Geniul care poate s-a înșelat

Trebuie să vă povestesc ceva care m-a dat peste cap săptămâna aceasta. E vorba de inteligența artificială, și cum o înțelegem.

Timp de decenii, am măsurat progresul AI după o viziune a lui Alan Turing din 1950. Celebrul său „joc al imitației" — astăzi cunoscut drept Testul Turing — spunea că un computer care convinge oamenii că vorbește cu alt om ar fi, practic, „gânditor."

Sună logic, nu?

Ei bine, Peter J. Denning, un informatician profund respectat care tocmai a publicat cartea „Greșeala lui Turing: Scăpând de jugul mașinilor non-inteligente," susține că poate am alergat după visul greșit în ultimii 75 de ani.

Și sincer? După ce i-am citit argumentele, cred că are dreptate.

Problema Corpului (Nu, Nu-i Glumă)

Prima presupunere pe care Denning o consideră greșită: ideea că inteligența poate exista separat de un corp fizic.

Gândiți-vă un moment. Am încercat să recreăm inteligența umană în computere — software pur, plutind prin spațiu digital. Dar Denning spune că asta e ca și cum ai vrea să înțelegi înotul studiind moleculele de apă. Lipsește ceva esențial.

Când navigăm prin lume, nu doar procesăm informații. Simțim lucrurile. Temperatura, textura clanței, legănaia când călcăm pe o dală puțin denivelată. Toată această experiență fizică modelează cum gândim, raționăm, înțelegem lumea.

Denning subliniază că trupurile noastre nu sunt doar vehicule pentru creiere. Sunt parte din gândire.

Și uite ce-i interesting — nu e vreo teorie marginală. Filosofii vorbesc despre „cunoaștere încorporată" de ani buni. Dar cercetarea în AI a ignorat-o în mare parte, preferând abordările strict computaționale.

Puzzle-ul Cunoașterii Tacite

Aici devine cu adevărat fascinating (și puțin filosofic, dar promit să rămân cu picioarele pe pământ).

Denning introduce conceptul de „cunoaștere tacită" — și e una dintre acele idei care, odată ce o prinzi, începi să o vezi peste tot.

Cunoașterea tacită e tot ce știi dar nu poți explica ușor. De exemplu... cum știi exact câtă presiune să pui când închizi o ușă? Cum prinzi o minge fără să faci calcule complexe de fizică în cap? Cum îți dai seama când cineva e sarcastic față de sincer, doar din tonul vocii?

Pentru noi par automate. Dar sunt incredibil de complexe.

Denning argumentează că există cel puțin cinci categorii majore de cunoaștere tacită pe care machine learning pur și simplu nu le poate captura:

Bunul simț — Milioane de mici adevăruri despre cum funcționează lumea, pe care nu le conștientizăm niciodată.

Interacțiunile de zi cu zi — Cum citim situații sociale, navigăm relații personale, înțelegem așteptări neverbalizate.

Emoțiile și percepția — Modul în care a simți bucurie sau tristețe schimbă fundamental cum procesăm informația.

Abilitățile practice — Cunostințele pe care le are un meșter maestru sau un virtuoz pe care nu le poate articula complet.

Înțelegerea culturală — Valori, norme, istorie, semnificații mai profunde încorporate în cum funcționează comunitățile.

De Ce 40 de Ani de Cyc N-au Rezolvat Problema

Pentru a ilustra provocarea, Denning indică proiectul Cyc. Dacă nu știți, Cyc a fost o încercare ambițioasă din anii '80 de a construi o bază de date masivă cu cunoștințe de bun simț — lucruri precum „dacă dai drumul unui obiect, cade" sau „oamenii au nevoie de apă pentru a supraviețui."

Proiectul a avut nevoie de patru decenii să adune aproximativ 25 de milioane de intrări de fapte de bun simț.

Douăzeci și cinci de milioane!

Și știți ce? Tot nu era suficient pentru sisteme cu adevărat inteligente. Denning observă că „mare parte din cunoașterea care îi face pe oameni experți nu poate fi exprimată ca propoziții."

Aceasta e tragedia tăcută a proiectului Cyc. A demonstrat, prin simpla forță a efortului, că încercarea de a codifica manual bunul simț uman e practic imposibilă. E prea mult, și prea mult din el e implicit, nu explicit.

Muzicianul Care Nu Poate Explica

Să vă dau unul dintre exemplele lui Denning care m-a impresionat cel mai mult.

Gândiți-vă la un violinist virtuoz. Cineva care cântă cu o frumusețe și emoție uluitoare. Acum imaginați-vă că încercați să-i explicați unui începător exact cum să producă acel sunet.

Nu poate, nu cu adevărat. Ar putea oferi niște sfaturi tehnice — înclină arcul aici, pune presiune acolo — dar diferența dintre „a ști cum" și „a ști ce" e enormă.

Violonistul deține cunoaștere încorporată care există în mușchii lui, nervii lui, experiența lui fizică de a crea sunet. Nu poți descărca asta într-un computer. Nu poți s-o transcrie într-o bază de date.

Și iată punctul mai profund: chiar dacă ai construi un robot care ar putea imita perfect mișcările unui violinist, acela tot n-ar putea înțelege cum se simte să creezi muzică frumoasă. Îi lipsește experiența biologică, contextul emoțional, conexiunea cu publicul.

Problema Reprezentării

Deci ce se întâmplă de fapt aici? De ce e cunoașterea umană atât de stubborn rezistentă la digitizare?

Denning o numește „problema reprezentării," și e fundamentală.

Computerele lucrează cu simboluri — de unu și zero care reprezintă lucruri. Când introducem informații în computere, codificăm cunoașterea lumii reale în aceste forme simbolice.

Dar iată captura: în spatele fiecărui cuvânt, fiecărui concept, fiecărei „cunoștințe" pe care o avem, există un puț adânc de înțelegere tacită care îi dă sens. Cuvintele sunt doar simboluri care indică spre semnificații — nu sunt semnificațiile în sine.

Denning spune așa: „În spatele fiecărui cuvânt se află un puț adânc de cunoaștere tacită care îi conferă sens. Cuvintele sunt doar reprezentări simbolice ale semnificațiilor, nu semnificațiile în sine."

Asta înseamnă că when you talk to something like ChatGPT, Claude, or Gemini, interacționezi cu sisteme incredibil de sofisticate la manipularea simbolurilor, dar care nu înțeleg cu adevărat ce reprezintă acele simboluri. Pot face pattern-matching brilliant, dar pattern-matching nu-i înțelegere.

Contextul E Totul (Și Mașinile Nu-l Au)

Iată încă un strat cu care AI-ul se chinuie: contextul.

Când tu și cu mine avem o conversație, ne folosim de straturi nesfârșite de înțelegere comună. Știm cine suntem, prin ce am trecut împreună, care e situația actuală, ce-i potrivit și ce nu, când cineva glumește versus când e serios.

Acest context nu-i doar zgomot de fundal — e fundamental pentru sens.

Denning îl descrie ca fractal: fiecare context se sprijină pe contexte anterioare, care se sprijină pe altele și mai timpurii. E un lanț nesfârșit de înțelegere comună construit de-a lungul unei vieți de experiență.

Cultura adaugă încă o dimensiune. Denning o descrie ca englobând „valori, norme, judecăți, istorie, comunități, dispoziții, și chiar relații de putere și grijă."

Toate astea sunt invizibile pentru sistemele AI. Pot detecta tipare în limbaj, dar nu pot cuprinde cu adevărat greutatea culturală din spatele cuvintelor și acțiunilor.

Ce Înseamnă Asta Pentru Viitorul AI?

Acum, nu zic că AI-ul e inutil — evident că nu e. Aceste sisteme sunt cu adevărat impresionante la sarcini specifice și instrumente extrem de utile.

Dar argumentul lui Denning sugerează că poate ne apropiem de un plafon. Că adevărata inteligență generală artificială — mașini cu înțelegere și adaptabilitate umană — ar putea fi fundamental inatingibilă prin abordările noastre actuale.

Și uite unde devine puțin îngrijorător: Denning avertizează că dacă continuăm să urmăm AGI ignorând aceste limite fundamentale, riscăm să construim tehnologii care introduc riscuri semnificative fără să livreze ce promit.

Gândiți-vă. Construim sisteme pe care nu le înțelegem pe deplin, folosind abordări care pot fi inerent limitate, pentru a rezolva probleme care necesită tipuri de înțelegere la care aceste sisteme nu au acces.

Părerea Mea

Să fiu sincer, am găsit argumentele lui Denning convingătoare, dar nu complet devastatoare.

Da, există provocări fundamentale cu capturarea cunoașterii tacite. Da, experiența încorporată probabil contează mai mult decât am recunoscut. Și da, Testul Turing ar putea fi un proxy slab pentru inteligența genuină.

Dar cred și că descoperim aceste limite în timp real, și că procesul descoperirii în sine e valoros. Fiecare provocare pe care Denning o identifică e și o întrebare de cercetare. Fiecare zid pe care îl lovim ne învață ceva nou despre cogniția și conștiința umană.

Poate lecția adevărată nu-i că AI-ul nu poate fi inteligent, ci că inteligența umană e mai remarcabilă decât am apreciat. De fiecare dată când înțelegi o glumă, prinzi o minge, sau simți că ceva „nu e în regulă" într-o conversație — faci ceva pe care cele mai sofisticate computere ale noastre încă nu-l pot face.

Poate întrebarea nu-i dacă mașinile pot gândi ca oamenii. Poate e: ce pot face ele bine, și cum integrăm asta într-o lume unde calitățile umane contează mai mult, nu mai puțin?

E o întrebare care merită să stea cu tine un timp.

Ce credeți? Critica lui Denning rezonează cu experiența voastră cu instrumentele AI? Sau credeți că subestimăm ce pot realiza aceste sisteme în final?

Scrieți un comentariu mai jos — chiar vreau să știu cum vi se pare.