Voiko AI ajatella? Searlen kiinalaisen huoneen ajatuskoe

Tekoälyn käyttö monenlaisiin tarkoituksiin on tullut yhä suositummaksi. Itseajavista autoista palkittujen kuvien luomiseen, miljardien twiittien analysointiin ja (ironisesti) kokonaisten artikkeleiden kirjoittamiseen. Kukaan ei voi kiistää sitä, että digitaalisen datan kasvava tuotanto ja laskentatehon kehitys ovat muuttaneet jokapäiväistä elämäämme ja tapaamme ajatella älykkyydestä. Jotkut tutkijat, kuten Nicholas Christakis (kreikkalainen amerikkalainen sosiologi) ovat viitanneet tekoälyyn yhtenä radikaaleista teknologioista, jotka pysyvät ikuisesti. muuttaa ihmisten välistä vuorovaikutusta .

Silti edessä on pitkä matka; ja tunnettu filosofi John Searle on väittänyt, että tekoäly ei voi koskaan todella ajatella kuten ihmiset tekevät . Osoittaakseen tämän hän on rakentanut pahamaineisen kiinalaisen huoneargumentin, josta tuli erittäin vaikutusvaltainen nykyajan filosofiassa.

Kiinalaisen huoneen argumentin asettaminen: kaksi tekoälytyyppiä

Ero Tekoäly (AI) ja Yleinen tekoäly (AGI) on hyödyllinen tässä vaiheessa. Useimmat meistä ovat jo vuorovaikutuksessa jonkinlaisen tekoälyn kanssa. Ensimmäisessä tapauksessa tietokoneet ja koneet jäljittelevät ihmisen älykkyyttä suppeassa merkityksessä; Tekoäly voi esimerkiksi olla hyvä suodattamaan ja analysoimaan miljardeja sanoja Twitterissä, mutta todella huono ymmärtämään vitsiä; tai hyvä ajamaan tai pelaamaan shakkia, mutta ei molempia. Tekoälyn rajoitteena on silloin joustavuuden puute ja jatkuvan oppimisen puute; mallit on koulutettava ennen kuin ne voidaan ottaa käyttöön.

Yrittäjä ja neurotieteilijä Jeff Hawkins selittää, että toisin kuin tekoäly, AGI:n tarkoituksena on luoda 'koneita, jotka oppivat nopeasti uusia tehtäviä, näkevät analogioita eri tehtävien välillä ja ratkaisevat joustavasti uusia ongelmia' (2021, s. 119). Ja tässä törmää filosofiseen keskusteluun: onko tällainen AGI edes mahdollista? Emme ole kiinnostuneita tietämään, olisiko tämä 'Älykkyys' hyvää vai huonoa (moraalisesti sanottuna) tai tuoko se utopiaa tai dystopiaa; sen sijaan tutkimme mahdollisuus sellaisesta älykkyydestä.

Searlen kiinalaisen huoneen argumentti

Filosofi John Searle, vaikutteita Wittgensteinin myöhempi filosofia , käsitteli tätä ongelmaa kirjassaan Mielet, aivot ja tiede (1984). Hän väitti, että ohjelmat voivat jäljitellä ihmisten tekemiä henkisiä prosesseja, mutta vain muodollisesti, ts. ymmärtää mitä he tekevät. Toisin sanoen tällainen älykkyys on vain sääntöjen (algoritmien) noudattamista antamatta niille merkitystä. Havainnollistaakseen kantaansa paremmin hän kehitti ajatuskokeen: Kiinan huoneen.

Searle pyytää meitä kuvittelemaan itsemme lukittuina huoneeseen, josta löytyy erilaisia ​​koreja kiinalaisia ​​symboleita. Tuosta huoneesta löydät sääntökirjan äidinkielelläsi, jossa on ohjeet kiinalaisten kirjainten käsittelyyn. Sääntökirja tarjoaa vain sääntöjä, kuten: 'jos näet symbolin [X], vastaa symbolilla [Y]' ja niin edelleen. Tässä mielessä et koskaan saa tietää noiden kiinalaisten symbolien merkitystä.

Oletetaan lisäksi, että joku huoneen ulkopuolella on pudottanut joitakin kiinalaisia ​​merkkejä oven alle. Voit vastata näihin viesteihin ottamalla hahmoja koreista, järjestämällä ne sääntökirjan mukaan ja sujattamalla ne oven alle. Oletetaan, että ohjeet ovat niin selkeitä ja yksityiskohtaisia, että hyvin pian vastauksiasi ei voi erottaa äidinkielenään puhujan vastauksista. Huoneen ulkopuolella oleva henkilö luulee nyt, että ymmärrät ja puhut mandariinia.

Searle kysyy sitten: voimmeko päätellä, että osaat mandariinikiinaa? Vaikuttaa siltä, ​​että et. Analogisesti, koska tämä on juuri sitä, mitä tapahtuu tekoälylle, tekoäly ei ymmärtää kuten ihmiset tekevät. Searle kirjoittaa: ”Kielen ymmärtäminen (…) edellyttää muutakin kuin vain muodollisten symbolien käyttämistä. Siihen liittyy tulkinta tai merkitys, joka liittyy näihin symboleihin” (2003, 31). Sitten näyttää siltä, ​​että tie yleiseen tekoälyyn on luontaisten rajoitusten tukkima.

Teknologinen kehitys ja jäljitelmäpelit

Saatat kysyä: entä tekninen kehitys? Voiko se lopulta voittaa nämä rajoitukset? Koneoppimisalgoritmit ovat yhä monimutkaisempia, ja tällaisten mallien kouluttamiseen käytetyn tiedon määrä Internetissä kasvaa eksponentiaalisesti. Yksinkertaisesti sanottuna näyttää siltä, ​​​​että on ajan kysymys, ennen kuin tekoäly voi ymmärtää kieltä eikä vain toistaa sitä. Kysymys ei ole Miten, mutta kun .

Tätä ajattelutapaa vastaan ​​Oxfordin yliopiston professori Luciano Floridi on samaa mieltä Searlen kanssa. Hän sanoo, että teknologisesta kehityksestä huolimatta tekoälyn luontainen rajoitus säilyy. Se on kuin lukujen kertominen nollalla: riippumatta siitä, kuinka suuri luku on, tulos on aina nolla. Palatakseni Searlen kiinalaisen huoneen ajatuskokeeseen, vaikka käyttöopas muuttuisikin monimutkaisemmaksi, huoneessa oleva henkilö ei koskaan ymmärrä mandariinia.

Toisessa suunnassa voisi havaita, että Searlen kiinalaisessa huoneessa on kysymys siitä, että ulkopuoliset ihmiset ovat vakuuttuneita, että puhut sujuvasti mandariinia. Eikö se ole koko pointti? Eikö se riittäisi? varten Alan Turing , tekoälyn isä, jos joku ei osaa erottaa lähimmäistä ja konetta, se ohjelma on onnistunut! Voisiko simulointi riittää?

Meidän ei tarvitse spekuloida. Esimerkkejä löytyy helposti: Googlen virtuaaliassistentti voi soittaa puheluita ja sopia tapaamisia ilman, että ihmiset huomaavat puhuvansa tekoälylle; YouTube-käyttäjät ovat haastatelleet avoimen tekoälyn mallia GPT-3; Lopuksi olet todennäköisesti ollut vuorovaikutuksessa chat-botin kanssa, kun olet tarvinnut apua pankiltasi tai tekemäsi ruokatilauksen kanssa. Kuten Turing sanoi, se on jäljitelmä peli .

Jäljitelmäpeli ei kuitenkaan riitä. Kuten aiemmin mainittiin, yksittäiset algoritmit voivat ylittää ihmisen joissakin tehtävissä, mutta se ei tarkoita, että he ajattelevat tai että he oppivat jatkuvasti. Syväoppimisverkostot voivat pelata shakkia (IBM:n Deep Blue) tai Goa (AlphaGo) tai jopa voittaa Jeopardyssa TV-ohjelmissa (IBM:n Watson), mutta kukaan niistä ei tiedä pelaavansa peliä.

Lisäksi meillä on tapana unohtaa, että 'vastakkainasettelun' aikana kymmenet insinöörit, matemaatikot, ohjelmoijat, kaapelit, kannettavat tietokoneet ja niin edelleen ovat tekoälyn takana, mikä saa kaiken toimimaan; he ovat todella mahtavia nukkenäyttelijöitä! Älykkyys on enemmän kuin oikeiden vastausten saamista tai oikean liikkeen laskemista. Kuten Jeff Hawkins kirjoittaa: 'Emme ole älykkäitä siksi, että pystyisimme tekemään yhden asian erityisen hyvin, vaan siksi, että voimme oppia tekemään käytännössä mitä tahansa.' (2021, s. 134)

Onko avain aivoissamme?

Edellä esitetyn perusteella Searlen kiinalaisen huoneen väite on pätevä. Joten jos simulaatiot eivät vastaa yleisen tekoälyn ihanteita ja kuvia, joita meillä on tieteiskirjallisuudesta, esim. minä robotti (2004) tai Ex Machina (2015), mikä on tekoälyn tulevaisuus? Ehkä tarvitaan erilainen lähestymistapa.

Kun IBM:n Deep Blue voitti Garry Kasparovin vuonna 1997, shakin suurmestari sanoi: 'Kaikki, mitä voimme tehdä (…) koneet tekevät sen paremmin (...) Jos voimme kodifioida sen , ja välitä se tietokoneille, he tekevät sen paremmin.' (julkaisussa Epstein, 2019, s. 22). Kasparovin sanoissa on vihje: jos voimme kodifioida mitä me teemme. Asia on siinä, että yritämme edelleen ymmärtää, miten ihminen on älykäs ja miten hän esimerkiksi kehittää kielitaitoa. Monet kognitiomme näkökohdat jäävät salaperäisiksi; Emme ole vielä kodifioineet prosessia. Voisiko olla, että tie yleiseen tekoälyyn on suljettu siksi, että aivot toimivat epäselvästi?

Tämä on Jeff Hawkinsin asenne kirjassaan Tuhat aivoa (2021). Hän uskoo, että AGI:n on toimittava kuten aivomme tekevät, mikä sisältää kyvyn navigoida maailmassa eli kehon omaamisen. Ruumiillistuminen on ratkaisevan tärkeää, koska aivot toimivat kehon kautta: opimme koskettamalla, liikuttamalla, näkemällä, kuulemalla, tutkimalla, maistelemalla, ihmettelemällä jne.

AGI tarvitsisi vastaavasti antureita ja liikkuvia mekanismeja. Kehon ei tarvitse olla ihmisen kaltainen; Vain kyky tutkia ja navigoida maailmassa on välttämätöntä. Siksi neurotieteilijöiden, robotiikan tutkijoiden ja tekoälykehittäjien on tehtävä yhteistyötä. Tämän intuition filosofinen seuraus rikkoo vanhan dualismin Rene Descartes : emme voi ajatella ilman kehoa.

Palatakseni Searlen kiinalaiseen huoneeseen, mikä tahansa AGI tarvitsee pääsyn muihin kontekstuaalisiin tietoihin: milloin näitä symboleja käytetään? Miten ihmiset toimivat lähettäessään näitä symboleja? Ajatuskokeilua venyttäen tarvittaisiin ikkunoita ja antureita. Kuten voit jo huomata, nämä muutokset liittyvät huoneen ominaisuuksiin pikemminkin kuin sisällä olevaan henkilöön. Teknisillä termeillä ei ole kyse vain siitä, miten CPU (keskusyksikkö) toimii (siellä oleva henkilö kuvaa), vaan vuorovaikutus sen kontekstin kanssa ja navigointitaidot, jotka voidaan liittää kyseiseen prosessoriin.

Epähuomiossa kiinalaisessa huoneessa on toistettu karteesinen älykkyys. Jos nämä muutokset tehtiin, ei ole mitään syytä, miksi huone – kokonaisena – estyisi ymmärtämästä mandariinikiinaa.

Kiinalaisen huoneen väitteen seuraukset: luddiitit vai digitaaliset utopistit?

Luulen, että Searle olisi samaa mieltä Hawkinsin kanssa: jos aivojen mysteerit paljastettaisiin, AGI olisi mahdollinen. Hawkins on sitä mieltä, että tällaista kehitystä tapahtuu seuraavien kahden tai kolmen vuosikymmenen aikana (2021, s. 145). Kaikki riippuu ensinnäkin siitä, miten ihmiset oppivat ja ajattelevat, sekä kehomme ja ympäröivän kontekstin välisestä kognitiivisesta vuorovaikutuksesta.

Mitä tapahtuisi seuraavaksi? Mitä seurauksia AGI:stä on? Max Tegmarkin mukaan on luddiiteja, jotka uskovat, että seuraukset ovat kielteisiä ihmiskunnalle, kun taas voimme löytää digitaalisia utopisteja toiselta puolelta uskoen, että tällaisten teknologioiden saapuminen merkitsee paremman ajan alkua kaikille. Riippumatta asemastasi, yksi asia on varma: kykyämme ajatella ja oppia ei pidä pitää itsestäänselvyytenä; Kun odotamme tekoälyn ajattelevan, meidän pitäisi jatkaa kykyjemme tutkimista ihmisinä.

Kirjallisuus

Epstein, D. J. (2019). Alue (Kindle-Ver). Penguin Publishing Group.

Hawkins, J. (2021). Tuhat aivoa: Uusi älykkyyden teoria (Kindle Edi). Peruskirjat.

Searle, J. (2003). Mielet, aivot ja tiede . Harvard University Press.

Tegmark, M. (2017). Elämä 3.0. Ihmisenä oleminen tekoälyn aikakaudella . Alfred A. Knopf.