Datalogiens Videnskabsteori.

Transkript

1 Datalogiens Videnskabsteori. Synopsis til uge 1 - om Kunstig Intelligens. [Strom og Darden] Vi vil redegøre for Strom og Dardens (S&D) holdninger og argumenter i artiklen "Is artificial inteligence a degenerating program?" samt analysere validiteten af disse i forhold til Hubert Dreyfus' bog What computers (still) can't do fra 1996 (på det niveau de præsenteres i artiklen). Artiklen er en klar kritik af Dreyfus' påstande hvor han beskriver manglen på progressivitet i den klassiske symbolske kunstige intelligens (Dreyfus' beskriver den som et degenerative programme [s.152:1-3]. For en god ordens skyld skal det nævnes at vi fremover benytte forkortelsen 'KI' for kunstig intelligens. Diskussionen til slut kommer til at stå lidt åbent og vil fungere som oplæg for debat til øvelsen. For at undgå unødvendig fyld i denne synopsis forventes læseren at have styr på Lakatos: the methodology of research programmes [beskrevet i artiklens afsnit 2]. Det er klart fra starten at S&D ikke er enig med Dreysus. Bl.a. skriver de at, hvad Dreyfus ser som fundamentale problemer mht. kognitivt arbejde anser de ikke som begrænsninger [s.152:10-11]. S&D benytter skak computeren Deep Tought som eksempel på et område hvor Dreyfus' forudsigelser [s.154:22-25] ikke har vist sig at holde stik [s.154:18-20]. Deep Tought benytter sig af heuristisk søgning og er meget karakteristisk for klassisk symbolsk KI. Det hovedsaglige problem med heuristisk søgning er bedre kendt som horisont effekten, en heuristisk søgning er fuldstændig uvidende om verden uden for horisonten, hvor den heuristiske søgning slutter [s.156:13-15]. Deep Tought har tilsyneladende overkommet dette problem, I det omfang det kan udnyttes af ekspert skak spillere ved at benytte sig af tilstrækkelig dybde i søgningen [s.156:9-12]. S&D kommer dog selv ind på at det lyder ret så meget som beskrivelsen af et degenerativt program [s.156:39-42] men ikke desto mindre tyder det på at rent faktisk virker overraskende godt og lineært [s.157:fig 1]. Et af S&D's primære kritikpunkter er at Dreyfus' alternativ til symbolsk KI ikke umiddelbart er et brugbart implemterbart alternativ [s.162:40-41] hvilket også strider imod Dreyfus' brug af Lakatos [s.153:12-15]. For at understrege dette sammenligner S&D den klassisk KI med andre implementationer af en skak KI der minder om Dreyfus' alternativ. S&D opstiller det heuristiske search programme jf. Lakatos hvor den kernen som Trade deep heuristic search for domain-dependent knowledge med en lang række tekniker som det beskyttende bælte [s.159:fig 2]. Denne model stemmer overens med Lakatos' model af et progressivt program hvor forbedringer af søgetekniker og hardware ikke rokker ved kernen. Den sidste halvdel af teksten er I sig selv en analyse, og derfor er den svær at redegøre for uden at man laver en diskussion Det resterende bliver derfor i et mere løst format end hidtil. Dreyfus er overbevist om at et holografisk-baseret genkendelses system indeholder de fire egenskaber der kendetegner den menneskelige kognition [s.163:2-4]. S&D argumenterer dog at

2 det er umuligt at finde et overordnet paradigme der vil være istand til at indfange alle medlemmer på en sådan måde, og da slet ikke generelt [s.166:6-17]. Dette afspejles i en længere diskussion i artiklen begyndende med en generalisering fra hele skak snakken. S&D kommer Dreyfus i forkøbet ved at modargumentere en eventuel påstand om man umuligt kan generalisere fra Deep Thought's ekstreme specialisering. Deres konklusion er at man ikke kan generalisere, men at Deep Thought kan lære os hvordan man implementerer specifikke kognitive evner på en computer [s.160:8-13]. Dreyfus' bror beskriver problemerne ved ustrukturerede domæner og hvorledes det ikke er muligt at benytte en 100% systematisk tilgang for at finde en løsning [s.160:33-39] og stiller to muligheder op hvori Deep Thought success skal findes (enten har man fundet "first principles" eller også er den simpelthen i stand til at yde på ekspert niveau i et ellers ustruktureret domæne). Argumentet syntes lidt underligt idet netop skak er et ganske struktureret domæne med en meget simple måde at lave en vindende strategi - at den vindende strategi ikke er praktisk muligt, gør dog at det er nødvendig for en algoritme at være i stand til at fokusere på de essentielle træk. Dette er netop en af de ting som Dreyfus har specificeret som værende menneskelig kognition. Tilbage er spørgsmålet om hvorvidt Deep Thought rent faktisk opnår dette? Dreyfus' besættelse af at "ægte" KI kun opnås når KI'ens principper minder tilstrækkelig om de menneskelige kognitive processer [s.161:15-17] syntes fuldstændigt at ignorere computeres styrke til netop at beregne. Dreyfus indrømmer dog selv at man kun har ringe forståelse af præcist hvordan de kognitive processer foregår [s.162:nederst], og derfor næppe kan afvise symbolsk KI på nuværende tidpunkt jf. Lakatos. Dreyfus fremstiller holografiske genkendelses systemer som havende mange af de ønskede egenskaber, men dette modargumenteres af S&D, omend på et praktisk niveau, så er deres argumentation plausibel. Det, af Dreyfus beskrevne holistiske system, hvor han beskriver hvorledes f.eks. mønster-genkendelse og mængde genkendelse er bestemt ved graden af sammenlignelighed med et konkret repræsentativt paradigme, virker ikke i de eksempler der frembringes [s.162:35-37]. Med udgangspunkt i bogstavgenkendelse beskrives det hvordan det er praktisk umuligt at beskrive et pradimisk A der vil kunne dække over alle former for A [s.165:fig 4]. Problemets omfang belyses af S&D ved at give et eksempel på en mere abstrakt sammenhæng som harmoniske oscillatore, some både guitarer, penduler og radioer. S&D argumentere for at til ikke-triviel mønstergenkendelse kræves som minimum en skematisk strukturering. For bogstavgenkendelse citerer de Douglas Hofstadter [s ] hvor man opstiller en række konceptuelle roller. Disse roller har tilknyttet en række tests for om hvorvidt et objekt opfylder denne rolle. Et objekt kan hermed siges at være genkendt hvis den opfylder et tilstrækkeligt antal roller. Dette medføre dog også at to medlemmer ikke nødvendigvis er specielt sammenlignelig. Man kan i høj grad diskuterer om Dreyfus har haft en indflydelse på forskningen og det akademiske milijø, efter udgivelsen af sin bog. Mange, bl.a. David Isreal, mener at hans generelle indflydelse er at betragte som minimal. Vi synes at Dreyfus' holdninger kan forsvares i forhold til at han er filosof og ikke er påkrævet at tænke implementation ind over. Fordi problemerne opstår, efter vores opfattelse, når man forsøger at realisere abstraktionerne. Måske er Dreyfus forud for sin tid og når vi på et senere tidspunkt forstår mere af hvordan sindet og hjernen fungerer, at vi da bedre kan bringe Dreyfus' perspektiver i spil.

3 [Küppers et. al.] Küppers behandler hvorvidt man skal tilbyde strukturel eller funktionel modellering af kognition. Altså om måden hvorpå man implementerer tænknings-delen af KI skal være baseret på strukturel eller funktionel modellering. Et eksempel på dette kunne være et tekstbehandlings værktøj som benytter en strukturel tilgang til at tilbyde funktionen "stavekontrol" - hvorimod en søge maskine som google benytter den funktionelle tilgang, ved med statistisk opslag, at finde ud af hvor hyppigt det søgte ord fremkommer, samt hvor hyppigt lignende ord fremkommer. Og så foreslå alternativer, hvis hyppigheden mellem de to er stor, samt forskellen i stavemåde er lille. Dette kan føres direkte over på S&D's diskussion med Dreyfus om mønstergenkendelse, og anvendelsen af et holografisk billede. Dreyfus argumenterer her for at mønstergenkendelsen bør være funktionel og benytte sig at repræsentative pardigmer for de enkelte former, hvorimod S&D, som nævnt ovenfor, argumenterer for at der som minimum bør være en skematisk strukturering. [Johansen] Herefter har vi teksten af Mikkel Willum Johansen At tænke eller ikke at tænke - teksten er en kort 3-siders beretning og af samme grund virker det overflødigt at lave linje/side henvisninger. Johansens tekst gennemgår udviklingen inden for KI, hvor han sammenligner "klassisk KI" med "ny KI" hvor han fremhæver den "nye" form som noget der blev betragtet som revolutionerende i slutningen af 80'erne. Hvor den klassiske her opererede ud fra et koncept med at enheden skulle have en matematisk og stringent model af dens verden, som den kunne beregne på. Så blev det nu til at den fortolkede hvad den så, og traf beslutninger på baggrund af beregninger i øjeblikket. Hvad han kalder "tænkehandlinger" - det indebar også at robotterne blev simple og ikke krævede meget instruktion. Hvor den klassiske KI opfattede tænkning eller kognition, som noget der var fast lagt af model, mål, logik og planlægning, og som tog sansning som input og outputtede en handling. Så er den nye KI i højere grad en symbiose, hvor agenten er fællesmængden af input fra sansning, handling og tænkning. Man mener med denne nye KI at kunne opnå sprogforståelse af naturlige sprog. Det var en bedrift tidligere forsøgt opnået med klassisk KI, nemlig ved at gøre et tilstrækkeligt stort ordforråd tilgængeligt for dem. Der er dog stadig ikke noget som tyder på at man nogensinde vil opnå forståelse den klassiske vej. Men hvis man i stedet lod robotterne "lære" deres eget sprog, ville oddsene være langt bedre. Luc Steels har forsøgt dette med små robotter. I stedet for at kende noget til verden, så beskrev robotterne det som de så og udvekslede så disse ord med andre robotter. Og på den måde opnåede flokken af robotter slutteligt en form for fælles sprog. Johansen nævner dog også at fyldigheden for et sprog som er opstået på denne måde, endnu er uvis. Til sidst nævner han det som han kalder følsomme robotter. Et eksempel på en sådan er ansigtet "Kismet" som er en kopi af et menneskehovede, som kan give udtryk for følelser ud fra input opnået via høre- eller synssansen. Tvivlen om hvorvidt det er ægte følelser beskriver Johansen da også og når frem til at forskning i robotters syntetiske følelser, kan være med til at give os indblik i alkymien for ægte følelser.

4 Vi vil nu gå analytisk til værks på begrebet "naturligt sprog" hos robotter. For som Luc Steels' eksempel antyder, så vil robotterne efter et vist tidsrum, have opnået et sprog så de kan kommunikere med hinanden. Men hvad kan de så kommunikere om? Og er det et sprog af adjektiver, verber og substantiver? Man kan argumentere for at sprog på det niveau som opnås af disse entiteter ikke vil være et fuldt sprog. For de vil nok kunne kommunikere med hinanden ud fra de sanseindtryk de får, men da deres hukommelse er endelig vil de aldrig kunne udvikle samtale egenskaber. Ligeledes kan Kismet bearbejdes. Selvom den giver udtryk for følelser, så er det stadig udtryk som er defineret af mennesker, og den nuværende implementation, som Johansen også nævner, vil aldrig give mulighed for at Kismet lærer egne følelser. For som han skriver, så er "robotten desuden følsom over for tonelejet i menneskers stemme." Men dette antyder ikke forståelse, blot analyse af svingninger i tonefald. Derfor kan det diskuteres hvorvidt nogen af disse eksempler kommer i nærheden af at udvise kunstig intelligens, for på den ene side, så er der en form for beregnet adfærd at spore i deres opførsel, men det er næppe at betegne som intelligens. Vi mener at for at kunne opnå en intelligent handling, behøver man mere end blot noget heuristisk adfærd. Men det er spørgsmålet om hvorvidt det for nuværende er "godt nok" - det vil sige, om situationen for det intelligente implicit vil bedres over årene som det udvikler sig. Mange i dag ville heller ikke kalde DASK for en regnemaskine, selvom det var opfattelsen i dens storhedstid i 1950'erne. Turing citerer "Professor Jefferson's Lister Oration for 1949" i "The Argument from Consciousness": "Not until a machine can write a sonnet or compose a concerto because of thoughts and emotions felt, and not by the chance fall of symbols, could we agree that machine equals brain - that is, not only write it but know that it had written it. No mechanism could feel (and not merely articially signal, an easy contrivance) pleasure at its successes, grief when its valves fuse, be warmed by attery, be made miserable by its mistakes, be charmed by sex, be angry or depressed when it cannot get what it wants." (Turing, 1950, s ) Hvilket nok meget præcist siger netop hvad man forstår ved intelligens.

5 Litteratur Johansen, M. W. (2003). "At tænke eller ikke at tænke." Aktuel Naturvidenskab (2), Strom, J. D. og Darden, L. (1996). "Is artificial intelligence a degenerating program? A reveiw of Hubert Dreyfus' What Computers Still Can't Do" Dreyfus, H. L. (1992). What Computers Still Can t Do: a Critique of Artificial Reason. London: MIT Press. Først offentliggjort: 1979, What Computers Can t Do. Turing, Alan (October 1950), "Computing Machinery and Intelligence", Mind LIX (236): ,