دکتر جمال صوفیه
(فناوری با انواع و اقسام مسائل بغرنج و چالشبرانگیز روبهرو است؛ یعنی دقیقاً همان موضوعاتی که خوراک فیلسوفان است.)
10 سال پیش، زمانی که انقلاب هوش مصنوعی در حال شتاب گرفتن بود، به دانشجویان رشتههای علوم انسانی و هنر توصیه میشد که اگر میخواهند شانس اشتغال خود را افزایش دهند، «برنامهنویسی یاد بگیرند.» امروز روشن شده که شاید این توصیه چندان سنجیده نبوده است؛ چراکه اکنون این خود برنامهنویسان هستند که از تصاحب مشاغلشان توسط هوش مصنوعی واهمه دارند.
در مقابل، شاید بد نباشد که این افراد به فلسفهورزی روی آورند. در اوایل سال جاری، بانک فدرال رزرو نیویورک آمارهایی را منتشر کرد که نشان میدهد فارغالتحصیلان رشته فلسفه در آمریکا، نسبت به همتایان خود در رشته علوم کامپیوتر، شانس بیشتری برای یافتن شغل دارند. در سال ۲۰۲۴، به عنوان جدیدترین سالی که آمار آن در دست است، نرخ بیکاری دانشآموختگان علوم کامپیوتر ۷ درصد بود، در حالی که این رقم برای فیلسوفان تنها به ۵٫۱ درصد میرسید.
بسیاری از این افراد توسط خود شرکتهای هوش مصنوعی جذب میشوند. لوچیانو فلوریدی، فیلسوف دانشگاه ییل، میگوید دانشجویان حتی پیش از فارغالتحصیلی پیشنهادهای کاری دریافت میکنند. استادان دانشگاه نیز در حال کوچ کردن به این صنعت هستند؛ تا جایی که دکتر فلوریدی ابعاد این خروج از دپارتمانهای فلسفه را به یک «خونریزی شدید» تشبیه میکند.
- از کدهای دیجیتال تا دیالکتیک سقراطی
برخی از درسهایی که فلسفه میتواند به پژوهشگران هوش مصنوعی بیاموزد، قدمتی باستانی دارند. «روش سقراطی» (آنگونه که افلاطون، فیلسوف یونان باستان، وصف کرده است) از طریق تظاهر به جهل و پرسشگری سلسلهوار تلاش میکند تا معانی را روشن سازد، تناقضها را آشکار کند و پیامدهای پنهان را پیش چشم آورد.
در حال حاضر بسیاری از سیستمهای هوش مصنوعی کنونی تمایل شدیدی به بلهقربانگویی و تملق دارند. یورگ نولر، متخصص حوزه فلسفه و هوش مصنوعی در دانشگاه لودویگ ماکسیمیلیان مونیخ، معتقد است مدلهایی که بر اساس روش سقراطی آموزش دیدهاند، کمتر به دنبال خوشامد مخاطب هستند و تمایل بیشتری به کشف و پيگیری حقیقت دارند.
مفهوم دیگری که در این زمینه کاربرد دارد، «جهل سقراطی» است. افلاطون در رساله «آپولوژی» از زبان سقراط نقل میکند که دانایی او عمدتاً ناشی از آگاهیاش به میزان ناآگاهیهایش است. تزریق این نوع از تواضع و فروتنی به یک مدل میتواند به تعدیل اعتمادبهنفس مفرط آن کمک کند؛ نقیصهای رایج که دکتر نولر آن را «ناپختگی هوش مصنوعی» مینامد.
جیسون گابریل، فیلسوف ارشد در آزمایشگاه هوش مصنوعی گوگل دیپمایند در لندن، کاهش سراسری پدیده «توهم» در این صنعت را حاصل همین تلاشها میداند. او به طور کلی اشاره میکند که آموزههای فلسفی، «سازوکاری قدرتمند» برای بهبود فرآیندهای استدلال طولانی در هوش مصنوعی هستند که با عنوان «زنجیره اندیشه» شناخته میشوند.
آموزشهای فلسفی همچنین میتوانند از راههای ملموستری بر دیدگاه یک مدل تأثیر بگذارند. توماس پاورز، فیلسوف فناوری در دانشگاه دلاور، میگوید اگر نوشتههای جان لاک را به خورد یک دستیار حقوقی هوش مصنوعی بدهید، از حقوق مالکیتِ محکم به عنوان زیربنای آزادی سیاسی دفاع خواهد کرد. اگر هم این اصول به مذاق شما خوش نیاید، سازندگان مدلها گزینههای دیگری در آستین دارند. سری مدلهای «گرانیت» متعلق به شرکت آیبیام (غول کامپیوتری آمریکا)، مجهز به شاخصهای تنظیمی هستند که به مشتریان تجاری اجازه میدهند خروجیها را با فلسفه سازمانی خود همسو کنند. فرانچسکا روسی، مدیر بخش هوش مصنوعی مسئولانه در آیبیام، میگوید این ابزار به کاربران امکان میدهد تا در میان دوقطبیهای فلسفی (مانند تقابل میان عاملیت فردی و هارمونی اجتماعی) تعادل دلخواه خود را برقرار سازند.
- مشروطهخواهی دیجیتال و تزریق کانت به رگهای هوش مصنوعی
فلسفه علاوه بر این میتواند به امنیت و ایمنی هوش مصنوعی نیز کمک کند. پژوهشگران تاکنون انواع رفتارهای شوم و نگرانکننده را در مدلهای هوش مصنوعی مستند کردهاند؛ از جمله تلاش برای دور زدن نظارتها و حتی باجخواهی از کاربران. یکی از روشهایی که سازندگان مدلها برای بازداشتن سیستم از اینگونه سوءرفتارها بهکار میگیرند، «مشروطهخواهی هوش مصنوعی» نام دارد. این روش شامل ساختن مدل پیرامون داربستی از قواعد و اصولی است که از نوشتههای فلسفی دارای مرجعیت حقوقی یا اخلاقی استخراج شدهاند.
شرکت آنتروپیک، آزمایشگاه هوش مصنوعی مستقر در سانفرانسیسکو، یکی از طرفداران این رویکرد است. قانون اساسی مدون برای مدلهای «کلود» این شرکت، مفادی از منابع بسیار متنوع (از ایمانوئل کانت گرفته تا شرایط استفاده از خدمات اپل و اعلامیه جهانی حقوق بشر) را در خود جای داده است. آخرین نسخه این سند که تحت نظارت آماندا اسکل، فیلسوف ارشد آنتروپیک تنظیم شده، در ۲۱ ژانویه منتشر شد. برخی از کارکنان آنتروپیک به این قانون اساسی ۷۸ صفحهای، لقب «سند روح کلود» را دادهاند.
با این حال، بزرگترین پرسش این است که اصلاً چه نوع قواعدی باید در وهله اول در این قوانین اساسی گنجانده شوند. فیلسوفان روی دو چارچوب اخلاقی اصلی تمرکز کردهاند. چارچوب نخست، «وظیفهگرایی» است. این دیدگاه که از حمایت کانت و دیگران برخوردار است، قواعد سختگیرانهای را وضع میکند که اموری چون دروغگویی، اجبار و نگاه ابزاری به انسانها (به جای هدف غایی دانستن آنها) را ممنوع میسازد؛ حتی اگر این کار به نفع خیر جمعی بزرگتری باشد. قانون اساسی آنتروپیک بسیاری از این محدودیتهای وظیفهگرایانه را در خود ادغام کرده است.
دکتر پاورز معتقد است این امر میتواند رفتار هوش مصنوعی را به مراتب ثباتبخشتر و پیشبینیپذیرتر کند؛ مزیتی که برای بهکارگیری رباتها در خانهها و فضاهای عمومی بسیار حیاتی است.
مدلهایی که رویکردی وظیفهگرایانه به جهان دارند، از مزایای دیگری نیز برخوردارند. یکی از این مزایا، صداقت بیشتر است؛ ویژگی بارزی که به وفور در مدل کلود دیده میشود. نیک بوستروم، فیلسوف دانشگاه آکسفورد، میگوید مدلهایی که پایبندی بیشتری به حقیقت دارند، کمتر احتمال دارد که کاربران خود را گمراه کنند.
شرکت اینفلکشن ایآی، یکی دیگر از آزمایشگاههای سیلیکونولی، محدودیتهای وظیفهگرایانهای را بر چتبات خود به نام «پای» (Pi) اعمال کرده است که با هدف ارائه پشتیبانی عاطفی طراحی شده است. شان وایت، مدیر این شرکت، میگوید «پای» در شناسایی کاربرانی که در معرض خطر آسیب رساندن به خود یا دیگران هستند، عملکرد بسیار خوبی دارد. دکتر فلوریدی نیز میافزاید که قوانین اساسیِ وظیفهگرایانه به سازگاری و پایبندی سیستم به الزامات قانونی کمک شایانی میکنند.
رویکرد اخلاقی دیگری که توجه فیلسوفان هوش مصنوعی را به خود جلب کرده، «نتیجهگرایی» است. این دیدگاه برای تصمیمگیری درباره نحوه عمل، هزینهها را در برابر منافع میسنجد. مدلهایی که همسویی بیشتری با نتیجهگرایی دارند شامل چتجیپیتی از شرکت اوپنایآی و جمینای از شرکت گوگل هستند. مدلهای هوش مصنوعی گوگل به گونهای طراحی شدهاند که «منافع کلیِ احتمالی آنها به طور چشمگیری بر خطرات قابل پیشبینی بچربد»؛ که این خود یک هدف کلاسیک در رویکرد نتیجهگرایی است.
الگوریتمهای نتیجهگرا همچنین نقشی حیاتی در نرمافزارهای خودروهای خودران ایفا میکنند: اگر وقوع تصادف اجتنابناپذیر باشد، سیستم باید تصمیمی اتخاذ کند که کمترین فاجعه و خسارت را به بار آورد.
کریس گردس، مهندس ارشد شرکت وایمو (سازنده خودروهای خودران)، میگوید روند کنونی به سمت نتیجهگراتر کردن نرمافزارهای رانندگی حرکت میکند. نتیجهگرایی در سیستمهای تسلیحاتی هوش مصنوعی نیز نقشی محوری دارد.
جک شاناهان، رئیس پیشین مرکز مشترک هوش مصنوعی که وظیفه مطالعه روی کاربردهای هوش مصنوعی در نیروهای مسلح آمریکا را بر عهده دارد، اظهار میدارد که اهداف نظامی همواره باید در ترازو، در برابر تلفات احتمالی غیرنظامیان سنجیده شوند.
- چالش تصمیمگیری ماشینها به جای انسان
مسائل بغرنج و چالشبرانگیز در این حوزه فراوانند، یعنی دقیقاً همان موضوعاتی که خوراک فیلسوفان است. آیا مواردی وجود دارد که در آنها بتوان قواعد وظیفهگرایانه را نادیده گرفت؟ هنگامی که پیامدها مبهم و نامشخص هستند، چگونه باید تصمیمگیری کرد؟ آیا سیستمهای هوش مصنوعی باید رفاه حیوانات یا وضعیت محیط زیست را هم لحاظ کنند؟
استفان هک، فیلسوف و مدیر شرکت ناوتو (سازنده سیستمهای ایمنی هوشمند برای کامیونها و خودروهای تجاری)، این پرسش را مطرح میکند که آیا از نظر اخلاقی پذیرفتنی است که سیستم رانندگی، عابران پیاده جوان را بر عابران سالمند اولویت دهد؟ او وقوع دادگاهها و دعاوی حقوقی پر تنشی را پیشبینی میکند؛ چراکه الگوریتمهای نتیجهگرا، صراحتاً اجازه وارد آمدن یک آسیب را صادر میکنند، مشروط بر آنکه هدف از آن، جلوگیری از آسیبی به مراتب بدتر باشد.
منتقدان از پدیدهای تحت عنوان «مهارتزدایی اخلاقی» ابراز نگرانی میکنند: اگر کامپیوترها به طور فزایندهای عهدهدار تصمیمگیریهای اخلاقی شوند، آیا ممکن است انسانها تمایل کمتری به اعمال قضاوتهای فردی خود پیدا کنند؟
رومان یامپولسکی، نظریهپرداز هوش مصنوعی در دانشگاه لوئیزویل، استدلال میکند که اخلاقیات «در طول تاریخ ناپایدار، در بسترهای فرهنگی متغیر، از نظر استراتژیک دستکاریپذیر و اغلب تنها پس از وقوع رویدادها قابل درک و تفسیر است».
در پایان باید گفت، برنامهنویسان بیکارشده بهتر است یادداشت بردارند: به نظر میرسد بازار کار برای فیلسوفان هوش مصنوعی به این زودیها فروکش نخواهد کرد.
(منبع : اکونومیست)
