Μπορεί ο υπολογιστής να σκεφτεί όπως ο άνθρωπος;

Είναι γεγονός ότι οι δυνατότητες των υπολογιστών τα τελευταία χρόνια έχουν αυξηθεί δραματικά και μάλιστα σε τέτοιο βαθμό ώστε να μιλάμε για νοημοσύνη, ένα χαρακτηριστικό που αποδίδονταν μέχρι τώρα αποκλειστικά στον άνθρωπο. Πράγματι με τη δημιουργία της λεγόμενης «Βαθειάς Μάθησης»(Deep learning), οι υπολογιστές είναι ικανοί να εμφανίζουν συμπεριφορές που μοιάζουν με ανθρώπινες (μιμορφικές[1]), να κάνουν προβλέψεις, να παίζουν παιχνίδια και να κερδίζουν ανθρώπους συμπαίκτες τους, να διαγιγνώσκουν ασθένειες, να μεταφράζουν γλώσσες, να συνθέτουν μουσική, να ζωγραφίζουν, να απαντούν σε ερωτήσεις που τους θέτουν οι άνθρωποι και πολλά άλλα.

Εφόσον μπορούν να κάνουν όλα αυτά, τίθεται το ερώτημα μήπως στο μέλλον αποκτήσουν εξ ολοκλήρου ανθρώπινη νοημοσύνη και δε διαφέρουν νοητικά σε τίποτε από τον άνθρωπο. Για να απαντηθεί αυτό το εύλογο ερώτημα, θα πρέπει να εξεταστεί όχι τόσο το τι δεν μπορούν να κάνουν σε ποσοτικό-αριθμητικό επίπεδο, αλλά το τι δεν μπορούν να κάνουν σε μία ποιοτική βάση. Με άλλα λόγια αυτά που δεν μπορούν να κάνουν, γιατί δεν μπορούν να τα κάνουν;

Σύμφωνα με τον H. Dreyfus, υπάρχει ένα είδος γνώσης το οποίο δεν μπορεί να αντιγραφεί από την ΤΝ[2]. Πρόκειται για τη γνώση εκείνη που δεν στηρίζεται στην αλγοριθμικού τύπου μάθηση, αλλά στην υπόρρητη γνώση[3]. Η υπόρρητη γνώση είναι η έμμεση, ασυνείδητη γνώση μέσω βιωματικής εμπειρίας. Παράλληλα ο H. M. Collins θεωρεί ότι η ειδημοσύνη είναι ένα είδος γνώσης που δεν μπορεί να τυποποιηθεί και επομένως να γίνει αντικείμενο μάθησης από υπολογιστές[4]. Οι εκπληκτικές λειτουργίες των υπολογιστών στηρίζονται στους συσχετισμούς μεταξύ χιλιάδων δεδομένων, στη σύνδεση γεγονότων, στη «μάθηση» μέσω άπειρων επαναλήψεων, ενώ οι ανθρωπομορφικές αντιδράσεις συναισθηματικού χαρακτήρα, στηρίζονται στη μίμηση και όχι στο βίωμα. Η υπόρρητη γνώση είναι μία κοινωνική γνώση, η οποία στηρίζεται στις «πολιμορφικές πράξεις»[5], δεν μπορεί θεωρητικοποιηθεί, άρα ούτε και να τυποποιηθεί.

Τι είναι αυτό που δεν μπορεί να κάνει ο υπολογιστής;

Σύμφωνα με τον J. Pearl, επιστήμονα των υπολογιστών και φιλόσοφο, αυτό που δεν μπορεί να κάνει ο υπολογιστής είναι να καταλάβει την αιτιώδη σχέση μεταξύ γεγονότων[6], να καταλάβει δηλαδή το γιατί γίνεται κάτι. Οι λειτουργίες του στηρίζονται στη συλλογή και αποθήκευση άπειρων δεδομένων, στο συσχετισμό μεταξύ τους, στη μάθηση μέσω συνεχών επαναλήψεων, (ακόμα και σε αυτή την περίπτωση υπάρχει το φαινόμενο «καταστροφικής λήθης» κατά το οποίο ο υπολογιστής χάνει κάποια από τα δεδομένα που είχε «μάθει»), ενώ η μετάβαση σε μία άγνωστη για τον υπολογιστή περιοχή τον οδηγεί σε σύγχυση και λάθη. Ακόμα και οι προβλέψεις που υποτίθεται ότι κάνει, στηρίζονται στη συλλογή και στον συσχετισμό άπειρων πληροφοριών, ενώ χρησιμοποιούνται και στατιστικά δεδομένα καθώς και περισσότερο ή λιγότερο πιθανές μεταβλητές και αφορούν μόνο σε γνωστές καταστάσεις και όχι σε νέες περιοχές. Με απλά λόγια, αυτό που έμαθε ο υπολογιστής σε κάποιον συγκεκριμένο τομέα, δεν μπορεί να το εφαρμόσει σε κάποιον άλλο, άγνωστο για αυτόν.

Αυτή η αδυναμία κατανόησης της αιτιώδους σχέσης μεταξύ των γεγονότων, η μη συνειδητοποίηση της σχέσης αιτίας –αποτελέσματος (κοινή λογική), είναι η βασική διαφορά μεταξύ της ανθρώπινης και της ΤΝ. Το «τι θα γινόταν αν», δεν είναι κάτι που μπορεί να απαντήσει ο υπολογιστής. Οι συσχετισμοί μεταξύ δεδομένων-γεγονότων, δοσμένων από τα πριν στον υπολογιστή, δεν οδηγούν στην αναγνώριση των αιτιωδών σχέσεων μεταξύ των γεγονότων αυτών[7]. Σε κάθε πάντως περίπτωση είναι γεγονός ότι ακόμα και έτσι, οι υπολογιστές μπορούν να επεξεργάζονται ταυτόχρονα χιλιάδες δεδομένα, όταν ο άνθρωπος μπορεί να επεξεργάζεται ελάχιστο αριθμό.

Τι θα μπορεί να κάνει στο μέλλον ο υπολογιστής;

Στόχος των ειδικών είναι να μπορέσει ο υπολογιστής να εξοικειωθεί στο μέλλον με τον μηχανισμό της αιτιότητας, ή με απλά λόγια να αποκτήσει η ΤΝ κοινή λογική[8]. Σύμφωνα με τον ειδικό σε ζητήματα αιτιότητας Τ.Ν., E. Bareinboim, το λογισμικό που έχει κατασκευάσει, μπορεί να βοηθήσει προς σε αυτήν την κατεύθυνση[9]. Πιο συγκεκριμένα, αν συνδυαστεί η αιτιώδης λογική του Pearl με το λογισμικό του Bareinboim, τότε μπορεί να οδηγηθεί η τεχνολογία στη δημιουργία του «αυτοματοποιημένου επιστήμονα», δηλαδή σε μία ΤΝ η οποία θα μπορεί να αποκλείει πειράματα, που δεν θα μπορούν να απαντήσουν ικανοποιητικά σε μία αιτιώδους φύσεως ερώτηση, η οποία θα έχει τεθεί εκ των προτέρων από έναν επιστήμονα[10]. Βέβαια ακόμα και σε αυτήν την αισιόδοξη προοπτική, αποκλείεται η νοητική αυτονομία της ΤΝ. Το πρωταρχικό ερώτημα θα έχει τεθεί από τον άνθρωπο και έτσι θα μπορούμε ίσως να μιλάμε για συνέργεια ανθρώπινου και μηχανικού παράγοντα, αλλά όχι για αυτονόμηση της ΤΝ και μάλιστα συνειδητή.

ΑΝΑΦΟΡΕΣ

Bergstein B., «What AI still can’t do», στον διαδικτυακό τόπο: https://www.technologyreview.com/2020/02/19/868178/what-ai-still-cant-do/ (ημερομηνία ανάκτησης 18/11/2022).

Sismondo S., Εισαγωγή στις Σπουδές Επιστήμης και Τεχνολογίας, Μτφ. Β. Σπυροπούλου, επιμ. Μ. Πατηνιώτη, (Αθήνα: Εκδόσεις Liberal Books, 2016)

[1]Sergio Sismondo, Εισαγωγή στις Σπουδές Επιστήμης και Τεχνολογίας, Μτφ. Β. Σπυροπούλου, επιμ. Μ. Πατηνιώτη, (Αθήνα: Εκδόσεις Liberal Books, 2016)184.

[2] Όπ.,183.

[3] Όπ.,183.

[4] Όπ.,183.

[5] Sergio Sismondo, Εισαγωγή στις Σπουδές Επιστήμης και Τεχνολογίας,184.

[6]Brian Bergstein «What AI still can’t do», στον διαδικτυακό τόπο: https://www.technologyreview.com/2020/02/19/868178/what-ai-still-cant-do/ (ημερομηνία ανάκτησης 18/11/2022).

[7] Brian Bergstein «What AI still can’t do».

[8] Όπ.

[9] Όπ.

[10] Όπ.

Η αλματώδης ανάπτυξη της Τεχνητής Νοημοσύνης (ΤΝ) τα τελευταία χρόνια και οι εξαγγελίες για εκπληκτικά επιτεύγματα, όπως η διάγνωση ασθενειών, η σύνθεση μουσικής ή η δημιουργία έξυπνων ρούχων από ηλεκτρονικούς υπολογιστές, έχουν δημιουργήσει έναν έντονο προβληματισμό σχετικά με τα όρια και τις δυνατότητες της Τ Ν. Θα μπορέσει κάποτε η μηχανή να σκέφτεται όπως ο άνθρωπος, να αναπτύξει ικανότητα λήψης αποφάσεων ή ακόμα και συνείδηση; Και ποιος ο ρόλος της υπόρρητης γνώσης σε όλα αυτά; Μπορεί ο υπολογιστής να αντιληφθεί τη σχέση αιτίας αιτιατού;

Subscribe to our newsletter