John Holland

Holland a témakör egyik abszolút szaktekintélyének számít: 1959-ben, a Michigan Egyetemen ő szerezte meg a világ első számítógép-tudományi PhD-jét, ugyanott, illetve az MIT-n diplomázott, számos akadémiai társaság tagja, évekig töltötte be a komplex rendszerek kutatásában úttörő Santa Fe Intézet tudományos testületének társelnöki tisztét. Többek között a Hidden Order: How Adaptation Builds Complexity (Rejtett rend: az adaptáció hogyan teremt komplexitást?), az Emergence: From Chaos to Order (Emergencia: a káosztól a rendig) kötetek szerzője. A hatvanas években megalapította a biológiai evolúció folyamatait számítógépes környezetben utánzó genetikai algoritmusokról elnevezett, manapság divatos szakterületet. Bebizonyította: a computerek képesek "továbbfejleszteni" a rajtuk futó, összetett problémákat megoldó programokat - akár úgy is, hogy a tervezők se értik teljesen a mechanizmusokat.

Bitsztringek evolúciója	Kereszteződés

Komplex adaptív rendszerek
Hosszú évek óta tanulmányozza a komplex adaptív rendszereket (CAS, complex adaptive systems): ökoszisztémát, emberi agyat, immunrendszert, nagyvárosok (mint Tokió, vagy New York) vérkeringését. Arra a következtetésre jutott, hogy - noha teljesen eltérnek egymástól a részletekben - mindegyikre jellemző a változásokkal szembeni koherencia. Az elemek átalakulnak, de a nagy egész operatív marad. Tehát valószínűleg általános érvényű elvek vezérlik valamennyi vizsgált modellt.

A kutatók leginkább komponensekre, általában generátorokként működő építőelemekre (building blocks) bontják a rendszereket. Tulajdonságaikat, viselkedésüket elemezve próbálják felfogni összességüket. Hasznos módszer, segít a világ megértésében, ám behatárolt.

Holland példája: már a XIX. században ismerték a belső égésű motor szinte minden komponensét, magát a szerkezetet mégis csak a XX. században találták fel. Sőt, a számítógép-architektúra se tűnt idegennek 1900 körül, viszont jóval később fejlesztették működőképessé. Konklúzió: előbb a rendszert ismerjük meg, s csak utána az építőelemeket!

Mert hiába értjük egy közönséges neuron működését, attól még nem magyarázzuk meg a többszáz-féle, többszáz-millió idegsejt közötti interakciókat. Pedig már az individuális sejt viselkedése is elképesztően komplex, viszont a központi idegrendszer sokkal, de sokkal több, bonyolultabb részecskéinek összességénél.

Intelligens gépek?
Michael Crichton 2002 végén megjelent bestsellerében, a sok vitát kavart Preyben, genetikai algoritmusokkal létrehozott nanoméretű gépezetek - gondolkozó rajjá fejlődve - az egész emberiséget fenyegetik. (Forrásainak felsorolásánál, a szerző Holland és több tanítványa nevét is megemlíti.)

Jeles feltalálók, tudósok (Ray Kurzweil, Hans Moravec) Deep Blue, majd Deep Junior, illetve Deep Fitz szupercomputerek ex- és jelenlegi sakkvilágbajnokok (Kaszparov, Kramnyik) elleni eredményeiből messzemenő, a gépi intelligencia közelgő eljöveteléről szóló, kissé (?) kvantitatív következtetéseket vonnak le.

Például Moore törvényére hivatkozva... Megfeledkezve arról, hogy távolról sem azonos léptékű a hardware- és a software-evolúció. Míg a processzorerő másfél évente duplázódik meg, addig a programok esetében nagyjából húsz év szükséges a hasonló fejlődéshez.

"Végső fokon, a hardware csak egy módja a programok végrehajtásának. A software az, ami számít" - sommáz Holland, s egyben a látványos exponenciálisnövekedés-elméletek cáfolatát is adja.
Crichton rémképeit pedig azzal a genetikus algoritmusok zömére érvényes ténnyel oszlatja semmissé, hogy más jól meghatározott optimalizációs problémákra választ találni, és megint más olyan jelenségeket létrehozni, mint a tudatosság, vagy a szabad akarat.

A tényleges evolúció
Holland szerint a mesterségesintelligencia-fejlesztés egyik fő problémája, hogy a kutatók képtelenek meghatározni mi felé fejlődjenek a programok. Hiszen az ember evolúciója se az intelligenciát, hanem a túlélést célozta...

Tehát először átfogó, a kutatások irányát meghatározó elmélet szükséges, mint Maxwell elektromágnesesség-teóriája volt a modern fizikában.

Egyelőre még a korai stádiumban járunk, kiérlelt és alkalmazható elméletekre akár évtizedekig várhatunk. Csak utánuk következhet be a döntő lépés - amikor a gépek úgy is gondolkodnak, mint az ember, nemcsak ugyanazokat az eredményeket (Deep Junior vs. Kaszparov, stb.) érik el, más módszerekkel.

Amikor új képességeket sajátítanak el, alkalmazkodnak az előre nem látott körülményekhez, az analógiát és a metaforát hozzánk hasonlóan használják.