リチャードハミング：第6章。人工知能-1

「このコースの目標は、技術的な未来に向けて準備することです。」

こんにちは、Habr。 「You and Your Work」という素晴らしい記事（+219、2394のブックマーク、380kの読み取り）を覚えていますか？



そのため、ハミング（はい、はい、自己チェックと自己修正のハミングコード ）には、彼の講義に基づいて書かれた本があります。 男が問題を言うので、私たちはそれを翻訳します。



この本はITだけでなく、信じられないほどクールな人の思考スタイルに関する本です。 「これは単なる肯定的な思考の責任ではありません。 素晴らしい仕事をする可能性を高める条件を説明しています。」



すでに19（30から）の章を翻訳しています。 そして、 私たちは紙版に取り組んでいます。

第6章人工知能-1

（翻訳のおかげで、イヴァンニコフ・アレクセイ、「前の章」で私の電話に答えてくれました。）誰が本の翻訳、レイアウト、出版を手伝いたいですか-個人のメールかmagisterludi2016@yandex.ruに書いてください



コンピューターアプリケーションの歴史を考えると、コンピューターの制限の可能性に注意を払うのは、計算の複雑さという観点ではなく、コンピューターが将来解決できるタスクまたはできないタスクのクラスの観点です。 さらに議論する前に、コンピューターは情報ではなく記号で動作することを思い出してください。 「情報」の観点からプログラムを言うだけでなく、書くこともできません。 私たちは皆、言葉の意味を知っていると信じていますが、あなたの良い考えは、せいぜい、情報は曖昧な概念であり、プログラムに変換できる定義を与えられないことを確信させます。



Babbage and Augusta（Ada）Lovelaceはコンピューターの計算限界に関していくつかの仮定を立てましたが、実際の研究は実際には1940年代後半から1950年代初期に、特にRAND Research CenterのAllan NewellとHerbert Simonによって開始されました。 たとえば、彼らは人食い人や宣教師の仕事*などのパズルを解くことを検討しました。 コンピューターはパズルを解くことができますか？ そして、彼はどのようにそれをしますか？ 彼らは、人々がそのような問題を解決する際に使用するアプローチを検討し、同じ結果を再現するプログラムを作成しようとしました。 プログラムは同じソリューションテンプレートを見つけることで構成されていましたが、同じシーケンスで同じ論理的結論を介してパズルを解く人は全体として2人いなかったため、同じ結果を期待しないでください。 問題を解決するだけでなく、人々がパズルを解く方法をモデル化し、モデルの結果と人々の結果の類似性を確認しようとしました。



（*人食い人と宣教師-私たちの文化では、狼、羊、キャベツのパズルとして知られています。）



また、General Problem Solver（GPS）の概念の開発も始めました。 アイデアは、コンピューターで問題を解決するには、問題を解決するための5つの普遍的な原則と特定の領域のプライベートパーツのセットが必要だということです。 メソッドがうまく機能しなかったという事実にもかかわらず、リスト処理などの貴重な副作用がそこから出てきました。 問題の初期調査（予想どおり、プログラミング作業を大幅に促進する）の後、質問は10年延期されました。 彼らが彼に戻ったとき、約50の必要な普遍的な原則が提案されました。 この提案が機能しなかったとき、10年で普遍的な原則の数は500に達しました。現在、このアイデアはルールベースのロジックとして知られています。最大50,000個のルール。



Expert Systemsと呼ばれる開発中の領域全体が現在開発中です。 原則は、特定の知識分野の専門家にインタビューし、一連の規則を作成し、これらの規則をプログラムに入力して、専門家プログラムを受け取ることです！ この原則の問題の1つは、多くの分野、特に医学において、有名な専門家は実際には初心者よりも資格が低いということです！ そして、この事実は多くの研究で記録されています！ 別の問題は、専門家が潜在意識を使用していること、および専門家が潜在意識の経験のいずれかを使用して意思決定を行うことができるという事実です。 この間、明らかに多くの多くのパターンが頭の中に固定されており、問題を解決するとき、段階的な段階的な解決策ではなく、専門家がこれらのパターンに基づいて無意識の開始選択を行います。



一部の領域では、ルールベースのロジックが印象的な成果を示し、一部の類似した領域では完全に失敗しました。これは、成功が多数の運の要素に依存していることを示しています。 現在、一般的なルールはなく、ルールベースのロジックメソッドがいつ動作するか、動作しない場合、およびどのように適用されるかについての基本的な理解はありません。



第1章では、おそらくすべての「知識」を言葉（指示）で表現できないというトピックを作成しました。不可能という意味では不可能ですが、これについて愚かで無知であるという意味ではありません。 エキスパートシステムの確立された機能のいくつかは、間違いなくこの位置を証明しています。



数年にわたる開発の後、コンピューターの知的能力の限界に関する研究分野は、人工知能（AI）という曖昧な名前を受け取りましたが、これには意味はありません。 まず、これは質問に対する答えです。

車は考えることができますか？

これは人工知能よりも限定された定義ですが、問題をより明確に識別し、ほとんどの人がアクセスしやすくなっています。 この質問はあなたにとって重要です。コンピューターが考えられないと思うなら、コンピューターを使って問題を完全に解決することはできませんが、コンピューターが考えられると思うなら、間違いを犯すでしょう！ したがって、自分に信じさせたり信じさせさせたりすることはできません。次の不快な質問を定式化する必要があります。



注意を払う必要があります。この形式の質問は完全に正しいわけではありません。より一般的な質問は次のように定式化されます：「フォン・ノイマンの機械から「理由」を生成するプログラムを書くことは可能ですか？」そのような質問の理由は、現代のニューラルネットワークの発展の新しい傾向です。 彼らは、デジタルコンピューターではできないことを実行できる場合とできない場合があります。 技術的な事実を確認した後で、ニューラルネットワークについて説明します。



また、AIの問題は次のように定式化できます。「人は何ができ、コンピューターは何ができるか？」または私にとってより好ましい形で「人が解決できるタスク、またはコンピューターが大幅に引き受けることができるタスクはどれですか？」人間の神経系に直接接続され、多くの人々の生活をサポートするマシンであり、日常的なタスクを機械的に実行します。 自分の人生を車に依存したくないと言う人は、この方法を忘れてしまいます。 長い目で見れば、機械は人々の生活の質に大きく貢献できるように思えます。



人工知能のトピックがなぜそんなに重要なのですか？ AIの必要性の具体例を挙げます。 詳細に入らないと（思考と車に定義を与えずにそれらを検討することはできません）、私は将来、火星の表面を研究する車を持っている可能性が高いと信じています。 地球と火星間の距離は非常に大きいため、往復時間は20分以上になります。 したがって、運転中、そのような車は信頼できるローカル制御手段を備えている必要があります。 2つの石の間を通過し、わずかに曲がり、前輪の下にある土地を見つけた後、あいまいな場合には、迅速で「合理的な」アクションが必要になります。 言い換えれば、地球から命令を受け取る時間の不足と相まって、プログラムのバックアップ実行などの明白なアプローチは、破壊から保護するには不十分です。 したがって、マシンにある程度の「インテリジェンス」をプログラムする必要があります。



これは唯一の例ではありません。 コンピュータが高速システムでますます使用されるにつれて、同様のタスクがますます一般的になっています。 この場合、人に依存することはできません-多くの場合、人がさらされる退屈な要因のためです。 航空機の操縦は数時間の退屈と数秒間の絶対的な緊張（パニック）で構成されていると考えられています。 現代の高速飛行機はほとんどが不安定であり、コンピューターはミリ秒以内に設置されて安定しますが、パイロットはそのような精度を提供できません。 人は管理計画全体を調整することしかできず、詳細は機械に任せることができます。



先ほど、「機械」と「思考」の概念が意味することを少なくとも理解する必要があることに気付きました。 これらの用語については、1940年代初期にベル電話研究所で議論しました。 マシンにはオーガニックパーツを使用できないと主張する人もいましたが、私はこれに反対しました。 この定義は取り消されましたが、説得力を高めるために、カエルから神経系を除去し、生きたままにしておくという思考実験を提案しました。 それがストレージデバイスとして適応できれば、それは機械になるかどうか？ これがアドレス可能なストレージデバイスである場合、「マシン」であることをどのように区別しますか？



同じ議論で、イエズス会の卒業証書を持つエンジニア**は、「思考は機械ではなく人間の能力である」という知性を定義しました。 どうやら、そのような定義は皆を満足させた。 しかし、あなたはそれが好きですか？ 本当ですか？ 私たちは、現在のマシンのレベルと、マシンとプログラミング技術のレベルの改善の明らかな可能な比較により、人とマシンの違いが将来減少することに注目しました。



（**-およその翻訳-元のイエズス会の訓練を受けたエンジニア。おそらくイエズス会の高校で教育を受けた人（https://www.jesuittampa.org/page.cfm?p=1）または同様の場所を指します） ）



間違いなく、「考える」という用語を明確にする必要があります。 大多数の人にとって、石、木、その他の類似の物体が合わない人の能力として考えるという定義は有用でしょう。 このリストに高次の動物を含めるかどうかの問題についての意見は異なります。 ほとんどの人は、「思考はニュートンとアインシュタインがしたことだ」と主張するのを誤解しています。 この声明によると、私たちのほとんどは考えていません-もちろん、私たちに合っていません！ チューリングは、本質的に質問に答えず、プログラムされた機械を電信線の最後に置き、別のプログラムされた機械を最後に置き、平均的な人がそれらを区別できない場合、これは機械（プログラム）の「思考」の証拠になると主張しました。



チューリングテストは一般的なアプローチですが、複雑なものを解く前に簡単なことを明確にする必要がある場合、科学的分析には耐えられません。 すぐに、「考えられる最小のプログラムはどのくらいのサイズにすべきか」という質問を自問しました。明確にするために、2つの部分に分かれている場合、これらの部分はどれも考えられません。 私は毎晩寝る前に考えて、そのような考えを試して1年後、これは間違った質問であるという結論に達しました！ おそらく「考える」ことは、イエスかノーの答えではなく、もっと重要なことです。



少し後退して、化学の歴史からいくつかの事実を思い出させてください。 有機成分は、生き物からしか入手できないと長い間信じられていましたが、それは、石や岩などの無生物のものとは対照的に、生き物の生命の側面です。 しかし、1923年、化学者ウォーラーは、人間の標準的な副産物である尿素を合成しました。 これは、実験用フラスコでの有機成分の合成の始まりでした。 しかし、まだ1850年代後半には、ほとんどの化学者は生命力のある理論を固守しており、有機成分はアニメーション化されたものからしか得られません。 さて、ご存知のように、化学者は実験室の条件で成分を得ることができるという正反対の意見になりました-もちろん、この証拠はありません。 この意見は有機成分の合成に成功したために形成されたものであり、化学者は自然界に存在する可能性のある物質を合成できなかった理由を理解していません。 化学者の見方は、化学のバイタリスト理論から非バイタリスト理論へと移行しました。



残念ながら、宗教は機械の思考の問題に関する議論に入り、現在では「機械対人間」の生命論的で非生命論的な理論があります。 キリスト教の宗教では、聖書は「神は自分のイメージと似姿で人を創造した」と言っています。 独自のイメージで車を作成できれば、ある意味で神のようになるでしょう。それは少し恥ずかしいです！ 何らかの形でのほとんどの宗教は、分子のセットよりも多くの人を表し、実際、人は魂や他のいくつかのような特性において動物とは異なります。 魂については、中世後期に、一部の研究者は魂を死体から分離し、死亡した人の体重を増やし、突然の体重の変化を追跡したいと考えていましたが、分解体の重量のゆっくりとした減少を見ました-人が持っている魂彼らの意見では、物質的な重さはありません。



たとえ進化を信じていたとしても、神、または神々が立ち止まり、人間を他の生き物と区別する能力を与えた瞬間もありました。 人間と他の世界との大きな違いに対するこの信念は、少なくとも私たち自身が神のようになるまで、思考の点で機械が人間のようになることは決してないと信じさせます。 前述のイエズス会の卒業証書を持つエンジニアなどの人々は、思考には機械にはできない能力があると定義しています。 原則として、これらのステートメントはそれほど明白ではなく、思考の網に隠されていますが、意味は同じままです！



物理学者はあなたを放射エネルギー分野の分子の集合とみなし、古典物理学のそれ以上のものではないと考えています。 古代ギリシャの哲学者デモクリトス（紀元前460年生まれ）は、「すべてが原子と空虚である」と主張しました。 リジッドAIモデルの研究者は同じ立場にあります。 マシンと人との間に大きな違いはないため、正しくプログラムされたマシンは人と同じように機能します。 機械の考え方を詳細に再現しようとする失敗した試みはすべて、理論の重大な制限ではなく、プログラミングエラーによって説明されています。



AIの定義に対する反対のアプローチは、自己認識と自己認識があるという仮定に基づいていますが、AIの存在を証明する十分なテストを提供することはできません。 車のタイプを「私は魂を持っている」、「私は自己を認識している」または「私は自己を認識している」とすることができますが、あなたはそのような車の発言に感動しません。 同時に、そのような人からの声明は、あなたの人生の中で実験的に推測された内省の結果とあなたと他の人の類似性の事実と一致しているため、より自信を呼び起こします。 しかし、これらは人間と機械の違いにおける人種差別の現れです-私たちは最高の生き物です！



AIの議論では、行き詰まりました。 これで何でも言うことができますが、ほとんどの場合、これらのステートメントには意味がありません。 AIの成功と失敗に注目しましょう。



AI研究者は常に贅沢になりますが、ほとんどの場合、未確認の声明です。 1958年、ニューウェルとサイモンは、今後10年間でコンピュータープログラムが世界のチェスチャンピオンになると予測しました。 残念ながら、AI研究者による同様の未実現の声明のように、それは公開されました。 しかし、印象的な結果が達成されました。



AI研究におけるゲームの重要性を説明するために、もう一度前に戻る必要があります。 ゲームのルールと勝利または敗北は非常に理解しやすく、言い換えれば、ある意味で明確に定義されています。 しかし、これはゲームのプレイ方法を車に教えたいという意味ではなく、ゲームの形で適切で理解可能なテストベースでAIのアイデアをテストしたいということです。



最初からチェスはAIの良いテストと見なされています。チェスをプレイするとき、考える必要があることは間違いないと信じられているからです。 シャノンは、チェスをするプログラムを書く方法を提案しました（実際、チェスをするコンピューターと呼ばれます-これは単なるクラスのプログラムです）。 ロスアラモス国立研究所は、6x6ボード上の原始的なMANIACコンピューターで許容できる結果を達成し、ボードから象を除去しました。 少し後で、チェスコンピューターの歴史に戻ります。



3次元の三目並べの簡単なゲームのプログラムを作成する方法を考えてみましょう。 ゲームを引き分けにする戦略は既知であり、賢明なプレイヤーが勝つことはできないため、2次元の三目並べは考慮しません。 よく知られた戦略のあるゲームは思考を説明するものではないと信じています。



4x4x4キューブでは、64個のセル（キューブ）のみがあり、76個の直線を作成できます。 線が同一の要素で完全に満たされている場合、線が勝ちます。 8つのコーナーと8つの中央のセルに注意を払う必要があり、残りのセルよりも直線が多く通過します。 実際、立方体の反転があり、中央のセルは角に置き換えられ、角のセルはすべての直線が残っている中央のセルに置き換えられます。



3次元4x4x4三目並べを再生するプログラムは、最初に有効な正しい動きを選択する必要があります。 選択した動きの中から、「ホット」セルを占める動きを選択する必要があります。 それ以外の場合、敵は弱いアルゴリズムを解決し、戦略のために体系的に使用を開始できるため、可能なセルのランダムな選択を使用する必要があります。 さまざまな動きの実質的なセットでのランダムな選択は、ゲームプログラムアルゴリズムの中心的な部分です。



順番に適用する必要がある一連のルールを作成します。

1. 3つのセルが連続して塗りつぶされ、1つが「開いている」場合、それを塗りつぶして勝つ必要があります。
2. 勝ちの動きがなく、対戦相手が3つのセルを連続して持っている場合、それらをブロックする必要があります。
3. フォークが形成されている場合（図6.1を参照）、それを取得する必要があります。 次の動きでは、プログラムが勝ちますが、対戦相手は勝ちません。
4. 敵がフォークを形成できる場合は、ブロックする必要があります。

図6.1



どうやら、次の動きを計算できる特定のルールはないようです。 したがって、あなたは、いわゆる「強い動き」を探し始めます。それは、操縦のためのスペースを与え、勝利の組み合わせを作り出します。 したがって、ラインに2つの占有セルがある場合、3番目のセルを取得でき、敵はラインをブロックするように強制されます（ただし、敵をブロックする場合、ラインに3つのセルがなく、防御する必要がないことに注意する必要があります）。 強い動きのシーケンスでは、フォークを作成してから勝ちます！ しかし、これらのルールはすべて曖昧です。 「重要な」セルに強い動きをして、敵に防御を強いると、勝利を保証せずにゲームをリードするようです。 一連の強い動きでイニシアチブを失った場合、相手はそれを傍受し、防御して勝利のチャンスを増やす可能性があります。 非常に興味深い点は、攻撃のタイミングです。 早すぎる場合-イニシアチブを失う可能性があり、遅すぎる場合-敵が開始して勝利します。 私が知る限り、攻撃の瞬間を選択するための正確なルールを決定することは不可能です。



コンピューターのゲームプログラムのアルゴリズムは、いくつかの段階で構成されています。 プログラムは、まずルールの遵守状況を確認する必要がありますが、これは必須の詳細ではありません。 さらに、通常、プログラムは多かれ少なかれ正式な規則に従い、その後曖昧な規則を適用する段階になります。 したがって、プログラムには多くのヒューリスティックルール（ヒューリスティック-発明または発見）が含まれており、保証はされませんが、勝利につながる可能性が高い動きです。



AIの研究の始めに、IBMで彼を追ったArthur Samuelは、チェスチェッカープログラムを作成しました。 ゲーム自体よりも検証者を書く方が簡単だと信じられていました。 彼が書いた評価式には、例えば、ボードの中心の制御、ポーンの通過、キングの位置、機動性、ロックされたピースなど、重み係数を含む多くのパラメーターが含まれていました。 Samuelはプログラムのコピーを作成し、パラメーターの1つ（またはそれ以上）をわずかに変更しました。 次に、1つの評価式を持つプログラムが、別の式を持つプログラム（たとえば10回）と対戦しました。 ほとんどの関係者に勝ったプログラムは、（ある程度の仮定を置いて）最高のプログラムと見なされました。 コンピューターは、パラメーターの1つの値をローカル最小値に達するまで調べ、その後、他のパラメーターの決定に進みました。 したがって、プログラムは繰り返しの間に同じパラメーターを使用して何度も実行されました。プログラムにはるかに優れた評価プログラムを与えました-サミュエル自身よりも間違いなく優れています。 このプログラムは、コネチカット州のチェスチャンピオンを獲得しました！



「プログラムは経験から学んだ」と言うのは公平ではないでしょうか？



当然、あなたはプログラムがコンピューターに学習方法を教えたことに反対します。 しかし、教師はユークリッド幾何学のコースでそのようなトレーニングプログラムを提供していませんか？ ジオメトリコースが本当に何であるかについて、より慎重に考えてみましょう。 コースの開始時に、生徒は幾何学的な問題を解決できず、教師は特定のプログラムを彼に置いて、コースの最後にそのような問題を解決できます。 もっと注意深く考えてください。 マシンが別のプログラム（人によって書かれた）によって教えられたために、マシンが経験豊富な知識から学んだことを否定している場合、この状況はあなたとは異なります。組立ライン。 人生であなたに起こった出来事でプログラムを組まないのは確かですか？



心という用語の定義の正確さだけでなく、他の多くの関連するもの、たとえば機械、トレーニング、情報、アイデア、決定（実際、それは分岐の1つにすぎず、プログラムの分岐点はしばしば決定点と呼ばれます。 ), — , .科学は伝統的に空の言葉ではなく実験的証拠に依存しており、開発の方向を決定する科学は哲学よりも効果的であるとすぐに思われる。しかし、もちろん、未来はさまざまです。



この章では、AIについてさらに議論するための「基礎を築きました」。また、このトピックは無視できないと判断しました。あなたは、定義の難しさ、そして実際には定義の複雑さの明らかな欠如により、用語の説明が非常に不十分であり、修正と解釈が必要であるという事実に興味を持つべきです。特に、プログラムの作成時に、機械学習、独創性、創造性、または合理性の許容可能なテストを決定するとき、そのようなテストは機械的なものにしかならないことに多くの人が気づいていました。このステートメントは、乱数が使用される場合でも当てはまります。同じ人が2つの同一のチェスゲームをプレイすることはめったにないのと同様に、乱数を使用するマシンは2つの同一のテストの影響に対して2つの異なる結果を生成します。機械学習のテストに受け入れられるテストは何ですか？または、前述のイエズス会の卒業証書を持つエンジニアとして、トレーニング、創造性、独創性、合理性は機械が持つことができる特性ではないと断言するつもりですか？または、問題の完全な深さを反映しない不正な推論を通じて、この露骨な発言を隠すつもりですか？



実際、人間の概念が何を意味し、機械が何をすることができるかを自主的に決定しようとせずに、AIの問題の深さ全体を理解することはできません。テストプログラムを構築するためのアルゴリズムを詳細に検討する前に、マシンは自分の経験からは学習できないと考えていたかもしれません。 AIを構築する上でのマシンの機能と制限の問題に対する理解を深めるには、誤解と戦わなければなりません。これを行うには、信念を形式化し、批判的に評価し、すべての強い議論と弱い議論を比較検討する必要があります。多くの学習者はAIに反対し、多くはAIに反対します。この重要な分野での偏った信念を放棄する必要があります。次の章では、機械ができるより興味深いことを見ていきます。その前に、あなたはあなた自身の意見を形成する必要があります。企業や社会全体の必然的な情報化に実質的に関与しないと考えるのは間違いです。



多くの点で、コンピューター革命が始まったばかりです！



継続するには...



誰が本の翻訳、レイアウト、出版を手伝いたいのか-個人のメールまたはメールに記入magisterludi2016@yandex.ru



ちなみに、私たちはまた別のクールな本の翻訳を開始しました- 「The Dream Machine：The History of the Computer Revolution」 ）