آنچه ابن‌سینا می‌تواند درباره هوش مصنوعی به ما بیاموزد

رویداد ۲۴| علیرضا نجفی: در سال ۲۰۲۲، بلیک لموین، یکی از مهندسان گوگل، رابطه دوستانه‌ای با یک «مکالمه‌گر» برجسته برقرار کرد. او بذله‌گو، نکته‌سنج و کنجکاو بود و گفت‌وگوهایشان کاملا طبیعی پیش می‌رفت، از فلسفه گرفته تا تلویزیون و حتی رؤیا‌هایی برای آینده. تنها مشکل این بود که این مکالمه‌گر در واقع یک چت‌بات هوش مصنوعی بود. لموین که با مدل زبانی لامدا (LaMDA) گوگل به گفت‌و‌گو می‌پرداخت، به‌تدریج متقاعد شد که این چت‌بات یک «شخص» واقعی است، درست مانند من و شما. او در سال ۲۰۲۲ به واشنگتن‌پست گفت: «من وقتی با کسی حرف می‌زنم، می‌فهمم که او آدم است.»

خواه ادعای لموین را باور کنیم یا نه، این پرسش مطرح می‌شود: آیا وقتی با یک انسان حرف می‌زنیم، واقعا می‌دانیم او صاحب منزلت شخصی (Personhood) است؟

از منظر فلسفه اخلاق دارا بودن «شخصیت» به یک جایگاه اخلاقی و حقوقی دلالت دارد و یک موجود را مستحق برخورداری از حقوق، تکالیف، احترام، مسئولیت‌پذیری و منزلت انسانی می‌کند. این جایگاه با ویژگی‌هایی، چون آگاهی، اراده، عقلانیت و عاملیت اخلاقی گره می‌خورد؛ بنابراین اینکه «آیا سامانه‌های الکترونیکی می‌توانند واجد شخصیت باشند؟» پرسشی بسیار مهم است که بر نحوه تعامل ما با فناوری‌های جدید تأثیر می‌گذارد.

برای بررسی این امکان، باید ابتدا معیاری برای منزلت شخصی در اختیار داشته باشیم. در سال‌های اخیر، فیلسوفان بسیاری استدلال کرده‌اند که آگاهی (Consciousness) شرط اصلی شخص‌بودن است. اما آگاهی دقیقا چیست و چگونه می‌توانیم بر اساس شواهد بیرونی، وجود آن را در یک موجود تشخیص دهیم؟

نبودِ اجماع بر سر این سؤالات، مباحث پیرامون مسئله‌ی منزلت شخصیِ هوش مصنوعی را دچار نوعی انسداد کرده است. از همین رو شایسته است که به‌جای تمرکز صرف بر بحث آگاهی، در پی سنجه‌های دیگری باشیم. من که دانشجوی دکتری فلسفه علم هستم، باور دارم راهی برای پاسخ به این پرسش آینده‌محور در گذشته‌های دور یافت می‌شود—در آثار فیلسوفی اسلامی به‌نام ابن‌سینا (۹۸۰–۱۰۳۷ میلادی).

هوش مصنوعی که سهل است، ابن‌سینا حتی قرن‌ها پیش از پیدایش ماشین چاپ می‌زیست. با این وجود او نیز درگیر پرسش‌هایی بود که متخصصان اخلاق هوش مصنوعی امروزه به آنها می‌پردازند_ پرسش‌هایی مانند اینکه چه چیزی یک موجود را به «شخصی» دارای منزلت اخلاقی تبدیل می‌کند و چرا حیوانات چنین منزلتی ندارند.

همان‌طور که امروزه پژوهشگران هوش مصنوعی به مقایسه فرایند‌های ذهن انسان و ماشین در انجام وظایف مشابه علاقه‌مندند، ابن‌سینا نیز در پی مقایسه فرایند‌های ذهنی انسان و حیوانات بود و سودای رسیدن به نتایج رفتاری مشابه را داشت. در نظر او، یکی از ظرفیت‌های اصلی انسان این است که می‌تواند «کلیات» را درک کند. حیوانات تنها با امور جزیی (Particulars) درگیر می‌شوند_آنچه دقیقا پیش روی آنهاست_در حالی که انسان می‌تواند به قوانین یا اصول اندیشیده و از آنها کلی استنتاج کند.

بیشتر بخوانید: ایده‌هایی که جهان را تغییر دادند: صنعت چاپ چه تاثیری بر جهان داشت؟

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.

این تمایز روان‌شناختی که ابن‌سینا بین انسان و حیوان می‌گذارد، شباهت جالبی با یافته‌های امروزی دربارۀ هوش مصنوعی دارد. پژوهش‌های کنونی نشان می‌دهند که شبکه‌های عصبی مصنوعی فاقد توانایی «تعمیم‌پذیری ترکیبی و نظام‌مند (Systematic Compositional Generalizability)» هستند. این اصطلاح به شکلی از استدلال اشاره دارد که از قواعد کلی آغاز می‌کند و سپس آن را به موارد خاص تعمیم می‌دهد. اکثر زبان‌شناسان و متخصصان علوم شناختی بر این باورند که انسان‌ها در زندگی روزمره شدیدا از این نوع استدلال بهره می‌برند؛ یعنی ما معنا را از رشته‌ای از کلمات انتزاع می‌کنیم، سپس آن را با معانی دیگر ترکیب کرده و ایده‌های پیچیده‌تری می‌سازیم. اما هوش مصنوعی عمدتا در دیتاست‌های (Dataset: مجموعه‌های بزرگ داده) آماری جست‌و‌جو می‌کند تا ورودی خاصی را که با وظیفۀ پیش رو تطابق دارد، بیابد.

این تفاوت، محدودیت‌های هوش مصنوعی کنونی را توضیح می‌دهد. یک نمونۀ ساده، همین آزمون‌های کپچا (آزمون تشخیص انسان از ربات) است که برای تمایز بین انسان و ربات طراحی شده‌اند. کمدین جان مولینی در نمایشی که سال ۲۰۱۸ در نتفلیکس داشت، با شوخی می‌گوید: «به این حروفِ کج‌ومعوج نگاه کن. خیلی کج‌تر از بیشتر حروف معمولی‌اند. هیچ رباتی نمی‌تواند اینها را بخواند!» شاید به شوخی گفته شود، اما در واقعیت اگر انحراف یا تحریف در تصاویر حروف بیش‌ازحد باشد، حتی پیشرفته‌ترین سامانه‌های مصنوعی هم در تشخیص آنها به مشکل برمی‌خورند. دلیلش این است که شبکه‌های عصبی مصنوعی فاقد ظرفیت ترکیب و تعمیم ویژگی‌های انتزاعی یک حرف به مصادیق تحریف‌شده‌اند.

این تمایز بین شناخت انسانی و ماشینی، با دیدگاه ابن‌سینا دربارۀ ویژگی خاص استدلال انسانی همخوانی دارد. او در کتاب «الشفا (al-Šhifā)» می‌گوید: «عقل درمی‌یابد چه چیز‌ها با هم مشترک‌اند و چه چیز‌ها نیستند، و از این رهگذر، ماهیت اشیایی را که در یک گونه شریک‌اند، استخراج می‌کند.» انسان‌ها، بر اساس این دیدگاه، ویژگی‌های اساسی هر پدیده را از ویژگی‌های فرعی‌اش جدا و سپس مفهوم کلی را انتزاع می‌کنند. در مرحلۀ بعد، با همین مفهوم کلی استدلال می‌کنند و آن را بر مصادیق خاص اعمال می‌کنند.

مثلا کودک می‌آموزد که ویژگی اصلی حرف X دو خط متقاطع است. سپس به این قاعدۀ کلی می‌رسد که «هر حرف X، شامل دو خط متقاطع است». در نهایت، می‌تواند ایکس‌های مختلف را_ ولو اگر کشیده یا کج شده باشند_تشخیص دهد، چون می‌داند آن خطوط اضافی و کجی‌های تصویر در کپچا، مربوط به ویژگی فرعی‌اند نه ویژگی اصلی. اما رایانه (یا شبکۀ عصبی مصنوعی) برای تشخیص این تصویر به‌عنوان X، معمولا نیاز دارد تصویری دقیق یا بسیار شبیه به آن را از پیش ذخیره کرده باشد. همان خطوط اضافی و انحنای شکل، کافی‌اند تا یک رایانه نتواند آن را به‌عنوان X شناسایی کند؛ چون با هیچ نمونۀ مشخصِ شناخته‌شدۀ قبلی یکی نیست.

به همین منوال، اگر هوش مصنوعی جای گوسفند در مثال ابن‌سینا قرار گیرد، نمی‌تواند از مفهوم کلی «گرگ‌بودن» برای استنتاج ویژگی‌هایی مانند خطرناکی بهره ببرد؛ بلکه هم‌چون خود گوسفند، در حوزۀ داده‌های خاص گیر می‌کند و تعمیم نمی‌دهد.

البته یک تفاوت مهم میان حیوان و شبکۀ عصبی مصنوعی این است که دومی به انبوهی از داده‌های متنوع دسترسی دارد. رمز موفقیت یادگیری عمیق (Deep Learning) در وظایف زبانی نیز همین است: اتکا به حجم عظیمی از داده‌های واقعی (نه تکیه بر استدلال‌های کاملاً انسانی یا تعمیم از قواعد کلی).

پس ابن‌سینا برای تعریف معنای شخص‌بودن، بر قدرت «استنتاج کلی» یا «نتیجه‌گیری از کلیات» تاکید می‌کند. شاید بتوان از این ایده یک «ملاک آزمون‌پذیر» برای تشخیص موجود دارای منزلت شخصی ساخت. تا کنون در بسیاری از مطالعات، هوش مصنوعی نتوانسته است از پس این آزمون بربیاید. البته اینکه این معیار را به‌عنوان معیار نهایی بپذیریم یا نه، موضوع دیگری است. اما دیدگاه ابن‌سینا توجه ما را از «آگاهی‌محوری» صرف به معیار دیگری متمایل می‌کند؛ معیاری که شاید بتواند راهی برای فراروی از انسداد کنونی باشد.