آیا ماشین ها می توانند خودآگاه باشند؟ تحقیقات جدید توضیح می دهد که چگونه این اتفاق می تواند رخ دهد

آیا ماشین ها می توانند خودآگاه باشند؟ تحقیقات جدید توضیح می دهد که چگونه این اتفاق می تواند رخ دهد

تمبر زمان: 5 مه 2023، 10:00 صبح

برای ساخت یک ماشین باید دانست که قطعات آن چیست و چگونه با هم قرار می گیرند. برای درک ماشین، باید بدانیم که هر قطعه چه کاری انجام می دهد و چگونه به عملکرد آن کمک می کند. به عبارت دیگر، فرد باید بتواند "مکانیک" نحوه عملکرد آن را توضیح دهد.

با توجه به رویکرد فلسفی که مکانیسم نامیده می شود، انسان ها مسلماً نوعی ماشین هستند – و توانایی ما برای فکر کردن، صحبت کردن و درک جهان نتیجه یک فرآیند مکانیکی است که ما نمی فهمیم.

برای درک بهتر خود، می‌توانیم سعی کنیم ماشین‌هایی بسازیم که توانایی‌های ما را تقلید کنند. با انجام این کار، ما یک درک مکانیکی از آن ماشین ها خواهیم داشت. و هر چه ماشین بیشتر رفتار ما را نشان دهد، ممکن است به توضیح مکانیکی از ذهن خود نزدیک‌تر باشیم.

این همان چیزی است که هوش مصنوعی را از منظر فلسفی جالب می کند. مدل های پیشرفته مانند GPT-4 و Midjourney اکنون می تواند مکالمه انسانی را تقلید کند، امتحانات حرفه ای را پشت سر بگذارد و تصاویر زیبایی را تنها با چند کلمه ایجاد کند.

با این حال، با وجود همه پیشرفت‌ها، سؤالات بی‌پاسخ باقی می‌مانند. چگونه می توانیم چیزی را خودآگاه کنیم، یا آگاه باشیم که دیگران از آن آگاه هستند؟ هویت چیست؟ معنی چیست؟

اگرچه توصیفات فلسفی رقیب زیادی در مورد این چیزها وجود دارد، اما همه آنها در برابر توضیح مکانیکی مقاومت کرده اند.

در یک دنباله مقالات پذیرفته شده برای شانزدهمین کنفرانس سالانه هوش مصنوعی در استکهلم، توضیحی مکانیکی برای این پدیده ها ارائه می کنم. آنها توضیح می‌دهند که چگونه می‌توانیم ماشینی بسازیم که از خودش، دیگران، از خود آن‌طور که دیگران درک می‌کنند و غیره آگاه باشد.

هوش و نیت

بسیاری از چیزهایی که ما آن را هوش می نامیم به پیش بینی هایی درباره جهان با اطلاعات ناقص خلاصه می شود. هر چه یک ماشین برای پیش‌بینی دقیق به اطلاعات کمتری نیاز داشته باشد، «هوشمندتر» است.

برای هر کار مشخصی، محدودیتی برای میزان سودمندی هوش وجود دارد. به عنوان مثال، بیشتر بزرگسالان آنقدر باهوش هستند که رانندگی ماشین را یاد بگیرند، اما هوش بیشتر احتمالا آنها را راننده بهتری نخواهد کرد.

اوراق من شرح می دهد حد بالایی هوش برای یک کار معین، و آنچه برای ساختن ماشینی لازم است که به آن دست یابد.

من نام این ایده را Bennett's Razor گذاشتم که در اصطلاح غیرفنی این است که "توضیحات نباید بیشتر از حد ضروری باشد." این با تفسیر رایج از تیغ اوکام (و توضیحات ریاضی آن) که ترجیحی برای توضیحات ساده تر است.

تفاوت ظریف، اما قابل توجه است. در یک تجربه با مقایسه میزان داده ای که سیستم های هوش مصنوعی برای یادگیری ریاضیات ساده نیاز دارند، هوش مصنوعی که توضیحات کمتر خاص را ترجیح می داد تا 500 درصد بهتر از توضیح های ساده تر بود.

کاوش در مفاهیم این کشف من را به توضیح مکانیکی از معنا سوق داد - چیزی به نام "عمل شناسی گریس" این مفهومی در فلسفه زبان است که به چگونگی ارتباط معنا با قصد می پردازد.

برای زنده ماندن، یک حیوان باید پیش بینی کند که محیطش، از جمله حیوانات دیگر، چگونه عمل می کند و چگونه واکنش نشان می دهد. در رها کردن ماشین بدون مراقبت در نزدیکی سگ تردیدی ندارید، اما همین را نمی‌توان در مورد ناهار استیک شما نیز گفت.

باهوش بودن در یک جامعه به معنای توانایی استنباط قصد دیگران است که از احساسات و ترجیحات آنها نشات می گیرد. اگر قرار بود ماشینی برای کاری که به تعامل با انسان بستگی دارد به حد بالای هوش برسد، باید به درستی قصد استنباط کند.

و اگر ماشینی بتواند به وقایع و تجربیاتی که برایش رخ می دهد، قصد و نیت را نسبت دهد، این پرسش هویت و آگاهی از خود و دیگران را مطرح می کند.

علیت و هویت

وقتی باران می بارد جان را می بینم که بارانی پوشیده است. اگر من جان را مجبور کنم در یک روز آفتابی بارانی بپوشد، آیا آن باران می بارد؟

البته که نه! برای یک انسان، این واضح است. اما آموزش ظرافت های علت و معلولی به ماشین دشوارتر است (خوانندگان علاقه مند می توانند بررسی کنند کتاب چرا توسط جودیا پرل و دانا مکنزی).

برای استدلال در مورد این چیزها، یک ماشین باید یاد بگیرد که "من باعث شدم آن اتفاق بیفتد" با "من دیدم که اتفاق افتاد" متفاوت است. به طور معمول، ما برنامه این درک در آن است.

با این حال، کار من توضیح می‌دهد که چگونه می‌توانیم ماشینی بسازیم که در حد بالای هوش برای یک کار عمل کند. چنین ماشینی باید بنا به تعریف، علت و معلول را به درستی شناسایی کند و بنابراین روابط علی را نیز استنتاج کند. اوراق من دقیقاً چگونه

پیامدهای این امر عمیق است. اگر ماشینی یاد بگیرد که «من باعث شدم آن اتفاق بیفتد»، باید مفاهیم «من» (هویتی برای خودش) و «آن» را بسازد.

توانایی استنتاج قصد، یادگیری علت و معلول، و ساختن هویت های انتزاعی همگی به هم مرتبط هستند. ماشینی که برای انجام یک کار به حد بالای هوش می رسد باید همه این توانایی ها را نشان دهد.

این ماشین نه تنها برای خود یک هویت می سازد، بلکه برای هر جنبه ای از هر شی که به توانایی آن در تکمیل کار کمک می کند یا مانع می شود. آن وقت می تواند از ترجیحات خود استفاده کند به عنوان یک پایه برای پیش بینی کاری که دیگران ممکن است انجام دهند این شبیه چگونه است انسان ها تمایل به نسبت دادن دارند قصد حیوانات غیر انسانی

بنابراین برای هوش مصنوعی چه معنایی دارد؟

البته، ذهن انسان بسیار بیشتر از برنامه ساده ای است که برای انجام آزمایشات در تحقیقات من استفاده می شود. کار من توصیفی ریاضی از مسیر علّی احتمالی برای ایجاد ماشینی است که مسلماً خودآگاه است. با این حال، مشخصات مهندسی چنین چیزی هنوز حل نشده است.

برای مثال، نیت انسان‌مانند به تجربیات و احساسات انسان‌مانند نیاز دارد، که مهندسی کردن آن کاری دشوار است. علاوه بر این، ما نمی توانیم به راحتی غنای کامل آگاهی انسان را آزمایش کنیم. آگاهی مفهومی گسترده و مبهم است که ادعاهای محدودتر فوق را در بر می گیرد - اما باید از آنها متمایز شود.

من یک توضیح مکانیکی ارائه کرده ام جنبه آگاهی-اما این به تنهایی غنای کامل آگاهی را آنطور که انسانها آن را تجربه می کنند، در بر نمی گیرد. این تنها آغاز راه است و تحقیقات آینده نیاز به گسترش این استدلال ها دارد.گفتگو

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.

تصویر های اعتباری: Deepmind on می Unsplash 

تمبر زمان:

بیشتر از تکینگی هاب