هوش‌مصنوعی ذاتاً نمی‌تواند خلاق باشد

به گزارش خبرگزاری آگاه، به نقل از «Futura»؛ هوش‌مصنوعی مولد به دلیل توانایی در تولید سریع نسخه‌های مختلف از یک ایده، به ابزاری برای هنرمندان و نویسندگان تبدیل شده است. این گروه اغلب از چنین ابزار‌هایی برای ایده‌پردازی یا تهیه پیش‌نویس‌های اولیه استفاده می‌کنند. با این حال، نخستین خروجی هوش‌مصنوعی به‌ندرت یک اثر کامل به شمار می‌رود و بیشتر نقطه شروعی است که خالق انسانی آن را تکمیل، توسعه و به اثری نهایی تبدیل می‌کند.

الگوریتم‌های ژنتیکی چه تفاوتی با شبکه‌های عصبی دارند؟

بخش عمده بحث‌ها درباره خلاقیت هوش‌مصنوعی بر شبکه‌های عصبی متمرکز است. این سامانه‌ها به توان پردازشی بالا و مجموعه‌داده‌های گسترده نیاز دارند. در مقابل، سیستم‌های کوچک‌تری مانند الگوریتم‌های ژنتیکی، که از فرایند تکامل زیستی الهام گرفته‌اند، نگاه متفاوتی به تولید محاسباتی ارائه می‌کنند. این الگوریتم‌ها مانند فرایند تکامل زیستی عمل می‌کنند، یعنی مجموعه‌ای از گزینه‌های اولیه را بررسی، گزینه‌های بهتر را انتخاب و بخش‌هایی از آن‌ را با هم ترکیب می‌کنند، سپس با ایجاد تغییرات تصادفی، گزینه‌های جدیدی می‌سازند. در دنیای دیجیتال، این فرایند روی داده‌ها و اطلاعاتی انجام می‌شود که به شکل کد ذخیره شده‌اند.

با این حال، منتقدان سامانه‌های مولد معتقدند ماشین‌ها همچنان به داده‌هایی که با آن آموزش دیده‌اند وابسته هستند و تنها ترکیب‌های تازه‌ای از عناصر موجود را تولید می‌کنند. اگرچه الگوریتم‌های ژنتیکی با بهره‌گیری از جهش‌های تصادفی از بازترکیب صرف فراتر می‌رود، اما فضای جست‌وجوی آن همچنان محدود و متناهی است. به همین علت، قواعد بنیادین هر سامانه الگوریتمی، دامنه آنچه را که می‌تواند کشف یا خلق کند، محدود می‌کند.

به زبان ساده، الگوریتم‌های ژنتیکی مثل این می‌مانند که به یک ماشین اجازه دهید بی‌نهایت بار، قطعات خانه‌سازی را با هم ترکیب کند و بهترین شکل را پیدا کند، اما در همین حال، ماشین هیچ‌وقت نمی‌تواند قطعه‌ای از جنسی یا شکلی بسازد که در جعبه نبوده است. در نتیجه، همه خروجی‌های هوش‌مصنوعی در نهایت، فقط ترکیب‌های تازه‌ای از داده‌های کهنه‌ای است که در اختیار دارد.

قواعد ریاضی اجازه خلاقیت به هوش‌مصنوعی را نمی‌دهند

دو اصل مهم ریاضی، محدودیت‌های بنیادین سامانه‌های مبتنی بر قواعد را نشان می‌دهد. نخست، «کورت گودل» در سال ۱۹۳۱ نشان داد هر سامانه منطقی که بتواند محاسبات ساده ریاضی را انجام دهد، با گزاره‌های درستی روبه‌رو می‌شود که با تکیه بر همان قواعد داخلی، امکان اثبات آنها را ندارد. اصل دوم، «قضیه مور–مایهیل» است که «ادوارد مور» در سال ۱۹۶۲ آن را مطرح کرد و «جان مایهیل» بعد‌ها گسترش داد.در برخی سامانه‌های محاسباتی، الگوهایی وجود دارند که هرچند معتبر و قابل قبول هستند، اما هیچ‌گاه از اجرای قواعد داخلی همان سامانه به وجود نمی‌آیند. این الگوها فقط می‌توانند به‌عنوان نقطه شروع وجود داشته باشند و هیچ وضعیت قبلی قادر به ایجاد آنها نیست.

این دو اصل در کنار هم نشان می‌دهند که حتی قدرتمندترین سامانه‌های محاسباتی نیز نمی‌توانند همه خروجی‌های ممکن و معتبر را تنها با تکیه بر قواعد خود تولید کنند. به بیان دیگر، برخی نتایج از نظر ریاضی همواره خارج از دسترس آنها باقی می‌ماند.

هوش‌مصنوعی تجربه انسانی ندارد

گسترش توان خلاقانه یک ماشین مستلزم آن است که با جهان فیزیکی رابطه‌ای مستقیم برقرار کند. این رابطه باید ادراک حسی، تجربه زیسته و یادگیری پیوسته را در بر بگیرد. با این حال، حتی زمانی که یک ماشین، ساختاری نو تولید می‌کند، فاقد نیت هنری است. ماشین‌ها اگرچه می‌توانند در چارچوب محدودیت‌های ریاضی به نتایج تازه‌ای برسند، اما برای خروجی خود معنا قائل نمی‌شوند. شناخت این محدودیت‌های ریاضی و مفهومی نشان می‌دهد که تولید خودکار محتوا با هوش‌مصنوعی با آفرینش هنری انسان تفاوت دارد.

انتهای خبر/267018/