همه چیز درباره تکینگی فناوری (بخش دوم و پایانی)

در بخش اول، ماهیت مفهوم تکینگی را بررسی کردیم و نظرات موافقان این ایده و در راس آن‌ها، ری کرزویل را مطرح کردیم. در بخش دوم، به پیشرفت‌های علمی مربوط به تکینگی اشاره می‌کنیم و به بررسی نظرات مخالفان آن می‌پردازیم.

هنگامی که کرزویل کتاب تکینگی نزدیک است را در سال ۲۰۰۶ منتشر کرد، بسیاری پیش‌بینی‌های غیرمعمول او را مورد تمسخر قرار دادند. کرزویل، یک سال پیش از آنکه اپل اقدام به عرضه‌ی نخستین آیفون کند، دنیایی را تصور کرد که در آن انسان‌ها با کامپیوترها یکی می‌شوند و به توانایی‌های دست پیدا می‌کنند که معمولا در فیلم‌های علمی تخیلی مشاهده می‌شود. بعدا او پیش‌بینی کرد که با پیشرفت کامپیوترها، امکان ترکیب آن‌ها با دیگر فناوری‌ها نظیر ژنومیک (ژن‌شناسی)، نانو فناوری و رباتیک فراهم می‌شود.

امروزه، تصورات و پیش‌بینی‌های کرزویل دیگر ایده‌های غیرمعمولی به حساب نمی‌آیند. سال گذشته، دیپ‌مایند گوگل با شبکه‌ی عصبی مصنوعی خود موفق به شکست قهرمان افسانه‌ای بازی گو شد. اکنون، نسخه‌ی به‌روز شده‌ی این هوش مصنوعی با قدرت بیشتری بازگشته است و فراتر از توانایی‌های نسخه‌ی اولیه می‌تواند بدون نیاز به کمک و اطلاعات انسان، نحوه‌ی بازی کردن گو را یاد بگیرد. ابرکامپیوتر واتسون آی‌بی‌ام نیز در حال گسترش کاربرد خود در حوزه‌های پزشکی، برنامه‌ریزی مالی و حتی آشپزی است. همچنین، انتظار می‌رود خودروهای خودران تا سال ۲۰۲۰ به صورت گسترده در جاده‌ها مورد استفاده قرار بگیرند. بنابراین، براساس پیش‌بینی کرزویل، به نظر می‌رسد فناوری با سرعت بسیار بیشتری در حال پیشرفت است.

در طول ۵۰ سال گذشته، قانون مور صنعت فناوری را به پیش رانده است. کامپیوترهایی که در گذشته به اندازه‌ی یک یخچال بودند، امروزه به دستگاه‌های کوچک و قابل حملی تبدیل شده‌اند که قدرتشان چندین برابر از ابرکامپیوترهای اولیه بیشتر است. در حال حاضر، قانون مور به پایان راه خود نزدیک شده و روند کوچک شدن ترانزیستورها با کاهش سرعت مواجه شده است. امروزه، هرچند پردازنده‌های ۱۴ و ۱۰ نانومتری در اختیار ما است؛ اما همان‌طور که می‌دانیم، رسیدن به سطح کوچک‌تر از یک اتم امکان‌پذیر نیست و فرآیند کاهش ابعاد ترانزیستورها سرانجام در نقطه‌ای متوقف خواهد شد. برطبق برآوردها، قانون مور حوالی سال ۲۰۲۰ به پایان راه خود خواهد رسید.

با این وجود، کرزویل اشاره می‌کند که ریزپردازنده‌ها در واقع پنجمین پارادایم پردازش اطلاعات به حساب می‌آیند که جانشین فناوری‌های پیشین نظیر رله‌های الکترومکانیکی، لامپ‌های خلاء و ترانزیستورها شده‌اند. وی همچنین استدلال می‌کند که تعداد ترانزیستورهای روی یک تراشه روشی قراردادی برای اندازه‌گیری عملکرد تراشه‌ها است و پیشنهاد می‌کند که تعداد محاسبات در هر ۱۰۰۰ دلار به جای آن به کار گرفته شود.

امروزه، هرچند روند قرار دادن ترانزیستورهای بیشتر روی قطعات سیلیکونی به واقع رو به کاهش است؛ اما ما برای افزایش سرعت پردازش، در حال یافتن روش‌های گوناگون نظیر رایانش کوانتومی، تراشه‌های نورومورفیک و مدارات مجتمع سه‌بعدی هستیم. در نتیجه، می‌توانیم انتظار داشته باشیم که افزایش سرعت پیشرفت فناوری، حداقل تا چند دهه‌ی آینده همچنان ادامه داشته باشد.

آنیمیت، نخستین ربات صنعتی بود که در سال ۱۹۶۲ در خط مونتاژ جنرال‌ موتورز به کار گرفته شد و وظیفه‌ی آن جوش دادن بدنه‌ی خودروها بود. از آن زمان، خودکارسازی (اتوماسیون) به آرامی در حال باز کردن جای پا در زندگی‌های روزمره‌ی ما بوده است. از خودپرداز‌ها در دهه‌ی ۷۰ میلادی تا جاروبرقی خودکار رومبا در سال ۲۰۰۲، ماشین‌ها به نحو فزاینده‌ای در حال بر عهده گرفتن مشاغل انسانی هستند.

امروز، ما در حال نزدیک شدن به یک نقطه‌ی اوج در این باره هستیم. در حال حاضر، شرکت ریتینک رباتیکز ربات‌هایی نظیر باکستر و ساویر ساخته است که می‌توانند به نحو ایمنی در کنار انسان مشغول به کار شوند و وظایف تازه را در چند دقیقه آموزش ببینند. ربات‌های نظامی در حال تبدیل شدن به یک سلاح متعارف در زمین‌های نبرد هستند و ارتباطاتی عاطفی بین آن‌ها و سربازان در حال شکل‌گیری است؛ تا آنجا که مراسم یادبود نیز برای برادران ماشینی از دست رفته برگزار می‌شود.

علاوه بر این، مبادا تصور کنید که خودکارسازی تنها مختص مشاغل مکانیکی و از پیش تعریف‌شده است. در حال حاضر، ربات‌ها حوزه‌ی خلاقیت را نیز به تصرف خود درآورده‌اند. سال گذشته، رمان کوتاهی نوشته‌ی یک برنامه‌ی هوش مصنوعی ژاپنی موفق شد در جایزه‌ی ادبی هوشی شینیچی در ژاپن پذیرفته شود.

با این حال، آینده بیش از پیش با خودکارسازی مواجه خواهد شد. در حال حاضر، وزارت دفاع ایالات متحده، تراشه‌هایی را در مغز سربازان جاگذاری و ایده‌ی سایبورگ‌ها را بیش از همیشه به دنیای واقعی نزدیک کرده است. در نهایت، با ادامه‌ی رشد نمایی فناوری، کامپیوترها هزار برابر قدرتمندتر از ۲۰ سال گذشته خواهند شد و ربات‌ها نیز وظایف بیشتری بر عهده خواهند گرفت.

در سال ۲۰۰۳، دانشمندان نقشه‌ی کامل ژنوم انسان را طراحی کردند. در آن زمان، برای نخستین بار می‌توانستیم ماهیت هر ژن را تشخیص دهیم و عملکرد آن را ردیابی کنیم. تنها ۲ سال بعد، در سال ۲۰۰۵، دولت ایالات متحده شروع به گردآوری اطلس ژنوم سرطان کرد. این پروژه به پزشکان امکان می‌دهد تا سرطان‌ها را به جای اندامی که از آن سرچشمه می‌گیرند، براساس آرایش ژنتیکی آن‌ها هدف قرار دهند.

اکنون، دانشمندان ابزار جدیدی به نام کریسپر در اختیار دارند که به آن‌ها امکان می‌دهد به آسانی و با هزینه‌ای اندک به اصلاح ژن‌ها بپردازند. این ابزار در حال حاضر مسیرهایی تازه‌ای را به سمت غیرفعال‌سازی ویروس‌ها، تنظیم فعالیت سلول و ساخت محصولات مقاوم در برابر بیماری گشوده است.

این فناوری همچنین جنجال‌های فراوانی را با خود به همراه داشته است. هنگامی که ما اصلاح کدهای زندگی را آغاز کنیم، به چه سرانجامی خواهیم رسید؟ آیا به زودی انسان‌هایی هوشمند با قابلیت‌های فیزیکی بی‌همتا و رنگ چشمان از پیش تعیین شده خلق خواهیم کرد؟ آیا باید با اصلاح ژنوم پشه‌های آفریقایی، از انتقال ویروس مالاریا توسط آن‌ها جلوگیری کنیم؟ این گونه پرسش‌های اخلاقی غالبا منحصر به داستان‌های علمی تخیلی بودند؛ اما با پیشروی به سوی تکینگی، در حال تبدیل شدن به واقعیت هستند.

در هر صورت، ایده‌ی دستیابی به تکینگی فناوری، هم هیجان‌انگیز و هم ترسناک است. هرچند جنبه‌های گوناگون فناوری که هزاران بار قدرتمندتر از امروز هستند، غیرممکن‌های جدیدی را ممکن خواهند کرد؛ اما به صورت ذاتی خطراتی را نیز به دنبال خواهند داشت.

تمام پیشرفت‌های صورت گرفته در حوزه‌ی هوش مصنوعی، نظیر شکست انسان در بازی گو،  پیشرفت‌های عظیم در ترجمه‌ی ماشینی، خودروهای خودران یا موارد مشابه، نمونه‌هایی از هوش مصنوعی ضعیف به شمار می‌روند و توجه تمام آن‌ها معطوف یک وظیفه‌ی واحد، معین و محدود است. این پیشرفت‌ها بسیاری را به این نتیجه رسانده که ما به نحو اجتناب‌ناپذیری در مسیر رسیدن به ساخت یک ابرهوش مافوق انسانی و غیرقابل کنترل و در نهایت ظهور تکینگی قرار گرفته‌ایم. با این حال کاترین بیلی، پژوهشگر داده با این باور مخالف است. به عقیده‌ی وی احتمالا مسیرهایی برای رسیدن به چنین ابرهوشی وجود دارد؛ اما هوش مصنوعی ضعیف، چه از یادگیری ماشین استفاده کند یا هر تکنیک دیگر، مسیر رسیدن به این هوش نیست. همچنین، هوش به تنهایی هدف محسوب نمی‌شود؛ بلکه وسیله‌ای برای رسیدن به هدف است. ما از سیستم‌های ضعیف هوش مصنوعی به عنوان ابزارهایی برای زندگی بهتر استفاده می‌کنیم؛ در نتیجه آن‌ها هرگز قرار نیست دنیا را تحت سلطه‌ی خود قرار دهند. برای دستیابی به چنین چیزی، نیازمند خلق موجودی هستیم که با استفاده از این ابزار (هوش) بتواند بر دنیا مسلط شود.

علاوه بر این، برخی مدعی هستند که هیچ کامپیوتر یا ماشینی هرگز قادر به دستیابی به سطح هوش انسان نخواهد بود. استیون پینکر، زبان‌شناس و روانشناس شناختی کانادایی – آمریکایی می‌گوید:

هیچ دلیل محکمی برای باور به در پیش بودن تکینگی وجود ندارد. اینکه شما بتوانید آینده را در تخیل خود مجسم کنید، دلیل نمی‌شود که تصورات شما محتمل یا اصلا امکان‌پذیر باشد. به ایده‌ی شهرهای مسقف، مسافرت با جت‌ پک، شهرهای زیر آب، آسمان‌خراش‌های چند هزار متری و خودروهای هسته‌ای نگاه کنید؛ تمام آن‌ها فانتزی‌های آینده‌نگرانه‌ای از دوران کودکی من بودند که هیچ کدامشان هرگز محقق نشدند. قدرت پردازش مطلق کلید جادویی حل تمام مشکلات به حساب نمی‌آید.

مارتین فورد، نویسنده‌ی آمریکایی در کتاب خودکارسازی، شتاب، فناوری و اقتصاد آینده، از یک پارادوکس فناوری صحبت می‌کند و بیان می‌دارد پیش از آنکه تکینگی به وقوع بپیوندد، اغلب مشاغل روزمره در اقتصاد خودکارسازی خواهند شد. این امر موجب بیکاری گسترده و کاهش تقاضای مصرف‌کننده و به نوبه‌ی خود نابودی انگیزه‌ی سرمایه‌گذاری در فناوری‌هایی خواهد شد که دستیابی به آن‌ها لازمه‌ی وقوع تکینگی است.

علاوه بر این، پل آلن، هم‌بنیان‌گذار مایکروسافت معتقد است که برای رسیدن به تکینگی هنوز راه بسیار درازی در پیش است. وی با انتقاد از کرزویل بیان می‌‌دارد که پیش‌بینی وی درباره‌ی امکان وقوع تکینگی در سال ۲۰۴۵ بسیار پیش از موعد است. وی در این باره می‌نویسد:

می‌دانیم که تاریخ علم و فناوری مملو از افرادی است که با اطمینان کامل وقوع برخی از حوادث را به طور کامل رد می‌کرده‌اند و تنها با گذشت زمان، اشتباه آن‌ها آشکار شده است. اذعان داریم که وقوع تکینگی محتمل است؛ اما بسیار بعید می‌دانیم که این مسئله بر پایه‌ی پیش‌بینی افرادی همچون کرزویل به واقعیت تبدیل شود. مغز انسان بالغ، یک جسم محدود محسوب می‌شود و شناخت نحوه‌ی کارکردهای اصلی آن در نهایت از طریق افزایش فعالیت‌های پژوهشی امکان‌پذیر است. اما اگر بپذیریم که تکینگی در سال ۲۰۴۵ اتفاق می‌افتد، تحقق آن ناشی از قانون بازده شتاب و یک نرخ پیشرفت نمایی معین نخواهد بود؛ بلکه وقوع چنین مسئله‌ای نیازمند پیشرفت‌هایی غیرمنتظره‌ و اساسا غیر قابل پیش‌بینی در تمام زمینه‌ها خواهد بود.

استدلال کرزویل بر پایه‌ی قانون بازده شتاب و موارد مشابه آن قرار دارد؛ اما قوانین این چنینی از جمله قوانین فیزیکی به شمار نمی‌روند. آن‌ها ادعاهایی درباره‌ی چگونگی پیش‌بینی نرخ پیشرفت‌‌های آتی علمی و فناوری و براساس نرخ پیشرفت‌های پیشین هستند؛ در نتیجه، این به اصطلاح قوانین، همانند دیگر تلاش‌های صورت گرفته برای پیش‌بینی آینده از گذشته، برای همیشه کاربردی نیستند. علاوه بر این، چنین برآورد‌های برونی و تعمیم‌دهی به کل، بیش از همه بر پایه‌ی این فرض شکل می‌گیرند که توانایی‌های رایانشی و قدرت کامپیوترها روز به روز در حال افزایش است. برای آنکه تکینگی در سال ۲۰۴۵ به واقعیت تبدیل شود، پیشرفت‌های مورد نیاز نه‌تنها باید در فناوری‌های سخت‌افزاری کامپیوترها (نظیر قدرت پردازش، سرعت حافظه و ...) به وقوع بپیوندد؛ بلکه ما نیازمند ساخت نرم‌افزار مناسب نیز خواهیم بود تا آن را روی چنین کامپیوترهای قدرتمندی اجرا کنیم. برای دستیابی به تکینگی، اجرای سریع‌تر نرم‌افزارهای امروزی به‌تنهایی کفایت نمی‌کند. علاوه بر سرعت، ما نیاز داریم تا برنامه‌های نرم‌افزاری هوشمندتر و توانمندتر بسازیم. ساخت چنین نرم‌افزار پیشرفته‌ای، نیازمند یک درک علمی پیشین از ساختار عملکردهای روان‌شناختی انسان است. در حال حاضر، ادراک ما از چنین مسئله‌ای، هنوز در مراحل ابتدایی خود به‌سر می‌برد.

این موضوع حقیقت دارد که با اختیار داشتن یک چارچوب علمی محکم و انگیزه‌های اقتصادی مناسب، می‌توانیم فناوری سخت‌افزار کامپیوترها را با سرعت شگفت‌انگیزی توسعه دهیم. این درست است که که براساس قانون مور، هر ساله تراشه‌های قدرتمندتری نسبت به گذشته ساخته می‌شود و استدلال افرادی همچون کرزویل و وینج نیز دقیقا بر همین اساس شکل گرفته است. با این حال، ساخت نرم‌افزار برای یک هوش کامپیوتری در سطح لازم برای تکینگی، نیازمند پیشرفت‌های علمی اساسی و فراتر از سطح امروزی است؛ اما این چنین پیشرفتی بسیار متفاوت‌تر از تکامل توانایی‌های سخت‌افزاری کامپیوترها بر پایه‌ی قانون مور خواهد بود.

ساخت نرم‌افزار پیچیده‌ای که وقوع تکنیگی را میسر کند، پیش از همه نیازمند این است که ما درک علمی کاملی از نحوه‌ی عملکرد مغز انسان در اختیار داشته باشیم تا از آن به عنوان یک راهنمای طراحی و ساختاری بهره بگیریم و بتوانیم یک مغز جدید خلق کنیم. این بدین مفهوم است که ما نه‌تنها نیازمند شناخت ساختار فیزیکی مغز هستیم؛ بلکه می‌بایست به درک بی‌نقصی از نحوه‌ی واکنش‌ها و تغییرات مغز و چگونگی تعاملات میلیاردها یاخته‌ی عصبی که منجر به شکل‌گیری خودآگاهی و قوه‌ی تفکر انسان می‌شوند، دست پیدا کنیم. دستیابی به چنین درک جامع و فراگیری از مغز غیرممکن نیست؛ اما اگر تکنیگی قرار است بر طبق زمان‌بندی کرزویل اتفاق بیافتد؛ ما بدون شک نیازمند یک شتاب عظیم در پیشرفت‌های علمی مربوط به شناخت جنبه‌های گوناگون مغز انسان هستیم.

اما تاریخ به ما نشان داده است که فرآیند کشفیات اصیل علمی، مخصوصا در حوزه‌های پیچیده‌ای نظیر علوم اعصاب، همجوشی هسته‌ای یا تحقیقات سرطانی با این سرعت اتفاق نمی‌افتد. تا به امروز، پیشرفت‌های علمی صورت گرفته در شناخت مغز انسان، به ندرت منظم و یکنواخت بوده است؛ در نتیجه، وقوع چنین شتابی بسیار بعید به نظر می‌رسد. پیشرفت‌های چشمگیر و غیرمنتظره‌ی علمی اغلب بی‌قاعده و غیرقابل پیش‌بینی هستند و امکان وقوع آن‌ها را نمی‌توان از پیش تعیین کرد.

علاوه بر این، آلن در مقابل قانون بازده شتاب، مفهوم «ترمز پیچیدگی» را مطرح می‌کند. به باور وی، هرچه پیشرفت‌های علمی منجر به درک بیشتر هوش شود، امکان وقوع پیشرفت بیشتر دشوارتر می‌شود. یک مطالعه درباره‌ی تعداد ثبت اختراع‌ها نشان می‌دهد که خلاقیت انسان از قانون بازده شتاب پیروی نمی‌کند؛ بلکه در واقع همان‌طور که جوزف تینتر، تاریخدان و انسان‌شناس آمریکایی در کتاب فروپاشی جوامع پیچیده اشاره می‌کند، در دوره‌ی زمانی بین ۱۸۵۰ تا ۱۹۰۰ تعداد ثبت اختراع‌ها در یک نمودار بازده نزولی، به نقطه‌ی اوج رسیده و از آن زمان به صورت پیوسته در حال کاهش است.

امروز، هیچ شکی وجود ندارد که فناوری بسیار سریع‌تر از همیشه در حال پیشرفت است. هرچند ما اذعان داریم که قدرت گوشی‌های موبایل ما با چند سال گذشته قابل مقایسه نیست؛ اما در عین حال می‌دانیم که سرعت رشد برخی از دیگر فناوری‌ها نظیر حافظه‌های ذخیره‌سازی یا باتری‌ها در مقایسه با آن‌ها بسیار پایین‌تر بوده است. به پیشرفت‌های بسیاری دست یافته‌ایم؛ اما در همان حال مسیرهای ناشناخته‌های بسیاری نیز پیش روی خود گشوده‌ایم.

نظر شما کاربران زومیت چیست؟ آیا باور دارید که هوش مصنوعی قادر به پیشی گرفتن از هوش انسان است و تکینگی فناوری یک روز اتفاق خواهد افتاد؟ لطفا نظرات خود را با ما در میان بگذارید.