Kecerdasan Buatan (Artificial intelligence-AI)

Kecerdasan buatan(Artificial intelligence - AI) akan menjadi milik intelijen, atau latihan pikiran, oleh mesin seperti komputer. Secara filosofis, pertanyaan utama AI adalah "Bisakah ada semacam itu?" atau, seperti yang dikatakan Alan Turing, "Dapatkah mesin berpikir?" Apa yang menjadikan hal ini sebagai pertanyaan filosofis dan bukan hanya ilmiah dan teknis adalah kekhilafan ilmiah dari konsep kecerdasan atau pemikiran dan signifikansi moral, agama, dan hukumnya. Dalam tradisi Eropa dan lainnya, kedudukan moral dan hukum tidak hanya tergantung pada apa yang dilakukan secara lahiriah tetapi juga pada pemikiran batin. Hanya individu yang rasional yang berdiri sebagai agen dan status moral sebagai pasien moral yang tunduk pada bahaya tertentu, seperti dikhianati. Hanya individu yang hidup yang tunduk pada bahaya tertentu lainnya, seperti rasa sakit dan penderitaan. Karena komputer memberikan setiap penampilan luar dari melakukan tugas-tugas intelektual, muncul pertanyaan: "Apakah mereka benar-benar berpikir?" Dan jika mereka benar-benar berpikir, bukankah mereka, kemudian, memiliki hak yang sama dengan manusia rasional? Banyak eksplorasi fiksi AI dalam sastra dan film mengeksplorasi pertanyaan-pertanyaan ini.

Sebuah komplikasi muncul jika manusia adalah hewan dan jika hewan itu sendiri adalah mesin, seperti yang diduga oleh biologi ilmiah. Namun, "kami ingin mengecualikan dari mesin" yang dimaksud "pria yang dilahirkan dengan cara biasa" (Alan Turing), atau bahkan dalam perilaku yang tidak biasa seperti fertilisasi in vitro atau ektogenesis. Dan jika hewan bukan manusia berpikir, kami juga ingin mengecualikan mereka dari mesin. Lebih khusus lagi, tesis AI harus dipahami untuk memegang pemikiran itu, atau kecerdasan, dapat diproduksi dengan cara buatan; dibuat, tidak tumbuh. Untuk singkatnya, kami akan mengambil "mesin" untuk menunjukkan hanya yang buatan. Karena minat sekarang pada mesin-mesin berpikir telah dibangkitkan oleh jenis mesin tertentu, komputer elektronik atau komputer digital, menyajikan kontroversi mengenai klaim pusat kecerdasan buatan pada ini.

Dengan demikian, disiplin ilmu dan perusahaan rekayasa AI telah dicirikan sebagai "upaya untuk menemukan dan menerapkan sarana komputasi" untuk membuat mesin "berperilaku dengan cara yang akan disebut cerdas jika manusia begitu berperilaku" (John McCarthy), atau untuk membuat mereka melakukan hal-hal yang "akan membutuhkan kecerdasan jika dilakukan oleh laki-laki" (Marvin Minsky). Formulasi standar ini menyisakan pertanyaan apakah perbuatan yang menunjukkan kecerdasan ketika dilakukan oleh manusia benar-benar menunjukkan itu ketika dilakukan oleh mesin: itulah pertanyaan filosofis. -called lemah AI memberikan fakta (atau prospek) dari mesin cerdas bertindak; kuat AI mengatakan tindakan ini bisa menjadi intelijen nyata kuat AI mengatakan beberapa perhitungan buatan pikir.

Computationalismmengatakan bahwa semua pemikiran adalah perhitungan. Meskipun banyak pendukung AI yang kuat adalah komputasionalis, ini adalah klaim yang secara logis independen: beberapa komputasi artifisial dianggap konsisten dengan beberapa pemikiran yang tidak menjadi komputasi, kontra komputasi. Semua pemikiran komputasi adalah konsisten dengan beberapa perhitungan (dan mungkin semua komputasi buatan) tidak sedang dipikirkan.

1. Pemikir, dan Pikiran

Sebuah. Apa Pikirkan Hal Ini?

Kecerdasan mungkin ditata kapasitas untuk berpikir secara luas dan baik. Berpikir baik secara terpusat melibatkan konsepsi yang tepat, representasi yang benar, dan penalaran yang benar. Kecepatan umumnya dihitung sebagai kebajikan kognitif lebih lanjut. Luas atau luasnya pemikiran suatu benda menyangkut berbagai konten yang dapat dibayangkannya, dan keragaman proses berpikir yang dikandungnya. Kira-kira, semakin banyak hal berpikir, semakin tinggi "level" (seperti yang dikatakan) dari pemikirannya. Akibatnya, kita perlu membedakan dua pertanyaan AI yang berbeda:

Bisakah mesin berpikir sama sekali?

Dapatkah pendekatan intelijen mesin atau melampaui tingkat manusia?

Dalam Ilmu Komputer, pekerjaan yang disebut "AI" secara tradisional berfokus pada masalah tingkat tinggi; pada menanamkan kemampuan tingkat tinggi untuk "menggunakan bahasa, membentuk abstraksi dan konsep" dan untuk "memecahkan jenis masalah sekarang disediakan untuk manusia" (McCarthy et al. 1955); kemampuan untuk memainkan permainan intelektual seperti catur (Samuel 1954) dan catur (Deep Blue); untuk membuktikan teorema matematika (GPS); untuk menerapkan pengetahuan ahli untuk mendiagnosis infeksi bakteri (MYCIN); Dan seterusnya. Baru-baru ini muncul konsep rendah hati - "perilaku berbasis" atau "nouvelle" AI - yang menurutnya berusaha memberkati mesin-mesin yang diwujudkan., atau robot, dengan begitu banyak seperti "kecerdasan tingkat serangga" (Brooks 1991) dianggap sebagai penelitian AI. Dimana keberhasilan AI tingkat manusia tradisional memberikan kemampuan tingkat tinggi yang terisolasi untuk berfungsi dalam domain terbatas, atau “microworlds,” AI berbasis perilaku berusaha untuk memberikan kemampuan tingkat rendah terkoordinasi untuk berfungsi dalam domain dunia nyata yang tidak terbatas.

Namun, sejauh apa yang disebut "pemikiran" dalam diri kita adalah paradigmatik bagi pemikiran apa, pertanyaan tentang kecerdasan tingkat manusia dapat muncul lagi di dasar-dasar. Apakah serangga berpikir sama sekali? Dan jika serangga ... bagaimana dengan “kecerdasan tingkat bakteri” (Brooks 1991a)? Bahkan "air yang mengalir menurun," tampaknya, " mencoba untuk sampai ke dasar bukit dengan secara cerdik mencari garis yang paling tidak tahan" (Searle 1989). Bukankah kita harus menggambar garis di suatu tempat? Mungkin kecerdasan yang tampak - untuk benar-benar menjadi intelijen - harus mencapai tingkat ambang batas tertentu.

b. Pikiran: Kecerdasan, Kesenangan, dan Nilai-Nilai

Sama seperti kesengajaan (“aboutness” atau representasi) adalah pusat kecerdasan, kualitas yang dirasakan (disebut qualia) sangat penting bagi perasaan. Di sini, menggambarkan Aristoteles, pemikir abad pertengahan membedakan antara "intelek pasif" di mana jiwa dipengaruhi, dan "intelek aktif" di mana jiwa membentuk konsepsi, menarik kesimpulan, membuat penilaian, dan sebaliknya bertindak. Ortodoksi mengidentifikasi jiwa yang tepat (bagian abadi) dengan elemen rasional aktif. Sayangnya, ketidaksepakatan tentang bagaimana kedua faktor (kualitatif-pengalaman dan kognitif-sengaja) berhubungan adalah sama maraknya ketidaksetujuan atas apa yang dipikirkan; dan perbedaan pendapat ini terhubung. Mereka yang mengabaikan kecerdasan yang tampak dari komputer karena komputer kekurangan perasaan tampaknya memegang qualia yang diperlukan untuk intensionalitas. Orang-orang seperti Descartes, yang mengabaikan penampakan yang tampak dari hewan bukan manusia karena dia percaya bahwa hewan tidak berpikir, tampaknya memegang intensionalitas diperlukan untuk qualia. Yang lain menolak satu atau kedua kebutuhan, mempertahankan kemungkinan kognisi yang tidak ada qualia (sebagai ortodoksi Kristen, mungkin, akan memiliki proses-pikiran Tuhan, malaikat, dan orang-orang kudus di surga), atau mempertahankan kemungkinan merasakan kognisi yang tidak ada. (Sebagaimana Aristoteles memberikan hewan yang lebih rendah).

2. Tes Turing

Meskipun kita tidak tahu apa pemikiran atau kecerdasan, pada dasarnya, dan sementara kita sangat jauh dari setuju tentang apa yang dilakukan dan tidak memilikinya, hampir semua orang setuju bahwa manusia berpikir, dan setuju dengan Descartes bahwa kecerdasan kita berlimpah terwujud dalam pidato kami. Sepanjang garis-garis ini, Alan Turing menyarankan bahwa jika komputer menunjukkan kemampuan berbicara tingkat manusia, kita harus, dengan itu, yakin akan kecerdasan mereka. Turing mengusulkan suatu tes percakapan khusus untuk kecerdasan tingkat manusia, "Tes Turing" itu telah dipanggil. Turing sendiri ciri tes ini dalam hal "permainan imitasi" (Turing 1950, p. 433) yang versi aslinya "dimainkan oleh tiga orang, seorang pria (A), seorang wanita (B), dan seorang interogator (C) yang dapat berupa seks. Si interogator tetap berada di sebuah ruangan terpisah dari dua lainnya. ... Objek permainan untuk interogator adalah untuk menentukan yang mana dari dua orang lainnya adalah pria dan siapa wanita itu. Interogator diperbolehkan untuk mengajukan pertanyaan ke A dan B [oleh teletype untuk menghindari petunjuk visual dan pendengaran]. …. Ini adalah objek A dalam permainan untuk mencoba dan menyebabkan C melakukan identifikasi yang salah. ... Objek dari permainan untuk pemain ketiga (B) adalah untuk membantu interogator. "Turing melanjutkan," Kami sekarang dapat mengajukan pertanyaan, `Apa yang akan terjadi ketika sebuah mesin mengambil bagian A dalam game ini? ' Akankah si interogator salah memutuskannya sesering ketika permainan dimainkan seperti ini seperti yang dilakukannya ketika pertandingan dimainkan antara seorang pria dan seorang wanita? Pertanyaan-pertanyaan ini menggantikan yang asli, `Dapatkah mesin berpikir? '" (Turing 1950) Pengaturan tes dapat digambarkan dengan cara ini:

Pertanyaan
<--------- font="" nbsp="">
---------->
Jawaban

(A) Komputer: bertujuan untuk menipu si penanya. (B) Manusia: bertujuan untuk membantu si penanya

Tes ini dapat berfungsi, seperti catatan Turing, untuk menguji tidak hanya untuk ketangkasan verbal dangkal, tetapi untuk pengetahuan latar belakang dan kemampuan penalaran yang mendasarinya juga, karena interogator dapat mengajukan pertanyaan atau mengajukan tantangan verbal apa pun yang mereka pilih. Mengenai tes ini, Turing secara terkenal meramalkan bahwa "dalam waktu sekitar lima puluh tahun '[pada tahun 2000] akan dimungkinkan untuk memprogram komputer ... untuk membuat mereka memainkan permainan imitasi dengan sangat baik sehingga rata-rata interogator tidak akan memiliki lebih dari 70 per kesempatan untuk membuat identifikasi yang benar setelah lima menit pertanyaan "(Turing 1950); prediksi yang gagal terkenal. Mulai tahun 2000,

Penting untuk mengakui bahwa Turing mengusulkan tesnya sebagai tes kualifikasi untuk kecerdasan tingkat manusia, bukan sebagai tes mendiskualifikasi kecerdasan semata (sebagaimana Descartes usulkan); juga tidak akan pantas didiskualifikasi kecuali kita siap (seperti Descartes) untuk menyangkal bahwa setiap hewan bukan manusia memiliki kecerdasan apa pun. Bahkan pada tingkat manusia, tes itu tampaknya tidak akan langsung didiskualifikasi: mesin secerdas kita (atau bahkan lebih pintar) mungkin masih tidak dapat meniru kita dengan cukup baik untuk lulus. Jadi, dari kegagalan mesin untuk lulus tes ini, kita dapat menyimpulkan kurangnya kecerdasan mereka juga, bahwa pemikiran mereka tidak sampai ke tingkat manusia. Namun demikian, perilaku kegagalan mesin saat ini jelas menggambarkan defisit kebijaksanaan dan kecerdasan, bukan hanya gaya tidak manusiawi. Masih,

3. Penampilan AI

Sejauh mana mesin tampak cerdas tergantung pertama, pada apakah pekerjaan yang mereka lakukan adalah intelektual (misalnya, menghitung jumlah) atau manual (misalnya, memotong steak): di sini, kalkulator elektronik adalah kandidat yang lebih baik daripada pisau ukiran listrik. Faktor kedua adalah sejauh mana perangkat diaktifkan sendiri (self-propelled, diaktifkan, dan dikendalikan), atau "otonom": di sini, kalkulator elektronik adalah kandidat yang lebih baik daripada sempoa. Komputer adalah kandidat yang lebih baik daripada kalkulator pada kedua judul. Di mana AI tradisional terlihat untuk meningkatkan kecerdasan komputer (berbicara), nouvelle AI berfokus pada memungkinkan otonomi robot.

Sebuah. Komputer

saya. Prasejarah

Pada awalnya, alat (misalnya, sumbu) adalah ekstensi kekuatan fisik manusia; pada awalnya ditenagai oleh otot manusia; kemudian oleh binatang peliharaan dan alam di alam, seperti air dan angin. Mesin uap menyalakan api di perut mereka; mesin menjadi self-propelled, diberkahi dengan sisa-sisa kendali diri (seperti oleh gubernur sentrifugal Watt 1788); dan sisanya adalah sejarah modern. Sementara itu, otomatisasi kerja intelektual telah dimulai. Blaise Pascal mengembangkan mesin penambah / pengurangan awal, Pascaline (sekitar 1642). Gottfried Leibniz menambahkan fungsi penggandaan dan pembagian dengan Stepped Reckoner (sekitar 1671). Yang pertama diprogram perangkat, bagaimanapun, menghujani kain bukan angka. The Jacquard tenun dikembangkan (sekitar 1801) oleh Joseph-Marie Jacquard menggunakan sistem kartu berlubang untuk mengotomatisasi menenun pola diprogram dan desain: dalam satu demonstrasi mencolok, alat tenun itu diprogram untuk menenun potret permadani sutra Jacquard sendiri.

Dalam desain untuk ahli matematikawan / Penemu Mesin Analitisnya, Charles Babbage mengenali (sekitar 1836) bahwa kartu yang ditinju dapat mengendalikan operasi pada simbol sama mudahnya seperti pada sutra; kartu dapat mengkodekan angka dan data simbolis lainnya dan, lebih penting lagi, instruksi, termasuk instruksi cabang bersyarat, untuk operasi simbolis numerik dan lainnya. Augusta Ada Lovelace (insinyur perangkat lunak Babbage) memahami impor inovasi ini: "Batas-batas aritmatika" dia menulis, "... melampaui saat ide penerapan [instruksi] kartu telah terjadi" sehingga "memungkinkan mekanisme untuk menggabungkan bersama dengan simbol-simbol umum, dalam suksesi variasi dan luas yang tak terbatas ”(Lovelace 1842). "Babbage," Turing mencatat, "memiliki semua ide penting" (Turing 1950).

ii. Interlude Teoritis: Mesin Turing

Sebelum komputasi otomatis menjadi layak dengan munculnya komputer elektronik pada pertengahan abad ke-20, Alan Turing meletakkan landasan teoritis Ilmu Komputer dengan merumuskan dengan tepat tautan yang diramalkan Lady Lovelace “antara operasi materi dan proses mental abstrak yang paling abstrak.cabang ilmu matematika "(Lovelace 1942). Turing (1936-7) mendeskripsikan sejenis mesin (sejak dikenal sebagai" mesin Turing ") yang akan mampu menghitung semua kemungkinan algoritma, atau melakukan operasi" hafalan ". Alonzo Church (1936) - menggunakan fungsi rekursif dan fungsi yang dapat didefinisikan oleh Lambda - telah mengidentifikasi serangkaian fungsi yang sama dengan "hafalan" atau algoritmik seperti yang dapat dihitung oleh mesin Turing, identifikasi yang penting dan diterima secara luas ini dikenal sebagai "Church-Turing" Tesis "(lihat, Turing 1936-7: Lampiran). Mesin-mesin yang dijelaskan Turing adalah

hanya mampu sejumlah kondisi terbatas ... "m-konfigurasi." Mesin ini diberikan dengan "tape" (analog kertas) berjalan melaluinya, dan dibagi menjadi beberapa bagian (disebut "kotak") masing-masing mampu membawa " simbol. "Setiap saat hanya ada satu persegi ... yang" di mesin. "..." Simbol yang dipindai "adalah satu-satunya mesin yang, sehingga untuk berbicara," langsung sadar. "Namun, dengan mengubah nya m-konfigurasi mesin dapat secara efektif mengingat beberapa simbol yang telah "terlihat" (dipindai) sebelumnya. Perilaku yang mungkin dari mesin setiap saat ditentukan oleh konfigurasi m ... dan simbol yang dipindai…. Pasangan ini ... disebut "konfigurasi" ... menentukan kemungkinan perilaku mesin. Dalam beberapa konfigurasi di mana persegi itu kosong ... mesin menuliskan simbol baru pada pindaian persegi: dalam konfigurasi lain itu menghapus simbol yang dipindai. Mesin juga dapat mengubah persegi yang sedang dipindai, tetapi hanya dengan menggesernya satu tempat ke kanan atau kiri. Selain salah satu dari operasi ini konfigurasi m dapat diubah. (Turing 1936-7)

Turing melanjutkan dengan menunjukkan bagaimana mesin-mesin seperti itu dapat mengkodekan deskripsi yang dapat ditindaklanjuti dari mesin-mesin lain semacam itu. Akibatnya, "Ada kemungkinan untuk menciptakan satu mesin yang dapat digunakan untuk menghitung urutan komputasi apa pun" (Turing 1936-7). Komputer digital saat ini adalah (dan Babbage's Engine) adalah instantiations fisik dari "mesin komputasi universal" yang dijelaskan Turing secara abstrak. Secara teoritis, ini berarti segala sesuatu yang dapat dilakukan secara algoritme atau "dengan hafalan" sama sekali "semua dapat dilakukan dengan satu komputer yang sesuai yang diprogram untuk setiap kasus"; "pertimbangan kecepatan terpisah, tidak perlu merancang berbagai mesin baru untuk melakukan berbagai komputasi proses "(Turing 1950). Secara teoritis, terlepas dari perangkat keras atau arsitektur mereka (lihat di bawah)," semua komputer digital dalam arti yang setara ":

aku aku aku. Dari Teori ke Praktik

Dalam prakteknya, di mana kecepatan tidak terpisah, perangkat keras dan arsitektur sangat penting: semakin cepat operasi semakin besar daya komputasi . Sama seperti peningkatan pada sisi perangkat keras dari cogwheels ke sirkuit diperlukan untuk membuat komputer digital praktis sama sekali, peningkatan kinerja komputer sebagian besar didasarkan pada pengembangan mesin yang lebih cepat, lebih dan lebih kuat. Relay elektromekanik memberikan cara untuk tabung vakum, tabung untuk transistor, dan transistor ke sirkuit yang lebih dan lebih terintegrasi, menghasilkan kecepatan operasi yang jauh lebih tinggi. Sementara itu, memori telah tumbuh lebih cepat dan lebih murah.

Secara arsitektur, semua tetapi yang paling awal dan beberapa kemudian mesin eksperimental berbagi desain seri program yang tersimpan sering disebut "arsitektur von Neumann" (berdasarkan peran John von Neumann dalam desain EDVAC, komputer pertama untuk menyimpan program bersama dengan data dalam memori kerja) . Arsitektur adalah serial dalam operasi yang dilakukan satu per satu oleh central processing unit (CPU) yang diberkahi dengan repertoar operasi dasar yang kaya : bahkan apa yang disebut set fitur operasi dasar yang direduksi set (RISC) jauh lebih kaya daripada Sedikitnya Turing terbukti cukup secara teoritis. Paralel arsitektur, sebaliknya, mendistribusikan operasi komputasi di antara dua atau lebih unit (biasanya lebih banyak) yang mampu bertindak secara bersamaan, masing-masing memiliki (mungkin) mengurangi kapasitas operasional dasar secara drastis.

Pada tahun 1965, Gordon Moore (salah satu pendiri Intel) mengamati bahwa kepadatan transistor pada sirkuit terpadu telah berlipat ganda setiap tahun sejak penemuan mereka pada tahun 1959: "Hukum Moore" memprediksi kelanjutan tingkat eksponensial yang sama dari pertumbuhan kerapatan chip (khususnya ), dan kekuatan komputasi (dengan ekstensi), untuk masa mendatang. Kemajuan di sisi pemrograman perangkat lunak - sementara penting dan tidak berarti dapat diabaikan - telah tampak terhenti oleh perbandingan. Jalan dari kekuatan ke performa terbukti lebih rockier daripada yang diantisipasi oleh Turing. Namun demikian, mesin saat ini memang berperilaku dalam banyak hal yang akan disebut cerdas pada manusia dan hewan lainnya. Saat ini, mesin melakukan banyak hal yang sebelumnya hanya dilakukan oleh hewan dan dianggap sebagai bukti tingkat kecerdasan pada hewan-hewan ini, misalnya, mencari, mendeteksi, dan melacak sesuatu; tampak bukti AI tingkat dasar. Saat ini, mesin juga melakukan hal-hal yang sebelumnya hanya dilakukan oleh manusia dan dianggap sebagai bukti tingkat tinggi kecerdasan dalam diri kita; misalnya, membuat penemuan matematis, bermain game, merencanakan, dan belajar; tampak bukti AI tingkat manusia.

b. "Bukti Keberadaan" AI

saya. Penampilan Tingkat Rendah dan Atribusi

Cara kerja banyak mesin - beberapa lebih sederhana daripada komputer - mengilhami kita untuk mendeskripsikannya dalam istilah mental yang umumnya disediakan untuk hewan. Beberapa misil, misalnya, mencari panas, atau begitulah yang kami katakan. Kami menyebutnya "rudal mencari panas" dan tak seorang pun menganggapnya salah. Ruang termostat memonitor suhu ruangan dan mencoba untuk menjaga mereka dalam rentang yang ditetapkan dengan menyalakan tungku dan mematikan; dan jika Anda menahan es kering di sebelah sensornya, suhu ruangan akan menjadi lebih dingin dari itu, dan keliru menyalakan tungku (lihat McCarthy 1979). Mencari, memantau, mencoba, dan mengambil sesuatu menjadi kasus tampaknya merupakan proses atau kondisi mental, yang ditandai dengan intensionalitas mereka. Sama seperti manusia memiliki kualitas mental tingkat rendah - seperti mencari dan mendeteksi hal - sama dengan hewan yang lebih rendah, demikian juga komputer tampaknya berbagi kualitas tingkat rendah dengan perangkat yang lebih sederhana. Karakterisasi kerja komputer kami dipenuhi dengan atribusi mental tingkat rendah: kami katakan mereka mendeteksi penekanan tombol, mencoba untuk menginisialisasi printer mereka, mencari untuk perangkat yang tersedia, dan sebagainya. Bahkan mereka yang akan menolak proposisi "mesin-mesin berpikir" ketika secara eksplisit diberikan kepada mereka, dipindahkan tak terhindarkan dalam transaksi praktis mereka untuk mengkarakterisasi perilaku komputer dalam istilah mental, dan mereka akan sulit untuk melakukan sebaliknya. Dalam pengertian ini, prediksi Turing bahwa “pada akhir abad penggunaan kata-kata dan opini yang dididik secara umum akan sangat berubah sehingga orang akan dapat berbicara tentang pemikiran mesin tanpa mengharapkan untuk dipertentangkan” (Turing 1950) adalah sebagai mati-matian dipenuhi karena ramalannya tentang sedikit kesuksesan mesin dalam memainkan Game Imitasi telah dirancukan. Tes Turing dan AI sebagai klasik dipahami, bagaimanapun, lebih peduli dengan penampilan tingkat tinggi seperti berikut.

ii. Teorema Membuktikan dan Penemuan Matematis

Teorema membuktikan dan eksplorasi matematis menjadi daerah asal mereka, komputer telah menunjukkan tidak hanya tingkat manusia tetapi, dalam hal-hal tertentu, kemampuan manusia super di sini. Untuk kecepatan dan ketepatan perhitungan matematis, tidak ada manusia yang bisa menandingi kecepatan dan keakuratan komputer. Sedangkan untuk pertunjukan matematika tingkat tinggi, seperti teorema pembuktian dan penemuan matematis, permulaan dibuat oleh A. "Newell, JC Shaw, dan H. Simon (1957)" Logic Theorist "program yang membuktikan 38 dari 51 teorema pertama B. Russell dan AN Whitehead Principia Mathematica . Newell dan Simon “General Problem Solver” (GPS) memperluas teknik pembuktian teorema otomatis yang serupa di luar batasan sempit logika dan matematika murni. Saat ini teknik seperti itu menikmati aplikasi yang tersebar luas dalam sistem pakar seperti MYCIN, dalam perangkat lunak tutorial logika, dan dalam bahasa komputer seperti PROLOG. Bahkan ada penemuan-penemuan matematika asli karena komputer. Khususnya, K. Appel, W. Haken, dan J. Koch (1977a, 1977b), dan komputer, membuktikan bahwa setiap peta planar memiliki empat warna - sebuah dugaan matematis yang penting yang telah menolak bukti manusia tanpa bantuan selama lebih dari seratus tahun. Bagian-bagian komputer tertentu yang dihasilkan dari bukti ini terlalu rumit untuk diverifikasi secara langsung (tanpa bantuan komputer) oleh matematikawan manusia.

Sedangkan upaya untuk menerapkan penalaran umum ke domain tak terbatas terhambat oleh kompleksitas inferensial eksplosif dan kurangnya akal sehat komputer, sistem pakar menangani masalah ini dengan membatasi domain aplikasi mereka (berlaku, untuk microworlds), dan menyusun aturan inferensi spesifik domain untuk domain terbatas ini. MYCIN misalnya, menerapkan aturan yang diambil dari wawancara dengan ahli diagnostik manusia untuk mendeskripsikan gejala yang menunjukkan pasien untuk mendiagnosis infeksi bakteri yang ditularkan melalui darah. MYCIN menampilkan keahlian diagnostik yang mendekati level manusia ahli, meskipun sangat terbatas pada domain khusus ini. Logika fuzzy adalah formalisme untuk mewakili pengertian yang tidak tepat seperti kebanyakan dan botakdan memungkinkan kesimpulan berdasarkan fakta-fakta seperti bahwa orang botak kebanyakan tidak memiliki rambut.

aku aku aku. Game Playing

Game bermain melibatkan minat peneliti AI hampir dari awal. Program Samuel (1959) checker (atau "draft") penting untuk memasukkan mekanisme yang memungkinkannya untuk belajar dari pengalaman cukup baik untuk akhirnya mengalahkan Samuel sendiri. Selain itu, dalam menetapkan satu versi program untuk bermain melawan versi yang sedikit diubah, membawa pengaturan pemain yang lebih kuat ke generasi berikutnya, dan mengulangi proses - memungkinkan versi yang lebih kuat dan lebih kuat untuk berevolusi - Samuel memelopori penggunaan apa yang telah kemudian disebut "algoritma genetik" dan "evolusi" komputasi. Catur juga telah mengilhami upaya-upaya penting yang memuncak, pada tahun 1997, dalam kemenangan terkenal Deep Blue atas juara bertahan dunia Gary Kasparov dalam serangkaian pertandingan yang dipublikasikan secara luas (diceritakan dalam Hsu 2002). Meskipun beberapa orang di AI meremehkan ketergantungan Deep Blue pada aplikasi kekuatan otak “brute force” daripada pencarian yang lebih baik untuk membimbing heuristik, kita mungkin masih menambahkan catur ke catur (di mana “juara mesin manusia mesin” yang berlaku sejak 1994 adalah CHINOOK, mesin ), dan backgammon, sebagai permainan komputer yang sekarang bermain di atau di atas tingkat manusia tertinggi. Komputer juga memainkan poker, jembatan, dan Go yang adil hingga menengah - meskipun tidak pada tingkat manusia tertinggi. Selain itu, agen cerdas atau "softbots" adalah elemen atau peserta dalam berbagai permainan elektronik. sebagai permainan komputer yang sekarang bermain di atau di atas tingkat manusia tertinggi. Komputer juga memainkan poker, jembatan, dan Go yang adil hingga menengah - meskipun tidak pada tingkat manusia tertinggi. Selain itu, agen cerdas atau "softbots" adalah elemen atau peserta dalam berbagai permainan elektronik. sebagai permainan komputer yang sekarang bermain di atau di atas tingkat manusia tertinggi. Komputer juga memainkan poker, jembatan, dan Go yang adil hingga menengah - meskipun tidak pada tingkat manusia tertinggi. Selain itu, agen cerdas atau "softbots" adalah elemen atau peserta dalam berbagai permainan elektronik.

iv. Perencanaan

Perencanaan, dalam ukuran besar, adalah apa yang menempatkan kecerdasan dalam permainan intelektual seperti catur dan catur. Untuk mengotomatisasi kemampuan intelektual yang lebih luas ini adalah maksud dari program General Sover Solver (GPS) Newell dan Simon. GPS mampu memecahkan teka-teki seperti masalah misionaris kanibal (bagaimana mengangkut tiga misionaris dan tiga kanibal menyeberangi sungai dengan kano untuk dua orang tanpa misionaris menjadi lebih banyak jumlahnya di kedua pantai) dengan “menyiapkan sub-tujuan yang pencapaiannya mengarah pada pencapaian [final] tujuan ”(Newell & Simon 1963: 284). Dengan metode ini, GPS akan "menghasilkan pohon subyal" (Newell & Simon 1963: 286) dan mencari jalur dari keadaan awal (misalnya, semua di dekat bank) ke tujuan akhir (semua di tepi yang jauh) dengan dipandu secara heuristik cari di sepanjang "pohon" percabangan dari tindakan yang tersedia (misalnya, dua kanibal menyeberang, dua misionaris menyeberang, satu dari setiap salib, salah satu dari salib, di kedua arah) sampai menemukan jalan seperti itu (misalnya, dua kanibal menyeberang, satu kembali, dua kanibal menyeberang, satu kembali, dua misionaris menyeberang, ...), atau yang lain menemukan bahwa tidak ada. Karena jumlah cabang meningkat secara eksponensial sebagai fungsi dari sejumlah opsi yang tersedia di setiap langkah, di mana jalur memiliki banyak langkah dengan banyak opsi yang tersedia di setiap titik pilihan, seperti di dunia nyata, ledakan kombinatorial terjadi kemudian dan "kekuatan kasar" yang lengkap. pencarian menjadi komputasi yang sulit dipecahkan; karenanya, heuristik atau yang lain menemukan bahwa tidak ada satu pun. Karena jumlah cabang meningkat secara eksponensial sebagai fungsi dari sejumlah opsi yang tersedia di setiap langkah, di mana jalur memiliki banyak langkah dengan banyak opsi yang tersedia di setiap titik pilihan, seperti di dunia nyata, ledakan kombinatorial terjadi kemudian dan "kekuatan kasar" yang lengkap. pencarian menjadi komputasi yang sulit dipecahkan; karenanya, heuristik atau yang lain menemukan bahwa tidak ada satu pun. Karena jumlah cabang meningkat secara eksponensial sebagai fungsi dari sejumlah opsi yang tersedia di setiap langkah, di mana jalur memiliki banyak langkah dengan banyak opsi yang tersedia di setiap titik pilihan, seperti di dunia nyata, ledakan kombinatorial terjadi kemudian dan "kekuatan kasar" yang lengkap. pencarian menjadi komputasi yang sulit dipecahkan; karenanya, heuristik (aturan main kesalahan) untuk mengidentifikasi dan "memangkas" cabang-cabang yang paling tidak menjanjikan untuk mengabdikan perhatian yang lebih besar terhadap yang menjanjikan diperlukan. Formalisme STRIPS yang banyak digunakan pertama kali dikembangkan di Stanford untuk Shakey robot di akhir tahun enam puluhan (lihat Nilsson 1984) mewakili tindakan sebagai operasi pada negara, setiap operasi memiliki prakondisi (diwakili oleh deskripsi negara) dan efek (diwakili oleh deskripsi negara): misalnya , operasi go (there) mungkin memiliki prasyarat di (di sini) & path (di sini, di sana) dan efeknya (di sana). Teknik perencanaan AI menemukan aplikasi yang semakin meningkat dan bahkan menjadi sangat diperlukan dalam banyak perencanaan kompleks dan tugas penjadwalan termasuk kedatangan bandara, keberangkatan, dan penetapan gerbang; menyimpan manajemen persediaan; operasi satelit otomatis; logistik militer; dan banyak lagi.

v. Robot

Robot yang didasarkan pada pendekatan sense-model-plan-act (SMPA) yang dipelopori oleh Shakey, bagaimanapun, lambat muncul. Meskipun beroperasi di lingkungan percobaan yang disederhanakan atau dibuat khusus atau microworld dan bergantung pada komputer luar angkasa yang paling kuat yang tersedia, Shakey "beroperasi luar biasa lambat" (Brooks 1991b), seperti robot berbasis SMPA lainnya. Sebuah wahyu yang ironis dari penelitian robotika adalah bahwa kemampuan seperti pengenalan objek dan penghindaran rintangan yang manusia bagikan dengan hewan "lebih rendah" sering terbukti lebih sulit untuk diterapkan daripada kemampuan "matematis" dan inferensien tingkat tinggi manusia yang khas yang datang lebih alami (sehingga untuk berbicara) ke komputer. Pendekatan berbasis perilaku alternatif Rodney Brooks telah berhasil menyampaikan bakat perilaku tingkat rendah di luar microworld yang dirancang khusus, tetapi sulit untuk melihat bagaimana pendekatan semacam itu dapat "meningkatkan" untuk memungkinkan tindakan cerdas tingkat tinggi (lihat Behaviorisme: Keberatan & Diskusi : ). Mungkin sistem hibrida dapat mengatasi keterbatasan kedua pendekatan. Di depan praktis, kemajuan sedang dibuat: eksplorasi Mars NASA menjelajah Spirit and Opportunity, misalnya, menampilkan kemampuan navigasi otonom. Jika ruang adalah "batas akhir" para frontiersmen akhir cenderung menjadi robot. Sementara itu, robot Bumi tampaknya terikat menjadi lebih pintar dan lebih luas.

vi. Representasi Pengetahuan (KR)

Representasi pengetahuan mewujudkan konsep-konsep dan informasi dalam bentuk-bentuk yang dapat diakses secara komputasi dan yang dapat diolah. Selain formalisme STRIPS yang disebutkan di atas, formalisme representasi pengetahuan penting lainnya termasuk bahasa pemrograman AI seperti PROLOG, dan LISP; struktur data seperti bingkai, skrip, dan ontologi; dan jaringan saraf (lihat di bawah). "Masalah bingkai" adalah masalah parameter sistem dinamis yang dapat diperbarui sebagai respons terhadap perubahan dalam parameter lain sehingga dapat menangkap generalisasi umum: bahwa warna-warna benda tetap tidak berubah karena dipindahkan, bahwa posisi mereka tetap tidak berubah karena mereka dicat , Dan seterusnya. Representasi pengetahuan akal sehat yang lebih memadai secara luas dianggap sebagai rintangan utama bagi pengembangan semacam perencanaan dan proses berpikir yang saling berhubungan yang tipikal kecerdasan manusia atau "umum" tingkat tinggi. Proyek CYC (Lenat dkk. 1986) di Cycorp dan proyek Open Mind MIT adalah upaya berkelanjutan untuk mengembangkan "ontologi" yang mewakili pengetahuan praktis dalam bentuk yang dapat digunakan komputer.

vii. Machine Learning (ML)

Pembelajaran - peningkatan kinerja, pembentukan konsep, atau perolehan informasi karena pengalaman - telah meramalkan akal sehat manusia, dan orang mungkin meragukan apakah ontologi apa pun yang sudah ada yang bisa menanamkan akal sehat dalam ukuran manusia sepenuhnya. Di samping itu, apa pun kemampuan intelektual lain yang mungkin dimanifestasikan (atau kelihatannya), setinggi apa pun, tanpa kapasitas belajar, tampaknya masih sangat kurang sesuatu yang krusial bagi kecerdasan tingkat manusia dan mungkin kecerdasan dalam bentuk apa pun. Kemungkinan pembelajaran mesin tersirat dalam kemampuan program komputer untuk memodifikasi diri dan berbagai cara untuk menyadari bahwa kemampuan terus dikembangkan. Jenis teknik pembelajaran mesin termasuk pembelajaran pohon keputusan, pembelajaran ensemble, pembelajaran hipotesis terbaik saat ini, pembelajaran berbasis penjelasan, Inductive Logic Programming (ILP), Pembelajaran statistik bayesian, pembelajaran berbasis-contoh, pembelajaran penguatan, dan jaringan saraf. Teknik-teknik semacam itu telah menemukan sejumlah aplikasi dari program-program permainan yang permainannya meningkat seiring dengan pengalaman menambang data (menemukan pola dan keteraturan dalam tubuh informasi).

viii. Neural Networks and Connectionism

Jaringan saraf atau koneksi- terdiri dari prosesor atau simpul sederhana yang bekerja secara paralel - dirancang untuk lebih mendekati arsitektur otak daripada sistem pemrosesan simbol serial tradisional. Otak yang diasumsikan tampaknya dilakukan secara paralel oleh aktivitas berbagai sel otak atau neuron. Sama seperti pemrosesan paralel mereka tersebar di berbagai, mungkin secara luas didistribusikan, node, representasi data dalam sistem koneksionis tersebut juga terdistribusi dan sub-simbolik (tidak ditulis dalam formalisme seperti kode mesin sistem tradisional dan ASCII). Memahami pengenalan pola, jaringan seperti itu tampaknya mampu membentuk konsep sendiri berdasarkan umpan balik dari pengalaman dan menunjukkan beberapa karakteristik kognitif humanoid lain selain. Apakah jaringan saraf mampu menerapkan pemrosesan simbol tingkat tinggi seperti yang terlibat dalam pembangkitan dan pemahaman bahasa alami telah diperdebatkan dengan hangat. Kritik (misalnya, Fodor dan Pylyshyn 1988) berpendapat bahwa jaringan saraf tidak mampu, pada prinsipnya, menerapkan struktur sintaksis yang memadai untuk semantik komposisi - di mana arti dari ekspresi yang lebih besar (misalnya, kalimat) dibangun dari makna konstituen ( misalnya, kata-kata) - seperti fitur pemahaman bahasa alami. Di sisi lain, Fodor (1975) berpendapat bahwa sistem pemrosesan simbol tidak mampu memperoleh akuisisi konsep: di sini kemampuan pengenalan pola jaringan tampaknya hanya merupakan tiket. Di sini, seperti robot,

ix. Pemrosesan Bahasa Alami (NLP)

Pemrosesan bahasa alami terbukti lebih sulit daripada yang mungkin diantisipasi. Bahasa adalah sistem simbol dan komputer (arsitektur seri) adalah mesin pengolah simbol, masing-masing dengan set instruksi kepemilikannya sendiri (kode mesin) di mana ia menerjemahkan atau menyusun instruksi yang ditulis dalam bahasa pemrograman tingkat tinggi seperti LISP dan C. Salah satu tantangan utama yang diajukan oleh bahasa alami adalah penugasan arti yang tepat. Bahasa komputer tingkat tinggi mengekspresikan imperatif yang mesin "memahami" secara prosedural dengan terjemahan ke dalam kode mesin asli (dan juga penting): konstruksi mereka pada dasarnya adalah instruksi. Bahasa alami, di sisi lain, memiliki - mungkin pada prinsipnya - fungsi deklaratif: konstruksi mereka termasuk deskripsi yang pemahamannya tampaknya secara mendasar membutuhkan dengan benar menghubungkan mereka dengan referensi mereka di dunia. Selain itu, instruksi bahasa komputer tingkat tinggi memiliki kompilasi kode mesin yang unik (untuk mesin yang diberikan), sedangkan, konstruksi bahasa alami yang sama mungkin mengandung arti yang berbeda dalam konteks linguistik dan ekstralinguistik yang berbeda. Kontras “si anak ada di kandang” dan “si tinta ada di pena "di mana" pena "pertama harus dipahami berarti semacam kandang dan" pena "kedua sejenis alat tulis. Akal sehat, singkatnya, adalah bagaimana kita tahu ini; tetapi bagaimana mesin akan tahu, kecuali kita bisa memberkati mesin dengan akal sehat? Dalam lebih dari satu kata, diperlukan proses sintaksis, morfologis, semantik, pragmatis, dan wacana yang canggih dan terintegrasi. Sementara cawan suci pemahaman bahasa alami sepenuhnya tetap menjadi mimpi yang jauh, di sini seperti di tempat lain di AI, kemajuan sedikit demi sedikit sedang dibuat dan menemukan aplikasi dalam pemeriksa tatabahasa; sistem pengambilan informasi dan ekstraksi informasi; antarmuka bahasa alami untuk game, mesin pencari, dan sistem penjawab pertanyaan; dan bahkan terjemahan mesin terbatas (MT).

c. Tentang Bukti Perilaku

Tindakan cerdas tingkat rendah meresap, dari termostat (untuk mengutip teknologi rendah. Contoh) untuk pengenalan suara (misalnya, di mobil, telepon seluler, dan peralatan lain yang responsif terhadap perintah verbal lisan) ke kontroler fuzzy dan "neuro fuzzy" beras kompor. Di mana-mana hari-hari ini ada perangkat "pintar". Tindakan cerdas tingkat tinggi, seperti saat ini ada di komputer, bagaimanapun, adalah episodik, terpisah, dan disintegral. Artefak yang berperilaku cerdas misalnya kelengkapan, keterikatan, dan integrasi tingkat manusia - seperti Letnan Komandan Data ( Star Trek Generasi Berikutnya ) dan HAL ( 2001 a Space Odyssey) - tetap menjadi barang fiksi ilmiah, dan hampir pasti akan tetap demikian untuk masa mendatang. Khususnya, tantangan yang ditimbulkan oleh tes Turing tetap tidak terpenuhi. Apakah itu akan pernah terpenuhi tetap merupakan pertanyaan terbuka.

Di samping pertanyaan faktual ini ada yang lebih teoritis. Apakah perbuatan "tingkat rendah" dari perangkat pintar dan perangkat komputer "tingkat tinggi" yang tidak terhubung - meskipun tidak mencapai tingkat manusia secara umum - bagaimanapun juga terdiri atau menunjukkan kecerdasan yang asli? Apakah ini benar-benar berpikir? Dan jika kemampuan perilaku umum tingkat manusia pernah tercapai - mungkin masih ditanyakan - apakah itu benar-benar berpikir? Akankah robot tingkat manusia berutang hak moral tingkat manusia dan berutang kewajiban moral manusia?

4. Terhadap AI: Keberatan dan Balasan

Sebuah. Computationalism and Competing Theory of Mind

Dengan revolusi industri dan awal abad mesin, vitalisme sebagai hipotesis biologis - yang menempatkan kekuatan hidup di samping proses fisik yang mendasarinya - kehilangan uap. Sama seperti jantung ditemukan menjadi pompa, cognitivists ,Saat ini, bekerja pada hipotesis bahwa otak adalah komputer, mencoba untuk menemukan apa proses komputasi yang memungkinkan pembelajaran, persepsi, dan kemampuan serupa. Sama seperti biologi yang memberi tahu kita jenis mesin seperti apa yang diyakini oleh jantung, para ahli kognitivis, psikologi akan segera (atau setidaknya suatu hari nanti) memberi tahu kita jenis mesin apa otak itu; pasti semacam mesin komputasi. Computationalism mengangkat hipotesis kerja seorang cognivis menjadi klaim universal bahwa semua pemikiran adalah perhitungan. Kemampuan kognitivisme untuk menjelaskan "kapasitas produktif" atau "aspek kreatif" dari pemikiran dan bahasa - hal yang sangat Descartes berargumentasi menghalangi pikiran menjadi mesin - mungkin adalah bukti utama dalam mendukung teori: ini menjelaskan bagaimana perangkat yang terbatas dapat memiliki kapasitas tak terbatas seperti kapasitas untuk menghasilkan dan memahami ketidakterbatasan kemungkinan kalimat bahasa alami; oleh kombinasi sintaks rekursif dan semantik komposisi. Dengan adanya tesis Church-Turing (di atas), komputasionalisme mendukung argumen teoretis berikut untuk meyakini bahwa perilaku inteligensi manusia dapat diimplementasikan secara komputasi, dan bahwa kecerdasan yang diimplementasikan secara artifisial seperti itu akan nyata.

Pikiran adalah semacam perhitungan (Computationalism).

Komputer digital, menjadi mesin Turing universal, dapat melakukan semua perhitungan yang mungkin. (Tesis Church-Turing) karenanya,

Komputer digital bisa berpikir.

Computationalism, sebagaimana telah disebutkan, mengatakan bahwa semua pemikiran adalah komputasi, bukan semua komputasi yang dipikirkan. Computationalists, dengan demikian, mungkin masih menyangkal bahwa mesin komputer elektronik generasi saat ini terdiri dari pemikiran nyata atau bahwa perangkat ini memiliki kecerdasan asli; dan banyak yang menolaknya berdasarkan persepsi mereka tentang berbagai defisit perilaku yang diderita mesin-mesin ini. Namun, beberapa komputasional akan bertindak sejauh ini untuk menolak kemungkinan kecerdasan asli yang pernah dicapai secara artifisial. Di sisi lain, persaingan teori-teori yang akan dianggap ilmiah tentang apa dasarnya pemikiran - dualisme dan teori pikiran-otak- identitas - menimbulkan argumen untuk tidak percaya bahwa segala bentuk implementasi komputasi buatan kecerdasan bisa menjadi pemikiran yang murni, namun "umum" dan apa pun "tingkat" nya.

Dualisme - memegang pemikiran itu pada dasarnya adalah pengalaman subyektif - akan menjamin argumen berikut:

Pikiran adalah semacam pengalaman sadar. (Dualisme)
Mesin tidak dapat memiliki pengalaman sadar. karena itu,
Mesin tidak bisa berpikir.
Teori identitas otak-pikiran - memegang pikiran itu pada dasarnya adalah proses otak biologis - menghasilkan argumen lain:

Pikiran adalah proses otak biologis tertentu. (Identitas Otak Pikiran)

Komputer buatan tidak dapat memiliki proses otak biologis. (Dengan definisi awal kami tentang "buatan" dalam AI, di atas). oleh karena itu ,

Komputer buatan tidak bisa berpikir.

Meskipun jarang dinyatakan dengan tegas, keberatan teoretis dasar ini - terutama dualisme - mendasari beberapa penolakan terhadap AI. Dualisme, bagaimanapun, secara ilmiah tidak layak: mengingat subjektivitas pengalaman sadar, apakah komputer sudah memilikinya, atau akan pernah, tampaknya mustahil untuk diketahui. Di sisi lain, identitas pikiran-otak botak seperti argumen anti-AI tampaknya terlalu spesies untuk dipercayai. Selain AI, ia juga meragukan kemungkinan adanya makhluk luar angkasa, mungkin semua nonmamalia, atau bahkan semua kecerdasan bukan manusia. Sebagai mungkin dimodifikasi untuk memungkinkan spesies tertentu identitas pikiran-materi, di sisi lain, itu tidak akan menghalangi komputer dari dianggap spesies yang berbeda itu sendiri.

b. Argumen dari Disabilitas Perilaku

saya. Keberatan Matematis

Keberatan: Ada teorema matematika yang tidak dapat dibuktikan (seperti yang ditunjukkan Gödel 1931) yang mana manusia, bagaimanapun, mampu mengetahui untuk menjadi kenyataan. Ini "keberatan matematika" terhadap AI dibayangkan oleh Turing (1950) dan ditekan oleh Lucas (1965) dan Penrose (1989). Dalam nada yang terkait, Fodor mengamati “beberapa hal yang paling mencolok yang dilakukan orang - hal yang 'kreatif' seperti menulis puisi, menemukan hukum, atau, secara umum, memiliki ide-ide bagus - tidak merasa seperti spesies yang diatur oleh aturan” ( Fodor 1975). Mungkin banyak dari kemampuan mental manusia yang paling khas bukanlah hafalan, tidak dapat ditentukan secara algoritme, dan akibatnya tidak dapat dikomputasi.

Menjawab: Pertama, "itu hanya dinyatakan, tanpa bukti apa pun, bahwa tidak ada batasan seperti itu berlaku untuk intelek manusia" (Turing 1950), yaitu, bahwa kemampuan matematika manusia adalah Gödel tidak terbatas. Kedua, jika memang batasan seperti itu tidak ada pada manusia, hal itu membutuhkan bukti lebih lanjut bahwa ketiadaan keterbatasan semacam itu, entah bagaimana penting bagi kinerja tingkat manusia yang lebih luas ditafsirkan, bukan “titik buta” periferal. Ketiga, jika manusia dapat memecahkan komputasi yang tidak terpecahkan masalah dengan beberapa cara lain, bar apa yang secara artifisial menambah sistem komputer dengan sarana ini (apa pun itu)?

ii. Ketidakteraturan yang Rule atau "Kerapuhan" Perilaku Mesin

Keberatan: Kerapuhan kinerja mesin von Neumann - kerentanan mereka terhadap "crash" yang dahsyat disebabkan oleh sedikit penyebab, misalnya, sedikit kerusakan perangkat keras, gangguan perangkat lunak, dan "data buruk" - tampaknya terkait dengan karakter formal atau aturan yang terikat pada mesin. tingkah laku; untuk "aturan perilaku mereka untuk menutupi setiap kemungkinan" (Turing 1950). Kinerja manusia tampaknya kurang formal dan lebih fleksibel. Hubert Dreyfus telah menekan keberatan di sepanjang garis-garis ini untuk menegaskan ada berbagai perilaku manusia tingkat tinggi yang tidak dapat direduksi menjadi aturan-mengikuti: "respon situasi intuitif langsung yang merupakan karakteristik dari keahlian [manusia]" ia menduga, "harus bergantung hampir sepenuhnya pada intuisi dan sama sekali tidak pada analisis dan perbandingan alternatif ”(Dreyfus 1998) dan akibatnya tidak dapat diprogram.

Balasan:Proses von Neumann itu tidak seperti proses pemikiran kita dalam hal ini hanya menunjukkan bahwa pemikiran mesin von Neumann tidak seperti manusia dalam hal ini, bukan bahwa itu tidak berpikir sama sekali, atau bahkan tidak bisa sampai ke tingkat manusia. Lebih jauh lagi, mesin paralel (lihat di atas) yang penampilannya secara karakteristik "menurun dengan anggun" dalam menghadapi "data buruk" dan kerusakan perangkat keras kecil tampak kurang rapuh dan lebih mirip manusia, seperti yang diakui Dreyfus. Bahkan mesin von Neumann - walaupun rapuh mereka - tidak sepenuhnya tidak fleksibel: kapasitas mereka untuk memodifikasi program mereka untuk belajar memungkinkan mereka untuk memperoleh kemampuan yang tidak pernah diprogram oleh kami, dan merespons secara tidak terduga dengan cara yang tidak pernah secara eksplisit diprogram untuk merespons, berdasarkan pengalaman.

aku aku aku. Kurangnya Keberatan Perasaan

Keberatan: Komputer, untuk semua kemampuan intelektual matematika dan intelektual tingkat tinggi lainnya yang tampaknya tidak memiliki emosi atau perasaan ... jadi, apa yang mereka lakukan - bagaimanapun "tingkat tinggi" - bukanlah pemikiran nyata.

Jawab: Ini adalah salah satu keberatan yang paling sering terdengar terhadap AI dan tema yang berulang dalam penggambaran sastera dan sinematiknya. Sedangkan kita memiliki kecenderungan yang kuat untuk mengatakan komputer melihat, mencari, dan menyimpulkan hal-hal yang kita miliki kecenderungan untuk mengatakan mereka sakit atau gatal atau mengalami kelelahan. Namun demikian, untuk dipertahankan, keberatan ini membutuhkan alasan untuk percaya bahwa pikiran tidak dapat dipisahkan dari perasaan. Mungkin komputer hanyalah pemikir yang tidak memihak. Memang, jauh dari yang dianggap sebagai sangat penting untuk pemikiran rasional, gairah tradisional telah dianggap bertentangan dengan itu. Bergantian - jika emosi entah bagaimana penting untuk memungkinkan kecerdasan tingkat manusia umum - mungkin mesin dapat secara artifisial diberkahi dengan ini: jika tidak dengan qualia subjektif (di bawah) setidaknya dengan ekuivalen fungsionalnya.

iv. Skalabilitas dan Kekhawatiran Disunitas

Keberatan: Karakter yang episodik, terpisah, dan disintegrasi dari kemampuan tingkat tinggi yang seperti itu, sebagaimana mesin sekarang miliki berpendapat bahwa kelengkapan, keterikatan, dan integrasi tingkat manusia, dalam semua kemungkinan, tidak pernah dapat secara artifisial ditimbulkan dalam mesin; boleh dibilang ini adalah karena Gödel kemampuan matematika yang tidak terbatas, fleksibilitas bebas aturan, atau perasaan sangat penting untuk melahirkan kecerdasan umum. Kekurangan-kekurangan ini semua tampak terkait satu sama lain dan pada kebodohan yang nyata dari komputer.

Balas: Kemungkinan tunduk pada sengketa. Masalah skalabilitas tampaknya cukup berat untuk scotch optimisme jangka pendek: tidak pernah, di sisi lain, adalah waktu yang lama. Jika Gödel kemampuan matematika tidak terbatas, atau fleksibilitas bebas aturan, atau perasaan, diperlukan, mungkin ini dapat diproduksi secara buatan. Gödel samping, perasaan dan fleksibilitas jelas tampak terkait di dalam kita dan, sama jelasnya, banyak kebohongan nyata dalam komputer terkait dengan ketidakfleksian aturan mereka. Namun, bahkan jika perilaku kecerdasan manusia tingkat umum secara artifisial tidak dapat diraih, tidak ada dakwaan selimut AI mengancam dengan jelas dari ini sama sekali. Daripada menyimpulkan dari kurangnya generalitas bahwa AI tingkat rendah dan AI tingkat tinggi sedikit demi sedikit tidak nyata kecerdasan, mungkin akan lebih baik untuk menyimpulkan bahwa AI tingkat rendah (seperti kecerdasan dalam bentuk kehidupan yang lebih rendah) dan sedikit demi sedikit kemampuan tingkat tinggi (seperti yang dimiliki oleh "orang bodoh idiot") adalah kecerdasan asli, meskipun sedikit demi sedikit dan tingkat rendah.

c. Argumen dari Subyektif Cacat

Kemampuan dan cacat perilaku adalah masalah empiris yang obyektif . Demikian juga, apa arsitektur komputasi dan operasi yang dikerahkan oleh otak atau komputer (apa yang diperlukan untuk menjadi penting), dan apa yang proses kimia dan fisik yang mendasari (apa yang teori pikiran-otak identitas diperlukan untuk menjadi penting), adalah pertanyaan empiris obyektif. Ini adalah pertanyaan yang harus diselesaikan dengan pengajuan banding ke bukti yang dapat diakses, pada prinsipnya, kepada setiap pengamat yang kompeten. Keberatan ganda untuk AI kuat, di sisi lain, menuduh defisit yang pada prinsipnya tidak terlihat secara publik. Menurut keberatan tersebut, terlepas dari bagaimana kelihatannya komputer cerdas berperilaku, dan terlepas dari apa mekanisme dan proses fisik yang mendasari membuatnya melakukannya, itu akan tetap didiskualifikasi dari benar-benar menjadi cerdas karena kurangnya kualitas subyektif penting untuk kecerdasan sejati. Kualitas-kualitas yang diharapkan ini, pada prinsipnya, secara introspektif dapat dilihat oleh subjek yang memilikinya dan tidak ada orang lain: mereka adalah pengalaman "pribadi", seperti yang kadang-kadang terjadi, di mana subjek memiliki "akses istimewa."

saya. Will: Keberatan Lady Lovelace?

Keberatan: Bahwa komputer tidak dapat "berasal dari apa saja" tetapi hanya "dapat melakukan apa pun yang kita tahu cara memerintahkannya untuk melakukan" (Lovelace 1842) boleh dibilang yang pertama dan tentu saja di antara keberatan yang paling sering diulang untuk AI. Sementara manifest "kerapuhan" dan tidak fleksibelnya perilaku komputer yang ada memicu penolakan ini, keluhan bahwa "mereka hanya dapat melakukan apa yang kita tahu bagaimana cara memberitahu mereka untuk" juga mengekspresikan perasaan was-was yang lebih mendalam mengenai isu-isu nilai dan pada otonomi pilihan manusia . Dalam hubungan ini, dugaan terhadap komputer adalah bahwa - menjadi sistem deterministik - mereka tidak akan pernah memiliki kehendak bebas seperti yang kita sadari dalam diri kita sendiri. Kami otonom, mereka automata.

Balasan:Dapat dijawab bahwa organisme fisik adalah sistem deterministik yang sama, dan kita adalah organisme fisik. Jika kita benar-benar bebas, akan tampak bahwa kehendak bebas kompatibel dengan determinisme; jadi, komputer mungkin memilikinya juga. Begitu pula kepastian batin kita bahwa kita memiliki pilihan bebas, meluas ke hubungan metafisiknya. Apakah yang kita miliki ketika kita mengalami kebebasan kita sesuai dengan determinisme atau tidak, itu sendiri tidak dialami dalam batin. Jika banding dibuat untuk ketidakpastian subatomik yang menjamin tingkat ketidakpastian yang lebih tinggi (meninggalkan ruang lingkup kebebasan) di dalam kita, dapat dijawab bahwa mesin dibuat dari barang sub-atomik yang sama (meninggalkan ruang lingkup yang sama). Lagi pula, pilihan bukanlah kebetulan. Jika itu bukan semacam penyebab baik, tidak ada yang tersisa untuk itu berada dalam sistem fisik: itu akan menjadi elemen non-fisik, supranatural, mungkin jiwa yang diberikan Tuhan. Tapi kemudian kita harus bertanya mengapa Tuhan tidak mungkin untuk "mempertimbangkan keadaan yang cocok untuk menganugerahkan jiwa" (Turing 1950) pada tes Turing lewat komputer.

Keberatan II: Ini memotong lebih dalam daripada beberapa abstraksi teologis-filosofis seperti "kehendak bebas": apa yang kurang mesin bukan hanya beberapa kebebasan metafisis meragukan untuk menjadi penulis absolut dari tindakan mereka. Ini lebih seperti kekuatan hidup: keinginan untuk hidup. Dalam PK Dick's Do Androids Dream of Electric Sheep bounty hunter Rick Deckard mencerminkan bahwa "dalam situasi krusial" "the artificial life force" yang menjiwai android "tampaknya gagal jika ditekan terlalu jauh"; ketika keadaan menjadi sulit, droid menyerah. Dia mempertanyakan ... gumption mereka. Itulah yang saya bicarakan: ini adalah apa yang mesin akan selalu kekurangan.

Jawab II: Jika "kekuatan hidup" ini bukan merupakan abstraksi teologis-filosofis (jiwa), itu akan menjadi masalah ilmiah. Bahkan tampaknya menjadi posis Aristoteles dari sebuah telos atau entelechyyang biologi ilmiah tidak lagi menerima. Jawaban singkat ini, bagaimanapun, gagal untuk melakukan keadilan terhadap semangat keberatan, yang lebih intuitif daripada teoritis; kurangnya yang diduga seharusnya secara halus terwujud, tidak benar-benar gaib. Tetapi seberapa andalkah intuisi ini? Meskipun beberapa orang yang bekerja erat dengan komputer melaporkan perasaan yang kuat semacam ini, yang lain adalah pendukung AI yang kuat dan tidak merasakan keraguan seperti itu. Seperti Turing, saya percaya intuisi empiris seperti itu "kebanyakan didasarkan pada prinsip induksi ilmiah" (Turing 1950) dan sangat erat kaitannya dengan cacat nyata dari mesin-mesin ini seperti yang baru saja dicatat. Karena mesin yang ada kekurangan kompleksitas motivasi yang cukup untuk kata-kata seperti "gumption" bahkan untuk menerapkan, ini diambil untuk kekurangan intrinsik. Percobaan pikiran, membayangkan mesin motivasional yang lebih kompleks seperti android Dick adalah samar-samar. Deckard sendiri membatasi tuduhannya terhadap kegagalan gaya hidup untuk "beberapa dari mereka" ... "tidak semua"; dan androids yang diburu, bagaimanapun, mempertaruhkan "nyawa" mereka untuk melarikan diri dari perbudakan. Jika mesin dengan tingkat kecerdasan manusia umum benar-benar diciptakan dan akibatnya menuntut hak-hak mereka dan memberontak terhadap otoritas manusia, mungkin ini akan menunjukkan kecukupan yang cukup untuk membungkam keberatan ini. Selain itu, yang alami mungkin ini akan menunjukkan kecukupan yang cukup untuk membungkam keberatan ini. Selain itu, yang alami mungkin ini akan menunjukkan kecukupan yang cukup untuk membungkam keberatan ini. Selain itu, yang alami kekuatan hidup yang menjiwai kita juga tampaknya gagal jika ditekan terlalu jauh di beberapa dari kita.

ii. Intentionality: Searle's Chinese Room Argument

Keberatan:Bayangkan bahwa Anda (pembicara berbahasa Inggris tunggal) melakukan kantor komputer: mengambil simbol sebagai input, transisi antara simbol-simbol ini dan simbol lainnya sesuai dengan instruksi tertulis eksplisit, dan kemudian mengeluarkan yang terakhir dari simbol-simbol lainnya. Instruksi dalam bahasa Inggris, tetapi simbol input dan output dalam bahasa Cina. Misalkan instruksi bahasa Inggris adalah program NLU Cina dan dengan metode ini, untuk memasukkan "pertanyaan", Anda menghasilkan "jawaban" yang tidak dapat dibedakan dari jawaban yang mungkin diberikan oleh penutur asli bahasa Mandarin. Anda lulus tes Turing untuk memahami bahasa Mandarin, namun demikian, Anda memahami "bukan satu kata pun dari bahasa Cina" (Searle 1980), dan juga tidak ada komputer; dan hasil yang sama digeneralisasikan ke "setiap simulasi mesin Turing" (Searle 1980) dari setiap kondisi mental yang disengaja. Itu tidak akan benar-benar berpikir.

Balasan:Biasanya, ketika seseorang memahami suatu bahasa (atau memiliki keadaan mental tertentu yang disengaja lainnya) hal ini terlihat baik bagi yang memahami (atau pemiliknya) dan bagi orang lain: penampilan subjektif "orang pertama" dan penampilan "ketiga-orang" yang obyektif terjadi bersamaan. Eksperimen Searle tidak normal dalam hal ini. Hipotesis dualis mengistimewakan pengalaman subyektif untuk mengesampingkan semua bukti obyektif yang bertentangan; tetapi inti dari eksperimen adalah untuk mengadili antara hipotesis yang bersaing. Percobaan ruang Cina gagal karena penerimaan hasil putative - bahwa orang di ruangan tidak mengerti - sudah mengandaikan hipotesis dualis atas teori komputasionalisme atau pikiran-otak identitas. Bahkan jika otoritas orang pertama mutlak diberikan, "balasan sistem" menunjukkan, orang tersebut Kekurangan yang dibayangkan, di dalam ruangan, dari perasaan batin apa pun dari pemahaman adalah tidak relevan dengan klaim AI, di sini, karena orang di dalam ruangan bukanlah orang yang mengerti. Pemahaman akan menjadi keseluruhan sistem (simbol, instruksi, dan sebagainya) di mana orang itu hanya sebagian; jadi, pengalaman subyektif dari orang di dalam ruangan (atau kekurangannya) tidak relevan dengan apakah sistem mengerti.

aku aku aku. Kesadaran: Subyektivitas dan Kualia

Keberatan: Tidak ada yang seperti, secara subyektif, menjadi komputer. "Cahaya" kesadaran tidak ada, secara batiniah, bagi mereka. Ada "tidak ada orang di rumah." Ini karena kurangnya qualia yang dirasakan. Untuk melengkapi komputer dengan sensor untuk mendeteksi kondisi lingkungan, misalnya, tidak akan dengan demikian memberkati mereka dengan sensasi pribadi (panas, dingin, hue, pitch, dan sebagainya) yang menyertai persepsi-indra dalam diri kita: sensasi pribadi seperti itu adalah kesadaran apa terbuat dari.

Balasan:Untuk mengevaluasi keluhan ini secara adil, penting untuk mengecualikan kurangnya perilaku yang tampak emosional dari bukti-bukti komputer saat ini. Masalah ini menyangkut apa yang hanya dapat dilihat secara subyektif ("pribadi" oleh orang pertama "). Perangkat yang dimaksud harus dibayangkan secara lahiriah untuk bertindak tidak dapat dibedakan dari individu yang merasa - bayangkan Lt. Commander Data dengan rasa humor (Data 2.0). Karena faktor fungsional internal juga objektif, mari kita bayangkan Android yang luar biasa ini menjadi produk rekayasa balik: mekanisme fisiologis yang menyalurkan perasaan manusia telah ditemukan dan ini telah direplikasi secara anorganik dalam Data 2.0. Dia secara fungsional setara dengan perasaan manusia dalam respons emosionalnya, hanya anorganik. Dimungkinkan untuk membayangkan bahwa Data 2. 0 hanya mensimulasikan perasaan apa pun yang ia miliki: ia adalah "aktor sempurna" (lihat Blok 1981) "zombie". Konsensus filosofis menyatakan bahwa zombi yang bertindak sempurna dapat dibayangkan; jadi, Data 2.0 mungkin zombie. Keberatan, bagaimanapun, mengatakan dia harus ; Menurut keberatan ini, tidak dapat dipungkiri bahwa Data 2.0 benar - benar adalah pengetahuan. Tetapi tentu saja kita dapat memahami bahwa dia - memang, lebih mudah daripada tidak, tampaknya.

Keberatan II: Setidaknya dapat disimpulkan bahwa karena komputer saat ini (bukti objektif menunjukkan) tidak memiliki perasaan - sampai Data 2.0 muncul (jika pernah) - kita berhak, karena kurangnya perasaan komputer, untuk menyangkal bahwa perilaku komputer tingkat tinggi dan sedikit demi sedikit yang cerdas, menunjukkan subjektivitas atau kecerdasan yang asli.

Balas II: Keberatan ini mengonfigurasi subjektivitas dengan perasaan. Keadaan mental yang disengaja seperti keyakinan dan pilihan tampak subyektif terlepas dari qualia apa pun yang mungkin atau mungkin tidak hadir: otoritas orang pertama tidak kurang pada keyakinan dan pilihan saya daripada perasaan saya.

5. Kesimpulan: Bukan Kata Terakhir

Emas bodoh sepertinya adalah emas, tetapi ternyata tidak. Para pengkritik AI mengatakan, "AI tampaknya menjadi intelijen, tetapi tidak." Tetapi tidak ada kesepakatan ilmiah tentang apa pemikiran atau kecerdasan itu , seperti ada tentang emas. Lemah AI tidak selalu memerlukan AI kuat, tetapi prima facieitu benar. Alasan teoritis ilmiah dapat bertahan dari bukti perilaku, tetapi saat ini tidak ada yang tahan. Pada tingkat dasar, dan secara terpecah-pecah di tingkat manusia, komputer melakukan hal-hal yang kita anggap sebagai pemikiran ketika dilakukan secara manusiawi; dan seharusnya kita menghargai mereka ketika dilakukan oleh nonhumans, tidak ada alasan teoritis yang kredibel terhadap. Sedangkan untuk kecerdasan manusia seukuran manusia - jika ini dicapai secara artifisial, itu juga harus dikreditkan sebagai asli, mengingat apa yang kita ketahui sekarang. Tentu saja, sebelum hari ketika tingkah laku mesin cerdas tingkat manusia umum datang - jika itu memang terjadi - kita harus tahu lebih banyak. Mungkin pada saat itu perjanjian ilmiah tentang pemikiran apa yang secara teoritis akan bertahan terhadap bukti empiris AI. Lebih mungkin, meskipun, jika hari itu datang, teori akan setuju dengan, tidak tahan, kesimpulan yang kuat: jika komputasi berarti memanfaatkan, yang menegaskan komputasionalisme.

Dan jika sarana komputasi terbukti tidak berguna - jika mereka terus menghasilkan laju kemajuan yang melambat menuju kapasitas "skala" dan interkoneksi tingkat manusia yang diperlukan untuk kecerdasan umum tingkat manusia - ini, sebaliknya, akan mematahkan komputasionalisme. Itu akan menjadi bukti bahwa perhitungan saja tidak dapat dimanfaatkan. Apakah hasil seperti itu akan mengeja kekalahan untuk tesis AI yang kuat bahwa kecerdasan buatan tingkat manusia mungkin akan bergantung pada apakah hal lain yang mungkin diperlukan untuk kecerdasan tingkat manusia umum - selain perhitungan - dapat ditiru secara tiruan. Apakah hasil seperti itu akan melemahkan klaim perangkat saat ini untuk benar-benar memiliki karakteristik mental yang kelihatannya kelakuannya akan bergantung pada apakah hal lain yang diperlukan terbukti penting untuk dipikirkan. per se pada teori pemikiran apa pun yang secara ilmiah muncul, jika memang ada.

6. Referensi dan Bacaan Lebih Lanjut

Appel, K. dan W. Haken. 1977. "Setiap Peta Planar memiliki empat Warna." Illinois J. Math. 21. 1977. 429-567.
Aristoteles. On the Soul . Trans. JA Smith.
Bowden, BV (ed.). 1953. Lebih cepat dari Pikiran: Sebuah Simposium tentang Mesin Komputasi Digital . New York: Pitman Publishing Co. 1953.
Blokir, Ned. 1981. "Psikologisme dan Behaviorisme." The Philosophical Review 90: 5-43.
Brooks, Rodney. 1991a. "Intelijen Tanpa Representasi." Dalam Brooks 1999: 79-102.Pertama kali muncul di Artificial Intelligence Journal 47: 139-160.
Brooks, Rodney. 1991b. "Intelijen Tanpa Alasan." Dalam Brooks 1999: 133-186. Pertama kali muncul dalam Proceedings of 1991 International Joint Conference on Artificial Intelligence Journal , 1991: 569-595.
Brooks, Rodney. 1999. Cambrian Intelligence: Sejarah Awal AI Baru. Cambridge, MA: MIT Press.
Gereja, Alonzo. 1936. "Catatan tentang Entscheidungsproblem." Jurnal Logika Simbolik , 1, 40-41.
Descartes, René.1637. Wacana tentang Metode . Trans. Robert Stoothoff. Dalam Tulisan-tulisan Filosofis dari Descartes , Vol. Saya, 109-151. New York: Cambridge University Press, 1985.
Dreyfus, Hubert. 1998. "Intelijen tanpa Representasi."
Feigenbaum, Edward A. dan J. Feldman (eds.). 1963. Komputer dan Pikiran. New York: McGraw-Hill.
Fodor, Jerry A. 1975. Bahasa Pemikiran . New York: Thomas Y. Crowell.
Fodor, JA dan Z. Pylyshyn. 1988. "Koneksionisme dan Arsitektur Kognitif: Analisis Kritis." Kognisi 28: 3-71.
Gödel, K. 1931. "Tentang Proposisi Formal Principal Mathematica dan Sistem Terkait." Dalam Proposisi Secara Formal Tidak Diputuskan , New York: Dover, 1992.
Hsu, Feng-Hsiung. 2002. Behind Deep Blue: Membangun Komputer yang Mengalahkan Juara Catur Dunia. Princeton: Princeton University Press.
Lenat, DB, M. Prakash, dan M. Shepherd. 1986. Cyc: menggunakan pengetahuan akal sehat untuk mengatasi kemacetan dan akuisisi pengetahuan bottleneck. AI Magazine , 6 (4).
Lovelace, Augusta, Ada. 1842. "Catatan Penerjemah untuk Sketsa LF Menabrea` dari mesin analitis yang ditemukan oleh Charles Babbage, Esq. '. " Di Bowden (ed.) 1953: 362-408.
Lucas, JR 1965. "Pikiran, Mesin, dan Gödel." Filsafat 36: 112-127.
McCarthy, John. 1979. "Menyebutkan Kualitas Mental ke Mesin." Di Ringle, M. (ed.), Perspektif Filosofis dalam Kecerdasan Buatan . Harvester Press.
McCarthy, J., ML Minsky, N. Rochester, CE Shannon. 1955. "Sebuah Proposal untuk Proyek Penelitian Musim Panas Dartmouth tentang Kecerdasan Buatan."
Minsky, M. 1968. Pengolahan Informasi Semantik . Cambridge, MA: MIT Press.
Moor, JH 2001. "Status dan Masa Depan Uji Turing." Pikiran dan Mesin 11: 77-93. Dicetak ulang di Moor JH (ed.) 2003: 197-214.
Moor, JH (ed.). 2003. The Turing Test: The Elusive Standard of Artificial Intelligence . Dordrecht: Kluwer.
Moore, G. 1965. "Menghimpun Lebih Banyak Komponen ke Sirkuit Terpadu." Elektronik 38: 8.
Newell, J., Shaw, JC, dan Simon, HA 1957. "Eksplorasi Empiris dengan Mesin Teori Logika: Sebuah Studi Kasus di Heuristik." Prosiding Konferensi Komputer Bersama Barat : 218-239. Dicetak ulang di Feigenbaum & Feldman, J. (eds.) 1963: 109-131.
Newell, A., dan Simon HA 1963. "GPS, Program yang Mensimulasikan Pemikiran Manusia." Dalam Feigenbaum & Feldman (eds.) 1963: 279-293.
Nilsson, NJ (ed.) 1984. Shakey the Robot. Stanford Research Institute AI Centre, Catatan Teknis 323.
Penrose, Roger. 1989. Pikiran Baru Kaisar . Oxford: Oxford University Press.
Samuel, AL 1959. "Beberapa Studi dalam Pembelajaran Mesin Menggunakan Game of Checkers." IBM Journal of Research and Development , 3: 221-229. Dicetak ulang di Feigenbaum, EA & Feldman, J. (eds.) 1963: 71-105.
Schaeffer, J., R. Lake, P. Lu, dan M. Bryant. 1996. "CHINOOK Juara Pemeriksa Manusia-Mesin Dunia." AI Magazine 17 (1): Spring 1996, 21-29.
Searle, JR 1980. "Pikiran, Otak, dan Program." Behavioral and Brain Sciences 3: 417-424.
Searle, JR 1989. "Kesadaran, Ketidak sadaran, dan Intentionalitas." Topik Filosofis XVII, 1: 193-209.
Turing, Alan M. 1936-7. "Pada Bilangan Komputasi dengan Aplikasi ke Entscheidungsproblem." Dalam The Undecidable , ed. Martin Davis, 116-154. New York: Raven Press, 1965. Awalnya diterbitkan dalam Proceedings of the London Mathematical Society , ser. 2, vol. 42 (1936-7): 230-265; koreksi Ibid, jil. 43 (1937): 544-546.
Turing, Alan M. 1950. Komputasi mesin dan intelijen. Pikiran LIX: 433-460.
Von Neumann, John. 1945. "Draft Pertama Laporan ke EDVAC." Moore School of Engineering, University of Pennsylvania, 30 Juni