Уже было сказано, чем. Можно взять алгоритмически неразрешимую систему уравнений. То есть нет алгоритма, с помощью которого можно вывести из аксиом, имеет оно решение или нет. Это всё впервые доказал и нашёл Матиясевич. Однако, если бы уравнение имело решение, то существовал бы алгоритм, который находит это решение. Значит уравнение не имеет решений. Получаем ответ на вопрос, алгоритмически неразрешимый, что не может быть реализовано машиной Тьюринга.
Я конечно понятия не имею, что там имел в виду Гедель, но в этом куске текста есть явные логические противоречия.
Поэтому чем поросшая мхом теорема Геделя мешает существованию разума, познанию разумом самого себя - по прежнему непонятно.
-- 10.05.2013, 00:37 --Таким, что если бы мышление реализовывалось на классических компьютерах, то оно моделировалось бы и машиной Тьюринга. А квантовые теории - это гипотезы, авторы которых стремятся найти объяснение тем свойствам сознания, которые, по их мнению, не могут быть объяснены классически.
И, кстати, какие "свойства" не могут быть объяснены классически?
-- 10.05.2013, 00:42 --Кроме того, даже алгоритмически разрешимые задачи, требующие рассуждений, которые решают матшкольники, компы методами тупого перебора символов могут решить, ну я не знаю точно, может быть, за много миллиардов лет. Так что задачи, требующие сколько-нибудь нетривиальных рассуждений, компы сейчас не решают, за исключением тех, для которых люди нашли быстрые алгоритмы.
Ну если уж школьники решают - значит алгоритм есть. Просто пока ещё не формализован. И смею заверить - не такой уж он и неведомый. Разве что геделям.
-- 10.05.2013, 01:14 --Чтобы представлять, как мозг решает задачи, надо, как обычно, быть знакомым с основами. С нейронами там, персептронами и т.п.
Есть принципиально очень простая, но при этом крайне занятная модель - самоорганизующиеся карты Кохонена.
Сия модель позволяет интересна тем, что при предъявлении ей различных входных векторных значений она может эти векторные значения структурировать. Близкие значения оказываются рядом друг с другом. Если мы говорим о предметах или понятиях реального мира, представленных в виде числовых коэффициентов, соотвествующих свойствам этих предметов/понятий, то такая карта позволит структурировать не просто похожие, а взаимосвязанные между собой предметы и понятия. Для биологической системы это означает, что любое понятие, которое наш мозг в текущий момент вспоминает, автоматически будет активировать и целый ряд ассоциаций - понятий, близких к текущему.
Итак, у нас есть задача (тоже, своего рода, понятие), и есть её решение (оно нам неизвестно, но мы в большей или меньше степени представляем, что получим, когда это решение будет найдено - то есть, опять же, "понятие" есть). Эти два понятия находятся в разных точках большой самоорганизующейся карты и не имеют между собой непосредственного родства. Поиск решения здесь - это поиск такого маршрута на этой карте, который свяжет между собой данные "предметы" посредством системы понятий, связанных как с задачей, так и с решением.
Этот маршрут будет походить на два дерева - одно растёт из понятия, другое - из решения. Деревья могут быть разными, но все "листья" этих деревьев будут общими.
Очевидно при этом, что деревьев этих для каждой пары задача-решение может быть бесчисленное множество.
Алгоритм поиска пути тоже не представляется невероятным: бери любой путь на этой карте, который свяжет задачу с решением - он гарантированно будет являться частью одной из пар деревьев.