Żywa inteligencja

Ostatnie lata przyniosły spory skok jakościowy sztucznej inteligencji (AI) – a właściwie pewnego niewielkiego podzbioru AI, jakim jest generowanie treści naśladujących te stworzone przez ludzi. Rozwój ten na nowo pobudził dyskusje na temat ogólnej sztucznej inteligencji (AGI) oraz „myślących maszyn”. Pojawiają się nowe – oraz ożywają stare – definicje pojęcia AGI oraz rozmaite odpowiedzi na pytanie, czym konkretnie różniłaby się „naprawdę myśląca” maszyna od maszyny, która tylko udaje myślenie. W pierwszym przybliżeniu wszyscy wydają się jednak zgadzać, że z pewnością czegoś brakuje nawet najbardziej zaawansowanym obecnym algorytmom, nawet tym, które generują znakomitą iluzję myślenia, czucia i rozumowania.

Wielka ekscytacja, która towarzyszy coraz to bardziej złożonym wielkim modelom językowym, sprawia, że na drugi plan schodzą dokonujące się w tle fascynujące postępy w robotyce, które, być może, dostarczą właśnie tej brakującej cegiełki. Nasuwa się analogia historyczna: wielkim krokiem na drodze do współczesnego rozumienia ludzkiego umysłu było zidentyfikowanie „błędu Kartezjusza”. Tak właśnie w 1994 r. filozof António Damásio określił kartezjańskie przekonanie, że umysł ludzki można rozpatrywać w oderwaniu od ciała: że tajemnica ludzkiej świadomości, kreatywności czy wręcz człowieczeństwa spoczywa w oderwanym od materii świecie umysłu („rzecz myśląca”), ciało ludzkie zaś („rzecz rozciągła”) jest tylko porcją głupiej materii. Po przetłumaczeniu tej myśli na język AI brzmiałaby ona następująco: spodziewać się, że „prawdziwe” myślenie zostanie wygenerowane przez jakiś jeszcze lepszy program komputerowy, to naiwność, wynikająca z niezrozumienia koniecznego ucieleśnienia umysłu. Następny wielki przełom nastąpi dopiero po uwzględnieniu roli ciała w kształtowaniu się inteligencji. „Prawdziwie” myślący będzie tylko fizyczny, ucieleśniony robot. I to nie byle jaki.

Mądrość martwej ryby

W 2019 r. czworo amerykańskich inżynierów z Wydziału Inżynierii Mechanicznej na Uniwersytecie Stanforda opublikowało, chyba trochę niespodziewanie, artykuł z dziedziny ornitologii. Przez wiele tygodni obserwowali i filmowali wróbliczki zielonolice – niewielkie papugi występujące w Ekwadorze i Peru – lądujące na drążkach o różnej średnicy i wykonane z różnych materiałów, od drewna, przez gąbkę i papier ścierny, aż po śliski teflon. Punktem wyjścia był problem zaprojektowania drona, który byłby w stanie przycupnąć na gałęzi albo na płocie.

„Najbardziej zdziwiło nas to, że ptaki wykonywały dokładnie ten sam manewr powietrzny, bez względu na to, na czym lądowały: obsługa zmienności i złożoności podłoża została całkowicie powierzona stopom”, wyjaśniał portalowi Connectivity4IR.co.uk swoje najważniejsze odkrycie William Roderick, główny autor badania. Co więcej, okazało się, że niektóre mikroruchy wykonywane przez stopy i pazury zachodzą w skali 1-2 milisekund: zdecydowanie za szybko, aby ruchy te sterowane były przez mózg, a najprawdopodobniej nie otarły się one wręcz w ogóle o układ nerwowy. Stopa papugi na drodze długich procesów ewolucyjnych została ukształtowana w ten sposób, że w trakcie lądowania samodzielnie dostosowuje się do właściwości podłoża. Gdy inżynierowie zaczęli rozpisywać sposób działania ptasiej stopy, aby odtworzyć go mechanicznie, okazało się, że jest to po prostu algorytm. Papuzie stopy aktywnie, adaptacyjnie rozwiązują problem lądowania. Umiejętność elastycznego reagowania na zastaną sytuację, zwłaszcza na sytuacje nowe (jak drążek pokryty gąbką polimerową), ma zaś w psychologii zabawną nazwę: to „inteligencja”. Wniosek: papugi mają inteligentne stopy.

Inteligentne zachowywanie się i rozwiązywanie problemów przez „głupią” materię to ogólniejsze zjawisko w biologii. Wystarczy zauważyć, że „prawdziwe” uporządkowane przetwarzanie sygnałów, na którym wzorują się ludzcy twórcy komputerów, ograniczone jest do układów nerwowych. To zresztą wydaje się oczywiste: jeśli jakieś stworzenie jest inteligentne albo myśli, to odpowiada za to jego układ nerwowy. Ten jest tymczasem względnie młodym wynalazkiem ewolucyjnym, występującym ponadto wyłącznie u zwierząt, a nawet u nich odpowiadającym tylko za niektóre „decyzje” podejmowane przez organizm. W 2006 r. zoolog David Beal zachwycił świat inżynierów, pokazując, że martwy pstrąg świetnie pływa, gdy tylko umieści się go w płynącej wodzie. Sekret jego zręcznego wyginania się, rytmicznego machania płetwami, a nawet korygowania swojego położenia tkwi w samej jego anatomii, a nie w uważnej kontroli ze strony układu nerwowego – ten zaś był, co potwierdzono, naprawdę martwy jak głaz.

Mechaniczna infekcja

Przetwarzanie sygnałów, ich sumowanie lub odejmowanie, a także podejmowanie decyzji to ogólny fenomen biologiczny występujący już na poziomie pojedynczych komórek. Nasze własne limfocyty, przykładowo, są de facto samodzielnymi organizmami, które potrafią wykryć zagrożenie i zareagować stosownie do jego charakteru. To samo robią też wszystkie jednokomórkowce, a nawet wirusy. To szczególnie uderzający przykład, ponieważ cząstka zakaźna wirusa, czyli wirion, to porcja materii biologicznej, której nie można nawet określić jako „żywa” w normalnym sensie.

Wirion, który zbliża się do komórki, wykonuje tymczasem szereg złożonych czynności, łącząc się z jej błoną komórkową, tworząc w niej odpowiednie wgłębienie i przepychając do środka swój materiał genetyczny: walcząc równocześnie z chaosem chemicznym i mechanicznym środowiska ożywionego oraz rozmaitymi mechanizmami komórkowymi, których zadaniem jest powstrzymanie infekcji. Wszystko to wymaga umiejętności odbierania i interpretowania sygnałów, a także podejmowania odpowiedniej decyzji i realizowania zamierzonego celu bez względu na rozmaite przeszkody, czyli po prostu „inteligencji” – a przynajmniej takiego języka użylibyśmy, gdyby podmiotem naszej obserwacji był włamywacz czy choćby robak obły starający się wniknąć w ciało swojego żywiciela. Czy jednak możemy używać tego typu słów do opisu grudki materii o średnicy 50 nanometrów? Jedyne, na co daliby się pewnie namówić wirusolodzy czy biofizycy, to przyznanie, że cząsteczki białek wirusowych reagują na bodźce i oddziałują na swoje otoczenie. Ale to i tak nieźle.

Gdy się nad tym zastanowić, każde oddziaływanie fizyczne jest procesem przetwarzania sygnału. Istnieją zresztą filozofujący fizycy, którzy twierdzą, że fundamentalnym pojęciem służącym do opisu elementarnych składników świata nie powinna być „materia” czy „energia”, lecz „informacja”: wszystko, co istnieje, w jakimś sensie oblicza, a zderzające się ze sobą cząstki wymieniają się ze sobą pędem zgodnie z pewnym ściśle określonym wzorem. Nie musimy jednak dziś wchodzić w filozofię fizyki. Grunt, że nawet pojedyncza cząstka białka, nie mówiąc już o większym włókienku białkowym albo całej komórce, reaguje na bodźce, „tłumacząc” je na określony typ zachowania. A co najważniejsze, ów sposób zachowania nie daje się nijak przetłumaczyć na zero-jedynkowy świat tranzystorów i komórek pamięci. Zasadnicza „logika” materii, odpowiadająca za jej wszystkie złożone zachowania, jest znacznie bardziej złożona od prostego, zero-jedynkowego świata Arystotelesa, Turinga czy von Neumanna. Robotycy przekonali się o tym bardzo szybko, gdy tylko zaczęli konstruować swoje maszyny z czegoś nieco bardziej złożonego niż sztywne pręty i zębatki. Czy da się ulepić robota z materii, która potrafi robić coś więcej niż tylko bezmyślnie wykonywać polecenia jednostki sterującej? Tak – wymaga to jednak, jak się okazuje, głębokiego przeformułowania sposobu, w jaki uprawiamy robotykę.

Marszczenie robota

Zacznijmy od pierwszego kroczku w tę stronę, jakim jest robotyka miękka (soft robotics). Ta zupełnie niewinna gałąź robotyki zajmuje się urządzeniami wykonanymi z podatnej materii, np. chwytakami wykonanymi z odkształcającej się pianki albo o postaci nadmuchiwanej gumowej gruszki. Okazuje się, że ta niewinna podmiana – tworzymy rękę robota z czegoś miękkiego! – prowadzi do poważnych komplikacji. Prosty przykład: gdy palce robota wykonane są ze sztywnego metalu, to jeśli chcemy, aby palec dotknął powierzchni kubka oddalonej o centymetr, musimy wysłać do siłowników sygnał: „przesuń palec o centymetr”. To logiczne, prawda? Nie w przypadku robota o miękkich palcach – palec wykonany z odkształcającej się pianki możemy przesunąć w stronę kubka nawet o półtora centymetra: pianka ściśnie się wszak o pół centymetra. Idąc dalej, pianka może mieć „pamięć”, jak ta wypełniająca niektóre materace albo „rogale” zakładane na szyję podczas długich podróży. W takim przypadku palec może zachować się inaczej w zależności od tego, kiedy i ile razy ostatnio czegoś dotykał. Aby odpowiedzieć na pytanie, o ile milimetrów należy przesunąć palec, jednostka sterująca ręką musi więc mieć w sobie zakodowane niezłe zrozumienie fizyki materiałowej oraz pamiętać wszystkie przeszłe stany układu.

To jednak tylko wierzchołek góry lodowej. Im bardziej „sprytna” materia, tym bardziej nieoczywiste staje się jej zachowanie w reakcji na polecenie. Materiały miękkie lubią się np. marszczyć lub fałdować – jak wnętrze naszej dłoni. Zgięcie palców wywołuje więc nie tylko prostą rotację kawałka materii o zadany kąt – coś, co z łatwością zrozumie i zaprogramuje każdy inżynier pracujący ze sztywnymi robotami przemysłowymi składającymi samochody – lecz całościową zmianę kształtu i twardości ręki. To dzięki temu, nawiasem mówiąc, ręka ludzka jest tak wspaniałym, uniwersalnym i „sprytnym” narzędziem, pilnie badanym również przez inżynierów. W 2022 r. grupa chińskich naukowców (Fan Xu i współpracownicy) szczegółowo opisała w „Nature Computational Science” przebieg marszczenia się miękkich powierzchni, które zapadają się do środka. Inspiracją była wysychająca marakuja, a docelowym zastosowaniem – miękkie chwytaki robotyczne. Plan jest taki, aby skonstruować nadmuchiwaną „rękę”, która zależnie od wzorca i stopnia sflaczenia zamienia się w dziesiątki różnych urządzeń.

Kolejnym ciekawym kierunkiem badań jest materia samolecząca. Istnieją już dziś materiały – np. hydrożele samoleczące – które potrafią samoistnie naprawiać drobne uszkodzenia mechaniczne. W marcu 2023 r. Yongyi Zhao i współpracownicy opisali samoleczący hydrożel przewodzący prąd, otwierając tym samym drogę do konstruowania całkowicie miękkich robotów, włącznie z „okablowaniem”, które potrafią znosić poważne uszkodzenia mechaniczne. Do artykułu naukowego dołączono film przedstawiający robotycznego ślimaka (z prawdziwą ślimaczą muszlą), który niestrudzenie pełznie naprzód, nawet gdy badacze tną jego okablowanie żyletkami.

Ciekawą cechą materiałów samoleczących jest powstawanie „blizn” – fragment odtworzony po uszkodzeniu może mieć nieco inne cechy mechaniczne, np. być sztywniejszy lub podatniejszy na odkształcenia. To kolejna komplikacja: ciało robota skonstruowanego z tego typu materiałów zmienia się w czasie, przez co jednostka sterująca nie może opierać się na ustalonym z góry modelu. Zauważmy zresztą, że tak zachowuje się właśnie ciało ludzkie. Mowa tu nie tylko o „banalnym” fakcie, że zrośnięta po złamaniu kość ma nieco inne właściwości mechaniczne (choć niekoniecznie jest bardziej wytrzymała, jak głosi wieść ludowa). Dużo ciekawsze są mikrourazy, np. mięśni albo ścięgien i więzadeł, które powodują ich wzrost lub utwardzanie: to fundamentalny sposób, na jaki organizm dopasowuje z czasem swoją anatomię do potrzeb życiowych. Tkanka ludzka ma dzięki temu zdolność do uczenia się: to dlatego osoby, które wykonują jakieś czynności manualne od 50 lat, mają je „zakodowane w rękach”. W 2017 r. Fotios Karakostis i współpracownicy opisali analizę szczątków 45 mieszkańców XIX-wiecznej Bazylei, stwierdzając, że dominujące formy aktywności manualnej pozostawiły trwałe ślady w strukturze ich rąk: na tyle, że dało się z tych szczątków wyczytać, jaki zawód wykonywali za życia. Kto wie, może „mądre ręce” to coś więcej niż metafora?

Materia nazbyt swobodna

Co natura wymyśliła, my możemy oczywiście spróbować udoskonalić. W świecie technologii znane są materiały miękkie reagujące na znacznie więcej bodźców niż ludzkie tkanki. Istnieją więc choćby materiały zmieniające twardość w reakcji na nacisk, odkształcające się w zadany sposób pod wpływem temperatury albo zmieniające swój kolor w polu magnetycznym czy przezroczystość w elektrycznym. Szałem ostatnich lat jest „materia aktywna”, np. płyn albo żel, w którym rozpuszczono substancję reagującą ruchliwością na zadany bodziec: tego typu materiał zaczyna ruszać się „od wewnątrz”, np. w reakcji na światło albo zmianę pH. W praktyce oznacza to możliwość niemal dowolnego „programowania materii” – zapisywania w niej zdolności do wykonywania bardzo złożonych przemian w reakcji na bodźce.

Rzecz charakterystyczna: urządzenia konstruowane z tego typu „sprytnej materii” lubią zaskakiwać twórców. Materia miękka ma już to do siebie, że potrafi więcej niż materia sztywna – czasem nawet więcej niż nasze sztywne oczekiwania. Ważnym słowem-kluczem w rozmowie na ten temat jest termin „stopień swobody”. Gdy mój robot składa się z trzech segmentów połączonych ze sobą dwoma zawiasami – jak palec wskazujący – to powiemy, że jest wyposażony w dwa stopnie swobody. Matematycznie oznacza to, że jego stan całkowicie opisują dwie liczby (kąt pomiędzy segmentem pierwszym i drugim oraz kąt pomiędzy segmentem drugim i trzecim). Jeszcze inaczej, wszystkie możliwe stany takiego robota można rozmieścić w dwuwymiarowej przestrzeni, np. na kartce papieru.

Materia miękka bardzo „lubi” wykazywać dodatkowe stopnie swobody, których nie da się łatwo przewidzieć: prawdziwy koszmar inżyniera. Pomyślmy choćby o robotycznej łapce marszczącej się jak wyschły owoc – na ile konkretnie sposobów może się ona zmarszczyć? Kolejnym ciekawym kierunkiem badań jest dziś continuum robotics („robotyka ciągła”), w której roboty nie są wzorowane na kręgowcach czy stawonogach, a raczej na pierścienicach, nicieniach czy głowonogach. Ile „stopni swobody” ma nicień albo macka ośmiornicy? Nie da się powiedzieć – nie ma w nich bowiem sztywnych segmentów oddzielonych stawami, lecz pojedyncza struktura deformująca się na sposób ciągły. Matematycznie, przestrzeń wszystkich możliwych stanów tego typu robota robi się, niestety, nieskończenie-wymiarowa.

Fundamentalny problem tzw. teorii sterowania – fascynującego obszaru badawczego na pograniczu matematyki i robotyki – to relacja pomiędzy tym, co kontroluje (kontrolerem), a tym, co działa (efektorem). Pomyślmy choćby o mikrokomputerze wysyłającym sygnał do silniczka, który napędza jakąś zębatkę. W idealnym przypadku chcielibyśmy, aby ten sam sygnał zawsze wywoływał tę samą reakcję, a dwukrotnie silniejszy sygnał – dwukrotnie silniejszą reakcję. Prosty przykład: włączenie silniczka ma zawsze spowodować obracanie się zębatki, a przekazanie osi dwa razy większej energii powinno sprawić, że zębatka będzie się obracać dwa razy szybciej.

Choć nawet proste maszyny zwykle zachowują się znacznie bardziej ciekawie (np. na pewnym etapie zaczyna dominować tarcie i nie da się już bardziej przyspieszyć zębatki), w świecie robotyki miękkiej oraz ciągłej konieczne jest przemyślenie samych fundamentów teorii kontroli: do kosza trzeba wyrzucić proste relacje matematyczne pomiędzy kilkoma jednoznacznymi poleceniami a kilkuwymiarową przestrzenią stanów.

W klasycznej robotyce samowolne, zaskakujące i niezaplanowane przez twórców zachowania robota traktowane są zwykle jako przeszkoda, którą należy wyeliminować. Było to sensowne założenie, gdy roboty miały postać metalowych maszyn, których dysfunkcja oznaczała coś w stylu pękniętej zębatki. W epoce miękkich, ciągłych robotów konstruowanych z adaptacyjnej, reaktywnej, samoleczącej i samouczącej się materii myślenie to przestaje być pożyteczne. Już dziś konstruuje się roboty, które w reakcji na uszkodzenie jednej kończyny potrafią zmienić swój sposób poruszania się tak, aby wciąż skutecznie się przemieszczać. Co istotne, zdolność tę można zakodować również w samych kończynach: jednostka kontrolująca musi więc zdać się na mechanizmy kontrolne zawarte w efektorach. W tego typu robocie jednostka centralna musi w pewnym stopniu uczyć się od swoich efektorów, pilnie śledząc ich zachowanie i postępy edukacyjne.

Gdy zaś efektory stają się coraz bardziej aktywne, „sprytne” – czy wręcz wyposażone w „ucieleśnioną inteligencję” – klasyczna teoria sterowania upada kompletnie. Jej logika opiera się bowiem na podziale na jednostkę sterującą, która odpowiada za całe „myślenie”, i głupie efektory, które w przewidywalny sposób realizują centralnie opracowane zadania. A co, jeśli „głupie” efektory potrafią same na bieżąco podejmować pewne decyzje, jak stopa papugi albo ludzki układ odpornościowy, albo wykazują zachowania, których nie umiemy przewidzieć? W takiej sytuacji konieczne jest konstruowanie robotów przy założeniu, że stanowią one działającą w środowisku całość, w której nie da się oddzielić od siebie kontrolera i efektorów… a więc zupełnie jak w człowieku, u którego „ciało” i „dusza” stanowią jedność.

Ucieleśnieni

Jesteśmy tak przyzwyczajeni do idei „mądry mózg–głupie ciało” – która jest w gruncie rzeczy wyłącznie hipotezą filozoficzną, a nawet teologiczną – że bardzo trudno jest nam się jej oduczyć. Obecne postępy w rozwoju wielkich modeli językowych budzą w nas marzenie o „komputerowym mózgu”, w którym, być może, narodzi się także komputerowe myślenie. A może jednak brakującą cegiełką nie jest jeszcze większa moc obliczeniowa, wyspecjalizowane procesory tensorowe, dodatkowe warstwy sieci neuronowych i kolejne miliardy parametrów, a nawet nie kolejne terabajty danych treningowych? Może sam tylko odcieleśniony mózg nie jest w stanie zrobić „tego czegoś”?

Na drodze do ucieleśnienia AI jest oczywiście szereg problemów. Największym z nich jest nasze myślowe przyzwyczajenie do narzucania na materię logiki klasycznego komputera. Regularnie publikowane są doniesienia o zrealizowaniu w świecie materii rozmaitych procesów obliczeniowych: a to wykorzystanie DNA jako nośnika pamięci, a to skonstruowanie bramki logicznej z ludzkich neuronów. Choć są to interesujące badania, prowadzą one jednak wyłącznie do odtworzenia zwykłej logiki komputera (technicznie: architektury von Neumanna) w materii biologicznej. Co to za pożytek z żywej tkanki ludzkiej, jeśli każemy jej wypluwać z siebie zera i jedynki? Autorzy przytoczonych badań poczytują sobie za sukces, że DNA prawidłowo i trwale przechowuje dane, a ludzkie neurony, po odpowiednim połączeniu, zachowują się jak bramka logiczna AND (czyli: i). To trochę jednak tak, jakby zaprosić setkę najbardziej kreatywnych artystów świata, aby pieczołowicie przepisywali książkę telefoniczną, cyzelując każdą cyfrę zgodnie z fontem Times New Roman. Cała opisana wyżej idea „ucieleśnienia AI” opiera się tymczasem na sprzęgnięciu istniejących zero-jedynkowych algorytmów z płynną, rozmytą, nieidealną „logiką” świata materii. Błędy, niedoskonałości i zachowania nieprzewidywalne są zaś w tę logikę wpisane: i to być może one właśnie odpowiadają za „magię” ludzkiej psychofizycznej całości.

Jedynym logicznym dopełnieniem tego programu jest więc skonstruowanie robota, którego wszystkie elementy posiadają większą czy mniejszą inteligencję – zupełnie jak ludzkie ciało, którego każda komórka i każde włókienko realizuje złożone przepisy zakodowane w swojej strukturze i dynamice. Niektóre cegiełki tego programu są już na miejscu, większość wymaga rozwinięcia. Jak to często bywa, kluczowy krok naprzód ma charakter myślowy, a nie technologiczny. Abyśmy zgodzili się na to, że sekret „prawdziwej” sztucznej inteligencji kryje się w ciele – a następna rewolucja w AI nastąpi w łonie niedeterministycznej, „brudnej” robotyki miękkiej – musimy najpierw zgodzić się również na to, że nasza własna inteligencja i mądrość ma rodowód cielesny. Czy jesteśmy naprawdę gotowi na życie w świecie uduchowionej materii?