P(H) > P(H') – H имеет более высокую вероятность, чем H'
P(E/H) > P(E/H') – H дает более высокую вероятность E, чем H'.
Эта версия теории объяснения непосредственно привлекала бы когерентность в ее вероятностной интерпретации (Бонжур) – P будет истинно для SтттP логически непротиворечиво с остальными предложениями, полагаемыми S истинными, и имеются целесообразные вероятностные связи между другими предложениями, полагаемыми S истинными, и P.
Мы можем суммировать вышесказанное, сформулировав два аргумента относительно объяснения:
ничто не является объяснением, если оно не истинно;
ни у кого нет оснований утверждать «я имею объяснение», если у него нет оснований утверждать «я имею теорию, которая является приемлемой и дает объяснение».
Ясно, что эти аргументы различаются только с точки зрения корреспондентной истинности. Для когерентиста они идентичны.
Такая интерпретация позволяет сохранить базовые интуиции, согласно которым объяснение должно связывать неизвестное с известным, и в то же время снимает возражение этому подходу, заключающееся в том, что объяснение известного феномена может быть произведено с помощью совершенно новых и необычных теорий: в любом случае это новое и необычное знание должно будет быть когерентно с множеством предложений, полагаемых языковым сообществом тривиально истинными, т.к. в противном случае это новое знание, не располагая определенными значениями, попросту не сможет функционировать, т.е. не будет существовать как знание.
Итак, анализ семантического аспекта перехода от описания к объяснению оказывается связанным с проведением нескольких дихотомий:
данные наблюдения/теория;
репрезентационизм/конструктивизм;
корреспондентная/когерентная истинность;
дескрипция/объяснение.
12.3 Проблема языка в современных исследованиях по искусственному интеллекту
12.3.1 Источник компьютерных аналогий
В основании компьютерных аналогий ментального, широко используемых в когнитивистских моделях, лежит понятие машины Тьюринга. В работе 1950 года «Умеет ли машина мыслить?» Алан Матисон Тьюринг поставил задачу формулировки условий, при которых машина может быть описана как мыслящая. А поскольку понятие «мышления» весьма темное, то он полагает, что, прояснив, что значит мыслить для машины, мы сможем понять, что значит мыслить вообще. Тьюринг исходит из предпосылки, что если поведение машины неотличимо от поведения человека, то это – достаточный критерий считать такую машину мыслящей. Он предложил абстрактную модель машины, успешно имитирующей всю совокупность человеческого поведения, которая впоследствии получила название машины Тьюринга. В основе этой идеи лежат результаты, полученные в 30-х годах 20-го века и легшие в основу так называемой теории автоматов и обобщенные в теории алгоритмов. Тьюринг исходит из представления о разумном поведении как деятельности, направленной на решение задач. Задача полагается решаемой, если может быть обнаружен алгоритм – набор специфицируемых вычислительных процедур – ее решения. Понятие алгоритма было интуитивно ясным, но не существовало общей формулы алгоритма вообще. Тьюринг сформулировал следующий тезис: для всякого алгоритма можно смоделировать машину, отвечающую определенным характеристикам, которая будет реализацией этого алгоритма628. Тогда для всякой задачи (в широком, а не в узком, математическом, смысле), решаемой людьми, может найтись такая вычислительная машина, которая будет решать эту задачу так же хорошо. Машина Тьюринга – абстрактная универсальная вычислительная машина. Если такая машина может имитировать поведение любой другой машины, то она, в таком случае, сможет быть универсальным имитатором человеческого поведения. И, по мнению Тьюринга, нет никаких логических препятствий к допущению такой модели.
Машина Тьюринга отличается определенными свойствами. В основе ее лежит понятие автомата: самостоятельно действующего управляющего устройства. Для их описания используются три алфавита: алфавит входа, алфавит выхода и алфавит внутренних состояний автомата. Среди таких автоматов различают автоматы с конечной или бесконечной памятью, различаются они, разумеется, и количеством входов и выходов, а также могут быть вероятностными, если какая-нибудь из функций четко не задана, а предполагается случайно осуществляемой автоматом в каждый момент времени. Существенная характеристика машины Тьюринга – дискретность: в каждый момент дискретного времени она находится в совершенно определенном (одном и только одном состоянии), так что можно точно указать, что у машины «на входе» (иначе говоря, что «воспринимается» машиной), что «на выходе» (машинное «действие») и в каком состоянии она находится в данный момент времени. Таким образом, каждое дискретное состояние можно полностью описать в терминах входа-выхода и функции (иначе: алгоритма), которая(-ый) их связывает, т.е. используя только буквы соответствующих трех алфавитов плюс специальные термины, подобные логическим константам. Возможны и существуют машины с не дискретными состояниями: в этом случае никакому моменту дискретного времени нельзя сопоставить одно и только одно машинное состояние – данные продолжают поступать на вход постоянно и постоянно же происходит изменение состояния. В какой-либо момент времени могут быть «считаны» результаты неких измерений или действий, производимых с помощью такой машины, но внутри интервала между началом решения задачи этой машиной и получением результата различение дискретных состояний невозможно (или практически возможно только в виде какой-либо аппроксимации). Результаты, получаемые с помощью таких машин обладают большей погрешностью вследствие того, что считывание результатов – тоже процесс, требующий времени, а за это время показания изменяются. Машинам с дискретными состояниями соответствуют среди реальных машин, например, цифровые компьютеры, с не дискретными состояниями – аналоговые. В этом отношении на роль универсального «мыслящего» имитатора, построенного по модели Тьюринга, лучше подходят цифровые вычислительные машины. Трудно сказать, насколько уместно проводить аналогию между человеческим организмом и машиной Тьюринга в структурном отношении: для этого требуется доказать, что ментальные состояния подобны внутренним состояниям таких машин, а именно – дискретны. Трудности в проведении такой аналогии, однако, с точки зрения Тьюринга – не помеха компьютерному моделированию сознания: ведь его критерий основан на понятии имитации – если машина Тьюринга (с дискретными состояниями) способна имитировать поведение любой машины с не дискретными состояниями (а по Тьюрингу, это – так), т.е. решать всю совокупность задач, решаемых такими машинами, то нет разницы в том, насколько обоснованно полагать внутренние состояния человека дискретными. Вывод о способности машины Тьюринга мыслить как человек (т.е. решать весь комплекс релевантных задачи) не будет зависеть от успехов или неудач такого обоснования. Тогда, независимо от того, как решается метафизический вопрос (что такое ментальное), мышление может описываться в терминах машинной модели Тьюринга.
Не все, но многие версии машинного функционализма опираются на понятие машин Тьюринга, которые определяются по двум функциям: от входных данных и состояний к выходным данным и от входных данных и состояний к состояниям. В этой модели любое устройство, соответствующее понятию машины Тьюринга, можно описать с помощью так называемой машинной таблицы. Пример такой таблицы для примитивного автомата – выключатель:
Состояние S1
Состояние S2
Вход: нажатие
Вкл. и переход в S2
628
А. Тьюринг, Может ли машина мыслить, «Колледж», Саратов, 1999, 6 – 76.