آنچه ابن سینا می‌تواند در مورد هوش مصنوعی به ما بیاموزد

در سال ۲۰۲۲، بلیک لوموئن، مهندس گوگل با سخنوری برجسته ارتباط برقرار کرد. دیالوگ‌های آن‌ها به‌طور طبیعی در جریان بود و از موضوعاتی از فلسفه گرفته تا تلویزیون تا رویاهای آینده را شامل می‌شد. فقط یک مشکل وجود داشت: آن سخنور چت‌بات هوش مصنوعی بود.

لوموئن در گفتگو با مدل زبانی LaMDA گوگل به‌تدریج متقاعد شد چت‌بات نیز مانند یک شخص است. اما آیا این ادعا می‌تواند واقعیت داشته باشد؟

ابیگیل تولنکو، دانشجوی دکترای فلسفه علم دانشگاه هاروارد می‌گوید در بیشتر چارچوب‌های اخلاقی، ملاحظات خاصی همچون حقوق، وظایف، تمجید، سرزنش، کرامت و عاملیت در سطح فرد ظاهر می‌شود. بنابراین، این سوال که آیا سیستم‌های الکترونیکی می‌توانند شخصیت پیدا کنند، پیامدهای گسترده‌ای برای نحوه تعامل ما با این فناوری‌ها دارد.

مرجان شیخی

هوش مصنوعی LaMDA گوگل؛ خودآگاهی یا تظاهر به خودآگاهی؟ [همراه با ویدئو]

مطالعه '20

ابن سینا قرن‌ها قبل از اختراع ماشین چاپ زندگی می‌کرد، چه برسد به هوش مصنوعی. با‌این‌حال، او درمورد بسیاری از سوالات مشابهی تامل می‌کرد که اخلاق‌شناسان امروزی به آن‌ها فکر می‌کنند: چه چیزی موجب می‌شود فرد به جای حیوان، یک انسان باشد؟

همان‌طور که پژوهشگران معاصر هوش مصنوعی علاقمند به مقایسه فرآیندهایی هستند که زیربنای پاسخ انسان و هوش مصنوعی به وظایف مشابه است، ابن سینا نیز علاقمند به مقایسه فرایندهای درونی انسان و حیوانات برای رسیدن به خروجی‌های رفتاری مشابه بود. ازنظر او، یکی از قابلیت‌های کلیدی تمایز انسان، درک کلیات است. درحالی که حیوانات فقط می‌توانند درمورد جزئیات فکر کنند (موارد خاصی که درست پیش روی آن‌ها است)، انسان‌ها می‌توانند از قواعد کلی استدلال کنند.

ابن سینا در کتاب النفس از مثال معروف باستانی درمورد گوسفندی صحبت می‌کند که با گرگی رو‌به‌رو می‌شود. او ادعا می‌کند درحالی‌که انسان‌ها به اصلی کلی استناد می‌کنند که «گرگ‌ها به‌طورکلی خطرناک هستند و حیوان خاصی که مقابل آن‌ها است، گرگ است، بنابراین باید فرار کرد»، حیوانات متفاوت فکر می‌کنند. آن‌ها از روی قانونی کلی استدلال نمی‌کنند، بلکه فقط گرگ را می‌بینند و می‌دانند باید فرار کنند. آن‌ها به‌جای استدلال کردن درمورد ویژگی‌های کلی گرگ‌ها، به جزئیات محدود می‌شوند.

تمایزی که ابن سینا بین روانشناسی انسان و حیوان قائل می‌شود، شباهت بالایی به تمایزی دارد که دانشمندان عصر جدید در ارتباط با هوش مصنوعی درحال بررسی آن هستند.

پژوهش‌های کنونی نشان می‌دهد شبکه‌های عصبی مصنوعی توانایی تعمیم‌پذیری ترکیبی سیستماتیک را ندارند. زبان‌شناسان و دانشمندان علوم شناختی از این اصطلاح برای توصیف انواع استنتاج‌هایی استفاده می‌کنند که از روی قواعد تعمیم‌یافته به دست می‌آیند. این روش یکی از راه‌های اصلی استدلال است که انسان‌ها در زندگی روزمره خود به کار می‌برند.

درحالی‌که انسان‌ها معانی انتزاعی را از دنباله‌ای از کلمات درمی‌یابند که سپس می‌توانند به شکل ایده‌های پیچیده‌تر ترکیب شوند، هوش مصنوعی درون مجموعه داده‌های آماری برای ورودی‌های داده خاص که با وظیفه خاصی مطابقت دارند، جستجو می‌کند.

تفاوت یاد شده تا حد زیادی محدودیت‌های هوش مصنوعی معاصر را توضیح می‌دهد. برای اینکه این تفاوت را در عمل ببینید، به آزمون‌های کپچا نگاه کنید که به منظور تمایز بین انسان‌ و ربات‌ به کار می‌روند و ربات‌ها نمی‌توانند آن‌ها را بخوانند. تغییرات کافی تشخیص حروف را برای پیچیده‌ترین سیستم‌های مصنوعی دشوار می‌کند. علت آن است که سیستم فاقد ظرفیت ترکیبی برای تعمیم انتزاعی درمورد ویژگی‌های اصلی حروف است و نمی‌تواند آن را به نمونه کج و معوج تعمیم دهد.

این تفاوت بین شناخت انسان و شناخت مصنوعی به‌خوبی با توصیف ابن سینا از آنچه در مورد استدلال انسان منحصربه‌فرد است، منطبق است. او در کتاب الشفا توضیح می‌دهد چگونه موجود دارای خرد می‌آموزد چه چیزهایی مشترک هستند و چه چیزهایی مشترک نیستند و بنابراین ماهیت چیزهای مشترک را در انواع مختلف استخراج می‌کند.

درنهایت با اعمال این تعمیم می‌توانیم X-ها را تشخیص دهیم. می‌دانیم دو خط متقاطع ویژگی‌های اصلی حرف X هستند و خطوط اضافی تصادفی و پیچ‌وخم‌ها در تصاویر کپچا این‌طور نیستند. این درحالی است که کامپیوتر نمی‌تواند استنباط کند تصویر نشان‌دهنده X است، مگر اینکه تصویر دقیقی از X یا چیزی که به اندازه کافی مشابه است، به آن داده شود. خطوط اضافی و اشکال پیچ و تاب‌دار برای غیرقابل تشخیص شدن X کافی است، زیرا در مخزن بزرگ کامپیوتر از تصاویری که به‌عنوان X طبقه‌بندی شده‌اند، وجود ندارد.

به‌طور مشابه، اگر وظیفه‌ای مانند مورد گوسفند به شبکه عصبی مصنوعی سپرده شود، شبکه عصبی مصنوعی مانند انسان نتیجه‌گیری کلی نمی‌کند و درعوض مانند گوسفندان فکر می‌کند و به جزئیات محدود می‌شود.

یکی از تفاوت‌های اساسی بین گوسفند و شبکه عصبی مصنوعی در این است که شبکه عصبی مصنوعی به مخزن بسیار بزرگ‌تری از جزئیات به شکل مجموعه داده‌های جامع دسترسی دارد.

چیزی که یادگیری عمیق را در وظایف زبانی بسیار موفق می‌سازد، دسترسی به مجموعه داده‌های بزرگ با جزئیات زیاد به جای استدلال ازطریق تعمیم‌پذیری ترکیبی است.

معیار اصلی ابن سینا برای شخصیت (استدلال از روی کلیات) شباهت زیادی به تعمیم‌پذیری ترکیبی سیستماتیک دارد. این معیار می‌تواند استاندارد احتمالا قابل آزمایشی برای دارا بودن شخصیت ارائه دهد. تاکنون، هوش مصنوعی در این آزمایش بارها شکست خورده است.

آثار ابن سینا را به‌عنوان راه‌حل موضوع شخصیت‌داشتن هوش مصنوعی بپذیریم یا نه، روایت وی دریچه جدیدی برای حل مساله شخصیت هوش مصنوعی ارائه می‌دهد که فرضیات گزارش‌های مبتنی‌بر آگاهی را به چالش می‌کشد.

اصول اخلاقی علمی اغلب با آخرین پژوهش‌ها، جدیدترین فناوری و هجوم مداوم داده‌ها پیوند خورده است. اما گاهی اوقات سؤالات آینده مستلزم بررسی دقیق گذشته است. نگاهی به تاریخ به ما این امکان را می‌دهد که فراتر از تصورات و پیش‌فرض‌های زمانه خود به موضوع بنگریم و ممکن است از بن‌بست‌های کنونی رهایی یابیم.