על האגודה | פעילויות | הצטרפות | צרו קשר | כתבו לאתר | English Site | בפייסבוק
עוד בקטגוריה זו:

אלים וז'אנר
מאמרים / ניקולה גריפית'
02/08/14
תגובות: 2  
האם איבדנו את העתיד?
מאמרים / ג'ו וולטון
22/02/14
תגובות: 4  
הכפירה הקדושה נוסח מאדים
מאמרים / אבינועם ביר
01/02/14
תגובות: 2  
האם יש ''גל חדש'' חדש במדע הבדיוני?
מאמרים / דייויד ברנט
29/06/13
תגובות: 4  
בילבו בגינס: גיבור עם חרב ומטפחת
מאמרים / רחל מרדכוביץ'
26/01/13
תגובות: 12  
מקדים את המאוחר
מאמרים / אהוד מימון
24/11/12
תגובות: 11  
הסכנות שבדמיון פעיל יתר על המידה
מאמרים / גיא חסון
13/10/12
תגובות: 4  
קולר האשמה
מאמרים / אהוד מימון
25/08/12
תגובות: 11  
הכוח חזק עמו
מאמרים / רז גרינברג
15/03/12
תגובות: 1  
המוסר הרובוטי של דוקטורוב
מאמרים / אהוד מימון
31/12/11
תגובות: 0  
השתלהבויות מדע בדיוני של ימים עברו
מאמרים / ג'יימי טוד רובין
08/04/11
תגובות: 5  
מחזור 2010
מאמרים / שריל מורגן
12/02/11
תגובות: 3  
גיהינום חדש
מאמרים / לורה מילר
28/08/10
תגובות: 4  
קדימה במלוא הקיטור
מאמרים / פול די פיליפו
24/04/10
תגובות: 8  
חיפה, חיפה – עיר עם עתיד
מאמרים / אהוד מימון
18/04/10
תגובות: 0  

העתיד שהכזיב
מאמרים / גיא וינר
יום חמישי, 22/01/2009, שעה 22:09

בינה מלאכותית במדע הבדיוני ובמציאות - על התפתחות תפיסת הבינה מלאכותית וההתפכחות.


גרסה של מאמר זה ראתה אור בגליון מספר 31 של המימד העשירי, אפריל 2007

החלום ליצור בינה מלאכותית – יציר-אדם שיהיה חכם מספיק כדי להבין את מצוות אדוניו וממושמע מספיק כדי לבצע אותה – הוא עתיק יומין. ניתן לראות אותו במקורות מגוונים, מהמסורות היהודיות על הגולם ועד לסרטים כמו ''שוליית הקוסם''. עם הופעת המחשבים הראשונים נראה שחלום זה בהישג-יד: מהו מחשב אם לא מכונת חישוב אוטומטית, שנועדה לבצע חישובים מייגעים במקום האדם? אולם למרות שחלום הבינה המלאכותית רודף את תעשיית המחשבים כמעט מרגע לידתה, מימושו אינו נראה באופק.
כדי להבין מדוע ראשית עלינו להגדיר מהי בינה מלאכותית. כבר אלן טיורינג, אבי מדעי המחשב, נדרש לשאלה זו. במאמרו ''מכונות חישוב ואינטליגנציה'' שהתפרסם ב-‏1950 הוא מתאר מבחן שיאפשר לדעת האם מכונות הגיעו לדרגת אינטליגנציה אנושית (1). המבחן, שכונה לימים ''מבחן טיורינג'', מתנהל באופן הבא: בוחן אנושי יושב מול שני מסופי מחשב; מסוף אחד מחובר למחשב שמולו יושב אדם והמסוף האחר מחובר למחשב שבו נמצאת האינטליגנציה המלאכותית הנבחנת. הבוחן משוחח באמצעות המסופים עם האדם ועם התוכנה בלי לדעת איזה מסוף מחובר לאן. על הבוחן לנחש מי מבני-שיחו הוא האדם ומי הוא התוכנה. אם התוכנה תצליח לגרום לבוחן להאמין שהיא האדם, הרי שהיא עברה את המבחן. מאז שהוצע המבחן הועלו נגדו טענות רבות, שהעיקרית שבהן היא ששיחת חולין אינה מדד טוב לאינטליגנציה. כך למשל, התוכנה הנבחנת תצטרך לבצע חישובים מתמטיים לאט יותר מכפי יכולתה כדי שמהירות החישוב שלה לא תסגיר אותה. אולם למרות חסרונותיו מבחן טיורינג בוחן נקודה חשובה – מתי לא נוכל להבחין בין מכונת חישוב לבין אדם. כאשר היום הזה יגיע, טען טיורינג, נדע שיצרנו בינה מלאכותית. טיורינג העריך כי בשנת 2000 מכונות חישוב בעלות 120 מגה-בייט של זכרון יצליחו לעבור מבחן, המוגבל לזמן של 5 דקות, בשלושים אחוז מהפעמים.
לא רק טיורינג היה סבור כי בינה מלאכותית תופיע בעתיד הנראה לעין, ובינה מלאכותית הפכה להיות נושא מרכזי ביצירות מדע בדיוני. אייזק אסימוב החל לפרסם את סיפורי הרובוטים שלו בין 1940 ל-‏1950, עוד לפני הניסוח הפורמלי של בעיית האינטליגנציה המלאכותית על ידי אלן טיורינג ומאז הנוכחות של בינה מלאכותית במדע הבדיוני הלכה והתגברה. בשנות השישים נעזרו בני משפחת רובינסון ברובוט ענק בסדרה ''אבודים בחלל'', ובסוף אותו עשור הופיע אחד מהמשבים המפורסמים של המדע הבדיוני בספרות ובקולנוע (2), ''HAL 9000''. האל, שלו תפקיד מרכזי בספר ובסרט ''אודיסאה בחלל 2001'', מגלה מאפיינים מפתיעים באנושיותם, והתנהגותו בעת שהאסטרונאוט דייב באומן מפרק את ''מוחו'' שלב אחר שלב מעוררת כלפיו סימפתיה וחמלה. לבינה המלאכותית תפקיד מעניין בסדרת הטלוויזיה ''באק רוג'רס'' משנת 1979 שבה מוחות מלאכותיים עוזרים לבני-האדם לנהל את העולם. בשנות השמונים ז'אנר הסייברפאנק עסק במחשבים ובינה מלאכותית בצורה אינטנסיבית, ובשנת 1999, רגע לפני פקיעת התוקף על חיזויו של טיורינג, עלה על המסכים הראשון בסדרת סרטי ''המטריקס'' שהביאה לשיאו את הפן הטכנופובי של הז'אנר – בינה מלאכותית אינה עוד תפאורת-רקע בלבד, אלא היא האויב הראשון במעלה של האנושות. על פי גרסה זו של המדע הבדיוני, אנו לא רק עתידים לפתח בינה מלאכותית, אלא שזו אף עתידה להתעלות עלינו ולהשמיד אותנו.
אלא שאלן טיורינג, איזק אסימוב, וויליאם גיבסון וכל הבאים אחריהם היו אופטימיים מדי. השנה 2000 באה וחלפה, ואף תוכנה לא עברה עדיין את מבחן טיורינג, ובוודאי לא התקרבה לשלושים אחוזי הצלחה שטיורינג ניבא. אף על פי שלמחשבים כיום יש זכרון הגדול פי עשרה מדרישתו של טיורינג, ואף על פי שמהירותם עלתה בעשרה סדרי-גודל (פי מיליארד לערך), הם עדיין לא קרובים לעבור את המבחן. משהו השתבש.
כדי להבין מדוע בינה מלאכותית מתעכבת, צריך להבין אילו אתגרים עומדים מול מדעני המחשבים בבואם ליצור תוכנה אשר תעבור את מבחן טיורינג. שני האתגרים המרכזיים הם ניתוח והבנה של משפטים בשפה טבעית (שפה אשר מדוברת על ידי בני-אדם ואין לה כללים פורמליים), היכולת שתאפשר לתוכנה להבין את הבוחן, והפגנת מאפיינים אנושיים כמו למידה ואינטואיציה, יכולות שיאפשרו לתוכנה לשכנע את הבוחן באנושיותה. אלה הן דרישות לא פשוטות.

ניתוח והבנה של שפה טבעית
המרכיב הבסיסי ביותר הדרוש כדי לעבור את מבחן טיורינג הוא היכולת לנתח שפה טבעית. לכאורה, זוהי דרישה פשוטה, כל בוגר תיכון אמור להיות מסוגל לפרק משפט לנושא, נשוא, מושאים, משפטי לוואי וכיוצא בזה. אולם מסתבר שמה שפשוט עבור בוגר תיכון, אינו פשוט עבור מחשב.
הראשון שעמד על ההבדלים בין שפה טבעית לבין שפות פורמליות היה נועם חומסקי, אשר פרסם החל משנת 1955 סדרה של עבודות פורצות-דרך על הקשר שבין בלשנות למדעי המחשב. חומסקי יצר היררכיה של הדקדוקים האפשריים, מהקלים ביותר לחישוב עד לקשים ביותר. בתחתית ההיררכיה של חומסקי נמצאות שפות פשוטות לניתוח, אשר אין בהן הקשרים מסובכים (תלות בין חלקים שונים בטקסט), ובראשה נמצאות שפות תלויות-הקשר ושפות בעלות הקשר חופשי. מורכבות המודלים הדרושים לניתוח השפות עומדת ביחס ישר למידה שבה הן תלויות בהקשרים. אחת ממסקנותיו של חומסקי היתה ששפה טבעית דורשת מודל חישוב מורכב יותר משפה פורמלית, והוא טען שאי אפשר לנתח שפה בעלת הקשר חופשי לחלוטין באמצעות מודל אוטומטי. שפות טבעיות הן שפות בעלות הקשר חופשי, ולכן, על פי חומסקי, אין דרך חישובית אוטומטית יעילה לנתח אותן. לבני-האדם יש יכולת טבעית שהיא מעבר למודל חישובי, ולכן לא בטוח שנוכל אי פעם לנתח טקסט אנושי באמצעות מחשב. 'על הנייר', המכשול הראשון בדרך לעבור את מבחן טיורינג הוא בלתי-עביר.
אך תאוריה לחוד ומעשה לחוד. אפשר אמנם לכתוב טקסט שיהיה מסובך מכדי שיהיה אפשר לנתח אותו, אבל רוב הטקסטים הטבעיים הם פשוטים יותר. כיום קיים תחום רחב במדעי המחשב שעניינו ניתוח שפות טבעיות (Natural Languages Processing), והוא הולך ומתפתח. מחשבים אולי לא יילמדו בחוג לתקשורת בזמן הקרוב, אבל יתכן שהם יוכלו לנתח טקסטים פשוטים. הבעיה העיקרית בתחום זה היא אחוז הדיוק הנדרש, דיוק של תשעים ותשעה אחוזים במאמר קצר בן שלושת אלפים מילים פירושו שלושים שגיאות.
ניתוח מבנה המשפט של הבוחן הוא החלק הקל במבחן, כדי להצליח בו על התוכנה גם להבין מה נאמר לה. אפשר להבהיר את הבעיה באמצעות משפטים אלה: ''זרקתי כיסא על החלון והוא נשבר. זרקתי עט על החלון והוא נשבר. מה נשבר?''. הבוחן במבחן טיורינג יניח ככל הנראה שהמילה ''הוא'' מתייחסת לחלון במשפט הראשון ולעט במשפט השני, משום שהוא יודע מנסיונו שכיסא חזק יותר מחלון, אבל עט עשוי להיות שביר יותר מחלון. אולם כדי שדבר זה יהיה מובן לתוכנה לא די לצייד אותה בהגדרות המילוניות של ''כיסא'', ''עט'' ו''חלון'', התוכנה תצטרך גם לדעת את המשקל והחוזק הממוצעים של עצמים אלה, את הכוח הממוצע שאדם יכול להפעיל, את הידע הפיזיקלי הדרוש כדי להסיק את התנע של העצם הנזרק, וכן הלאה. כלומר, כדי להבין את דבריו של הבוחן התוכנה צריכה להכיל את מלוא הידע של הבוחן על העולם.
ייצוג מלוא הידע האנושי בצורה ממוחשבת אינו פשוט. שיטה אחת ליצור ייצוג כזה היתה להשתמש בפרדיקטים וכללי היסק – כלומר, להשתמש בלוגיקה כדי לייצג ידע. חוקרים (בעיקר ביפן) ניסו לקדם שימוש בתכנות לוגי כבסיס לאינטגרציה בין מערכות מחשבים, מתוך מניע מסחרי בעקרו. ההנחה מאחורי גישה זו הייתה שאפשר לייצג כל דבר כפרדיקט לוגי או ככלל היסק, ולכן לוגיקה תוכל לחבר בין כל המערכות הממוחשבות. למרות שהשיטה נשמעת אטרקטיבית, היא הייתה מסורבלת מדי לשימוש במערכות גדולות ולא זכתה לפופולריות מספקת כדי להתפתח. המחקר בתחום תרם רבות לשיטות התכנות הלוגיות, אך הוא לא הצליח להפוך לשיטה שימושית לייצוג ידע כללי. כיום מקובל להשתמש בטכניקות כאלה של תכנות לוגי כדי ליצור ''מערכות מומחה'' – כלומר, מערכות המכילות ידע רב על בעיה מסוימת. אולם מערכת מומחה, חכמה ככל שתהיה, אינה יכולה להבין שיחה קלילה. שיטה אחרת שהוצעה היתה לייצג את העולם באמצעות אובייקטים שלהם אוספים של תכונות. השיטה היוותה השראה לפרדיגמת התכנות מונחה-העצמים, וקידמה את שפות התכנות בדור שלם, אך לא קידמה בהרבה את הבנת הבינה המלאכותית. שאלת הייצוג וההבנה של ידע נשארה עד היום שאלה פתוחה במדעי המחשב, שאין לה תשובה חד-משמעית.

למידה ואינטואיציה
מוח האדם מתפתח ומשתכלל עם הזמן, אנו לומדים מיומנויות חדשות ומשתפרים בהן, יכולת שממנה מחשבים לא נהנים. אין כיום מודל לשינוי ושכלול של תוכנה שמריץ מחשב בזמן שהיא רצה, שלא לדבר על שינוי החומרה. זו אינה בעיה טכנית גרידא. המחשבים כיום מבוססים על מודל מתמטי הנקרא ''מכונת טיורינג'' שמניח שמכונת חישוב מורכבת משני חלקים – זכרון דינמי ותוכנה סטטית (במחשב מודרני ה''תוכנה'' היא המעבד ושפת המכונה שלו, לאו דווקא התוכנה המאוכסנת בזכרון). לימוד, כלומר שינוי התוכנה כשהיא בפעולה, משמעו שבירת המודל הזה וזה בלתי אפשרי כמעט, ולכן הניסיון ללמד מחשב דבר מה, אפילו פשוט מאוד, הוא דרך קלה להכשיל מחשב במבחן טיורינג.
מכיוון שאינן יכולות לשנות את עצמן, תוכנות מחשב כיום ''מרמות'' ו''לומדות'' על ידי אכסון מידע רב וניתוחו. כך למשל תוכנה למשחק שחמט יכולה ''ללמוד'' מהלכים חדשים על ידי ניתוח מאות משחקים. זוהי אינה צורת למידה גרועה, שחקני שחמט מקצועיים משתמשים בה. הבעיה של למידה מסוג זה דומה לבעיה של מערכות המומחה – היא ספציפית לבעיה מסוימת (לאו דווקא לבעיה שאותה ינסה הבוחן ללמד את התוכנה) ואינה מתאימה ללימוד נושאים אחרים. מערכות מומחה לומדות מגיעות להישגים יפים, אולם זאת אינה יכולת למידה לשמה. מחשבים עדיין לא מסוגלים ללמוד כל נושא שהוא, אלא רק בעיות שנותחו ועובדו קודם על ידי המתכנתים.
האינטואיציה מוסיפה לקושי זה. במשחק שחמט קצר, שבו עשרים מהלכים בלבד, ישנו מספר עצום של מהלכים אפשריים - עשר בחזקת עשרים וארבע מהלכים בקרוב. גם אם מהירות המחשבים תואץ משמעותית, עדיין לא יהיה למחשב מספיק זמן לבחון את כל המהלכים האפשריים כדי להחליט על המהלך הבא. למעשה, בעיות חיפוש רבות – משחקים, פתירת חידות, תזמון ארועים – דורשות מעבר על מספר אדיר של אפשרויות.
כאשר אדם ניגש לבעיה כזאת, הוא משתמש באינטואיציה. ההבנה האינטואיטיבית שלו את הבעיה מאפשרת לו לצמצם את מרחב החיפוש על-ידי פסילה אוטומטית, לא מודעת, של פתרונות לא-רלוונטיים והתמקדות באפשרויות ספורות. אפילו בחיי היומיום שלנו אנו משתמשים בשיטה דומה. איננו חושבים בכל רגע ''מה יקרה אם אלך צעד אחד שמאלה? או צעד אחד ימינה? האם זה יקרב אותי אל מטרתי?'' ההבנה והזכרון שלנו מאפשרים לנו לפסול את האפשרויות המיותרות באופן אינטואיטיבי, מבלי שנרגיש.
כפי שאינם יכולים ללמוד למידה אמיתית, למחשבים אין גם אינטואיציה. מחשבים אינם לומדים באמת, ואינם יכולים להשתמש בהגיון או בניסיון באותה דרך שבני-אדם משתמשים בו. כדי שתוכנה תפסול מראש אפשרויות ותתמקד בעיקר דרוש לה ידע אנושי כלשהו אשר יקוּדד לתוכה ויכוון אותה. כמו בלמידה, יכולתה של התוכנה תלויה בידע שהעניקו לה מתכנתיה ואינו יכול לנבוע ממנה עצמה.

האם אפשר לישון בשקט?
האם לעולם לא נראה בינה מלאכותית? האם המחשב של האנטרפרייז, המבין דיבור אנושי, ישאר חלום רחוק כמו הינע העל-חלל שלה? לאו דווקא. אולם הפתרון לבעיית הבינה המלאכותית אינו טמון במחשב, זה האחרון כבול על ידי המודלים שמגדירים אותו. מחשב מהיר יותר לא יהיה חכם יותר, לא יוכל ללמוד בעצמו ולא יפתח אינטואיציה. הוא רק יוכל לבצע מהר יותר את השיטות שקודדו לתוכו ולעבד מהר יותר את המידע שהוזן לתוכו.
הפתרון טמון בהבנת הבינה האנושית עצמה. כיצד אנו לומדים? כיצד אנו מסיקים מסקנות? במוח האנושי פועלים מנגנונים רבי-עוצמה שאנו איננו מבחינים בהם משום שאנחנו רגילים להם. המוח האנושי, למשל, מעבד תמונות מהר יותר וביעילות רבה יותר מכל מחשב שקיים כיום. בפיתוח ''אסימו'' (3), רובוט יפני דמוי-אדם, נעשתה פריצת דרך – הוא משוכלל מספיק כדי לעלות במדרגות, פעולה מוטורית לא פשוטה. אבל אסימו אינו מסוגל להבחין במדרגות ללא סימונים מיוחדים. תינוק אנושי מסוגל להבחין במדרגות עוד לפני שהוא מסוגל לעלות בהן. אם היינו מבינים איזה מנגנון מאפשר זאת, אולי היינו מצליחים לחקות אותו באופן מלאכותי. בשנים האחרונות מנסים לשלב בין חקר השכל האנושי לבין מדעי המחשב, בענף שנקרא ''מדעי החשיבה'' (Cognition Science). יתכן שדווקא ענף זה, הנמצא כרגע בחיתוליו, יביא לפריצות דרך נוספות בתחום הבינה המלאכותית.
האם המרדף אחרי בינה מלאכותית הוא מרדף-שווא? לאו דווקא, כפי שהמסע לחלל קידם את המדע בחזיתות רבות שאינן קשורות בו ישירות כך הניסיון ליצור בינה מלאכותית היה כוח אדיר שדחף את מדעי המחשב קדימה. אחת משפות התכנות הראשונות, Lisp, פותחה כדי לנסות ליצור בינה מלאכותית; מערכות מומחה ולמידה ממוחשבת לא הביאו לפתרון כללי של בעיות, אבל שיפרו פלאים את יכולתו של המחשב לפתור בעיות ספציפיות; ניתוח שפה טבעית לא הביא לכך שמחשב יוכל לענות לאדם על שאלה, אבל הוא שיפר את היכולת של מנועי חיפוש באינטרנט, והרשימה עוד ארוכה.
הפגם בהנחותיהם האופטימיות של חוזי הבינה המלאכותית היה בכך שקצב הפיתוח של הבינה המלאכותית אינו מקביל לקצב ההתפתחות של המחשבים עצמם. מעבד מהיר יותר לא יעזור למחשב ללמוד או לחשוב. ''חוק מור'' העוסק בגידול קצב העיבוד, הכוח המניע של תעשיית המחשבים, כלל לא בא כאן לידי ביטוי.
דוגמה מעניינת לפער שבין כוח חישוב לתבונה מלאכותית היא הניצחון של המחשב ''כחול עמוק'' על אלוף העולם בשחמט, גרי קספרוב, בשנת 1997. ''כחול עמוק'' לא היה מחשב נבון. ניתוח של התכונות של ''כחול עמוק'' מצביע על הפגנה של כוח גס יותר מאשר על תבונה. למחשב היו שלושים מעבדים מקביליים, שלכל אחד מהם היו פונקציות מיוחדות המיועדות למשחק השחמט. גם מבלי להתחשב בחומרה המיוחדת למשחק, ''כחול עמוק'' עדיין יכול היה לבצע אחד עשר מיליארד פעולות חישוב בשנייה, יכולת שהופכת אותו למחשב-על. נוסף על כך צויד ''כחול עמוק'' במאגר של ארבעת אלפים מהלכי פתיחה ושבע מאות אלף מהלכי סיום, מה שהשאיר לו בעיקר את חישוב אמצע המשחק. ולבסוף, הוא צויד בספריה של כל משחקיו של קספרוב ואף הותאם במיוחד כדי לא ליפול במלכודות שקספרוב השתמש בהן במשחקים קודמים. קספרוב לא שיחק מול בינה מלאכותית אשר למדה לשחק שחמט, הוא שיחק נגד מחשב-על אשר תוכנן, נבנה ויועד כדי לנצח אותו אישית. אילו ''כחול עמוק'' היה צריך לשחק במשחק אחר, או להתחרות נגד אלוף אחר, ספק אם היה מגיע להישגים דומים. ''כחול עמוק'' היה מחשב חזק ומהיר, אבל הוא לא היה נבון. החומרה המיוחדת, עשרות המעבדים, המהירות המרשימה, הזכרון הרב – כל אלה לא הקנו ל''כחול עמוק'' תבונה. לבדם, ההאצה המתמדת של מהירויות המעבדים והשיפור המתמיד בחומרת המחשבים לא ייצרו בינה מלאכותית. רק הבנה של התבונה האנושית עצמה תוכל להביא לקפיצת מדרגה ביצירת בינה מלאכותית.
פרשה נוספת הדומה ל''כחול עמוק'' התרחשה לא מזמן, ב-‏14 לאוגוסט 2008, כאשר מחשב-על אחר ניצח שחקן גו מקצועי במשחק בו ניתנו למחשב 9 אבנים יתרון. זהו המקרה הראשון שבו מחשב מנצח שחקן גו מקצועי, אם כי המשחק לא היה שקול. השחקן, קים מיונגוואן מקוריאה, העריך את רמתו של המחשב ב-''דאן 2, אולי 3''. זוהי הרמה הגבוהה ביותר שבה הוערך מחשב המשחק גו, אולם מכיוון שהמשחק לא היה משחק שקול, זוהי הערכה בלבד. כדי להגיע להישג זה, התוכנה ''מו-גו'' השתמשה במחשב-על בעל 800 ליבות, כל אחת מהן פועלת במהירות של 4.7GHz. כוח החישוב הסתכם בעשר בחזקת שתיים-עשרה פעולות נקודה-צפה בשנייה. זהו כוח חישוב חזק פי 1000 מכוחו של ''כחול עמוק''. למרות עוצמת החישוב האדירה, תוכנת הבינה המלאכותית לא הפגינה מקוריות או תעוזה. קים מיונגוואן העיר כי ''מו-גו... לא ניסה לנצח בהפרש גבוה יותר, אלה שיחק בדרך הבטוחה ביותר לניצחון, כמו מכונה''. המשחק הסתיים ביתרון של 1.5 נקודות בלבד לטובת המחשב.
יתכן ויבוא יום שבו נוכל לדבר עם המחשב שלנו – או גרוע מזה, ניאלץ לברוח מטוסטרים מתמרדים – אך לפני שזה יקרה יהיה עלינו להבין את עצמנו טוב יותר, וזהו אתגר גדול דיו ומטרה נעלה בפני עצמה.



הערות שוליים:

(1) מעניין לציין כי מבחן טיורינג מבוסס במקור על משחק שבו על הבוחן היה להבחין בין גבר ואישה.
(2) השם ''HAL'' עצמו הוא פריט טריוויה מעניין: אם מעבירים כל אות לאות הבאה בא'-ב', ''IBM'' יהיה מה שיתקבל.
(3) השם ''אסימו'' אמור להיות ראשי-תיבות מ-''Advanced Steps in Innovative Mobility'', אולם ככל הנראה זוהי גם קריצה לאייזק אסימוב וסדרת סיפורי הרובוטים שלו.



לקריאה נוספת:

Chomsky, N. (1955) ''Logical Syntax and Semantics: Their Linguistic Relevance'', Language, Vol. 31, no. 1, pp. 36-45.
Chomsky, N. (1957) ''Logical Structures in Language'', American Documentation, Vol. 8, pp. 284-291.
Chomsky, N. (1958) ''Linguistics, Logic, Psychology, and Computers'', Computer Programming and Artificial Intelligence, pp. 429-456.
Turing, A. M. ( 1950) ''Computing machinery and intelligence'', Mind, vol. 59, no. 236, pp. 433-460.



המימד העשירי
אלן טורינג - בויקיפדיה
מכונת טורינג - בויקיפדיה
אסימו - עמוד הבית
עוד על אסימו בויקיפדיה
מוגו נגד מיונגוואן - המשחק המלא

 
חזרה לעמוד הראשי         כתוב תגובה

 
נזכרתי בסרט איירון מן  (חדש)
יעל יום שני, 09/02/2009, שעה 16:48
בדיון שהיה על הסרט בעין הדג טענתי שהדבר שהכי הפריע לי שם היה המחשב התבוני להפליא של הגיבור. וקיבלתי קיטונות של רותחין מאנשים שהסבירו לי שהחליפה יותר בעייתית טכנולוגית ושזה סרט קומיקס.

ואני חזרתי ואמרתי שאין לי שום בעיה לסספנד חליפה שטסה באוויר, אבל עד שיהיה מחשב תבוני אמיתי בעל חוש הומור, הדרך כל כך רחוקה...
   כתוב תגובה
בקושי בני-אדם עם חוש הומור יש היום...  (חדש)
Crimson יום שני, 09/02/2009, שעה 16:58
בתשובה ליעל
   כתוב תגובה
מעולה!  (חדש)
זאב רוסק יום שני, 16/02/2009, שעה 22:35
כל הכבוד

מאמר מדע-פופולארי מעולה!
   כתוב תגובה
מעניין מאוד  (חדש)
נטע יום חמישי, 26/02/2009, שעה 13:34
   כתוב תגובה
שלטון האדם  (חדש)
מוטי יום שישי, 13/03/2009, שעה 0:40
אכן כתבה מעולה.

אך האם נלקחה בחשבון העובדה שבני אדם בעצמם מתקשים להבין אחד את השני? לא רק המחשב מתקשה להבין הקשרים של שפה טבעית, גם רב הזוגות הנשואים, הורים וילדיהם, אשכנזים ומזרחים, הציבור ושלמה ארצי.
שפה טבעית הינה קשה להבנה כי היא עמומה ורב-משמעית. אך עדיין כל אותן כתבות (נעימות לקריאה) מתייחסות אל האדם הממוצע כמישהו שמסוגל להבין אותה.

לעיתים קרובות, כשמדברים על בינה מלאכותית, יש לי את התחושה שהשיחה גולשת לפסים נרקיסיסטיים: ''כחול עמוק אמנם ניצח את קספרוב, אבל האם הוא מסוגל להבין את התלונות של דודה תרצה? בודאי שלא! רק בן אדם [עליון] כמוני מסוגל להבין על מה היא מתבכיינת''

כמו המפלה שנחלנו בתחום הגנטי (כשהתברר שבני אדם ועצי ברוש חולקים 90% מהגנום), גם כאן, יבוא יום ונבין איך הבינה האנושית עובדת ונתאכזב לגלות שזה ממש, ממש פשוט.

אני אומר, הבה נתפאר בכשלונה של הבינה המלאכותית כל עוד אנו יכולים, כי יום יבוא ונאבד גם את חלקת האלוהים הזו.

מוטי.
   כתוב תגובה
שלטון האדם?  (חדש)
גיא וינר יום חמישי, 19/03/2009, שעה 10:11
בתשובה למוטי
הנקודה של הכתבה היא יותר עדינה: יצירת בינה מלאכותית תלויה בהבנת הבינה האנושית ולא רק בהאצה האין-סופית של מהירות החישוב.

''העליונות'' של האדם לא נובעת מאיזשהו מתת מיוחד, אלה מעובדה פשוטה: לאדם יש מנגנונים שאנחנו (בני-האדם) לא מבינים (עדיין) שהם הרבה יותר יעילים ממה שאנחנו (בני-האדם) מסוגלים ליצור. האדם הוא עליון כי אנחנו לא מבינים איך הוא עובד.

ובקשר לדודה תרצה: גם אני לא מבין מה היא מתבכיינת, ובטח לא את שלמה ארצי. אני אסתפק בזה שמחשב אלוף בשחמט ילמד פתאום דמקה, ללא עזרה חיצונית. יש לך אחד כזה?
   כתוב תגובה
בעיית שלמה ארצי  (חדש)
אוהד אורטל יום ראשון, 22/03/2009, שעה 15:17
בתשובה לגיא וינר
אין סיבה להיכנס לפאניקה בנושא. מחקרים אמפיריים הוכיחו שגם שלמה ארצי לרוב לא מבין את שלמה ארצי.
   כתוב תגובה

הדעות המובעות באתר הן של הכותבים בלבד, ולמעט הודעות רשמיות מטעם האגודה הן אינן מייצגות את דעת או אופי פעולת האגודה בכל דרך שהיא. כל הזכויות שמורות למחברים.