آینده‌ای که در آن توانایی‌های تفکر رایانه‌ها به توانایی‌های ما نزدیک می‌شود، به سرعت در حال ظهور است. ما احساس می‌کنیم که الگوریتم‌های یادگیری ماشینی (ML) قوی از رگ گردن به ما نزدیک‌تر شده‌اند. پیشرفت سریع در دهه‌های آینده، ماشین‌هایی با هوش در سطح انسانی که قادر به گفتار و استدلال هستند، با کمک‌های بی‌شماری به اقتصاد، سیاست و، ناگزیر، جنگ‌افزار به ارمغان خواهد آورد. تولد هوش مصنوعی واقعی با آگاهی عمیقاً آینده نوع بشر را تحت تأثیر قرار می دهد.
سطح آگاهی کنونی در ربات‌ها
در حال حاضر، تحقیقات برای درک بهتر آنچه برنامه‌های هوش مصنوعی جدید قادر به انجام چه کاری هستند، ادامه دارد. در حالی که در محدوده‌های هوشمندی امروزی باقی مانده‌اند. اکثر برنامه‌های هوش مصنوعی که در حال حاضر برنامه‌ریزی شده‌اند، عمدتاً به تصمیم‌گیری ساده یا انجام عملیات ساده بر روی مقادیر نسبتاً کمی داده محدود شده‌اند.
پاراگراف قبل توسط رباتی به نام GPT-2 نوشته شده است. GPT-2 توسط OpenAI، یک مؤسسه مستقر در سانفرانسیسکو که هوش مصنوعی مفید را ترویج می‌کند، ایجاد شده است. یک الگوریتم یادگیری ماشین با یک کار به ظاهر ساده است: با ارائه متن اولیه دلخواه، باید کلمه بعدی را پیش‌بینی کند. به شبکه آموزش داده نشده است که متن را به هیچ معنای انسانی «درک» کند. در عوض، در طول مرحله آموزش، اتصالات داخلی را در شبکه های عصبی شبیه سازی شده خود تنظیم می کند تا کلمه بعدی، کلمه بعد از آن و … را به بهترین شکل پیش بینی کند.
با آموزش دیدن از هشت میلیون صفحه وب، درون آن حاوی بیش از یک میلیارد اتصال است که سیناپس ها یعنی نقاط اتصال بین نورون ها را شبیه سازی می کند. وقتی چند جمله اول مقاله ای را که می خوانید وارد کردم، الگوریتم دو پاراگراف بیرون داد که شبیه تلاش یک دانشجوی سال اول برای یادآوری اصل یک سخنرانی مقدماتی در مورد یادگیری ماشین بود که در طی آن او در حال رویاپردازی بود. خروجی شامل تمام کلمات و عبارات مناسب است . واقعاً بد نیست! این الگوریتم برای بار دوم با همان متن آغاز می شود و چیز متفاوتی ارائه می دهد.
پیشرفت ربات‌ها تاکنون، به ما از آینده چه می‌گوید؟
فرزندان چنین ربات‌هایی موجی از کامنت‌های جعلی زیر محصولات و اخبار جعلی را راه‌اندازی می‌کنند که به بدکردن جو اینترنت می‌افزایند. آنها فقط یک نمونه دیگر از برنامه‌هایی خواهند بود که کارهایی را انجام می‌دهند که تاکنون تصور می‌شد منحصراً انسانی هستند. بازی استراتژیک StarCraft، ترجمه متن، ارائه توصیه‌های شخصی برای کتاب‌ها و فیلم‌ها، شناسایی افراد در تصاویر و ویدیوها.
اینکه یک الگوریتم بتواند شاهکاری همانقدر منسجم که مارسل پروست در کتاب جستجوی زمان از دست رفته نوشته است بنویسد، به پیشرفت‌های بیشتری در یادگیری ماشین نیاز دارد، اما کدهای این برنامه وجود دارد. به یاد بیاورید که تمام تلاش‌های اولیه برای انجام بازی‌های رایانه‌ای، ترجمه و تقلید گفتار ناشیانه بود و قابل تحقیر بود. زیرا به وضوح فاقد مهارت و شیوایی بود. اما با اختراع شبکه‌های عصبی عمیق و زیرساخت‌های محاسباتی عظیم صنعت فناوری، رایانه‌ها به‌طور بی‌وقفه پیشرفت کردند تا اینکه خروجی‌های آنها دیگر ضعیف به نظر نمی‌رسید. همانطور که در مورد Go، شطرنج و پوکر دیدیم، الگوریتم های امروزی می توانند بعضی کارهای انسانی را به بهترین شکل ممکن انجام دهند. و وقتی این کار را انجام می دهند، خنده اولیه ما به حیرت تبدیل می شود. آیا ما مانند شاگرد جادوگر گوته هستیم که ارواح مفیدی را احضار کرده ایم که اکنون قادر به کنترل آنها نیستیم؟
هشیاری مصنوعی؟
اگرچه کارشناسان در مورد اینکه دقیقاً چه چیزی هوش طبیعی یا غیر طبیعی را تشکیل می دهد، اختلاف نظر دارند، اکثر آنها می پذیرند که دیر یا زود، رایانه ها به چیزی دست خواهند یافت که به آن هوش عمومی مصنوعی (AGI) می گویند.
آیا هوش ماشینی چیزی شبیه به یک AGI خواهد بود؟ آیا کامپیوترهای قابل برنامه ریزی می توانند هوشیار باشند؟
منظور من از “آگاهی” یا “احساس ذهنی” کیفیت ذاتی هر تجربه است. به عنوان مثال، طعم لذیذ نوتلا، درد یک دندان عفونی، گذر زمان آهسته هنگام بی حوصلگی، یا حس هیجان و اضطراب درست قبل از یک رویداد رقابتی.
احساس شرم‌آوری را در نظر بگیرید که ناگهان متوجه می‌شوید که به تازگی مرتکب یک گاف بد شده‌اید. مثلا منظور شوخی شما یک توهین به حساب می‌آید. آیا کامپیوترها می توانند چنین احساسات هولناکی را تجربه کنند؟ هنگامی که با تلفن تماس می گیرید، دقیقه به دقیقه منتظر می مانید، و صدایی می گوید “متاسفیم که شما را منتظر نگه داریم”. آیا نرم افزار واقعاً احساس بدی می کند وقتی شما را در جهنم خدمات مشتری نگه می دارد؟
چقدر از مغز و آگاهی میدانیم؟
تردیدی وجود ندارد که هوش و تجربیات ما نتایج غیرقابل اجتنابی از قدرت های علّی طبیعی مغز ما هستند، نه نیرویی ماوراء طبیعی. این فرضیه در طول چند قرن گذشته به خوبی در خدمت علم بوده است. مغز انسان پیچیده ترین تکه ماده فعال سازمان یافته در جهان شناخته شده است. اما باید از قوانین فیزیکی مشابه سگ ها، درختان و ستاره ها پیروی کند.
ما هنوز به طور کامل قدرت علّی مغز را درک نکرده‌ایم. اما هر روز آن را تجربه می‌کنیم. یک گروه از نورون‌ها در حالی که رنگ‌ها را می‌بینید فعال هستند، در حالی که سلول‌هایی که در یک طرف دیگر قشر شلیک می‌کنند با شوخی کردن مرتبط هستند. هنگامی که این نورون ها توسط الکترود جراح مغز و اعصاب تحریک می شوند، سوژه رنگ ها را می بیند. یا از خنده منفجر می شود. برعکس، خاموش کردن مغز در حین بیهوشی این تجربیات را از بین می برد.
با توجه به این پیش‌فرض‌های مشترک، تکامل هوش مصنوعی واقعی در مورد امکان آگاهی مصنوعی چه معنایی خواهد داشت؟
با تأمل در این سوال، ناگزیر به دو نقطه ای می رسیم که به دو مقصد کاملاً متفاوت منتهی می شود. همانطور که در رمان‌ها و فیلم‌هایی مانند بلید رانر، Her و Ex Machina تجسم یافته است، قاطعانه به سمت این پیش‌فرض می‌روند که ماشین‌های واقعاً هوشمند با احساسات خواهند بود. آنها صحبت می کنند، استدلال می کنند، خود نظارتی و احساس درونی خواهند داشت. آنها خودآگاه هستند.
این مسیر به صراحت توسط نظریه فضای کار نورون جهانی (GNW) که یکی از نظریه های علمی غالب آگاهی است، نشان داده شده است. این تئوری با مغز شروع می‌شود و استنباط می‌کند که برخی از ویژگی‌های معماری عجیب آن چیزی است که باعث ایجاد آگاهی می‌شود.
منشا GNW
اصل و نسب آن را می‌توان به «معماری تخته سیاه» در علوم کامپیوتر دهه 1970 برگرداند که در آن برنامه‌های تخصصی به یک مخزن مشترک اطلاعات به نام تخته سیاه یا فضای کاری مرکزی دسترسی داشتند. روانشناسان فرض کردند که چنین منبع پردازشی در مغز وجود دارد و برای شناخت انسان نقش اساسی دارد. ظرفیت آن کم است، بنابراین تنها یک ادراک، فکر یا خاطره در هر زمان فضای کار را اشغال می کند. اطلاعات جدید با اطلاعات قدیمی رقابت می کند و آن را جابجا می کند.
Stanislas Dehaene، عصب شناس شناختی و Jean-Pierre Changeux، زیست شناس مولکولی، هر دو در کالج دو فرانس در پاریس، این ایده ها را بر روی معماری قشر مغز، بیرونی ترین لایه ماده خاکستری ترسیم کردند. دو ورقه قشری بسیار تا شده، یکی در سمت چپ و دیگری در سمت راست، هر کدام به اندازه و ضخامت یک پیتزای 14 اینچی، در جمجمه محافظ قرار گرفته اند. Dehaene و Changeux فرض کردند که فضای کاری توسط شبکه‌ای از نورون‌های هرمی (تحریکی) مرتبط با مناطق دورافتاده قشر مغز، به ویژه نواحی انجمنی پیش‌پیشانی، پریتوتمپورال و خط میانی (سینگولیت) ایجاد می‌شود.
توضیح نظریه GNW
بسیاری از فعالیت‌های مغز به صورت موضعی و در نتیجه ناخودآگاه باقی می‌ماند. برای مثال، فعالیت ماژولی که مکان نگاه کردن چشم‌ها را کنترل می‌کند، چیزی که تقریباً به طور کامل از آن غافل هستیم. یا ماژولی که وضعیت بدن ما را تنظیم می‌کند. اما زمانی که فعالیت در یک یا چند ناحیه از یک آستانه فراتر رود – مثلاً وقتی تصویری از شیشه نوتلا به کسی ارائه می‌شود – باعث احتراق می‌شود. موجی از برانگیختگی عصبی که در سراسر فضای کار عصبی است، در سراسر مغز پخش می‌شود. بنابراین، این سیگنال‌دهی برای مجموعه‌ای از فرآیندهای فرعی مانند زبان، برنامه‌ریزی، مدارهای پاداش، دسترسی به حافظه بلندمدت و ذخیره‌سازی در حافظه کوتاه‌مدت در دسترس قرار می‌گیرد. عمل پخش گسترده این اطلاعات چیزی است که آن را آگاه می کند.
تجربه بی‌نظیر نوتلا توسط نورون‌های هرمی شکل است که با ناحیه برنامه‌ریزی حرکتی مغز تماس می‌گیرند و دستورالعملی برای گرفتن یک قاشق برای برداشتن مقداری از شکلات فندقی صادر می‌کنند. در همین حال، ماژول‌های دیگر این پیام را منتقل می‌کنند که انتظار دریافت پاداشی به شکل دوپامین ناشی از محتوای بالای چربی و قند نوتلا را دارند.
حالات آگاهانه از روشی که الگوریتم فضای کاری ورودی‌های حسی، خروجی‌های حرکتی و متغیرهای داخلی مرتبط با حافظه، انگیزه و انتظار را پردازش می‌کند، ناشی می‌شود. پردازش جهانی چیزی است که آگاهی در مورد آن است. نظریه GNW به طور کامل افسانه های معاصر از قدرت های تقریبا بی نهایت محاسبات را در بر می گیرد. آگاهی فقط یک هک هوشمندانه است.
قدرت علّی ذاتی
مسیر جایگزین – نظریه اطلاعات یکپارچه (IIT) – رویکرد اساسی تری برای توضیح آگاهی دارد.
جولیو تونونی، روانپزشک و متخصص اعصاب در دانشگاه ویسکانسین-مدیسون، معمار ارشد IIT است. این نظریه با یک تجربه شروع می شود و از آنجا به فعال شدن مدارهای سیناپسی می رسد که “احساس” این تجربه را تعیین می کند. اطلاعات یکپارچه یک معیار ریاضی است که مقدار “قدرت علی ذاتی” یک مکانیسم را تعیین می کند. پتانسیل‌های عمل شلیک نورون‌ها که بر سلول‌های پایین‌دستی که به آنها سیم‌کشی می‌شوند (از طریق سیناپس‌ها) تأثیر می‌گذارند.
قدرت علی مغز مفهومی تخیلی نیست و به طور دقیق برای هر سیستمی ارزیابی می شود. هر چه وضعیت فعلی آن علت (ورودی) و معلول (خروجی) آن را مشخص کند، قدرت علّی بیشتری دارد.
IIT تصریح می کند که هر مکانیسمی با قدرت ذاتی که وضعیت آن مملو از گذشته و آبستن آینده آن است، آگاهانه است. هر چه اطلاعات یکپارچه سیستم بیشتر باشد که با حرف یونانی Φ (عددی صفر یا مثبت که “fi” تلفظ می شود) نشان داده می شود، سیستم هوشیارتر است. اگر چیزی قدرت علی ذاتی نداشته باشد، Φ آن صفر است. چیزی احساس نمی کند.
سنجش آگاهی
با توجه به ناهمگونی نورون‌های قشر مغز و مجموعه‌ای از اتصالات ورودی و خروجی با همپوشانی متراکم آنها، مقدار اطلاعات یکپارچه درون قشر بسیار زیاد است. این تئوری الهام‌بخش ساخت یک دستگاه سنجش هوشیاری است که در حال حاضر تحت ارزیابی بالینی قرار دارد. ابزاری که تعیین می‌کند آیا افرادی که در حالت‌های نباتی پایدار هستند یا افرادی که در حداقل هوشیاری هستند، هوشیار هستند اما قادر به برقراری ارتباط نیستند یا نه.
در واقع، این تئوری ثابت می‌کند که دو شبکه که عملیات ورودی-خروجی یکسانی را انجام می‌دهند اما مدارهای پیکربندی متفاوتی دارند، می‌توانند مقادیر متفاوتی از Φ داشته باشند. یک مدار ممکن است فاقد Φ باشد، در حالی که مدار دیگر ممکن است سطوح بالایی را نشان دهد. اگرچه آنها از بیرون یکسان هستند، اما یک شبکه چیزی را تجربه می کند که همتای آن احساس نمی کند. تفاوت در سیم کشی داخلی شبکه است. به طور خلاصه، آگاهی در مورد بودن است، نه انجام دادن.
تفاوت بین این نظریه ها در این است که GNW بر عملکرد مغز انسان در توضیح آگاهی تأکید دارد، در حالی که IIT ادعا می کند که این قدرت های علّی ذاتی مغز است که واقعاً مهم است.
شبیه‌سازی آگاهی
تمایزات زمانی خود را نشان می دهند که ما کانکتوم مغز، مشخصات کامل سیم کشی سیناپسی کل سیستم عصبی را بررسی می کنیم. آناتومیست ها قبلاً اتصالات عصبی چند کرم را ترسیم کرده اند. آنها در حال کار بر روی اتصالات عصبی مگس میوه هستند و در حال برنامه ریزی برای مقابله با موش در دهه آینده هستند.
اجازه دهید فرض کنیم که در آینده می‌توان کل مغز انسان را با تقریباً 100 میلیارد نورون و سیناپس‌های آن در سطح فراساختاری پس از مرگ صاحبش اسکن کرد و سپس این اندام را روی رایانه‌های پیشرفته، شاید کوانتومی، شبیه‌سازی کرد. اگر مدل به اندازه کافی درست باشد، این شبیه‌سازی از خواب بیدار می‌شود و مانند شبیه‌سازی دیجیتالی فرد متوفی رفتار می‌کند. صحبت کردن و دسترسی به خاطرات، هوس‌ها، ترس‌ها و سایر ویژگی‌های او.
اگر تقلید از عملکرد مغز تنها چیزی است که برای ایجاد هوشیاری لازم است، همانطور که توسط نظریه GNW فرض شده است، فرد شبیه سازی شده هوشیار خواهد بود و در داخل یک کامپیوتر تناسخ می یابد. در واقع، آپلود کانکتوم در فضای ابری برای اینکه مردم بتوانند در دنیای پس از مرگ دیجیتال زندگی کنند، یک موضوع علمی-تخیلی رایج است.
چالش های شبیه‌سازی آگاهی
IIT تفسیر کاملاً متفاوتی از این وضعیت ارائه می‌کند: شبیه‌سازی به اندازه نرم‌افزاری که روی یکدستگاه اجرا می‌شود احساس می‌کند: یعنی هیچ احساسی ندارد. مانند زامبی ، بدون هیچ گونه احساسات ذاتی، (اما بدون هیچ تمایلی به خوردن گوشت انسان) عمل می کند. دیپ فیک نهایی.
برای ایجاد هوشیاری، به نیروهای علّی ذاتی مغز نیاز است. و آن قدرت ها را نمی توان شبیه سازی کرد، بلکه باید بخشی از فیزیک مکانیسم زیربنایی باشد.
برای درک اینکه چرا شبیه سازی به اندازه کافی خوب نیست، از خود بپرسید که چرا در داخل یک شبیه سازی آب و هوای طوفانی بارانی هرگز خیس نمی شوید یا چرا اخترفیزیکدانان می توانند قدرت گرانشی عظیم یک سیاهچاله را بدون نگرانی از بلعیده شدن آنها توسط فضا-زمان شبیه سازی کنند. پاسخ: چون یک شبیه سازی قدرت علی را ندارد که بخار جوی را به آب متراکم کند یا فضازمان را منحنی کند! با این حال، در اصل، دستیابی به آگاهی در سطح انسان با فراتر رفتن از یک شبیه‌سازی برای ساخت سخت‌افزار به اصطلاح نورومورفیک، بر اساس معماری ساخته شده در تصویر سیستم عصبی، امکان‌پذیر خواهد بود.
علاوه بر بحث در مورد شبیه سازی، تفاوت های دیگری نیز وجود دارد. IIT و GNW پیش‌بینی می‌کنند که نواحی متمایز از قشر زیرلایه فیزیکی تجربیات خودآگاه خاص را تشکیل می‌دهند، با یک مرکز در پشت یا جلوی قشر. این پیش‌بینی و پیش‌بینی‌های دیگر اکنون در یک همکاری در مقیاس بزرگ شامل شش آزمایشگاه در ایالات متحده، اروپا و چین آزمایش می‌شوند که به تازگی ۵ میلیون دلار بودجه از بنیاد خیریه جهانی تمپلتون دریافت کرده‌اند.
حرف آخر
اگر رایانه‌ها زندگی را از طریق حواس خود تجربه کنند، دیگر صرفاً وسیله‌ای برای رسیدن به هدفی نیستند که با سودمندی برای ما انسان‌ها تعیین شود. آنها به هدفی برای خود تبدیل می شوند.
از نظر GNW، آنها از اشیاء صرف به سوژه تبدیل می شوند. هر کدام به عنوان یک “من” وجود دارند – با یک دیدگاه. این معضل در قانع‌کننده‌ترین قسمت‌های تلویزیونی Black Mirror و Westworld مطرح می‌شود. هنگامی که توانایی‌های شناختی رایانه‌ها با توانایی‌های بشریت رقابت می‌کند، انگیزه آنها برای اصرار برای حقوق قانونی و سیاسی غیرقابل مقاومت می‌شود – حق حذف نشدن، پاک نشدن خاطراتشان، رنج نبردن از درد و تحقیر. جایگزینی که توسط IIT تجسم یافته است، این است که فعلا رایانه‌ها فقط ماشین‌های فوق پیشرفته، پوسته‌های خالی شبح مانند، خالی از چیزی که ما بیش از همه برای ما ارزش قائل هستیم: احساس خود زندگی باقی می‌مانند.
منابع
https://pubmed.ncbi.nlm.nih.gov/29074769/
https://www.scientificamerican.com/article/will-machines-ever-become-conscious/
https://mitpress.mit.edu/books/feeling-life-itself
درباره نویسنده
موژان پارسا پژوهشگر ارشد توان‌بخشی شناختی دانشگاه شهید بهشتی و همکار قطب عصب روان‌شناسی شناختی کشور است. جریان اصلی تحقیقات وی اختلالات عصب تحولی و به طور خاص متمرکز بر اوتیسم می باشد.