कंप्यूटिंग मशीनरी और इंटेलिजेंस

"कंप्यूटिंग मशीनरी और इंटेलिजेंस" आर्टिफीसियल इंटेलिजेंस के विषय पर ट्यूरिंग द्वारा लिखा गया एक मौलिक लेख है। 1950 में माइंड में प्रकाशित लेख, आम जनता के लिए उनकी अवधारणा को प्रस्तुत करने वाला पहला लेख था जिसे अब ट्यूरिंग टेस्ट के रूप में जाना जाता है।

ट्यूरिंग का लेख इस प्रश्न पर विचार करता है कि "क्या मशीनें सोच सकती हैं?" ट्यूरिंग का कहना है कि चूंकि "थिंक" और "मशीन" शब्दों को स्पष्ट रूप से परिभाषित नहीं किया जा सकता है, इसलिए हमें "प्रश्न को दूसरे प्रश्न से प्रतिस्थापित करना चाहिए, जो इसके साथ निकटता से संबंधित है और अपेक्षाकृत स्पष्ट शब्दों में व्यक्त किया गया है।" ऐसा करने के लिए, उसे ऐसा करना होगा। पहले "थिंक" शब्द को प्रतिस्थापित करने के लिए एक सरल और स्पष्ट विचार ढूंढें, दूसरा, उसे स्पष्ट रूप से बताना होगा कि वह किन "मशीनों" पर विचार कर रहा है और अंत में, इन उपकरणों से लैस होकर, वह पहले से संबंधित एक नया प्रश्न तैयार करता है, उसका मानना ​​है कि वह सकारात्मक उत्तर दे सकता है।

ट्यूरिंग टेस्ट


यह निर्धारित करने के प्रयास के बजाय कि क्या कोई मशीन सोच रही है, ट्यूरिंग का सुझाव है कि हमें यह पूछना चाहिए कि क्या मशीन एक गेम जीत सकती है, जिसे "इमिटेशन गेम" कहा जाता है। ओरिजिनल इमिटेशन गेम, जिसका ट्यूरिंग ने वर्णन किया है, एक सिंपल पार्टी गेम है जिसमें तीन खिलाड़ी सम्मिलित होते हैं। खिलाड़ी A एक पुरुष है, खिलाड़ी B एक महिला है और खिलाड़ी C (जो पूछताछकर्ता की भूमिका निभाता है) किसी भी लिंग का हो सकता है। इमिटेशन गेम में, खिलाड़ी C, खिलाड़ी A या खिलाड़ी B को देखने में असमर्थ है (और उन्हें केवल X और Y के रूप में जानता है), और उनके साथ केवल लिखित नोट्स या किसी अन्य रूप के माध्यम से संवाद कर सकता है जो उनके लिंग के बारे में कोई विवरण नहीं देता है। खिलाड़ी A और खिलाड़ी B से प्रश्न पूछकर, खिलाड़ी C यह निर्धारित करने का प्रयास करता है कि दोनों में से कौन पुरुष है और कौन महिला है। खिलाड़ी A की भूमिका पूछताछकर्ता को गलत निर्णय लेने के लिए प्रेरित करना है, जबकि खिलाड़ी B सही निर्णय लेने में पूछताछकर्ता की सहायता करने का प्रयास करता है। ट्यूरिंग इस गेम का एक भिन्न रूप प्रस्तावित करता है जिसमें कंप्यूटर सम्मिलित है: '' क्या होगा जब कोई मशीन इस गेम में A का हिस्सा लेगी? '' क्या जब खेल इस तरह खेला जाता है तो क्या पूछताछकर्ता प्रायः गलत निर्णय लेता है जैसा कि वह तब करता है जब खेल एक पुरुष और एक महिला के मध्य खेला जाता है? ये प्रश्न हमारे मूल प्रश्न 'क्या मशीनें सोच सकती हैं?' का स्थान लेती हैं। इस प्रकार संशोधित खेल एक ऐसा खेल बन गया है जिसमें अलग-अलग कमरों में तीन प्रतिभागी सम्मिलित होते हैं: एक कंप्यूटर (जिसका परीक्षण किया जा रहा है), एक मानव और एक (मानव) न्यायाधीश है। मानव न्यायाधीश एक टर्मिनल में टाइप करके मानव और कंप्यूटर दोनों के साथ बातचीत कर सकता है। कंप्यूटर और मानव दोनों न्यायाधीश को यह समझाने का प्रयास करते हैं कि वे मानव हैं। यदि न्यायाधीश लगातार यह नहीं बता पाता कि कौन सा है, तो कंप्यूटर गेम जीत जाता है।

जैसा कि स्टीवन हरनाड कहते हैं, प्रश्न यह बन गया है कि "क्या मशीनें वह कर सकती हैं जो हम (सोचने वाली संस्थाओं के रूप में) कर सकते हैं?" दूसरे शब्दों में, ट्यूरिंग अब यह नहीं पूछ रहा है कि क्या कोई मशीन "थिंक" कर सकती है; वह पूछ रहा है कि क्या एक मशीन एक विचारक के कार्य करने के तरीके से अप्रभेद्य रूप से कार्य कर सकती है। यह प्रश्न "थिंक" क्रिया को पूर्व-परिभाषित करने की कठिन दार्शनिक समस्या से बचता है और इसके बजाय प्रदर्शन क्षमताओं पर ध्यान केंद्रित करता है जो थिंक करने में सक्षम होना संभव बनाता है और एक कारण प्रणाली उन्हें कैसे उत्पन्न कर सकती है।

कुछ लोगों ने ट्यूरिंग के प्रश्न को "क्या एक कंप्यूटर, टेलीप्रिंटर पर संचार करते हुए, किसी व्यक्ति को यह विश्वास दिलाकर मूर्ख बना सकता है कि वह मानव है?" लेकिन यह स्पष्ट प्रतीत होता है कि ट्यूरिंग लोगों को मूर्ख बनाने के बारे में नहीं बल्कि मानव संज्ञानात्मक क्षमता उत्पन्न करने के बारे में बात कर रहे थे।

डिजिटल मशीनें
ट्यूरिंग यह भी व्याख्या करते हैं कि हमें यह निर्धारित करने की आवश्यकता है कि हम किन "मशीनों" पर विचार करना चाहते हैं। वह बताते हैं कि एक मानव क्लोन, हालांकि मानव निर्मित है, एक बहुत रोचक उदाहरण प्रदान नहीं करेगा। ट्यूरिंग ने सुझाव दिया कि हमें डिजिटल मशीनरी की क्षमताओं पर ध्यान केंद्रित करना चाहिए - मशीनें जो 1 और 0 के बाइनरी अंकों में क्रमभंग करती हैं, उन्हें सरल नियमों का उपयोग करके मेमोरी में फिर से लिखती हैं। उन्होंने दो कारण बताये हैं।

सर्वप्रथम, यह अनुमान लगाने का कोई कारण नहीं है कि उनका अस्तित्व हो सकता है या नहीं। वे 1950 में ही ऐसा कर चुके थे।

दूसरा, डिजिटल मशीनरी सार्वभौमिक है। गणना की नींव पर ट्यूरिंग के शोध ने सिद्ध कर दिया था कि एक डिजिटल कंप्यूटर, सिद्धांत रूप में, पर्याप्त मेमोरी और समय दिए जाने पर किसी भी अन्य डिजिटल मशीन के व्यवहार का अनुकरण कर सकता है। यह चर्च-ट्यूरिंग थीसिस और सार्वभौमिक ट्यूरिंग मशीन की आवश्यक अंतर्दृष्टि है। इसलिए, इसलिए, यदि कोई भी डिजिटल मशीन "जैसा सोच रही है वैसा ही कार्य कर सकती है" तो, प्रत्येक पर्याप्त रूप से पावरफुल डिजिटल मशीन ऐसा कर सकती है। ट्यूरिंग लिखते हैं, "सभी डिजिटल कंप्यूटर एक अर्थ में समतुल्य हैं।

इससे मूल प्रश्न को और भी अधिक विशिष्ट बनाया जा सकता है। ट्यूरिंग अब मूल प्रश्न को इस प्रकार दोहराते हैं "आइए हम अपना ध्यान एक विशेष डिजिटल कंप्यूटर C पर केंद्रित करें। क्या यह सत्य है कि इस कंप्यूटर को पर्याप्त भंडारण के लिए संशोधित करके, इसकी क्रिया की गति को उपयुक्त रूप से बढ़ाकर और इसे एक उचित प्रोग्राम प्रदान करके, C क्या इमीटेशन गेम में A का हिस्सा संतोषजनक ढंग से खेला जा सकता है, B का हिस्सा एक व्यक्ति द्वारा लिया जा सकता है?

इसलिए, ट्यूरिंग का कहना है कि फोकस इस पर नहीं है कि "क्या सभी डिजिटल कंप्यूटर गेम में अच्छा प्रदर्शन करेंगे या नहीं और न ही जो कंप्यूटर वर्तमान में उपलब्ध हैं वे अच्छा प्रदर्शन करेंगे, बल्कि यह है कि क्या ऐसे कल्पनीय कंप्यूटर हैं जो अच्छा प्रदर्शन करेंगे"। आज हमारी मशीनों की स्थिति में संभावित प्रगति पर विचार करना अधिक महत्वपूर्ण है, भले ही हमारे पास इसे बनाने के लिए उपलब्ध संसाधन हों या नहीं।

नौ सामान्य आपत्तियाँ
प्रश्न को स्पष्ट करने के बाद, ट्यूरिंग ने इसका उत्तर देना प्रारंभ कर दिया: उन्होंने निम्नलिखित नौ सामान्य आपत्तियों पर विचार किया, जिसमें उनके लेख के पहली बार प्रकाशित होने के बाद के वर्षों में आर्टिफीसियल इंटेलिजेंस के विरुद्ध उठाए गए सभी प्रमुख तर्क सम्मिलित हैं।
 * 1) धार्मिक आपत्ति: इसमें कहा गया है कि सोच मनुष्य की अमर आत्मा का कार्य है; इसलिए, कोई मशीन सोच नहीं सकती। "ऐसी मशीनों के निर्माण के प्रयास में," ट्यूरिंग ने लिखा, "हमें बच्चों को पैदा करने की तुलना में आत्माओं को बनाने की उनकी शक्ति का अनादरपूर्वक हनन नहीं करना चाहिए: बल्कि, किसी भी स्थिति में, हम उनकी इच्छा के उपकरण हैं जो भवन प्रदान करते हैं उन आत्माओं के लिए जिन्हें वह बनाता है।"
 * 2) 'हेड्स इन द सैंड' आपत्ति: "मशीनों की सोच के परिणाम बहुत भयानक होंगे। आइए आशा करें और विश्वास करें कि वे ऐसा नहीं कर सकते।" यह सोच बौद्धिक लोगों के बीच लोकप्रिय है, क्योंकि उनका मानना ​​है कि श्रेष्ठता उच्च बुद्धिमत्ता से आती है और आगे निकल जाने की संभावना एक खतरा है (क्योंकि मशीनों में कुशल मेमोरी क्षमता और प्रसंस्करण गति होती है, सीखने और ज्ञान क्षमताओं से अधिक मशीनों की अत्यधिक संभावना होती है)। यह आपत्ति परिणामों के प्रति एक भ्रामक याचना है, जो भ्रमित करती है कि क्या नहीं होना चाहिए और क्या हो सकता है या क्या नहीं हो सकता है (वार्ड्रिप-फ्रूइन, 56)।
 * 3) गणितीय आपत्ति: यह आपत्ति गणितीय प्रमेयों का उपयोग करती है, जैसे कि गोडेल की अपूर्णता प्रमेय, यह दिखाने के लिए कि तर्क पर आधारित कंप्यूटर सिस्टम किन प्रश्नों का उत्तर दे सकता है, इसकी सीमाएं हैं। ट्यूरिंग का सुझाव है कि मनुष्य प्रायः स्वयं ग़लत होते हैं और मशीन की ग़लती से प्रसन्न होते हैं (यह तर्क 1961 में दार्शनिक जॉन लुकास और 1989 में भौतिक विज्ञानी रोजर पेनरोज़ द्वारा फिर से दिया गया था)।
 * 4) चेतना से तर्क: प्राध्यापक जेफ्री जेफरसन द्वारा अपने 1949 के लिस्टर ओरेशन (उनके 1948 के लिस्टर मेडल के पुरस्कार के लिए स्वीकृति भाषण में सुझाए गए इस तर्क में कहा गया है कि "जब तक कोई मशीन एक सॉनेट नहीं लिख सकती है या विचारों के कारण एक संगीत कार्यक्रम नहीं बना सकती है और भावनाओं को अनुभव किया जाता है और प्रतीकों के आकस्मिक पतन से नहीं, क्या हम इस बात से सहमत हो सकते हैं कि मशीन मस्तिष्क के बराबर है।" ट्यूरिंग यह कहते हुए उत्तर देते हैं कि हमारे पास यह जानने का कोई तरीका नहीं है कि हमारे अतिरिक्त कोई अन्य व्यक्ति भावनाओं का अनुभव करता है और इसलिए हमें परीक्षण स्वीकार करना चाहिए। वह आगे कहते हैं, "मैं यह आभास नहीं देना चाहता कि मुझे लगता है कि चेतना के बारे में कोई रहस्य नहीं है। [b] लेकिन मुझे नहीं लगता कि इस प्रश्न का उत्तर देने से पहले कि इन रहस्यों को हल करने की आवश्यकता है [क्या मशीनें थिंक कर सकती हैं?]।" यह तर्क, कि एक कंप्यूटर में सचेत अनुभव या समझ नहीं हो सकती है, 1980 में दार्शनिक जॉन सियरल ने अपने चीनी कक्ष तर्क में दिया था। ट्यूरिंग के उत्तर को अब "अदर माइंडस रिप्लाई" के रूप में जाना जाता है। एआई के फिलॉसोफी में, यह भी देखें क्या किसी मशीन में माइंड हो सकता है?
 * 5) विभिन्न अक्षमताओं से तर्क इन सभी तर्कों का स्वरूप " कंप्यूटर विल नेवर डू X" है। ट्यूरिंग एक चयन प्रदान करता है:"बी काइंड, रेसोर्स्फुल, ब्यूटीफुल, फ्रेंडली, हैव इनिशिएटिव, सेंस ऑफ़ हुमूर, टेल राइट फ्रॉम रॉंग, मेक मिस्टेक्स, फॉल इन लव, एन्जॉय स्ट्रॉबेरीज एंड क्रीम, मेक समवन फॉल इन लव विद इट, लर्न फ्रॉम एक्सपीरियंस, यूज़ वर्ड्स प्रॉपरलय, बी द सब्जेक्ट ऑफ़ इट्स ओन थॉट, हैव एज़ डाइवर्सिटी ऑफ़ बेहेवियर एज़ ए मैन, डू समथिंग रियली न्यू।"ट्यूरिंग का कहना है कि "सामान्यतः इन कथनों के लिए कोई समर्थन नहीं दिया जाता है," और वे भविष्य में मशीनें कितनी बहुमुखी हो सकती हैं, इसके बारे में सरल धारणाओं पर निर्भर करते हैं, या "चेतना से तर्क के प्रच्छन्न रूप हैं।" वह उनमें से कुछ का उत्तर देना चुनता है:
 * 6) मशीनें गलती नहीं कर सकतीं। उन्होंने कहा कि किसी मशीन को गलती करने के लिए प्रोग्राम करना सरल है।
 * 7) एक मशीन अपने स्वयं के विचार का विषय नहीं हो सकती (या स्वयं-जागरूक नहीं हो सकती)। एक प्रोग्राम जो डिबगर प्रोग्राम के सरल अर्थ में, अपनी आंतरिक स्थितियों और प्रक्रियाओं पर रिपोर्ट कर सकता है, निश्चित रूप से लिखा जा सकता है। ट्यूरिंग का अनुरोध है कि "एक मशीन निस्संदेह अपनी स्वयं की विषय वस्तु हो सकती है।"
 * 8) एक मशीन में व्यवहार की अधिक विविधता नहीं हो सकती। उन्होंने नोट किया कि, पर्याप्त भंडारण क्षमता के साथ, एक कंप्यूटर कई अलग-अलग तरीकों से व्यवहार कर सकता है।
 * 9) लेडी लवलेस की आपत्ति: सबसे प्रसिद्ध आपत्तियों में से एक में कहा गया है कि कंप्यूटर मौलिकता में असमर्थ हैं। इसका मुख्य कारण यह है कि, एडा लवलेस के अनुसार, मशीनें स्वतंत्र रूप से सीखने में असमर्थ हैं।"एनालिटिकल इंजन को कुछ भी उत्पन्न करने का कोई अपदेश नहीं है। यह वह सब कुछ कर सकता है जो हम जानते हैं कि इसे कार्यान्वित करने का आदेश कैसे दिया जाए। यह विश्लेषण का अनुसरण कर सकता है; लेकिन इसमें किसी भी विश्लेषणात्मक संबंध या सत्य की आशा करने की शक्ति नहीं है।"
 * 10) ट्यूरिंग का सुझाव है कि लवलेस की आपत्ति को इस दावे तक सीमित किया जा सकता है कि कंप्यूटर "हमें कभी आश्चर्यचकित नहीं कर सकते" और तर्क देते हैं कि, इसके विपरीत, कंप्यूटर अभी भी मनुष्यों को आश्चर्यचकित कर सकते हैं, विशेष रूप से जहां विभिन्न तथ्यों के परिणाम तुरंत पहचानने योग्य नहीं होते हैं। ट्यूरिंग का यह भी तर्क है कि लेडी लवलेस को जिस संदर्भ से लिखा गया था, उससे बाधा उत्पन्न हुई थी और यदि अधिक समकालीन वैज्ञानिक ज्ञान से अवगत कराया जाए, तो यह स्पष्ट हो जाएगा कि मस्तिष्क का भंडारण कंप्यूटर के समान है।
 * 11) तंत्रिका तंत्र में निरंतरता से तर्क: आधुनिक न्यूरोलॉजिकल शोध से पता चला है कि मस्तिष्क डिजिटल नहीं है। भले ही न्यूरॉन्स एक पूर्ण या कुछ भी नाड़ी में सक्रिय होते हैं, पल्स का सटीक समय और पल्स घटित होने की संभावना दोनों में अनुरूप घटक होते हैं। ट्यूरिंग इसे स्वीकार करते हैं, लेकिन तर्क देते हैं कि पर्याप्त कंप्यूटिंग शक्ति दिए जाने पर किसी भी एनालॉग सिस्टम को सटीकता की उचित डिग्री तक सिम्युलेटेड किया जा सकता है (दार्शनिक ह्यूबर्ट ड्रेफस ने 1972 में "जैविक धारणा" के विरुद्ध यह तर्क दिया था)।
 * 12) यह तर्क बताता है कि कानूनों द्वारा शासित कोई भी प्रणाली पूर्वानुमानित होगी और इसलिए वास्तव में बुद्धिमान नहीं होगी। ट्यूरिंग ने यह कहते हुए उत्तर दिया कि यह आचरण के सामान्य नियमों के साथ व्यवहार के नियमों को भ्रमित करने वाला है और यदि पर्याप्त पैमाने पर (जैसे कि मनुष्य में स्पष्ट है) तो मशीन व्यवहार की भविष्यवाणी करना कठिन हो जाएगा। उनका तर्क है कि, केवल इसलिए कि हम तुरंत नहीं देख सकते कि कानून क्या हैं, इसका अर्थ यह नहीं है कि ऐसे कोई कानून उपस्थित नहीं हैं। वह लिखते हैं, "हम निश्चित रूप से ऐसी किसी परिस्थिति के बारे में नहीं जानते हैं जिसके अंतर्गत हम कह सकें, 'हमने काफी खोज कर ली है। ऐसे कोई कानून नहीं हैं।'' (ह्यूबर्ट ड्रेफस ने 1972 में तर्क दिया था कि मानवीय कारण और समस्या समाधान औपचारिक नियमों पर आधारित नहीं था, बल्कि यह सहज ज्ञान और जागरूकता पर निर्भर था जिसे कभी भी नियमों में कैद नहीं किया जाएगा। रोबोटिक्स और कम्प्यूटेशनल इंटेलिजेंस में हाल ही में एआई शोध ने जटिल नियमों को खोजने का प्रयास किया है जो धारणा, गतिशीलता और पैटर्न मिलान के हमारे "अनौपचारिक" और अचेतन कौशल को नियंत्रित करते हैं। एआई की ड्रेफस की आलोचना देखें)। इस प्रत्युत्तर में ट्यूरिंग वेजर तर्क भी सम्मिलित है।
 * 13) अतिरिक्त-संवेदी धारणा: 1950 में, अतिरिक्त-संवेदी धारणा अनुसंधान का एक सक्रिय क्षेत्र था और ट्यूरिंग ने ईएसपी को संदेह का लाभ देने का विकल्प चुना, यह तर्क देते हुए कि ऐसी स्थितियाँ बनाई जा सकती हैं जिनमें माइंड-रीडिंग टेस्ट को प्रभावित नहीं करेगा। ट्यूरिंग ने टेलीपैथी के लिए "ओवरव्हेल्मिंग स्टैटिस्टिकल एविडेंस" स्वीकार किया, जो संभवतः मनोवैज्ञानिक अनुसंधान के लिए सोसायटी के सदस्य सैमुअल सोल द्वारा 1940 के दशक के प्रारंभिक प्रयोगों का उल्लेख कर रहा था।

लर्निंग मशीन
लेख के अंतिम भाग में ट्यूरिंग ने उस लर्निंग मशीन के बारे में अपने विचारों का विवरण दिया है जो इमीटेशन गेम सफलतापूर्वक खेल सकती है।

यहां ट्यूरिंग सबसे पहले लेडी लवलेस की आपत्ति पर लौटते हैं कि मशीन केवल वही कर सकती है जो हम उसे करने के लिए कहते हैं और वह इसकी तुलना उस स्थिति से करते हैं जहां एक व्यक्ति मशीन में एक विचार "इंजेक्ट" करता है जिस पर मशीन प्रतिक्रिया करती है और फिर शांत हो जाती है। वह इस विचार को क्रिटिकल आकार से कम के परमाणु पुन्ज के सादृश्य द्वारा विस्तारित करता है जिसे मशीन माना जाता है और एक इंजेक्टेड आईडिया पुन्ज के बाहर से पुन्ज में प्रवेश करने वाले न्यूट्रॉन के अनुरूप होता है; न्यूट्रॉन एक निश्चित गड़बड़ी पैदा करेगा जो अंततः ख़त्म हो जाएगा। ट्यूरिंग फिर उस सादृश्य पर आधारित है और उल्लेख करता है कि यदि पुन्ज का आकार पर्याप्त रूप से बड़ा होता तो पुन्ज में प्रवेश करने वाला एक न्यूट्रॉन एक विक्षोभ उत्पन्न करेगा जो तब तक बढ़ता रहेगा जब तक कि सम्पूर्ण पुन्ज नष्ट नहीं हो जाता, पुन्ज अतिक्रांतिक हो जाएगा। ट्यूरिंग फिर प्रश्न पूछते हैं कि क्या अतिक्रांतिक पुन्ज की इस सादृश्यता को मानव मस्तिष्क और फिर एक मशीन तक बढ़ाया जा सकता है। उन्होंने निष्कर्ष निकाला कि ऐसी सादृश्यता वास्तव में मानव मन के लिए उपयुक्त होगी और ऐसा प्रतीत होता है कि मानव मन के लिए भी ऐसा ही है। उनमें से अधिकांश उपक्रांतिक प्रतीत होते हैं, अर्थात, इस सादृश्य में उपक्रांतिक आकार के पुन्ज के अनुरूप होते हैं। ऐसे दिमाग में प्रस्तुत किया गया एक विचार औसतन उत्तर में एक से भी कम विचार को जन्म देगा। एक छोटा सा अनुपात अतिक्रांतिक है। ऐसे मस्तिष्क में प्रस्तुत एक विचार जो द्वितीयक, तृतीयक और अधिक दूरस्थ विचारों से युक्त एक संपूर्ण सिद्धांत को जन्म दे सकता है। वह अंततः पूछता है कि क्या कोई मशीन अतिक्रांतिक बनाई जा सकती है।

ट्यूरिंग ने फिर उल्लेख किया कि एक ऐसी मशीन बनाने में सक्षम होने का कार्य जो इमीटेशन गेम खेल सके, प्रोग्रामिंग में से एक है और उनका मानना ​​है कि सदी के अंत तक गेम खेलने के लिए मशीन को प्रोग्राम करना तकनीकी रूप से संभव होगा। इसके बाद उन्होंने उल्लेख किया कि एक वयस्क मानव मस्तिष्क की नकल करने के प्रयास की प्रक्रिया में उन प्रक्रियाओं पर विचार करना महत्वपूर्ण हो जाता है जो वयस्क मस्तिष्क को उसकी वर्तमान स्थिति में ले जाती हैं; जिसे वह संक्षेप में प्रस्तुत करता हैː
 * 1. मन की प्रारंभिक अवस्था, मान लीजिए जन्म के समय,
 * 2. जिस शिक्षा के अधीन यह किया गया है,
 * 3. अन्य अनुभव, जिसे शिक्षा के रूप में वर्णित नहीं किया जाना चाहिए, जिसके अधीन किया गया है।

इस प्रक्रिया को देखते हुए वह पूछते हैं कि क्या वयस्कों के दिमाग के बजाय बच्चे के मस्तिष्क को प्रोग्राम करना और फिर बच्चे के मस्तिष्क को शिक्षा की अवधि के अधीन करना अधिक उचित होगा। उन्होंने बच्चे की तुलना एक नई खरीदी गई नोटबुक से की और अनुमान लगाया कि इसकी सादगी के कारण इसे अधिक सरलता से प्रोग्राम किया जा सकेगा। फिर समस्या को दो भागों, बच्चे के मस्तिष्क की प्रोग्रामिंग और उसकी शिक्षा प्रक्रिया में विभाजित किया गया है। उन्होंने उल्लेख किया है कि पहले प्रयास में प्रयोगकर्ता (प्रोग्रामर) द्वारा वांछित बाल मन की अपेक्षा नहीं की जाएगी। एक लर्निंग प्रोसेस जिसमें इनाम और दंड की एक विधि सम्मिलित हो, ऐसी जगह होनी चाहिए जो मस्तिष्क में वांछनीय पैटर्न का चयन करेगी। ट्यूरिंग का उल्लेख है कि यह सम्पूर्ण प्रक्रिया काफी हद तक प्राकृतिक चयन द्वारा विकास के समान है जहां समानताएं हैं:
 * चाइल्ड मशीन की संरचना = वंशानुगत सामग्री
 * चाइल्ड मशीन में परिवर्तन = उत्परिवर्तन
 * प्राकृतिक चयन = प्रयोगकर्ता का निर्णय

इस चर्चा के बाद ट्यूरिंग ने लर्निंग मशीन के कुछ विशिष्ट दृष्टिकोणों पर चर्चा की:
 * अंतर्निहित जटिलता की प्रकृति: चाइल्ड मशीन या तो वह हो सकती है जो यथासंभव सरल हो, केवल सामान्य सिद्धांतों के साथ स्थिरता बनाए रखे, या मशीन वह हो सकती है जिसमें तार्किक अनुमान की सम्पूर्ण प्रणाली प्रोग्राम की गई हो। इस अधिक जटिल प्रणाली को ट्यूरिंग द्वारा इस प्रकार समझाया गया है, ऐसा होगा कि मशीनों का भंडार बड़े पैमाने पर परिभाषाओं और प्रस्तावों से भरा होगा। प्रस्तावों में विभिन्न प्रकार की स्थिति होगी, जैसे, अच्छी तरह से स्थापित तथ्य, अनुमान, गणितीय रूप से सिद्ध प्रमेय, किसी प्राधिकारी द्वारा दिए गए कथन, अभिव्यक्तियाँ जिनमें प्रस्ताव का तार्किक रूप है लेकिन विश्वास-मूल्य नहीं है। कुछ प्रस्तावों को "अनिवार्य" के रूप में वर्णित किया जा सकता है। मशीन का निर्माण इस प्रकार किया जाना चाहिए कि जैसे ही एक अनिवार्यता को "अच्छी तरह से स्थापित" के रूप में वर्गीकृत किया जाए, उपयुक्त क्रिया स्वचालित रूप से होती है।" इस अंतर्निहित तर्क प्रणाली के बावजूद प्रोग्राम किया गया तार्किक अनुमान औपचारिक नहीं होगा, बल्कि यह अधिक व्यावहारिक होगा। इसके अतिरिक्त मशीन "वैज्ञानिक प्रेरण" की विधि द्वारा अपने अंतर्निहित तर्क प्रणाली पर निर्माण करेगी।


 * प्रयोगकर्ता की अज्ञानता: लर्निंग मशीन की एक महत्वपूर्ण विशेषता जो ट्यूरिंग बताते हैं वह लर्निंग प्रक्रिया के पर्यन्त मशीनों की आंतरिक स्थिति के बारे में शिक्षक की अज्ञानता है। यह पारंपरिक असतत स्टेट मशीन के विपरीत है जहां उद्देश्य गणना के पर्यन्त हर पल मशीन की आंतरिक स्थिति की स्पष्ट समझ रखना है। मशीन ऐसे कार्य करती नजर आएगी जिन्हें हम प्रायः समझ नहीं पाते हैं या ऐसा कुछ जिसे हम पूर्णतया से यादृच्छिक मानते हैं। ट्यूरिंग का उल्लेख है कि यह विशिष्ट चरित्र एक मशीन को एक निश्चित डिग्री प्रदान करता है जिसे हम बुद्धिमत्ता मानते हैं, उस बुद्धिमान व्यवहार में पारंपरिक गणना के पूर्ण नियतिवाद से विचलन होता है, लेकिन केवल तब तक जब तक विचलन व्यर्थ लूप या यादृच्छिक व्यवहार को जन्म नहीं देता है।


 * यादृच्छिक व्यवहार का महत्व: यद्यपि ट्यूरिंग हमें यादृच्छिक व्यवहार के प्रति सावधान करते हैं, लेकिन उन्होंने उल्लेख किया है कि लर्निंग मशीन में यादृच्छिकता के तत्व को सम्मिलित करना एक प्रणाली में महत्वपूर्ण होगा। उन्होंने उल्लेख किया है कि यह मूल्यवान हो सकता है जहां कई सही उत्तर हो सकते हैं या जहां यह ऐसा हो सकता है कि एक व्यवस्थित दृष्टिकोण इष्टतम समाधान ढूंढने से पहले किसी समस्या के कई असंतोषजनक समाधानों की जांच करेगा जो व्यवस्थित प्रक्रिया को अक्षम कर देगा। ट्यूरिंग ने यह भी उल्लेख किया है कि विकास की प्रक्रिया किसी जीव को लाभ पहुंचाने वाले समाधान खोजने के लिए यादृच्छिक उत्परिवर्तन का मार्ग अपनाती है लेकिन वह यह भी स्वीकार करते हैं कि विकास की स्थिति में समाधान खोजने की व्यवस्थित विधि संभव नहीं होगी।

ट्यूरिंग ने उस समय के बारे में अनुमान लगाते हुए निष्कर्ष निकाला है जब मशीनें कई बौद्धिक कार्यों में मनुष्यों के साथ प्रतिस्पर्धा करेंगी और ऐसे कार्यों का सुझाव देती हैं जिनका उपयोग उस प्रारंभ के लिए किया जा सकता है। इसके बाद ट्यूरिंग सुझाव देते हैं कि चैस प्लेइंग जैसे अमूर्त कार्य एक अन्य विधि प्रारंभ करने के लिए एक अच्छी जगह हो सकते हैं, जिसे वह कहते हैं। मशीन को सर्वोत्तम इंद्रिय प्रदान करना सबसे अच्छा है जिसे पैसे से खरीदा जा सकता है।

आर्टिफीसियल इंटेलिजेंस में विकास की जांच से पता चलता है कि लर्निंग मशीन ने ट्यूरिंग द्वारा सुझाए गए अमूर्त पथ को अपनाया जैसा कि डीप ब्लू की स्थिति में, आईबीएम द्वारा विकसित एक चैस प्लेइंग कंप्यूटर और जिसने विश्व चैंपियन गैरी कास्पारोव को हराया था (हालांकि, यह भी विवादास्पद है) और कई कंप्यूटर चैस गेम जो अधिकांश शौकीनों को मात दे सकते हैं। जहां तक ​​ट्यूरिंग के दूसरे सुझाव की बात है, कुछ लेखकों ने इसकी तुलना मानव संज्ञानात्मक विकास का एक सिमुलैक्रम खोजने के आह्वान के रूप में की है और अंतर्निहित एल्गोरिदम खोजने के ऐसे प्रयास, जिनके द्वारा बच्चे अपने आस-पास की दुनिया की विशेषताओं के बारे में सीखते हैं, अभी प्रारंभ ही हुए हैं।

संदर्भ

 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.
 * Noah Wardrip-Fruin and Nick Montfort, eds. (2003). The New Media Reader. Cambridge: MIT Press. ISBN 0-262-23227-8. "Lucasfilm's Habitat" pp. 663–677.

बाहरी संबंध

 * PDF with the full text of the paper