Heikki

Puhuttaessa agenttien toiminnasta usealla eri tasolla (agentteja ja “pääohjaaja”) näen oikeastaan tilanteen hieman toisin. Uskoakseni keskusohjaaja on alun perin ollut tavallinen agentti, joka on oppimisen myötä erilaistunut tekemään todella hyvää erottelua ympäristön antamien ärsykkeiden mukaan, ja reagoimaan oikein. Tätä voisi ajatella kontekstin tunnistamisena. Mikäli ympäristön mappaus muutettaisiin täysin erilaiseksi, niin jokin toinen agentti todennäköisesti veisi tämän erikoisaseman itselleen. Tässä oletin oppimisen jatkuvan jatkuvasti.

Totta, kalvolla 14 tarkoitetaankin nykyisten teknologioiden kehittymistä keskusjohtoisuudesta hajautettuihin ratkaisuihin, joissa tämä kyberneettinen lähestymistapa voi tulla hyödylliseksi. Luonnossa hajautuneisuus on lähtökohta, kuten kuvasit.

Minun täytyy myöntää, että järjestelmän itsereguloituminen ympäristön kautta ei tullut ensimmäisenä mieleeni. Ensimmäisenä myönnettäkööt herää epäilys siitä minkälainen järjestelmä tästä muotoutuu ja voidaanko tätä käyttää vastaavalla tavoin kuin sisäisten kytkentöjen tapauksessa. Erityisesti tilanteet, joissa agenttien saamat ympäristön ärsykkeet ovat hyvin erilaisia, eivät tunnu intuitiivisesti selviltä.

Ehkäpä ärsykkeiden erilaisuus voi toimia mittana sille, kuinka monta osajärjestelmää ja kerrosta ylipäänsä tarvitaan jotta kokonaisuudet voivat pysyä koossa. Jos pohdit luonnonjärjestelmien monimuotoisuutta, löydät useimmiten kuitenkin varsin yksinkertaisia ärsykkeitä eri tarkkuustasoilta, joita suodatetaan todella runsaslukuisten elementtien toimesta.

Bayesiläisittäin voitaisiin ajatella priorijakauman olevan nuorella yksiköllä varsin tasainen. Yksilön kasvaessa priorijakauma saa vaikutteita ympäristöstä, jonka seurauksena huomioitaisiin menneisyys. Ennustava jakauma tällöin ottaisi vanhemman yksilön tapauksessa vahvemmin huomioon mahdollisuuden epäonnistumiseen.

Tällä kurssilla on pidetty jakaumien käsittely varsin vähissä, mutta olisi toki syytä pohtia mikä matemaattinen yhteys on bayesiläisten ja kyberneettisten mallien välillä. Kyberneettisessä perusmallissa havainto xbar on suodatin phi kertaa residuaali ubar, joka puolestaan on data u vähennettynä sen implisiittisellä, kuluttavalla estimaatilla phi xbar. Adaptiiviset suodattimet phi toimivat siis samalla generatiivisena mallina, joten priorille, likelihoodille ja posteriorille voi löytyä vastine, erityisesti kun toimitaan todennäköisyyksien suhteiden logaritmisessa avaruudessa.

Petri

Tällainen yhteiskunta, samoin kuin yksittäisten toimijoiden tiedostava käsitys, muuttuvat jatkuvasti, mutta populaation ollessa niin suuri, yksittäiset muutokset ovat pieniä, jolloin muutokset eivät ole nopeasti havaittavissa. [korostus lisätty]

Petri

Luentoon on jokseenkin vaikea päästä kiinni, vaikka eipä tässä paljon helppoja luentoja olekaan. Taustatietoja ei ole riittävästi, joten tämä luento herättääkin jälleen paljon enemmän kysymyksiä kuin tarjoaa vastauksia.

Voi olla tehokkaampaa kiinnittää huomio muutamiin omalta kannalta hyviin pointteihin ja kehittää niitä, kuin niihin lukuisiin oudoksuttaviin. Luentojen teoriakehyksessä voisin yleistää: Kyberneettinen järjestelmäkin keskittyy konvergoituessaan ensin mallintamaan u:ta mahdollisimman hyvin, ja estimaatin uest merkitys residuaalissa ubar kasvaa vasta oppimisen myötä, jolloin aletaan huolehtia yhä enemmän virheiden huomioimisesta, menettämättä silti otetta olennaisesta. Virheisiin ja kuviteltuihin uhkiinkin keskittyminen on luonnollista, mutta ensisijaista on pyrkimys olemassaolevan ymmärtämiseen tai menee nopeasti vikaan! :)

1. En aivan päässyt kiinni siihen mitä tuolla itäisen näkemyksen esiintuomisella yritetään viestittää? Kun sitä lukee, niin se ei vaikuta kovin yksiselitteisesti tulkittavalta.

Siinä yhdellä kalvolla (9) oli esimerkiksi mainio lausahdus käsitteiden ‘vuori’ ja ‘ihminen’ suhteesta niiden taustalla oleviin ilmiöihin. Toisinaanhan, esimerkiksi tultuaan yllätetyksi, alkaa pohtia opittujen sanojen ja luokitteluiden taustalla olevien oikeiden ilmiöiden eroavuuksia ja yhtäläisyyksiä, ja asiat sekoittuvat uudella tavalla, kunnes käsitteet ovat itse ajateltuja, vaikkakin ehkä taas ulkoasultaan samoja. Tätä voi verrata kyberneettisen järjestelmän toimintaan jossa suodatinvektorit on annettu etukäteen. Kyllähän se toimii, mutta kun järjestelmä uskalletaan päästää oikeasti muokkautumaan, se löytää ehkä yllättäviäkin yhteyksiä asioiden välillä jotka annetut käsitteet pitivät täysin irrallisina, kunnes konvergoituu kuitenkin kattamaan edellisenkin variaation, jos se on oikeasti relevanttia. Idealisoitu tapaus, mutta ehkä perusteltavissa kuitenkin.

Itäistä näkemystäkään ei ole olemassa yhtenä kokonaisuutena, eikä sitä voi laittaa yksiin kansiin, mutta esimerkiksi Alan Wattsin The Way of Zenistä on olemassa mainio suomennos, jota uskaltaisin kuvata viittauksineen jopa “scholaariksi”, ja jossa viitataan myös kybernetiikkaan. Watts oli mainio puhuja: osa 1, osa 2, osa 3, osa 4 (tai muita tai southparklaisittain animaatioita).

Toki näitä monitulkintaisia aiheita, kuten minuutta ja itsetuntemusta, tutkitaan monella saralla: Annual Review of Psychology (+ muita katsauksia), Stanford Encyclopedia of Philosophy, Wikipedia jatkolinkkeineen.

2. Mihin tuo ajatuksen virta neuronien verkolla perustuu eli miten tuo on saatu selville tutkimuksella?

Tuossa kalvolla (10-11) on kyse analyyttisestä, keinotekoisten hermoverkkojen tutkimusperinteestä kumpuavasta käsityksestä — miten ajattelun voidaan käsittää tapahtuvan edes jollain fysikaalisesti uskottavalla rakenteella. Ja kybernetiikkahan pyrkii kuvaamaan ilmiöitä systeemien, säädön, informaation ja mallien abstraktioilla. Oikeiden neuronien toiminta näyttää tältä (saatu näkyväksi optogeneettisillä menetelmillä), ja fMRI-kuvista, joiden erottelukyky on ollut vain n. 5×5×5 mm, on pystytty rakentamaan aika hyvä luokittelija kymmendimensioisen aliavaruuden avulla — Mitchell vihjaa esityksessään seuraavaksi kokeilevansa MEG-kuvantamista, jossa erottelukyky on heikompi, mutta aikatarkkuus saattaa mahdollistaa ajatusten kehittymisen karkean kuvaamisen. Tämä “ajatusten virta neuronien verkolla” ei ole ristiriidassa nykyisten havaintojen kanssa: kannattaa silmäillä vaikkapa viisi uusinta Annual Review of Neuroscience (Nelli) ja Annual Review of Psychology (Nelli) (ja samalla myös Annual Review of Sociology Nelli) lehden numeroa (en muista nyt mitkä artikkelit olisivat relevanteimpia tähän). Esimerkiksi ARP Grounded Cognition -artikkeli kiteyttää tutkimuksia käsitteiden sensorimotorisesta pohjasta. Barsaloun muutkin artikkelit, kuten “Perceptual Symbol Systems” Behavioral and Brain Sciences lehdessä kommentteineen, ovat mainioita ja paljon viitattuja (täsmällisemmät viittaukset esim. ISI Web of Knowledgesta). Mutta kun selailee vaikkapa Nature Neurosciencen ja Nature Reviews Neurosciencen löydöksiä, niin ovathan nuo yksityiskohdat todella monimutkaisia, ja esimerkiksi alueiden synkronisoitumisella taitaa olla suuri merkitys, jolloin informaatio on koodautunut mm. vaihe-eroihin suhteessa synkronitaajuuteen. Kannattaa selailla esim. noita Annual Review -katsausartikkeleita, nämä tulevat kenties sitten peruskoulun oppikirjoihin vasta vuosien päästä, ja tulevat kyllä aikanaan vaikuttamaan yleiseen käsitykseen mielestä.

Petri

Se, että tekoälyn tuloon on aina 20 vuotta, fuusion tuloon 50 vuotta tai ilmastonmuutoksen tuloon 100 vuotta, on hyvä suoja väärässäoloa vastaan. Jos tarkastellaan 100 vuotta sitten tehtyjä ennusteita 100 vuoden kuluttua, niin ennustajat ovat jo ehtineet maatua hyvän tovin.

Joo. Luulisi että kun älyä tutkitaan, eivät tutkijatkaan olisi niin järjettömiä että lupaisivat tuloksia omana aktiiviaikanaan!

Luentoon on jokseenkin vaikea päästä kiinni, vaikka eipä tässä paljon helppoja luentoja olekaan. Taustatietoja ei ole riittävästi, joten tämä luento herättääkin jälleen paljon enemmän kysymyksiä kuin tarjoaa vastauksia. En taida kysyä ihan kaikkea, mutta annan nyt hetkeksi yhdelle patterille “tuli vapaa” -komennon.

Tuli vapaa? – No myönnettäköön, minä haastoin – ammuin Mainilan laukaukset! Kaikkeen omaan tutkimukseeni vaikuttaa oma tekoälytaustani, kaikki muu on pohjustusta älyn ymmärtämiselle. Tekoälyala on mielestäni piristävä poikkeus tutkimuksen kentällä: AI-ajatukset ovat rajoja rikkovia, siellä hypoteesien rakentaminen on sallittua – kunhan intuitiot ovat riittävän kutkuttavia!

1. En aivan päässyt kiinni siihen mitä tuolla itäisen näkemyksen esiintuomisella yritetään viestittää? Kun sitä lukee, niin se ei vaikuta kovin yksiselitteisesti tulkittavalta. Lännestä vastaava varhainen esimerkki löytyisi ehkä antiikin Kreikasta ja kyseessä on tietysti Delfoin Apollon temppelin korkein papitar eli ns. Delfoin oraakkeli.

Kyseessä on varoitus: tiettyjä asioita ei pidä edes yrittää tarkastella reduktionistisesti. – Toisaalta viisaat ihmiset ymmärtävät, ja ovat aina ymmärtäneet, asioita yllättävän hyvin omalla intuitiollaan … arvostan sitä kovasti. Tällaisen intuition rakentaminen koneeseenkin olisi tekoälylle todellinen haaste (hedelmällisempi kuin Turingin testi!). Itämaiden viisaat eivät ole eksyneet länsimaisen tieteen hybrikseen.

2. Mihin tuo ajatuksen virta neuronien verkolla perustuu eli miten tuo on saatu selville tutkimuksella?

“Ajatuksen virta” kuvaa sitä, miten asioiden olisi pakko toimia jotta olisivat toteutettavissa neokyberneettisellä neuronirakenteella … tällainen lähestymistapa tekisi tutkimuksesta jälleen teorian ohjaamaa – enkä pidä sellaisten verifioitavien/falsifioitavien hypoteesien esittämistä ollenkaan hyödyttömänä. Puhtaasti havainnoista lähteviä selitysyrityksiä ei taida olla, koska yksittäisten neuronien toimintaa ei vielä voida riittävän hyvin mitata ja verrata aistiärsykkeeseen (tai ainakaan mielensisältöihin) = mallittaa.

3. Shakkiesimerkki herättää myös kysymyksiä. Jos itse puhun omasta kokemuksesta, niin noviisina toimii täsmälleen samoin kuin asiantuntijana, mutta muistitietoa on vain vähemmän eli noviisi ei tiedä tekojensa seurauksia. Hahmon vertaaminen satunnaiseen kuvioon ei ole aivan reilua, koska niiden informaatiosisällöt poikkeavat merkittävästi toisistaan, mutta eikö asiantuntijakin tunnistaisi paremmin sattumanvaraisen asetelman, jos hän olisi pelannut sitä usein?

Tässä shakkitutkimuksessa ollaan tukevalla pohjalla, sitä on tehty kognitiotieteessä paljon. Itsekin olen vääntänyt jonkin paperin aiheesta kognitiotieteen professori Pertti Saariluoman kanssa (hän on nykyisin myös täällä Jyväskylässä!). Ainakin hän on vakuuttunut “asiantuntijamieltämisyksiköiden” (expert chunks) merkityksestä, tosin perinteinen käsitys niiden rakenteesta on kovin kvalitatiivinen (psykologit jos ketkä vieroksuvat matematiikkaa!).

Heikki

Luentoon on jokseenkin vaikea päästä kiinni, vaikka eipä tässä paljon helppoja luentoja olekaan. Taustatietoja ei ole riittävästi, joten tämä luento herättääkin jälleen paljon enemmän kysymyksiä kuin tarjoaa vastauksia. En taida kysyä ihan kaikkea, mutta annan nyt hetkeksi yhdelle patterille “tuli vapaa” -komennon.

1. En aivan päässyt kiinni siihen mitä tuolla itäisen näkemyksen esiintuomisella yritetään viestittää? Kun sitä lukee, niin se ei vaikuta kovin yksiselitteisesti tulkittavalta. Lännestä vastaava varhainen esimerkki löytyisi ehkä antiikin Kreikasta ja kyseessä on tietysti Delfoin Apollon temppelin korkein papitar eli ns. Delfoin oraakkeli.

2. Mihin tuo ajatuksen virta neuronien verkolla perustuu eli miten tuo on saatu selville tutkimuksella?

3. Shakkiesimerkki herättää myös kysymyksiä. Jos itse puhun omasta kokemuksesta, niin noviisina toimii täsmälleen samoin kuin asiantuntijana, mutta muistitietoa on vain vähemmän eli noviisi ei tiedä tekojensa seurauksia. Hahmon vertaaminen satunnaiseen kuvioon ei ole aivan reilua, koska niiden informaatiosisällöt poikkeavat merkittävästi toisistaan, mutta eikö asiantuntijakin tunnistaisi paremmin sattumanvaraisen asetelman, jos hän olisi pelannut sitä usein?

Kokonaisuutena tästä tulee sellainen vaikutelma, että teknologia ei ole vielä kehittynyt riittävästi kognitiivisen tieteen tarpeisiin. Lähestymistapa on selvästi heuristinen ja mielestäni se on edelleen hieman vaikea tapa etsiä syviä rakenteita. Kyllä se varmaan riittävän ajan kuluttua osuu kohdilleen, mutta permutaatioita on paljon.

Ilari

Luennolla vertailtiin suurimman uskottavuuden estimaatin suoran sovittamista neokyberneettiseen malliin. Erot ovat hyvin selkeitä, mutta mielestäni tässä ei ole tehty vertailua aivan oikein. ML-estimaattia tehdessä suoralle tehdään tietyt oletukset, joita uskoakseni neokyberneettinen järjestelmä ei määritelmällisesti täytä. Neokyberneettisen järjestelmän variaatio käsitykseni mukaan on informaatiota, jonka rakenne halutaan kaapata. ML-estimointia tehdessä avoimesti oletetaan tietynlainen malli, jolle tulee vain etsiä parametrit aineiston pohjalta. Mikäli jotkin pisteet eivät täsmää mallin kanssa, aiheutuu muutokset vain kohinasta. Toisin sanotusti mallin rakenne oletetaan suurelta osin tunnetuksi ML-estimointia tehdessä. Tässä on mielestäni nähtävissä puhdas filosofinen ero.

Filosofisten erojen vertaileminen on … tuota … aina vähän filosofista, eikä tule koskaan valmiiksi! Tässä tapauksessa on haluttu pukea molemmat lähestymistavat yhden kaavan muotoon, jolloin erot tulevat konkreettisimmin esiin. Ja kiteytetyimmillään ero on (toistaiseksi mallintamattomien) havaintojen (eli selitysvirheiden) merkityksen tulkinnassa. Totta on, että alla olevaksi jakaumaksi on oletettu gaussinen jakauma (se olisi tietenkin pitänyt mainita jos sitä en tehnyt!). – Mutta aina asioita tulkitessa joudutaan soveltamaan käytettyyn mallirakenteeseen, nyt siis neokyberneettiseen malliin. Ja jos oletetaan, että kaikki tärkeä informaatio voidaan kuvata enintään toisen kertaluvun tilastollisilla kumulanteilla, tehdään taas (implisiittisesti) informaation jakaumasta gaussisuusolettamus!

Vapausasteiden yleistys maailmaan ja matematiikkaan vaikuttaa mielestäni kiehtovalta. Lukioaikana kävin monesti erilaisia väittelyitä ohjelmoinnin ja matematiikan asemasta taiteena. Yleisin argumentti matematiikan taiteellisuutta vastaan oli ajatus “matematiikka on vain kaavoja”, johon en osannut formuloida kunnollista vastausta. Tämä harhakuva uskoakseni liittyy puhtaasti siihen miten matematiikkaa yleensä kouluissa opetetaan: Useimmille riittää, että heille annetaan yhtälöt, joihin riittää pelkät muuttujien sijoitukset. Uskoakseni taide voitaisiin määritellä tämän pohjalta hyvin täsmällisesti taidoksi tutkia vapausasteiden virittämää avaruutta.

Hyvin sanottu. Koulussa pitäisi opettaa matemaattista ajattelua – siis ongelmien täsmällistä formulointia, pilkkomista osiin (tunnettuihin rajoitteisiin ja tuntemattomiin) – ja ennen kaikkea rajoitteiden ohjaamaa luovuutta. Täytyy sanoa – tutustuttuani poikieni matikankirjoihin – että parempaan suuntaan on menty: nykyisin on mukana “ongelmatehtäviä”, joissa asioita sovelletaan luovasti. Ja joukko-opista on luovuttu!

Darwinistisen ajattelun laajentaminen vapausasteajattelulla oli myös varsin osuva esimerkki. Vaikka se kuvastaakin vain kulttuurievoluutiota, niin ihmisyhteisötasolla se on aivan yhtä oleellista kuin “aito” evoluutiokin.

… Kuinka niin se ei kuvaisi muuta kuin kulttuurievoluutiota?! Uusien vapauksien (uudet aistit, uudet ekolokerot, jne.) suunnassa on tyypillisesti jaossa enemmän tai vähemmän uusia resursseja, jolloin “semiosiksen laajentaminen” tarjoaa lajille tms. evolutiivisen edun.

Puhuttaessa verkon eri lähestymistavoista muistin ajatuksen, joka on oikeastaan ollut jo pitkään mielessäni, mutten ole muistanut edellisiin luentopohdintoihin sitä liittää. Neokyberneettiset tyhmät agentit vaikuttavat tekevän hyvin samanlaista asiaa mitä PageRank-algoritmi.

Hehh … enpä sano muuta. Tavataan vapun jälkeen!

Verkkotulkinta ylipäätään tuntuu järkevältä, mikäli kaikki järjestelmän toimijat ovat identtisiä. Mikäli järjestelmä sisältää hyvin erilaisia toimijoita, niiden “yksilöllinen” merkitys on linkittäytymisestä huolimatta hyvin erityistä. Mikäli taasen toimijat muodostuvat “tyhmistä” tai “älykkäistä” agenteista, on verkkotulkinta ehdottomasti järkevä. Ajatusleikkinä voitaisiin tutkia ihmispopulaation käyttäytymistä olettaen ihmiset yksinkertaisina toimijoina… lopputulos teoriassa voisi olla koko maan kokoinen hyvin älykäs toimija. Kokonaisuudessaan verkot ovat fiksuja tämänkaltaisten tilanteiden hahmottamiseen. Olemmehan jo todenneet järjestelmien olevan enemmän kuin osiensa summa.

Jep, luvussa 8 yritetään soveltaa ajatuksia liian matalalla tasolla, antaen kyberneettisen säätäjän rooli suoraan prosessin todellisille säätäjille … koska eri säätäjien rooli on hyvin erilainen – ja koska ei voida edes tyytyä tasapainotarkasteluihin – lähestymistapa ontuu. No luennossa 9 jo laajennetaan riittävän korkealle tasolle: alla olevat toimijat ovat prosessioperaattoreita ja -insinöörejä, jotka ovatkin melko lailla kuin “tyhmät agentit”, suunnaten aktiivisuutensa sen mukaan missä on variaatiota tai “jännitteitä”.

Geeniekspression säätelyn mallinnus vain neljällä vapausasteella onnistuneesti tuntuu hyvin yllättävältä (redundanssista huolimatta). Pitänee etsiä vielä lisää tietoa aiheesta..

Se tutkimus jäi kesken … emme yrittäneetkään löytää aliavaruudesta varsinaisia vapausasteita, tai harvakoodautuneita komponentteja. Totta puhuen teoriakin oli tuolloin vielä kovin keskeneräinen!

- Nyt kun olet heittänyt kommentteja näin pidemmän pohdinnan jälkeen, on mukava nähdä niiden kypsyneen edelleen … voisikin olla järkevää, että näitä luentokohtaisia keskusteluja ylläpidettäisiin jatkuvasti. Petri voisi vinkata kun tänne tulee uusia pohdintoja?

Heikki

Vapausasteiden yleistys maailmaan ja matematiikkaan vaikuttaa mielestäni kiehtovalta. Lukioaikana kävin monesti erilaisia väittelyitä ohjelmoinnin ja matematiikan asemasta taiteena. Yleisin argumentti matematiikan taiteellisuutta vastaan oli ajatus “matematiikka on vain kaavoja”, johon en osannut formuloida kunnollista vastausta. Tämä harhakuva uskoakseni liittyy puhtaasti siihen miten matematiikkaa yleensä kouluissa opetetaan: Useimmille riittää, että heille annetaan yhtälöt, joihin riittää pelkät muuttujien sijoitukset. Uskoakseni taide voitaisiin määritellä tämän pohjalta hyvin täsmällisesti taidoksi tutkia vapausasteiden virittämää avaruutta.

Darwinistisen ajattelun laajentaminen vapausasteajattelulla oli myös varsin osuva esimerkki. Vaikka se kuvastaakin vain kulttuurievoluutiota, niin ihmisyhteisötasolla se on aivan yhtä oleellista kuin “aito” evoluutiokin.

Puhuttaessa verkon eri lähestymistavoista muistin ajatuksen, joka on oikeastaan ollut jo pitkään mielessäni, mutten ole muistanut edellisiin luentopohdintoihin sitä liittää. Neokyberneettiset tyhmät agentit vaikuttavat tekevän hyvin samanlaista asiaa mitä PageRank-algoritmi.

Verkkotulkinta ylipäätään tuntuu järkevältä, mikäli kaikki järjestelmän toimijat ovat identtisiä. Mikäli järjestelmä sisältää hyvin erilaisia toimijoita, niiden “yksilöllinen” merkitys on linkittäytymisestä huolimatta hyvin erityistä. Mikäli taasen toimijat muodostuvat “tyhmistä” tai “älykkäistä” agenteista, on verkkotulkinta ehdottomasti järkevä. Ajatusleikkinä voitaisiin tutkia ihmispopulaation käyttäytymistä olettaen ihmiset yksinkertaisina toimijoina… lopputulos teoriassa voisi olla koko maan kokoinen hyvin älykäs toimija. Kokonaisuudessaan verkot ovat fiksuja tämänkaltaisten tilanteiden hahmottamiseen. Olemmehan jo todenneet järjestelmien olevan enemmän kuin osiensa summa.

Geeniekspression säätelyn mallinnus vain neljällä vapausasteella onnistuneesti tuntuu hyvin yllättävältä (redundanssista huolimatta). Pitänee etsiä vielä lisää tietoa aiheesta..

- Nexton

Insinöörityö on aina tuollaista … jotenkin ääliöoptimistista – asioita viedään eteenpäin niin kauan kuin edistystä on saavutettavissa, välittämättä muodollisista todistuksista.

Mielestäni insinöörityö on sitä mitä insinöörit siitä tekevät ja vaikka heidän tieteellinen ymmärryksensä voi olla rajallinen, niin se kuitenkin perustuu siihen paljon puhuttuun perustutkimukseen. Aiemmat lajit valitsivat kyberneettisen ratkaisun kehitystyöhönsä ja tiedämme mitä niille tapahtui. Tiede perustuu havaintoihin ja kokeisiin, joten se ei voi erkaantua tosielämästä kovin pitkäksi aikaa.

Vaaditko (kreikkalaistyylistä, aristoteelistä) totuutta ja todistettavuutta? Silloin rajoitat niiden asioiden kentän, joita voit tutkia, kovin kapeaksi – aivan kuin länsimaisessa tieteessä tehdäänkin … ehkä “totuuden” sijaan hedelmällisempi lähtökohta onkin “todellisuus”, ja “pragmaattinen semantiikka” tämän todellisuuden ilmentymien relevanssin mittarina.

En vaadi mitään, mutta asetan vain suuremman painoarvon ymmärrykselle kuin ”Monte Carlo” -tyyppiselle parametrien arpomiselle.

Haluan tulkita tuon aporisen “jotain todella pahaa tulossa ja en tarkoita vain kurssin päättymistä” omalla tavallani, ja olen iloinen tulkinnassani (kiitos!).

Se on ainoa oikea tulkinta. Totuus on siis olemassa.

– Ilari

Jos otetaan esimerkiksi lentokone. Ilmaa kuvaavat jatkossakin samat differentiaaliyhtälöt ja ohjaussiivekkeiden vaikutus on aina sama. Miten vapausasteet voivat muuttua rajoitteiksi tällaisessa tilanteessa? Rajoitteiden muodostuminen on helpommin ymmärrettävää sosiaalisissa järjestelmissä, mutta mielestäni jopa niissä yhteyksien hajoamisen mittakaava on korkeintaan vuosissa tai kymmenissä vuosissa.

Jossakin ilmavirtauksen ohjauksen tapauksessa ollaan vielä hyvin kaukana siitä, että tekemämme ohjaukset todella eliminoisivat vapausasteita … ovathan ilmakehäilmiöt tunnetusti kaoottisia ja nykyteorioiden ulottumattomissa. Mutta totta kai pyrkimystä kybernetisoitumiseen tälläkin alueella on – olisihan mahtavaa päästä säätämään säätä, mään!

Heikki