آنچه ابن سینا می‌تواند در مورد هوش مصنوعی به ما بیاموزد

در سال ۲۰۲۲، بلیک لوموئن، مهندس گوگل با سخنوری برجسته ارتباط برقرار کرد. دیالوگ‌های آن‌ها به‌طور طبیعی در جریان بود و از موضوعاتی از فلسفه گرفته تا تلویزیون تا رویاهای آینده را شامل می‌شد. فقط یک مشکل وجود داشت: آن سخنور چت‌بات هوش مصنوعی بود.

لوموئن در گفتگو با مدل زبانی LaMDA گوگل به‌تدریج متقاعد شد چت‌بات نیز مانند یک شخص است. اما آیا این ادعا می‌تواند واقعیت داشته باشد؟

ابیگیل تولنکو، دانشجوی دکترای فلسفه علم دانشگاه هاروارد می‌گوید در بیشتر چارچوب‌های اخلاقی، ملاحظات خاصی همچون حقوق، وظایف، تمجید، سرزنش، کرامت و عاملیت در سطح فرد ظاهر می‌شود. بنابراین، این سوال که آیا سیستم‌های الکترونیکی می‌توانند شخصیت پیدا کنند، پیامدهای گسترده‌ای برای نحوه تعامل ما با این فناوری‌ها دارد.

ابن سینا قرن‌ها قبل از اختراع ماشین چاپ زندگی می‌کرد، چه برسد به هوش مصنوعی. با‌این‌حال، او درمورد بسیاری از سوالات مشابهی تامل می‌کرد که اخلاق‌شناسان امروزی به آن‌ها فکر می‌کنند: چه چیزی موجب می‌شود فرد به جای حیوان، یک انسان باشد؟

همان‌طور که پژوهشگران معاصر هوش مصنوعی علاقمند به مقایسه فرآیندهایی هستند که زیربنای پاسخ انسان و هوش مصنوعی به وظایف مشابه است، ابن سینا نیز علاقمند به مقایسه فرایندهای درونی انسان و حیوانات برای رسیدن به خروجی‌های رفتاری مشابه بود. ازنظر او، یکی از قابلیت‌های کلیدی تمایز انسان، درک کلیات است. درحالی که حیوانات فقط می‌توانند درمورد جزئیات فکر کنند (موارد خاصی که درست پیش روی آن‌ها است)، انسان‌ها می‌توانند از قواعد کلی استدلال کنند.

ابن سینا در کتاب النفس از مثال معروف باستانی درمورد گوسفندی صحبت می‌کند که با گرگی رو‌به‌رو می‌شود. او ادعا می‌کند درحالی‌که انسان‌ها به اصلی کلی استناد می‌کنند که «گرگ‌ها به‌طورکلی خطرناک هستند و حیوان خاصی که مقابل آن‌ها است، گرگ است، بنابراین باید فرار کرد»، حیوانات متفاوت فکر می‌کنند. آن‌ها از روی قانونی کلی استدلال نمی‌کنند، بلکه فقط گرگ را می‌بینند و می‌دانند باید فرار کنند. آن‌ها به‌جای استدلال کردن درمورد ویژگی‌های کلی گرگ‌ها، به جزئیات محدود می‌شوند.

تمایزی که ابن سینا بین روانشناسی انسان و حیوان قائل می‌شود، شباهت بالایی به تمایزی دارد که دانشمندان عصر جدید در ارتباط با هوش مصنوعی درحال بررسی آن هستند.

پژوهش‌های کنونی نشان می‌دهد شبکه‌های عصبی مصنوعی توانایی تعمیم‌پذیری ترکیبی سیستماتیک را ندارند. زبان‌شناسان و دانشمندان علوم شناختی از این اصطلاح برای توصیف انواع استنتاج‌هایی استفاده می‌کنند که از روی قواعد تعمیم‌یافته به دست می‌آیند. این روش یکی از راه‌های اصلی استدلال است که انسان‌ها در زندگی روزمره خود به کار می‌برند.

درحالی‌که انسان‌ها معانی انتزاعی را از دنباله‌ای از کلمات درمی‌یابند که سپس می‌توانند به شکل ایده‌های پیچیده‌تر ترکیب شوند، هوش مصنوعی درون مجموعه داده‌های آماری برای ورودی‌های داده خاص که با وظیفه خاصی مطابقت دارند، جستجو می‌کند.

تفاوت یاد شده تا حد زیادی محدودیت‌های هوش مصنوعی معاصر را توضیح می‌دهد. برای اینکه این تفاوت را در عمل ببینید، به آزمون‌های کپچا نگاه کنید که به منظور تمایز بین انسان‌ و ربات‌ به کار می‌روند و ربات‌ها نمی‌توانند آن‌ها را بخوانند. تغییرات کافی تشخیص حروف را برای پیچیده‌ترین سیستم‌های مصنوعی دشوار می‌کند. علت آن است که سیستم فاقد ظرفیت ترکیبی برای تعمیم انتزاعی درمورد ویژگی‌های اصلی حروف است و نمی‌تواند آن را به نمونه کج و معوج تعمیم دهد.