Menata Pertanyaan
Hamming membuka dengan perangkap. 'Apakah mesin dapat berpikir?' terdengar seperti pertanyaan sederhana ya-tidak. Dia berargumen bahwa itu menyembunyikan tiga masalah terpisah: apa yang dianggap sebagai mesin, apa yang dianggap sebagai berpikir, & apakah pertanyaan itu bahkan memiliki jawaban yang bermakna.
Dia menghabiskan satu tahun mencoba mengidentifikasi program terkecil yang dia yakini bisa berpikir. Setelah satu tahun kegagalan, dia menyimpulkan bahwa dia telah bertanya pertanyaan yang salah. Mungkin berpikir bukanlah properti ya-tidak. Mungkin itu memungkinkan derajat.
Perubahan kerangka pikirnya: daripada 'apakah mesin dapat berpikir,' tanyakan 'hingga tingkat apa mesin dapat mengurangi beban intelektual kehidupan?' Pertanyaan itu langsung mengarah pada kegunaan daripada metafisika.
Bahaya Ketidaktahuan
Hamming mengingatkan bahwa kedua ujung itu membawa risiko profesional. Percaya mesin tidak dapat berpikir: Anda akan mengurangi penggunaan mereka & tertinggal. Percaya mesin jelas-jelas dapat berpikir: Anda akan mengestimasi mereka terlalu tinggi & membangun sistem yang gagal dalam cara yang tidak Anda duga.
Tidak ada keyakinan yang aman. Anda harus mengembangkan posisi yang dipertimbangkan sendiri.
Ujian Turing
Alan Turing, pada tahun 1950, mengusulkan tes perilaku: jika seseorang di teletipe tidak dapat membedakan manusia dari mesin yang cukup diatur, mesin 'berpikir' - oleh definisi.
Hamming menghormati kecerdasan gerak balik. Turing menghindari pertanyaan filosofis yang tidak dapat dijawab tentang pengalaman dalam, dan menggantikannya dengan perilaku yang dapat dilihat. Itu adalah intuisi ilmiah yang baik.
Tapi Hamming memiliki objek struktural: Ujian Turing melanggar metode ilmiah standar. Ilmu memulai dengan masalah-masalah paling sederhana, bukan yang paling sulit. Ujian Turing adalah, seperti yang disebut Hamming, sulit sebelum mudah. Ini mengevaluasi kecerdasan konversasional penuh sebelum kita memahami belajar sederhana atau mengikuti aturan.
Apa yang Tidak Bisa Dikatakan
Tuntutan utama Hamming tentang batas kecerdasan mesin: tidak semua pengetahuan manusia dapat diubah menjadi aturan atau instruksi. Beberapa pengetahuan tidak tahan formalisasi - bukan karena kita kekurangan usaha atau kecerdasan, tetapi karena verbalisasi bukan media yang tepat.
Sistem ahli pada tahun 1980-an mencoba menangkap keahlian sebagai basis aturan: Jika gejala-A DAN gejala-B Maka diagnosis-C. Mereka bekerja di daerah sempit dan terdefinisi dengan baik. Mereka gagal di batas-batas domain tersebut, di mana pengetahuan tak terucap yang tepat praktisi sangat penting.
Intuisi kimiawan tentang reaksi yang akan berlangsung, perasaan tukang las yang tepat untuk jarak busur, perasaan dokter tentang saat yang tepat untuk menilai jaringan yang aneh - ini tidak hanya aturan yang menunggu untuk diungkapkan. Hamming berargumen bahwa mungkin tidak dapat dikodekan secara permanen.
Mengapa Ini Penting untuk Otomatisasi
Sistem berbasis aturan sangat baik di tengah-tengah domain yang jelas. Mereka gagal di batas. Praktisi berpengalaman hidup di batas. Asimetri ini menentukan apa yang dapat dan tidak dapat diubah oleh otomatisasi.
Mengidentifikasi Pengetahuan Tak Terkata
Frasa Michael Polanyi untuk ini: 'Kita tahu lebih banyak daripada yang bisa kita katakan.' Dia menggunakan contoh pengenalan wajah - kebanyakan orang mengenali ribuan wajah secara instan tetapi tidak bisa menjelaskan aturan yang mereka gunakan.
Hamming menghubungkan ini dengan sistem ahli: masalah yang lebih dalam bukanlah bahwa kita belum menulis aturan; itu adalah bahwa untuk beberapa domain, tidak ada set aturan yang lengkap.
4×4×4 Tic-Tac-Toe
Hamming menggunakan 4×4×4 tic-tac-toe tiga dimensi sebagai contohnya yang bekerja. Papan memiliki 64 kotak & 76 garis menang. Tic-tac-toe dua dimensi memiliki strategi menarik; itu tidak menunjukkan kecerdasan yang menarik. Versi 4×4×4 cukup sulit untuk memerlukan heuristik nyata.
Struktur Program
Langkah 1: daftar gerakan legal.
Langkah 2: favorit 'spot panas' - sudut & pusat memiliki lebih banyak garis menang melalui mereka daripada kotak sisi atau pusat-sudut. Gunakan dualitas kubus: ada inversi kubus yang mengirim sudut ke pusat & pusat ke sudut sambil mempertahankan semua 76 garis.
Langkah 3: bermain secara acak di antara gerakan yang cukup sebanding. Bermain secara deterministik memungkinkan lawan yang sabar untuk mengidentifikasi eksploitasi strategi Anda. Keacakan mencegah eksploitasi sistematis.
Langkah 4: terapkan aturan sekvensial dalam urutan prioritas.
Aturan berurutan, dalam urutan prioritas: (1) menang jika ada gerakan menang; (2) menghalangi gerakan menang lawan; (3) mengambil cabang jika tersedia; (4) menghalangi cabang lawan; (5) membuat gerakan paksa; (6) kembali ke heuristik.
Perhatikan struktur: aturan deterministik menangani situasi yang jelas. Heuristik mengatasi segala hal yang lain. Garis antara keduanya tepat di mana pengetahuan tak terucap dimulai.
Program Permainan Catur Samuel
Arthur Samuel di IBM menulis sebuah program permainan catur yang terkenal karena dapat mengalahkan juara negara bagian. Hal yang membuatnya menonjol: itu menggunakan mekanisme belajar. Samuel memparametrisasi fungsi evaluasi (mengatur bobot kendali papan, keuntungan raja, mobilitas, pemasangan pion, dll.), kemudian membiarkan dua salinan program bermain satu sama lain dengan pengaturan parameter sedikit berbeda. Versi yang lebih baik bertahan.
Ini adalah pencarian parameter, bukan penemuan aturan - tetapi itu menggambarkan belajar dalam arti yang berarti. Program tersebut ditingkatkan tanpa programmer secara eksplisit menulis aturan yang lebih baik.
Hamming bertanya: apakah program Samuel menunjukkan kreativitas saat membuat gerakan yang mengagetkan? Anda tidak dapat membuktikan bahwa hal itu dilakukan, tetapi Anda juga tidak dapat membuktikan bahwa Anda memiliki kreativitas dalam arti apa pun yang mengesampingkan program catur.
Sistem Ahli & Batasnya
Sistem ahli tahun 1970-an-80-an merepresentasikan upaya terstruktur terakhir untuk mem formalisasi pengetahuan profesional menjadi aturan yang dapat dieksekusi mesin. Diagnosa medis, survei geologi, analisis keuangan, desain sirkuit - setiap domain menarik sistem aturan sendiri.
Kinerja dalam sub-problem yang baik-baik saja sering mengesankan. Tetapi sistem tersebut memiliki mode kegagalan yang sama: mereka bekerja hingga masalah keluar dari aturan penutupan, kemudian gagal total. Ahli manusia menurun dengan baik; sistem aturan jatuh dari tebing.
Penyebab akar yang diidentifikasi oleh Hamming: orang-orang yang membangun sistem ahli tidak memiliki cara sistematis untuk tahu apa yang hilang. Ahli dapat mengartikulasikan aturan mereka - tetapi ahli menggunakan pendirian tak terucap mereka untuk memutuskan aturan mana yang berlaku dalam situasi tertentu. Pendirian meta yang tidak pernah masuk ke dalam sistem.
Pertanyaan yang Benar untuk Karier Anda
Pertanyaan yang praktis berguna bukan 'apakah mesin dapat berpikir?' Itu adalah: untuk setiap tugas dalam bidang Anda, apakah kesulitan kritis hidup di bagian aturan yang tertutup, atau di batas di mana pendirian & pengetahuan tak terucap beroperasi? Automasi secara andal mengatasi yang pertama. Ini kesulitan dengan yang kedua. Strategi karier Anda mengikuti dari mengetahui perbedaannya.