Trudno nam określić, kiedy nauczyliśmy się rozpoznawać uczucia innych osób. Jest to tak naturalna umiejętność, że może się nawet wydawać, że jest wrodzona. Niezwykle ciekawych wniosków dotyczących umiejętności interpersonalnych dostarczają badania z dziedziny sztucznej inteligencji i robotyki.
Z tzw. paradoksu Moraveca[1] wynika, że wysokopoziomowe rozumowanie nie jest w istocie rzeczy bardziej złożoną czynnością niż to, co dziś uznawane jest za „dziecinnie proste”, np. rozpoznawanie wyrazu twarzy, posługiwanie się łyżką czy odszukanie lekarstwa w szafce. Pisałam o tym przed rokiem w tekście „Proste dla dziecka, zbyt trudne dla sztucznej inteligencji”. Już w latach 80-siątych Hans Moravec, Rodney Brooks i Marvin Minsky sformułowali tezę, iż tzw. niskopoziomowa percepcja i zdolności motoryczne wymagają olbrzymiej mocy obliczeniowej. Zatem to wszystko, co wydaje się nam trudne, nie stanowi dla mózgu wielkiego wyzwania, a to, co uznajemy za łatwe i co często wykonujemy nieświadomie, w istocie rzeczy jest bardzo skomplikowane i wymaga dużej mocy obliczeniowej.
Wytłumaczenia paradoksu Moraveca badacze szukają w teorii ewolucji. W myśleniu abstrakcyjnym ćwiczymy się dopiero około 100 tysięcy lat, dlatego wydaje się nam rzeczą trudną. Za to prawdziwe mistrzostwo jako gatunek osiągnęliśmy w percepcji i zdolnościach motorycznych, na ich rozwój mieliśmy przecież miliony lat, twierdzi Hans Moravec. To, co przeciętnemu czterolatkowi nie sprawia większych kłopotów, jest często poza zasięgiem sztucznej inteligencji. Jej rozwój otworzył drogę do nowego postrzegania procesu myślenia. Paradoks Moraveca pokazuje, że sprowadzanie go do myślenia symbolicznego jest najprawdopodobniej poważnym błędem.
Rodney Brooks wyjaśnia, że długi czas badacze uznawali za trudne takie aktywności jak: gra w szachy, całkowanie symboliczne czy rozwiązywanie problemów algebraicznych. Prace nad sztuczną inteligencją pokazały, że dużo większej mocy obliczeniowej wymagają te aktywności, które uznajemy za łatwe i oczywiste. Ponieważ normalnie rozwiniętym osobom nie sprawiają one żadnego problemu, nawet badaczom trudno było zrozumieć stopień ich złożoności.
Dopiero prace nad sztuczną inteligencją spowodowały zmianę w rozumieniu tego, co proste i tego, co trudne. Implikacją tej ewolucji w postrzeganiu złożoności różnych aktywności była zmiana kierunku badań nad sztuczną inteligencją. Wielu kognitywistów, jak również informatyków skłania się obecnie ku tezie, że aby dysponować prawdziwą inteligencją, maszyny muszą mieć ciała, które umożliwią im wchodzenie w prawdziwą interakcję ze światem. Bez doznań cielesnych nigdy nie będa mogły robić tego, co potrafią ludzie.
Paradoks Moraveca pokazuje, że w pewnych pracach maszyny będą mogły zastąpić ludzi. Generacja inteligentnych maszyn będzie mogła stosunkowo łatwo zastąpić analityków giełdowych, inżynierów czy pilotów, ale ogrodnicy, kucharze czy psychologowie nie muszą się bać o swoją przyszłość. Nauczenie maszyny rozróżniania smaków zdaje się dziś tak odległą, że wręcz niewyobrażalną perspektywą.
Na ważny aspekt sprawy zwraca uwagę Marvin Minsky. Jego zdaniem najtrudniej jest stworzyć programy dla tych aktywności, które ludzie wykonują nieświadomie. Obecnie zakłada się, że trudność w odtworzeniu ludzkich umiejętności przez maszyny jest wprost proporcjonalna do czasu, przez jaki ewoluowała ona u zwierząt.
Ciekawe, że zrozumienie, iż to, co trudne w rzeczywistości jest łatwe, a to, co wydaje nam się łatwe, w istocie rzeczy jest trudne, nie jest skutkiem badań nad człowiekiem, ale nad sztuczną inteligencją i robotyką. Dopiero próby stworzenia maszyn, które będą potrafiły robić to, co ludzie, naprowadziła badaczy na rolę, jaką w tzw. rozumowaniu wysokopoziomowym odgrywają doznania cielesne. Percepcja i zdolności motoryczne skutkują tworzeniem w mózgu sieci połączeń, w oparciu o którą może rozwijać się myślenie.
Zrozumienie faktu, iż wszystkie ludzkie umiejętności, nawet te najbardziej abstrakcyjne, mają oparcie w biologii, jest zdaniem niemieckiego neurobiologa Geralda Hüthera kamieniem milowym w rozumieniu natury ludzkiego myślenia. Od tego, czy badaczom mózgu uda się dotrzeć z tą wiedzą do nauczycieli i osób odpowiedzialnych za edukację, zależy efektywność nauczania. W swojej najnowszej książce „Jedes Kind ist hoch begabt” Hüther twierdzi, że bez zrozumienia biologicznych podstaw myślenia abstrakcyjnego prawdziwe zmiany w edukacji nie będą możliwe. Sam jest jednym z inicjatorów powstałej w Berlinie inicjatywy „Schule im Aufbruch” (Budząca się szkoła), której celem jest znalezienie alternatywy dla tzw. szkoły transmisyjnej.
[1] Hans Moravec jest austriacko-kanadyjskim naukowcem zajmującym sie sztuczną inteligencją i robotyką. Pracuje na Carnegie Mellon University w Pittsburgh, USA.
Notka o autorce: Marzena Żylińska jest wykładowcą metodyki w Nauczycielskim Kolegium Języków Obcych w Toruniu i w Dolnośląskiej Szkole Wyższej we Wrocławiu. Zajmuje się też wykorzystaniem nowych technologii w nauczaniu. Prowadzi seminaria dla nauczycieli, współorganizuje europejski projekt "Zmieniająca się szkoła". Autorka książki "Postkomunikatywna dydaktyka języków obcych w dobie technologii informacyjnych". W przygotowaniu jest jej nowa książka "Neurodydaktyka, czyli nauczanie przyjazne mózgowi". Prowadzi swój blog w partnerskiej dla Edunews.pl platformie blogowej Oś Świata pod adresem http://osswiata.nq.pl/zylinska/. Artykuł jest przedrukiem wpisu zamieszczonego w Osi Świata.
