Η τεχνητή νοημοσύνη (AI) σαρώνει τον κόσμο. Μεταμορφώνει κάθε τομέα της ζωής και εγείρει στη διαδικασία σημαντικές ηθικές ανησυχίες για την κοινωνία και το μέλλον της ανθρωπότητας. Το ChatGPT, το οποίο κυριαρχεί στα μέσα κοινωνικής δικτύωσης, είναι ένα chatbot με τεχνητή νοημοσύνη που αναπτύχθηκε από την OpenAI. Είναι ένα υποσύνολο της μηχανικής μάθησης και βασίζεται σε αυτό που ονομάζεται Μεγάλα γλωσσικά μοντέλα που μπορούν να δημιουργήσουν ανθρώπινες αποκρίσεις. Η πιθανή εφαρμογή για μια τέτοια τεχνολογία είναι πράγματι τεράστια, γι' αυτό υπάρχουν ήδη εκκλήσεις για ρύθμιση της τεχνητής νοημοσύνης όπως το ChatGPT.
Μπορεί το AI να ξεπεράσει τους ανθρώπους; Αποτελεί δημόσιες απειλές; Πράγματι, μπορεί η τεχνητή νοημοσύνη να γίνει υπαρξιακή απειλή; Ο διαπρεπής γλωσσολόγος του κόσμου Νόαμ Τσόμσκι, και ένας από τους πιο αξιόλογους δημόσιους διανοούμενους όλων των εποχών, του οποίου το διανοητικό ανάστημα συγκρίθηκε με αυτό του Γαλιλαίου, του Νεύτωνα και του Ντεκάρτ, αντιμετωπίζει αυτά τα ενοχλητικά ερωτήματα στη συνέντευξη που ακολουθεί.
CJ Πολυχρονίου: Ως επιστημονικός κλάδος, η τεχνητή νοημοσύνη (AI) χρονολογείται από τη δεκαετία του 1950, αλλά τις τελευταίες δύο δεκαετίες έχει εισχωρήσει σε όλους τους τομείς, συμπεριλαμβανομένων των τραπεζών, των ασφαλίσεων, της κατασκευής αυτοκινήτων, της μουσικής και της άμυνας. Στην πραγματικότητα, η χρήση τεχνικών τεχνητής νοημοσύνης έχει αποδειχθεί σε ορισμένες περιπτώσεις ότι ξεπερνά τις ανθρώπινες δυνατότητες, όπως σε μια παρτίδα σκάκι. Είναι πιθανό οι μηχανές να γίνουν πιο έξυπνες από τους ανθρώπους;
Νόαμ Τσόμσκι: Απλώς για να διευκρινίσουμε την ορολογία, ο όρος «μηχανή» εδώ σημαίνει πρόγραμμα, βασικά μια θεωρία γραμμένη σε σημειογραφία που μπορεί να εκτελεστεί από έναν υπολογιστή – και ένα ασυνήθιστο είδος θεωρίας με ενδιαφέροντες τρόπους που μπορούμε να παραμερίσουμε εδώ.
Μπορούμε να κάνουμε μια πρόχειρη διάκριση μεταξύ καθαρής μηχανικής και επιστήμης. Δεν υπάρχει αιχμηρό όριο, αλλά είναι μια χρήσιμη πρώτη προσέγγιση. Η καθαρή μηχανική επιδιώκει να παράγει ένα προϊόν που μπορεί να είναι χρήσιμο. Η επιστήμη αναζητά κατανόηση. Εάν το θέμα είναι η ανθρώπινη νοημοσύνη ή οι γνωστικές ικανότητες άλλων οργανισμών, η επιστήμη αναζητά την κατανόηση αυτών των βιολογικών συστημάτων.
Όπως τους καταλαβαίνω, οι ιδρυτές του AI–Alan Turing, Herbert Simon, Marvin Minsky και άλλοι– το θεώρησαν ως επιστήμη, μέρος των τότε αναδυόμενων γνωστικών επιστημών, κάνοντας χρήση νέων τεχνολογιών και ανακαλύψεων στη μαθηματική θεωρία υπολογισμού εκ των προτέρων κατανόηση. Με τα χρόνια αυτές οι ανησυχίες έχουν ξεθωριάσει και έχουν εκτοπιστεί σε μεγάλο βαθμό από έναν μηχανικό προσανατολισμό. Οι προηγούμενες ανησυχίες τώρα συνήθως απορρίπτονται, μερικές φορές συγκαταβατικά, ως GOFAI – παλιομοδίτικη τεχνητή νοημοσύνη.
Συνεχίζοντας με το ερώτημα, είναι πιθανό να επινοηθούν προγράμματα που να ξεπερνούν τις ανθρώπινες δυνατότητες; Πρέπει να είμαστε προσεκτικοί με τη λέξη «δυνατότητες», για λόγους στους οποίους θα επανέλθω. Αλλά αν πάρουμε τον όρο να αναφέρεται στην ανθρώπινη απόδοση, τότε η απάντηση είναι: σίγουρα ναι. Στην πραγματικότητα, υπάρχουν εδώ και πολύ καιρό: η αριθμομηχανή σε ένα φορητό υπολογιστή, για παράδειγμα. Μπορεί να ξεπεράσει κατά πολύ αυτό που μπορούν να κάνουν οι άνθρωποι, έστω και μόνο λόγω έλλειψης χρόνου και μνήμης. Για κλειστά συστήματα όπως το σκάκι, ήταν καλά κατανοητό στη δεκαετία του '50 ότι αργά ή γρήγορα, με την πρόοδο των τεράστιων υπολογιστικών δυνατοτήτων και μια μακρά περίοδο προετοιμασίας, θα μπορούσε να επινοηθεί ένα πρόγραμμα για να νικήσει έναν γκραν μάστερ που παίζει με περιορισμένη μνήμη. και του χρόνου. Το επίτευγμα χρόνια αργότερα ήταν σχεδόν PR για την IBM. Πολλοί βιολογικοί οργανισμοί ξεπερνούν τις ανθρώπινες γνωστικές ικανότητες με πολύ βαθύτερους τρόπους. Τα μυρμήγκια της ερήμου στην αυλή μου έχουν μικροεγκέφαλο, αλλά υπερβαίνουν κατά πολύ τις ανθρώπινες ικανότητες πλοήγησης, κατ' αρχήν, όχι μόνο τις επιδόσεις. Δεν υπάρχει Μεγάλη Αλυσίδα Όντας με τους ανθρώπους στην κορυφή.
Τα προϊόντα της μηχανικής τεχνητής νοημοσύνης χρησιμοποιούνται σε πολλούς τομείς, καλώς ή κακώς. Ακόμη και τα απλά και οικεία μπορεί να είναι αρκετά χρήσιμα: στον τομέα της γλώσσας, προγράμματα όπως η αυτόματη συμπλήρωση, η ζωντανή μεταγραφή, το google translate, μεταξύ άλλων. Με πολύ μεγαλύτερη υπολογιστική ισχύ και πιο εξελιγμένο προγραμματισμό, θα πρέπει να υπάρχουν και άλλες χρήσιμες εφαρμογές, και στις επιστήμες. Έχουν ήδη υπάρξει μερικά: Η βοήθεια στη μελέτη της αναδίπλωσης των πρωτεϊνών είναι μια πρόσφατη περίπτωση όπου η μαζική και γρήγορη τεχνολογία αναζήτησης έχει βοηθήσει τους επιστήμονες να αντιμετωπίσουν ένα κρίσιμο και απερίσκεπτο πρόβλημα.
Τα έργα μηχανικής μπορεί να είναι χρήσιμα ή επιβλαβή. Και τα δύο ερωτήματα προκύπτουν στην περίπτωση της μηχανικής τεχνητής νοημοσύνης. Η τρέχουσα εργασία με τα μοντέλα μεγάλων γλωσσών (LLM), συμπεριλαμβανομένων των chatbot, παρέχει εργαλεία για παραπληροφόρηση, δυσφήμιση και παραπλάνηση των ανενημέρωτων. Οι απειλές ενισχύονται όταν συνδυάζονται με τεχνητές εικόνες και αναπαραγωγή φωνής. Με διαφορετικές ανησυχίες στο μυαλό, δεκάδες χιλιάδες ερευνητές τεχνητής νοημοσύνης έχουν πρόσφατα που ονομάζεται για ένα μορατόριουμ στην ανάπτυξη λόγω πιθανών κινδύνων που αντιλαμβάνονται.
Όπως πάντα, τα πιθανά οφέλη της τεχνολογίας πρέπει να σταθμιστούν έναντι του πιθανού κόστους.
Αρκετά διαφορετικά ερωτήματα προκύπτουν όταν στραφούμε στην τεχνητή νοημοσύνη και την επιστήμη. Εδώ απαιτείται προσοχή λόγω υπερβολικών και απερίσκεπτων ισχυρισμών, που συχνά ενισχύονται στα μέσα ενημέρωσης. Για να ξεκαθαρίσουμε τα ζητήματα, ας εξετάσουμε περιπτώσεις, κάποιες υποθετικές, κάποιες πραγματικές.
Ανέφερα την πλοήγηση με έντομα, που είναι ένα εκπληκτικό επίτευγμα. Οι επιστήμονες των εντόμων έχουν σημειώσει μεγάλη πρόοδο στη μελέτη του πώς επιτυγχάνεται, αν και η νευροφυσιολογία, ένα πολύ δύσκολο θέμα, παραμένει άπιαστο, μαζί με την εξέλιξη των συστημάτων. Το ίδιο ισχύει και για τα εκπληκτικά κατορθώματα των πουλιών και των θαλάσσιων χελωνών που ταξιδεύουν χιλιάδες μίλια και επιστρέφουν αλάνθαστα στον τόπο καταγωγής τους.
Ας υποθέσουμε ότι ο Τομ Τζόουνς, ένας υποστηρικτής της μηχανικής τεχνητής νοημοσύνης, έρχεται και λέει: «Η δουλειά σας έχει διαψευσθεί. Το πρόβλημα λύθηκε. Οι πιλότοι των εμπορικών αεροπορικών εταιρειών επιτυγχάνουν τα ίδια ή και καλύτερα αποτελέσματα συνεχώς».
Αν κάναμε τον κόπο να απαντήσουμε, θα γελούσαμε.
Ας πάρουμε την περίπτωση των ναυτικών κατορθωμάτων των Πολυνήσιων, που ζουν ακόμα ανάμεσα στις φυλές των αυτόχθονων, χρησιμοποιώντας αστέρια, άνεμο, ρεύματα για να προσγειώσουν τα κανό τους σε ένα καθορισμένο σημείο εκατοντάδες μίλια μακριά. Αυτό ήταν επίσης το θέμα πολλών ερευνών για να μάθετε πώς το κάνουν. Ο Τομ Τζόουνς έχει την απάντηση: «Σταμάτα να σπαταλάς τον χρόνο σου. τα σκάφη του πολεμικού ναυτικού το κάνουν συνέχεια».
Ίδια απάντηση.
Ας στραφούμε τώρα σε μια πραγματική περίπτωση, την κατάκτηση της γλώσσας. Είναι το θέμα εκτεταμένης και άκρως διαφωτιστικής έρευνας τα τελευταία χρόνια, δείχνοντας ότι τα βρέφη έχουν πολύ πλούσια γνώση της γλώσσας (ή των γλωσσών) του περιβάλλοντος, πολύ πέρα από αυτό που παρουσιάζουν στην απόδοση. Επιτυγχάνεται με λίγα στοιχεία, και σε ορισμένες κρίσιμες περιπτώσεις καθόλου. Στην καλύτερη περίπτωση, όπως έχουν δείξει προσεκτικές στατιστικές μελέτες, τα διαθέσιμα δεδομένα είναι αραιά, ιδιαίτερα όταν λαμβάνεται υπόψη η κατάταξη-συχνότητα («νόμος Zipf»).
Εισάγετε τον Τομ Τζόουνς: «Σε διαψεύστηκαν. Χωρίς να δίνετε προσοχή στις ανακαλύψεις σας, τα LLM που σαρώνουν αστρονομικές ποσότητες δεδομένων μπορούν να βρουν στατιστικές κανονικότητες που καθιστούν δυνατή την προσομοίωση των δεδομένων στα οποία εκπαιδεύονται, δημιουργώντας κάτι που μοιάζει σχεδόν με την κανονική ανθρώπινη συμπεριφορά. Chatbots."
Αυτή η περίπτωση διαφέρει από τις άλλες. Πρώτον, είναι πραγματικό. Δεύτερον, οι άνθρωποι δεν γελούν. στην πραγματικότητα, πολλοί έχουν δέος. Τρίτον, σε αντίθεση με τις υποθετικές περιπτώσεις, τα πραγματικά αποτελέσματα απέχουν πολύ από αυτό που ισχυρίζεται.
Αυτές οι σκέψεις αναδεικνύουν ένα μικρό πρόβλημα με τον τρέχοντα ενθουσιασμό του LLM: τον πλήρη παραλογισμό του, όπως στις υποθετικές περιπτώσεις όπου τον αναγνωρίζουμε αμέσως. Υπάρχουν όμως πολύ πιο σοβαρά προβλήματα από τον παραλογισμό.
Το ένα είναι ότι τα συστήματα LLM έχουν σχεδιαστεί με τέτοιο τρόπο ώστε να μην μπορούν να μας πουν τίποτα για τη γλώσσα, τη μάθηση ή άλλες πτυχές της γνώσης, θέμα αρχής, ανεπανόρθωτο. Διπλασιάστε τα terabyte των δεδομένων που σαρώθηκαν, προσθέστε άλλα τρισεκατομμύρια παραμέτρους, χρησιμοποιήστε ακόμη περισσότερη ενέργεια της Καλιφόρνια και η προσομοίωση συμπεριφοράς θα βελτιωθεί, ενώ θα αποκαλύψει πιο ξεκάθαρα την αποτυχία κατ' αρχήν της προσέγγισης να δώσει οποιαδήποτε κατανόηση. Ο λόγος είναι στοιχειώδης: Τα συστήματα λειτουργούν εξίσου καλά με αδύνατες γλώσσες που τα βρέφη δεν μπορούν να αποκτήσουν όπως και με αυτές που αποκτούν γρήγορα και ουσιαστικά αντανακλαστικά.
Είναι σαν να έλεγε ένας βιολόγος: «Έχω μια σπουδαία νέα θεωρία για τους οργανισμούς. Απαριθμεί πολλά που υπάρχουν και πολλά που δεν μπορεί να υπάρχουν, και δεν μπορώ να σας πω τίποτα για τη διάκριση.»
Και πάλι, θα γελούσαμε. Ή θα έπρεπε.
Όχι ο Τομ Τζόουνς – τώρα αναφέρεται σε πραγματικές περιπτώσεις. Επιμένοντας στη ριζική απομάκρυνσή του από την επιστήμη, ο Τομ Τζόουνς απαντά: «Πώς ξέρεις κάτι από αυτά μέχρι να ερευνήσεις όλες τις γλώσσες;» Σε αυτό το σημείο η εγκατάλειψη της κανονικής επιστήμης γίνεται ακόμη πιο ξεκάθαρη. Με την ισότητα των επιχειρημάτων, μπορούμε να απορρίψουμε τη γενετική και τη μοριακή βιολογία, τη θεωρία της εξέλιξης και τις υπόλοιπες βιολογικές επιστήμες, οι οποίες δεν έχουν λάβει δείγματα περισσότερων από ένα μικρό κλάσμα οργανισμών. Και για καλό μέτρο, μπορούμε να αποβάλουμε όλη τη φυσική. Γιατί να πιστεύουμε στους νόμους της κίνησης; Πόσα αντικείμενα έχουν πραγματικά παρατηρηθεί σε κίνηση;
Υπάρχει, επιπλέον, το μικρό ζήτημα του βάρους της απόδειξης. Όσοι προτείνουν μια θεωρία έχουν την ευθύνη να δείξουν ότι έχει κάποιο νόημα, στην προκειμένη περίπτωση, ότι αποτυγχάνει για αδύνατες γλώσσες. Δεν είναι ευθύνη άλλων να αντικρούσουν την πρόταση, αν και σε αυτήν την περίπτωση φαίνεται αρκετά εύκολο να το κάνουν.
Ας στρέψουμε την προσοχή στην κανονική επιστήμη, όπου τα πράγματα γίνονται ενδιαφέροντα. Ακόμη και ένα μόνο παράδειγμα απόκτησης γλώσσας μπορεί να δώσει πλούσια εικόνα για τη διάκριση μεταξύ πιθανών και αδύνατων γλωσσών.
Οι λόγοι είναι ξεκάθαροι και γνωστοί. Όλη η ανάπτυξη και ανάπτυξη, συμπεριλαμβανομένου αυτού που ονομάζεται «μάθηση», είναι μια διαδικασία που ξεκινά με μια κατάσταση του οργανισμού και τον μετατρέπει βήμα-βήμα σε μεταγενέστερα στάδια.
Η κατάκτηση της γλώσσας είναι μια τέτοια διαδικασία. Η αρχική κατάσταση είναι το βιολογικό χάρισμα της γλωσσικής ικανότητας, που προφανώς υπάρχει, ακόμα κι αν είναι, όπως πιστεύουν ορισμένοι, ένας ιδιαίτερος συνδυασμός άλλων ικανοτήτων. Αυτό είναι πολύ απίθανο για λόγους που έχουν κατανοηθεί εδώ και καιρό, αλλά δεν σχετίζεται με τις ανησυχίες μας εδώ, οπότε μπορούμε να το αφήσουμε στην άκρη. Σαφώς υπάρχει ένα βιολογικό χάρισμα για την ανθρώπινη γλωσσική ικανότητα. Η πιο αληθοφάνεια.
Η μετάβαση προχωρά σε μια σχετικά σταθερή κατάσταση, αλλαγμένη μόνο επιφανειακά πέρα από: γνώση της γλώσσας. Τα εξωτερικά δεδομένα ενεργοποιούν και διαμορφώνουν εν μέρει τη διαδικασία. Μελετώντας την κατάσταση που επιτεύχθηκε (γνώση της γλώσσας) και τα εξωτερικά δεδομένα, μπορούμε να βγάλουμε εκτεταμένα συμπεράσματα σχετικά με την αρχική κατάσταση, το βιολογικό χάρισμα που καθιστά δυνατή την κατάκτηση της γλώσσας. Τα συμπεράσματα για την αρχική κατάσταση επιβάλλουν τη διάκριση μεταξύ πιθανών και αδύνατων γλωσσών. Η διάκριση ισχύει για όλους εκείνους που μοιράζονται την αρχική κατάσταση – όλους τους ανθρώπους, από όσο είναι γνωστό. Δεν φαίνεται να υπάρχει διαφορά στην ικανότητα απόκτησης γλώσσας ανάμεσα στις υπάρχουσες ανθρώπινες ομάδες.
Όλα αυτά είναι φυσιολογική επιστήμη και έχει επιτύχει πολλά αποτελέσματα.
Το πείραμα έδειξε ότι η σταθερή κατάσταση επιτυγχάνεται ουσιαστικά πολύ νωρίς, σε ηλικία τριών έως τεσσάρων ετών. Είναι επίσης καλά τεκμηριωμένο ότι η γλωσσική ικανότητα έχει βασικές ιδιότητες ειδικά για τους ανθρώπους, ως εκ τούτου ότι είναι μια πραγματική ιδιότητα του είδους: κοινή για ανθρώπινες ομάδες και με θεμελιώδεις τρόπους μια μοναδική ανθρώπινη ιδιότητα.
Πολλά παραλείπονται σε αυτήν τη σχηματική περιγραφή, ιδίως ο ρόλος του φυσικού νόμου στην ανάπτυξη και την ανάπτυξη: στην περίπτωση ενός υπολογιστικού συστήματος όπως η γλώσσα, οι αρχές της υπολογιστικής αποτελεσματικότητας. Αλλά αυτή είναι η ουσία του θέματος. Και πάλι, κανονική επιστήμη.
Είναι σημαντικό να είμαστε σαφείς σχετικά με τη διάκριση του Αριστοτέλη μεταξύ κατοχής γνώσης και χρήσης γνώσης (με τη σύγχρονη ορολογία, ικανότητα και απόδοση). Στην περίπτωση της γλώσσας, η σταθερή κατάσταση που επιτυγχάνεται είναι η κατοχή γνώσης, κωδικοποιημένη στον εγκέφαλο. Το εσωτερικό σύστημα καθορίζει μια απεριόριστη σειρά δομημένων εκφράσεων, καθεμία από τις οποίες μπορούμε να θεωρήσουμε ότι διατυπώνει μια σκέψη, καθεμία εξωτερικεύσιμη σε κάποιο αισθητικοκινητικό σύστημα, συνήθως ηχητική αν και θα μπορούσε να είναι σημάδι ή ακόμα και (με δυσκολία) αφή.
Η πρόσβαση στο εσωτερικά κωδικοποιημένο σύστημα γίνεται με χρήση γνώσης (απόδοση). Η απόδοση περιλαμβάνει την εσωτερική χρήση της γλώσσας στη σκέψη: προβληματισμό, προγραμματισμό, ανάμνηση και πολλά άλλα. Στατιστικά μιλώντας, αυτή είναι μακράν η συντριπτική χρήση της γλώσσας. Είναι απρόσιτο στην ενδοσκόπηση, αν και μπορούμε να μάθουμε πολλά γι' αυτό με τις συνήθεις μεθόδους της επιστήμης, από «έξω», μεταφορικά μιλώντας. Αυτό που ονομάζεται «εσωτερική ομιλία» είναι, στην πραγματικότητα, θραύσματα εξωτερικευμένης γλώσσας με σίγαση της αρθρωτικής συσκευής. Είναι μόνο μια απομακρυσμένη αντανάκλαση της εσωτερικής χρήσης της γλώσσας, σημαντικά θέματα που δεν μπορώ να επιδιώξω εδώ.
Άλλες μορφές χρήσης της γλώσσας είναι η αντίληψη (ανάλυση) και η παραγωγή, με τις τελευταίες να περιλαμβάνουν ιδιότητες που παραμένουν τόσο μυστηριώδεις για εμάς σήμερα όσο όταν θεωρήθηκαν με δέος και έκπληξη από τον Γαλιλαίο και τους συγχρόνους του στην αυγή της σύγχρονης επιστήμης.
Ο κύριος στόχος της επιστήμης είναι να ανακαλύψει το εσωτερικό σύστημα, τόσο στην αρχική του κατάσταση στην ανθρώπινη γλωσσική ικανότητα όσο και στις ιδιαίτερες μορφές που προσλαμβάνει κατά την απόκτησή του. Στο βαθμό που αυτό το εσωτερικό σύστημα είναι κατανοητό, μπορούμε να προχωρήσουμε στη διερεύνηση του τρόπου με τον οποίο εισέρχεται στην απόδοση, αλληλεπιδρώντας με πολλούς άλλους παράγοντες που εισέρχονται στη χρήση της γλώσσας.
Τα δεδομένα απόδοσης παρέχουν στοιχεία σχετικά με τη φύση του εσωτερικού συστήματος, ιδιαίτερα όταν τελειοποιούνται με πειράματα, όπως στην τυπική εργασία πεδίου. Αλλά ακόμη και η πιο μαζική συλλογή δεδομένων είναι αναγκαστικά παραπλανητική με κρίσιμους τρόπους. Συμμορφώνεται με αυτό που συνήθως παράγεται, όχι τη γνώση της γλώσσας που κωδικοποιείται στον εγκέφαλο, το πρωταρχικό αντικείμενο που εξετάζεται για όσους θέλουν να κατανοήσουν τη φύση της γλώσσας και τη χρήση της. Αυτό το εσωτερικό αντικείμενο καθορίζει απείρως πολλές δυνατότητες τέτοιου είδους που δεν θα χρησιμοποιηθούν σε κανονική συμπεριφορά λόγω παραγόντων άσχετων με τη γλώσσα, όπως οι περιορισμοί βραχυπρόθεσμης μνήμης, θέματα που μελετήθηκαν πριν από 60 χρόνια. Τα παρατηρούμενα δεδομένα θα περιλαμβάνουν επίσης πολλά που βρίσκονται έξω από το σύστημα που κωδικοποιείται στον εγκέφαλο, συχνά συνειδητή χρήση της γλώσσας με τρόπους που παραβιάζουν τους κανόνες για ρητορικούς σκοπούς. Αυτοί είναι γνωστοί σε όλους τους εργαζόμενους στο πεδίο, οι οποίοι βασίζονται σε τεχνικές εξάπλωσης με πληροφοριοδότες, βασικά πειράματα, για να δώσουν ένα εκλεπτυσμένο σώμα που αποκλείει άσχετους περιορισμούς και αποκλίνουσες εκφράσεις. Το ίδιο ισχύει όταν οι γλωσσολόγοι χρησιμοποιούν τους εαυτούς τους ως πληροφοριοδότες, μια απολύτως λογική και φυσιολογική διαδικασία, κοινή στην ιστορία της ψυχολογίας μέχρι σήμερα.
Προχωρώντας περαιτέρω με την κανονική επιστήμη, διαπιστώνουμε ότι οι εσωτερικές διεργασίες και τα στοιχεία της γλώσσας δεν μπορούν να ανιχνευθούν με την επιθεώρηση των παρατηρούμενων φαινομένων. Συχνά αυτά τα στοιχεία δεν εμφανίζονται καν στην ομιλία (ή στη γραφή), αν και τα αποτελέσματά τους, συχνά ανεπαίσθητα, μπορούν να ανιχνευθούν. Αυτός είναι ένας ακόμη λόγος για τον οποίο ο περιορισμός στα παρατηρούμενα φαινόμενα, όπως στις προσεγγίσεις LLM, περιορίζει απότομα την κατανόηση των εσωτερικών διεργασιών που είναι τα βασικά αντικείμενα έρευνας για τη φύση της γλώσσας, την απόκτηση και τη χρήση της. Αλλά αυτό δεν είναι σχετικό εάν το ενδιαφέρον για την επιστήμη και την κατανόηση έχουν εγκαταλειφθεί υπέρ άλλων στόχων.
Γενικότερα στις επιστήμες, εδώ και χιλιετίες, έχουν καταλήξει σε συμπεράσματα με πειράματα –συχνά στοχαστικά πειράματα– το καθένα μια ριζική αφαίρεση από τα φαινόμενα. Τα πειράματα καθοδηγούνται από τη θεωρία, επιδιώκοντας να απορρίψουν τους αναρίθμητους άσχετους παράγοντες που εισέρχονται σε παρατηρούμενα φαινόμενα, όπως η γλωσσική απόδοση. Όλα αυτά είναι τόσο στοιχειώδη που σπάνια συζητούνται καν. Και γνώριμο. Όπως σημειώθηκε, η βασική διάκριση ανάγεται στη διάκριση του Αριστοτέλη μεταξύ κατοχής γνώσης και χρήσης γνώσης. Το πρώτο είναι το κεντρικό αντικείμενο μελέτης. Οι δευτερεύουσες (και αρκετά σοβαρές) μελέτες διερευνούν τον τρόπο με τον οποίο το εσωτερικά αποθηκευμένο σύστημα γνώσης χρησιμοποιείται στην απόδοση, μαζί με τους πολλούς μη γλωσσικούς παράγοντες που εισέρχονται σε αυτό που παρατηρείται άμεσα.
Θα μπορούσαμε επίσης να θυμηθούμε μια παρατήρηση του εξελικτικού βιολόγου Theodosius Dobzhansky, διάσημου κυρίως για τη δουλειά του με τη Drosophila: Κάθε είδος είναι μοναδικό και οι άνθρωποι είναι οι μοναδικότεροι από όλους. Αν μας ενδιαφέρει να καταλάβουμε τι είδους πλάσματα είμαστε –ακολουθώντας την εντολή του Μαντείου των Δελφών πριν από 2,500 χρόνια– θα μας απασχολήσει πρωτίστως αυτό που κάνει τους ανθρώπους πιο μοναδικούς από όλους, κυρίως γλώσσα και σκέψη, στενά συνυφασμένες, όπως αναγνωρίζεται σε ένα πλούσια παράδοση που χρονολογείται από την κλασική Ελλάδα και την Ινδία. Οι περισσότερες συμπεριφορές είναι αρκετά ρουτίνα, επομένως σε κάποιο βαθμό προβλέψιμες. Αυτό που παρέχει πραγματική εικόνα για το τι μας κάνει μοναδικούς είναι αυτό που δεν είναι ρουτίνα, το οποίο βρίσκουμε, άλλοτε με πείραμα, άλλοτε με παρατήρηση, από κανονικά παιδιά μέχρι σπουδαίους καλλιτέχνες και επιστήμονες.
Ένα τελευταίο σχόλιο σχετικά με αυτό. Η κοινωνία μαστίζεται για έναν αιώνα από τεράστιες εταιρικές εκστρατείες για την ενθάρρυνση της περιφρόνησης για την επιστήμη, θέματα που έχουν μελετηθεί καλά από τη Naomi Oreskes μεταξύ άλλων. Ξεκίνησε με εταιρείες των οποίων τα προϊόντα είναι δολοφονικά: μόλυβδος, καπνός, αμίαντος, αργότερα ορυκτά καύσιμα. Τα κίνητρά τους είναι κατανοητά. Ο στόχος μιας επιχείρησης σε μια καπιταλιστική κοινωνία είναι το κέρδος, όχι η ανθρώπινη ευημερία. Αυτό είναι ένα θεσμικό γεγονός: Μην παίζετε το παιχνίδι και είστε έξω, αντικαθιστώντας από κάποιον που θα το κάνει.
Τα εταιρικά τμήματα δημοσίων σχέσεων αναγνώρισαν από νωρίς ότι θα ήταν λάθος να αρνηθούν τα αυξανόμενα επιστημονικά στοιχεία για τις θανατηφόρες συνέπειες των προϊόντων τους. Αυτό θα διαψευστεί εύκολα. Καλύτερα να σπείρω την αμφιβολία, να ενθαρρύνω την αβεβαιότητα, την περιφρόνηση για αυτά τα κουστούμια με μυτερά κεφάλια που δεν έχουν βάψει ποτέ σπίτι αλλά κατέβηκαν από την Ουάσιγκτον για να μου πουν να μην χρησιμοποιήσω μπογιά μολύβδου, καταστρέφοντας την επιχείρησή μου (πραγματική περίπτωση, που πολλαπλασιάζεται εύκολα). Αυτό έχει λειτουργήσει πάρα πολύ καλά. Αυτή τη στιγμή μας οδηγεί σε μια πορεία προς την καταστροφή της οργανωμένης ανθρώπινης ζωής στη γη.
Στους πνευματικούς κύκλους, παρόμοια αποτελέσματα έχουν παραχθεί από τη μεταμοντέρνα κριτική της επιστήμης, αποσυναρμολογημένο από τον Jean Bricmont και τον Alan Sokal, αλλά ακόμα πολύ ζωντανός σε ορισμένους κύκλους.
Μπορεί να μην είναι ευγενικό να προτείνουμε την ερώτηση, αλλά είναι, νομίζω, δίκαιο να αναρωτηθούμε αν οι Τομ Τζόουνς και εκείνοι που επαναλαμβάνουν άκριτα, ακόμη και ενισχύουν τις απρόσεκτες διακηρύξεις τους, συμβάλλουν στις ίδιες βλαβερές τάσεις.
CJP: Το ChatGPT είναι ένα chatbot που βασίζεται σε φυσική γλώσσα και χρησιμοποιεί τεχνητή νοημοσύνη για να επιτρέπει συνομιλίες που μοιάζουν με ανθρώπους. Σε πρόσφατο άρθρο στο Οι Νιου Γιορκ Ταιμς, σε συνδυασμό με δύο άλλους συγγραφείς, κλείνεις τα νέα chatbot ως διαφημιστική εκστρατεία επειδή απλά δεν μπορούν να ταιριάζουν με τη γλωσσική ικανότητα των ανθρώπων. Δεν είναι, ωστόσο, πιθανό οι μελλοντικές καινοτομίες στην τεχνητή νοημοσύνη να μπορούν να παράγουν έργα μηχανικής που θα ταιριάζουν και ίσως και να ξεπερνούν τις ανθρώπινες δυνατότητες;
NC: Τα εύσημα για το άρθρο πρέπει να δοθούν στον πραγματικό συγγραφέα, τον Jeffrey Watumull, έναν εξαιρετικό μαθηματικό-γλωσσολόγο-φιλόσοφο. Οι δύο αναφερόμενοι συν-συγγραφείς ήταν σύμβουλοι, οι οποίοι συμφωνούν με το άρθρο αλλά δεν το έγραψαν.
Είναι αλήθεια ότι τα chatbot δεν μπορούν καταρχήν να ταιριάζουν με τη γλωσσική ικανότητα των ανθρώπων, για τους λόγους που επαναλαμβάνονται παραπάνω. Ο βασικός σχεδιασμός τους τους εμποδίζει να φτάσουν στην ελάχιστη συνθήκη επάρκειας για μια θεωρία της ανθρώπινης γλώσσας: τη διάκριση των δυνατών από τις αδύνατες γλώσσες. Δεδομένου ότι αυτό είναι μια ιδιότητα του σχεδιασμού, δεν μπορεί να ξεπεραστεί από μελλοντικές καινοτομίες σε αυτό το είδος τεχνητής νοημοσύνης. Ωστόσο, είναι πολύ πιθανό τα μελλοντικά έργα μηχανικής να ταιριάζουν ή και να ξεπερνούν τις ανθρώπινες δυνατότητες, αν εννοούμε την ανθρώπινη ικανότητα δράσης, την απόδοση. Όπως αναφέρθηκε παραπάνω, κάποιοι το έχουν κάνει εδώ και καιρό: για παράδειγμα οι αυτόματες αριθμομηχανές. Το πιο ενδιαφέρον είναι ότι, όπως αναφέρθηκε, τα έντομα με μικροσκοπικό εγκέφαλο ξεπερνούν τις ανθρώπινες ικανότητες που νοούνται ως ικανότητα.
CJP: Στο προαναφερθέν άρθρο, παρατηρήθηκε επίσης ότι τα σημερινά έργα τεχνητής νοημοσύνης δεν διαθέτουν ανθρώπινη ηθική ικανότητα. Αυτό το προφανές γεγονός καθιστά τα ρομπότ τεχνητής νοημοσύνης λιγότερο απειλή για την ανθρώπινη φυλή; Πιστεύω ότι το επιχείρημα μπορεί να είναι ότι τους κάνει ίσως ακόμη περισσότερο.
NC: Είναι πράγματι ένα προφανές γεγονός, η κατανόηση της «ηθικής ικανότητας» ευρέως. Αν δεν ελέγχεται προσεκτικά, η μηχανική τεχνητής νοημοσύνης μπορεί να αποτελέσει σοβαρές απειλές. Ας υποθέσουμε, για παράδειγμα, ότι η φροντίδα των ασθενών ήταν αυτοματοποιημένη. Τα αναπόφευκτα λάθη που θα ξεπερνούσαν η ανθρώπινη κρίση θα μπορούσαν να δημιουργήσουν μια ιστορία τρόμου. Ή ας υποθέσουμε ότι οι άνθρωποι αφαιρέθηκαν από την αξιολόγηση των απειλών που καθορίζονται από αυτοματοποιημένα συστήματα πυραυλικής άμυνας. Ως μια συγκλονιστική ιστορική καταγραφή ενημερώνει εμείς, αυτό θα ήταν το τέλος του ανθρώπινου πολιτισμού.
Αν δεν ελέγχεται προσεκτικά, η μηχανική τεχνητής νοημοσύνης μπορεί να αποτελέσει σοβαρές απειλές.
CJP: Οι ρυθμιστικές αρχές και οι υπηρεσίες επιβολής του νόμου στην Ευρώπη εκφράζουν ανησυχίες σχετικά με τη διάδοση του ChatGPT, ενώ μια νομοθεσία της Ευρωπαϊκής Ένωσης που υποβλήθηκε πρόσφατα προσπαθεί να αντιμετωπίσει την τεχνητή νοημοσύνη ταξινομώντας τέτοια εργαλεία σύμφωνα με το αντιληπτό επίπεδο κινδύνου. Συμφωνείτε με όσους ανησυχούν ότι το ChatGPT αποτελεί σοβαρή δημόσια απειλή; Επιπλέον, πιστεύετε πραγματικά ότι η περαιτέρω ανάπτυξη των εργαλείων τεχνητής νοημοσύνης μπορεί να σταματήσει έως ότου εισαχθούν διασφαλίσεις;
NC: Μπορώ εύκολα να συμπονήσω με τις προσπάθειες για τον έλεγχο των απειλών που θέτει η προηγμένη τεχνολογία, συμπεριλαμβανομένης αυτής της υπόθεσης. Είμαι, ωστόσο, δύσπιστος ως προς το ενδεχόμενο να το κάνω. Υποψιάζομαι ότι το τζίνι είναι έξω από το μπουκάλι. Οι κακόβουλοι παράγοντες –θεσμικοί ή μεμονωμένοι– μπορούν πιθανώς να βρουν τρόπους να αποφύγουν τις διασφαλίσεις. Τέτοιες υποψίες δεν αποτελούν φυσικά λόγο για να μην προσπαθήσουμε και να ασκήσουμε επαγρύπνηση.
Το ZNetwork χρηματοδοτείται αποκλειστικά από τη γενναιοδωρία των αναγνωστών του.
Κάνε μια δωρεά