Пастка ілюзії: чому найрозумніший ШІ лише удає, що мислить
Чат-боти на кшталт ChatGPT, Claude, Google Gemini чи Perplexity AI навчилися віртуозно писати вірші, генерувати ідеї та розв'язувати складні аналітичні завдання. Створені за аналогією до людського мозку, штучні нейромережі видають результати, які створюють переконливу ілюзію справжнього мислення.
Проте у The Conversation висвітлено важливий когнітивний нюанс: однаковий підсумковий результат алгоритму й людини зовсім не означає тотожність самого мислення.
Предиктивна обробка: чому кава зранку є викликом для ШІ
Звичайна дія — потягнутися за чашкою кави на краю столу — вимагає від нашої нервової системи складного передбачення подій. Людина легко оцінює ризик упустити посуд або уявляє, як габаритний диван застрягне у дверному отворі ще до його купівлі.
Людський мозок працює за принципом предиктивної обробки (predictive processing):
Підписуйтеся на наші соцмережі
- мозок постійно генерує гіпотези про майбутнє та порівнює їх із реальністю;
- м'язове зусилля й дистанція коригуються підсвідомо ще до фізичного дотику;
- будь-яке відхилення від очікувань миттєво оновлює внутрішню оцінку об'єкта.
Спробуйте підняти чашку, вважаючи її повною, коли вона порожня: рука зненацька підскочить вгору через надмірне зусилля. Отриманий розрив між очікуваним і реальним негайно змінює оцінку ваги та коригує подальші рухи. Для робототехніки ж подібний маневр досі залишається складним викликом, що вимагає тисяч симуляцій.
Моделі світу ШІ: як алгоритми вчаться передбачати майбутнє
Поки людина спирається на тілесний досвід, мовні моделі прогнозують події виключно у текстовому форматі. Отримуючи фразу «Рука зачіпає чашку біля краю столу. Вона...», алгоритм підставляє «падає та розбивається» на основі аналізу гігантських масивів даних. Алгоритм описує вірогідний фінал без фізичного контакту з предметом і без розуміння, чому це відбувається.
Щоб подолати цей розрив, інженери розробляють «моделі світу» (world models) — новий клас штучного інтелекту:
- Мовні моделі (LLM): передбачають наступне слово на основі текстової статистики;
- Моделі світу (World Models): вчаться на відеозаписах, симуляціях та сенсорних датчиках роботів, передбачаючи наслідки реальних дій — наприклад, що надмірне стискання розчавить кераміку.
Поєднуючи динаміку рухів та сенсорику, моделі світу вчать штучний інтелект передбачати події майже так само влучно, як це робить людина. Проте навіть ідеально точний прогноз не пояснює, які саме знання його забезпечують.
Когнітивний розрив: чому передбачити не означає зрозуміти
Для людської свідомості чашка — це не просто керамічний циліндр на площині. Вона може бути крихкою, гарячою, вашою чи моєю, а також викликати спогади про затишну кав'ярню. Ми пов'язуємо об'єкт із цілою мережею дій і наслідків, тоді як здатність передбачити падіння — лише верхівка когнітивного айсберга.
Це розуміння формується з перших місяців життя, коли немовлята вже мають базові очікування щодо поведінки фізичних предметів. У концепції Жана Піаже діти будують знання про світ саме через дію. З часом людина вчиться подумки моделювати наслідки, поєднуючи відчуття ваги, вигляд розлитого напою та уявлення про майбутній хаос без проведення реального експерименту.
Результат чи процес: де проходить межа між ШІ та людиною
Штучний інтелект із моделями світу здатний вчитися на діях, симуляціях та сенсорних даних. Утім, фундаментальна різниця криється між зовнішнім результатом (performance) і внутрішнім когнітивним процесом (process).
Алгоритм може бездоганно розрахувати траєкторію та підхопити посудину на льоту, але він робить це за рахунок математичних обчислень, а не усвідомленого сприйняття. Що краще штучний інтелект відтворює результати людської діяльності, то важливіше пам'ятати: переконлива імітація розуму все ще залишається лише потужним обчислювальним дзеркалом нашого власного досвіду.