I dette blogginnlegget analyserer vi tenkeevnen til AI fra et motsetningsperspektiv og utforsker tenkningens natur.
AI, snakker som et menneske
"Hei Sir."
Slik hilser JARVIS, AI-assistenten til Tony Stark, en rollefigur i de globalt populære superheltfilmene Iron Man og The Avengers, på sin herre Tony Stark. I filmen sier Tony Stark til JARVIS: «Litt prangende, synes du ikke?», og JARVIS svarer en fiende som prøver å kontrollere ham ved å si: «Jeg tror du har til hensikt å være fiendtlig.» I begge filmene blir AI-en JARVIS fremstilt som om den kan «tenke» og snakke med mennesker som likeverdige.
Menneskers «tenkning» og kunstig intelligens
For lenge siden sa Descartes: «Jeg tenker, altså er jeg.» Svaret på spørsmålet «Kan mennesker tenke?» er ofte «Ja, mennesker kan tenke» for folk flest, og det er vanskelig å finne noen som vil hevde noe annet. Som menneske er jeg i stand til å stille meg selv spørsmålet «Kan jeg tenke?» fordi jeg er i stand til å tenke i utgangspunktet.
I så fall, kan kunstig intelligens tenke? Selv om vi forbeholder oss retten til å dømme JARVIS i science fiction-filmer fordi vi ikke kjenner det spesifikke nivået av vitenskap og teknologi som anvendes på den, eller grensene for dens evner, er det fortsatt tvilsomt om kunstig intelligens på sitt nåværende nivå er i stand til den «tenkningen» som er nevnt ovenfor. Videre, hva er egenskapene ved «tenkning» som skiller den fra annen lignende atferd? Hva er forskjellen mellom mennesker og AI når det gjelder «tenkning»?
For å få en dypere forståelse av disse problemstillingene, vil vi introdusere to eksperimenter på AI og tenkning: Turing-testen og det kinesiske rommet. Turing-testen er et eksperiment foreslått av Alan Turing i 1950. Basert på troen på at «hvis en datamaskins respons på visse input ikke kan skilles fra en menneskelig respons (spesifikt hvis datamaskinen lurer eksperimentatoren 30 % av tiden i løpet av hele testen), kan datamaskinen anses som intelligent og i stand til å tenke», undersøker denne testen hvor like en datamaskins responser er menneskers.
Da jeg først hørte om Turings tro bak dette eksperimentet, hadde jeg ett spørsmål: «Hvis en datamaskin (eller kunstig intelligens) har en enorm eller høykvalitetsdatabase og bare sammenligner og kontrasterer informasjon i henhold til algoritmer uten å forstå inputen, bør det da betraktes som 'tenkning'?» John Searle, som hadde det samme spørsmålet som meg, utviklet et tankeeksperiment kalt «Det kinesiske rommet» for å motbevise Turings tro.
Tankeeksperimentet er som følger. Først plasseres en person som ikke kan kinesisk, men som kan skille mellom utseendet til kinesiske tegn, i et rom med to vinduer, ett for å motta spørsmål og ett for å motta svar. Personen får en liste med forhåndsforberedte kinesiske spørsmål og svar. En observatør utenfor rommet, som ikke vet at personen i rommet ikke kan kinesisk, observerer personen i rommet mens han svarer på de kinesiske spørsmålene.
For observatøren utenfor rommet ser det ut til at personen inne i rommet forstår alle de kinesiske spørsmålene og svarer riktig. I virkeligheten svarer imidlertid personen inne i rommet bare i henhold til listen, i stedet for å forstå de kinesiske spørsmålene og tenke gjennom svarene. Basert på dette konkluderte John Searle med at Turing-testen ikke kan brukes til å avgjøre om kunstig intelligens har faktisk intelligens og er i stand til å tenke.
Kriterier for «tenkning» – Fokus på «tese, antitese og syntese»
I likhet med kalkulatorer og søkemotorer, og i likhet med personen i det kinesiske rommet, kan «tenkning» sies å involvere en prosess med informasjonsbehandling ved at det innebærer å åpne og søke i en database med erfaringer og kunnskap når input mottas, og deretter produsere et svar. Derfor koker spørsmålet om kunstig intelligens og tenkning til syvende og sist ned til spørsmålet om hvilke kriterier som skiller «enkel informasjonsbehandling» fra «tenkning». Spørsmålet er hvilke elementer som må inkluderes og hva som må være mulig for at noe skal kunne kalles «tenkning».
Siden mange filosofer og ingeniører ikke har klart å finne kriterier som tilfredsstiller alle, er det selvsagt ikke lett å etablere strenge kriterier. I denne artikkelen vil jeg imidlertid foreslå et av kriteriene for «tenkning» som er nevnt ovenfor, et element som «informasjonsbehandling» må inkludere for å gå utover seg selv og komme inn i «tenkningsfasen». Det er følgende korte spørsmål.
Kan prosessen med «tese, antitese, syntese» gjennomføres?
«Tese, antitese, syntese» er de tre stadiene i Hegels dialektikk, som består av «tese», «antitese» og «syntese». Enkelt sagt er «tese» en spesifikk proposisjon (eller argument) som eksisterer med motstridende sider. «Antitese» er en annen proposisjon som er motsatt eller motstridende med den foregående «tesen». Når «tese» og «antitese» møtes, fordi de er to motstridende proposisjoner, kolliderer og forbinder de seg over en mye lengre periode enn når to lignende eller urelaterte proposisjoner møtes, og produserer en rekke følgeproposisjoner og sekundær kunnskap i en. Denne «produktive logiske prosessen» gjentar seg, og den opprinnelige «jeong» og «ban» integreres i en enkelt proposisjon, «hap», som er dypere og større enn den opprinnelige «jeong» og «ban». Den resulterende «hap» er kvalitativt mer utviklet enn den eksisterende «jeong» og «ban» og har egenskapen til å være anvendelig på alle situasjoner relatert til de underordnede proposisjonene «jeong» og «ban». Det slutter ikke der. «Syntese» blir en ny «tese» og går gjennom den logiske prosessen med å møte motstridende «antitese» igjen, med sikte på en absolutt sannhet som kan anvendes i ulike situasjoner. Derfor er tese-antitese-syntese en logisk prosess med en enkelt fullstendighet som fører til en absolutt sannhet.
Med andre ord betyr det å foreslå «tese-antitese-syntese» som en standard for «tenkning» følgende: Når et tenkende vesen har en viss proposisjon (i dette tilfellet informasjon) og en proposisjon (informasjon) som motsier den, bør det ikke bare lagre og liste dem i en database og sammenligne dem, men bør utføre prosessen med tese-antitese-syntese ved å bruke den eksisterende proposisjonen (informasjonen) og den nye proposisjonen (informasjonen) som materiale. Videre, gjennom prosessen med tese, antitese og syntese, må den nyopprettede «syntesen» inkluderes i ens database for å lage en kvalitativt forbedret database, og når et input mottas, må databasen søkes gjennom for å produsere et resultat.
Etter min mening er ikke «tenkning» en prosess der man lister opp alle nye forslag (informasjon) i en enorm database, søker etter dem én etter én hver gang et svar kreves, beregner og sammenligner dem, og velger den beste som skal sendes inn som output (dette er prosessen der en PC lagrer alt i minnet og velger output). «Tenkning» er prosessen med å kollidere, koble sammen og integrere elementer i databasen som skal søkes i, og dermed forbedrer databasekvaliteten og produserer effektiv output. Videre kan man si at «output-utvikling» bør komme fra utviklingen av selve databasen, snarere enn utviklingen av «output-valg» og «innsending» (f.eks. raskere enkle beregningshastigheter for datamaskiner).
Grunnen til at jeg tror at syntese kan forbedre kvaliteten på en database, kan forklares skjematisk som følger. Anta at det finnes "motstridende" informasjon A, B og C som kandidater for output for input P. Selv om A sendes inn gjennom beregning for input Q som ligner på P, er det ingen garanti for at A vil være riktig output hvis informasjon C legges til, eller hvis P og Q er like, men ikke helt identiske. Derfor må operasjonen gjentas hver gang for å sende inn output for ikke bare P og Q, men også alle lignende input. Men hvis A og B integreres i D og C og D integreres i E gjennom syntese- og motsetningsprosessen, vil E være riktig output for både P og Q og lignende input. Derfor kan kvaliteten på selve databasen forbedres gjennom syntese- og motsetningsprosessen.
«Tenker» kunstig intelligens?
La oss koble kriteriene jeg foreslo, det vil si evnen til å utføre synteseprosessen, til tilfellet med AI-tenkning, som vi var nysgjerrige på. Med tanke på det nåværende nivået av AI, som Siri på iPhone og AlphaGo, som beseiret Lee Sedol, er det tydelig at Siri, som svarer på noen få begrensede spørsmål med forhåndsbestemte mønstre, ikke er i stand til å utføre synteseprosessen.
AlphaGo, som trosset forventningene og vant et spill Go i mars 2016, et spill med et nesten uendelig antall mulige trekk, kalles en «konsentrasjon av dyp læringsteknologi». Kjernen i dyp læring er imidlertid ikke «utvikling» gjennom syntese- og motsetningsprosessen, men «klassifisering» av enorme mengder data. AlphaGo lærte gjennom prediksjon basert på dataklynging og klassifisering ved hjelp av sin ufattelige datakraft og teknologi, og fant det optimale resultatet ved å beregne alle mulige trekk på et 19×19 Go-brett for hver situasjon, og dermed beseiret Lee Sedol. Det utviklet seg imidlertid ikke mot noe absolutt.
Med andre ord mener jeg det er urimelig å si at AI på sitt nåværende nivå er i stand til å tenke. AI er fortsatt bare i stand til å late som om den er menneskelig ved å liste opp, kontrastere og sammenligne data basert på sine overlegne beregningsevner, med andre ord ved å gi svar som ligner på menneskers. Det er urimelig å definere AI, som ikke utvikler seg gjennom en logisk prosess med tese, antitese og syntese, som i stand til å tenke med selvinnsikt.
Konklusjon
Selv mens du leser denne artikkelen, gjør vitenskap og teknologi fremskritt. Takket være dette blir resultatet av kunstig intelligens som respons på input mer og mer menneskelignende. Kanskje en dag vil vi kunne snakke om kunstig intelligens og Goethe eller Nietzsche. Men selv om kunstig intelligens kan snakke om Goethe eller Nietzsche, må «tenkning» inkludere muligheten for selvutvikling (i snever forstand, utvikling av en database) gjennom prosessen med tese, antitese og syntese.
