آیا هوش مصنوعی می‌تواند گربه شرودینگر را نجات دهد؟

آزمایش پیشنهادی دوست هوش مصنوعی ویگنر، راهی برای آزمایش قضیه‌ی غیرممکن درباره‌ی برخی اصول بنیادی واقعیت است که ممکن است درست یا غلط باشند. این طرح توسط وایزمن و همکارانش ارائه شد و با مجموعه‌ای از فرضیه‌ها درباره‌ی واقعیت فیزیکی شروع می‌شود که تمام آن‌ها به نظر محتمل می‌رسند.

 در درجه‌ی اول ما برای انتخاب تنظیمات دستگاه‌های اندازه‌گیری آزادیم. در درجه‌ی دوم، کل فیزیک محلی است، به این معنی که دخالت در یک بخش از فضازمان نمی‌تواند بر چیزی که در بخش دیگری از فضا زمان است تأثیر بگذارد. در درجه‌ی سوم، رویدادهای مشاهده‌شده مطلق هستند، به‌طوری‌که خروجی یک اندازه‌گیری برای تمام ناظران انسانی واقعی است حتی اگر برای همه قابل شناخت نباشد. به‌بیان‌دیگر، اگر یک سکه کوانتومی را پرتاب کنید و به یکی از دو نتیجه‌ی محتمل، مثلا شیر برسید، این حقیقت برای تمام ناظران انسانی صدق می‌کند و همان سکه نمی‌تواند برای ناظری دیگر روی خط ظاهر شده باشد.

پذیرش مسئله‌ی فوق به هیچ وجه دشوار نیست. یک اتم می‌تواند در یک برهم‌نهی از وضعیت‌ها باقی بماند تا جایی که ایزوله باشد؛ اما اگر دوست از نوع موجودیت انسانی باشد، چشم‌انداز ویگنر از خارج آزمایشگاه و چشم‌انداز دوستش از داخل آزمایشگاه دارای پارادوکس هستند. قطعا دوست می‌داند درخشش نوری رخ داده یا خیر حتی اگر ویگنر آن را درک نکرده باشد.

در مکانیک کوانتوم، موجودیت دارای خودآگاهی باید نقش متفاوتی نسبت به دستگاه اندازه‌گیری بی‌جان داشته باشد

با این‌حال آیا گزاره‌ی فوق منطقی است؟ آیا ناظر انسانی اساسی تفاوتی با یک اتم دارد که به عنوان ناظر رفتار می‌کند؟

وایزمن، کاوالکانتی و ریفل این پرسش را با افزودن فرضیه‌ی چهارم که به آن «فرضیه دوستی» می‌گویند، تحلیل کردند. براساس این قانون، اگر هوش مصنوعی توانایی‌هایی در سطح انسان را از خود نشان دهد، افکار آن به اندازه‌ی ناظر انسانی واقعی خواهد بود. فرضیه‌ی دوستی درباره‌ی تعریف ناظر شفاف است: «این سیستم به اندازه‌ی انسان هوشمند خواهد بود.»

پژوهشگرها پس از بحث فراوان، بر مفهوم «هوش» به جای «خودآگاهی» متمرکز شدند. کاوالکانتی درخلال بحث‌هایشان استدلال کرد که هوش مفهومی قابل کمیت‌سنجی است. او می‌گوید: «هیچ آزمایش ممکنی برای تعیین خودآگاهی یا فقدان خودآگاهی در انسان وجود ندارد، چه برسد برای کامپیوتر.» بنابراین اگر هوش مصنوعی هم‌سطح انسان ساخته شود، مشخص نیست که از خودآگاهی برخوردار است یا خیر و از سویی می‌توان این خودآگاهی را انکار کرد؛ اما به سختی می‌توان هوش را نادیده گرفت.

پژوهشگرها پس از توصیف دقیق تمام فرضیه‌ها، ثابت کردند که نسخه‌ی آن‌ها از آزمایش دوست ویگنر در صورت اجرا با استفاده از هوش مصنوعی تعبیه‌شده در کامپیوتر کوانتومی با دقت بالا، به پارادوکس منجر خواهد شد. قضیه‌ی غیرممکن آن‌ها نشان می‌دهد که حداقل یکی از فرضیه‌ها باید اشتباه باشد. در نتیجه فیزیکدان‌ها باید یکی از تصورات ارزشمند خود از واقعیت را کنار بگذارند.

قضیه‌ی غیرممکن را تنها در صورتی می‌توان آزمایش کرد که دانشمندان روزی نوعی هوش مصنوعی را ابداع کنند که نه تنها هوشمند باشد، بلکه بتوان آن را در وضعیت برهم‌نهی قرار دارد. چنین الزامی به کامپیوتر کوانتومی نیاز دارد. کامپیوتر کوانتومی برخلاف نوع کلاسیک از بیت‌های کوانتومی یا کیوبیت استفاده می‌کند که می‌توانند در برهم‌نهی دو مقدار وجود داشته باشند. در محاسبات کلاسیک، مداری از گیت‌های منطقی، بیت‌های ورودی را به بیت‌های خروجی تبدیل می‌کنند و خروجی یک مقدار قطعی است. در کامپیوترهای کوانتومی خروجی می‌تواند به برهم‌نهی دو وضعیت منجر شود که هر وضعیت یک نتیجه‌ی احتمالی را نشان می‌دهند. تنها در صورت گزارش‌گیری از کامپیوتر کوانتومی، برهم‌نهی نتایج احتمالی نابود (طبق تفاسیر سنتی مکانیک کوانتوم) و یک خروجی تولید می‌شود.

وایزمن، کاوالکانتی و ریفیل برای حل قضیه‌ی خود، یک هوش مصنوعی قدرتمند را درنظر گرفتند که هوش آن در حد انسان است (برای مثال یکی از نوادگان چت جی‌پی‌تی امروزی) و می‌توان آن را داخل کامپیوتر کوانتومی پیاده‌سازی کرد. آن‌ها این ماشین را QUALL-E نامیدند که برگرفته‌ از ابزار پردازش تصویر هوش مصنوعی DALL-E و شخصیت انیمیشن پیکسار، WALL-E است. این نام همچنین دربردارنده‌ی واژه‌ی «quale» است که به quality یا کیفیت اشاره دارد. پژوهشگرها تلاش کردند نشان دهند که چگونه می‌توان یک QUALL-E واقعی را ایجاد کرد.

تبدیل یک الگوریتم هوش مصنوعی کلاسیک و آینده‌نگر به الگوریتمی که بتواند در کامپیوتر کوانتومی کار کند، شامل مراحل مختلفی است. مرحله‌ی اول، استفاده از تکنیک‌های مناسب برای برگشت‌پذیر ساختن محاسبات کلاسیک است. یک محاسبه برگشت‌پذیر به محاسبه‌ای گفته می‌شود که در آن بیت‌های ورودی درون یک مدار منطقی بیت‌های خروجی را تولید کنند و زمانی که بیت‌های خروجی به مدار منطقی معکوس وارد شوند، بیت‌های ورودی اولیه را تکثیر می‌کنند. ریفل توضیح می‌دهد:

زمانی که یک الگوریتم کلاسیک برگشت‌پذیر دارید، می‌توانید بلافاصله آن را به یک الگوریتم کوانتومی ترجمه کنید.

اگر الگوریتم کلاسیک برای شروع پیچیده باشد، برگشت‌پذیر بودن آن سربار محاسباتی چشمگیری را اضافه می‌کند. بااین‌حال، برآوردی از توان رایانشی موردنیاز را دریافت می‌کنید. این مرحله تعداد تقریبی کیوبیت‌های منطقی لازم برای محاسبات را نشان می‌دهد.

یک منبع دیگر از سربار رایانشی، تصحیح خطای کوانتومی است. کیوبیت‌ها شکننده هستند و تعداد زیادی از عناصر محیطی می‌توانند برهم‌نهی آن‌ها را نابود کنند و به خطاهایی در محاسبات بینجامند. از این رو، کامپیوترهای کوانتومی نیاز به کیوبیت‌های بیشتری دارند تا خطاهای انباشته‌شده را ردیابی کنند و فراوانی لازم برای از سرگیری محاسبات را داشته باشند. به‌طور کلی، به هزار کیوبیت فیزیکی نیاز داریم تا کار یک کیوبیت منطقی را انجام دهیم.