W społeczności sztucznej inteligencji nadal istnieje wiele nieporozumień w tej kwestii. W tym artykule chcę przedstawić mój pogląd na związek między duplikacją a symulacją, ponieważ bardzo ważna jest tutaj jasność. Filozof John Searle przywiązywał do tego wielką wagę, wyjaśniając, że symulacja nie jest duplikatem. Maszyna nie może powielać ludzkiej myśli, ale w najlepszym wypadku ją symulować. Co do tego, że symulacja i duplikacja to dwie pary butów, w pełni się z nim zgadzam. Załóżmy, że mamy przed sobą dwa rodzaje obiektów, powiedzmy, Audi A4 (ani nie jest to mój ulubiony samochód, ani nim nie jeżdżę) oraz drugi przedmiot, który ktoś twierdzi, że jest „duplikatem” lub „modelem” Audi A4 . Co to dokładnie oznacza? Co to jest model A4? Oznacza dokładnie to, co rozumie przez to dziesięciolatek, który interesuje się modelami samochodów. Mianowicie istnieje bezpośrednia zgodność między bodźcami zewnętrznymi, stanami wewnętrznymi i zachowaniem A4 a wejściami, stanami wewnętrznymi i wyjściami modelu. Korespondencja niekoniecznie musi być stuprocentowa. Zatem niektóre zewnętrzne bodźce, stany i zachowania Modelu A4 mogą nie być obecne w modelu. Jeden ludzki mózg nie jest taki sam jak inny. Jeśli, na przykład, pojedziesz do Ingolstadt (siedziba Audi) i spojrzysz na model A4 w tunelu aerodynamicznym, zobaczysz, że siedzenia, nawigacja itp. brakuje innych szczegółów wyposażenia, które składają się na wiele stanów wewnętrznych „prawdziwego” Audi A4 – z prostego powodu, że są one nieistotne dla celu modelu, tj. testowania właściwości aerodynamicznych właściwego samochodu. Niemniej jednak zewnętrzne bodźce, stany i zachowania modelu są bezpośrednio związane z podzbiorem danych wejściowych, stanów i działań rzeczywistego silnika. Taka zgodność skutkuje modelową relacją między prawdziwą A4 a obiektem w tunelu aerodynamicznym. Zauważ, że model jest prostszy niż rzeczywisty obiekt, który replikuje mniej stanów. Ta właściwość jest charakterystyczna dla nazw modeli: Modele są zawsze prostsze niż ich oryginały. A co z symulacją? Weźmy drukarkę marki X, której instrukcja obsługi zapewnia mnie, że potrafię imitować, czyli symulować, inny typ drukarki, np. HP Laserjet Plus. Co to znaczy, gdy ludzie mówią, że moja maszyna X może symulować inne urządzenie? Oznacza to, że dane wejściowe i stany maszyny HP mogą być zakodowane w stanach mojej maszyny, a te same stany mojej maszyny mogą być następnie dekodowane na prawidłowe dane wyjściowe, które mogłaby uzyskać prawdziwa drukarka HP . Ważne jest to, że moja maszyna musi być czymś więcej skomplikowanym niż HP w pewnym sensie, jeśli taki słownik tworzony jest przez szyfrowanie i deszyfrowanie. Mówiąc dokładniej: Aby zaszyfrować dane wejściowe i stany HP w stanach mojego symulatora; moja maszyna musi mieć więcej stanów niż drukarka HP, jeśli uznasz oba urządzenia za maszyny abstrakcyjne. Dlatego symulator (moja drukarka) musi być bardziej skomplikowany niż symulowany obiekt (drukarka HP). Ogólnie rzecz biorąc, symulacja jest zawsze bardziej skomplikowana niż system, który symuluje. Te krótkie, być może nawet pospolite i przypadkowe wyjaśnienia dotyczące modeli i symulacji można przełożyć na dokładne terminy matematyczne. Pod warunkiem oczywiście, że istnieją kryteria, które można w zasadzie zweryfikować. Możemy go użyć do odróżnienia programu, który symuluje ludzkie procesy myślowe w modelu, od innego, który je tylko symuluje. W tym kontekście ekscytujące jest to, że symulacja mózgu z konieczności wymaga systemu, który ma więcej stanów niż sam mózg. Ten fakt słusznie budzi wiele wątpliwości, czy mózg jako całość może być kiedykolwiek symulowany. Mózg, ze swoimi około 100 miliardami neuronów, ma co najmniej 2 do potęgi 10 do potęgi 11 możliwych stanów – liczbę, która pod każdym względem zasługuje na najwyższy szacunek, ponieważ znacznie przekracza nawet liczbę protonów we wszechświecie znanym nam (10 do potęgi 79) przez współczynnik w przybliżeniu dwa do potęgi 100 miliardów. Nawet ta liczba jest tak duża, że trudno ją wyrazić słowami. Nie mówiąc już o jego pomyśle. Można więc śmiało założyć, że w perspektywie średnio- i długoterminowej symulacji ludzkiego mózgu nie będzie (podobny cel ma projekt Human Brain, finansowany przez UE). Modele mózgowe to zupełnie inna sprawa i dobrze, że „silna sztuczna inteligencja człowieka” potrzebuje modeli, a nie symulacji. W sumie mam wrażenie, że debata o maszynach myślących to walka filozofów, a nie informatyka i programisty. Moje przeczucie mówi mi, że w ciągu najbliższych dziesięciu do piętnastu lat będziemy mieć w domu prawdziwą maszynę. Opiera się głównie na fakcie, że opracujemy nowe koncepcje w związku z nowym sprzętem, takim jak obliczenia neuromorficzne, w przetwarzaniu informacji (żeby wymienić tylko jedną z nadchodzących innowacji w przetwarzaniu informacji). Czy można to zatem nazwać „silną sztuczną inteligencją, człowiekiem”? To kolejne interesujące pytanie, na które trzeba będzie odpowiedzieć w odpowiednim czasie. Według jakich kryteriów, standardów? Te pytania będą musieli ustalić filozofowie, psychologowie, antropolodzy. Jednak ze swojej strony mogę zakończyć tę krótką wycieczkę stwierdzeniem, które jest jednoznaczne i definitywne: niezależnie od wyniku sprawy „silnej sztucznej inteligencji, człowieku”, wynik radykalnie zmieni nasz obraz siebie i nasze spojrzenie na naszą pozycję w kosmicznym porządku.