Merumuskan Pertanyaan
Hamming membuka dengan jebakan. 'Dapatkah mesin berpikir?' terdengar seperti pertanyaan ya-atau-tidak yang sederhana. Dia berpendapat bahwa ini menyembunyikan tiga masalah terpisah: apa yang dihitung sebagai mesin, apa yang dihitung sebagai pemikiran, & apakah pertanyaan itu bahkan memiliki jawaban yang bermakna.
Dia menghabiskan satu tahun mencoba mengidentifikasi program terkecil yang akan dia percayai dapat berpikir. Setelah setahun kegagalan, dia menyimpulkan bahwa dia telah mengajukan pertanyaan yang salah. Mungkin pemikiran bukan sifat ya-atau-tidak. Mungkin pemikiran memungkinkan derajat.
Pergeseran kerangka kerjanya: alih-alih 'dapatkah mesin berpikir,' tanyakan 'sejauh mana mesin dapat mengurangi beban intelektual hidup?' Pertanyaan itu menunjuk langsung pada kemanfaatan daripada pada metafisika.
Bahaya Kepastian
Hamming memperingatkan bahwa kedua ekstrem membawa risiko profesional. Percaya mesin tidak dapat berpikir: Anda akan meremehkan penggunaannya & tertinggal. Percaya mesin jelas dapat berpikir: Anda akan melebih-lebihkan perkiraan mereka & membangun sistem yang gagal dengan cara yang tidak Anda antisipasi.
Tidak ada kepercayaan yang aman. Anda harus mengembangkan posisi Anda sendiri yang dipertimbangkan dengan cermat.
Tes Turing
Alan Turing, pada tahun 1950, mengusulkan uji perilaku: jika seseorang di teletype tidak dapat membedakan manusia dari mesin yang diprogram dengan tepat, mesin itu 'berpikir' — menurut definisi.
Hamming menghargai kecanggihan gerakan tersebut. Turing menghindari pertanyaan filosofis yang tidak terjawab tentang pengalaman batin & menggantinya dengan perilaku yang dapat diamati. Itu adalah naluri ilmiah yang baik.
Tetapi Hamming memiliki keberatan struktural: tes Turing melanggar metode ilmiah standar. Sains dimulai dengan masalah paling sederhana terlebih dahulu, bukan yang tersulit. Tes Turing, seperti yang dikatakan Hamming, sulit sebelum mudah. Ini mengevaluasi intelijen percakapan penuh sebelum kita memahami pembelajaran sederhana atau pengikutan aturan.
Apa yang Tidak Dapat Dimasukkan Kata-Kata
Klaim pusat Hamming tentang batas intelijen mesin: tidak semua pengetahuan manusia dapat diterjemahkan ke dalam aturan atau instruksi. Beberapa pengetahuan menolak formalisasi — bukan karena kita kekurangan upaya atau intelijen, 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 domain yang sempit dan terdefinisi dengan baik. Mereka gagal di batas-batas domain tersebut, di mana pengetahuan tersirat dari praktisi berpengalaman paling penting.
Intuisi ahli kimia tentang reaksi mana yang akan berlanjut, rasa pengelas berpengalaman untuk celah busur yang tepat, indera ahli bedah tentang kapan jaringan terlihat salah — ini bukan hanya aturan yang menunggu untuk diartikulasikan. Hamming berpendapat beberapa mungkin permanen tidak dapat dikodifikasi.
Mengapa Ini Penting untuk Otomasi
Sistem berbasis aturan bekerja dengan sangat baik di pusat domain yang terdefinisi dengan baik. Mereka gagal di batas. Praktisi berpengalaman hidup di batas. Asimetri ini membentuk apa yang otomasi dapat & tidak dapat menggantikan.
Mengidentifikasi Pengetahuan Tersirat
Frasa Michael Polanyi untuk ini: 'Kami tahu lebih banyak daripada yang bisa kami katakan.' Dia menggunakan contoh pengenalan wajah — kebanyakan orang mengenali ribuan wajah secara instan tetapi tidak dapat mendeskripsikan aturan yang mereka gunakan.
Hamming menghubungkan ini dengan sistem ahli: masalah yang lebih dalam bukanlah bahwa kami belum menulis aturannya; itu karena untuk beberapa domain, tidak ada set aturan lengkap yang ada.
Tic-Tac-Toe 4×4×4
Hamming menggunakan tic-tac-toe tiga dimensi 4×4×4 sebagai contoh kerjanya. Papan memiliki 64 kotak & 76 garis pemenang. Tic-tac-toe dua dimensi memiliki strategi pengundian yang diketahui; ini menunjukkan tidak ada intelijen yang menarik. Versi 4×4×4 cukup sulit untuk memerlukan heuristik yang tulus.
Struktur Program
Langkah 1: enumerasi gerakan hukum.
Langkah 2: lebih suka 'spot panas' — sudut & pusat memiliki lebih banyak garis pemenang melalui mereka daripada tepi atau kotak pusat wajah. Gunakan dualitas pusat-sudut kubus: ada inversi kubus yang mengirimkan sudut ke pusat & pusat ke sudut sambil melestarikan semua 76 baris.
Langkah 3: bermain secara acak di antara gerakan yang kira-kira setara. Permainan deterministik memungkinkan lawan yang sabar memetakan strategi Anda & menemukan eksploitasi. Keacakan mencegah eksploitasi sistematis.
Langkah 4: terapkan aturan sekuensial dalam urutan prioritas.
Aturan sekuensial, dalam urutan prioritas: (1) menang jika gerakan menang ada; (2) blokir gerakan menang lawan; (3) ambil garpu jika tersedia; (4) blokir garpu lawan; (5) buat gerakan pemaksa; (6) kembali ke heuristik.
Perhatikan struktur: aturan deterministik mencakup situasi yang jelas didefinisikan. Heuristik menangani segalanya yang lain. Garis antara mereka adalah tepat di mana pengetahuan tersirat dimulai.
Program Checker Samuel
Arthur Samuel di IBM menulis program penggemar catur yang terkenal karena mengalahkan juara negara. Yang membuatnya luar biasa: ia menggunakan mekanisme pembelajaran. Samuel menparametrisasi fungsi evaluasi (mempertimbangkan kontrol papan, keuntungan raja, mobilitas, seret piece, dll.), lalu membiarkan dua salinan program bermain satu sama lain dengan pengaturan parameter yang sedikit berbeda. Versi yang berkinerja lebih baik bertahan.
Ini adalah pencarian parameter, bukan penemuan aturan — tetapi ini merupakan pembelajaran dalam arti yang bermakna. Program meningkat tanpa programmer secara eksplisit menulis aturan yang lebih baik.
Hamming bertanya: apakah program catur Samuel menunjukkan orisinalitas ketika membuat gerakan mengejutkan? Anda tidak dapat membuktikan itu dilakukan, tetapi Anda juga tidak dapat membuktikan Anda memiliki orisinalitas dalam arti apa pun yang mengecualikan program checker.
Sistem Ahli & Batas-Batas Mereka
Sistem ahli tahun 1970-an-80 mewakili upaya paling sistematis untuk memformalkan pengetahuan profesional sebagai aturan yang dapat dieksekusi mesin. Diagnosis medis, survei geologi, analisis keuangan, desain sirkuit — setiap domain menarik sistem berbasis aturannya sendiri.
Kinerja dalam sub-masalah yang terdefinisi dengan baik sering mengesankan. Tetapi sistem berbagi mode kegagalan: mereka bekerja sampai masalah melangkah di luar cakupan aturan, lalu gagal sepenuhnya. Pakar manusia merosot dengan anggun; sistem aturan jatuh dari tebing.
Penyebab akar Hamming mengidentifikasi: orang yang membangun sistem ahli tidak memiliki cara sistematis untuk mengetahui apa yang hilang. Para ahli dapat mengartikulasikan aturan mereka — tetapi para ahli menggunakan penilaian yang tidak dapat dikodifikasi untuk memutuskan aturan mana yang berlaku dalam situasi tertentu. Penilaian tingkat meta itu tidak pernah masuk ke sistem.
Pertanyaan Tepat untuk Karir Anda
Pertanyaan yang praktis berguna bukan 'dapatkah mesin berpikir?' Ini adalah: untuk tugas apa pun di bidang Anda, apakah kesulitan kritis hidup di pusat yang diatur dengan aturan, atau di batas di mana penilaian & pengetahuan tersirat beroperasi? Otomasi menangani mantan dengan andal. Dia berjuang dengan yang terakhir. Strategi karir Anda mengikuti dari mengetahui perbedaannya.