Péter Mónika Az agyműködés monitorizációjának kérdése. A komputációs vizsgálatok szerepe a megértés gyakorlatában1 Kulcsszavak: komputációs vizsgálatok, mesterséges intelligencia, Turinggép, művészi megértés Az agyműködés monitorizációjának kérdése végigkíséri az emberiség történetét, mégis az emberi megismerés legfőbb eszközéről, az agyról, annak működéséről még ma is igen keveset tudunk. Olyan kérdéskörrel állunk szemben tehát, ami ma is központi problémának számít a különböző tudományágakban. E különös érdeklődés kettős indíttatású. Egyrészt abból fakad, hogy az agy az emberi megismerés legfőbb eszköze. Ismereteinkre, tudásunkra, az információk feldolgozására az agyi funkciók működése révén teszünk szert. Másrészt pedig a 20–21. században egyre több áldozatot követelő idegrendszeri megbetegedések, a kóros lelki elváltozások szintén az agykárosodással vannak kapcsolatban, amelyek terápiás megoldása egyre sürgetőbb problémának számít. Éppen ezért az agy működése, annak funkciói nemcsak a biológusokat, orvosokat foglalkoztatja, hanem a pszichológia, sőt a filozófia is egyik központi kérdéskörének tekinti. Az agy csodálatos rejtélye még a képzőművészeket is megihlette, gondoljunk csak Leonardo da Vincira, aki 1504 és 1507 között a firenzei Santa Maria Nuova kórházban pontos rajzokat készített az agykamráról és az agykéregről. Olyan problémával állunk szemben tehát, amelyet még a 21. század igen fejlett tudományai sem tudtak kimeríteni, ugyanakkor egyre sürgetőbb problémát jelent több tudományág kutatója számára. Filozófiai szempontból az agykutatók számára különösen fontos kérdés az, hogy mi biztosítja a kapcsolatot a külvilág és belső énünk, az agyműködés között? Milyen kapcsolat van az agy és a tudat között, kérdésként merül fel, hogy meghatározza-e az agy tudatunkat vagy pedig inkább a tudat az, ami befolyásolja az agyműködést? Ebben a tanulmányban az agyműködés monitorizációjának kérdését filozófiai szempontból közelítem meg, különös hangsúlyt fektetve a mesterséges intelligenciára, a komputációs vizsgálatokra. A tanulmány első felében a komputációs vizsgálat problémakörét, kutatási irányait, eredményeit vázolom, majd pedig arra próbálok meg választ keresni, hogy ezek a vizsgálatok mennyiben segítik az emberi megértés folyamatának 1 A dolgozat megírásához szükséges anyagi támogatást a Humánerőforrás-fejlesztési Operatív Program 2007–2013 és az Európai Szociális Alap biztosította a POSDRU/107/1.5/S/76841 projekt „A doktori tanulmányok időszerűsége: nemzetköziség és interdiszciplinaritás” keretéből.
vizsgálatát. Kérdés az, hogy ez az igen divatossá vált, ugyanakkor provokatív, több kritikát is kiváltó nézet, művelet mennyire hasznosítható a szépművészeti alkotások, gondolok itt a szépirodalmi szövegek, képek megértésében? Az agyműködés monitorizációja mennyiben segíti elő a művészi megértés folyamatának megismerését, ugyanakkor mennyire igényel egy művészi megértés ilyen fajta pontosan meghatározható, leírható megértési mechanizmust? 1. Az agy megismerő funkciójának komputációs vizsgálata A tudat problémájával Arisztotelész óta a filozófusok többsége foglalkozott. Az agy működését Sherrington (1940) az ember megoldhatatlan misztériumának nevezte. A 20. században már-már úgy tűnt, hogy e misztériumra választ kaphatunk. Ez előrelépés a század közepén bekövetkezett kognitív fordulathoz köthető, amikor is Alan Turing 1937-ben egy elvont számítógépet hozott létre, ezt a gépet szokás Turing-gépnek nevezni. Majd 1950-ben megjelent Computing Machinery and Intelligence2 című munkájában részletesen kifejtette erről vallott nézetét. Magát a tézist első ízben ugyan Alan Turing dolgozza ki, de e felfogáshoz kapcsolódik Alan Newell, Herbert Simon, Marvin Minsky, valamint Hilary Putnam és Jerry Fodor filozófusok neve is. Turing tézise szerint minden olyan probléma eldönthető, amelyre létrehozható egy működő véges algoritmus. „Az algoritmus fogalmán informálisan valami olyasmit értünk, hogy véges elemi lépésekre lefordítható minden nagyon komplex folyamat, ahol a végső lépések tulajdonképpen elemi, aritmetikai és logikai műveletek lesznek.”3 Amikor Turing e vizsgálattal kapcsolatos elgondolásai 1937-ben megszülettek, még sehol sem voltak azok a számítógépek, amelyek mindent elemi aritmetikai és logikai műveletekként próbáltak volna megoldani. Tehát a megismeréskutatás komputációs vizsgálatának szellemi alapjai hamarabb megfogalmazódtak, minthogy létrejöttek volna azok a fizikai gépek, melyek képesek lettek volna megvalósítani ezeket a számításokat. A vizsgálat abból indul ki, hogy az agy információt dolgoz fel, a gondolkodás pedig nem más, mint egyfajta komputáció. A Turing-féle gép egy olyan matematikai modell, amely minden algoritmizálható feladatot képes véges idő alatt megoldani. Leegyszerűsítve a gondolatmenetet azt mondhatnánk, hogy ez egy olyan gép, aminek a közepén van egy szalag. Ezeken a papírszalagokon 0-k és 1-ek lehetnek, és a szalag balra és jobbra mozgatásával ez az elméleti gép valójában minden feladatot, ami egyáltalán kiszámítható, képes lesz majd kiszámítani.4 2
A. M. Turing (1950): Computing Machinery and Intelligence. Mind 49. 433-460. Pléh Cs.: Bevezetés a megismeréstudományba. 4 Vö. Pléh: Im.. 3
164
Az ötvenes évek közepén létrejöttek a tárolt programú számítógépek, amelyek megteremtik az analógiát a gép és az ember, mint információt feldolgozó rendszer között. E felfogás nézete szerint az ember is elképzelhető úgy, mint ami információt vesz fel, ezeket a fejében meglévő programok szerint átalakítja és értelmezi, és viselkedését ezek alapján irányítja. Az emberi agy tehát úgy jelenik meg, mint egy kettős rendszer, amely adatokat és műveleteket tartalmaz. Az egyre magasabb memóriával rendelkező számítógépek létrejöttével a mesterséges intelligencia kultusza folyamatosan erőteljesebbé vált. Egyre inkább megvalósulni látszott a Turing-féle elképzelés.5 Turing ugyanakkor kidolgozta műveletének a próbáját is, ami Turing-próba néven vált ismertté. Ennek lényege abban áll, hogy azt kísérli meg vizsgálni, hogy van-e különbség adott szituációban az ember által adott válaszok és a gép által adott reakciók között. Nézete szerint abban az esetben, ha a gép ugyanúgy viselkedik és reagál mint az ember, arra kapunk bizonyítékot, hogy a gépek ugyanúgy gondolkodnak mint az emberek. Turing munkájának érdemét az is növeli, hogy előre látta mindazokat az ellenvetéseket, amelyek ellene felhozhatóak, és munkájában ezekre is egyaránt választ próbál adni. Valóban Turing provokatív elmélete igen sok kritikát váltott ki. Ezek közül a legismertebb John R. Searle (1980) Ned Blocktól kölcsönzött kínai-szoba néven ismertté vált cáfolata. Searle Az elme. Az agy és a programok világa6 című tanulmányában megkülönbözteti a mesterséges intelligencia „gyenge” és „erős” verzióját. A „gyenge” verzió szerint az elme tanulmányozásában a számítógép nem mást mint eszköz, ami lehetővé teszi a hipotézisek jóval pontosabb megfogalmazását és tesztelését. Az „erős” verziót vallók számára a számítógép nem csupán csak eszköz, hanem a megfelelően programozott számítógépet valóban elmének tekintik, mint ami a megfelelő programok birtokában, akárcsak az emberi elme, valóban megért, ugyanakkor egyéb kognitív állapotokkal rendelkezik. A mesterséges intelligencia erős verziója valójában Allen Newell és Herbert Simon General Problem Solver, magyarul Általános Problémamegoldó programjához kapcsolódik, amelyet az ötvenes évek közepén7 fejlesztenek ki, mint amely már nem csak a matematikai feladatsor megoldására képes, hanem annak levezetésére is. A hatvanas években már olyan rendszerek jöttek létre, amelyek arról igyekeztek meggyőzni, hogy a gépek ugyanúgy viselkednek, mint az ember. Searle valójában a mesterséges intelligencia „erős” verziója, és ezen belül Roger Schank programja ellen lép fel. Schank programja az ember 5
Vö. Pléh: Im. In.: Pléh Csaba (szerk.): Kognitív tudomány. 136-151. 7 1958-ban publikált 6
165
történetmegértő képességének a szimulációjára vonatkozik. E program szerint a gép nem csak szimulálja az ember megértő képességét, hanem akárcsak egy személy a szó szoros értelmében megérti magát a történetet, és ugyanakkor válaszolni tud a történetre vonatkozó, abban explicit formában nem megfogalmazott kérdésekre is. Searle demonstrációjában önmagát egy szobában ülve képzeli el, amint egy halom kínai írást kap úgy, hogy sem írni, sem pedig olvasni nem tud kínaiul. Majd egy ablakon keresztül egy újabb íráshalmazt kap, amiben különböző utasítások találhatóak angolul a kínai jelek feldolgozására vonatkozóan. Ezek a szabályok lehetővé teszik, hogy a szimbólumok egyik készletét összekapcsolja a másikkal. Ezt követően egy harmadik csomót kap instrukciókkal, amelyek arról igazítják el, hogy hogyan adjon vissza válaszként bizonyos kínai szimbólumokat. Tehát a kínai szimbólumsorozatokat a könyvben lévő angol nyelvű utasításoknak megfelelően feldolgozza, majd pedig az eredményt továbbítja. Ebben az esetben megtörténhet az, hogy a kínai szobán kívül lévő személy nem tud különbséget tenni a szobából kapott szövegek között és mondjuk aközött, amit egy kínai anyanyelvű ember produkálna. De még így sem állíthatjuk azt, hogy a gép, ez esetben a szobában lévő, csakis angolul értő és beszélő ember, megértette a kínai írást. Ugyanis a jeleket csakis formálisan dolgozza fel, viszont a szövegből semmit sem ért. A szimbólumokat formájuk alapján azonosítja anélkül, hogy azokhoz bármilyen jelentést is társítana.8 Searle példájával azt kívánja bizonyítani, hogy a mesterséges intelligencia felfogás csakis szintaktikai, hiszen a jelek átalakítását úgy végzi a gép, hogy ebben a folyamatban a jelek jelentését nem veszi figyelembe. A számítógép nem végez információfeldolgozást abban az értelemben, ahogyan azt az ember teszi, hiszen nem gondolkodik. Amit végez az a formális szimbólumok kezelése, hiszen ezek a szimbólumok sosem kerülnek értelmezésre. A megismerés ebben az esetben a jelek átalakítását jelenti. A jelek átalakítása szintaktikai szabályok szerint történik, hiszen az elme a minta alapján következtet, és nem a jelek tartalma alapján. Ebből arra a következtetésre jut, hogy a gépek rendelkeznek ugyan szintaktikával, de szemantikával nem. A jelek alakja a meghatározó, az adja meg, hogy mit kell velük kezdeni, nem pedig azok értelme.
8
Vö. Searle: Az elme. Az agy és a programok világa. 37-38.
166
1.2. A test-lélek paradoxon feloldása? Az agy és a tudat egysége, a lélek megléte, a lelki állapotok szerepének kérdésessége az ókori filozófiáig nyúlik vissza. Hippocrates, a nyugati orvostudomány megalapítója, az egészséget a tudat, a test és a környezet egységének képzelte el. Arisztotelész viszont a tudatot már függetlenítette az agy struktúrájától, sőt a tudat helyét a szívben helyezte el. A reneszánsz gondolkodói pedig a lelket már az agykamrákban vélik felfedezni. A 17. században Descartes elkülönítette egymástól a testet és a lelket, viszont az emberi lélek székhelyének az agyat tekintette, és azt állította, hogy a test és a lélek kölcsönhatásban van egymással. Az agy működését géphez hasonlította, az ember válaszait a külvilági eseményekre automatikusnak képzelte, viszont az emberi gondolatokat a lélekhez kötötte. „Miután így áttekintettük az összes funkciót, melyek egyedül a testhez tartoznak, könnyű felismerni, hogy semmi nem marad bennünk, amit a lelkünknek kellene tulajdonítanunk, hacsak nem a gondolataink.”9 A betegségekre nagyon gyakran úgy tekintettek, mint ami Isten büntetése. E nézet a 18. században változik majd meg, amikor is felfedezik, hogy az elmebetegség oka valójában az agyban keresendő, annak nem megfelelő működése okozza. E filozófiatörténeti kiragadások is épp azt bizonyítják, hogy a test lélek paradoxon végig kíséri az emberről való gondolkodás történetét. Az elme komputációs vizsgálata úgy próbálja feloldani e paradoxont, hogy azt állítja, hogy a vágyak és vélekedések egyaránt információk, amelyek szimbólumok konfigurációiban testesülnek meg. A szimbólumok pedig valamilyen anyag fizikai állapotai, olyan anyagé, mint a számítógép csipjei vagy pedig az agybeli idegsejtek. „Ezek azáltal szimbolizálják a világ dolgait, hogy azok a dolgok idézik elő ezeket az állapotokat, és azáltal, amit előidézésük következtében tesznek.”10 Úgy vélik, hogy az elme komputációs elmélete lehetővé teszi, hogy a vágyakat, vélekedéseket úgy tartsuk meg a viselkedés magyarázatában, hogy eközben a fizikai világba ágyazzuk azokat, azaz a gondolat ok és okozat lehessen.11 Viszont a lélek szerepét nem lehet kiiktatni még talán a legszigorúbb tudományos alapon sem. A legújabb neuro-immunológiai eredmények arra utalnak, hogy az aktuális tudati állapot jelentősen képes befolyásolni a kognitív és a nem-kognitív ingerekre adott immunválaszt egyaránt. A legújabb szociálpszichoimmunológiai kutatások szintén a test és a lélek kölcsönhatását igazolják. Azokból a megfigyelésekből indulnak ki miszerint a kis és nagy közösségekben, illetve izoláltan élő egyének lelki állapota, amely kognitív ingerekre, behatásokra jelentkezik, teljesen eltérő. Ugyanakkor ezt a nézetet 9
Descartes: A lélek szenvedélyei. 42. Pinker: Hogyan működik az elme. 33. 11 Pinker: Hogyan működik az elme. 33. 10
167
támasztja alá az az ismert adat is, hogy a nem-kognitív külső ingerekre, például fertőzésekre vagy súlyos, rosszindulatú megbetegedésekre az immunválaszok mennyisége és minősége, a beteg ellenálló képessége a személy pillanatnyi lelkiállapotától függ.12 Erre szuggesztív példa az, hogy a rákos megbetegedések gyógyszeres kezelését pszichikai terápiával egészítik ki, az így kezelt betegek gyógyulási aránya sokkal magasabb, mint azoknál a betegeknél, akiknél csak gyógyszeres terápiát alkalmaznak. Mindezen ismeretek alapján kérdésként merül fel az, hogy ha az orvostudomány nem zárhatja ki a lelket, annak állapotát, hatását az egészségi állapotra nézve, a megértési folyamatból képesek vagyunk-e kizárni, s ha igen mindez milyen következményekkel járhat? 2. A művészeti alkotások megértése 2.1. A komputációs vizsgálatok cáfolatainak néhány szempontjai Az elmúlt hat évtized alatt rengeteg ellenérv fogalmazódott meg a mesterséges intelligencia kutatásokkal szemben, ezek közül csupán csak azokra a mozzanatokra térnék ki, amelyek a művészi alkotások megértésében is relevánsak lehetnek. Az egyik ellenérv az, hogy a komputációs elemzés nem tud mit kezdeni az élmények problémájával. Searle kínai szoba érvelése ugyanakkor két alapvető kritikai mozzanatot is egyesít, az egyik épp az élmények, az intencionalitás problémája, a másik pedig a gondolatiság kérdése. Viselkedhet egy gép úgy, mint amely pontosan ismeri a feldolgozott információt, ez esetben a kínai nyelvet, de valójában eközben nem gondolja, amit mond. Ha e felvetést a pszichológia irányából közelítjük és fogalmazzuk meg, azt mondhatnánk, hogy nincsenek élményei. Szimbólumai pedig csak a külső szemlélő számára referálnak, nincs inherens intencionalitásuk.13 A Turing-próba hagyományos szintjein tehát a gép ugyanazokat az algoritmusokat végezheti mint az ember, de ettől még nem lesznek élményei. A szimbólumokat formálisan kezeli, sok esetben jobban mint azt maga az ember tenné, mégsem beszélhetünk megértésről vagy gondolkodásról. Szemantikai értelmezésre nem kerül sor. Az ember és a gép között lévő egyik legfőbb különbség tehát abban áll, hogy a gépek, az emberrel ellentétben, nem tudnak gondolkodni. Másrészt inadekvát lenne a komputációs felfogás abból a szempontból is, hogy nem tud mit kezdeni sem a szociális világhoz, sem az észlelés világához történő illesztéssel. Ezek a rendszerek nem tudnak mit kezdeni a fénnyel, a hangokkal, egyáltalán azzal, hogy az ember a környezetnek kiszolgáltatott 12 13
Vö. Pléh: Bevezetés a megismeréstudományba.. Vö. Pléh: Im.
168
lény. Ez ellenvetést már maga Searle is megfogalmazza, hangsúlyozva azt, hogy ezek a gépek elláthatóak ugyan fény- és hangérzékelő detektorokkal, végtagokkal, de „a »perceptuális« és »motoros« készségek ilyenfajta hozzáadása nem ad hozzá semmit sajátlagosan a megértés programjához.”14 Amikor érzékeljük a fényt, a hangot és azt agyunkban feldolgozzuk sokkal bonyolultabb tevékenységet végzünk, mintha egy szöveggel kapcsolatban általános érvényű kérdéseket fogalmaznánk meg, vagy azokra választ keresnénk, hiszen ez esetben nem csupán csak formális szimbólum feldolgozás történik. Ugyanakkor megértésünket nagyban meghatározzák a világról szerzett addigi ismereteink, előzetes tudásunk, kultúránk, szociális hátterünk, s mindezeket az adatokat pedig szinte teljesen lehetetlen egy gépbe beletáplálni. Ahhoz, hogy a gép adott szinten ugyanarra az értelmezésre legyen képes, mint maga az ember, egy folyamatosan frissített világmodellre lenne szüksége, mindazokra az információkra, élményekre, állapotokra, amelyekkel maga az ember rendelkezik. Az ismeret, tudás fogalomkörébe beletartoznak az érzékelés útján szerzett ismeretek is, ez az, amit perceptuális felismerésnek és perceptuális tudásnak nevezünk. A komputációs elméletek viszont csak azokkal a megismerési formákkal foglalkoznak, amelyek leírásként konstruálódnak meg. A leírás előtti állapotról viszont nem esik szó. Ahhoz, hogy a rendszer bármit is kezdeni tudjon velük az élményszerű, perceptuális dolgokra vonatkozó tudásainkat is kijelentéssé kell formálnunk. Viszont a világról alkotott tudásunk igen nagy része nem leírásként, hanem képekben konstruálódik, jelenik meg.15 Éppen ezért a mesterséges intelligencia cáfolatoknak egyik visszatérő eleme az, hogy a gépeknek nincsenek képeik, ott csakis kijelentések, leírások vannak. Amikor már képeik lesznek a gépeknek, akkor valójában emberekké válnak. 2.2. A képek megértése Arra a kérdésre próbálok meg választ adni, hogy filozófiai szempontból mennyiben is elfogadható a mesterséges intelligencia „erős” verziójának azon állítása, hogy a gépek ugyanúgy gondolkodnak és értenek meg mint az emberek, ugyanakkor milyen veszélyeket rejt magában egy ilyen jellegű kijelentés. Kérdésként merül fel az, hogy a művészi megértés esetében szükségünk van-e egy pontos, objektív értelmezésre, vagy pedig ez a művészetet épp művészi mivoltától fosztaná meg? A komputációs nézet szerint a világ dolgai kijelentések által leírhatóak, a gép pedig ezeket a kijelentéseket tudja viszonylag feldolgozni. Azonban a 14 15
Searle: Im. 143. Vö: Pléh: Im.
169
világról alkotott ismereteink, mint arra már utaltam, nagyon sok esetben képekben konstruálódnak meg. Gondoljuk csak a színek egyszerű esetére. Nagyon nehezen tudnánk egy vak ember számára kijelentések által megfogalmazni azt, hogy milyen is a zöld szín. Meglátásom szerint a komputációs vizsgálatok igen hasznosak az agyműködés élettani funkcióinak vizsgálatában, viszont igen keveset mondanak az egyén, az ember megértő, interpretációs tevékenységéről. Még ha el is fogadjuk azt a feltevést, hogy valóban létrehozható olyan gép, aminek kapacitásai, gyorsasága, betáplált információk minősége megfelel az emberi agynak, akkor sem állíthatjuk azt, hogy ugyanúgy értene meg, mint az ember. E gépi értelmezés lehet pontosabb, objektívebb, jobb, mint az emberi megértés, de semmiképp sem lesz azonos az emberivel. A mesterséges intelligencia védelmezőinek egyik legfontosabb érve az objektivizmus. A gépek nem rendelkeznek érzelmekkel, nem éreznek sem pszichikai sem pedig fizikai fájdalmat, éppen ezért a megértésüket semmi sem befolyásolja. Kérdés az, hogy szükségünk van-e egy ilyen objektív megértő szerkezetre ahhoz, hogy megértsük a műalkotásokat? Valójában ez lenne az igazi megértés? Meglátásom szerint egy ilyen erős tudományos alapú megértés épp a művészetet annak csodájától, művésziességétől fosztaná meg. Hans-Georg Gadamer az Igazság és módszer című művének A kép létrangja fejezetében elkülöníti egymástól a kép és a képmás fogalmát. „A kép létmódját úgy kell közelebbről meghatároznunk, hogy azt a módot, ahogy a képben a bemutatás valamit mintaképre vonatkozik, megkülönböztetjük a képmásszerű leképezés [Abbildung] viszonyától, a képmásnak a mintaképre való vonatkozásától.”16 A képmás lényege abban áll, hogy hasonlítson a mintaképhez, adekvátságának mércéje az, hogy a képmásban felismerhető legyen a mintakép. A képmást úgy kell nézni, hogy figyelembe vesszük mire is vonatkozik. A képmás és a mintakép egymásnak megfeleltethető kell legyen. Funkciója az, hogy azonosítsa azt, amit megmutatni, ábrázolni kíván. E funkció betöltése viszont együtt jár önmagának megszüntetésével. „A képmás önmagát szünteti meg abban az értelemben, hogy eszközként funkcionál, s mint minden eszköz, funkcióját veszti, ha eléri a célját.”17 Ezzel szemben a kép rendeltetése nem az önmegszüntetés. „Itt magára a képre irányulunk, mert épp az a kérdés, hogy hogyan mutatkozik meg benne a megmutatott [Dargestelle].”18 A kép itt már nem utasít minket tovább a megmutatotthoz. Hiszen a kép léte épp a megmutatásban áll, abban, hogy mindig is van érvényes mondanivalója a néző számára. Nem a referencia meghatározása a tét, hanem épp a benne való elmerülés, a megértés játékában való részvétel. Az esztétikai értelemben vett 16
Gadamer: Igazság és módszer. 168. Gadamer: Im. 169. 18 Gadamer: Im. 169. 17
170
képnek van saját léte, e léte pedig a megmutatásban áll.19 A műalkotásnak nincs egy végérvényes interpretációja, mert ha lenne, az azt jelentené, hogy funkcióját betöltve megszünteti önmagát. Ezzel pedig épp azt veszítené el, amit őt műalkotássá teszi, azaz örökérvényűségét. Egy műalkotásnak mindig van számunkra aktuális mondanivalója, éppen ezért újból és újból megköveteli a hozzá való megértő odafordulást. Ha mindezt a gépi megértés folyamatára vonatkoztatjuk, azt kell mondanunk, hogy lehetséges az, hogy a gép képes egy képet megérteni, referenciáját megnevezni, viszont nem képes egy művészi képet annak műalkotási mivoltában értelmezni. Ahhoz, hogy egy képet megérteni tudjunk igenis alapvető emberi tulajdonságainkra, érzelmeinkre, lelkünkre, érzékszerveinkre van szükség. Ha a képeket úgy értenénk meg, objektíven, kijelentésekbe, leírásokba átültetve mint ahogyan azt egy gép tenné, a műalkotásokat épp örökérvényűségüktől, művészi mivoltuktól fosztanánk meg. 3. Összegzés Valójában el kell ismernünk azt, hogy a komputációs, mesterséges intelligenciavizsgálatok a 20. század nagy felfedezései, amelyek igen hasznosak az orvostudomány terén, sőt a különböző idegrendszeri megbetegedések vizsgálatában és gyógyításában nélkülözhetetlenné váltak, viszont igen merész következtetés lenne azt mondani, hogy a gépek ugyanúgy gondolkodnak, értenek meg, mint az emberek. A megértés során valóban az agyban lejátszódó folyamatok kapják a legnagyobb szerepet, viszont tudatunk, érzelmi világunk meghatározó szerepét nem vonhatjuk ki a vizsgálatból. A gépi megértés analógiája valójában az emberi komplex megértési folyamat redukálását jelentené. A szubjektum legértékesebb jellemvonását, a szellem működését hagyja figyelmen kívül. Az elme nem egyetlen szerv, hanem sokkal inkább „szervrendszer”, amelyet pszichológiai képességek, állapotok, mentális modulok összességeként képzelhetünk el20, ezért mindezeket nem hagyhatjuk figyelmen kívül a megértési folyamat vizsgálatakor. Egy műalkotás, művészi szöveg, kép megértése nem merül ki annak kijelentések által való leírásában. A megértés sokkal inkább egy olyan komplex folyamat, amelyben az egyén, annak aktuális lelkiállapota, érzelmei, világképe, múltbeli élményei, ismeretei mind-mind meghatározó szerepet játszanak. Igaz, ez nem egy objektív interpretáció. De szükségünk van-e arra, hogy egy műalkotásról végérvényes, adekvát értelmezést kapjunk? S ha ezt megkapjuk, akkor megszólíthat-e még minket a műalkotás? Képesek leszünk-e arra, hogy ettől elvonatkoztatva meglássuk benne azt, ami igazán hozzánk, 19 20
Gadamer: Im. 170. Pinker: Im. 34.
171
rólunk szól, vagy pedig elfogadva az értelmezést lezártnak tekintve félredobjuk azt? Hivatkozott irodalom Altrichter Ferenc, A tudat két aspektusa: intencionalitás és qualia. http://www.matud.iif.hu/01okt/altricht.html. 2011. 09. 23. Buzsáki György, Agy-tudat: válaszok egy nehéz problémára. http://www.matud.iif.hu/01okt/buzsaki.html. 2011. 09. 23. Descartes, René (1994) A lélek szenvedélyei. Ictus. Donald, Merlin (2001) Az emberi gondolkodás eredete. Osiris. Budapest. Fodor, Jerry (1996) Összefoglalás az elme modularitásához. In.: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. 197–206. Fodor, Jerry (1996) Fodor kalauza a mentális reprezentációhoz: az intelligens nagynéni segédlete. In.: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest, 64–86. Gadamer, Hans-Georg (2003) Igazság és módszer. Egy filozófiai hermeneutika vázlata. Osiris Kiadó, Budapest. (Második, javított kiadás). Gulyás Balázs (2003) Funkcionális képalkotó eljárások a kognitív idegtudományban. In.: Pléh Csaba, Gulyás Balázs, Kovács Csaba (szerk.): Kognitív idegtudomány. Osiris. Budapest. Hernád István (1996) A szimbólum-lehorgonyozás problémája. In.: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. 205–221. Hernád István, Az érzés-működés viszony. http://www.matud.iif.hu/01okt/hernad.html. 2011. 09. 14. Kampis György, Test és tudat egysége és távolsága. http://www.matud.iif.hu/01okt/kampis.html. 2011. 09. 18. Karmiloff-Smith, Anette (1996) Túl a modularitáson: a kognitív tudomány fejlődéselméleti megközelítése. In.: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. 254–282. Lehmann Miklós (1998) Az intelligencia kialakulása http://www.tofk.elte.hu/tarstud/lehmann/intkial.pdf. 2012. 02. 19. Lehmann Miklós (2001) A dinamikus elme. Trezor kiadó. Budapest. Linke B. Detlef, Az agy. http://www.c3.hu/~tillmann/forditasok/Linke_az_agy. 2011. 08. 25. Piattelli-Palmarini, Massimo (1996) Evolúció, szelekció és megismerés: a tanulástól a paraméterbeállításig – a biológiában és a nyelvekben. In.: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. 223–253. Pinker, Steven (2002) Hogyan működik az elme. Osiris. Budapest.
172
Pléh Csaba (1996) A modern kognitivizmus mozgalma és változásai. In: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. 9–34. Pléh Csaba: Bevezetés a megismerétudományba. Typotex. Budapest. 1998. http://nyitottegyetem.phil-inst.hu. 2001. 10. 05. Searle, John R. (1980) Minds, Brains and Programs. Behavioral and Brain Science. 417–424. Magyarul: Az elme. Az agy és a programok világa. In: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. 1996. 136–151. Smolensky, Paul (1996) A konnekcionizmus helyes kezeléséről. In: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. Turing, Alan Matheson: Computing Machinery and Intelligence. Mind 49: 433–460. http://www.cs.umbc.edu/courses/471/papers/turing.pdf. 2011. 10. 10. Ulmann, Simon (1996) A látás komputációs tanulmányozásának előfeltevései. In.: Pléh Csaba (szerk.): Kognitív tudomány. Osiris. Láthatatlan Kollégium. Budapest. 183–196. Vizi E. Szilveszter, Az agy és a tudat kapcsolata, digitális és analóg ingerületátvivő rendszerek. http://www.matud.iif.hu/01okt/vizi.html. 2011.10. 04.
173
