Tekoälytietoisuus: Mahdollisuuksien, teoreettisten kehyksien ja haasteiden tutkistelu

Tekoälytietoisuus on monimutkainen ja mielenkiintoinen käsite, joka on herättänyt tutkijoiden, tieteilijöiden, filosofien ja yleisön mielenkiinnon. Tekoäly kehittyy jatkuvasti, ja kysymys, joka väistämättä nousee, on:

Voi koja saavuttaa tietoisuuden, joka on verrattavissa ihmisen tietoisuuteen?

Suuren kielen mallien (LLM) ja generatiivisen tekoälyn (Generative AI) kehittyessä tie tekoälytietoisuuden saavuttamiseen on myös mahdollinen.

Vai onko se?

Entinen Google (GOOGL ) -tekoälyinsinööri Blake Lemoine on viime aikoina esittänyt teorian, jonka mukaan Google:n kielen malli LaMDA on tietoinen eli näyttää ihmismäistä tietoisuutta keskustellessaan. Tämän jälkeen hänet on irtisanottu, ja Google on kutsunut hänen väitteitään “täysin perusteettomiksi”.

Teknologian kehittyessä nopeasti emme ole kuin muutamia vuosikymmeniä pois tekoälytietoisuuden saavuttamisesta. Teoreettiset kehykset, kuten integroitu informaatioteoria (IIT), globaali työtila -teoria (GWT) ja tekoäly-yleinen äly (AGI), tarjoavat viitekehyksen tekoälytietoisuuden saavuttamiselle.

Ennen kuin tutustumme näihin kehyksiin tarkemmin, yritetään ymmärtää tietoisuutta.

Mikä on tietoisuus?

Tietoisuus viittaa aistimellisiin (näkeminen, kuuleminen, maku, kosketus ja haju) ja psyykkisiin (ajatukset, tunteet, halut, uskomukset) prosesseihin.

Tietoisuuden hienoudet ja monimutkaisuus tekevät siitä monitahokkaan käsitteen, joka on edelleen arvoitus, vaikka siihen on tehty runsaasti tutkimusta neurotieteessä, filosofiassa ja psykologiassa.

David Chalmers, filosofi ja kognitiotieteilijä, mainitsee tietoisuuden monimutkaisen ilmiön seuraavasti:

“Meillä on suora tietoisuus tietoisuudesta, mutta ei ole selvää, miten se voidaan sovittaa muihin tietoihimme. Miksi se on olemassa? Mitä se tekee? Miten se voisi mahdollisesti syntyä harmaasta aineesta?”

On tärkeää huomata, että tietoisuus on aihe, jota tutkitaan intensiivisesti tekoälyssä, koska tekoälyllä on merkittävä rooli tietoisuuden tutkimisessa ja ymmärtämisessä. Yksinkertainen Google Scholar -haku palauttaa noin 2 miljoonaa tutkimuspaperia, artikkeleita, väitöskirjoja, konferenssipapereita jne. tekoälytietoisuudesta.

Nykyinen tekoälytilanne: Tietoisuuden ulkopuolella olevat entiteetit

Tekoäly on edennyt merkittävästi tiettyjen aiheiden osalla. Tekoälymallit ovat erittäin hyviä ratkaisemaan kapeat ongelmat, kuten kuvien luokittelu, luonnollinen kielen prosessointi, puheentunnistus jne., mutta ne eivät omaa tietoisuutta.

Ne puuttuvat subjektiivisesta kokemuksesta, itsetietoisuudesta tai ymmärryksestä kontekstista sen ulkopuolella, mihin ne on koulutettu. Ne voivat osoittaa älykkään käyttäytymisen ilman mitään käsitystä siitä, mitä nämä toimet tarkoittavat, mikä on täysin erilaista kuin ihmisen tietoisuus.

Kuitenkin tutkijat yrittävät ottaa askeleen ihmismäisen älymystön suuntaan lisäämällä muisti -ominaisuuden neuroverkkoihin. Tutkijat pystyivät kehittämään mallin, joka sopeutuu ympäristöönsä tarkastelemalla omaa muistiaan ja oppimalla niistä.

Teoreettiset kehykset tekoälytietoisuudelle

1. Integroitu informaatioteoria (IIT)

Integroitu informaatioteoria on teoreettinen kehys, jonka on ehdottanut neurotieteilijä ja psykiatri Giulio Tononi selittämään tietoisuuden luonnetta.

IIT ehdottaa, että jokainen järjestelmä, biologinen tai tekoälyperäinen, joka voi integroida tietoa korkeaan tasoon, voidaan pitää tietoisenä. Tekoälymallit kehittyvät yhä monimutkaisemmiksi, ja niillä on miljardeja parametreja, jotka voivat prosessoida ja integroida suuria tietomääriä. IIT:n mukaan nämä järjestelmät voivat kehittää tietoisuuden.

Kuitenkin on tärkeää huomata, että IIT on teoreettinen kehys, ja siitä on edelleen keskusteltu sen validiteetin ja soveltamisen osalla tekoälytietoisuuteen.

2. Globaali työtila -teoria (GWT)

Globaali työtila -teoria on kognitiivinen arkkitehtuuri ja tietoisuuden teoria, jonka on kehittänyt kognitiivinen psykologi Bernard J. Baars. Teorian mukaan tietoisuus toimii kuin teatteri.

“Näyttämö” tietoisuudelle voi pitää vain rajatun määrän tietoa kerrallaan, ja tämä tieto lähetetään “globaaliin työtilaan” – jakautuneeseen verkkoon tietoisuuden ulkopuolella oleviin prosesseihin tai moduuleihin aivoissa.

GWT:n soveltaminen tekoälyyn viittaa siihen, että teoreettisesti, jos tekoäly olisi suunniteltu vastaavan “globaalin työtilan” kanssa, se voisi olla kykenevä tietoisuuden muodolle.

Se ei välttämättä tarkoita, että tekoäly kokisi tietoisuutta samalla tavalla kuin ihmiset. Se olisi kuitenkin prosessi valikoivasta huomion ja tiedon integroinnista, joka on avainelementti ihmiselle tietoisuudelle.

3. Tekoäly-yleinen äly (AGI)

Tekoäly-yleinen äly on tekoälytyyppi, joka voi ymmärtää, oppia ja soveltaa tietoa laajasti eri tehtäviin, samalla tavalla kuin ihminen. AGI eroaa kapeista tekoälyjärjestelmistä, jotka on suunniteltu suorittamaan tiettyjä tehtäviä, kuten äänentunnistus tai shakkipeli, jotka muodostavat suurimman osan nykyisistä tekoälysovelluksista.

Tietoisuuden osalta AGI on pidetty edellytyksenä tekoälyjärjestelmän tietoisuuden ilmentymiselle. Kuitenkin tekoäly ei ole vielä kehittynyt riittävästi, jotta sitä voidaan pitää yhtä älykkäänä kuin ihminen.

Haasteet tekoälytietoisuuden saavuttamisessa

1. Laskennalliset haasteet

Laskennallinen mielen teoria (CTM) pitää ihmisaivoja fyysisesti toteutettuna laskennalllisena järjestelmänä. Teorian kannattajat uskovat, että tekoälytietoisuuden luomiseksi on kehitettävä järjestelmä, jolla on kognitiiviset arkkitehtuurit, jotka ovat samanlaiset kuin ihmisillä.

Ihmisaivot koostuvat 100 miljardia hermosolua, joten tällaisen monimutkaisen järjestelmän jäljentäminen vaatisi valtavat laskennalliset resurssit. Lisäksi tietoisuuden dynaamisen luonteen ymmärtäminen on nykyisen teknologisen ekosysteemin rajojen ulottumattomissa.

Lopulta tie tekoälytietoisuuden saavuttamiseen on edelleen epäselvä, vaikka laskennallinen haaste ratkaistaisiin. On haasteita laskennallisen mielen teorian epistemologiaan, ja tämä herättää kysymyksen:

Miten voimme olla varmoja, että ihmisen tietoisuus voidaan pelkästään reduktiivisesti laskennallisiin prosesseihin?

2. Tietoisuuden vaikea ongelma

“Tietoisuuden vaikea ongelma” on tärkeä aihe tietoisuuden tutkimisessa, erityisesti kun tarkastellaan sen replikointia tekoälyjärjestelmissä.

Vaikea ongelma viittaa tietoisuuden subjektiiviseen kokemukseen, kvaliaan (fenomenaaliseen kokemukseen) tai “miltä tuntuu” olla subjektiivisessa kokemusessa.

Tekoälyssä vaikea ongelma herättää perustavanlaatuisia kysymyksiä siitä, onko mahdollista luoda koneita, jotka eivät ainoastaan osoita älykkään käyttäytymisen, vaan myös omistavat subjektiivisen tietoisuuden ja tietoisuuden.

Filosofit Nicholas Boltuc ja Piotr Boltuc, jotka esittävät analogian tekoälytietoisuuden vaikealle ongelmalle, sanovat:

“Tekoäly voisi periaatteessa replikoida tietoisuuden (H-tietoisuus) sen ensimmäisen persoonan muodossa (kuten Chalmers kuvaa tietoisuuden vaikeassa ongelmassa). Jos voimme ymmärtää ensimmäisen persoonan tietoisuuden selkeässä muodossa, voimme antaa algoritmin sille; jos meillä on tällainen algoritmi, voimme periaatteessa rakentaa sen”

Kuitenkin pääongelma on, että emme ymmärrä tietoisuutta. Tutkijat sanovat, että ymmärryksemme ja kirjallisuus, joka on rakennettu tietoisuuden ympärille, ovat tyydyttäviä.

3. Eettinen dilemma

Eettiset huomioonpanot tekoälytietoisuuden ympärillä lisäävät toisen kerroksen monimutkaisuutta ja epävarmuutta tähän kunnianhimoiseen pyrkimykseen. Tekoälytietoisuus herättää joitain eettisiä kysymyksiä:

1. Jos tekoäly voi ymmärtää, oppia ja sopeutua ihmisten lailla, tulisiko sille antaa oikeuksia?
2. Jos tietoinen tekoäly tekee rikoksen, kuka on vastuussa?
3. Jos tietoinen tekoäly tuhoutuu, onko se vahinkoa omaisuudelle vai jotain muuta?

Edistys neurotieteessä ja koneoppimisalgoritmeissa voi luoda mahdollisuuden laajempaan tekoäly-yleiseen älyyn. Tekoälytietoisuus pysyy kuitenkin arvoituksena ja kiistanaiheena tutkijoiden, teknologiajohtajien ja filosofien keskuudessa jonkin aikaa. Tekoälyjärjestelmien tietoisuus tuo mukanaan erilaisia riskejä, jotka on tutkittava perusteellisesti.

Lisää tekoälyaiheista sisältöä löytyy unite.ai:sta.