Filozof twierdzi, że sztuczna inteligencja nie może być artystą

DZIĘKI UPRZEJMOŚCI ARTYSTÓW

31 marca 1913 roku w Wielkiej Sali sali koncertowej Musikverein w Wiedniu wybuchły zamieszki w trakcie wykonania orkiestrowej pieśni Albana Berga. Opadł chaos. Meble były zepsute. Policja aresztowała organizatora koncertu za uderzenie Oscara Strausa, mało pamiętanego kompozytora operetek. Później, na rozprawie, Straus zażartował o frustracji publiczności. Utrzymywał, że uderzenie było najbardziej harmonijnym dźwiękiem całego wieczoru. Historia wydała inny werdykt: dyrygent koncertu, Arnold Schoenberg, uchodzi za chyba najbardziej twórczego i wpływowego kompozytora XX wieku.

Być może nie spodoba ci się dysonansowa muzyka Schönberga, która odrzuca konwencjonalną tonalność, aby ustawić 12 nut skali zgodnie z zasadami, które nie pozwalają nikomu dominować. Ale zmienił to, jak ludzie rozumieją muzykę. To właśnie czyni z niego prawdziwie kreatywnego i innowacyjnego artystę. Techniki Schoenberga są teraz płynnie zintegrowane ze wszystkim, od muzyki filmowej i musicali na Broadwayu po jazzowe solówki Milesa Davisa i Ornette'a Colemana.

Ta historia była częścią naszego wydania z marca 2019 r.

• Zobacz resztę numeru
• Subskrybuj

Twórczość należy do najbardziej tajemniczych i imponujących osiągnięć ludzkiej egzystencji. Ale co to jest?

Kreatywność to nie tylko nowość. Maluch przy pianinie może uderzyć w nową sekwencję dźwięków, ale nie są one w żadnym znaczącym sensie kreatywne. Również twórczość jest ograniczona historią: to, co w jednym okresie lub miejscu liczy się jako twórcza inspiracja, w innym może zostać zlekceważone jako śmieszne, głupie lub szalone. Społeczność musi akceptować pomysły tak dobre, aby można było je uznać za kreatywne.

Podobnie jak w przypadku Schönberga lub wielu innych współczesnych artystów, akceptacja ta nie musi być powszechna. Może rzeczywiście nie nadejść przez lata – czasami kreatywność jest błędnie odrzucana przez pokolenia. Ale dopóki innowacja nie zostanie ostatecznie zaakceptowana przez jakąś społeczność praktyków, nie ma sensu mówić o niej jako o twórczej.

Postępy w sztucznej inteligencji doprowadziły wielu do spekulacji, że ludzie wkrótce zostaną zastąpieni przez maszyny w każdej dziedzinie, w tym w dziedzinie kreatywności. Futurysta Ray Kurzweil przewiduje, że do 2029 roku wyprodukujemy sztuczną inteligencję, która może uchodzić za przeciętnego wykształconego człowieka. Nick Bostrom, filozof z Oksfordu, jest bardziej ostrożny. Nie podaje daty, ale sugeruje, że filozofowie i matematycy oddają pracę nad fundamentalnymi pytaniami superinteligentnym następcom, który definiuje jako posiadający intelekt znacznie przewyższający ludzkie zdolności poznawcze w praktycznie wszystkich dziedzinach zainteresowania.

Obaj wierzą, że kiedy inteligencja na poziomie człowieka zostanie wytworzona w maszynach, nastąpi gwałtowny postęp – co Kurzweil nazywa osobliwością, a Bostrom eksplozją inteligencji – w którym maszyny bardzo szybko zastąpią nas potężnymi środkami w każdej dziedzinie. Argumentują, że tak się stanie, ponieważ nadludzkie osiągnięcia są takie same, jak zwykłe ludzkie osiągnięcia, z tym wyjątkiem, że wszystkie istotne obliczenia są wykonywane znacznie szybciej, co Bostrom nazywa superinteligencją szybkości.

A co z najwyższym poziomem ludzkich osiągnięć — twórczą innowacją? Czy maszyny mają wkrótce prześcignąć naszych najbardziej kreatywnych artystów i myślicieli?

Nie.

Osiągnięcia twórcze człowieka, ze względu na sposób, w jaki są zakorzenione społecznie, nie ulegną postępom w sztucznej inteligencji. Mówienie inaczej jest niezrozumieniem zarówno tego, czym są ludzie, jak i na czym polega nasza kreatywność.

To twierdzenie nie jest absolutne: zależy od norm, którym pozwalamy rządzić naszą kulturą i naszymi oczekiwaniami wobec technologii. W przeszłości istoty ludzkie przypisywały wielką moc i geniusz nawet martwym totemom. Jest całkowicie możliwe, że zaczniemy traktować sztucznie inteligentne maszyny jako tak znacznie lepsze od nas, że w naturalny sposób przypiszemy im kreatywność. Jeśli tak się stanie, to nie dlatego, że wyprzedziły nas maszyny. Stanie się tak, ponieważ oczernimy samych siebie.

Osiągnięcia twórcze człowieka, ze względu na sposób, w jaki są zakorzenione społecznie, nie ulegną postępom w sztucznej inteligencji.

Mówię też przede wszystkim o postępach maszynowych, jakie ostatnio widzieliśmy w obecnym paradygmacie głębokiego uczenia się, a także o jego następcach obliczeniowych. W przeszłości badaniami nad sztuczną inteligencją rządziły inne paradygmaty. Te już nie spełniły swojej obietnicy. W przyszłości mogą pojawić się jeszcze inne paradygmaty, ale jeśli spekulujemy, że jakaś hipotetyczna przyszła sztuczna inteligencja, której cech nie możemy sensownie opisać, dokona cudownych rzeczy, tj. tworzenia mitów, a nie uzasadnionej argumentacji na temat możliwości technologii.

Twórcze osiągnięcia działają różnie w różnych dziedzinach. Nie mogę tutaj przedstawić kompletnej taksonomii różnych rodzajów twórczości, więc aby to podkreślić, naszkicuję argument na trzy całkiem różne przykłady: muzykę, gry i matematykę.

Muzyka dla moich uszu

W wyimaginowanym krajobrazie (2018)
Nao Tokui wykorzystuje algorytm uczenia maszynowego do tworzenia panoram ze zdjęć znalezionych w Google Street View i uzupełnia je pejzażami dźwiękowymi utworzonymi za pomocą sztucznych sieci neuronowych. DZIĘKI UPRZEJMOŚCI ARTYSTY

Czy możemy sobie wyobrazić maszynę o tak nadludzkich zdolnościach twórczych, która powoduje zmiany w tym, co rozumiemy przez muzykę, jak zrobił to Schoenberg?

Twierdzę, że tego nie może zrobić maszyna. Zobaczmy dlaczego.

Komputerowe systemy komponowania muzyki istnieją już od dłuższego czasu. W 1965 roku, w wieku 17 lat, sam Kurzweil, używając prekursora systemów rozpoznawania wzorców, które charakteryzują dzisiejsze algorytmy głębokiego uczenia się, zaprogramował komputer do komponowania rozpoznawalnej muzyki. Warianty tej techniki są używane do dziś. Algorytmy głębokiego uczenia były w stanie przyjąć jako dane wejściowe na przykład kilka chorałów Bacha i skomponować muzykę tak charakterystyczną dla stylu Bacha, że ​​nawet ekspertów sądzi, że jest oryginalna. To jest mimikra. To właśnie robi artysta jako praktykant: kopiuje i doskonali styl innych, zamiast pracować autentycznym, oryginalnym głosem. Nie jest to rodzaj twórczości muzycznej, który kojarzymy z Bachem, nie mówiąc już o radykalnej innowacji Schoenberga.

Więc co mówimy? Czy może istnieć maszyna, która, tak jak Schönberg, wynajdzie zupełnie nowy sposób tworzenia muzyki? Oczywiście możemy sobie wyobrazić, a nawet wykonać taką maszynę. Mając algorytm, który modyfikuje własne reguły komponowania, moglibyśmy z łatwością stworzyć maszynę, która czyni muzykę tak różną od tego, co obecnie uważamy za dobrą muzykę, tak jak robił to wtedy Schoenberg.

Ale tutaj to się komplikuje.

Uważamy Schoenberga za twórczego innowatora nie tylko dlatego, że udało mu się stworzyć nowy sposób komponowania muzyki, ale dlatego, że ludzie mogli zobaczyć w nim wizję tego, jaki powinien być świat. Wizja Schoenberga zakładała oszczędny, czysty, efektywny minimalizm nowoczesności. Jego innowacja polegała nie tylko na znalezieniu nowego algorytmu komponowania muzyki; chodziło o znalezienie sposobu myślenia o jakiej muzyce jest to pozwala mu mówić do co jest teraz potrzebne .

Niektórzy mogą twierdzić, że podniosłem poprzeczkę zbyt wysoko. Czy twierdzę, zapytają, że maszyna potrzebuje jakiegoś mistycznego, niemierzalnego wyczucia tego, co jest społecznie konieczne, aby mogła zostać uznana za kreatywną? Nie jestem – z dwóch powodów.

Po pierwsze, pamiętajmy, że proponując nową, matematyczną technikę komponowania muzyki, Schoenberg zmienił nasze rozumienie tego, czym jest muzyka. Dopiero twórczość tego typu sprzecznego z tradycją wymaga pewnego rodzaju wrażliwości społecznej. Gdyby słuchacze nie odebrali jego techniki jako uchwycenia antytradycjonalizmu w sercu radykalnej nowoczesności, która pojawiła się w Wiedniu na początku XX wieku, mogliby nie słyszeć tego jako czegoś o wartości estetycznej. Chodzi o to, że twórczość radykalna nie jest przyspieszoną wersją twórczości codziennej. Osiągnięcie Schoenberga nie jest szybszą ani lepszą wersją kreatywności prezentowanej przez Oscara Strausa czy innego przeciętnego kompozytora: jest zasadniczo innego rodzaju.

Po drugie, moim argumentem nie jest to, że reakcja twórcy na społeczną konieczność musi być świadoma, aby dzieło spełniało standardy geniuszu. Zamiast tego twierdzę, że musimy być w stanie zinterpretować pracę jako odpowiedź w ten sposób . Błędem byłoby interpretowanie kompozycji maszyny jako części takiej wizji świata. Argument za tym jest prosty.

Twierdzenia takie jak Kurzweil, że maszyny mogą osiągnąć inteligencję na poziomie człowieka, zakładają, że posiadanie ludzkiego umysłu to po prostu posiadanie ludzkiego mózgu, który podąża za pewnym zestawem algorytmów obliczeniowych – poglądem zwanym komputacjonizmem. Ale chociaż algorytmy mogą mieć implikacje moralne, same w sobie nie są agentami moralnymi. Nie możemy policzyć małpy na maszynie do pisania, która przypadkowo pisze Otello jako wielki kreatywny dramaturg. Jeśli w produkcie jest wielkość, to tylko przypadek. Możemy być w stanie postrzegać produkt maszyny jako wspaniały, ale jeśli wiemy, że wynik jest jedynie wynikiem jakiegoś arbitralnego aktu lub formalizmu algorytmicznego, nie możemy go zaakceptować jako wyrazu wizji ludzkiego dobra.

Z tego powodu wydaje mi się, że tylko drugi człowiek nie może być właściwie rozumiany jako prawdziwie twórczy artysta. Być może sztuczna inteligencja kiedyś wyjdzie poza swój obliczeniowy formalizm, ale wymagałoby to skoku, który jest w tej chwili niewyobrażalny. Nie szukalibyśmy tylko nowych algorytmów lub procedur symulujących ludzką aktywność; szukalibyśmy nowych materiałów, które są podstawą bycia człowiekiem.

Duplikat cząsteczka po cząsteczce istoty ludzkiej byłby człowiekiem w odpowiedni sposób. Ale już mamy sposób na wyprodukowanie takiej istoty: zajmuje to około dziewięciu miesięcy. W tej chwili maszyna może zrobić tylko coś o wiele mniej interesującego niż to, co może zrobić człowiek. Może na przykład tworzyć muzykę w stylu Bacha — być może nawet muzykę, którą niektórzy eksperci uważają za lepszą od muzyki Bacha. Ale to tylko dlatego, że jego muzykę można oceniać według wcześniej istniejących standardów. To, czego maszyna nie może zrobić, to wprowadzić zmiany w naszych standardach oceniania jakości muzyki lub rozumienia, czym muzyka jest, a czym nie.

Nie można zaprzeczyć, że artyści kreatywni używają wszelkich narzędzi, jakimi dysponują, i że narzędzia te kształtują rodzaj tworzonej przez siebie sztuki. Trąbka pomogła Davisowi i Colemanowi zrealizować ich kreatywność. Ale trąbka sama w sobie nie jest twórcza. Algorytmy sztucznej inteligencji bardziej przypominają instrumenty muzyczne niż ludzi. Taryn Południowa, były Amerykański idol zawodniczka niedawno wydała album, na którym instrumenty perkusyjne, melodie i akordy były generowane algorytmicznie, chociaż napisała tekst i wielokrotnie poprawiała algorytm instrumentacji, aż do uzyskania oczekiwanych rezultatów. Na początku lat 90. David Bowie zrobił to na odwrót: napisał muzykę i używał aplikacji na Maca o nazwie Verbalizer, aby pseudolosowo łączyć zdania w teksty. Podobnie jak poprzednie narzędzia przemysłu muzycznego — od urządzeń nagrywających po syntezatory, samplery i loopery — nowe narzędzia AI działają poprzez stymulowanie i kierowanie kreatywnych zdolności artysty (i odzwierciedlają ograniczenia tych zdolności).

Gry bez granic

Wiele napisano o osiągnięciach systemów głębokiego uczenia, które są obecnie najlepszymi graczami w Go na świecie. AlphaGo i jego warianty mają silne pretensje do stworzenia zupełnie nowego sposobu gry. Nauczyli ludzkich ekspertów, że otwierające ruchy, od dawna uważane za nieprzemyślane, mogą prowadzić do zwycięstwa. Program gra w stylu, który eksperci określają jako dziwny i obcy. Tak wyobrażam sobie gry z odległej przyszłości, Shi Yue, czołowy gracz Go, powiedział o grze AlphaGo. Algorytm wydaje się być naprawdę kreatywny.

W pewnym ważnym sensie tak jest. Jednak granie w gry różni się od komponowania muzyki lub pisania powieści: w grach istnieje obiektywna miara sukcesu. Wiemy, że możemy się czegoś nauczyć od AlphaGo, ponieważ widzimy, że wygrywa.

Ale to również sprawia, że ​​Go jest domeną zabawek, uproszczonym przypadkiem, który mówi tylko o ograniczonym zakresie o świecie.

Upadek domu Usherów Anny Ridler (2017)
12-minutowa animacja na podstawie filmu niemego Watsona i Webbera z 1928 roku. Ridler stworzyła fotosy, używając trzech oddzielnych sieci neuronowych: jednej ćwiczonej na jej rysunkach, drugiej ćwiczącej na rysunkach wykonanych z wyników pierwszej sieci i trzeciej ćwiczącej na rysunkach wykonanych z wyników drugiej. DZIĘKI UPRZEJMOŚCI ARTYSTY

Najbardziej fundamentalny rodzaj ludzkiej kreatywności zmienia nasze rozumienie samych siebie, ponieważ zmienia nasze rozumienie tego, co uważamy za dobre. Natomiast w grze Go natura dobroci po prostu nie jest do zgarnięcia: strategia Go jest dobra wtedy i tylko wtedy, gdy wygrywa. Życie ludzkie generalnie nie ma tej cechy: nie ma obiektywnej miary sukcesu w najwyższych sferach osiągnięć. Na pewno nie w sztuce, literaturze, muzyce, filozofii czy polityce. Ani też w rozwoju nowych technologii.

W różnych dziedzinach zabawek maszyny mogą nas nauczyć pewnej bardzo ograniczonej formy kreatywności. Ale reguły domeny są wstępnie uformowane; system może odnieść sukces tylko dlatego, że nauczy się dobrze grać w ramach tych ograniczeń. Ludzka kultura i ludzka egzystencja są o wiele bardziej interesujące niż to. Oczywiście istnieją normy postępowania ludzi. Ale kreatywność w prawdziwym tego słowa znaczeniu to zdolność do zmiany tych norm w jakiejś ważnej ludzkiej sferze. Sukces w dziedzinie zabawek nie wskazuje na to, że kreatywność tego bardziej podstawowego rodzaju jest możliwa do osiągnięcia.

To nokaut

Sceptyk może twierdzić, że ta argumentacja działa tylko dlatego, że przeciwstawiam gry artystyczny geniusz. Istnieją inne paradygmaty kreatywności w sferze naukowej i matematycznej. W tych sferach pytanie nie dotyczy wizji świata. Chodzi o to, jaka jest rzeczywista sytuacja.

Czy maszyna może wymyślić matematyczne dowody tak daleko od nas, że musimy po prostu poddać się jej twórczemu geniuszowi?

Nie.

Komputery pomogły już w znaczących osiągnięciach matematycznych. Ale ich wkład nie był szczególnie kreatywny. Weźmy pierwsze główne twierdzenie udowodnione przy użyciu komputera: twierdzenie o czterech kolorach, które mówi, że każda płaska mapa może być pokolorowana co najwyżej czterema kolorami w taki sposób, że żadne dwa sąsiadujące kraje nie mają tego samego (dotyczy to również krajów na powierzchni globu).

Prawie pół wieku temu, w 1976 roku, Kenneth Appel i Wolfgang Haken z University of Illinois opublikowali wspomagany komputerowo dowód tego twierdzenia. Komputer wykonał miliardy obliczeń, sprawdzając tysiące różnych typów map – tak wiele, że zweryfikowanie przez ludzi, czy każda możliwość jest zgodna z poglądem komputera, było (i nadal pozostaje) logistycznie niemożliwe. Od tego czasu komputery pomogły w wielu nowych dowodach.

Wentylator elektryczny (2018)
Tom White używa silników percepcji, algorytmów, które destylują dane zebrane z tysięcy zdjęć pospolitych obiektów, do syntezy abstrakcyjnych kształtów. Następnie testuje i poprawia wyniki, aż zostaną rozpoznane przez system. Wentylator elektryczny, dzięki uprzejmości Toma White'a, mas '98, drib.net

Ale superkomputer nie robi nic kreatywnego, sprawdzając ogromną liczbę przypadków. Zamiast tego robi coś nudnego ogromną liczbę razy. To wydaje się prawie przeciwieństwem kreatywności. Co więcej, jest to tak dalekie od tego rodzaju zrozumienie zwykle uważamy, że dowód matematyczny powinien oferować, że niektórzy eksperci w ogóle nie biorą pod uwagę tych wspomaganych komputerowo strategii matematycznych. Jak przekonywał Thomas Tymoczko, filozof matematyki, jeśli nie możemy nawet zweryfikować, czy dowód jest poprawny, to tak naprawdę ufamy potencjalnie podatnemu na błędy procesowi obliczeniowemu.

Jednak nawet zakładając, że ufamy wynikom, wspomagane komputerowo dowody są czymś w rodzaju analogii komputerowej kompozycji. Jeśli dają nam wartościowy produkt, to głównie dzięki wkładowi człowieka. Ale niektórzy eksperci twierdzą, że sztuczna inteligencja będzie w stanie osiągnąć więcej. Załóżmy zatem, że mamy ostateczność: samodzielną maszynę, która samodzielnie dowodzi nowych twierdzeń.

Czy maszyna taka jak ta może znacznie przewyższyć nas pod względem kreatywności matematycznej, jak argumentują Kurzweil i Bostrom? Załóżmy na przykład, że sztuczna inteligencja znajduje rozwiązanie jakiegoś niezwykle ważnego i trudnego otwartego problemu matematycznego.

Zdolność do prawdziwej kreatywności, tego rodzaju kreatywności, która aktualizuje nasze rozumienie natury bytu, leży u podstaw tego, czym jest bycie człowiekiem.

Istnieją dwie możliwości. Po pierwsze, dowód jest niezwykle sprytny, a gdy eksperci w tej dziedzinie przeanalizują go, odkrywają, że jest poprawny. W tym przypadku sztuczna inteligencja, która odkryła dowód, zostałaby oklaskiwana. Sama maszyna może być nawet uznana za kreatywnego matematyka. Ale taka maszyna nie byłaby dowodem osobliwości; nie przewyższałaby nas tak kreatywnością, że nie moglibyśmy nawet zrozumieć, co robi. Nawet gdyby miał tego rodzaju kreatywność na poziomie ludzkim, nie prowadziłoby nieuchronnie do królestwa nadczłowieka.

Niektórzy matematycy są jak muzyczni wirtuozi: wyróżnia ich płynność w posługiwaniu się istniejącym idiomem. Ale geniusze, tacy jak Srinivasa Ramanujan, Emmy Noether i Alexander Grothendieck, prawdopodobnie przekształcili matematykę, tak jak Schönberg przekształcił muzykę. Ich osiągnięcia nie były po prostu dowodami na ugruntowane hipotezy, ale nowymi i nieoczekiwanymi formami rozumowania, które opierały się nie tylko na sile ich logiki, ale także na umiejętności przekonywania innych matematyków o znaczeniu ich innowacji. Pozorna sztuczna inteligencja, która dostarcza sprytnego dowodu na problem, który od dawna oszołomił ludzkich matematyków, jest podobna do AlphaGo i jej wariantów: imponująca, ale nie podobna do Schoenberga.

To prowadzi nas do innej opcji. Załóżmy, że najlepszy i najjaśniejszy algorytm głębokiego uczenia się został uruchomiony i po jakimś czasie powie, że znalazłem dowód zupełnie nowego twierdzenia, ale jest on zbyt skomplikowany, aby nawet najlepsi matematycy go zrozumieli.

W rzeczywistości nie jest to możliwe. Dowód, którego nie potrafią zrozumieć nawet najlepsi matematycy, tak naprawdę nie liczy się jako dowód. Udowodnienie czegoś oznacza, że ​​to udowadniasz ktoś . Tak jak muzyk musi przekonać publiczność do zaakceptowania jej estetycznej koncepcji dobrej muzyki, matematyk musi przekonać innych matematyków, że istnieją dobre powody, by wierzyć w jej wizję prawdy. Aby można było uznać twierdzenie za ważny dowód w matematyce, musi być zrozumiałe i możliwe do zatwierdzenia przez jakiś niezależny zestaw ekspertów, którzy są w stanie je zrozumieć. Jeśli eksperci, którzy powinni być w stanie zrozumieć dowód, nie mogą, to społeczność odmawia poparcia go jako dowodu.

Z tego powodu matematyka bardziej przypomina muzykę, niż mogłoby się wydawać. Maszyna nie mogłaby nas masowo prześcignąć w kreatywności, ponieważ albo jej osiągnięcie byłoby zrozumiałe, w takim przypadku nie przerosłoby nas masowo, albo byłoby niezrozumiałe, w którym to przypadku nie moglibyśmy zaliczyć jej do jakiegokolwiek twórczego postępu.

Oko patrzącego

Inżynieria i nauki stosowane znajdują się w pewnym sensie pomiędzy tymi przykładami. Istnieje coś takiego jak obiektywna, zewnętrzna miara sukcesu. Nie możesz wygrać w budowie mostów lub medycynie tak jak w szachach, ale widać, czy most się zawali, czy wirus zostanie wyeliminowany. Te obiektywne kryteria wchodzą w grę tylko wtedy, gdy dziedzina jest dość dobrze określona: wymyślanie mocnych, lekkich materiałów lub leków, które zwalczają określone choroby. Sztuczna inteligencja może pomóc w odkrywaniu leków, w efekcie robiąc to samo, co sztuczna inteligencja, która skomponowała coś, co brzmiało jak dobrze wykonana kantata Bacha lub wymyśliła genialną strategię Go. Podobnie jak mikroskop, teleskop czy kalkulator, taka sztuczna inteligencja jest właściwie rozumiana jako narzędzie, które umożliwia ludzkie odkrycia, a nie jako autonomiczny czynnik twórczy.

Warto tutaj pomyśleć o szczególnej teorii względności. Albert Einstein jest pamiętany jako odkrywca teorii względności — ale nie dlatego, że jako pierwszy wymyślił równania, które lepiej opisują strukturę czasu i przestrzeni. George Fitzgerald, Hendrik Lorentz i Henri Poincaré, między innymi, zapisali te równania przed Einsteinem. Jest uznawany za odkrywcę teorii, ponieważ miał oryginalne, niezwykłe i prawdziwe zrozumienie tego, co równania Oznaczało i może przekazać to zrozumienie innym.

Aby maszyna mogła wykonywać fizykę, która jest w jakimkolwiek sensie porównywalna z kreatywnością Einsteina, musi być w stanie przekonać innych fizyków o wartości swoich pomysłów przynajmniej tak samo dobrze jak on. Oznacza to, że musielibyśmy być w stanie zaakceptować jego propozycje jako mające na celu: przekazują nam swoją ważność . Gdyby taka maszyna kiedykolwiek powstała, jak w przypowieści o Pinokio, musielibyśmy ją traktować jak człowieka. Oznacza to, między innymi, że musielibyśmy przypisywać jej nie tylko inteligencję, ale jakąkolwiek godność i wartość moralną przynależną ludziom. Wydaje mi się, że jesteśmy daleko od tego scenariusza i nie ma powodu, by sądzić, że obecny paradygmat obliczeniowy sztucznej inteligencji – w swojej głębokiej formie uczenia się lub w jakiejkolwiek innej – kiedykolwiek nas do niego zbliży.

Kreatywność jest jedną z cech definiujących człowieka. Zdolność do prawdziwej kreatywności, tego rodzaju kreatywności, która aktualizuje nasze rozumienie natury bytu, która zmienia sposób, w jaki rozumiemy, co to znaczy być pięknym, dobrym lub prawdziwym – ta zdolność leży u podstaw tego, czym jest bycie człowiekiem . Ale ten rodzaj kreatywności zależy od naszego doceniania go i dbania o niego jako takiego. Jak zauważył pisarz Brian Christian, ludzie zaczynają zachowywać się mniej jak istoty, które cenią kreatywność jako jedną z naszych najwyższych możliwości, a bardziej jak same maszyny.

Ile osób ma dziś pracę, która wymaga od nich przestrzegania z góry określonego scenariusza rozmów? Jak niewiele z tego, co znamy jako prawdziwą, autentyczną, twórczą i otwartą na ludzką rozmowę, pozostaje w tej wypatroszonej szaradzie? Na ile to jest, zamiast tego, rodzaj przestrzegania zasad, które może zrobić maszyna? A ilu z nas, o ile pozwalamy się wciągnąć w tego rodzaju scenariusze przedstawień, również jest wypatroszonych? Jak dużą część naszego dnia pozwalamy na efektywne wypełnianie czynności podobnych do maszyn — wypełnianie skomputeryzowanych formularzy i kwestionariuszy, reagowanie na przynętę typu click-bait, która działa na nasze najbardziej podstawowe, najbardziej zwierzęce impulsy, granie w gry, które mają na celu optymalizację naszego wciągająca odpowiedź?

Grozi nam to zamieszanie również w niektórych z najgłębszych sfer ludzkich osiągnięć. Jeśli pozwolimy sobie na stwierdzenie, że dowody maszynowe, których nie możemy zrozumieć, są dowodami autentycznymi, na przykład scedowanie władzy społecznej na maszyny, będziemy traktować osiągnięcia matematyki tak, jakby w ogóle nie wymagały zrozumienia od człowieka. Przyjmiemy jedną z naszych najwyższych form kreatywności i inteligencji i ograniczymy ją do pojedynczego bitu informacji: tak lub nie.

Syn Rzeźnika (2018)
Mario Klingemann użył dwóch GAN-ów, jednego wyszkolonego na zbiorze danych przedstawiających ludzkie pozy, a drugiego nauczonego pornografii, do renderowania tysięcy złożonych obrazów. Po ocenie każdego pod kątem pozy i szczegółów, wybrał jedną, aby dopracować gotową pracę. DZIĘKI UPRZEJMOŚCI ARTYSTY

Nawet gdybyśmy mieli te informacje, nie miałyby one dla nas żadnej wartości bez zrozumienia przyczyn leżących u ich podstaw. Nie wolno nam tracić z oczu zasadniczego charakteru rozumowania, które jest podstawą tego, czym jest matematyka.

Tak samo ze sztuką, muzyką, filozofią i literaturą. Jeśli pozwolimy sobie w ten sposób poślizgnąć, traktować maszynową kreatywność jako substytut własnej, to rzeczywiście maszyny staną się dla nas niezrozumiałe lepsze. Ale to dlatego, że stracimy z oczu fundamentalną rolę, jaką kreatywność odgrywa w byciu człowiekiem.

Sean Dorrance Kelly jest profesorem filozofii na Harvardzie i współautorem bestsellerowej książki New York Times Wszystkie rzeczy lśnią .

ukryć