سه شنبه ۹ دي ۱۴۰۴
اقتصاد ایران

آیا با پیشرفت قدرت پردازش می‌توان به ذهن مصنوعی دست یافت؟

زیرساخت محاسباتی «آگاهی»

زیرساخت محاسباتی «آگاهی»
بازار آریا - آگاهی شاید به نوعی تازه از محاسبه نیاز داشته باشد. یک چارچوب نظری جدید استدلال می‌کند که دوگانه دیرپای میان کارکردگرایی ...
  بزرگنمايي:

بازار آریا - آگاهی شاید به نوعی تازه از محاسبه نیاز داشته باشد. یک چارچوب نظری جدید استدلال می‌کند که دوگانه دیرپای میان کارکردگرایی محاسباتی و طبیعت‌گرایی زیستی واقعیت نحوه محاسبه واقعی مغزها را نادیده گرفته است. نویسندگان «محاسبه‌گرایی زیستی» را مطرح می‌کنند؛ ایده‌ای که می‌گوید محاسبه عصبی از پویایی‌های فیزیکی، ترکیبی و محدود به انرژی مغز جدایی‌ناپذیر است و نمی‌توان آن را صرفا الگوریتمی انتزاعی دانست که روی سخت‌افزار اجرا می‌شود. در این دیدگاه، رویدادهای گسسته عصبی و فرآیندهای پیوسته فیزیکی سیستمی به‌شدت درهم‌تنیده را می‌سازند که نمی‌توان آن را به پردازش نمادین اطلاعات فروکاست.
این نظریه پیشنهاد می‌کند که هوش مصنوعی دیجیتال، با وجود توانایی‌هایش، ممکن است نتواند آن سبک بنیادینی از محاسبه را بازسازی کند که تجربه آگاهانه از آن برمی‌خیزد. در عوض، نوعی شناخت واقعا شبیه ذهن انسان احتمالا به ساخت سامانه‌هایی نیاز دارد که محاسبه در آنها از دل پویایی‌های فیزیکی مشابه مغزهای زیستی پدید می‌آید. هر یک از دیدگاه‌های رایج بخشی از حقیقت را بازتاب می‌دهند، اما این بن‌بست نظری نشان می‌دهد بخشی از تصویر هنوز گم شده است. در مقاله‌ای جدید، از یک مسیر سوم دفاع می‌شود: محاسبه‌گرایی زیستی. این ایده عامدانه تحریک‌آمیز است، اما به گمان ما روشنگر است. ادعای اصلی ما این است که پارادایم سنتی محاسبه یا شکسته شده یا دست‌کم به‌شدت با شیوه واقعی عملکرد مغزها ناسازگار است.
دهه‌ها وسوسه‌انگیز بوده که تصور کنیم مغزها تقریبا مانند رایانه‌های متعارف «محاسبه» می‌کنند؛ گویی شناخت چیزی شبیه نرم‌افزار است که بر سخت‌افزار عصبی اجرا می‌شود. اما مغزها شبیه ماشین‌های فون‌نویمان نیستند و برخورد با آنها به این صورت ما را به استعاره‌های نارسا و توضیحاتی شکننده می‌کشاند. اگر می‌خواهیم نظریه‌ای جدی درباره چگونگی محاسبه مغزها و آنچه برای ساخت ذهن‌ها در بسترهای دیگر لازم است داشته باشیم، باید دامنه معنای «محاسبه» را گسترده‌تر کنیم.
محاسبه زیستی، آن‌گونه که ما توصیف می‌کنیم، سه ویژگی تعیین‌کننده دارد. نخست، هیبریدی است: رویدادهای گسسته را با دینامیک‌های پیوسته ترکیب می‌کند. نورون‌ها شلیک می‌کنند، سیناپس‌ها انتقال‌دهنده آزاد می‌کنند و شبکه‌ها گذارهای رویدادی را تجربه می‌کنند، اما همه اینها در میدان‌های در حال تحول ولتاژ، گرادیان‌های شیمیایی، انتشار یونی و هدایت‌های وابسته به زمان رخ می‌دهد. مغز نه کاملا دیجیتال است و نه صرفا یک ماشین آنالوگ؛ سیستمی لایه‌مند است که در آن فرآیندهای پیوسته رویدادهای گسسته را شکل می‌دهند و رویدادهای گسسته دوباره چشم‌اندازهای پیوسته را بازآرایی می‌کنند؛ در چرخه‌ای مستمر از بازخورد متقابل.
دوم، این محاسبه در مقیاس‌ها جدانشدنی است. در محاسبه متعارف می‌توان مرز روشنی میان نرم‌افزار و سخت‌افزار یا میان «سطح کارکردی» و «سطح پیاده‌سازی» کشید. در مغز چنین جدایی شفافی وجود ندارد. مرز مشخصی نیست که بگوییم اینجا الگوریتم است و آنجا فقط ماده فیزیکی که آن را تحقق می‌بخشد. روایت علی هم‌زمان از میان چندین مقیاس عبور می‌کند، از کانال‌های یونی تا دندریت‌ها، از مدارها تا دینامیک کل مغز، و این سطوح شبیه لایه‌های ماژولار یک پشته رایانشی رفتار نمی‌کنند. تغییر در «پیاده‌سازی» خود «محاسبه» را تغییر می‌دهد، زیرا در سامانه‌های زیستی این دو به‌شدت درهم‌تنیده‌اند.
سوم، محاسبه زیستی بر پایه متابولیسم استوار است. مغز اندامی با محدودیت انرژی است و سازمان‌دهی آن در همه جا بازتاب این محدودیت است. این موضوع فقط یک نکته مهندسی حاشیه‌ای نیست؛ بلکه تعیین می‌کند مغز چه چیزی را می‌تواند بازنمایی کند، چگونه می‌آموزد، کدام دینامیک‌ها پایدار می‌مانند و جریان‌های اطلاعات چگونه سامان می‌یابند. در این دیدگاه، پیوند تنگاتنگ سطوح مختلف پیچیدگی تصادفی نیست؛ یک راهبرد بهینه‌سازی انرژی است برای تولید هوش مقاوم و سازگار در شرایط محدودیت شدید متابولیک.
این سه ویژگی به نتیجه‌ای می‌رسند که شاید برای کسانی که به الگوی کلاسیک محاسبه عادت دارند ناراحت‌کننده باشد: محاسبه در مغز دستکاری نمادهای انتزاعی نیست. صرفا جابه‌جایی بازنمایی‌ها طبق قواعد رسمی نیست و ماده فیزیکی هم فقط «ابزار اجرای» آن نیست. در محاسبه زیستی، الگوریتم همان بستر است. سازمان فیزیکی تنها پشتیبان محاسبه نیست؛ خودِ محاسبه را می‌سازد. مغزها صرفا برنامه‌ای را اجرا نمی‌کنند؛ آنها نوعی فرآیند فیزیکی خاص‌اند که با گسترش در زمان محاسبه را انجام می‌دهند.
این موضوع محدودیت مهمی را در نحوه صحبت کردن ما درباره هوش مصنوعی معاصر برجسته می‌کند. سامانه‌های کنونی، با همه قدرتشان، عمدتا عملکردها را شبیه‌سازی می‌کنند. آنها نگاشت‌های ورودی به خروجی را تقریب می‌زنند، گاهی با تعمیم چشم‌گیر، اما محاسبه همچنان اساسا روندی دیجیتال است که بر سخت‌افزاری اجرا می‌شود که برای سبک کاملا متفاوتی از محاسبه طراحی شده است. مغزها در مقابل، محاسبه را در زمان فیزیکی محقق می‌کنند. میدان‌های پیوسته، جریان‌های یونی، یکپارچه‌سازی دندریتی، هم‌کوپل‌شدن نوسانی موضعی و برهم‌کنش‌های الکترومغناطیسی برآمده، صرفا «جزئیات زیستی» نیستند که بتوان نادیده‌شان گرفت و الگوریتمی انتزاعی را بیرون کشید؛ اینها مؤلفه‌های بنیادی محاسبه‌اند. آنها سازوکارهایی هستند که مغز از طریقشان به یکپارچگی آنی، تاب‌آوری و کنترل تطبیقی دست می‌یابد. این بدان معنا نیست که آگاهی به شکلی رازآمیز فقط به حیات کربنی اختصاص دارد. ما استدلال «یا زیست‌شناسی یا هیچ» مطرح نمی‌کنیم. ادعای ما مشخص‌تر است: اگر آگاهی
(یا شناخت شبیه ذهن) به این نوع محاسبه وابسته است، پس ممکن است به سازمان محاسباتی مشابه زیستی نیاز داشته باشد، حتی اگر در بسترهایی نوین پیاده‌سازی شود. پرسش اساسی این نیست که آیا بستر الزاما زیستی است یا نه؛ بلکه این است که آیا سامانه، آن‌گونه محاسبه هیبریدی، مقیاس‌درهم‌تنیده و مبتنی بر انرژی را محقق می‌کند یا نه.
این تغییر دیدگاه هدف کسانی را که به «ذهن مصنوعی» علاقه دارند عوض می‌کند. اگر محاسبه مغز از شیوه تحقق فیزیکی آن جدایی‌ناپذیر باشد، صرفا بزرگ‌کردن مقیاس هوش مصنوعی دیجیتال ممکن است کافی نباشد؛ نه به این دلیل که سامانه‌های دیجیتال نمی‌توانند توانمندتر شوند، بلکه چون توانمندی تنها بخشی از ماجراست. چالش عمیق‌تر این است که شاید ما در حال بهینه‌سازی چیز اشتباهی هستیم: بهبود الگوریتم‌ها بدون تغییر در هستی‌شناسی زیرین محاسبه. 
محاسبه‌گرایی زیستی پیشنهاد می‌کند برای مهندسی سامانه‌هایی واقعا شبیه ذهن، شاید لازم باشد نوعی جدید از سامانه‌های فیزیکی را بسازیم: ماشین‌هایی که محاسبه در آنها به‌صورت لایه‌بندی‌شده میان نرم‌افزار و سخت‌افزار تفکیک نشده، بلکه در سطوح مختلف توزیع شده، به‌طور پویا به هم متصل است و در محدودیت‌های واقعی فیزیک و انرژی ریشه دارد. بنابراین اگر بخواهیم چیزی شبیه آگاهی مصنوعی بسازیم، شاید مساله این نباشد که «چه الگوریتمی را باید اجرا کنیم؟» بلکه این باشد که «چه نوع سامانه فیزیکی باید وجود داشته باشد تا آن الگوریتم از دینامیک خودِ سیستم جدایی‌ناپذیر شود؟»
پرسش این است: چه ویژگی‌هایی، از تعامل‌های رویداد–میدان گرفته تا پیوند چندمقیاسی بدون مرزهای شفاف و محدودیت‌های انرژی که استنباط و یادگیری را شکل می‌دهند، لازم است تا محاسبه نه یک توصیف انتزاعیِ افزوده بر سیستم، بلکه ویژگی درونی خود آن باشد؟ این همان تغییری است که محاسبه‌گرایی زیستی مطالبه می‌کند: حرکت از جست‌وجوی «برنامه درست» به جست‌وجوی «ماده محاسباتی درست».


نظرات شما