Cafe Aleph

Za pomocą obecnego wpisu chciałbym poddać pod dyskusję pewną odmianę światopoglądu informatycznego, za którą opowiada się drugi z redaktorów bloga, czyli Witold Marciszewski. Sam autor nazywa ów pogląd optymizmem poznawczym, a objaśniając rzecz szerzej: realistycznym optymizmem w kwestii poznawania i przekształcania świata.

Stanowisko to zostało nakreślone po raz pierwszy w książce „Umysł – Komputer – Świat. O zagadce umysłu z informatycznego punktu widzenia”, przede wszystkim w rozdziałach 16 i 19. Niniejszym chciałbym je skonfrontować z pewnymi uwagami pesymistycznymi, które nasunęły mi się stosunkowo niedawno, podczas pisania pewnego artykułu.

Roboczy fragment tego artykułu linkuję tutaj jako właściwą podstawę dyskusji, natomiast niżej przedstawiam krótko najważniejsze punkty argumentacji Witolda Marciszewskiego (WM), a następnie mojej, czyli Pawła Stacewicza (PS).

*****

Oto sześć wspomnianych punktów:

WM-1 
Wraz z rozwojem ludzkiej cywilizacji (wiedzy) złożoność problemów rozwiązywanych przez ludzki umysł (naukę) nieustannie rośnie.

WM-2
Kreatywność ludzkiego umysłu  ma charakter niewyczerpywalny. Nawet jeśli granica złożoności problemów, które  umysł napotyka w świecie, nie istnieje (może być dowolnie wielka), to  nie istnieje również granica efektywności wynajdywanych przez umysł teorii i algorytmów.

WM-3
Dla każdej teorii i dla każdego modelu obliczeń, istnieje możliwość takiego wzbogacenia lub przekształcenia modelu/teorii, aby problemy dotychczas nierozwiązywalne stały się (na nowym gruncie) rozwiązywalne.

—–

PS-1
Postulowane przez WM wzmocnienie lub przekształcenie modelu/teorii (w celu uzyskania efektu rozwiązywalności problemów dotychczas nierozwiązywalnych) wymaga de facto odwołania się do nieskończoności aktualnej.

PS-2
Nie mamy dowodu na to, że modele silniejsze od cyfrowego modelu obliczeń (turingowskiego) są fizycznie realizowalne. Inaczej: hipoteza Churcha-Turinga (w wersji fizykalnej) nie została ani obalona, ani potwierdzona.

PS-3 
Niektóre obliczenia/algorytmy, za pomocą których usiłuje się rozwiązywać problemy trudne (w tym: praktycznie nieobliczalne w modelu turingowskim), są nie w pełni przez człowieka kontrolowalne (elementy losowe), i nie w pełni dlań zrozumiałe (brak teorii wyjaśniającej, np. dla algorytmów genetycznych).

*****

W zalinkowanym fragmencie artykułu znajdują się oczywiście rozwinięcia powyższych punktów.
Gorąco zapraszam do ich krytycznego przestudiowania, a następnie skomentowania.
Będzie to dla mnie tym bardziej cenne, że obecnie przygotowuję nieco zmienioną, angielską wersję tekstu (będę zatem wdzięczny za wszelkie uwagi).

Udostępniam jeszcze raz link do fragmentu artykułu.

I zapraszam do dyskusji — Paweł Stacewicz.

Książka, pod redakcją  naukową dra Pawła Stacewicza ukazała się nakładem Politechniki Warszawskiej w grudniu 2017.   Pod kątem własnych zainteresowań,  wybieram  z niej i sygnalizuję  kilka tematów, które wydają mi się  inspirujące i warte kontynuacji dyskusyjnej w blogu.

Czy uznać realność informacji jako (1) bytu abstrakcyjnego, odróżniając ją od (2) informacji rozumianej psychologicznie, oraz od (3) kodujących ją danych, należących do świata fizycznego? W te podstawowe zagadnienia umiejętnie wprowadza rozdział „O redukcji informacji do danych”.

Gdy odróżniamy informację zawartą w opisach (deskrypcyjną) od informacji w poleceniach (preskrypcyjnej), to czy do drugiej da się stosować pojęcie ilości informacji jako wielkości odwrotnej do prawdopodobieństwa? Inna kwestia: czy informacja preskryptywna to jest jakiś tekst, np. przepis prawa, czy norma wyabstrahowana z tego przepisu?

Czy w praktyce podejmowaniu decyzji, racjonalnie jest stosować — zamiast niezawodnych lecz przewlekłych procedur algorytmicznych — tzw. heurystyki, czyli dotyczące użyteczności i prawdopodobieństwa wnioskowania intuicyjne, narażone na błędy, lecz dzięki swej skrótowości bardziej pomocne, gdy zachodzi konieczność (np. na giełdzie) szybkiej decyzji?

Jak w algorytmie tabel analitycznych traktować klasę formuł, którą R.Smullyan (czołowy badacz na tym polu) określił jako „mystery class”? Mianowicie, jak interpretować przypadek, gdy testowanie tautologiczności formuły tym algorytmem generuje — w sposób intuicyjnie oczywisty — nieskończenie wiele pętli, a więc nie przynosi rozwiązania? Czy upoważnia to do wniosku, że dana formuła nie jest tautologią czyli zapisem wynikania logicznego? Więcej na ten temat — w tekście calculemus.org/CA/fil-inform/2017/koment-stac.pdf  odc.§5

Książkę cechuje taka precyzja wypowiedzi i gruntowność argumentacji, że zainteresowany laik-amator uzyska solidną porcję wiedzy, a specjalista — punkt wyjścia do dalszych badań.

Na prośbę Profesora Adama Olszewskiego z Uniwersytetu Papieskiego Jana Pawła II w Krakowie chciałbym poddać pod dyskusję jego tekst pt. „Jakie są granice informatyki?”.
Zgodnie z wyjaśnieniami Autora jest to wstępny szkic – zarówno ze względów merytorycznych, jak i stylistycznych. Szkic ten oczekuje na wszelkie uwagi, komentarze, sugestie etc…, zaś  Autor prosi o maksymalny krytycyzm i brak jakichkolwiek skrupułów w polemice…

Tematyka tekstu wpisuje się w ten nurt dotychczasowych dyskusji, który dotyczy (nieprzekraczalnych, być może) ograniczeń metody algorytmicznej, a tym samym ograniczeń informatyki.
Jako dwa reprezentatywne wpisy – które mogą stanowić jakieś tło dla rozważań Profesora Olszewskiego – chciałbym wskazać następujące pozycje: 1) O algorytmicznej dostępności wiedzy, oraz 2) Nieskończoność potencjalna w informatyce.

Tymczasem zaś zapraszam do dyskusji nad  anonsowanym tekstem. ivermectin pigeons Na zachętę przedstawiam niżej kilka jego początkowych fragmentów.

***

Pojęcie granicy jest pojęciem intuicyjnym i używane jest w codziennym życiu. Występuje ono również w obrębie matematyki głównie w dwóch wersjach, które kodują ściśle dwie intuicje potoczne związane z pojęciem granicy. Pierwsza intuicja wyrażona została w postaci aproksymacyjnego ujęcia, jako pojęcia granicy ciągu, zdefiniowanego w analizie matematycznej. Drugie pojęcie granicy, związane z rozdzielaniem obszarów, obecne jest w topologii. W niniejszej pracy skorzystam z intuicyjnych własności granicy, nawiązujących do topologicznego ujęcia tego pojęcia. Tak rozumiana granica, jest granicą pomiędzy sąsiadującym obszarami, które leżą zawsze w jakiejś niepustej przestrzeni. Dlatego dla naszych celów, kluczowe będzie ustalenie wskazanej przestrzeni, w której można będzie wyznaczyć granice informatyki. Przy takim podejściu, znane są co najmniej dwie taktyki: pierwsza – syntaktyczna – za przestrzeń wyjściową bierze język, zaś druga – semantyczna – za przestrzeń bierze klasę jakichś obiektów. ivermectin direxion Druga z tych taktyk wydaje się być bardziej naturalna i właściwsza, dlatego pójdziemy tym tropem. Problemem, który się tutaj narzuca, jest to, że jeśli zazwyczaj dla teorii istnieje jedno uniwersum, to dla informatyki sprawa jest nieco bardziej złożona. ivermectin and shingles
(…)
Shapiro próbował wyróżnić uniwersum informatyki przez wskazanie zbioru wszystkich procedur, gdzie za słownikiem Webstera, procedurą jest „szczególny, konkretny sposób postępowania w celu osiągnięcia czegoś” (w oryginale: „a particular way of doing or of going about the accomplishment of something.”). Dla niego procedury „nie są obiektami naturalnymi”, ale są „zjawiskami naturalnymi, które mogą być i rzeczywiście są obiektywnie mierzalne – przede wszystkim w terminach potrzebnego im czasu (dotyczy to tych procedur, które się kończą) i w terminach ilości zasobów, których wymagają”. W konsekwencji, takiego rozumienia procedur, uważa on, że informatyka jest nauką przyrodniczą.
Takie rozumienie uniwersum (dziedziny) informatyki nie jest powszechne, wymaga ono jednak analizy, gdyż jest nieprecyzyjne, a nawet nieprawidłowe.

***

Cały tekst można przeczytać TUTAJ.

Jeszcze raz zapraszam do dyskusji nad nim – Paweł Stacewicz.