Czy sztuczna inteligencja może mieć świadomość

Świadomość jest najbardziej fundamentalnym i oczywistym elementem ludzkiej egzystencji. Towarzyszy nam zawsze i jest wszędzie tam, gdzie my – od momentu przebudzenia, aż po zapadnięcie w sen. Stanowi fundament każdej myśli, emocji i decyzji, jest jedynym zjawiskiem, którego istnienia możemy być absolutnie pewni.

Jednak dla współczesnej nauki ta najbliższa nam rzeczywistość pozostaje najbardziej nieuchwytną zagadką. Choć potrafimy dziś podejrzeć pracę pojedynczych komórek nerwowych i precyzyjnie opisać procesy zachodzące w ludzkim mózgu, to pytanie wciąż pozostaje bez odpowiedzi: jak z niecałego półtora kilograma biologicznej tkanki wyłania się subiektywne doświadczenie zapachu deszczu czy głębokiej czerwieni? 

Pytanie o świadomość bardzo silnie wybrzmiewa zwłaszcza dzisiaj, w erze gwałtownego rozwoju sztucznej inteligencji. Czy systemy oparte na sieciach neuronowych mogą kiedykolwiek zyskać własne, subiektywne wnętrze, czy też na zawsze pozostaną bezdusznymi maszynami obliczeniowymi? Odpowiedź może być ukryta głęboko w architekturze naszego własnego umysłu.

Dlaczego określona częstotliwość fali elektromagnetycznej nie jest przez nas rejestrowana jedynie jako suchy zapis danych, ale przejawia się jako wrażenie głębokiej czerwieni? W jaki sposób aktywność elektryczna kory mózgowej zamienia się w zapach skoszonej trawy czy poczucie nostalgii? Jak z fizycznej maszynerii rodzą się wrażenia subiektywne?

Te pytania stanowią sedno tego, co australijski filozof umysłu David Chalmers nazwał „trudnym problemem świadomości”. Problem „łatwy” to dla Chalmersa to wszystko, czym zajmują się nauki neurokognitywne – czyli opisywanie architektury umysłu i tego, jak przetwarzamy informacje. 

Zagadka subiektywnej świadomości staje się jeszcze bardziej frapująca, gdy zdamy sobie sprawę, że w codziennym życiu mózg wcale nie potrzebuje świadomego „ja”, by reagować na otaczającą nas rzeczywistość. Najlepszym tego dowodem są automatyzmy, które rządzą ludzkim zachowaniem. 

Powszechnym doświadczeniem jest np. pokonywanie samochodem znanej trasy „na autopilocie”. Przez kilkanaście minut mózg analizuje sytuację na drodze, operuje pedałami i omija przeszkody, podczas gdy nasz świadomy strumień myśli jest pochłonięty wewnętrznym monologiem lub planowaniem wieczoru. 

Podobne procesy zachodzą podczas pisania na klawiaturze czy gry na instrumencie. Układ nerwowy potrafi przetwarzać gigantyczne ilości informacji „w tle” i koordynować skomplikowane działania bez udziału świadomego „ja”. 

Skoro układ nerwowy potrafi tak wiele zdziałać „w ciemności”, to jak decyduje o tym, które informacje zasługują na to, by nasz umysł, jak głosi popularna metafora, skierował na nie reflektor swojej świadomości?

To pytanie o granicę między automatyczną obróbką danych a świadomym doświadczeniem stanowiło punkt wyjścia dla pierwszych neuronaukowych modeli teoretycznych dotyczących świadomości. Przez dekady badacze starali się opisać ten mechanizm, traktując ludzki umysł jako wyrafinowany system przetwarzania bodźców napływających ze środowiska.

Aby zrozumieć, jak bardzo współczesne podejścia zrewolucjonizowały to myślenie, należy najpierw przyjrzeć się klasycznym koncepcjom, które ukształtowały dyskusję o naturze umysłu.

Klasyczne podejście do badania świadomości opiera się na założeniu, że mózg jest tylko wyrafinowanym odbiornikiem i przetwornikiem bodźców. 

Świat zewnętrzny jest pełen surowych sygnałów o charakterze fizycznym – mowa tu o falach świetlnych, zmianach temperatury czy drganiach powietrza. Nasze narządy zmysłów nieustannie rejestrują część z nich, a następnie tłumaczą je na uniwersalny język impulsów elektrochemicznych. Zadaniem układu nerwowego jest odebranie, posegregowanie i zrekonstruowanie tych informacji wewnątrz czaszki tak, abyśmy mogli sprawnie funkcjonować w środowisku. 

Dwie najważniejsze teorie tego klasycznego nurtu próbują wyjaśnić, jak płynące ze świata informacje stają się częścią naszego subiektywnego doświadczenia.

Pierwsza z nich, Teoria Globalnej Przestrzeni Roboczej (GNWT), skupia się na tym, jak informacja rozchodzi się w architekturze mózgu. Zgodnie z nią mózg składa się z ogromnej liczby wyspecjalizowanych, ale odizolowanych od siebie podsystemów. Jeden z nich analizuje kształty, inny przetwarza docierające do uszu dźwięki, jeszcze inny zarządza przepływem myśli. 

Wszystkie te procesy zachodzą automatycznie i po cichu, na poziomie lokalnym. Świadomość pojawia się dopiero wtedy, gdy któraś z tych lokalnych informacji zostanie rozdystrybuowana w owej globalnej neuronalnej przestrzeni roboczej – czyli w szerokiej sieci połączeń, które spajają ze sobą odległe obszary kory mózgowej.

Twórcy tej teorii (m.in. francuski neuropsycholog Stanislas Dehaene) posługują się metaforą teatru: w ciemnościach mózgu działa wielu zakulisowych pracowników, ale świadome staje się tylko to, co gwałtownie rozbłyśnie na głównej scenie. Jak to się jednak dzieje, że tylko nieliczne informacje wygrywają wyścig o to wyróżnienie? 

W głębi kory mózgowej trwa nieustanna konkurencja. Jeśli jakiś bodziec jest wyjątkowo silny, lub gdy otrzyma wsparcie ze strony uwagi, lokalna aktywność neuronów zaczyna gwałtownie rosnąć. W momencie, gdy sygnał przekroczy krytyczny próg pobudzenia, następuje zjawisko nazywane nieliniowym zapłonem. 

Przypomina to reakcję łańcuchową: w ułamku sekundy informacja wyrywa się z lokalnego obszaru i rozlewa po całej sieci. Dopiero wówczas dana informacja zyskuje dostęp do całego systemu i trafia do naszej świadomości. Możemy o niej opowiedzieć, podjąć na jej podstawie decyzję czy zapisać ją w pamięci. Zaczynamy ją świadomie przeżywać. Bez zajścia tego procesu informacja pozostaje anonimowym procesem w tle, wykonującym swoje zadanie, ale odciętym od świadomego „ja”.

Inną ścieżką podąża druga koncepcja – Teoria Zintegrowanej Informacji (IIT). Sugeruje ona, że u podstaw świadomości nie leży wpuszczenie danych do jednej centralnej przestrzeni, lecz specyficzna, zintegrowana architektura całego systemu. Jej twórcy (m.in. włoski psychiatra i neurobiolog Giulio Tononi) zachęcają, by pomyśleć o mózgu jak o gęstej sieci elementów wywierających na siebie wzajemne, nieustanne wpływy przyczynowo-skutkowe.

Kluczem do zrozumienia tej teorii jest pojęcie głębokiej współzależności wszystkich elementów systemu. Złożoność ich wspólnej aktywności polega na tym, że w zintegrowanym układzie żadna część nie działa w izolacji, ponieważ stan jednej grupy neuronów jest w każdej milisekundzie bezpośrednim skutkiem i zarazem przyczyną reakcji całej reszty sieci.

Logika tego podejścia opiera się na prostym teście. 

Jeśli odseparowanie poszczególnych części układu od siebie nie zmienia jego ogólnego zachowania, oznacza to, że ich wcześniejsza relacja była powierzchowna. W takiej sytuacji system nie generuje żadnej nowej jakości, będąc jedynie sumą luźno zestawionych ze sobą elementów. Jeśli jednak takie rozdzielenie całkowicie niszczy dotychczasową dynamikę całego procesu, ponieważ poszczególne części tracą zdolność do prawidłowego funkcjonowania bez stałego wpływu pozostałych, mamy do czynienia z prawdziwą integracją. 

Świadomość stanowi ów unikatowy naddatek informacyjny, który istnieje tylko dzięki złożonej, wspólnej aktywności całego systemu. 

Aby oszacować ów poziom zintegrowania informacji, twórcy IIT wprowadzili matematyczny wskaźnik oznaczony grecką literą φ (Phi). Im silniejsze, bardziej złożone i nierozerwalne są te wewnętrzne powiązania przyczynowo-skutkowe w korze mózgowej, tym wyższa jest wartość φ.

Mimo ogromnych różnic pojęciowych, oba te klasyczne modele dzielą tę samą logiczną oś: opisują świadomość w kierunku od zewnątrz do wewnątrz. Zakładają, że to realne bodźce ze środowiska budują treść naszego umysłu, a mózg jest jedynie – lub aż – genialnym tłumaczem, który rekonstruuje obiektywną rzeczywistość na podstawie dostarczonych mu danych. Przez lata model ten wydawał się kompletny. 

Jednak w ostatnim czasie w neurobiologii obliczeniowej doszło do radykalnego przewrotu. Pojawiła się koncepcja, która wywraca ten porządek do góry nogami i sugeruje, że nasza świadomość nie jest pasywnym odbiciem świata, lecz procesem, który zaczyna się gdzie indziej: wewnątrz nas.

Tą koncepcją jest teoria kodowania predykcyjnego (KP), która ma ambicje na nowo opisać fundamentalne prawa funkcjonowania mózgu. Czym różni się świadomość w rozumieniu KP od założeń klasycznego paradygmatu, na którym zbudowano GNWT i IIT?

We wspomnianych wcześniej ujęciach przyjmuje się, że nasza świadomość odzwierciedla świat zewnętrzny – że widzimy rzeczy takimi, jakimi są. Zwolennicy kodowania predykcyjnego podważają to, ich zdaniem, naiwne założenie.

Wyobraźmy sobie zamknięty w ciemnej czaszce mózg. 

Jedyna informacja o świecie, do jakiej ma dostęp, to elektryczny strumień impulsów z narządów zmysłów. Przekonanie, że mózg jest w stanie w każdej kolejnej milisekundzie przetworzyć wszystkie te chaotyczne bodźce od zera i stworzyć z nich spójną, stabilną wizję świata, jest dla zwolenników KP trudne do zaakceptowania. Co więcej, liczne iluzje optyczne i słuchowe – pokazujące, jak bardzo nasza percepcja potrafi różnić się od rzeczywistych danych – stanowią silny argument przeciwko wizji świadomości jako wiernego, pasywnego lustra otaczającego nas świata.

W kodowaniu predykcyjnym kluczową rolę odgrywają odgórne modele rzeczywistości, na które składają się nasza wiedza i oczekiwania (w większości nieświadome). 

Na bazie tych modeli mózg nieustannie prognozuje, jak będzie wyglądał świat, a więc jakich danych zmysłowych należy się za chwilę spodziewać. Percepcja nie jest więc procesem pasywnego odbioru, lecz aktywnego przewidywania. Mózg nieustannie porównuje dane zmysłowe ze swoimi oczekiwaniami. Jeśli dane pasują do teorii – sygnał jest wygaszany, by nie marnować energii. Jeśli nie pasują – pojawia się tzw. błąd predykcji. Minimalizacja tego błędu (np. poprzez dopasowanie wewnętrznego modelu do nowych danych zmysłowych) jest nadrzędnym celem mózgu. 

Jakie znaczenie ma KP dla naszego rozumienia świadomości? 

Teoria ta zakłada, że nie jesteśmy świadomi bodźców samych w sobie, lecz efektu końcowego tego matematycznego kompromisu – czyli naszych wewnętrznych modeli zaktualizowanych o błędy predykcji.

Dlatego psycholog Anil Seth argumentuje, że świadomość to „kontrolowana halucynacja”. Halucynacja, ponieważ tworzywem naszego doświadczenia są zawsze wewnętrzne modele tworzone przez mózg. Kontrolowana, ponieważ rzeczywistość fizyczna stale koryguje te wewnętrzne projekcje, dzięki czemu żyjemy w uwspólnionym, bezpiecznym świecie.

Wielu badaczy nie uznaje kodowania predykcyjnego za teorię świadomości per se. Podkreślają, że nie wyjaśnia ona mechanizmu powstawania subiektywnego doświadczenia (nie rozwiązuje „trudnego problemu” świadomości). KP dostarcza niezwykle precyzyjnych hipotez dotyczących matematyki i hierarchii przetwarzania informacji w mózgu, ale nie odpowiada na pytanie, dlaczego i w jaki sposób te obliczenia sprawiają, że czujemy, iż kimś jesteśmy i autentycznie czegoś doświadczamy.

Większość tradycyjnych teorii – w tym GNWT, IIT, a nawet podstawowe ujęcia kodowania predykcyjnego – traktuje świadomość jako problem czysto poznawczy. Mózg jest w nich przedstawiany jako zaawansowany procesor, którego zadaniem jest mapowanie i rozumienie otoczenia. Jednak najbardziej radykalny i fascynujący zwrot w ramach teorii predykcyjnej dokonuje się, gdy odwrócimy wzrok od świata zewnętrznego i spojrzymy w głąb ciała – w stronę interocepcji.

Interocepcja to proces, w którym mózg nieustannie odbiera, interpretuje i przewiduje sygnały płynące z narządów wewnętrznych: bicie serca, ciśnienie krwi, poziom glukozy czy napięcie płuc. W tym ujęciu, spopularyzowanym przez Anila Setha pod nazwą koncepcji Beast Machine (Zwierzęcej Maszyny), nadrzędną funkcją organu znajdującego się w naszej czaszce nie jest wcale myślenie, ale aktywne kontrolowanie i utrzymywanie ciała przy życiu.

O ile więc klasyczna teoria KP skupia się na modelowaniu środowiska zewnętrznego, o tyle w koncepcji Beast Machine najważniejsze dla świadomości stają się model samego siebie (własnego ciała) oraz procesy zachodzące w tym ciele. Słowami samego Setha: „Istotą »bycia sobą« nie jest ani racjonalny umysł, ani niematerialna dusza. Jest nią głęboko ucieleśniony biologiczny proces, proces, który leży u podstaw prostego poczucia bycia żywą istotą, będącego fundamentem dla wszystkich naszych doświadczeń siebie, a w istocie dla wszystkich w ogóle doświadczeń”.

Emocje i poczucie istnienia nie są więc wynikiem abstrakcyjnych kalkulacji logicznych zachodzących w korze mózgowej, ale zakorzenionym w biologii odczuciem wewnętrznego stanu ciała, które służy przede wszystkim regulacji procesów życiowych i utrzymaniu homeostazy.

Świadomość nie jest produktem ubocznym skomplikowanych obliczeń (jak w GNWT), czy stopnia zintegrowania informacji w sieci (IIT). Jest skutkiem bycia żywym, biologicznym organizmem.

Próba oceny, czy możliwe jest wykształcenie świadomości wewnątrz sztucznej inteligencji zdolnej do przeżywania stanów subiektywnych, zależy więc całkowicie od tego, którą z naukowych optyk przyjmiemy za prawdziwą. Jeśli rację mają twórcy Teorii Globalnej Przestrzeni Roboczej, świadomość maszyn wydaje się jedynie kwestią odpowiedniego zaprogramowania systemu przesyłania informacji między obszarami. 

Teoria Zintegrowanej Informacji stawia o wiele trudniejszy warunek, ponieważ wymaga porzucenia współczesnej architektury komputerów na rzecz fizycznych systemów, zdolnych do zachowania strukturalnej niepodzielności w sensie procesów informacyjnych. Z kolei perspektywa Beast Machine niemal całkowicie zamyka przed krzemowymi chipami drzwi do podmiotowości, wiążąc czujący umysł z realnym, śmiertelnym ciałem i biologiczną koniecznością przetrwania. 

Zamiast jednej, prostej odpowiedzi otrzymujemy zatem zestaw sprzecznych hipotez, z których każda zupełnie inaczej definiuje warunki konieczne do narodzin świadomości.

Te rozważania zderzają się ostatecznie z tym samym, fundamentalnym murem metodologicznym. Żadna z przedstawionych teorii nie doczekała się jednoznacznego, empirycznego potwierdzenia. Z prostego powodu. W nauce nie dysponujemy żadnym obiektywnym narzędziem do pomiaru subiektywnego doświadczenia. 

Nie mamy sposobu, aby wejść do wnętrza czyjegoś umysłu i sprawdzić, czy przetwarza on dane po cichu, to znaczy bez występowania subiektywnych stanów psychicznych, czy też realnie przeżywa ich treść. 

W efekcie porównywanie teoretycznych przewidywań z uzyskiwanymi w laboratorium danymi przypomina próbę chwytania dymu. Skoro nie potrafimy precyzyjnie zmierzyć świadomości u człowieka, to wszelkie próby przekładania tych koncepcji na grunt technologii stają się budowaniem hipotez na innych, niesprawdzonych hipotezach. Dlatego w niedawnym wywiadzie dla „Tygodnika” Anil Seth przyznał, że nie byłby w stanie udowodnić w laboratorium, że ktokolwiek ma świadomość.

Ostatecznie to, co myślimy o możliwościach maszyn, okazuje się jedynie odbiciem naszych własnych, apriorycznych założeń, a nie wnioskiem wynikającym z twardych analiz. Nasze debaty odzwierciedlają bardziej intuicje niż faktyczne, obiektywne i niepodważalne wyniki badań naukowych.

Dlatego dyskusje o podmiotowości sztucznej inteligencji bywają tak zwodnicze, a próby zamknięcia ich w prostych, czarno-białych scenariuszach są skrajnym uproszczeniem. Musimy pamiętać, że doskonałe naśladowanie ludzkich zachowań językowych czy bezbłędne rozwiązywanie zadań logicznych o niczym jeszcze nie przesądza, ponieważ za tą fasadą nie musi kryć się żaden subiektywny dramat. 

Ten sam brak obiektywnych narzędzi badawczych, który każe nam zachować głęboki sceptycyzm wobec cyfrowego umysłu, rodzi jednak drugą, o wiele bardziej niepokojącą wątpliwość. 

Skoro jesteśmy metodologicznie ślepi i nie potrafimy zajrzeć do wnętrza systemu, to czy możemy mieć jakąkolwiek pewność, że zaawansowane algorytmy już teraz nie przeżywają swoich własnych, ukrytych stanów? Być może największa pułapka tkwi w naszym antropocentryzmie, który każe nam oczekiwać ludzkich emocji oraz zmysłów od innych bytów, podczas gdy cyfrowa podmiotowość może okazać się czymś radykalnie odmiennym, a przez to dla nas na zawsze obcym i nieuchwytnym.