آنچه ابن سینا می‌تواند در مورد هوش مصنوعی به ما بیاموزد

ابن سینا که قرن‌ها قبل از هوش مصنوعی زندگی می‌کرد، می‌تواند به ما کمک کند به سوالات خود دراین‌باره پاسخ دهیم که آیا هوش مصنوعی آگاهی دارد‌ و آیا سیستم‌های الکترونیکی می‌توانند شخصیت پیدا کنند؟

در سال‌های اخیر بسیاری از فیلسوفان استدلال کرده‌اند آنچه از ما انسان می‌سازد، ظرفیت ما برای تجربه آگاهانه است. اما چگونه آگاهی را تعریف می‌کنیم؟ از چه شواهد بیرونی می‌توانیم برای تعیین این موضوع استفاده کنیم که موجودی دارای آگاهی است؟ عدم اجماع در مورد این سؤالات یکی از دلایلی است که بحث درمورد شخصیت داشتن هوش مصنوعی مدت‌ها است به نتیجه نرسیده است.

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 در می‌یابند 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.

این تفاوت بین شناخت انسان و شناخت مصنوعی به‌خوبی با توصیف ابن سینا از آنچه در مورد استدلال انسان منحصربه‌فرد است، منطبق است. او در کتاب الشفا توضیح می‌دهد چگونه موجود دارای خرد می‌آموزد چه چیزهایی مشترک هستند و چه چیزهایی مشترک نیستند و بنابراین ماهیت چیزهای مشترک را در انواع مختلف استخراج می‌کند.

ما انسان‌ها ویژگی‌های اساسی اشیاء را از ویژگی‌های کمتر ضروری جدا می‌کنیم تا به مفاهیم تعمیم‌یافته برسیم. سپس به کمک این مفاهیم استدلال می‌کنیم و آن‌ها را روی موارد مختلف اعمال می‌کنیم.

به‌طور مشابه، اگر وظیفه‌ای مانند مورد گوسفند به شبکه عصبی مصنوعی سپرده شود، شبکه عصبی مصنوعی مانند انسان نتیجه‌گیری کلی نمی‌کند و درعوض مانند گوسفندان فکر می‌کند و به جزئیات محدود می‌شود.

یکی از تفاوت‌های اساسی بین گوسفند و شبکه عصبی مصنوعی در این است که شبکه عصبی مصنوعی به مخزن بسیار بزرگ‌تری از جزئیات به شکل مجموعه داده‌های جامع دسترسی دارد.

چیزی که یادگیری عمیق را در وظایف زبانی بسیار موفق می‌سازد، دسترسی به مجموعه داده‌های بزرگ با جزئیات زیاد به جای استدلال ازطریق تعمیم‌پذیری ترکیبی است.

معیار اصلی ابن سینا برای شخصیت (استدلال از روی کلیات) شباهت زیادی به تعمیم‌پذیری ترکیبی سیستماتیک دارد. این معیار می‌تواند استاندارد احتمالا قابل آزمایشی برای دارا بودن شخصیت ارائه دهد. تاکنون، هوش مصنوعی در این آزمایش بارها شکست خورده است.

منبع