Geniální muž, který možná chyboval

Musím se s vámi podělit o něco, co mě tento týden vážně dostalo. A nutí mě to přemýšlet o umělé inteligenci úplně jinak.

Desítky let jsme měřili pokrok AI proti vizi, kterou načrtl Alan Turing v roce 1950. Jeho slavná „hra na napodobování" – dnes známá jako Turingův test – tvrdila, že pokud by počítač dokázal obelhat lidi, aby si mysleli, že mluví s jiným člověkem, byl by v podstatě „myšlení".

Zní to rozumně, že?

No, podle Petera J. Denninga – naprosto respektovaného počítačového vědce, který právě vydal novou knihu „Turing's Mistake: Escaping the Yoke of Unintelligent Machines" – jsme možná honili špatný sen posledních 75 let.

A upřímně? Když jsem si prošel jeho argumenty, myslím, že by mohl být na stopě něčemu hlubokému.

Problém těla (ano, je to důležité)

Tady je první předpoklad, u kterého si Denning myslí, že se Turing spletl: idea, že inteligence může existovat nezávisle na fyzickém těle.

Zamyslete se nad tím na chvíli. Snažíme se vytvořit inteligenci na úrovni člověka uvnitř počítačů – čistý software, který se vznáší v digitálním prostoru. Ale Denning tvrdí, že to je jako snažit se pochopit plavání studiem molekul vody. Něco podstatného vám uniká.

Když já a vy navigujeme světem, nejen zpracováváme informace. My cítíme věci. Vnímáme teplotu, cítíme strukturu kliky, zažíváme mírný vrávoravý pocit, když šlápneme na trochu nerovný chodník. Celá tahle fyzická zkušenost formuje to, jak přemýšlíme, uvažujeme a chápeme svět.

Denning poukazuje na to, že naše těla nejsou jen vozidla převážející naše mozky. Jsou nedílnou součástí toho, jak myslíme.

A tady je ta věc – tohle není žádný okrajový nápad. Filosofové o „ztělesněné kognici" mluví roky. Ale výzkum AI ji z velké části ignoroval ve prospěch čistě výpočetních přístupů.

Hádanka tichého vědění

Tady se to začíná být opravdu zajímavé (a trochu filozofické, ale slibuju, že to udržím v praktické rovině).

Denning představuje koncept „tacit knowledge" neboli tichého vědění – a je to upřímně jedna z těch myšlenek, které, jakmile je pochopíte, začnete vidět všude.

Tiché vědění je všechno to, co víte, ale nedokážete snadno vysvětlit. Jako... jak víte, přesně jaký tlak aplikovat při odemykání dveří? Jak chytíte míč, aniž byste v hlavě dělali složité fyzikální výpočty? Jak poznáte, že je někdo sarkastický nebo upřímný podle tónu hlasu?

Tyto věci nám přijdou automatické. Ale jsou neuvěřitelně komplexní.

Denning tvrdí, že existuje minimálně pět velkých kategorií tichého vědění, které strojové učení jednoduše nemůže zachytit:

Selský rozum – Miliony drobných faktů o tom, jak svět funguje, o kterých nikdy vědomě nepřemýšlíme.

Běžné interakce – Jak čteme sociální situace, navigujeme osobní vztahy, chápeme nevyřčená očekávání.

Emoce a vnímání – Způsob, jakým prožívání radosti nebo smutku zásadně mění, jak zpracováváme informace.

Praktické dovednosti – Druh znalostí, které má mistrovský řemeslník nebo virtuosní muzikant, ale které nemůže plně vyjádřit.

Kulturní porozumění – Hodnoty, normy, historie a hlubší významy vnořené v tom, jak komunity fungují.

Proč 40 let Cyc tento problém nevyřešilo

K ilustraci tohoto problému Denning poukazuje na projekt zvaný Cyc. Pokud ho neznáte – Cyc byl ambiciózní pokus započatý v 80. letech vybudovat obří databázi zdravého rozumu – věci jako „když něco pustíš, spadne to" nebo „lidé potřebují vodu k přežití".

Projekt potřeboval čtyři desetiletí na vybudování zhruba 25 milionů záznamů běžného vědění.

Pětadvacet milionů znalostí!

A víte co? Stejně to nestačilo na vytvoření opravdu chytrých systémů. Denning poznamenává, že „většina znalostí, které dělají z lidí experty, nemůže být vyjádřena jako tvrzení."

To je tichá tragédie projektu Cyc. Prokázal, skrze obrovské úsilí, že se pokoušet ručně zakódovat lidský selský rozum je v podstatě nemožné. Jeho je příliš mnoho, a příliš mnoho z něj je implicitní, ne explicitní.

Muzikant, který to nedokáže vysvětlit

Dovolte mi sdílet jeden z Denningových příkladů, který se mi opravdu vryl do paměti.

Představte si virtuózního houslistu. Někoho, kdo dokáže hrát s dechberoucí krásou a emocí. Teď si představte, že se snažíte začátečníkovi přesně vysvětlit, jak ten zvuk produkovat.

Nemůže to opravdu udělat. Ne úplně. Možná nabídne nějakou technickou radu – natočte smyčec tady, tlačte tam – ale propast mezi „vědět jak" a „vědět co" je obrovská.

Houslista má ztělesněnou znalost, která existuje v jeho svalech, nervech, fyzické zkušenosti z vytváření zvuku. To nemůžete stáhnout do počítače. Nemůžete to přepsat do databáze.

A tady je ta hlubší myšlenka: i kdybyste postavili robota, který by dokázal dokonale napodobit pohyby houslisty, ten robot by stejně nechápal, jaké to je vytvářet krásnou hudbu. Postrádá biologickou zkušenost, emocionální kontext, spojení s publikem.

Problém reprezentace

Takže co se tady vlastně děje? Proč je lidské vědění tak zatvrzele odolné vůči digitalizaci?

Denning to nazývá „representation problem" – problém reprezentace – a je to opravdu fundamentální záležitost.

Počítače pracují se symboly – jedničkami a nulami, které reprezentují věci. Když nahráváme informace do počítačů, kódujeme znalosti reálného světa do těchto symbolických forem.

Ale tady je háček: za každým slovem, každým konceptem, každou částečkou „znalosti", kterou máme, je hluboká studna tichého porozumění, která jí dává smysl. Slova jsou jen symboly ukazující na významy – nejsou to samotné významy.

Denning to říká takto: „Za každým slovem je hluboká studna tichého vědění, která mu dává smysl. Slova jsou jen symbolické reprezentace významů, ne významy samy."

To znamená, že když mluvíte s něčím jako ChatGPT, Claude nebo Gemini, komunikujete se systémy, které jsou neuvěřitelně sofistikované v manipulaci se symboly, ale opravdu nechápou, co ty symboly reprezentují. Dokážou brilantně pattern-matchovat, ale pattern-matching není porozumění.

Kontext je vším (a stroje ho nemají)

Tady je další vrstva, se kterou má AI problém: kontext.

Když já a vy vedeme rozhovor, čerpáme z nekonečných vrstev sdíleného porozumění. Víme, kdo jsme, co jsme spolu prožili, jaká je aktuální situace, co je vhodné a co ne, kdy někdo žertuje a kdy mluví vážně.

Tenhle kontext není jen hluk na pozadí – je fundamentální pro význam.

Denning to popisuje jako fraktální: každý kontext stojí na předchozích kontextech, které stojí na ještě dřívějších. Je to nekonečný řetěz sdíleného porozumění, který jsme budovali celý život prostřednictvím zkušeností.

Kultura přidává další rozměr. Denning ji popisuje jako zahrnující „hodnoty, normy, úsudky, historii, komunity, nálady a dokonce vztahy zahrnující moc a péči."

To všechno je pro AI systémy neviditelné. Dokážou detekovat vzory v jazyce, ale nemohou skutečně pochopit kulturní váhu za slovy a činy.

Co to znamená pro budoucnost AI?

Teď neříkám, že AI je k ničemu – očividně není. Tyto systémy jsou opravdu působivé v konkrétních úkolech a jsou neuvěřitelně užitečné nástroje.

Ale Denningův argument naznačuje, že možná narážíme na strop. Že skutečná obecná umělá inteligence – stroje s lidskou úrovní porozumění a adaptability – možná není dosažitelná skrze naše současné přístupy.

A tady to začíná být trochu znepokojivé: Denning varuje, že pokud budeme pokračovat ve snaze o AGI a budeme ignorovat tyto fundamentální limity, riskujeme vytváření technologií, které přinesou značná nová rizika, aniž by splnily své sliby.

Zamyslete se nad tím. Stavíme systémy, kterým plně nerozumíme, pomocí přístupů, které možná mají inherentní omezení, na řešení problémů, které vyžadují druhy porozumění, ke kterým tyto systémy nemají přístup.

Moje myšlenky

Upřímně, Denningovy argumenty mě zaujaly, ale nepřesvědčily úplně.

Ano, existují fundamentální výzvy se zachycením tichého vědění. Ano, ztělesněná zkušenost pravděpodobně záleží víc, než jsme uznávali. A ano, Turingův test možná není dobrý ukazatel skutečné inteligence.

Ale taky si myslím, že tyto limity objevujeme v reálném čase, a že samotný proces objevování je cenný. Každá výzva, kterou Denning identifikuje, je taky výzkumná otázka. Každá zeď, do které narazíme, nás něco nového učí o lidském poznání a vědomí.

Možná skutečné ponaučení není, že AI nemůže být inteligentní, ale že lidská inteligence je pozoruhodnější, než jsme oceňovali. Pokaždé, když pochopíte vtip, chytíte míč nebo vycítíte, že je ve vzduchu něco „špatně" – děláte něco, co naše nejsophistikovanější počítače pořád nedokážou.

Možná otázka není, jestli stroje můžou myslet jako lidé. Možná zní: co dokážou dobře, a jak to zasadíme do světa, kde lidské kvality záleží víc, ne míň?

To je otázka, nad kterou stojí za to se zamyslet.

Co si myslíte vy? Rezonuje s vámi Denningova kritika na základě vaší zkušenosti s AI nástroji? Nebo si myslíte, že podceňujeme, čeho tyto systémy můžou nakonec dosáhnout?

Napište komentář – opravdu mě zajímá, jak to na vás působí.

Zdroj: ScienceDaily (https://www.sciencedaily.com/releases/2026/07/260713084850.htm)