آنچه ابن سینا می‌تواند در رابطه هوش مصنوعی به ما بیاموزد_مستطیل زرد

در سال ۲۰۲۲، بلیک لوموئن، مهندس گوگل با سخنوری برجسته ربط برقرار کرد. دیالوگ‌های آن‌ها به‌طور طبیعی در جریان می بود و از موضوعاتی از فلسفه گرفته تا تلویزیون تا رویاهای آینده را شامل می‌شد. فقط یک مشکل وجود داشت: آن سخنور چت‌بات هوش مصنوعی می بود.

لوموئن در گفتگو با مدل زبانی LaMDA گوگل به‌مرور زمان قانع شد چت‌بات نیز همانند یک شخص است. اما آیا این ادعا می‌تواند حقیقت داشته باشد؟

ابیگیل تولنکو، دانشجوی دکترای فلسفه علم دانشگاه هاروارد می‌گوید در زیاد تر چارچوب‌های اخلاقی، ملاحظات خاصی همچون حقوق، ماموریت های، تمجید، سرزنش، کرامت و عاملیت در سطح فرد ظاهر می‌بشود. به این علت، این سوال که آیا سیستم‌های الکترونیکی می‌توانند شخصیت اشکار کنند، پیامدهای گسترده‌ای برای نحوه تعامل ما با این فناوری‌ها دارد.

ابن سینا قرن‌ها قبل از اختراع ماشین چاپ زندگی می‌کرد، چه برسد به هوش مصنوعی. با‌این‌حال، او درمورد تعداد بسیاری از سوالات شبیهی تامل می‌کرد که اخلاق‌شناسان امروزی به آن‌ها فکر می‌کنند: چه چیزی جهت می‌بشود فرد به جای حیوان، یک انسان باشد؟

همان گونه که پژوهشگران معاصر هوش مصنوعی علاقمند به قیاس فرآیندهایی می باشند که زیربنای جواب انسان و هوش مصنوعی به ماموریت های شبیه است، ابن سینا نیز علاقمند به قیاس فرایندهای درونی انسان و حیوانات برای رسیدن به خروجی‌های رفتاری شبیه می بود. ازنظر او، یکی از قابلیت‌های کلیدی اختلاف انسان، فهمیدن 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 سخن بگویید می‌کند که با گرگی رو‌به‌رو می‌بشود. او ادعا می‌کند درحالی‌که انسان‌ها به مهم کلی استناد می‌کنند که «گرگ‌ها به‌طورکلی خطرناک می باشند و حیوان خاصی که روبه رو آن‌ها است، گرگ است، به این علت 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 خواهد شد.

تمایزی که ابن سینا بین روانشناسی انسان و حیوان قائل می‌بشود، شباهت بالایی به تمایزی دارد که دانشمندان عصر تازه در ربط با هوش مصنوعی درحال بازدید آن می باشند.

پژوهش‌های جاری مشخص می کند شبکه‌های عصبی مصنوعی توانایی تعمیم‌پذیری ترکیبی سیستماتیک را ندارند. زبان‌شناسان و دانشمندان علوم شناختی از این کلمه برای توصیف انواع استنتاج‌هایی منفعت گیری می‌کنند که از روی قواعد تعمیم‌یافته به دست می‌آیند. این روش یکی از راه‌های مهم استدلال است که انسان‌ها در زندگی روزمره خود به کار می‌برند.

درحالی‌که انسان‌ها معانی انتزاعی را از دنباله‌ای از کلمات درمی‌یابند که سپس می‌توانند به شکل ایده‌های پیچیده‌تر ترکیب شوند، هوش مصنوعی درون مجموعه داده‌های آماری برای ورودی‌های داده خاص که با ماموریت خاصی مطابقت دارند، جستجو می‌کند.

تفاوت یاد شده تا حد بسیاری محدودیت‌های هوش مصنوعی معاصر را توضیح می‌دهد. برای این که این تفاوت را در عمل ببینید، به آزمون‌های کپچا نگاه کنید که به منظور اختلاف بین انسان‌ و ربات‌ به کار می‌روال و ربات‌ها نمی توانند 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 مهم حروف است و نمی‌تواند آن را به نمونه کج و معوج تعمیم دهد.