現在、特定の（個別の）認知機能を実行する多くのアルゴリズムがあります。私たちとゲームをする人もいれば、車を運転する人もいます。私たちは、自分よりも道路標識を区別するコンピュータービジョンプログラムを作成しました。音楽を描いたり書いたりするプログラム。アルゴリズムは医療診断を行います。アルゴリズムは猫を認識する際に私たちを締め付けることができますが、...これは猫のためのものであり、猫を認識することに他なりません。そして、私たちはあらゆる問題を解決できるプログラムを求めています！ 「強い」または「ユニバーサルAI」が必要ですが、私たち自身の意識がなければ、タスクの解決を拒否できません。どこで入手できますか？
インテリジェンスの仕組みを理解するために、私たちが持っている唯一の例に目を向けます。私たちが信じているように、知性が「生きている」人間の脳に。誰かが反対します-多くの生物には頭脳があります！ワームから始めましょうか？ワームでも可能ですが、ワームではなく人間のタスクを解決するアルゴリズムが必要ですか？
私たちの脳。想像してみてください。 2キロ（最大）のしなやかなピンクがかった灰色の物質。 1,000億（最大も取得）のニューロン。それぞれが最大1万の動的な接続（シナプス）に成長する準備ができています。さらに、それらの間のいくつかのタイプの信号、そしてグリアでさえ驚きを投げました-それはまた何かを行い、助け、貢献します。 （参考：ニューログリアまたは単にグリアは神経組織の補助細胞の集まりです。中枢神経系の体積の約40％を占めます。グリア細胞の数は平均してニューロンの数の10〜50倍です）。デンドライトは最近驚いています-以前の考えよりもはるかに多くの機能を実行していることがわかりました（1）脳は非常に複雑なものです。私を信じないなら、コンスタンチン・アノヒンに聞いてください。彼は確認します。
人は脳の助けを借りてすべてを行います。実際、私たちは彼です。したがって、「脳=知能」であるという人の考えはまったく驚くことではなく、さらに驚くべきことではないが、脳の構造をコピーするという考えである-出来上がり！ -あなたが探しているものを入手してください。しかし、脳は知性ではありません。脳はキャリアです。 "鉄"。そして知性はアルゴリズム、「ソフトウェア」です。ハードウェアをコピーしてソフトウェアを複製する試みは失敗した考えです。これはカーゴカルトです（2）。 「カーゴカルト」とは何か知っていますか？
メラネシアの島の原住民（第二次世界大戦中に飛行機が武器、食べ物、薬などをもたらす方法を見てきました）は、飛行機のコピーとディスパッチャーのブースをわらから構築しましたが、商品を入手するのに役立ちませんでした。航空機の外観の後ろに隠れています。したがって、電卓を歯車に分解すると、内部に1桁も見つかりません。また、数値を使用した操作のヒントはありません。
数年前、雑誌「Schrödinger's Cat」（2017年第1〜2号）の問題の1つであるAndrei Konstantinovは、彼のコラム「Where is the robot's soul」で次のように書いています。 「部品同士の押し込み」を除きます。もちろん見つかりません！そして、それは見つかりません。コンピュータのハードウェアを使用してプログラムを復元しようとしていますが、これは不可能です。裏付けとして、私は長い引用をします（3）：
…生きている神経構造を研究するために一般的に使用される方法で武装した神経科学者は、これらの方法を使用して、最も単純なマイクロプロセッサシステムがどのように機能するかを理解しようとしました。 「頭脳」はMOS 6502でした。これは、最も人気のあるマイクロプロセッサの1つです。アップル、コモドア、アタリなど、多くの初期のパーソナルコンピュータやゲームコンソールで使用されている8ビットチップです。当然、私たちはこのチップについてすべてを知っています-結局のところ、それは人間によって作成されました！しかし、研究者たちは何も知らないふりをして-生きている脳を研究するのと同じ方法を研究して、彼の研究を理解しようとしました。
蓋を化学的に取り外し、回路を単一のトランジスタの精度で光学顕微鏡下で調べ、デジタルモデルを作成しました（ここでは少し簡略化していますが、本質は正しいです）。モデルは非常に正確であるため、古いゲームを実行することができました（スペースインベーダー、ドンキーコング、落とし穴）。そして、チップ（より正確には、そのモデル）は何千もの測定に同時にかけられました。ゲームの実行中に、各配線の電圧が測定され、各トランジスタの状態が決定されました。これにより、1秒あたり1.5ギガバイトのデータフローが生成されました。これは既に分析されています。個々のトランジスタからのバーストのグラフが作成され、リズムが特定され、回路要素が見つかり、その切断によって動作不能になり、要素とブロックの相互依存関係が見つかりました。
このシステムは生活と比べてどれほど複雑でしたか？もちろん、6502プロセッサはマウスの脳にさえ近くありません。しかし、これは線虫の線虫（Caenorhabditis elegansワーム）に複雑に近づきます-生物学者の主力：このワームは広く研究されており、デジタル形式で完全にシミュレートする試みがすでに行われています（...）したがって、6502チップでシステムを分析するタスクは単純化しすぎません。そして結果は、in vivoシステムに外挿する権利を持っています。
しかし、研究者たちは…敗北しました！もちろん、いくつかの結果が得られました。チップを分析して、機能ブロックを特定し、それらの可能性のある相互接続の図をスケッチし、マイクロプロセッサが全体としてどのように機能するのかについて興味深い手がかりを得ました。しかし、神経科学がそれを必要とするという意味での理解（この場合、内訳を修正できるようにすること）は達成されませんでした。
ある時点で、同じことについて話し始めた研究者が現れました。それは、アルゴリズムを研究する必要があること、知性が実行する機能を理解する必要があることです。たとえば、サンフランシスコのシンギュラリティサミット（2010）で講演する準備をしているデミスハサビス（DeepMind）は、次のように述べています。「AGIサミットでの他のスピーチとは異なり、私の講演は、詳細ではなく、神経科学の全身レベル-脳アルゴリズム-ニューロンやシナプスのスパイクの形で脳組織によってどのように実装されているか、または特定の神経化学など。 AGI "。
ただし、10（!!!!!）年後もすべてが続いています。科学者は脳を研究し、生理学的活動の外部症状とその内部構造から、目的のプロセスがどのように発生するかを計算しようとします。タスクの数-非常に多くのプロセス。人はみんな違います。みんなの脳は小さいですが、違います。もちろん、いくつかの平均化された画像があります...しかし、任意の時点で、脳は「潜在意識」タスクを含む多くの問題を解決し、身体の内部状態を監視および制御し、外部環境からの信号を認識して解釈します（そして、複数のフィードバックループについて話します）。これらの「活動」を自信を持って特定し、確実に特定し、明確に区別できるでしょうか。これは基本的に可能ですか？正直なところ、疑わしい。非生物学的媒体でのこれらのプロセスの再現性は言うまでもありません...
別の状況を見てみましょう。一般に「タスク」とは何ですか？これは、人が直面し、解決しようとしている困難な状況です。前世紀の半ばにアメリカの数学者ハーバートサイモンとアレンニューウェルが示したように、その一般的な形式の問題は、「問題のあるシステム」状態から「問題のないシステム」状態への移行として説明できます。彼らはそれを「一般的な問題ソルバー」（普遍的な問題ソルバー）と呼ぶコンピュータープログラムを開発しましたが、彼らは特定の種類の問題を解決する以上に進んでいなかったので、彼らのアルゴリズムの普遍性は問題のままでした。しかし、「問題のあるシステム」->「問題のないシステム」という式は完全に正しいことがわかりました。
システムの変容は、「問題あり」の初期状態から「問題なし」の望ましい状態に移行するプロセスです（4）。変換のプロセス（つまり、問題の解決）では、問題のシステムは問題がなく（まあ、または問題が少ない）、改善され、欠点を取り除き、「存続」します。つまり、引き続き使用されます。あら、なんて言ったの？欠陥を取り除く？サバイバル？うーん...何かおなじみの。どこかで…ああ、そうですね。進化！欠点が少ないほど、生存の可能性が高くなります。
自分自身をチェックして、主要な仮定を思い出して繰り返しましょう：生きている自然界では、より多くの有用な特性を持つ生物が生存する可能性が高くなります（まあ、従来、角はより分岐しており、尾はより壮大です）。体の羽が薄くなり、声が嫌になる場合（有害な性質）、その可能性が最も高いのは、その寿命が短くなり、単独で通過することです。最終的に、選択の圧力により、生物は欠陥を取り除き、ますます生存可能になります。信じられない場合は、チャールズダーウィン卿に尋ねてください。彼は確認します。
したがって、
a）知性の機能は問題（すべて
）の解決策であり、b）問題の解決策はシステム（すべて）の改善であり、その間に欠点が取り除かれ、より実行可能になるという事実を受け入れます。つまり、進化しています。
パチパチという音が聞こえますか？継ぎ目でバラバラになり始めているのは、知性の複雑さに対する私たちの理解です。以前から存在していた「脳の複雑さ」と「知性の複雑さ」という概念は、もはや同じではないことがわかりました。 「インテリジェンスを取得する」ために、問題を解決する神経生理学的プロセスを「リバースエンジニアリング」したり、コネクトームで思考の幽霊のような影を見つけたり（特に、各人にユニークなものがあるため）、ネットワークの深層学習に従事する必要がない場合はどうでしょうか。システムの進化をアルゴリズム化する必要がある場合、つまり、既知の進化の法則を使用して、完全ではない状態からより完全な状態へのその変換の経路を教えてください。今日まで、本当に間違った問題を解決していたとしたらどうでしょうか。
同時に、ネットワークトレーニングを行う必要がないとは言いたくありません。これと他の分野には大きな展望があります。また、脳の生理を深く研究することは時間の無駄だとは言いたくない。脳の研究は重要かつ必要なタスクです。脳のしくみをよりよく理解し、脳を癒し、怪我から回復し、他の驚くべきことをする方法を学びますが、知性には至りません。
誰かが今私に反対するでしょう：人が解決するタスクは、何百万ものさまざまなシステムに関連しています-自然、社会、産業、技術...階層と階層のさまざまなレベルにある物質と抽象。そしてそれらはそれぞれ独自の方法で発達し、ダーウィンの進化は生きている自然についてです。バニー、花、魚、鳥...しかし、研究は進化の法則が普遍的であることを示しています。
あなたは長い間証拠を探す必要はありません-それらはすべてあなたの目の前にあります。それらを持っている人は、それらを見てみましょう。あなたが取るものは何でも-試合からボーイングまで、戦車から...ダブルベースまで-どこでも（5）遺伝、多様性、そして選択が見られます！そして、すべてのさまざまな進化的変化（その明らかな複雑さは、すべてのシステムが本質的に非常に異なり、階層のさまざまなレベルにあるという事実に関連しています）を1つのサイクルで表すことができます。覚えてますよね？ 「問題のあるシステム」->「問題のないシステム」。
「問題のあるシステム」とは？これはシステム（物質的、抽象的、社会的、産業的、技術的、科学的、そしてあらゆるもの-オブジェクト、アイデア、仮説-何でも）であり、そこにいくつかの欠陥が発見されています（注意！）私たちの欲望とそれを使用する可能性...システムは十分ではありません。システムは十分に効率的ではありません。メリット/コストの比率が低い。私たちはそれを拒否したい、することができる、そして準備ができている、そしてしばしば拒否する。しかし、もう1つ（必要な便利な機能を実行する）が必要ですが、すでに「問題はありません」-より効果的で、欠点はありません（またはそれらが少ない）。さて、あなたはこの写真を上で見ました...もちろん、2つの極端な状態（初期と望ましい）の間の1つの「矢印」では十分ではありません。同じ「オペレーター」、「トランスフォーマー」が必要ですよね？彼を見つけましょうか？同意します成功した場合、私たちはそれほど必要なユニバーサルアルゴリズムの説明を（少なくとも、最初に、簡略化して）受け取ることになるでしょうか。
出発点は「問題のあるシステム」です。どうやってやめたらいいのか考え始めます。私たちが「何かをしなければならない！」と呼ぶ（または感じる）瞬間。
システムの存続を脅かす理由は理想性が低いことです。これは、システムの有用な機能とコストのかかる（有害な）機能の比率の減少した値で表されます。
次は何をするの？ a）新しいシステムを作成する（必要な機能を備えたシステムが存在しないか、既存のシステムに改善するリソースがない場合）、またはb）改善する、既存のシステムを修正する（まだリソースがある場合）。私たちは内部構造を研究し、外部環境に対処します-システムの外部および内部の欠陥を特定し、それらを排除した後、改善されたシステムを取得します。理想性と活力が向上したシステム！
上記のスキームが開発、改善のプロセス、または必要に応じてシステムの進化を説明しているという事実（「ランプ」から「アンカー」への「システム」という単語に置き換えることで簡単に確認できる）のため、私は私はあなたが安全にできると思います...そして必要なのです！それを「普遍的な進化のスキーム」と呼びます。そして注意してください-それは完全にアルゴリズム的です、つまり、それは完全にアルゴリズムの定義に該当します。アルゴリズムは、このタイプのすべての問題の解決につながる特定の操作システムを特定の順序で実行するための正確な処方です。手段-コンピュータプログラムの形で実装することができます）。
提示された形式では、普遍的な進化のスキーム：
- 自然-進化の法則はさまざまなタイプのシステムで特定されており、それらの行動は技術、生産、社会、自然、思考でテストされています。
- 目的-進化の法則は研究者やユーザーの意見に依存しません。
- 論理的で一貫性がある-進化の法則は互いに従います。
- 完全-進化の法則のセットは、あらゆるシステムを説明するのに十分です。
- 固定-進化の法則を再配置することはできません
- 閉じた-進化の法則はサイクルを形成します。システムは、1サイクルの変更を経て、すぐに新しいものを開始します。
結果として得られるもの：システムの進化（ユニバーサルスキームの形で表される）は、システムを改善し、その欠点を取り除く方法です。つまり、問題を解くためのアルゴリズムです。そして、問題を解決することは、まさに知性がすることです。簡単にしてみましょう：ユニバーサルスキーム=インテリジェンスの機能の説明。
建設的な批判が奨励されています。
1. « , » chrdk.ru/news/dendrity-vazhnee-chem-schitalos
2. ru.wikipedia.org/wiki/_
3. . . « ! » www.computerra.ru/161756/6502
4. Chapter 6. Problem Solving. Artificial Intelligence. A Knowledge-Based Approach by Morris W.Firebaugh University of Wisconsin – Parkside PWS-Kent Publishing Company Boston 1988, p. 172.
5. . , , , . www.ng.ru/science/2017-01-11/14_6899_evolution.html