A legmodernebb kutatások azt mutatják, hogy a nyelv nem azonos az intelligenciával. Az egész mesterséges intelligencia lufi ennek figyelmen kívül hagyásán alapul.

"A szuperintelligencia fejlesztése most már a látóhatáron van” - véli Mark Zuckerberg, beígérve olyan "új dolgok létrehozását és felfedezését, amelyeket ma még elképzelni sem tudunk.” A szuperintelligencia „akár 2027-re megjelenhet, és az érintett területek többségében okosabb lesz, mint egy Nobel-díjas” - állítja Dario Amodei, az emberi élettartam megduplázását állítva. „Most már biztosak vagyunk benne, hogy tudjuk, hogyan kell AGI-t építeni” - mondja Sam Altman, az iparág Szent Gráljára, az általános mesterséges intelligenciára (AGI) utalva. Úgy véli, a szuperintelligens MI „felgyorsíthatja a tudományos felfedezéseket és az innovációt, jóval túl azon, amit saját magunktól képesek lennénk elérni.” Higgyünk nekik? Nem, ha a humán intelligencia tudományára támaszkodunk, és egyszerűen megnézzük az eddig ezek a cégek által létrehozott MI-rendszereket.

A közös jellemző az olyan chatbotoknál, mint az OpenAI ChatGPT-je, az Anthropic Claude-ja, a Google Gemini-je és bármilyen néven is fut a Meta MI-terméke éppen ezen a héten, hogy ezek nagy nyelvi modellek (LLM-ek). Lényegében úgy működnek, hogy hatalmas mennyiségű nyelvi adatot gyűjtenek (ennek nagy része az internetről van letöltve), kapcsolatokat keresnek a szavak (pontosabban a „tokeneknek” nevezett szótöredékek) között, majd megpróbálják kitalálni, milyen kimenetnek kell következnie egy adott bemenethez. A generatív MI a bonyolultsága ellenére, lényegükben valójában nyelvi modellek.

A probléma az, hogy a jelenlegi idegtudomány szerint az emberi gondolkodás nagyrészt független az emberi nyelvtől, és kevés okunk van azt hinni, hogy a nyelv egyre kifinomultabb modellezése olyan intelligenciát hozna létre, amely megfelel a sajátunknak vagy azt meghaladja. Az emberek a nyelvet arra használják, hogy kommunikálják az érvelési képességeik, a kialakított absztrakcióik és az általánosításaik eredményeit. A nyelvet a gondolkodáshoz használjuk, de ez nem teszi a nyelvet azonossá a gondolattal. Ennek a különbségnek a megértése kulcsfontosságú a tudományos tények és az MI-rajongó vezérigazgatók spekulatív sci-fije elkülönítéséhez.

Az MI-hype gépezet folyamatosan azt sugallja, hogy éppen azon vagyunk, hogy valami emberihez hasonló intelligenciát, vagy akár „szuperintelligenciát” hozzunk létre, amely eltörpíti saját kognitív képességeinket. Ha rengeteg adatot gyűjtünk a világról, és ezt egyre erősebb számítási teljesítménnyel (azaz Nvidia chipekkel) kombináljuk, hogy javítsuk statisztikai korrelációinkat, akkor meglesz az AGI. Csak a skálázásra van szükség. De ez az elmélet teljesen tudománytalan. A nagy nyelvi modellek pusztán eszközök, amelyek a nyelv kommunikációs funkcióját utánozzák, nem pedig a gondolkodás és az érvelés különálló és elkülönült kognitív folyamatait, bármennyire is sok adatközpontot építünk.

Tavaly három tudós publikált egy kommentárt a Nature folyóiratban „A nyelv elsősorban a kommunikáció eszköze, nem pedig a gondolkodásé” címmel, példamutatóan világosan. A cikket Evelina Fedorenko (MIT), Steven T. Piantadosi (UC Berkeley) és Edward A.F. Gibson (MIT) jegyzi, és a nyelv és a gondolkodás kapcsolatára vonatkozó évtizedes kutatásokat összegzi. Két célja van: egyrészt lebontani azt a nézetet, hogy a nyelv adja a gondolkodási és érvelési képességünket, másrészt megerősíteni, hogy a nyelv kulturális eszközként alakult ki, amellyel gondolatainkat másokkal osztjuk meg.

Vegyük sorra ezeket az állításokat. Amikor a saját gondolkodásunkra gondolunk, gyakran úgy érezzük, mintha egy adott nyelven gondolkodnánk. De ha igaz lenne, hogy a nyelv alapvető a gondolkodáshoz, akkor a nyelv elvétele a gondolkodási képességünket is elvenné. Ez nem történik meg. A nyelv elvétele nem veszi el a gondolkodás képességét. Ezt tapasztalati úton tudjuk. Funkcionális mágneses rezonancia képalkotással (fMRI) láthatjuk, hogy az emberi agy mely részei aktiválódnak, amikor különböző mentális tevékenységeket végzünk. Amikor különféle kognitív tevékenységeket végzünk - például egy matematikai feladat megoldása vagy annak megértése, mi zajlik egy másik ember elméjében - az agyunk a nyelvi képességeinktől elkülönült hálózati részei "gyulladnak fel".

Másodszor, azoknak az embereknek a tanulmányai, akik agykárosodás vagy más rendellenességek miatt elvesztették nyelvi képességüket, egyértelműen bizonyítják, hogy ez a veszteség alapvetően nem károsítja a gondolkodás általános képességét. „A bizonyítékok egyértelműek” - állítják Fedorenkoék -, „sok eset van súlyos nyelvi károsodással élő egyénekről, akik mégis képesek gondolkodni.” Ezek az emberek matematikai feladatokat oldanak meg, követik a nonverbális utasításokat, megértik mások motivációját, és érvelnek - beleértve a formális logikai érvelést és a világ oksági összefüggéseinek értelmezését.

Például egy baba még nem tud beszélni, de kíváncsian fedezi fel a körülötte lévő világot, játszik tárgyakkal, zajokat ad ki, utánzást végez, és tanul a tapasztalatokból és interakciókból. „A kutatások azt sugallják, hogy a gyerekek a világot nagyjából ugyanúgy tanulják meg, mint a tudósok: kísérletezéssel, statisztikák elemzésével, és intuitív elméletek kialakításával a fizikai, biológiai és pszichológiai területeken” - jegyzi meg Alison Gopnik kognitív tudós, mindezt még a beszéd megtanulása előtt. A babák még nem tudják használni a nyelvet, de természetesen gondolkodnak! És minden szülő ismeri az örömöt, amikor gyermekének kogníciója idővel megjelenik.

Tehát tudományos szempontból a nyelv csupán az emberi gondolkodás egyik aspektusa, és intelligenciánk nagy része nem nyelvi képességeinken alapul. Miért érezzük mégis sokan intuitívan máshogy? Ez a második fő állítás Fedorenko Nature-cikkében: a nyelv elsősorban eszköz, amelyet gondolataink megosztására használunk egymással, szavaik szerint egy „hatékony kommunikációs kód”. Ezt bizonyítja, hogy az emberi nyelvek széles sokféleségük ellenére közös jellemzőket mutatnak, amelyek „könnyen előállíthatóvá, könnyen tanulhatóvá és érthetővé, tömör és hatékony felhasználásra alkalmassá, valamint zajállóvá teszik őket.”

Anélkül, hogy túlságosan belemerülnénk a nyelvészet részleteibe, a lényeg az, hogy az emberi faj óriási előnyre tett szert, hogy nyelvet használ tudásának megosztására, mind a jelenben, mind generációkon át. Így értelmezve a nyelv az, amit Cecilia Heyes kognitív tudós „kognitív kütyünek” nevez, amely „rendkívüli hatékonysággal, pontossággal és megbízhatósággal teszi lehetővé az emberek számára, hogy másoktól tanuljanak.” Kogníciónk a nyelv révén javul - de nem a nyelv hozza létre vagy definiálja azt. Ha elvesszük a beszéd képességét, még mindig tudunk gondolkodni, érvelni, hiten alapuló döntéseket hozni, szerelmesek lenni és mozogni a világban; az élmény és gondolkodás lehetőségei továbbra is tágak maradnak.

De ha elvesszük a nyelvet egy nagy nyelvi modelltől, szó szerint semmi sem marad. Egy MI-rajongó érvelhetne amellett, hogy az emberi szintű intelligenciának nem kell feltétlenül azonos módon működnie, mint az emberi kogníciónak. Az MI-modellek más folyamatokat alkalmazva már túlszárnyalták az emberek teljesítményét bizonyos tevékenységekben, például sakkozásban, ezért talán szuperintelligensek lehetnek valamilyen egyedi módszerrel, amely a tanulási adatokból származó korrelációkra épül. Talán! De nincs egyértelmű ok arra, hogy azt higgyük, szövegalapú tréninggel elérhetjük az általános intelligenciát, nem pedig csupán szűken értelmezett feladatok javítását. Az emberek rendelkeznek olyan tudással is, amely nem könnyen kódolható nyelvi adatokba, gondoljunk csak a biciklizésre vagy az úszásra. Bármennyit magyarázzuk valakinek hogyan kell két keréken egyensúlyozni, hiábavaló.

Az MI-kutató közösségen belül is egyre inkább tudatosul, hogy a nagy nyelvi modellek önmagukban elégtelenek az emberi intelligencia modellezéséhez. Yann LeCun Turing-díjas MI-kutató és az LLM-ek prominens szkeptikusa, a múlt héten otthagyta a Metát, hogy egy MI startupot alapítson „világmodellek” fejlesztésére. Ezek olyan rendszerek, amelyek értik a fizikai világot, állandó memóriával rendelkeznek, képesek érvelni és összetett cselekvéssorozatokat tervezni. Nemrég pedig egy csoport neves MI-tudós - köztük Yoshua Bengio (szintén Turing-díjas), Eric Schmidt korábbi Google-vezérigazgató és a neves MI-szkeptikus Gary Marcus - az AGI-t úgy definiálta, mint „olyan MI-t, amely képes felvenni a versenyt egy jól képzett felnőtt kognitív sokoldalúságával és jártasságával”. Az intelligenciát nem „monolitikus képességként”, hanem „több különálló képességből álló összetett architektúraként” javasolják értelmezni.

Ez előrelépés? Talán, amennyiben ez túlléptet minket azon az ostoba törekvésen, hogy egyre több tanulási adatot pakoljunk a szerverekre. De még mindig vannak problémák. Tényleg összegezhetjük az egyéni kognitív képességeket, és a kapott összeget általános intelligenciának tekinthetjük? Hogyan határozzuk meg, milyen súlyt kapjanak, és mely képességeket vegyünk bele vagy hagyjunk ki? Mit értünk pontosan tudás alatt, és milyen kontextusban? És bár ezek a szakértők egyetértenek abban, hogy pusztán a nyelvi modellek skálázása nem visz minket oda, a javasolt útjaik széttartóak. Jobb célt kínálnak, de útitervet nem a cél eléréséhez.

Bármely módszert feltételezve, tegyük fel, hogy nem túl távoli jövőben sikerül építenünk egy MI-rendszert, amely kiválóan teljesít a kognitívan kihívást jelentő feladatok széles spektrumában. Vajon elértük az MI-rendszer létrehozását, amely rendelkezik olyan intelligenciával, amely az IT-vezérigazgatók által ígért tudományos áttörésekhez vezethet? Nem feltétlenül. Mert van még egy utolsó akadály: még az emberi gondolkodás másolása sem garantálja, hogy az MI-rendszerek képesek lesznek az emberiség által elért kognitív ugrásokra.

Thomas Kuhn és A tudományos forradalmak szerkezete című könyvének köszönhetjük a „tudományos paradigmák” fogalmát, amelyek alapvető keret a világ megértésére. Kuhn azt állítja, hogy ezek a paradigmák nem iteratív kísérletezés eredményeként „tolódnak el”, hanem amikor új kérdések és ötletek merülnek fel, amelyek már nem illeszkednek meglévő tudományos leírásainkhoz. Einstein például a relativitást a tudományos bizonyítékok megerősítése előtt fogalmazta meg. Ezen elv alapján Richard Rorty filozófus úgy érvelt, hogy amikor tudósok és művészek elégedetlenek a meglévő paradigmákkal, új metaforákat hoznak létre, amelyek új világleírásokat eredményeznek, és ha ezek az új ötletek hasznosak, akkor közös megértésünk részévé válnak. Így - érvel Rorty - „a józan ész a halott metaforák gyűjteménye.”

Jelenlegi elképzelés szerint egy MI-rendszer, amely több kognitív területet lefed, elvileg előre jelezheti és reprodukálhatja, mit tenne vagy mondana egy általános intelligenciájú ember egy adott bemenet hatására. Ezeket az előrejelzéseket elektronikus aggregálással és modellezéssel hozzák létre a meglévő adatok alapján. Beépíthetik az új paradigmákat is a modelljeikbe úgy, hogy az emberinek tűnik. De nincs látható oka annak, hogy elégedetlenné váljon a táplált adatokkal, és ennek következtében nagyszerű tudományos és kreatív ugrásokat tegyen.

A legvalószínűbb kimenet ehelyett nem több, mint egy józan ész gyűjtemény. Igen, egy MI-rendszer érdekes módokon remixelheti és hasznosíthatja újra tudásunkat. De ennyire képes csak. Örökre csapdába esik az általunk kódolt és betanított szókincsben, egy halott metafora gép. Az igazi emberek - akik gondolkodnak, érvelnek és nyelvet használnak gondolataik megosztására - továbbra is élen járnak majd a világ megértésének átalakításában.