5.1. Är vi programvara eller programmerbara?

Utan en inbyggd grad av intention(25) har en hårdvara sällan någon användning. Den avsiktliga huvudagenten i sin användning av en avsiktlig resurs är som intelligent agent orsak och verkan till hårdvarans inbyggda intention.

Teknikens historia beskriver hur människan genom sin kunskapsutveckling, förbättrar sina redskap och verktyg för att bli en erfaren verktygsmakare.

Verktygsmakaren utformar i sin planeringsfas, först en rad argument i form av mentala "instruktioner" för att konstruera sina redskap. Men, redskapen kan även konstrueras för att få inbyggda instruktioner och på så sätt utföra föresats och ändamål.

Enligt tidigare exempel om avsiktliga agenter, resurser, mål och resultat, kan varje moment i den avsiktliga processen beskrivas med hjälp av en ansamling instruktioner eller algoritmer:

Så länge människan processar sin egen information i sin hjärna, finns det inte något tolkningsproblem vid utförande av egna mentala instruktioner,

Osäkra eller falska informationer ger, givetvis "inga vinster". Människans utveckling av kommunikation och språk med dess abstrakta representationer av verkligheten är och har varit ett formaliserings huvudproblemen för ett effektiv användning av information bl. a på grund av:

• subjektiv verklighetstolkning
• icke exakta verklighetsrepresentationer vid utformning av information:
• information som en ansamling indelade och närhets instruktioner.

För att hantera information är vår språk anpassad till nära och kausala åtaganden och därför är inte tillräcklig formell för att bli "uppfattat" av en maskin.

Inom läran om symboler brukar man särskilja tre aspekter som reglerar information i språklig form:

• Informationens semantik är kopplingen mellan information som sådan och sakförhållanden i verkligheten som informationen tar upp. Den semantiska aspekten fokuserar på begrepp och definition.
• Informationens syntax, är informationens fysiska representation eller data och fokuserar utformnings- och presentationsaspekter.
• Informationens pragmatik är informationens syfte, användning eller ändamål. Beskriver koppling mellan innehåll, användare och verklighet.

Med bakgrund av hur människan behandlar information, är det omöjligt att instruera datamaskiner då dessa fungerar med kodade pulser under allmänna regler för mänsklig språk för att behandla information.

Maskiner är fysikaliska produkter som byggs på basis av avgränsade och kvantifierbara värden dvs: logiska eller matematiska begrepp. För att skapa ett maskinspråk måste man "tänka" som en maskin och befinna sig i maskinens tillstånd, därför har det varit svårt att konstruera maskinspråk på ett matematiskt säkert sätt för att få en säkrare eller effektivare användning av våra intelligenta redskap: datorerna.

Den klassiska logiken i Aristoteles tid delades upp i induktiv och deduktiv logik.

Induktiva enligt följande princip:

1. Om du är en katt
2. Och du vet att alla katter är dödliga
3. Då är du är en dödlig katt.

Deduktiva: Man har observerat i naturen att alla katter är dödliga därför även om du skulle försöka återuppliva alla, kommer de att förblir dödliga.

Den induktiva processen blev alldeles förvirrande när medeltida logiker använde sex olika sätt att utrycka olika påstående: Sant, falsk, nödvändigt, tillfälligt, möjligt eller omöjligt. En sådan logik hade varit otänkbart i ett maskinspråk.

George Boole (26) byggde ett fullständigt och symboliskt logiskt språk på algebraiska principer. Grundläggande för den Boolenka algebran var operatörerna: OCH, ELLER och INTE. Dessa operatörer kunde genom att förbinda olika påstående utrycka exakta resultatvärde enligt tidliga sanningstabeller: (se nedan)

Med hjälp av den Boolenska algebran, kunde datorns digitala språk uttryckas strukturerat och dessutom bli kraftfullt, samt möjliggöra konstruktion av datorns logiska kretsar:

Att koda det binära språket under klara logiska strukturer var nästa steg, i de kodade ansamlingarna av pulser fanns data, och data är helt enkelt kodad information. Ur ett språkligt perspektiv är information den semantiska dimensionen hos data, och data är den syntaktiska och strukturella informationsbasen.

Att information är kodat i form av data (pulser), betyder att data måste tolkas för att återskapa informationsinnehåll, tolkningsprocessen behöver åtminstone två mekanismer för att uppnå målet:

• Datarepresentation som sådan
• Förklaring av vad data betyder: metadata

På samma sätt, för att uppfatta vad en bestämd information står relaterad till, behöver vi informationsförklaring i form av begrepp och vad informationen är relaterad till: metainformation.

Den Boolenska logiken hade öppnat vägen för maskinspråk och maskinspråket öppnade vägen för formalisering på högre språknivå.

Enligt Börje Langefors (27) består information av mindre komponenter i form av utsagor eller meddelande om någon stycke verklighet. Verklighet som i IS-termer definieras som objektsystem.

I objektsystemet, överför meddelande information om tillstånd och förändringar.

Meddelande samtidigt kan vara hur enkla och hur komplexa som helst, men ett komplext meddelande är helt enkelt en ansamling relaterade och mindre komplexa meddelande, tills man uppnår något slags atomär nivå, den elementära meddelande: e-meddelande.

Förutom den fantastiska möjligheten att kunna "kontrollera" information utan missuppfattningar med hjälp av definitionen meddelande, kunde man genom denna formaliseringsprocess kategorisera och klassificera meddelanden. Det finns olika typer av elementära meddelande, följande är grundläggande i datasammanhang:

• Om meddelandet beskriver en egenskap, är meddelandet av egenskapstyp, ett sådant meddelade kan formaliseras som objekt (o) med egenskap(e) i ett tidsintervall (t) enligt följande formeln: < M (o), M (e), M (t) >
• Om meddelandet kopplar, relaterar olika objekt är meddelandet av relationstyp, vid formalisering av detta meddelande typ vill man representera relationer mellan (n) antal objekt som har en viss ställning (m) med typ av relation (R) under tidsintervall (t) enligt följande formeln: <<M (o 1).. (o n)>, M(m), M(R), M(t) >

Formaliseringsarbete kan uppnå flera nivåer i det mänskliga kommunikationssystem. Om ett sådant kommunikationssystem skall anpassas till datorer, behöver man även utforma andra typer an meddelanden som kan motsvara normativa, analytiska och deskriptiva kunskaper.

I det s k kunskapsbaserade systemet, hanterar man bl a regelkunskap. För att formalisera regelkunskap använder man predikatlogiska uttryck, alltkvantifkatorer och existenskvatifikatorer (28).

På teoretiskt plan finns det metoder för att formalisera hantering av osäker kunskap med stöd av datorer, det skulle bli nästa steg i datateknikens programutveckling, osäker kunskap skulle möjliggöra behov av inlärning i den process som jämför den säkra med den osäkra kunskapen.

Som vi observerar, genom utveckling av "informationsmaskinen" utvecklar människan nya förutsättningar för att observera sig själv och förbättra sina skapelser. Och i den ömsesidighet som uppstår ju bättre datorn bearbetar mänsklig information, desto närmare befinner sig maskinen sin skapare för att kunna lösa "intelligenta" problem . Ovannämnda process brukar beskrivas som grad av interaktion mellan människan och datorn.

Datorer som har flera typer av mänskligt beteende är, åtminstone än så länge enbart experimentell vetenskap. Tanken på att datorer en dag skall ha intelligens och personlighet lika människans är föremål för intensiv vetenskaplig debatt och forskning. På samma sätt är det mycket kontroversiell att föreställa oss tänkandet som en ansamling av tillämpande program inne i vår biologiska hårdvara.

För de som hävdar att hjärnan bara är en biologisk maskin, finns det inga skäll till att vi inte skulle kunna bygga ett likvärdigt system, som arbetar under samma villkor, däremot menar andra teoretiker att hjärnan i grund och mening är olik datorer. Intuition, känsla, emotion, medvetenhet, förmåga att kläcka nya idéer eller sunt förnuft, sådant som vi brukar ta för givet, är saker och tillstånd som en dator aldrig kommer att kunna bearbeta mekaniskt.

Trots allt finns likheter mellan datorer och vårt mentala sätt att agera, forskning och tillämpningar angående dessa likheter har hjälpt både de som arbetar med artificiell intelligens (AI) och de som utforskar den mänskliga hjärnan och vårt mentala tillstånd.

Ett annat intressant område som forskar kring dessa likheter, handlar om hjärnans och datorernas totala funktioner. Både datorer och hjärnor är nätverkssystem och därför arbetar man på simulering av neurala nätverkssystem samt neurala förbindelsesystem. En av avsikterna med dessa modeller är att liksom ett neuralt system, skall processor delar kunna eller bör lära sig på samma sätt som den biologiska hjärnan gör.

I hjärnan arbetar varierande kombinationer av nervceller i form av moduler för att möjliggöra samverkan av alla minnesprocesser. Hjärnans olika delar avsöks ständigt. När en passande kombination av yttre och inre stimuli träffar den nervcellsmodul som är märkt för denna stimuli svarar miljontals neuron med en aktivering, och vi minns. Ett sådant aktiveringsmönster behöver inte vara exakt passande utan endast delvis, så att också liknande mönster kan identifieras med nya kombinationer av nervceller.

Ur ett fysiskt perspektiv, med hjälp av en elektroencefalogram kan minimala spänningar mätas på den mänskliga hjärnan. Dessa vågor eller pulser uppkommer vid aktivering av ett stort antal neuron. Pulsmönstren är olika, t. Ex. uppkommer alfavågor när vi är i lugn tillstånd. Betavågorna är däremot snabbare och tyder på vakenhet. Delta och theta vågor är långsammare och har samband med olika stadier av sömn. Hjärnan förefaller, ur detta perspektiv, likna datorer, vilka är till grunden en serie av strömbrytare som antingen kan vara på eller avstängda. Neuron verkar också fungera som en strömbrytare, slår antingen på, sänder en elektrokemisk signal, eller inte. Till skillnad från datorer är nervceller emellertid aldrig helt enkelt på eller av. Det finns en mångfald av olika retningsnivåer och form som förändrar deras sätt att kommunicera med varandra.

Neurala nätverk har konstruerats med hjälp av algoritmer och under Turingsmaskin principer. En uppsättning matematiska regler leder nätverksfunktionen, så att en bestämd datainput eller ett program kommer att ge en bestämd dataoutput och resultat. Grunden i dessa typer av nätverk är möjligheter till inlärning, eller förmåga att lära sig och komma ihåg händelse som referens till nya inlärningsmöjligheter.