जो शब्दों में नहीं कहा जा सकता

हैमिंग की मशीन बुद्धिमत्ता सीमाओं के बारे में केंद्रीय दावा: सभी मानव ज्ञान को नियमों या निर्देशों में अनुवाद नहीं किया जा सकता। कुछ ज्ञान औपचारिकरण का प्रतिरोध करता है — प्रयास या बुद्धिमत्ता की कमी के कारण नहीं, बल्कि क्योंकि शब्दीकरण सही माध्यम नहीं है।

1980 के दशक की विशेषज्ञ प्रणालियों ने नियम के आधार के रूप में विशेषज्ञता को कैप्चर करने का प्रयास किया: यदि लक्षण-A और लक्षण-B तो निदान-C। वे संकीर्ण, अच्छी तरह से परिभाषित डोमेन में काम करते थे। वे उन डोमेन की सीमाओं पर विफल रहे, जहाँ अनुभवी व्यवसायियों का बिल्कुल अंतर्निहित ज्ञान सबसे अधिक महत्वपूर्ण है।

रसायनज्ञ की कौन सी प्रतिक्रिया आगे बढ़ेगी, अनुभवी वेल्डर की सही चाप अंतराल के लिए महसूस, सर्जन का अर्थ कि ऊतक गलत दिखता है — ये केवल नियम नहीं हैं जो स्पष्ट होने की प्रतीक्षा में हैं। हैमिंग तर्क देते हैं कि कुछ स्थायी रूप से अनकोडिफ़ाइ करने योग्य हो सकते हैं।

स्वचालन के लिए यह क्यों महत्वपूर्ण है

नियम-आधारित प्रणालियाँ अच्छी तरह से परिभाषित डोमेन के केंद्र में बहुत अच्छी तरह से काम करती हैं। वे सीमा पर विफल रहते हैं। अनुभवी व्यवसायी सीमा पर रहते हैं। यह विषमता निर्धारित करती है कि स्वचालन क्या कर सकता है & नहीं कर सकता है।

अंतर्निहित ज्ञान की पहचान करना

माइकल पोलानी की इस अभिव्यक्ति: 'हम जानते हैं कि हम कह नहीं सकते।' उन्होंने चेहरे की पहचान का उदाहरण दिया — अधिकांश लोग तुरंत हजारों चेहरे पहचानते हैं लेकिन यह नहीं बता सकते कि वे कौन से नियम उपयोग करते हैं।

हैमिंग इसे विशेषज्ञ प्रणालियों से जोड़ते हैं: गहरी समस्या यह नहीं है कि हमने अभी तक नियम नहीं लिखे हैं; यह है कि कुछ डोमेन के लिए, कोई पूर्ण नियम सेट मौजूद नहीं है।

4×4×4 टिक-टैक-टो

हैमिंग अपनी काम की गई उदाहरण के रूप में 4×4×4 त्रि-आयामी टिक-टैक-टो का उपयोग करते हैं। बोर्ड में 64 वर्ग और 76 जीतने की लाइनें हैं। द्वि-आयामी टिक-टैक-टो का एक ज्ञात ड्राइंग रणनीति है; यह कोई भी दिलचस्प बुद्धिमत्ता प्रदर्शित नहीं करता है। 4×4×4 संस्करण सच्ची हेयुरिस्टिक्स की आवश्यकता करने के लिए काफी कठिन है।

प्रोग्राम की संरचना

चरण 1: कानूनी चालों की गणना करें।

चरण 2: 'गर्म बिंदुओं' का पक्ष लें — कोने & केंद्रों में उनके माध्यम से अधिक जीतने की लाइनें हैं बनाम किनारे या चेहरे-केंद्र वर्ग। घन की केंद्र-कोने द्वैत का उपयोग करें: एक उलटा मौजूद है जो कोनों को केंद्रों में भेजता है & केंद्रों को कोनों में भेजता है जबकि सभी 76 लाइनों को संरक्षित करता है।

चरण 3: मोटे तौर पर समान चालों में बेतरतीब ढंग से खेलें। नियतात्मक खेल एक धैर्यवान विरोधी को आपकी रणनीति मैप करने और शोषण ढूंढने देता है। यादृच्छिकता व्यवस्थित शोषण को रोकता है।

चरण 4: प्राथमिकता क्रम में अनुक्रमिक नियम लागू करें।

अनुक्रमिक नियम, प्राथमिकता क्रम में: (1) यदि कोई जीतने वाली चाल मौजूद है तो जीतें; (2) विरोधी की जीतने वाली चाल को अवरुद्ध करें; (3) यदि उपलब्ध हो तो एक फोर्क लें; (4) विरोधी के फोर्क को अवरुद्ध करें; (5) मजबूर चालें करें; (6) हेयुरिस्टिक्स पर वापस गिरें।

संरचना पर ध्यान दें: नियतात्मक नियम स्पष्ट रूप से परिभाषित स्थितियों को कवर करते हैं। हेयुरिस्टिक्स सब कुछ और संभालते हैं। उनके बीच की सीमा बिल्कुल वह है जहाँ अंतर्निहित ज्ञान शुरू होता है।

सैमुएल की चेकर-खेलने वाली प्रोग्राम

IBM में आर्थर सैमुएल ने एक चेकर-खेलने वाली प्रोग्राम लिखी जो एक राज्य चैंपियन को हराने के लिए प्रसिद्ध हो गई। क्या इसे उल्लेखनीय बनाया: इसने एक शिक्षण तंत्र का उपयोग किया। सैमुएल ने मूल्यांकन फ़ंक्शन को पैरामीटर किया (बोर्ड नियंत्रण, राजा लाभ, गतिशीलता, टुकड़े पिनिंग आदि को वजन देना), फिर प्रोग्राम की दो प्रतियों को थोड़ी अलग पैरामीटर सेटिंग्स के साथ एक दूसरे के विरुद्ध खेलने दिया। बेहतर प्रदर्शन करने वाली संस्करण जीवित रहा।

यह पैरामीटर खोज है, नियम खोज नहीं — लेकिन यह सार्थक अर्थ में शिक्षण का गठन करता है। प्रोग्राम बिना प्रोग्रामर के स्पष्ट रूप से बेहतर नियम लिखे विधि में सुधार किया।

हैमिंग पूछते हैं: क्या सैमुएल की प्रोग्राम मौलिकता दिखाई जब इसने आश्चर्यजनक चालें कीं? आप साबित नहीं कर सकते कि यह था, लेकिन आप समान रूप से साबित नहीं कर सकते कि आप में कोई मौलिकता है किसी भी अर्थ में जो चेकर प्रोग्राम को बाहर करता है।

विशेषज्ञ प्रणालियाँ & उनकी सीमाएं

1970-80 के दशक की विशेषज्ञ प्रणालियों ने व्यावसायिक ज्ञान को मशीन-निष्पादन योग्य नियमों के रूप में औपचारिक करने का सबसे व्यवस्थित प्रयास दर्शाया। चिकित्सा निदान, भूवैज्ञानिक सर्वेक्षण, वित्तीय विश्लेषण, सर्किट डिजाइन — प्रत्येक डोमेन ने अपनी स्वयं की नियम-आधारित प्रणाली को आकर्षित किया।

अच्छी तरह से परिभाषित उप-समस्याओं में प्रदर्शन अक्सर प्रभावशाली था। लेकिन प्रणालियाँ एक विफलता तरीका साझा करती थीं: वे तब तक काम करती थीं जब तक समस्या नियम कवरेज से बाहर नहीं गई, फिर पूरी तरह विफल रहीं। मानव विशेषज्ञ सुन्दरता से गिरावट; नियम प्रणालियाँ एक चट्टान से गिरती हैं।

मूल कारण हैमिंग की पहचान करते हैं: विशेषज्ञ प्रणालियों का निर्माण करने वाले लोगों के पास यह जानने का कोई व्यवस्थित तरीका नहीं था कि क्या गायब था। विशेषज्ञ अपने नियमों को स्पष्ट करते हैं — लेकिन विशेषज्ञ एक दिए गए स्थिति में कौन से नियम लागू होते हैं यह तय करने के लिए अपने अनकोडिफ़ाइ निर्णय का उपयोग करते हैं। वह मेटा-स्तर निर्णय कभी प्रणाली में नहीं किया गया।

अपने कैरियर के लिए सही प्रश्न

व्यावहारिक रूप से उपयोगी प्रश्न 'क्या मशीनें सोच सकती हैं?' नहीं है। यह है: आपके क्षेत्र में किसी भी कार्य के लिए, क्या महत्वपूर्ण कठिनाई नियम-कवर केंद्र में रहती है, या सीमा पर जहाँ निर्णय & अंतर्निहित ज्ञान संचालित होता है? स्वचालन विश्वसनीय रूप से पूर्व को संभालता है। यह बाद के साथ संघर्ष करता है। आपकी कैरियर रणनीति अंतर जानने से अनुसरण करती है।