Przewodniczący Google DeepMind i główny naukowiec Alphabet Demis Hassabis o ludzkim mózgu: „biologiczne przybliżenie maszyny Turinga”

Demis Hassabis zbudował karierę, traktując ludzki mózg jako jedyny sprawdzony wzorzec inteligencji ogólnej. W tym tygodniu fragment jego wypowiedzi stał się symbolem wszystkiego, co zdaniem krytyków branża AI błędnie rozumie w kwestii umysłu. Pełne zdanie, z którego pochodzi, ma jednak węższy zakres i mówi więcej niż wyrwany z kontekstu cytat, który obiegł media.

„biologiczne przybliżenie maszyny Turinga”.

To sformułowanie stanowi punkt wyjścia eseju Benjamina Rileya w „The Verge” pod tytułem „Our minds aren’t equipped to handle AI”. Riley zaczyna od słów pioniera cybernetyki Norberta Wienera: „Myśl każdej epoki znajduje odzwierciedlenie w jej technice”, po czym wskazuje Hassabisa — obecnie przewodniczącego Google DeepMind i głównego naukowca Alphabet — jako najwyrazistszy przykład branży, która, patrząc na czaszkę, dostrzega własne maszyny. Sam cytat pochodzi z rozmowy z Jamesem Manyiką, opublikowanej w tym roku w „Dædalus”, czasopiśmie American Academy of Arts and Sciences.

Co mówi pełne zdanie

W „Dædalus” Hassabis wyjaśniał, co oznacza dla niego AGI. Definiuje ją jako „system, który wykazuje wszystkie zdolności poznawcze ludzkiego umysłu”, ponieważ mózg jest „jedynym znanym nam dotąd dowodem na istnienie — być może w całym wszechświecie — możliwości inteligencji ogólnej”. Dalej pada pełne zdanie: „Mózg można postrzegać jako biologiczne przybliżenie maszyny Turinga, co oznacza, że teoretycznie mógłby nauczyć się wszystkiego, co jest obliczalne”. W kolejnym zdaniu pojawia się zastrzeżenie. Każdy skończony system wymaga „pewnego stopnia specjalizacji, ponieważ czas, pamięć i informacje są ograniczone”.

W takim ujęciu nie chodzi o twierdzenie, że ludzie są laptopami. To teza o możliwościach mózgu, o tym, czego mógłby się nauczyć w teorii, a zarazem swoista specyfikacja inżynieryjna. Jeśli mózg jest maszyną referencyjną, AGI musi dorównywać mu pełnym zakresem możliwości. Hassabis szkicuje nawet egzamin: wytrenować model z wiedzą ograniczoną do 1910 roku i sprawdzić, czy dojdzie do ogólnej teorii względności, tak jak Einstein w 1915 roku. „Na razie odpowiedź brzmi: zdecydowanie nie” — mówi.

Krytyka dotyczy innego poziomu

Zarzut Rileya dotyczy czegoś innego. Powołując się na Paula Cisaka, neurobiologa z University of Montreal, argumentuje on, że mózg lepiej rozumieć jako system sterowania oparty na sprzężeniu zwrotnym: oddziałuje na świat, by zmieniać to, co postrzega, a jego działanie kształtowały najpierw ewolucja, a potem kultura — naśladownictwo, język, pismo i szkoły. W tym ujęciu chatbot, który wykonuje za nas wymagającą wysiłku część myślenia, jest „poznawczym hot dogiem”: w danej chwili kusi, ale spożywany regularnie działa wyniszczająco. Riley przywołuje słowa Leah Belsky, szefowej ds. edukacji w OpenAI, która nazwała ChatGPT „największą platformą edukacyjną na świecie”, a także badanie z Chin, w którym tysiące uczniów właściwie przestały odrabiać prace domowe, gdy zaczęły korzystać z AI.

Rozstrzygające zastrzeżenie

Najostrzejsze zderzenie argumentów kryje się w akapicie samego Hassabisa. Kilka wersów dalej stwierdza on, że kluczowe jest „potencjalne zdolności mózgu do nauczenia się niemal wszystkiego, zwłaszcza że możemy projektować i budować narzędzia oraz maszyny, które pomagają nam zdobywać wiedzę”. To zastrzeżenie stanowi sedno całego sporu. Riley tak naprawdę nie dowodzi, że porównanie do maszyny Turinga jest fałszywe. Przedstawione przez niego argumenty dotyczą narzędzi, które uczą się zamiast człowieka, zamiast pomagać mu zdobywać wiedzę. Teza o obliczalności mówi, co mózg mógłby wchłonąć w teorii. Nie odpowiada na pytanie, czy konkretny produkt wzbogaca umysł uczącej się osoby, czy go zubaża.

Pytanie to trafia teraz na biurko osoby wyznaczającej kierunek naukowy Alphabet. W sierpniu Hassabis zrezygnował z codziennego zarządzania firmą jako CEO, by skupić się na strategii i badaniach nad AGI. Jak donosił „Fortune”, powiedział pracownikom, że AGI jest blisko, a właściwe podjęcie kolejnych kroków ma kluczowe znaczenie dla ludzkości. Laboratorium, które ocenia swoje maszyny według pełnego zakresu możliwości ludzkiego mózgu, ma bezpośredni interes w tym, by ten zakres nie kurczył się u osób korzystających z tych maszyn.

Nawet przybliżenie maszyny Turinga musi być czymś programowane. W przypadku ludzi od zawsze oznaczało to powolną pracę nad zdobywaniem wiedzy — jedyny etap, który narzędzie może zarówno wspomóc, jak i po cichu ominąć.

Tagi: Demis Hassabis, Google DeepMind, AI in education, Artificial general intelligence, Turing machine