Академический Документы
Профессиональный Документы
Культура Документы
Argumentos evolutivos y
efectos de seleccin
Carl Shulman Nick Bostrom
www.nickbostrom.com
Abstract Varios autores han hecho el argumento de que los procesos
evolutivos ciegos porque produce la inteligencia humana en la
tierra, debe ser factible para humano inteligente ingenieros para
crear inteligencia artificial de nivel humano en un futuro no muy
lejano. Este argumento evolutivo, sin embargo, ha ignorado el efecto
seleccin de observacin que garantice que los observadores podrn
ver vida inteligente que han surgido en su planeta, no importa cun
difcil es para la vida inteligente para evolucionar en cualquier
planeta similar a la tierra. Exploramos cmo el argumento evolutivo
podra ser rescatadas de esta objecin, usando una variedad de
consideraciones de observacin teora de seleccin y anlisis de las
caractersticas de distribucin especficos y casos de encontrar
convergentes que, dependiendo de la resolucin de cuestiones
controvertidas en observacin la teora de seleccin, la objecin
puede ser total o moderadamente aliviaron, aunque otros retos para
el argumento evolutivo permanecen.
1. Argumentos evolutivos para facilitar la inteligencia
1.1 Introduccin
1 Qu puede decirnos acerca de la evolucin humana las perspectivas
para el nivel humano de Inteligencia Artificial (AI)? Un nmero de
filsofos y tecnlogos, entre ellos David Chalmers (2010) y Hans
Moravec (1976, 1988, 1998, 1999), sostienen que la evolucin humana
demuestra que tal AI no slo es posible, sino factible dentro de
este siglo. En estas cuentas, podemos estimar la relativa capacidad
de evolucin y de ingeniera humana para producir inteligencia, y
encontrar que la ingeniera humana ya es inmensamente superior a la
evolucin en algunas reas y es probable que se convierta en
superior en las zonas restantes antes de que sea demasiado tarde. El
hecho de que la evolucin de la inteligencia producida, por lo
tanto, indica que la ingeniera humana ser capaz de hacer lo mismo.
As, Moravec escribe:
1 aqu, nos referimos a sistemas que igualan o superan el
rendimiento cognitivo de los seres humanos en prcticamente todos
los mbitos de inters: "uniforme" desempeo de nivel humano parece
improbable, salvo quizs a travs de una estrecha emulacin de
cerebros humanos (Sandberg y Bostrom, 2008), puesto que el software
ya est sobrehumana en muchos campos.
1
Nos mostr cmo evaluar el posible apoyo emprico para (2') desde el
punto de vista de la alternativa dos principales enfoques de
razonamiento antrpico: la Asuncin y la Self-Sampling SelfIndication Asuncin. La suposicin Self-Indication apoya firmemente
el argumento evolutivo y la factibilidad de AI (entre otras fuertes
y a menudo contra-intuitivo implicaciones empricas). Las
consecuencias de la suposicin Self-Sampling dependen ms
sensiblemente en los detalles de la evidencia emprica. Considerando
la informacin adicional acerca de los detalles de la historia de la
evolucin especialmente la evolucin convergente y el calendario de
las principales innovaciones de la Asuncin Self-Sampling puede
usarse para hacer inferencias sobre la evolvability probabilista de
la inteligencia y, por ende, sobre la solidez del argumento
evolutivo.
Este nuevo anlisis de la SSA disconfirms muchas formas particulares
en que la evolucin de la inteligencia puede ser difcil,
especialmente en situaciones de extrema dureza (con muchos pasos
difciles), respaldando as la premisa (2') (aunque el modelo de
Carter tambin tiene implicaciones contando contra muy fcil
evolucin de inteligencia). De particular inters, dos lneas de
evidencia contar contra la extrema dureza evolutivo en el desarrollo
de la inteligencia de nivel humano dado el desarrollo de los
sistemas nerviosos como los conocemos: habilidades cognitivas
bastante sofisticados convergently evolucionado varias veces desde
el punto de partida de los primeros sistemas nerviosos; y "duro"
paso modelos predicen unos pasos en nuestro disco secuencial muy
reciente historia evolutiva. Combinado con la opinin de que las
innovaciones en el diseo evolutivo del cerebro especialmente son
diagnstico de ai design dificultad, estas observaciones pueden
evitar algunos de la fuerza de la objecin de la observacin de los
efectos de seleccin.
As, con un importante enfoque de razonamiento antrpico (SIA)
brinda un fuerte apoyo para (2'), y la otra (SSA) ofrece un panorama
mixto y quizs un apoyo moderado, observacin efectos de seleccin
no paralizar el argumento evolutivo a travs de su premisa (en
cualquiera de sus versiones) de la no-dura evolucin de la
inteligencia.
Carter, B. (1989) El principio de seleccin antrpica y la ultrasntesis darwiniana, Bertola, F. y Curi, U. (eds) El principio
antrpico, Cambridge, Cambridge University Press.
Chalmers, D.J. (2005) La matriz como metafsica, en Grau, C. (ed.)
filsofos explorar la matriz, Oxford: Oxford University Press.
Chalmers, D. (2010) la singularidad: un anlisis filosfico, Journal
of Consciousness Studies, 17 (9- 10), pp. 7-65.
irkovi, M.M., Sandberg, A. & Bostrom, N. (2010): la
observacin de sombra antrpica Seleccin de efectos y los riesgos
de extincin humana, anlisis de riesgo, 30 (10), pp. 1495-1506.
Dalrymple, G.B. (2001), la edad de la tierra en el siglo XX: un
problema (en su mayora) resuelto, publicaciones especiales,
Geological Society of London, 190 (1), pgs. 205-221.
Dieks, D. (2007) el razonamiento sobre el futuro: Doom y belleza,
Synthese, 156 (3), pgs. 427-439.