رؤیای ماشین‌های متفکر دست‌یافتنی نیست؛ مدل‌های زبانی هرگز به هوش واقعی نمی‌رسند

در حالی که مدیران ارشد شرکت‌های فناوری از خلق ماشین‌های متفکر در آینده‌ای نزدیک خبر می‌دهند، گروهی از متخصصان با استناد به پژوهش‌های علمی، معتقدند که مدل‌های زبانی بزرگ (LLM) هرگز به هوش واقعی دست نخواهند یافت. علت اصلی این است که زبان و تفکر، دو فرآیند شناختی کاملاً مجزا هستند و تسلط بر یکی به معنای دستیابی به دیگری نیست.

دیدگاه یادشده توسط بنجامین رایلی، بنیان‌گذار شرکت کاگنتیو رزونانس، در مقاله‌ای برای نشریه‌ی ورج مطرح شده است. او استدلال می‌کند که براساس یافته‌های فعلی عصب‌شناسی، تفکر انسان تا حد زیادی مستقل از زبان عمل می‌کند. رایلی می‌نویسد:

ما از زبان برای فکرکردن استفاده می‌کنیم، اما این باعث نمی‌شود زبان با تفکر یکی باشد. درک این تمایز، کلید جداسازی واقعیت علمی از داستان‌های علمی‌تخیلی مدیران هیجان‌زده‌ی هوش مصنوعی است.

– بنجامین رایلی

این بدبینی حتی در میان چهره‌های برجسته حوزه هوش مصنوعی نیز دیده می‌شود. یان لکون که به عنوان یکی از «پدرخوانده‌های هوش مصنوعی مدرن» شناخته می‌شود و تا همین اواخر دانشمند ارشد هوش مصنوعی در شرکت متا بود، مدت‌هاست استدلال می‌کند که مدل‌های زبانی هرگز به هوش عمومی مصنوعی (AGI) نخواهند رسید. در عوض، او از مدل‌هایی به نام «مدل‌های جهان» دفاع می‌کند که برای درک دنیای سه‌بعدی از طریق داده‌های فیزیکی و نه فقط زبان، آموزش می‌بینند.

پژوهش‌های دیگر نیز سقف توانایی‌های مدل‌های زبانی بزرگ را تأیید می‌کنند. در تحلیلی جدید، دیوید کراپلی، استاد نوآوری مهندسی در دانشگاه استرالیای جنوبی، نشان داد که «خلاقیت» هوش مصنوعی به دلیل ماهیت احتمالی آن، محدود است. این سیستم‌ها به نقطه‌ای می‌رسند که دیگر نمی‌توانند خروجی‌های جدید و منحصربه‌فردی تولید کنند که بی‌معنی نباشد. کراپلی در این باره می‌گوید:

درحالی‌که هوش مصنوعی می‌تواند رفتار خلاقانه را تقلید کند، ظرفیت واقعی خلاقیت آن در سطح یک انسان متوسط باقی می‌ماند و هرگز به استانداردهای حرفه‌ای یا تخصصی نمی‌رسد. یک نویسنده یا هنرمند ماهر می‌تواند گاهی اثری واقعاً اصیل و مؤثر خلق کند. یک مدل زبانی هرگز نخواهد توانست.

– دیوید کراپلی

این یافته‌ها امیدها برای اینکه هوش مصنوعی بتواند بزرگترین مشکلات بشریت، مانند تغییرات اقلیمی یا درمان سرطان را حل کند، کم‌رنگ می‌کند. اگر این فناوری برای ساختن جملات جدیدی که براساس نوشته‌های قبلی نیستند، با چالش روبرو است، چگونه می‌تواند فیزیک جدید ابداع کند؟ رایلی در پایان نتیجه‌گیری می‌کند که این سیستم‌ها برای همیشه در دایره واژگانی که با آن آموزش دیده‌اند، محبوس خواهند ماند؛ یک «ماشین استعاره مرده» که تنها دانش ما را به روش‌های مختلف بازترکیب می‌کند.