Μπορούν οι μηχανές να έχουν αυτογνωσία; Νέα έρευνα εξηγεί πώς θα μπορούσε να συμβεί αυτό

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Για να κατασκευάσει κανείς ένα μηχάνημα, πρέπει να γνωρίζει ποια είναι τα μέρη του και πώς ταιριάζουν μεταξύ τους. Για να κατανοήσει κανείς το μηχάνημα, πρέπει να γνωρίζει τι κάνει το κάθε εξάρτημα και πώς συμβάλλει στη λειτουργία του. Με άλλα λόγια, θα πρέπει να μπορεί κανείς να εξηγήσει τη «μηχανική» του πώς λειτουργεί.

Σύμφωνα με ένα φιλοσοφική προσέγγιση που ονομάζεται μηχανισμός, οι άνθρωποι είναι αναμφισβήτητα ένας τύπος μηχανής - και η ικανότητά μας να σκεφτόμαστε, να μιλάμε και να κατανοούμε τον κόσμο είναι το αποτέλεσμα μιας μηχανικής διαδικασίας που δεν καταλαβαίνουμε.

Για να κατανοήσουμε καλύτερα τον εαυτό μας, μπορούμε να προσπαθήσουμε να κατασκευάσουμε μηχανές που μιμούνται τις ικανότητές μας. Κάνοντας αυτό, θα είχαμε μια μηχανιστική κατανόηση αυτών των μηχανών. Και όσο περισσότερη συμπεριφορά δείχνει η μηχανή, τόσο πιο κοντά μπορεί να είμαστε στο να έχουμε μια μηχανιστική εξήγηση του μυαλού μας.

Αυτό είναι που κάνει την τεχνητή νοημοσύνη ενδιαφέρουσα από φιλοσοφική άποψη. Προηγμένα μοντέλα όπως GPT-4 και το Midjourney μπορεί τώρα να μιμηθεί την ανθρώπινη συνομιλία, να περάσει επαγγελματικές εξετάσεις και να δημιουργήσει όμορφες εικόνες με λίγες μόνο λέξεις.

Ωστόσο, παρ' όλη την πρόοδο, τα ερωτήματα παραμένουν αναπάντητα. Πώς μπορούμε να κάνουμε κάτι με αυτογνωσία ή να γνωρίζουμε ότι οι άλλοι γνωρίζουν; Τι είναι ταυτότητα; Τί σημαίνει?

Αν και υπάρχουν πολλές ανταγωνιστικές φιλοσοφικές περιγραφές αυτών των πραγμάτων, όλες έχουν αντισταθεί στη μηχανιστική εξήγηση.

Σε σειρά χαρτιών αποδεκτό για το 16ο Ετήσιο Συνέδριο Τεχνητής Γενικής Νοημοσύνης στη Στοκχόλμη, θέτω μια μηχανιστική εξήγηση για αυτά τα φαινόμενα. Εξηγούν πώς μπορούμε να κατασκευάσουμε μια μηχανή που έχει επίγνωση του εαυτού του, των άλλων, του εαυτού του όπως γίνεται αντιληπτό από τους άλλους, και ούτω καθεξής.

Ευφυΐα και Πρόθεση

Πολλά από αυτά που ονομάζουμε νοημοσύνη συνοψίζονται στο να κάνουμε προβλέψεις για τον κόσμο με ελλιπείς πληροφορίες. Όσο λιγότερες πληροφορίες χρειάζεται ένα μηχάνημα για να κάνει ακριβείς προβλέψεις, τόσο πιο «έξυπνο» είναι.

Για κάθε δεδομένη εργασία, υπάρχει ένα όριο στο πόση ευφυΐα είναι πραγματικά χρήσιμη. Για παράδειγμα, οι περισσότεροι ενήλικες είναι αρκετά έξυπνοι για να μάθουν να οδηγούν αυτοκίνητο, αλλά η περισσότερη ευφυΐα πιθανότατα δεν θα τους κάνει καλύτερους οδηγούς.

Τα χαρτιά μου περιγράφουν το ανώτερο όριο νοημοσύνης για μια δεδομένη εργασία και τι απαιτείται για την κατασκευή μιας μηχανής που την επιτυγχάνει.

Ονόμασα την ιδέα Bennett's Razor, η οποία με μη τεχνικούς όρους είναι ότι «οι εξηγήσεις δεν πρέπει να είναι πιο συγκεκριμένες από τις απαραίτητες». Αυτό διαφέρει από τη δημοφιλή ερμηνεία του Ockham's Razor (και μαθηματικές περιγραφές τους), που είναι μια προτίμηση για απλούστερες εξηγήσεις.

Η διαφορά είναι λεπτή, αλλά σημαντική. Σε μια πείραμα συγκρίνοντας πόσα δεδομένα χρειάζονται τα συστήματα τεχνητής νοημοσύνης για να μάθουν απλά μαθηματικά, η τεχνητή νοημοσύνη που προτιμούσε λιγότερο συγκεκριμένες επεξηγήσεις ξεπέρασε την απόδοση ενός που προτιμούσε απλούστερες εξηγήσεις έως και 500%.

Η διερεύνηση των συνεπειών αυτής της ανακάλυψης με οδήγησε σε μια μηχανιστική εξήγηση του νοήματος —κάτι που ονομάζεται «Gricean πραγματισμός.» Αυτή είναι μια έννοια στη φιλοσοφία της γλώσσας που εξετάζει πώς το νόημα σχετίζεται με την πρόθεση.

Για να επιβιώσει, ένα ζώο χρειάζεται να προβλέψει πώς θα ενεργήσει και θα αντιδράσει το περιβάλλον του, συμπεριλαμβανομένων των άλλων ζώων. Δεν θα διστάζατε να αφήσετε ένα αυτοκίνητο χωρίς επίβλεψη κοντά σε έναν σκύλο, αλλά δεν μπορούμε να πούμε το ίδιο για το μεσημεριανό γεύμα με μπριζόλα.

Το να είσαι έξυπνος σε μια κοινότητα σημαίνει να μπορείς να συμπεράνεις την πρόθεση των άλλων, η οποία πηγάζει από τα συναισθήματα και τις προτιμήσεις τους. Εάν μια μηχανή επρόκειτο να φτάσει στο ανώτατο όριο νοημοσύνης για μια εργασία που εξαρτάται από τις αλληλεπιδράσεις με έναν άνθρωπο, τότε θα έπρεπε επίσης να συμπεράνει σωστά την πρόθεση.

Και αν μια μηχανή μπορεί να αποδώσει πρόθεση στα γεγονότα και τις εμπειρίες που τη συναντούν, αυτό εγείρει το ερώτημα της ταυτότητας και του τι σημαίνει να έχει κανείς επίγνωση του εαυτού του και των άλλων.

Αιτιότητα και Ταυτότητα

Βλέπω τον Γιάννη να φοράει αδιάβροχο όταν βρέχει. Αν αναγκάσω τον Τζον να φορέσει αδιάβροχο μια ηλιόλουστη μέρα, αυτό θα φέρει βροχή;

Φυσικά και όχι! Για έναν άνθρωπο, αυτό είναι προφανές. Αλλά οι λεπτές λεπτομέρειες της αιτίας και του αποτελέσματος είναι πιο δύσκολο να διδαχθούν σε μια μηχανή (οι ενδιαφερόμενοι αναγνώστες μπορούν να ελέγξουν Το βιβλίο του λόγου από τους Judea Pearl και Dana Mackenzie).

Για να συλλογιστεί αυτά τα πράγματα, μια μηχανή πρέπει να μάθει ότι το «εγώ το προκάλεσα» είναι διαφορετικό από το «το είδα να συμβαίνει». Συνήθως, θα το κάναμε πρόγραμμα αυτή η κατανόηση σε αυτό.

Ωστόσο, η δουλειά μου εξηγεί πώς μπορούμε να κατασκευάσουμε μια μηχανή που αποδίδει στο ανώτερο όριο νοημοσύνης για μια εργασία. Ένα τέτοιο μηχάνημα πρέπει, εξ ορισμού, να προσδιορίζει σωστά την αιτία και το αποτέλεσμα - και επομένως να συνάγει επίσης αιτιώδεις σχέσεις. Τα χαρτιά μου εξερευνήστε πώς ακριβώς.

Οι συνέπειες αυτού είναι βαθιές. Εάν μια μηχανή μάθει «εγώ το προκάλεσα να συμβεί», τότε πρέπει να κατασκευάσει τις έννοιες του «εγώ» (μια ταυτότητα για τον εαυτό της) και «αυτό».

Οι ικανότητες να συμπεράνουμε την πρόθεση, να μάθουμε την αιτία και το αποτέλεσμα και να χτίζουμε αφηρημένες ταυτότητες είναι όλες συνδεδεμένες. Μια μηχανή που επιτυγχάνει το ανώτερο όριο ευφυΐας για μια εργασία πρέπει να επιδεικνύει όλες αυτές τις ικανότητες.

Αυτό το μηχάνημα δεν δημιουργεί απλώς μια ταυτότητα για τον εαυτό του, αλλά για κάθε πτυχή κάθε αντικειμένου που βοηθά ή εμποδίζει την ικανότητά του να ολοκληρώσει την εργασία. Μπορεί τότε χρησιμοποιεί τις δικές του προτιμήσεις ως γραμμή βάσης για πρόβλεψη τι μπορούν να κάνουν οι άλλοι. Αυτό είναι παρόμοιο με το πώς οι άνθρωποι τείνουν να αποδίδουν πρόθεση για μη ανθρώπινα ζώα.

Τι σημαίνει λοιπόν για την τεχνητή νοημοσύνη;

Φυσικά, το ανθρώπινο μυαλό είναι πολύ περισσότερο από το απλό πρόγραμμα που χρησιμοποιείται για τη διεξαγωγή πειραμάτων στην έρευνά μου. Η εργασία μου παρέχει μια μαθηματική περιγραφή μιας πιθανής αιτιακής οδού για τη δημιουργία μιας μηχανής που έχει αναμφισβήτητα αυτογνωσία. Ωστόσο, οι ιδιαιτερότητες της μηχανικής ενός τέτοιου πράγματος δεν έχουν λυθεί.

Για παράδειγμα, η ανθρώπινη πρόθεση θα απαιτούσε ανθρώπινες εμπειρίες και συναισθήματα, κάτι που είναι δύσκολο να σχεδιαστεί. Επιπλέον, δεν μπορούμε εύκολα να δοκιμάσουμε τον πλήρη πλούτο της ανθρώπινης συνείδησης. Συνείδηση είναι μια ευρεία και διφορούμενη έννοια που περιλαμβάνει —αλλά θα πρέπει να διακρίνεται από— τους πιο στενούς ισχυρισμούς παραπάνω.

Έχω δώσει μια μηχανιστική εξήγηση πτυχές της συνείδησης — αλλά αυτό από μόνο του δεν αποτυπώνει τον πλήρη πλούτο της συνείδησης όπως τον βιώνουν οι άνθρωποι. Αυτή είναι μόνο η αρχή και η μελλοντική έρευνα θα χρειαστεί να επεκταθεί σε αυτά τα επιχειρήματα.

Αυτό το άρθρο αναδημοσιεύθηκε από το Η Συνομιλία υπό την άδεια Creative Commons. Διαβάστε το αρχικό άρθρο.

Image Credit: Deepmind on Unsplash