O I n f o r m a c i j i : informacija u teoriji

Travanj 7, 2016

Informacija u procesu stjecanja znanja

stablo_znanjaNakon osamnaest mjeseci premišljanja, pisanja i prepravljanja, odustajanja i ponovnog započinjanja, razgovora i savjetovanja, sa zadovoljstvom mogu objaviti da je moja ‘znanstvena pisanija’ naziva Information in the knowledge acquisition process napokon dovršena. ‘Stablo znanja’, novopredloženi prikaz/simbol DIKW modela,  započinje sa svojim životom u digitalnom svijetu informacija. Posljedično, to znači da je ‘pisanija’ odnosno rad prihvaćen za objavljivanje u jednom od časopisa područja – i ne slučajno – u Journal of Documentation. Četrdeset i pet stranica teksta, je li to ikome trebalo? U mom slučaju, da, pogotovo stoga jer u radu na kraju nisam stigao reći sve što sam imao. Primjerice, onaj dio o značenju. Informacija i značenje, u kontekstu čovjekove spoznaje, čine mi se sada neraskidivo povezanima, do te mjere da ću vjerojatno u najskorije vrijeme biti prisiljen započeti rad na novoj ‘pisaniji’ sada već predvidljivog naziva – Meaning in the knowledge acquisition process (s tim da su neki dijelovi već i napisani) te svojim umom zaroniti u otvoreno i neistraženo more semiotike…

Osim (relativno) sažetog prikaza raznolikosti pogleda na pojam informacije (desetak stranica), rad se u prvom redu bavi tumačenjem procesa stjecanja znanja, s osobitoga simboličkog i metaforičkog stajališta. Pritom, pojam informacije u takvom tumačenju, dakako, zauzeo je središnje mjesto, pored srodnih pojmova podatka i znanja. Posredno, ovim radom nastojao sam i iznaći odgovor na pitanje: zašto različiti načini/perspektive stjecanja znanja u okviru znanstvenih područja imaju drugačiji pogled na informaciju, uključujući tu i dva, čini se, najisključivija ili najnepomirljivija: jedan, koji informaciju drži objektivnim entitetom koji postoji u ‘vanjskom svijetu’ i drugi, koji ju smatra konstruktom čovjekova uma.

Stoga ovaj rad posjeduje dvojak karakter: pregledni i simboličko-metaforički. U prvom dijelu do izražaja dolazi njegov pregledni karakter. Nastojao sam, na što je moguće sažetiji način, pružiti uvid u raznolikost pogleda na pojam informacije istraživača iz različitih područja znanosti. U radu se razmatraju informacijske teorije s naglaskom na inicijalnu teoriju Claudea E. Shannona, pravci u razvoju istih, definicije pojma informacije i vrste informacija. U drugom dijelu rada, a za potrebe razumijevanja odnosa pojma informacije sa srodnim pojmovima podatka i znanja, predložio sam odgovarajući simbolički prikaz kao pandan postojećem  – DIKW hijerarhije (Data-Information-Knowledge-Wisdom hierarchy), a koji je našao izraz u stanovitoj slici ‘stabla znanja’. Putem navedenog prikaza te osobitoga metaforičkog tumačenja pokušao sam, zatim, ilustrirati ulogu informacije u procesu stjecanja znanja. Prema mom mišljenju, na ovaj način bilo je moguće ukazati na jedno, relativno novo, shvaćanje pojma informacije, koje je u stanju ublažiti, ako ne i u cijelosti prevladati problem različitog shvaćanja informacije u svim znanstvenim područjima. Simbolički prikaz i metaforičko tumačenje uloge informacije u procesu stjecanja znanja čine i okvir za novo shvaćanje uočenog raskoraka u pristupu informaciji kao objektivnom ili subjektivnom fenomenu, a koji se također može rabiti za njegovo prevladavanje.

Zaključak rada donosi neobične i, držim, uzbudljive implikacije iako počivaju na ograničavajućoj simboličko-metaforičkoj osnovi; veći dio zaključka, stoga, objavljujem i na ovom mjestu (u djelomično parafraziranoj verziji iz pre-print verzije rada):

Na [spomenutoj] simboličkoj slici ‘stabla znanja’ informacija u obliku soka, prepoznaje se kao jedan od dva ključna supstrata koja omogućuju njegov rast. ‘Zemlja podataka’ na kojoj je ‘stablo znanja’ izraslo, predstavlja, simbol dohvatljivoga, mjerljivog ‘vanjskog svijeta’ (onoga koji se može izlučiti u mjerljiv podatak), dok smo krošnju stabla označili kao simbol čovjekova eksplicitnog znanja o tom ‘vanjskom svijetu’. Predložili smo i da deblo stabla može simbolizirati veliki provodnik, komunikacijski kanal kojim se informacije prenose, dok njegovo korijenje može predstavljati simbole mjernih instrumenata, naprava, alata, uređaja, ali i metoda i tehnika za dohvaćanje podataka iz ‘vanjskog svijeta’. Isto tako, ostavili smo i mogućnost da svaki ‘čvrsti’ dio stabla simbolizira određeno znanje, uključujući tu i one koji pripadaju deblu i korijenju.

Međutim, temeljna zamisao tiče se sljedećeg prijedloga: na sveukupni rast ‘stabla znanja’, a odatle i našega znanja, utječu dva, a ne jedan, tok ključnih supstrata: pored, već spomenutog, toka ‘informacijskog soka’ od korijenja prema vrhu stabla, postoji i tok ‘značenjskog soka’ potaknut djelovanjem ‘zraka’ ‘umnog sunca’ u listovima ‘stabla znanja’ (pritom, ‘zrake umnog sunca’ simboliziraju čovjekovu sposobnost apstraktnog mišljenja nužnog za potrebe usvajanja i organizacije znanja). Ovaj sok kreće se u obrnutom smjeru od ‘informacijskog soka’, a to znači da može dospjeti i do korijenja stabla.

[Stoga] prema metaforičkom tumačenju procesa stjecanja znanja, a preko slike rasta ‘stabla znanja’, informacija se prepoznaje kao subjektivan, ali bezličan (bez značenja), kodiran (preslikan) tok (jer se uvijek prenosi), nevidljivo ‘komunikacijsko sredstvo’ između svijeta podataka i svijeta znanja. Uloga informacije kao nevidljive poveznice svijeta podataka i svijeta znanja, možda i ne predstavlja originalnu zamisao, ali je ovim radom, držim(o), značajno produbljena.

S druge strane, oba procesa, proces izlučivanja ‘podatkovnih sastojaka’ iz ‘zemlje podataka’ kao i proces stvaranja ‘informacijskog soka’ neizostavno nas moraju podsjetiti na procese kodiranja i odabira mogućnosti/poruke iz zadanog skupa mogućnosti/poruka u Shannonovoj teoriji. Ipak, je li doista moguće na njih gledati kao na metafore procesa koji čine okosnicu ‘informacijske teorije’ – ostaje za raspravu. U slučaju hipotetskog prihvaćanja ove mogućnosti, Shannonova teorija bi se, u okviru ove osobite simboličke slike, nalazila na samim vrhovima korijenja ‘stabla znanja’. Međutim, ova promišljanja ubrzo bi nas dovela do jednog drastičnog ‘uvida’,  po kojemu bi se, onda, i proces stjecanja znanja temeljio na svojevrsnom kodiranju stvarnosti (izlučivanju ‘podatkovnih sastojaka’) i njenoj percepciji odnosno prijenosu (stvaranje ‘informacijskog soka’ odnosno generiranju informacija) za potrebe uvećanja našeg znanja. Ali, je li se doista radi o nečemu takvom, pa barem i u naznakama, teško je pretpostaviti na osnovi jednog, ipak, samo simboličko-metaforičkog pristupa danom problemu.

(U skladu s Weaverovom interpretacijom ‘informacijske teorije’, po kojoj je ona više povezana s onim što se moglo (pa i još uvijek može) reći (‘what could you say‘) nego s onim što se reklo, a ‘zemlju podataka’ možda možemo gledati kao na ukupan broj mogućnosti ‘vanjske stvarnosti’ koja se u obliku ‘podatkovnih sastojaka’ uopće može izlučiti na vrhovima korijenja ‘stabla znanja’ i pretvoriti u ‘informacijski sok’. Je li, u ovom smislu, ukupnom skupu mogućnosti ‘vanjskog svijeta’ odgovara upravo prostornovremenska zbilja kao takva, a načinima njenog kodiranja upravo naše matematičke metode (geometrija, algebra itd.) koje rabimo za njezino dohvaćanje… ostaje za raspravu.)

Ova slika i nedvojbeno ukazuje na činjenicu da mogućnost razlikovanja i ekstrakcije podataka iz ‘vanjskog svijeta’ još uvijek ne prejudicira njihovo značenje. To je dovoljno da Shannonovoj teoriji priznamo status jedne validne informacijske teorije, ali teorije koja predstavlja gradivni blok njene puno šire inačice, i koja se u kontekstu procesa stjecanja znanja više ne može promatrati odvojeno od pojmova znanja i značenja; zbog čega je i način ‘skrutnjavanja’ ‘informacijskog-‘ i ‘značenjskog soka’ u čvrste dijelove ‘stabla znanja’ u ovom radu ostao nepoznat.

Možda najdojmljiviji doprinos predloženog simboličkog prikaza predstavlja ‘vidljivost’ same informacije, koja u procesu stjecanja znanja u stvarnom svijetu, zauvijek ostaje skrivena, uostalom, kao i značenje. Ono što je u stvarnom svijetu uvijek vidljivo odnosi se na podatke, dok se znanje istog, u neku ruku, ‘osjeća’ u glavi. Informacija, odatle, ne samo da se javlja kao vrijednost tog procesa, …, nego i sama može biti shvaćena kao jedan od njegovih dijelova. Upravo fluidnost ‘informacijskog soka’ koji sadrži u sebi kodirane ‘podatkovne sastojke’, reprezentira važno, ali izvan dane simbolike, zasad nepoznato svojstvo informacije, koje možda upućuje na njenu procesnu prirodu. Isti zaključak može se odnositi i na ‘značenjski sok’ sastavljen od ‘konceptualnih sastojaka’. Odatle, procesi informiranja i pridavanja značenja koji se odvijaju u stvarnosti, možda se uistinu i ne mogu razlikovati od njihovih imeničnih izvedenica – informacije i značenja.

Informacija po sebi nema značenje, ali se jedino ‘sa’ značenjem može percipirati i razumjeti. Ovo, samo prividno, proturječje čini se nestaje kada se na podatak, informaciju i znanje započne gledati iz perspektive ili ingerencije jednoga, osobitoga, nadređenog fenomena. Ipak, njegovu elaboraciju ostavljamo za neko buduće promišljanje koje se, definitivno, mora izdići iznad ovih, ipak ograničavajućih, simboličkih okvira te ponuditi nov, u cijelosti znanstveno utemeljen pogled na informaciju.

Cjelovitom tekstu rada možete pristupiti u repozitoriju ustanove u kojoj sam zaposlen (Filozofski fakultet u Osijeku) na ovoj adresi: http://repo.ffos.hr/2206/. Objavljivanje rada u tzv. post-print inačici, prije službene objave u časopisu Journal of Documentation, omogućila mi je politika ‘zelenog puta’ izdavača časopisa, u ovom slučaju – Emeralda.

Citiranje rada putem EarlyCite servisa (prije same objave) omogućeno je na http://www.emeraldinsight.com/doi/pdfplus/10.1108/JD-10-2015-0122.

Oglasi

Svibanj 25, 2015

Maxwellov demon i informacija

CLAUDE E. SHANNON & WARREN WEAVER: The Mathematical Theory of Communication (1949)
JAMES GLEICK: Information: A History, a Theory, a Flood (2011) / Entropy and Its Demons

Fizičar James Clerk Maxwell osmislio je sljedeći misaoni eksperiment: iznad pregrade kutije s plinom zamislio je inteligentno biće, dovoljno malo da uoči koja mu molekula dolazi u susret (topla ili hladna) i odluči hoće li je pustiti u drugu stranu ili ne. Ubrzo je to zamišljeno biće dobilo naziv Maxwellov demon, a predmnijevamo i zbog čega: zbog svoje ‘demonske uloge’ u kršenju Drugog zakona termodinamike! Naime, svojim odlukama koju će molekulu pustiti a koju ne, biće bi bilo u prilici izravno utjecati na rast entropije zatvorenog sustava; još gore, moglo bi, ako bi to htjelo, prouzročiti i one slučajeve u kojima bi se ukupni prirast entropije smanjivao! Svojim inteligentnim uvidom u to koja mu molekula plina pristiže (hladna ili topla) moglo bi namjerno prouzročiti smanjenje entropije cjelokupnog sustava, recimo, ako odluči na drugu stranu kutije puštati samo tople molekule plina. Ipak, u ovoj priči, nas ne zanima toliko kršenje Drugog zakona termodinamike koliko percepcija svijeta tog bića. Evidentno, da bi pustilo (na)dolazeću molekulu na drugu stranu kutije ono najprije mora znati o kakvoj je molekuli riječ (je li topla ili hladna), drugim riječima, mora se o tome informirati…

Međutim, kako informacijsku teoriju tumači Shannonov kolega W. Weaver, informacija se više tiče onoga što uopće o nečemu možemo reći nego što se u nekom trenutku o tome stvarno i reklo. Drugim riječima, za Shannona i Weavera manje je bitan proces saznavanja, važan je samo konačni broj molekula toplog i hladnog plina u kutiji, kao i njihov položaj (jesu li s ove strane pregrade kutije ili s one). Ako je vjerojatnost pojavljivanja tople i hladne molekule plina jednaka, entropija je najveća, a s njome i količina informacija koju demon percipira. Međutim, ako je ta vjerojatnost različita, recimo da se u dijelu kutije iz kojeg demonu nadolaze molekule nalazi topliji plin, onda je za očekivati da će mu daleko češće pristizati toplije molekule od hladnijih (prema Drugom zakonu termodinamike) što je, onda, prema Shannonu, manje informativno. Manju količinu informacija uzrokuje i obrnut slučaj, kada je vjerojatnost pojavljivanja toplih molekula plina mala, jer se u promatranom dijelu kutije nalazi hladnije molekule plina. Upravo, u toj spoznaji najveća je snaga i doprinos znanosti Shannonove teorije.

Međutim, mi se pitamo je li demon svjestan toga da je u desnom dijelu kutije plina više toplih nego hladnih molekula? On to ne može znati. Tek kad cijeli proces završi, kad se molekule toplog i hladnog plina ravnomjerno rasporede po kutiji, drugim riječima, kad se postigne stanje najveće entropije, on može zaključiti da je u samom prijenosu topline sudjelovala tolika i tolika količina informacija, manja ili veća, jer se plin kretao iz manje vjerojatnog stanja u stanje veće vjerojatnosti ili očekivano stanje. S druge strane, Shannon bi isti proces opisao riječima da su se molekule kretale iz stanja manje neizvjesnosti u stanje veće neizvjesnosti. Dakle, može li se zakonitost koja se odnosi na prijenos informacija dovesti u vezu sa zakonitošću koja vlada u prijenosu topline (i koju ‘propisuje’ Drugi zakon termodinamike)? Može – ali u obrnutom shvaćanju/značenju. Iako količinski jednake, entropija i količina informacija u nekom značenjskom smislu potpuno su suprotne. ‘Vjerojatnije’ i ‘neizvjesnije’ naprosto ne mogu imati isti smisao.

Sada se pokušajmo staviti u položaj demona koji upravlja pregradom kutije s plinom. Vrlo brzo ćemo biti primorani napustiti svijet statistike, predviđanja i porinuti natrag u stvarnost. Svaku molekulu koja nam dolazi u susret na osnovi njenog svojstva je li topla ili hladna propustit ćemo (ili nećemo) na drugu stranu. Što bi, dakle, bila informacija za demona koji upravlja pregradom kutije s plinom? Ovdje je važno uočiti da to pitanje više nema nikakve veze sa Shannonovom količinom informacija. Dakle, više ne pitamo nešto vezano uz ‘količinu informacija’, već uz samu informaciju i dolazimo do sljedećeg odgovora: informacija je sadržana u demonovoj percepciji odnosno procesu informiranja; ona je sama ‘supstanca’ njegove percepcije koja defacto postaje njegovo znanje o tome je li se radi o toploj ili hladnoj molekuli plina koja mu dolazi u susret.

Zbog toga B. Greene u svojoj definiciji entropije poseže za izrazom količine skrivenih informacija u sustavu. Kakvo god bilo mikroskopsko stanje sustava i kakva god bila vjerojatnost da će se ono ostvariti – ono sadrži i informaciju, skrivenu informaciju u smislu da entropiji, kao ni Shannonu, nije važan sadržaj te informacije, nego samo njena vjerojatnost pojavljivanja.

Pritom, uočimo da se entropija odnosi samo na prebrojavanje bilo kakvog (iznenadnog) događaja s molekulama u kutiji s plinom, a informacija na razlikovanje tog događaja u kvalitativnom smislu (npr. uočavanje nekog svojstva molekule plina, primjerice, je li topla ili hladna). Shannon je, dakle, svoju ‘teoriju informacija’ temeljio na postavci da se u oba slučaja radi o istom broju…

U slučaju povećanja entropije sustava, očevidno, na djelu je djelovanje jednog zakona u pozadini, Drugog zakona termodinamike. Povećanje entropije sustava izravna je posljedica kretanja molekula u stanje izjednačenih temperatura (tzv. toplinske smrti). Slijedom toga, L. Boltzman samo je pokazao ovisnost ukupne entropije nekog zatvorenog sustava o vjerojatnostima mikroskopskih stanja njegovih sastavnica. Međutim, što bi se, i ako bi, onda, nalazilo u pozadini informacijske teorije? Koji analogan proces? Prema nekom mojemu razmišljanju, to je proces stjecanja znanja o svijetu koji nas okružuje. Čovjek je biće koje teži iz stanja manjeg znanja ili neznanja prijeći u stanje većeg znanja ili najvećeg mogućeg znanja. Paradoks u čovjekovoj težnji, međutim, ogleda se u činjenici da ono što može znati, prisiljen je sâm prethodno definirati (tzv. ‘Shannonov skup mogućnosti’). „Čovjek je mjera svih stvari“, tu duboku istinu dokučili su još Stari Grci. Ako želi ovladati ‘kemijskim znanjem’ o svijetu koji ga okružuje, svijet mora najprije podijeliti na molekule, ako želi imati ‘fizikalno znanje’ o istom, mora ga podijeliti na atome, kvarkove, bozone i druge čestice itd. Po Shannonu, sva moguća stanja molekula i atoma predstavljali bi najsveobuhvatniji unaprijed definiran set mogućnosti iz kojeg bi bilo moguće odabrati i prenijeti, njima analognu, informaciju.

Uočimo, što se tiče kutije s plinom i zamisli Maxwellovog demona možda je manje evidentno, ali nikako nevažno za cijelu priču, da je njome određena najmanja jedinica koja će ulaziti u proračun kako entropije, tako i količine informacija, a to je molekula. U pokusu se zapravo promatra na koje sve načine jedna molekula plina može ‘izgenerirati’ informaciju; dakle, ne generira informaciju svijet kao takav, nego onaj dio svijeta koji smo prethodno ‘uobličili’ u nekakav entitet, u ovom primjeru – u molekulu. Pritom, ne smijemo zaboraviti da se s dovoljno moćnom tehnologijom možemo spustiti još dublje u mikrosvijet te entropiju i količinu informacija računati ‘preko’ atoma. Čovjek je, dakle, taj koji je prisiljen podvući crtu, ‘uobličiti dio stvarnosti’, stvoriti, uvjetno rečeno, podatkovni entitet, s kojim dalje može računati, i na koncu konaca, i uopće bilo što izračunati (prevesti u matematiku). On je taj koji određuje tzv. Shannonov skup mogućnosti (domenu) iz kojeg se generira neka funkcijski odgovarajuća, količina informacija (kodomena).

U pozadini informacijske teorije, dakle, stoji unaprijed definirani skup mogućnosti mikroskopskih stanja sastavnica sustava o kojemu ovisi količina generiranih informacija… Ne možemo izračunati količinu informacija, ako nismo definirali skup svih mogućnosti u kojima se sastavnice jednog sustava mogu naći (toplo-hladno je samo jedan set ukupnog skupa mogućnosti, položaj molekula može biti drugi itd.) Pritom, vrijednosti entropije sustava [S] i količine informacije [H] kao kvantitativne ostaju jednake. Međutim, demon koji se direktno informira i koji barata informacijama, ništa od toga ne može znati. Za njega je informacija ono što pristiže u njegov um. Na neki način, ovo razmatranje je neka vrst priloga daljnjem istraživanju koje bi zakonitostima koje vrijede za procese kodiranja i prijenosa informacija (i koje je postulirao Claude E. Shannon) trebalo pridodati zakonitosti koje bi vrijedile u postupku zaprimanja informacija svjesnog uma za potrebe uvećanja njegova znanja.

Sâm paradoks u pogledu Maxwellovog demona ogleda se u činjenici da se uplivom njegovih odluka o tome hoće li određenu molekulu pustiti u drugu stranu kutije ili ne dolazi do toga da se entropija ukupnog sustava ne mora povećavati, dapače, može se i smanjiti, a što onda nije u skladu s Drugim zakonom termodinamike. Na sreću, Leo Szilard još je davne 1929. pokazao da tomu ipak nije tako i da se entropija čitavog sustava povećava zbog energije koja je potrebna za funkcioniranje demonovog uma. Da biste uopće bili u stanju razlikovati molekulu koja vam dolazi u susret, morate biti živi, a ako ste živi morate sagorijevati kisik i dušik, drugim riječima, morate povećavati ukupnu entropiju svemira.

Siječanj 24, 2015

Entropija u statističkoj mehanici i informacija

IVAN SUPEK: Povijest fizike

Toplina je samo posljedica gibanja molekula, a gibanje molekula – primjerice, plina u kutiji – potiče Drugi zakon termodinamike. To znači da bi i proces ‘miješanja’ molekula na mikrorazini trebao biti nepovratan kao što je to proces u kojemu toplina s toplijeg tijela prelazi na hladnije, a koji zamjećujemo na makrorazini… Ali, kako to izraziti? Isto pitanje postavio je i austrijski fizičar Ludwig Boltzmann i došao do sljedećeg zaključka: zatvoreni sustavi (poput kutije s plinom) iz stanja manje vjerojatnosti teže prijeći u stanje veće vjerojatnosti! Boltzmann je tako došao do veličine entropije u statističkoj mehanici. Za razliku od veličine prirasta entropije u termodinamici koja se proračunava kao omjer ukupno oslobođene topline i prosječno razvijene temperature u procesu, u statističkoj mehanici radi se o apsolutnoj veličini (S) koja svoju vrijednost pronalazi u logaritamskoj relaciji spram vjerojatnosti stanja sustava:

S = k log W

Međutim, postavlja se pitanje što se misli pod vjerojatnošću stanja sustava. Naime, ako su u igri molekule, ne bismo li svaku od njih trebali ‘priupitati’ za njeno stanje i zatim na osnovi neke prosječne vrijednosti svih stanja proračunati ukupno makroskopsko stanje sustava. Da, ali u praktičnom smislu, to se čini nemogućim. Zbog toga su fizičari pribjegli statističkoj zakonitosti koju na jasan i svima razumljiv način elaborira Ivan Supek u Povijesti fizike:

Statistički zakon ne odnosi se na pojedini događaj, koji je neizvjestan, već određuje samo ishod velikog broja slučajeva…
Statistički zakoni zanemaruju gibanje pojedinih atoma i molekula. Oni određuju samo ponašanje golema mnoštva. Statističke procjene govore nam koliko ćemo prosječno atoma ili molekula naći sa stanovitim osobinama. Koji su to atomi, njihova imena i osobni podaci, sve to ne ulazi u statistiku. Statistička zakonitost urezuje opće crte mnoštva, brišući individualne sudbine sastavnih dijelova.

U smislu Drugog zakona termodinamike i statističke zakonitosti, tijelo koje je toplije od svoje okoline reprezentira stanje manje vjerojatnosti. Za razliku od njega, na tijelo jednake temperature s temperaturom svoje okoline puno je izvjesnije da ćemo naići. I to opet samo zato, što Drugi zakon termodinamike ‘propisuje’ da priroda teži ‘izjednačavanju temperatura’ odnosno postizanju vjerojatnijih stanja.

U svojim brojnim derivacijama, gornja formula za entropiju poprima i oblik u kojem je jednaka zbroju umnožaka vjerojatnosti i logaritma vjerojatnosti mikroskopskih stanja sustava:

entropy Dakle, ako je vjerojatnost pojavljivanja određenih mikroskopskih stanja sustava razmjerno velika (recimo da se većina molekula toplog plina nalazi u desnom dijelu kutije s plinom) kažemo da se radi o sustavu s niskom entropijom i obrnuto: ako je vjerojatnost pojavljivanja istih jednaka, a to je slučaj savršeno izmiješanih toplih i hladnih molekula, onda se radi o sustavu s najvećom mogućom entropijom. Gornja formula proračunava točnu vrijednost entropije i kako vidimo, izuzmemo li Boltzmannovu konstantu k (u koju su se, u međuvremenu, ‘povukle’ vrijednosti oslobođene topline i temperature) u potpunosti ovisi o vjerojatnostima mikroskopskih stanja sustava.
Boltzmannova formula za entropiju, dakako, upadljivo podsjeća na Shannonovu formulu za količinu informacije ili neizvjesnosti (uncertainty) odnosno ‘informacijske entropije’. Zapravo, radi se o istim vrijednostima odnosno količinama. Na osnovi statističkog proračuna entropije, Shannon je zaključio da količina informacije i entropija zatvorenog sustava moraju biti jednake. To znači da je Shannonov rad u potpunosti oslonjen na izračun entropije statističke mehanike, a ne na izračun iste veličine rabljene u termodinamici. Tako smo došli do točke u kojoj možemo uspostaviti i dublju poveznicu između ove dvije veličine… [nastavit će se…]

Studeni 18, 2014

Entropija u termodinamici i informacija

Filed under: J. GLEICK,STARI POSTOVI — by Boris Bo @ 12:58 pm
Tags: , , ,

JAMES GLEICK: Information: A History, a Theory, a Flood (2011) / Entropy and Its Demons

Na koji način shvatiti entropiju, jedan od najneshvatljivijih pojmova moderne znanosti? Ako je pojam informacije u posljednjih šezdesetak godina predstavljao zagonetku per se koja je zadavala te i danas zadaje glavobolje znanstvenicima diljem svijeta, što tek kazati za entropiju koja ‘znanstvene glavobolje’ uzrokuje preko sto pedest godina? Povrh svega, i dalje se zagonetnim čini povlačenje crte jednakosti između pojmova entropije i količine informacija odnosno ‘neizvjesnosti’ koje je u svojoj poznatoj teoriji učinio Claude E. Shannon.

Međutim, ako fizičare pitate za entropiju, odgovorit će vam kako je s njom sve u najboljem redu. Uredno je definirana u sklopu termodinamike i statističke mehanike i njima, dakako, nikako nije jasno što nekome tu još nije jasno?! Za Shannonov i Von Neumannov ispad, koji su čuli od Myron Tribus, ne žele trošiti riječi, premda će termodinamičar Müller 2007. kazati kako ih smatra intelektualnim snobovima, ako je doista točno ono što je Myron Tribus o njima napisala u svom radu Information theory and thermodynamics iz 1964. U tom radu, Myron Tribus piše da su Von Neumann i Shannon za entropiju kazali kako predstavlja pojam koji nitko ne razumije i da je to dobar razlog da ga se poveže s informacijom, jer će se, prema Von Neumannovim riječima, “uvijek zadržati prednost u raspravama“. 🙂

Kao što je rečeno, prije informacijske teorije, u fizici se pojam entropije rabio u dva konteksta poprimajući dva više ili manje svodiva značenja. Jedan je predstavljala termodinamika: entropija se odnosila na energiju koja se nije mogla iskoristiti za (obavljanje) rad(a); J. Gleick u svojoj knjizi pritom naglašava – energija je bila prisutna, ali beskorisna! Na ovom stupnju razumijevanja entropija se, međutim, još ne čini toliko nerazumljivim pojmom.

R. Clausius, koji je pojam entropije uveo u fiziku, prvotno je želio samo mjeriti tu beskorisnu, u okolni prostor, raspršenu energiju. Iznenađenje i čuđenje je nastalo onog trenutka kad se shvatilo da se tu rapršenu energiju, osim za rad, nije više moguće koristiti u energetskim pretvorbama koje predviđa i tumači Prvi zakon termodinamike. Energija entropije ostaje u trajno beskorisnom obliku. R. Clausius  uveo je veličinu prirasta entropije (ΔS) i kazao kako se ona može izraziti kao omjer topline oslobođene u procesu koji obavlja rad i temperature razvijene u tom istom procesu, a zatim dodao rečenicu koju će mnogi kasnije smatrati jednom od najboljih formulacija Drugog zakona termodinamike: entropija svijeta/svemira neprestano raste.

Drugi zakon termodinamike, u svom uobičajenom obliku, zapravo glasi da toplina spontano prelazi s toplijega na hladnije tijelo, ističući pritom kako za taj proces nije potrebno utrošiti nikakav rad.  Ustupak prirode koji se manifestira ovim ničim izazvanim procesom, međutim, mi plaćamo u entropiji. Entropija je cijena koju moramo platiti kako bismo uživali u blagodatima Drugog zakona termodinamike.

U to vrijeme, a radi se već o drugoj polovici 19. stoljeća, fizičari nisu bili zadovoljni sa statusom, ne samo entropije, nego i same topline. Što je bila ta toplina? Fluid, elektromagnetsko zračenje? Nijedno od tog dvoga: toplina je bila posljedica kretanja molekula. Ništa nadnaravno, ništa što bi zahtjevalo uvođenje novog igrača u igru, nekakav svjetlosni eter, flogiston i sl. Ali to je značilo i da su se fizičari morali odvažiti na novi iskorak, put koji će ih odvesti u samo srce materije i energije, tragovima grčkog filozofa Demokrita, do samih molekula, a koji, čini se, do dan danas nisu napustili… [nastavit će se]

Listopad 10, 2014

Kako informacijom ‘uloviti’ stvarnost?

UMBERTO ECO: Kultura, informacija, komunikacija

U svojoj knjizi Kultura, informacija, komunikacija, prvi put objavljenoj davne 1968. poznati pisac i znanstvenik – a u prvom redu semiotičar – Umberto Eco na svoj je vlastiti (reprezentativan) način pokušao objasniti što smatra pod pojmom informacije. Zamislio je sljedeću ‘komunikacijsku situaciju’: ljudima koji stanuju u dolini ispod umjetnog jezera potrebna je pravodobna informacija kad razina njegove vode dosegne kritičnu granicu/točku (prije izlijevanja). U praktičnom smislu, za evidenciju kritične razine vode u jezeru u prvom redu potreban im je odgovarajući senzor; Eco je zamislio plovak. Kad voda dosegne kritičnu razinu, senzor u obliku plovka aktivira prijenosni uređaj koji ljudima u dolini pošalje električni signal. Ulogu prijemnika električnog signala preuzela je žarulja koju su ljudi postavili tako da svijetli kad je razina vode u jezeru kritična, a ne svijetli kad se nalazi ispod te razine. Na ovaj način, oni se informiraju je li razina vode u jezeru dosegla kritičnu točku ili ne. Isti signal koji bi palio žarulju mogao bi pokrenuti i neki drugi uređaj koji bi doveo do automatskog izbacivanja vode iz jezera itd. Međutim, što činiti u slučaju nestanka struje? Tada će žarulja neko vrijeme svijetliti a onda se ugasiti. Je li to znak da se voda u jezeru spustila ispod kritične razine? Ne; ‘nestanak struje’, u ovom slučaju, tipični je predstavnik onog fenomena u komunikacijskom modelu koji Claude Shannon označio šumom. Da bi utjecaj šuma smanjili na najmanju moguću mjeru, Eco predlaže da ‘udvostručimo cijenu komunikacije’, odnosno da učinimo složenijim naš kôd kojim šaljemo informaciju o tome je li (ili nije) voda u jezeru dosegnula kritičnu razinu. Umjesto jedne, za naš prijemnik signala uzet ćemo dvije žarulje, A i B. Kada je upaljena samo žarulja A to znači da je sve u redu, voda još nije dosegla kritičnu razinu; kada se ugasi žarulja A i upali žarulja B to znači da je voda dosegla kritičnu razinu.

Prekid struje ugasio bi obe [žarulje] a kôd koji smo usvojili ne predviđa mogućnost ‘dvije ugašene [žarulje]’. Na taj način mogli bismo da razlikujemo signal od onoga što nije signal.

Ako želimo povećati sigurnost informacijskog kanala, osim uporabe sve složenijeg kôda, moramo povećati i njegovu redundanciju. Možemo upotrijebiti četiri simbola umjesto dva (nema više smisla pričati o žaruljama); recimo, A, B, C i D koji, dakako, pružaju bogatiji repertoar mogućnosti u kreiranju kôda poruke. Neke kombinacije ovih simbola možemo iskoristiti, neke ne (A, B, CD, ABC itd.); neke kombinacije, kako kaže Eco:

…mogu ostati kao rezerva, kao mogućnosti bez značenja [ja naglasio] (koje se javljaju u slučaju šuma), spremne da ukažu na neke druge fenomene…

koje očigledno još ne prepoznajemo kao fenomene i važne da se priopće. (Sve to informacijsku teoriju uzdiže u poziciju jedne opće teorije čije područje važenja doseže čak i područje našeg shvaćanja prirode i svijeta u cjelini.)

Ovaj, relativno jednostavan, primjer šalje nam važnu poruku. Ljudi su ti koji od prirode zahtijevaju da im isporuči informaciju; i to ne bilo koju, nego samo onu iz točno određenog skupa mogućnosti koji su oni prethodno sami odredili. Tako je značenje informacije (koja se prenosi) paradoksalno sadržano i u podatku koji se ‘uzima’ iz prirode, ali i u znanju ljudi koji taj podatak (putem informacije) zaprimaju, dok je irelevantno – kako bi kazao Shannon – odnosno gubi se u njezinu prijenosu. Uređaji koji odašilju i primaju poruku ne moraju znati značenje ‘odaslane’ i ‘primljene’ informacije. U ovoj činjenici, koja je na vidjelo izišla sa Shannonovom teorijom, čini mi se, leži i nešto duboko o naravi ljudske spoznaje.

Ecov primjer s umjetnim jezerom možemo sada zamijeniti primjerom postavljanja zamki. Na koji način možemo pratiti hod neke životinje u šumi? Odgovor je: postavljanjem senzora na odgovarajuća mjesta oko i u šumi. Možemo postaviti senzor koji će nam dojavljivati je li životinja ušla u šumu ili je iz nje izišla. Isto tako, vrlo lako možemo zamisliti da nam pored signala koji nam dojavljuju trenutni položaj životinje u šumi (primjerice, signal da je njezina noga/šapa nagazila na jedan od senzora), kamera pričvršćena uz senzor ujedno šalje i sliku životinje u obliku dodatnih signala. Drugim riječima, ništa nas ne ometa da naš općeniti način percepcije stvarnosti predstavimo ovom slikom. Na neki način, podaci koje primamo od ‘vanjskog svijeta’ mogu se predstaviti kao zamke u koje hvatamo stvarnost koja nas okružuje. Mi smo ‘lovci stvarnosti’. Ona nam nikada ne dolazi sama, potrebno ju je na to prisiliti. Svi naši uređaji, osmišljeni eksperimenti, naše prostorvrijeme, imaju jedan jedini cilj: ‘ULOVITI’ STVARNOST! Ono što Shannonovu teoriju čini revolucionarnom jest upravo otkrivanje ove jednostavne činjenice. Bilo da je svijet stvaran ili je samo uobrazilja našega uma, konceptualizacija očitanja podataka iz prirode putem senzora za generiranje (dis)kontinuiranih signala vrlo dobro obavlja svoj posao.

Nikada, ali baš nikada, ne percipiramo stvarnost neposredno. Možda ne bismo tako mislili prije stotinjak godina, prije artikuliranja jedne od najzagonetnijih znanstvenih teorija ikada – kvantne teorije. Međutim, danas, kad znamo da se prema stvarnosti ne možemo odnositi jednako na makro- i mikro- skali, shvaćamo da nas samo naša stvaralačka moć konceptualizacije može dovesti do njezina poimanja koja se slažu s opažanjima. Ono što smo sada otkrili odnosi se na činjenicu da nas informacijska teorija može voditi po tom istom putu.

Rujan 6, 2014

Konstruktivistički pogled na svijet (i informaciju) Niklasa Luhmanna

LARS QVORTRUP: The Controversy over the Concept of Information, Cybernetics & Human Knowing 1, 4(1993), str. 3-24.

Konstruktivistički pogled na svijet oduvijek mi se činio privlačnim. Još kad bi se usmjerio na informaciju, mislio sam, gdje bi mu bio kraj! Teoretičar-konstruktivist, koji bi trebao biti po mojoj mjeri, svakako je onda njemački sociolog (povremeno i filozof) Niklas Luhmann. U svojoj branši poznat kao ‘sistemski  teoretičar’, informaciju je iskoristio kako bi povezao tri teorije koje je za života razvio: sistemsku, komunikacijsku i evolucijsku. U svom radu, koji mi se ovog kišnog jutra našao pod rukom, Lars Qvortrup postulira stav da je Niklas Luhamann bio čovjek koji je informaciju smatrao za ‘razliku koja pronalazi razliku’ (engl. difference which finds difference), apropo čuvene definicije jednog drugog sociologa (koji je povremeno bio antropolog) – Gregory Batesona, koji je pak tvrdio da je informacija ‘razlika koja čini razliku’ (engl. difference which makes difference). (Btw, tko bi, uopće, mogao jednoznačno svrstati jednog Gregory Batesona?).

Prema Qvortrupu, Luhamann je razlikovao biološke od društvenih i psihičkih sustava po tome što je smatrao da su potonji utemeljeni na značenju. U Luhmannovu shvaćanju, značenje se javlja kao konceptualna specifikacija jednog sustava i predstavlja vrlo privlačan koncept. Sva tri sustava, međutim, prema Luhmannu su autopoiteska (engl. autopoietic), prema predloženom konceptu čileanskih biologa Humberta Maturane i Francisca Varele, hoće reći, zatvorena i samoodnoseća (engl. self-reference), ali kojima ‘pripada’ neka vrst okoliša (engl. environment). Okoliš se zapravo odnosi na druge sustave koji na njih proizvode utjecaj, ali, po Maturaninom i Varelinom shvaćanju, bez direktnog, neposrednog kontakta, gotovo bi rekli ‘nasilno’, u svojstvu svojevrsnog ‘izvora deformacije’.

…the autopoietic conduct of an organism A becomes a source of deformation for an organism B, and the compensatory behavior of organism B acts, in turn, as a source of deformation of organism A… 

Zanimljivim se čini navod kojim se Niklas Luhmann poslužio kako bi obranio svoj stav o psihičkom kao zatvorenom sustavu. “Kada bi jastvo [psihičko] bilo otvoreno prema toku vanjskog svijeta, iščeznulo bi.” Drugim riječima, ono što općenito utemeljuje konstruktivistički stav, a što Luhmann želi istaći, jest razmišljanje da drugi sustavi postoje za nas u onolikoj mjeri u kojoj smo ih mi, svojim konceptualističkim razmišljanjem, konstruirali kao druge sustave. Ovo razmišljanje dovest će Luhmanna pred sasvim novi pogled na fenomen informacije.

Prema Luhmannu postoje dva glavna aspekta komunikacije:
– komunikacija je selektivna;
– komunikacija je samoodnoseća (samo-referentna).
Za Luhmanna, inspiriranog, ovdje često spominjanim, zaposlenikom Bell laboratorija i pasioniranim ljubiteljem jazz glazbe (to smo pročitali u knjizi Jamesa Gleicka!), Claudom Shannonom, informacija je odabir iz poznatog ili nepoznatog repertoara mogućnosti (...selection from a known or unknown repertoire of possibilities). “Information is a purely system-internal property” ponavljat će u svojim radovima Luhmann više-manje, što upućuje na to da je nikada nije smatrao objektivnom. Evo i jednog doslovnog navoda koji je Qvortrup ‘iskopao’ iz njegovih ‘Eseja o samoodnošenju’ (Essays of Self-Reference):

“Information is an internal change of state, a self-produced aspect of communicative events and not something that exists in the environment of the system and has to be exploited for adaptive or similar purposes.”

Izlazeći iz okvira našeg odnošenja prema pojmu informacije, ne možemo, zajedno s Luhmannom, ne gledati dalje, u sam ‘manifest konstruktivizma’ koji se ispisuje u njegovu radu. “Mi”, kaže sjetno Luhmann, “…nemamo (nijedan) direktan pristup svijetu… Razumijevanje ne može dosegnuti vanjski svijet bez razumijevanja…, razumijevanje može razumjeti jedino sebe (understanding can only understand itself)”.

Na osnovi izrečenog, shvatljivije nam postaje Luhmannovo ustrajavanje u stavu da su društveni i psihički sustavi, za razliku od bioloških – sustavi značenja. Međusobno se razlikuju, između ostalog, i po tome na koji način proizvode značenje. Na ovom mjestu slijedi čuvena Luhmannova maksima (čuvena, barem u svijetu sociologa, pretpostavljam) koja kaže da psihički sustavi misle, dok društveni komuniciraju. Ako nam se intuitivnim čini da misli (kao reprezentirano jastvo) doista mogu same sebe misliti, postavlja se pitanje: tko onda komunicira? ‘Psihičko’ ne može komunicirati; općenito, jastva, ljudske jedinke, po Luhmannu, nisu u stanju komunicirati. Jedino komunikacija može komunicirati, zbunjujuće zaključuje Luhmann držeći se premise o zatvorenosti ‘svojih sustava’. U točnom navodu, u prijevodu Qvortrupa (s njemačkog na engleski jezik), ova tvrdnja glasi:

“Human beings cannot communicate, not even brains can communicate, not even consciousness can communicate. Only communication can communicate.

Naravno, mnogi od vas, pretpostavljam, ne vjeruju da je jastvo, ‘psihičko’ u čovjeku, zatvoren sustav i da ne može komunicirati s drugim sustavom. Pa ipak, na ovom stupnju razmišljanja, ja sam nekako u to uvjeren… a tek ćemo vidjeti do kud će me to odvesti… 🙂

Srpanj 7, 2014

Strong vs. Weak AI (kratki osvrt na glavne tendencije razvoja umjetne inteligencije)

Vilém Flusser: DIGITALNI PRIVID (iz Europskog glasnika, br. 17)

Hoće li računalo, u konačnici, biti u stanju misliti poput čovjeka ili, ako ništa, barem u nekim prilikama preuzeti njegovo ponašanje? Hoće li, i ako da, u kojoj mjeri računalo biti poput čovjeka? Jesu li digitalni bytovi nalik neuronima našega mozga i mogu li u potpunosti oponašati složenu neurološku aktivnost koja nam osim mišljenja omogućuje i nešto što se naziva sviješću? Pitanje se može i obrnuti: je li se naša neurološka aktivnost može rastaviti na konačne oblike koji stoje u njenoj pozadini neovisno jesu li binarnog, heksadecimalnog ili nekog drugog brojevnog oblika: drugim riječima, pitanje može glasiti i je li naš mozak kompjutor? Mnogo je literature napisano na temu umjetne inteligencije (engl. artificial intelligence – AI). Za potrebe osvrta na ovo pitanje, povijest AI-a promatrat ćemo kroz osvrt na dvije glavne tendencije njenog razvoja – ‘jaku’ i ‘slabu’ AI…

Pod pojmom umjetne inteligencije uobičajeno se razumijevaju zasebna istraživanja u okviru računalne znanosti kojima je cilj simuliranje ljudske inteligencije pomoću računala. Sam pojam inteligencije odnosi se na mnoge kognitivne sposobnosti, između ostalih na sposobnosti učenja, razumijevanje jezika te rješavanje problema. Za razliku od drugih grana u polju računalne znanosti koje se bave proučavanjem algoritamskih metoda kod rješavanja stanovitih problema, umjetna inteligencija fokusira se na manipuliranje simbolima u postupcima rješavanja problema kao što to uostalom čini i ljudski mozak.

Povijest umjetne inteligencije započinje u drugoj polovici 20. stoljeća. Vrlo brzo u samom području dolazi do podjele na zagovaratelje ‘jake’ i ‘slabe’ umjetne inteligencije (Strong vs. Weak AI). Zagovaratelji Strong AI vjeruju da će strojevi jednoga dana biti u stanju doseći razinu ljudske inteligencije kako u ponašanju tako i u mišljenju, osjećanju i svemu drugom. S druge strane, pobornici Weak AI hipoteze vjeruju da će to biti moguće jedino u ponašanju. Primjeri Weak AI odnose se na inteligentne aktivnosti poput igranja šaha, prepoznavanja govora, mehanizam pokreta robota-lutke i sl. Za razliku od dosega Weak AI, zagovaratelji Strong AI-a polažu nadu u mnogo više ciljeve – uvjereni su da će jednoga stroj biti u stanju misliti i osjećati poput čovjeka, i ne samo to, nego da će to jednoga dana ‘činiti’ i bolje od njega!

Izvanredan test za testiranje Strong AI hipoteze, kao što je poznato, osmislio je Alan Turing po kojemu je test i dobio ime. Moderator testa postavlja pitanja računalu i čovjeku, skrivenima iza zastora, i u trenutku kada njihove odgovore više nije u mogućnosti razlikovati, kažemo da je računalo prošlo test – da je na neki način doseglo ljudsku inteligenciju. Međutim, test je vrlo brzo izigran onom istom aplikacijom (Eliza) koja se na isti način narugala i bihejvioristima – podsjetimo, radi se o šaljivom simulacijskom programu psihoterapeutske prakse umjetne inteligencije, koji je i usprkos trivijalnosti na kojoj je počivao (ugrađenim uobičajenim odgovorima psihoterapeuta na postavljena pitanja) mnoge uspio zavarati, čak i u toj mjeri da pomisle kako se doista radi o računalu koje je prošlo Turingov test!

Demonstraciju pak Weak AI hipoteze prezentirao je, u pogledu dosega AI-a, skeptičar John Searl predstavivši javnosti ‘svoju’ Kinesku sobu 1980. Zamislite da ste zatvoreni u sobi u kojoj je jedini otvor prorez kroz koji vam netko iz vanjskog svijeta ubacuje znakove na kineskom jeziku i koje, same po sebi, ne razumijete. Međutim, sa sobom imate upute na svom jeziku, dakle, koje su vama razumljive, i koje vam govore što činiti kad dobijete konkretan kineski znak koji ne razumijete. Nakon svakog kineskog znaka koji ste primili iz vanjskog svijeta, vi pravilno obavljate operaciju koju vam upute nalažu. Upravo na tom principu, sugerira Searl, funkcioniraju i naša računala. Oni provode operacije koje ne razumiju! To znači da nikada neće biti poput nas!

Lako je, međutim, uočiti da zagovaratelji ‘tvrde’ umjetne inteligencije, suprotno Searlu, smatraju da će stroj u sebe  pripustiti ono ‘ljudsko’ u svom izvornom obliku. Sa strojevima ćemo, osim vođenja inteligentnih razgovora prožetih briljantnim uvidima i zaključcima, moći i radovati se i plakati. Nije teško zaključiti da većina zagovaratelja ‘tvrdog’ AI pristupa zapravo smatraju ljudski mozak jednom vrstom stroja. Nema tu nikakvog čuda. Ono što se čini u području umjetne inteligencije nije ništa drugo doli napor da se ostala materija (iako zagonetno anorganske prirode) dovede na stupanj materije organske prirode… To se postiže digitalnom tehnologijom. Ona se odsada smatra premosnicom između organskog i anorganskog svijeta. Oskvrnuće samog života kao čuda prirode u mišljenjima tvrdolinijaša AI-a – potpuno je.

Vilém Flusser, filozof brazilsko-čeških korijena, ide korak dalje. Hipotezu ‘tvrde AI’ on dovodi do ekstremne točke prozirući našu, nekad nedodirljivu vlastitost, manifestiranu kroz fenomene duše, duha ili jednostavno identiteta, samo ‘točkastim komputacijama’. “…Ako je sve digitalni privid…”  zapisuje on u svom radu istog naziva “…onda je riječ privid ostala bez značenja… pojam ‘realno’ relativizira [se] u smislu da je nešto realnije što je razasutost gušća…” I dalje: “Mi nismo više subjekti danoga, objektivnog svijeta, nego projekti alternativnih svjetova.”

Sve ovo podsjeća nas na Matrix – anticipiranu ideju Hilary Putnama iz 1950-ih o mozgovima uronjenim u bačve (Brain in a Vat) koja, čini se, u potpunosti proizlazi iz pristupa zagovaratelja ‘jake AI’. Radi se o  bizarnoj ideji da je naš mozak izvađen iz tijela i uronjen u bačvu sa specijaliziranom hranjivom tekućinom te priključen na računalo. Na ovaj način, računalo šalje sve osjetilne podražaje našem mozgu koje on smatra da, zapravo, dolaze iz vanjskog svijeta. Proizlazi da je cjelokupna priroda, čitav svemir, prema ‘jakoj AI’, samo projekcija komputirane stvarnosti. U ovom smislu ne radi se o tome da ćemo svemir tek projicirati kao veliki digitalni hologram, već u svojoj prirodi, on to već jest. Ono što će razvoj umjetne inteligencije pokazati, smatraju tvrdolinijaši razvoja AI-a, jest u osnovi ‘komputacijska priroda’ same stvarnosti.

Naravno, zagovaratelji ‘slabe AI’ s tim se ne slažu. Oni su uvjereni da smo mi ti koji ćemo tek komputirati stvarnost, da je digitalna tehnologija isključivo umotvorina čovjeka, odnosno njegovog kalkulacijskog mišljenja. Ako je digitalna tehnologija u mogućnosti projicirati ne samo ovaj naš, već bezbroj svjetova, to je u redu, jer nijedan od njih neće imati prirodu stvarnog svijeta. U sadašnjim okolnostima, čini se praktički nemogućim dokazati je li stvarni svijet doista stvaran ili ga našem mozgu (uronjenom u bačvu) računalo samo projicira. Na neki način, to je i najveći argument zagovaratelja ‘jake AI’.

U radu V. Flussera, naoko manje značajnim za naše izlaganje glavnih pravaca razvoja umjetne inteligencije, spominje se i antirealistički stav koji se može sažeti u “…sumnju da znanost brojčani kod samo projicira prema van, dakle da pretpostavljeni prirodni zakoni otprilike predstavljaju jednadžbe koje su zadane prirodi.” “Još kasnije”, nastavlja Flusser, “…javila se još dublja sumnja, nije li cijeli svemir, počevši s velikim praskom pa sve do toplinske smrti [zvijezda] sa svim svojim poljima i relacijama projekcija [nešto što nam] … kalkulacijsko mišljenje [samo] ‘eksperimentalno’ vraća?” Nije teško zaključiti da ova linija mišljenja slijedi onu, ranije izloženu, poststrukturalističku. Mi smo stvaratelji vlastite stvarnosti, ona je nepatvoreni kaos, ali samo prije nego što dospije u naše mozgove. Naše kalkulacijsko, fenomenološko, logičko, racionalno, drugim riječima – ljudsko mišljenje privodi je u nama poznate oblike. Svaka ideja, ali baš svaka, koja nam padne na pamet, proizvod je našeg i samo našeg – svijeta ideja ili struktura, uključujući tu i ideju Brain in Vat. Ovaj skeptički zaključak poststrukturalističke misli ipak ne mora nužno voditi u pesimizam. Može se dogoditi da nam upravo razvoj umjetne inteligencije, dakle, jedan potpunoma znanstveni razvoj, u najskorijoj budućnosti podari odgovore na neka pitanja koja su ostala otvorena nakon poststrukturalističkog ambisa koji se stvorio u našemu, prvenstveno filozofskom mišljenju. Bu(de)mo vidjeli!

Svibanj 23, 2014

Informacija i mozak

JEFF HAWKINS (with Sandra Blakeslee): On Intelligence

Nakon odnosa inteligencije i informacije, sada pobliže razmotrimo odnos informacije i našega mozga, i dalje udubljeni u čitanje knjige Jeffa Hawkinsa. Mozgu on posvećuje treće poglavlje svoje knjige, premda se čini i sva ostala poglavlja… Zapravo, u ostatku knjige ne govori se toliko o samom mozgu koliko o neokorteksu (neocortex, ili samo cortex) ili kori velikog mozga – svojevrsnom cerebralnom omotaču koji se kod ljudi javlja u znatno većem obliku u odnosu na druge životinje, i koji ih, zbog te činjenice, temeljno razlikuje od drugih životinja. Slobodno možemo reći da smo ljudi kakvi sebe smatramo – neobična životinjska vrsta koja je sposobna kapitalizirati vlastito iskustvo, istodobno uronjena u svoj vlastiti svijet kulture, znanosti i umjetnosti – upravo zahvaljujući posjedovanju tog tankog živčanog nabora na mozgu koju drugi primati nemaju ili imaju samo u tragovima.

Neokorteks ili kora velikog mozga svega je dva milimetra debela kora sastavljena od šest slojeva. Hawkins predlaže da ju zamišljamo kao šest vizitkartica smještenih jedna na drugu (tzv. model six buissnes cards). Ako cijeli mozak sadrži oko 100 milijardi neurona, procjena je da na neokorteks otpada oko 30 milijardi. Kada axon jednog neurona dotakne dendrite drugog neurona, formira se veza poznata pod imenom sinapsa. Procjena je da naš mozak sadrži 30 trilijuna sinapsi!

S druge strane, naš mozak odnosno neokorteks trebamo zamišljati kao hijerarhijsku strukturu. Ono što jedan dio mozga čini ‘višim’ ili ‘nižim’ u hijerarhiji u odnosu na njegove druge dijelove, ovisi o tome na koji su način s njima povezani. Najniži dijelovi mozga u hijerarhiji nazivaju se primarna senzorna područja, i to su upravo ona područja u koja najprije pristižu informacije iz vanjskog svijeta. Na koji način?

Otprilike tri puta u sekundi, vaše oko napravi nenadanu kretnju nazvanu sakada (saccade). Vaše oči fiksiraju jednu točku, a onda nenadano skoče na drugu. Svaki put mijenja se i slika na vašoj retini,  kreira se novi ulazni input odnosno pattern informacija. Rječica pattern na hrvatski jezik prevodi se sa ‘uzorak’, ‘šablona’, čak i ‘obrazac’, ali nijedna od navedenih riječi ne pogađa bit patterna – što on, u ovom slučaju, jest – točno određeni niz električnih impulsa koji se prepoznaje kao takav. Stoga, u nastavku teksta zadržat ćemo englesku inačicu ove riječi kako ne bismo ostali ‘izgubljeni u prijevodu’.

Ako je tomu tako, ako naš mozak jedino prima električne signale, onda možemo jednostavno zaključiti:  u vašem mozgu nema nikakvog ‘svjetla’, nikakve ‘slike’; tamo je, ljudi, mračno! Jedino postoji električna aktivnost patterna koji kolaju amo-tamo raznoseći informacije. Između patterna koji raznosi informaciju dobivenu iz vašeg oka i patterna koji to isto čini s informacijama dobivenim iz vašeg uha – nema nikakve razlike. Ovaj spektakularan i svakako nenadan zaključak bio je dovoljan Vernonu Mountcastleu da u svom radu “An Organizing Principle for Cerebral Function” iz 1978. predloži kako je neokorteks odnosno kora velikog mozga jednoobrazna odnosno uniformna (homogena) po svojoj strukturi i pojavi. Na osnovi toga, pretpostavio je da neokorteks koristi isti komputacijski alat (algoritam) kako bi obavio sve svoje operacije! Razlike između skupina neurona smještenih u neokorteksu, mogu se detektirati jedino na osnovi međusobnih veza koje uspostavljaju odnosno veza s drugim dijelovima mozga i nikako drugačije! Ali na ovom mjestu morate se zapitati: kako vid i sluh mogu biti jednaki? Mountcastle nije ni tvrdio da su oni jednaki, već da je način na koji neokorteks procesuira signale iz oka i uha – jednak. Mnogi neuroznanstvenici, međutim, odbili su ovaj pogled, ali ne i Jeff Hawkins. Upravo na ovoj genijalnoj pretpostavci on je postavio svoju teoriju inteligencije. Ako povežete dijelove neokorteksa u odgovarajuću hijerahiju i u nju ‘izvana’ pustite patterne  – on će biti u stanju učiti o svom okolišu!

Zahvaljujući Vernonu Mountcastleu, Hawkinsova teorija inteligencije može objasniti neke dotada neobjašnjive fenomene poput fenomena Helen Keller – djevojke, koja i usprkos tomu što nije posjedovala dva temeljna čula percepcije vanjskog svijeta – vid i sluh – ipak mogla naučiti jezik i postati vrlo vješt spisatelj; drugim riječima, naglašava Hawkins, ‘mogla je biti inteligentna’.

Filozofske implikacije predloženih teorija su impozantne. Primjerice, jedna od njih može biti i da nema direktne percepcije stvarnosti. Naše znanje o svijetu odnosi se na model svijeta u našem mozgu izgrađen na patternima. Od pristiglih patterna, isti kortikalni algoritam stvara i zadržava vlastiti model svijeta u memoriji neokorteksa, a upravo memorija neokorteksa predstavlja našu narednu stanicu osvrta na ovu iznimnu knjigu, koja se, međutim, i dalje kreće u hipotetskim okvirima. Kada govorimo o memoriji neokortkesa, zapravo, govorimo o neokorteksu kao o nekoj vrsti memorijskog sustava. Stoga se sada možemo zapitati: na koji to način mozak pamti informacije?

Svibanj 2, 2014

Informacija i inteligencija

JEFF HAWKINS (with Sandra Blakeslee): On Intelligence

“Mogu li računala postati inteligentna? – Znanstvenici vjeruju da mogu; računala će postati inteligentna kad postanu dovoljno snažna u procesuiranju informacija. Ja ne mislim tako. Mozgovi i računala počivaju na temeljno različitim principima.”

Takvo pitanje postavio je i na njega odgovorio, na početku svoje knjige, Jeff Hawkins, jedna pomalo neoubičajena figura iz Silikonske doline, tvorac PalmPilot-a, osobnog digitalnog asistenta (Personal Digital Assistent – PDA), neobičnog proizvoda iz 1990-ih koji smo koristili s pametnim olovkama čačkajući njima (među prvima) po zaslonima osjetljivima na dodir. Ali osim informatičkih kompetencija, Jeff nudi još nešto – svoju zaluđenost stvaranjem ‘truly intelligent machines‘ na osnovi uvida u stvarnu prirodu inteligencije. Kao ‘zaguljenom’ funkcionalistu, Hawkinsu je dopušteno reći da se ‘biti čovjekom’ razlikuje od ‘biti inteligentnim’. (Inače, funkcionalizam tvrdi da um postoji u bilo kojem sustavu čiji konstituirajući dijelovi – neuroni, silikonski čipovi ili bilo što drugo – imaju uspostavljen pravilan uzročno-posljedični odnos među sobom. Drugim riječima, jedan atom dobar je kao bilo koji drugi, ako dobro obavlja svoju funkciju u molekularnom makeupu). Inteligencija se, međutim, ne zrcali u ponašanju, po mišljenju ovoga – informatičko-mozgovnog gurua, kako mnogi misle, nego u strukturi i načinu funkcioniranja našega mozga.

Zašto je teško otkriti kako mozak funkcionira? – Mnogi znanstvenici vjeruju da je mozak jako, jako komplicirana stvar. Ja ne mislim tako. Mislim da nas tom zaključku vodi nekoliko pogrešnih pretpostavki. Jedna od njih je vjera da se inteligencija definira inteligentnim ponašanjem.

Prisjetimo se što tvrdi biheviorizam? Ne možemo znati što se događa u mozgu – crnoj kutiji – ali to možemo zaključiti iz ponašanja jedinke koja ga posjeduje. Međutim, već se Eliza (poznati simulacijski program psihoterapeutske prakse umjetne inteligencije, smišljen kao šala), ozbiljno narugala bihevioristima. Oponašajući i ‘učeći’ iz predvidivih psihoterapeutskih ‘situacija’, primjerice, dijaloga pacijenata i psihoterapeuta, uspjela je zavarati mnoge i usprkos trivijalnosti na kojoj je počivala (ugrađenih uobičajenih odgovora psihoterapeuta).

Što je, onda, inteligencija, ako nije svodiva na ponašanje? – I tu Hawkins predlaže nešto odista novo, jednu vrlo privlačnu, intrigantnu ideju od koje vas moraju proći srsi, barem vas kojima je stalo do toga da otkrijete što stoji u pozadini ovoga našeg čuda misli koje rezultira onim što nazivamo inteligencijom ili inteligentnim ponašanjem, kako god. On predlaže da naš mozak, točnije naš neokorteks (neocortex) ili kora velikog mozga, zapravo koristi ogromnu količinu svoje memorije kako bi stvorio svoj model vanjskog svijeta. Sve što ste ikada naučili i znate o svijetu pohranjeno je u tom modelu. Nadalje, mozak koristi ovaj model kako bi predvidio buduće događaje… i to je ključno za inteligenciju. Inteligencija je uspješna predvidivost budućih događaja na temelju prethodno izgrađenoga (naučenoga?) modela svijeta. Analognu tomu, svoj okvir novog pogleda na inteligenciju prozvao je memory-prediction system.

Naravno, nakon uvida u srž glavne ideje knjige On Intelligence, u mozgu se roje nova pitanja. Na koji to način neokorteks stvara model svijeta i zašto baš neokorteks? Što je sa slikama, zvukovima, dodirima, gdje se oni nalaze u cijeloj stvari, jesu li realni ili postoje isključivo u našim glavama? Ova pitanja iziskuju i složene odgovore koje ću vam nastojati podastrijeti čim prije, svaki put kad se budem vraćao na ovu maestralnu knjigu od koje sam mnogo toga preuzeo i vjerojatno ugradio u svoj model svijeta, ako takav doista postoji u mom mozgu.

Premda se čini da je informacija u ovom osvrtu ostala pomalo postrani općeg razmatranja, to je samo privid. Svejedno, i ovaj pogled na tajne prirode, boga, svekoliku stvarnost, informaciju pretpostavlja u prvom redu svoje ‘predstave’. Način na koji informacije kolaju našim mozgom, procesuiraju se, raspoređuju u neuronske strukture od krucijalne je važnosti za ustrojstvo mozga i ‘božji dar s neba’ – inteligenciju.

Na osnovi izrečenog, hipotetska teorija informacijskog toka ‘ili-ti’ infoma lako konvergira s ovdje predloženom teorijom inteligencije, ili modela svijeta. Infomima, u obliku ‘znanja’, u našoj glavi, čini se, lako će biti prionuti uz ‘model svijeta’, svojevrsni ‘bazen znanja’ smješten u našemu mozgu, izgrađen/sastavljen od neurona i njihovih veza.

Francis Crick, autor članka o mozgu, specijalnog izdanja Scientific Americana iz 1979. koji je izvršio snažan utjecaj na Hawkinsa, mnogo godina kasnije objavio je knjigu The Astonishing Hypothesis u kojoj je iznio hipotezu da je um (mind) naprosto sastavljen od moždanih ćelija (neurona) mozga. “U hipotezi nije bilo nikakve magije – samo neuroni i ples informacija“, napisao je Hawkins. Vjerovat ćemo, barem neko, ako ne i svo vrijeme, da je tomu tako!

Travanj 5, 2014

Informacije, crne rupe… i ideja holografskog univerzuma

BRIAN GREENE: Holografski univerzum // SKRIVENA STVARNOST

Zamislite da netko pokuša postaviti teoriju na teoriji kojoj čak ni jedan Einstein nije vjerovao; još gore, postaviti je na njenom, slobodno to mogu reći, beznačajnijem dijelu, koji na nevjerojatan način potkrepljuju eksperimenti – detekcijom jedne, istinski misteriozne, tipično kvantne, pojave…  što biste na to rekli? Možda ne biste bili spremni povjerovati u nju… Ipak, tako je zanosna da joj ne možete odoljeti… Naravno, teorija o kojoj se radi postavljena je na kvantnoj teoriji, a misteriozne pojave su kvantne fluktuacije… događaju se u vakuumu, u naizgled praznom prostoru i manifestiraju neobjašnjivim iskrsavanjem i poništavanjem čestica suprotnih naboja…. Baš takvu teoriju postavio je Stephen Hawking, fizičar s Cambridge-a, razmatrajući kvantne fluktuacije u blizini, inače, svog omiljenog predmeta proučavanja – crnih rupa. Hawking se zapitao što se događa s kvantnim fluktuacijama u području samog obzora crne rupe, granice, koju kad pređete, bivate nepovratno usisani od ‘singularnog napasnika’, te dao sljedeći odgovor:

Ako se čestice oblikuju dovoljno blizu crne rupe, neke budu usisane, a neke odjezde u svemir… Čestice s pozitivnom energijom izlijeću u vanjski prostor… pa udaljenom promatraču ta paljba može izgledati kao zračenje… Međutim, masa crne rupe smanjuje se kada usisava [preostalu] negativnu energiju. Dakle, kada se masa crne rupe smanjuje, crna rupa emitira postojani tok zračenja!

To zračenje dobilo je naziv Hawkingovo zračenje, te je svog pronalazača među zajednicom fizičara proslavilo preko noći. Na osnovi temperature, koja je izravna posljedica zračenja i količine zračenja, Hawking je sada bez problema mogao izračunati i količinu entropije… Rezultat do kojega je došao bio je vrlo neobičan: količina entropije bila je proporcionalna površini crne rupe… Hawking se tu nije zaustavio. Uzeo je obzor događaja odnosno površinu crne rupe i podijelio ga tako da je dobio mrežu kvadratića u kojoj dužina svakog kvadratića odgovara vrijednosti Planckove duljine (10-33 centimetara), najmanjoj smislenoj duljini za koju je fizičar uvjeren da još uvijek poštuje fizikalne zakone. Nakon toga, “matematički [je] dokazao da je entropija crne rupe jednaka broju takvih kvadratića koji se mogu smjestiti po njezinoj površini. Izraženo jezikom skrivenih informacija, možemo reći da svaki takav kvadratić prenosi jedan jedini bit informacije – što odgovara na pitanja da-ne koja opisuju neki vid makroskopske strukture crne rupe, premda ne znamo koji.” Ali ovdje se čini puno važnijim odgovoriti na sljedeće pitanje: zašto bi količina informacija morala biti određena površinom crne rupe?

Mnoge je iznenadila činjenica da je skladište informacija unutar crne rupe određeno brojem kvadratića Planckove veličine koji prekrivaju njezinu površinu, a ne brojem kockica Planckove veličine koje ispunjavaju njezin prostor! Bila je to prva naznaka holografije – predodžbe da je kapacitet pohrane informacija određen površinom nekog područja, a ne unutrašnjim prostorom koji ta površina omeđuje.

Ali tu se postavlja pitanje: znači li to da se informacije uistinu skladište na površini crne rupe? Odgovor ovisi o tome promatrate li crnu rupu izvana ili iznutra. Prema općoj teoriji relativnosti padnete li u crnu rupu, vi nećete znati da vam se to dogodilo. To je pogled iznutra. Izvana gledano, vi padate kao žrtva Hawkingova zračenja, svojevrsne “užarene korone” koja okružuje obzor događaja crne rupe. Patrick Susskind i još neki fizičari vjeruju da su oba opisa jednako vrijedna.

[Uzmimo sada] bilo koji objekt, npr. Kongresnu knjižnicu… [ili bilo koji drugi prostor] i zamislimo da smo to područje dodatno izdvojili okruživši ga nekom imaginarnom sferom… Koliko se informacija maksimalno može pohraniti u tom prostoru? Zamislite da u taj prostor započnete dodavati materiju, s ciljem povećanja njegova kapaciteta pohrane informacija. Možete umetnuti memorijske čipove velikog kapaciteta, tvrde diskove, ogromnu količinu knjiga ili gusto nakrcane Kindleove. Budući da čak i sirova materija prenosi informacije (jesu li molekule pare ovdje ili ondje?), svaki zakutak prostora možete natrpati onolikom količinom materije koliko je uspijete nabaviti. Sve dok ne dosegnete kritičnu točku. U jednom trenutku prostor će biti toliko krcat da će se njegova unutrašnjost, dodate li makar i jedno jedino zrnce pijeska, zacrniti a cijelo područje pretvoriti u crnu rupu. Kada se to dogodi, igra je završena… Ako dodavanjem materije pokušate povećati kapacitet pohrane informacija, crna će rupa reagirati tako što će… narasti [a to ne želite, jer vas zanima maksimalna količina informacija koja može stati u točno određenom prostoru].

Ako je entropija takve crne rupe jednaka površini koja okružuje prostor onda vrijedi:

Količina informacija koju sadrži određeni prostor, pohranjena u bilo kojem objektu bilo kojeg oblika, uvijek je manja od površine koja okružuje to područje (mjereno u kvadratnim Planckovim jedinicima)… [Ono što je važno je da se] ta analiza može primijeniti na svaki prostor, bez obzira [radi li se o crnoj rupi ili ne].

[Patrick] Susskind i [Gerard] ‘t Hooft naglasili su da bi ova lekcija trebala biti općenita: budući da informacije koje bi trebale opisivati fizikalne pojave unutar bilo kojeg danog područja mogu biti u cijelosti kodirane podacima na površini koja okružuje to područje, opravdano je zaključiti da se upravo na toj površini doista događaju fundamentalni fizikalni procesi. Nama bliska trodimenzionalna stvarnost, predlažu ovi domišljati mislioci, u tom bi se slučaju mogla usporediti s holografskom projekcijom tih udaljenih dvodimenzionalnih procesa.

Koliko god bila privlačna i u naravi matematički konzistentna teorija, inicijalna ideja o holografskom univerzumu ostaje problematična. Ipak, uvjerili smo se koliko važnu ulogu mogu imati informacije u području izvan svoje domene. I ne samo to, to područje koje ih želi okruniti za kralja stvarnosti nije tek neko od mnogih, već sama kraljica stvarnosti – fizika!

Sljedeća stranica »

Napravi besplatnu web stranicu ili blog na WordPress.com.

%d bloggers like this: