問題の枠組み
ハミングは一つの罠を仕掛けることから始めます。「機械は思考できるか?」という質問は単純なイエス・ノー問題に見えます。彼は、それが実は三つの異なる問題を隠していると主張します。機械とは何か、思考とは何か、そしてそもそもこの問い自体に意味のある答えが存在するのかということです。
彼は一年間、思考できると信じるに足りる最小のプログラムを特定しようとしました。一年の失敗の末、彼は間違った問いを立てていたという結論に達しました。もしかして思考とはイエス・ノーの性質ではなく、程度の問題なのではないか。その通りかもしれません。
彼の枠組みの転換: 「機械は思考できるか」ではなく、「機械はどの程度まで人生の知的負担を軽減できるか」と問う。この問いは形而上学ではなく、有用性を直接指し示しています。
確実性の危険
ハミングは、どちらの極端も職業的リスクを伴うと警告します。機械は思考できないと信じる: 機械を過小評価し、後れを取ります。機械は明らかに思考できると信じる: 機械の能力を過大評価し、予想しなかった方法で失敗するシステムを構築します。
どちらの信念も安全ではありません。自分自身で考え抜いた立場を発展させる必要があります。
チューリングテスト
1950年にアラン・チューリングが提案した行動テストがあります。テレタイプの向こうの人間が、適切にプログラムされた機械と人間を区別できなければ、その機械は――定義上――思考することができるというものです。
ハミングはこの着想の賢さを認めています。チューリングは、内面の経験についての答えのない哲学的問いを回避し、観察可能な行動で置き換えることで、良い科学的直感を示しました。
しかしハミングは構造的な異議を唱えます。チューリングのテストは標準的な科学的方法に違反していると言うのです。科学は最も簡単な問題から始まり、最も難しい問題に向かいます。チューリングのテストは、ハミングの表現では、難しい前に簡単 です。単純な学習や規則の遵循を理解する前に、完全な会話的知能を評価しています。
言葉では表現できないもの
ハミングの機械知能の限界についての中心的な主張: すべての人間の知識を規則または指示に翻訳することはできません。ある知識は形式化に抵抗します――努力や知性の欠如のためではなく、言語化がただ正しい媒介ではないからです。
1980年代のエキスパートシステムは、専門知識を規則基盤として捉えようとしました。IF 症状-A かつ 症状-B THEN 診断-C といった形です。彼らは狭く、明確に定義された領域では機能しました。彼らはそれらの領域の境界で失敗しました。ちょうど経験豊富な実務者の暗黙知が最も重要な場所で。
化学者の、どの反応が進むかについての直感、経験豊富な溶接工の正しいアーク間隙についての感覚、外科医の組織が悪い時のセンス――これらは単に言語化を待つ規則ではありません。ハミングはいくつかは永遠に符号化不可能かもしれないと主張しています。
これが自動化にとって重要な理由
規則ベースのシステムは明確に定義された領域の中心で非常によく機能します。境界で失敗します。経験豊富な実務者は境界に住んでいます。この非対称性は何が自動化を置き換えることができ、できないかを決定します。
暗黙知の特定
マイケル・ポランニーの表現: 「私たちは伝えることができるよりも多くのことを知っている。」彼は顔認識の例を使いました――ほとんどの人は瞬間的に数千の顔を認識していますが、使う規則を説明することはできません。
ハミングはこれをエキスパートシステムに結びつけています。より深い問題は、規則をまだ書いていないということではなく、いくつかの領域では完全な規則セットが存在しないということです。
4×4×4三目並べ
ハミングは4×4×4の三次元三目並べを彼の実例として使用します。盤面は64個の正方形と76本の勝線があります。二次元の三目並べは既知の引き分け戦略があり、興味深い知能を示していません。4×4×4版は本物のヒューリスティックを必要とするほど十分に難しいです。
プログラムの構造
ステップ1: 合法的な移動を列挙します。
ステップ2: 「ホットスポット」を優先します――角と中心にはエッジまたは面の中心の正方形よりも多くの勝線が通っています。立方体の中心と角の対称性を使用します: 立方体を反転させることで角を中心に、中心を角に送る反転が存在し、すべての76本の線を保持します。
ステップ3: ほぼ同等の移動の中からランダムに遊びます。決定論的な遊びで忍耐強い対手があなたの戦略をマップし、抜け穴を見つけることができます。ランダム性は体系的な悪用を防ぎます。
ステップ4: 優先順位順に連続的な規則を適用します。
連続的な規則、優先順位順に: (1) 勝利の移動が存在する場合は勝ちます; (2) 相手の勝利の移動をブロックします; (3) 利用可能なフォークを取ります; (4) 相手のフォークをブロックします; (5) 強制移動を行います; (6) ヒューリスティックス に戻ります。
構造に注意してください: 決定論的な規則は明確に定義された状況をカバーします。ヒューリスティックスは他のすべてを扱います。その間の線はまさに暗黙知が始まる場所です。
サミュエルのチェッカープログラム
IBMのアーサー・サミュエルはチェッカープレーヤープログラムを書き、国家チャンピオンを倒したことで有名になりました。それが注目されたのは、学習メカニズムを使用したためです。サミュエルは評価関数(盤面制御、キング利点、モビリティ、ピース固定などの重み付け)をパラメーター化し、その後、わずかに異なるパラメーター設定を持つプログラムの2つのコピーが互いに遊びました。より良いパフォーマンスを発揮するバージョンが生き残りました。
これは規則の発見ではなく、パラメーター検索です――しかしそれは意味のある意味での学習を構成します。プログラマーが明示的に規則をより良く書くことなく、プログラムは改善されました。
ハミングは問いかけます。サミュエルのプログラムが驚くべき動きをしたとき、独創性を示しましたか?それが行ったことを証明することはできませんが、あなたがどのような意味でも独創性を持っているんですか証明することも同様にできません。
エキスパートシステムとその限界
1970年代から80年代のエキスパートシステムは、専門的な知識を機械実行可能な規則として形式化する最も体系的な試みを表していました。医学診断、地質調査、財務分析、回路設計――各領域は独自の規則ベースシステムを引き付けました。
明確に定義された副問題でのパフォーマンスは往々にして印象的でした。しかし、システムは共通の失敗モードを共有していました。規則カバレッジの外で問題がステップアウトするまで、彼らは機能し、その後完全に失敗しました。人間の専門家は段階的に低下します。規則システムは崖から落ちます。
ハミングが特定する根本的な原因: エキスパートシステムを構築している人々には、何が欠けているかを知るための体系的な方法がありませんでした。専門家は彼らの規則を言葉にすることができました――しかし専門家は与えられた状況でどの規則が適用されるかを決めるために彼らのコード化不可能な判断を使用しています。そのメタレベルの判断はシステムに入ることはありませんでした。
あなたのキャリアのための正しい質問
実際に有用な質問は「機械は思考できるか?」ではありません。それは: あなたの分野のあらゆるタスクについて、重大な困難さは規則で覆われた中心に住んでいますか、それとも判断と暗黙知が動作する境界にありますか?自動化は信頼できるように前者を処理します。後者に苦労しています。あなたのキャリア戦略は違いを知ることから続きます。