هوش مصنوعی : ماهیت وجودی بازگشت به صفحه اصلی

ااگرچه ممکن است گمراه کننده باشد، اما نام هوش مصنوعی نامی بسیار موفق است که پشت آن پروژه‌ای فنی و سیاسی برای حفظ نظم صنعتی (و اکنون مالی) قرار دارد؛ نظمی که در درون تسلسل اجباری بحران‌های جهانی (اقتصادی، بهداشتی، اقلیمی، محیط زیستی، ژئوپلیتیک) به درجه‌ای بی‌سابقه از بی‌مدیریتی رسیده است. بنابراین، هوش مصنوعی پروژه‌ای برای کنترل کنترل است که به طور کلی برای نیل به خیر معرفی و ارائه می‌شود. پس از مکانیزه شدن کشاورزی، خودکارسازی کارهای کارخانه‌ای و رایانه‌ای شدن مشاغل اداری، برای بیش از یک دهه و با شتاب قوی در سال‌های اخیر، شاهد فرآیند برون‌سپاری تقریبا تمام عملکردها و قابلیت‌های انسانی در توده‌ای از دستگاه‌ها هستیم که به طور کلی به عنوان «هوشمند» شناخته می‌شوند، گویی که می‌خواهند گذر از چیزی ناقص و غیرقابل اعتماد – یعنی زندگی و تجربه انسانی – به چیزی کاملاً کنترل شده و کارآمد را زیر سؤال ببرند. این در حال پیاده‌سازی در سطوحی افراطی است که تاریخ‌نگار فناوری دیوید نوبل در سال 1995 آن را پیشرفتی بدون انسان نامیده است. به عبارت دیگر، در تلاش هستند تا رؤیایی را که سایبرنتیک از دهه 1940 دنبال کرده است، محقق کنند: مدیریتی خوب از امور که به طور قطعی عدم قطعیت‌ها، تناقضات، نقص‌ها، تأخیرها و غیرقابل پیش‌بینی بودن عمل انسانی را پشت سر می‌گذارد. مدیریتی که موجب حذف تدریجی مشارکت انسانی از رویدادهای مهم می‌شود، به همراه افزایش موجودات مصنوعی که به عنوان نگهبانان یا معلمان ما عمل می‌کنند و از ما تمام مسئولیت و امکان درک واضح آنچه در اطراف ماست را می‌گیرند. آنچه تا کنون گفته شده است، در زمینه تاریخ علم، به ویژه در قرن گذشته، معنای خاصی پیدا می‌کند؛ جایی که تکنیکالیزه شدن تولید دانش (که به طور گسترده از عصر اتمی آغاز شد) تمایز بین علم و فناوری را تا حد زیادی منسوخ کرده است. به گونه‌ای که اصطلاح «تکنوساینس» اغلب برای اشاره به نوع رویه‌هایی که ویژگی‌های بیشتر فعالیت‌های علمی امروز را مشخص می‌کنند، به کار می‌رود: یعنی مجموعه‌ای از پروتکل‌های دستکاری که نه بر اساس نظریه‌ای از پیش موجود، بلکه با هدف دستیابی به اهداف از پیش تعیین شده، با ترکیب ابزارهای فناوری، دانش‌های مختلف گردآوری شده از علوم کلاسیک و معیارهای تجربی، طراحی می‌شود. یک جنبه روش‌شناختی خاص این رویه‌ها این است که در بسیاری از موارد، رابطه بین عملیات فردی و نتیجه مطلوب نمی‌تواند به طور واقعی درک شود و بنابراین نمی‌توان آن را در مراحل فردی خود طراحی کرد، بلکه تنها به صورت تجربی بر اساس جمع‌آوری مقادیر زیادی از اطلاعات به دست می‌آید. این موضوع به عنوان مثال در زمینه بیوتکنولوژی، در رابطه بین تغییرات ایجاد شده در ساختار ژنتیکی یک ارگانیسم و نتایج فنوتیپی مورد نیاز؛ یا در زمینه نانوتکنولوژی، در رابطه بین فرآیندهای خودآرایی مولکولی و ساختارهای ماکروسکوپی نهایی، رخ می‌دهد. مسیر طولانی که از علم قدیم پدیده‌ها به تکنوساینس کنونی منتهی می‌شود، شامل تجزیه تدریجی روح علمی است، حداقل در دو سطح: از یک سو، نظریه نقش خود را به عنوان یک مدل انتزاعی و درون‌سازگار از بخش‌هایی از واقعیت پدیده‌ای از دست می‌دهد و در مواقع لازم، به یک «روایت» صرف از واقعیت تبدیل می‌شود؛ از سوی دیگر، آزمایش نیز معنای خود را به عنوان یک رویه کنترل شده که توسط نظریه هدایت می‌شود و به جنبه‌های خاصی از رابطه انسان و جهان اعمال می‌شود، از دست می‌دهد و به یک تکنیک مداخله در خود جهان و بنابراین بر انسان، عمدتاً از طریق دنباله‌ای از آزمایش‌ها و خطاها، تبدیل می‌شود. در این سناریو، پروژه هوش مصنوعی به توانایی روزافزون دسترسی و دستکاری مواد مختلف از طریق الگوریتم‌های آماری پیچیده اختصاص داده شده است تا هوش انسانی را شبیه‌سازی کند. بنابراین، هوش مصنوعی یک ابزار جدید نیست که توضیحات جایگزینی از پدیده‌ها ارائه دهد، بلکه شبیه‌سازی‌های مختلفی از آن‌ها تولید می‌کند، بدون اینکه ما قادر به درک نحوه انجام این کار باشیم. بیایید با مرور سریع برخی مراحل تاریخی، به این واقعیت نگاهی دقیق‌تر بیندازیم. هوش مصنوعی در دهه 1943 تا 1953 با تولد جنبش سایبرنتیک و تلاش‌ها برای مدل‌سازی شناخت انسانی از طریق محاسبات نمادین مکانیکی، یک جهش قابل توجه را تجربه کرد. اصطلاح هوش مصنوعی برای اولین بار در سال 1955 توسط جان مک‌کارتی، دانشمند کامپیوتر و شاگرد جان فون نویمان، در کنفرانس دارتموث ابداع شد. این کنفرانس که به درخواست تأمین مالی به بنیاد راکفلر برگزار شد، با «حدس این که هر جنبهای از یادگیری یا هر ویژگی دیگری از هوش می‌تواند به گونه‌ای دقیق توصیف شود که بتوان آن را با یک ماشین شبیه‌سازی کرد» توجیه شده بود. همان طور که می‌دانیم، این برنامه شکست خورد (برای مدتی از آن به عنوان زمستان هوش مصنوعی یاد می‌شد)، اما در همین حین، منابع و قدرت محاسباتی به طور نمایی رشد کردند، به طوری که نتیجه نهایی ظهور نوع جدیدی از هوش مصنوعی بود که دیگر بر اساس «قواعد» صریح برای مدل‌سازی شناخت انسانی نبود، بلکه بر اساس الگوریتم‌های بهینه‌سازی آماری بود که توسط شبکه‌های عصبی پیاده‌سازی می‌شدند و قادر بودند به طور خودکار قواعد خود را بر اساس مقادیر زیادی از داده‌ها (یادگیری ماشین) تعیین کنند. نحوه‌ای که این دستگاه‌ها یک تصویر را شناسایی می‌کنند یا مجموعه‌ای از داده‌ها را برای طبقه‌بندی رفتار یک کاربر انتخاب می‌کنند، به طور مثال، توسط طراح تعیین نمی‌شود، بلکه به نوعی خودجوش ایجاد می‌شود. این فرآیند دیگر هیچ ارتباطی با استنتاج منطقی-نمادین ندارد، بلکه شامل یک دینامیک پیچیده است که همبستگی‌ها را بین رشته‌های داده شناسایی می‌کند بر اساس اطلاعات احتمالی در مورد اینکه چگونه رشته‌ها در توده داده‌هایی که شبکه با آن آموزش دیده است، ترکیب می‌شوند. به ویژه، این رویه‌ها کاملاً عاری از ارجاعات به زمینه و معنا هستند، که در عوض معیارهای اصلی انتخاب و قضاوت انسانی هستند. بنابراین، وظیفه در درجه اول انجام کارها به سریع‌ترین شکل ممکن بدون درک آن‌هاست، به طوری که می‌توان گفت تنها «خلاقیت»ی که توسط هوش مصنوعی ابراز می‌شود، تنها خطا است. در سطح ابزاری، هوش مصنوعی بنابراین انتقالی را از ماشین به عنوان یک نمایش و پیاده‌سازی انتزاعی و ساده شده از فرآیندهای پیچیده واقعیت پدیده‌ای، به ماشین به عنوان یک مدل هنجاری، به عنوان مثالی برای انطباق و وابستگی، بدون امکان درک آن، نشان می‌دهد. به هر حال، رهایی از سختی روح علمی واقعی، میان دانشمندان کامپیوتر هیجان زیادی ایجاد کرده است. اما نتیجه معکوس است! هوش مصنوعی «فراتر» از روش علمی نمی‌رود و ابزارهای دانش جایگزین ارائه نمی‌دهد. بلکه، کسوف این روش‌ها یک شرط مقدماتی برای تأیید آن است: به این معنا، هوش مصنوعی یک نوآوری پسا-علمی است. چندین نویسنده تأکید کرده‌اند که جستجوی همبستگی‌ها از طریق داده‌کاوی (و بدون «راهنمای مفهومی») می‌تواند «هر چیزی» را فاش کند به شرطی که مقدار کافی داده در دسترس باشد. به دلیل اینکه پایگاه‌های داده کنونی به طور غول‌آسا بزرگ هستند، آن‌ها باید همبستگی‌های دلخواهی را شامل شوند، که بیشتر آن‌ها، با این حال، کاذب هستند، یعنی تنها از تعداد ناشی می‌شوند و نه از ماهیت داده‌ها (این را می‌توان با استفاده از نظریه رمزی، شاخه‌ای از ترکیبات که هدف آن کشف الگوهای منسجم در میان گروه‌های عددی متعدد است، دقیق‌تر کرد: به عنوان مثال، اگر شش مهمان را به شام دعوت کنید، پس قطعاً یک سه تایی همبسته وجود خواهد داشت که در آن همه یکدیگر را می‌شناسند یا هیچ کس یکدیگر را نمی‌شناسد.) اکنون، در حالی که اهمیت این مثال‌ها می‌تواند به راحتی توسط عقل سلیم رد شود، در بسیاری از زمینه‌ها مانند یادگیری مدرسه، بهداشت، حقوق و جنگ، از این نوع تحلیل‌های الگوریتمی برای پیش‌بینی و اتخاذ تصمیمات استفاده می‌شود. یک گام کلیدی در شکل‌گیری تکنولوژیکی کنونی جهان در واقع تلاش برای انتقال از ماشین‌هایی است که از وظایف و اهداف انسانی حمایت می‌کنند، به ماشین‌هایی که نیت‌ها و تصمیمات انسانی را شبیه‌سازی می‌کنند، از طریق الگوریتم‌هایی که به آن‌ها یک عملکرد پیش‌بینیکننده اختصاص داده شده است. بنابراین، درهم تنیدگی غیرقابل اجتناب همبستگی‌های معنادار و همبستگی‌های کاذب در داده‌های کلان، این نوع تصمیم‌گیری را بعدی به طور مشهود غیرمنطقی می‌کند، زیرا بر اساس ایده «روانی» است که همه ارتباطات معنادار هستند، بدون توجه به شناسایی پیوندهای علّی. و این بعد ساختاری است و به ناکارآمدی‌ها یا نادرستی‌های قابل تغییر فنی مربوط نمی‌شود. در نتیجه، ستاره‌شناسان الگوریتمی مدرن، پیش‌بینی‌های خود را از طریق محاسبات موقعیت سیارات در چهارگوشه‌هایی که در هنگام تولد یک فرد وجود دارد، انجام نمی‌دهند، بلکه از طریق پروفایل‌سازی و تحلیل آماری حرکات صورت او، واکنش‌های او به محرک‌های مختلف، کلیک‌های او، جستجوهای او، معاملات او، و حرکات او در فضای مجازی و واقعی، با نوعی پیش‌گویی الگوریتمی که به یک دستگاه تصمیم‌گیری و حکمرانی ترجمه می‌شود (می‌توان از احیای الگوریتمی علوم شبه علمی قدیمی مانند فرنولوژی و فیزیولوژی سخن گفت). برای اتخاذ تصمیمات در مورد زندگی مردم، نرم‌افزارهایی به طور فزاینده‌ای استفاده می‌شوند که تصور می‌شود قادر به پیش‌بینی این هستند که آیا یک شهروند مرتکب جرم خواهد شد یا آن را تکرار خواهد کرد، آیا یک دانش‌آموز زودتر از مدرسه خارج خواهد شد، آیا یک نامزد شغلی به اندازه کافی همکاری خواهد کرد، آیا یک بدهکار بالقوه وام را بازپرداخت خواهد کرد، یا آیا یک فرد به مراقبت‌های پزشکی خاصی نیاز خواهد داشت، و این بر اساس همبستگی‌های بین داده‌های مختلف، بدون هیچ ارجاعی به زمینه. فقط چند مثال، که در ادبیات گزارش شده است. ممکن است با از دست دادن واسطه‌گری نظریه، عمل تکنوساینتی تبدیل به نوعی دستکاری مطلق جهان می‌شود، حتی بدون درک آن، و به این ترتیب واقعیتی روزافزون آنومیک و غیرقابل درک را ایجاد می‌کند که مداخلات فنی بیشتری را توجیه می‌کند و در یک گرداب بی‌ پایان ادامه می‌یابد. یک بعد توتالیتری و غیرمنطقی به طور کلی ظاهر می‌شود که پیش درآمدی برای یک معکوس کامل در بار اثبات را به وجود می‌آورد و معیاری مشابه با محاکمات جادوگری را دوباره معرفی می‌کند. باید توجه داشت که همین بعد غیرمنطقی در ابزارهای انتخاب و نابودی هدف‌ها در جنگ‌های روباتیک کنونی نیز وجود دارد. قدرت و توانایی «تصمیم‌گیری» درباره اینکه چه کسی مالیات ندهد یا چه کسی به مراقبت‌های پزشکی خاصی نیاز دارد، به طور کامل به قدرت و توانایی «تصمیم‌گیری» درباره اینکه چه کسی می‌تواند زندگی کند و چه کسی باید بمیرد، بر اساس تحلیل‌های خودکار در زمان واقعی از حجم انبوهی از داده‌ها در مورد همه چیزهایی که در یک منطقه زندگی می‌کنند و حرکت می‌کنند، مرتبط است. این امر به سرعت هدف‌های مورد حمله را با اختصاص نمره به افراد، اشیاء و ساختمان‌ها که احتمال ارتباطات ادعایی با دشمن ادعایی را اندازه‌گیری می‌کند، تولید می‌کند (ذهن به طور طبیعی به نسل کشی وحشتناک در غزه در این ماه‌ها می‌رسد). به طور کلی، باور به اینکه می‌توان آینده اقدامات یک شخص زنده را درست مانند پیش‌بینی وقوع رشته‌های خاصی از متن در یک پایگاه داده پیش‌بینی کرد، معادل این است که باور کنیم بعد زمان بخشی از تجربه انسانی نیست. از این منظر، سازگاری با مدیریت الگوریتمی امور تأثیر محدود و فقیرکننده‌ای بر جنبه‌های اساسی زندگی انسانی دارد. بنابراین، در جهت مخالف روایت‌هایی که هر اختراع تکنولوژیکی جدید را به عنوان آورنده پتانسیل‌های جدید توصیف می‌کنند، ما شاهد نه تنها تخلیه سیستماتیک امکان اینکه چیزی متفاوت از آنچه اکنون در حال رخ دادن است، در آینده رخ دهد، بلکه در واقع یک پسرفت هستیم، همچنین با توجه به «اصل ثبات»: الگوریتم‌ها در شرایطی که متغیرهای درگیر در هوش مصنوعی به جهانی منظم و همگام نیاز دارد، بهتر عمل می‌کنند. بنابراین، ایده‌آل بودن سودمندی تکنولوژی به مادیت سودمندی برای تکنولوژی معکوس می‌شود: از ماشین در خدمت انسان به انسانی که به عنوان ترمینالی از یک دستگاه که او را فراتر از خود می‌برد و او را تحت فشار قرار می‌دهد. استفاده از اصطلاح «هوش مصنوعی» به درستی توسط برخی نویسندگان (مانند اریک سادین) به عنوان یک عمل فشاری بی‌مورد مورد انتقاد قرار گرفته است، اما اکنون می‌بینیم که این فشار هر روز بیشتر با واقعیت هم‌راستا می‌شود. به ویژه، اغلب گفته می‌شود که الگوریتم‌ها می‌توانند زمینه تصمیمات عمومی، نتایج رأی‌گیری‌ها، انتخاب‌های مردم و غیره را تحت تأثیر قرار دهند و بنابراین باید با «کدهای اخلاقی» مناسب تنظیم شوند. اما این مسائل کاملاً وابسته هستند و راه‌حل‌های پیشنهادی اغلب کاملاً توهمی هستند. نکته واقعی این است که تصمیم‌گیری الگوریتمی و بازخورد مستمر آن بر خودکارسازی انسان، خود به تخریب سیاست منجر می‌شود. کاهش شهروندان سابق به کبوترهایی در جعبه اسکینر، بُعد بحث عمومی را از بین می‌برد و تنوع انسانی را به یک ترکیب چند گزینه‌ای از شخصیت‌ها کاهش می‌دهد. چون ماشین‌ها از داده‌هایی که توسط ردپای وجودی ما تولید می‌شوند تغذیه می‌کنند، نه تنها ما کهنه می‌شویم، به دلیل سرعت فزاینده تحولات در حال وقوع، بلکه به یک ابتدایی جدید پسرفت می‌کنیم، زیرا ما کمتر قادر خواهیم بود که بفهمیم چرا چیزها به گونه‌ای که هستند، رخ می‌دهند و حتی کمتر قادر خواهیم بود که چارچوب کلی را که فرآیندهای تصمیم‌گیری، پیش‌بینی و تنظیم را که ما را اداره می‌کند، درک کنیم. به طور خلاصه، ما توانایی‌های شناختی و ارتباطی را که تمدن ما را ساخته است، از دست می‌دهیم. متأسفانه، بحث در این موضوعات در رسانه‌های اصلی غربی بسیار ضعیف است و همیشه محدود به ترکیب‌های مختلف از همان چند واژه کلیدی است، مانند فرصت‌ها و خطرات، که معمولاً با معنای نسبتاً محدودی استفاده می‌شوند. اما با توجه به وسعت تحولات در حال وقوع، ضروری است که جوامع انسانی تلاش کنند تا مسائل بنیادی نهفته را بحث و درک کنند. برای مردم اروپا به ویژه، به نظر می‌رسد که فرار از پسرفت در حال حاضر، که امروز بیشتر و سریع‌تر شناسایی می‌شود و به خوبی در رویدادهای گذشته مؤثر بوده است، ضروری است. بنابراین، در چنین شرایطی، راهی امیدوار کننده می‌تواند پردازش عملکردهای حجیم داده پایدار و قابل پیش‌بینی باشد. تفکر، با فرایندی عجیب و غریب که فروپاشی ایدئولوژی صنعتی و سرمایه‌داری غربی را همراهی و تشدیدش کرده است: مانند تحقیر سنت، تمایل به پاکسازی فرهنگی گذشته، تحمیل ترنسجندر بودن به عنوان یک اصل جهانی غیرقابل گریز، مدیریت فزاینده پایداری شوینده تمایلات مؤثر فرآیندهای ناپایدار در محیط (آنچه در آن محیط رخ می‌دهد)، رانندگی خودکار و ابزارهای دیگر. ما باید به فرهنگ لازم گذشته نگاه باز کنیم تا یک جهان نوگوی زنده‌تر فراتر از تاریخ فروپاشی برق‌آسای کنونی برقرار کنیم تا جامعه فهرستی از پسا-صنعتی و پسا-سیاست را آغاز کنیم. برای ملت‌ها، مانند ملت شما، که به دلیل قدرت سنت‌های فرهنگی خود از انحطاط‌های دگرگون کننده محافظت می‌شوند، شرایط می‌تواند متفاوت باشد. اما با این حال، من معتقدم که یک تأمل عمیق و یک بحث باز در مورد این سؤالات بنیادی ضروری است، به خصوص برای آگاهی از ماهیت تحولات فناوری در مقیاس وسیع که به طور خودکار و غیرقابل کنترل به سمت انسانی شدن پیش می‌روند.

هوش ماشینی

مدیریت ساختار های فنی جهان