인공지능과 인류의 관계

분석:

50 년 동안 인공지능은 우여곡절 발전의 길을 걸었다. 1990 초 연구원들은 인공지능 이론과 기술의 한계를 깊이 느끼고 다양한 각도와 차원에서 반성했다. 동시에, 인공 지능은 인간의 두뇌의 작동 메커니즘에 대한 심층적 인 이해가 필요하며, 신경 생리학 및 신경 해부학에 대한보다 상세한 정보와 증거가 필요합니다.

인공지능은 많은 학과를 융합하여 철학과 불가분의 관계가 있다. 사실, 최근의 철학적 진전은 기본적으로 과학에 아무런 영향을 미치지 않았으며, 철학 토론의 대상은 종종 미해결 (러셀, 노비그 P. 인공지능: 현대적인 방법. 뉴저지: 프렌티스 홀, 1995. 8 17), 과학은 끊임없이 우리 자신에 대한 인식을 변화시킨다.

엥겔스가 말했듯이 (엥겔스의 자연 변증법. 베이징: 인민출판사, 1972. 187): "자연과학자들이 어떤 태도를 취하든, 그들은 여전히 철학의 지배를 받아야 한다. 유일한 질문은: 그들은 어떤 나쁘고 트렌디한 철학에 의해 지배되고 있는가, 아니면 역사에 대한 이해와 사고의 성과에 기초한 이론적 사고에 의해 지배되고 있는가 하는 것이다. (알버트 아인슈타인, 생각명언). "

더 넓은 시야와 더 넓은 목표에 초점을 맞추고 철학적 관점에서 보다 효과적인 인공지능 연구 방법을 찾아야 한다. 물질이 의식을 결정하는 관점을 고수하고, 기존의 지식과 방법을 변증적으로 보고, 각종 관련 학과의 성과와 관점을 종합적으로 통합하는 것이 올바른 출발점이다.

인공 지능의 철학적 중요성

인공지능은 인간 지능에 대한 시뮬레이션과 확장이며, 그 핵심은 사고 시뮬레이션이다.

생각하다

사고 과학은 사고의 법칙과 방법을 연구하는 과학이다. 첸쉐썬 (WHO) 는 이를 기초과학, 기술과학, 공학기술의 세 부분으로 나누었다. 인공지능은 공학 기술 분야 (첸쉐썬) 에 속한다. 사유 과학에 대하여. 상하이: 상하이 인민출판사, 1986.20). 인공지능 연구에서 논리학파와 심리학파 간의 다툼은 때로 곤혹스럽고 어쩔 수 없는 것처럼 보일지 모르지만, 사고과학의 관점에서 볼 때, 이미지 사고와 논리적 사고의 관계일 뿐, 둘 다 사고과학의 기초과학에 속한다. 추상적인 사고의 부족은 구조의 종합능력이 부족하다는 데 있다. 이미지 사고만이 새로운 구조를 합성할 수 있다. 이것이 창작과 공부가 결국 형상적 사고를 가져야 하는 이유일 수 있다 (판운학). 패턴 인식 및 인공지능, 199 1, 4(4): 7).

다른 견해에 따르면, 사고 과학 체계의 기초 과학은 두 가지 주요 범주로 구성되어 있다. 하나는 인간의 사고 경험을 총결하고, 사고 대상과 사고 자체의 보편적 법칙을 밝히는 각종 사고 과학이다. 철학적 세계관, 철학사, 인식론, 논리학, 이론적 사고 과학이다. 또 다른 종류의 사고과학에는 신경생리학과 신경해부학이 포함되며, 사고의 주체인 인간의 뇌의 생리구조와 기능을 연구하여 사고 과정의 생리적 메커니즘을 밝혀낸다. 이런 관점은 인식론을 사고과학의 기초과학 안에 두었다. 사실 두 가지 관점이 있습니다.

둘 다 인공지능과 철학이 인식론을 통해 연결되어 있다는 것을 부인하지 않는다.

인식론의

인식론은 지식의 출처, 발전, 과정, 능력, 역할을 연구한다. 즉, 인식론은 지식, 그 형태와 한계를 연구한다. 철학자들은 가장 큰 기회에 대한 관찰과 계산을 통해 잠재적으로 알 수 있는 것이 분명하다고 강조했다. 인공지능은 기존의 관찰과 계산법을 통해 알 수 있는 것을 찾는 데 중점을 두고 있다. 사실, 인공지능과 인식론은 본질적으로 서로 융합되어 있다.

인식론은 인공지능의 연구 방향과 방법에 지도적 의의가 있지만, 그렇다고 특정 연구를 대체할 수 있다는 의미도 아니고, 어떤 인공지능의 연구도 인식론을 명확하게 고려해야 한다는 의미도 아니다. 세계의 보편적인 표현 등 문제에서 우리는 아직 진정으로 합의하지 못했기 때문에, 철학에서 나온 구체적이고 풍부한 정보만으로 컴퓨터 프로그램을 작성하면 인공지능은 매우 절망적인 상태에 놓이게 될 것이다. (윌리엄 셰익스피어, 윈스턴, 과학명언) (윌리엄 셰익스피어, 윈스턴, 과학명언)

심령철학과 인지과학

마음은 사람의 기억, 사상, 의식, 감정, 의도, 소원, 사고, 지능 등 심리적 행동 (장영영, 왕병문) 을 가리킨다. 현대 서구의 유명한 철학자에 대한 논평 (2). 심령철학. 제남: 산둥 인민출판사, 1996). 컴퓨터 과학에서 소프트웨어와 하드웨어의 구분에 따르면 H.Putnam 은 마음과 뇌의 관계를 기능적 상태와 물리적 상태로 해석한다. 정보 처리 이론에 따르면 H.Simon 은 인간의 사유가 본질적으로 정보 처리 과정이며 컴퓨터도 정보 처리 시스템이라고 생각한다. 그래서 컴퓨터는 생각할 수 있고 인간의 사고를 시뮬레이션할 수 있다. 인간의 마음과 정신세계는 항상 철학자들이 생각하는 대상이다. 이 연구 분야는 심령철학의 주제를 구성한다. 인공지능, 뇌과학, 인지심리학, 통제론, 언어학의 추진으로 마음철학은 생기발랄한 광경을 보였다.

E. 후셀은 심리적 표현의 지향성을 철학의 중심으로 삼는 최초의 철학자이다. 그는' 심령철학' 에서 처음으로 심리표현 기능에 대한 일반 이론을 제시했다. 그는 지능이 상황 정의, 목표에 의해 인도되는 활동이며, 예상 사실에 대한 탐구라고 생각한다.

심령철학을 스며든 인지과학 (Cognitive science) 은 1970 년대 말 공식적으로 교차 학과로 선언되어 인공지능, 인지심리학, 언어학, 철학, 인류학, 신경생리학 등의 학과를 종합해 지능 시스템의 작동 원리를 연구했다. 그 핵심 사상은 인지주의라고 불리며, 그 중심 명제 중 하나는 지능 행위가 내재적인 인지과정, 즉 이성적 사고 과정으로 해석될 수 있다는 것이다. 따라서 컴퓨터와 유사한 정신 모델에서 뇌의 작동 원리를 연구하고, 인지 과정을 정보 처리 과정으로 해석하고, 모든 지능 시스템을 물리적 기호 시스템으로 이해하는 것은 자연스러운 가정이다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 컴퓨터명언)

심령철학은 인지과학보다 더 높은 이론이지만, 그것들 사이의 상호 작용과 영향은 의심할 여지가 없다. 심령철학은 인지과학 연구 성과를 뛰어넘는 독단적인 이론적 가설을 만들어서는 안 되며, 인지과학도 심령철학의 이론적 성과를 배척하여 맹목적으로 탐구해서는 안 된다.

인지심리학

인지심리학과 인공지능은 인지과학의 두 가지 구성 요소이다. 인공지능은 심리학 이론으로 심리학은 인공지능의 성과를 차용한다. 인뇌를 컴퓨터와 비교하는 것은 인지심리학을 발전시키는 주요 방법이다.

인지심리학은 인간의 인지심리를 이해하고 컴퓨터 프로그래밍 언어를 통해 이런 이해를 표현하는 것을 목표로 한다. 인공지능은 컴퓨터 언어로 인간의 지능을 묘사하고 컴퓨터로 구현하기 위해 노력한다. 두 사람의 유사점은 컴퓨터 프로그래밍 언어로 인간의 지능을 묘사하는 것이다. 그러나, 그것들 사이에는 중요한 차이가 있다. 인공지능은 이미 컴퓨터에 인간의 지능을 시뮬레이션하는 프로그램을 부과했다. 이 프로그램에는 시스템 자체를 아는 과정이 포함되며, 그런 다음 시스템에 일정한 임무를 부여하면 행동을 하게 된다. (존 F. 케네디, 컴퓨터명언) 이것은 인공지능이 사실이라는 것을 보여준다.

진실과 확실성. 인지심리학은 정보 가공이 인간 지능의 유일한 심리적 원인인지는 확실하지 않다. 심지어 이런 정보 처리 자체도 직접적인 증거가 없다. 인지심리학은 행동에서 정신이 어떤 절차로 행동을 일으키는지 추론할 수 있을 뿐, 이것은 매우 가설적인 것이다.

길이 드레포스는 후젤을 당대 인지심리학과 인공지능의 선구자로 여긴다. 그는 선험현상학이 두 가지 방면에서 인공지능과 관련이 있다고 생각한다. 첫째, 후셀은 의식적으로 마음을 탐구하는 구조를 철학 연구의 중심으로 삼았다. 둘째, 후세르는 의도 활동에서 사람들이 기대하는 대상 세계의 구성과 그 안에 포함된 복잡한 형식 구조를 구체적으로 설명했다. 드레포스는 인간의 인지능력이 실천을 통해 발전했다고 지적했다. 이런 독특한 인지능력은 인류가 세상에 존재하는 한 가지 방법을 제공한다.

제한의 풍부함은 인류의 모든 지능 행동의 기초를 형성한다. 인지심리학은 순수한 인지구조를 통해 모든 지능을 파악하려고 시도하지만, 뇌의 비인지 방면을 전혀 고려하지 않는 것은 반드시 실패할 운명이다. 모든 지능과 지능 행동은 인류가 그들에 대해 무엇을 이해하는지 거슬러 올라가야 한다. 끝없는 재귀로 인해 이런 이해는 영원히 완전히 이해되지 않을 것이기 때문이다. (존 F. 케네디, 지혜명언) 인간 지능의 기초는 갈라지거나 명확하게 이해될 수 없다. 그는 또한 후젤의 의식이 민스키의 틀 이론과 매우 비슷하다고 지적했다. 인공지능은 발전 과정에서 결국 일상 지식의 표현에 직면해야 하는데, 이것은 철학상의 난점, 관건, 매력적인 곳이며, 인공지능은 여전히 그것을 위해 분투하고 있다.

인공지능의 물질적 기초

일찍이 1950 년대에는 컴퓨터가 사고 기호를 처리하는 시스템이라고 생각하는 것과 뇌를 모델링하는 매체라고 생각하는 두 가지 논란이 있었다. 하나는 컴퓨터로 세계를 형식화하는 것이고, 다른 하나는 뉴런의 상호 작용을 시뮬레이션하는 것이다. 문제 해결을 지능의 패러다임으로 여기다. 또 다른 하나는 학습을 강조하는 것입니다. 하나는 논리이고, 하나는 통계에 기반을 두고 있습니다. 하나는 철학적 이성주의와 복원론의 계승자이고, 하나는 자신을 신경과학으로 여긴다. 사실, 그들은 각각 상징주의 유파와 관계를 대표한다.

주의 학파.

심리학에서 복잡한 사고와 뉴런 사이의 상징적 계층 이론은 매우 중요하다. 기호는 사고의 재료이지만, 물질의 모델이기도 하다. 사상' 은 뇌가 만질 수 있는 생물물질과 뚜렷하고 근본적인 차이가 있는데, 이는 인공신경망 모델링에 의심할 여지 없이 의미가 있다. 유감스럽게도, 현재 실제 신경계에 대한 이해는 매우 제한되어 있으며, 자신의 뇌 구조와 그 활동 메커니즘에 대한 이해는 아직 매우 얕다. 사실, 많은 신경망 모델은 매우 간단하고 거칠고, 어떤' 선험적' 을 가지고 있다. 예를 들어 볼츠만 기계는 국부 극소수를 피하기 위해 무작위 교란을 도입하지만 필요한 신경생리학 기초 (동군, 판운학) 가 부족하다. 인공지능과 인식론의 사고 개요. 참조: 중국의 인공 지능 진보. 베이징: 베이징우편대학 출판사, 200 1. 22).

신경정보 처리 메커니즘에 대한 심도 있는 분석이 전산과학의 혁명적인 변화를 일으킬 수 있다고 생각하는 사람들도 있다. 언어 능력은 인간 두뇌 특유의 고급 기능이지만, 현재 언어의 중추 표상에 대한 모호한 인식뿐 아니라, 이런 정보 처리 과정을 연구하는 적절한 연구 방법도 부족하다. 그래서 방법론의 지도가 절실히 필요하다. 왜냐하면 그것이 신경망의 연구와 작용에 대해 의심할 여지가 없기 때문이다.

1980 년대 중후반, 뇌에 혼돈 현상이 있다는 사실이 밝혀졌으며, 뇌 활동의 심층 메커니즘을 밝혀낼 수 있어 많은 관심을 끌고 있다. 생리적 본질에서 출발하면 신경망을 연구하는 근본적인 수단이다. 카오스 신경 네트워크 연구는 불안정한 상태에서 네트워크의 동적 행동과 정보 처리 능력을 탐구한다. 카오스 역학은 인공신경망과 인공지능을 연구하는 새로운 계기를 제공한다. 여기서, 우리는 단순히 순수한 의미상의 생리적 시뮬레이션을 장려하는 것이 아니다. 자연과 사회 법칙에 대한 파악은' 복제' 과정이 아니기 때문이다. 인공신경망의 원래 의도도 실제 신경계에 대한 사실적인 묘사가 아니라 물질적 기초와 객관적 기초에 따라 단순화, 추상화, 시뮬레이션을 하는 것이다.

신경망의 기본 구조는 표준 컴퓨터보다 뇌와 더 비슷하다. 그들의 단위는 실제 뉴런이 복잡하지 않아 신대뇌피질의 회로에 비해 구조가 너무 간단하다. 비록 신경망에는 이러한 한계가 있지만, 그것은 여전히 놀라운 임무를 완성할 수 있는 능력을 보여 준다. 인간의 뇌가 정보를 처리하는 데 사용하는 기호 기반 직렬 논리 추론 과정은 처음부터 현대 디지털 컴퓨터에 의해 사용되었다.

흥미롭게도 인공지능은 어떤 사고의 기능이 프로그래밍되면 더 이상' 실용적 사고' 의 기본 구성 요소로 여겨지지 않는다는' 정리' 를 갖고 있는 것 같다. 인공지능의 핵심은 항상 프로그래밍되지 않은 부분을 가리킨다.

인공신경망은 아직도 해결해야 할 기초적이고 근본적인 문제들이 많다. 어느 정도는 알고리즘일 뿐이지만, 이것은 신경 네트워크가 사유가 물질 세계의 산물이며, 인간의 뇌 기능을 전제로 하는 시도와 산물이라는 것을 감출 수는 없다. (알버트 아인슈타인, 생각명언) 선사 시대 문명에 대한 탐구든 외계 지혜에 대한 호기심이든 물질 결정 의식의 기본 관점을 부정할 이유가 없다.

인간의 지능과 인공지능

사람의 특징을 설명하는 많은 모형은 종교, 예술 등에서 나온다. 예를 들어, 원시 예술의 상징언어는 독특한 상징수단으로 인류의 원시 본능과 초자연적인 세계의 다양한 이미지를 구성하고, 그들에게 독특한 형태를 부여함으로써 다양한 표현의 이미지 시스템을 형성한다. 이것은 우리가 인간의 지능이 서로 다른 구체적인 표현을 가지고 있을 뿐만 아니라, 지능이 사회생활과 객관적인 현실에 의존한다는 것을 이해하게 한다.

그러나 길은 어렵다. 인간의 원시적이고 무의식적인 사상을 분해하는 것은 매우 어렵다. 불교선사를 분해하여 마음을 현혹시켜 절대 허무한 신비한 쿵푸를 달성하는 것과 같다. 그리고 인간 수준에 도달하는 인공지능은 어렵고 느린 것으로 드러났다.

변증 유물주의는 기계가 독립적으로 생각할 수 있다는 것에 동의하지 않는다. 사람보다 똑똑한 관점이다. 중요한 이유는 사유가 장기 생물 진화의 산물, 특히 사회활동이기 때문이다. 고델은 인간의 사고가 모든 기계보다 낫다는 결론에 동의했다. 바이러스와 같은 인공생명은 컴퓨터에서 끊임없이 번식하고 스스로 복제할 수 있으며, 애초에 인류가 제조한 것이다. 컴퓨터 세계는 완전히 과학자들이 설계한 것으로, 인간의 뇌의 결정체이다.

장자와 혜자는 다음과 같은 대화가 있다. 장자와 혜자가 호량강에서 수영을 하자 장자는 "물고기가 한가롭게 헤엄치는 것은 일종의 즐거움이다" 고 말했다. 혜자가 말했다. "너는 물고기도 아닌데, 물고기가 행복하다는 것을 어디서 알 수 있니?" -응? Zhuangzi 는 말했다, "나는 물고기의 기쁨을 모른다. 클릭합니다 혜자가 말했다. "나는 아들이 아니지만, 나는 이 아들을 모른다. 나는 물고기도 아니고 물고기도 모른다. " Zhuangzi 는 "그 근원을 따르십시오. 공자는 "너는 물고기를 잘 안다" 고 말했다. 내가 아는 것을 알면 나에게 물어 봐. 나는 그것을 잘 안다. "("장자 추수 ")

인간의 지혜와 인공지능의 복잡성과 신비성은 이 글 자체의 내포와 후세 사람들의 각종 해석처럼 흥미진진하고 매혹적이다.

인공지능 발전의 길을 탐구하다

인공지능 연구원들이 기계를 정신용어로 묘사하고자 하는 데에는 두 가지 이유가 있다. 먼저, 저는 기계에 지식과 신념의 이론을 제공하여 사용자들이 무엇을 알고, 무엇을 원하는지, 무엇을 원하는지 추리할 수 있도록 하고 싶습니다. 둘째, 기계에 대한 사용자의 이해는 종종 정신용어로 가장 잘 표현될 수 있다. 인공지능의 발전에서 심리학과 철학은 자연히 그것과 상호 작용한다. 인공지능과 철학의 관계는 애초에 심리학이라는 다리를 통해 이뤄졌다.

인공지능은 처음부터 하향식과 하향식의 결합이었다. 하향식이나' 내포식' 의 표현은 흔히 문득 깨달은 느낌을 주지만, 상향식이나' 외연식' 의 표현은 수첩과 같다. 실제로 두 가지 방법이 필요합니다. 하나는 위에서 아래로 아이디어를 뉴런에 매핑하는 것입니다. 다른 하나는 상향식으로, 사상이 어떻게 혼란스러워 보이는 뉴런 클러스터에서 생겨났는지 설명하는 데 쓰인다. (알버트 아인슈타인, 생각명언)

인지 과학의 발전에는 이상한 현상이 있다. 어려워 보이지만 환경과 상대적으로 격리될 수 있는 작업 (예: 바둑 및 암호 해독) 의 경우 컴퓨터 시스템은 특수 훈련을 받은 사람을 능가할 수 있다. 그러나 시각과 청각과 같은 장기 진화에서 형성된 가장 흔한 인지 기능 중 일부는 수십 년간의 노력 끝에 발전한 인공지능 시스템이 아기의 능력보다 못하다. 반드시 진화의 관점과 사회사 발전의 제약 요인으로 뇌의 지능 활동을 연구해야 포괄적이고 정확한 이해를 얻을 수 있다.

우리는 항상 통합과 단순화의 원칙을 따라야 하지만 과학에는 단순화할 수 없는 복잡성이 있음을 인정해야 합니다. 인공지능과 인식론의 관계를 토론하는 것은 인공지능의 연구를 대신할 수는 없지만, 인공지능의 연구자들은 늪에서 길을 잃지 않도록 할 수 있다. 하지만 유감스럽게도 인공지능 연구자들은 인공지능과 철학의 관계, 기본적인 변증적 사고 방법, 즉 요약과 연역, 분석, 종합을 간과하는 경우가 많다. 사실 모든 사람은 자신의 사고 경험에서 분석과 합성을 느낄 수 있다.

빈도와 중요성. 그러나, 이런 기본적인 사고 메커니즘에 대한 연구는 오히려 이렇게 약하다. 역사적으로 인공지능의 발전은 수시로 예상치 못한 심도난에 빠져 인공지능 발전의 기술적 문제에서 원인을 찾아야 할 뿐만 아니라 인공지능의 가장 근본적인 개념과 이론에서도 원인을 찾아야 한다는 것을 일깨워 준다. (윌리엄 셰익스피어, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능, 인공지능) 인공지능은 더 넓은 시야를 필요로 한다.

거시적인 방법 지도입니다.