Trường hợp của Rho-Calculus trong AI

Ý thức là thuộc địa của não

Trong một cuộc trò chuyện gần đây với Joscha Bach , một trong những nhà tư tưởng nguyên bản nhất của thế hệ này, ông đã đưa ra một khẳng định gây sửng sốt rằng tính đồng thời của thiết bị di động trái ngược với trí tuệ nhân tạo nói chung . Trong bối cảnh này, đồng thời di động có nghĩa là loại đồng thời mà người ta tìm thấy khi các tác nhân (hay còn gọi là quy trình tính toán) có thể khám phá lẫn nhau, đó là cấu trúc liên kết giao tiếp (ai biết ai và ai đang nói chuyện với ai) đang phát triển. Mô hình này rất khác với mô hình trong đó các phần tử tính toán được hàn lại với nhau giống như các thành phần trên bo mạch chủ. Đồng thời trên thiết bị di động giống như Internet hoặc mạng điện thoại nơi những người mới gặp lần đầu tìm hiểu trang web, địa chỉ email và số điện thoại của nhau. Lập luận của Joscha là bộ não chỉ là chất dẻo, nghĩa là các kết nối giữa các nơ-ron chỉ thay đổi trong quá trình học tập chứ không phải trong quá trình tính toán nói chung.

Joscha Bach , một trong những nhà tư tưởng độc đáo nhất thuộc thế hệ của ông, đã đưa ra khẳng định gây sửng sốt rằng tính đồng thời trên thiết bị di động mâu thuẫn với trí tuệ nhân tạo nói chung

Phản ứng của tôi đối với đề xuất này là nó giả định rằng tâm trí không được lưu trữ trong một mô hình tính toán logic chạy trên phần cứng của bộ não. Xét cho cùng, máy ảo Java (JVM) là một mô hình tính toán rất khác so với phần cứng mà nó chạy trên đó. Mô hình tính toán của Haskell là một biến thể thậm chí còn ấn tượng hơn về ý tưởng tính toán so với mô hình được thể hiện trong phần cứng mà trình biên dịch Haskell vinh quang ( GHC ) thường được lưu trữ trên đó. Tại sao tâm trí không được tổ chức như thế này? Để sử dụng phép ẩn dụ đồ họa của Joscha, tại sao tâm trí không phát sinh như một mô hình tính toán thuộc địa tự lưu trữ trên phần cứng của bộ não? Nếu đúng như vậy, rholang, một triển khai của phép tính rho, được lưu trữ trên chip Intel và AMD ngay từ đầu và các mô hình tính toán của chúng rất khác so với mô hình tính toán của phép tính rho.

Đặc biệt, phép tính rho cung cấp hỗ trợ trực tiếp cho tính toán đồng thời trên thiết bị di động. Cấu trúc liên kết giao tiếp giữa một xã hội các quá trình thực thi trong phép tính rho là động. Ai biết ai và có thể nói chuyện với ai trong xã hội này thay đổi trong quá trình tính toán. Cách suy nghĩ về phép tính rho báo trước lập luận của tôi rằng có những lý do rất chính đáng để cho rằng một mô hình như phép tính rho có thể đã tự lưu trữ và xâm chiếm phần cứng của bộ não con người, trên thực tế, bất kỳ bộ não nào hỗ trợ một lý thuyết tâm lý.

Mã, dữ liệu và tính toán

Để đưa ra lập luận này, tôi muốn đưa ra một số điểm khác biệt mà không phải nhà khoa học máy tính nào, chứ chưa nói đến mọi nhà phát triển, đều có. Tôi phân biệt giữa mã, dữ liệu và tính toán. Mã tùy ý có thể được coi là một số dữ liệu, là một thể hiện của một số loại cấu trúc dữ liệu trong đó mô hình tính toán được thể hiện hoặc lưu trữ. Ví dụ: bạn có thể lưu trữ mô hình tính toán hoàn chỉnh Turing , như Haskell , bằng ngôn ngữ thuật ngữ được biểu thị thông qua ngữ pháp phi ngữ cảnh, ví dụ: ngữ pháp dành cho các chương trình Haskell được định dạng tốt. Tuy nhiên, chúng tôi biết rằng ngữ pháp phi ngữ cảnh không phải là Turing-đầy đủ. Làm sao có thể? Làm thế nào một cái gì đó ít biểu cảm hơn các mô hình Turing-đầy đủ có thể đại diện cho tính toán Turing-đầy đủ?

Nó đi thẳng vào trọng tâm của sự khác biệt giữa cú pháp và ngữ nghĩa. Ngữ pháp của thuật ngữ ngôn ngữ thể hiện cú pháp của các chương trình, không phải tính năng động của tính toán , tức là ngữ nghĩa của mã. Thay vào đó, tính năng động của tính toán phát sinh do sự tương tác của các quy tắc (hoạt động theo cú pháp) với một đoạn cú pháp cụ thể, tức là, một số mã, đại diện cho phép tính mà người ta muốn thực hiện. Trong phép tính lambda (mô hình tính toán dựa trên Haskell), công cụ tính toán là một quy tắc được gọi là giảm beta. Quy tắc này thể hiện hoạt động của một chức năng trên dữ liệu thông qua hành động thay thế dữ liệu cho các biến xảy ra trong mã. Dữ liệu mà nó hoạt động trên đó là biểu diễn cú pháp của việc áp dụng một hàm cho dữ liệu, nhưng nó không phải là tính toán tương ứng với việc áp dụng hàm cho dữ liệu. Tính toán đó xảy ra khi giảm beta hoạt động trên cú pháp, biến nó thành một đoạn cú pháp mới. Sự khác biệt này là cách các mô hình ít biểu cảm hơn Turing-đầy đủ (ví dụ: ngữ pháp không có ngữ cảnh) có thể lưu trữ tính toán Turing-đầy đủ.

Làm thế nào một cái gì đó ít biểu cảm hơn các mô hình Turing-đầy đủ có thể đại diện cho tính toán Turing-đầy đủ? Nó đi thẳng vào trọng tâm của sự khác biệt giữa cú pháp và ngữ nghĩa. Ngữ pháp của thuật ngữ ngôn ngữ thể hiện cú pháp của các chương trình, chứ không phải tính năng động của tính toán, tức là ngữ nghĩa của mã.

Không tin vào điểm này, nhưng sự khác biệt tương tự xảy ra trong Java và JVM. Tính năng động của tính toán trong JVM xảy ra thông qua các quy tắc hoạt động trên sự kết hợp của các thanh ghi trong máy ảo cùng với biểu diễn mã. Một lập trình viên Java nhìn chằm chằm vào một đoạn mã Java không nhìn vào tính toán. Cách xa nó. Cú pháp của một chương trình Java là một cửa sổ dẫn đến một loạt các tính toán có thể khác nhau xuất hiện tùy thuộc vào trạng thái của các thanh ghi của JVM tại thời điểm mã được chạy. Sự khác biệt giữa hai hình thức đánh giá này, giảm beta trong phép tính lambda so với chuyển đổi của JVM, là rất quan trọng và chúng tôi sẽ quay lại vấn đề này.

Tuy nhiên, hiện tại, một cách để suy nghĩ về sự khác biệt này giữa mã và tính toán là thông qua phép loại suy với vật lý. Theo truyền thống, các định luật vật lý được thể hiện thông qua ba điều: biểu diễn trạng thái vật lý (hãy coi đây là cú pháp của chương trình), quy luật chuyển động cho biết trạng thái thay đổi như thế nào theo thời gian (hãy coi đây là quy tắc hoạt động theo cú pháp) ; và các điều kiện ban đầu (hãy coi đây là một đoạn mã cụ thể mà bạn muốn chạy). Theo nghĩa này, vật lý được coi là một ngôn ngữ lập trình có mục đích đặc biệt mà việc thực thi của nó tương ứng theo một kiểu cụ thể với cách thế giới vật chất phát triển dựa trên những quan sát của chúng ta về nó. Vật lý có thể kiểm tra được vì nó cho phép chúng ta chạy một chương trình và xem liệu sự tiến hóa của một số trạng thái ban đầu sang trạng thái mà nó đạt được thông qua các định luật chuyển động có khớp với những quan sát của chúng ta hay không. Đặc biệt, khi chúng ta nhìn thế giới vật chất trong một cấu hình phù hợp với trạng thái ban đầu của chúng ta, liệu nó có trải qua một quá trình tiến hóa phù hợp với những gì quy luật chuyển động của chúng ta quy định không, và liệu nó có rơi vào trạng thái như quy luật chuyển động của chúng ta quy định hay không? nó nên? Thực tế là vật lý có hình dạng này là lý do tại sao chúng ta có thể biểu diễn nó một cách hiệu quả bằng mã.

Phép loại suy vật lý đặt các mô hình tính toán như phép tính lambda, phép tính π hoặc phép tính rho so với các mô hình như chuyển đổi của JVM. Khi bạn đang nhìn chằm chằm vào một đoạn mã Java, bạn không có tất cả thông tin cần thiết để hiểu nó sẽ hoạt động như thế nào. Tùy thuộc vào trạng thái của JVM, cùng một đoạn mã Java có thể hoạt động rất khác nhau. Ngược lại, phép tính toán được đề cập ở trên kết hôn với hình thức để hoạt động. Những gì bạn thấy trong một biểu thức là những gì bạn nhận được. Từ quan điểm vật lý, với tư cách là một nhà khoa học, điều duy nhất bạn phải đảo ngược kỹ thuật là các quy luật chuyển động, hay còn gọi là quy tắc tính toán. Bạn không cần phải đoán ở một loạt các trạng thái ẩn.

Khi chúng ta thấy sự khác biệt giữa mã và tính toán, thì sự khác biệt giữa mã và dữ liệu là tương đối trực quan, mặc dù hơi tinh tế. Dữ liệu trong một chương trình máy tính cũng chỉ là cú pháp. Theo nghĩa này, nó không khác gì mã, cũng chỉ là cú pháp. Mọi lập trình viên Lisp đều hiểu ý tưởng này rằng bằng cách nào đó, mã là dữ liệu và dữ liệu là mã. Ngay cả Java cũng hỗ trợ một loại siêu lập trình trong đó mã Java có thể được thao tác như các đối tượng Java. Câu hỏi đặt ra là có đường phân chia thực sự nào giữa mã và dữ liệu không?

Câu trả lời là có. Dữ liệu là mã có các thuộc tính rất cụ thể; ví dụ, mã luôn chạy đến khi kết thúc. Không phải tất cả các mã làm điều này. Trên thực tế, giải pháp Entscheidungsproblem nổi tiếng của Turing cho chúng ta thấy rằng nói chung, chúng ta không thể biết khi nào một chương trình sẽ dừng đối với một ngôn ngữ có chất lượng biểu đạt nhất định, tức là tính đầy đủ của Turing. Tuy nhiên, có những ngôn ngữ ít biểu cảm hơn và các ngôn ngữ hoàn chỉnh Turing tận hưởng các ngôn ngữ con hoặc đoạn phù hợp ít biểu cảm hơn ngôn ngữ toàn bộ. Dữ liệu nằm trong cú pháp cho phép chứng minh rằng quá trình tính toán liên quan đến một đoạn cú pháp sẽ tạm dừng. Tương tự như vậy, dữ liệu nằm trong cú pháp cho phép chứng minh rằng tính toán sẽ chỉ được phân nhánh hữu hạn.

Các lập trình viên không nghĩ về dữ liệu như thế này, họ chỉ biết dữ liệu khi họ nhìn thấy nó. Nhưng trong các mô hình tính toán như phép tính lambda không được trang bị các kiểu dữ liệu tích hợp, mọi thứ, kể cả những thứ như số đếm hoặc giá trị Boolean, đúng và sai, đều được biểu diễn dưới dạng mã. Chọn ra mã nào cấu thành dữ liệu và mã nào cấu thành các chương trình có mục đích chung liên quan đến khả năng phát hiện khi nào mã có các loại thuộc tính mà chúng ta đã thảo luận ở trên. Nói chung, có những loại hệ thống có thể phát hiện các thuộc tính như thế này. Một lần nữa, đó là một vấn đề tế nhị, nhưng may mắn thay, chúng ta không cần phải hiểu tất cả những điều tế nhị đó, cũng như không cần hiểu chính xác ranh giới giữa dữ liệu và mã nằm ở đâu, chỉ cần có một.

Tóm lại, mã và dữ liệu đều chỉ là cú pháp đại diện cho một trạng thái mà một quy tắc hoặc nhiều quy tắc sẽ hoạt động. Dữ liệu được thể hiện trong một đoạn cú pháp ít biểu cảm hơn so với mã, mang lại cho nó một ký tự xác định hoặc hữu hạn mà mã không phải lúc nào cũng thích. Tính toán là quá trình tiến hóa phát sinh khi một số quy tắc tương tác với một đại diện của một trạng thái. Bây giờ, tất cả những điều này có liên quan gì đến AI, tâm trí hay thậm chí là phép tính rho?

Phản ánh như một đặc điểm xác định của trí thông minh

Phép tính rho có biểu diễn cú pháp về sự khác biệt giữa tính toán và mã. Nó có một hoạt động thể hiện việc đóng gói một tính toán dưới dạng một đoạn mã để có thể vận hành nó, chuyển đổi nó thành mã mới. Nó cũng có một thao tác để biến một đoạn mã trở lại thành một phép tính. Whoah, bạn có thể nói, đó là một số sh!t cấp độ tiếp theo. Tuy nhiên, như chúng tôi đã đề cập, các lập trình viên Lisp và lập trình viên Java đã thực hiện kiểu lập trình siêu dữ liệu này trong một thời gian dài. Họ phải. Lý do phải làm với quy mô. Các nhóm con người không thể quản lý các cơ sở mã liên quan đến hàng triệu triệu dòng mã mà không có sự hỗ trợ tự động. Họ sử dụng các chương trình máy tính để viết chương trình máy tính. Họ sử dụng các chương trình máy tính để xây dựng triển khai chương trình máy tính. Siêu lập trình là một điều cần thiết trong thế giới ngày nay.

Lập luận của Smith là sự xem xét nội tâm, khả năng tâm trí nhìn vào quá trình của chính tâm trí, là một đặc điểm chính của trí thông minh. Đối với một số người, đây thậm chí còn là đặc điểm xác định trí thông minh.

Nhưng quay trở lại những năm 80, vẫn là những ngày đầu của AI, một nhà nghiên cứu tên là Brian Cantwell Smith đã đưa ra một nhận xét gây ấn tượng với tôi và nhiều người khác trong lĩnh vực AI và các lĩnh vực liên quan đến AI. Lập luận của Smith là sự xem xét nội tâm, khả năng của tâm trí để nhìn vào quá trình của chính tâm trí, là một đặc điểm chính của trí thông minh. Đối với một số người, đây thậm chí còn là đặc điểm xác định trí thông minh. Để làm cho ý tưởng xem xét nội tâm này, cái mà ông gọi là phản ánh tính toán, trở nên cụ thể, Smith đã thiết kế một ngôn ngữ lập trình có tên là 3-Lisp có cùng các toán tử mà phép tính rho có. Cụ thể, 3-Lisp có cú pháp để thể hiện việc thống nhất một tính toán thành mã và cú pháp để phản ánh mã trở lại tính toán đang chạy.

Bây giờ, có lý do chính đáng để nghi ngờ rằng có mối liên hệ giữa vấn đề quy mô mà các nhà phát triển ngày nay phải đối mặt và vấn đề mô hình hóa năng lực nội quan, phản xạ của chúng ta với tư cách là những sinh vật biết suy luận. Đặc biệt, việc quản lý sự phức tạp của việc biểu diễn lý luận của chính chúng ta trở nên dễ xử lý khi có sự phản ánh của máy tính. Chúng ta có thể áp dụng tất cả các thủ thuật thuật toán của mình để biểu diễn suy luận của chính mình để có được suy luận tốt hơn. Quan sát này được khuếch đại trong bối cảnh mà các nhà sinh vật học tiến hóa gọi là lý thuyết về tâm trí .

Cụ thể, sự xem xét nội tâm phát sinh từ lợi thế tiến hóa đạt được bằng cách có thể lập mô hình tính toán hành vi của những người khác, đặc biệt là các thành viên trong loài của bạn. Nếu Alice phát triển khả năng bắt chước hành vi của Barbara, và Barbara giống Alice một cách đáng kể (như cùng loài, cùng bộ lạc, thậm chí cùng cấu trúc gia đình mở rộng), thì Alice rất gần có thể bắt chước hành vi của Alice. Và khi Alice cần mô hình hóa hành vi của Barbara khi Barbara đang tương tác với Alice, thì Alice sẽ trực tiếp tham gia vào việc mô hình hóa hành vi của Alice. Đưa điều này lên một quy mô mà Alice có thể mô hình hóa đơn vị gia đình của cô ấy hoặc hành vi của bộ tộc của cô ấy là nơi mọi thứ trở nên thực sự thú vị. Nói thêm về điều đó trong thời gian ngắn, nhưng hiện tại, chúng ta có thể thấy rằng điều gì đó về sự phản ánh tính toán có liên quan đến việc cải thiện khả năng suy luận ở quy mô lớn theo hai nghĩa của từ đó: (thang độ phức tạp) cải thiện khả năng suy luận bằng cách áp dụng suy luận cho chính nó và (thang đo xã hội ) cải thiện lý luận về số lượng lớn các tác nhân lý luận.

Trên thực tế, những ý tưởng của Smith về phản xạ tính toán và vai trò của nó đối với trí thông minh và thiết kế ngôn ngữ lập trình là nguồn cảm hứng cho việc thiết kế phép tính rho, lấy sự thống nhất và phản xạ làm toán tử tính toán nguyên thủy. Tuy nhiên, ở đâu 3-Lisp và công ty phần rho-phép tính là 3-Lisp đó là tuần tự quyết định. Nó không có cách nào để thể hiện một cách hợp lý một xã hội gồm các quy trình tính toán tự động chạy độc lập trong khi tương tác và phối hợp. Nhưng trong bối cảnh của một lý thuyết về tâm trí, đây chính là điều mà một nhà lý luận cần làm. Họ cần một mô hình rõ ràng về bối cảnh xã hội của họ, được tạo thành từ các tác nhân tự trị hành động độc lập đồng thời giao tiếp và phối hợp.

Rho-Calculus: Từ 3-Lisp đến Society of Mind

Trong khoảng thời gian Smith đang phát triển ý tưởng về sự phản ánh tính toán, Marvin Minsky đang phát triển luận án nổi tiếng về Hiệp hội Tâm trí của mình. Tôi cho rằng đề xuất của Minsky là tâm trí giống như Quốc hội Hoa Kỳ hoặc bất kỳ cơ quan thảo luận nào khác. Nó bao gồm một loạt các đại lý độc lập, tất cả đều đang tranh giành các nguồn lực khác nhau (chẳng hạn như tài trợ từ cơ sở thuế). Những gì chúng ta coi là một quyết định có ý thức giống như kết quả của một quá trình cân nhắc lâu dài giữa một nhóm các tác nhân độc lập, tự chủ thường diễn ra dưới mức trải nghiệm có ý thức. Tuy nhiên, quá trình thảo luận dẫn đến một cuộc bỏ phiếu ràng buộc và cuộc bỏ phiếu ràng buộc đó là những gì được trải nghiệm như một quyết định có ý thức.

Làm thế nào để quan điểm này, vốn đặt hầu hết các tính toán bên ngoài lý luận có ý thức, có thể dung hòa được với quan điểm về tâm trí về bản chất, thực sự là sự phản ánh theo định nghĩa? Phép tính rho được thiết kế với một câu trả lời cho câu hỏi này trong tâm trí.

Phép tính rho nói rằng các tác nhân tính toán chỉ có sáu hình dạng:

• 0 - tác nhân bị dừng hoặc vô tác dụng không làm gì cả;
• for( y <- x )P - tác nhân đang nghe trên kênh x chờ dữ liệu mà nó sẽ liên kết với biến y trước khi trở thành tác nhân P;
• x!( Q ) - tác nhân đang gửi một đoạn mã/dữ liệu trên kênh x;
• P|Q - tác nhân thực sự là thành phần song song của hai tác nhân P và Q, chạy đồng thời, độc lập;
• *x - tác nhân đang phản ánh mã được tham chiếu bởi x trở lại một phép tính đang chạy

Lưu ý cách ba trong số các cấu trúc này sử dụng ký hiệu x. Hai trong số họ sử dụng x như thể đó là một kênh liên lạc giữa các tác nhân và một trong số họ sử dụng x như thể đó là tham chiếu đến một đoạn mã. Một trò ảo thuật mà phép tính rho có sẵn là các kênh là tham chiếu đến một đoạn mã. Phải mất một chút để làm quen, nhưng nó đến với thời gian.

Với tư cách là những người quan sát bên ngoài bối cảnh xã hội của Alice, chúng ta có thể viết ra hành vi của nó như một thành phần song song của hành vi của mỗi cá nhân. Trong các ký hiệu đó là P1 | P2 | … | Pn trong đó Pi là hình mẫu của cá nhân thứ i trong bối cảnh xã hội của Alice. Bây giờ, một mô hình hành vi của Alice cần một đại diện của thành phần song song đó cho hành vi của chính cô ấy để đại diện cho lập luận về nó. Trong các ký hiệu đó là @( P1 | P2 | … | Pn ).

Chỉ được trang bị chừng này thông tin về phép tính rho, chúng ta có thể quay lại câu chuyện của mình về Alice và tìm thấy những cách trình bày chi tiết về tất cả những thách thức mà cô ấy phải đối mặt khi phát triển trí thông minh nội tâm và xã hội. Với tư cách là những người quan sát bên ngoài bối cảnh xã hội của Alice, chúng ta có thể viết ra hành vi của nó như một thành phần song song của hành vi của mỗi cá nhân. Trong các ký hiệu, đó là P1 | P2 | … | Pn, trong đó Pi là hình mẫu của cá nhân thứ i trong bối cảnh xã hội của Alice. Bây giờ, một mô hình hành vi của Alice cần một đại diện của thành phần song song đó cho hành vi của chính cô ấy để đại diện cho lập luận về nó. Trong các ký hiệu đó là @( P1 | P2 | … | Pn ). Để Alice có dữ liệu này ở đâu đó mà cô ấy có quyền truy cập vào nó, cô ấy đặt mô hình trên một kênh x!( P1 | P2 | … | Pn ), và khi cô ấy cần truy xuất nó, cô ấy sẽ thực hiện

cho( y <- x )AliceThinking AboutHerColeagues( y ) | x!( P1 | P2 | … | Pn )

Quy tắc đặc biệt của tính toán trong phép tính rho, về tinh thần rất giống với phép khử beta của phép tính lambda, đó là một biểu thức như thế này phát triển thành

AliceThinking AboutHerColeagues( @( P1 | P2 | … | Pn ) )

Vì vậy, bây giờ những suy nghĩ của Alice về các đồng nghiệp của cô ấy đã thể hiện rõ ràng về hành vi của họ đối với Alice. Với nó, cô ấy có thể mô phỏng hành vi của đồng nghiệp bằng cách mô phỏng hành vi của P1 | P2 | ... | Pn thông qua các phép toán trên @( P1 | P2 | ... | Pn ). Chúng ta có thể làm mẫu cho Alice khi quan sát hành vi thực tế của đồng nghiệp của cô ấy bằng một biểu thức như Alice | P1 | P2 | ... | Pn. Alice có thể so sánh mô phỏng của cô ấy với những quan sát của cô ấy. Trên thực tế, bất cứ thứ gì chúng ta có thể lập mô hình cũng đều có sẵn cho Alice để chạy cũng như hợp nhất hóa thành dữ liệu và so sánh mã cũng như các mô phỏng của cô ấy với những gì cô ấy quan sát được về hành vi thực tế trong bối cảnh xã hội của mình. Điều này bao gồm hành vi của chính Alice.

Điều này có thể trôi qua hơi nhanh, nhưng hãy nghĩ về nó. Đây là tập hợp nhỏ nhất các hoạt động cần thiết để Alice đồng thời mô hình hóa bối cảnh xã hội của cô ấy và chính cô ấy trong đó. Cụ thể, các luồng 'có sẵn một cách có ý thức' đối với Alice chỉ khi hành vi của chính cô ấy biến các luồng đó thành dữ liệu và quá trình xử lý của cô ấy tương tác với dữ liệu đó. Lập luận này là một phần của những gì đã đi vào các cân nhắc thiết kế cho phép tính rho. Đây là mô hình tính toán nhỏ nhất dung hòa các lập luận của Smith về sự phản ánh tính toán với các lập luận của Minsky về một Xã hội Tâm trí phù hợp với giải thích của sinh vật học tiến hóa về các sinh vật với một lý thuyết về tâm trí. Bất cứ điều gì nhỏ hơn bỏ lỡ một thành phần quan trọng của tình huống.

Chúng Ta Đã Gặp Kẻ Thù, Và Họ Là Chúng Ta.

Lập luận này là lý do tại sao việc một mô hình tính toán như phép tính rho tìm mua trên phần cứng trong bộ não của Alice là hợp lý. Cô ấy cần tất cả các yếu tố của mô hình này để cạnh tranh với các thành viên khác trong loài của mình, những người cũng đang chạy đua để mô hình hóa hành vi trong bối cảnh xã hội của họ. Đây là lý do tại sao, rất trái ngược với quan điểm của Joscha, tôi cho rằng tính đồng thời trên thiết bị di động là trung tâm của trí tuệ nhân tạo nói chung.

Rất biết ơn Ralph Benko vì những nhận xét biên tập sắc sảo không sai lầm của ông!