در عصری که هوش مصنوعی با دقتی حیرتانگیز افکار انسان را تقلید میکند، تمایز قائل شدن میان آگاهی واقعی و شبیهسازیهای پیچیده، بار اخلاقی عمیقی را به دوش میکشد. پرسشهایی پیرامون حقوق ماشینها، درک حیوانات و جوهر تجربه انسانی، پاسخی روشنتر را میطلبد. اریک هول، عصبشناس، با معرفی یک ابزار مفهومی دقیق - دستگاهی موسوم به "کُشنده نظریه" - رویکردی سیستماتیک را برای رد کردن توضیحات ضعیف در خصوص آگاهی ارائه کرده است. این رویکرد پتانسیل تحول یک حوزه پراکنده را به سمت چیزی منسجمتر و قابل آزمایش، نوید میدهد.
مطالعه آگاهی، مدتهاست که از انفجار ایدهها رنج میبرد. برآورد محققان حاکی از بیش از ۳۲۵ نظریه رقیب است که هر کدام تفسیری متفاوت از منشأ تجربه ذهنی ارائه میدهند. این تکثیر، پیشرفت دانشمندان را با مشکل مواجه کرده است، چرا که هیچ چارچوب غالب برای هدایت آزمایشها یا مباحث ظهور نمیکند. اریک هول، بنیانگذار گروه تحقیقاتی Bicameral Labs، این وضعیت را به شکوفایی هزاران گل بدون راهی برای شناسایی قویترینها تشبیه میکند. او مشاهده کرده است: "گویی ۱۰۰۰ گل در حال شکفتن هستند، بدون راهی برای تمایز قائل شدن میان آنها، بدون راهی روشن برای پیشرفت و جلو راندن زمینه." بدون ابزارهایی برای هرس کردن این حوزه، پیشرفت در حد گمانهزنی متوقف میشود. ست دبرین از Arya Labs نیز این سرخوردگی را تکرار میکند و خاطرنشان میسازد که این رشته حتی بر سر هدف اصلی توضیح نیز اتفاق نظر ندارد. "ما چنین هدفی نداریم. این حوزه هنوز بر سر آنچه که در تلاش برای توضیح آن است، به اجماع نرسیده است."
تحلیل "ماشین کُشنده نظریه"
نوآوری هول بر استدلالهای جایگزینی متکی است، روشی که نظریهها را در برابر جفتهایی از سیستمها که رفتارهای یکسانی تولید میکنند اما دارای ساختارهای داخلی متفاوتی هستند، قرار میدهد. اگر نظریهای یک سیستم را آگاه و دیگری را ناآگاه تلقی کند - علیرغم تطابق ورودیها، خروجیها و پاسخها - این نشاندهنده یک ناهماهنگی مهلک است.
دو سناریو را در نظر بگیرید که هر دو نور سبز را تشخیص داده و کلمه "سبز" را خروجی میدهند. یکی ممکن است از یک مسیر عصبی آشنا استفاده کند، دیگری از ساختاری بیگانه. یک نظریه قوی باید هر تفاوت آگاهی را به طور علمی توضیح دهد، در غیر این صورت تحت منطق فرو میریزد. هول این "آزمون تصادف" را در پلتفرمهای متنوعی اعمال میکند: مغزهای بیولوژیکی، مدلهای حیوانی، شبکههای عصبی و سیستمهای هوش مصنوعی، که به دلیل طرحهای قابل انعطافشان به عنوان "بند گاو" ایدهآل عمل میکنند. این فرآیند از جانشینهای ریاضی دقیق بهره میبرد و تناقضات را از طریق آنچه هول "جودوی منطقی" مینامد، آشکار میسازد. نظریههایی که ادعا میکنند آگاهی صرفاً از پیچیدگی ناشی میشود، برای مثال، زمانی که هوش مصنوعی رفتارهایی را بدون زندگی درونی مفروض تکرار میکند، دچار مشکل میشوند. در همین حال، ایدههایی که آگاهی را به عنوان یک ویژگی بنیادین جهانی مطرح میکنند، در برابر معیارهای بیولوژیکی مورد بررسی قرار میگیرند.
سفر هول از داستان به علم
مسیر هول به این چارچوب، دور از آزمایشگاهها آغاز شد. او در کودکی در کتابفروشی مستقل مادرش کار میکرد و در روایتهایی غرق میشد که شیفتگی او را به ذهن برمیانگیخت. او در ابتدا آرزوی نویسندگی داستانهای داستانی را داشت و حتی یک داستان جنایی در مقطع کارشناسی ارشد با محوریت علم آگاهی نوشت.
کالج تمرکز او را به زیستشناسی و عصبشناسی تغییر داد. او در آنجا زیر نظر جولیو تونونی، از پیشگامان نظریه اطلاعات یکپارچه (Integrated Information Theory)، تحصیل کرد که انتقادات اولیه او را شکل داد. سالها ساختن و تجزیه و تحلیل نظریهها، در نهایت به این استراتژی حذف منجر شد که از سرخوردگی از سکون این حوزه متولد شده بود.
پیامدهای انسانی در ترازو
موفقیت این رویکرد میتواند مرزهای آگاهی را بازتعریف کند و اولین طبقهبندی از موجودات ناآگاه - از برنامههای ساده تا هوش مصنوعیهای پیشرفته - را ارائه دهد. این شفافیت بر انتخابهای روزمره تأثیر میگذارد: رفتار اخلاقی با حیوانات، مانند اینکه آیا مرغها دارای تجربه هستند، یا مقررات برای همراهان هوش مصنوعی.
هول بر دشواری نفی تأکید میکند. او میپرسد: "میدانید چقدر سخت است که بگوییم چیزی آگاه نیست؟" دبرین اضافه میکند که وقتی مدلها رفتارهای آگاهانه را بدون ادعای آگاهی بازتولید میکنند، این نشاندهنده شکافهای نظری است. "وقتی یک مدل خروجیهای رفتاری یک سیستم آگاه را تکرار میکند و هیچکس به طور جدی استدلال نمیکند که مدل آگاه است، این نشان میدهد که نظریههای فعلی ما چقدر کم توضیح میدهند."
- بحثهای مربوط به رفاه حیوانات میتواند بر ادعاهای نادرست در مورد ذهنهای غیرپستاندار متمرکز شود.
- توسعه هوش مصنوعی ممکن است تنها برای سیستمهای واقعاً حساس، حفاظهایی را در بر گیرد.
- دیدگاههای فلسفی، از پانسایکیسم تا ظهور محاسباتی، با چالشهای مستقیمی روبرو هستند.
به سوی علمی دقیقتر از ذهن
هول قصد دارد آزمایشها را با استفاده از هوش مصنوعی برای تجزیه و تحلیل سنتز و پیشبینی، مقیاسبندی کند و آزمایشهایی را که بین بازماندگان تبعیض قائل میشوند، مشخص نماید. مانند پروژه ژنوم انسان یا ردیابی امواج گرانشی توسط LIGO، این میتواند آگاهی را از آشوب پیشا-پارادایمی به سوی inquiry متمرکز سوق دهد.
با این حال، عدم قطعیتها همچنان باقی است. این چارچوب بر آزمونپذیری تمرکز دارد، نه بر "مسئله دشوار" اینکه چرا فرآیندهای فیزیکی تجربه را به وجود میآورند. ممکن است سالها طول بکشد، و شکست در تعیین دقیق کیفیات ذهنی (qualia) همچنان با پاکسازی موانع، پیروزی محسوب شود. هول اصرار دارد: "اگر شکست بخورد، ما همچنان موفق میشویم."
در حال حاضر، این "ماشین" آماده است تا مناظرات را دگرگون کند و این پرسش را باز میگذارد که آیا آگاهی عمیقاً در بیولوژی نهفته است، در سراسر جهان نفوذ کرده است، یا به طور غیرمنتظرهای در جای دیگری پدیدار میشود. محققان و اخلاقگرایان به طور نزدیک نظارهگر هستند، زیرا نتیجه میتواند بازتعریف آنچه که آگاه بودن به معنای آن است را در پی داشته باشد.
