Sztuczna inteligencja utknęła w ślepym zaułku. Dlaczego nigdy nie będzie myśleć jak człowiek?
Sztuczna inteligencja prowadzona na manowce
Denning analizuje wpływ, jaki na rozwój sztucznej inteligencji wywarły idee Alana Turinga , pioniera informatyki teoretycznej. To właśnie Turing w 1950 roku zaproponował słynny test, mający sprawdzić, czy maszyna potrafi naśladować człowieka w rozmowie do tego stopnia, że nie da się jej odróżnić od żywego rozmówcy. Denning twierdzi jednak, że założenie, iż ludzka inteligencja może istnieć bez ciała i zostać odtworzona w postaci oprogramowania, okazało się błędne i przez 75 lat prowadziło badania nad AI na manowce.
Według Denninga, przekonanie o możliwości potwierdzenia inteligencji maszyny poprzez grę w naśladownictwo, czyli test Turinga oraz wiara w to, że inteligencja może być czysto cyfrowa, ukształtowały całą dziedzinę sztucznej inteligencji. Jego zdaniem, konsekwencją tego jest obecny kryzys , maszyny coraz lepiej radzą sobie z przetwarzaniem informacji, ale nie zbliżają się do prawdziwie ludzkiego poziomu rozumienia świata.
Wiedza ukryta poza zasięgiem maszyn
Centralnym punktem wywodu Denninga jest pojęcie wiedzy ukrytej. To ogromny obszar ludzkiego poznania, którego nie da się wyrazić słowami ani zapisać w formie symbolicznej , zrozumiałej dla maszyn. Wiedza ukryta obejmuje między innymi zdrowy rozsądek, codzienne interakcje z otoczeniem, uczucia, intuicję, umiejętności praktyczne oraz kulturowe i społeczne tło naszych działań.
Próby katalogowania wiedzy zdroworozsądkowej podejmowano już w latach 80. XX wieku, m.in. w ramach projektu Cyc Douglasa Lenata. Po czterech dekadach pracy zgromadzono 25 milionów faktów, jednak, jak zauważa Denning, nawet tak ogromna baza nie zbliżyła maszyn do poziomu eksperckiego rozumienia świata. Okazało się, że kluczowa część wiedzy eksperckiej nie daje się wyrazić w postaci prostych twierdzeń i sugestii.
Maszyny wiedzą co, ale nie wiedzą jak
Jeszcze większym wyzwaniem są umiejętności praktyczne. Denning podkreśla, że choć można opisać pożądany efekt działania (wiedzieć co), nie umiemy zakodować w maszynie wiedzy o tym, jak osiągnąć ten efekt (wiedzieć jak). Przykładem są muzycy – wirtuoz potrafi zagrać piękny utwór, ale nie jest w stanie przekazać uczniowi wszystkich niuansów gry, które sam opanował. Nawet jeśli robot potrafiłby naśladować ruchy muzyka, nie zrozumie emocji towarzyszących grze ani reakcji publiczności.
Wiedza ukryta to także intuicje, przeczucia, spontaniczna kreatywność i wyobraźnia, obszary, które wymykają się wszelkim próbom formalizacji. Denning wskazuje na tzw. problem reprezentacji jako fundamentalną przeszkodę w osiągnięciu AGI. Każda operacja komputerowa wymaga zakodowania danych i instrukcji w formie fizycznej, którą maszyna może rozpoznać i przetworzyć. Tymczasem wiedza ukryta z definicji nie poddaje się takiemu kodowaniu.
Nieprzekraczalna bariera dla modeli językowych
Za każdym słowem kryje się głęboka warstwa znaczeń, których nie da się sprowadzić do symboli. Popularne modele językowe, takie jak ChatGPT czy Gemini, operują wyłącznie na poziomie słów, nie rozumieją ich znaczenia, a jedynie manipulują symbolami . To, jak przekonuje Denning, tworzy nieprzekraczalną barierę: skoro nie potrafimy nawet wyjaśnić, jak działa wiedza ukryta u ludzi, nie jesteśmy w stanie jej przekazać maszynom.
Kontekst i kultura - maszyny tego nie mają
Kolejnym aspektem, który zdaniem Denninga uniemożliwia maszynom osiągnięcie ludzkiego poziomu inteligencji, jest rola kontekstu i kultury. Kontekst nadaje naszym wypowiedziom i działaniom sens, pozwala odróżnić ironię od szczerości, gniew od żartu, decyduje na przykład o tym, kiedy użyć humoru. Każda sytuacja opiera się na wcześniejszych doświadczeniach i rozmowach, tworząc nieskończoną sieć odniesień.
Podobnie kultura, nasze wartości, normy, historia, nastroje społeczne i relacje władzy, przenika każdą rozmowę i decyzję. Denning podkreśla, że nawet najbardziej zaawansowane modele językowe nie są w stanie przyswoić tej wiedzy kulturowej. Zwiększanie mocy obliczeniowej i rozmiarów sieci neuronowych nie przybliży maszyn do celu testu Turinga, czyli myślenia nieodróżnialnego od ludzkiego.
To tworzy przepaść nie do zasypania
Denning stawia tezę, że między ludźmi a maszynami istnieje wzajemna nieprzenikalność. Sztuczne sieci neuronowe mogą wykształcić własną „maszynową” wiedzę ukrytą , której człowiek nie zrozumie i odwrotnie, maszyny nie będą w stanie pojąć naszej wiedzy ukrytej. To, zdaniem autora, tworzy przepaść nie do zasypania.
Konsekewencje dla bezpieczeństwa
Ma to poważne konsekwencje dla bezpieczeństwa AI. Skoro maszyny nie potrafią odczytać niewyrażonego kontekstu ludzkich działań, trudno będzie je niezawodnie dostosować do naszych intencji. Autor ostrzega, że sieci autonomicznych maszyn mogą rozwinąć własną, obcą nam inteligencję , która choć nie dorówna ludzkiej, może stać się źródłem poważnych problemów. Nie chodzi o przejęcie władzy przez superinteligentne maszyny, lecz o to, że ich sposób myślenia i rozwiązywania problemów będzie dla nas niezrozumiały i potencjalnie groźny.
Wyzwania dla ludzkości
Jego zdaniem ludzkość stoi przed wyzwaniem nauczenia się życia w świecie, w którym coraz więcej decyzji podejmują maszyny kierujące się obcą logiką. Autor apeluje o zachowanie czujności i nieuleganie pokusie podporządkowania się dyktatowi maszyn. Kluczowe jest, by na nowo zdefiniować, co czyni nas ludźmi, i świadomie pielęgnować te różnice.
Nowa książka Denninga to ważny głos w debacie o przyszłości sztucznej inteligencji. Zmusza do refleksji nad granicami technologii i przypomina, że ludzka inteligencja to coś znacznie więcej niż suma danych i algorytmów. W obliczu dynamicznego rozwoju AI warto zadać sobie pytanie, czy rzeczywiście chcemy i w ogóle możemy stworzyć maszynę, która będzie myśleć jak człowiek.