به گزارش اطلاعات آنلاین ـ یک دانشمند برجسته کامپیوتر استدلال می‌کند که پیشنهاد ارائه شده توسط «آلن تورینگ» که به عنوان پدر علوم کامپیوتر نظری شناخته می‌شود، تحقیقات هوش مصنوعی را در ۷۵ سال گذشته در مسیر اشتباهی قرار داد.

«پیتر جی. دنینگ» در تحلیل جدید خود با عنوان «اشتباه تورینگ: فرار از یوغ ماشین‌های غیرهوشمند»، ایده‌هایی را که تورینگ در سال ۱۹۵۰ مطرح کرد، بررسی می‌کند. در آن زمان، بسیاری از دانشمندان معتقد بودند که هوش انسانی می‌تواند مستقل از بدن وجود داشته باشد و بنابراین ممکن است به عنوان نرم‌افزاری که روی یک کامپیوتر دیجیتال اجرا می‌شود، بازآفرینی شود.

دنینگ همچنین این ایده را که هوش ماشین را می‌توان از طریق یک بازی تقلید (که اکنون به عنوان آزمون تورینگ شناخته می‌شود) نشان داد، رد می‌کند.

دنینگ می‌نویسد: «این دو ادعا بخش زیادی از تحقیقات و توسعه هوش مصنوعی را شکل داده‌اند. فرض من این است که پذیرش ما از این ادعاها منجر به آشفتگی هوش مصنوعی شده است که امروزه در آن قرار داریم.»

به گفته دنینگ، سیستم‌های هوش مصنوعی (AI) که اکنون در حال توسعه هستند، بعید است که هوشی در سطح انسان، معروف به هوش عمومی مصنوعی (AGI) تولید کنند. در عوض، او هشدار می‌دهد که آنها ممکن است بدون اینکه هرگز مانند انسان‌ها فکر کنند، خطرات جدی ایجاد کنند.

چرا دانش ضمنی اهمیت دارد؟

ایده دانش ضمنی در مرکز بحث دنینگ قرار دارد. این به حجم عظیم درک انسانی اشاره دارد که همه انسان ها  دارند اما نمی‌توانند آن را به طور کامل با کلمات بیان کنند یا به نمادهایی که یک ماشین می‌تواند پردازش کند، تبدیل کنند.

دنینگ پنج شکل کلی از دانش ضمنی را توصیف می‌کند که به گفته او "از یادگیری ماشینی گریزان هستند". این پنج شکل شامل عقل سلیم، تعاملات روزمره با مردم و محیط، احساسات و ادراکات، مهارت‌های عملی و پیشینه فرهنگی و تاریخی مشترک جوامع است.

محققان دهه‌ها تلاش کرده‌اند تا عقل سلیم را به شکلی که کامپیوترها بتوانند از آن استفاده کنند، ثبت کنند. از دهه ۱۹۸۰، پروژه بلندپروازانه Cyc «داگلاس لنات» برای ایجاد یک پایگاه داده گسترده از حقایق عقل سلیم آغاز شد. پس از ۴۰ سال کار، این پروژه شامل ۲۵ میلیون مدخل بود.

دنینگ خاطرنشان می‌کند: "با این حال، حتی این گنجینه هم نمی‌توانست به پیشینه عقل سلیم کافی برای هوشمند کردن سیستم‌های خبره به عنوان متخصص، منجر شود. پروژهCyc  تأیید می کند بخش زیادی از دانشی که افراد را متخصص می‌کند، نمی‌تواند به صورت گزاره بیان شود."

دانستن «چه» با دانستن «چگونه» یکی نیست

مهارت‌های اجرایی ما در هزاران حوزه را نمی‌توان به ماشین‌ها منتقل کرد. در حالی که توصیف نتایج ماهرانه («دانستن چه») اغلب می‌تواند به صورت بیت‌ها نمایش داده شود و در یک ماشین ذخیره شود، ما نمی‌دانیم چگونه دانش تجسم یافته را برای اجرای ماهرانه («دانستن چگونه») رمزگذاری کنیم.

موسیقی نمونه بارزی از این تفاوت است. یک ویولونیست چیره‌ دست می‌تواند موسیقی زیبایی بنوازد، اما نمی‌تواند برای یک شاگرد توضیح دهد که چگونه آن را تولید کند.

حتی اگر یک ربات بتواند انسان‌های ماهر را مشاهده و تقلید کند، چون بدن بیولوژیکی ندارد، نمی‌تواند درک کند که نوازنده هنگام نواختن موسیقی زیبا چه احساسی دارد یا مخاطب هنگام شنیدن آن چه احساسی دارد.

شهود، احساسات درونی، خلاقیت خودجوش و تخیل، اشکال دیگری از دانش ضمنی هستند که در برابر تقلیل به دستورالعمل‌های کامپیوتری مقاومت می‌کنند.

مشکل بازنمایی

کامپیوترها فقط زمانی می‌توانند محاسبات را انجام دهند که داده‌ها و دستورالعمل‌ها به اشکال فیزیکی که می‌توانند تشخیص دهند و پردازش کنند، رمزگذاری شوند. با این حال، دانش ضمنی را نمی‌توان به راحتی به چنین قالبی تبدیل کرد.

پشت هر کلمه، دریای عمیقی از دانش ضمنی وجود دارد که به آن معنا می‌دهد. کلمات چیزی جز بازنمایی‌های نمادین معانی نیستند، نه خود معانی. مدل‌های زبان بزرگ رایج، مانند ChatGPT،Claude  و  Geminiفقط کلمات را دستکاری می‌کنند ولی آنها نمی‌توانند معنای آنچه را که می‌گویند بدانند یا درک کنند.

این چیزی را ایجاد می‌کند که دنینگ آن را شکافی غیرقابل عبور می‌داند. از آنجا که دانشمندان به طور کامل نمی‌دانند که دانش ضمنی چگونه در درون انسان عمل می‌کند، نمی‌توانند نحوه انتقال آن را به یک ماشین تعیین کنند.

نحوه میزبانی دانش ضمنی تا حد زیادی یک راز است. تنها چیزی که می‌دانیم این است که تجسم یافته است. ما هیچ ایده‌ای نداریم که چه چیزی را ممکن است در بدن خود مشاهده و اندازه‌گیری کنیم تا آن را آشکار کنیم.

گفتن یک جمله می‌تواند بسته به اینکه گوینده صادق، طعنه‌آمیز، عصبانی، بازیگوش یا دست انداختن باشد، معانی بسیار متفاوتی داشته باشد. زمینه یا شرایط محیطی به افراد کمک می‌کند تا تصمیم بگیرند چه زمانی از طنز استفاده کنند، چه زمانی تدبیر نشان دهند و چگونه آن چه را که کسی ناگفته می‌گذارد تفسیر کنند.

فرهنگ ممکن است فراتر از مدل‌های زبانی بزرگ باشد

فرهنگ چالشی مرتبط را ارائه می‌دهد. فرهنگ شامل ارزش‌ها، هنجارهای اجتماعی، قضاوت‌ها، تاریخ‌ها، جوامع، خلق و خوها و روابطی است که شامل قدرت یا مراقبت می‌شوند.

گفتگوهای انسانی سرشار از پیش‌فرض‌های پس‌زمینه‌ای هستند که به کلمات مورد استفاده معنا و ارتباط می‌دهند.» بزرگتر کردن مدل‌های زبانی بزرگ این مشکل را حل نمی‌کند.

توسعه شبکه‌های عصبی بزرگتر، آنها را قادر به کسب دانش انسانی تجسم‌یافته‌ای که ما آن را فرهنگ می‌نامیم، نخواهد کرد.

شبکه‌های عصبی مصنوعی ممکن است نوع خود از دانش ضمنی ماشینی را توسعه دهند، اما انسان‌ها ممکن است قادر به درک آن نباشند.

خطر هوش مصنوعی

از طریق اتوماسیون هوش مصنوعی، شبکه‌های عامل ماشین‌ها احتمالاً هوش ماشینی خود را توسعه می‌دهند که به سطح هوش عمومی انسان نمی‌رسد، اما همچنان قادر به ایجاد مشکلات جدی برای انسان‌ها است. این تهدید بزرگتر از تصاحب توسط ماشین‌های فوق هوشمند است.

هیچ ماشین فوق هوشمند نیست که بتواند از بشریت پیشی بگیرد. در واقع این شبکه‌ای از سیستم‌های کم‌هوش‌تر است که به روش‌های قدرتمند، غیرقابل پیش‌بینی و بالقوه مضر عمل می‌کند.

کتاب جدید «پیتر جی. دنینگ» (Peter J. Denning)، با عنوان «اشتباه تورینگ: فرار از یوغ ماشین‌های غیرهوشمند»  (Turing’s Mistake: Escaping the Yoke of Unintelligent Machines) به تازگی منتشر شده است.