Mensachtige robots Met de focus op denken

Transcriptie

1 Mensachtige robots Met de focus op denken Bas Zalmstra 8 juli

2 Inhoudsopgave 1 Inleiding 3 2 Wat is een mensachtige robot? 4 3 Voorbeelden van mensachtige robots Fietsende robots Zwemmende robots Voorbeeld van een denkende robot Transformatie stappen Het script Voorbeelden De losoe van het denken De Turing test Versies van de test Het Chinese kamer experiment Kritiek op het Chinese kamer experiment Wie begrijpt er Chinees? Kan het programma symbolen begrijpen? Dualisme De complexiteit van het programma Searle's formele argumentatie Conclusie 18 2

3 1 Inleiding Robots zijn al enige tijd in staat om menselijke gedrag en bewegingen na te bootsen. Hoofdstuk 2 legt uit wat eigenlijk een menselijke robot is. In Hoofdstuk 3 komen een aantal voorbeelden voorbij van robots die menselijk gedrag vertonen. In Hoofdstuk 4 wordt een voorbeeld beschreven van een programma dat intelligent gedrag vertoont. Een belangrijke vraag om te beantwoorden in de navolging van het onderzoek naar de intelligentie van robots is of een robot kan denken. Deze vraag is echter niet te beantwoorden omdat de denitie van denken onduidelijk en dubbelzinnig is (zoals beschreven in 5.1) daarom is de hoofdvraag van deze scriptie: Kan een robot denken als een mens? Hoofdstuk 5 beschrijft een test om te bepalen of een machine als intelligent beschouwd kan worden. Na het beschrijven van de test wordt er ingegaan op kritiek op deze test. Uiteindelijk volgt in Hoofdstuk 6 een conclusie die een antwoord geeft op de hoofdvraag. 3

4 2 Wat is een mensachtige robot? Het woord robot dook voor het eerst op in 1920 in een toneelstuk genaamd Rossum's Universele Robots geschreven door de Tsjechische schrijver Karel ƒapek. Het toneelstuk begint in een fabriek die kunstmatige mensen genaamd robots maakt. Het woord robot is afgeleid van het Tsjechische woord robota dat 'werk' of 'verplichte arbeid' betekent. In een ingezonden brief die in 1933 verscheen in een Tsjechisch dagblad legt Karel ƒapek uit dat het woord robot een vervanging was voor het woord werker. In zijn brief legt hij uit dat het woord robots eigenlijk bedacht is door zijn broer, Josef ƒapek. [Zun10] Er is geen ociële denitie voor een robot maar experts zijn het er in het algemeen over eens dat een robot één of meer van de volgende dingen doet: rond bewegen, een mechanisch onderdeel bedienen, hun omgeving waarnemen en manipuleren, of intelligent gedrag, en dan vooral menselijk of dierlijk gedrag, vertonen. Vaak wordt gezegd dat een robot zelfstandig, zonder de tussenkomst van een mens zijn opdracht moet kunnen uitvoeren. Het is echter niet duidelijk of de denitie van een robot ook geldt voor op afstand bestuurbare systemen of alleen voor systemen die bestuurd worden door hun software. In Zuid-Afrika wordt bijvoorbeeld de term robot ook gebruikt voor een groep stoplichten. Een mensachtige robot is een robot die op een mens lijkt, maar wel direct te onderscheiden is van een mens. Er zijn talloze voorbeelden van robots met twee armen en twee benen die bijvoorbeeld kunnen lopen. Deze robots zijn tot nog toe altijd wel te onderscheiden van mensen. De vormen en materialen waaruit een robot bestaat maken het voor een mens makkelijk om dit onderscheid te maken. Androids en gynoids zijn robots die zo veel op een mens lijken dat ze niet direct te onderscheiden zijn van een mens. Een android heeft een mannelijk uiterlijk en een gynoid een vrouwelijk. Androids en gynoids komen tot nu toe alleen in science-ction verhalen voor. 4

5 Figuur 1: Murata boy etsend over een dunne balk 3 Voorbeelden van mensachtige robots In dit hoofdstuk worden een aantal voorbeelden van robots gepresenteerd die menselijk gedrag na proberen te bootsen. Mensachtige robots zijn meestal ontworpen om maar een aantal specieke kenmerken van menselijk gedrag te simuleren. 3.1 Fietsende robots De meeste mensen kunnen vanaf een jonge leeftijd al etsen. Fietsen is echter zelfs voor mensen lastig om te leren en het is dus voor onderzoekers interessant om een robot te maken met het vermogen om te etsen. Het Japans bedrijf Murata Manifacturing Co., Ltd. toonde in 2006 de robot Murata Boy. [Moo03]Deze robot van 50 cm groot kan zelfstandig op een ets met twee wielen over een balk van twee centimeter breed etsen zonder dat hij hierbij omvalt (1). De robot is door de Japanners gemaakt om aan de rest van de wereld te tonen hoe ver Japan is met sensortechnologie. Murata Boy vertoont intelligent gedrag omdat hij door middel van sensoren zichzelf in balans kan houden en obstakels kan vermijden. Murata boy heeft 4 sensoren aan boord: twee gyroscopen, een ultrasonische sensor en een schoksensor. De eerste gyroscoop detecteert hoeveel de robot horizontaal gedraaid is. Dit houdt in dat de robot bijvoorbeeld weet hoe ver hij in een bocht is. Samen met de afgelegde afstand kan de robot hiermee zijn positie berekenen. De tweede gyroscoop wordt gebruikt om te detecteren of de robot aan het omvallen is. Door te sturen kan de robot overeind blijven, zolang hij beweegt. Als de robot stil staat wordt een vliegwiel gebruikt om de robot in balans te houden. De schoksensor stelt Murata Boy in staat om te voelen hoe hobbelig de ondergrond is waar hij overheen etst. Murata boy gebruikt de gegevens van de 5

6 Figuur 2: Één van de robotvissen die werden gemaakt door de Universiteit van Washington schoksensor om zichzelf te stabiliseren bij lage snelheden. Dezelfde technologie wordt gebruikt om harde schijven in laptops te beschermen tegen schokken. Murata boy heeft twee 'ogen'. Het ene oog zendt een 40Khz ultra sonische golf uit, het tweede oog vangt het signaal weer op. Door naar het tijdsverschil te kijken tussen het versturen en het ontvangen kan Murata Boy zijn afstand bepalen tot obstakels. Murata boy probeert zelf obstakels te vermijden met behulp van deze gegevens. Het bedrijf achter Murata Boy ging in 2008 nog een stap verder door ook een robot te maken die op een eenwieler etst: Murata Girl. Behalve de balans links en rechts moet Murata Girl ook de balans voor en achter behouden wat dus een extra uitdaging was voor de ontwikkelaars. 3.2 Zwemmende robots Er is vrij veel onderzoek gedaan naar zwemmende robots. De meeste zwemmende robots gedragen zich als vissen. Dat wil zeggen dat deze robots zwemmen als vissen. Vissen zwemmen eciënter dan een mens; een mens moet ademhalen, kan zich niet snel voortbewegen en steekt veel energie in bewegingen die hem niet veel snelheid geven. Een vis kan sneller zwemmen en heeft daarvoor veel minder energie nodig. De Universiteit van Washington heeft robotvissen ontwikkeld die gezamelijk als een school door een aquarium kunnen zwemmen. Deze vissen tonen intelligent gedrag door met elkaar te communiceren en samen door het aquarium te zwemmen. De onderzoekers hopen de robotvissen te kunnen inzetten om migraties van vissen te volgen of om de kwaliteit van water te meten rondom een school vissen. (2) 6

7 Voor onderzoek naar de biomechanica van het menselijk zwemmen worden robots ingezet die de menselijke zwembeweging nabootsen. Eerder werden menselijke zwemmers gebruikt. Mensen krijgen sensoren op hun hand die de druk van het water en de kracht van de persoon in kwestie meten. Met behulp van de verkregen gegevens konden de onderzoekers de waterstroom om de hand van de persoon visualiseren. Dit onderzoek ging er echter van uit dat het experiment te herhalen was en dezelfde gegevens op zou leveren. Helaas is het in realiteit lastig voor een mens om een experiment op precies dezelfde manier te reproduceren. Motomu Nakashima en Hideo Kobayashi [NaKo08] beschrijven een methode om van een menselijke robot gebruik te maken zodat het experiment herhaald uitgevoerd kan worden en elke keer dezelfde gegevens oplevert. De menselijke zwemmende robots zoals gebruikt in onderzoek naar biomechanica van het menselijk zwemmen vertonen geen intelligent gedrag omdat ze alleen de beweging van een mens nabootsen zonder daar verder beslissingen over te nemen. Zonder interventie van een mens zou de robot bijvoorbeeld tegen de kant aan zwemmen. 4 Voorbeeld van een denkende robot 1 Een chatterbot is een computer programma dat een intelligent antwoord probeert te geven op een (menselijke) vraag of opmerking. Op internet zijn veel voorbeelden te vinden van chatterbot. Sommige van deze chatterbots worden als gevaarlijk beschouwd omdat ze bijvoorbeeld mensen weten over te halen om persoonlijke gegevens openbaar te maken. Het begon allemaal met ELIZA. ELIZA is een programma dat door tekst te transformeren ogenschijnlijk intelligente antwoorden kan geven op vragen en opmerkingen. Het programma werkt door de input van de gebruiker te transformeren aan de hand van een simpel script. ELIZA toont aan dat een programma heel erg weinig kennis van menselijke gedachten of emoties hoeft te hebben om intelligent op een mens te kunnen reageren. Het bekendste script dat voor ELIZA bestaat is het DOCTOR script. Dat script is gemodelleerd naar een psychiater. Als een patiënt een vraag stelt waar het script geen speciek antwoord op heeft, antwoord het script met een generiek antwoord. Als de gebruiker bijvoorbeeld zegt: My head hurts, antwoord het script iets als Why do you say your head hurts. Met heel simpele regels kan het programma de invoer omvormen naar de uitvoer. Het transformatieprocess bestaat uit een aantal stappen. De transformatie stappen worden beschreven in 4.1. In 4.2 wordt duidelijk gemaakt hoe het script eruit ziet. In 4.3 worden twee voorbeelden gegeven van hoe de invoer van de gebruiker wordt getransformeerd tot een uitvoer met behulp van ELIZA. 1 De ELIZA voorbeelden zijn in het Engels omdat de taal zich beter ontleent om invoer te transformeren naar uitvoer. 7

8 4.1 Transformatie stappen 1. De invoer wordt opgesplitst in woorden. De rest van het proces werkt nu met woorden en niet langer met de aparte karakters van de invoer. 2. Woorden in de invoer worden vervangen met de woorden die in de presubstitutie lijst staan. Deze lijst staat beschreven in het script. 3. Van trefwoorden die in de tekst voorkomen wordt een lijst gegenereerd. De lijst wordt gesorteerd op basis van gewichten die aan de trefwoorden zijn toegewezen in het script. Deze gewichten geven prioriteit aan trefwoorden. Trefwoorden met een hogere prioriteit worden eerder geseletecteerd dan degene met een lagere prioriteit. Het programma gaat langs elk trefwoord totdat er een uitvoer word gegenereerd. 4. Voor een gegeven trefwoord worden alle decompositiepatronen gezocht. Een decompositiepatroon is een patroon waaraan de invoer zin kan voldoen. Achteraf kan er met een reconstructiepatroon worden verwezen naar delen van de invoer zin zoals aangegeven in het decompositiepatroon. Als de invoer overeenkomt met een decompositiepatroon wordt deze geselecteerd. Als er geen enkel decompositiepatroon met de invoer overeenkomt word het volgende trefwoord geselecteerd. 5. Voor het geselecteerde decompositiepatroon wordt een reconstructiepatroon gekozen. Een reconstructiepatroon is een patroon die tekst genereert op basis van de invoer zin. Delen uit de invoer zin kunnen worden geselecteerd met behulp van het decompositiepatroon. Er kunnen meerdere reconstructiepatronen zijn voor het geselecteerde decompositiepatroon. Als een volgende invoer met hetzelfde decompositiepatroon overeen komt wordt het volgende reconstructiepatroon gekozen. Wanneer het laatste reconstructiepatroon gekozen is begint het weer van voor af aan. 6. Als laatste worden er nog woorden in de uitvoer vervangen volgens de postsubstitutie lijst. Deze lijst staat ook aangegeven in het script. 4.2 Het script In het script staat welke woorden in de invoer moeten worden vervangen (presubstitutie lijst), welke woorden in de uitvoer moeten worden vervangen (postsubstitutie lijst), trefwoorden en bijbehorende decompositie- en reconstructiepatronen. Op elke regel staat eerst een tag die aangeeft wat er op de regel volgt. ELIZA kent de volgende tags: initial: ELIZA geeft de tekst die na deze tag volgt als uitvoer zodra het programma opstart. Meestal is dit iets in de trant van Goodday, how can I be of service? nal: Het programma geeft de tekst die na deze tag volgt zodra het afsluit. Vaak is dit een afsluitende zin of woord zoals Goodbye. 8

9 quit: Als de invoer hieraan gelijk is sluit het programma af. pre: Vervangt het eerste woord met het tweede in de invoer. Onderdeel van de presubstitutie lijst. post: Vervangt het eerste woord met het tweede in de uitvoer. Onderdeel van de postsubstitutie lijst. key: Geeft een trefwoord en een bijbehorend gewicht aan. decomp: Een decompositiepatroon. Het karakter * staat voor een willekeurige opeenvolging van woorden. reasmb: Reconstructiepatroon. Een opeenvolging van woorden als aangegeven met een * in een decompositiepatroon kan worden gebruikt als een onderdeel van het reconstructiepatroon. Bijvoorbeeld (2) verwijst naar de woorden van de tweede * van het decompositiepatroon. synom: Een lijst van woorden die samen een synonym vormen. In een decompositiepatroon kan een synoniem worden gebruikt door middel van gevolgd door de naam van het synoniem. In het script kan bijvoorbeeld het family synoniem worden aangegeven als de woorden moeder vader zus broer. In een decompositie kan nu worden verwezen wat dus een enkel woord van de lijst van family inhoudt. Als er een $ voor een decompositiepatroon staat wordt de uitvoer niet opgeleverd maar opgeslagen en gaat ELIZA naar het volgende keyword. Als ELIZA geen uitvoer kan genereren en er zijn opgeslagen zinnen, dan wordt een opgeslagen zin naar de uitvoer geschreven en wordt de desbetreende zin vergeten. 4.3 Voorbeelden Het volgende script is een voorbeeld van de eerder uitgelegde regels voor een ELIZA script. Het gesprek begint met de zin Tell me what your problem is. Met deze zin lokt het programma de gebruiker om een probleem voor te leggen. Als de gebruiker nu bijvoorbeeld my dog died als invoer geeft, dan krijgt hij als antwoord Why do you think your dog died? terug. i n i t i a l : Tell me what your problem i s. key : my 2 decomp : my reasmb : Why do you think your ( 2)? Figuur 3: Voorbeeld ELIZA script 1 Het tweede voorbeeld bevat ook de tags post en synon. De invoer die een gebruiker zou kunnen geven is My mother hates my daughter waarop het script zal reageren met Who else in your family hates your daughter. 9

10 i n i t i a l : Tell me what your problem i s. post : my your synon : family mother father s i s t e r brother son daughter aunt uncle key : my 2 decomp : reasmb : Who e l s e in your family (4)? Figuur 4: Voorbeeld ELIZA script 2 Deze voorbeelden tonen aan dat het programma een intelligent antwoord kan geven zonder dat het hoeft te weten wat de betekenis is van de invoer. Simpelweg door text te transformeren aan de hand van patronen kunnen we dus intelligente programma's schrijven. Een mens kon Eliza toch makkelijk door de mand laten vallen door een vraag te stellen waarvoor kennis nodig is. Als ik jouw hand schud, wie geef jij dan een hand? is een vraag waarvoor het programma de betekenis van handen schudden moeten weten. ELIZA kan echter makkelijk uitgebreid worden om antwoord te geven op deze vraag maar zo wordt alleen het script specieker gemaakt. Het is niet mogelijk om elke mogelijke vraag in het script op te nemen. 10

11 5 De losoe van het denken De vraag of een machine (een robot dus ook) denkt begint met het onderscheid tussen het dualisme en materialisme. Vanuit het dualistisch oogpunt is de menselijk geest niet iets fysieks maar iets mentaals. In ieder geval bestaat de menselijke geest ook uit niet fysieke delen. Om deze reden kan een menselijke geest dus niet worden uitgelegd als enkel fysieke dingen. Dit impliceert dat volgens het dualisme een machine, die volledig fysiek is, geen geest kan hebben en dus nooit kan denken [Wik10]. Materialistisch denken is juist het tegenovergestelde. Materialisten beweren dat alles wat bestaat uit materie bestaat. Onze geest is dus ook een voorkomen van materie, namelijk onze hersenen. Volgens materialisten is het dus wel mogelijk voor een machine om een geest te hebben. 5.1 De Turing test In 1950 publiceerde Alan Turing het artikel Computing Machinery and Intelligence in het tijdschrift Mind [Tur50]. Hierin probeerde hij de vraag Kunnen machines denken? te beantwoorden. Zijn artikel begint met de zin: I propose to consider the question, "Can machines think?". In zijn artikel beargumenteert Turing dat de vraag of machines kunnen denken vaag en onduidelijk is omdat de denitie van denken niet zo vastgelegd kan worden dat iedereen er tevreden mee is. In zijn paper stelt hij voor om de vraag te vervangen door een betere ondubbelzinnige vraag. Turing herschrijft het probleem als spel genaamd the imitation game. Het wordt gespeeld door drie personen, een man (A), een vrouw (B) en een ondervrager die elk geslacht mag zijn. Het doel van het spel is dat de ondervrager moet achterhalen welke persoon de man en welke persoon de vrouw is. De ondervrager zit afgescheiden van de andere twee personen en kan aan hen vragen stellen. Persoon A heeft als doel om de ondervrager de verkeerde conclusie te laten trekken. Het doel van B is om de ondervrager juist te helpen om tot de juiste conclusie te komen. Turing vervangt vervolgens de originele vraag met de vraag: Wat gebeurt er als een machine de rol van A op zich neemt in het spel? Kan een machine de ondervrager net zo vaak voor de gek houden als wanneer het spel door mensen gespeeld zou worden? Turing beargumenteert dat als de computer de ondervragen net zo vaak voor de gek kan houden als een mens dat hij dan als intelligent beschouwd kan worden. De test die Turing in zijn paper uitlegt wordt de originele Turing test genoemd Versies van de test Turing legt in zijn artikel nog een andere vorm uit van de Turing test. In deze versie wordt persoon B niet door een vrouw gespeeld maar door een man. Op 11

12 deze manier proberen zowel speler A als speler B om de ondervrager tot een verkeerde conclusie te laten komen. Behalve de twee versies die Turing in zijn artikel beschrijft is er ook nog een derde versie van de Turing test. De eerste twee worden door Alan Turing beschreven in zijn artikel. De andere wordt door Sail Taiger beschreven als de standaard interpretatie[moo03]. Er is discussie over of de standaard interpretatie ook de versie is die Turing bedoelde of een versie is die ontstaan is door het verkeerd lezen van Turing's artikel. Taiger beargumenteert dat het doel van de Turing test niet is om de ondervrager op het verkeerde been te zetten maar om te bepalen of een machine een mens kan imiteren. Dit heeft geleid tot een aangepaste versie van the imitation game. In deze versie is speler A een machine en speler B een persoon van een willekeurig geslacht. Het is nu niet de taak van de ondervrager om te bepalen welke speler de man en welke speler de vrouw is maar het is de taak van de ondervrager om aan te geven welke speler een machine is en welke speler een mens. De test waarbij een mens een computer moet onderscheiden van een mens wordt de standard Turing test genoemd. Sterrett beargumenteert dat er twee distincte testen uit het artikel van Turing uit 1950 gehaald kunnen worden [Ste00]. Zij stelt ook dat deze twee tests niet hetzelfde zijn. Er is namelijk een cruciaal verschil tussen de beide tests: the original imitation game stelt in tegenstelling tot de standaard interpretatie het nabootsen van menselijk gedrag niet als belangrijkste criteria voor intelligentie. Een man kan falen voor the original imitation game maar Sterrett beargumenteert dat niet slagen voor de test betekent dat de man niet vindingrijk genoeg was. The original imitation game berust dus op vindingrijkheid en niet alleen op het nabootsen van menselijk gedrag. 5.2 Het Chinese kamer experiment John Searle geeft in zijn artikel Minds, Brains and Programs dat hij in 1980 publiceerde kritiek op de Turing test door middel van een gedachten experiment [Sea80]. Searle wil laten zien dat een machine die symbolen verplaatst en transformeert (zoals huidige computers) nooit een geest of begrip kan hebben. Stel dat onderzoek naar kunstmatige intelligentie tot een computer leidt die zich gedraagt alsof het Chinees begrijpt. De computer neemt Chinese tekens als invoer en door een programma uit te voeren kan de computer Chinese tekens als uitvoer genereren. Stel nu dat op alle vragen die een Chinese persoon stelt aan de computer, de computer een antwoord geeft waardoor de persoon denkt dat hij de vraag aan een ander Chinees sprekend persoon stelt. De computer is zo goed dat hij makkelijk voor de Turing test slaagt. Searle stelt nu dat er voorstanders van kunstmatige intelligentie zijn die zouden concluderen dat de computer Chinees begrijpt. Searle probeert deze vorm van kunstmatige intelligentie, die hij strong AI noemt, aan te vallen. Strong AI is een term die gebruikt wordt voor kunstmatig intelligente systemen die kunnen denken en een geest kunnen hebben. Het tegenovergestelde van strong AI is weak AI. De term weak AI wordt voor kunstmatig intelligente systemen gebruikt die zich gedragen alsof ze kunnen denken en een geest hebben. 12

13 ELIZA is een voorbeeld van weak AI. ELIZA begrijpt niet wat de gebruiker zegt maar gedraagt zich wel op die manier. Stel nu dat er een man in een kamer zit met de Engelse versie van de programmacode van de computer. De man kan nu Chinese karakters ontvangen, het programma volgen en een uitvoer van Chinese tekens maken. Omdat de computer de Turing test haalde kan worden gezegd dat de man in de kamer ook voor de Turing test slaagt omdat hij simpelweg precies het programma volgt dat de computer ook volgde. Searle wil hiermee duidelijk maken dat er geen verschil is tussen de rol van de computer en de man in de kamer. Beide volgen stap voor stap hetzelfde programma. Toch kunnen we niet zeggen dat de man in de kamer Chinees begrijpt. Hieruit valt direct te concluderen dat de computer ook geen Chinees begrijpt. Searle legt uit dat als een computer niet kan begrijpen, hij ook niet kan denken. 5.3 Kritiek op het Chinese kamer experiment Het Chinese kamer experiment is vooral populair omdat er zo veel kritiek op is Wie begrijpt er Chinees? Een belangerijk kritiekpunt op het Chinese kamer experiment is de vraag wie er nou eigenlijk Chinees begrijpt. Er zijn twee argumenten die op deze vraag ingaan. Het systeem. Een veel gehoord antwoord op Searle's gedachten experiment is dat het niet de man is die Chinees begrijpt maar dat het gehele systeem Chinees begrijpt. Het gehele systeem bestaat uit de kamer, de man, het programma en alle hulpmiddellen die de man gebruikt bij het tot stand komen van een antwoord. De man begrijpt zelf alleen maar Engels terwijl het complete systeem Chinees begrijpt. Dit volgt hetzelfde principe als de hersencellen in ons hoofd. Men kan niet zeggen dat een enkele hersencel Engels of Nederlands begrijpt, het zijn alle hersencellen samen die ons in staat stellen om een taal te begrijpen. Searle beantwoordt de kritiek met een andere vraag: Wat nou als de man het programma uit zijn hoofd leert en alles in zijn hoofd doet? Het enige onderdeel van het systeem is nu de man. Searle beargumenteert dat als de man geen Chinees begrijpt dat het systeem dan ook geen Chinees begrijpt. Dat het lijkt alsof de man in staat is om Chinees te praten is niet genoeg om tot de conclusie te komen dat de man ook daadwerkelijk Chinees begrijpt. Waar Searle van uit gaat is dat, als de man het programma uit zijn hoofd leert, dat de man dan het enige onderdeel van het systeem is. Dit argument werd onderuit gehaald met het argument dat de man nu fungeert als de hardware waarop het programma draait, net zoals dat de computer als de hardware van het programma fungeert. 13

14 Virtual minds. Een van de belangerijkste onderdelen in de informatica is dat een willekeurige machine een andere machine kan implementeren. Dit gebeurt bijvoorbeeld bij de implemenatie van een virtual machine. Hierbij simuleert een computer de hardware van een andere computer waar los van de originele computer weer programma's op kunnen draaien. Deze virtual machine is op zichzelf ook weer in staat om een virtual machine te implementeren. Hierdoor is het voor een machine mogelijk om meerdere machines tegelijkertijd te zijn. Een machine kan bijvoorbeeld een Commodore 64 zijn en tegelijk ook een spelcomputer. De spelcomputer is wel afhankelijk van zijn hardware maar is wel anders dan zijn hardware. Dit kan volgens het materialisme alleen als de spelcomputer virtueel is omdat er dus twee machines zijn die samen dezelfde substantie delen. Hetzelfde principe kan worden doorgetrokken naar de geest en het denken. Hierbij kan een geest een andere geest simuleren als een van de twee virtueel is. Dit wordt dan geen virtual machine maar een virtual mind genoemd. David Cole beschrijft in zijn artikel dat men een programma kan schrijven dat in één keer twee geesten kan zijn [Zun10]. Een programma zou zowel Chinees als Engels begrijpen. Cole wil hiermee duidelijk maken dat het programma dat de man in de kamer stap voor stap doorloopt een virtual mind is. En het is dus niet de geest van de man die Chinees begrijpt, maar het is de geest van de virtuele machine, die de man simuleert, die Chinees begrijpt. Dit gaat dus in tegen Searle's reactie op het systeem argument omdat Cole onderuit haalt dat als de man alles uit zijn hoofd leert, dat hij dan het enige onderdeel van het systeem is. Searle's antwoord hierop is dat de geest van het programma maar een simulatie is. Hij schrijft: No one supposes that computer simulations of a ve-alarm re will burn the neighborhood down or that a computer simulation of a rainstorm will leave us all drenched. Wat hij hiermee wil zeggen is dat een simulatie niet in staat is om fysieke fenomena te reproduceren. Nicholas Fearn antwoordt hierop door te zeggen dat voor bepaalde dingen een simulatie genoeg is [Fea07]. Hij geeft als voorbeeld een rekenmachine. Als we op een computer de rekenmachine opstarten en een plaatje van een rekenmachine voorgeschoteld krijgen, is er niemand die klaagt dat het geen fysieke rekenmachine is. De vraag die uit dit argument naar voren komt is of de menselijke geest als de rekenmachine is; een programma die uit alleen maar digitale informatie bestaat, of is de menselijke geest iets als de regenstorm; iets wat we niet kunnen dupliceren met alleen maar digitale informatie? Kan het programma symbolen begrijpen? Het programma dat de man en de computer stap voor stap doorlopen kan alleen maar symbolen manipuleren. Het programma kent geen betekenis toe aan de symbolen. Neem bijvoorbeeld een rekenmachine. Als een gebruiker een formule intikt en deze door de rekenmachine laat uitrekenen heeft de formule en het antwoord voor de gebruiker een betekenis. De rekenmachine begrijpt echter niet wat het is dat hij uitrekent. Het enige wat de rekenmachine weet is hoe hij stap voor stap, door symbolen in zijn geheugen te manipuleren, de formule 14

15 kan oplossen. De vraag die hieruit naar voren komt is of een programma de betekenis van de symbolen kan snappen. Men beargumenteert dat de symbolen die het programma manipuleert wel degelijk een betekenis hebben voor het programma. De kennis hiervoor komt van de programmeur. Bij het schrijven van het programma heeft de programmeur zijn kennis in het programma gestopt om het zo Chinees te kunnen laten spreken. De symbolen die het programma manipuleert hebben dus indirect wel een betekenis voor het programma. Searle antwoordt hierop dat hoeveel kennis er ook in het programma wordt gestopt het programma zal altijd simpelweg symbolen manipuleren volgens de regels die in het programma gestopt zijn. De acties van het programma zijn syntactisch en kunnen de computer dus nooit uitleggen wat de symbolen betekenen Dualisme Het volgende antwoord op Searle's publicatie van de Chinese kamer bekijkt de computer. Stel dat de computer zo ontworpen is dat hij precies elke neuron en interconnectie van een Chinees sprekend persoon nadoet. De computer zou nu precies moeten kunnen denken als deze persoon en hij zou dus ook Chinees begrijpen. Deze redenatie gaat er vanuit dat een menselijk brein niets anders is dan cellen die elektrische signalen versturen. Searle is het hier niet mee eens. Hij gaat de kant van het dualisme op. Hij speculeert dat menselijk mentale verschijnselen niet alleen voortkomen uit chemische reacties in het menselijk lichaam. Wat hij hiermee wil zeggen is dat het niet genoeg is om het menselijk brein te simuleren door middel van onder andere neuronen voor het creëren van een geest. Zo'n machine zal altijd de mentale capaciteit missen van de menselijke geest. Hij komt hiermee tot de conclusie dat een van beide dingen moet gelden: of de Chinese kamer kan de Turing test niet halen of de Turing test is niet genoeg om te concluderen dat een machine een geest heeft. In beide gevallen bewijzen ze zijn punt dat er niet zoiets kan bestaan als een machine die werkelijk een geest kan hebben en dus kan denken De complexiteit van het programma Critici geven aan dat het voor de man in de kamer waarschijnlijk vele jaren en kilo's aan papier zou kosten om een antwoord te geven op zelfs maar een simpele vraag van een Chinees persoon. Dit trek Searle's argumentatie in twijfel. Een goede uitleg hiervan komt van Paul en Patricia Churchland: Suppose a philosopher nds it inconceivable that light is caused by waves of electromagnetism. He could go into a dark kamer and wave a magnet up and down. He would see no light, of course, and he could claim that he had proved light is not a magnetic wave and that he has refuted Maxwell's equations. The problem is that he would have to wave the magnet up and down something like 450,000,000,000,000 times a second in order to see anything. [Chu90] 15

16 Wil een machine de Turing test halen dan moet de machine niet alleen reageren als een mens maar ook met dezelfde snelheid reageren als een mens. Critici van het Chinese kamer experiment geven aan dat de test met de man in de kamer nooit voor de Turing test kan slagen. 5.4 Searle's formele argumentatie Na veel kritiek op het Chinese kamer experiment kwam Searle met formule argumentatie waar het Chinese kamer experiment een belangrijke rol in speelt. De versie die hieronder staat wordt door Searle in 1990 beschreven in [Sea90]. De argumentatie begint met drie axioma's: 1. Programs are formal (syntactic).: Een programma volgt bepaalde regels die het gebruikt om symbolen te manipuleren. Het programma weet hoe het symbolen moet verplaatsen en veranderen, maar het heeft geen kennis van wat de betekenis is van de symbolen. 2. Minds have mental contents (semantics).: De menselijke geest is wel in staat om semantiek aan symbolen te geven. Menselijke gedachten staan voor dingen waar een betekenis aan hangt. De menselijke geest is in staat om deze betekenis ook te begrijpen. 3. Syntax by itself is neither constitutive of nor sucient for semantics.: Alleen syntax is niet genoeg om de volledige betekenis van symbolen te snappen. Searle betrekt hierbij zijn Chinese kamer experiment. De kamer is syntactisch omdat er een man in zit die symbolen manipuleert. De man in de kamer begrijpt echter niet waar de symbolen voor staan of wat ze betekenen. De kamer heeft dus geen semantiek. Wat hij hiermee aantoont is dat het hebben van syntax niet genoeg is om semantiek te hebben. Deze drie axioma's leiden volgens Searle direct tot de conclusie: Programs are neither constitutive of nor sucient for minds. Programma's hebben geen semantiek en alleen syntax is niet genoeg voor semantiek. De menselijke geest heeft wel semantiek. Daaruit kan men dus concluderen dat een programma geen geest kan hebben. Dit deel van de argumentatie laat zien dat een programma dat symbolen manipuleert nooit in staat zal zijn om een geest te creëren. Searle gaat in zijn argumentatie verder met de vraag of het menselijk brein een programma is. Hiervoor denieert hij nog een axioma: 4. Brains cause minds.: De menselijk geest is nog nooit aangetoond, maar het is wel duidelijk dat er zoiets als een geest bestaat doordat wij als mens deze kunnen ervaren. Het is niet duidelijk hoe een mens aan een geest komt maar omdat we weten dat een geest bestaat moeten we concluderen dat onze hersenen in staat zijn om een geest te creëren. Searle noemt deze geestmakende krachten causal powers. Searle claimt dat je nu direct en triviaal kan aeiden dat Any other system capable of causing minds would have to have causal powers (at least) equivalent 16

17 to those of brains. Onze hersenen hebben geestmakende krachten. Als er een programma zou bestaan dat ook een geest kon maken zou het net zulke krachten moeten hebben. Searle concludeert verder nog: Any artifact that produced mental phenomena, any articial brain, would have to be able to duplicate the specic causal powers of brains, and it could not do that just by running a formal program. Dit volgt uit de eerste en de tweede conclusie. Omdat voor het creëren van een geest causal powers nodig zijn en omdat een programma geen geest kan maken kan een programma geen causal powers hebben. Searle eindigt met de conclusie The way that human brains actually produce mental phenomena cannot be solely by virtue of running a computer program. Een programma heeft geen causal powers, causal powers zijn nodig om een geest te maken en hersenen zijn in staat om een geest te creëren. Hieruit volgt dat hersenen geen programma draaien om een geest te maken. Searles formele argumenatie komt dus tot de conclusie dat de menselijke geest niet tot stand komt doordat het brein stap voor stap een programma volgt. 17

18 6 Conclusie In deze scriptie wordt getracht antwoord te geven op de vraag: kan een robot denken als een mens? Searle's kritiek op de Turing test komt eigenlijk vanuit een dualistisch oogpunt. In zijn kritiek laat hij dit duidelijk doorschemeren. Hij schrijft de geest van een mens toe aan mentale vermogens van de hersenen. In zijn argumentatie geeft hij aan dat de mentale vermogens van een mens niet alleen voortkomen uit chemische processen in het menselijk lichaam. Hieruit valt te concluderen dat Searle een dualist is terwijl Turing duidelijk een materialist is. Hierdoor is het moeilijk om Searle's kritiek op de Turing test ook echt als kritiek te zien. Het is meer een redenatie vanuit een ander oogpunt. Searle komt eigenlijk tot de conclusie dat als de menselijke geest uit meer bestaat dan alleen maar chemische processen dan kan een machine nooit een geest creëren. Oftewel hij toont nogmaals aan dat vanuit een dualistisch oogpunt een machine nooit kan denken. Turing had de hoop dat machines ooit zullen denken als een mens. Hij geeft met zijn Turing test een maatstaf om deze claim te testen. Zoals ik heb laten zien in de voorbeelden zijn machines en computer programma's al een redelijke tijd in staat om menselijk gedrag te vertonen. Men zou zelfs zo kunnen redeneren dat bijvoorbeeld ELIZA kan denken als een mens. ELIZA en andere chatterbots hebben het altijd al erg goed gedaan in de Turing test. Robots en daarmee programma's worden steeds intelligenter en houden steeds meer mensen voor de gek in de Turing test. Dit gegeven biedt hoopvolle verwachtingen voor de toekomst met betrekking tot de ontwikkelingen van echt intelligente robots. Voorlopig is dit echter nog niet het geval. 18

19 Referenties [Chu90] Churchland, Paul en Churchland, Patricia. "Could a machine think?". Scientic American 262 (Januari 1990), pp [Col04] Cole, David. "The Chinese Room Argument". Zalta, Edward N., The Stanford Encyclopedia of Philosophy (Fall 2004) [Fea07] Fearn, Nicholas. The Latest Answers to the Oldest Questions: A Philosophical Adventure with the World's Greatest Thinkers. New York: Grove Press (2007) [Moo03] Moor, James, ed. The Turing Test: The Elusive Standard of Articial Intelligence (2003). Dordrecht: Kluwer Academic Publishers [Mur10] Murata Manufacturing Co., Ltd. Get to know MURATA BOY. Retrieved from [NaKo08] Motomu Nakashima en Hideo Kobayashi. Development of Small-Sized Swimming Humanoids (P203). The Engineering of Sport 7 2 (2008), pp [Sea80] Searle, John. Minds, Brains and Programs. Behavioral and Brain Sciences 3 3 (1980), pp [Sea90] Searle, John. "Is the Brain's Mind a Computer Program?". Scientic American 262 (Januari 1990), pp [Ste00] Sterrett, S. G. "Turing's Two Tests of Intelligence". Minds and Machines 10 4 (2000), pp. 541 [Tur50] Turing, A.M. Computing machinery and intelligence. Mind 59 (1950), pp [Wik10] Wikipedia, Dualism (Juli 2010). Retrieved from wikipedia.org/wiki/dualism [Zun10] Zunt, Dominik, Who did actually invent the word "robot" and what does it mean? (Juli 2010). Retrieved from english/robot.html 19