پیشرفت هوش مصنوعی در چند سال اخیر بسیار سریع بوده است. مدلهایی که زمانی در انجام بسیاری از کارهای ساده مشکل داشتند، امروز میتوانند متن تولید کنند، برنامه بنویسند، تصویر بسازند، فایل تحلیل کنند، ارائه بسازند و در حوزههای تخصصی مختلف به کار گرفته شوند.
اما یک سوال مهم کمتر مورد توجه قرار میگیرد: آیا این پیشرفتها واقعا به معنای افزایش «هوش» هستند، یا بخش بزرگی از آن صرفا افزایش دانش، مهارت و دامنهی کارهایی است که سیستم میتواند انجام دهد؟
تفاوت میان «بیشتر بلد بودن» و «باهوشتر بودن»
فرض کنید یک مدل هوش مصنوعی امروز نمیتواند یک پاورپوینت حرفهای بسازد و چند ماه بعد میتواند این کار را انجام دهد. یا امروز اطلاعات کافی درباره یک روش پزشکی ندارد و در آینده با دسترسی به دادهها و ابزارهای مناسب میتواند درباره آن صحبت کند.
در هر دو حالت، توانایی سیستم افزایش پیدا کرده است. اما اتفاقی در سطح هوش عمومی آن رخ نداده است. ممکن است سیستم تنها دانش، ابزار یا الگوی بیشتری در اختیار داشته باشد.
این تفاوت را میتوان به شکل سادهای بیان کرد:
- دانش بیشتر یعنی دانستن اطلاعات و روشهای بیشتر.
- مهارت بیشتر به معنی توانایی انجام کارهای بیشتری با ابزارهای موجود است.
- هوش بیشتر معادل توانایی بهتر برای فهم مسئله، استدلال، کشف روابط جدید و تصمیمگیری در شرایطی که پاسخ از قبل مشخص نشده است.
مشکل از جایی شروع میشود که این سه مورد را یکی فرض کنیم.
آزمون واقعی هوش شاید در موقعیتهای بیسابقه باشد
بخش قابل توجهی از کارهایی که انسان انجام میدهد، قابل تبدیل به دستورالعمل، دانش تخصصی یا الگوی قابل یادگیری است. در چنین شرایطی، یک سیستم هوش مصنوعی میتواند با حجم بسیار بزرگی از اطلاعات و توانایی پردازش سریع، عملکرد فوقالعادهای داشته باشد.
اما ارزش واقعی هوش انسانی در بسیاری از موارد زمانی آشکار میشود که دستورالعمل مشخصی وجود ندارد.
تصور کنید یک جراح خبره با وضعیتی کاملا جدید و غیرمعمول مواجه شود. وضعیتی که مشابه آن را پیشتر ندیده و هیچ پروتکل آمادهای برای آن وجود ندارد. او باید از اطلاعات ناقص، مشاهده، تجربه، دانش بنیادی، درک علت و معلول و قضاوت حرفهای استفاده کند تا تصمیمی بگیرد که ممکن است هیچکس برای آن دستورالعملی ننوشته باشد.
اینجا دیگر مسئله فقط «دانستن» نیست. مسئله این است که آیا سیستم میتواند از آنچه میداند، چیزی را برای موقعیتی که قبلا ندیده است استخراج کند.
چرا طنز مثال جالبی برای سنجش هوش است؟
شوخطبعی نمونه جالبی از همین مسئله است. یک انسان ممکن است در یک موقعیت عادی، از ترکیب چند اتفاق یا مشاهدهی ساده، ارتباطی غیرمنتظره پیدا کند و یک جمله بگوید که به خاطر همان غافلگیری خندهدار باشد.
البته بسیاری از انسانها هم شوخطبع نیستند. بنابراین توانایی شوخی کردن را نمیتوان معیار کامل هوش دانست. اما نکته جالب این است که حتی یک انسان معمولی گاهی در یک موقعیت خاص میتواند به شکلی خودجوش چیزی بسازد که یک سیستم بسیار قدرتمند هوش مصنوعی قادر به تولید همان کیفیت از آن نیست.
طنز به مجموعهای از تواناییها وابسته است: درک موقعیت، شناخت انتظارات مخاطب، تشخیص تناقض، زمانبندی، تجربهی اجتماعی و مهمتر از همه ایجاد یک ارتباط غیرمنتظره.
بنابراین طنز میتواند یک مثال کوچک از مسئلهای بزرگتر باشد: تفاوت میان تولید یک خروجی پیچیده و داشتن درک عمیق از چرایی آن خروجی.
آیا هوش مصنوعی به سقف نزدیک شده است؟
از اینجا میتوان به یک فرضیه قابل تأمل رسید.
شاید بخش بزرگی از پیشرفتهای سریع هوش مصنوعی تاکنون مربوط به افزایش دامنهی قابلیتهای آن بوده باشد. هر نسل جدید میتواند کارهای بیشتری انجام دهد، اطلاعات بیشتری را پردازش کند، ابزارهای بیشتری به کار بگیرد و در حوزههای تخصصی بیشتری مورد استفاده قرار گیرد.
اما ممکن است افزایش توانایی در انجام کارهای شناختهشده، به همان نسبت باعث افزایش توانایی در «در حل مسائل جدید» نشود.
اگر این طور باشد، ممکن است هوش مصنوعی بتواند در سالهای آینده تعداد بسیار بیشتری از کارهای انسانی را انجام دهد، بدون اینکه به همان نسبت به شکل بنیادی «باهوشتر» شده باشد.
فرضیه ۸۰ درصد
یکی از روشهای غیررسمی برای تصور این وضعیت این است که فرض کنیم هوش مصنوعی امروز بخش عمدهای از مسیر تواناییهای عمومی مورد نیاز برای انجام کارهای فکری را طی کرده است. مثلا چیزی در حدود ۸۰ درصد. این عدد یک اندازهگیری علمی نیست، بلکه یک مدل ذهنی برای توضیح یک تفاوت مهم است.
ممکن است ۲۰ درصد باقیمانده از نظر تعداد قابلیتها کوچک به نظر برسد، اما از نظر دشواری بسیار بزرگتر باشد. یاد گرفتن صدها ابزار و مهارت جدید، همان چیزی نیست که برای عبور از این مرحله لازم است. شاید مسئله اصلی، دستیابی به سطح بالاتری از استدلال مستقل، درک علتها، نشانهها و تصمیمگیری در شرایط ناشناخته باشد.
به همین دلیل ممکن است منحنی پیشرفت در ظاهر همچنان بسیار سریع باشد، اما بخش زیادی از این پیشرفت از جنس «کارهای بیشتری انجام دادن» باشد، نه «عمیقتر فکر کردن».
جایی که مقایسه با انسان دشوار میشود
انسان هم موجودی کامل نیست. بسیاری از انسانها در استدلال، خلاقیت یا تصمیمگیری ضعیف هستند و یک مدل هوش مصنوعی میتواند در بسیاری از وظایف از آنها بهتر عمل کند.
بنابراین مقایسهی سادهی «AI در برابر انسان» چندان دقیق نیست. سؤال مهمتر این است که سیستم در مقایسه با «تواناترین و باهوشترین انسانها» در چه مرحلهای قرار دارد.
انسان خبره میتواند در طول سالها تجربه، یک مدل ذهنی پیچیده از حوزهی خود بسازد. سپس ممکن است با مسئلهای روبهرو شود که مشابه آن را ندیده است و با استفاده از همان مدل ذهنی، راهحلی تازه پیدا کند.
اگر هوش مصنوعی در بازترکیب دانش موجود بسیار قدرتمند باشد، اما در ساختن چنین مدلهای جدیدی محدود بماند، فاصله میان این دو نوع توانایی میتواند بسیار مهم باشد.
مسئله اصلی آینده هوش مصنوعی چیست؟
شاید سؤال اصلی دیگر این نباشد که: «هوش مصنوعی چه کارهای بیشتری میتواند انجام دهد؟»
بلکه سؤال مهمتر این باشد: «وقتی با مسئلهای مواجه میشود که هیچکس راهحل آن را به او نداده، چقدر میتواند خودش راهحل جدید بسازد؟»
این تفاوت، مرز میان یک سیستم بسیار قدرتمند و چیزی است که بتوان آن را یک هوش عمومی مستقل دانست.
ممکن است آینده نشان دهد که با معماریها و روشهای جدید، هوش مصنوعی از این مرز عبور میکند. اما دیدن اینکه مدلها هر سال کارهای بیشتری انجام میدهند، بهتنهایی برای نتیجهگیری درباره افزایش «عمق هوش» کافی نیست.