Interdyscyplinarna dziedzina wiedzy, jaką jest ''sztuczne życie'', pozostaje w cieniu spektakularnych sukcesów tzw. realnej sztucznej inteligencji. Tymczasem można się zastanawiać, czy aktualne relacje między tymi obszarami badawczymi nie stają się swoistym hamulcem dla nich obu?

Definiowanie sztucznego życia (AL - Artificial Life) jest podobnie trudne jak w przypadku życia biologicznego. Przyjmijmy, że pod tym pojęciem rozumiemy maszynowe symulowanie naturalnych procesów życiowych. Owa "maszynowość" dotyczy przede wszystkim technologii informacyjnej, pełniącej nadrzędną rolę dla podporządkowanych jej układów materialnych, np. mechanicznych (robotów). Dlaczego jednak mamy zajmować się badaniami sztucznego życia? Z tego fundamentalnego powodu, jakim jest chęć poznania mechanizmów, rządzących życiem naturalnym. Gdyby udało nam się je odkryć, miałoby to istotne znaczenie np. w medycynie.

W informatyce ciągle oczekujemy na przełom, który nastąpi wtedy, gdy uda nam się osiągnąć ideał tzw. twardej sztucznej inteligencji (AI - Artificial Intelligence), tj. posiadającej cechy podobne do inteligencji naturalnej. Przy czym te właściwości będą rzeczywiste. Dotyczy to przede wszystkim tak istotnego atrybutu AI jak zdolność do samouczenia się, której w dotychczasowej praktyce nie udało się osiągnąć w szerszym zakresie. Tymczasem inteligencja i życie są nierozerwalnie ze sobą związane. Ta zależność działa w obie strony: każda żywa istota jest obdarzona - mniejszą czy większą - inteligencją. Z kolei trudno wyobrazić sobie inteligencję "martwą", tj. niezwiązaną z życiem. Zwłaszcza jeśli dostrzeżemy różnicę między inteligencją a informacją związaną z materią oraz różnice między różnymi rodzajami inteligencji.

Piąty wymiar

Informacja i materia również są współzależnie związane ze sobą. Informacja jest jednym z podstawowych wymiarów otaczającej nas rzeczywistości, podobnie jak czas, przestrzeń, energia czy wąsko rozumiana materia, jakiej w fizyce przypisuje się własności masy czy własności falowe. Nie istnieje materia, z którą nie byłby związany pewien ładunek informacyjny. Nie ma również informacji, która miałaby czysto niematerialny charakter, bowiem

zawsze związana jest z pewnym nośnikiem tej informacji i niekoniecznie musi to być nośnik maszynowy (danych). Dotyczy to także najprostszych form istnienia materii. Każda cząsteczka podlegająca działaniu sił w polu grawitacyjnym to nie tylko poruszająca się w nim (bądź pozostająca w spoczynku) masa, ale także informacja, która w postaci zagregowanej przejawia się np. w newtonowskim prawie powszechnego ciążenia. Każdy więc obiekt w tym polu "wie", jak ma się zachowywać.

Ten związek dotyczy także tworów bardziej kompleksowych, a najbardziej złożonym obiektem materialnym jest ludzki mózg. Również i tutaj, najwyższe poziomy informacyjne naszego mózgu, tj. stany świadomości, mają odpowiedniki materialne w postaci neuronalnych zjawisk elektromagnetycznych czy transportu kationów wapnia. Z kolei mamy do czynienia z różnymi poziomami inteligencji wśród istot żywych. Mamy zatem proste formy życia, z którymi chętniej kojarzymy nie samą inteligencję, lecz to co nazywamy "instynktem". Natomiast u wyższych form życia zakładamy istnienie większego zagęszczenia informacji, a więc wyższej inteligencji przejawiającej się ze świadomością, którą w pewnym stopniu przypisujemy także zwierzętom. Człowiekowi natomiast przyporządkowujemy najwyższą formę inteligencji i świadomości, jaką jest samoświadomość wyrażona kartezjańskim "myślę więc jestem", bądź parafrazą tego stwierdzenia - "wiem, że wiem".

Pomińmy kwestię samoświadomości zwierząt. Tu brakuje nam wspólnego, międzygatunkowego języka, którym jednocześnie dałoby się operować (także ze strony zwierzęcej!) do tego tak złożonym i abstrakcyjnym pojęciem jak świadomość (samoświadomość) właśnie. Mniejszych trud-ności komunikacyjnych należy oczekiwać w dialogu człowieka z maszynami cyfrowymi - te posługują się sztucznymi językami, zaprojektowanymi przez człowieka, zatem jeśli kiedyś osiągną wyższy poziom złożoności i zechcą do nas coś powiedzieć, powinniśmy to zrozumieć.

Wspólny język

Kwestia języka nadal stanowi zasadniczą trudność w badaniach nad sztucznym życiem i sztuczną inteligencją. Trudno jest bowiem precyzyjnie badać coś, czego nie można precyzyjnie opisać. Problem był znany już XVII-wiecznym mnichom francuskim, m.in. wybitnemu uczonemu Mersenne'owi oraz Kartezjuszowi czy Leibnizowi, którzy także próbowali stworzyć język uniwersalny z matematyczną gramatyką. Ten ostatni myśliciel wpadł zresztą sam we własnoręcznie zastawioną pułapkę, formułując "środki zaradcze przeciw wieloznaczności językowej" (Leibniz W. G., Nowe rozważania dotyczące rozumu ludzkiego, PWN 1955). Jednym z nich miałoby być "używanie terminów zgodnie z przyjętym zwyczajem", a innym "oświadczanie w jakim sensie bierze się słowa". Także inne postulaty Leibniza, dotyczące większej precyzji wyrażania myśli, formułowane zapewne w dobrej wierze, są równie ogólne i nieprecyzyjne, bo takowym jest często język, jakim się posługujemy.

Problem definiowania i specyfikowania sztucznego życia czy sztucznej inteligencji jest więc w znacznej mierze problemem posługiwania się językiem naturalnym. AL czy AI są zagadnieniami złożonymi i wymagającymi wielkiej precyzji, podczas gdy język naturalny narzędziem precyzyjnym nie jest. Mówimy np., że "maszyna, która będzie myśleć", ale samo pojęcie "myślenia" może być bardzo różnie rozumiane przez różnych ludzi. Język naturalny jest wszak tylko pewną statystyką znaczeń, tworzoną przez społeczeństwo się nim posługujące, co znaczy, że jest tworem dynamicznym (żywym). Nawet gramatyki definiowane przez językoznawców nie są absolutną normą. W "Nowym słowniku poprawnej polszczyzny" PWN jego autorzy wskazują na co najmniej dwupoziomowość norm językowych (wzorcową i użytkową) oraz na "charakter wariantywny" rozstrzygnięć proponowanych w hasłach.

Zgoła inaczej jest w językach sztucznych. Dlaczego? Ponieważ np. dla języka programowania zawsze istnieje instancja jednoznacznie orzekająca czy kod jest z definicji poprawny - to kompilator. Dla języka naturalnego nie ma takiej instancji. Dla badań AL/AI lepszy byłby zatem język typu matematycznego, ale takowego nie mamy dla fenomenów tak złożonych jak życie, człowiek czy inteligencja. Obiekty matematyczne są w tym zestawieniu dość proste, ale być może to informatyka przyjdzie nam tu z pomocą z językowym bogactwem.

Już ponad 40 lat temu Yaohan Chu zaproponował Język Projektowania Komputerów CDL (Computer Design Language). Skoro język ten umożliwił opis legendarnego, choć nieinteligentnego modelu IBM 360, to dlaczego nie miałby się udać proces odwrotny - konstrukcja inteligentnego komputera, wyspecyfikowanego wcześniej przy użyciu stosownego języka.

Naturalny zawrót głowy

Oczywiście precyzja narzędzi typu HDL (Hardware Description Language) okupiona jest ich nieczytelnością, zwłaszcza dla nieinformatyka, a projekty, o których mówimy, są interdyscyplinarne. Potrzebny więc byłby także język pośredni - zbliżony czytelnością do naturalnego, a jednocześnie wystarczająco precyzyjny, aby można było dokonywać dwukierunkowych tłumaczeń między oboma poziomami: maszynowym i naturalnym. Znanym przykładem takiego języka (pseudokodu) jest Pidgin-Algol, zaproponowany przez klasyków algorytmiki: Alfreda Aho, Johna Hopcrofta i Jeffreya Ullmana w 1974 r.

Mimo wielu osiągnięć AI nadal pozostaje daleko w tyle, choćby za zwierzęcym poziomem inteligencji naturalnej. Owszem, potrafiliśmy napisać programy szachowe, które grają lepiej niż arcymistrzowie, ale mamy trudności w skonstruowaniu robota, który, jak człowiek, mógłby odkurzyć pokój po partyjce królewskiej gry. Być może problemem sztucznej inteligencji było uczynione milcząco dawniejsze założenie, że może ona istnieć w oderwaniu od (sztucznego) życia i dlatego komputerowe programy nie posiadają jego podstawowych cech, charakteryzujących każdy żywy organizm. To:

• reprodukcja

• ewolucja (mutacje i selekcje) i zdolność uczenia się

• systemowa wymiana materii i energii (informacji) z otoczeniem (struktury społeczne)

• swoboda wyboru (wolność decyzyjna)

Warto zatem kontynuować badania nad sztucznym życiem, traktując sztuczną inteligencję jako jego atrybut. W takim przypadku potrzeba nam wiele pokory podczas konfrontacji naszych dotychczasowych dokonań z osiągnięciami natury. Już choćby umiejętności zwykłego źdźbła trawy mogą przyprawić o zawrót głowy. Wykorzystując cud fotosyntezy roślina zdolna jest do rozwoju w oparciu o powszechnie występujące w przyrodzie elementy: wodę, powietrze, światło, składniki gleby. W ten sposób powstaje niezwykłe bogactwo świata flory. W królestwie zwierząt dochodzi do tego także zdolność przemieszczania się w przestrzeni oraz interakcji - nie tylko z otoczeniem, ale i poszczególnymi osobnikami, co owocuje inteligencją zbiorową na wzór społecznej.

Aktualnie w obszarze AI/AL mamy wiele cząstkowych osiągnięć, np. algorytmy mrówkowe czy genetyczne, niemniej prawdziwy przełom wymaga dalszego odejścia od dotychczasowego paradygmatu informatycznego, tj. konstruowania deterministycznych automatów w oparciu o logikę klasyczną, cechujących się sekwencyjną sztywnością decyzyjną i hierarchicznie ograniczoną samodzielnością.

Bardziej "naturalne" traktowanie sztucznej inteligencji wymaga rzeczy horrendalnej: pisania programów z błędami! Jako swego rodzaju błędy mogą być bowiem traktowane ewolucyjne mutacje. Większych sukcesów można zatem oczekiwać na drodze zdeterminowanego chaosu, traktując autonomiczne obiekty (agent) całoczęściowo (holonicznie) z użyciem logiki rozmytej (fuzzy logic).