Sådan skaber du et sind
Tankeeksperimenterredit
vi åbner bogen ved at minde os om betydningen af tankeeksperimenter i udviklingen af store teorier, herunder evolution og relativitet. Det er værd at bemærke, at Kurvevil ser Darvin som “en god udfordrer” for den førende videnskabsmand i det 19.århundrede. Han foreslår sine egne tankeeksperimenter relateret til, hvordan hjernen tænker og husker ting. For eksempel beder han læseren om at recitere alfabetet, men derefter at recitere alfabetet baglæns. Vanskeligheden ved at gå baglæns antyder”vores minder er sekventielle og i orden”. Senere beder han læseren om at visualisere nogen, han kun har mødt en eller to gange, vanskeligheden her antyder “der er ingen billeder, videoer eller lydoptagelser gemt i hjernen” kun sekvenser af mønstre. Til sidst konkluderer han, at hjernen bruger et hierarki af mønstergenkendere.
Mønstergenkendelsesteori om MindEdit
Kurvevil siger, at neokorteksen indeholder omkring 300 millioner meget generelle mønstergenkendere, arrangeret i et hierarki. For eksempel for at genkende et skriftligt ord kan der være flere mønstergenkendere for hvert andet bogstavslag: diagonalt, vandret, lodret eller buet. Outputtet fra disse genkendere vil føde til mønstergenkendere på højere niveau, der ser efter mønsteret af streger, der danner et bogstav. Endelig bruger en genkendelse på ordniveau output fra bogstavgenkenderne. Alt imens signaler føder både “fremad”og ” bagud”. For eksempel, hvis et bogstav er skjult, men de resterende bogstaver stærkt angiver et bestemt ord, kan genkendelsen af ordniveau foreslå bogstavgenkenderen, hvilket bogstav man skal kigge efter, og bogstavniveauet antyder, hvilke streger man skal kigge efter. Vi diskuterer også, hvordan lytning til tale kræver lignende hierarkiske mønstergenkendere.
hovedopgaven er, at disse hierarkiske mønstergenkendere ikke kun bruges til at føle verden, men til næsten alle aspekter af tanke. Hukommelse tilbagekaldelse er baseret på de samme mønstre, der blev brugt, når sensing verden i første omgang. At lære er afgørende for den menneskelige intelligens. En computerversion af neokorteksen ville oprindeligt være som en nyfødt baby, ude af stand til at gøre meget. Kun gennem gentagen eksponering for mønstre ville det til sidst selvorganisere og blive funktionelt.
han skriver udførligt om neuroanatomi, af både neokorteksen og “den gamle hjerne”. Han citerer nylige beviser for, at sammenkoblinger i neokorteksen danner en gitterstruktur, hvilket antyder ham en fælles algoritme på tværs af “alle neokortikale funktioner”.
Digital hjernerediger
han skriver om at skabe en digital hjerne inspireret af den biologiske hjerne, han har beskrevet. En eksisterende indsats, han peger på, er Henry Markrams Blue Brain Project, som forsøger at skabe en fuld hjernesimulering inden 2023. Den fulde molekylære modellering, de forsøger, vil være for langsom, og at de bliver nødt til at bytte i forenklede modeller for at fremskynde den indledende selvorganisering.
vi mener, at disse simuleringer i stor skala er værdifulde, men siger, at der kræves en mere eksplicit “funktionel algoritmisk model” for at opnå menneskelige intelligensniveauer. Han er ikke imponeret over neurale netværk og deres potentiale, mens han er meget bullish på vektorkvantisering, skjulte Markov-modeller og genetiske algoritmer, da han brugte alle tre med succes i sit talegenkendelsesarbejde. Det er en af de mest almindelige måder at finde en ny model på. Han siger også, at hans tilgang ligner Jeff Haukins’ hierarkiske tidsmæssige hukommelse, selvom han føler, at de hierarkiske skjulte Markov-modeller har en fordel i mønsterdetektering.
vi berører nogle moderne applikationer af avanceret AI, herunder Googles selvkørende biler, IBM ‘ s Vandson, der slog de bedste menneskelige spillere i spillet Jeopardy!, Siri personlige assistent i Apple iPhone eller dens konkurrent Google Voice Search. Han kontrasterer den håndkodede viden om Douglas Lenats Cyc-projekt med den automatiserede indlæring af systemer som Google Translate og foreslår, at den bedste tilgang er at bruge en kombination af begge, hvilket er, hvordan IBMs Vandson var så effektiv. Ifølge John Searle har hans “kinesiske værelse” – indvending rettet mod ham og argumenteret for, at han kun manipulerer symboler uden mening. Den menneskelige hjerne er “bare” gør hierarkisk statistisk analyse samt.
i et afsnit med titlen En strategi for at skabe et sind opsummerer han, hvordan han ville sammensætte et digitalt sind. Han ville starte med en mønstergenkender og arrangere et hierarki til selvorganisering ved hjælp af en hierarkisk skjult Markov-model. Alle parametre i systemet vil blive optimeret ved hjælp af genetiske algoritmer. Han ville tilføje et” kritisk tænkningsmodul ” for at scanne eksisterende mønstre i baggrunden for uforenelighed for at undgå at holde inkonsekvente ideer. Hjernen skal have adgang til “åbne spørgsmål i enhver disciplin” og have evnen til at “mestre store databaser”, noget traditionelle computere er gode til. Han føler, at den endelige digitale hjerne ville være “lige så dygtig som biologiske til at gennemføre ændringer i verden”.
Filosofirediger
en digital hjerne med menneskelig intelligens rejser mange filosofiske spørgsmål, hvoraf den første er, om den er bevidst. Bevidsthed er “en fremvoksende egenskab ved et komplekst fysisk system”, således at en computer, der emulerer en hjerne, ville have den samme fremvoksende bevidsthed som den virkelige hjerne. Dette er i modsætning til folk som John Searle, Stuart Hameroff og Roger Penrose, der mener, at der er noget specielt ved den fysiske hjerne, som en computerversion ikke kunne duplikere.
et andet spørgsmål er fri vilje, i hvilken grad folk er ansvarlige for deres egne valg. Fri vilje vedrører determinisme, hvis alt er strengt bestemt af tidligere stat, så vil nogle sige, at ingen kan have fri vilje. Han har en pragmatisk tro på den frie vilje, fordi han føler, at samfundet har brug for den for at fungere. Han foreslår også, at kvantemekanik kan give “en kontinuerlig kilde til usikkerhed på det mest basale niveau af virkeligheden”, således at determinisme ikke eksisterer.
endelig adresserer vi identitet med futuristiske scenarier, der involverer kloning af en ikke-biologisk version af nogen, eller gradvist omdanne den samme person til en ikke-biologisk enhed en operation ad gangen. I det første tilfælde er det fristende at sige, at klonen ikke er den oprindelige person, fordi den oprindelige person stadig eksisterer. I stedet konkluderer vi, at begge versioner er lige den samme person. Han forklarer, at en fordel ved ikke-biologiske systemer er “evnen til at blive kopieret, sikkerhedskopieret og genskabt”, og det er bare noget, folk bliver nødt til at vænne sig til. Vi mener, at identitet “bevares gennem kontinuitet i det informationsmønster, der skaber os”, og at mennesker ikke er bundet til et specifikt “substrat” som biologi.
lov om accelererende returneredit
loven om accelererende afkast er grundlaget for alle disse spekulationer om at skabe en digital hjerne. Det forklarer, hvorfor beregningskapaciteten vil fortsætte med at stige uformindsket, selv efter at Moores lov udløber, hvilket vi forventer vil ske omkring 2020. Integrerede kredsløb, den nuværende metode til at skabe computerchips, vil falme fra rampelyset, mens nogle nye mere avancerede teknologier vil afhente slakken. Det er denne nye teknologi, der får os til de massive beregningsniveauer, der er nødvendige for at skabe en kunstig hjerne.
efterhånden som eksponentielle fremskridt fortsætter ind i og ud over singulariteten, siger vi “vi vil fusionere med den intelligente teknologi, vi skaber”. Derfra vil intelligens ekspandere udad hurtigt. Han undrer sig endda over, om lysets hastighed virkelig er en fast grænse for civilisationens evne til at kolonisere universet.