Tính chủ quan và sự phát triển của triết học AI

Tổng quan lịch sử về triết lý trí tuệ nhân tạo Nhiều người nổi tiếng trong lĩnh vực triết học công nghệ đã cố gắng hiểu bản chất của công nghệ và liên kết nó với xã hội và trải nghiệm của con người. Trong nửa đầu thế kỷ 20, kết quả phân tích của họ chủ yếu cho thấy sự khác biệt giữa công nghệ và đời sống con người. Công nghệ được coi là một thế lực tự trị có thể nghiền nát những bộ phận cơ bản của nhân loại. Bằng cách đưa khái niệm công nghệ xuống các giả định mang tính lịch sử và siêu nghiệm, các triết gia dường như đã loại bỏ tác động của các sự kiện cụ thể. Vào những năm 80, một quan điểm thực nghiệm hơn về công nghệ đã phát triển, dựa trên ý tưởng của các triết gia Mỹ, những người đã tích hợp tác động của các công nghệ cụ thể vào quan điểm của họ . Sự phụ thuộc lẫn nhau giữa công nghệ và xã hội là chủ đề chính của nghiên cứu này. “Bước ngoặt thực nghiệm” này giúp giải thích tính linh hoạt của công nghệ và nhiều vai trò của nó trong xã hội. Cách tiếp cận này đã được phát triển hơn nữa bởi các nhà triết học công nghệ, chẳng hạn như tại Đại học Twente. (Achterhuis, HJ, “Van Stoommachine tot cyborg; denken over techniek in de nieuwe wereld”, 1997 ) Trí tuệ nhân tạo được thành lập như một lĩnh vực nghiên cứu vào năm 1956. Nó liên quan đến hành vi thông minh trong máy tính. Mục đích của nghiên cứu có thể được chia thành bốn loại: Những hệ thống suy nghĩ như con người. Hệ thống suy nghĩ hợp lý. Các hệ thống hoạt động giống như con người. Các hệ thống hoạt động hợp lý. Sau nhiều năm lạc quan về khả năng hoàn thành những nhiệm vụ này, lĩnh vực này phải đối mặt với những thách thức về cách thể hiện trí thông minh có thể hữu ích trong các ứng dụng. Chúng bao gồm việc thiếu kiến thức cơ bản, tính phức tạp của tính toán và những hạn chế trong cấu trúc biểu diễn kiến thức . Nhưng những thách thức không chỉ đến từ cộng đồng thiết kế. Các triết gia, những người kể từ thời Platon đã quan tâm đến tâm trí và lý luận, cũng bắt đầu phàn nàn. Sử dụng cả những phản đối toán học (dựa trên Turing và Gödel) và những lập luận mang tính triết học hơn về bản chất của trí thông minh con người, họ đã cố gắng chỉ ra những hạn chế nội tại của dự án AI. Người nổi tiếng nhất trong số họ là Hubert Dreyfus. (Russell, S & Norvig, “Trí tuệ nhân tạo: Cách tiếp cận hiện đại”, Peter, 2009) Hubert Dreyfus về trí tuệ nhân tạo Dreyfus coi mục tiêu và phương pháp của trí tuệ nhân tạo là một quan điểm duy lý rõ ràng về trí thông minh. Điều này đã được nhiều nhà triết học theo chủ nghĩa duy lý bảo vệ trong suốt lịch sử, nhưng bản thân Dreyfus lại là người ủng hộ triết học phản duy lý của thế kỷ 20, như có thể thấy trong các tác phẩm của Heidegger, Merleau-Ponty và Wittgenstein. Theo Dreyfus, cách nhận thức cơ bản nhất là trực quan chứ không phải lý trí. Tích lũy kinh nghiệm trong một lĩnh vực nhất định, một người chỉ trở nên gắn bó với các quy tắc chính thức trong lần nghiên cứu lập luận đầu tiên. Sau đó, trí thông minh có nhiều khả năng được thể hiện bằng các quy tắc thực nghiệm và các quyết định trực quan. Cách tiếp cận hợp lý của AI có thể được bắt nguồn rõ ràng từ nền tảng của cái được gọi là AI mang tính biểu tượng. Các quy trình thông minh được xem như một hình thức xử lý thông tin và việc thể hiện thông tin này mang tính biểu tượng. Vì vậy, trí thông minh ít nhiều bị giới hạn trong việc thao túng các biểu tượng. Dreyfus đã phân tích điều này như sự kết hợp của ba giả định cơ bản: Một giả định tâm lý cho rằng trí thông minh của con người dựa trên các quy tắc thao tác biểu tượng. Một giả định nhận thức luận là mọi kiến thức đều được hình thức hóa. Một giả định bản thể học là thực tế có cấu trúc được hình thức hóa. Dreyfus không chỉ phê phán những giả định này mà còn xác định một số khái niệm mà ông tin là cần thiết cho trí thông minh. Theo Dreyfus, trí thông minh được thể hiện và định vị. Phương án này rất khó giải thích vì không rõ liệu điều này có nghĩa là trí thông minh cần có cơ thể hay nó chỉ có thể phát triển với sự trợ giúp của cơ thể. Nhưng ít nhất, rõ ràng là Dreyfus coi trí thông minh phụ thuộc vào tình huống mà tác nhân trí tuệ ở đó và các yếu tố có mối quan hệ có ý nghĩa với bối cảnh của chúng. Điều này ngăn cản hiện thực bị giản lược thành các thực thể được hình thức hóa. Quan điểm của Dreyfus khiến cho việc vận hành những cỗ máy thao túng các biểu tượng nằm ngoài phạm vi hình thức được xác định rõ ràng là không thể. Dreyfus có thái độ tích cực hơn đối với cách tiếp cận theo chủ nghĩa kết nối đối với trí tuệ nhân tạo. Cách tiếp cận này cho thấy hành vi thông minh xuất hiện từ các cấu trúc được mô hình hóa giống với tế bào thần kinh và các kết nối của chúng trong não người. Nhưng ông nghi ngờ rằng sự phức tạp của bộ não con người có thể tồn tại được trong những cỗ máy như vậy. Vì vậy, Dreyfus đã khởi xướng một cuộc thảo luận về tính khả thi của các mục tiêu AI. Tác phẩm của ông đã thu hút rất nhiều sự chú ý và gây ra những cuộc tranh luận sôi nổi. Ông thậm chí còn tìm cách khiến một số nhà nghiên cứu thay đổi quan điểm của họ và bắt đầu triển khai các hệ thống phù hợp hơn với tầm nhìn của ông. Dreyfus đã chứng minh các giả định được đưa ra bởi AI tượng trưng và làm rõ rằng không có gì hiển nhiên rằng những giả định này sẽ tạo ra những cỗ máy thông minh thực sự . ( ) Mind Over Machine: The Power of Human Intuition and Expertise in the Era of the Computer Tuy nhiên, có hai nhận xét cần được đưa ra. Đầu tiên, Dreyfus đưa ra lời chỉ trích dựa trên các phương pháp tiếp cận AI mang tính biểu tượng nghiêm ngặt. Trong những thập kỷ gần đây, đã có một số nỗ lực nhằm tạo ra nhiều hệ thống thông minh lai hơn và triển khai các phương pháp không dựa trên quy tắc trong AI tượng trưng. Những hệ thống này đưa ra một quan điểm khác về trí thông minh mà phân tích của Dreyfus không thể giải thích đầy đủ. Thứ hai, những lời chỉ trích của Dreyfus dường như dựa trên quan điểm hoài nghi về trí tuệ nhân tạo, một phần vì nền tảng triết học của chính ông và một phần vì những nền tảng được thiết lập vào thời điểm mà sự nhiệt tình gần như không giới hạn. Ý chí tự do là một khái niệm kỳ lạ. Triết học có thể thảo luận về tâm trí con người theo nhiều cách, nhưng khi đề cập đến câu hỏi liệu chúng ta có được tự do trong các quyết định của mình hay không, cuộc thảo luận trở nên nguy hiểm. Chúng ta đã quá quen với việc suy nghĩ về mặt ý chí, quyết định và hành động đến mức chúng ta hầu như từ chối xem xét khả năng chúng ta không được tự do trong các lựa chọn của mình. Nhưng có cái gì đó khác. Điều gì sẽ xảy ra nếu tôi nói trong một cuộc thảo luận như vậy rằng con người không hề có ý chí tự do? Nếu nó sai thì tôi sai, còn nếu nó đúng thì toàn bộ nhận xét sẽ mất đi ý nghĩa vì tôi không thể làm gì khác ngoài việc nói điều đó. Việc phủ nhận ý chí tự do là một mâu thuẫn thực dụng. Bạn không thể phủ nhận ý chí tự do của một người mà không làm cho sự phủ nhận này trở nên vô nghĩa. Tuy nhiên, câu hỏi về ý chí tự do dường như có liên quan, vì các lý thuyết khoa học có thể khẳng định rằng mọi thứ xảy ra đều tuân theo quy luật tự nhiên. Vì vậy, chúng ta cần phải cấp cho con người những đặc tính đặc biệt hoặc phủ nhận rằng các quy luật tự nhiên được xác định nếu chúng ta không muốn trở thành những cỗ máy hữu cơ xác định. Lựa chọn đầu tiên liên quan đến nhiều lý thuyết triết học, nhưng trên hết là lý thuyết của Descartes, người chia thế giới thành hai thực thể (tinh thần và vật chất) được kết nối với nhau ở con người. Lựa chọn thứ hai mở ra một tầm nhìn toàn diện hơn, sử dụng những phát triển mới nhất trong vật lý (thuyết tương đối, cơ học lượng tử) để chứng minh rằng ý chí tự do của chúng ta có thể dựa trên những động lực không thể đoán trước của tự nhiên. Quan điểm nhị nguyên của Descartes và những người khác phủ nhận sự tồn tại của ý chí tự do đối với những thứ khác ngoài con người. Vì vậy, cuộc thảo luận về ý chí tự do và máy móc thông minh không có gì đặc biệt thú vị. Mặt khác, quan điểm tổng thể phù hợp hơn cho một cuộc thảo luận như vậy, nhưng khó có thể đưa ra kết luận nào khác ngoài các giả định vật lý cần thiết để gán đặc tính tự do ý chí cho con người hoặc máy tính. Điều này có thể thích hợp trong một cuộc thảo luận triết học thuần túy, nhưng lại ít liên quan đến khoa học máy tính. Cũng có khả năng thừa nhận rằng bản chất con người vốn dĩ là mâu thuẫn, vì cả quan điểm quyết định và ý chí tự do đều hợp lý và cần thiết. Cách tiếp cận biện chứng này cho phép chúng ta suy nghĩ về ý chí tự do ở con người mà không phải lo lắng về những tiền giả định về thể chất. Ý chí tự do trở thành một giả định siêu việt của con người. Tuy nhiên, quan điểm siêu việt về ý chí tự do trong cách tiếp cận này không cho phép thảo luận về ý chí tự do trong các tạo tác cụ thể như máy móc thông minh vì không thể mô hình hóa hoặc thiết kế các tiền giả định siêu việt. Hơn nữa trong phần này, tôi sẽ chuyển đổi khái niệm phức tạp về ý chí tự do thành một khái niệm có thể được sử dụng để phân tích máy móc thông minh. Khái niệm này phải tương thích với cách tiếp cận thực nghiệm trong triết lý công nghệ. Vì vậy, chúng ta nên tránh nói về khái niệm ý chí tự do dưới góc độ tiền giả định vật chất hoặc siêu việt mà nên tập trung vào vai trò của khái niệm này trong xã hội. Gợi ý về cách tiếp cận của tôi trong bài viết này có thể được tìm thấy trong đoạn giới thiệu. Quan điểm của tôi về cuộc tranh luận về ý chí tự do là có hai cách tiếp cận cơ bản khác nhau đối với bất kỳ nghiên cứu nào trong lĩnh vực này. Phần đầu tiên tập trung vào các vấn đề triết học sâu sắc về bản chất của ý chí tự do và khả năng con người tránh né những “yêu cầu” của tự nhiên. Tôi sẽ gọi nó là phương pháp vật lý. Trong bài viết về máy thông minh, điều này dẫn đến một cuộc tranh luận triết học tập trung vào bản chất của con người hơn là bản chất của máy tính, bởi vì chúng ta rơi vào tình thế mà dù thế nào chúng ta cũng phải bảo vệ ý chí của mình và nói điều gì đó về máy tính vì chúng tôi chỉ muốn viết một bài về nó. Nói cách khác, cuộc thảo luận trở thành sự so sánh giữa con người và máy tính, trong đó cả con người và máy tính đều không thể nhận ra chính mình. Một cách tiếp cận khác được đề xuất một cách tinh tế trong đoạn đầu tiên của phần này, tập trung vào việc không thể phủ nhận ý chí tự do của chính chúng ta. Như đã đề cập trước đó, sự từ chối này không có ý nghĩa gì. Nhưng nó không chỉ làm mất giá trị của chính nó mà còn phá hủy nền tảng của trách nhiệm nói chung. Điều này có nghĩa là chúng ta không thể khen ngợi hay trách móc mọi người về những gì họ nói hoặc làm, vì vậy chúng ta phải xem xét lại các nguyên tắc về quyền tài phán, công việc, tình bạn, tình yêu và mọi thứ mà chúng ta đã xây dựng xã hội của mình dựa trên đó. Tất cả những vấn đề xã hội này đều đòi hỏi sự lựa chọn, và bất cứ khi nào nói đến sự lựa chọn thì khái niệm tự do ý chí là điều cần thiết. Bản chất của điều này là ý chí tự do là một giả định quan trọng đối với xã hội chúng ta, bất kể nó có hợp lý về mặt vật lý hay không. Tôi sẽ gọi đây là cách tiếp cận xã hội. Một câu hỏi khó là liệu giả định về ý chí tự do chỉ cần thiết cho xã hội của chúng ta hay cho bất kỳ xã hội loài người nào. Dù sao thì tôi cũng sẽ xem xét câu hỏi này, vì nó có thể đưa ra một sự biện minh mang tính triết học hơn về tầm quan trọng của ý chí tự do hơn là chỉ đơn giản chỉ ra cấu trúc của xã hội chúng ta. Dường như không thể trả lời nếu không xem xét lại bản chất con người và do đó giới thiệu lại cách tiếp cận vật lý đối với ý chí tự do. Nhưng khi chúng ta khẳng định rằng sự tương tác là cốt lõi của nền văn minh nhân loại thì nhu cầu về khái niệm ý chí tự do sẽ nảy sinh một cách tự nhiên. Chúng ta không thể tương tác với mọi người mà không cho rằng họ có quyền tự do tác động đến quá trình tương tác, vì bất kỳ tương tác nào giữa con người với nhau đều ngụ ý rằng chúng ta không biết trước kết quả. Vì vậy, các tương tác được đặc trưng bởi sự lựa chọn và do đó bởi khái niệm ý chí tự do. Nếu sự tương tác là nền tảng trong bất kỳ xã hội nào, chúng ta cũng phải tuyên bố rằng ý chí tự do không thể bị từ chối trong bất kỳ xã hội nào. Những cách tiếp cận khác nhau đối với triết lý trí tuệ nhân tạo Trí tuệ nhân tạo biểu tượng (AI) là một trường con của AI tập trung vào xử lý và thao tác các ký hiệu hoặc khái niệm hơn là dữ liệu số. Mục đích của trí tuệ nhân tạo mang tính biểu tượng là tạo ra các hệ thống thông minh có thể suy luận và suy nghĩ giống con người bằng cách biểu diễn và vận dụng kiến thức và lý luận dựa trên các quy tắc logic. Các thuật toán cho trí tuệ nhân tạo mang tính biểu tượng hoạt động bằng cách xử lý các ký hiệu đại diện cho các đối tượng hoặc khái niệm trên thế giới và các kết nối của chúng. Cách tiếp cận chính trong trí tuệ nhân tạo biểu tượng là sử dụng lập trình logic, trong đó các quy tắc và tiên đề được sử dụng để đưa ra kết luận. Ví dụ: chúng tôi có một hệ thống trí tuệ nhân tạo mang tính biểu tượng được thiết kế để chẩn đoán bệnh dựa trên các triệu chứng mà bệnh nhân báo cáo. Hệ thống có một bộ quy tắc và tiên đề mà nó sử dụng để đưa ra kết luận về tình trạng của bệnh nhân. NẾU bệnh nhân bị sốt VÀ ho VÀ khó thở, THÌ bệnh nhân có thể bị viêm phổi. Ví dụ: nếu bệnh nhân báo sốt, hệ thống có thể áp dụng quy tắc sau: Sau đó, hệ thống sẽ kiểm tra xem bệnh nhân có bị ho, khó thở hay không và nếu có sẽ kết luận rằng bệnh nhân có thể bị viêm phổi. Cách tiếp cận này rất dễ diễn giải vì chúng ta có thể dễ dàng theo dõi quá trình suy luận theo các quy tắc logic đã được áp dụng. Nó cũng giúp dễ dàng thay đổi và cập nhật các quy tắc của hệ thống khi có thông tin mới. AI tượng trưng sử dụng các ngôn ngữ hình thức, chẳng hạn như logic, để biểu diễn kiến thức. Kiến thức này được xử lý bằng cơ chế suy luận sử dụng thuật toán để thao tác các ký hiệu. Điều này cho phép tạo ra các hệ thống chuyên gia và hệ thống hỗ trợ quyết định có thể đưa ra kết luận dựa trên các quy tắc và kiến thức được xác định trước. Trí tuệ nhân tạo mang tính biểu tượng khác với các phương pháp AI khác, chẳng hạn như máy móc và học sâu, vì nó không yêu cầu lượng lớn dữ liệu đào tạo. Thay vào đó, AI biểu tượng dựa trên việc biểu diễn và suy luận kiến thức, điều này làm cho nó phù hợp hơn với các lĩnh vực mà kiến thức được xác định rõ ràng và có thể được biểu diễn theo các quy tắc logic. Mặt khác, học máy yêu cầu tập dữ liệu lớn để tìm hiểu các mẫu và đưa ra dự đoán. Học sâu sử dụng mạng lưới thần kinh để tìm hiểu các tính năng trực tiếp từ dữ liệu, điều này giúp nó phù hợp với các miền có dữ liệu phức tạp và phi cấu trúc. Nó phụ thuộc vào lĩnh vực chủ đề và dữ liệu có sẵn khi áp dụng từng kỹ thuật. Trí tuệ nhân tạo mang tính biểu tượng phù hợp với các lĩnh vực có kiến thức được xác định và cấu trúc rõ ràng, trong khi máy và học sâu phù hợp với các lĩnh vực có lượng dữ liệu lớn và các mẫu phức tạp. Cách tiếp cận theo chủ nghĩa kết nối đối với triết lý trí tuệ nhân tạo dựa trên các nguyên tắc của mạng lưới thần kinh và sự tương đồng của chúng với bộ não con người. Cách tiếp cận này nhằm mục đích bắt chước hành vi của các tế bào thần kinh được kết nối với nhau trong các hệ thống sinh học để xử lý thông tin và học hỏi từ dữ liệu. Dưới đây là một số khía cạnh chính của cách tiếp cận kết nối. Cách tiếp cận theo chủ nghĩa kết nối liên quan đến việc tạo ra các mạng lưới thần kinh nhân tạo bao gồm các nút được kết nối với nhau, thường được gọi là các nút hoặc nơ-ron nhân tạo. Các nơ-ron nhân tạo này được thiết kế để nhận dữ liệu đầu vào, thực hiện tính toán và truyền tín hiệu đến các nơ-ron khác trong mạng. Cách tiếp cận theo chủ nghĩa kết nối giả định rằng các nơ-ron nhân tạo trong mạng phối hợp với nhau để xử lý thông tin. Mỗi nơ-ron nhận tín hiệu đầu vào, thực hiện các phép tính dựa trên chúng và truyền tín hiệu đầu ra đến các nơ-ron khác. Đầu ra của mạng được xác định bởi hoạt động tập thể của các nơ-ron trong đó, trong khi thông tin chảy qua các kết nối giữa chúng. Một khía cạnh quan trọng của cách tiếp cận kết nối là khả năng học hỏi từ dữ liệu của mạng lưới thần kinh nhân tạo. Trong quá trình học, mạng sẽ điều chỉnh cường độ kết nối (trọng số) giữa các nơ-ron dựa trên dữ liệu đầu vào và kết quả mong muốn. Dựa trên sự so sánh lặp đi lặp lại giữa đầu ra dự đoán của mạng với kết quả mong đợi, các trọng số được cập nhật để giảm thiểu sự khác biệt và cải thiện hiệu suất mạng. Các hệ thống kết nối đề cao việc xử lý song song, trong đó một số tính toán được thực hiện đồng thời trên mạng. Điều này đảm bảo xử lý thông tin hiệu quả và đáng tin cậy. Ngoài ra, các mô hình kết nối sử dụng cách biểu diễn phân tán, nghĩa là thông tin được mã hóa trong nhiều nơ-ron thay vì được bản địa hóa ở một vị trí duy nhất. Biểu diễn phân tán này cho phép mạng xử lý các mẫu phức tạp và tóm tắt dựa trên các ví dụ hạn chế. Cách tiếp cận theo chủ nghĩa kết nối là nền tảng của học sâu, một lĩnh vực con của tập trung vào việc đào tạo mạng lưới thần kinh sâu với nhiều lớp. Các mô hình học sâu đã cực kỳ thành công trong nhiều lĩnh vực khác nhau như thị giác máy tính, xử lý ngôn ngữ tự nhiên và nhận dạng giọng nói. Họ đã chứng tỏ khả năng tự động học cách biểu diễn dữ liệu phân cấp, mang lại hiệu suất nâng cao trong các tác vụ phức tạp. trí tuệ nhân tạo Nhìn chung, cách tiếp cận theo chủ nghĩa kết nối đối với triết lý trí tuệ nhân tạo nhấn mạnh việc sử dụng mạng lưới thần kinh nhân tạo để bắt chước bản chất hợp tác và song song trong quá trình xử lý não người. Bằng cách học từ dữ liệu sử dụng điều chỉnh trọng lượng, các hệ thống kết nối đã được chứng minh là có hiệu quả cao trong việc giải quyết các vấn đề phức tạp và đạt được kết quả ấn tượng trong các ứng dụng AI. Mạng lưới thần kinh là một mô hình tính toán lấy cảm hứng từ cấu trúc và chức năng của mạng lưới thần kinh sinh học như bộ não con người. Nó là một cấu trúc toán học bao gồm các nút được kết nối với nhau (tế bào thần kinh nhân tạo) được sắp xếp theo lớp. Mạng lưới thần kinh nhằm mục đích xử lý và tìm hiểu dữ liệu, cho phép chúng nhận dạng các mẫu, đưa ra dự đoán và thực hiện các nhiệm vụ khác nhau. Tế bào thần kinh nhân tạo là đơn vị cơ bản của mạng lưới thần kinh. Mỗi nơ-ron nhận một hoặc nhiều dữ liệu đầu vào, thực hiện các phép tính trên chúng và tạo ra dữ liệu đầu ra. Dữ liệu đầu ra thường được truyền đến các nơ-ron khác trong mạng. Các nơ-ron trong mạng lưới thần kinh được kết nối với nhau thông qua các kết nối thể hiện luồng thông tin giữa chúng. Mỗi kết nối liên quan đến một trọng số xác định cường độ hoặc tầm quan trọng của tín hiệu được truyền đi. Các yếu tố trọng số được điều chỉnh trong quá trình học để tối ưu hóa hiệu suất mạng. Mạng lưới thần kinh thường được sắp xếp theo lớp. Lớp đầu vào nhận dữ liệu ban đầu, trong khi lớp đầu ra tạo ra kết quả hoặc dự đoán cuối cùng và có thể có một hoặc nhiều lớp ẩn ở giữa. Các lớp ẩn cho phép mạng học các biểu diễn phức tạp bằng cách chuyển đổi và kết hợp thông tin đầu vào. Mỗi nơ-ron áp dụng một hàm kích hoạt cho tổng dữ liệu đầu vào có trọng số của nó để tạo ra tín hiệu đầu ra. Hàm kích hoạt mang lại tính phi tuyến tính cho mạng, cho phép mạng mô hình hóa các kết nối phức tạp và đưa ra các dự đoán phi tuyến tính. Mạng lưới thần kinh xử lý dữ liệu dựa trên nguyên tắc tiếp liệu. Dữ liệu đầu vào đi qua mạng theo từng lớp, với các phép tính được thực hiện trên mỗi nơ-ron. Đầu ra của một lớp đóng vai trò là đầu vào cho lớp tiếp theo cho đến khi tạo ra kết quả cuối cùng. Mạng lưới thần kinh học dữ liệu thông qua một quá trình gọi là đào tạo. Trong quá trình đào tạo, dữ liệu đầu vào được đưa vào mạng cùng với các đầu ra mong muốn tương ứng. Bằng cách so sánh các dự đoán của nó với kết quả mong muốn, trọng số của mạng được điều chỉnh bằng các thuật toán như giảm độ dốc và lan truyền ngược. Quá trình lặp đi lặp lại này cho phép mạng giảm thiểu sự khác biệt giữa dự đoán của nó và kết quả mong đợi. Mạng lưới thần kinh sâu (DNN) đề cập đến mạng lưới thần kinh có nhiều lớp ẩn. Học sâu, tập trung vào đào tạo mạng lưới thần kinh sâu, đã thu hút được sự chú ý đáng kể trong những năm gần đây nhờ khả năng tự động học các biểu diễn phân cấp và trích xuất các mẫu phức tạp từ dữ liệu. Mạng lưới thần kinh đã rất thành công trong nhiều lĩnh vực, bao gồm nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên, tổng hợp giọng nói, v.v. Chúng có khả năng xử lý lượng lớn dữ liệu, tóm tắt dựa trên các ví dụ và thực hiện các phép tính phức tạp, điều này khiến chúng trở thành một công cụ mạnh mẽ trong lĩnh vực trí tuệ nhân tạo. Các vấn đề triết học và tranh luận trong lĩnh vực trí tuệ nhân tạo “Không ai có chút ý tưởng nào về việc làm thế nào một vật chất có thể có ý thức được. Thậm chí không ai biết sẽ như thế nào khi có một ý tưởng nhỏ nhất về việc một vật chất có thể có ý thức như thế nào.” . Jerry Fodor được ghi nhận là người đưa ra những lời này, và tôi tin rằng chúng giải thích tất cả những khó khăn mà tôi gặp phải khi cố gắng tìm ra cách một cỗ máy có thể có ý thức. Tuy nhiên, những lời này không khuyến khích tôi từ bỏ nỗ lực khẳng định rằng có thể tạo ra một cỗ máy có ý thức nhân tạo. Trên thực tế, họ làm ngược lại; họ khuyến khích tôi nghĩ rằng nếu chúng ta (những sinh vật vật chất) có thể có ý thức thì ý thức phải là một vật chất và do đó, về mặt lý thuyết, nó có thể được tạo ra một cách nhân tạo. (Jerry Fodor, Ernest Lepore, “Chủ nghĩa toàn diện: Hướng dẫn cho người mua hàng”, Blackwell, 1992) Điểm mấu chốt trong ý thức là đây không phải là một thứ. Nó là một tập hợp các khái niệm đa hình, tất cả chúng được trộn lẫn theo những cách khác nhau. Vì vậy, thật khó để gỡ rối tất cả và cố gắng giải thích từng điều một cách riêng biệt. Điều quan trọng là phải ghi nhớ điều này bởi vì mặc dù tôi cố gắng hết sức để giải thích một số khía cạnh của nó nhưng mối liên hệ giữa chúng lại gây khó khăn. Trong kết luận của mình, tôi cố gắng kết hợp tất cả các khái niệm này để chứng minh tính khả thi của ý thức nhân tạo mạnh mẽ trong một máy ảo. Nhìn chung, ý thức nhân tạo (sau đây gọi tắt là AC) được chia thành hai phần: AC yếu và AC mạnh. AC yếu là “sự mô phỏng hành vi có ý thức”. Nó có thể được triển khai như một chương trình thông minh mô phỏng hành vi của một sinh vật có ý thức ở một mức độ chi tiết nhất định mà không cần hiểu các cơ chế tạo ra ý thức. Một AC mạnh là “suy nghĩ có ý thức thực sự đến từ một cỗ máy tính toán phức tạp (bộ não nhân tạo). Trong trường hợp này, sự khác biệt chính so với mức tương đương tự nhiên của nó phụ thuộc vào phần cứng tạo ra quy trình.” Tuy nhiên, có một số học giả, như Chrisley, cho rằng có nhiều lĩnh vực trung gian của AC, cái mà ông gọi là độ trễ ý thức nhân tạo. Với những đổi mới về điện toán tăng theo cấp số nhân hàng năm, tính khả thi của AC công suất cao ngày càng trở nên phù hợp. Khi trí tuệ nhân tạo (sau đây gọi tắt là AI) chuyển từ trang truyện khoa học viễn tưởng sang lĩnh vực khoa học, ngày càng có nhiều nhà khoa học và triết gia đang xem xét kỹ hơn về nó. Nhiều nhà tư tưởng hàng đầu thế giới, bao gồm Stephen Hawking, Elon Musk và Bill Gates, gần đây đã ký một bức thư ngỏ kêu gọi sử dụng AI một cách có trách nhiệm và vì lợi ích của toàn nhân loại. Tuyên bố này không đề cập đến loại trí tuệ nhân tạo này (thuần túy trí tuệ), cũng không liên quan đến cái gọi là “câu hỏi về máy móc”, đặt ra câu hỏi: “Chúng ta nên lập trình AI như thế nào?” tức là nên giảng dạy học thuyết đạo đức nào và tại sao? Mặc dù những chủ đề này rất thú vị và cực kỳ quan trọng nhưng ở đây không có đủ thời gian để đưa ra những phân tích sâu sắc về những vấn đề này. Để biết thêm về điều này, hãy xem Nick Bostrom, Miles Brundage, và George Lazarus, chỉ kể tên một vài người. Chúng ta đã biết rằng một cái máy có thể hoạt động một cách thông minh; và rằng nó có thể sử dụng logic để giải quyết vấn đề và tìm ra giải pháp bởi vì chúng ta đã lập trình cho nó làm như vậy nhưng những nghi ngờ về khả năng nhận thức hiện tượng của cỗ máy đã xuất hiện và lan rộng. Chúng ta khác với máy móc ở chỗ chúng ta có cảm xúc, kinh nghiệm, ý chí tự do, niềm tin, v.v. Mặc dù hầu hết mọi người đều đồng ý rằng có một “chương trình” nhất định trong di truyền và sinh học của chúng ta, nhưng họ chắc chắn rằng họ có thể đưa ra lựa chọn của riêng mình và rằng một chương trình máy tính nhân tạo không thể tái tạo lại trải nghiệm chủ quan cá nhân độc đáo đầu tiên của họ. Tuy nhiên, tuyên bố này sẽ không còn thú vị nếu không có cơ hội tồn tại của một cỗ máy có khả năng tạo ra dòng điện xoay chiều mạnh mẽ. Lý thuyết được trích dẫn nhiều nhất về ý thức tương thích với AC mạnh là thuyết chức năng. Điều này có nghĩa là ý thức được xác định bởi chức năng của nó. Về mặt lý thuyết, nó được đơn giản hóa, nhưng có một số loại chủ nghĩa chức năng. Lý thuyết này được biết đến nhờ sự liên kết với Alan Turing, máy Turing và bài kiểm tra Turing. Là hậu duệ của chủ nghĩa hành vi, anh ta (đôi khi) giữ quan điểm tính toán về tâm trí và các chức năng đó là thông số thực sự của ý thức. Ở một mức độ nào đó, ông cũng được biết đến vì đã không giải thích được ý thức hiện tượng, trạng thái định tính và phẩm chất. Mặc dù có nhiều câu trả lời cho câu đố này, nhưng tôi ủng hộ quan điểm loại trừ bảo thủ về mặt bản thể học về các trạng thái định tính. Điều khiến nó trở thành chủ nghĩa bài trừ là tôi khẳng định rằng chất lượng, như chúng thường được định nghĩa, không thể tồn tại. Tuy nhiên, tôi bác bỏ ý kiến cho rằng sự hiểu biết trực quan của chúng ta về trạng thái chất lượng và chất lượng là sai. Khái niệm về chất lượng chỉ đơn giản là bị hiểu sai. Chúng có thể được tạo ra một cách nhân tạo. Đây là một lý thuyết phụ của chủ nghĩa chức năng lớn hơn của máy ảo, theo đó một sinh vật có ý thức không bị giới hạn ở một trạng thái tinh thần cụ thể tại một thời điểm mà luôn ở nhiều trạng thái đồng thời. Trong máy ảo, điều này được giải thích bởi các hệ thống và hệ thống con khác nhau. Tiêu chí cuối cùng đối với một tác nhân đạo đức (và yêu cầu tối thượng đối với lý thuyết ba điều kiện về quyền tự chủ, tức là hành động hợp lý) là tính hợp lý. Tiêu chí này có lẽ ít gây tranh cãi nhất đối với một tác nhân nhân tạo, đó là lý do tại sao tôi đặt nó ở cuối cùng. Tính hợp lý và logic là những đặc điểm xác định của tác nhân nhân tạo trong văn hóa đại chúng. Máy tính hiện đại và hệ thống AI yếu được biết đến với tính logic của chúng. Họ thực hiện các phép tính lớn và có thể đưa ra những quyết định cực kỳ phức tạp một cách nhanh chóng và hợp lý. Tuy nhiên, tính hợp lý của các tác nhân nhân tạo không phải là không gây tranh cãi. Như đã thấy trước đó, Searle đặt ra mối lo ngại về khả năng suy nghĩ và hiểu thực sự của máy móc, vì ông tuyên bố rằng không có cú pháp nào có thể ngang bằng với ngữ nghĩa. Tôi đã đề cập đến căn phòng Trung Quốc và phản ứng của tôi đối với vấn đề này, nhưng tôi muốn nhấn mạnh một lần nữa bản chất đa hình của ý thức và tầm quan trọng của việc giải thích chất lượng và ý thức hiện tượng trong lý thuyết về ý thức. Cần phải nói thêm rằng tính hợp lý tự trị và tính hợp lý nói chung không giống nhau. Xét về mặt tự chủ, tính hợp lý là hành động khắc sâu ý chí của bạn để bạn có thể vượt ra ngoài “bản năng động vật” của mình và sống cuộc sống theo những quy luật lý trí của chính mình, nó bao hàm việc suy nghĩ trước khi hành động. Về mặt này, tính hợp lý của máy tính hiện đại và hệ thống AI yếu không có tính tự chủ. Họ không có lựa chọn nào khác; họ chỉ đơn giản làm những gì họ được lập trình. Ở một số khía cạnh, điều này có liên quan đến sự tuân theo tất định của các thuật toán được thảo luận ở trên, vì nó liên quan đến sự lựa chọn tự do. Như chúng ta đã thấy, máy ảo có thể khá phức tạp: có ý thức phi thường, không xác định (“tự do”), có chủ ý nội bộ và nhạy cảm (có khả năng trải nghiệm niềm tin, ham muốn, nỗi đau và niềm vui). Nhưng xét cho cùng thì nó vẫn là một cái máy. Một thứ, nếu đạt đến mức độ phức tạp này, sẽ được thiết kế chính xác, hợp lý, theo thuật toán và kiến trúc, và “tính hợp lý lạnh lùng” của máy tính thuật toán kết hợp với ý thức làm cho nó trở nên hợp lý một cách tự chủ. Cảm xúc của nó, tức là cảm xúc, ý thức phi thường, khả năng trải nghiệm nỗi đau/niềm vui, và do đó, niềm tin và mong muốn của nó sẽ khiến nó sẵn sàng vượt qua cảm giác khoái lạc và đưa ra các quyết định hợp lý và tự chủ. Trí tuệ nhân tạo (AI) là một lĩnh vực nghiên cứu rất năng động hiện nay. Nó được thành lập vào những năm 1950 và vẫn còn tồn tại cho đến ngày nay. Trong quá trình phát triển AI, các cách nghiên cứu khác nhau đã khuyến khích sự cạnh tranh, đồng thời những thách thức và ý tưởng mới tiếp tục xuất hiện. Một mặt, có nhiều sự phản kháng đối với sự phát triển lý thuyết, nhưng mặt khác, những tiến bộ công nghệ đã đạt được những kết quả rực rỡ, điều hiếm có trong lịch sử khoa học. Mục đích của AI và các giải pháp công nghệ của nó là tái tạo trí thông minh của con người bằng máy móc. Kết quả là, các đối tượng nghiên cứu của nó chồng chéo lên các lĩnh vực vật chất và tinh thần, khá phức tạp. Các đặc điểm của trí thông minh xác định tính chất quanh co của sự phát triển AI và nhiều vấn đề mà AI phải đối mặt có liên quan trực tiếp đến triết học. Dễ dàng nhận thấy nhiều chuyên gia AI rất quan tâm đến triết học; Tương tự, kết quả nghiên cứu AI cũng thu hút nhiều sự quan tâm của cộng đồng triết học. Là nghiên cứu nền tảng của khoa học hiện đại về trí tuệ nhân tạo, mục đích của nghiên cứu nhận thức là hiểu rõ cấu trúc và quá trình ý thức của bộ não con người, cũng như đưa ra lời giải thích hợp lý về sự kết hợp giữa trí tuệ, cảm xúc và ý định của ý thức con người. , bởi vì các chuyên gia trí tuệ nhân tạo tạo điều kiện thuận lợi cho việc thể hiện chính thức các quá trình ý thức này. Để bắt chước ý thức con người, trí tuệ nhân tạo trước tiên phải tìm hiểu cấu trúc và hoạt động của ý thức. Làm sao có thể có được ý thức? Searle đã nói: “Cách tốt nhất để giải thích điều gì đó có thể xảy ra là tiết lộ xem nó thực sự tồn tại như thế nào”. Điều này cho phép khoa học nhận thức thúc đẩy sự phát triển của trí tuệ nhân tạo. Điều quan trọng, đây là lý do quan trọng nhất tại sao sự thay đổi nhận thức đang diễn ra. Đó là do mối quan hệ hiệp lực giữa triết học và tâm lý học nhận thức, khoa học thần kinh nhận thức, khoa học não bộ, trí tuệ nhân tạo và các ngành khác, bất kể khoa học và công nghệ máy tính phát triển như thế nào, từ hệ thống ký hiệu vật lý, hệ thống chuyên gia, kỹ thuật tri thức đến máy tính sinh học và sự phát triển. của máy tính lượng tử. Nó không thể tách rời khỏi sự hiểu biết và hiểu biết về toàn bộ quá trình nhận thức của con người và các yếu tố khác nhau của triết học. Dù là trường phái trí tuệ nhân tạo mạnh hay yếu, theo quan điểm nhận thức luận, trí tuệ nhân tạo đều dựa vào hệ thống ký hiệu vật lý để mô phỏng một số chức năng tư duy của con người. Tuy nhiên, việc mô phỏng thực sự ý thức con người của nó không chỉ phụ thuộc vào những đổi mới công nghệ của chính robot mà còn phụ thuộc vào sự hiểu biết triết học về quá trình ý thức và các yếu tố ảnh hưởng đến nó. Theo quan điểm hiện nay, vấn đề triết học của trí tuệ nhân tạo không phải là bản chất của trí tuệ nhân tạo mà là giải pháp cho một số vấn đề cụ thể hơn về mô hình trí tuệ. Liên quan đến câu hỏi về chủ ý, liệu một cỗ máy có thể có trí óc hay ý thức không? Nếu vậy thì có thể cố ý làm hại người được không? Cuộc tranh luận về việc liệu máy tính có chủ ý hay không có thể được tóm tắt như sau: cố ý là gì? Có phải robot cố ý hành xử theo một cách nhất định theo hướng dẫn không? Mọi người đã biết họ đang làm gì trước khi hành động. Họ có sự tự nhận thức và biết hành động của mình sẽ dẫn đến điều gì. Đây là một đặc điểm quan trọng của ý thức con người. Vậy chúng ta nên hiểu thế nào là robot hành xử theo một cách nhất định theo hướng dẫn? Liệu sự chủ ý có thể được lập trình? Searle tin rằng “cách bộ não hoạt động để tạo ra trái tim không thể chỉ là cách vận hành một chương trình máy tính”. Thay vào đó, mọi người nên hỏi: chủ ý có phải là một tinh thần dễ hiểu không? Nếu nó có thể hiểu được thì tại sao nó lại không thể được lập trình? Searle tin rằng máy tính có ngữ pháp nhưng không có ngữ nghĩa. Nhưng trên thực tế, ngữ pháp và ngữ nghĩa là vấn đề hai trong một và không bao giờ tách rời nhau. Nếu một chương trình có thể kết hợp ngữ pháp và ngữ nghĩa với nhau, chúng ta có cần phân biệt giữa ngữ pháp và ngữ nghĩa không? Searle lập luận rằng ngay cả khi máy tính cố tình sao chép thì bản sao đó không phải là bản gốc. Trên thực tế, khi chúng ta hiểu rõ ràng về nhận thức của con người và mối liên hệ của nó với hành vi của con người, chúng ta sẽ có thể lập trình mối liên hệ giữa các quá trình tinh thần và hành vi não bộ của con người và nhập vào tất cả các loại người mà chúng ta biết. Đây chính là thông tin khiến máy tính “biết mọi thứ”. Tuy nhiên, liệu lúc đó chúng ta có thể như Searle đã nói không? Trí tuệ nhân tạo có phải là trí tuệ không? Trí tuệ nhân tạo không có chủ ý và không có quá trình suy nghĩ vì nó thiếu protein và tế bào thần kinh của con người? Sao chép có chủ ý có phải là “cố ý”? Việc sao chép có phải là sự hiểu biết thực sự không? Sự trùng lặp ý tưởng có phải là “suy nghĩ”? Sự trùng lặp của suy nghĩ có phải là “suy nghĩ”? Câu trả lời của chúng tôi là cơ sở thì khác nhưng chức năng thì giống nhau. Dựa vào những căn cứ khác nhau để hình thành nên cùng một chức năng, trí tuệ nhân tạo chỉ là một cách đặc biệt để hiện thực hóa trí thông minh của con người chúng ta. Searle sử dụng chủ ý để phủ nhận chiều sâu của trí tuệ nhân tạo. Mặc dù có cơ sở nhất định khi trí tuệ nhân tạo có thể mô phỏng suy nghĩ của con người, ngay cả khi mọi người cho rằng trí tuệ nhân tạo và trí tuệ con người khác nhau đáng kể, thì chúng ta sẽ cảm thấy rằng sự khác biệt này không còn phù hợp nữa. Quan điểm của Searle chỉ có thể đánh đố trái tim con người một lần nữa! Về vấn đề trí tuệ, liệu máy móc có thể giải quyết vấn đề bằng trí thông minh giống như cách con người làm không? Hoặc có giới hạn nào mà một cỗ máy có thể có trí thông minh để giải quyết bất kỳ vấn đề phức tạp nào không? Theo Polanyi, con người có thể sử dụng cái gọi là khả năng tiềm ẩn một cách vô thức, “Mọi người biết nhiều hơn những gì họ có thể diễn đạt”. Điều này liên quan đến việc đạp xe và khởi động cũng như nâng cao kỹ năng thực hành. Thật không may, nếu chúng ta không hiểu các quy tắc thì chúng ta không thể dạy các quy tắc đó cho máy tính. Đây là nghịch lý của Polanyi. Để giải quyết vấn đề này, các nhà khoa học máy tính không cố gắng thay đổi trí tuệ con người mà phát triển một cách tư duy mới cho trí tuệ nhân tạo – tư duy bằng dữ liệu. Rich Caruana, nhà khoa học nghiên cứu cấp cao tại Microsoft Research, cho biết: “Bạn có thể nghĩ rằng nguyên tắc của trí tuệ nhân tạo là trước tiên chúng ta hiểu con người và sau đó tạo ra trí tuệ nhân tạo theo cách tương tự, nhưng thực tế không phải vậy”. Lấy máy bay làm ví dụ. Chúng được chế tạo từ lâu trước khi người ta hiểu biết về cách chim bay. Các nguyên tắc khí động học thì khác, nhưng ngày nay máy bay của chúng ta bay cao hơn và nhanh hơn bất kỳ loài động vật nào". Mọi người ngày nay thường nghĩ rằng máy tính thông minh sẽ đảm nhận công việc của chúng ta. Trước khi bạn ăn sáng xong, nó đã hoàn thành khối lượng công việc hàng tuần của bạn và họ không nghỉ ngơi, uống cà phê, nghỉ hưu hay thậm chí không cần ngủ. Nhưng sự thật là, trong khi nhiều nhiệm vụ sẽ được tự động hóa trong tương lai, ít nhất là trong ngắn hạn, loại máy thông minh mới này có thể sẽ hoạt động được với chúng ta. Vấn đề của trí tuệ nhân tạo là một phiên bản hiện đại của nghịch lý Polanyi. Chúng ta chưa hiểu hết cơ chế học tập của bộ não con người nên đã để trí tuệ nhân tạo suy nghĩ như một con số thống kê. Điều trớ trêu là hiện nay chúng ta có rất ít kiến thức về cách trí tuệ nhân tạo suy nghĩ, nên chúng ta có hai hệ thống chưa được biết đến. Điều này thường được gọi là “vấn đề hộp đen”: bạn biết dữ liệu đầu vào và đầu ra, nhưng bạn không biết làm thế nào chiếc hộp trước mặt bạn đưa ra kết luận. Caruana nói: “Bây giờ chúng ta có hai loại trí thông minh khác nhau, nhưng chúng ta không thể hiểu hết được cả hai”. Mạng lưới thần kinh nhân tạo không có khả năng ngôn ngữ nên không thể giải thích nó đang làm gì và tại sao, đồng thời nó thiếu ý thức chung, giống như bất kỳ trí tuệ nhân tạo nào. Mọi người ngày càng lo ngại rằng một số hoạt động AI đôi khi có thể che giấu những thành kiến có ý thức, chẳng hạn như phân biệt giới tính hoặc phân biệt chủng tộc. Ví dụ, gần đây có một phần mềm được sử dụng để đánh giá khả năng tội phạm tái phạm. Người da đen khó khăn gấp đôi. Nếu dữ liệu họ nhận được là hoàn hảo, quyết định của họ có thể đúng, nhưng hầu hết đều phụ thuộc vào sự thiên vị của con người. Còn về vấn đề đạo đức, máy móc có thể gây nguy hiểm cho con người không? Làm thế nào các nhà khoa học có thể đảm bảo rằng máy móc hoạt động có đạo đức và không gây ra mối đe dọa cho con người? Có nhiều tranh cãi giữa các nhà khoa học về việc liệu máy móc có thể cảm nhận được những cảm xúc như yêu hay ghét hay không. Họ cũng tin rằng con người không có lý do gì để mong đợi AI có ý thức phấn đấu vì điều thiện và điều ác. Khi xem xét việc trí tuệ nhân tạo trở thành rủi ro như thế nào, các chuyên gia tin rằng có hai tình huống có thể xảy ra nhất: AI được thiết kế để thực hiện các nhiệm vụ hủy diệt: vũ khí tự động là hệ thống trí tuệ nhân tạo được thiết kế để tiêu diệt. Nếu những vũ khí này rơi vào tay kẻ ác sẽ dễ dàng gây ra nhiều thiệt hại. Ngoài ra, cuộc chạy đua vũ khí AI cũng có thể vô tình châm ngòi cho một cuộc chiến AI, dẫn đến số lượng nạn nhân lớn. Để tránh sự can thiệp từ lực lượng địch, các chương trình vũ khí “khép kín” sẽ được thiết kế cực kỳ phức tạp và do đó con người cũng có thể mất kiểm soát trong những tình huống như vậy. Mặc dù rủi ro này cũng tồn tại ở trí tuệ nhân tạo đặc biệt (AI hẹp), nhưng nó sẽ gia tăng với AI thông minh và mức độ tự định hướng cao hơn. AI được thiết kế để thực hiện các nhiệm vụ hữu ích, nhưng quá trình nó thực hiện có thể bị gián đoạn: điều này có thể xảy ra khi các mục tiêu của con người và trí tuệ nhân tạo chưa được liên kết hoàn toàn, trong khi việc giải quyết sự liên kết giữa mục tiêu của con người và trí tuệ nhân tạo không phải là một nhiệm vụ dễ dàng. Hãy tưởng tượng nếu bạn gọi một chiếc ô tô thông minh để đưa bạn đến sân bay với tốc độ nhanh nhất có thể, nó có thể làm theo chỉ dẫn của bạn một cách tuyệt vọng, thậm chí theo những cách mà bạn không muốn: bạn có thể bị trực thăng truy đuổi hoặc nôn mửa vì chạy quá tốc độ. Nếu mục đích của hệ thống siêu thông minh là một dự án địa kỹ thuật đầy tham vọng thì tác dụng phụ có thể là sự phá hủy hệ sinh thái và những nỗ lực của con người nhằm ngăn chặn điều này sẽ được coi là mối đe dọa cần phải loại bỏ. Về vấn đề khái niệm, có vấn đề với cơ sở khái niệm của trí tuệ nhân tạo. Bất kỳ khoa học nào cũng dựa trên những gì nó biết, và thậm chí khả năng quan sát khoa học cũng liên quan đến những điều nổi tiếng. Chúng ta chỉ có thể dựa vào những gì chúng ta biết để hiểu những điều chưa biết. Cái đã biết và cái chưa biết luôn là một cặp mâu thuẫn, chúng luôn cùng tồn tại và phụ thuộc lẫn nhau. Không có cái đã biết, chúng ta không thể học được cái chưa biết; không có những điều chưa biết, chúng ta không thể đảm bảo sự phát triển và tiến hóa của kiến thức khoa học. Có rất nhiều bằng chứng cho thấy khi con người quan sát đồ vật, trải nghiệm mà người quan sát có được không được quyết định bởi ánh sáng đi vào nhãn cầu của họ. Tín hiệu được xác định không chỉ bởi hình ảnh trên võng mạc của người quan sát. Ngay cả khi hai người nhìn vào cùng một vật thể cũng sẽ có ấn tượng thị giác khác nhau. Như Hansen đã nói, khi một người quan sát nhìn vào một vật thể, anh ta sẽ nhìn thấy nhiều thứ hơn là nhãn cầu chạm vào. Các quan sát rất quan trọng đối với khoa học, nhưng “các phát biểu về các quan sát phải được đưa ra bằng ngôn ngữ của một lý thuyết cụ thể”. “Các tuyên bố về quan sát là chủ đề công cộng và được thực hiện bằng ngôn ngữ công cộng. Chúng chứa đựng những lý thuyết có mức độ phổ quát và phức tạp khác nhau.” Điều này cho thấy việc quan sát đòi hỏi phải có lý thuyết. Khoa học cần có lý thuyết làm tiền đề, và sự hiểu biết khoa học không dựa trên những điều chưa biết. Các doanh nghiệp thường thiếu hiểu biết về các lựa chọn tốt nhất cho doanh nghiệp của mình và các dịch vụ tư vấn về trí tuệ nhân tạo đang cố gắng điều hướng hoạt động kinh doanh bằng AI. Tác động của triết học đến sự phát triển và ứng dụng trí tuệ nhân tạo Bất chấp sự khác biệt rõ ràng trong cách tiếp cận, công nghệ (nói chung) và triết học có chung đối tượng quan tâm: con người. Mục đích của phát triển công nghệ là giải quyết một vấn đề thực tế cụ thể trong cuộc sống hàng ngày và do đó tăng tính hữu ích của nó đối với nhân loại trong tương lai gần. Nhưng trong hầu hết các trường hợp, phạm vi phát triển công nghệ không vượt quá những vấn đề thực tiễn và hiện tại mà nó giải quyết. Đơn giản là không cần phải làm như vậy nếu vấn đề có thể được giải quyết về mặt kỹ thuật. Công nghệ luôn theo đuổi một mục tiêu: hữu ích. Nó dường như là một cách tiếp cận thuần túy mang tính công cụ mà hiếm khi quan tâm đến tác dụng phụ của sản phẩm của mình. (M. Taddeo và L. Floridi, “Làm thế nào AI có thể trở thành một lực lượng tốt,” Khoa học, tháng 8 năm 2018) Ngược lại, triết học không chỉ đề cập đến các vấn đề hiện tại và các khía cạnh thực tiễn của sự tồn tại của con người. Để hình thành một cái nhìn rộng nhất có thể về một chủ đề cụ thể, phân tích triết học không chỉ xem xét bản thân đối tượng nghiên cứu mà còn cả những hàm ý đạo đức của nó và những ảnh hưởng có thể có khác đối với các vấn đề của con người. Một phần của việc này là nghiên cứu về sự xuất hiện, phát triển và bản chất của các giá trị. Vì vậy, việc phân tích và phê phán cẩn thận các quan điểm chung và các sự kiện hiện tại để tìm ra những thay đổi trong một hệ giá trị cụ thể là nhiệm vụ chính của lĩnh vực triết học. Triết học và Công nghệ: Mâu thuẫn hay Cộng sinh? Tóm lại, triết học thường đặt ra những vấn đề, vấn đề mới, trong khi mục đích của công nghệ, đặc biệt là AI, đương nhiên là giải quyết những vấn đề cụ thể và đang tồn tại. Vì điều này, sự cộng sinh giữa hai lĩnh vực này thoạt nhìn có vẻ nghịch lý. Tuy nhiên, bằng cách đặt ngày càng nhiều câu hỏi mới và phê phán các giải pháp công nghệ được đề xuất, đặc biệt bằng cách xem xét vấn đề cơ bản theo cách triết học chính xác, công nghệ có thể đưa ra các giải pháp lâu dài và chi tiết hơn. Triết học cung cấp các công cụ cho quá trình dự đoán này, chẳng hạn như phân tích logic, kiểm tra đạo đức và luân lý, cũng như một phương pháp luận sâu sắc để đặt ra những câu hỏi đúng. Đặt điều này vào viễn cảnh: AI sẽ tác động như thế nào đến tương lai công việc? Điều này chắc chắn bổ sung cho sự phát triển hướng tới tương lai của các công nghệ mới. Khi quá trình phát triển tính đến càng nhiều kết quả có thể xảy ra của cả vấn đề và giải pháp kỹ thuật được đề xuất càng tốt thì các vấn đề trong tương lai có thể được giải quyết một cách bền vững. Tất cả những điều này áp dụng cho trí tuệ nhân tạo như một tập hợp con của công nghệ, hiện nay nên được định nghĩa là “khoa học và công nghệ tạo ra máy móc thông minh, đặc biệt là phần mềm thông minh” (“Gần gũi hơn với máy móc: Các khía cạnh kỹ thuật, xã hội và pháp lý của AI” , Văn phòng Ủy viên Thông tin Victoria, Toby Walsh, Kate Miller, Jake Goldenfein, Fang Chen, Jianlong Chu, Richard Nock, Benjamin Rubinstein, Margaret Jackson, 2019). Nhưng mối liên hệ giữa trí tuệ nhân tạo và triết học còn sâu rộng hơn nhiều. AI và Triết học: Một kết nối đặc biệt Mối liên hệ độc đáo giữa trí tuệ nhân tạo và triết học đã được nhà khoa học máy tính John McCarthy nhấn mạnh. Mặc dù triết học bổ sung cho tất cả các ngành khoa học kỹ thuật nói chung, nhưng nó thậm chí còn quan trọng đối với trí tuệ nhân tạo như một môn học đặc biệt và cung cấp phương pháp cơ bản cho lĩnh vực này. Các nhà triết học đã phát triển một số khái niệm cơ bản về AI. Các ví dụ bao gồm “...nghiên cứu về các đặc điểm mà một hiện vật phải sở hữu để được coi là thông minh” , hoặc cuộc cách mạng cơ bản khái niệm về tính hợp lý, cũng xuất hiện từ diễn ngôn triết học. (“Các cuộc cách mạng công nghiệp: 4 cuộc cách mạng chính trong thế giới công nghiệp,” Sentryo, ngày 23 tháng 2 năm 2017) Điều thú vị hơn trong bối cảnh này là thực tế là triết học cần phải hướng dẫn sự phát triển của trí tuệ nhân tạo và tổ chức sự tích hợp của nó vào cuộc sống của chúng ta, vì nó không chỉ liên quan đến những công nghệ tầm thường mà còn liên quan đến các vấn đề đạo đức và xã hội hoàn toàn mới và chưa được khám phá.