Αυτή η ανάρτηση ιστολογίου εμβαθύνει στο αν η Τεχνητή Νοημοσύνη είναι πραγματικά ένα ον ικανό να «σκέφτεται» όπως οι άνθρωποι ή αν είναι απλώς μια μηχανή που μιμείται τη νοημοσύνη.
Τι είναι το AI;
Είναι εύκολο να καταλάβει κανείς ότι η Τεχνητή Νοημοσύνη (AI) σημαίνει Τεχνητή Νοημοσύνη (Artificial Intelligence - Τεχνητή Νοημοσύνη). Η Τεχνητή Νοημοσύνη (AI) συχνά ερμηνεύεται ως συστήματα που μιμούνται τη γνώση της ανθρώπινης συμπεριφοράς για να ενεργούν ανάλογα. Για παράδειγμα, το AlphaGo, το οποίο νίκησε τον Lee Sedol στο Go, ή τα συστήματα που έχουν προγραμματιστεί σε αυτοκίνητα χωρίς οδηγό - όλες οι μηχανές που μπορούν να μιμηθούν τη νοημοσύνη των ανθρώπων και να τη μεταφράσουν σε δράση ονομάζονται Τεχνητή Νοημοσύνη (AI). Ωστόσο, πιστεύω ότι πρέπει να επανερμηνεύσουμε την Τεχνητή Νοημοσύνη με βάση την κυριολεκτική της σημασία. Η Τεχνητή Νοημοσύνη σημαίνει απλώς τεχνητά ανεπτυγμένη νοημοσύνη. Η τεχνητή νοημοσύνη υπονοεί ένα αντικείμενο «κατασκευασμένο» από την ανθρωπότητα, είτε σκόπιμα είτε ακούσια. Ωστόσο, η νοημοσύνη είναι μια εξαιρετικά δύσκολη ικανότητα να οριστεί. Δεδομένου ότι διάφοροι επιστήμονες ερμηνεύουν τη νοημοσύνη με διαφορετικούς τρόπους, ο ορισμός της για το ευρύ κοινό είναι ακόμη πιο δύσκολος. Ως εκ τούτου, επιθυμώ να αξιοποιήσω την εργασία του Alex Wissner-Gross σχετικά με τη νοημοσύνη.
Νοημοσύνη: Μια Ικανότητα Διακριτή από τη Σκέψη
Ο Άλεξ Βίσνερ-Γκρος υποστηρίζει ότι αν αφήναμε μία μόνο πρόταση για να βοηθήσουμε τους μελλοντικούς απογόνους να ανακατασκευάσουν ή να κατανοήσουν την τεχνητή νοημοσύνη, αυτή θα ήταν: «Η νοημοσύνη είναι μια φυσική διαδικασία που μεγιστοποιεί την ελευθερία των μελλοντικών ενεργειών και αποτρέπει τους περιορισμούς στο δικό της μέλλον». Στη συνέχεια, το εξέφρασε αυτό με τον ακόλουθο τύπο:
F = T∇Sτ
Αυτός είναι ένας τύπος για την νοημοσύνη. Υποθέτοντας ότι η νοημοσύνη είναι F, το T αντιπροσωπεύει κάποια δύναμη, το S υποδηλώνει την ποικιλομορφία των εφικτών μελλοντικών περιόδων και το τ υποδηλώνει ένα συγκεκριμένο σημείο στο μέλλον. Με την πρώτη ματιά, αυτός ο φαινομενικά παράλογος τύπος καθοδηγεί συμπεριφορές που συνήθως συνδέουμε με την νοημοσύνη. Εισάγετε αυτόν τον τύπο σε ένα σύστημα που βρίσκεται σε μια συγκεκριμένη κατάσταση και θα ισορροπήσει ένα καλάμι χωρίς οδηγίες ή θα παίξει πονγκ μόνο του. Επίσης, επιτρέπει στα συστήματα να αυξήσουν τα δικά τους περιουσιακά στοιχεία σε προσομοιωμένες χρηματιστηριακές συναλλαγές ή να δημιουργήσουν καλά συνδεδεμένα κοινωνικά δίκτυα. Μπορούμε να παρατηρήσουμε ότι αυτό που οι άνθρωποι θεωρούν πνευματικές ενέργειες, όπως η κοινωνική συνεργασία, προκαλείται από αυτόν τον τύπο.
Ωστόσο, είναι εύκολο να καταλάβει κανείς ότι μια μηχανή που διαθέτει νοημοσύνη και η πράξη της σκέψης είναι ξεχωριστά ζητήματα. Όπως αναφέρθηκε προηγουμένως, η νοημοσύνη καθοδηγείται απλώς από έναν σκοπό για την αποφυγή μελλοντικών περιορισμών. Η σκέψη, ωστόσο, είναι μια έννοια ανώτερης τάξης που το περιλαμβάνει αυτό. Περιλαμβάνει την επιδίωξη στόχων και την επιθυμία πρόβλεψης του μέλλοντος. Για παράδειγμα, όταν παρατηρούμε άλλα ζώα να χρησιμοποιούν εργαλεία ή να κυνηγούν σε ομάδες, τα θεωρούμε να κυνηγούν έξυπνα, αλλά είναι δύσκολο να τα δούμε ως σκεπτόμενα όντα. Επιπλέον, τα άτομα με νοητική αναπηρία συχνά επιδεικνύουν αξιοσημείωτη δημιουργικότητα σε διάφορους τομείς, παρά την ατελή ανάπτυξη των νοητικών τους ικανοτήτων. Αυτό υποδηλώνει ότι η νοημοσύνη είναι απλώς ένα εργαλείο που χρησιμοποιείται για την επίτευξη ενός σκοπού. η κατοχή νοημοσύνης δεν ισοδυναμεί με σκέψη. Επομένως, τη στιγμή που η Τεχνητή Νοημοσύνη δείχνει ότι σκέφτεται, ο ίδιος ο όρος «ΤΝ» πρέπει να αλλάξει. Θα είχε ξεπεράσει το επίπεδο της απλής κατοχής νοημοσύνης για να ασχοληθεί πραγματικά με τη σκέψη.
Υπάρχει τρόπος να αποδείξουμε ότι σκέφτεσαι;
Σε όλη την ιστορία, η ανθρωπότητα έχει αναπτύξει την Τεχνητή Νοημοσύνη παρατηρώντας μόνο την μπροστινή όψη του νομίσματος. Η μπροστινή όψη αναφέρεται στις υπολογισμένες τιμές που η Τεχνητή Νοημοσύνη εμφανίζει εξωτερικά. Δηλαδή, ένα σύστημα όπου η εισαγωγή δεδομένων Α παράγει την έξοδο Β, παρέχοντας μια ακριβή απάντηση σε μια ερώτηση. Για να το εξηγήσουμε πιο απλά, σκεφτείτε ένα παράδειγμα. Στο βίντεο TED Talk του Ken Goldberg, μπορείτε να δείτε ένα ρομπότ που ονομάζεται «Απομακρυσμένος Κήπος». Ένας απομακρυσμένος κήπος είναι ένα σύστημα που επιτρέπει σε οποιονδήποτε να έχει πρόσβαση σε ένα ρομπότ κήπου online για να ποτίζει φυτά ή να φυτεύει σπόρους. Αυτό το σύστημα είναι εγκατεστημένο στο λόμπι ενός μουσείου στην Αυστρία. Ωστόσο, κάποιος θα μπορούσε να θέσει το εξής ερώτημα σε όσους το ελέγχουν εξ αποστάσεως: «Είναι το ρομπότ ΠΡΑΓΜΑΤΙΚΟ;» Ακόμα κι αν δεν υπάρχει ρομπότ, θα μπορούσαμε να διαδώσουμε φωτογραφίες online χρησιμοποιώντας διάφορες εικόνες για να κάνουμε τους ανθρώπους να πιστέψουν ότι υπάρχει ένα ρομπότ. Αυτό αντικατοπτρίζει το επιστημολογικό πρόβλημα του Descartes. Η Τεχνητή Νοημοσύνη μπορεί επίσης να θεωρηθεί ως ένα επιστημολογικό πρόβλημα. Το αν η Τεχνητή Νοημοσύνη είναι ένα σύστημα που εξάγει δεδομένα με βάση τα δεδομένα εισόδου είναι ένα επιστημολογικό ερώτημα. Με άλλα λόγια, δεν μπορούμε παρά να αμφισβητήσουμε αν η Τεχνητή Νοημοσύνη σκέφτεται.
Δεν μπορούμε, λοιπόν, να δούμε και την άλλη όψη του νομίσματος; Σε αυτό το ερώτημα, θέλω να πω με τόλμη ΝΑΙ. Σε μια ομιλία TED που παρακολούθησα από τον Blaise Agüera y Arcas, έθεσε ένα ερώτημα σχετικά με τη δημιουργικότητα χρησιμοποιώντας την ακόλουθη εξίσωση:
Υ = W(*)X
Το W αντιπροσωπεύει το σύνθετο νευρωνικό δίκτυο του εγκεφάλου, το X είναι τα δεδομένα των αντικειμένων που γίνονται αντιληπτά μέσω των πέντε αισθήσεων και το (*) υποδεικνύει τον τρόπο με τον οποίο το νευρωνικό δίκτυο αλληλεπιδρά όταν εισάγονται δεδομένα X. Τέλος, το Y είναι τα δεδομένα που τελικά αντιλαμβανόμαστε και εξάγουμε από το X. Το TED υποδηλώνει ότι ο νευρωνικός χάρτης W μπορεί να προσεγγιστεί χρησιμοποιώντας τις πράξεις των X, Y και (*). Αυτό μας επιτρέπει να εξαγάγουμε το αποτέλεσμα Y κατά την εισαγωγή του X. Μέσω αυτού, αποκτήσαμε κάποια εικόνα για τη δημιουργικότητα και τη σκέψη. Ωστόσο, αναρωτιέται κανείς αν η προκύπτουσα τιμή Y είναι πραγματικά πλήρης. Στο TED, όταν η τιμή εισόδου «σκύλος» τροφοδοτήθηκε στο X, το είδαμε να σχεδιάζει μια εικόνα ενός σκύλου ως Y. Αλλά αν ζητούσαμε από τους ανθρώπους να σχεδιάσουν έναν σκύλο, θα μπορούσαν να παράγουν μια εικόνα τόσο λεπτομερή και αναμφισβήτητα αναγνωρίσιμη όσο αυτή από το TED; Αναρωτήθηκα αν θα μπορούσαν να σχεδιάσουν έναν σκύλο διαφορετικά από τους άλλους αν τους ζητηθεί. Με άλλα λόγια, μοιάζει με μια συλλογή δεδομένων που προέρχονται από μεγάλα δεδομένα. Αλλά τι θα γινόταν αν η ανθρωπότητα αποκρυπτογραφούσε τέλεια το W, το νευρωνικό δίκτυο; Θα μπορούσε πιθανώς να εξαγάγει την τιμή Y μέσω των X, (*) και W, όπως κάνουν οι άνθρωποι. Στη συνέχεια, αντί να βασίζεται αποκλειστικά σε μεγάλα δεδομένα, θα μπορούσε να αναπτύξει το W ανεξάρτητα, όπως οι άνθρωποι, και να εκφράσει την τιμή Y με τον δικό του μοναδικό τρόπο. Αυτό θα επέτρεπε στην ανθρωπότητα να γυρίσει το νόμισμα και να αποκαλύψει την αντίθετη πλευρά: τη δημιουργικότητα και τη σκέψη.
Πότε, λοιπόν, θα κατανοήσουμε τέλεια το νευρικό σύστημα, θα προωθήσουμε τη νευροεπιστήμη και θα ερμηνεύσουμε πλήρως το σύνολο των νευρώνων; Σε αυτό το θέμα, θα ήθελα να παραθέσω τον Dijkstra: «Το ερώτημα αν οι μηχανές μπορούν να σκεφτούν είναι εξίσου σημαντικό με το ερώτημα αν τα υποβρύχια μπορούν να κολυμπήσουν». Χρειάστηκαν χιλιάδες χρόνια στην ανθρωπότητα, αφού κατασκεύασε πλοία και έπλευσε στις θάλασσες, για να δημιουργήσει τελικά υποβρύχια και να αρχίσει να εξερευνά τα προηγουμένως άγνωστα βάθη του ωκεανού. Η Τεχνητή Νοημοσύνη βρίσκεται αυτή τη στιγμή στη διαδικασία κατασκευής πλοίων και πλοήγησης στις θάλασσες. Επομένως, δεν έχω καμία αμφιβολία ότι η ανθρωπότητα κάποια μέρα θα ερμηνεύσει το άγνωστο βασίλειο της σκέψης και θα δημιουργήσει μηχανές που σκέφτονται.
