Whitepaper luo yhteyden tietokoneen ensi-ideasta moderniin systeemitieteeseen.
Linkki PDF-tiedostoon täällä.
Yleiskatsaus Symbolisesti laskettaviin systeemeihin
Whitepaperin SCS 0.3 osuvin luonnehdinta on:
Konseptuaalinen tutkimuspaperi ja paradigmaehdotus symbolisesti laskettavista systeemeistä: SCS 0.3.
Linjauksessa määritellään uusi tutkimuskohde, käsitteistö, tulosavaruus, arkkitehtuuri ja tutkimusohjelma.
A Conceptual Framework and Paradigm Proposal for Epistemically Open Systemic Computation
Vaikka linjaus on käsitteellisesti täsmällinen, se ei vielä ole formaalisti täydellinen. Seuraava erillinen, tuleva askel määrittelee syntaksin, semantiikan, päättelysäännöt sekä todistettavat ominaisuudet.
Vertailu Turingin mullistavaan paperiin, joka loi tietokoneen
Turingin vuoden 1936 artikkeli määritteli laskettavan luvun operatiivisesti koneen ja symbolisten askelten avulla ja johti siitä universaalikoneeseen sekä ratkeamattomuuden rajoihin. Se oli matemaattinen konstruktio ja todistuspaperi. Turingin alkuperäinen artikkeli
| Näkökulma | Turing 1936 | SCS / GoodReason 2026 |
|---|---|---|
| Peruskysymys | Mitä voidaan laskea mekaanisesti? | Milloin systeemi on symbolisesti käsiteltävissä perustellulla tavalla? |
| Perusolio | Kone, nauha, tila ja symboli | SOI, MOI, symbolit, konteksti, toimijat ja palautesilmukat |
| Tulos | Laskettu arvo tai ratkaisemattomuus | answer, refuted, open tai conflict |
| Merkitys | Kohdealueen semantiikka abstrahoidaan pois | Merkitys, alkuperä, tarkoitus ja tulkinta kuuluvat malliin |
| Epätäydellisyys | Laskennan matemaattinen raja | Myös tiedon, mallin, kontekstin ja toimijoiden raja |
| Yhteiskunnallisuus | Ei kuulu konemalliin | Moniagenttisuus ja eriävät tulkinnat ovat keskeisiä |
Yhteistä on ennen kaikkea menetelmä: epämääräinen inhimillinen kyky muutetaan symbolien, tilojen ja sallittujen operaatioiden määrittämäksi tutkimuskohteeksi. Molemmissa myös rajan löytyminen on osa teoriaa eikä epäonnistuminen.
Olennainen ero on, ettei SCS laajenna Turing-laskettavien funktioiden matemaattista luokkaa. Se laajentaa mallinnettavaa kohdetta ja tulossopimusta. Kun ratkaisua ei voida muodostaa, open(q,C,M) säilyttää kysymyksen, kontekstin ja perustelun käyttökelpoisena tieto-objektina. Tästä syntyy hyvä muotoilu:
Kun Turing määritteli, milloin laskenta voi jatkua, ja SCS määrittelee lisäksi, miten tutkimus voi jatkua, kun vastausta ei vielä voida laskea tai hyväksyä.
GoodReasonin kehämallissa tämä osuu erityisesti vedenjakajalle 4. Turing osoittaa, ettei kaikkea voida ratkaista. SCS tekee tästä rajasta toiminnallisen: avoimuus, ristiriita ja epävarmuus välitetään seuraaville toimijoille sen sijaan, että ne peitettäisiin näennäisellä vastauksella.
Turing–Moore–GoodReason-jatkumo
Tällainen historiallinen jatkumo on mielestäni löydettävissä:
- Turing 1936 – mahdollisuus: mitä symbolinen kone voi periaatteessa tehdä?
- Moore 1965 – kapasiteetti: kuinka paljon laskentaa voidaan teknisesti ja taloudellisesti toteuttaa?
- GoodReason/SCS 2026 – ymmärrettävyys ja hallinta: miten valtava laskentakapasiteetti muutetaan perustelluksi, avoimeksi ja systeemisesti käyttökelpoiseksi tiedoksi?
Mooren alkuperäinen kirjoitus oli komponenttimäärän ja kustannusten kehitystä koskeva teknis-taloudellinen ennuste, ei laskettavuusteoreema. Mooren alkuperäinen artikkeli
1. Turing teki laskettavuuden määriteltäväksi.
2. Moore teki laskennan runsaaksi.
3. GoodReason pyrkii tekemään laskennallisesta runsaudesta ymmärrettävää, perusteltua ja systeemisesti hallittavaa.
Tätä voi kutsua Turing–Moore–GoodReason-jatkumoksi, mutta ei vielä GoodReasonin “laiksi”. Varsinainen Mooren lain kaltainen väite vaatisi mitattavan suureen ja havaittavan kehityskäyrän. Mahdollinen tuleva suure voisi olla esimerkiksi varmennettujen symbolisten päättelyaskelten määrä suhteessa kustannukseen, energiaan tai ihmisen valvontaan.
Laskennan rajojen ja laskentakapasiteetin jälkeen seuraava suuri kysymys koskee merkityksen, perustelujen ja systeemisten seurausten hallintaa.
Hanketta on kehitelty Symbolisen analyysin väitöskirjasta (Jyväskylän yliopisto, 2008) alkaen GoodReason – konseptina, mitä moderni tekoäly on menestyksekkäästi viime vuosina auttanut α – Ω – arkkitehtuurin ansiosta. Prototyyppejä on luonut Ville Laitila.