من به عنوان یک عصب شناس از هوش مصنوعی نمی ترسم.

منبع: راندا مرزوق/ Unsplash

در واقع، من دوست دارم که آن را سریعتر ببینم. یکی از موانع اصلی برای یک جهش قابل توجه این است که هوش مصنوعی توسط مهندسان توسعه یافته و به همین دلیل طراحی شده است تا بدون نقص کار کند. اما مغز اینگونه کار نمی کند و دلایل بسیار خوبی دارد.

گفته می شود که الگوریتم ها قطعی هستند. برای ورودی A، خروجی همیشه B است. حافظه رایانه باید پایدار و قابل اعتماد باشد. اگر فهرستی از کلمات را ذخیره کنید، زمانی که بعداً آن را فراخوانی کنید، دقیقاً این فهرست را دریافت خواهید کرد. وقتی عکسی را ذخیره می‌کنید، می‌خواهید حافظه رایانه دقیقاً محتوای اصلی را پیکسل به پیکسل حفظ کند.

در همین راستا، استدلال مصنوعی و تصمیم‌گیری مبتنی بر مجموعه‌های ثابتی از قوانین و قراردادها است. وقتی به یک کامپیوتر وظیفه ای می دهید، انتظار نتیجه ای دارید که به این قوانین پایبند باشد. بنابراین طبیعی به نظر می رسد که نرم افزار به سمت دقت، مرزهای سفت و سخت، دسته بندی های واضح و به طور کلی «عقل سلیم» طراحی شده است. مشکل اینجاست که این فرمول‌ها و الگوریتم‌ها توانایی واقعی هوش انسان را در طول مسیر از دست می‌دهند.

ضعف ذهن؟

وقتی به دانشجویان سال اول درباره شگفتی‌های مغز آموزش می‌دهم، دوست دارم با توهمات و تظاهرات دیگری شروع کنم که ممکن است به عنوان ضعف ذهن تعبیر شود. به محض اینکه قهقهه ها فروکش کرد، برمی گردم تا به آنها نشان دهم که چگونه هر یک از این موارد، در واقع، جلوه ای از قدرت ذهنی است.

به عنوان مثال، این تحقیق در مورد ادراک را در نظر بگیرید. وقتی سه Pac-Man مجزا را در فضا مانند گوشه‌های یک مثلث تراز می‌کنیم، همانطور که در زیر نشان داده شده است، مردم یک مثلث سفید واقعی را می‌بینند. این مثلث کانیزسا از نام روانشناس ایتالیایی گائتانو کانیزسا که اولین بار آن را منتشر کرد، نامیده می شود.

مثلث کانیزسا

منبع: هدونیا با اجازه

در این توهم، ما خطوطی را توهم می کنیم که به سادگی وجود ندارند.

در واقع، حتی نورون‌های قشر بینایی که خطوط را در جهت‌های خاص تشخیص می‌دهند، به گونه‌ای پاسخ می‌دهند که گویی خطوط واقعی Pac-Mans را به هم متصل می‌کنند.

آیا این اشتباهی است که در سیستم های مصنوعی باید از آن اجتناب کرد؟ یا اینکه هوش مصنوعی باید عمداً سعی کند این توهم را تقلید کند زیرا بازتابی ضمنی از تمایل قدرتمند مغز ما به تکیه بر تجربه قبلی است؟

مغز انتخاب می کند که یک مثلث را در اینجا ببیند، زیرا احتمال اینکه یک مثلث سفید روی سه دایره قرار گیرد بسیار بیشتر از احتمال این است که سه شکل نادر به طور کامل تراز شوند. برنامه‌های هوش مصنوعی، که در آن‌ها انتظار می‌رود خطوط یک مثلث با پیکسل‌های واقعی نشان داده شود، در اینجا فقط سه Pac-Man را مشاهده می‌کنند. به قول امانوئل کانت فیلسوف، «شیء در خود».

بهترین کاری که هوش مصنوعی در حال حاضر می تواند انجام دهد این است که این نمایشگر را به عنوان نسخه ی نمایشی معروف Kanizsa بشناسد و گزارش دهد که یک مثلث توهمی در داخل وجود دارد، بدون اینکه واقعاً خطوط وهم آلودی مانند ما ببینیم. سیستم‌های هوش مصنوعی در توانایی تدریجی خود برای یادگیری از تجربه، با استخراج آمارهای تعبیه‌شده در نمونه‌های انبوه، و با ترکیب زمینه‌ای که روزی می‌تواند آنها را در توهماتشان انسانی‌تر کند، پیشرفت می‌کنند.

مغز می تواند واقعیت را گسترش دهد و خم کند

تحقیقات در مورد حافظه انسان، توهمات متعددی از این قبیل را ارائه می دهد که می توانند به عنوان نقاط ضعف یا به عنوان بازتاب نقاط قوت ضمنی تفسیر شوند.

در یک مثال، به شرکت کنندگان در آزمایش خود فهرست زیر را از کلماتی که باید به خاطر بسپارند، می دهید: سودا، دندان، طعم، ترش، شکر، آب نبات، پای، شکلات، و عسل. سپس، کلمات جداگانه ای را به آنها نشان می دهید و آنها باید بگویند که آیا هر کدام در لیست ظاهر شده اند یا نه.

متوجه خواهید شد که خاطرات آنها بسیار دقیق است، اما اکثر آنها به کلمه “شیرین” نیز “بله” می گویند، اگرچه در لیست نبود. فقط به این دلیل که با کلمات دیگر مرتبط است، آنها به دروغ آن را به عنوان در لیستی که قبلا ارائه شده است “به یاد می آورند”.

این اثر DRM است (به نام دیز، رودیگر و مک درموت نامگذاری شده است) و به ما نشان می دهد که مغز می تواند واقعیت را برای هدفی بالاتر گسترش دهد و خم کند. در این مثال خاص، فعال سازی مشترک بازنمایی هایی که بخشی از ورودی نبودند (به نام فعال سازی گسترش دهنده) وظیفه آماده سازی ما را برای آنچه ممکن است در زمینه خاص مرتبط باشد، انجام می دهد.

با پیشرفت علم اعصاب، متوجه می شویم که ایجاد پیش بینی یکی از عملیات های اولیه مغز است. چیزی که حافظه معیوب به نظر می رسد، در واقع محصول جانبی یک مکانیسم برتر است که قرار است ما را برای آینده آماده کند. با این حال، اگر یک برنامه نویس عمداً کدی تولید کند که کلماتی را که بخشی از لیست اصلی نبوده اند، برمی گرداند، برای تنبیه نزد رئیسش فراخوانده می شود.

ساخت هوش مصنوعی واقعا هوشمند

شاید عمیق ترین نقطه قوت مغز که به عنوان یک نقص پنهان شده است، تمایل ذهن ما به سرگردانی باشد. همچنین فراگیرترین و پر مصرف ترین است. به نظر می رسد که ما حدود 50 درصد از روز خود را دور می زنیم. برای نیمی از ساعات بیداری ما، ذهن ما جایی نیست که بدن ما قرار دارد.

البته این در هوش مصنوعی مدل‌سازی نشده است، و اگر یک الگوریتم باید به‌طور تصادفی از بین برود در حالی که هدف مشخصی برای انجام دادن دارد، احمقانه به نظر می‌رسد. از این گذشته، حتی ما نیز زمانی که در حال سرگردانی گرفتار می شویم، احساس گناه می کنیم. این چیزی است که جامعه به ما القا کرده است، اما باید دلیلی وجود داشته باشد که چرا یک اندام کارآمد مانند مغز این همه زمان و انرژی متابولیک را صرف سرگردانی می کند. ما می دانیم که اگر تکامل برای وجود ما ضروری نبود، این اجازه را به ما نمی داد.

و در واقع، تحقیقات دهه گذشته بیشتر و بیشتر جنبه هایی را نشان می دهد که سرگردانی ذهن برای آنها مساعد است – حتی حیاتی. بسیاری از عملیات ذهنی که برای اعمال روزمره ما ضروری هستند، در حین سرگردانی مکرر ذهن ما انجام می شوند.

ما سناریوهای آینده (مانند مصاحبه شغلی یا تعطیلات آینده) را با جزئیات کامل شبیه سازی می کنیم تا پیش بینی کنیم و آماده باشیم. ما برنامه ریزی می کنیم و بر اساس نتایج احتمالی مختلفی که پیش بینی می کنیم تصمیم می گیریم. ما از طریق فرآیندهای «نظریه ذهن» به نیات دیگران فکر می کنیم. ما با ایده ها و راه حل های خلاقانه می آییم. ما قادر به انجام همه این کارها به لطف “جوجه کشی” خلاقانه ای هستیم که توسط ذهن سرگردان ما انجام می شود. برای ذهن غایب ما به وضوح نقشی تاریخی و هدفمند وجود دارد.

البته اگر از هوش مصنوعی به عنوان ابزار استفاده کنیم، می‌خواهیم دقیقاً همان کاری را انجام دهد که از او می‌خواهیم. همانطور که نمی‌خواهیم فر ما در زمان‌های تصادفی پخت را متوقف کند، همچنین نمی‌خواهیم یک الگوریتم برج کنترل ردیابی و هماهنگ‌سازی مسیر چندین هواپیمای ورودی و خروجی به طور ناگهانی منابع محاسباتی خود را با هر چیز دیگری تقسیم کند که ممکن است حواس آن را پرت کند. . در واقع، در چنین مواردی، ما نیز نمی‌خواهیم انسان‌ها سرگردان باشند، بلکه می‌خواهیم در اینجا و اکنون با ذهن خود باقی بمانند.

اما در مورد موقعیت‌های معمولی‌تر و کمتر شدید چطور؟

قبل از اینکه بدانیم چگونه ذهن سرگردانی را در هوش مصنوعی به شیوه ای سازنده پیاده سازی کنیم، نیاز به تحقیقات بیشتری دارد، حتی اگر تصور آن در حال حاضر سخت باشد. این تحقیق باید شامل ملاحظاتی مانند روش‌های متفاوتی باشد که ضمیر خودآگاه و ناخودآگاه محاسبات را انجام می‌دهند: سریال در مقابل موازی، ظرفیت محدود در مقابل نامحدود، و موارد دیگر.

اگر می‌خواهیم هوش مصنوعی مانند انسان‌ها و حتی بیشتر باهوش باشد، نمی‌توانیم فقط عملکردهای صریحی را که به وضوح برای ما آشکار است، تکرار کنیم. البته، کارهایی وجود دارد که مغز انجام می‌دهد که می‌تواند کاملاً معکوس یا حتی مخرب برای توسعه هوش مصنوعی باشد، مانند تفکر کلیشه‌ای، سوگیری‌های شناختی متعدد (مانند مواردی که اولین بار توسط Tversky و Kahneman متوفی مشخص شد)، یا خطاپذیری اغلب مضر شاهد عینی. شهادت ها

تکامل انجام نشده است و همیشه جا برای پیشرفت وجود دارد. بنابراین این فراخوانی نیست برای کپی کردن کورکورانه همه چیزهای انسانی، بلکه صرفاً برای کاوش عمیق تر است تا بتوانیم بین نقاط ضعفی که دقیقاً همین هستند و نقاط ضعفی که نقاط قوت پنهان هستند تمایز قائل شویم.

و ذهن سرگردان باید در بالای لیست ما باشد.

در تلاش‌های کنونی خود برای ایجاد هوش، آنچه را که انسان‌های باهوش در نیمی از زمان خود با ذهن خود انجام می‌دهند نادیده می‌گیریم. چگونه می توانیم انتظار تولید هوش واقعی را داشته باشیم؟