Насколько я могу судить, возможность создавать парадоксы не является «блокирующим фактором» в области создании/понимании интеллекта.
Одно время я исследовал тему «синтеза интеллекта». Для этого рассматривались конечные дискретные задачи, которые, гипотетически, можно решить перебором. Задача этого класса представляет собой:
* множество дискретных переменных,
* множество ограничений с фиксированным набором функций (логические, арифметические, кванторы, суммы и некоторые другие),
* и, иногда, критерий.
Для обучения и тестирования решателей дискретных проблем нужно уметь оценивать, какой из «алгоритмов» интеллектуальнее. Для этого для i-ой задачи использовалась оценка
Она отражает интеллектуальность решения задачи i некоторым имеющимся решателем j. Здесь для определенности можно считать, то
– число совершенных шагов при решении задачи i при использовании решателя j;
– число шагов при решении задачи полным перебором.
Простейший анализ этой формулы говорит о том, что для «эффективных» алгоритмов
есть полиномиальная доля трудоемкости решения задачи (оставшаяся часть – это экспоненциально-переборная). Т.е., в первом приближении, наиболее эффективным будет тот решатель, который за полиномиальное число шагов экспоненциально снизит общее количество шагов.
Для синтеза интеллекта берется значительное множество задач, которым мы относим к «обучающим». В зависимости от сложности и важности в практической области, присваиваем каждой задаче i вес (сумма весов по всем задачам равна 1). Составляем общий критерий для оценки «интеллекта» решателя j:
Теперь «генерируя» решатели, можно найти наиболее интеллектуальный «алгоритм» решения множества задач. При этом надеяться, если подсунуть «алгоритму» задачу не из обучающего множества, то он решит ее эффективно.
Генерация решателей (алгоритмов) возможна с помощью формальных систем. Применение правил должно привести от условий задачи к ее решению (здесь будут найдены значения переменных). Построение «алгоритма» состоит в том, чтобы указать, в каком порядке будут применяться аксиомы и создаваемые «теоремы». Оставим пока в стороне практическую реализуемость такой системы, проблемы зависания, эффективности и т.п.
Пытаясь представить, что будет представлять из себя самый эффективный алгоритм, можно прийти к выводу – это алгоритм, который заранее «знает» ответ. Т.е. во время обучения ответы задач будут найдены и сохранены. Если предложить «эффективному» алгоритму решить задачу, то он просто найдет по условиям задачу и ее ответ и выдаст его. Если предложить такому алгоритму задачу не из списка обучающих, то, скорее всего алгоритм «зависнет», либо будет заниматься тупым перебором.
Проблема, конечно, кроется в нашем критерии. Он учитывает только число шагов. Чтобы избежать данной проблемы, нужно ограничить память решателя (алгоритма). Тогда нельзя запомнить условия задачи и ответ целиком. В этом случае наиболее «эффективный» алгоритм будет более абстрактным, т.е. в меньшей степени зависящим от конкретных задач. В силу этой особенности, более абстрактные (общие) алгоритмы могут эффективнее решать большее множество задач, нежели менее абстрактные. С другой стороны, менее абстрактные алгоритмы лучше решают задачи, близкие к обучающему множеству.
Таким образом, в критерий оптимального алгоритма должно быть встроено требование минимальности «длины» записи алгоритма. Нет времени описывать все исследование, но могу лишь сказать (конечно, не со 100% уверенностью), что эффективный алгоритм может быть построен с высокой эффективностью.
Возвращаясь к теме основ математики, в моем понимании, они ведут нас к самым абстрактным (общим) способам решения задач. Но, как было показано выше, для интеллекта этого мало, т.к. важна еще эффективность. А связь способности «думать» с парадоксами видится мне несколько искусственной...