האם מכונות יכולות לחשוב? אלן טיורינג נדרש לדון בשאלה סבוכה זו במאמרו הקלסי משנת 1950, "מערכות חישוב ואינטליגנציה" ("Computing Machinery and Intelligence"). לבעיה זו יש השלכות עמוקות הן מהבחינה הפילוסופית והן מהבחינה המעשית. ואולם, כפי שציין טיורינג, הקושי הראשון הוא בהגדרה ברורה של הבעיה: מהי "מכונה", וכיצד נדע אם היא חושבת?

השאלה הראשונה מקבלת תשובה מוגדרת במחקרים מתמטיים קודמים של טיורינג ושל אחרים, על חישוביות, חישוב אוניברסלי ומכונת טיורינג. מחקרים אלה תומכים בהשערה, כי כל חישוב שניתן לבצע על-ידי מכונה כלשהי, מורכבת ככל שתהיה, ניתן לבצע בעזרת מכונת טיורינג, שהיא, למעשה, מודל מתמטי פשוט של מחשב. המונח "מכונה" בשאלה המקורית הופך אפוא לפשוט ומוגדר. אין גם צורך לדון בכל המכונות האפשריות, אלה הקיימות ואלה שייבנו בעתיד, וניתן לשאול במקום זאת: האם מחשב, המקביל למכונת טיורינג, מסוגל לחשוב?

לגבי חלקה השני של השאלה – מהי מחשבה וכיצד נדע האם מחשבים מסוגלים לחשוב - טיורינג מציע להחליף את השאלה הסבוכה ו"חסרת המשמעות" הזו במבחן מעשי ומוגדר היטב, מבחן אשר ידוע מאז כ"מבחן טיורינג".

המבחן הוא מעין משחק הכולל שופט אנושי ושני מתחרים הנסתרים מעיני השופט: אדם ומחשב. השופט יכול לשאול את המתחרים שאלות שונות, ועל סמך התשובות שלהם עליו להחליט, מי מהמתמודדים הוא אדם ומי מכונה. טיורינג מציע שהשאלות ייכתבו באמצעות ממשק המחבר בין חדרי המתחרים והשופט, כך שלא תהיה השפעה למראה הנבדקים, אלא רק לתוכן התשובות שלהם. לקורא המודרני הדבר אולי יזכיר התכתבות עם תוכנות צ'אט למיניהן, אך יש לזכור כי טיורינג כתב את הדברים לפני שישים שנה! מחשב אשר מצליח לשטות באופן עקבי בשופט ולגרום לו לחשוב שמדובר בבן אדם, הוא מחשב אשר עובר את מבחן טיורינג.

מבחן טיורינג מבוסס על ההבחנה, כי גמישות ורבגוניות הן תכונות בסיסיות של האינטליגנציה האנושית. המוח האנושי מוגבל וסופי מבחינת המשאבים שלו, אך הוא מסוגל להגיב למגוון אינסופי של סיטואציות חדשות בצורה סבירה. השפה היא חלון המאפשר הצצה לתכונות הבסיסיות הללו, ואין צורך להעמיד את האדם והמכונה באינספור מצבים חדשים באופן פיזי ממש.

מעניין כי רנה דקארט, הפילוסוף הצרפתי בן המאה ה-17, הציע קריטריונים דומים להבדלה בין בני אדם לאוטומטים "חכמים". על-פי קריטריונים אלו קבע שאוטומטים לעולם לא ישתוו לבני אדם. בתקופתו של דקארט היו בנמצא מכונות מכניות משוכללות, שיכלו לחקות מגוון פעילויות של בני אדם וחיות, כולל הליכה ואכילה. דקארט טען שאין הבדל בין חיות לבין אוטומטים משוכללים אלה, אך לעולם לא יהיה אוטומט שיוכל לחקות אדם.

דקארט ניסח שני קריטריונים להבדלה: יכולת דיבור ויכולת לפעול בהיגיון גם במצבים חדשים. בשני התחומים  - שפה ופעולה -  ייתכנו מצבים ספציפיים בהם האוטומט ישתווה ואף יעלה על האדם, אך דקארט גרס כי ודאי שאין למכונות יכולת להיות גמישות במגוון אינסופי של מצבים בצורה הדומה לאדם. במקרה של אוטומטים מהסוג שדקארט הכיר הדבר היה נכון, אך האם ניתן להסיק מכך לגבי כל מכונה אפשרית? מה חשב טיורינג עצמו על המבחן שהציע?

טיורינג האמין כי מכונת טיורינג מסוגלת, כשהיא מצוידת בתוכנה המתאימה ובזיכרון ומהירות מספיקים, לעמוד במבחן. את עיקר הדיון הוא מקדיש לבחינת טענות נגד עמדתו. למשל, טענות כי האדם הוא יותר ממכונה בשר ודם, או כי קורט גדל (Gödel) ומתמטיקאים אחרים הדגימו את מגבלות המיכון של הלוגיקה המתמטית, או כי יש יכולות אנושיות כמו אינטואיציה ויצירתיות שאינן ניתנות למיכון.

טיורינג מספק במאמר תשובות לרוב טיעוני הנגד שמועלים גם כיום, נגד הרעיון ש"מחשב מסוגל עקרונית לחשוב". הוא דוחה טענות אלה ומציע אפילו ניבוי מפורט: תוך כחמישים שנה נוכל ליצור מחשב ולתכנת אותו כך, שהסיכוי של שופט ממוצע במשחק החיקוי להגיע לזיהוי נכון לא יעלה על 70%. הייתה דרושה תעוזה לא מעטה כדי לנבא את העתיד הטכנולוגי בטווח של חמישים שנה, בתקופה שראשוני המחשבים אך החלו להופיע. העבר מלא במומחים שנבואותיהם אפילו לטווחים קצרים יותר היו מופרכות לחלוטין, ומי יכול לדעת כיצד ייראה עולם המחשוב בעוד חמישים שנה? הניבוי הספציפי של טיורינג התברר כאופטימי משהו, אך יכולתו לצפות באופן שקול את הקשיים והיכולות העתידיות ממרחק של חמישים שנה מעוררת השתאות.

יכולתו של טיורינג לבחון את התחום במבט-על, לראות את הקשיים וכיווני ההתקדמות האפשריים, מופיעה גם במקומות אחרים בדיון. דוגמה לכך היא המקום המרכזי שהוא צופה לפיתוח שיטות ללמידה עצמית. טיורינג גורס כי דרך סבירה להתקדם היא להתמקד במערכת בעלת יכולת התחלתית מוגבלת, מקבילה במשהו לתינוק אנושי, ביחד עם ניסיון למכן תהליכי למידה. דוגמה אחרת היא הצעתו לשלב במערכת שיטות לחישוב הסתברותי, ולא להתבסס בלעדית על חישוב דטרמיניסטי. כיוונים אלו הפכו לחשובים ומרכזיים במחקר המודרני.

הקל הוא לעתים קשה, הקשה לא תמיד קשה כל-כך

עבודותיו של טיורינג נתנו דחיפה מכרעת לתחילת המחקר בתחום האינטליגנציה המלאכותית, תחילה במספר אוניברסיטאות בארה"ב ובהמשך במקומות רבים ברחבי בעולם. אלמלא התוצאות של טיורינג וכמה משותפיו לדרך, סביר היה לפקפק ולחשוב: מוח האדם מורכב לאין שיעור מהמכונות הפשוטות יחסית שבידינו. מן הסתם יש הבדלים עקרוניים המונעים ממכונות פשוטות לחקות מערכות המורכבות מהן במידה רבה כל-כך, ולכן אין תוחלת בניסיון לחקות את המורכבות באמצעות הפשוטות מהן בהרבה. המושגים של מכונת טיורינג ומבחן טיורינג פתחו פתח לאתגר ממשי ומרתק ליצר במחשבים יכולות הדומות בתחומים שונים ליכולות האנושיות.

ליסה בלק, "קוף ורווט", גולגולת קוף, חלקי שעון ישן, מרכיבי מתכת שונים

לצד הספקנים, היו גם נביאים אופטימיים מדי. רבים מהחוקרים הראשונים בתחום האינטליגנציה המלאכותית בשנות ה-50 וה-60 האמינו, כי מכונה היכולה לבצע כל מטלה שאדם מסוגל לעשות, היא עניין של "כמה שנים". מעבר לאופטימיות-יתר, החוקרים המוקדמים גם לא העריכו נכוחה אילו יכולות אנושיות יהיו קלות ליישום במכונה, ואילו קשות. עם התפתחות המחקר התברר, כי במקרים רבים משימות הנראות לנו טבעיות ופשוטות, מהוות משוכה גבוהה בדרך להצלחה במבחן טיורינג. למשל, תהליכים הקשורים בראייה, שמיעה ושימוש בשפה טבעית הם פשוטים לאדם, אך קשים למחשב ועדיין מעבר להישגן של מערכות מלאכותיות. ההתפתחות של המוח האנושי במהלך האבולוציה מאפשרת לו לטפל בתהליכים אלה במהירות וביעילות, עד כי אין אנו מודעים לקושי הטמון בהם.

גם פתרון של בעיות יומיומיות שקשה לחזות מראש, מהווה אתגר קשה במיוחד. דרך טובה להכשיל מחשב מתחזה במבחן טיורינג היא להציג שאלות מסוג זה. למשל, "אתה ברחוב, צמא מאוד, אך הארנק נשכח בבית. מה תוכל לעשות?" השימוש ב"היגיון בריא"התברר כמטלה קשה מאוד לתכנות. עוד דרך פשוטה להכשיל מחשב מתחזה היא לשאול אותו שאלה, כגון "האם פתיחת צנצנת ריבה תגרום למקרר להתפוצץ?" בן אדם יכול לענות מיד בשלילה, אך מה בדיוק הידע שמאפשר לו לעשות זאת, וכיצד ניתן לתכנת זאת? נראה כי בני אדם ניחנו בידע פרודוקטיבי – כלומר, ידע המאפשר להם ליצור מידע שלא אוחסן מראש.

ומה לגבי מטלות שנראות על פניהן "קשות", כמו משחק השח? לכאורה, רב-אמן בשחמט זקוק לכישורים מנטליים מרשימים מאוד וחייב להיות בעל יכולת מחשבה מופשטת (טיורינג עצמו היה חובב שח וכתב את אחת התוכנות הראשונות למשחק שח). והנה, לפני מספר שנים המחשב "כחול עמוק", מתוצרת IBM, ניצח את אלוף העולם בשחמט דאז, גארי קספרוב. האם משחק השח לא דורש מחשבה, או שמא מחשב המשחק שח חושב?

למרות הביצועים המרשימים באופן מעשי, "כחול עמוק" איננו מרשים במיוחד מבחינת דרך הפעולה. עשרות שנים לפני ההתמודדות בין קספרוב ל"כחול עמוק" הבינו חוקרים, שניתן לפתור את המשחק בדרך לא חכמה ולכאורה לא אנושית: בכל רגע נתון במשחק יש מספר סופי של מהלכים שניתן לבצע. ניתן לסדר את המצבים האלה ב"עץ מצבים" ולראות לאן כל מהלך מוביל. תהליך זה יוביל למצב לוח חדש, שגם לו מספר סופי של מהלכים, וכך הלאה. הכמות העצומה של מהלכים אפשריים אינה מאפשרת בדיקה מלאה, אך "כחול עמוק" הצטיין ביכולת לסרוק כמות אדירה של מהלכים סבירים קדימה, הרבה מעבר ליכולת האנושית, ותוכנת מראש כך שיוכל להעריך מצבי לוח על סמך משחקי עבר וכללי אצבע, כגון "רץ שווה פחות ממלכה". באופן דומה פותחו תוכנות שיכולות לנצח את אלופי העולם בדמקה, שש-בש ומשחקים נוספים הדורשים לכאורה מומחיות ותכנון. יש להדגיש כי גם בתחומים אלה הבעיות לא התבררו כטריוויאליות כלל וכלל, אך מעניין הדבר שאינטואיציה איננה בהכרח מדד טוב לקושי החישובי של מטלה מנטלית. 

ההתקדמות בשנים האחרונות

גם בתחומים "קלים שהם למעשה קשים", וגם בתחומים שהם "קשים אך למעשה קצת פחות קשים", חלה התקדמות רבה בעשור האחרון. בתחום משחקי המחשבה והתכנון פותחו אלגוריתמים ושיטות למידה המסוגלים לחלץ באופן עצמאי "כללי הערכה" למצבים שונים, בלי להזדקק לתכנות אנושי מראש. תוכנות המבוססות על שיטות אלה מסוגלות ללמוד ולשחק בהצלחה מגוון רחב של משחקים, מטטריס ועד שח, והן מחליפות תוכנות המיועדות ספציפית לכל תת-תחום. בכך התקדמו המחשבים לקראת היכולת האנושית להגיב למגוון רחב וחדש של מצבים. במיוחד מרשימה ההצלחה של תוכנות אלה במשחקים כגון גו (Go), בהם מספר המהלכים בכל רגע נתון הוא גדול, ומהלך בשלב מוקדם במשחק יכול להשפיע באופן קריטי על שלבים מאוחרים מאוד. 

דוגמה אחרת שזכתה לאחרונה לתהודה תקשורתית רחבה היא מערכת בשם "ווטסון"  ("("Watson, שפותחה על-ידי חברת  IBM כדי להתחרות מול בני אדם במשחק הטלוויזיה "מלך הטריוויה" (במקור: "!"Jeopardy). מדובר בחידון טלוויזיה פופולרי שבו מוצגים למתחרים רמזים המגדירים אדם, מקום או אירוע כלשהו, מתחומים רבים ומגוונים, ועל המתחרים לזהות אותם מהר ככל האפשר. מאמץ רב הושקע בפיתוח המערכת: כ-25 מדענים עמלו על יצירת "ווטסון" במשך כארבע שנים, בהשקעה של עשרות מיליוני דולרים. המטרה הייתה לחקור תחום פחות מוגבל ומוגדר משח: החידון נערך בשפה טבעית, כולל תחומים רבים של ידע, והשאלות מוצגות על-ידי רמזים שאינם קלים לפתרון. "ווטסון" זכה להצלחה מרשימה - בתחרות שנמשכה שלושה ימים הוא גבר על אלופי המשחק הקודמים והפך לאלוף העולם הרשמי.   

"ווטסון" הוזן בכמות אדירה של מסמכים ומאגרי מידע, ואולם אופן פעולתו מורכב בהרבה מאשר חיפוש בטבלה עצומה ותו לא. דוגמה לכך היא התמודדותו עם הרמז הבא: "במאי 1898 פורטוגל חגגה את יום השנה ה-400 להגעתו של חוקר ארצות זה להודו". התשובה הנכונה היא: וסקו דה-גאמה. האם במאגריו של "ווטסון" פשוט נסרק משפט דומה? לא. "ווטסון" "ידע" כי וסקו דה-גאמה נחת ב-1498 בחוף קאפאד. אם היה מתבסס על הצלבת מילים בלבד - מאי, הודו, פורטוגל, 1898, יום השנה - הוא היה נכשל במשימה. אך "ווטסון" חילץ מהרמז שמדובר בשנת 1498, 400 שנה לפני 1898. הוא הבין כי "הגעה ל" ו"נחיתה ב" יכולות להיחשב לאותה פעולה בסיטואציות מסוימות. הוא ידע כי חוף קאפאד נמצא בהודו, וכי וסקו דה-גאמה היה חוקר ארצות. הרבה מהמידע הזה זוקק באופן אוטומטי מהמאגרים שברשות "ווטסון" לפני התחרות, באמצעות שיטות למידה ממוכנות. כלומר, לא היה צורך באדם שיישב ויסביר ל"ווטסון" עובדות אלה.