Formulare la Domanda
Hamming inizia con una trappola. 'Le macchine possono pensare?' sembra una semplice domanda sì o no. Sostiene che nasconde tre problemi distinti: cosa conta come una macchina, cosa conta come pensare, & se la domanda ha anche una risposta significativa.
Ha passato un anno cercando di identificare il programma più piccolo che potrebbe pensare secondo lui. Dopo un anno di insuccesso, ha concluso di aver posto la domanda sbagliata. Forse il pensiero non è una proprietà sì o no. Forse ammette gradi.
Il suo cambio di formulazione: invece di 'le macchine possono pensare', chiedere 'in che misura le macchine possono alleviare i carichi intellettuali della vita?' Quella domanda punta direttamente all'utilità piuttosto che alla metafisica.
Il Pericolo della Certezza
Hamming avverte che entrambi gli estremi comportano rischi professionali. Credi che le macchine non possono pensare: le userai insufficientemente & rimarrai indietro. Credi che le macchine ovviamente possono pensare: le sopravvaluterai & costruirai sistemi che falliscono in modi che non hai anticipato.
Nessuna credenza è sicura. Devi sviluppare la tua posizione ponderata.
Il Test di Turing
Alan Turing, nel 1950, ha proposto un test comportamentale: se una persona a una telescrivente non riesce a distinguere un essere umano da una macchina opportunamente programmata, la macchina 'pensa' — per definizione.
Hamming rispetta l'intelligenza della mossa. Turing evita la domanda filosofica senza risposta sull'esperienza interiore & la sostituisce con un comportamento osservabile. Questo è un buon istinto scientifico.
Ma Hamming ha un'obiezione strutturale: il test di Turing viola il metodo scientifico standard. La scienza inizia con i problemi più semplici prima, non i più difficili. Il test di Turing è, come dice Hamming, difficile prima di facile. Valuta l'intelligenza conversazionale completa prima che comprendiamo l'apprendimento semplice o il seguire le regole.
Ciò che Non Può Essere Messo in Parole
L'affermazione centrale di Hamming sui limiti dell'intelligenza meccanica: non tutte le conoscenze umane possono essere tradotte in regole o istruzioni. Alcune conoscenze resistono alla formalizzazione — non perché manca lo sforzo o l'intelligenza, ma perché la verbalizzazione non è il mezzo giusto.
I sistemi esperti negli anni '80 hanno cercato di catturare l'expertise come basi di regole: IF sintomo-A AND sintomo-B THEN diagnosi-C. Funzionavano in domini stretti e ben definiti. Fallirono ai confini di quei domini, dove esattamente la conoscenza tacita dei professionisti esperti conta di più.
L'intuizione del chimico su quale reazione procederà, il sentimento del saldatore esperto per il giusto spazio d'arco, il senso del chirurgo di quando il tessuto non sembra giusto — questi non sono semplicemente regole in attesa di essere articolate. Hamming sostiene che alcuni potrebbero essere permanentemente incodificabili.
Perché Questo Conta per l'Automazione
I sistemi basati su regole funzionano molto bene al centro di domini ben definiti. Falliscono al confine. I professionisti esperti vivono al confine. Questa asimmetria definisce ciò che l'automazione può & non può sostituire.
Identificare la Conoscenza Tacita
La frase di Michael Polanyi per questo: 'Sappiamo più di quanto possiamo dire.' Ha usato l'esempio del riconoscimento facciale — la maggior parte delle persone riconosce istantaneamente migliaia di volti ma non riesce a descrivere le regole che usa.
Hamming collega questo ai sistemi esperti: il problema più profondo non è che non abbiamo ancora scritto le regole; è che per alcuni domini, nessuna serie di regole completa esiste.
Tris 4×4×4
Hamming usa il tris tridimensionale 4×4×4 come suo esempio elaborato. La plancia ha 64 quadrati & 76 linee vincenti. Il tris bidimensionale ha una strategia di disegno nota; non dimostra intelligenza interessante. La versione 4×4×4 è sufficientemente difficile da richiedere vere euristiche.
La Struttura del Programma
Passaggio 1: enumera i movimenti legali.
Passaggio 2: favorisci i 'punti caldi' — gli angoli & i centri hanno più linee vincenti attraverso di loro rispetto ai quadrati bordo o centro-faccia. Usa la dualità centro-angolo del cubo: esiste un'inversione del cubo che invia angoli a centri & centri a angoli preservando tutte le 76 linee.
Passaggio 3: gioca a caso tra movimenti rozzamente equivalenti. Il gioco deterministico consente a un avversario paziente di mappare la tua strategia & trovare exploit. La casualità previene lo sfruttamento sistematico.
Passaggio 4: applica le regole sequenziali in ordine di priorità.
Le regole sequenziali, in ordine di priorità: (1) vinci se esiste una mossa vincente; (2) blocca la mossa vincente dell'avversario; (3) prendi una biforcazione se disponibile; (4) blocca la biforcazione dell'avversario; (5) fai mosse forzanti; (6) ricadi su euristiche.
Nota la struttura: le regole deterministiche coprono le situazioni chiaramente definite. Le euristiche gestiscono tutto il resto. La linea tra di loro è esattamente dove inizia la conoscenza tacita.
Il Programma di Samuel per Giocare a Dama
Arthur Samuel presso IBM ha scritto un programma per giocare a dama che è diventato famoso per aver battuto un campione statale. Ciò che lo rese notevole: ha utilizzato un meccanismo di apprendimento. Samuel ha parametrizzato la funzione di valutazione (ponderando il controllo della plancia, il vantaggio del re, la mobilità, l'inceppamento dei pezzi, ecc.), quindi ha fatto giocare due copie del programma l'una contro l'altra con impostazioni di parametri leggermente diverse. La versione con prestazioni migliori è sopravvissuta.
Questa è una ricerca di parametri, non scoperta di regole — ma costituisce l'apprendimento in un senso significativo. Il programma è migliorato senza che il programmatore scrivesse esplicitamente regole migliori.
Hamming chiede: il programma di Samuel ha mostrato originalità quando ha fatto mosse sorprendenti? Non puoi provare che lo ha fatto, ma allo stesso modo non puoi provare di avere originalità in nessun senso che esclude il programma di dama.
Sistemi Esperti & I Loro Limiti
I sistemi esperti degli anni '70-80 rappresentavano il tentativo più sistematico di formalizzare la conoscenza professionale come regole eseguibili da macchina. Diagnosi medica, indagine geologica, analisi finanziaria, progettazione di circuiti — ogni dominio ha attirato il suo sistema basato su regole.
Le prestazioni in sub-problemi ben definiti erano spesso impressionanti. Ma i sistemi condividevano una modalità di fallimento: funzionavano finché il problema non usciva dalla copertura delle regole, quindi fallivano completamente. Gli esperti umani degradano con grazia; i sistemi basati su regole cadono da una scogliera.
La causa fondamentale che Hamming identifica: le persone che costruivano sistemi esperti non avevano un modo sistematico per sapere cosa mancava. Gli esperti potevano articolare le loro regole — ma gli esperti usano il loro giudizio incodificabile per decidere quali regole si applicano in una determinata situazione. Quel giudizio a livello meta non è mai entrato nel sistema.
La Giusta Domanda per la Tua Carriera
La domanda praticamente utile non è 'le macchine possono pensare?' È: per qualsiasi attività nel tuo campo, la difficoltà critica risiede al centro coperto da regole, o al confine dove operano il giudizio & la conoscenza tacita? L'automazione gestisce in modo affidabile la prima. Fatica con la seconda. La tua strategia di carriera segue dal conoscere la differenza.