Γιατί η Τεχνητή Νοημοσύνη δεν μπορεί να υπερβεί την ανθρώπινη συνείδηση

Κατόπιν της επιστημονικής κριτικής που ασκήθηκε εναντίον τους από τον μαθηματικό Sir James Lighthill και πιέσεων από το αμερικανικό Κογκρέσο το 1974, οι κυβερνήσεις των ΗΠΑ και του Ηνωμένου Βασιλείου αποφάσισαν να διακόψουν τη χρηματοδότηση προς ανεξέλεγκτες ερευνητικές εργασίες στην Τεχνητή Νοημοσύνη. Έκτοτε, και για τις επόμενες τρεις δεκαετίες, η ενασχόληση με την Τεχνητή Νοημοσύνη αποτελούσε ένα περιθωριακό, αν όχι απαξιωμένο, αντικείμενο έρευνας μεταξύ των επιστημόνων.

Ο κύριος λόγος για τον οποίο η πρώτη φάση της ιστορίας της Τεχνητής Νοημοσύνης οδηγήθηκε σε αποτυχία ήταν ότι έγινε μια προσπάθεια κατασκευής νοημόνων μηχανών μόνο με συγκεκριμένες προκαθορισμένες ρυθμίσεις, χωρίς δυνατότητα μηχανικής μάθησης. Ωστόσο, τα πράγματα άρχισαν να αλλάζουν στη δεκαετία του 1980 και ιδιαιτέρως από τη δεκαετία του 1990 και μετά, όταν ενσωματώθηκαν πορίσματα της κυβερνητικής στην Τεχνητή Νοημοσύνη, ιδιαιτέρως αναφορικώς με τη μάθηση και την αυτοδιόρθωση.

Η “κυβερνητική” (cybernetics) είναι ένας διεπιστημονικός κλάδος της επιστήμης ο οποίος είναι επικεντρωμένος στην έννοια της “πηδαλιούχησης” (steering), και, συγκεκριμένα, αναφέρεται στην ορθή πηδαλιούχηση ενός “σκάφους” (συγκεκριμένα οποιουδήποτε τεχνολογικού, κοινωνικού, βιολογικού, ή φυσικού συστήματος έχει σκοπούς) προκειμένου να επιτευχθεί ο αντίστοιχος σκοπός. Όλα τα νοήμονα συστήματα έχουν αυτή την ιδιότητα, η οποία μπορεί να περιγραφεί ως ένας βρόχος ανατροφοδότησης (feedback loop), ο οποίος περιλαμβάνει τα εξής στοιχεία:

1. Σκοποθετημένη δράση
2. Αίσθηση-αντίληψη της εκάστοτε κατάστασης του συστήματος.
3. Σύγκριση της εκάστοτε κατάστασης με τον επιδιωκόμενο σκοπό.
4. Αναπροσαρμογή και βελτιστοποίηση της δράσης (αυτοδιόρθωση).

Ένα σύστημα δεν μπορεί να είναι νοήμον (ή τουλάχιστον να επιδείξει νοήμονα συμπεριφορά) χωρίς αυτές τις ιδιότητες, και η ενσωμάτωση τέτοιων ιδιοτήτων στην Τεχνητή Νοημοσύνη, ιδιαιτέρως στο πλαίσιο της μηχανικής μάθησης, οδήγησε στην αναγέννηση της.

Η νέα Τεχνητή Νοημοσύνη

Η νέα Τεχνητή Νοημοσύνη είναι πολύ περισσότερο αναπτυγμένη και χρήσιμη, επειδή, αντί να βασίζεται σε συγκεκριμένες προκαθορισμένες ρυθμίσεις, κατασκευάστηκε έτσι ώστε να μιμείται τον ανθρώπινο εγκέφαλο σύμφωνα με το προαναφερθέν κυβερνητικό μοντέλο νοημοσύνης. Όμως, παρά τον εμπορικό, δημοσιογραφικό, και μυθιστορηματικό ενθουσιασμό που προκάλεσαν η ανάπτυξη και οι δυνατότητες της, αυτή παραμένει διαφορετική από την ανθρώπινη νοημοσύνη, και οι διαφορές μεταξύ της ΤΝ και της ανθρώπινης νοημοσύνης αποκλείουν το ενδεχόμενο η ΤΝ να ταυτιστεί με (πόσο μάλλον να υπερβεί) την ανθρώπινη συνείδηση.

Τα τρία βασικά ζητήματα που διαφοροποιούν την Τεχνητή Νοημοσύνη από την ανθρώπινη νοημοσύνη είναι τα εξής:

• Η σύγχρονη Τεχνητή Νοημοσύνη βασίζεται μεν στη μίμηση του εγκεφάλου (σε αντιδιαστολή προς το αρχικό αποτυχημένο μοντέλο ΤΝ που βασιζόταν απλώς σε προκαθορισμένες ρυθμίσεις χωρίς δυνατότητες μηχανικής μάθησης), αλλά η μίμηση του εγκεφάλου παραμένει ουσιαστικά ελλιπής.
• Ο νους είναι ένυλος (ενσώματος), και ο εγκέφαλος είναι μέρος του σώματος, ενώ η Τεχνητή Νοημοσύνη βασίζεται σε μια μη-ενσώματη προσομοίωση νοητικών διαδικασιών, πράγμα που αποτελεί μια ουσιαστική και δομική διαφορά.
• Ο νους (ή η συνείδηση) έχει και συντακτικό και σημαντικό περιεχόμενο, ενώ η ΤΝ έχει μόνο συντακτικό περιεχόμενο.

Στη συνέχεια, θα εξηγήσω συνοπτικώς αυτά τα τρία ζητήματα με βάση τα μαθηματικά και επιστημολογικά θέματα που καλύπτονται στο βιβλίο μου Εισαγωγή στα Καθαρά και στα Εφαρμοσμένα Μαθηματικά και στην Επιστημολογία.

Ελλιπής μίμηση του εγκεφάλου

Η νέα, βελτιωμένη Τεχνητή Νοημοσύνη βασίζεται στη μίμηση του ανθρώπινου εγκεφάλου, αλλά μιμείται μόνο τη δομή και τις λειτουργίες των νευρώνων (νευρικών κυττάρων) και αγνοεί πλήρως τη δομή και τη λειτουργία των νευρογλοιακών κυττάρων. Τα νευρογλοιακά κύτταρα είναι μη-νευρωνικά κύτταρα τα οποία συμβάλλουν στη διατήρηση της ομοιόστασης, παρέχουν στήριξη και προστασία στους νευρώνες του εγκεφάλου, και επηρεάζουν σημαντικά τη μεταφορά των νευρικών ώσεων

Ο Γερμανός ιατρός και βιολόγος Rudolf Virchow, ήδη από τα μέσα του 19ου αιώνα, εισήγαγε την έννοια των νευρογλοίων ως ενός συνδετικού ιστού του εγκεφάλου και του νωτιαίου μυελού, αλλά η ΤΝ τα αγνοεί και περιορίζεται σε μιμητικά μοντέλα μόνο των νευρώνων. Αυτή τη σημαντική έλλειψη της Τεχνητής Νοημοσύνης έχει τονίσει, μεταξύ άλλων, ο Έλληνας πανεπιστημιακός καθηγητής εφαρμοσμένων μαθηματικών και ακαδημαϊκός Αθανάσιος Φωκάς, ο οποίος έχει ασχοληθεί ιδιαιτέρως με τη μελέτη των νευρογλοίων.

Ο ανθρώπινος εγκέφαλος είναι μέρος του όλου ανθρώπινου σώματος, και η νοητική ζωή του ανθρώπου είναι ένυλη, ενσώματη, και όχι ένα αυθύπαρκτο άυλο σύστημα νοητικών λειτουργιών. Για παράδειγμα, η σεροτονίνη, ένας από τους σημαντικότερους νευροδιαβιβαστές του εγκεφάλου (η οποία απλουστευτικά αποκαλείται “ορμόνη της ευτυχίας”), παράγεται κατά τουλάχιστον 90% στο γαστρεντερικό σύστημα και μόνο, το πολύ, κατά 10% στον εγκέφαλο. Αντιθέτως, η Τεχνητή Νοημοσύνη προσομοιώνει μόνο ορισμένες ανθρώπινες νοητικές καταστάσεις και αντίστοιχες εγκεφαλικές λειτουργίες με έναν αποσπασματικό τρόπο και σαν να επρόκειτο για αυθύπαρκτα άυλα δεδομένα.

Επιπλέον, η πολυπλοκότητα του ανθρώπινου σώματος-οργανισμού, ως προϊόντος εξέλιξης εκατομμυρίων ετών, με τίποτε δεν μπορεί να συγκριθεί με την Τεχνητή Νοημοσύνη, η οποία άλλωστε είναι προϊόν αποσπασματικών τεχνητών εξελίξεων κάποιων δεκαετιών. Οι διαφορές μεταξύ ενός ανθρώπου και ενός ρομπότ γίνονται ακόμα εντονότερες αν συνεκτιμήσουμε την πολυπλοκότητα του φαινομένου της ζωής.

Η σκελετική δομή του ενήλικου ανθρώπου αποτελείται από περίπου 200 οστά συναρμοσμένα μεταξύ τους σε 350 αρθρώσεις με ακρίβεια καλύτερη από 10% (λάβετε υπόψη ότι τα παπούτσια ταιριάζουν στα πόδια σας με ακρίβεια 5%). Η πιθανότητα να βρεθεί μια συνεκτική σκελετική διάταξη 200 κομματιών με βαθμό ακρίβειας 10% (σαν αυτή του ανθρώπινου σκελετού) σε έναν πλανήτη οπουδήποτε στα τρισεκατομμύρια των παρατηρήσιμων γαλαξιών είναι μικρότερη από 10 στη δύναμη μείον 100 (δηλαδή ένα κλάσμα που έχει αριθμητή το 1 και παρονομαστή το 1 ακολουθούμενο από εκατό μηδενικά), δηλαδή είναι πρακτικώς μηδέν.

Η εύρεση δύο χιλιάδων σχεδόν πανομοιότυπων αντιγράφων ενός τέτοιου “σκελετού” σε οποιοδήποτε από τα 10 στη δύναμη χίλια σύμπαντα που υποθέτει η θεωρία των χορδών είναι ασύγκριτα λιγότερο πιθανή! Ωστόσο, υπάρχουν αρκετά δισεκατομμύρια τέτοιων σκελετών στον μοναδικό πλανήτη Γη, και αυτό είναι κάτι το φυσικώς εξαιρετικό. Ένας από τους πρώτους επιστήμονες που ανέλυσαν και τόνισαν την εξαιρετικότητα της ζωής είναι ο Γάλλος φυσιοδίφης και ζωολόγος Georges Cuvier (1769–1832), γνωστός ως ο “πατέρας της παλαιοντολογίας”.

Ενσώματες λειτουργίες εναντίον ασώματων λειτουργιών

Η πολυπλοκότητα και η εξαιρετικότητα του φαινομένου της ζωής, και ιδιαιτέρως της ανθρώπινης, δεν σταματά εδώ. Όσο απίθανη κι αν είναι η δομή του ανθρώπινου σκελετού, ο ανθρώπινος σκελετός είναι μια γεωμετρικώς απλή δομή, η οποία μπορεί να περιγραφεί με μεγάλη ακρίβεια σε μερικές εκατοντάδες σελίδες (χρησιμοποιώντας ευκλείδεια και μη-ευκλείδεια γεωμετρία). Αλλά η προφανής πληροφοριακή πολυπλοκότητα της κυτταρικής/μοριακής αρχιτεκτονικής του ανθρώπινου σώματος ξεπερνά τη χωρητικότητα οποιασδήποτε φανταστικής “βιβλιοθήκης”.

Δεν μπορεί κανείς να περιγράψει λεπτομερώς τις διατάξεις όλων τριχοειδών αγγείων (περίπου 10 στη δύναμη 10) στους μύες μας, ούτε τις συναπτικές συνδέσεις (περίπου 10 στη δύναμη 14) στον εγκέφαλό μας, ούτε τις θέσεις (πόσο μάλλον τις λειτουργίες) όλων των πρωτεϊνικών μορίων (περισσότερα από 10 στη δύναμη 15) στα κύτταρα του σώματός μας. Η κωδίκευση και μεταβίβαση αυτής της τεράστιας ποσότητας πληροφορίας από έναν γονέα σε ένα παιδί μοιάζει να είναι μια αδύνατη διαδικασία, και όμως συμβαίνει.

Αυτό που καθιστά μαθηματικώς ρεαλιστική τη ζωή είναι η κωδίκευση του ουσιαστικού μέρους αυτής της τερατώδους ποσότητας πληροφορίας σε μια μοριακή χορδή (πληροφοριακού) μήκους περίπου δέκα στην ενάτη bits, που ονομάζεται DNA, και, βεβαίως, αυτή η διαδικασία κωδίκευσης δεν έχει γίνει πλήρως κατανοητή ούτε με τα πιο προχωρημένα στοχαστικά μοντέλα (σημείωση: στα μαθηματικά, ο όρος “στοχαστικό” σημαίνει μια περιγραφή που αναφέρεται σε αποτελέσματα βασισμένα σε τυχαία πιθανότητα).

Αυτό που καθιστά πρακτικώς ρεαλιστική τη ζωή είναι η υλοποίηση της πληροφορίας που είναι κωδικευμένη στο DNA, μια συλλογή “προγραμμάτων”, από φυσικές/χημικές διαδικασίες που τρέχουν στα έμβια συστήματα στο πλαίσιο ενός κυρίως στοχαστικού περιβάλλοντος, και, έτσι, εφαρμόζονται στην πράξη εκείνα τα “προγράμματα” (βλ. Alberts at al., Molecular Biology, και Barresi et al., Developmental Biology).

Συντακτική και σημαντική

Στη γενική επιστήμη των “σημείων” (signs), η οποία ονομάζεται “σημειωτική” (semiotics), τα σημεία είναι σύμβολα (μονάδες σημασίας που έχουν τη μορφή λέξεων, εικόνων, ήχων, ενεργειών, ή αντικειμένων) οργανωμένα σε κώδικες, και λειτουργούν σε δύο επίπεδα: στο επίπεδο των “σημαινόντων” (δηλαδή στο επίπεδο της μορφής, ή στο επίπεδο του “σημειακού φορέα”) και στο επίπεδο των “σημαινομένων” (δηλαδή στο επίπεδο της σημασίας, ή στο επίπεδο του “νοήματος”). Συγκεκριμένα, η “συντακτική” (syntactics) συνίσταται σε ένα σύνολο κανόνων για τη διαχείριση σημείων (συμβόλων) ανεξαρτήτως του νοήματός τους.

Για παράδειγμα, στο πλαίσιο της φυσικής γλώσσας, η συντακτική αναφέρεται στη γραμματική διευθέτηση των λέξεων σε έναν προτασιακό τύπο (δηλαδή αναφέρεται σε κανόνες για το τι είδους λέξεις, μέρη του λόγου, ή ορολογία μπορούμε να βάλουμε σε μια συγκεκριμένη σειρά), και, στο πλαίσιο των μαθηματικών, η συντακτική αναφέρεται σε κανόνες για τη σειρά με την οποία τα σύμβολα μπορούν να συναρμολογηθούν μεταξύ τους.

Αντιθέτως, η “σημαντική” (semantics) αναφέρεται στο “νόημα” (μια πρόταση μπορεί να είναι συντακτικώς ορθή, αλλά ανόητη). Η ανθρώπινη νοημοσύνη διαθέτει τόσο συντακτική όσο και σημαντική, ενώ η ΤΝ διαθέτει τη συντακτική διάσταση της νοημοσύνης αλλά στερείται σημαντικής. Συνεπώς, η Τεχνητή Νοημοσύνη έχει μια απεριόριστη υπολογιστική ικανότητα, αλλά δεν έχει τη δυνατότητα να δίδει νόημα στα πράγματα.

Έτσι, για παράδειγμα, ένας ιατρός μπορεί να χρησιμοποιήσει ΤΝ για να επεξεργαστεί (υπολογιστικώς) πολλά ποσοτικά δεδομένα, αλλά, τελικώς, ο ιατρός, και όχι η Τεχνητή Νοημοσύνη, μπορεί (και πρέπει) να δώσει μια αντίστοιχη συνταγή θεραπείας. Όπως έχει επισημάνει ο Ιταλός πανεπιστημιακός καθηγητής επιστημολογίας και λογικής και ακαδημαϊκός Giuliano Di Bernardo, μια μηχανή μπορεί να υπερβεί κατά πολύ τις δυνατότητες του ανθρώπινου εγκεφάλου σε ζητήματα συντακτικής (π.χ., στην πραγματοποίηση υπολογισμών), αλλά, από τη σκοπιά της σημαντικής, θα παραμένει πιο ανόητη από τον πιο ανόητο άνθρωπο.