya kepada orang lain.
Misalnya, ahli kimia?
Chomsky: Jika molekulnya terlalu besar, Anda berikan ke ahli kimia. Ahli kimia, jika bagi mereka molekulnya terlalu besar atau sistemnya menjadi terlalu besar, berikan kepada ahli biologi. Dan jika terlalu besar untuk mereka, mereka memberikannya kepada psikolog, dan pada akhirnya itu berada di tangan kritik sastra, dan sebagainya. Jadi tidak semua yang dikatakan dalam ilmu saraf benar-benar salah.
Tapi mungkin - dan dari sudut pandang saya sangat mungkin, meskipun para ahli di bidang ilmu saraf tidak suka ini - bahwa ilmu saraf telah berada di jalur yang salah selama beberapa ratus tahun terakhir. Ada buku yang agak baru oleh ilmuwan kognitif neuroscientific yang sangat baik Randy Gallistel, bersama dengan Adam King (
"Memori dan Otak Komputasi: Mengapa Ilmu Kognitif akan Mengubah Neuroscience" - kira-kira. Terjemahan ), di mana ia mengklaim - menurut pendapat saya, dapat dipercaya - ilmu syaraf itu dikembangkan, dibawa oleh asosiasiisme dan ide-ide terkait tentang bagaimana orang dan hewan diatur. Akibatnya, mereka mencari fenomena dengan sifat-sifat psikologi asosiatif.
Bagaimana keuletan hobb? [Teori yang dikaitkan dengan Donald Hebb: hubungan antara stimulus lingkungan dan respons terhadap stimulus dapat dikodekan dengan meningkatkan koneksi sinaptik antara neuron - kira-kira. Ed.]Chomsky: Ya, sebagai penguatan koneksi sinaptik. Gallistel menghabiskan waktu bertahun-tahun untuk menjelaskan: jika Anda ingin mempelajari otak dengan benar, Anda harus, seperti Marr, terlebih dahulu bertanya tugas apa yang dia lakukan. Karena itu, ia terutama tertarik pada serangga. Jadi, jika Anda ingin belajar, katakanlah, neurologi semut, Anda bertanya apa yang dilakukan semut? Ternyata semut melakukan hal yang cukup rumit, misalnya membangun jalan setapak. Lihatlah lebah: navigasi mereka membutuhkan perhitungan yang cukup rumit, termasuk posisi matahari, dan sebagainya. Tetapi secara umum, apa yang dia perdebatkan: jika Anda mengambil kemampuan kognitif hewan atau seseorang, ini adalah sistem komputer. Jadi, Anda perlu melihat unit atom komputasi. Ambil mesin Turing, ini adalah bentuk perhitungan paling sederhana, Anda perlu menemukan atom yang memiliki properti "baca", "tulis" dan "alamat". Ini adalah unit komputasi minimum, jadi Anda perlu mencarinya di otak. Anda tidak akan pernah menemukannya jika Anda mencari peningkatan koneksi sinaptik atau properti bidang, dan sebagainya. Anda harus mulai dengan ini: lihat apa yang sudah ada dan apa yang berhasil, dan Anda bisa melihatnya dari level tertinggi dalam hirarki Marra.
Itu benar, tetapi sebagian besar ilmuwan saraf tidak duduk dan tidak menggambarkan input dan kesimpulan dari fenomena yang mereka pelajari. Sebagai gantinya, mereka menempatkan mouse dalam tugas pembelajaran laboratorium, dan merekam neuron sebanyak mungkin, atau mencari tahu apakah gen X diperlukan untuk mempelajari tugas itu, dan seterusnya. Pernyataan semacam ini mengikuti dari eksperimen mereka.
Chomsky: Ini sangat ...
Apakah ada kesalahan konseptual dalam hal ini?Chomsky: Ya, Anda bisa mendapatkan informasi yang bermanfaat. Tetapi jika benar-benar ada semacam perhitungan yang melibatkan unit atom, Anda tidak akan menemukannya dengan cara ini. Ini tentang cara mencari kunci yang hilang di bawah lampu lain, hanya karena lebih ringan di sana (
referensi untuk lelucon terkenal - kira-kira . Ini adalah masalah yang bisa diperdebatkan ... Saya tidak berpikir bahwa posisi Gallistel diterima secara luas oleh para neurobiologis, tetapi ini adalah posisi yang masuk akal, dan itu dibuat dalam semangat analisis Marr.
Jadi ketika Anda mempelajari visi, katanya, Anda pertama kali bertanya jenis tugas komputasi apa yang dipecahkan sistem. Kemudian Anda mencari algoritma yang bisa melakukan perhitungan ini, dan pada akhirnya Anda mencari mekanisme yang memungkinkan algoritma bekerja. Kalau tidak, Anda mungkin tidak akan pernah menemukan apa pun. Ada banyak contohnya, bahkan dalam ilmu eksakta, dan yang paling pasti dalam humaniora. Orang-orang mencoba mempelajari apa yang mereka ketahui cara belajar - maksud saya, itu terlihat masuk akal. Anda memiliki teknik eksperimental tertentu, Anda memiliki tingkat pemahaman tertentu, Anda mencoba untuk mendorong batas-batas yang mungkin - dan ini bagus, saya tidak mengkritik, orang melakukan apa yang mereka bisa. Di sisi lain, akan menyenangkan untuk mengetahui apakah Anda bergerak ke arah yang benar. Dan mungkin terjadi bahwa jika kita mengambil sudut pandang Marra-Gallistel sebagai dasar,yang secara pribadi saya simpati, Anda akan bekerja secara berbeda, mencari eksperimen dari jenis yang berbeda.Jadi, saya pikir, ide utama Marr adalah, seperti yang Anda katakan, menemukan unit atom yang cocok untuk menggambarkan masalah, dengan kata lain, "tingkat abstraksi" yang sesuai, jika saya bisa mengatakannya. Dan jika kita mengambil contoh konkret dari area baru ilmu saraf yang disebut Connectomics, di mana tujuannya adalah untuk menemukan diagram hubungan organisme yang sangat kompleks, untuk menemukan koneksi semua neuron di korteks otak manusia atau otak tikus. Pendekatan ini telah dikritik oleh Sydney Brenner, yang sangat [secara historis] adalah salah satu penulisnya. Pendukung area ini tidak berhenti dan tidak bertanya apakah diagram koneksi adalah tingkat abstraksi yang sesuai - mungkin tidak. Apa pendapat Anda tentang ini?Chomsky: Ada banyak pertanyaan sederhana. Sebagai contoh, di sini di MIT, ada program nematoda interdisipliner (cacing gelang - sekitar. perev. ) C. elegans selama beberapa dekade, dan, seperti yang saya pahami, bahkan dengan makhluk mungil ini yang Anda ketahui seluruh diagram hubungannya, ada 800 neuron atau lebih ...Saya pikir 300 ..Chomsky: ... Bagaimanapun, Anda tidak Anda dapat memprediksi apa yang akan [C. nematode C. elegans] akan lakukan. Mungkin Anda hanya tidak melihat ke sana.
Saya ingin beralih ke topik berbagai metodologi dalam AI. Jadi, "Kecerdasan Buatan Tua yang Baik" (GOFAI), seperti yang sekarang disebut, didasarkan pada formalisme ketat dalam tradisi Gotlob Frege dan Bertrand Russell, pada logika matematika, misalnya, atau cabangnya, seperti penalaran nonmonotonik, dan sebagainya. Dari sudut pandang sejarah sains, menarik bahwa pendekatan ini hampir sepenuhnya dikecualikan dari arus utama dan diganti - di daerah yang sekarang menyebut dirinya AI - dengan probabilitas dan model statistik. Pertanyaan saya adalah: bagaimana pergeseran ini bisa dijelaskan, dan apakah ini langkah ke arah yang benar?Chomsky: Saya mendengarkan laporan Pat Winston tentang ini setahun yang lalu. Salah satu poin yang dia miliki adalah: AI dan robotika mencapai tahap di mana Anda dapat melakukan hal-hal yang sangat berguna, sehingga perhatian beralih ke aplikasi praktis, dan karena itu pertanyaan ilmiah yang lebih mendasar dikesampingkan, hanya karena semua orang ditangkap oleh keberhasilan teknologi dan pencapaian tujuan tertentu.Artinya, semuanya masuk ke rekayasa ....Chomsky: Ya, itu ... Dan itu cukup dimengerti, tetapi, tentu saja, ini membuat orang menjauh dari pertanyaan awal. Saya harus mengakui pada diri sendiri bahwa saya sangat skeptis tentang karya-karya asli ini ( dalam paradigma baru probabilistik AI - approx. Transl. ). Sepertinya bagi saya bahwa semuanya terlalu optimis, diasumsikan bahwa Anda akan dapat mencapai hasil yang membutuhkan pemahaman nyata tentang sistem yang hampir tidak dipelajari, dan bahwa Anda tidak dapat mencapai pemahaman mereka hanya dengan melemparkan mesin yang rumit ke dalamnya. Jika Anda mencoba melakukan ini, Anda sampai pada konsep kesuksesan yang memperkuat diri sendiri, karena Anda mendapatkan hasilnya, tetapi sangat berbeda dari bagaimana hal itu dilakukan dalam ilmu pengetahuan.Misalnya, ambil contoh pembatas, misalkan seseorang ingin menghapuskan fakultas fisika, dan melakukannya dengan benar. Tetapi "hal yang benar" adalah mengambil banyak video tentang apa yang terjadi di dunia luar, dan memberi mereka ke komputer terbesar dan tercepat, gigabytes data, dan melakukan analisis statistik yang komprehensif - yah, Anda tahu, metode Bayesian, bolak-balik. (Pendekatan modern untuk analisis data berdasarkan teori probabilitas - Ed.)- dan Anda akan mendapatkan sesuatu seperti prediksi tentang apa yang akan terjadi di luar jendela Anda di detik berikutnya. Bahkan, Anda akan mendapatkan prediksi kualitas yang jauh lebih baik daripada yang bisa diberikan departemen fisika. Nah, jika kesuksesan ditentukan dengan mendapatkan perkiraan terdekat pada massa data mentah yang kacau, maka, tentu saja, ini adalah cara yang jauh lebih baik daripada yang biasa dilakukan oleh fisikawan - yah, Anda tahu, tidak ada lagi eksperimen pemikiran pada permukaan yang rata sempurna dan sebagainya. . Tetapi Anda tidak akan mendapatkan tingkat pemahaman yang selalu menjadi tujuan sains - Anda hanya akan mendapatkan perkiraan tentang apa yang terjadi.Dan ini dilakukan di mana-mana. Misalkan Anda ingin memprediksi cuaca untuk besok. Satu cara: OK, saya memiliki probabilitas statistik a priori, misalnya: ada kemungkinan besar bahwa besok cuaca akan sama seperti kemarin di Cleveland, dan saya akan menggunakannya, dan posisi matahari akan memiliki pengaruh lebih, dan saya juga menggunakannya, jadi , Anda membuat beberapa asumsi seperti itu, Anda melakukan percobaan, Anda melihat hasilnya lagi dan lagi, Anda benar dengan metode Bayesian, Anda mendapatkan probabilitas a priori terbaik. Anda mendapatkan perkiraan cuaca yang bagus seperti apa besok. Tapi ini bukan yang dilakukan ahli meteorologi - mereka hanya ingin memahami cara kerjanya. Dan ini hanyalah dua konsep berbeda tentang apa itu kesuksesan, apa itu pencapaian. Dalam ilmu saya, ilmu bahasa, ini sepanjang waktu. Dalam ilmu kognitif komputasi,diterapkan pada bahasa, konsep sukses adalah hanya itu. Artinya, Anda mendapatkan lebih banyak dan lebih banyak data, statistik yang lebih baik, Anda mendapatkan perkiraan yang lebih dan lebih akurat untuk beberapa teks raksasa, misalnya, semua arsip Wall Street Journal - tetapi Anda tidak belajar apa pun tentang bahasa tersebut.Pendekatan yang sama sekali berbeda, yang menurut saya benar, adalah mencoba untuk melihat apakah Anda dapat memahami apa prinsip-prinsip dasar dan hubungannya dengan sifat-sifat utama, dan melihat bahwa dalam kehidupan nyata, ribuan variabel yang berbeda akan mengganggu Anda - seperti apa yang terjadi sekarang untuk window - dan Anda akan menghadapinya nanti jika Anda menginginkan perkiraan yang lebih akurat. Ini hanya dua konsep sains yang berbeda. Yang kedua adalah ilmu apa yang telah ada sejak Galileo, ini adalah ilmu pengetahuan modern. Perkiraan data mentah seperti pendekatan baru, tetapi sebenarnya, hal serupa ada di masa lalu. Ini adalah pendekatan baru, yang dipercepat oleh adanya sejumlah besar memori, pemrosesan yang sangat cepat, yang memungkinkan Anda untuk melakukan hal-hal yang tidak dapat Anda lakukan secara manual sebelumnya. Tapi saya pikirbahwa itu mengarah bidang-bidang seperti ilmu kognitif komputasi ke arah penerapan yang mungkin praktis ...… ?:... Tapi itu menjauhi pemahaman. Ya, bahkan mungkin rekayasa yang efektif. Dan ini, omong-omong, menarik apa yang terjadi pada teknik. Ketika saya sampai di MIT pada 1950-an, itu adalah universitas teknik. Ada fakultas matematika dan fisika yang sangat bagus, tetapi mereka adalah fakultas layanan. Mereka mengajar insinyur segala macam trik yang bisa mereka gunakan. Di Fakultas Teknik Elektronika, Anda mempelajari cara memasang sirkuit. Tetapi dari tahun 1960-an hingga hari ini, semuanya benar-benar berbeda. Tidak masalah apa keahlian khusus Anda - Anda mempelajari semua ilmu dasar dan matematika yang sama. Dan kemudian, mungkin Anda belajar sedikit tentang cara menerapkannya. Tetapi ini adalah pendekatan yang sangat berbeda. Itu menjadi mungkin, berkat fakta bahwa untuk pertama kalinya dalam sejarah umat manusia, ilmu-ilmu dasar, seperti fisika, benar-benar dapat membantu para insinyur. Jugateknologi mulai berubah dengan sangat cepat, jadi tidak masuk akal untuk mempelajari teknologi saat ini jika mereka tetap berubah dalam 10 tahun. Karena itu, Anda mempelajari ilmu dasar, yang dapat diterapkan, apa pun yang terjadi selanjutnya. Dan tentang hal yang sama terjadi dalam kedokteran. Jadi, pada abad terakhir, sekali lagi, untuk pertama kalinya, biologi memiliki sesuatu untuk dikatakan dalam kedokteran praktis, dan karena itu Anda harus mengetahui biologi jika Anda ingin menjadi dokter, ditambah teknologinya berubah. Saya pikir ini adalah transisi dari sesuatu seperti seni yang sedang Anda pelajari untuk diterapkan - analogi akan menjadi perbandingan data yang Anda tidak mengerti, dalam beberapa cara khusus, dan mungkin bahkan konstruksi sesuatu yang bekerja - transisi ke sains, yang muncul di Zaman Baru. secara kasar, ilmu tentang Galileo.jika setelah 10 tahun mereka masih berubah. Karena itu, Anda mempelajari ilmu dasar, yang dapat diterapkan, apa pun yang terjadi selanjutnya. Dan tentang hal yang sama terjadi dalam kedokteran. Jadi, pada abad terakhir, sekali lagi, untuk pertama kalinya, biologi memiliki sesuatu untuk dikatakan dalam kedokteran praktis, dan karena itu Anda harus mengetahui biologi jika Anda ingin menjadi dokter, ditambah teknologinya berubah. Saya pikir ini adalah transisi dari sesuatu seperti seni yang sedang Anda pelajari untuk diterapkan - analogi akan menjadi perbandingan data yang Anda tidak mengerti, dalam beberapa cara khusus, dan mungkin bahkan konstruksi dari sesuatu yang bekerja - transisi ke sains, yang muncul di New Time secara kasar, ilmu tentang Galileo.jika setelah 10 tahun mereka masih berubah. Karena itu, Anda mempelajari ilmu dasar, yang dapat diterapkan, apa pun yang terjadi selanjutnya. Dan tentang hal yang sama terjadi dalam kedokteran. Jadi, pada abad terakhir, sekali lagi, untuk pertama kalinya, biologi memiliki sesuatu untuk dikatakan dalam kedokteran praktis, dan karena itu Anda harus mengetahui biologi jika Anda ingin menjadi dokter, ditambah teknologinya berubah. Saya pikir ini adalah transisi dari sesuatu seperti seni yang sedang Anda pelajari untuk diterapkan - analogi akan menjadi perbandingan data yang Anda tidak mengerti, dalam beberapa cara khusus, dan mungkin bahkan konstruksi dari sesuatu yang bekerja - transisi ke sains, yang muncul di New Time secara kasar, ilmu tentang Galileo.Dan tentang hal yang sama terjadi dalam kedokteran. Jadi, pada abad terakhir, sekali lagi, untuk pertama kalinya, biologi memiliki sesuatu untuk dikatakan dalam kedokteran praktis, dan karena itu Anda harus mengetahui biologi jika Anda ingin menjadi dokter, ditambah teknologinya berubah. Saya pikir ini adalah transisi dari sesuatu seperti seni yang sedang Anda pelajari untuk diterapkan - analogi akan menjadi perbandingan data yang Anda tidak mengerti, dalam beberapa cara khusus, dan mungkin bahkan konstruksi sesuatu yang bekerja - transisi ke sains, yang muncul di Zaman Baru. secara kasar, ilmu tentang Galileo.Dan tentang hal yang sama terjadi dalam kedokteran. Jadi, pada abad terakhir, sekali lagi, untuk pertama kalinya, biologi memiliki sesuatu untuk dikatakan dalam kedokteran praktis, dan karena itu Anda harus mengetahui biologi jika Anda ingin menjadi dokter, ditambah teknologinya berubah. Saya pikir ini adalah transisi dari sesuatu seperti seni yang sedang Anda pelajari untuk diterapkan - analogi akan menjadi perbandingan data yang Anda tidak mengerti, dalam beberapa cara khusus, dan mungkin bahkan konstruksi sesuatu yang bekerja - transisi ke sains, yang muncul di Zaman Baru. secara kasar, ilmu tentang Galileo.yang Anda pelajari untuk diterapkan - analoginya akan menjadi perbandingan data yang tidak Anda mengerti, dengan cara tertentu, dan mungkin bahkan konstruksi sesuatu yang berfungsi - transisi ke sains, yang muncul di zaman modern, secara kasar, ilmu Galileo.yang Anda pelajari untuk diterapkan - analoginya akan menjadi perbandingan data yang tidak Anda mengerti, dengan cara tertentu, dan mungkin bahkan konstruksi sesuatu yang berfungsi - transisi ke sains, yang muncul di zaman modern, secara kasar, ilmu Galileo.Saya melihat. Kembali ke topik statistik Bayesian dalam model bahasa dan kognisi. Ada perselisihan terkenal dengan partisipasi Anda, Anda berpendapat bahwa membicarakan kemungkinan proposal itu sendiri tidak masuk akal ...Chomsky: ... Yah, Anda bisa mendapatkan nomor jika Anda mau, tetapi itu tidak berarti apa-apa.Itu tidak berarti apa-apa. Tetapi tampaknya ada cara yang hampir sepele untuk menyatukan metode probabilistik, dengan asumsi bahwa ada representasi mental internal yang sangat kaya yang terdiri dari aturan dan struktur simbolis lainnya, dan tujuan dari teori probabilitas adalah hanya untuk menghubungkan data dunia kita yang berisik dan terfragmentasi dengan data internal ini. struktur simbolik. Dan Anda tidak perlu mengatakan apa pun tentang bagaimana struktur ini muncul - mereka bisa ada pada awalnya, atau beberapa parameter disesuaikan di sana - itu tergantung pada konsep Anda. Tetapi teori probabilitas bekerja seperti perekat antara data yang berisik dan representasi mental yang sangat kaya.
Chomsky: Tidak ada yang salah dengan teori probabilitas, statistik.Tapi apakah dia punya peran?Chomsky:Jika Anda bisa menggunakannya, baiklah. Tetapi pertanyaannya adalah, mengapa Anda menggunakannya? Pertama-tama, pertanyaan pertama, apakah ada gunanya memahami data yang bising? Apakah masuk akal untuk memahami apa yang terjadi di luar, di luar jendela?Tapi kami dibombardir dengan data ini. Ini adalah salah satu contoh Marr: kami menemukan data bising terus-menerus, mulai dari retina kami hingga ...Chomsky:Begitulah. Tapi inilah yang dia katakan: Mari kita bertanya pada diri sendiri bagaimana sistem biologis memilih yang penting dari kebisingan. Retina tidak berusaha menduplikasi suara yang masuk. Dia berkata: Sekarang saya akan mencari ini di gambar, ini dan ini. Ini seperti belajar bahasa. Seorang bayi yang baru lahir dikelilingi oleh berbagai kebisingan, seperti William James, "mekar dan berdengung berantakan," kata. Jika monyet, anak kucing, burung, siapa pun, mendengar suara ini, itu saja. Namun, anak itu entah bagaimana, segera, secara refleks, memilih dari suara bagian terpisah yang terhubung dengan bahasa. Ini adalah langkah pertama.
Bagaimana dia melakukannya? Tidak dengan bantuan analisis statistik, karena monyet juga dapat melakukan analisis kasar dalam bentuk yang sama. Dia mencari hal tertentu. Jadi, psikolog, ahli saraf, dan lain-lain mencoba untuk menemukan rincian spesifik dari sistem komputasi dan neuropsikologi, yang entah bagaimana terkait dengan aspek lingkungan tertentu. Jadi, ternyata benar-benar ada sirkuit saraf yang merespons jenis ritme tertentu, yang memanifestasikan dirinya dalam bahasa - seperti panjang suku kata dan seterusnya. Dan ada beberapa bukti bahwa salah satu hal pertama yang dicari otak anak adalah struktur ritmis. Dan kembali ke Gallistel dan Marr, otak memiliki sistem komputasi tertentu di dalamnya, yang mengatakan: "Oke, itulah yang akan saya lakukan dengan hal-hal ini,"dan setelah sekitar sembilan bulan anak tipikal sudah dikecualikan - dihilangkan dari stoknya - perbedaan fonetis yang tidak dalam bahasanya sendiri. Ternyata, sejak awal, setiap anak disetel ke bahasa apa pun. Tetapi, katakanlah, seorang anak Jepang pada usia sembilan bulan tidak akan bereaksi terhadap perbedaan antara "P" dan "L", seolah-olah, dihilangkan. Jadi sistem mempertimbangkan banyak kemungkinan dan membatasi mereka hanya untuk mereka yang merupakan bagian dari bahasa, dan ini adalah perangkat yang sangat sempit. Anda dapat menemukan anti-bahasa di mana seorang anak tidak pernah bisa melakukan ini, dan banyak lagi. Sebagai contoh, jika kita berbicara tentang sisi yang lebih abstrak dari bahasa tersebut, saat ini ada bukti kuat bahwa hal yang sederhana seperti urutan kata linier - apa yang terjadi setelah apa - tidak termasuk dalam sistem komputasi sintaksis dan semantik,perangkat mereka hanya sedemikian rupa sehingga mereka tidak mencari urutan linier. Dapat dilihat bahwa konsep jarak abstrak lebih banyak digunakan dan ini bukan jarak linear, dan konfirmasi neurofisiologis dapat ditemukan untuk ini. Anda dapat memberikan contoh: jika Anda membuat bahasa buatan yang menggunakan urutan kata linier, seperti, misalnya, Anda membuat kalimat afirmatif negatif dengan melakukan sesuatu dengan kata ketiga. Orang akan dapat memecahkan teka-teki ini, tetapi tampaknya, bagian linguistik standar dari otak tidak diaktifkan - zona lain diaktifkan, yaitu, orang menganggap ini sebagai teka-teki, dan bukan sebagai tugas bahasa. Dan untuk menyelesaikannya, orang harus berusaha lebih keras ...bahwa konsep jarak yang lebih abstrak terutama digunakan dan ini bukan jarak linear, dan konfirmasi neurofisiologis dapat ditemukan untuk ini. Anda dapat memberikan contoh: jika Anda membuat bahasa buatan yang menggunakan urutan kata linier, seperti, misalnya, Anda membuat kalimat afirmatif negatif dengan melakukan sesuatu dengan kata ketiga. Orang akan dapat memecahkan teka-teki ini, tetapi tampaknya, bagian linguistik standar dari otak tidak diaktifkan - zona lain diaktifkan, yaitu, orang menganggap ini sebagai teka-teki, dan bukan sebagai tugas bahasa. Dan untuk menyelesaikannya, orang harus berusaha lebih keras ...bahwa konsep jarak yang lebih abstrak terutama digunakan dan ini bukan jarak linear, dan konfirmasi neurofisiologis dapat ditemukan untuk ini. Anda dapat memberikan contoh: jika Anda membuat bahasa buatan yang menggunakan urutan kata linier, seperti, misalnya, Anda membuat kalimat afirmatif negatif dengan melakukan sesuatu dengan kata ketiga. Orang akan dapat memecahkan teka-teki ini, tetapi tampaknya, bagian linguistik standar dari otak tidak diaktifkan - zona lain diaktifkan, yaitu, orang menganggap ini sebagai teka-teki, dan bukan sebagai tugas bahasa. Dan untuk menyelesaikannya, orang harus berusaha lebih keras ...Anda membuat kalimat afirmatif negatif dengan melakukan sesuatu dengan kata ketiga. Orang akan dapat memecahkan teka-teki ini, tetapi tampaknya, bagian linguistik standar dari otak tidak diaktifkan - zona lain diaktifkan, yaitu, orang menganggap ini sebagai teka-teki, dan bukan sebagai tugas bahasa. Dan untuk menyelesaikannya, orang harus berusaha lebih keras ...Anda membuat kalimat afirmatif negatif dengan melakukan sesuatu dengan kata ketiga. Orang akan dapat memecahkan teka-teki ini, tetapi tampaknya, bagian linguistik standar dari otak tidak diaktifkan - zona lain diaktifkan, yaitu, orang menganggap ini sebagai teka-teki, dan bukan sebagai tugas bahasa. Dan untuk menyelesaikannya, orang harus berusaha lebih keras ..., ...: …Ini bukti, dan tentu saja, Anda menginginkan lebih. Tetapi bukti ini sedemikian rupa sehingga Anda melihat dari sisi linguistik bagaimana bahasa bekerja - tidak ada kata ketiga dalam sebuah kalimat. Mari kita ambil satu kalimat sederhana: “Elang terbang secara naluri berenang”, di sini “secara naluriah” dihubungkan dengan kata “berenang”, dan bukan dengan kata “terbang”, meskipun seluruh kalimat tidak masuk akal. Dan inilah efek refleksnya. "Secara naluriah", kata keterangan, tidak mencari kata kerja terdekat, ia mencari kata kerja yang lebih cocok secara struktural. Ini adalah perhitungan yang jauh lebih rumit. Tetapi ini adalah satu-satunya perhitungan yang umumnya digunakan. Pemesanan linear adalah perhitungan yang sangat sederhana, tetapi tidak pernah digunakan. Ada banyak bukti seperti ini, dan sangat sedikit bukti neuro-linguistik, tetapi mereka menunjuk ke arah yang sama.Dan ketika Anda melihat struktur yang lebih kompleks, Anda menemukan semakin banyak dari ini.Ini, menurut saya, adalah cara untuk memahami bagaimana sistem sebenarnya bekerja, bagaimana hal itu terjadi dengan sistem penglihatan di laboratorium Marr: orang-orang seperti Shimon Ullman menemukan hal-hal yang cukup luar biasa seperti prinsip kekakuan. Anda tidak akan dapat menemukan ini menggunakan analisis data statistik. Dia menemukan ini dengan eksperimen yang direncanakan dengan cermat. Kemudian Anda mencari di neurofisiologi dan melihat apakah Anda dapat menemukan sesuatu yang melakukan perhitungan ini. Saya pikir hal yang sama dalam bahasa, sama dalam mempelajari kemampuan aritmatika kami, perencanaan, hampir di mana-mana. Hanya bekerja dengan data mentah - Anda tidak akan datang ke mana pun dengan ini, dan Galileo tidak akan datang. Faktanya, kembali ke ini, pada abad ke-17, tidaklah mudah bagi orang-orang seperti Galileo dan ilmuwan besar lainnya untuk meyakinkan National Science Foundation pada masa itu - yaitu, bangsawan - bahwabahwa pekerjaan mereka masuk akal. Maksud saya: mengapa mempelajari bagaimana bola menggelinding pada bidang datar sempurna tanpa gesekan, karena tidak ada. Mengapa tidak mempelajari bagaimana bunga tumbuh? Jika Anda mencoba mempelajari pertumbuhan bunga pada masa itu, Anda mungkin akan mendapatkan analisis statistik tentang cara kerja semuanya.Penting untuk diingat bahwa dalam ilmu kognitif kita masih berada di era pra-Galilea, kita baru saja mulai membuat penemuan. Dan saya pikir sesuatu dapat dipelajari dari sejarah sains. Salah satu percobaan utama dalam sejarah kimia pada tahun 1640 atau lebih, ketika seseorang membuktikan, untuk kesenangan seluruh dunia ilmiah, hingga Newton, bahwa air dapat diubah menjadi materi hidup. Begini cara mereka melakukannya - tentu saja, tidak ada yang tahu apa-apa tentang fotosintesis - mereka mengambil seikat tanah, dan memanaskannya sehingga semua air menguap. Timbang, masukkan cabang willow ke dalamnya, dan sirami air dari atas, ukur volume air ini. Ketika semuanya sudah siap dan pohon willow telah tumbuh, Anda kembali mengambil bumi dan menguapkan air darinya - sama seperti sebelumnya. Dengan demikian, Anda telah menunjukkan bahwa air dapat berubah menjadi ek atau sesuatu yang lain. Ini adalah eksperimen, dan sepertinya itu benar, tetapi Anda tidak tahu apa yang Anda cari.Dan ini tidak diketahui sampai Priestley menemukan bahwa udara adalah komponen dunia, ia memiliki nitrogen, dan seterusnya, dan Anda belajar tentang fotosintesis dan sebagainya. Kemudian Anda dapat mengulangi percobaan dan memahami apa yang terjadi. Tetapi Anda dapat dengan mudah dibawa ke arah yang salah dengan percobaan yang tampaknya berhasil karena Anda tidak cukup mengerti apa yang harus Anda cari. Dan Anda akan pergi dengan cara yang salah jika Anda mencoba mempelajari pertumbuhan pohon seperti ini: ambil saja serangkaian data tentang bagaimana pohon itu tumbuh, beri makan ke komputer yang kuat, lakukan analisis statistik dan dapatkan perkiraan tentang apa yang terjadi.Tetapi Anda dapat dengan mudah dibawa ke arah yang salah dengan percobaan yang tampaknya berhasil karena Anda tidak cukup mengerti apa yang harus Anda cari. Dan Anda akan pergi dengan cara yang salah jika Anda mencoba mempelajari pertumbuhan pohon seperti ini: ambil saja serangkaian data tentang bagaimana pohon tumbuh, berikan makan ke komputer yang kuat, lakukan analisis statistik dan dapatkan perkiraan tentang apa yang terjadi.Tetapi Anda dapat dengan mudah dibawa ke arah yang salah dengan percobaan yang tampaknya berhasil karena Anda tidak cukup mengerti apa yang harus Anda cari. Dan Anda akan pergi dengan cara yang salah jika Anda mencoba mempelajari pertumbuhan pohon seperti ini: ambil saja serangkaian data tentang bagaimana pohon itu tumbuh, beri makan ke komputer yang kuat, lakukan analisis statistik dan dapatkan perkiraan tentang apa yang terjadi.Dalam biologi, apakah Anda menganggap karya Mendel sebagai contoh sukses tentang cara mengambil data yang bising - penting bahwa angkanya numerik - dan melompat untuk mempostulatkan objek teoretis ...Chomsky: ... Dan membuang sejumlah besar data yang tidak berfungsi.... Tetapi setelah melihat korelasi yang masuk akal, kembangkan sebuah teori.Chomsky:Ya, dia melakukan semuanya dengan benar. Dia membiarkan teori mengelola data. Ada juga bukti yang bertentangan dengan teori, yang kurang lebih dibuang, Anda tahu - yang biasanya tidak Anda sertakan dalam artikel. Dan dia, tentu saja, berbicara tentang hal-hal yang tidak dapat ditemukan siapa pun, seperti halnya mustahil menemukan unit yang keberadaannya dia buktikan. Tapi ya, begitulah cara kerja sains. Demikian juga dalam kimia. Kimia, sebelum masa kanak-kanak saya, belum lama ini, dianggap sebagai ilmu komputasi. Karena itu tidak dapat direduksi menjadi fisika. Karena itu, ini hanya cara untuk menghitung hasil percobaan. Atom Bohr begitu dirasakan. Cara untuk menghitung hasil percobaan, tetapi ini bukan ilmu sungguhan, karena tidak dapat direduksi menjadi fisika, dan tiba-tiba, itu ternyata benar, karena fisika salah. Ketika fisika kuantum muncul,menjadi mungkin untuk bergabung dengan kimia yang tidak berubah. Artinya, seluruh proyek dengan pengurangan itu tidak benar. Proyek yang benar adalah untuk melihat bagaimana dua pandangan dunia ini dapat digabungkan. Dan ternyata, kejutan - mereka disatukan oleh perubahan radikal dalam ilmu hilir. Mungkin persis sama dengan psikologi dan ilmu saraf. Maksudku, ilmu saraf bahkan tidak semaju fisika sekarang seabad lalu.Dan ini akan menjadi penyimpangan dari pendekatan reduksionis dengan pencarian molekul ....Chomsky: Ya. Faktanya, pendekatan reduksionis telah keliru beberapa kali. Pendekatan unifikasi masuk akal. Tetapi penyatuan mungkin berbeda dari reduksi, karena dalam sains dasar mungkin cacat, seperti halnya dengan fisika dan kimia, dan saya menduga dengan tingkat probabilitas yang tinggi hal yang sama dalam kasus ilmu saraf dan psikologi. Jika Gallistel benar, maka masuk akal untuk mengatakan bahwa ya, mereka dapat digabungkan, tetapi dengan pendekatan yang berbeda untuk ilmu saraf.Haruskah kita mengusahakan penyatuan yang cepat, atau lebih baik mengembangkan bidang-bidang ini secara paralel sejauh ini?Chomsky:Unifikasi adalah pengejaran intuitif yang ideal, bagian dari mistisisme ilmiah, jika Anda mau. Ini seperti mencari teori umum dunia. Mungkin itu tidak ada, mungkin bagian yang berbeda bekerja secara berbeda, tetapi ada asumsi, sampai mereka memberi saya bantahan yang meyakinkan, asumsi saya adalah bahwa ada teori umum dunia, dan tugas saya adalah berusaha menemukannya. Penyatuan mungkin tidak memanifestasikan dirinya melalui reduksi, dan ini sering terjadi. Ini adalah logika utama dari pendekatan David Marr: apa yang Anda temukan di tingkat komputasi harus dikombinasikan dengan apa yang pernah Anda temukan di tingkat mekanisme, tetapi mungkin tidak dalam istilah di mana kita sekarang memahami mekanisme ini.Dan Marra menyiratkan bahwa Anda tidak dapat bekerja pada ketiga level secara paralel [level komputasi, algoritmik, dan implementasi], Anda perlu beralih dari atas ke bawah, dan ini adalah persyaratan yang sangat ketat, mengingat ini biasanya tidak terjadi dalam sains.Chomsky: Dia tidak bisa mengatakan bahwa semuanya harus keras. Misalnya, penemuan sesuatu yang baru tentang mekanisme dapat membawa Anda ke perubahan konsep komputasi. Urutan logis tidak harus bersamaan dengan urutan penelitian, karena dalam penelitian semuanya terjadi pada saat yang sama. Tapi saya pikir dalam perkiraan kasar, gambarannya benar. Walaupun saya harus mengatakan bahwa konsep Marra dikembangkan untuk sistem input ...Sistem pemrosesan informasi ...Chomsky:Ya, seperti visi. Ada data - ini adalah sistem pemrosesan data - dan sesuatu terjadi di dalamnya. Dan ini tidak bekerja dengan baik untuk sistem kognitif. Mari kita ambil kemampuan aritmatika Anda ...Ini sangat lemah, tapi oke ...Chomsky: Bagus [tertawa]. Tetapi ini adalah kemampuan internal, Anda tahu bahwa otak Anda adalah unit kontrol dari sesuatu seperti mesin Turing, dan ia memiliki akses ke data eksternal, seperti memori, waktu ... Secara teoritis, Anda dapat melipatgandakan apa pun, tetapi dalam praktiknya, tentu saja, ini tidak begitu. Jika Anda mencoba mempelajari sistem internal apa yang Anda miliki, maka hierarki Marr tidak berfungsi dengan baik. Anda dapat berbicara tentang tingkat komputasi: mungkin aturan di dalam diri saya adalah aksioma Peano [ kira-kira. ed.: teori matematika (dinamai ahli matematika Italia Giuseppe Peano), yang menggambarkan inti dari aturan dasar aritmatika dan bilangan asli, dari mana Anda dapat memperoleh banyak fakta aritmatika yang berguna] atau sesuatu yang lain, itu tidak masalah - ini adalah tingkat komputasi. Secara teoritis, meskipun kami tidak tahu caranya, Anda hanya dapat berbicara tentang tingkat neurofisiologis, tidak ada yang tahu caranya, tetapi tidak ada tingkat algoritmik yang nyata. Karena tidak ada kalkulus pengetahuan, itu hanyalah sebuah sistem pengetahuan. Tidak jelas bagaimana memahami sifat sistem pengetahuan: tidak ada algoritma, karena tidak ada proses. Ini hanya dapat dilakukan dengan menggunakan sistem pengetahuan di mana ada proses, tetapi itu akan menjadi sesuatu yang sama sekali berbeda.Tetapi karena kita melakukan kesalahan, apakah ini berarti prosesnya salah?Chomsky:Ini adalah proses menggunakan sistem internal. Tetapi sistem internal itu sendiri bukan proses, karena tidak memiliki algoritma. Ambil matematika biasa. Jika Anda mengambil aksioma dan aturan inferensi Peano, mereka menentukan semua perhitungan aritmatika, tetapi tidak ada algoritma. Jika Anda bertanya bagaimana pakar dalam teori bilangan menerapkannya, maka tentu saja ada banyak pilihan: misalnya, Anda mulai bukan dengan aksioma, tetapi dengan aturan inferensi. Anda mengambil teorema dan melihat apakah lemma dapat disimpulkan, dan jika berhasil, lalu lihat apakah ternyata mendasarkan lemma ini pada sesuatu, dan pada akhirnya Anda mendapatkan bukti - objek geometris.Tetapi ini adalah kegiatan yang secara fundamental berbeda, berbeda dengan menambahkan angka-angka kecil di kepala saya - dan tentu saja, saya memiliki semacam algoritma di kepala saya.Chomsky:Belum tentu. Proses ini memiliki algoritme dalam kedua kasus. Tetapi tidak ada algoritma dari sistem itu sendiri, ini adalah kesalahan kategoris. Anda tidak bertanya proses apa yang mendefinisikan aksioma dan aturan inferensi Peano; tidak ada proses di sana. Mungkin ada proses untuk menggunakannya. Dan ini bisa menjadi proses yang rumit, dan ini benar dalam kasus perhitungan Anda. Sistem internal yang Anda miliki bukan pertanyaan proses. Tetapi jika Anda menggunakan sistem internal Anda, muncul pertanyaan, dan Anda dapat melakukan multiplikasi dalam banyak cara. Misalnya, jika Anda menambahkan 7 dan 6, satu algoritma mengatakan: "Saya akan melihat berapa banyak yang diperlukan untuk sampai ke 10" - dibutuhkan 3, dan sekarang ada 3 lagi yang tersisa, jadi saya akan pindah dari 10 dan menambahkan 3 lagi, dan akan ada 13. Ini adalah algoritme tambahan - sebenarnya, itulah cara saya diajarkan di taman kanak-kanak. Ini adalah salah satu cara untuk menambahkan angka.Tetapi ada cara lain untuk menambahkan - tidak ada algoritma yang tepat. Ini adalah algoritma untuk melakukan proses sistem kognitif di kepala Anda. Dan sekarang untuk sistem ini Anda tidak bertanya tentang algoritma. Anda dapat bertanya tentang tingkat komputasi, tentang tingkat mekanisme. Tetapi level algoritmik untuk sistem ini tidak ada. Sama dengan bahasa. Bahasa seperti kemampuan berhitung. Ada sistem yang menentukan bunyi dan makna dari berbagai kemungkinan kalimat. Tetapi tidak ada pertanyaan tentang apa jenis algoritma yang ada. Juga tidak ada pertanyaan tentang sistem aritmetika formal mana yang memberi tahu Anda bagaimana membuktikan teorema. Menggunakan sistem adalah suatu proses, dan Anda dapat mempelajarinya dalam hal tingkat Marr. Tetapi penting untuk secara konseptual menunjuk perbedaan-perbedaan ini.Sepertinya tugas yang luar biasa untuk beralih dari teori level komputasi, seperti aksioma Peano, ke level Marrow 3 ...Chomsky: mekanisme ...... mekanisme dan realisasi ...Chomsky: Ya. Dan ...... setidaknya tanpa algoritme.Chomsky:Saya pikir ini tidak benar. Mungkin informasi tentang bagaimana sistem digunakan akan memberi tahu Anda sesuatu tentang mekanismenya. Tetapi pikiran yang lebih tinggi - mungkin lebih tinggi dari kita - akan melihat bahwa ada sistem internal, dan ia memiliki dasar fisiologis, dan akan mungkin untuk mempelajarinya, dasar fisiologis ini. Tanpa melihat proses di mana sistem ini digunakan. Mungkin mengamati proses memberi Anda informasi yang berguna tentang ke mana harus pergi. Tetapi secara konseptual ini adalah tugas yang berbeda. Pertanyaannya adalah cara melakukan riset mana yang lebih baik. Jadi mungkin cara terbaik untuk mempelajari hubungan antara aksioma dan neuron Peano adalah dengan mengamati bagaimana ahli matematika membuktikan teorema. Tetapi ini hanya karena saya akan memberikan Anda informasi pendukung. Hasil akhir sebenarnya adalah pemahaman tentang sistem otak, dasar fisiologisnya,tanpa referensi algoritma apa pun. Algoritma adalah semua tentang proses yang menggunakannya, dan mereka dapat membantu Anda mendapatkan jawaban. Mungkin saja permukaan yang miring dapat memberi tahu Anda tentang tingkat jatuh, tetapi jika Anda melihat hukum Newton, mereka tidak mengatakan apa pun tentang bidang miring.Bagus Logika mempelajari sistem kognitif dan bahasa menggunakan pendekatan Marr dapat dimengerti, tetapi karena Anda tidak mengenali kompetensi bahasa sebagai fitur genetik, Anda dapat menerapkan logika ini ke sistem biologis lainnya - sistem kekebalan tubuh, sistem kardiovaskular ...Chomsky: Tepat, saya pikir itu sangat mirip. Anda dapat mengatakan hal yang sama tentang sistem kekebalan tubuh.Dan bahkan mungkin lebih mudah untuk melakukannya dengan sistem ini daripada dengan berpikir.Chomsky:Tetapi Anda akan mengharapkan jawaban lain. Anda dapat melakukan ini dengan sistem pencernaan. Misalkan seseorang sedang mempelajari sistem pencernaan. Tidak mungkin dia akan mempelajari apa yang terjadi ketika Anda menderita flu perut, atau ketika Anda makan bigmack, atau yang lainnya. Mari kita kembali memotret apa yang terjadi di luar jendela. Salah satu cara untuk mempelajari sistem pencernaan adalah dengan mengumpulkan semua jenis data tentang apa yang dilakukan sistem pencernaan dalam berbagai keadaan, memasukkan data ke dalam komputer, melakukan analisis statistik - Anda mendapatkan sesuatu. Tapi ini tidak akan menjadi apa yang dilakukan ahli biologi. Dia ingin sejak awal untuk abstrak jauh dari apa yang dianggap - mungkin salah, karena Anda selalu dapat membuat kesalahan - dengan variabel yang tidak relevan, seperti apakah Anda menderita flu perut.Tetapi inilah yang dilakukan oleh para ahli biologi: mereka membawa orang sakit dengan sistem pencernaan yang sakit, membandingkannya dengan yang sehat, dan mengukur sifat molekuler.Chomsky: Mereka melakukannya pada tahap yang lebih maju. Mereka sudah tahu banyak tentang struktur sistem pencernaan sebelum membandingkan pasien. Kalau tidak, mereka tidak akan tahu harus membandingkan apa, dan mengapa yang satu sakit dan yang lain tidak.Mereka mengandalkan analisis statistik untuk mengidentifikasi fitur-fitur khas. Ini adalah pendekatan yang didanai dengan sangat baik karena Anda mengklaim sedang mempelajari pasien.Chomsky:Ini mungkin cara untuk mendapatkan pembiayaan. Ini adalah cara mendapatkan dana untuk linguistik dengan mengatakan bahwa itu mungkin membantu mengobati autisme. Ini umumnya pertanyaan yang berbeda [tertawa]. Tetapi logika pencarian adalah untuk mulai mempelajari sistem, mengabstraksi dari apa yang Anda, dengan tingkat kemungkinan tinggi, mempertimbangkan kebisingan yang tidak relevan. Anda mencoba menemukan esensi dasar, dan kemudian Anda bertanya-tanya apa yang terjadi jika kita membawa sesuatu yang lain, flu perut yang sama.Semua sama, tampaknya ada kesulitan dalam menerapkan level Marr ke sistem jenis ini. Jika Anda bertanya seperti apa tugas komputasi yang dipecahkan otak, maka sepertinya ada jawaban, itu bekerja hampir seperti komputer. Tetapi jika Anda bertanya masalah komputasi seperti apa yang mudah dipecahkan, bahkan sulit untuk dipikirkan - ini jelas bukan tugas pemrosesan informasi.Chomsky: Begitulah, tetapi tidak ada alasan untuk percaya bahwa semua biologi adalah komputasi. Mungkin ada alasan untuk berpikir bahwa berpikir itu seperti itu. Dan faktanya, Gallistel tidak mengatakan bahwa segala sesuatu yang ada di dalam tubuh perlu dipelajari melalui pencarian unit baca / tulis / alamat.Sepertinya berlawanan dengan intuisi dalam hal evolusi. Sistem ini berevolusi bersama, menggunakan kembali bagian, molekul, lintasan yang serupa. Sel adalah perangkat komputasi.Chomsky:Anda tidak mempelajari paru-paru dengan mengajukan pertanyaan tentang sel apa yang dihitung. Anda mempelajari sistem kekebalan dan sistem visual, tetapi Anda tidak berharap menemukan jawaban yang sama. Tubuh adalah sistem yang sangat modular, ia memiliki banyak subsistem kompleks yang kurang lebih terintegrasi secara internal. Mereka beroperasi di bawah hukum yang berbeda. Biologi juga modular. Anda tidak dapat berasumsi bahwa ini semua hanyalah kekacauan besar dari objek yang berperilaku dengan cara yang sama.Tentu saja tidak, tapi maksud saya adalah mungkin untuk menerapkan pendekatan yang sama untuk mempelajari masing-masing modul.Chomsky: Tidak harus, karena modulnya berbeda. Beberapa modul mungkin bersifat komputasi, beberapa mungkin tidak., , , … , — ?:Tentu saja Anda dapat memahami banyak tentang, misalnya, apa yang membuat embrio berubah menjadi ayam, dan bukan, katakanlah, seekor tikus. Ini adalah sistem yang sangat rumit, termasuk semua jenis interaksi kimia dan hal-hal lain. Bahkan dengan nematoda, fakta bahwa semuanya ditentukan hanya oleh jaringan saraf sama sekali tidak terlihat, dan ada bukti penelitian tentang hal ini. Anda perlu melihat interaksi kimiawi kompleks yang terjadi di otak, di sistem saraf. Penting untuk mengintip ke dalam setiap sistem secara terpisah. Interaksi kimia ini mungkin tidak terkait dengan kemampuan aritmatika Anda - kemungkinan besar demikian. Tetapi mereka dapat dengan mudah dikaitkan dengan apakah Anda memutuskan untuk mengangkat tangan atau menurunkannya.Meskipun, jika Anda mulai mempelajari interaksi kimia, ini akan mengarahkan Anda pada apa yang Anda sebut deskripsi fenomena berulang, hanya dengan kata lain.Chomsky: Atau penjelasan. Karena itu mungkin, mereka sangat penting, terkait secara kritis.Tetapi jika Anda membuat penjelasan dalam istilah "zat X harus diaktifkan" atau "gen X harus ada," Anda tidak benar-benar menjelaskan cara kerja tubuh. Anda baru saja menemukan tuas, dan klik di atasnya.Chomsky: Tetapi kemudian Anda melihat lebih jauh dan menemukan apa yang membuat gen ini bekerja seperti ini dalam kondisi seperti itu, atau bekerja secara berbeda dalam kondisi lain.Tetapi jika gen adalah tingkat abstraksi yang salah, maka Anda dalam penerbangan.Chomsky: Maka Anda tidak mendapatkan jawaban yang benar. Atau mungkin juga tidak.
Sebagai contoh, diketahui bahwa sulit untuk menghitung bagaimana suatu organisme berkembang dari genom. Ada berbagai macam proses yang terjadi di dalam sel. Jika Anda hanya melihat aksi gen, Anda mungkin berada pada level abstraksi yang salah. Tidak pernah jelas, oleh karena itu, perlu dipelajari ini. Saya tidak berpikir ada algoritma untuk menjawab pertanyaan seperti itu.Saya ingin mengalihkan pembicaraan ke arah evolusi. Anda mengkritik sudut pandang yang sangat menarik, yang Anda sebut "empirisme filogenetik." Anda mengkritik posisi ini karena kurangnya kekuatan penjelas. Dia hanya menyatakan yang berikut: jadi, berpikir adalah apa itu, karena adaptasi seperti itu terhadap lingkungan dipilih. Dipilih oleh seleksi alam. Anda berpendapat bahwa ini tidak menjelaskan apa-apa, karena Anda selalu dapat menarik kedua prinsip ini - mutasi dan seleksi.Chomsky: Ya, Anda bisa menyerah pada mereka, tetapi mereka mungkin benar. Mungkin terjadi bahwa pengembangan kemampuan aritmatika Anda tumbuh dari mutasi dan seleksi acak. Jika ternyata memang demikian, yah, bagus.Kedengarannya seperti disangkal ( kebenaran terkenal - kira-kira Terjemahkan. ).Chomsky: Tapi saya tidak mengatakan bahwa ini tidak benar. Truisme adalah kebenaran [tertawa].Tetapi mereka tidak menjelaskan apa pun.Chomsky:Mungkin ini adalah tingkat penjelasan tertinggi yang bisa Anda dapatkan. Anda dapat menciptakan dunia - saya pikir ini bukan dunia kita - tetapi Anda dapat menciptakan dunia di mana tidak ada yang terjadi kecuali untuk perubahan acak pada objek dan seleksi berdasarkan kekuatan eksternal. Saya tidak berpikir bahwa dunia kita begitu teratur, dan saya tidak berpikir bahwa setidaknya ada satu ahli biologi yang berpikir demikian. Ada banyak cara di mana kekuatan alam menentukan saluran di mana seleksi dapat terjadi, beberapa hal terjadi, beberapa tidak. Begitu banyak hal dalam tubuh yang tidak bekerja seperti itu. Ambil setidaknya langkah pertama, meiosis: mengapa sel membelah menjadi bola daripada kubus? Ini bukan mutasi acak atau seleksi alam: ini adalah hukum fisika. Tidak ada alasan untuk berpikir bahwa hukum fisika berhenti di sini, mereka bekerja di mana-mana.Ya, tentu saja, mereka membatasi biologi.Chomsky: Oke, itu, masih bukan hanya mutasi dan seleksi acak. Ini adalah: mutasi acak, seleksi, dan segala sesuatu yang penting, misalnya, hukum fisika.Apakah ada tempat untuk pendekatan ini, yang sekarang disebut "genomik komparatif"? Broads Institute di sini [di MIT / Harvard] menciptakan sejumlah besar data dari berbagai genom hewan yang berbeda, sel yang berbeda dalam keadaan yang berbeda, dan mengurutkan setiap molekul yang mungkin. Adakah yang bisa dipelajari tentang tugas kognitif tingkat tinggi dari eksperimen evolusi komparatif ini, atau apakah ini pendekatan yang belum matang?Chomsky: Saya tidak mengatakan bahwa ini adalah pendekatan yang salah, tetapi saya tidak tahu apa yang bisa dipelajari dari ini. Seperti kamu., - ? , Foxp2? [ . : , , , . , . , .]:Foxp2 menarik, tetapi tidak ada hubungannya dengan bahasa. Ini terkait dengan keterampilan motorik halus dan hal-hal serupa. Ini ada hubungannya dengan penggunaan bahasa, misalnya, ketika Anda mengatakan - Anda mengontrol bibir Anda dan sebagainya, tetapi ini sangat terbatas pada bahasa itu, dan ini sudah diketahui. Jadi, misalnya, jika Anda menggunakan organ atau tanda artikulasi, yah, misalnya, gerakan tangan adalah bahasa yang sama. Bahkan, itu bahkan dianalisis dan diproduksi di bagian otak yang sama, meskipun dalam satu kasus tangan bergerak, di bibir lainnya. Jadi apapun eksternalisasi itu, semuanya ada di pinggiran. Saya pikir agak sulit untuk membicarakannya, tetapi jika Anda melihat struktur bahasanya, Anda akan menerima bukti mengenai hal ini. Ada contoh menarik dalam pembelajaran bahasa, di mana ada konflik antara efisiensi komputasi dan efisiensi komunikatif.Ambil contoh ini, yang sudah saya sebutkan, dengan pemesanan linear. Jika Anda ingin tahu kata kerja yang mana kata keterangan dilampirkan, anak secara refleks menggunakan jarak struktural minimum daripada jarak linear minimum. Ya, lebih mudah untuk menggunakan jarak linear minimum dari sudut pandang komputasi, tetapi untuk ini perlu bahwa konsep urutan linear menjadi. Dan jika urutan linier hanyalah refleks dari sistem sensorimotor, yang tampaknya masuk akal, maka itu tidak akan terjadi. Berikut adalah bukti bahwa proyeksi sistem internal ke sistem sensorimotorik adalah periferal untuk pengoperasian sistem komputasi.Tapi mungkinkah sistem komputasi memperkenalkan keterbatasannya, bagaimana fisika membatasi meiosis?Chomsky:Mungkin, tetapi tidak ada bukti. Sebagai contoh, ujung kiri - kiri dalam arti yang sebelumnya - kalimat memiliki karakteristik lain daripada yang kanan. Jika Anda ingin mengajukan pertanyaan, misalnya: "Siapa yang Anda lihat?" Anda menempatkan kata "Siapa" di awal, bukan di akhir. Bahkan, dalam bahasa apa pun di mana kelompok penanya - yang bukunya pindah ke tempat lain - bergerak ke kiri, bukan ke kanan. Ini sangat mungkin merupakan batasan dalam pemrosesan informasi. Kalimat itu dimulai dengan apa yang dikatakan pendengar kepada Anda: seperti inilah penampilan saya. Jika itu pada akhirnya, maka Anda akan memiliki proposal yang sepenuhnya deklaratif, dan hanya pada akhirnya Anda akan tahu informasi apa yang saya tanyakan kepada Anda. Jika Anda mengatakan ini, ini adalah batasan pemrosesan informasi. Jadi, jika demikian, eksternalisasi mempengaruhi sifat komputasi sintaksis dan semantik.Ada kasus di mana Anda menemukan konflik yang jelas antara efektivitas komputasi dan komunikatif. Ambil contoh sederhana: jika saya mengatakan, "Mengunjungi kerabat bisa menjadi beban" - ini tidak jelas. Apakah saudara mengunjungi Anda? Atau apakah Anda akan mengunjungi kerabat? Ternyata dalam setiap kasus yang diketahui, ambiguitas muncul hanya dari kenyataan bahwa kita membiarkan aturan berfungsi dengan bebas, tanpa batasan. Jadi ini efisien secara komputasi, tetapi tidak efisien untuk komunikasi, karena mengarah pada ambiguitas yang tidak dapat diselesaikan.Atau ambil contoh saran dengan efek jalur taman yang mengarah ke arah yang salah. Saran seperti: "Kuda itu berlari melewati gudang jatuh." ( kuda yang dikirim ke gudang jatuh - kira-kira.) Orang-orang, ketika mereka melihat tawaran seperti itu, tidak memahaminya, karena itu dibangun sedemikian rupa sehingga membawa Anda sepanjang jalan taman. "Kuda itu berlari melewati gudang" terdengar seperti kalimat, dan kemudian Anda bingung: apa kata "jatuh" pada akhirnya? Di sisi lain, jika Anda memikirkannya, ini adalah proposal yang benar-benar terbentuk. Ini berarti bahwa seekor kuda yang diarahkan melewati seseorang oleh sebuah gudang telah jatuh. Tetapi aturan-aturan bahasa, ketika mereka hanya berfungsi, mungkin memberi Anda kalimat yang tidak bisa dimengerti karena fenomena jalur taman.Dan ada banyak contoh seperti itu. Ada beberapa hal yang tidak bisa Anda katakan karena alasan tertentu. Jika saya katakan: mekanik memperbaiki mobil. Dan Anda berkata: "Mereka bertanya-tanya apakah mekanik mobil telah memperbaikinya." Anda dapat mengajukan pertanyaan tentang mobil: "Berapa banyak mobil yang mereka minati, apakah mekaniknya memperbaikinya?" Lebih atau kurang mungkin. Misalkan Anda ingin bertanya tentang mekanik. "Berapa banyak mekanik yang mereka tanyakan apakah mereka memperbaiki mobil?" Untuk beberapa alasan, itu tidak berfungsi lagi. Ini adalah ide yang jelas, tetapi Anda tidak bisa mengatakannya. Jika Anda mempelajari kasus ini secara terperinci, aturan komputasi yang paling efisien jangan sampai Anda mengatakannya. Tetapi untuk ekspresi pemikiran, untuk komunikasi, akan lebih baik jika Anda bisa mengatakan ini - maka konflik.Dan faktanya, dalam setiap kasus konflik semacam itu, efisiensi komputasi menang. Eksternalisasi lebih rendah dalam semua kasus dengan ambiguitas, tetapi hanya untuk alasan komputasi, tampaknya, sistem di dalam dirinya sendiri tidak khawatir tentang eksternalisasi. Saya mungkin tidak cukup menunjukkannya, tetapi hanya jika Anda mengatakannya dengan keras, ini akan menjadi argumen yang cukup meyakinkan.Ini memberi tahu kita sesuatu tentang evolusi. Apa yang ditegaskan oleh fakta ini: selama evolusi bahasa, sistem komputer berkembang, dan baru kemudian dieksternalisasi. Dan jika Anda berpikir tentang bagaimana bahasa dapat berkembang, Anda hampir mencapai posisi ini. Pada satu titik dalam evolusi manusia, dan ini jelas, baru-baru ini, jika Anda melihat data arkeologis - mungkin dalam seratus ribu tahun yang lalu, dan itu tidak ada apa-apanya - pada suatu titik sistem komputasi dengan sifat-sifat baru yang tidak ada organisme lain memiliki sifat seperti aritmatika ...Yaitu, apakah itu memungkinkan Anda untuk berpikir lebih baik sebelum eksternalisasi?Chomsky:Dia memberimu pemikiran. Kilasan kecil otak, yang terjadi pada individu, tidak dalam kelompok. Orang itu memiliki kemampuan untuk berpikir, kelompok tidak. Jadi tidak ada gunanya mengeksternalisasi. Kemudian, jika perubahan genetik ini menyebar, dan misalnya, banyak orang memilikinya, maka masuk akal untuk mencari cara untuk memproyeksikannya ke sistem sensorimotor, dan ini adalah eksternalisasi, tetapi ini adalah proses sekunder.Hanya jika eksternalisasi dan sistem pemikiran internal tidak terhubung dengan cara yang tidak terduga.Chomsky:Kami tidak memprediksi, dan ini tidak masuk akal. Mengapa dia terhubung ke sistem eksternal? Misalnya, kemampuan aritmatika Anda tidak terhubung dengannya. Dan ada banyak hewan lain, seperti burung penyanyi, yang memiliki sistem komputasi internal, lagu burung. Ini bukan sistem yang sama, tetapi ini adalah beberapa sistem komputasi internal. Dan dia dieksternalisasi, tetapi terkadang tidak. Dalam beberapa bentuk, anak ayam menguasai lagu dari spesies ini, tetapi tidak memperbanyaknya sampai matang. Pada periode awal ini ia memiliki lagu, tetapi tidak ada sistem eksternalisasi. Ini juga berlaku bagi orang-orang: anak manusia memahami jauh lebih banyak daripada yang dapat diperbanyaknya - cukup banyak bukti eksperimental - yang menunjukkan bahwa anak memiliki sistem internal, tetapi ia tidak dapat mengeksternalkannya. Mungkin dia tidak memiliki cukup memori,atau beberapa alasan lainnya.. , , , . , MIT, , , , , , , . , -, , ? , ? , — , .
:Filsafat sains adalah disiplin yang sangat menarik, tetapi saya tidak berpikir itu benar-benar memberikan kontribusi pada sains - ia belajar dari sains. Dia mencoba memahami apa yang dilakukan sains, mengapa prestasi terjadi di dalamnya, jalur mana yang salah, dapatkah ini dikodifikasikan dan dipahami. Apa yang saya anggap penting dalam sejarah sains. Saya pikir kita belajar banyak dari sejarah sains tentang apa yang bisa sangat penting untuk mengembangkan sains. Terutama ketika kita memahami bahwa dalam ilmu kognitif kita masih dalam tahap pra-Galilea. Kita tidak tahu bahwa kita sedang mencari sesuatu yang sudah ditemukan Galileo, dan ada sesuatu untuk dipelajari. Sebagai contoh, satu fakta yang mencolok dari ilmu-ilmu awal, tidak harus dari Galileo, tetapi secara keseluruhan dari masa penemuan Galilea, adalah bahwa hal-hal sederhana dapat sangat membingungkan. Jadi saya pegang cangkir ini, dan jika air mendidih, maka uap akan naik, tetapi jika saya mengambil tangan saya, cawan itu akan jatuh.Mengapa cawan itu jatuh dan uapnya naik? Selama seribu tahun berturut-turut, ini adalah jawaban yang benar-benar memuaskan: mereka berjuang untuk keadaan alami mereka.?:Ini adalah fisika Aristotelian. Ilmuwan terbaik dan terhebat percaya bahwa ini adalah jawabannya. Galileo membiarkan dirinya ragu. Segera setelah Anda membiarkan diri Anda ragu, Anda segera menemukan bahwa intuisi Anda salah. Seperti setetes massa kecil dan massa besar, dan sebagainya. Semua intuisi Anda menipu Anda - teka-teki ada di mana-mana Anda melihat. Dalam sejarah sains ada sesuatu untuk dipelajari. Ambil contoh yang sama dengan yang saya berikan kepada Anda, "elang terbang yang berenang secara naluriah." Tidak ada yang pernah berpikir itu adalah misteri. Tetapi jika Anda memikirkannya, maka itu sangat misterius, Anda menggunakan perhitungan yang rumit dan bukan yang sederhana. Jika Anda membiarkan diri Anda terkejut dengan hal ini, seperti gelas yang jatuh, Anda bertanya "Mengapa?" Dan kemudian Anda mendapatkan jawaban yang agak menarik. Seperti, misalnya: urutan linier bukan bagian dari sistem komputasi,yang merupakan asumsi penting tentang arsitektur pemikiran - dikatakan bahwa tatanan linier hanya bagian dari sistem eksternalisasi, yaitu sistem sekunder. Dan ini membuka banyak cara lain.Atau ambil contoh lain: perbedaan antara reduksi dan unifikasi. Sejarah sains memberikan beberapa ilustrasi yang sangat menarik dalam kimia dan fisika, dan saya pikir mereka cukup relevan untuk keadaan ilmu kognitif dan neurofisiologis zaman kita.Kata penutup penerjemah: selama waktu yang telah berlalu sejak wawancara diterbitkan, Chomsky menerbitkan materi menarik lainnya - Anda dapat menyarankan membaca percakapan 2,5 jam dengan fisikawan Amerika Lawrence Krauss, atau dengan buku baru oleh Chomsky dan Berwick, "Talking Man," jika Anda tertarik dengan pertanyaan evolusi dan bahasa.
Diterjemahkan oleh Tatyana Volkova.