آیا «استدلال» هوش مصنوعی بر پایههای اشتباه به نتیجه درست میرسد؟
رک و راست بگویم: واقعاً در دنیای «استدلال» هوش مصنوعی چه میگذرد؟ بابت این گیومههای کنایهآمیز عذر میخواهم. این نوع نگاه تردیدآمیز در سال ۲۰۲۴ رایجتر بود؛ زمانی که پسرعموهای آموزشدیده مدلهای زبانی بزرگ که اکنون با نام «مدلهای بزرگ استدلالورز» (Large Reasoning Models یا LRM) شناخته میشوند، هنوز پدیدهای تازه بودند. اما امروزه و با توجه به اینکه یک «مدل استدلالورز عمومی» از شرکت OpenAI در مه ۲۰۲۶ توانست یک مسئله پژوهشی مفتوح و مشهور ریاضی را تنها با یک تلاش حل کند، شاید این تردیدها قدری نامنصفانه به نظر برسد. با این حال، هنوز مطمئن نیستم که چگونه باید گیجی فکری خود را در برابر تفسیرهای علمی از آنچه این سیستمهای هوش مصنوعی واقعاً انجام میدهند، ابراز کنم.
استدلال تعریفهای فنی گوناگونی دارد، اما روند پایه آن بهراحتی قابل تشخیص است: رسیدن به یک نتیجهگیری درست از طریق پیوند دادن گامهای میانجی که بهطور منطقی از یکدیگر پیروی میکنند. ما انسانها این کار را با افکار خود انجام میدهیم؛ اما مدلهای LRM از اصطلاحاً «زنجیرههای تفکر» (Chains of Thought) استفاده میکنند؛ اصطلاحی تخصصی برای جریانهایی از متنهای مصنوعی که مدلها پیش از رسیدن به پاسخِ یک پرسش پیچیده تولید میکنند.
همین چند وقت پیش بود که فکرمند بودن هوش مصنوعی از طریق این زنجیرهها بهشدت و با دلایل معتبر از سوی تیمی از پژوهشگران اپل مورد انتقاد قرار گرفت و از آن به عنوان «توهم تفکر» (Illusion of Thinking) یاد شد که در شرایط بهظاهر ساده، دچار «فروپاشی کامل دقت» میشود. اما لحظهای بعد، همین مدلهای LRM در المپیاد جهانی ریاضی مدال طلا گرفتند؛ دستاوردی چنان دشوار که به گفته گاری مارکوس و ارنست دیویس، دانشمندان و منتقدان هوش مصنوعی در سال ۲۰۲۵،
«حتی ریاضیدانان و دانشمندان بسیار موفق نیز ممکن است تا آخر عمر آن را در رزومه کاری خود برجسته کنند.»
اگر این نشانهای از استدلال «واقعی» نیست، پس چیست؟ در فلسفه، «کیفیات ذهنی» (Qualia) به ویژگیهای ذهنی و تجربیات فردی ما اشاره دارد؛ مانند آنچه آلیس هنگام دیدن رنگ آبی تجربه میکند یا حسی که باب هنگام شادمانی دارد. به گفته دانیل دنت، فیلسوف فقید، کیفیات ذهنی «همانگونهای هستند که چیزها به نظر ما میرسند.» در این یادداشتها، ستوننویسان ما با دنبال کردن کنجکاویهای علمی خود، به بررسی پرسشهای مهم اما نهلزوماً پاسخپذیر دنیای علم میپردازند.