Sztuczna inteligencja i drugi przełom nominalistyczny

Związek między sztuczną inteligencją a nominalizmem pozwala na nowo zapytać, czy sprawność obliczeń może zastąpić rozumienie świata. Modele językowe tworzą coraz doskonalsze teksty, lecz ich sukcesy nie rozstrzygają pytania o sens ludzkiego życia ani o naturę dobra, prawdy i piękna. O drugim przełomie nominalistycznym, w którym dane mają zastąpić namysł nad rzeczywistością, pisze prof. Jacek KORONACKI

.Wiele już o sztucznej inteligencji na stronach portalu i miesięcznika „„Wszystko co Najważniejsze” napisałem i nie wypada tego powtarzać, ale podkreślić należy, że ten rok przyniósł przyspieszenie jej rozwoju niebywałe, a wynikające z doniosłych odkryć technicznych oraz znakomitych implementacji z lat ostatnich, autorstwa badaczy i informatyków zwłaszcza takich firm jak Google oraz OpenAI. Ostatnio ukazał się doskonały esej na ten temat pióra jednego z nich, Jakuba Pachockiego.

Ograniczę się do wspomnienia o jedynie części tych sukcesów, jakie przynoszą tzw. wielkie modele językowe (dalej LLM-y). Przy tym pominę choćby krótką wzmiankę o sukcesach na polu dowodzenia niezwykle trudnych twierdzeń matematycznych. Na ich udowodnienie czekaliśmy niekiedy całe dekady. Ograniczę się do paru uwag dotyczących kompetencji językowych LLM-ów. U podstaw tych kompetencji – pomijając geniusz ich twórców – leżą zgromadzone w serwerach niebywałych rozmiarów zasoby tekstowe. A zatem dane, którym „pozwalamy przemówić”.

Nominalizm i pytanie o naturę świata

Ale cofnijmy się na chwilę do tego, czego myśl europejska doświadczyła kilka wieków temu. Podczas gdy wiek XIII był wiekiem racjonalizmu i realizmu – zwłaszcza za sprawą św. Tomasza z Akwinu – wiek XIV stał się wiekiem krytyki takiego nurtu scholastyki i opowiedział się po stronie sceptycyzmu, antyracjonalizmu i antyrealizmu. „Nowa szkoła” (via moderna) zastąpiła „starą” (via antiqua). Bez wątpienia najważniejszym budowniczym via moderna był Wilhelm Ockham. Cytując w nieco dowolny sposób z „Historii filozofii” Władysława Tatarkiewicza, możemy w największym skrócie napisać, iż poglądy Ockhama charakteryzuje między innymi: uznanie, że ogromna część tradycyjnej wiedzy jest pozbawiona niezawodnych podstaw; orzeczenie, iż podstawowym organem wiedzy nie jest rozum, lecz bezpośrednia intuicja, i jednocześnie uznanie, że to poznanie intuicyjno-empiryczne też nie jest pewne; opowiedzenie się za konsekwentnym sceptycyzmem filozoficznym, który odrzuca arystotelesowską zasadę przyczynowości oraz wprowadza wiarę na miejsce zdyskwalifikowanej wiedzy (tzw. fideizm); zastąpienie realizmu przez konsekwentny nominalizm, który odmawia realnego istnienia pojęciom ogólnym (uniwersaliom), oraz orzeczenie, iż pojęcia ogólne istnieją tylko w umyśle, mają byt wyłącznie subiektywny; woluntaryzm, który uzależnia własności bytu od woli, zwłaszcza wszechmocnej woli Bożej.

Poglądy Ockhama – zwłaszcza gdy uwzględnić ockhamowskie widzenie Bożej wszechmocy – stanowiły zdaniem innego wybitnego dwudziestowiecznego filozofa Étienne’a Gilsona prawdziwą mieszankę wybuchową. Po pierwsze według Ockhama naszym ogólnym ideom nic w rzeczywistości nie odpowiada – uniwersalia są niczym. I po drugie, jakiekolwiek byłyby rzeczy, to zawsze mogłyby, gdyby tylko Bóg zechciał, być inne. Bóg Ockhama pozbawiał świat własnej i trwałej natury. Bo też jaka może być natura rzeczy, skoro rzeczy są, jakie są, ponieważ taka jest wola Boga? Zaś istnienie autonomicznego ładu rzeczy, czyli ładu natury, ograniczałoby Bożą wszechmoc. Wiek XIV przyniósł zatem filozoficzny sceptycyzm i szukanie pomocy dla zagubionej ludzkiej duszy gdzie indziej.

To lapidarne opisanie pierwszego przełomu nominalistycznego zaczerpnąłem z mojej książki „Między obłędem a trwaniem”. Tamże naszkicowałem drogę Zachodu do uśmiercenia Boga, ale tutaj niech nam wystarczy ta konstatacja: Boga nie ma, jest tylko świat materialny, zaś rzeczy są, jakie są. Poszukiwanie przyczyn sprawczych jest dopuszczone, ale wyłącznie przyczyn pojmowanych mechanistycznie, zamkniętych w ramach naturalizmu. Ich odkrywaniu, zresztą postępującemu imponująco szybko i szeroko, służą nauki ścisłe i przyrodnicze.

Co prawda, to odkrywanie, fascynujące każdą osobę świata ciekawą, ma w sobie coś z paradoksu, ale prawie nikt tego nie zauważa. Dlaczego tak ciekawi i, więcej, fascynuje nas obserwowany ład świata, skoro unieważnione zostało pytanie o przyczyny celowe? Wolno nam pytać, dzięki czemu coś zaistniało, jest lub działa, ale nie dlaczego coś się dzieje – wolno pytać, jak rzeczywistość jest, ale nie dlaczego jest.

Pytanie o przyczynę celową zostało unieważnione, jeśli bowiem pytamy o celowość w przyrodzie, to ostatecznie pytamy o projektanta, jakiś byt transcendentny, który określił rzeczony cel. Problem w tym jednak, pisał Jude P. Dougherty, nieżyjący już emerytowany dziekan Szkoły Filozofii na Katolickim Uniwersytecie Ameryki (p. The Nature of Scientific Explanation, 2013), że unieważnienie pytania o celowość w naturze to w ostatecznym rozrachunku odmowa uznania, że zmiana jest inteligibilna, czyli racjonalna i dlatego przenikalna dla myśli; to odmowa uznania, że rzeczy w naturalny sposób dążą do produkowania efektów, które w rzeczywistości regularnie produkują. To zaprzeczyć na przykład temu, że widzenie jest naturalnym celem zdolności wzroku […]. To tyle co uczynić wzrok czysto przypadłościowym efektem oczu. W języku filozofii przednowożytnej to odmowa uznania zasady racji bytu, która powiada, że każda rzecz ma swe uzasadnienie – uzasadnienie swej bytowości – w sobie bądź poza sobą. I jednak w tym świecie bez celu tak się nim ciekawimy.

Sztuczna inteligencja a nominalizm

Gdy patrzymy na świat dzisiaj, współczesnych uderza, iż ten świat jest niewyobrażalnie wielkim zbiorem danych, które warto i trzeba analizować, by ten świat poznawać. Mogą to być dane związane z obserwacjami bliższych i dalszych planet, gwiazd, całych galaktyk, dane dotyczące złóż ropy, najróżniejszych minerałów na Ziemi, stanu mórz, warunków atmosferycznych, dane medyczne pacjentów zdobywane dzięki badaniom biologicznym czy jakimkolwiek innym, dane dotyczące finansów państwowych i prywatnych, właściwie dosłownie wszystkiego.

Jednym z takich zbiorów jest to wszystko, co ludzkość spisała przez tysiąclecia. Lata 70. XX wieku przyniosły pierwsze triumfy nowego spojrzenia na owe dane. Spojrzenie to miało charakter wyraźnie nominalistyczny – jego zasadą było porzucenie stawiania hipotez mających wyjaśnić, dlaczego obserwowane dane są właśnie takie, jakie są. Wedle podejścia tradycyjnego najpierw formułowano wspomniane hipotezy, następnie sprawdzano ich słuszność, a gdy hipoteza okazała się fałszywa, stawiano kolejną. Podejście nowe mówiło – porzućmy modelowanie interesującego nas zjawiska i „pozwólmy danym przemówić”, niech one same podsuną nam odpowiedź na pytanie, na które chcielibyśmy znać odpowiedź. Na przykład pozwólmy danym opisującym osoby zdrowe i cierpiące na chorobę X wskazać nam, jak odróżnić zdrowych od chorych, na początku sami żadnych w tej materii hipotez nie stawiając. Pionierem tego podejścia był wybitny statystyk z Princeton, John Tukey (już przed nim inni statystycy zarysowane tu podejście z powodzeniem na różnych polach stosowali, ale to on nadał temu podejściu prawdziwy i trwały impet).

Kolejne dekady przynosiły możliwość zbierania i analizowania coraz większych zbiorów danych. Przede wszystkim rosły pamięci i moce obliczeniowe komputerów, rosła sieć internetowa, a zatem i możliwości serwerów komputerowych wspólnie działających w tej sieci. Już nikt Tukeya nie pamiętał i nikt tak nie myślał (poza jego wybitnym doktorantem, choć jednocześnie wrogiem nominalizmu tukeyowskiego, śp. Jamesem R. Thompsonem), ale to właśnie „epoka Tukeya” trwała w najlepsze. Swojemu podejściu nadał Tukey nazwę eksploracyjnej analizy danych, potem przyszedł okres „wydobywania wiedzy z danych” (ang. Data Mining and Knowledge Discovery) oraz „analizy wielkich zbiorów danych” (Big Data Analysis). Wszystko to działo się w ramach tzw. uczenia maszynowego oraz rozwoju sztucznych sieci neuronowych i prowadziło do tego niezwykłego osiągnięcia technicznego, któremu słusznie nadano nazwę sztucznej inteligencji (odtąd z angielska i w skrócie AI).

Modele językowe między obliczaniem a rozumieniem

Wspomnieliśmy już, iż u podstaw tych kompetencji językowych LLM-ów leżą zgromadzone w serwerach niebywałych rozmiarów zasoby tekstowe. Szacuje się, iż młody, kilkunastoletni człowiek do osiągnięcia płynności w posługiwaniu się językiem ojczystym usłyszał lub przeczytał od 50 milionów do 100 milionów słów (tę informację uzyskałem, słuchając wykładu polskiego badacza zajmującego się formalnymi gramatykami języków naturalnych oraz budową komputerowych zasobów tekstowych wraz z formalnym, komputerowym opisem polszczyzny, Adama Przepiórkowskiego). Tymczasem obecne LLM-y są uczone na kilkunastu bilionach słów – czyli na załadowanych do pamięci tekstach liczących co najmniej 100 tysięcy razy więcej słów, niż usłyszał ich lub przeczytał młody człowiek.

I oto badacze pokazują, że reprezentacje zdań w LLM-ach kodują struktury gramatyczne, czyli modele te operują językiem mającym jakąś gramatykę, być może podobną do gramatyki języka naturalnego. To dlatego modele te potrafią pisać piękne, złożone zdania, które układają w dowolnie duże, świetnie skomponowane całości.

LLM-y budują swoją kompetencję językową drogą obliczeń, wychodząc od danych (tekstów) załadowanych do pamięci. Model ma zadaną przez projektantów architekturę o postaci bardzo złożonej sieci neuronowej (albo bardzo złożonych sieci neuronowych), z miliardami albo bilionami parametrów, których wartości są obliczane przez sam model w trakcie jego uczenia się na podstawie posiadanych danych. Matematycznie uczenie się ma za swój fundament podejście probabilistyczne i polega na uczeniu modelu przewidywania następnego fragmentu tekstu. Obliczenia te nie mają i nie mogą mieć związku z rozumieniem tekstu. W pewnym uproszczeniu są to operacje na słowach wykonywane w dziedzinie syntaktyki języka, w żadnym razie semantyki – znaczenia słów.

Semantyka jest transcendentna wobec syntaktyki, ale – można rzec – niedoskonale. Oto obliczenia maszynowe, jakkolwiek dotyczą analiz czysto syntaktycznych, zdumiewająco precyzyjnie odsłaniają znaczenie słów i pojęć. Model doskonale odtwarza związki syntaktyczne, i samo to jest już zdumiewające, a te związki wskazują na istniejące związki semantyczne. Model nic „nie wie” o tych drugich, ale je zaiste zadziwiająco dobrze (aczkolwiek „bezmyślnie”) imituje. Model „nie wie”, co to uniwersalia, pojęcia ogólnie obowiązujące, nie tworzy ich, nie działa w przestrzeni semantycznej, a jednak tworzy teksty sensowne i logicznie bezbłędne. Uważa się, że w procesie uczenia LLM znajduje ukryte, nieznane istniejącym teoriom lingwistycznym cechy strukturalne języka i też dzięki temu osiąga tak znakomite rezultaty swego działania, jakie osiąga.

Sukcesy LLM-ów zapierają dech w piersiach. To oczywiście nie tylko tłumaczenia, pisanie tekstów, w tym odpowiedzi na zadane pytania z dowolnej dziedziny, nie tylko łączenie tekstów z obrazami i filmami tworzonymi na zamówienie. Rozwiązania informatyczne, które swą moc czerpią z LLM-ów, sięgają praktycznie wszystkich dziedzin – medycyny i nauk biologicznych, innych nauk, gospodarki, wojskowości i administracji – i gdzie tylko sięgają, tam osiągają wyniki lepsze od wyników osiąganych przez człowieka. Wszędzie, w każdym takim zastosowaniu, punktem wyjścia, podstawą działania są dane. Zbieramy je, poddajemy analizie naszych programów komputerowych, zresztą programów się samodoskonalących, i w oparciu o otrzymywane wyniki ma się toczyć… nasze życie.

Czy technika może zastąpić logos?

Gdyby pominąć to, że można owe rozwiązania informatyczne zaprząc do niecnych celów, nie byłoby w tym wszystkim nic złego, przeciwnie, gdybyśmy wszakże nie byli ofiarami dawnego, pierwszego przełomu nominalistycznego, owego sceptycyzmu w miejsce realizmu i racjonalizmu przednowożytnego, z dziś Bogiem uśmierconym. Dziś żyjemy w cywilizacji bez żadnego sensu. Szlachetni młodzi twórcy owego wspaniałego rozwoju AI wierzą, że techne może zastąpić logos i przynieść ludziom szczęście, a to za sprawą dostatku społeczeństw i zdrowia obywateli, które ten rozwój przyniesie. Złudna to wiara. Ma rację Rémi Brague, pisząc, że w świecie bez logosu, w którym techne zastępuje logos, w którym nie ma miejsca dla tego, co duchowe,
Bycie swoim własnym projektem prowadzi do zniszczenia siebie przez siebie.
I dodając, że
Z punktu widzenia techniki człowiek jawi się jako byt przestarzały albo co najmniej zbędny.

Syty człowiek Zachodu nie zakłada rodziny i nie chce mieć dzieci. Chwilami budzi się z letargu, jak w świeckiej Francji, radując się z wizyty Papieża Leona XIV, ale przecież francuskie Zgromadzenie Narodowe zalegalizowało niemal w tym samym czasie eutanazję i „wspomagane samobójstwo”. I w tej samej Francji zabito w roku 2025 ponad ćwierć miliona nienarodzonych dzieci. Pozostaje jeszcze życie w niewoli danych, „z których wszystko”. Wszystko, rzekomo dobre i rzekomo ludzkie.

.Na nowy sposób, ponieważ doświadczamy drugiego przełomu nominalistycznego, uniwersalia mają być niczym – kimże my jesteśmy, skoro to maszyna „wie” lepiej od nas, jakie prawa rządzą językiem, którym mówimy? To ją pytamy o… prawie wszystko. I cieszymy się, że ta maszyna potrafi wyłowić związki między znaczeniami słów, samego znaczenia tych słów nie rozumiejąc. I niczego nie rozumiejąc. A jeśli „mówi” nam maszyna o Dobru, Prawdzie i Pięknie, to dlatego, że „wyczytała” o nich w jakichś starych tekstach, dziś zresztą unieważnionych przez guru obowiązującej (anty)kultury. Jej zadaniem jest zapewnić wszystkim dostatek, a każdemu zdrowie.

Właściwie nie ma się co dziwić, że widziany przez wspomnianych guru w roli proroka Yuval Harari głosi pochwałę dataizmu, czyli quasireligijnego kultu świata ucyfrowionych danych. Czy człowiek Zachodu ostatecznie ulegnie temu obłędowi?

Jacek Koronacki