Paweł Stacewicz: Inteligencja sztuczna, czyli jaka?

Tekst ukazał się w „Filozofuj!” 2025 nr 4 (64), s. 35–36. W pełnej wersji graficznej jest dostępny w pliku PDF.

W przyszłym roku minie 70 lat, odkąd termin sztuczna inteligencja (ang. artificial intelligence) wszedł na dobre do naukowego obiegu. W roku 1956 zaproponował go amerykański informatyk, John McCarthy, jeden z organizatorów słynnej konferencji w Dartmouth, która zgromadziła doborowe grono uczonych, zaangażowanych w badania nad nowego rodzaju maszynami. Były to maszyny obliczeniowe, które potrafiły wykonywać czynności zarezerwowane dotychczas dla ludzkiego intelektu, np. przeprowadzać logiczne wnioskowania, rozwiązywać problemy geometryczne czy grać w szachy. Sztuczną inteligencją (SI) nazwano zarówno badania nad tego rodzaju maszynami, jak i same maszyny – układy z jednej strony fizyczne, z drugiej zaś, sterowane za pomocą sformalizowanych algorytmów.

Wprowadzony przez McCarthy’ego termin przyjął się i dzisiaj tylko sporadycznie używa się określeń alternatywnych, takich jak inteligencja maszynowa czy obliczeniowa. W związku z jego popularnością możemy postawić pierwszą, zabarwioną filozoficznie, hipotezę: być może za atrakcyjność nazwy sztuczna inteligencja odpowiada jej semantyczna, a w szerszym ­planie filozoficzna otwartość. No właśnie – inteligencja sztuczna, czyli jaka? Czy nazywamy ją tak dlatego, że stanowi nasz wytwór, a więc jest syntetyczna? Czy może dlatego, że chcemy jej odmówić waloru autentyczności? A zatem: czy jest bardziej jak sztuczna nerka, czy bardziej jak sztuczny, udawany uśmiech?

Tego rodzaju dwuznaczność prowadzi do zażartych filozoficznych sporów o to, czy będąca naszym wytworem, syntetyczna SI może uzyskać status prawdziwej, autentycznej inteligencji? Czy nie pozostanie na zawsze jej symulacją, imitacją i niedoskonałą kopią? Czy sztuczność w znaczeniu pierwszym nie pociąga za sobą sztuczności w sensie drugim?

Żarliwym obrońcą tezy o imitacyjnym statusie SI jest amerykański filozof John R. Searle. W jednej ze swoich prac stwierdza dobitnie, że przedstawione w niej argumenty stanowią „ostatni gwóźdź do trumny poglądu głoszącego, że maszyna może myśleć”. Według Searle’a autentyczne myślenie zasadza się na rozumieniu, a to wymaga świadomych przeżyć i wglądów, których nie może dostąpić maszyna przetwarzająca mechanicznie nic-dla-niej-nieznaczące symbole. Człowiek może wprawdzie ograniczyć się do jej poziomu i działać czysto algorytmicznie, ale w sytuacjach takich po prostu nie musi myśleć. Jako filozof języka ­Searle streszcza tę obserwację w stwierdzeniu, że „syntaktyka nie wystarcza dla semantyki”, a więc, że system przetwarzający i generujący ciągi symboli za pomocą czysto formalnych reguł nie jest w stanie poznać ani wytworzyć znaczeń tych symboli.

Na przeciwnym biegunie dyskusji inicjowanej pytaniem „Czy syntetyczna SI może stać się rozumiejącą SI?” sytuują się filozofowie z obozu komputacjonistów, np. Daniel C. Dennett czy Jerry Fodor. Do obozu tego należą również filozofujący informatycy, tacy jak wspomniany wyżej McCarthy, czy inny pionier badań nad sztuczną inteligencją, Marvin Minsky.

Komputacjoniści utrzymują, że ludzki umysł jest systemem obliczeniowym, i z tego powodu nie widzą zasadniczych trudności w programie budowy sztucznych systemów algorytmicznych, które posiadałyby istotne atrybuty umysłu, w tym świadomość. Wystarczy – ich zdaniem – sięgnąć do odpowiednich technik przetwarzania danych i zastosować je w systemie o odpowiednio dużej złożoności strukturalnej (np. sztucznej sieci neuronowej o miliardach neuronów). Co ciekawe, współcześni komputacjoniści – do których zalicza się autor obecnego szkicu – postulują wyjście poza klasyczny model obliczeń, zwany uniwersalną maszyną Turinga, w kierunku modeli nieklasycznych (np. niedeterministycznych).

Przynależność do obozu komputacjonistów nie zamyka dyskusji nad pytaniem tytułowym: „Inteligencja sztuczna, czyli jaka?”. Termin jaka otwiera bowiem szerokie pole możliwości inżynierskich, które dotyczą obliczeniowych metod dojścia do syntetycznej inteligencji. Z wyborem tychże metod wiąże się pewien zasadniczy dylemat: na co należy położyć większy nacisk – na logikę czy na obserwację natury? A zatem czy systemy SI należy tworzyć, wykorzystując rachunki logiczne, czy też należy odwzorowywać w nich takie schematy przetwarzania danych, które znajdujemy w naturze.

Za strategią logicystyczną przemawiają dwa argumenty natury filozoficznej. Zgodnie z pierwszym, wszelkie obliczenia, na odpowiednio niskim poziomie opisu, redukują się do reguł logiki (być może nawet klasycznej). Zgodnie z drugim, logika dostarcza niepodważalnego wzorca dla ludzkich rozumowań i dlatego, o ile chcemy, aby systemy SI dochodziły do prawdziwych lub wysoce prawdopodobnych wniosków, należy zaimplementować w nich reguły logiki. W obszarze zastosowań SI wzorcowym przykładem rozwiązania logicystycznego są regułowe systemy eksperckie. Będąca podstawą ich działania wiedza jest zapisywana w postaci implikacji, a wykorzystuje się ją zgodnie z formalnymi schematami logicznych rozumowań (jak chociażby modus ponens).

Ku strategii alternatywnej, naturalistycznej, prowadzą inne filozoficzne założenia. Jedno z nich mówi, że świat nie musi być w swojej istocie logiczny, a do jego wiarygodnego poznania przybliżają nas bardziej metody empiryczne niż aprioryczne dociekania. Ponadto zarówno rachunki logiczne, jak i właściwe im schematy wnioskowań są narzędziami ludzkiego umysłu, ten zaś ma swój biologiczny fundament w mózgu. Mózg z kolei powstał w sposób naturalny, w wyniku rozciągniętej na miliardy lat naturalnej ewolucji.

Tego rodzaju założenia i spostrzeżenia motywują niektórych informatyków do przekonania, że konstruując systemy SI, należy po prostu naśladować naturę, a nie ograniczać się do fizycznej implementacji pewnych rachunków logicznych. Należy tworzyć zatem systemy mózgopodobne, ewoluujące, wykorzystujące materię żywą etc. I systemy takie faktycznie się tworzy. Należą do nich chociażby sztuczne sieci neuronowe, budowane i działające na wzór biologicznych mózgów, czy systemy sztucznie ewoluujące, oparte na algorytmach zwanych genetycznymi.

Który z zarysowanych programów, logicystyczny czy naturalistyczny, daje większe szanse na powstanie syntetycznej SI, która nie byłaby sztuczna w sensie umysłopodobnej imitacji? Aby na to pytanie odpowiedzieć, trzeba byłoby rozstrzygnąć inną jeszcze kwestię: na podstawie jakich kryteriów mielibyśmy stwierdzić, że coś jest faktycznie umysłem, a nie imitującym go, bezdusznym automatem? Temat ten z pewnością warto podjąć w kolejnym szkicu.

Warto doczytać:

• J. R. Searle, Umysł, mózg i nauka, Warszawa 1995.
• P. Stacewicz, Umysł a modele maszyn uczących się. Współczesne badania informatyczne w oczach filozofa, Warszawa 2010.
• P. Stacewicz, Turing czy Searle?, na blogu Cafe Aleph, wpis z dnia 12.05.2016, https://marciszewski.eu/?p=8578 (dostęp: 5.04.2025).

Zapraszamy do udziału w dyskusji bezpośrednio z autorem <tutaj>.

Tekst powstał w ramach grantu finansowanego przez Narodowe Centrum Nauki (program Chist-Era IV, nr grantu 2022/04/Y/ST6/00001).

Paweł Stacewicz – filozof, informatyk, popularyzator nauki, bloger (Cafe Aleph); wykłada na Politechnice Warszawskiej. Autor i redaktor kilku książek z zakresu filozofii informatyki. Organizator cyklu konferencyjnego pt. „Filozofia w informatyce”. Miłośnik Bałkanów, gór i Mazur Garbatych.

Tekst jest dostępny na licencji: Uznanie autorstwa-Na tych samych warunkach 4.0.

W pełnej wersji graficznej jest dostępny w pliku PDF.

< Powrót do spisu treści numeru.

Ilustracja: Natalia Biesiada-Myszak

Dofinansowano ze środków Ministra Kultury i Dziedzictwa Narodowego pochodzących z Funduszu Promocji Kultury.