بازگشت به یادداشت‌ها

از دیدنِ صورت تا دربرگرفتنِ مفهوم، وقتی هوش مصنوعی می‌گوید "می‌فهمم"

اگر یک ماشین بتواند درباره “عدالت” هزاران صفحه بنویسد، آیا واقعاً می‌داند عدالت چیست؟ این سؤال، برخلاف ظاهر امروزی‌اش، مسئله تازه‌ای نیست. شاید برای فهمیدن آن باید به گذشته برگردیم. افلاطون از واژه یونانی eidos (εἶδος) استفاده می‌کرد؛ واژه‌ای مرتبط با “دیدن”. اما eidos صرفاً ظاهر یک چیز نبود. مسئله این بود:

چه چیزی باعث می‌شود چیزهای متفاوت را تحت یک عنوان واحد بشناسیم؟ چهره، موسیقی، منظره و رفتارهای متفاوتی را «زیبا» می‌نامیم. اما سؤال افلاطونی این است: “زیبایی چیست که این چیزهای متفاوت را زیبا می‌کند؟”

اینجاست که ایده “صورت” یا فرم وارد می‌شود؛ چیزی که در پسِ نمونه‌های متغیر، امکان شناخت یک چیز را فراهم می‌کند.

قرن‌ها بعد، واژه concept از لاتین conceptus و فعل concipere آمد، واژه‌ای با معنای “در خود گرفتن” یا “در ذهن دربرگرفتن”.

دو استعاره متفاوت:

  • Eidos: فهمیدن، شبیه “دیدنِ صورت”
  • concept: فهمیدن، شبیه “در ذهن گرفتن و صورت‌بندی کردن”

قرن‌ها بعد، چارلز سندرز پیرس سؤال را از زاویه‌ای دیگر مطرح کرد، از کجا بفهمیم یک مفهوم واقعاً برای ما روشن است؟ پاسخ او این بود که به پیامدهایش نگاه کن. اگر می‌گویی “آزادی”، چه تفاوتی در عمل ایجاد می‌کند؟ اگر می‌گویی “اعتماد”، چه رفتاری باید ببینیم؟ اگر می‌گویی “عدالت”، چه پیامد قابل‌ مشاهده‌ای باید داشته باشد؟ برای پیرس، روشن‌کردن مفهوم فقط پیدا کردن یک تعریف زیبا نیست، باید بفهمیم این مفهوم چه تفاوتی ایجاد می‌کند؟

یک LLM می‌تواند درباره عدالت بنویسد، افلاطون و پیرس را توضیح دهد، مثال بزند و حتی تفاوت eidos و concept را به‌خوبی شرح دهد اما آیا تولید توصیف درست، همان فهمیدن است؟ آیا مدل “عدالت” را فهمیده؟ یا فقط می‌داند انسان‌ها درباره عدالت چگونه صحبت کرده‌اند؟ حال باید به جای اینکه بپرسیم آیا هوش مصنوعی فکر می‌کند باید بپرسیم وقتی یک مفهوم را به کار می‌برد، دقیقا چه چیزی در اختیار دارد؟ آیا واقعاً مفهومی را در خود دارد؟ یا شبکه‌ای عظیم از روابط آماری میان نشانه‌ها که به او اجازه می‌دهد درباره آن مفهوم بسیار ماهرانه صحبت کند؟ اینجاست که پیرس دوباره مهم می‌شود. اگر بگوییم یک سیستم واقعاً مفهوم “عدالت” را فهمیده، شاید کافی نباشد که بتواند تعریفش کند. باید ببینیم وقتی شرایط تغییر می‌کند چه می‌کند. وقتی دو مفهوم با هم تعارض پیدا می‌کنند چه می‌کند؟ وقتی با نمونه‌ای مواجه می‌شود که با برداشت قبلی‌اش ناسازگار است، چه می‌کند؟ آیا می‌تواند باورش را اصلاح کند؟ آیا می‌تواند پیامدهای یک مفهوم را در جهان دنبال کند؟

و شاید مهم‌تر:

آیا چیزی برایش واقعاً در معرض خطای فهم قرار دارد؟

شاید پاسخ روشنی هنوز نداریم. اما شاید این پرسش از بسیاری از بحث‌های رایج درباره “هوشمندی” AI مهم‌تر باشد. چون مسئله دیگر فقط این نیست که ماشین چقدر خوب می‌تواند حرف بزند، بلکه این است آیا پشت این کلمات، چیزی هست که واقعاً معنایی را فهمیده باشد؟ و شاید دوباره به همان سؤال قدیمی برگردیم:

فهمیدن یعنی “دیدن” یا “در ذهن گرفتن” یا “تواناییِ تغییرکردن در مواجهه با واقعیت”؟ پاسخ به این سؤال کمکی است به روشن‌تر شدن بیشتر مرز واقعی میان تولید زبان و فهمیدن!

منبع در LinkedIn