به گزارش خبرنگار پایگاه خبری – تحلیلی مفتاح علوم انسانی اسلامی، به نقل از خبرگزاری گفتگو (The Conversation)؛ درک علمی و تکنیک‌های مهندسی جدید همیشه هم شگفت‌انگیز و هم ترسناک بوده‌اند و بدون شک این روند ادامه خواهد داشت. اخیراً شرکت مبدع هوش مصنوعی چت جی‌جی‌تی (OpenAI) پیش‌بینی کرده است، "فراهوش" در دهه آیند ظهور خواهد کرد، فراهوش، هوش مصنوعی است که از توانایی‌های انسانی فراتر می‌رود. بر همین اساس، این شرکت در حال تشکیل یک تیم جدید است و ۲۰٪ از منابع محاسباتی خود را به این اختصاص می‌دهد که رفتار این نوع سیستم‌های هوش مصنوعی با ارزش‌های انسانی هماهنگ باشد. به نظر می‌رسد که شرکت OpenAI نمی‌خواهند هوش‌های مصنوعی فوق خطرناکی برای بشریت تولید کنند و شاهد اتفاقی مانند آنچه که در فیلم علمی-تخیلی ۱۹۸۴ جیمز کامرون "ترمیناتور" افتاد باشیم (در این فیلم ترمیناتور از سال ۲۰۲۹ به گذشته فرستاده می‌شود تا انسان‌ها را نابود کند). شرکت OpenAI در حال جلب توجه پژوهشگران و مهندسان برتر یادگیری ماشین برای کمک به حل این مشکل است. اما آیا فیلسوفان می‌توانند سهمی داشته باشند؟ به طور کلی، چه انتظاراتی می‌توان از این رشته باستانی در دوران جدید فناوری پیشرفته‌ای که در حال ظهور است، داشت؟ برای پاسخ به این سؤال، لازم است تأکید کنیم که فلسفه از ابتدای ظهور هوش مصنوعی نقش مهمی داشته است. یکی از اولین موفقیت‌های هوش مصنوعی، برنامه کامپیوتری به نام "منطق‌پژوه" (Logic Theorist) بود که در سال ۱۹۵۶ توسط الن نیول و هربرت سیمون ایجاد شد. وظیفه آن اثبات قضایا با استفاده از گزاره‌های کتاب "پرنسیپیا ماتماتیکا" بود، که در سال ۱۹۱۰ توسط دو فیلسوف به نام های آلفرد نورت وایتهد و برتراند راسل نوشته شده بود و هدف آن بازسازی تمام ریاضیات بر پایه‌ای منطقی بود. در حقیقت، تمرکز اولیه هوش مصنوعی به مباحث بنیادی مطرح شده توسط ریاضیدانان و فیلسوفان بود. یکی از کسانی که به توسعه منطق مدرن کمک کرد، فیلسوف آلمانی گوتلوب فریگه در اواخر قرن نوزدهم بود. فریگه مفهوم متغیرها و کمی‌کننده‌ها (quantifiers) را به منطق معرفی کرد. در منطق سنتی، استدلال‌ها معمولاً با استفاده از عبارات مشخص درباره اشیاء و اشخاص خاص بیان می‌شدند. اما فریگه با معرفی متغیرها و کمی‌کننده‌ها، امکان بیان جملات کلی‌تر و انتزاعی‌تر را فراهم کرد. مثلاً به جای اینکه بگوییم «جو بایدن رئیس‌جمهور است»، می‌توانیم از عبارتی کلی‌تر استفاده کنیم که می‌گوید: «یک X وجود دارد که X رئیس‌جمهور است.» در این جمله، "X" یک متغیر است که می‌تواند به هر شخصی اشاره کند، و "وجود دارد" یک کمی‌کننده است که وجود حداقل یک شیء را با خصوصیات مشخص اعلام می‌کند. این رویکرد فریگه به منطق اجازه داد تا به شکلی فرمال‌تر و انعطاف‌پذیرتر، تفکر و استدلال کند، و همچنین پایه‌های لازم برای توسعه سیستم‌های محاسباتی و هوش مصنوعی را فراهم کرد. این تغییر بنیادی، توانایی ما را برای کار با اطلاعات به‌طور انتزاعی و سیستمی افزایش داد و به پیشرفت‌هایی در ریاضیات و فلسفه منجر شد. کورت گودل و آلفرد تارسکی در دهه ۱۹۳۰ با کارهای مهم خود در زمینه منطق، تأثیرات عمیقی بر فلسفه و علوم کامپیوتر داشتند. گودل با معرفی قضایای تمامیت و ناتمامیت نشان داد که هر سیستم منطقی قدرتمندی دارای محدودیت‌هایی است. قضیه تمامیت گودل بیان می‌کند که هر جمله درست در یک سیستم منطقی قابل اثبات است. اما قضیه ناتمامیت او بیان می‌کند که در سیستم‌های منطقی پیچیده مانند سیستم حساب، همواره گزاره‌هایی وجود دارند که نمی‌توان آن‌ها را اثبات کرد یا نادرستی آن‌ها را نشان داد. این یافته‌ها به ما یادآوری می‌کنند که هر سیستم منطقی قدرتمند نمی‌تواند تمام حقایق ریاضیاتی را در خود جای دهد. آلفرد تارسکی نیز مفهوم "غیرقابلیت تعریف حقیقت" را مطرح کرد. او نشان داد که در هر سیستم رسمی استاندارد، مانند سیستم حساب، نمی‌توان مفهوم "حقیقت" را به‌طور کامل و دقیق درون همان سیستم تعریف کرد. این به این معناست که نمی‌توان گفت یک گزاره در یک سیستم صحیح است بدون ارجاع به خارج از آن سیستم، زیرا این کار منجر به تناقضات منطقی می‌شود. این مفاهیم اهمیت زیادی در درک محدودیت‌های سیستم‌های منطقی و ریاضی دارند و به‌ویژه برای توسعه هوش مصنوعی که به دنبال یافتن و پردازش حقایق است، بسیار مهم هستند. با این یافته‌ها، به‌وضوح می‌بینیم که چالش‌های بنیادینی در طراحی سیستم‌هایی وجود دارد که بتوانند به طور کامل و دقیق همه چیز را درک و اثبات کنند. در نهایت، مفهوم انتزاعی ماشین محاسباتی توسط آلن تورینگ بریتانیایی در سال ۱۹۳۶، بر پایه همین تئوری‌ها بنا شده و تأثیر زیادی بر هوش مصنوعی اولیه داشت. با این حال، ممکن است گفته شود که حتی اگر نسل اول هوش مصنوعی به فلسفه و منطق سطح بالا وابسته بود، نسل دوم آن، مبتنی بر یادگیری عمیق، بیشتر از موفقیت‌های مهندسی ملموس مرتبط با پردازش مقادیر زیادی داده‌ها نشأت می‌گیرد.

علم تا کنون نتوانسته است به طور کامل توضیح دهد که چگونه آگاهی از سلول‌های مغز انسان ناشی می‌شود. برخی فیلسوفان حتی معتقدند که این "مسئله دشوار" ممکن است از حوزه علم خارج باشد و نیاز به کمک فلسفه داشته باشد. در همین راستا، می‌توان پرسید که آیا یک هوش مصنوعی تولیدکننده تصویر می‌تواند واقعاً خلاق باشد. مارگارت بودن، دانشمند شناختی و فیلسوف بریتانیایی، استدلال می‌کند که در حالی که هوش مصنوعی قادر به تولید ایده‌های جدید خواهد بود، اما در ارزیابی آن‌ها به عنوان افراد خلاق مشکل خواهد داشت. او همچنین پیش‌بینی می‌کند که تنها یک معماری هیبریدی (عصبی-نمادین) – که از تکنیک‌های منطقی و یادگیری عمیق از داده‌ها استفاده کند – خواهد توانست به هوش مصنوعی عمومی برسد.

ارزش‌های انسانی

هنگامی که از ChatGPT درباره نقش فلسفه در عصر هوش مصنوعی سؤال کردیم، این پیشنهاد را به ما داد که فلسفه  کمک می‌کند تا توسعه و استفاده از هوش مصنوعی با ارزش‌های انسانی همسو باشد". در این روحیه، شاید بتوانیم پیشنهاد کنیم که اگر همسوسازی هوش مصنوعی موضوعی جدی است که شرکت OpenAI معتقد است، این تنها یک مشکل فنی نیست که باید توسط مهندسان یا شرکت‌های فناوری حل شود، بلکه مسئله‌ای اجتماعی نیز هست. فیلسوفان،دانشمندان اجتماعی، وکلا، سیاست‌گذاران و حتی مردم عادی باید به حل این مسئله کمک کنند. در حقیقت، بسیاری از مردم نگران قدرت و تأثیر فزاینده شرکت‌های فناوری و تأثیر آن‌ها بر دموکراسی هستند. برخی استدلال می‌کنند که ما نیاز به یک روش جدید برای تفکر درباره هوش مصنوعی داریم - با در نظر گرفتن سیستم‌های زیربنایی که از صنعت پشتیبانی می‌کنند. به عنوان مثال، وکیل و نویسنده بریتانیایی، جیمی ساسکایند، استدلال کرده است که وقت آن است که یک "جمهوری دیجیتال" بسازیم - جمهوری‌ای که در نهایت سیستم سیاسی و اقتصادی را که به شرکت‌های فناوری این تأثیر را داده است، رد کند. در نهایت، بیایید به طور خلاصه بپرسیم که هوش مصنوعی چگونه بر فلسفه تأثیر خواهد گذاشت؟ منطق رسمی در فلسفه در واقع به کارهای ارسطو در دوران باستان برمی‌گردد. در قرن هفدهم، فیلسوف آلمانی گوتفرید لایب نیتس پیشنهاد کرد که ممکن است روزی یک "حساب‌گر منطقی" داشته باشیم - ماشینی محاسباتی که به ما کمک می‌کند تا پاسخ‌هایی به سوالات فلسفی و علمی به شیوه‌ای شبه‌اوراکولیک استخراج کنیم. شاید اکنون در حال نزدیک شدن به تحقق این ایده هستیم، با برخی نویسندگان که "فلسفه محاسباتی" را تبلیغ می‌کنند که به معنای واقعی فرضیات را کدگذاری کرده و پیامدها را از آن‌ها استخراج می‌کند. این فرایند در نهایت اجازه می‌دهد ارزیابی‌های واقعی و/یا ارزش‌محور از نتایج انجام شود. به عنوان مثال، پروژه PolyGraphs اثرات اشتراک اطلاعات در رسانه‌های اجتماعی را شبیه‌سازی می‌کند. این پروژه سپس می‌تواند برای رسیدگی محاسباتی به سؤالاتی درباره نحوه شکل‌گیری نظرات ما استفاده شود. بی‌شک، پیشرفت در هوش مصنوعی موضوعات زیادی برای فکر کردن به فیلسوفان ارائه داده است؛ حتی ممکن است شروع به ارائه برخی پاسخ‌ها کرده باشد.