Сегодня мне хотелось бы вернуться к теме, которую я уже затронул в моей первой статье о Витгенштейне — к вопросу об отношении языка и мышления. В своем Трактате Витгенштейн определяет истинность утверждения следующим образом.
Он говорит, что есть только три возможных исхода: истинное утверждение, ложь или бессмысленное утверждение. Чтобы утверждение было истинным, оно должно быть возможным в мире, каким мы его знаем, и быть верифицируемым как истинное. Чтобы утверждение было ложью, оно должно быть возможным в мире, каким мы его знаем, и быть верифицируемым как ложное. Чтобы утверждение было бессмысленным, оно должно быть невозможным в мире, каким мы его знаем. Я упрощаю, но не думаю, что теряю суть.
Мне это сразу понравилось, наверное, потому, что соответствовало обучению моей первой профессии (физика), которая требовала проверки правдивости утверждения с помощью эксперимента. Кроме того, каждый из нас постоянно поступает одинаково. Мы проверяем истинность утверждения, сравнивая его с практикой, даже если мы делаем эту проверку только в уме. Кто-то что-то говорит, а мы думаем: «Насколько это правда? Был ли у меня такой же результат в тех же обстоятельствах?»
Проблема в том, что мы не всегда имеем соответствующий опыт и не можем сразу поставить эксперимент. Кроме того, не все в жизни можно проверить экспериментально. Итак, этот способ отличить правду от лжи и бессмысленности непрактичен. Вот почему чаще всего все остаются непоколебимыми в своих убеждениях.
Такое убеждение и мировоззрение в целом (модель мира в сознании) обычно строятся так, чтобы человек выглядел достойно в своих глазах — в соответствии с системой ценностей той социальной группы, к которой он принадлежит. Вот почему — без практической проверки — очень трудно (если вообще возможно) убедить человека в неправильности его взгляда. И чем сильнее мы давим, тем более мощную защиту он устанавливает.
Было отмечено, что мы склонны соглашаться с теми, кто нам нравится. И почему нам кто-то нравится? Мы можем говорить об этом сутками. Между тем, мы принимаем решение о симпатии к человеку за несколько первых секунд. Мошенники постоянно пользуются этой нашей тенденцией для получения денежной выгоды.
Но вернемся к Витгенштейну. Кажется, он утверждает, что разум — это социальное явление, а не частное. И он считает язык и мышление тесно связанными, если не одним и тем же. На мой взгляд, язык — это определенно способ вовлечь других в решение проблем, что позволяет решать более сложные проблемы. Мы также используем язык для передачи знаний будущим поколениям, тем самым закрепляя прогресс, который мы наблюдаем с тех пор, как люди приобрели сначала речь, затем письмо, и особенно после изобретения печатного станка, а теперь — Интернета.
С этой точки зрения я могу согласиться с Витгенштейном в том, что разум каждого из нас является частью объединенного разума общества, в котором мы живем. Мы не можем избежать влияния нашего окружения, книг, которые мы читаем, и сайтов, которые мы посещаем. которые посещают.
Согласно Википедии, мысль включает в себя «целенаправленный поток идей и ассоциаций, который может привести к выводу, ориентированному на реальность». Я не вижу причин не соглашаться.
В своих «Философских исследованиях» Витгенштейн утверждает, что значение слова или предложения определяется их употреблением. Кажется, что мы получаем знания одинаково — от рассмотрения конкретных фактов до их обобщения. Когда мы слышим историю или просто утверждение, мы сравниваем его со своим опытом или просто доверяем говорящему, если нам так кажется.
Мы часто вынуждены принимать решения, когда не хватает достоверной информации. Вот так мы окружаем себя мифами.
После распада СССР многие «правды» прошлого оказались мифами. В любой стране есть своя мифология. Очень редко и не у всех есть шанс это осознать. Однако когда это происходит, процесс избавления от мифов может быть довольно болезненным. Вот почему мы избегаем этого, если это не принуждено и не мотивировано поиском истины.
Но я отклонился от темы. Язык, на котором мы «разговариваем» с компьютером, не дает такой свободы. Нет доверия или не доверия. Инструкции предоставляются, и компьютер выполняет их. Что произойдет, если компьютер усомнится в правильности наших инструкций?
Между тем, человек, даже сомневаясь, находит способ принять решение, может быть основано только на том, нравится инструктор или нет. Или на использовании каких-то моральных принципов. Или просто из чистого сострадания. Такое иррациональное принятие решений, по-видимому, было выгодно, поскольку человеческому виду до сих пор удавалось выживать. Это означает, что наше «чутье» не является плохим судьей. Человеческие эмоции и системы автоматического принятия решений оттачивались миллионами лет проб и ошибок. Лучшие подходы были выбраны путем эволюции. У компьютеров нет эволюционной истории. Итак, они застряли в сфере конкретных фактов и должны просто выполнять команды, не задумываясь.
Так было до недавнего времени — до того, как были разработаны новые подходы, а именно машинное обучение, нейронные сети, глубокое обучение и даже эволюционное программирование — это модные словечки нашего времени. все они связаны с развитием искусственного интеллекта. Это огромная, быстро развивающаяся область исследований. Я даже не буду пытаться охватить все это. Остановлюсь только на одной ветке, по которой мне довелось работать программистом.
Начнем сверху и перейдем к самым интересным деталям. Искусственный интеллект включает в себя несколько подходов: статистические методы, традиционное символьное моделирование и вычислительный интеллект (КИ). Мы рассмотрим последний.
CI имеет преимущество перед традиционным бинарным подходом (на основе 0/1). Человеческий язык плохо вписывается в такую упрощенную модель. Мы только что обсудили, что значение слова или предложения зависит от контекста и от того, что на самом деле хочет сказать говорящий. Это также зависит от его мотивации и мировоззрения в целом.
CI использует другую логику, называемую нечеткой логикой. Он лучше подходит для формирования человеческого языка и мышления, поскольку позволяет приписывать каждому элементу не просто 0 или 1, а степень близости к 0 или 1. Таким образом, мы можем создавать перекрывающиеся наборы описаний, примерно так, как мы это делаем в наш язык.
КИ включает в себя пять направлений, подходов или принципов (терминология еще находится в стадии разработки): нечеткая логика, нейронные сети, эволюционное программирование, теория обучения и вероятностные методы.
Существенное подмножество CI называется машинным обучением, а подмножество машинного обучения, основанного на искусственных нейронных сетях, называется глубоким обучением. Нейронные сети позволяют компьютеру изучать возможные решения на примерах. Нет необходимости включать в программный код правила, характерные для каждой из задач. Алгоритм строит и изобретает правила по мере необходимости. Например, если мы соберем большое количество изображений и пометим одни из них «кошка», а другие «не кошка», алгоритм сможет научиться идентифицировать кошку среди других — новых — изображений. Такой подход называется обучением с учителем. В роли учителя в данном случае выступает человек, который помогает ученику (компьютеру) освоить человеческий язык.
Но гораздо интереснее и перспективнее обучение без учителя, когда алгоритм классифицирует изображения (например) самостоятельно, без подсказки «учителя». Естественно, компьютер в этом случае не называет изображение кота «кошкой». Он «изобретает» свой собственный язык. Только после того, как классификация будет завершена, этот новый язык можно будет перевести на человеческий язык, назвав категории (если такие категории существуют в человеческом языке). В этом случае человек учится у компьютера.
Теперь вы помните нашу отправную точку о компьютерах, просто выполняющих инструкции? Используя неконтролируемое обучение, компьютер сам решает, что делать. Он даже может попросить человека перевести результаты с компьютерного языка на человеческий. Кто чьи поручения в этом случае будет выполнять?
Пока, как я писал в предыдущей статье, это всего лишь отображение между компьютерным языком и объектами реального мира. Это очень похоже на подход Витгенштейна в Трактате: [человеческий] язык моделирует реальный мир и отражает его структуру; Таким образом, значение слова/предложения исходит из реального мира.. Я добавил квадратные скобки вокруг слова человеческий, чтобы представить, что сказал бы Витгенштейн о не совсем человеческом языке.
Теперь легко представить, как компьютер может начать вводить более тонкие классификации, например, «наблюдая» за настроением окружающих его людей. Сможет ли он научиться понимать эмоции? Я не понимаю, почему бы и нет. Но сможет ли он потом начать их «переживать» — подобно тому, как дети сначала подражают взрослым? Сможем ли мы отличить их подражание от «реального опыта»?
На данный момент мы можем говорить о таких вещах только теоретически. Глубокое обучение быстро усложняется и выходит за пределы уровня проблем, с которыми оно может справиться. Кажется, что эволюционное программирование может взять верх и работать над проблемами, которые выходят за рамки возможностей глубокого обучения сопоставимой сложности. Это сильно отличается от нейронных сетей. Его цель — генерировать компьютерный код (программу), специфичный для каждой задачи. Такая программа будет менее сложной, поскольку она не является программой общего назначения, будет работать быстрее и потребует меньше ресурсов.
Сегодня самый популярный алгоритм эволюционного программирования называется генетическим алгоритмом. Он использует механизмы, подобные естественному отбору. Люди, работающие в этой области, используют термины «мутация», «селекция», «кроссовер».
Звучит знакомо? Помните, как — всего несколькими абзацами выше — мы говорили, что «человеческие эмоции и системы автоматического принятия решений оттачивались миллионами лет проб и ошибок. Лучшие подходы были выбраны путем эволюции. У компьютеров нет эволюционной истории. Итак, они застряли в сфере конкретных фактов и должны просто выполнять команды, не задумываясь». Что мы можем сказать сейчас?
