هوش و ماشین‌های محاسباتی

« ماشین‌های محاسباتی و هوش » مقاله ای سمیناری است که توسط آلن تورینگ با موضوع هوش مصنوعی نوشته شده است. این مقاله که در سال 1950 در نشریه ذهن منتشر شد، اولین مقاله ای بود که تورینگ در آن مفهوم آزمون تورینگ را برای عموم معرفی کرد.

مقاله تورینگ این سوال را بررسی می کند که "آیا ماشین ها می توانند فکر کنند؟" تورینگ می‌گوید از آنجایی که واژه‌های «فکر کردن» و «ماشین» را نمی‌توان به وضوح تعریف کرد، باید «سوال را با سؤال دیگری جایگزین کنیم که ارتباط نزدیکی با آن دارد و با کلمات نسبتاً بدون ابهام بیان می‌شود». برای انجام این کار، ابتدا باید یک ایده ساده و بدون ابهام برای جایگزینی کلمه «فکر کردن» بیابد، ثانیاً باید توضیح دهد که دقیقاً کدام «ماشین‌ها» را در نظر دارد و در نهایت با مسلح شدن به این ابزار، سؤال جدیدی را در ارتباط با پرسش اولیه مطرح کند که به درستی می تواند به آن پاسخ دهد.

آزمون تورینگ

"تفسیر استاندارد" آزمون تورینگ، که در آن بررسی گر(بازجو) وظیفه دارد تا تعیین کند کدام بازیکن یک کامپیوتر و کدام یک انسان است.

تورینگ به جای تلاش برای تعیین اینکه آیا ماشینی در حال فکر کردن است یا خیر، پیشنهاد می‌کند که ما باید بپرسیم که آیا ماشین می‌تواند در یک بازی به نام « بازی تقلید » برنده شود. بازی اصلی تقلید که تورینگ توضیح داد یک بازی مهمانی ساده است که شامل سه بازیکن است. بازیکن A یک مرد، بازیکن B یک زن و بازیکن C (که نقش بازجو را بازی می کند) می تواند از هر دو جنس باشد. در بازی تقلید، بازیکن C نمی تواند بازیکن A یا بازیکن B را ببیند (و آنها را فقط به عنوان X و Y می شناسد)، و می تواند با آنها فقط از طریق یادداشت های مکتوب یا هر شکل دیگری که جزئیاتی در مورد آنها افشا نمی کند ارتباط برقرار کند. جنسیت با پرسیدن سوال از بازیکن A و بازیکن B، بازیکن C سعی می کند مشخص کند که کدام یک از این دو مرد و کدام یک زن است. نقش بازیکن A این است که بازجو را فریب دهد تا تصمیم اشتباه بگیرد، در حالی که بازیکن B تلاش می کند تا به بازجو کمک کند تا تصمیم درست را بگیرد.

تورینگ گونه‌ای از این بازی را پیشنهاد می‌کند که شامل یک رایانه می‌شود: وقتی ماشینی نقش A را بازی کند، چه اتفاقی خواهد افتاد؟" آیا بازجو به همان اندازه که بازی بین زن و مرد انجام می شود اشتباه تصمیم می گیرد؟ این سؤالات جایگزین سوال اصلی ما می شود که «آیا ماشین ها می توانند فکر کنند؟ " بنابراین، بازی تغییر یافته تبدیل به بازی‌ای می‌شود که شامل سه شرکت‌کننده در اتاق‌های مجزا شامل می‌شود: یک کامپیوتر (که در حال آزمایش است)، یک انسان، و یک قاضی (انسان). قاضی انسانی می تواند با تایپ کردن در ترمینال، هم با انسان و هم با رایانه صحبت کند. هم کامپیوتر و هم انسان سعی می کنند قاضی را متقاعد کنند که آنها انسان هستند. اگر قاضی نتواند به طور مداوم تشخیص دهد که کدام کدام است، کامپیوتر برنده بازی است.

همانطور که [./Https://en.wikipedia.org/wiki/Stevan%20Harnad استوان هارناد] خاطرنشان می کند، سوال اولیه به "آیا ماشین ها می توانند کاری را انجام دهند که ما (به عنوان موجودات متفکر) می توانیم انجام دهیم؟" تبدیل شده است. به عبارت دیگر، تورینگ دیگر نمی‌پرسد که آیا یک ماشین می‌تواند «فکر کند». او می‌پرسد که آیا یک ماشین می‌تواند به‌طور غیرقابل تمایز از نحوه عمل یک یک موجود متفکر(انسان) عمل کند؟ این پرسش از دشواری مشکل فلسفی پیش تعریف کردن فعل «فکر کردن» اجتناب می‌کند و در عوض بر ظرفیت‌های عملکردی که توانایی اندیشیدن امکان‌پذیر می‌سازد تمرکز می‌کند و اینکه چگونه یک سیستم علّی(علی معلولی) می‌تواند آنها(عملکردها) را ایجاد کند.

برخی سؤال تورینگ را اینگونه درنظر گرفته اند که «آیا رایانه‌ای که از طریق یک چاپگر مخابره ای ارتباط برقرار می‌کند، می‌تواند فردی را فریب دهد که انسان بودنش را باور کند؟» اما واضح به نظر می رسد که تورینگ در مورد فریب دادن مردم صحبت نمی کرد، بلکه در مورد ایجاد ظرفیت شناختی انسان صحبت می کرد.

ماشین های دیجیتال

تورینگ همچنین خاطرنشان می کند که ما باید تعیین کنیم که کدام "ماشین ها" را می خواهیم در نظر بگیریم. او خاطرنشان می کند که یک کلون (همسانه) انسانی، اگرچه ساخته دست بشر است، مثال جالبی ارائه نمی دهد. تورینگ پیشنهاد کرد که ما باید روی قابلیت‌های ماشین‌های دیجیتال تمرکز کنیم - ماشین‌هایی که ارقام دودویی 1 و 0 را دستکاری می‌کنند(با 0 و 1 کار می کنند) و آنها را با استفاده از قوانین ساده در حافظه بازنویسی می‌کنند. او دو دلیل آورد.

اول، هیچ نیازی به اندیشیدن(حدس زدن) درباره وجود یا عدم وجود آنها نیست. چرا که از سال 1950 وجود دارند.

دوم، ماشین‌های دیجیتال «جهانی» هستند. تحقیقات تورینگ در مورد مبانی محاسبات ثابت کرده بود که یک کامپیوتر دیجیتال، از نظر تئوری، می‌تواند رفتار هر ماشین دیجیتال دیگری را با اختصاص حافظه و زمان کافی شبیه‌سازی کند. (این، بینش اساسیِ تز چرچ-تورینگ و ماشین تورینگ جهانی است . ) بنابراین، اگر هر ماشین دیجیتالی بتواند «آنچنان که فکر می کند عمل کند»، هر ماشین دیجیتال به اندازه کافی قدرتمند، می تواند. تورینگ می نویسد: «همه رایانه های دیجیتال از یک نظر معادل هستند».

این اجازه می دهد تا سؤال اصلی حتی دقیق تر شود. تورینگ اکنون دوباره سوال اصلی را اینگونه بیان می کند: "اجازه دهید توجه خود را به یک کامپیوتر دیجیتال خاص C معطوف کنیم. آیا درست است که با تغییر ویژگی های این رایانه برای داشتن فضای ذخیره سازی کافی، افزایش مناسب سرعت عمل آن، و ارائه برنامه مناسب برای آن، C می توان نقش A را در بازی تقلید به طور رضایت بخشی بازی کند، در حالی که B که توسط یک انسان اجرا می شود؟

از این رو تورینگ بیان می‌کند که تمرکز بر این نیست که یا همه رایانه‌های دیجیتال در بازی موردنظر خوب عمل می‌کنند یا اینکه رایانه‌هایی که در حال حاضر در دسترس هستند عملکرد خوبی خواهند داشت، بلکه تمرکز بر این است که رایانه‌های قابل تصوری وجود دارند که عملکرد خوبی خواهند داشت. آنچه مهم‌تر است این است که پیشرفت‌های ممکن در وضعیت ماشین‌های امروزی خود را در نظر بگیریم، صرف نظر از اینکه منابع موجود برای ایجاد آن را داریم یا نه.

نُه ایراد(مخالفت/اعتراض) رایج

تورینگ پس از روشن کردن این سوال، به پاسخ به آن روی آورد: او 9 ایراد رایج زیر را در نظر گرفت که شامل تمام استدلال های عمده علیه هوش مصنوعی است که در سال های پس از انتشار مقاله او مطرح شده است.

1. ایراد مذهبی: بیان می کند که تفکر عملکردی از روح نامیرای انسان است. بنابراین، یک ماشین نمی تواند فکرکند. تورینگ می نویسد: «در تلاش برای ساخت اینچنین ماشین هایی نباید قدرت خلق ارواح را از خداوند غصب کنیم. همانگونه که در مورد بدنیا آمدن فرزندان، به هر حال ما ابزارهایی هستیم که برای روح های خلق شده توسط او، معبد (بدن) فراهم می کنیم.
2. ایراد «سر های همچون کبک، زیر برف»: «عواقب تفکر ماشین ها بیش از حد ترسناک است. بیایید امیدوار باشیم و ایمان داشته باشیم که آن ها نتوانند فکر کنند.». این تفکر در بین روشنفکرنماها(انتلکت ها) مرسوم است؛ چرا که باور دارند برتریِ مشتق از هوش برتر و احتمال [./Https://en.wikipedia.org/wiki/Existential%20risk%20from%20artificial%20general%20intelligence مستقر شدن اینچنین موجودیتی، یک خطر است](به این دلیل که ماشین ها ظرفیت های حافظه کارآمد و سرعت پردازش بالایی دارند که فراتر رفتن ماشین ها را در زمینه ظرفت های یادگیری و دانش، از انسان ها، بسیار محتمل می سازد.) این ایراد، یک سفسطه «توسل به عواقب» است، چرا که «چیزی را که نباید وجود داشته باشد» را با «چیزی که می تواند یا نمی تواند وجود داشته باشد»، اشتباه می گیرد.
3. ایراد ریاضیاتی: این ایراد، از نظریه های ریاضیاتی مثل «نظریه ناکاملی» گودِل استفاده می کند تا نشان دهد در پرسش هایی که یک سیستم کامپیوتری می تواند بر اساس منطق پاسخ دهد، محدودیت هایی وجود دارد. تورینک بیان می کند که انسان ها بیش از حد اشتباه می کنند و از خطاپذیری یک ماشین خوشحال می شوند. (این بحث مجددا در سال 1961 توسط [./Https://en.wikipedia.org/wiki/John%20Lucas%20(philosopher) جان لوکاس] فیلسوف و راجر پنروز فیزیکدان ارائه شد.)
4. مبحث آگاهی: این بحث که توسط پروفسور [./Https://en.wikipedia.org/wiki/Geoffrey%20Jefferson جافری جفرسون] در کتابی که در سال 1949 منتشر کرده، پیشنهاد شده است، بیان می کند که «تا زمانی که ماشینی نتواند یک غزل بنویسد یا یک قطعه موسیقی بر اساس تفکرات و احساسات درک شده تولید کند، و نه با نمادهای تصادفی، نمی توان توافق کرد که ماشین معادل با مغز است». تورینگ اینگونه پاسخ می دهد:«ما راهی نداریم تا بدانیم که هر کسی غیر از خودمان، احساسات را تجربه می کند، و بنابراین، بهتر است آزمون را بپذیریم. نمی خواهم این برداشت را صورت دهم که من فکر می کنم رمزورازی درباره آگاهی نیست. اما اینگونه فکر نمی کنم که قبل از اینکه به پرسش آیا ماشین ها می توانند فکر کنند پاسخ دهیم، این رمزورازها لزوما نیاز به حل شدن داشته باشند.» (این بحث که کامپیوتر نمی تواند تجربیات آگاهانه یا درک داشته باشد، در سال 1980 توسط فیلسوف، جان سرل در مبحث اتاق چینی او بیان شد. پاسخ تورینگ امروزه به پاسخ ذهن های دیگر شناخته شده است. همچنین در فلسفه هوش مصنوعی، ببینید آیا یک ماشین می تواند ذهن داشته باشد؟)
5. مباحثی از ناتوانی های مختلف. این مباحث همگی به شکل «یک کامپیوتر هیچ وقت کار اِکس را انجام نمی دهد» هستند. تورینگ مجموعه ای از آن ها را پیشنهاد می دهد: مهربان بودن، رفتار محترمانه، زیبا، رفتار دوستانه، ابتکار عمل داشتن، شوخ طبع بودن، تشخیص درست از اشتباه، اشتباه کردن، عاشق شدن، لذت بردن از توت فرنگی و خامه، کسی را عاشق خود کردن، یادگرفتن از تجربه، استفاده صحیح از کلمات، به خود فکر کردن، به اندازه انسان تنوع رفتاری داشتن، کار واقعا جدید انجام دادن. تورینگ خاطرنشان می کند که «معمولا هیچ حمایتی از این بیانات نمی شود» , آن ها به برداشت های ساده در مورد امکان تطابق پذیری و همه کاره بودن ماشین ها در آینده، مربوط هستند؛ یا «حالات تغییریافته مبحث آگاهی(بند 4) هستند». او به چند مورد پاسخ می دهد:
   1. ماشین نمی تواند اشتباه کند. او اشاره می کند که برنامه ریزی یک ماشین که اشتباه می کند کار آسانی است.
   2. یک ماشین نمی تواند به خودش فکر کند (نمی تواند خودآگاه باشد). برنامه ای که بتواند گزارش حالات و پردازش های درونی اش را بدهد، به معنای ساده یک برنامه دیباگر، قطعا می تواند نوشته شود. تورینگ تاکید می کند که «یک ماشین بی شک می تواند موضوع خودش باشد.»
   3. یک ماشین نمی تواند تنوع رفتاری زیادی داشته باشد. او اشاره می کند که با فضای ذخیره سازی کافی، یک کامپیوتر می تواند به تعداد نجومی از راه های مختلف رفتار کند
6. استدلال مخالف بانو لاولیس: یکی از مشهورترین استدلال های مخالف، بیان می دارد که کامپیوتر ها توانایی اصالت ندارند. بنا بر گفته ی ایدا لاولیس، بیشتر به این دلیل که ماشین ها در یادگیری مستقل ناتوانند. ماشین تحلیلی هیچ قصد و ادعایی برای ایجاد هیچ چیزی ندارد. هرچه که ما می توانیم به او دستور بدهیم را می تواند انجام دهد. می تواند مسیر تحلیل را دنبال کند، ولی توانایی پیش بینی هرگونه رابطه یا حقیقت تحلیلی را ندارد. توریگ بیان می دارد که استدلال مخالف لاولیس می تواند به ادعای اینکه کامپیوتر ها «هیچ وقت نمی توانند ما را غافل گیر کنند» تقلیل پیدا کند، و علیه آن استدلال می کند که، برعکس، کامپیوترها هنوز می توانند انسان ها را شگفت زده کنند، به خصوص جایی که عواقب حقایق مختلف به سرعت قابل شناسایی نیست. تورینگ همچنین استدلال می کند که مطابق بیانات داخل نوشته های بانو لاولیس، دید او محدود شده بوده، و اگر با دانش بروزتر مواجه می شد، برای ایشان مشخص می شد که حافظه ی مغز شبیه حافظه ی کامپیوتر است.
7. استدلال از تداوم در سیستم عصبی: تحقیقات عصبی مدرن نشان داده که مغز دیجیتال نیست. با این حال نورون ها به شکل همه-یا-هیچ عمل می کنند، هم زمان پالس و هم احتمال رخداد پالس شامل اجزای آنالوگ هستند. تورینگ این موضوع را قبول می کند، اما استدلال می کند که هر سیستم آنالوگی می تواند در صورت اختصاص توان محاسباتی کافی تا یک حد دقت منطقی شبیه سازی شود.(هوبرت درایفوس فیلسوف این استدلال را علیه فرض بیولوژیکی در سال 1972 ارائه داد.)
8. استدلال از غیر رسمی بودن رفتار: این استدلال بیان می کند که هر سیستمی که توسط قوانین حکمرانی می شود قابل پیشبینی خواهد بود و بنابراین نه واقعا هوشمند. تورینگ با بیان اینکه این استدلال قوانین رفتار را با قوانین کلی منش اشتباه می گیرد پاسخ می‌دهد، و اگر در مقیاس کافی (مانندی که در انسان مشهود است) پیش‌بینی رفتار ماشین سخت تر و سخت تر می‌شود. او استدلال می کند که، فقط چون نمی توانیم بی درنگ ببینیم که قوانین چه هستند، این معنی را نمی دهد که هیچ قانون اینچنینی وجود ندارد. او می نویسد «ما اطلاعی از هیچ شرایطی که بتوان گفت ما به طورکافی جستجو کردیم نداریم؛ اینچنین قانونی وجود ندارد». (هوبرت درایفوس در 1972 استدلال می کند که عقل انسان و حل مسئله بر اساس قوانین رسمی شکل نگرفته، ولی در عوض بر غرایز و آگاهی متکی است که هیچ وقت در قوانین نمی گنجد. تحقیقات اخیر هوش مصنوعی در رباتیک و هوش محاسباتی تلاش دارد تا قوانین پیچیده ای که بر توانایی های ادراکی، حرکتی و الگویابی ناخودآگاه و غیررسمی ما حاکم است را بیابد. دیدگاه هوبرت درایفوس راجع به هوش مصنوعی را ببینید).
9. ادراک فراحسی: در 1950، ادراک فراحسی یک حوزه فعال تحقیقاتی بود و تورینگ تصمیم می گیرد که به این حوزه منفعت شک داشتن را بدهد، با این استدلال که می توان شرایطی ایجاد کرد که در آن ذهن خوانی بر آزمون تأثیری نداشته باشد.

ماشین های یادگیرنده

در بخش پایانی مقاله، تورینگ افکار خود را در مورد ماشین یادگیری که می تواند بازی تقلید را با موفقیت انجام دهد، با جزئیات توضیح می دهد.

در اینجا تورینگ ابتدا به ایراد لیدی لاولیس باز می‌گردد که ماشین فقط می‌تواند کاری را که ما به آن می‌گوییم انجام دهد و او آن را به موقعیتی تشبیه می‌کند که در آن مردی ایده‌ای را به ماشین تزریق می‌کند که ماشین به آن پاسخ می‌دهد و سپس در سکوت فرو می‌رود. او این تفکر را با تشبیه به راکتور اتمی کمتر از(نزدیک به) حالت بحرانی که مترادف است با ماشین در نظر گرفته، و ایده تزریق شده، مثل همان نوترونی است که از بیرون راکتور اتمی وارد آن می‌شود. نوترون اختلال خاصی ایجاد می کند که در نهایت از بین می رود. تورینگ سپس بر این قیاس استوار می شود و ذکر می کند که اگر اندازه راکتور به اندازه کافی بزرگ باشد، نوترونی که وارد آن می شود اختلالی ایجاد می کند که تا زمانی که کل سوخت داخل راکتور از بین برود افزایش می یابد، حالت راکتور فوق بحرانی خواهد بود. تورینگ سپس این سوال را مطرح می‌کند که آیا می‌توان این تشبیه یک راکتور فوق‌ بحرانی را به ذهن انسان و سپس به ماشین تعمیم داد؟ او نتیجه می‌گیرد که چنین تشبیهی واقعاً برای ذهن انسان مناسب است با «به نظر می‌رسد برای ذهن انسان یک چنین تشبیهی وجود دارد. به نظر می‌رسد که اکثر آنها(ذهن انسان ها) «زیر بحرانی» هستند، یعنی در این قیاس با راکتورهای در حالت زیر(قبل) حالت بحرانی مطابقت دارند. ایده ای که به چنین ذهنی ارائه می شود به طور متوسط کمتر از یک ایده در پاسخ ایجاد می کند. نسبت کوچکی از این فرایند ها، فوق بحرانی هستند. ایده ای که به چنین ذهنی ارائه می شود ممکن است یک "نظریه" کامل متشکل از ایده های ثانویه، ثالث و دورتر را ایجاد کند." او در نهایت می پرسد که آیا می توان ماشینی ساخت که فوق بحرانی باشد؟

تورینگ سپس اشاره می‌کند که وظیفه ایجاد ماشینی که بتواند بازی تقلید را انجام دهد، با برنامه‌نویسی است و او فرض می‌کند که تا پایان قرن واقعاً برنامه‌ریزی ماشینی برای بازی کردن از نظر فنی امکان‌پذیر خواهد بود. او سپس اشاره می‌کند که در فرآیند تلاش برای تقلید از ذهن انسان بالغ، توجه به فرآیندهایی که منجر به قرار گرفتن ذهن بالغ در وضعیت فعلی می‌شود، مهم می‌شود. که او آن را به طور خلاصه بیان می کند:

1. حالت اولیه ذهن، مثلاً در بدو تولد،

2. آموزش و پرورشی که تحت آن قرار گرفته است،

3. تجربه دیگری که به عنوان آموزش توصیف نشود، که ذهن در معرض آن قرار گرفته است.

با توجه به این روند، او می پرسد که آیا مناسب تر است که ذهن کودک را به جای ذهن بزرگسالان برنامه ریزی کنیم و سپس ذهن کودک را تحت یک دوره آموزش قرار دهیم؟ او کودک را به یک دفترچه یادداشت تازه خریداری شده تشبیه می کند و حدس می زند که به دلیل سادگی آن راحت تر برنامه ریزی می شود. سپس این مشکل به دو بخش، برنامه‌ریزی ذهن کودک و فرآیند آموزش آن تقسیم می‌شود. او اشاره می کند که در اولین تلاش، مطابق خواست آزمایشگر (برنامه نویس)، از ذهن یک کودک انتظار نمی رود. یک فرآیند یادگیری که شامل روشی برای پاداش و تنبیه است باید وجود داشته باشد که الگوهای مطلوب را در ذهن انتخاب کند. تورینگ اشاره می کند که کل این فرآیند تا حد زیادی شبیه به فرآیند تکامل توسط انتخاب طبیعی است که در آن شباهت ها عبارتند از:

ساختار ماشین کودک = موارد ارثی(باقیمانده از تلاش های قبلی ساخت ماشین)

تغییرات ماشین کودک = جهش

انتخاب طبیعی = قضاوت آزمایشگر

پس از این بحث، تورینگ به جنبه های خاصی از ماشین یادگیرنده می پردازد:

• ماهیت پیچیدگی ذاتی: ماشین کودک یا می تواند تا حد امکان ساده باشد و صرفاً با اصول کلی سازگار باشد، یا ماشین می تواند یک سیستم کامل استنتاج منطقی برنامه ریزی شده در آن داشته باشد. این سیستم پیچیده تر توسط تورینگ به این صورت توضیح داده می شود که ".. به گونه ای خواهد بود که حافظه ماشین تا حد زیادی با تعاریف و گزاره ها اشغال شده. گزاره ها دارای انواع مختلفی از وضعیت هستند، به عنوان مثال، حقایق ثابت شده، حدس ها، نظریه های اثبات شده توسط ریاضیات، گزاره های ارائه شده توسط یک مرجع، عباراتی که شکل منطقی گزاره را دارند اما ارزش اعتقادی ندارند. برخی از گزاره‌ها را می‌توان به عنوان «واجب» توصیف کرد. ماشین باید به گونه ای ساخته شود که به محض اینکه یک امر ضروری به عنوان "به خوبی تثبیت شده" طبقه بندی شود، اقدام مناسب به طور خودکار انجام شود." . با وجود این سیستم منطقی داخلی، استنتاج منطقی برنامه ریزی شده در آن، رسمی نیست، بلکه عملگراتر است. به‌علاوه، ماشین بر روی سیستم منطقی داخلی خود با روش «استقرای علمی» خود را توسعه می دهد (می سازد)..

• ناآگاهی آزمایشگر: ویژگی مهم یک ماشین یادگیرنده که تورینگ به آن اشاره می کند، ناآگاهی آموزگار از وضعیت درونی ماشین ها در طول فرآیند یادگیری است. این برخلاف یک ماشین حالت گسسته معمولی است که در آن هدف داشتن درک روشنی از وضعیت داخلی ماشین در هر لحظه در طول محاسبه است. دیده خواهد شد که ماشین کارهایی را انجام می دهد که ما اغلب نمی توانیم آن ها را معنا کنیم یا کاری را انجام می دهد که به نظر ما کاملاً تصادفی است. تورینگ اشاره می کند که این شخصیت(عملکرد) خاص درجه خاصی از آنچه را که ما هوش می دانیم به ماشین می بخشد، زیرا رفتار هوشمند شامل انحراف از جبر کامل محاسبات متعارف است، اما فقط تا زمانی که انحراف باعث ایجاد حلقه های بی معنی، یا رفتار تصادفی نشود.

• اهمیت رفتار تصادفی: اگرچه تورینگ به ما در مورد رفتار تصادفی هشدار می دهد، اما اشاره می کند که القای عنصر تصادفی در یک ماشین یادگیرنده، در یک سیستم ارزشمند است. او اشاره می‌کند که این می‌تواند در جایی که ممکن است چندین پاسخ صحیح وجود داشته باشد یا پاسخ‌هایی که ممکن است به گونه‌ای باشد که یک رویکرد سیستماتیک چندین راه‌حل غیر رضایت‌بخش برای یک مسئله را قبل از یافتن راه‌حل بهینه بررسی کند، رخ دهد. البته که ممکن است این امر، حمل بر ناکارآمدی فرآیند سیستماتیک شود. تورینگ همچنین اشاره می‌کند که فرآیند تکامل، مسیر جهش‌های تصادفی را طی می‌کند تا راه‌حل‌هایی را بیابد که به نفع یک ارگانیسم باشد، اما او همچنین اذعان می‌کند که در مورد تکامل، روش سیستماتیک یافتن راه‌حل، ممکن نخواهد بود.

تورینگ با گمانه‌زنی درباره زمانی که ماشین‌ها با انسان‌ها در کارهای فکری متعدد رقابت می‌کنند، نتیجه می‌گیرد و کارهایی را پیشنهاد می‌کند که می‌توان از آنها برای شروع آن استفاده کرد. تورینگ سپس پیشنهاد می‌کند که کارهای انتزاعی مانند بازی شطرنج می‌تواند نقطه خوبی برای شروع روش دیگری باشد که او آن را اینگونه بیان می‌کند: «بهتر است بهترین اندام‌های حسی را که پول می‌تواند بخرد، در اختیار دستگاه قرار دهید و سپس به آن یاد دهید که بفهمد و انگلیسی صحبت کن." .

بررسی پیشرفت در هوش مصنوعی که به دنبال آن انجام شد، نشان می‌دهد که ماشین یادگیرنده مسیر انتزاعی پیشنهادی تورینگ را در پیش گرفت، مانند دیپ بلو ، یک کامپیوتر شطرنج که توسط IBM ساخته شده بود و قهرمان جهان، گری کاسپاروف را شکست داد. (اگرچه، این نیز بحث برانگیز است). و بازی های شطرنج رایانه ای متعددی که می توانند از اکثر آماتورها پیشی بگیرند. در مورد پیشنهاد دوم تورینگ، برخی نویسندگان آن را به عنوان فراخوانی برای یافتن شبیه‌سازی (مانسته/همانند) برای توسعه شناختی انسان تشبیه کرده‌اند. و چنین تلاش‌هایی برای یافتن الگوریتم‌های اساسی که توسط آن‌ها کودکان ویژگی‌های دنیای اطراف را یاد می گیرند، تازه شروع شده‌است.

منابع

• • Brooks, Rodney (1990), "Elephants Don't Play Chess" (PDF), Robotics and Autonomous Systems, 6 (1–2): 3–15, CiteSeerX 10.1.1.588.7539, doi:10.1016/S0921-8890(05)80025-9, retrieved 2007-08-30
  • Crevier, Daniel (1993). AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. ISBN 0-465-02997-3.
  • Dreyfus, Hubert (1972), What Computers Can't Do, New York: MIT Press, ISBN 978-0-06-011082-6
  • Dreyfus, Hubert; Dreyfus, Stuart (1986), Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer, Oxford, UK: Blackwell
  • Dreyfus, Hubert (1979), What Computers Still Can't Do, New York: MIT Press.
  • Harnad, Stevan; Scherzer, Peter (2008), "First, Scale Up to the Robotic Turing Test, Then Worry About Feeling", Artificial Intelligence in Medicine, 44 (2): 83–9, CiteSeerX 10.1.1.115.4269, doi:10.1016/j.artmed.2008.08.008, PMID 18930641.
  • Haugeland, John (1985), Artificial Intelligence: The Very Idea, Cambridge, Mass.: MIT Press.
  • Moravec, Hans (1976), The Role of Raw Power in Intelligence, archived from the original on 3 March 2016, retrieved 7 November 2007
  • Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2
  • Searle, John (1980), "Minds, Brains and Programs" (PDF), Behavioral and Brain Sciences, 3 (3): 417–457, doi:10.1017/S0140525X00005756
  • Turing, Alan (October 1950), "Computing Machinery and Intelligence" (PDF), Mind, LIX (236): 433–460, doi:10.1093/mind/LIX.236.433
  • Saygin, A. P. (2000). "Turing Test: 50 years later". Minds and Machines. 10 (4): 463–518. doi:10.1023/A:1011288000451. hdl:11693/24987. S2CID 990084.
  • Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. شابک ‎۰−۲۶۲−۲۳۲۲۷−۸ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.

لینک های خارجی

• PDF به همراه متن کامل مقاله
• Saygin, Ayse Pinar; Cicekli, Ilyas; Akman, Varol (1999). "An analysis and review of the next 50 years". Minds and Machines: 2000.