چرا پیشرفته‌ترین هوش‌مصنوعی‌ هم نمی‌تواند مانند انسان فکر کند

به گزارش خبرگزاری آنا، به نقل از «Futura-Sciences»؛ شرکت‌های بزرگ فناوری در سال‌های اخیر میلیاردها دلار برای توسعه مدل‌های هوش مصنوعی سرمایه‌گذاری کرده‌اند؛ مدل‌هایی که توانایی تولید متن، تحلیل اطلاعات، برنامه‌نویسی و حل مسائل پیچیده را دارند، اما پژوهشگران معتقدند این پیشرفت‌ها هنوز به معنای رسیدن ماشین‌ها به سطحی از ادراک و خلاقیت انسانی نیست.

هوش مصنوعی امروز می‌تواند پاسخ‌های بسیاری تولید کند، اما پشت این توانایی، سازوکاری متفاوت از مغز انسان قرار دارد. مدل‌های زبانی بزرگ به طور معمول با تحلیل حجم عظیمی از داده‌ها و پیش‌بینی الگوهای موجود آموزش می‌بینند. این در حالی است که انسان جهان را از طریق تجربه، تعامل، مشاهده و ایجاد ارتباط میان علت و معلول درک می‌کند.

هوش مصنوعی هنوز چه درکی از جهان هستی دارد؟

یکی از مهم‌ترین چالش‌های مدل‌های هوش مصنوعی، ضعف در استدلال علّی است.مطالعات جدید نشان می‌دهد مدل‌های زبانی بزرگ، با وجود عملکرد چشمگیر در بسیاری از وظایف، در تشخیص روابط پیچیده علت و معلولی همچنان با مشکل روبه‌رو هستند و گاهی به جای درک رابطه میان اتفاقات، تنها بر اساس الگوهای آماری موجود در داده‌ها پاسخ می‌دهند.

برای مثال، یک مدل هوش مصنوعی ممکن است هزاران گزارش درباره تصادفات رانندگی خوانده باشد و بتواند درباره عوامل خطر توضیح دهد، اما این به معنای داشتن تجربه فیزیکی از رانندگی، درک خطر یا پیش‌بینی رفتار انسان‌ها در شرایط ناشناخته نیست.

دانش بدون تجربه

مغز انسان فقط یک موتور پردازش اطلاعات نیست. انسان از طریق بدن و محیط اطراف خود یاد می‌گیرد. از بدو تولد با لمس کردن، اشتباه کردن و مشاهده پیامد رفتارهایش، مفاهیمی مانند خطر، فاصله، احساس و هدف را می‌آموزد، اما بسیاری از سیستم‌های هوش مصنوعی چنین تجربه مستقیمی از جهان ندارند. AI با متن، تصویر و داده آموزش می‌بیند و همین موضوع باعث می‌شود در موقعیت‌هایی که نیاز به تجربه واقعی یا درک زمینه دارد، دچار خطا شود.

به همین دلیل برخی پژوهشگران می‌گویند بزرگ‌تر کردن مدل‌های هوش مصنوعی به تنهایی مشکل را حل نمی‌کند و نسل بعدی سیستم‌ها باید علاوه بر قدرت پردازشی، به توانایی‌هایی مانند مدل‌سازی جهان، یادگیری از محیط و استدلال پیچیده مجهز شوند.

چرا حتی سازندگان هوش مصنوعی هم همیشه نمی‌دانند چه اتفاقی می‌افتد

چالش دیگر، مسئله «جعبه سیاه» در هوش مصنوعی است. بسیاری از مدل‌های پیشرفته امروزی دارای میلیاردها پارامتر هستند و حتی توسعه‌ دهندگان آن‌ها همیشه نمی‌توانند توضیح دهند که یک مدل دقیقاً چگونه به یک پاسخ مشخص رسیده است.

این موضوع در حوزه‌های حساس مانند پزشکی، امنیت، حقوق و خودروهای خودران اهمیت زیادی دارد، زیرا تصمیم‌گیری بر اساس سیستمی که منطق درونی آن به طور کامل قابل توضیح نیست، می‌تواند خطرناک باشد.

آیا هوش مصنوعی هرگز به حد توانمندی ذهن انسان می‌رسد؟

کارشناسان درباره آینده این فناوری اختلاف نظر دارند. برخی معتقدند محدودیت‌های فعلی تنها مشکلات مهندسی هستند و با معماری‌های جدید قابل حل خواهند بود. گروهی دیگر می‌گویند هوش انسانی حاصل ترکیبی از آگاهی، تجربه زیسته، احساسات و تعامل با جهان است که بازسازی آن بسیار دشوار خواهد بود.

با این حال، حتی اگر هوش مصنوعی هرگز دقیقاً مانند انسان فکر نکند، می‌تواند به یکی از قدرتمندترین ابزارهای افزایش توانایی انسان تبدیل شود؛ ابزاری که سرعت تحلیل و پردازش را بالا می‌برد، اما همچنان برای درک عمیق، قضاوت و تصمیم‌گیری به انسان وابسته است.

مقاله‌ای در Nature Communications نشان می‌دهد شباهت‌هایی که گاهی بین فعالیت مدل‌های زبانی بزرگ و مغز انسان گزارش می‌شود، ممکن است در برخی موارد ناشی از روش‌های تحلیل یا عوامل جانبی باشد و نباید به‌سادگی آن را به معنای عملکرد مشابه مغز دانست.

پژوهشی درباره مدل‌های زبانی بزرگ نیز توضیح می‌دهد که این مدل‌ها عمدتاً بر پایه پردازش احتمالی و تحلیل حجم عظیمی از داده‌ها کار می‌کنند، در حالی که زبان و تفکر انسان به سازوکارهای ذهنی و شناختی پیچیده‌تری وابسته است.

آیا هوش مصنوعی قرار است شبیه مغز انسان باشد؟

شاید یکی از مهم‌ترین نکاتی که در بحث درباره آینده هوش مصنوعی باید به آن توجه کرد، این باشد که این فناوری به طور حتمی قرار نیست به نسخه‌ای مصنوعی از مغز انسان تبدیل شود. هوش مصنوعی امروز بر پایه ریاضیات، مدل‌های آماری، الگوریتم‌های بهینه‌سازی و محاسبات پیچیده ساخته شده است. سیستم‌هایی که با تحلیل حجم عظیمی از داده‌ها، الگوها را شناسایی می‌کنند و بر اساس همین الگوها پاسخ می‌دهند.

از این منظر، شباهت میان هوش مصنوعی و ذهن انسان بیشتر در نتیجه عملکرد دیده می‌شود تا مسیر رسیدن به آن. یک مدل AI می‌تواند متنی شبیه نوشته انسان تولید کند، تصویر بسازد یا مسائل پیچیده را حل کند، اما سازوکار پشت این توانایی مجموعه‌ای از محاسبات ریاضی است، نه تجربه زیسته، احساس، آگاهی یا تعامل مستقیم با جهان.

مغز انسان محصول میلیون‌ها سال تکامل زیستی است و یادگیری در آن حاصل تعامل میان شبکه‌های عصبی، بدن، محیط، حافظه و تجربه است؛ در حالی که مدل‌های هوش مصنوعی فعلی از طریق الگوریتم‌های یادگیری ماشین و تنظیم میلیاردها پارامتر بر اساس داده‌ها آموزش می‌بینند.

پژوهشگران معتقدند AI شبیه مغز انسان است یا یک ماشین ریاضی پیچیده؟

پژوهشگران علوم شناختی نیز تأکید می‌کنند که شبکه‌های عصبی مصنوعی، اگرچه از ساختار مغز الهام گرفته‌اند، اما نسخه‌ای از مغز انسان نیستند و تفاوت‌های بنیادی در نحوه پردازش اطلاعات میان این دو وجود دارد. یک مطلب علمی منتشرشده در نشریه Biology توضیح می دهد که شباهت میان شبکه‌های عصبی مصنوعی و مغز بیشتر در سطح ایده کلی «یادگیری از طریق شبکه‌های به‌هم‌پیوسته» است و از نظر ساختار زیستی و سازوکار پردازش، تفاوت‌های اساسی میان آن‌ها وجود دارد.

از سوی دیگر، بسیاری از متخصصان فکر می‌کنند هوش مصنوعی فعلی بیشتر در تشخیص الگوها قدرتمند است تا درک واقعی مفاهیم. پژوهش‌های حوزه هوش مصنوعی و علوم شناختی نشان می‌دهد مدل‌های زبانی بزرگ با وجود توانایی بالا در تولید پاسخ‌های پیچیده، همچنان در زمینه‌هایی مانند فهم روابط علت و معلولی و ایجاد مدل ذهنی از جهان با محدودیت مواجه هستند.

همچنین پژوهشگران حوزه یادگیری ماشین هشدار داده‌اند که عملکرد موفق مدل‌های هوش مصنوعی در بسیاری از آزمون‌ها الزاماً به معنای داشتن درک مشابه انسان نیست؛ زیرا این سیستم‌ها ممکن است پاسخ درست را از طریق یافتن الگوهای آماری در داده‌ها به دست آورند، بدون آنکه معنای واقعی آن را مانند انسان درک کنند.

بنابراین شاید بتوان گفت مسیر آینده هوش مصنوعی نه در ساخت نسخه‌ای کاملاً مشابه مغز انسان، بلکه در توسعه ماشین‌هایی باشد که توانایی‌های محاسباتی خود را با روش‌های جدید استدلال، یادگیری از محیط و تعامل بهتر با انسان ترکیب کنند.