Özgün Adı: A Computational Foundation for the Study of Cognition

David J. Chalmers, Felsefe Bölümü, Avustralya Ulusal Üniversitesi
Kanberra, ACT 0200, Avustralya

[Bu makale 1993 yılında yazılmış fakat yayımlanmamıştır. (Bununla birlikte, 2. bölüm, 1994 yılında Zihinler ve Makineler (Minds and Machines)’de yayımlanan “İşlemlemenin Uygulaması Üzerine” (On Implementing a Computation) yazısına dahil edilmiştir.) Şimdi ise, bu makale üzerine yapılmış yorumlara ve makaleye verilen bir cevaba ayrılan özel bir Journal of Cognitive Science (2012) sayısında yayımlanacaktır. Makale yıllar boyunca sıklıkla alıntılandığından dolayı (bir dipnot eklemek dışında) üzerinde herhangi bir değişiklik yapmadım, bunun yerine daha derin incelemeleri özel sayıdaki cevabım için saklıyorum. Her halükârda, her ayrıntıda olmasa da genel hatlarıyla hala burada ifade edilen görüşlere büyük ölçüde sempati duyuyorum.]

Öz

İşlemleme (computation), modern bilişsel bilimin temellerinin merkezinde yer alır, fakat rolü tartışmalıdır. İşlemleme ile ilgili çok sayıda soru bulunmaktadır: Fiziksel bir sistem için bir işlemlemeyi uygulamak nedir? İşlemleme düşünce için yeterli midir? Biliş teorisinde işlemlemenin rolü nedir? Bağlantıcılık (connectionism) ve sembolik işlemleme (symbolic computation) gibi farklı işlemsel (computational) teori türlerinin arasındaki ilişki nedir? Bu yazıda, tüm bu soruları ele alan sistematik bir çerçeve geliştirdim.

İşlemlemenin rolünü gerekçelendirmek, soyut işlemleme ve somut fiziksel sistemler arasındaki bağlantı noktası olan uygulamanın (implementation) analizini gerektirir. Ben, bir sistem eğer sistemin nedensel yapısı işlemlemenin biçimsel yapısını yansıtıyorsa o sistem bir işlemleme uygular fikrine dayanarak bu tür bir analizde bulundum. Bu açıklama, yapay zekâ ve işlemsel bilişsel bilimin ana taahhütlerini gerekçelendirmek için kullanılabilir: doğru türdeki bir işlemsel yapının aklın mülkiyeti için yeterli olacağı görüşünü ortaya koyan işlemsel yeterlilik (computational sufficiency) tezi ve işlemlemenin bilişsel süreçlerin açıklanması için genel bir çerçeve sağladığı görüşünü ortaya koyan işlemsel açıklama (computational explanation) tezi. Bu tezler şu olguların sonuçlarıdır: (a) işlemleme nedensel organizasyonların genel modellerini belirtebilir ve (b) düşünüş bu tür modellerden kaynaklanan bir örgütsel değişmezdir (organizational invariant). Bu yazı boyunca, Searle tarafından öne sürülenler gibi, işlemsel yaklaşıma getirilen çeşitli itirazlara cevap vereceğim ve zihne getirilen geniş çeşitlikteki deneysel yaklaşımlarla bağdaşan, daha minimal bir işlemselcilik (computationalism) savunmasıyla kapanış yapacağım. Bu, işlemlemenin bilişsel bilim için gerçek bir temel olarak işlev görmesine olanak sağlayacaktır.

Anahtar Kelimeler: işlemleme (computation), biliş, uygulama (implementation), açıklama, bağlantıcılık (connectionism), işlemselcilik (computationalism), temsil (representation), yapay zekâ

1. Giriş

Muhtemelen hiçbir konsept modern bilişsel bilimin temelleri için işlemlemeden daha asli değildir. Yapay zekanın emelleri işlemsel temellere dayanır ve bilişsel bilimin diğer alanlarında, bilişsel işlevlerin modelleri sıklıkla işlemsel koşullar içerisinde yapılandırılır. İşlemlemenin temel rolü iki basit tez ile ifade edilebilir. Bunlardan ilki, yapay zekâ olasılığına olan inancın altında yatan, doğru türde işlemsel bir yapının zihin ve geniş çeşitlilikteki zihinsel özelliklerin mülkiyeti için yeterli olduğunu öne süren işlemsel yeterlilik (computational sufficiency) tezidir. İkincisi, daha genel anlamda bilişsel bilimin gelişmesini kolaylaştıran, işlemlemenin bilişsel süreçlerin ve davranışın açıklanması için genel bir çerçeve sağladığını öne süren işlemsel açıklama (computational explanation) tezidir.

Bu tezler bilişsel bilim içinde yaygın olarak ilgi görmüştür ancak oldukça tartışmalı tezlerdir. Kimileri, bazı insan yeteneklerinin işlemsel olarak asla kopyalanamayacağını (10) (24) hatta bir işlemlemenin insan yeteneklerini kopyalayabilmesi halinde bile ilgili işlemlemenin somutlaştırılmasının zihnin mülkiyeti için yeterli olamayacağını (30) öne sürerek işlemsel yeterlilik tezini sorgulamıştır. Diğerleri, işlemlemenin bilişsel süreçlerin açıklanması için uygun olmayan bir çerçeve sağladığını (11) (16), hatta bir sistemin işlemsel tariflerinin anlamsız olduğunu (32) (33) öne sürerek işlemsel açıklama tezini sorgulamıştır.

İşlemsel bilişsel bilimin savunucuları bu negatif eleştirileri geri püskürtmek için ellerinden geleni yapmışlardır fakat bu temel tezler için yapılan pozitif gerekçelendirmeler en iyi ihtimalle belirsiz olarak kalmaktadır. Neden işlemleme, başka bir teknik görüşten ziyade, bu temel rolü oynamalıdır? Ve neden işlemleme ve biliş arasında bu tezlerin varsaydığı yakın ilişki olmalıdır? Bu yazıda, bu sorulara cevap verebilecek ve bu iki temel tezi gerekçelendirebilecek bir çerçeve geliştireceğim.

Temelin sağlam olabilmesi için işlemleme görüşünün kendisinin açıklığa kavuşturulması gerekir. İşlemlemenin matematiksel teorisi soyut olarak iyi anlaşılmıştır, fakat bilişsel bilim ve yapay zekâ en nihayetinde fiziksel sistemlerle muhatap olacaktır. Bu sistemler ve işlemlemenin soyut teorisi arasında bir köprü bulunması gereklidir. Spesifik olarak, soyut işlemsel bir obje (kısaca “işlemleme”) ile fiziksel bir sistem arasında bulunan, öyle ki sistemin bir bakıma işlemlemeyi “fark ettiğini” ve işlemlemenin sistemi “tanımladığını” söyleyebileceğimiz türde bir ilişki olan uygulama (implementation) teorisine ihtiyacımız vardır. Bir fiziksel sistem verilen bir işlemlemeyi hangi koşullar altında uygular? sorusunu yanıtlamadan işlemlemenin temel olma rolünü gerekçelendirmemiz mümkün değildir. Searle (32), bu soru için objektif bir cevap olmadığını ve eğer uygun bir şekilde yorumlanırsa herhangi bir sistemin herhangi bir işlemlemeyi uyguladığının görülebileceğini savunmuştur. Örneğin, duvarının Wordstar programını uyguladığının görülebileceğini öne sürmüştür. Ben ise bu tür bir karamsarlığa gerek olmadığını ve objektif koşulların açıkça tek tek açıklanabileceğini savunacağım.

Uygulama teorisi bir kere sağlandıktan sonra onu ikinci anahtar soruya cevap vermek için kullanabiliriz: İşlemleme ve biliş arasındaki ilişki nedir? Bu sorunun cevabı, tıpkı birinci sorunun cevabında olduğu gibi, fiziksel bilişsel bir sistemin belirli işlemlemeleri uygulamasıyla ilgili özelliklerinin (a) sistemin zihinsel özellikler bulundurmasının ve (b) sistemin bilişsel işlevlerinin açıklanabiliyor olmasının sonucu olan aynı özellikler olduğu olgusunda yatmaktadır.

Bu sebeple ilk soruyu cevaplandırmak için geliştirilen işlemsel çerçeve, işlemsel yeterlilik ve işlemsel açıklama tezlerinin gerekçelendirilmesi için de kullanılabilir. Bunun yanı sıra, ben bu çerçeveyi işlemlemenin asli olmasına getirilmiş çeşitli itirazları cevaplamak, işlemleme ile ilgili bazı zor soruları ve işlemlemenin bilişsel bilimdeki yerini açıklığa kavuşturmak için kullanacağım. Bu sayede, yapay zekânın ve işlemsel bilişsel bilimin temellerinin sağlam olduğunu görebiliriz.

2. Uygulama Teorisi

Soru (1)’e verilecek kısa cevap açıktır ve şu şekilde ifade edilebilir:

Bir fiziksel sistem verilen bir işlemlemeyi, sistemin nedensel yapısı işlemlemenin biçimsel yapısını yansıttığında uygular.

Biraz daha detaylandırıldığında bu açıklama şu şekilde ifade edilebilir:

Bir fiziksel sistem, sistemin fiziksel durumlarının durum-tipine (state-type) göre gruplandırması ve işlemlemenin biçimsel durumlarından fiziksel durum-tiplerine bire bir eşlemesi (physical state-type) bulunması halinde verilen bir işlemlemeyi uygular; öyle ki soyut bir durum-geçiş (state-transition) ilişkisiyle alakalı biçimsel durumlar, denk bir nedensel durum-geçiş (causal state-transition) ilişkisiyle alakalı fiziksel durum-tipi ile eşlenir.

Bu hala biraz muğlak kalmaktadır. Tam anlamıyla açıklamak gerekirse, söz konusu işlemlemelerin türünü açıkça belirtmeliyiz. İşlemlemeler genel olarak biçimciliğe (formalism) göre belirtilir ve çok çeşitli biçimcilik türleri bulunmaktadır: Turing makineleri, Pascal programları, hücresel otomasyon ve sinirsel ağlar bunlardan bazılarıdır. Uygulama ile ilgili durum, bunların her biri için benzerdir; sadece detaylar farklılık gösterir. Bunların her biri, kısaca ana hatlarından bahsedeceğim birleşimsel-durum makinesi (combinatorial-state automata/CSAs) kategorisine dahil edilebilir, fakat örnekleme amacıyla önce basit sonlu durum makinelerinin (simple finite-state automata/FSAs) özel durumunu ele alacağım.

Bir sonlu durum makinesi; S’ ve O’ nun sırasıyla dahili (internal) ve çıktı (output) durumu olduğu, her bir dahili ve girdi (input) durumunun ikilisi (S, I) için (S, I)-> (S’, O’) biçiminin bir dizi durum-geçiş (state-transition) ilişkisi ile birlikte, bir dizi girdi durumu I_1,…,1_k, bir dizi dahili durum S_1,…,S_m ve bir dizi çıktı durumu O_1,…,O_n verilerek belirtilir. S ve I “eski” dahili durum ve o sıradaki girdi olarak düşünülebilir; S’ “yeni” dahili durum ve O’ ise o sırada üretilen çıktıdır. (Bu şekilde açıklanabilecek bazı varyasyonlar vardır- örneğin; her bir zaman adımında çıktıların dahil edilmesi gerekmez, bazı dahili durumları “nihai” durum olarak atamak oldukça yaygındır- fakat bu varyasyonlar bizim amaçlarımız için uygun değildir.) Sonlu durum makinesinin uygulanması için koşullar şu şekildedir:

Bir P fiziksel sistemi, eğer bir f eşlemesi (mapping) P’nin dahili durumlarını M’nin dahili durumlarına, P’nin girdilerini M’nin girdi durumlarına ve P’nin çıktılarını M’nin çıktı durumlarına eşliyorsa bir M sonlu durum makinesini uygular, öyle ki M’nin her bir (S, I)-> (S’, O’) durum-geçişi (state-transition) için şu koşul geçerli olur: f(s) = S ve f(i) = I için eğer P, s dahili durumundaysa ve i girdisini alıyorsa, bu onun hatasız bir şekilde s’ dahili durumuna girmesine ve o’ çıktısını üretmesine neden olur, öyle ki f(s’) = S’ ve f(o’) = O’ dur. [1]

Bu tanım, yukarıda bahsi geçen gruplandırılmış durum-tiplerinden ziyade maksimum düzeyde s spesifik fiziksel durumlarını kullanıyor. Durum-tipleri iyileştirilebilir, ancak; her bir S_i | M için her biri {s | f(s) = S_i} kümesini karşılar. Buradan tanımların denk olduğunu görebiliriz. Fiziksel durum-tipleri arasındaki nedensel ilişki, biçimsel durumlar arasındaki soyut ilişkiyi eksiksiz bir biçimde yansıtır.

Bu tanımın detayları üzerinde oynanabilecek oldukça geniş bir alan mevcuttur. Örneğin, sistemin girdi ve çıktılarının sonlu durum makinesinin girdi ve çıktılarına eşlenmesi haline kısıtlamalar getirmek genellikle kullanışlıdır. Aynı zamanda, eğer bir kısmı belirli başlangıç durumundan elde edilebilir değilse, P’nin olası tüm dahili durumlarının eşlemesini yapmamıza gerek yoktur. Fakat bu konular burada önemsizdir. Önemli olan tanımın genel biçimidir: özellikle, işlemlemenin biçimsel durum-geçiş yapısının fiziksel sistemin nedensel durum-geçiş yapısını yansıttığını garantileme şeklidir. Bu, herhangi bir işlemsel biçimcilikte, uygulamanın tüm tanımlarının ortak noktası olacaktır.

2.1. Birleşimsel Durum Makineleri (Combinatorial-State Automata)

Basit sonlu durum makineleri, durumlarının tek işlenenli (monadic) yapısı nedeniyle birçok amaç için yetersizdir. İşlemsel biçimcilikteki çoğu durum birleşimsel bir yapıya sahiptir: hücresel otomatta bir hücre deseni, bir Turing makinesindeki bant-durumunun (tape-state) ve kafa-durumunun (head-state) bir birleşimi, Pascal programındaki değişkenler ve kayıtlar, vb. Tüm bunlar, sonlu durum makinelerinden (FSAs) sadece dahili durumun bir S tek işlenen etiketiyle değil, bunun yerine bir [S¹, S², S³, …] vektörüyle belirlenmesi noktasında farklılık gösteren birleşimsel durum makineleri (CSAs) çerçevesinde ele alınabilir. Bu vektörün bileşenleri, bir hücresel otomattaki hücreler veya bir Turing makinesinin bant kareleri (tape-squares) gibi genel durumun parçaları olarak düşünülebilir. Her bir S^i elementi için sonlu sayıda olası S_j^i değeri bulunmaktadır, burada S_j^i, i’nci element için j’nci olası değerdir. Bu değerler “alt durumlar” olarak düşünülebilir. Girdiler ve çıktılar, bir girdi vektörünün [I¹, …, I^k] olması gibi benzer bir karmaşık yapıya sahip olabilir. Durum-geçiş kuralları, her bir durum-vektör elementi için yeni durumu eski genel durum-vektörüne ve girdi-vektörüne bağlı olan ve aynı durumun çıktı-vektörü için de geçerli olduğu bir fonksiyon belirleme yoluyla kesinleştirilir.

Girdi ve çıktı vektörleri her zaman sonludur, ancak dahili durum vektörleri hem sonlu hem de sonsuz olabilir. Sonlu olması hali daha basittir ve herhangi pratik bir amaç için tüm gereken budur. Turing makineleriyle ilgileniyor olsak bile, 10^{200} kareyle sınırlı bir şeride sahip bir Turing makinesi bilişsel bilim ve yapay zekâ dahilinde benzetim (simulation) ve öykünüm (emulation) için kesinlikle gerekli olan tek şey olacaktır. Bununla birlikte, sonsuz olması hali buna benzer biçimde açıklanabilir. Esas zorluk, sonsuz miktarda bilgiyi kodlamamaları için vektörler ve bağlılık kurallarına kısıtlamaların getirilmesi gerekliliğidir. Bu çok zor değildir ama burada daha fazla detaya girmeyeceğim.

Bir fiziksel sistemin birleşimsel durum makinesi uygulayabildiği koşullar sonlu durum makinesi uygulaması için gereken koşullarla benzerdir. Ana farklılık; sistemin dahili durumlarının, vektörün her bir elementinin fiziksel sistemin bağımsız bir elementine karşılık geldiği vektörler olarak belirlenmesi gerekmesidir. Bu tür bir “vektörleştirme” için doğal olan bir gereklilik, başka alternatifler olması ihtimaline rağmen, her bir elementin sistem içerisinde farklı fiziksel bir alana karşılık gelmesidir. Aynı şey girdi ve çıktıların karmaşık yapısı için de geçerlidir. Sistem, verilen bir birleşimsel durum makinesini, sistemin bu tür bir vektörleştirmesi varsa ve bu vektörlerin elementleriyle birleşimsel durum makinesinin vektörlerinin karşılık gelen elementleri eşleşiyorsa uygular, öyle ki durum-geçiş ilişkileri açık bir şekilde eşbiçimlidir (isomorphic). Detaylar açıkça şu şekilde ortaya konulabilir:

Bir P fiziksel sistemi bir M birleşimsel durum makinesini uygular; eğer P’nin dahili durumları [s¹, s²,…] bileşenleri biçimine vektörleştiriliyorsa ve s^j alt-durumlarından M’nin karşılık gelen S^j alt-durumlarına bir f eşlemesi bulunuyorsa ve bununla birlikte girdiler ve çıktılar için benzer vektörleştirmeler bulunuyorsa, öyle ki M’nin tüm durum-geçiş kuralı ([I¹,…,I^k], [S¹, S²,…]) -> ([S’¹, S’²,…], [O¹,…,O^l]) : eğer P [s¹, s²,…] dahili durumunda ve [i¹,…, i^n] girdisini alıyorsa ki sırasıyla [S¹, S²,…] biçimsel durumu ve [I¹, …, I^k] girdisine eşlenir, bu onun güvenilir biçimde bir dahili duruma girmesine ve sırasıyla [S’¹, S’²,…] ve [O¹,…, O^l] ile eşlenecek bir çıktı üretmesine neden olur.

Bir kez daha, bu tanıma çeşitli amaçlar için birtakım kısıtlamalar daha eklenebilir ve tanımın çeşitli kısımlarını detaylandırmak için söylenebilecek çok daha fazla şey vardır ama bu teknik detayların tartışılması başka bir forumu beklemelidir (bir yerden başlamak için bkz. (6)). Bu tanım, uygulama teorisi için son nokta değildir ama teorinin temel yapısını ortaya koyar.

Birleşimsel durum makinelerinin sonlu durum makineleri üzerinde pek bir ilerleme olmadığı düşünülebilir. Sonlu birleşimsel durum makineleri, en azından, artık sonlu durum makinelerinden işlemsel olarak daha güçlü değildir; tüm sonlu birleşimsel durum makinelerini aynı girdi ve çıktı davranışlarına sahip bir sonlu durum makinesiyle ilişkilendiren doğal bir uyuşma mevcuttur. Tabii ki, birleşimsel durum makineleri (Turing makineleri gibi) daha güçlüdür, fakat bu gerekçe bile bir kenara bırakıldığında, birleşimsel durum makinelerinin bizim amaçlarımız için sonlu durum makinelerinden daha uygun bir biçimcilik (formalism) olmasının birçok sebebi vardır.

İlk olarak, birleşimsel durum makineleri üzerindeki uygulama koşulları, karşılık gelen sonlu durum makinelerininkinden çok daha kısıtlıdır. Bir birleşimsel durum makinesinin uygulanması birkaç ayrı parça arasında karmaşık nedensel bir etkileşim bulunmasını gerektirir: bu sebeple bir birleşimsel durum makinesi tanımı, bir sistemin nedensel organizasyonunu çok daha ince detaylara kadar kapsayabilir. İkinci olarak, birleşimsel durum makinesi durumlarındaki yapı büyük açıklayıcı (explanatory) fayda sağlayabilir. Bir fiziksel sistemin birleşimsel durum makinesi olarak betimlenmesi karşılık gelen sonlu durum makinesi olarak betimlenmesinden çok daha açıklayıcı olacaktır. [2] Üçüncü olarak, birleşimsel durum makineleri; Turing makineleri, hücresel otomasyon vb. gibi aşina işlemsel objelerin biçimsel organizasyonunu çok daha direkt bir biçimde yansıtır. Son olarak, birleşimsel durum makinesi çerçevesi, hem sonlu hem de sonsuz makineler için birleştirilmiş bir uygulama koşulları açıklamasına olanak sağlar.

Bu tanım, daha spesifik işlemsel biçimcilikler için uygulama koşullarını sağlamak üzere doğrudan uygulanabilir. Bir Turing makinesi için uygulama-koşullarının bir açıklamasını geliştirebilmek amacıyla, diyelim ki, sadece Turing makinesini birleşimsel durum makinesi olarak yeniden tanımlamaya ihtiyacımız vardır. Turing makinesinin genel durumu, (a) kafanın dahili durumunu ve (b) şeridin her bir karesinin durumunu içeren dev bir vektör olarak görülebilir, burada bu durum sırası ile karenin kafa tarafından kullanılıp kullanılmadığını gösteren sıralı bir sembol çifti ve bayraktır (tabii ki sadece bir kare bu kadar kullanılabilir; bu da başlangıç durumu ve durum-geçiş kurallarındaki kısıtlamalarla emniyete alınacaktır). Vektörler arasındaki durum-geçiş kuralları makine-kafasının (machine-head) davranışlarını belirleyen beşlilerden (quintuples) doğal olarak çıkarılabilir. Çoğunlukla anlaşıldığı gibi, Turing makineleri sadece tek bir zaman-adımında (başlangıçta) girdi alır ve şerdin içeriğinden bağımsız olarak bir çıktı üretmez. Bu kısıtlamalar, örneğin ayrı girdi ve çıktı bantları eklenerek, doğal yollarla geçersiz kılınabilir ancak bu şekilde kısıtlanmış girdi ve çıktılarla bile birleşimsel durum makinesi olarak doğal bir tanım vardır. Turing makinesi biçimciliğinden birleşimsel durum biçimciliğine olan bu öteleme ele alındığında şunu söyleyebiliriz ki, berlirli bir Turing makinesi, karşılık gelen birleşimsel durum makinesi uygulandığında uygulanır.

Benzer durum diğer biçimcilikteki işlemlemeler için de geçerlidir. Hatta hücresel otomasyon gibi bazı biçimcilikler daha kolaydır. Diğerleri, örneğin Pascal programları, ise daha karmaşıktır, fakat genel prensipler aynıdır. Her durumda manevra yapılabilecek alan ve belki de alınabilecek bazı soyut kararlar mevcuttur (bir sembol yazmak ve kafayı hareket ettirmek iki durum-geçişi olarak mı yoksa bir tane olarak mı sayılıyor?) ancak çok az şey vereceğimiz kararlara bağlıdır. Aynı zamanda, birleşimsel durum makinesinin tanımında ve uygulamanın karşılık gelen açıklamalarında basit değişiklikler yaparak belirsiz (nondeterministic) ve olasılıklı (probabilistic) otomasyon uygulaması için açıklamalarda bulunabiliriz. Birleşimsel durum makinesi için uygulama teorisi, uygulama teorisi için genel bir temel sağlar.

2.2. Cevaplanan Sorular

Yukarıdaki açıklama karmaşık görünebilir ancak ana fikir oldukça basittir: uygulanan bir işlemleme ve uygulayıcı sistem arasındaki ilişki, ilkinin biçimsel yapısı ile ikincisinin nedensel yapısı arasındaki eşyapılılıktan (isomorphism) biridir. Bu açıdan, uygulama teorisine göre, bir işlemleme basitçe nedensel organizasyonun soyut belirtimidir. Bu sonraki amaçlar için önemli bir noktadır. Bu sırada çeşitli sorulara ve itirazlara cevap verebiliriz.

Tüm sistemler bir miktar işlemleme uygular mı? Evet. Örneğin, her fiziksel sistem tek bir dahili durumu bulunan basit bir sonlu durum makinesi uygular, çoğu fiziksel sistem 2-durumlu devirsel (cyclic) sonlu durum makinesi uygular, vb. Bu bir problem değildir ve kesinlikle açıklamayı mantıksız hale getirmez. Bu sadece tüm sistemlerin tüm işlemlemeleri uyguluyor olması durumunda olurdu ki durum böyle değil.

Tüm sistemler belirli herhangi bir işlemlemeyi uygular mı? Hayır. Verilen karmaşık bir işlemlemeyi uygulama koşulları- diyelim ki, 1000 elementli durum-vektöre sahip, her bir element için 10 olasılık ve karmaşık durum-geçiş ilişkileri olan bir birleşimsel durum makinesi- oldukça az sayıda fiziksel sistemin karşılayabileceği kadar güçlü olacaktır. Gerekli olan şey, Searle (32)’ın etkili bir şekilde önerdiği gibi, sadece sistemin durumlarının birleşimsel durum makinesinin durumlarına eşlenmesi değildir. Ek olarak gerekli olan şey, eşlenen durumların güvenilir durum-geçiş kurallarını karşılamasıdır ki tüm işi bu yapar. Bu durumda, durum-geçiş üzerinde en az 10^{1000} etkili kısıtlılık olacaktır (her bir olası durum-vektör için bir tane ve olası çoklu girdi olması halinde daha fazla). Her bir kısıtlılık en az 10^{1000} olası sonuç içinden birini belirtecektir (her olası çıkan durum-vektör için bir tane ve çıktılar olması durumunda daha fazla). Rastlantısal bir durum kümesinin bu kısıtlılıkları karşılayabilmesi ihtimali (10^{1000})^{10^{1000}}’de 1’den daha azdır (geçişlerin güvenilir olması gerekliliği sebebiyle aslında önemli miktarda daha azdır). Rastgele bir sistemin (Searle’ın duvarı gibi) nedensel yapısının bu kısıtlılıkları karşılayacağını varsaymak için bir sebep yoktur. Maddenin temel bileşenleri hakkında her şeyi bilmiyorken, rastlantısal objelerin tüm işlemlemeleri uygulamadığını kanıtlamanın imkânsız olduğu doğrudur (belki tüm protonlar sonsuz zenginlikte dahili bir yapıya sahiptir), fakat bu sonucu reddeden herkesin oldukça güçlü bir argüman ortaya koyması gerekir.

Belirli bir sistem birden fazla işlemleme uygulayabilir mi? Evet. Birtakım karmaşık işlemlemeleri uygulayan herhangi bir sistem aynı sırada birçok basit işlemlemeyi de uygulayabilir; sadece 1-durum ve 2-durumlu sonlu durum makineleri değil, aynı zamanda belli bir karmaşıklığa sahip işlemlemeler de. Bu mevcut açıklamada bir noksanlık demek değildir, tam aksine beklememiz gereken şeydir. Masamdaki sistem şu anda EMACS’ten saate kadar birçok türde işlemleme ve bunların çeşitli alt-işlemlemelerini uyguluyor. Genel olarak, fiziksel bir nesneden gerçekleştirdiği “o” işlemlemeye kanonik bir eşleme yoktur. Tüm fiziksel sistemlerin içerisinde pek çok işlemleme sistemi olduğunu söyleyebiliriz. Bu çok sınırlı ölçüde, uygulama kavramı “çıkar-bağıl (interest-relative)”dır. Ancak bir kez daha, bir mantıksızlık tehdidi yoktur. Belirli bir sistemin belirli bir işlemlemeyi uygulayıp uygulamayacağı sorusu hala tamamıyla objektiftir. Asıl önemli olan belirli bir sistemin her işlemlemeyi uygulamayacağıdır veya başka bir şekilde aktarmak gerekirse, belirli çoğu işlemleme sadece oldukça sınırlı bir fiziksel sistemler kümesi tarafından uygulanır. Yapay zekâ ve bilişsel bilime yönelik sağlam bir temel için gerekli olan ve verdiğim açıklamanın sağladığı şey budur.

Eğer sindirim bile bir işlemlemeyse, bu mantıksız değil midir? Bu itiraz, sindirim ve oksidasyon gibi şeyler de dahil olmak üzere eğer her süreç bir miktar işlemleme uyguluyorsa, bu durumda, işlemleme oldukça yaygın olduğundan bilişle ilgili özel hiçbir şey kalmıyor hissini ifade eder. Ancak bu itiraz bir yanlış anlaşılmaya dayanır. Sindirimin herhangi verilen bir örneğinin, her fiziksel sistemin yaptığı gibi, bir miktar işlemleme uygulayacağı doğrudur, fakat sistemin bu işlemlemeyi uyguluyor olması genel anlamıyla bunun bir sindirim örneği olmasıyla ilgisizdir. Bunu görebilmek için, aynı işlemlemenin, bir sindirim örneği olmaksızın, çeşitli farklı fiziksel sistemler (benim SPARC’ım gibi) tarafından uygulanmış olabileceğine dikkat çekebiliriz. Bu nedenle, sistemin işlemlemeyi uyguladığı gerçeği sistemde sindirimin varlığından sorumlu değildir.

Buna karşın, biliş için iddia şudur ki bir sistemin bilişsel oluşu bazı işlemlemelerin uygulanması sayesindedir. Yani, belirli bir işlemleme grubu vardır ki bunları uygulayan her sistem bilişseldir. Daha da ileri gidebilir ve her bilişsel sistemin bir miktar işlemleme uyguladığını iddia edebiliriz, öyle ki işlemlemenin her uygulaması aynı zamanda bilişsel olur ve orijinal sistemle pek çok spesifik zihinsel özelliği paylaşır. Bu iddialar elbette tartışmalıdır ve ben de bunları bir sonraki bölümde tartışacağım. Ancak şuna dikkat çekmek gerekir ki, işlemleme ve biliş arasındaki tam da bu ilişki bilişin işlemsel analizine alan açar. Eğer bu ilişki veya bunun gibi bir ilişki geçerli olmasaydı bilişin işlemsel durumu sindiriminkine benzer olurdu.

Peki ya Putnam’ın argümanı? Putnam (28), böyle bir tanımda nerdeyse her fiziksel sistemin her sonlu durum makinesini uyguladığının görülebileceğini iddia etmiştir. Putnam bu sonucu, neredeyse her zaman bir sistemin fiziksel durumlarından bir sonlu durum makinesinin dahili durumlarına bir eşleme olacağını iddia ederek savunmuştur; öyle ki belirli bir zaman periyodunda (bugün saat 12.00’den 12.10’a kadar diyelim) durumlar arasındaki geçişler tıpkı makine tablosunun (machine table) söylediği gibidir. Eğer makine tablosu A durumunun B durumu tarafından takip edilmesini gerektiriyorsa, bu durumda A durumunun her örneği bu zaman periyodunda B durumu tarafından takip edilecektir. Bu tür bir eşleme fiziksel durumların tekrarlanmadığı varsayımı altında, girdisi olmayan bir sonlu durum makinesi için mümkün olacaktır. Biz basitçe sistemin başlangıç fiziksel durumunu işlemlemenin başlangıç biçimsel durumuna ve sistemin ardışık durumlarını işlemlemenin ardışık durumlarına eşliyoruz (mapping).

Ancak, bu sistemin söz konusu sonlu durum makinesini uyguladığını varsaymak, uygulamanın tanımındaki durum-geçiş koşullarını yanlış yorumlamak demektir. Gerekli olan, basitçe A durumunun, verilen zaman periyodunda ortaya çıkan tüm örneklerde B durumu tarafından takip edilmesi değildir. Durumlar arasında güvenilir, karşıolgusal-destekleyici bir bağ olması gerekir. Bir A-> B biçimsel durum-geçişi dikkate alındığında, durum, eğer sistem A durumunda olsaydı B durumuna geçiş yapardı, olmalıdır. Buna ek olarak, bu tür bir koşul sadece koşulları verilen zaman dilimi içinde oluşan durumlar için değil, makine tablosundaki tüm geçişleri karşılamalıdır. Putnam’ın sisteminin bu çok daha güçlü gerekliliği karşılamadığını görmek kolaydır. Aslına bakılırsa, Putnam, modal kuvvete (modal force) sahip koşullar yerine, sadece belli zayıf materyal koşulların karşılanmasını talep etmiştir. Bu sebeple, onun sözde uygulamaları hiçbir şekilde uygulama değildir.

(İki adet not. Birincisi, Putnam sisteminin karşıolgusalları desteklemekte başarısız olduğu iddialarına kısaca cevap vermiştir. Fakat, “eğer sistem A durumunda olmasaydı B durumuna geçiş yapmazdı” formunda olan farklı bir karşıolgusal grubunu ele almıştır. Burada konu ile alakalı olan karşıolgusallar bunlar değildir. İkincisi, Putnam’ın girdisiz sonlu durum makinelerinin yaygın olarak anlaşılmasına yönelik argümanının bir şekilde çözümlenebileceği oraya çıkmıştır; bu sadece, birleşimsel yapıdan tamamen yoksun olmaları nedeniyle girdisiz sonlu durum makinelerinin bilişsel bilim için uygun olmayan biçimcilik formu olduğunu gösterir. Putnam, benzer bir argümanı girdi ve çıktıya sahip sonlu durum makinelerinin yaygın olarak anlaşılması için de sunmaktadır ancak bu argüman yukarıdaki gibi bir itiraza karşı oldukça savunmasızdır ve benzer bir biçimde çözümlenemez. Birleşimsel durum makineleri bu tür bir argümana karşı daha az savunmasızdır. Tüm bunları Chalmers (6)’da çok daha detaylı bir şekilde tartışıyorum.)

Peki ya anlam? Benim işlemleme ve uygulamaya dair açıklamamdaki hiçbir şeyin, dahili durumların temsili içeriği gibi herhangi bir anlamsal değerlendirmeyi gerektirmediği dikkat çekecektir. Bu tam da olması gerekendir: işlemlemeler anlamsal olarak değil sözdizimsel olarak belirtilmiştir. Bununla birlikte, belirli bir işlemlemenin bütün uygulamalarının bir tür anlamsal içeriği paylaşıyor olması oldukça olası olsa da bu, tanıma yerleştirilmekten ziyade işlemleme ve uygulamanın açıklamasının bir sonucu olmalıdır. Eğer uygulama koşullarına anlamsal değerlendirmeler dahil edersek, işlemlemenin yapay zekâ ve bilişsel bilim için bir temel sağlamada oynayabileceği herhangi bir rol tehlikeye girecektir çünkü anlamsal içerik konsepti o kadar yanlış anlaşılmıştır ki kendisinin başlı başına bir temele ihtiyacı vardır.

Turing makinelerinin Turing (35) tarafından yapılan orijinal açıklamasında kesinlikle herhangi yerleşik bir anlamsal kısıtlılık yoktur. Bir Turing makinesi tamamıyla dahil edilen mekanizmalar bağlamında, yani sözdizimsel modeller ve bunların dönüştürülme biçimleri açısından tanımlanır. Bir Turing makinesini uygulayabilmek için, sadece bu biçimsel yapının uygulamanın nedensel yapısında yansıtıldığından emin olmamız gerekir. Bazı Turing makineleri kesinlikle sistematik anlamsal bir yorumlamayı destekleyecektir ki bu durumda uygulamaları da aynı şekilde, ancak bu durum bir Turing makinesinin ne olduğu veya bir Turing makinesini uygulayabilme tanımında hiçbir rol oynamaz. Bu eğer, rastgele durum-geçiş beşlileri tarafından tanımlanan makineler gibi, hiçbir önemsiz olmayan anlamsal yorumlamayı (non-trivial semantic interpretation) desteklemeyen bazı Turing makineleri olduğunu dikkate alırsak oldukça açık bir hale gelecektir. Bu makineleri uygulamanın ne olduğuna dair bir açıklamaya ihtiyacımız vardır ve bu açıklama, sonrasında anlamsal yorumlamayı destekleyen makinelere genelleşecektir. Şüphesiz, bilgisayar tasarımcıları makinelerinin uygulamaları gereken programları uyguladıklarından emin olduklarında, bunu mekanizmaların doğru nedensel organizasyona sahip olduğundan emin olarak yapacaklardır; anlamsal içerikle ilgilenmeyeceklerdir. Haugeland (18)’ın da dediği gibi, eğer siz sözdizimi hallederseniz, anlam kendi kendini halledecektir.

İşlemleme kavramının anlamsal içeriğe bağlı olmaması gerektiğini söyledim; ancak ne de ikinci kavram ilkine bağlı olmalıdır. Daha ziyade, hem işlemleme hem de içerik ortak bir nedensellik kavramına bağlı olmalıdır. Birinci bağlılığı, işlemlemenin yukarıdaki açıklamasında gördük. İçerik kavramı da aynı şekilde nedensellik bakımından sıklıkla analiz edildi (bkz. (9) ve (13)). İşlemlemenin ve içeriğin analizindeki bu ortak nokta, bir yandan her ikisinin de kendi analizi için bir diğerine bağlı olmamasını garanti ederken bir yandan da iki kavramın bağımsız olarak hareket etmelerinin engellenmesine olanak sağlayacaktır.

Peki ya bilgisayarlar? Searle (32) bir şeyin “dijital bilgisayar” olabilmesi için gerekenlerden bahsetmiş olsa da, ben sadece işlemlemeden bahsettim ve bilgisayarlardan söz etmekten kaçındım. Bu kastidir çünkü işlemleme bana daha temel ve kesinlikle yapay zekâ ve bilişsel bilim için daha önemli olan bir kavram olarak görünmüştür. Yapay zekâ ve bilişsel bilim kesinlikle bilişsel sistemlerin bilgisayar olmasını gerektirmez; tabii bir bilgisayar olabilmek için gereken tek şeyin bazı işlemlemeleri uygulamak olduğunu şart koşmadıkça, ki bu durumda tanım anlamsız olacaktır.

Bir şeyin bilgisayar olması için ne gerekir? Tahminen, bir bilgisayar sadece tek bir işlemlemeyi uygulamaz. Birçok işlemlemeyi uygulama kapasitesinin olması gerekir; yani programlanabilir olmalıdır. Daha aşırı bir durumda, bir bilgisayar evrensel yani herhangi bir yinelemeli sayılabilir fonksiyonu hesaplamaya programlanabilir olacaktır. Evrensellik belki bir bilgisayardan beklenmez, ama programlanabilirlik kesinlikle beklenir. Bilgisayarları yukarıda bahsedilen uygulama teorisine dahil edebilmek için, bir bilgisayarın belirli parametlere sahip bir birleşimsel durum makinesi olmasını isteyebiliriz, öyle ki bu parametlerin nasıl ayarlandığına dayanarak birçok farklı birleşimsel durum makinesi uygulanabilir. Bunlar ışığında, örneğin, parametrelerin banttaki “program” sembollerine karşılık geldiği evrensel bir Turing makinesi görülebilir. Her halükarda, bu tür bir bilgisayar teorisi biliş çalışmaları için gerekli değildir.

Beyin bu manada bir bilgisayar mıdır? Bu tartışmalıdır. Başlangıç olarak, beyin bilinçli bir seri kural-takibi (rule-following) gibi zahmetli bir araçla çeşitli işlemlemeleri uygulamaya “programlanabilir” ancak bu hayli tesadüfi bir yetenektir. Farklı bir açıdan, öğrenmenin bir tür programlanabilme ve parametre-ayarı sağladığı öne sürülebilir, fakat bunun, bu şekilde tanımlanamayacak kadar dolaylı bir parametre-ayarı türü olduğu iddia edilebilir. Her durumda, bu soru bizim amacımız için önemsizdir. Asıl önemli olan, beynin bir bilgisayar olması değil, çeşitli karmaşık işlemlemeleri uyguluyor olmasıdır.

3. İşlemleme ve Biliş

Yukarıda bahsedilen bölüm hikâyenin sadece yarısıdır. Şimdi ise yukarıdaki işlemleme ve uygulama açıklamasını, işlemleme ve biliş arasındaki ilişkiye genel bir çerçeve çizmek ve işlemlemenin yapay zekâ ve bilişsel bilim için oynadığı temel rolü gerekçelendirmek için kullanacağız.

İşlemsel yeterlilik tezinin gerekçelendirilmesi şu ana kadar genellikle sağlam temellere dayanmamıştır. Belki de en yaygın hamle, belirli bir işlemlemenin her uygulamasının belirli bir tür davranışa sahip olacağına dikkat çeken ve doğru türde bir davranışın zihinsellik için yeterli olduğunu iddia eden Turing testine başvurmak olmuştur. Ancak Turing testi zayıf ve yapay zekânın başvurmaya ihtiyaç duymadığı bir temeldir. Herhangi davranışsal bir betimleme, zihinsellikten tamamen yoksun sistemler tarafından uygulanabilir (Block (2)’ın devasa arama tabloları gibi). Davranış zihin için yeterli olsa bile, mantıksal davranışçılığın sonlanması, davranışın spesifik zihinsel özellikler için yeterli olabilmesini mantıksız kılmıştır: zihinsel olarak ayrı iki sistem aynı davranışsal eğilime sahip olabilir. Bu durumda biliş için işlemsel bir temel bundan daha sıkı bir bağlantı gerektirecektir.

Bunun yerine, işlemlemenin üzerinde duracağım temel özelliği, daha önce de belirttiğimiz; bir işlemlemenin, bir sistemin nedensel organizasyonunun soyut bir belirtimini sağladığı gerçeğidir. Nedensel organizasyon işlemleme ve biliş arasındaki bağlantı noktasıdır. Eğer bilişsel sistemler, nedensel organizasyonları sayesinde kendi zihinsel özelliklerine sahiplerse ve eğer bu nedensel organizasyonlar işlemsel olarak belirtilebilir olursa bu durumda işlemsel yeterlilik tezi kurulmuş olur. Benzer şekilde, eğer davranışın açıklanmasıyla öncelikli olarak ilişkili olan şey bir sistemin nedensel organizasyonuysa, bu durumda işlemsel açıklama tezi kurulmuş olacaktır. Yukarıdaki açıklama ile her zaman, ilgili nedensel organizasyonun ve dolayısıyla bilişin dayandığı özelliklerin işlemsel belirtimini yapabileceğiz.

3.1. Örgütsel Değişmezlik

Bu konuyu daha detaylı açıklamak için, bir sistemin nedensel topolojisi (causal topology) kavramını tanıtacağım. Nedensel topoloji bir sistemin soyut nedensel organizasyonunu, yani, tek tek parçalarının yapısından ve nedensel bağlantıların uygulama şeklinden soyutlanmış, sistemin parçaları arasındaki etkileşim modelini temsil eder. Nedensel topoloji, bir grafik veya ağın statik topolojisine (static topoloji) benzer bir dinamik topoloji (dynamic topoloji) olarak düşünülebilir. Herhangi bir sistem birkaç farklı seviyede nedensel topoloji bulunduracaktır. Bilişsel sistemler için, ki bizim de ilgilenecek olduklarımız bunlardır, uygun seviyedeki nedensel topoloji davranışın nedenselliğini belirleyecek kadar iyi bir seviyede olacaktır. Beyin için, sadece beynin bilişsel mekanizmalarının nasıl çalıştığına dayanarak, bu büyük olasılıkla nöral seviye veya daha yüksek bir seviye olacaktır. (Nedensel topoloji kavramı şu an için zorunlu olarak biçimsel değildir, bunun biçimselleştirilmesini daha sonra tartışacağım.)

Bir P niteliğine, nedensel topoloji bakımında bir değişmez ise, yani sistemdeki nedensel topolojiyi koruyan herhangi bir değişiklik P’yi de koruyorsa, örgütsel değişmez (organizational invariant) diyelim. Söz konusu değişiklikler şunları kapsamaktadır: (a) sistemi uzayda hareket ettirmek: (b) sistemi germek, bozmak, genleştirmek ve büzmek; © sistemin yeteri kadar küçük olan parçalarını aynı bölgesel fonksiyonu yürüten parçalarla değiştirmek; (ör. bir nöronu aynı girdi/çıktı özelliklerine sahip silikon bir çip ile değiştirmek); (d) bir sistemin parçaları arasındaki nedensel bağları aynı bağlılık modellerini koruyan diğer bağlarla değiştirmek (ör. bir telefon içindeki mekanik bağı elektrik bağıyla değiştirebiliriz) ve (e) sistemin parçaları arasındaki nedensel etkileşim modelini değiştirmeyecek diğer değişiklikler.

Çoğu nitelik örgütsel değişmez değildir. Uçabilme niteliği, örneğin, bir örgütsel değişmez değildir: bir uçağı, nedensel topolojisini koruyarak yere indirebiliriz ve bu durumda artık uçmayacaktır. Sindirim de aynı şekilde: nedensel modelleri korurken, sindirimle alakalı parçaları adım adım metal parçalarıyla değiştirirsek, bir süre sonra artık bu bir sindirim örneği olmayacaktır, hiçbir besin grubu ayrışmayacak ve bir enerji açığa çıkmayacaktır, vb. Bir diş macunu tüpü olma niteliği örgütsel değişmez değildir; eğer tüpü bir çember haline getirirsek veya nedensel topolojiyi korurken diş macununu fıstık ezmesiyle değiştirirsek, bu durumda artık bir diş macunu tüpümüz olmayacaktır.

Genel itibariyle çoğu nitelik, özünde nedensel topoloji özelliği olmayan belirli özelliklere dayanır. Uçmak yüksekliğe, sindirim belirli fizikokimyasal bir yapıya, diş macunu tüpü bir şekle ve fizikokimyasal yapıya, vb. dayanır. Süreç boyunca nedensel topoloji korunuyor olsa bile, söz konusu özellikleri yeteri kadar değiştirdiğinizde ilgili nitelik değişecektir.

3.2. Zihinsel Niteliklerin Örgütsel Değişmezliği

Bu bölümün temel iddiası çoğu zihinsel niteliğin örgütsel değişmez olduğudur. Bir bilişsel sistemi ne kadar gerdiğimiz, yerini veya küçük parçalarını değiştirmemiz önemli değildir; sistemin nedensel topolojisini koruduğumuz sürece zihinsel niteliklerini koruyor olacağız. [3]

Kısmen çevrenin durumuna bağlı olan nitelikler için bir istisna yapmak gerekmektedir. Bu tür nitelikler bilgiyi (P’yi bilen bir sistemi P’nin doğru olmadığı bir çevreye taşıdığımızda, artık bu P’yi tanımayacaktır) ve inancın içeriğinin çevresel bağlama dayandığı bazı yorumlardaki inancı kapsar. Ancak, sadece dahili (beyin) duruma dayanan zihinsel nitelikler örgütsel değişmezdir. Bu, nedensel topolojinin bilgi ve inançla alakasız olduğunu söylemek anlamına gelmez. Bu niteliklere dâhili (internal) katkısını yine de yakalayacaktır- yani nedensel topoloji, beynin katkı sağladığı kadar katkı sağlayacaktır. Yalnızca, çevre de bir rol oynayacaktır.

Temel iddia zihinsel niteliklerin iki çeşide bölünmesiyle gerekçelendirilebilir: inanç, öğrenme ve algı gibi nedensel rolleriyle karakterize olan psikolojik nitelikler ve bilinçli olarak deneyimlenme şekilleriyle karakterize olan fenomenal nitelikler. Psikolojik nitelikler zihnin yaptığı türde şeylerle ilgilenirler ve fenomenal nitelikler bunların nasıl hissettirdiği ile ilgilenirler. (Bazıları, inanç gibi niteliklerin birinciden ziyade ikinci grupla ilişkilendirilmesi gerektiğini öne sürmüştür; ben ise bunun doğru olduğunu düşünmüyorum, ancak burada hiçbir şey buna bağlı olmayacaktır.)

Psikolojik nitelikler, diğerlerinin yanı sıra Armstrong (1) ve Lewis (19)’in de öne sürdüğü gibi, genel nedensel sistem içindeki rolleriyle etkin bir şekilde tanımlanırlar: farklı durumlar arasındaki etkileşim modeli bir sistemin psikolojik niteliklerinin belirleyicisidir. Aynı nedensel topolojiye sahip sistemler, aynı durumlar arasındaki nedensel etkileşim modellerini paylaşacaklardır ve bu nedenle, Lewis (19)’in analizine göre, (çevreyle olan ilişkileri uygun olduğu müddetçe) aynı psikolojik nitelikleri paylaşacaklardır.

Fenomenal nitelikler daha problematiktir. Lewis ve Armstrong da dahil olmak üzere çoğu bu şekilde düşünse de, bunların kendi nedensel rolleri üzerinden tanımlanmaları pek olası görünememektedir. Bilinçli bir deneyim olmak bazı rolleri yerine getirebilmek değil, daha ziyade belirli bir hisse sahip olmaktır. Nagel (22)’ın ifadesiyle, bu nitelikler onlara sahip olmanın nasıl bir şey olduğu üzerinden vasıflandırılırlar. Fenomenal nitelikler hala oldukça gizemli ve anlaşılmazdırlar.

Bununla birlikte, ben, başka bir yerde de bahsettiğim üzere, bunların örgütsel değişmez olarak görülebileceği kanaatindeyim. Buna yönelik argüman, çok kısaca, olmayana ergidir (reductio). Bilinçli deneyimin örgütsel değişmez olmadığını varsayalım. Bu durumda burada, aynı nedensel topolojiye sahip fakat farklı bilinçli deneyimlere sahip sistemler var olur. Bunu, nöronlar ve silikon gibi sistemlerin farklı materyallerden yapılmış olmasına bağlayalım; benzer bir argüman diğer türdeki farklılıklar için de verilebilir. İki sistem aynı nedensel topolojiye sahip olduğu için, (prensipte) ilk sistemi, nöronları birer birer aynı girdi/çıktılı silikon çiplerle değiştirir gibi sadece aşamalı değişiklikler yaparak, etkileşimin genel modeli süreç boyunca aynı kalacak şekilde ikinci sisteme dönüştürebiliriz. Ara sistemler yelpazesinde, sistemin yüzde onundan daha azını değiştirdiğimiz ama bilinçli deneyimi farklılaşan iki sistem olmalıdır. Bu iki, N ve S sistemini ele alalım, birinin devresinin nöral diğerinin silikon olması dışında tamamen özdeştirler.

Bu düşünce deneyindeki anahtar adım N’deki ilgili nöral devreyi ele alarak yanına, iki devre arasında bir anahtarla birlikte, nedensel olarak eşbiçimli yedek silikon devre kurmaktır. Anahtarı açtığımızda veya kapattığımızda ne olur? Hipoteze göre, sistemin bilinçli deneyimi değişecektir: örnekleme amacıyla diyelim ki, parlak kırmızı bir deneyimden parlak mavi bir deneyime değişecektir (veya soluk kırmızıya veya herhangi başka bir şeye). Öncesinde sadece N iken bu değişimden sonra sistem S’nin bir versiyonudur.

Ancak varsayımlar göz önüne alındığında, sistemin bu değişiklikleri fark etmesine olanak yoktur. Kendi nedensel topolojisi durağandır, bu nedenle tüm işlevsel durumları ve davranışsal yapıları sabitleştirilmiştir. Eğer fark etme hali (olması gerektiği gibi) işlevsellikle tanımlanırsa, bu durumda herhangi bir fark etme yaşanması için yer yoktur, eğer değilse, buradaki herhangi bir fark etme gerçekten de kuvvetsiz bir olay gibi görünecektir. Eğer Descartes’çı bir alemde başıboş bir şekilde dolaşmıyorsa, “Hmm! Az önce garip bir şey oldu!” gibi bir düşünceye kesinlikle yer yoktur. [4] Böyle bir düşünce olsaydı bile, tamamıyla etkisiz olurdu; sistem içinde hiçbir süreç değişimine yol açamazdı, ki bundan bahsedemezdi bile. (İkame, işlemede bazı değişiklikler sağlayacak olsaydı, sistemler sonuçta aynı nedensel topolojiye sahip olmayacaktı. Argümanın bir olmayana ergi (reductio) biçiminde olduğunu hatırlayalım.) Hatta anahtarı, kırmızı ve mavi deneyimlerin sistemin dahili gözünde “dans etmeleri” için birçok kez çevirebiliriz; hiçbir zaman fark etmeyecektir. Bu, bence, orijinal hipotezin olmayana ergi yöntemidir (reductio ad absurdum): eğer birinin deneyimleri değişirse, bunu potansiyel olarak bazı nedensel farklılıklar yapacak şekilde fark edebilir. Bu nedenle orijinal varsayım yanlıştır ve fenomenal nitelikler örgütsel değişmezdirler. Bu, tabii ki üzerinde daha detaylı bir şekilde çalışmayı gerektiriyor. Bu “Dans Eden Kualiaya (Dancing Qualia)” dair detayları ilgili “Solan Kualia (Fading Qualia)” argümanıyla birlikte Chalmers (5)’de veriyorum.

Eğer tüm bunlar işe yararsa, çoğu zihinsel niteliğin örgütsel değişmez olduğu ortaya konulmuş olur: ince-taneli (fine-grained) nedensel topolojilerini paylaşan herhangi iki sistem, çevrenin katkılarını modüle ederek zihinsel niteliklerini paylaşacaklardır.

3.3. Tezlerin Gerekçelendirilmesi

İşlemsel yeterlilik tezini oluşturabilmek için, tüm yapmamız gereken örgütsel değişmezlerin bazı işlemsel yapılar tarafından sabitlenmesini sağlamaktır. Bu oldukça açıktır.

Bir örgütsel değişmez niteliği sadece sistemin parçaları arasındaki bazı nedensel etkileşim modellerine dayanır. Böyle bir modele dayanarak, bunu açıkça bir birleşimsel durum makinesi betimlemesine dahil edebiliriz: sistemin parçaları birleşimsel durum makinesi durum-vektörlerinin elementlerine karşılık gelecektir ve etkileşim modelleri durum-geçiş kurallarıyla ifadece edilecektir. Her bir parça, parçalar arasındaki nedensel bağlılıkla alakalı sonlu sayıda duruma sahip olduğu sürece ki gerçekçi olarak bakıldığında, işlevleri sonsuz kesinliğe bağlı olamayacak herhangi bir biyolojik sistem için bu geçerlidir, bu durum doğrudan işe yarayacaktır. (Analog nicelikle ilgili durumu aşağıda daha detaylı olarak tartışıyorum.) Bu birleşimsel durum makinesini uygulayan her sistem orijinal sistemin nedensel topolojisini paylaşacaktır. Doğrusu, birleşimsel durum makinesi biçimciliğinin nedensel topoloji kavramının mükemmel bir biçimselleştirilmesini sağladığı ortaya çıkmıştır. Bir birleşimsel durum makinesi betimlemesi bir sistemin parçalara ayrılmasını, her bir parça için bir durum uzayı ve bu durumlar arasında bir etkileşim modeli belirtir. Bu tam da nedensel topolojinin temelini sağlayan şeydir.

Eğer daha öncekiler doğruysa bu, işlemsel yeterlilik tezini ve dolayısıyla Searle’ın “güçlü yapay zekâ” dediği, herhangi bir uygulaması zihinsellik bulunduran bazı işlemlemelerin var olduğu görüşünün doğruluğunu ortaya koyar. Bir beynin ince taneli (fine-grained) nedensel topolojisi bir birleşimsel durum makinesi olarak belirtilebilir. Bu birleşimsel durum makinesinin herhangi bir uygulaması belirtilen nedensel topolojiyi ve bu sebeple beyinden ortaya çıkan örgütsel değişmez zihinsel nitelikleri paylaşacaktır.

İşlemsel açıklama tezi de benzer şekilde gerekçelendirilebilir. Zihinsel nitelikler örgütsel değişmez olduğundan, bağlı oldukları fiziksel nitelikler nedensel organizasyon nitelikleridir. Zihinsel niteliklere herhangi bir şekilde fiziksel açıdan açıklama getirilmek istendiği sürece, sistemin nedensel organizasyonu yönünden açıklanabilirler. [5] Eğer istersek daha fazla niteliğe (uygulamaya yönelik detaylara) başvurabiliriz, ancak bunların açıklama için hayati önem arz etmediği açıktır. Bir elementin nöral veya elektronik yapısı birçok amaç açısından alakasızdır; daha açık olmak gerekirse yapı, sadece elementin sistem içindeki nedensel rolünü belirlediği sürece ilgilidir. Aynı nedensel role sahip farklı fiziksel yapıdaki bir element de aynı işlevi görecektir. Bunu söylemek, örneğin, nöral niteliklerin açıklamayla tamamen ilgisiz olduğu gibi mantıksız bir iddia ortaya koymak değildir. Bir sistemin nedensel organizasyonunu incelemenin en iyi yolu çoğunlukla onun nöral niteliklerini incelemekten geçer. İddia basitçe şudur ki; nöral özelliklerin ne dereceye kadar açıklamayla ilişkili olduğu, bir sistemin nedensel organizasyonunu belirlemede oynadıkları rollerin sonucudur.

Davranışın açıklanmasında da nedensel organizasyon merkezde yer alır. Bir sistemin davranışı, bunun altında yatan nedensel organizasyon tarafından belirlenir ve işlemleme çerçevesinin bize bu organizasyonun belirtilebileceği ideal bir dil sağladığını görürüz. Örneğin bir sistemin alt durumları arasındaki nedensel etkileşim modeline bakıldığında, bu modeli yakalayan bir birleşimsel durum makinesi betimlemesi olacaktır. Bu tür bir işlemsel betimleme, davranışın açıklanması için genel bir çerçeve sağlar.

Bazı açıklayıcı amaçlar için, örgütsel değişmez olmayan bazı niteliklere başvuracağız. Eğer bilişin biyolojik temelleriyle ilgileniyorsak, nöral niteliklere başvururuz. Konumlanmış bilişi (situated cognition) açıklamak için, çevresel niteliklere başvurabiliriz. Bu normaldir; işlemsel açıklama tezi münhasır bir tez değildir. Yine de genellikle nöral niteliklerle, nedensel organizasyonu belirlediği ölçüde; çevre nitelikleriyle bir sistemin işleme modelini etkilediği ölçüde, vb. ilgileniriz. İşlemleme, bu diğer faktörlerin üzerine eklemeler yapabileceği genel açıklayıcı bir çerçeve sağlar. [6]

3.4. Bazı İtirazlar

Biliş için işlemsel bir temel iki açıdan sorgulanabilir. İlk itiraz türü, işlemlemenin bilişin yaptığını yapamayacağı; belki de insan bilişindeki nedensel yapının işlemsel betimlemenin sağlayabileceğinin ötesine geçtiğinden dolayı işlemsel benzetiminin (simulation) örneğin insan davranışsal kapasitelerini bile, tekrar üretemeyeceğini iddia etmektedir. İkincisi işlemlemenin kapasiteleri yakalayabileceğini kabul eder, ancak gerçek zihinsellik için çok daha fazlasının gerektiğini öne sürer. İkinci türden dört adet ve sonrasında ilk türden üç adet itirazı ele alacağım. Bu itirazların çoğunun cevabı yukarıda geliştirilen çerçevenin direkt dışında kalmaktadır.

Fakat işlemsel model sadece bir simülasyondan ibaret! Bu itiraza göre, Searle (30), Harnad (17) ve diğer birçoklarına istinaden, bir fırtınanın bilgisayar modelinin gerçek bir fırtına olmasını beklemeyiz, öyleyse zihnin bilgisayar modeli neden gerçek bir zihin olsun? Ancak bu örgütsel değişmezlikle ilgili önemli bir noktayı gözden kaçırmaktır. İşlemsel bir benzetim (simulation) sadece biçimsel soyutluk değildir, kendine özgü zengin dahili dinamiklere sahiptir. Uygun bir şekilde tasarlandığı takdirde, sistemin modellenen nedensel topolojisini paylaşacaktır, böylece sistemin örgütsel olarak değişmez nitelikleri sadece taklit edilmeyecek (simulate), tekrarlanacaktır.

İşlemsel bir modelin belirli bir niteliği taklit mi ettiği yoksa tekrarladığı mı sorusu, niteliğin örgütsel değişmez olup olmadığı sorusuna bağlıdır. Bir fırtına olma niteliği, sözgelimi rüzgâr ve havanın dahil olması “fırtınalılık” kavramının kendisi için gerekli olduğundan dolayı, açıkça örgütsel bir değişmez değildir. Aynı durum, spesifik fiziksel elementler tanımlayıcı bir rol oynadıkları için sindirim ve sıcaklık gibi nitelikler için de geçerlidir. Bilişin örgütsel değişmezliğine bu tür bariz bir itiraz yoktur, dolayısıyla bu durumlar benzer değildir ve dahası, yukarıda ben zihinsel nitelikler için örgütsel değişmezliğin aslında geçerli olduğunu öne sürdüm. Buradan, işlemsel olarak zihnin dengi olan bir modelin kendisinin bir zihin olduğu anlaşılır.

Sözdizim ve anlam. Searle (31) şu ifadeleri savunmuştur: (1) Bir bilgisayar programı sözdizimseldir; (2) Sözdizim anlam için yeterli değildir; (3) Zihinler anlama sahiptir; bu sebeple (4) Bir bilgisayar programının uygulanması zihin için yetersizdir. İkinci önermeyle ilgili endişeleri bir kenara ayırdığımızda, bu argümanın programlar ve bu programların uygulanması arasında ikilemde kaldığını söyleyebiliriz. Programların kendileri sözdizimsel objeler olurken, uygulamalar değildir: bunlar karmaşık nedensel organizasyonlara sahip ve içinde gerçek fiziksel nedenselliklerin olduğu, gerçek fiziksel sistemlerdir. Elektronik bir bilgisayarda, örneğin, devreler ve voltajlar, nöronlar ve aktivasyonların birbirini itmesine benzer şekilde birbirini itmektedir. Tam da bu nedensellik sebebiyle, uygulamalar, bilişsel ve dolayısıyla anlamsal niteliklere sahiptir.

Burada bütün işi yapan uygulama kavramıdır. Bir program ve bunun fiziksel uygulaması birbirine eş olarak görülmemelidir- bunlar tamamen farklı seviyelere bağlıdırlar ve tamamen farklı niteliklere sahiptirler. Sözdizimsel olan programdır ve anlamsal içeriğe sahip olan uygulamadır. Tabii ki, tıpkı beynin nasıl anlamsal içeriğe sahip olabildiği sorusunun var olması gibi, bir uygulamanın nasıl anlamsal içeriği sahip olabildiğiyle de ilgili hala önemli bir soru bulunmaktadır. Fakat bir kere program yerine uygulamaya odaklandığımızda, en azından doğru yerde olduğumuz söylenebilir. Belli belirsiz sözdizimsel bir objedense, nedensel öneme sahip bir fiziksel sistemden bahsediyoruz. Eğer beyinlerin, nedensel organizasyonları ve nedensel ilişkileri sayesinde anlamsal niteliklere sahip olduklarını kabul edersek, ki bu oldukça makuldür, bu durumda aynı şey uygulamalar için de geçerlidir. Sözdizim anlam için yeterli olmayabilir ama doğru türdeki bir nedensellik yeterlidir.

Çince Odası. Burada Searle’ın meşhur Çince odası argümanını detaylı olarak ele almaya gerek yoktur. Ancak verdiğim açıklamanın, simülasyonu yapan homunkulüs anlamasa da tüm sistemin Çince anladığına dayanarak, “Sistemler yanıt verir” ifadesini desteklediğine dikkat çekmek gerekir. Genel sistemin bir beyni her bir nöronuna kadar taklit ettiğini varsayalım. Bu durumda herhangi bir uygulama gibi, önemli nedensel organizasyonları beyinle paylaşacaktır. Bilhassa, eğer her bir nöron için bir sembol varsa, bu sembolleri taşıyan kâğıt parçaları arasındaki etkileşim modelleri beyindeki nöronlar arasındaki etkileşim modellerini yansıtacaktır, vb. Bu organizasyon barok tarzında uygulanmıştır, fakat bu barok tarzının bizi nedensel organizasyonun- gerçek, fiziksel nedensel organizasyonun- orada olduğu gerçeğine karşı kör etmesine izin vermemeliyiz. (Aynı şey bilişin, paylaşılan nedensel organizasyonların daha iri taneli (coarser) bir seviyede olduğu, nöral seviyeden daha üst seviyede bir biliş benzetimi için de geçerlidir.)

Sistemin zihinsel niteliklere sahip olması tam da bu nedensel organizasyonlar sayesindedir. Bunu görebilmek için “dans eden kualia” argümanının bir versiyonunu yeniden çalıştırabiliriz. Prensipte, küçük adımlarla, her adımda nöronları aynı nedensel işi yapan küçük hayalet programlarla (demons) değiştirerek ve ardından iki komşu hayalet programını aynı işi yapan tek bir programla değiştirerek yavaş yavaş emeği azaltma yoluyla, beyinden Çince odası simülasyonuna ulaşabiliriz. Neticede, herhangi gerçek bir nörona gereksinim duymadan, tek bir hayalet programın nedensel organizasyonu sürdürmede sorumlu olduğu bir sisteme ulaşırız. Bu organizasyon kâğıt üzerindeki işaretler arasında sürdürülebilir veya hatta eğer hesaplamalar ezberlendiyse, bu küçük parçanın kendi kafasının içinde bile var olabilir. Örgütsel değişmezlik ile ilgili argümanlar burada geçerlidir- öncekilerle aynı sebeplerden dolayı, sistemin deneyimlerinin değişeceğini veya kaybolacağını varsaymak mantıksızdır.

Düşünce deneyini bu şekilde yapmak deneyimlerin hayalet program (demon) tarafından sahip olunmasını beklemememiz gerektiğini açıklığa kavuşturmuştur. Hayalet program basitçe, durumların birbirleriyle uygun nedensel ilişkileri olduğunu sağlama alan bir tür nedensel kolaylaştırıcıdır. Bilinçli deneyimler bir bütün olarak sistem tarafından edinilecektir. Sistem hayalet programın içinde programın ezberlemesi sayesinde uygulanmış olsa dahi, hayalet programın kendisiyle karıştırılmamalıdır. Hayalet programın, kafatasının içine giren bir karıncanın deneyimlerini paylaşacağını varsaymayacağımız gibi uygulanan sistemin deneyimlerini paylaşacağını da varsaymamalıyız: her ikisi de tek bir fiziksel mekân içinde uygulanan işlemsel sistemlerdir. Ayrı işlemsel sistemlerden ortaya çıkan zihinsel nitelikler birbirinden oldukça ayrı olacaktır, örtüştüklerini varsaymak için hiçbir sebep yoktur.

Peki ya çevre? Bilgi ve hatta inanç gibi bazı zihinsel nitelikler çevrenin belirli bir şekilde olmasına bağlıdırlar. Ana hatlarıyla belirttiğim gibi, işlemsel organizasyon çevresel katkıyı saptayamaz ve dolayısıyla bu tür bir zihinsel niteliği garanti edemez. Fakat bu bir problem değildir. İşlemsel organizasyonun bize vermesi gereken tek şey, zihinsel niteliklere olan dahili katkıdır, yani beynin yaptığı katkının aynısıdır (örneğin, işlemsel organizasyon, eğer varsa, inancın sözde “kısıtlı içeriğini” saptayacaktır. bkz. (13)). Zihinsel niteliklerin tamamı, tıpkı beyin-artı-çevre ile saptanabildiği gibi, sadece işlemleme-artı-çevre ile saptanabilir. Bu düşünceler yapay zekânın beklentilerine karşı sayılmazlar ve işlemsel bilişsel bilimin gerekliliklerini, nörobilimin gerekliliklerini etkilediklerinden daha fazla etkilemezler.

Biliş işlemlenebilir midir? Önceki tartışmada, işlemlemenin en azından insanın bilişsel kapasitesini taklit edebildiğini kesin kabul ederek bunun özbeöz zihinsellik olarak sayılacağını tartışmakla ilgilenmiştim. Üzerinde durulan ilk nokta, ikincisinin tartışmalarını yöneten yapay zekâ karşıtları tarafından sıklıkla kabul görmüştür (ör. Searle (30)), fakat tartışma götürmez değildir.

Bu bir noktaya kadar ampirik bir problemdir, ancak ilgili kanıt oldukça sağlam bir şekilde işlemlemenin tarafındadır. Düşük-seviyeli fizik yasalarının işlemsel olduğuna inanmak için birçok sebebimiz vardır. Eğer öyleyse bu durumda, düşük-seviyeli nörofizyolojik işlemler işlemsel olarak taklit edilebilirdir ve bundan, beyin bir nörofizyolojik parça ağından oluştuğundan, tüm beyin fonksiyonunun da aynı şekilde işlemlenebilir olduğu sonucu çıkar. Bazıları bu önermeye itiraz etmiştir: Penrose (24) örneğin, kuantum yerçekiminin etkilerinin işlemlenemez olduğunu ve bu etkilerin bilişsel işleyişte bir rol oynayabileceğini iddia etmiştir. Bu spekülasyonu desteklemek için herhangi bir argümanı yoktur, fakat güncel fiziksel teoride bu tür bir işlemlenemezliğin kanıtı yoktur (konuya dair bir tartışma için bkz. Pour-El ve Richards (26)). Doğanın temel yasalarının işlemlenemez olduğunun keşfi gibi radikal bir gelişmenin başarısız olmasıyla birlikte insan bilişinin işlemsel olarak modellenebileceğine inanmak için her türlü sebebimiz vardır.

Peki ya Gödel’in teoremi? Gödel’in teoremi, herhangi tutarlı biçimsel bir sistem için, sistem içinde kanıtlanamayan aritmetik ifadeler olduğunu belirtir. Bu bazılarının (Lucas (20); Penrose (24)) insanlarda herhangi işlemsel bir sistem tarafından kopyalanamayacak yetiler olduğu sonucuna varmasına yol açmıştır. Örneğin, biçimsel bir sistemin Gödel cümlesinin doğruluğunu “görebilme” yetimizin algoritmik olmadığı ileri sürülmüştür. Cevabı mevcut çerçevenin doğrudan bir uygulaması olmadığı için bu itirazla burada daha detaylı ilgilenmeyeceğim. Basitçe, rastlantısal Gödel cümlelerinin doğruluğunu görebileceğimiz argümanı, herhangi biçimsel bir sistemin tutarlılık veya tutarsızlığını saptayabilme yetisine sahip olmamızı gerektirir ve genel anlamıyla bu yetiye sahip olduğumuza inanmak için bir sebebimiz olmadığı belirteceğim. (Bu konu hakkında daha fazlası için bkz. Putnam (27), Bowie (4) ve Penrose (25) üzerine yorumlar.)

Ayrıklık ve süreklilik. Önemli itirazlardan biri, birleşimsel durum makinesi biçimciliğinin sadece ayrık (discrete) nedensel organizasyonları yakaladığını belirterek bazı bilişsel niteliklerin bu organizasyonun, analog değerler ve kaotik bağlılıklar gibi sürekli yönlerine dayanabileceğini iddia etmektedir.

Buna bir dizi yanıt verilebilir. İlki, mevcut çerçevenin makul bir şekilde kolayca gerçek sayılar gibi sürekli nicelikler üzerinden işlemlemeleri ele alabilecek şekilde genişletilebileceğini ortaya koyar. Gereken tek şey, birleşimsel durum makinesinin çeşitli alt durumlarının, ayrık parametreler yerine, uygun kısıtlılıkların izin verilen durum-geçişler üzerine yerleştirildiği (örneğin, parametrelerin, mecburi dönüşümlerin işarete koşullu olduğu polinomial olarak dönüştürülmesini talep edebiliriz) gerçek parametrelerle temsil edilmesidir. Bazı ilgili işlemlenebilirlik teorilerinin dikkatli biçimde geliştirilmesi için bkz. Blum, Shub ve Smale (3). Benim yukarıda verdiğim açıklamaya benzer tarzda, biçimcilikteki sürekli niceliklerin durum-geçişlerdeki uygun karşılık ile birlikte sürekli fiziksel parametrelere karşılık gelmesini gerektirdiği bir uygulama teorisi verilebilir.

Bu biçimcilik zaman içinde hala ayrıktır: sürekli durumların evrimi ayrık zamansal adımlarda ilerler. Bilişsel organizasyonun aslında zaman içinde sürekli olduğu ve ilgili biçimciliğin bunu yakalaması gerektiği ileri sürülebilir. Bu durumda, durumlar arasındaki ayrık durum-geçişlerin spesifikasyonu, derinlemesine sürekli işlemsel bir çerçeve ortaya koyarak, sürekli niceliklerin sürekli zaman içinde nasıl değiştiğini belirten türevsel denklemlerle değiştirilebilir. MacLennan (21) bu doğrultuda bir çerçeve ileri sürmüştür. Bu tür bir çerçevenin gerçek manada işlemsel olarak değerlendirilip değerlendirilemeyeceği büyük oranda terminolojik bir meseledir, ancak burada çerçevenin önemli ölçüde geleneksel yaklaşıma benzer olması; farklı olan tek şeyin sadece ayrık durumlar ve adımların biraz “düzeltilmiş olduğu” tartışılabilir.

Ancak bu kadar ileri gitmemize gerek yoktur. Beyindeki bilişin sürekli olup olmadığını varsaymak için oldukça iyi sebepler vardır; ayrık bir çerçeve olup biten önemli şeyleri yakalayabilir. Bunu görebilmek için, ayrık bir soyutlamanın bir sürekli işlemi gerekli herhangi doğruluk derecesinde hem betimleyip hem de taklit edebileceğini not etmek gerekir. Kaotik işlemlerin mikroskobik farklılıkları önemli seviyelere çıkarabileceği itirazı getirilebilir. Yine de, zihinsel işlemlerin doğru işleyişinin, analog niceliklerdeki onuncu ondalık basamağının kesin değerine bağlı olması mantıksızdır. Biyolojik sistemlerde arka plan gürültüsünün ve rastlantısallığın varlığı, böyle bir kesinliğin pratikte kaçınılmaz olarak “kaybolacağını” kast eder. Bunu, ayrık benzetim belirli bir bilişsel sistemin belirli bir durumda üreteceği davranışı kesin olarak veremeyecek olsa da arka plan gürültüsü biraz farklı olsaydı sistemin belki üretebileceği olası davranışı vereceği ifadesi takip eder. Bu yapay zekâyı savunan birinin iddia etmeye ihtiyaç duyduğu tek şeydir.

Doğrusu, fiziksel sistemlerde gürültü varlığı, yukarıda belirtilen türde verilen herhangi bir işlemlemenin pratikte güvenilir bir şekilde hiçbir zaman uygulanamayacağını, sadece yaklaşık olarak uygulanabileceğini öne sürmektedir. Yapay zekanın amaçları için, bize aynı zamanda sürekli işlemlemelerin yaklaşık uygulamalarını verebilecek ayrık sistemlerle de aynısını yapacağız.

Bu değerlendirmelerin işlemsel yeterlilik veya işlemsel açıklama tezlerine karşı sayılmadığı sonucu çıkar. İlkini görebilmek için, ayrık benzetimin, yukarıda verilen sebeplerden dolayı, belirli bir biliş bölümünün her bir detayını kopyalayamasa da bilişsel işleyiş için gerekli her şeyi kopyalayabileceğini dikkate almak gerekir. İkincisini görebilmek için, benzer sebeplerden ötürü analog niceliklerin kesin değerleri bizim bilişsel kapasitelerimizin açıklamasıyla ilgili olamayacağını ve ayrık betimlemenin bu işi yapabileceğini dikkate almak gerekir.

Bu sürekli biçimciliği bilişsel açıklamadan hariç tutmak için değildir. İşlemsel açıklama tezi münhasır değildir. Sürekli biçimcilik belki, birçok dinamik işlemin açıklanmasında, tıpkı nöral ağlar teorisinde bulduğumuz gibi, daha basit ve doğal bir çerçeve sağlayabilir. İşlemsel görüşün en makul versiyonu belki de (ayrık) işlemsel yeterlilik tezini kabul edebilir, fakat işlemsel açıklama tezini, sürekli işlemlemenin bazen daha doğal açıklayıcı bir çerçeve sağlayacağı koşuluyla tamamlar (ayrık bir açıklama aynı işi yapabilir ama daha beceriksizce). Her durumda, sürekli işlemleme bize esasen yeni bir şey vermez.

4. Diğer İşlemleme Türleri

Yapay zekâ ve işlemsel bilişsel bilim, zihinle ilgili işlemsel yeterlilik ve işlemsel açıklama tezleriyle tanımlanan bir tür işlemlemeye bağlıdır. Bu yazıda, nedensel organizasyonun betimlenmesi ve kopyalanmasında işlemlemenin bir araç olarak rolünü açıklayarak bu işlemlemeyi gerekçelendirmeye çalıştım. Bence bu tür bir işlemleme yapay zekâ ve işlemsel bilişsel bilimin bağlı olduğu ve doğrusu ihtiyacı olan tek şeydir. Bu tür bir işlemsellik tam da bilişin açıklanması ve kopyalanması için asli olan işlemleme türü ile ilgili çok az sayıda iddiada bulunmasından dolayı daha genel bir çerçeve sağlar. Bilişsel süreçlerin nedensel organizasyonu nasıl olursa olsun işlemsel bir çerçeve dahilinde yakalanabileceğine inanmak için oldukça iyi sebeplerimiz vardır. Bu alanlar çoğunlukla, bazen destekçiler ve daha sıklıkla aleyhtarlar tarafından daha güçlü iddialara bağlı olarak ele alınmıştır. Örneğin, Edelman (11) zihin çalışmalarına işlemsel yaklaşımı şu gerekçelere dayanarak eleştirmiştir:

Beynin evriminin, gelişiminin ve yapısının bir analizi bunun bir Turing makinesi olma ihtimalini oldukça düşük kılmaktadır. Bunun nedeni, beynin çeşitli organizasyon seviyelerinde bulundurduğu yapıdaki muazzam bireysel çeşitliliktir. […] [Aynı zamanda,] hem ekolojik hem de çevresel çeşitliliğin bir analizi ve hayvan ve insanların kategorize edilme süreçlerinin bir analizi, (fiziksel ve sosyal) dünyanın bir Turing makinesi için bir bant işlevi görmesini oldukça ihtimal dışı kılıyor. (Edelman (11), sf. 30.)

Ancak yapay zekâ ve işlemsel bilişsel bilim, beynin gerçek manasıyla hareketli bir kafaya ve şeride sahip bir Turing makinesi olduğu ve çevrenin de bu bant olduğu iddiasına bağlı değildir. Buradaki iddia basitçe, bazı işlemsel çerçevenin insan bilişsel işlemlerini açıklayabileceği ve kopyalayabileceğidir. Bu süreçlerle ilgili işlemsel betimlemenin oldukça ince-taneli olduğu, nöronlar arasındaki oldukça karmaşık nedensel dinamikleri yansıttığı ve nedensel organizasyonun bireyler arasında önemli ölçüde çeşitlilik gösterdiği ortaya çıkabilir. Burada bilişsel bilime işlemsel yaklaşımla bağdaşmayan hiçbir şey yoktur.

Benzer bir şekilde, bir işlemselcinin, beynin bir von Neumann makinesi olduğunu veya başka spesifik bir yapıya sahip olduğunu iddia etmesine gerek yoktur. Turing makineleri gibi, von Neumann makineleri de sadece, özellikle programlanabilirliğe oldukça uygun, bir yapı türüdür fakat beynin bu tür bir yapıyı uyguladığı iddiası herhangi bir ampirik kanıtın çok ötesindedir ve büyük ihtimalle doğru değildir. İşlemlemenin vaatleri daha geneldir.

İşlemleme zaman zaman, bilişin kurallara bağlı olduğu görüşüyle ilişkilendirilir, fakat yine bu, alanların temelleri için gerekli olmayan, güçlü bir ampirik hipotezdir. Düşüncenin işlemsel betimlenmesinde bulunan tek “kuralın” örneğin nöronların nedensel dinamiklerini veya nöral ve bilişsel bazı seviyeler arasındaki dinamikleri belirten oldukça düşük seviyeli bir kural olması tamamıyla mümkündür. Bilişsel seviyede bulunacak herhangi bir kural olmasa bile, zihne yönelik işlemsel bir yaklaşım yine de başarılı olabilir. Bir işlemselcinin bağlı olmaya ihtiyaç duymadığı diğer bir iddia ise “beyin bir bilgisayardır” iddiasıdır (daha önce de gördüğümüz gibi merkezi olan bilgisayarlar değil işlemlemelerdir).

İşlemlemenin en yaygın “güçlü” formu sembolik işlemselcilik (symbolic computationalism) diyebileceğimiz, bilişin temsil üzerinden işlemsel olduğu görüşüdür (Newell ve Simon (23); Fodor ve Pylyshyn (14)). Kabaca bu görüşü, bilişin işlemsel bir betimlemesinde işlemsel ilkellerin (primitives) aynı zamanda temsili ilkeller olduğu iddiası olarak açabiliriz. Bir başka deyişle, durum-geçişlerin tanımlandığı basit sözdizimsel oluşumların kendileri anlamsal içeriğin taşıyıcıları ve dolayısıyla sembollerdir.

Sembolik işlemleme zihne yönelik popüler ve verimli bir yaklaşım olmuştur, fakat işlemlemenin kaynaklarını tüketmez. Tüm işlemlemeler sembolik işlemlemeler değildir. Örneğin, anlamsal içerikten tamamen yoksun bazı Turing makineleri olduğunu gördük. Belki anlamsal içerik taşıyan sistemler biliş için daha makul modellerdir, fakat bu sistemlerde bile içeriğin sistemlerin işlemsel ilkelleri tarafından taşınması gerektiğine dair bir sebep bulunmamaktadır. Örneğin bağlantıcı (connectionist) sistemlerde, anlamsal içeriğin basit taşıyıcıları birçok ünite üzerindeki aktivite modelleri olan dağınık (distributed) temsillerdir, oysa işlemsel ilkeller belki de kendileri anlamsal içerikten yoksun basit ünitelerdir. Smolensky’nin terimini (Smolensky (34)) kullanmak gerekirse, bu sistemler alt-simgesel (subsymbolic) işlemlemeler uygularlar: işlemlemenin seviyesi temsil seviyesinin altına düşer. [7] Ancak sistemler yine de işlemseldir.

Sembolik ve alt-sembolik işlemleme arasındaki farkın, Turing makineleri ve nöral ağlar gibi farklı işlemsel biçimcilikler arasındaki farkla aynı minvalde olmadığını dikkate almak gerekir. Daha ziyade, bahsedilen fark, bu biçimciliklerin her biri içindeki işlemleme kümelerini ayırır. Bazı Turing makineleri sembolik işlemleme, bazıları da alt-sembolik işlemleme uygular; aynısı nöral ağlar için de geçerlidir. (Tabii ki bazen tüm Turing makinelerinin “sembol manipülasyonu” uyguladığı söylenir, fakat bu sadece muğlak “sembol” teriminin benim burada kullandığım gibi anlamsal bir manadan ziyade tamamıyla sözdizimsel bir manada kullanılması halinde geçerlidir.)

İşlemsel yaklaşımın hem savunucuları hem de karşıtları çoğu zaman işlemlemeyi dolaylı olarak sembolik işlemleme ile özdeşleştirmişlerdir. Örneğin, Bilgisayarlar Ne Yapamazlar? (Dreyfus (10)) isimli bir eleştirinin büyük oranda açıkça temsiller üzerinden işlemleme uygulayan sistemlere yöneltildiği ortaya çıkmıştır. Diğer işlemleme türlerine değinilmemiştir ve gerçekten de alt-sembolik işlemleme uygulayan sistemler Dreyfus’un bazı problemli alanları için oldukça uygun görünmektedir. Yapay zekânın daha kapsamlı isteklerine bu nedenle değinilmemiştir.

Öbür taraftan, Fodor (15) sembolik işlemselciliğin bir türü için “İşlemsel Zihin Teorisi (Computational Theory of Mind)” ismini kullanmaktadır ve Turing’in bilişsel bilime temel katkısının, semboller arasındaki sözdizimsel durum-geçişlerinin kendi anlamsal içeriklerine bağlı olarak yapılabileceği fikri olduğunu ileri sürmüştür. Bu bana yanlış gelmektedir. Turing dahili durumların anlamsal içerikleriyle çok az ilgilenmiş ve sembolik işlemlemeye odaklanması da daha sonraları olmuştur. Aksine, Turing’in asıl katkısı, biçimselliğin ilişkili evrenselliği ile birlikte mekanizma kavramının biçimselleştirilmesi olmuştur. Bize, işlemlemenin herhangi bir mekanizmanın yapabileceği neredeyse her şeyi yapabileceğini varsayma nedenini ve dolayısıyla biliş çalışmalarında işlemlemenin asli olma rolü açıklamasını veren de bu genelliktir.

Gerçekten de sembolik işlemlemeye odaklanmak Turing’in katkısının kalbinde yatan evrenselliğin feda edilmesine neden olur. Evrensellik, bu sınıfların sözdizimsel olarak tanımlandığı, Turing makineleri gibi bütün bir otomatlar sınıfı için geçerlidir. Bir otomatın temsil üzerinden işlemleme uygulaması gerekliliği, işlemlemenin temel teorisinde bir rolü olmayan güçlü bir anlamsal ek kısıtlamadır. Sembolik işlemleme uygulayan daha dar bir Turing makinesi sınıfının evrensel olduğunu varsaymak için bir sebep yoktur. İşlemselciliğin savunulması için evrenselliğe başvurmak istiyorsak ağı bundan çok daha geniş bir alana yaymalıyız. [8]

Burada ana hatları çizilen çeşitli güçlü işlemselcilik formları, farklı olabilirlik derecelerine sahip cüretkâr ampirik hipotezlerdir. Hepsinin yanlış olduğundan şüpheleniyorum, fakat her halükarda buradaki asıl mesele bunların doğruluğu ve yanlışlığı değildir. Oldukça güçlü ampirik hipotezler olduklarından ötürü, yapay zekâ ve işlemsel bilişsel bilim için bir temel olarak işlev görebilecek bir konumda değillerdir. Eğer bu alanlar bu hipotezlere bağlı olsalardı, statüleri halihazırda olduğundan çok daha fazla sorgulanır bir durumda olurdu. Yapay zekâ ve işlemsel bilişsel bilim, beynin bir von Neumann makinesi olmadığının veya bilişin kurallara bağlı olmadığının veya beynin temsil üzerinden bir işlemleme ile meşgul olmadığının keşfedilmesini tam da bunlar bu alanların temel taahhütleri arasında olmadığından atlatabilir. İşlemleme bundan çok daha geneldir ve haliyle çok daha dirençlidir.

5. Sonuç: Minimal Bir İşlemselciliğe Doğru

İleri sürdüğüm görüş minimal işlemselcilik (minimal computationalism) olarak adlandırılabilir. İşlemleme, Turing’e kadar uzanan ve daha genel bir manada ele alındığı, işlemsel yeterlilik ve işlemsel açıklama ikiz tezleriyle tanımlanır. İşlemlemenin, nedensel organizasyon modellerini betimleyebilme ve saptayabilme için genel bir çerçeve sağlamasından ve zihinselliğin kaynağını bu tür modellerden almasından dolayı bu tezlerin ikna edici olduklarını öne sürdüm. İşlemsel açıklama tezi, işlemleme bilişsel süreçlerin nedensel organizasyonunu belirtmek için mükemmel bir dil sağladığından dolayı ve işlemsel yeterlilik tezi, uygun işlemlemelerin tüm uygulamalarında zihinselliğin nedensel yapısı tekrarlandığından dolayı geçerlidir.

İşlemselciliğin daha güçlü formlarının aksine, minimal işlemselcilik cüretkâr ampirik bir hipotez değildir. Şüphesiz, ampirik bilimin minimal işlemselciliğin yanlış olduğunu kanıtlayabileceği bazı yollar vardır. Bunlar: fiziğin temel kanunlarının işlemlenemez olduğunun ortaya çıkması ve örneğin bu işlemlenemezliğin kendini bilişsel işleyişte yansıtması veya bilişsel kapasitelerimizin özünde bazı analog niceliklerdeki sonsuz kesinliğe dayandığının ortaya çıkması veya gerçekten de bilişin, çalışmaları işlemlenemez bazı fiziksel olmayan maddeler tarafından yönetildiğinin ortaya çıkmasıdır. Ancak bu gelişmeler ihtimal dışı gözükmektedir ve bu gelişmelerin başarısızlığı ile birlikte işlemleme, organizasyon ne olursa olsun, bilişin nedensel organizasyonlarını ifade edebileceğimiz genel bir çerçeve sağlar.

Minimal işlemselcilik, bağlantıcılık, mantıkçılık ve dinamik sistemlere, evrime ve yapay yaşama odaklanan yaklaşımlar gibi çeşitli programlarla uyumludur. Zaman zaman bağlantıcılık gibi programların “işlemlenemez” oldukları söylenir, fakat bu tür programların başarısının Turing’in işlemsel zekâ hayalini yıkmaktan ziyade haklı çıkardığını söylemek daha makul görünmektedir.

İşlemleme, tam da bilişsel mekanizmaların neredeyse her teorisinin, ilgili işlemsel biçimcilik değişse bile, işlemsel terimlerle ifade edilebilmesinden dolayı değerli bir araçtır. Tüm bu teoriler nedensel organizasyon teorileridir ve işlemleme, ister üst-seviyeli temsiller arasındaki isterse düşük-seviyeli nöral süreçler arasındaki nedensel ilişkiler olsun, hemen hemen her tür organizasyonu yakalayabilecek kadar esnektir. Hatta Gibsoncı algı teorisi gibi programlar bile en nihayetinde minimal işlemselcilik ile uyumludur. Eğer algının Gibsoncıların hayal ettiği gibi çalıştığı ortaya çıkarsa, algı yine de nedensel mekanizmalar tarafından yönetilecek ve bu mekanizmalar uygun işlemsel formlarda ifade edilebilecektir. Bu ifade geleneksel işlemsel algı teorisi gibi görünmeyecek olsa da yine de işlemseldir.

Bu bakımdan, yapay zekânın ve işlemsel bilişsel bilimin zayıf ampirik hipotezlere dayanmadığını gördük. Bunun yerine, bunlar bilişin nedensel temeliyle ilgili oldukça makul bazı prensiplerin sonuçlarıdır ve zihnin işleyişi hakkında son derece geniş bir dizi ampirik keşifle uyumludurlar. Tam da bu esneklik sebebiyle işlemleme, birçok farklı teorinin ifade edilebileceği ortak bir çerçeve sağlayarak ve bu teorilerin nedensel mekanizmalarının somutlaştırılabileceği bir araç sağlayarak, bahsi geçen alanlar için bir temel olarak işlev görmektedir. Önümüzdeki yıllarda bilişsel bilim nasıl ilerlerlerse ilerlesin, işlemlemenin merkezde olacağına inanmak için iyi sebepler var.

Notlar

[1] Bunun gibi bir ifadenin bir sonlu durum makinesinin uygulanmasının “standart” tanımı olduğunu düşünüyorum; bkz. örneğin, Putnam (28)’da olasılıksal otomat tarafından bir sistemin betiminin tanımı. Ancak, teorik bilgisayar bilimi, psikoloji felsefesi ve bilişsel bilim literatüründe uygulamanın açıklamasına ne kadar az yer verildiği, işlemleme kavramının bu alanlarda ne kadar asli bir rolü olduğu düşünüldüğünde, şaşırtıcıdır. Bu kadar geç bir tarihte, fiziksel bir sistemin bir işlemlemeyi uygulaması için ne gerektiğiyle alakalı (ör. Searle (32) (33) bir tartışma olması dikkat çekicidir.

[2] İlgili bir açıklama için bkz. Pylyshyn (29), s. 71.

[3] İlgili bir düşünce deneyinin analizinde, Searle (33) silikon yenilemesine tabi tutulan bir deneğin şu şekilde tepki vereceğini öne sürmüştür: “ ‘Hiçbir şey göremiyorum. Tamamen kör olacağım’ diye haykırmak istiyorsunuz. Fakat sesinizin tamamen sizin kontrolünüzde olmayan bir şekilde ‘Önümde kırmızı bir obje görüyorum’ dediğini duyuyorsunuz” (s. 66–67). Ancak sistemin nedensel topolojisinin sabit kaldığı düşünüldüğünde, eğer bir tür Descart’çı bir alemde değilse bu tür bir “istemenin” nerede olacağı oldukça belirsizdir. Searle, bütüncül bir felce indirgemek gibi olabilecek başka şeyler önermiştir, ancak bu öneriler nedensel topolojide değişiklikler gerektirir ve dolayısıyla örgütsel değişmezlik konusuyla ilgili değildir.

[4] Fenomenal niteliklerin tamamıyla fiziksel koşullarda açıklanıp açıklanamayacağı konusunda şüpheliyim. Chalmers (7)’de de ortaya koyduğum gibi zihinselliğe vurgu yapan fiziksel veya işlemsel süreçlerin açıklamalarından belirtilen herhangi biri göz ününe alındığında, neden bu süreçlerin bilinçli deneyimlere yol açması gerektiği sorusu sadece fiziksel veya işlemsel teori dahilinde açıklanabilir görünmemektedir. Yine de, bulunan durum hala fenomenal niteliklerin fiziksel niteliklere bağlı olduğudur ve eğer daha önce söylediklerim doğruysa, bağlı oldukları fiziksel niteliklerin örgütsel niteliklerdir. Buna ek olarak, bilinçli deneyime ilişkin açıklayıcı boşluk, işlemsel açıklama tezinin gerektirdiği gibi, bilişsel süreçlerin ve davranışların işlemsel açıklamasıyla uyumludur.

[5] Tabii ki, bağlantıcı işlemler temsillerin dönüşümünü içerdiğinden dolayı bağlantıcı modellerin “temsil üzerinden işlemleme” uyguladığının söylenebileceği bir anlam vardır, fakat bu anlam sembolik ve alt-sembolik işlemleme ayrımını bağlantı noktasından kesebilecek kadar güçlü değildir. Belki de sembolik ve bağlantıcı sistemler arasındaki en ilginç temel ayrım, ilkinde işlemsel (sözdizimsel) ilkellerin aynı zamanda temsili (anlamsal) ilkeller olması ve ikincisinde olmamasıdır.

[6] [Not 2011’de eklenmiştir.] Bunları Chalmers (7)’deki bilinç görüşleriyle uyumlu hale getirebilmek için, işlemsel yeterlilik tezi ve zihinsel niteliklerin örgütsel değişmez oldukları iddiası metafiziksel gereksinimden ziyade nomolojik (nomological) bakımdan anlaşılmalıdır: doğru tür bir işlemleme, zihne sahip olmak için nomolojik gereksinim ile uyumludur, zihinsel nitelikler nomolojik olarak nedensel topolojinin üstüne eklenir. Bu iddialar, aynı organizasyona sahip ve bilinci olmayan sistemlerin metafiziksel olanaklılığı ile bağdaşır. İşlemsel açıklama tezi içinse: eğer bilişsel süreçler keyfi kasıtlı veya temsili durumları içermesi için yorumlanırsa, bu durumda bence bunlar bütünüyle işlemleme bakımından açıklanamaz çünkü fenomenal ve çevresel özellikler burada bir rol oynar. Bu tez “bilişsel sürecin” ve “davranışın” işlevsellik ve kasıtsızlık bağlamında değerlendirerek veya işlemsel açıklamanın, uygun bir şekilde tamamlandığında, kasıtlılık açıklamasıyla desteklenebileceğini söyleyerek gerekçelendirilebilir. Alternatif olarak, tezin metindeki argüman tarafından en doğrudan desteklenen versiyonu, işlemlemenin bilişsel süreç ve davranışların mekanik açıklaması için genel bir çerçeve sağlamasıdır. Yani, bilişsel süreçler ve davranış mekanik olarak açıklanabilir olduğu sürece işlemsel olarak da açıklanabilirlerdir.

[7] Genellikle tartışmasız bir öncül olarak, işlemlemeyi işlemleme yapan şeyin anlamsal içerikli temsiller barındırması gerçeği olduğunu geçerli saymak sembolik işlemselciliğin savunucuları için oldukça yaygın bir durumdur. Fodor (12) ve Pylyshyn (29) tarafından yazılmış kitapların ikisi de örneğin, temsil olmadan işlemleme olmayacağı varsayımını temele almıştır. Tabii ki bu bir noktaya kadar terminolojik bir meseledir, ancak 2.2 ve burada üzerinde durduğum gibi, bu varsayımın işlemsel teoride bir dayanağı yoktur ve sebepsiz bir şekilde işlemlemenin bilişsel bilimin temellerinde oynadığı rolü kısıtlandırmaktadır.

[8] İşlemselciliğin bazen ilişkilendirildiği diğer bazı iddialar “beyin bir bilgisayardır”, “zihnin beyinle olan ilişkisi yazılımın donanımla olan ilişkisi gibidir” ve “biliş işlemlemedir” ifadelerini içerir. Bunlardan ilki, 2.2’de verilen sebeplerden dolayı- bilişsel teori için merkezi olan bilgisayarlar değil işlemlemelerdir- gerekli değildir. İkinci iddia, benzer sebeplerden dolayı işlemselci konumun kusurlu bir ifadesidir: zihin, kesinlikle bilgisayar donanımının yazılımı yükleyip çalıştırabildiği gibi beynin yükleyip çalıştırabildiği ayrı bir şey gibi görünmemektedir. Üçüncüsü bile bana işlemselcilik için merkezi gibi görünmemektedir: belki de bunun doğru olduğu bir durum vardır, ancak asıl önemli olan işlemlemenin bilişi açıklamak için yeterli olmasıdır. İşlemselcilik, “bilgisayarcılık (computerism)” ve “bilişselcilik (cognitivism)” arasındaki ilgili ayrımlarla ilgili bkz. Dietrich (8).

Kaynakça

(1) Armstrong, D.M. 1968. A Materialist Theory of the Mind. Routledgeand Kegan Paul.

(2) Block, N. 1981. Psychologism and behaviorism. Philosophical Review90:5–43.

(3) Blum, L., Shub, M., and Smale, S. 1989. On a theory of computation and complexity over the real numbers: NP-completeness, recursive functions,and universal machines. Bulletin (New Series) of the American Mathematical Society 21(1):1–46.

(4) Bowie, G. 1982. Lucas’ number is finally up. Journal of Philosophical Logic 11:279–85.

(5) Chalmers, D.J. (1995). Absent qualia, fading qualia, dancing qualia.In (T. Metzinger, ed) Conscious Experience. Ferdinand Schoningh.

(6) Chalmers, D.J. (1996a). Does a rock implement every finite-state automaton? Synthese.

(7) Chalmers, D.J. (1996b). The Conscious Mind: In Search of a Fundamental Theory. Oxford University Press.Press.

(8) Dietrich, E.S. 1990. Computationalism. Social Epistemology.

(9) Dretske, F. 1981. Knowledge and the Flow of Information. MIT Press.

(10) Dreyfus, H. 1972. What Computers Can’t Do. Harper and Row.

(11) Edelman, G.M. 1989. The Remembered Present: A Biological Theory of Consciousness. Basic Books.

(12) Fodor, J.A. 1975. The Language of Thought. Harvard UniversityPress.

(13) Fodor, J.A. 1987. Psychosemantics: The Problem of Meaning in the Philosophy of Mind. MIT Press.

(14) Fodor, J.A. and Pylyshyn, Z.W. 1988. Connectionism and cognitive architecture. Cognition 28:3–71.

(15) Fodor, J.A. 1992. The big idea: Can there be a science of mind? Times Literary Supplement 4567:5–7 (July 3,1992).

(16) Gibson, J. 1979. The Ecological Approach to Visual Perception. Houghton Mifflin.

(17) Harnad, S. 1989. Minds, machines and Searle. Journal of Experimental and Theoretical Artificial Intelligence 1:5–25.

(18) Haugeland, J. 1985. Artificial intelligence: The Very Idea. MIT Press.

(19) Lewis, D. 1972. Psychophysical and theoretical identifications. Australasian Journal of Philosophy 50:249–58.

(20) Lucas, J.R. 1963. Minds, machines, and Gödel. Philosophy 36:112–127.

(21) MacLennan, B. 1990. Field computation: A theoretical framework for massively parallel analog computation, Parts I — IV. Technical Report CS-90–100.Computer Science Department, University of Tennessee.

(22) Nagel, T. 1974. What is it like to be a bat? Philosophical Review 4:435–50.

(23) Newell, A. and Simon, H.A. 1981. Computer science as empirical inquiry: Symbols and search. Communications of the Association for Computing Machinery 19:113–26.

(24) Penrose, R. 1989. The Emperor’s New Mind: Concerning computers, minds, and the laws of physics. Oxford University Press.

(25) Penrose, R. 1990. Precis of The Emperor’s New Mind. Behavioral and Brain Sciences 13:643–655.

(26) Pour-El, M.B., and Richards, J.I. 1989. Computability in Analysis and Physics. Springer-Verlag.

(27) Putnam, H. 1960. Minds and machines. In (S. Hook, ed.) Dimensions of Mind. New York University Press.

(28) Putnam, H. 1967. The nature of mental states. In (W.H. Capitan and D.D.Merrill, eds.) Art, Mind, and Religion. University of Pittsburgh Press.

(29) Pylyshyn, Z.W. 1984. Computation and Cognition: Toward a Foundation for Cognitive Science. MIT Press.

(30) Searle, J.R. 1980. Minds, brains and programs. Behavioral and Brain Sciences 3:417–57.

(31) Searle, J.R. 1984. Minds, brains, and science. Harvard UniversityPress.

(32) Searle, J.R. 1990. Is the brain a digital computer? Proceedings and Addresses of the American Philosophical Association 64:21–37.

(33) Searle, J.R. 1991. The Rediscovery of the Mind. MIT Press.

(34) Smolensky, P. 1988. On the proper treatment of connectionism. Behavioral and Brain Sciences 11:1–23.

(35) Turing, A.M. 1936. On computable numbers, with an application to the Entscheidungsproblem. Proceedings ofthe London Mathematical Society, Series 2 42: 230–65.

Judith F. Kroll — Kognitif VikiMaraton

Belleğin Unutulan Kısmı — Lauren Gravitz

“Bırak Salınsın Ruhun” : Zihinsel Gezinti Yaratıcılığı Nasıl Canlandırıyor — Christensen, Giglioni, Tsakiris