Piotr Kołodziejczyk, Zastosowanie kuhnowskiego pojęcia paradygmatu w analizie badań nad sztuczną...

8/17/2019 Piotr Kołodziejczyk, Zastosowanie kuhnowskiego pojęcia paradygmatu w analizie badań nad sztuczną inteligencją

1/7

P. KOŁODZIEJCZYK, Zastosowanie kuhnowskiego poj ęcia paradygmatu w analizie bada ń nad SI

1

Tytuł: Zastosowanie kuhnowskiego poj ę cia paradygmatu w analizie bada ń nad sztuczn ą

inteligencj ą *

Autor: Piotr Kołodziejczyk / [email protected]

Źródło: http://www.kognitywistyka.net / [email protected] Data publikacji: 16 VIII 2004

1. Uwagi wst ępne

Uzasadniaj ą c wag ę problematyki podj ę tej w tym tek ście odwołam si ę do nast ę pują cejwypowiedzi Kazimierza Jodkowskiego:

Pierwsze wydanie słynnej ksi ążki Kuhna wywołało wielkie poruszenie w śród filozofów,historyków nauki, a tak że w śród samych uczonych. (…) Przyczyn ą tego było zarównonowatorskie uj ęcie rozwoju nauki, jak te ż wiele kontrowersyjnych tez. Paradygmat stałsię poj ęciem popularnym, cho ć nie zawsze poprawnie u żywanym. 1

Mimo, że intencj ą Kuhna było uzasadnienie paradygmatycznego charakteru teorii naukowychgłównie na podstawie historii nauk przyrodniczych, to wydaje si ę , że poj ę cie paradygmatustosuje si ę tak że do opisu rozwoju nauk społecznych, formalnych i by ć mo żehumanistycznych 2. Na przykład, w historii matematyki łatwo wyró żnić okres obowi ą zywaniaparadygmatu geometrii euklidesowej, kryzys tego podej ścia oraz rewolucj ę wiążą cą się zpojawieniem si ę systemów Łobaczewskiego i Riemanna. Kwestia zastosowaniakuhnowskiego poj ę cia paradygmatu do zagadnienia rozwoju danej dyscypliny naukowejkomplikuje si ę , gdy pod uwag ę bierze si ę tak zwane nauki interdyscyplinarne. Dziedzinywiedzy tego rodzaju ł ą czą c ustalenia wielu typów nauk nara żone s ą na zarzut niedojrzało ścimetodologicznej. Zarzut ten podnosi si ę czę sto przeciwko kognitywistyce pojmowanej jakonauka o procesach poznawczych. Wielu autorów 3 twierdzi, że kognitywistyka stanowi ą c

zlepek danych wywodz ą cych si ę z ró żnych dyscyplin naukowych nie charakteryzuje si ę ani jasno okre śloną metodologi ą bada ń, ani jednomy ślnością uczonych, co do rezultatówdokonywanych przez nich analiz teoretycznych.

* Tre ść niniejszego artykułu została zaprezentowana na III Ogólnopolskim Forum Filozoficznym Młodych wLublinie.1 K. Jodkowski, Wspólnoty uczonych, paradygmaty i rewolucje naukowe , Lublin, 1990, ss. 133-134.2 Por. Z. Muszy ński, Niewspółmierno ść , ekwiwokacja i problemy znaczenia , ss. 173-222, w: ten że, Z bada ń nad

prawd ą , nauk ą i poznaniem, Lublin, 1998, ss. 174-176, oraz K. Jodkowski, Niewspółmierno ść. Studium przypadku: kontrowersja ewolucjonizm – kreacjonizm, ss. 127-172, w: Z. Muszy ński, Z bada ń... , s. 128.3 Zob. np. R. Penrose, Cienie umysłu , tłum. P. Amsterdamski, Pozna ń, 2000, ss. 25-26; J. Searle, Ś wiadomo ść ,inwersja wyja śnie ń i nauki kognitywne , tłum. E. Hunca, ss. 144-177, w: Modele umysłu , red. Z. Chlewi ński,Warszawa, 1999, ss. 164-167; oraz G. M. Edelman, Przenikliwe powietrze, jasny ogie ń. O materii umysłu , tłum.J. R ą czaszek, Warszawa, 1998, ss. 297-312.


2/7


2

W przeciwie ństwie do zaprezentowanej oceny metodologicznego statusu kognitywistyki, wpracy tej b ę dę starał si ę argumentowa ć, że nauki kognitywne (a w szczególno ści ichnajpr ężniej rozwijaj ą ca si ę dziedzina – teoria i praktyka sztucznej inteligencji) stanowimetodologicznie dojrzał ą dyscyplin ę wiedzy. Tłem dla tego rodzaju podej ścia s ą rozwa żaniaMarka Hetma ńskiego 4, w których pokazuje on, że kognitywistyka jest dziedzin ą rozwijaj ą cą

się w zgodzie z kuhnowskimi wyznacznikami rozwoju nauki. Na podstawie tezyHetma ńskiego w poni ższych rozwa żaniach postaram si ę omówi ć dwie rewolucje maj ą cemiejsce w obr ę bie bada ń nad AI, paradygmatyczny charakter samych tych bada ń orazzasygnalizowa ć problem niewspółmierno ści zachodz ą cej pomi ę dzy podej ściami typu GOFAIi koneksjonistycznego.

2. Paradygmatyczny charakter bada ń nad sztuczn ą

Czyni ą c poj ę cie paradygmatu kluczowym dla analiz prowadzonych w tym tek ście, wpierwszej kolejno ści nale ży okre ślić zasi ę g stosowalno ści tego terminu w odniesieniu dobada ń nad sztuczn ą inteligencj ą . Okre ślenie to wydaje si ę ważne, poniewa ż w pracachsamego Kuhna poj ę cie paradygmatu nie jest jednoznaczne. Termin ten odnosi si ę zarówno dopowszechnie uznawanych osi ą gnięć naukowych, zespołu charakterystycznych przekona ń iuprzedze ń oraz zespołu instrumentalnych, teoretycznych i metafizycznych przekona ń podzielanych przez grup ę uczonych 5. Z powodu tego rodzaju wieloznaczno ści, terminparadygmat rozumiał b ę dę w sensie globalnym, czyli jako zinternalizowane przekonaniaprzedstawicieli danej dyscypliny naukowej. Na zbiór tych przekona ń składaj ą się zarównoprzekonania instrumentalne, teoretyczne oraz metafizyczne. Innymi słowy, poj ę cieparadygmatu obejmuje

(…) pewne akceptowane wzory faktycznej praktyki naukowej – wzory obejmuj ą cerównocze śnie prawa, teorie, zastosowania i wyposa żenie techniczne – tworz ą model,z którego wyłania si ę jaka ś szczególna, zwarta tradycja bada ń naukowych. 6

Krótko mówi ą c – paradygmat stanowi wzorzec uprawiania bada ń w obr ę bie danej dyscyplinynaukowej.

Paradygmat charakterystyczny dla bada ń nad AI mo żna nazwa ć obliczeniowym. Jego sednomożna wysłowi ć w postaci twierdzenia, że procesy poznawcze dokonywane przez podmiotykognitywne maj ą charakter procesów obliczalnych w sensie matematycznej teorii rekursji 7.Twierdzenie to, b ę dą ce konsekwencj ą analiz Alana Turinga 8 prowadzi do zało żenia, że

sztuczne systemy poznawcze o stanach nieci ą głych posiadaj ą zdolno ści poznawcze jako ściowo identyczne ze zdolno ściami podmiotów naturalnych. Ujmuj ą c tą kwesti ę wperspektywie epistemologicznej mo żna powiedzie ć, że procesy poznawcze s ą charakteryzowane wył ą cznie w sposób syntaktyczny. Zatem, ka żdy z tych procesów jestwyra żalny za pomoc ą zbioru procedur formalnych skonstruowanych na podstawie

4 Zob. M. Hetma ński, Umysł a maszyny. Krytyka obliczeniowej teorii umysłu , Lublin, 2000, s. 34. Trzeba w tymmiejscu podkre ślić, że Hetma ński sygnalizuje tylko t ą kwesti ę i nie po świę ca jej szczegółowej uwagi wprowadzonych przez siebie analizach. 5 Por. T. S. Kuhn, Raz jeszcze o paradygmatach , ss. 406-439, w: ten że, Dwa bieguny. Tradycja i nowatorstwo wbadaniach naukowych , tłum. S. Amsterdamski, Warszawa, 1985, s. 407.6 T. S. Kuhn, Struktura rewolucji naukowych , tłum. H. Ostrom ę cka, Warszawa, 2001, s. 34.7 Por. W. Marciszewski, Sztuczna inteligencja , Kraków 1998, s. 16.8Zob. A. Turing, Maszyny licz ące a inteligencja , tłum. B. Chwede ńczuk, ss. 271-300, w: Fragmenty filozofii

analitycznej. Filozofia umysłu , wybór: B. Chwede ńczuk, Warszawa, 1995.


3/7


3

algorytmów zaimplementowanych w strukturze systemu przetwarzaj ą cego informacje 9.Podej ście to prowadzi do akceptacji zespołu przekona ń, które za Włodzisławem Duchemmożna przedstawi ć nast ę pują co:

Algorytmy manipulowania symbolami powinny wi ęc pozwoli ć na odtworzenie

niesko ńczenie zło żonego zachowania za pomoc ą mechanicznie wykonywanychmikroprocesów. Wynika st ą d, że systemy przetwarzaj ą ce informacje, takie jak ludzkieumysły, powinny da ć się zrozumie ć dzięki badaniu algorytmów oraz badaniu sposobuwewn ętrznej reprezentacji poj ęć, czyli zwi ą zków symboli z tym, co one reprezentuj ą .10

W świetle przytoczonej wypowiedzi wida ć, że sztuczne i naturalne systemy poznawczemożna traktowa ć jako modele finitystyczne. Przez analogi ę do idei finityzmu w filozofiimatematyki o systemach tych mo żna stwierdzi ć, że:

1. ich składow ą , i zarazem przedmiotem bada ń są sko ńczenie syntaktycznie danestruktury.

Poza takimi strukturami – pisze Herbert Simon – system zawiera tak że zbiórprocedur przeprowadzaj ą cych operacje na wyra żeniach, aby wytworzy ć innewyra żenia (...). Fizyczny system symboli jest w zwi ą zku z tym maszyn ą generuj ą cą ewoluuj ą ce zbiory struktur symbolicznych 11 ,

2. operacje na tych strukturach maj ą charakter kombinatoryczny, czyli efektywny wrozumieniu matematycznej metody efektywnej,

3. poj ę cia abstrakcyjne, takie jak np. dowolna jednostka syntaktyczna, czy niesko ńczonyzbiór symboli nie s ą ani przedmiotem bada ń, ani elementem tych modeli.

Przywołane stwierdzenia mo żna ujmowa ć jako elementy teoretycznego zbioru przekona ń składaj ą cych si ę na paradygmat obliczeniowy. Przekonania teoretyczne koresponduj ą zontologicznym zapleczem tego paradygmatu, które stanowi (wywodz ą ce si ę z analiz HilaregoPutnama 12) stanowisko funkcjonalistyczne. Skoro procesy poznawcze traktuje si ę w sposóbobliczeniowy, to (zgodnie z funkcjonalizmem) procesy te mog ą być realizowane przez ró żnesystemy fizyczne wyposa żone w układy wej ścia, analizy i przetwarzania danych orazwyjścia 13. W zwi ą zku z tym mo żna wnosi ć, że suma przekona ń ontologicznych iteoretycznych sformułowanych w ramach paradygmatu obliczeniowego spowodowała, jakpisze Hanard, że

(...) komputacjoni ści uznali si ę za psychologów (i spowodowało, że psycholodzy stalisię komputacjonistami (...). Wynikło to z zało żenia, że przyczynowe i funkcjonalnewyjaśnienie systemu fizycznego jest równie kompatybilne z mentaln ą , jak i nie-mentaln ą interpretacj ą . Interpretacja mentalna wydaje si ę zawsze w jaki ś sposób

9 Zob. P. Kołodziejczyk, Funkcjonalizm jako ontologia sztucznej inteligencji , s. 457, w: Byt i jego poj ęcie , red.A. L. Zachariasz, Rzeszów2003, ss. 454-466.10 W. Duch, Czym jest kognitywistyka? , ss. 9-49, "Kognitywistyka i Media w Edukacji", Nr 1/1998, s. 25.11 H. Simon, Cognitive Science: The Newest Science of the Artificial , ss. 33-46, "Cognitive Science ", Nr 4/1980,s. 40. 12 Zob. H. Putnam, Mind and Machines , ss. 138-164, w: Dimensions of Mind. A Symposium , red. S. Hook, NewYork, 1961. 13 Hetma ński pisze w tej kwestii: „Je śli uniwersalna maszyna Turinga jest w stanie symulowa ć (modelowa ć)działanie ka żdej cyfrowej maszyny, to mo że się tak dzia ć wła śnie ze wzgl ę du na niezale żność działania takiejmaszyny na poziomie logicznym (obliczeniowym) od działania na poziomie fizycznym”. M. Hetma ński,Umysł... , s. 71.


4/7


4

niezale żna od fizycznej mimo, że s ą one w sposób oczywisty wzajemnie skorelowane.Jest tak, poniewa ż funkcjonalno ść systemu sprawia wra żenie całkowicie zdolnej dowyjaśniania [natury procesów poznawczych, przyp. P. K.] (...) równiezadowalaj ą co za pomoc ą poj ęcia umysłowo ści, jak i bez uwzgl ędnienia tegoterminu. 14

Dlatego te ż funkcjonalistyczne podej ście do badania umysłu ujawnia, jak si ę wydaje,instrumentalistyczne aspekty paradygmatu obliczeniowego. Oznacza to, że zastosowaniepoję cia (b ą dź matematycznie rozumianej teorii) obliczalno ści umo żliwia potraktowanieparadygmatu obliczeniowego jako modelu wyja śniaj ą cego interakcje pomi ę dzysyntaktycznym poziomem analizy danych dostarczanych do systemów kognitywnych orazreferentami elementów syntaktycznych zaimplementowanymi w tym systemie (poziomemanalizy semantycznej). Zatem, jak postuluje Valerie Hardcastle, paradygmat obliczeniowystanowi model eksplanacyjny w tym sensie, że w sposób jednoznaczny opisuje (w terminachprocedur obliczeniowych) relacje zachodz ą ce pomi ę dzy symbolami i reprezentacjamimentalnymi 15. Poprzez eliminacj ę słownika terminów charakterystycznych dla psychologii

potocznej, obliczeniowe i zarazem funkcjonalistyczne podej ście do badania natury procesówpoznawczych unika wi ę c (zdaniem zwolenników paradygmatu obliczeniowego) trudno ścizwi ą zanych z ustaleniem relacji zachodz ą cej mi ę dzy tre ścią poj ęć mentalnych i fizykalnych 16.

Zgodnie z metodologicznymi ustaleniami Kuhna, poj ę cie paradygmatu pozostaje w ścisłymzwi ą zku eksplanacyjnym z terminem ‘nauka normalna’. W Strukturze ... czytamy na ten temat:

Termin nauka normalna oznacza (...) badania wyrastaj ą ce z jednego lub wieluosi ą gnięć naukowych przeszło ści, które dana społeczno ść uczonych aktualnieakceptuje i traktuje jako fundament swej dalszej praktyki. 17

Badania prowadzone w ramach nauki normalnej polegaj ą na uszczegółowieniu zjawisk iteorii, których dostarcza paradygmat 18. Od nich wi ę c w głównej mierze zale ży sukces lubpora żka danego paradygmatu. Jak pisze Kuhn:

Sukces paradygmatu (...) – to pocz ą tkowo przede wszystkim obietnica sukcesu, na jaki liczy si ę, maj ą c do dyspozycji tylko wybrane i niepełne przykłady. Nauka normalnaurzeczywistnia t ę obietnic ę, rozszerzaj ą c wiedz ę o faktach, które dany paradygmatukazuje jako szczególnie wa żne, poszerzaj ą c zakres zgodno ści między tymi faktami aformułowanymi na gruncie paradygmatu przewidywaniami oraz u ściślają c samparadygmat. 19

Na gruncie bada ń nad sztuczn ą inteligencj ą zwi ą zek poj ęć paradygmatu i nauki normalnejnajbardziej wyra źnie ujawnia si ę podczas analizy sposobu rozwi ą zywania szczegółowychproblemów na drodze do skonstruowania sztucznych podmiotów poznawczych. Obliczeniowerozumienie natury procesów poznawczych determinuje bowiem charakter działa ń dokonywanych przez teoretyków AI. Zale żność tą wida ć przy stosowaniu j ę zyków

14 S. Hanard, Computation Is Just Interpretable Symbol Manipulation; Cognition Isn’t , ss. 379-390, w: "Mindsand Machines", Nr 4/1995, s. 384.15 Por. V. Hardcastle, Computationalism , ss. 310-311, w: "Cognition", Nr 3/1195, ss. 303-317.16 Problem ten dyskutuje np. Urszula Żegle ń rozwa żają c uj ę cie tre ści stanów mentalnych w ramachbehawioryzmu semantycznego oraz identyczno ściowych i komputacyjnych teorii umysłu. Zob. U. Żegle ń,Wprowadzenie do problematyki filozofii umysłu , ss. 111-129, w: "Kognitywistyka i Media w Edukacji", Nr1/1998, ss. 116-121.17

T. S. Kuhn, Struktura... , s. 33.18 Zob. tam że, s. 55.19 Tam że, s. 54.


5/7


5

programowania wysokiego poziomu (np. LISP-a) do konstruowania tak ró żnorodnychsystemów inteligentnych jak: napisanego przez Thomasa Evansa programu rozpoznawaniaanalogii mi ę dzy figurami geometrycznymi 20, skonstruowanego przez Terrego Winogradasystemu rozumienia j ę zyka naturalnego SHRDLU 21, czy te ż systemów ekspertowych, jak np.MATHLAB-u i DENDRAL-a. u żywaj ą c terminologii Kuhna mo żna powiedzie ć, że

rozwi ą zywanie łamigłówek 22

w oparciu o paradygmat obliczeniowy wynika z faktu, że , jakpisze David J. Chalmers,

(…) prawie ka żda przyczynowa organizacja, jak ą mo żemy sobie wyobrazi ć mo że by ć ujęta jako opis obliczeniowy. Tak długo, jak przyczynowa organizacja systemu mo żebyć analizowana w sko ńczonej liczbie działaj ą cych na siebie cz ęś ci (…), toorganizacja ta mo że zosta ć wyabstrahowana w opisie automatów zło żonych, b ą dź wramach jakiego ś innego formalizmu obliczeniowego. 23

Problematyczny pozostaje tu jednak sposób pojmowania terminu ‘obliczanie’, poniewa ż jegowielorakie uj ę cie doprowadziło do rewolucyjnych zmian w obr ę bie paradygmatuobliczeniowego. O zmianach tych traktuje poni ższa cz ęść tej pracy.

3. Rewolucje, niewspółmierno ść badania nad AI

Przyczyn ą rewolucji w dowolnej dyscyplinie naukowej jest, jak wskazuje Kuhn, pojawianiesię nieusuwalnych anomalii w ramach danej teorii. Anomalii tych nie mo żna, rzecz jasna,wytłumaczy ć za pomoc ą aparatury teoretycznej dostarczanej przez t ą wła śnie teori ę . Inaczejmówi ą c, pojawienie si ę anomalii jest zapowiedzi ą kryzysu i upadku danego paradygmatu. Jakpisze Kuhn:

Kiedy (…) anomalia zaczyna by ć postrzegana jako co ś więcej ni ż po prostu kolejnałamigłówka nauki normalnej, znak to, że nauka wchodzi w fal ę kryzysu. W śród wieluuczonych danej specjalno ści rozpowszechnia si ę świadomo ść , że rzeczywi ście jest toanomalia. Coraz wi ększa liczba najwybitniejszych specjalistów po święca jej corazwięcej uwagi. Je śli opiera si ę ona nadal wszelkim próbom jej usuni ęcia (…), wieluuczonych zaczyna j ą traktowa ć jako główny przedmiot bada ń ich dyscypliny. 24

W ramach bada ń nad sztuczn ą inteligencj ą pojawianie si ę anomalii i kryzys obowi ą zują cychparadygmatów mo żna ukaza ć na podstawie ewolucji reprezentacji wiedzy o świeciewyra żalnej w j ę zyku naturalnym. Obowi ą zują ce pocz ą tkowo podej ście oparte na logicekwantyfikatorów I-go rz ę du zostało wyparte poniewa ż w jego ramach nie mo żna byłowyja śnić anomalii eksplozji kombinatorycznej. Mimo łatwo ści mechanizacji wnioskowa ń okazało si ę (na przykład na podstawie analizy systemów QA3 i STRIPS), że ten sposóbreprezentacji wiedzy nie pozwalał na rewizj ę przekona ń systemu, cz ę sto prowadził dosprzeczno ści oraz powodował, że na podstawie niewielkiej bazy danych lawinowo rosłaliczba wnioskowa ń, które okazywały si ę nieu żyteczne w procesie reprezentowania wiedzy 25.Ten sposób podej ścia do problemu reprezentacji został wyparty przez formalizm systemów

20 Opis działania tego programu zawiera artykuł: M. Minsky, Sztuczna inteligencja , tłum. D. Gajkowicz, ss. 290-308, w: Dzi ś i jutro maszyn cyfrowych , Warszawa, 1969, ss. 294-302.21 Zob. T. Winograd, Understanding Natural Language , New York, 1972.22 Na temat poj ę cia łamigłówki zob. T. S. Kuhn, Struktura ..., ss. 73-86.23 D. J. Chalmers, On implementing a computations , ss. 391-402, w: "Minds and Machines", Nr 4/1995, s. 397.24

T. S. Kuhn, Struktura... , s. 152.25 Por. P. Konderak, Obliczeniowe modele rozumienia j ę zyka naturalnego , ss. 7-24, w: "Philosophon Agora", Nr1/1999, s. 16.


6/7


6

produkcji, który wprawdzie pozwalał na somomodyfikacj ę systemów, ale nie umo żliwiałwyja śnienia warunków kontekstowych, b ę dą cych przecie ż podstaw ą komunikowania si ę w

ję zyku naturalnym. Wła śnie to zjawisko mo żna potraktowa ć jako niewyja śnialn ą anomali ę igłówny powód przej ścia do techniki sieci semantycznych stanowi ą cej obecnie najbardziejobiecuj ą cy formalizm reprezentacji wiedzy.

W świetle powy ższych rozwa żań rysuje si ę antykumulatywny charakter rozwoju bada ń nadsztuczn ą inteligencj ą . Mówi ą c inaczej, rozwój bada ń nad AI ma charakter rewolucyjny.Mówi ą c słowami Kuhna, rewolucja jest to przej ście do nowego paradygmatu 26. W przypadkubada ń nad sztuczn ą inteligencj ą rewolucja polegała na przej ściu od paradygmatu, który Duchnazywa klasycznym 27 do wzorca koneksjonistycznego. Jako, że szeregowe podej ście doprogramowania systemów inteligentnych nie przyniosło oczekiwanych efektów, na pocz ą tkulat osiemdziesi ą tych XX wieku podj ę to prób ę modelowania i obliczeniowego wyja śnianiazjawisk mentalnych w oparciu o badania neurofizjologiczne. Nadzieje zwi ą zane z tymnowym paradygmatem trafnie uj ą ł David E. Rumelhart pisz ą c:

Dlaczego akurat komputer wzorowany na pracy mózgu miałby by ć szczególnieinteresuj ą cym źródłem inspiracji? U podstaw przyj ęcia metafory komputerowej le żyukryte zało żenie co do najwła ściwszego dla nauki o poznawaniu poziomuwyjaśniania. (…) Postulowane przez nasze [koneksjonistyczne, przyp. P. K.]modele operacje najtrafniej dałoby si ę nazwa ć inspirowanymi neuronalnie. (…)Zamiast anga żowa ć w proces przetwarzania olbrzymi ą liczb ę krokówuporz ą dkowanych szeregowo (…) mózg działa szerokim frontem, anga żują c

jednocze śnie bardzo wiele elementów przetwarzania, współpracuj ą cych ze sob ą równolegle dla wykonania zadania. Jestem przekonany, że m. in. z tych wła śniepowodów przetwarzanie informacji rz ą dzi si ę zupełnie innymi prawami ogólnymi ni ż te, do których zd ążyliśmy ju ż przywykn ąć.28

Dlatego te ż mo żna wnosi ć, że paradygmat zwi ą zany z komputerow ą metafor ą umysłu ipoznania został zast ą piony paradygmatem mózgowym, który swoje główne zało żenia czerpałz superparadygmatu obliczeniowego. Podobnie, jak w przypadku metafory komputerowej,równie ż badacze akceptuj ą cy metafor ę mózgow ą twierdz ą , że podej ście obliczeniowe jestcentralne w studiach nad umysłem i natur ą procesów poznawczych. Ró żnice wynikaj ą natomiast z lingwistycznej niewspółmierno ści poj ęć bazowych dla obydwu z tych podej ść.Mówi ą c o zagadnieniu niewspółmierno ści za Muszy ńskim 29 neguj ę mo żliwo ść, że sama tezao niewspółmierno ści jest fałszywa i zamiast niej mówi ć nale ży o bł ę dzie ekwiwokacji dlatych samych terminów wyst ę pują cych w ró żnych teoriach. Jak zauwa ża Muszy ński, abymówi ć o ekwiwokatywno ści tych samych terminów wyst ę pują cych w ró żnych teoriach nale żymie ć teoretyczne narz ę dzie umo żliwiaj ą ce odró żnienie płaszczyzny znaczeniowej odsemantycznej. Ponadto, nale żałoby zanegowa ć istnienie warunków stało ści znaczeniaterminów oraz ich referencji. Negacja ta jest o tyle trudna, że w samej praktyce badawczejuczonych mo żna odnale źć przywi ą zanie do stało ści znaczenia danych terminów 30. Mówi ą c olingwistycznej niewspółmierno ści zachodz ą cej pomi ę dzy konkurencyjnymi podej ściami wramach bada ń nad AI mam na my śli fakt, że pewne terminy teoretyczne w obr ę bie ró żnychteorii maj ą różne znaczenie, a co za tym idzie – równie ż różną referencj ę . Istnienieniewspółmierno ści łatwo wykaza ć zestawiaj ą c poj ę cie systemu kognitywnego w świetle

26 Zob. T. S. Kuhn, Struktura ..., s. 164.27 Por. W. Duch, Czym... , s. 26.28 D. E. Rumelhart, Architektura umysłu. Podej ście koneksyjne , tłum. H. Grzegołowska-Klarkowska, ss. 240-272, w: Modele... , red. Z. Chlewi ński, ss.: 241, 242, 243.29 Zob. Z. Muszy ński, Niewspółmierno ść... , s. 173.30 Por. tam że, s. 174.


7/7


7

metafory komputerowej i mózgowej. W ramach metafory komputerowej system kognitywny jest maszyn ą Turinga lub automatem sko ńczonym stanowo 31. Z kolei zdaniem zwolennikówmetafory mózgowej system kognitywny jest układem zło żonym z zespołu procesorów,którymi kieruje procesor nadrz ę dny istniej ą cy w pewnym środowisku 32. Ta fundamentalnaróżnica prowadzi do lingwistycznej niewspółmierno ści innych kluczowych dla bada ń nad AI

pojęć. Pomijaj ą c w tym miejscu przykłady mo żna stwierdzi ć, że omawiane niewspółmiernepodej ścia daj ą biegunow ą wizj ę rozwoju teorii i praktyki sztucznej inteligencji. Analizaefektów bada ń prowadzonych w zgodzie z metafor ą komputerow ą i mózgow ą pozwalaprzypuszcza ć, że druga spo śród wymienionych zdaje si ę posiada ć wię ksz ą moceksplanacyjn ą . Jest tak, poniewa ż dzi ę ki uwzgl ę dnieniu zagadnienia interakcji systemówkognitywnych ze środowiskiem zewn ę trznym, kwestii ogranicze ń poznawczych oraz oparciuautomatyzacji wnioskowa ń na zasadzie rachunku prawdopodobie ństwa (nie za ś teoriirekursji) podej ście koneksyjne obejmuje filozoficznie doniosły problem intencjonalno ścisystemu b ę dą cy warunkiem wygłaszania s ą dów o izomorficzno ści zachodz ą cej pomi ę dzynaturalnymi i sztucznymi podmiotami poznawczymi.

4. Uwagi ko ńcowe

Poprzez zastosowanie kuhnowskiej metodologii do analizy wyników bada ń nad sztuczn ą inteligencj ą starałem si ę wykaza ć, że badania te s ą prowadzone w ramach dyscyplinydojrzałej metodologicznie. Trzeba jednak podkre ślić, że prowadzone rozwa żania mog ą być traktowane wył ą cznie jako wst ę p do gruntownego przebadania tematu. Aby jednoznacznieokre ślić czy teoria sztucznej inteligencji jest dyscyplin ą naukow ą w sensie podej ścia Kuhnanale żałoby dokładnie przeanalizowa ć problem zmiany paradygmatu, skutki tego rodzajuzmiany oraz podda ć dyskusji szereg problemów zwi ą zanych z zagadnieniem ontologicznej

niewspółmierno ści istniej ą cych paradygmatów. Z racji, że ontologiczny status komputerów isystemów AI wydaje si ę niejasny potrzeba współpracy filozofów, kognitywistów, logików ipsychologów, aby podj ąć prób ę odpowiedzi na postawione kwestie.

31 Por. S. Bringsjord, M. Zenzen, Cognition is not computation: the argument from irreversibility, ss. 285-320,

"Synhese", Nr 113, 1997, s. 286.32 Por. D. E. Rumerhart, Architektura..., s. 245.

Piotr Kołodziejczyk, Zastosowanie kuhnowskiego pojęcia paradygmatu w analizie badań nad sztuczną...

Documents

Transcript of Piotr Kołodziejczyk, Zastosowanie kuhnowskiego pojęcia paradygmatu w analizie badań nad sztuczną...