Για να απαντήσουμε, πρέπει πρώτα να καταλάβουμε τι εννοούμε όταν χρησιμοποιούμε τη λέξη «νοημοσύνη».
Τι είναι η νοημοσύνη;
Όταν λέμε ότι ένας άνθρωπος είναι έξυπνος, τι ακριβώς εννοούμε;
Ότι έχει καλή μνήμη; Ότι γνωρίζει πολλά; Ότι λύνει γρήγορα μαθηματικά προβλήματα;
Όλα αυτά μπορεί να αποτελούν ενδείξεις νοητικών ικανοτήτων, αλλά κανένα από μόνο του δεν αρκεί για να περιγράψει τη νοημοσύνη.
Μια χρήσιμη προσέγγιση είναι ότι νοημοσύνη είναι η ικανότητα ενός οργανισμού ή συστήματος να αποκτά πληροφορίες, να μαθαίνει, να αξιοποιεί τη γνώση του, να προσαρμόζεται σε νέες καταστάσεις και να επιλύει προβλήματα για να πετυχαίνει στόχους.
Ας φανταστούμε ένα μικρό παιδί που προσπαθεί να ανοίξει μια πόρτα.
Αρχικά τη σπρώχνει, αλλά δεν ανοίγει. Παρατηρεί το χερούλι, το περιστρέφει και τελικά τραβά την πόρτα.
Την επόμενη φορά που θα συναντήσει μια παρόμοια πόρτα, μπορεί να χρησιμοποιήσει όσα έμαθε.
Αυτό είναι ένα απλό παράδειγμα νοήμονος συμπεριφοράς: παρατήρηση, δοκιμή, μάθηση, προσαρμογή και εφαρμογή της εμπειρίας.
Η νοημοσύνη, επομένως, δεν είναι απλώς η αποθήκευση γνώσεων. Είναι και η ικανότητα αξιοποίησής τους σε διαφορετικές συνθήκες.
Γιατί λέμε «Τεχνητή Νοημοσύνη»;
Η ονομασία δεν προέκυψε με την εμφάνιση του ChatGPT.
Το 1950, ο Βρετανός μαθηματικός Alan Turing δημοσίευσε την εργασία Computing Machinery and Intelligence, στην οποία έθεσε ένα επαναστατικό ερώτημα:
Μπορούν οι μηχανές να σκέφτονται;
Ο Turing πρότεινε να εξετάσουμε τη συμπεριφορά των μηχανών μέσα από ένα παιχνίδι μίμησης, αντί να προσπαθήσουμε πρώτα να συμφωνήσουμε σε έναν απόλυτο ορισμό της σκέψης.
Πέντε χρόνια αργότερα, το 1955, ο επιστήμονας πληροφορικής John McCarthy, μαζί με τους Marvin Minsky, Nathaniel Rochester και Claude Shannon, συνέταξαν την πρόταση για ένα ερευνητικό πρόγραμμα που πραγματοποιήθηκε το καλοκαίρι του 1956 στο Dartmouth College των ΗΠΑ.
Η πρόταση χρησιμοποίησε τον όρο Artificial Intelligence και στηριζόταν στην υπόθεση ότι χαρακτηριστικά της μάθησης και της νοημοσύνης θα μπορούσαν, τουλάχιστον θεωρητικά, να περιγραφούν με αρκετή ακρίβεια ώστε να προσομοιωθούν από μια μηχανή.
Αυτή η συνάντηση θεωρείται ένα από τα σημαντικότερα γεγονότα για τη συγκρότηση της τεχνητής νοημοσύνης ως επιστημονικού πεδίου.
Η επιλογή της λέξης «νοημοσύνη» περιέγραφε τον στόχο της έρευνας: την κατασκευή μηχανών ικανών να εκτελούν λειτουργίες που συνδέουμε με την ανθρώπινη ευφυΐα.
Και η λέξη «τεχνητή» προστέθηκε επειδή αυτές οι ικανότητες δεν προέρχονται από έναν βιολογικό εγκέφαλο, αλλά από ένα σύστημα κατασκευασμένο από ανθρώπους.
Γιατί όχι «Προηγμένος Υπολογισμός» ή «Μηχανική Μίμηση»;
Εδώ βρίσκεται ίσως το πιο ενδιαφέρον σημείο.
Θα μπορούσαμε να χρησιμοποιούμε ονομασίες όπως «Υπολογιστική Νοημοσύνη», «Μηχανική Μάθηση» ή «Έξυπνα Υπολογιστικά Συστήματα».
Κάθε μία, όμως, περιγράφει κάτι διαφορετικό.
Η μηχανική μάθηση, για παράδειγμα, είναι ένα σύνολο τεχνικών με τις οποίες τα συστήματα αναπτύσσουν μοντέλα από δεδομένα. Δεν περιλαμβάνει ολόκληρο το πεδίο της τεχνητής νοημοσύνης, το οποίο περιλαμβάνει και συστήματα που βασίζονται σε λογικούς κανόνες, αναζήτηση και συλλογιστική.
Ας δούμε τη διαφορά με ένα παράδειγμα.
Μια συνηθισμένη αριθμομηχανή μπορεί να υπολογίσει το αποτέλεσμα μιας δύσκολης πράξης ταχύτερα από οποιονδήποτε άνθρωπο. Δεν τη θεωρούμε, όμως, νοήμονα μόνο και μόνο επειδή υπολογίζει γρήγορα.
Αντίθετα, ένα σύστημα που αναγνωρίζει αντικείμενα σε εικόνες, ερμηνεύει ερωτήσεις, αξιολογεί πιθανές λύσεις ή προσαρμόζει τις ενέργειές του σε ένα περιβάλλον επιδεικνύει ένα ευρύτερο σύνολο ικανοτήτων.
Αυτές ακριβώς τις ικανότητες προσπαθεί να μελετήσει και να αναπαραγάγει η τεχνητή νοημοσύνη.
Ο όρος, επομένως, δεν περιγράφει μία συγκεκριμένη τεχνολογία. Περιγράφει ένα ολόκληρο επιστημονικό πεδίο.
Μα η σημερινή AI σκέφτεται πραγματικά;
Όταν χρησιμοποιούμε ένα σύγχρονο γλωσσικό μοντέλο, όπως το ChatGPT, μπορούμε να κάνουμε ερωτήσεις, να ζητήσουμε εξηγήσεις, να γράψουμε κώδικα ή να συζητήσουμε σύνθετα προβλήματα.
Το αποτέλεσμα πολλές φορές μοιάζει με ανθρώπινο συλλογισμό.
Όμως ο τρόπος λειτουργίας είναι διαφορετικός από εκείνον του ανθρώπινου εγκεφάλου.
Τα σύγχρονα μεγάλα γλωσσικά μοντέλα εκπαιδεύονται πάνω σε τεράστιες ποσότητες δεδομένων. Κατά την εκπαίδευση προσαρμόζουν τις αριθμητικές παραμέτρους τους, μαθαίνοντας στατιστικές, γλωσσικές και εννοιολογικές σχέσεις.
Όταν παράγουν κείμενο, υπολογίζουν διαδοχικά ποια τμήματα κειμένου είναι κατάλληλα να ακολουθήσουν, με βάση την είσοδο που έχουν λάβει και όσα έχουν μάθει.
Μέσα από αυτή τη διαδικασία μπορούν να εμφανίζουν εντυπωσιακές ικανότητες επίλυσης προβλημάτων και συλλογιστικής.
Ωστόσο, αυτό δεν σημαίνει ότι λειτουργούν όπως ο ανθρώπινος νους.
Ένα γλωσσικό μοντέλο μπορεί να εξηγήσει με ακρίβεια τι είναι ο πόνος, χωρίς αυτό να αποδεικνύει ότι βιώνει πόνο. Μπορεί να περιγράψει τον φόβο, χωρίς να έχουμε λόγο να συμπεράνουμε ότι αισθάνεται φόβο.
Η ικανότητα ενός συστήματος να παράγει νοήμονες απαντήσεις δεν αποτελεί από μόνη της απόδειξη ότι διαθέτει συνείδηση ή υποκειμενική εμπειρία.
Και εδώ πρέπει να κάνουμε μια σημαντική διάκριση.
Η νοημοσύνη και η συνείδηση δεν είναι το ίδιο πράγμα
Συχνά συγχέουμε δύο διαφορετικές έννοιες.
Η νοημοσύνη αφορά ικανότητες όπως η μάθηση, η επίλυση προβλημάτων, η λήψη αποφάσεων και η προσαρμογή.
Η συνείδηση, με την έννοια της υποκειμενικής εμπειρίας, αφορά το αν υπάρχει κάποιος που βιώνει εσωτερικά μια κατάσταση.
Ένας υπολογιστής μπορεί να αναγνωρίζει μια κόκκινη εικόνα. Αυτό δεν αποδεικνύει ότι βιώνει το κόκκινο όπως το αντιλαμβάνεται ένας άνθρωπος.
Αντίστοιχα, ένας άνθρωπος μπορεί να αισθάνεται πόνο χωρίς να χρειάζεται να επιλύσει κάποιο περίπλοκο πρόβλημα.
Η επιστήμη δεν έχει καταλήξει σε έναν καθολικά αποδεκτό τρόπο με τον οποίο θα μπορούσαμε να προσδιορίσουμε με βεβαιότητα αν ένα σύστημα AI διαθέτει υποκειμενική εμπειρία.
Συνεπώς, το ότι αποκαλούμε μια μηχανή «νοήμονα» δεν συνεπάγεται ότι την αποκαλούμε και «συνειδητή».
Είναι τελικά σωστή η ονομασία;
Εξαρτάται από το τι εννοούμε με τη λέξη νοημοσύνη.
Αν θεωρήσουμε ότι νοημοσύνη σημαίνει την ικανότητα επίλυσης προβλημάτων, επεξεργασίας πληροφοριών, μάθησης και επίτευξης στόχων, τότε η ονομασία «Τεχνητή Νοημοσύνη» είναι εύλογη.
Πράγματι, υπάρχουν μηχανές που παρουσιάζουν αυτές τις ικανότητες, έστω και με διαφορετικούς μηχανισμούς από τους ανθρώπινους.
Αν, όμως, απαιτούμε η νοημοσύνη να περιλαμβάνει συνείδηση, προσωπική εμπειρία, ανθρώπινη κατανόηση και αυτογνωσία, τότε η ονομασία γίνεται περισσότερο αμφισβητήσιμη.
Αξίζει να σημειωθεί ότι ακόμη και ο ορισμός της ανθρώπινης νοημοσύνης παραμένει αντικείμενο επιστημονικής συζήτησης.
Η AI δεν χρειάζεται απαραίτητα να αναπαράγει ολόκληρο τον ανθρώπινο νου για να είναι χρήσιμη ή να επιδεικνύει συγκεκριμένες νοητικές ικανότητες.
Συμπέρασμα: Έξυπνες μηχανές ή μηχανές που μιμούνται την εξυπνάδα;
Η τεχνητή νοημοσύνη δεν ονομάστηκε έτσι επειδή αποδείξαμε ότι οι μηχανές σκέφτονται όπως οι άνθρωποι.
Ονομάστηκε έτσι επειδή οι επιστήμονες επιχείρησαν να κατασκευάσουν συστήματα που αναπαράγουν ορισμένες από τις λειτουργίες της νοημοσύνης.
Σήμερα, εβδομήντα χρόνια μετά τη συνάντηση του Dartmouth, οι μηχανές έχουν καταφέρει πράγματα που κάποτε θεωρούνταν αποκλειστικά ανθρώπινες ικανότητες.
Μπορούν να επεξεργάζονται γλώσσα, να αναγνωρίζουν εικόνες, να παράγουν δημιουργικό περιεχόμενο και να βοηθούν στην επίλυση σύνθετων επιστημονικών προβλημάτων.
Αλλά το αν αυτές οι ικανότητες συνιστούν νοημοσύνη με την ίδια έννοια που τη χρησιμοποιούμε για τον άνθρωπο παραμένει αντικείμενο έρευνας και φιλοσοφικής συζήτησης.
Ίσως, τελικά, το σημαντικότερο ερώτημα να μην είναι αν οι μηχανές μπορούν να γίνουν σαν εμάς.
Ίσως το πραγματικό ερώτημα να είναι αν η νοημοσύνη μπορεί να υπάρξει με περισσότερους από έναν τρόπους.
Φόρτωση σχολίων…