چرا ذهن‌های پرورش‌یافته در نظام آموزشی بریتانیا ممکن است برای هوش مصنوعی آمادگی ویژه‌ای داشته باشند
نوشته: متیو پریش
چهارشنبه ۱۴ اکتبر ۲۰۲۶
این استدلالی است که البته بهتر است با یک لیوان شراب کلارت در یک دست و عذرخواهی از پیش آماده در دست دیگر مطرح شود: سنت آموزشی بریتانیا به‌طور اتفاقی دقیقاً همان نوع ذهنی را پرورش داده که برای عصر هوش مصنوعی مورد نیاز است. این موضوع به این دلیل نیست که بریتانیایی‌ها ذاتاً از دیگران باهوش‌تر هستند. آشکارا چنین نیست؛ هر کسی که تلاش کرده باشد میان دو شهر انگلیسی بلیت قطار بخرد، پوچی چنین ادعایی را درک می‌کند. همچنین هیچ ویژگی ژنتیکی مرموزی مرتبط با باران، مدارس شبانه‌روزی یا علاقه بیش از حد به سبزیجات آب‌پز وجود ندارد. این بحث در واقع درباره فرهنگ فکری است: بریتانیا در طول تاریخ در منطقه‌ای حاصلخیز میان دو شیوه بزرگ اندیشیدن اروپایی قرار داشته است؛ تجربه‌گرایی آنگلوساکسون و خردگرایی قاره‌ای، بدون آن‌که کاملاً تسلیم هیچ‌یک از این دو شود.
این ابهام ممکن است در درک هوش مصنوعی بسیار سودمند باشد. هوش مصنوعی هم‌زمان یک حوزه مهندسی، یک علم ریاضی، شاخه‌ای از آمار، یک مسئله فلسفی و به‌طور فزاینده موضوعی درباره سازمان‌دهی جامعه انسانی است. این حوزه به افرادی پاداش می‌دهد که بتوانند به‌راحتی میان انتزاع و واقعیت، نظریه و آزمایش، و پرسش «آیا چیزی کار می‌کند؟» و پرسش «اینکه کار می‌کند چه معنایی دارد؟» حرکت کنند. سنت‌های فکری بریتانیا در بهترین حالت خود، چندین قرن است که چنین کاری انجام می‌دهند.
تقسیم‌بندی سنتی فلسفی البته اندکی مصنوعی است. بریتانیا معمولاً با تجربه‌گرایان پیوند خورده است: فرانسیس بیکن، توماس هابز، جان لاک، جرج برکلی، دیوید هیوم و در سنتی علمی متفاوت، آیزاک نیوتن. اروپاى قاره‌ای نیز معماران بزرگ خردگرایی را ارائه می‌کند: رنه دکارت، باروخ اسپینوزا، گوتفرید ویلهلم لایبنیتس و پیروان آن‌ها که در نهایت به دستگاه مفهومی عظیم کانت و ایدئالیست‌های آلمانی رسیدند. بریتانیایی‌ها می‌پرسند چه چیزی قابل مشاهده است؛ قاره‌ای‌ها می‌پرسند چه چیزی باید از نظر منطقی درست باشد. بریتانیایی‌ها اسب را بررسی می‌کنند؛ آلمانی‌ها نظریه‌ای استعلایی می‌سازند که شرایط ضروری برای آگاهی از کیفیت «اسب بودن» را توضیح دهد.
این تصویر کلیشه‌ای نسبت به همه ناعادلانه است، و دقیقاً به همین دلیل مفید است.
خود هوش مصنوعی نیز همین تنش را در بر دارد. یک مدل زبانی بزرگ، ابزاری به‌شدت تجربی است. حجم عظیمی از اطلاعات تولیدشده توسط انسان را به یک ماشین می‌دهیم، میلیاردها یا تریلیون‌ها رابطه عددی را بر اساس آنچه ماشین با آن مواجه می‌شود تنظیم می‌کنیم و می‌بینیم چه اتفاقی رخ می‌دهد. در تمام این فرایند چیزی عمیقاً بیکنی وجود دارد. ما با یک نظریه جامع درباره هوش آغاز نمی‌کنیم و سپس ذهن مصنوعی را از اصول نخستین می‌سازیم. ما چیزی عظیم می‌سازیم، آن را با انباشت باقی‌مانده تمدن آموزش می‌دهیم و با شگفتی درمی‌یابیم که می‌تواند درباره شوپنهاور گفت‌وگو کند.
اما همین که ماشین شروع به رفتار هوشمندانه می‌کند، تجربه‌گرایی دیگر کافی نیست. بلافاصله به سراغ مفاهیم می‌رویم. هوش چیست؟ استدلال چیست؟ آیا ماشین جملاتی را که تولید می‌کند درک می‌کند؟ تفاوت میان شبیه‌سازی و شناخت چیست؟ آیا آگاهی می‌تواند از محاسبات پدیدار شود؟ وقتی می‌گوییم یک سامانه مصنوعی قصد و نیت دارد، منظورمان چیست؟ در این مرحله، مهندسان آرزو می‌کنند در کلاس‌های فلسفه توجه بیشتری کرده بودند و فیلسوفان نیز احساس خوشایندی پیدا می‌کنند که ناگهان دوباره همه به آن‌ها نیاز دارند.
بنابراین جالب‌ترین کارها در هوش مصنوعی در مرز میان ساختن چیزها و فهمیدن ساخته‌ها رخ می‌دهد. این حوزه به تجربه‌گرایانی نیاز دارد که آن‌قدر عمل‌گرا باشند که بدون انتظار برای یک فلسفه کامل ذهن دست به آزمایش بزنند، اما هم‌زمان به خردگرایانی نیاز دارد که آن‌قدر بلندپرواز باشند که بر نتایج تجربی گیج‌کننده نظم مفهومی تحمیل کنند. وفاداری افراطی به هر یک از این دو سنت مشکل‌ساز است. تجربه‌گرایی محض ممکن است ماشین‌هایی بسیار قدرتمند تولید کند که کسی واقعاً آن‌ها را درک نمی‌کند. خردگرایی محض نیز ممکن است نظریه‌های زیبایی درباره هوش بسازد که نمی‌توانند شبکه عصبی را از یک توستر تشخیص دهند.
خلق‌وخوی فکری بریتانیا به‌طور سنتی در سکونت در این فضای ناخوشایند میانی توانمند بوده است. بریتانیا فلسفه قاره‌ای را جذب کرد، اما هرگز کاملاً قاره‌ای نشد. دانشگاه‌های آن کانت را تدریس کردند، در حالی که همچنان بدگمان بودند کسی که برای اثبات مقوله‌های فهم انسانی به ۸۰۰ صفحه نیاز دارد، شاید از یک ویراستار سود می‌برد. فلسفه تحلیلی بریتانیا بعدها دقت مفهومی چشمگیری را دنبال کرد، اما بی‌صبری تجربه‌گرایانه مشخصی نسبت به افراط‌های متافیزیکی را نیز حفظ کرد. برتراند راسل می‌توانست درباره بنیان‌های منطقی ریاضیات بیندیشد و هم‌زمان برای اهداف سیاسی فعالیت کند؛ آلن تورینگ می‌توانست از منطق ریاضی به مهندسی ماشین‌ها برسد؛ جان مینارد کینز می‌توانست درباره احتمال، اقتصاد، سیاست و فلسفه بنویسد و در عین حال زمانی برای پیش‌بینی موفق ارزها داشته باشد.
تورینگ شاید نمونه نمادین این رویکرد باشد. سهم بنیادین بریتانیا در هوش مصنوعی در اعلام یک متافیزیک جامع درباره آگاهی ماشین‌ها خلاصه نمی‌شد. تورینگ در عوض راهکاری ارائه کرد که اساساً حرکتی بسیار بریتانیایی بود: دست از بحث بی‌پایان درباره معنای واقعی فکر کردن بردارید و آزمونی طراحی کنید. اگر ماشینی بتواند چنان گفت‌وگو کند که نتوانیم به‌طور قابل اعتماد آن را از یک انسان تشخیص دهیم، شاید چیزی ارزشمند آموخته باشیم. فیلسوفان می‌توانند بعداً، ترجیحاً هنگام شام، به بحث‌های خود ادامه دهند.
این ترکیب پیچیدگی مفهومی و بی‌اعتنایی عملی، در هوش مصنوعی بسیار ارزشمند است. بهترین پژوهشگران اغلب باید هم‌زمان نگرش‌هایی ظاهراً متناقض داشته باشند. باید پرسش‌های نظری را جدی بگیرند، اما آماده باشند دریابند نظریه اشتباه بوده است. باید آن‌قدر به انتزاع‌ها باور داشته باشند که سامانه‌های بلندپروازانه بسازند و آن‌قدر به آن‌ها بی‌اعتماد باشند که آن‌ها را با واقعیت بیازمایند. باید بتوانند با همان اطمینان بگویند «ریاضیات نشان می‌دهد این باید کار کند» و «خب، آشکارا کار نمی‌کند؛ پس ما چه چیزی را نفهمیده‌ایم؟»
ویژگی دیگری از آموزش بریتانیایی نیز ممکن است به‌طور غیرمنتظره‌ای سودمند باشد: فرهنگ استدلال و بحث. در بهترین حالت، آموزش دانشگاهی بریتانیا صرفاً جذب اطلاعات نیست؛ بلکه وادار شدن به دفاع از گزاره‌ها در برابر افراد باهوشی است که از نظر نهادی تشویق شده‌اند با آن‌ها مخالفت کنند. سنت‌های آموزشی آکسفورد و کمبریج نمونه‌های افراطی این عادت هستند، اما این ویژگی در فرهنگ دانشگاهی بریتانیا گسترده‌تر نیز وجود دارد. دانشجویی روز سه‌شنبه با اطمینان مطلبی می‌نویسد و روز چهارشنبه درمی‌یابد چرا آن مطلب بی‌معنی بوده است.
وقتی این روش به‌درستی عمل کند، نوعی واکنش فکری ایجاد می‌کند که در عصر ماشین‌هایی که قادر به تولید نثر بسیار متقاعدکننده هستند، روزبه‌روز ارزشمندتر می‌شود. پرسش مهم دیگر فقط این نیست که آیا یک استدلال هوشمندانه به نظر می‌رسد یا نه. هوش مصنوعی هوشمند به نظر رسیدن را بسیار ارزان کرده است. پرسش‌های مهم این است که آیا مقدمات درست هستند، آیا شواهد از نتیجه‌گیری پشتیبانی می‌کنند، آیا توضیح جایگزینی نادیده گرفته شده و آیا نتیجه‌گیری زیبا با واقعیت ارتباطی دارد یا نه. روش آموزشی مبتنی بر گفت‌وگو عملاً قرن‌ها پیش از وجود مدل‌های زبانی دچار توهم، به دانشجویان آموزش می‌داد که مدل‌های زبانی دچار توهم را بررسی کنند.
آموزش بریتانیایی همچنین رابطه‌ای خاص با تخصص‌گرایی دارد. دانشگاه پژوهش‌محور مدرن ناگزیر تخصص محدود را تشویق می‌کند و بریتانیا نیز از این گرایش مصون نیست. با این حال، همچنان تحسین فرهنگی خاصی برای کسی وجود دارد که میان مرزهای رشته‌ای حرکت می‌کند. فیلسوفی که اندکی ریاضیات می‌داند، ریاضیدانی که به سیاست علاقه دارد، کلاسیک‌خوانی که دانشمند رایانه می‌شود و فیزیکدانی که درباره آگاهی دیدگاه‌های ناخوشایندی مطرح می‌کند، همچنان تیپ‌های آشنای دانشگاهی بریتانیا هستند. گاهی این امر به چنددانشی الهام‌بخش منجر می‌شود و گاهی به آماتوریسمی چشمگیر. هوش مصنوعی از آن حوزه‌هایی است که مرز میان این دو دائماً در حال بازتعریف است.
هوش مصنوعی دقیقاً به چنین گستردگی فکری پاداش می‌دهد، زیرا هنوز کسی نمی‌داند بینش‌های تعیین‌کننده از کجا خواهند آمد. علوم رایانه آشکارا اهمیت دارد، اما ریاضیات، علوم اعصاب، زبان‌شناسی، روان‌شناسی، فلسفه، اقتصاد، حقوق و نظریه سیاسی نیز مهم هستند. پرسش‌های مربوط به هم‌راستاسازی هوش مصنوعی به‌سرعت به پرسش‌های فلسفه اخلاق تبدیل می‌شوند. پرسش‌های مربوط به عامل‌های خودمختار به اقتصاد و نظریه بازی مربوط می‌شوند. پرسش‌های مربوط به تنظیم‌گری هوش مصنوعی به ساختار قانون اساسی و حقوق اداری بازمی‌گردند. پرسش درباره اینکه آیا ماشین‌ها ذهن دارند، ناگهان ما را به دکارت، هیوم و ویتگنشتاین بازمی‌گرداند.
آرمان آموزشی بریتانیا، تا آنجا که هنوز باقی مانده است، فردی را تشویق می‌کند که هنگام مواجهه با چنین مسئله‌ای، از هر قفسه فکری که چیزی مفید در آن باشد بهره بگیرد. این رویکرد الزاماً نظام‌مند نیست. یک روشنفکر فرانسوی ممکن است به‌درستی خواهان یک نظریه باشد؛ یک پژوهشگر آلمانی ممکن است معماری مفهومی بخواهد؛ یک کارآفرین آمریکایی ممکن است محصول بخواهد. اما دانشگاهی بریتانیایی به‌طور سنتی یک فنجان چای دیگر می‌خواهد و شروع به جست‌وجو در پاورقی‌ها می‌کند.
موضوع دیگری نیز وجود دارد: شک‌گرایی. فلسفه بریتانیا سابقه‌ای درخشان در پرسش از این دارد که آیا واقعاً چیزهایی را که با اطمینان تصور می‌کنیم می‌دانیم یا نه. هیوم این عادت را تقریباً تا حد نگران‌کننده‌ای پیش برد. ما باور داریم علت‌ها معلول ایجاد می‌کنند، آینده شبیه گذشته خواهد بود و یک خودِ پیوسته جهان را تجربه می‌کند؛ اما اثبات این گزاره‌ها بسیار دشوارتر از چیزی است که انتظار داریم. هوش مصنوعی شاید در زمان بهتری برای شک‌گرایی هیومی ظهور نمی‌کرد.
مدل‌های زبانی بزرگ دائماً ما را با تفاوت میان دانش ظاهری و دانش موجه روبه‌رو می‌کنند. آن‌ها می‌توانند جملاتی بسیار پیچیده تولید کنند که با وجود این ممکن است نادرست باشند. انسان‌ها نیز، به‌طرز ناخوشایندی، همیشه چنین قابلیتی داشته‌اند. بنابراین هوش مصنوعی معرفت‌شناسی را از موضوعی دانشگاهی که با ترس ملایمی مطالعه می‌شد، به مسئله‌ای عملی روزمره تبدیل می‌کند. چگونه می‌دانیم؟ چه چیزی شواهد محسوب می‌شود؟ چه زمانی باید به اطمینان اعتماد کرد؟ عدم قطعیت چگونه باید بیان شود؟ سنت تجربه‌گرایی بریتانیا قرن‌هاست درباره این پرسش‌ها نگران است.
با این حال، تجربه‌گرایی به‌تنهایی نمی‌تواند این بار را تحمل کند. توانایی‌های خارق‌العاده سامانه‌های مدرن هوش مصنوعی دقیقاً به همان نوع استدلال مفهومی بلندپروازانه‌ای نیاز دارد که معمولاً با فلسفه قاره‌ای مرتبط دانسته می‌شود. تلاش کانت برای شناسایی ساختارهایی که ذهن‌ها از طریق آن‌ها تجربه را سازمان‌دهی می‌کنند، زمانی که مهندسان سامانه‌های مصنوعی با بازنمایی‌های درونی از جهان می‌سازند، ناگهان کمتر تاریخی و دور از دسترس به نظر می‌رسد. بررسی‌های پدیدارشناسی درباره آگاهی نیز وقتی مردم می‌پرسند آیا عامل‌های مصنوعی می‌توانند تجربه‌ای ذهنی داشته باشند، اهمیت تازه‌ای پیدا می‌کند.
مزیت ذهن پرورش‌یافته در بریتانیا، پس، این نیست که خردگرایی قاره‌ای را رد می‌کند، بلکه شاید این باشد که از نظر فرهنگی تمایل دارد بخش‌هایی از آن را به‌صورت گزینشی وام بگیرد. بریتانیا همواره مانند زاغی فکری بوده است: ایده‌های فرانسوی، نظریه‌های آلمانی، فناوری‌های آمریکایی، ریاضیات هندی، فلسفه یونانی و هر چیز دیگری را که در دسترس باشد برمی‌دارد و آن‌ها را به چیزی تبدیل می‌کند که به شکلی اطمینان‌بخش بداهه به نظر می‌رسد.
به همین دلیل این بحث نمی‌تواند منطقی باشد که نژادی یا حتی صرفاً ملی تلقی شود. یک نیجریه‌ای که در ادینبرو تحصیل می‌کند، یک هندی در کمبریج، یک لهستانی در آکسفورد یا یک دانشجوی چینی در امپریال می‌تواند همین عادت‌های فکری را به اندازه فردی متولد ساری به دست آورد. برعکس، فردی می‌تواند از بدو تولد گذرنامه بریتانیایی داشته باشد، بدون آن‌که کوچک‌ترین نشانه‌ای از تجربه‌گرایی، خردگرایی یا حتی کنجکاوی داشته باشد. سنت‌های آموزشی، نهادها و عادت‌ها هستند، نه کروموزوم‌ها.
بریتانیا نیز انحصاری بر ویژگی‌های فکری مورد نیاز هوش مصنوعی ندارد. دانشگاه‌های آمریکا فرهنگ فوق‌العاده‌ای از آزمایش و کارآفرینی دارند. نهادهای فرانسوی سنت‌های قدرتمند ریاضی را حفظ کرده‌اند. دانشگاه‌های آلمان همچنان عمق چشمگیری در فلسفه و علوم نظری دارند. هند ذخایر عظیمی از استعدادهای ریاضی و مهندسی دارد. چین نیز توان پژوهشی در مقیاسی توسعه داده که نمی‌توان آن را نادیده گرفت. بین‌المللی شدن روزافزون پژوهش هوش مصنوعی، ادعاهای ملی درباره برتری فکری را بسیار بی‌معنا می‌کند.
با این حال، فرهنگ‌های آموزشی مختلف واکنش‌های فکری متفاوتی ایجاد می‌کنند و موقعیت تاریخی خاص بریتانیا ممکن است ترکیبی سودمند ساخته باشد. زندگی فکری بریتانیا قرن‌ها میان عملی و نظری، اروپا و آمریکا، فلسفه و مهندسی، سنت و نامتعارف بودن معلق بوده است. این فرهنگ تجربه‌گرایانی شیفته انتزاع‌ها و نظریه‌پردازانی بدگمان به نظریه‌ها تولید کرده است. نیوتن و هیوم، راسل و تورینگ را در کنار هم پرورش داده است. ضعف فکری مشخص آن، یعنی هرگز کاملاً به هیچ نظام بزرگی متعهد نشدن، ممکن است در حوزه‌ای که هر نظام بزرگ تقریباً شش ماه پس از انتشار منسوخ می‌شود، به یک مزیت تبدیل شود.
شاید درس عمیق‌تر این باشد که هوش مصنوعی به احیای تصور قدیمی‌تری از آموزش نیاز دارد. آینده شاید نه به برنامه‌نویسانی با آموزش بسیار محدود و نه به فیلسوفانی جدا از فناوری تعلق داشته باشد، بلکه به افرادی تعلق دارد که بتوانند میان رشته‌ها و شیوه‌های تفکر مختلف روان حرکت کنند. آن‌ها به ریاضیات بدون تقلیل‌گرایی ریاضی، فلسفه بدون افراط متافیزیکی، مهندسی بدون دید تونلی و علوم انسانی بدون نوستالژی فناورانه نیاز خواهند داشت.
این ویژگی اتفاقاً شبیه یکی از بهترین نسخه‌های آرمان آموزشی بریتانیا است: گسترده، اهل بحث، تجربی، کنجکاو نسبت به نظریه، اندکی نامتعارف و همیشه بدگمان به هر کسی که ادعا می‌کند پاسخ نهایی را در اختیار دارد.
در این موضوع چیزی به‌طرزی خوشایند مناسب وجود دارد. هوش مصنوعی ممکن است مهم‌ترین فناوری باشد که بشر تاکنون ساخته است، و با این حال هنوز کاملاً نمی‌دانیم چرا برخی بخش‌های آن کار می‌کنند. ما ماشین‌هایی می‌سازیم که می‌توانند استدلال کنند، بنویسند، محاسبه کنند، ترجمه کنند، برنامه‌نویسی کنند و گفت‌وگو کنند، در حالی که هم‌زمان درباره معنای واژه «هوش» بحث می‌کنیم. این ترکیبی شگفت‌انگیز از دستاورد فناورانه و سردرگمی فلسفی است.
به بیان دیگر، این دقیقاً همان نوع آشفتگی‌ای است که یک آموزش بریتانیایی باید در آن احساس راحتی کند.