قضیه گودل، هوش مصنوعی و باقی قضایا: منشا آگاهی کجاست؟

قضیه گودل، هوش مصنوعی و باقی قضایا: منشا آگاهی کجاست؟

اگر ذهن شما هم درگیر این سوال است که هوش، آگاهی و خودآگاهی چگونه شکل می‌گیرند، ما در این مقاله سعی کردیم پاسخی برای آن ارائه دهیم.

یعنی می‌خواهیم توضیح دهیم که چرا مغز ما که ساخته‌شده از اتم‌ها است، هوشمند است اما یک‌تکه زغال‌سنگ که اتفاقا آن هم اتم‌های مشابهی با مغز ما دارد، هوشمند نیست.

آیا علم پاسخی برای این دارد که چرا حیوانات به‌اندازه انسان‌ها هوشمند نیستند؟ در نهایت هم می‌خواهیم به این پرسش بپردازیم که آیا هوش مصنوعی می‌تواند آگاهی داشته باشد؟

هوش مصنوعی نقطه تکینگی

هوش مصنوعی طرفداران و مخالفان بسیاری دارد. از جمله مشهورترین افرادی که با توسعه هوش مصنوعی کامپیوتری مشکل دارند و آن را خطری برای نسل بشر می‌بینند، ایلان ماسک مدیرعامل شرکت تسلا و اسپیس‌ایکس است.

در نظر ایلان ماسک و دیگر مخالفان هوش مصنوعی، این فناوری در حال حاضر در مسیری پیش می‌رود که در نهایت می‌تواند هوش انسانی را پشت سر بگذارد و دنیایی ترسناک خواهد ساخت؛ زیرا معلوم نیست پس از آن سرنوشت بشر چه بشود.

این نقطه تکینگی نام دارد و نقطه‌ای است که اگر هوش مصنوعی فراتر آن پیش برود، دیگر راه برگشتی وجود ندارد و بعد از آن سرنوشت بشر بستگی به تصمیم‌های هوش مصنوعی خواهد داشت.

ربات انسان‌نما

این نگاه البته مخالفان زیادی هم دارد. مخالفان می‌گویند هوش مصنوعی که ما امروز داریم به‌هیچ‌وجه نمی‌تواند به چنین نقطه‌ای برسد؛ زیرا ما در کل دو گونه هوش مصنوعی می‌توانیم داشته باشیم.

هوش مصنوعی ضعیف (Weak Al) یا هوش مصنوعی خاص (Specific AI) و هوش مصنوعی قوی (Strong AI) یا هوش مصنوعی عمومی (General AI).

هوش مصنوعی خاص یا ضعیف همان چیزی است که ما امروزه به‌عنوان هوش مصنوعی می‌شناسیم؛ یعنی سیستم‌هایی که فقط برای کار خاصی ساخته شده‌اند.

این هوش مصنوعی فقط می‌تواند داده‌های خاص بگیرد و فقط کارهای خاص بکند و نمی‌تواند فراتر از آن برود.

هوش مصنوعی حشره‌ای

این هوش مصنوعی چیزی در حد هوش حشرات است؛ مثلا یک پشه چند هدف بیشتر ندارد. اینکه غذا بخورد، از شکارچی‌ها فرار کند و در نهایت تولیدمثل کند.
اطلاعاتی در مورد وجود حیات در سیارات دیگر و یا اینکه درون اتم چه می‌گذرد، برای یک پشه چیزهای بی‌موردی هستند.

نمی‌دانیم آیا پشه می‌داند که دارد چه‌کار می‌کند یا اینکه فقط چیزهایی را که ژن‌ها و بخش ناخودآگاه مغز به او می‌گویند انجام می‌دهد اما دانستن این قضیه اهمیتی ندارد زیرا چه آگاهانه این کارهای ضروری را انجام دهد و چه نه، هر داده و هر چیزی که ربطی به انجام این سه مورد ندارد، به دردش نمی‌خورد و در نتیجه آن اطلاعات را کنار خواهد گذاشت.

هوش مصنوعی عمومی یا قوی

هوش مصنوعی عمومی یا هوش مصنوعی قوی به سیستمی اطلاق می‌شود که می‌تواند فکر کند. همین اصطلاح «فکرکردن» خود چیز مبهمی است. راستش دقیقا نمی‌دانیم فکرکردن چیست اما یک‌چیز را می‌دانیم. اینکه هوش مصنوعی که می‌تواند فکر کند، ممکن است بتواند از هر اطلاعاتی برای هر کاری بهره ببرد. می‌تواند هر ورودی بگیرد و هر خروجی را تولید کند.

مغز سیم‌کشی

تفکر هوش مصنوعی قوی تا حد زیادی مشابه تفکر انسان‌ها است. درست است که هر اطلاعاتی به درد هر آدمی نمی‌خورد اما این را می‌دانیم که آدم‌ها در شرایط مناسب می‌توانند هر اطلاعاتی را بگیرند و هر کاری انجام دهند و هر نوع خروجی تولید کنند.

فقط کافی است آموزش متناسبی دیده باشند.

آگاهی چیست؟

آگاهی در بین همه این‌ها قرار دارد. وقتی یک سیستم می‌تواند از هر اطلاعاتی استفاده کند و چیزی از آن استخراج کند، می‌تواند از داده‌های فضا-زمانی و اطلاعات و پردازش‌های انتزاعی که در خود وجود دارد بهره ببرد و به فراتر از خود بیندیشد.

این چیزی است که ما به آن آگاهی (Consciousness) می‌گوییم. آگاهی یعنی توان فکری که باعث شود یک سیستم هوشمند بتواند فراتر از خود و نیازهای اولیه‌اش فکر کند.

در این میان خودآگاهی هم به توان فکری می‌گویند که یک سیستم می‌تواند خارج از خود برود از بیرون به خود و چیستی خود نگاه کند.

منشا آگاهی و هوش چیست؟

بهتر است این سوال را به‌گونه‌ای دیگر بپرسیم. آیا ممکن است روزی یک پشه یا سنجاقک آگاهی یا خودآگاهی داشته باشند؟

پاسخ کوتاه این سوال مثبت است و دلیل اینکه تا به امروز نرسیده‌اند، موانع طبیعی و البته زمان است. هر سیستمی که حدی از هوش را دارد در صورتی که شرایط مناسب باشد تا در مسیر درستی رشد کند، در نهایت می‌تواند به آگاهی یا خودآگاهی (Self-consciousness) برسد؛ اما چگونه؟

آگاهی خودآگاهی مغز

تکامل هوش، تکامل مغز

قضیه این است که اگر توان پردازشی هر سیستمی به‌اندازه کافی رشد کند، آگاهی به وجود می‌آید. دلیل این اتفاق در وهله اول این است که اولا مغز می‌تواند اطلاعات بیشتری را پردازش کند. این اطلاعات بیشتر یعنی اطلاعات اضافی درباره محیط و خود.

همچنین توان پردازشی زیاد یعنی صرف انرژی و زمان کمتر برای رفع نیازهای اولیه زندگی؛ زیرا توان پردازشی زیاد می‌تواند به ابداع استراتژی‌ها، روش‌ها و ابزارهایی بینجامد که رفع نیازهای اولیه را ساده‌تر می‌کند.

وقتی این نیازهای اولیه رفع شوند، مغز، انرژی و وقت اضافی دارد که می‌تواند به اطلاعاتی که قبلا بی‌اهمیت و به‌دردنخور بودند، بپردازد.

هوش حاصل ظهوریافتگی است

ما پیش‌ازاین در آکادمی تجارت‌نیوز درباره ظهوریافتگی (Emergence) حرف زده‌ایم. ظهوریافتگی یعنی بروز رفتارهای پیچیده یا هوشمندانه از مجموعه‌ای از اجزای غیرهوشمند.

مجموعه‌ای که صرفا با قوانین بسیار ساده با همدیگر تعامل می‌کنند که وقتی تعداد اجزای این مجموعه زیاد شود، شاهد رفتارهای هوشمندانه از مجموعه خواهیم بود.

ظهوریافتگی در کلونی مورچه‌ها

معمول‌ترین مثال ظهوریافتگی هم کلونی مورچه‌ها هستند. یک مورچه‌ به‌تنهایی موجودی غیرهوشمند است که احتمالا نه آگاهی و نه خودآگاهی دارد و نه برای چیزی غیر از یافتن غذا تلاش می‌کند.

اما وقتی میلیون‌ها مورچه را کنار هم جمع کنید که مثلا با ابزارهای ساده‌ای چون نشانگرهای شیمیایی با یکدیگر تعامل می‌کنند و بر اساس سطح و نوع این نشانگرها چند رفتار مشخص دارند، شما با مجموعه‌ای روبه‌رو می‌شوید که رفتار هوشمندانه دارد.

رفتار هوشمندانه یعنی اینکه می‌تواند به اتفاقات پیرامونی واکنش نشان دهد و این واکنش‌ها بسته به شرایط و نوع اتفاقات ممکن است دسته بزرگی از رفتارها را شامل شوند.

کلونی مورچه‌ها

هوش هم به طریق مشابهی ایجاد شده است؛ یعنی ما با یک سیستم عصبی مواجه هستیم که از اجزای ساده و غیرهوشمندی به نام نورون‌ها شکل‌گرفته است؛ اما چون تعداد این نورون بسیار زیاد شده، مجموعه مغز توانسته رفتارهای هوشمندانه از خود بروز دهد.

هرچقدر هم تعداد این نورون‌ها بیشتر باشد، یعنی مغز بزرگ‌تر باشد با کمی اغماض می‌توانیم مطمئن شویم که آن موجود هوشمندتر است.

حال بیایید نحوه هوشمند شدن یک مغز را از ابتدا بررسی کنیم.

چگونه مغز شکل می‌‌گیرد؟

فرض کنید ما در حال حاضر در نقطه‌ای از مسیر تکامل هستیم که موجود زنده‌ای داریم با یک سلول عصبی داریم.

این سلول عصبی دو ورودی برای دریافت اطلاعات و یک خروجی برای فرستادن سیگنال دارد. وقتی این سلول تنهاست فقط می‌تواند در هر لحظه مثلا اطلاعات دو حسگر لمسی را در سطح پوست بدن موجود زنده دریافت کند و با یک سیگنال خود فقط یک ماهیچه را حرکت دهد.

حال فرض کنید این سلول تکثیر شود و تبدیل به دو سلول جدیدی شود که کمی جهش‌یافته هستند. باز هم فرض کنید این جهش باعث شده است که در این دو سلول یک ابزار اضافی هم شکل بگیرد. ابزار اضافی که ارتباط این دو سلول را به همدیگر ممکن و آن‌ها را به هم متصل می‌کند.

حالا ما با یک سیستم عصبی دو سلولی مواجه هستیم که می‌تواند چهار ورودی مثل چهار حس لمسی از چهار نقطه متفاوت دریافت کند و هم‌زمان ‌هم دو ماهیچه را کنترل کند. به‌واسطه همان ابزار اضافی هم که آن‌ها را به هم وصل می‌کند، عملا هر سلول می‌تواند از هرجایی از بدن سیگنال دریافت کند و به هر جای دیگر سیگنال بفرستد.

مغز فیبر نوری

در این حالت سیگنال‌ها از مسیر پیچیده‌تری حرکت می‌کنند.

نکته اینجاست که هر چه تعداد این سلول‌های عصبی بیشتر شود، تعداد و تنوع اطلاعاتی دریافتی افزایش می‌یابد و از آن‌سو چون تعداد خروجی‌ها بیشتر می‌شود و می‌تواند اندام‌های بیشتری را کنترل کند، در نتیجه واکنش‌های این موجود زنده هم پیچیده‌تر می‌شوند.

چگونه مغز باهوش می‌شود؟

اگر تعداد سلول‌ها باز هم بیشتر شود که مثلا تعداد ورودی‌های هم‌زمان بیشتر از تعداد کل حسگرها و تعداد خروجی‌ها هم بیشتر از کل تعداد خروجی‌های قابل‌کنترل باشد، مشخص است که ما با بار اضافی مواجه هستیم. شاید بهترین کار این باشد که این سلول‌های اضافی بین سلول‌های ورودی و خروجی قرار بگیرند.

مثلا در یک ساختار چندلایه‌ای که در آن لایه اول سلول‌ها اطلاعات را از حسگرها می‌گیرد و لایه انتهایی هم سیگنال‌های خروجی را به اندام‌های گوناگون می‌فرستد، در این حالت سلول‌های جدید اضافی چون اندام و حسگری برای اتصال ندارند، ممکن است در میان این دو لایه قرار بگیرند که مثلا سیگنال‌های ورودی آن‌ها، سیگنال خروجی لایه اول و سیگنال‌های خروجی آن‌ها، سیگنال ورودی سلول‌های لایه انتهایی باشد.

مغز لامپ‌های قرمز

وقتی این لایه سلولی اضافه شود، تفسیر سیگنال‌های ورودی و تبدیل آن‌ها به سیگنال‌های خروجی می‌تواند از مسیرهای عصبی متنوع‌تری انجام پذیرد. مسیرهای متنوعی که می‌تواند به واکنش‌های جدیدتر و احتمالا هوشمندانه‌تر منجر شود.

هر چه تعداد این سلول‌های واسط بیشتر شود رفتارها پیچیده‌تر و واکنش‌ها دقیق‌تر خواهند بود. افزایش سلول‌های عصبی میانه به ظهور رفتارهای جدید منجر می‌شود. رفتارهایی که در نهایت به ظهور آگاهی و خودآگاهی منجر می‌شوند.

بگذارید یک مثال از این مسیرهای عصبی پیچیده بزنیم.

از مغز سنجاقک بیاموزیم

سنجاقک را که می‌شناسید. سنجاقک حشره بی‌آزاری برای ما انسان‌ها است که مسیریابی سه‌بعدی آن بسیار پیشرفته‌تر از خیلی سیستم‌های مدرن ما است.

غذای اصلی سنجاقک حشره‌های کوچک مثل پشه‌ها هستند. سنجاقک برای شکار پشه‌ها از استراتژی‌های معمولی مثل دنبال‌کردن شکار یا در کمین نشستن استفاده نمی‌کند. سنجاقک وقتی پشه‌ای در حال پرواز را می‌بیند، به دنبالش نمی‌افتد.

بلکه مغز کوچک و قدرتمند او که اختصاصا برای مسیریابی رشد کرده است، مسیر حرکت پشه را در فضای سه‌بعدی محاسبه می‌کند. پس از آن مغز این حشره اعجاب‌انگیز یک نقطه را به‌عنوان نقطه تقاطع در نظر می‌گیرد و بر اساس آن یک مسیر پرواز در فضای سه‌بعدی برای سنجاقک انتخاب می‌کند.

چشم مرکب سنجاقک
چشم‌های مرکب سنجاقک

سنجاقک در مسیر کاملا متفاوتی شروع به پرواز می‌کند و در دقیقا در نقطه تقاطع در نظر گرفته‌شده، به پشه مفلوک رسیده و آن را شکار می‌کند.

چنین روشی مزیت‌های زیادی دارد. اولا چون پشه چنین سیستم مسیریابی پیشرفته‌ای ندارد، به‌هیچ‌وجه متوجه نمی‌شود که سنجاقک به دنبال او است. در نتیجه شانس موفقیت شکار بسیار افزایش می‌‌یابد. سنجاقک هم انرژی کمتری مصرف می‌کند.

مغز غیرهوشمند سنجاقک

با توجه به مسیر تکاملی که هر موجود زنده‌ای طی می‌کند، مغز آن موجود زنده‌ متناسب با شرایط تغییر می‌کند تا بتواند اطلاعات را به‌گونه‌ای بهینه تفسیر کند.

چیزی که باید به آن توجه کرد این است که اولا مغز سنجاقک یک یا چند حلقه بازخورد دارد که در هر لحظه با توجه به شرایط، مسیر پرواز سنجاقک را تصحیح می‌کند.

مثلا ممکن است در میانه راه باد بیاید که مسیر پرواز پشه و خود سنجاقک را عوض کند؛ اما مغز او می‌تواند بلافاصله محاسبات خود را به‌روز و مسیر جدید را معین کند.

نکته دوم این است که سنجاقک تمام این اطلاعات را صرفا به‌واسطه بینایی خود به دست می‌آورد.

فیبر نوری

چشم‌های سنجاقک مرکب هستند؛ یعنی از چند ده یا چند صد چشم کوچک ساخته‌شده‌اند که می‌تواند تصویر سه‌بعدی دقیقی تولید کند.

هرکدام از اجزای این چشم‌های مرکب حداقل یک ورودی تصویری برای مغز سنجاقک است. کنترل چگونه بال‌زدن و نحوه تنظیم زاویه بدن نیز خروجی‌ها به‌حساب می‌آیند. تمام اطلاعات مربوط به محاسبات مسیریابی حلقه بازخورد در سلول‌های میانی مغز سنجاقک رخ می‌دهد.

هرچه تعداد این سلول‌های ورودی، خروجی و میانی بیشتر شود، حجم و تنوع اطلاعات ورودی می‌تواند بیشتر می‌شود، تنوع و تعداد سیگنال‌های خروجی افزایش می‌یابد و تنوع پاسخ‌ها یا همان نحوه پردازش اطلاعات هم زیاد می‌شود.

هوش بیشتر می‌شود

نکته اینجاست که در بیشتر موجودات زنده، مغز فقط به‌اندازه‌ای رشد کرده است که بتواند همه اطلاعات حسگر‌ها را دریافت و کنترل همه اعضا را به عهده بگیرد. سلول‌های میانی هم چندین استراتژی و روش‌های پردازشی که به‌صورت تکاملی موثر بودن آن‌ها مشخص شده است، دارند.

اما از آنجایی که همواره تهدیدات، فرصت‌ها و شرایط زندگی هر موجود زنده‌ای تغییر می‌کند، معمولا ساختار مسیرهای عصبی این سلول‌های واسط عوض می‌شوند و این قابلیت را ایجاد می‌کند که حیوانات بتوانند با شرایط سازگار شوند.

مرز آگاهی و هوش

مغزی که اندازه آن فقط در حدی است که بتواند اعضای بدن را کنترل کند و داده‌های حسگرها را بخواند، مغزی در مرز هوش، آگاهی و خودآگاهی است.

یعنی این مغز به‌اندازه‌ای جلو رفته است که اطلاعات فراوان را بگیرد، پاسخ‌های فراوان بدهد و استراتژی‌های متنوعی را اجرا کند.

از اینجا به بعد هر سلول عصبی اضافه‌ای که در مغز ایجاد شود، می‌تواند باعث بروز رفتارهای هوشمندانه گردد. شاید حیواناتی مثل گربه‌ها که حد بالایی از رفتارهای هوشمند را از خود بروز می‌دهند، کمی از این مرز پیش رفته باشند.

مغز فیبر نوری

گونه‌های متفاوت میمون‌ها و شامپانزه‌ها، دلفین‌ها و احتمالا انواع هشت‌پاها، مغز بسیار پیشرفته‌تری دارند. این‌ها بسیار هوشمندتر از گربه‌ها هستند.

نکته اینجاست که وقتی هوش از حدی فراتر برود، یعنی تعداد سلول‌های عصبی بیشتر شود، در وهله اول آگاهی و سپس خودآگاهی بروز می‌کند.

نقطه عطف هوش انسانی

هوش انسانی در این مرحله از دو نقطه عطف گذشته است و توانسته ما را به انسان خردمند تبدیل کند.

نقطه عطف اول کشف آتش بود. کشف آتش باعث شد انسان غذای خود را بپزد. غذای پخته‌ هم انرژی کمتری برای هضم‌شدن لازم دارد.

در نتیجه انرژی اضافی حاصل از غذا، صرف مغز شد؛ یعنی صرف تولید سلول‌های عصبی که بیشتر از نیاز بدن برای کنترل اعضا بودند. بخش دیگری از انرژی هم صرف تغییر مسیرهای عصبی یا به بیانی صرف تغییر یا بهبود نحوه پردازش اطلاعات شد.

نقطه عطف دوم اختراع ابزار بود. ابزاری که به‌واسطه همین تغییر مسیر عصبی و تنظیم استراتژی‌های جدید خلق شد، باعث شد دوباره سیم‌کشی مغز بیشتر تغییر کند تا مغز بتواند نحوه درست استفاده از ابزار را یاد بگیرد.

شامپانزه

بعد از این هم دیگر دوره توسعه هوش انسانی بود. ابزارها و آتش هم‌زمان با رشد سیستم ارتباطی یعنی زبان، باعث شدند شانس شکار و بقای انسان‌ها افزایش یابد. این اتفاق دوباره میزان انرژی دریافتی و وقت آزاد انسان‌ها را افزایش داد و این دو فاکتور نیز در ادامه مغز را بیشتر توسعه دادند.

به دلیل همین مسائل است که ما هوشمندی هر موجود زنده‌ای را با نسبت وزن مغز به وزن بدن می‌سنجیم. وقتی بدن بزرگ باشد، برای کنترل آن نیاز به مغز بزرگ‌تری است. هر چیزی فراتر از این مقدار، به حدی از هوشمندی منجر می‌شود. چیزی که در بسیاری از پستانداران‌ هم می‌بینیم. ازاین‌روی در بین همه موجودات زنده روی زمین، نسبت وزن مغز به وزن بدن در انسان‌ها از همه بیشتر است.

هوش مصنوعی در کامپیوتر

راستش سیستم عصبی که در بالا توضیح دادیم، دقیقا همان سیستمی که در هوش مصنوعی نیز استفاده می‌شود. هوش مصنوعی از چیزی به نام شبکه‌های عصبی استفاده می‌کند. شبکه‌های عصبی هم دقیقا سلول‌هایی هستند که برخی مسئول اطلاعات ورودی و برخی مسئول اطلاعات خروجی هستند. سلول‌های واسط هم کار پردازش اطلاعات و تبدیل ورودی‌ها به خروجی‌ها را به عهده دارند.

وقتی تعداد این سلول‌های میانی یا لایه‌های عصبی بیشتر شود سیستم هوشمندتر می‌شود. سیستم‌های هوش مصنوعی پیشرفته امروز مثل یادگیری عمیق (DeepMind) گوگل و OpenAI صرفا از لایه‌های عصبی بیشتری استفاده می‌کنند.

تنها تفاوت هوش مصنوعی با مغز طبیعی این است که در مغز این سلول‌ها، واقعا سلول هستند و اتصالات بین ‌آن‌ها واقعا وجود دارد اما در کامپیوتر به‌دلیل نبود سخت‌افزار مناسب، سیستم هوش مصنوعی صرفا یک شبیه‌سازی از مغز است که البته دقیقا مثل مغز کار می‌کند.

ربات پیکسلی

البته این شبیه‌سازی نقص به‌حساب نمی‌آید؛ زیرا اگر می‌خواستیم هوش مصنوعی را دقیقا به همان طریق مغز بسازیم اولا مجبور بودیم سخت‌افزاری بسازیم که در هر بار تغییر باید عوضش می‌کردیم و از آن‌سو نتیجه خروجی آن‌هم با کامپیوتر تفاوتی نمی‌کرد.

با وجود همه این توصیفات به نظر من درک این مسئله که هوش مصنوعی در نهایت بتواند آن‌قدر عمیق بیندیشد که اطلاعات بسیار متنوعی دریافت و خروجی‌های بسیار زیادی تولید کند چندان سخت نیست.

اما از دیرباز که چنین تصویری در مورد هوش مصنوعی و طبیعی وجود نداشت، افراد زیادی به‌درستی این گفته شک داشتند.

آیا هوش مصنوعی به آگاهی می‌رسد، قضیه گودل چه می‌گوید؟

از مشهورترین کسانی در مورد آگاهی هوش مصنوعی شک داشتند، ریاضی‌دان ‌هم‌عصر اینشتین، گودل بود.

در سال ۱۹۳۱ کرت گودل (Kurt Gödel) ریاضی‌دان نابغه اتریشی اثبات کرد که برای هر چیز (نظریه) که قدرت کافی برای محاسبات ریاضی دارد (مثل هوش مصنوعی) چیزها و قضیه‌هایی وجود دارند که در آن نظریه غیرقابل اثبات هستند (برای من هم به‌اندازه شما نامفهوم است).

این قضیه که با نام قضیه ناتمامیت گودل (Gödel Incompleteness Theorem) مشهور است، مدت‌ها برای اثبات این استفاده می‌شد که ما نمی‌توانیم یک هوش مصنوعی عمومی داشته باشیم که فکر می‌کند.

در این استدلال این نکته در نظر گرفته می‌شود که هوش انسانی با قضیه گودل محدود نشده است.

کرت گودل Kurt Godel
کرت گودل

این‌گونه بیان می‌شود که یک سیستم هوش مصنوعی مستقل از اینکه چقدر توانا و هوشمند است به دلیل محدودیتی که قضیه ناکاملیت گودل ایجاد می‌کند، ممکن نیست بتواند به معنای واقعی فکر کند.

البته این استدلال به بحث‌های زیادی هم دامن زده و از سوی بسیاری از متخصصین هوش مصنوعی رد شده است.

قوی‌ترین استدلال علیه این نتیجه‌گیری این است که ما واقعا نمی‌توانیم تعیین کنیم آیا قضیه گودل هوش و فکر انسانی را نیز محدود می‌کند یا نه؛ زیرا برای اثبات آن لازم است که دانش انسانی را به‌صورت فرمول‌های ریاضی بیان کنیم که طبق آنچه می‌دانیم، فعلا غیرممکن است.

آیا هوش مصنوعی به آگاهی و خودآگاهی می‌رسد؟

سوال اینجاست آیا واقعا یک ماشین هوش مصنوعی فکر می‌کند یا صرفا فکرکردن را شبیه‌سازی می‌کند؟ البته چیزی که در مورد شبیه‌سازی مغز در بالا گفتیم ربطی به این ندارد. آن شبیه‌سازی صرفا شبیه‌سازی سخت‌افزار و ساختار مغز بود.

اگر هوش مصنوعی امروز می‌تواند فکر کند، در آینده باید آگاهی و خودآگاهی هم داشته باشد؛ یعنی از شرایط خود و کارهایی که می‌کند آگاهی داشته باشد؛ یعنی شبیه چیزی باشد که ما در هوش انسانی می‌بینیم.

اما برای بررسی این مسئله ابتدا باید آگاهی و خودآگاهی را تعریف کنیم.

خودآگاهی چیست؟

تعاریف زیادی از آگاهی و خودآگاهی وجود دارند. بیشتر این تعاریف حول این می‌چرخند که سیستم خودآگاه می‌تواند از شرایط ذهنی خود، آگاهی داشته باشد. چیزی که البته با توجه به تعداد بسیار زیادی از خطاها و جانب‌داری‌های شناختی، ما را به این می‌رساند که شاید واقعا انسان‌ها نیز خودآگاه نباشند.

آگاهی هم در این تعاریف به آگاهی از کارهایی که می‌کند، گفته می‌شود.

اما استفاده از این تعریف در مورد هوش مصنوعی چندان به درد نمی‌خورد؛ زیرا عبارت «شرایط ذهنی» چندان در هوش مصنوعی خوش‌تعریف نیست. به همین دلیل باید سراغ یک تعریف کاربردی‌تر برویم.

نظریه فضا-زمانی آگاهی

یکی از این بهترین تعاریف از آگاهی را فیزیک‌دان مشهور، میچیو کاکو (Michio Kaku) ارائه داده است. تعریفی که کاکو ارائه می‌دهد، «نظریه فضا-زمانی آگاهی» (Space-time theory of consciousness) نام دارد. این نظریه در تلاش است جنبه‌های زیست‌شناسی و عصب‌شناسی آگاهی را کنار هم قرار دهد.

طبق این تعریف آگاهی عبارت است از فرآیند خلق یک مدل از جهان با استفاده از حلقه‌های بازخورد متعدد که از فاکتورها و متغیرهای گوناگون مثل دما، فضا و موقعیت، زمان و ارتباط آن‌ها با چیزهای دیگر برای دستیابی به اهدافی مثل یافتن غذا، جفت و پناهگاه استفاده می‌کند.

میچیو کاکو Michio Kaku
میچیو کاکو

این تعریف مستقیما درباره هوش مصنوعی قابل‌استفاده است زیرا تمرکز آن روی توانایی مغز برای خلق یک مدل از جهان است که نه‌تنها بر پایه اطلاعات فضایی بلکه در ارتباط با چیزهای دیگر مثل زمان ‌هم هست.

در نظریه فضا-زمانی آگاهی، هوش انسانی نوعی از آگاهی است که مدلی از جهان را خلق می‌کند و می‌تواند با ارزیابی گذشته و تعمیم آن به آینده، تغییرات زمانی جهان را شبیه‌سازی و پیش‌بینی کند.

به‌عبارت دیگر آگاهی انسانی یعنی توان برنامه‌ریزی و نقشه‌کشی برای آینده.

سطوح آگاهی

در این نظریه آگاهی به چهار سطح قابل‌تقسیم است. چهار سطحی که می‌توان‌ همه حیوانات، انسان‌ها و سیستم‌های هوش مصنوعی را در جایی بین این‌ سطوح قرار داد.

سطح صفر

سطح صفر شامل ارگانیسم‌ها و موجوداتی می‌شود که محدودیت حرکت دارند و مدلی که درست می‌کنند صرفا بر پایه تعدادی کمی متغیر مثل دما است. گیاهان آگاهی سطح صفر دارند.

سطح یک

سطح یک ارگانیسم‌هایی مثل خزنده‌ها و حشرات است که سیستم عصبی هم دارند. این ارگانیسم‌ها از پارامترهای بسیار بیشتری نسبت به سطح اول برای مدل‌سازی جهان اطراف استفاده می‌کنند.

سطح دو

سطح دو شامل ارگانیسم‌هایی مثل پستانداران است که می‌توانند جهان را نه‌فقط بر اساس فاکتورهای فضایی بلکه در ارتباط با دیگر چیزها بسازند.

سطح سه

سطح سه شامل انسان‌ها است که می‌توانند ارتباط زمانی چیزها را درک و آینده را تصور کنند.

سطح آگاهی هوش مصنوعی چقدر است؟

بر اساس این چهارچوب فکری ما می‌توانیم سطح آگاهی هوش مصنوعی را ارزیابی کنیم. بسیاری از متخصصین هوش مصنوعی معتقد هستند سیستم‌های هوش مصنوعی فعلی ما می‌توانند در سطح یک یا در آغاز سطح ۲ طبقه‌بندی شوند.

البته اینکه ما هوش مصنوعی را در سطح یک یا دو در نظر بگیریم، شامل فاکتورهایی مثل توانایی حرکت است. سیستم‌های هوش مصنوعی امروز می‌توانند حدی از حرکت را داشته باشند. لااقل می‌توانند به تمام اطلاعات موجود در اینترنت دسترسی یابند و با همین اطلاعات مدلی از محیط و فضای اطراف خود بسازند.

مغز مدار سبز

با این‌همه می‌دانیم که خیلی سخت است که سیستم‌های هوش مصنوعی امروز در جایی غیر از محیط محصور خود بتوانند کاری بکنند.

در کنار توانایی مدل‌سازی فضا، تعداد حلقه‌های بازخوردی که یک سیستم هوشمند استفاده می‌کند هم مهم است. نکته اینجاست که حتی سیستم‌های هوش مصنوعی پیشرفته مثل ابزارهای تحلیل تصویر در مقایسه با حشرات و خزنده‌ها، از حلقه‌های بازخورد کمتری استفاده می‌کنند؛ اما همه حشرات هم مثل سنجاقک هوشمند نیستند. در نتیجه سطح آگاهی هوش مصنوعی امروز چیزی در حد حشرات کوچک است.

آیا هوش مصنوعی خودآگاهی دارد؟

پاسخ این سوال پس از تمام چیزهایی که گفتیم مثبت است. هوش مصنوعی که ما امروز داریم آگاهی دارد. هرچقدر هم که پیش برویم و کامپیوترهای بهتری و شبکه‌های عصبی پیچیده‌تری بسازیم، سطح آگاهی هوش مصنوعی بیشتر می‌شود.

مشخصا در این مسیر، تجاری‌سازی کامپیوترهای کوانتومی می‌تواند روند افزایش آگاهی هوش مصنوعی را شدیدا سرعت بخشد. از آنجایی هم که خودآگاهی کمی بعد از آگاهی می‌آید، اگر هوش مصنوعی به‌اندازه کافی پیشرفت کند، نه‌تنها آگاهی، بلکه خودآگاهی هم خواهد داشت.

اینجاست که ما با یک هوش مصنوعی قوی یا عمومی مواجه هستیم که می‌تواند به معنای واقعی کلمه فکر کند؛ اما اینکه این هوش مصنوعی واقعا تهدیدی برای بشر است، سوالی است که باید پاسخ آن را در آینده جستجو کنیم.

این مطلب را به اشتراک بگذارید
نظرات