Dalam buku ini, kami fokus pada detail utama perangkat jaringan saraf: bagaimana mereka bekerja, bagaimana mereka dapat digunakan dalam masalah pengenalan urutan. Bahan ini bisa langsung diterapkan dalam praktik. Tetapi, tentu saja, salah satu alasan untuk minat pada NS adalah harapan bahwa suatu hari mereka akan mampu melampaui batas pengakuan urutan sederhana. Mungkin mereka, atau beberapa pendekatan lain yang didasarkan pada komputer digital, pada akhirnya dapat digunakan untuk menciptakan mesin berpikir yang dapat bersaing dengan atau melampaui kecerdasan manusia? Gagasan ini jauh melampaui materi yang dibahas dalam buku ini - atau pengetahuan siapa pun di planet ini. Tapi berspekulasi tentang topik ini selalu menarik.
Ada banyak perdebatan tentang apakah komputer pada prinsipnya dapat mencapai tingkat kecerdasan manusia. Saya tidak akan mempertimbangkan masalah ini. Meskipun perdebatan, saya percaya bahwa tidak ada keraguan serius tentang kemungkinan membuat komputer pintar - meskipun tugas ini bisa sangat sulit, dan mungkin jauh melampaui teknologi yang ada - dan suatu hari kritikus akan menemukan diri mereka dalam posisi
vitalis di masa lalu.
Sebaliknya, saya ingin mempelajari pertanyaan lain: adakah seperangkat prinsip sederhana yang dapat digunakan untuk menjelaskan fenomena seperti kecerdasan? Secara khusus, lebih khusus lagi, adakah algoritma sederhana untuk menciptakan kecerdasan?
Gagasan algoritma yang benar-benar sederhana untuk menciptakan kecerdasan cukup berani. Dia mungkin terdengar terlalu optimis untuk menjadi kenyataan. Banyak orang memiliki perasaan yang terus-menerus dan intuitif bahwa intelek memiliki kompleksitas signifikan yang tidak dapat disederhanakan. Mereka sangat terkesan dengan keragaman yang luar biasa dan fleksibilitas pemikiran manusia sehingga mereka menyimpulkan bahwa tidak mungkin algoritma sederhana untuk menciptakan kecerdasan. Namun, terlepas dari intuisi ini, saya tidak berpikir bahwa perlu membuat kesimpulan tergesa-gesa tentang masalah ini. Sejarah sains dipenuhi dengan contoh-contoh bagaimana sebuah fenomena yang awalnya tampak sangat kompleks kemudian dijelaskan oleh serangkaian gagasan yang sederhana namun kuat.
Pertimbangkan, misalnya, hari-hari awal astronomi. Sejak zaman kuno, diketahui bahwa ada seluruh hewan dari berbagai objek di langit: matahari, bulan, planet, komet, bintang. Objek-objek ini berperilaku dengan cara yang sangat berbeda: bintang, misalnya, bergerak dengan anggun dan teratur melintasi langit, sementara komet tampak muncul entah dari mana, terbang menembus langit, dan menghilang. Pada abad keenam belas, hanya seorang optimis yang naif yang dapat membayangkan bahwa semua gerakan benda-benda ini dapat dijelaskan dengan serangkaian prinsip sederhana. Tetapi pada abad XVII, Newton merumuskan teori gravitasi universal, yang tidak hanya menjelaskan semua gerakan ini, tetapi juga fenomena duniawi, seperti pasang surut dan perilaku kerang yang terkait dengan Bumi. Dalam retrospeksi, optimis naif abad keenam belas tampaknya seperti pesimis yang meminta terlalu sedikit.
Tentu saja, dalam sains ada lebih banyak contoh seperti itu. Pertimbangkan segudang bahan kimia yang membentuk dunia kita, dengan sangat indah dijelaskan oleh tabel periodik, yang pada gilirannya dibuat menurut beberapa aturan sederhana yang dapat diperoleh dari mekanika kuantum. Atau misteri kompleksitas dan keanekaragaman dunia biologis, yang sumbernya, ternyata, terletak pada prinsip evolusi melalui seleksi alam. Ini dan banyak contoh lainnya mengatakan bahwa tidak bijaksana untuk mengesampingkan penjelasan sederhana tentang bagaimana intelek bekerja berdasarkan apa yang dilakukan otak kita - dan apa contoh kecerdasan terbaik saat ini - terlihat sangat rumit.
Dalam kata penutup ini, saya berasumsi bahwa komputer dapat dianggap masuk akal jika kemampuannya bertepatan atau melebihi kemampuan berpikir manusia. Artinya, pertanyaan tentang keberadaan algoritma kecerdasan adalah pertanyaan tentang keberadaan algoritma yang dapat berpikir dengan cara yang sama seperti seseorang. Perlu dicatat bahwa, pada prinsipnya, mungkin ada bentuk pikiran yang tidak termasuk pikiran seperti manusia, dan pada saat yang sama dalam beberapa cara yang menarik melebihi pikiran orang.
Di sisi lain, terlepas dari semua contoh optimistis ini, secara logis, adalah mungkin bahwa kecerdasan dapat dijelaskan hanya melalui karya sejumlah besar mekanisme yang berbeda secara fundamental. Dalam kasus otak kita, mekanisme seperti itu dapat muncul sebagai reaksi terhadap banyak permintaan berbeda dari seleksi alam selama evolusi. Jika sudut pandang ini benar, maka kecerdasan melibatkan kompleksitas yang tidak dapat diperbaiki, dan mustahil untuk membuat algoritma kecerdasan sederhana.
Manakah dari dua sudut pandang ini yang benar?
Untuk mempelajari pertanyaan ini, mari kita tanyakan yang terkait erat dengannya, tetapi yang lain - adakah penjelasan sederhana tentang cara kerja otak manusia? Secara khusus, kami akan mempelajari cara untuk mengukur kompleksitas otak. Pendekatan pertama adalah studi tentang otak dari sudut pandang
koneksi . Kita berbicara langsung tentang koneksi: berapa banyak neuron di otak, berapa banyak neuroglia, berapa banyak koneksi antar neuron. Anda mungkin pernah menemukan angka-angka ini sebelumnya: di otak ada sekitar 100 miliar neuron, 100 miliar neuroglia, dan 100 triliun koneksi antar neuron. Angka-angka ini mengejutkan. Dan menakuti. Jika Anda perlu memahami detail semua koneksi ini (belum lagi neuron dan neuroglia) untuk memahami cara kerja otak, maka kami pasti tidak akan mendapatkan algoritma sederhana untuk kecerdasan.
Ada sudut pandang kedua, lebih optimis tentang otak - dari sudut pandang biologi molekuler. Idenya adalah untuk menanyakan berapa banyak informasi genetik yang diperlukan untuk menggambarkan arsitektur otak. Untuk memahami ini, mari kita mulai dengan melihat perbedaan genetik antara manusia dan simpanse. Anda mungkin menemukan pernyataan umum bahwa "manusia adalah 98% simpanse." Terkadang angkanya berkisar dari 95% hingga 99%. Variasi ini terjadi karena awalnya jumlahnya dibandingkan dengan membandingkan sampel parsial dari genom simpanse manusia, daripada seluruh genom. Namun, pada 2007, genom simpanse benar-benar
diurutkan , dan sekarang kita tahu bahwa DNA manusia dan simpanse berbeda dalam sekitar 125 juta basis DNA berpasangan. Ini berasal dari 3 miliar pangkalan berpasangan di setiap genom. Jadi Anda tidak bisa mengatakan bahwa seseorang adalah 98% simpanse - akan lebih tepat untuk berbicara tentang 96%.
Berapa banyak informasi yang terkandung dalam 125 juta pangkalan berpasangan? Setiap basis berpasangan dapat dilabeli dengan satu dari empat kemungkinan - "huruf" dari kode genetik, basis adenin, timin, guanin dan sitosin. Jadi setiap pasangan dapat dideskripsikan dengan dua bit informasi - hanya untuk mengidentifikasi satu dari empat label. Jadi 125 juta pangkalan berpasangan setara dengan 250 juta bit informasi. Inilah perbedaan genetik antara manusia dan simpanse!
Tentu saja, 250 juta bit ini bertanggung jawab atas seluruh perbedaan genetik antara manusia dan simpanse. Tetapi kami hanya tertarik pada perbedaan yang terkait dengan otak. Sayangnya, tidak ada yang tahu berapa banyak perbedaan genetik yang bisa menggambarkan perbedaan di otak. Tapi anggaplah, hanya demi kejelasan, bahwa sekitar setengah dari 250 juta bit bertanggung jawab atas perbedaan ini. Ternyata 125 juta bit.
125 juta bit adalah jumlah yang sangat besar. Mari kita lihat berapa banyak ini, menerjemahkannya ke dalam istilah yang lebih dimengerti. Secara khusus, seberapa besar teks bahasa Inggris yang setara? Ternyata isi informasi dari bahasa Inggris sesuai dengan sekitar satu bit per huruf. Kedengarannya seperti peringkat yang cukup rendah - setelah semua, alfabet memiliki 26 huruf - namun, teks bahasa Inggris mengandung sejumlah besar redundansi. Tentu saja, dapat dikatakan bahwa ada redundansi dalam genom, dan bahwa dua bit pada pasangan berpasangan adalah enumerasi. Tetapi kita akan mengabaikannya, karena dalam kasus terburuk, itu berarti bahwa kita akan melebih-lebihkan kompleksitas genetik otak. Dengan asumsi semua ini, kita akan melihat bahwa perbedaan genetik antara otak kita dan otak simpanse setara dengan 125 juta huruf, atau 25 juta kata bahasa Inggris. Ini sekitar 30 kali lebih banyak daripada
Alkitab King James .
Sejumlah besar informasi. Tapi tidak luar biasa besar. Itu jatuh pada skala pikiran manusia. Mungkin tidak ada satu orang pun yang dapat memahami semua yang tertulis dalam kode ini, tetapi sekelompok orang mungkin dapat memahaminya secara kolektif, menggunakan spesialisasi yang sesuai. Dan, meskipun ini adalah sejumlah besar informasi, ternyata kecil dibandingkan dengan informasi yang diperlukan untuk menggambarkan 100 miliar neuron, 100 miliar neuroglia, dan 100 triliun koneksi yang ada di otak. Bahkan jika kita menggunakan deskripsi sederhana dan kasar - katakanlah, 10 angka floating-point untuk menggambarkan setiap koneksi - yang akan membutuhkan 70 kuadriliun bit. Ini berarti bahwa deskripsi genetik setengah miliar kali lebih kompleks daripada deskripsi konektifitas lengkap otak manusia.
Dari sini jelas bahwa genom tidak dapat berisi deskripsi terperinci dari semua koneksi saraf kita. Dia harus menggambarkan hanya arsitektur umum dan prinsip-prinsip dasar yang mendasari otak. Tetapi arsitektur ini dan prinsip-prinsip ini cukup untuk memastikan bahwa orang, yang tumbuh dewasa, menjadi rasional. Tentu saja, ini bukan tanpa trik - anak-anak yang sedang tumbuh membutuhkan lingkungan yang sehat dan merangsang dan nutrisi yang baik untuk mencapai potensi intelektual. Namun, jika kita tumbuh dalam lingkungan yang masuk akal, maka orang yang sehat memiliki kecerdasan yang luar biasa. Dalam arti tertentu, informasi dalam gen kita mengandung esensi dari bagaimana kita berpikir. Selain itu, prinsip-prinsip yang terkandung dalam informasi genetik ini kemungkinan akan dipahami oleh kami.
Angka-angka yang diberikan adalah perkiraan yang sangat kasar. Ada kemungkinan bahwa 125 juta bit akan berubah menjadi berlebihan, dan bahwa ada seperangkat prinsip kunci yang jauh lebih kompak yang mendasari pemikiran manusia. Mungkin sebagian besar dari 125 juta bit ini hanya fine tuning relatif terhadap detail kecil. Dan mungkin kita terlalu konservatif dalam menghitung angka-angka ini. Akan lebih bagus jika itu masalahnya! Untuk tujuan kita saat ini, poin kuncinya adalah sebagai berikut: arsitektur otak itu kompleks, tetapi tidak sebanyak yang Anda pikirkan ketika mengevaluasi jumlah koneksi di otak. Melihat otak dari sudut pandang biologi molekuler menunjukkan bahwa suatu hari orang akan dapat memahami prinsip-prinsip dasar yang mendasari arsitektur otak.
Dalam paragraf terakhir, saya mengabaikan fakta bahwa 125 juta bit hanya menggambarkan perbedaan genetik antara otak manusia dan otak simpanse. Tidak semua kemampuan otak kita ada karena 125 juta bit ini. Simpanse sendiri pandai berpikir. Mungkin kunci kecerdasan terletak terutama pada kemampuan mental (dan informasi genetik) yang dimiliki simpanse dan manusia. Jika demikian, maka otak manusia mungkin hanya peningkatan kecil dari otak simpanse, setidaknya dalam hal kompleksitas prinsip-prinsip dasar. Meskipun chauvinisme manusia yang diterima secara umum mengenai kemampuan unik kita, ini tidak begitu luar biasa: garis-garis genetik dari perkembangan manusia dan simpanse menyimpang hanya 5 juta tahun yang lalu, momen pada skala evolusi. Namun, dengan tidak adanya argumen yang lebih meyakinkan, saya tetap berpihak pada chauvinisme manusia yang diterima secara umum: Saya pikir prinsip paling menarik yang mendasari pemikiran manusia terkandung dalam 125 juta bit ini, dan bukan pada bagian genom yang kita miliki bersama dengan simpanse.
Adopsi dari sudut pandang pada otak yang melekat dalam biologi molekuler memberi kita pengurangan dalam kompleksitas deskripsi kita sekitar sembilan urutan besarnya. Ini menginspirasi, tetapi tidak memberi tahu kami apakah mungkin untuk membuat algoritma kecerdasan yang benar-benar sederhana. Bisakah kita mengurangi kompleksitas lebih lanjut? Dan, yang lebih penting, dapatkah kita memecahkan pertanyaan tentang kemungkinan membuat algoritma sederhana untuk kecerdasan?
Sayangnya, belum ada cukup bukti yang meyakinkan untuk menyelesaikan masalah ini. Biarkan saya menggambarkan beberapa bukti yang tersedia dengan trik bahwa ulasan ini akan singkat dan tidak lengkap, dan dimaksudkan hanya untuk memberi Anda gambaran tentang beberapa makalah ilmiah terbaru, dan tidak untuk sepenuhnya menggambarkan segala sesuatu yang diketahui saat ini.
Di antara bukti yang menunjukkan kemungkinan algoritma sederhana untuk kecerdasan adalah eksperimen, yang dilaporkan dalam jurnal Nature pada April 2000. Sebuah tim ilmuwan yang dipimpin oleh Mriganka Sur "memantulkan kembali" otak musang yang baru lahir. Biasanya, sinyal dari mata musang ditransmisikan ke bagian otak yang dikenal sebagai korteks visual. Tetapi pada musang-musang ini, para ilmuwan mengarahkan kembali sinyal itu sehingga masuk ke korteks pendengaran, yaitu bagian otak yang biasanya digunakan untuk pendengaran.
Untuk memahami apa yang terjadi setelah ini, Anda perlu memahami sedikit di korteks visual. Korteks visual berisi banyak kolom orientasi. Ini adalah lempeng kecil neuron, yang masing-masing bereaksi terhadap stimulasi visual dari arah tertentu. Mereka dapat diwakili dalam bentuk sensor arah kecil: ketika seseorang menyinari cahaya terang dari arah tertentu, kolom orientasi yang sesuai diaktifkan. Jika lampu bergerak, kolom orientasi yang berbeda diaktifkan. Salah satu struktur tingkat tinggi yang paling penting dari korteks visual adalah peta orientasi, di mana kolom orientasi ditandai.
Para ilmuwan telah menemukan bahwa jika sinyal visual dari mata musang dialihkan ke korteks pendengaran, maka perubahan korteks pendengaran. Kolom oriental dan peta orientasi mulai muncul di korteks pendengaran. Ternyata kurang teratur daripada peta orientasi di korteks visual, tetapi jelas bahwa ini dia. Selain itu, para ilmuwan melakukan tes paling sederhana dari reaksi musang terhadap rangsangan visual, melatih mereka untuk merespons secara berbeda ketika cahaya datang dari arah yang berbeda. Dilihat oleh tes, musang masih bisa "melihat", setidaknya secara sementara, menggunakan korteks pendengaran.
Ini hasil yang luar biasa. Dia mengatakan bahwa bagaimana berbagai bagian otak belajar merespons data sensorik didasarkan pada prinsip-prinsip umum. Komunitas semacam itu memberikan argumen yang mendukung gagasan tentang keberadaan seperangkat prinsip sederhana di jantung pikiran. Namun, jangan membodohi diri sendiri dengan meyakini bahwa visi musang dalam percobaan ini sangat baik. Tes perilaku hanya menguji aspek-aspek penglihatan yang kasar. Tentu saja, kita tidak dapat meminta musang "apakah mereka belajar melihat." Oleh karena itu, percobaan tidak membuktikan bahwa korteks pendengaran direformasi memberikan ferrets visi berkualitas tinggi. Oleh karena itu, eksperimen ini memberikan dukungan yang sangat terbatas untuk gagasan bahwa prinsip-prinsip serupa adalah inti dari pembelajaran bagian otak yang berbeda.
Bukti apa yang ada untuk membantah keberadaan algoritma sederhana untuk intelijen? Beberapa dari mereka berasal dari bidang psikologi evolusi dan neuroanatomi. Sejak 1960-an, psikolog evolusi telah menemukan berbagai universal manusia, pola perilaku yang umum bagi semua orang, di semua budaya, dan dari latar belakang yang berbeda. Diantaranya adalah tabu tentang inses ibu dan anak, penggunaan musik dan tarian, serta struktur linguistik yang lebih kompleks, seperti penggunaan kata-kata umpatan (mis. Kata-kata terlarang), kata ganti, dan bahkan struktur dasar seperti kata kerja. Hasil-hasil ini dilengkapi dengan sejumlah besar bukti dari neuroanatomy, yang darinya banyak pola perilaku manusia dikendalikan oleh bagian-bagian tertentu dari otak, dan bahwa bagian-bagian otak ini serupa pada semua orang. Secara keseluruhan, ini menunjukkan bahwa banyak pola perilaku yang sangat khusus dijahit di bagian-bagian tertentu dari otak kita.
Beberapa orang menarik kesimpulan dari hasil ini bahwa diperlukan penjelasan terpisah untuk banyak fungsi otak ini, dan sebagai hasilnya, aktivitas otak tidak dapat disederhanakan, yaitu, Anda tidak dapat memberikan penjelasan sederhana tentang cara kerja otak (dan mungkin membuat algoritma sederhana untuk kecerdasan). Sebagai contoh, salah satu peneliti AI terkenal yang memegang pandangan ini adalah
Marvin Minsky . Pada 1970-an dan 1980-an, ia mengembangkan teorinya tentang The Mind Society, berdasarkan pada gagasan bahwa pikiran manusia adalah komunitas besar dari proses komputasi yang sederhana namun sangat berbeda, yang ia sebut agen. Dalam bukunya, menjelaskan teorinya, Minsky merangkum segala sesuatu yang ia anggap sebagai keuntungan dari sudut pandang ini:
Trik apa yang membuat kita pintar? Kuncinya adalah tidak ada fokus. Kekuatan pikiran tumbuh dari keragaman besar kita, dan bukan dari satu prinsip sederhana dan ideal.
Menanggapi ulasan bukunya, Minsky lebih lanjut berspekulasi pada motivasi untuk menulis buku, mengutip argumen serupa berdasarkan neuroanatomy dan psikologi evolusioner:
Sekarang kita tahu bahwa otak itu sendiri terdiri dari ratusan situs dan nuklei yang berbeda, yang masing-masing memiliki unsur dan sifat arsitektur yang sangat berbeda, dan bahwa banyak dari mereka terlibat dalam realisasi aspek-aspek yang jelas berbeda dari aktivitas mental kita. , , , «» «» .
Minsky, tentu saja, tidak sendirian dalam memegang sudut pandang ini; Saya berikan dia sebagai contoh, berdiri di sisi argumen seperti itu. Saya menemukan argumen seperti itu menarik, tetapi saya tidak berpikir bahwa bukti yang mendukung mereka cukup meyakinkan. Memang, otak terdiri dari sejumlah besar area berbeda yang melakukan fungsi berbeda, tetapi tidak berarti bahwa tidak mungkin untuk memberikan penjelasan sederhana tentang otak. Mungkin perbedaan arsitektural ini muncul atas dasar prinsip dasar bersama, seperti halnya pergerakan komet, planet, Matahari dan bintang-bintang muncul dari satu daya tarik tunggal. Baik Minsky maupun orang lain dapat dengan meyakinkan membuktikan tidak adanya prinsip-prinsip tersebut.Saya bias mendukung keberadaan algoritma sederhana untuk kecerdasan. Pada dasarnya, ide ini, terlepas dari argumen tidak meyakinkan yang disajikan di atas, saya suka karena optimis. Dalam kasus penelitian ilmiah, optimisme yang tidak dapat dibenarkan biasanya terbukti lebih produktif daripada pesimisme yang dibenarkan, karena optimis memiliki keberanian untuk mencoba mencoba sesuatu yang baru. Ini adalah jalan menuju penemuan, bahkan jika Anda tidak menemukan apa yang semula Anda harapkan. Seorang pesimis bisa berubah menjadi lebih "benar" dalam arti sempit, tetapi akan terbuka kurang dari optimis.Pandangan ini sangat kontras dengan cara kita biasanya mengevaluasi ide, mencoba memahami apakah itu benar atau salah. Ini adalah strategi cerdas untuk bekerja dengan studi sehari-hari atau kecil. Namun, adalah mungkin untuk mengevaluasi sedemikian rupa sehingga gagasan besar dan berani mendefinisikan seluruh program penelitian akan salah. Kadang-kadang kita hanya memiliki bukti yang lemah mengenai kebenaran gagasan itu. Kita dapat dengan rendah hati menolak untuk mengikutinya, dan menghabiskan seluruh waktu kita dengan teliti mempelajari bukti-bukti yang tersedia, mencoba memahami mana di antara mereka yang benar. Atau kita dapat dengan mudah menerima bahwa sejauh ini tidak ada yang tahu pasti, dan secara aktif bekerja mengembangkan ide yang besar dan berani, menyadari bahwa meskipun kita tidak memiliki jaminan kesuksesan, hanya dengan cara ini kita dapat memperluas batasan pemahaman kita.Mengingat semua ini, dalam bentuk yang paling optimis, saya masih tidak percaya bahwa kita akan pernah menemukan algoritma sederhana untuk kecerdasan. Lebih tepatnya, saya tidak percaya bahwa kita akan pernah menemukan kesempatan untuk menulis dalam python (atau C, atau Lisp, atau yang lainnya) program yang sangat singkat - katakanlah, hingga ribuan baris kode - yang mengimplementasikan kecerdasan buatan. Dan saya tidak berpikir bahwa kita akan pernah menemukan jaringan saraf yang digambarkan sangat sederhana yang dapat mengimplementasikan AI. Tetapi saya percaya bahwa ada baiknya bertindak seolah-olah kita dapat menemukan program atau jaringan seperti itu. Ini adalah jalan menuju ide, dan mengikutinya, suatu hari kita dapat cukup memahami untuk menulis program yang lebih lama, atau membuat jaringan yang lebih kompleks yang menunjukkan kecerdasan. Karena itu, ada baiknya bertindak seolah-olah ada algoritma yang sangat sederhana untuk kecerdasan.Pada 1980-an, Jack Schwartz , seorang ahli matematika dan komputer yang luar biasa , diundang ke sebuah debat antara pendukung AI dan skeptis. Perdebatan tidak terkendali, para pendukung mulai membuat pernyataan berlebihan tentang hal-hal menakjubkan yang akan segera muncul, dan skeptis hanya memperkuat pesimisme mereka, dengan mengatakan bahwa AI tidak mungkin diciptakan. Schwartz hadir di luar perdebatan, dan diam ketika diskusi meningkat. Selama jeda, dia diminta untuk berbicara dan menjelaskan pemikirannya tentang topik yang sedang dibahas. ia mengatakan,: "Nah, sebelum beberapa ide ini, seratus lebih Hadiah Nobel mungkin terjadi." Menurut pendapat saya, ini adalah jawaban yang sempurna. Kunci AI adalah ide-ide sederhana dan kuat, dan kita dapat dan harus mencari secara optimis. Tetapi kita akan membutuhkan banyak ide semacam itu, dan kita masih memiliki jalan yang sangat panjang untuk ditempuh!