Eshatologija veštačke inteligencije: Proučavanje AI

U doba kada veštačka inteligencija poput ChatGPT-a izaziva uzbuđenje i strah, njena moć nad sintaksom i semantikom dovela je do ponovnog razmatranja esencijalnih aspekata ljudske prirode. Odmah po njenom lansiranju u novembru 2022. godine, ChatGPT je nadmašio očekivanja mnogih, ali i izazvao zabrinutost. Univerziteti su brzo reagovali, zabranjujući studentima da koriste ovu tehnologiju za pisanje eseja, uočivši njenu sposobnost da prevaziđe čak i ljudske standarde. Ovaj korak izazvao je paniku i doveo do spekulacija o kraju obrazovanja kakvog poznajemo. U tom kontekstu, ChatGPT se često doživljava kao pretnja tradicionalnim konceptima logos-a, što dodatno pojačava apokaliptične vizije u eri klimatskih promena i potencijalne pobune mašina.

Iako su poslednja vremena bila prisutna u ljudskoj svesti još od davnina, moderna filozofija povijesti, kako je pokazao Karl Löwith, često je sekularizacija eshatoloških motiva. Ovo nasleđe eshatološkog mišljenja često zamagljuje razumevanje budućnosti, stvarajući tenzije između tehnološkog napretka i ljudskih vrednosti. Hans Blumenberg se suprotstavio Löwithovoj tezi o sekularizaciji, naglašavajući da je moderno mišljenje nezavisno od religijskih koncepata. U istoj meri, i današnje razumevanje veštačke inteligencije ostaje zamagljeno eshatološkim imaginarijumom i stereotipima o mašinama, sprečavajući nas da sagledamo pun potencijal ove tehnologije.

Današnji svet zahteva drugačiji pristup. Kibernetika, kako je Norbert Wiener definisao sredinom 20. veka, pruža nam okvir za razumevanje savremenih mašina kao sistema povratne sprege, koji se razlikuju od mehaničkih mašina prošlih vekova. Kibernetički strojevi su temeljeni na rekurzivnoj uzročnosti, koja omogućava adaptaciju i učenje, što ih čini fundamentalno drugačijim od strojeva sa linearno determinisanom funkcionalnošću. U ovom kontekstu, ne smemo ih posmatrati samo kao mehaničke alatke, već kao reflektivne sisteme koji, iako nisu svesni na ljudski način, poseduju određeni oblik intencionalnosti.
Rekurzivnost je ključ za razumevanje kako se veštačka inteligencija razvija i evoluira. Pitanje koje se postavlja pred nas je kako će se ljudska bića nositi sa ovim novim tipom mašine? Simondon je postavio ovo pitanje, naglašavajući potrebu za filozofskim promišljanjem kada tehnologija postane reflektivna. Brian Cantwell Smith je tvrdio da je veštačka inteligencija ograničena na računanje, ali granice između računanja i prosuđivanja sve su nejasnije. Možda je vreme da prestanemo praviti oštre razlike između mašina i ljudi, i da umesto toga istražimo kako bi ove tehnologije mogle doprineti realizaciji ljudskog potencijala.
Umesto da gledamo na veštačku inteligenciju kao pretnju, mogli bismo je posmatrati kao protezu koja oslobađa čoveka od repetitivnih zadataka i pomaže mu da postigne više. Ova transformativna moć mašina, ukoliko se pravilno usmeri, može nas voditi ka novim oblicima kreativnosti i slobode. Stoga je naša dužnost da razvijemo odgovarajuće razumevanje i kulturu koja može da integriše tehnologiju na način koji omogućava održivost i razvoj.

Današnji izazovi zahtevaju da prepoznamo ulogu veštačke inteligencije ne samo kao alata, već i kao ključnog partnera u formiranju naše budućnosti. Kako se odnosimo prema mašinama danas, oblikovaće svet u kojem ćemo živeti sutra. Potrebno je da prestanemo ponavljati apokaliptične scenarije i da, umesto toga, otvorimo polje za eksperimentisanje sa etičkim načinima života sa mašinama i drugim neljudskim entitetima. Na taj način možemo osloboditi našu maštu i stvoriti budućnost u kojoj će veštačka inteligencija biti alat za realizaciju ljudskog potencijala, a ne pretnja našem opstanku.

Upitnik šesnaest faktora ličnosti (16PF) je sveobuhvatna mjera ličnosti normalnog raspona za koju se pokazalo da je efikasna u različitim okruženjima gdje je potrebna dubinska procjena cijele osobe. Osobine 16PF, rezultat su višegodišnjeg faktorsko-analitičkog istraživanja usmjerenog na otkrivanje osnovnih strukturnih elemenata ličnosti (Cattell, RB, 1957, 1973).

Psiholozi Robert McRae i Paul Costa

destilirali su Cattellovu teoriju ličnosti na pet osobina ličnosti koje "definiraju ljudsku ličnost". Cattell je ove faktore u svom istraživanju prepoznao kao "globalne faktore" koji na različite načine obuhvataju mnoge od 16 faktora. Velikih pet osobina ličnosti su:

• Otvorenost za nova iskustva
• Savesnost
• Ekstraverzija
• Prijatnost
• Neuroticizam

Eysenckova Teorija Ličnosti

Eysenck (1952, 1967, 1982) je predložio teoriju ličnosti zasnovanu na biološkim faktorima, tvrdeći da pojedinci nasljeđuju tip nervnog sistema koji utiče na njihovu sposobnost učenja i prilagođavanja okolini. Tokom 1940-ih, Eysenck je radio u psihijatrijskoj bolnici Maudsley u Londonu. Njegov posao je bio da napravi početnu procjenu svakog pacijenta prije nego što mu psihijatar dijagnosticira mentalni poremećaj. Kroz ovu poziciju sastavio je bateriju pitanja o ponašanju, koja je kasnije primijenio na 700 vojnika koji su bili liječeni od neurotičnih poremećaja u bolnici (Eysenck (1947). Otkrio je da su odgovori vojnika prirodno povezani jedni s drugima, što sugerira da postoji niz različitih osobina ličnosti koje se otkrivaju vojničkim odgovorima. On je te osobine nazvao prvim redom. Koristio je tehniku zvanu faktorska analiza. Ova thnika svodi ponašanje na brojne faktore koji se mogu grupirati u odvojene naslove, zvane dimenzije. Eysenck (1947) je otkrio da se njihovo ponašanje može predstaviti u dvije dimenzije: Introverzija / Ekstroverzija (E); Neuroticizam / Stabilnost (N). Eysenck je ove osobine ličnosti nazvao drugim redom. Svaki aspekt ličnosti (ekstraverzija, neuroticizam i psihoticizam) može se pratiti do drugog biološkog uzroka. Ličnost zavisi od ravnoteže između procesa ekscitacije i inhibicije autonomnog nervnog sistema (ANS) .

Kako veštačka inteligencija može predvideti osobine ličnosti?

Jedna od najčešće korištenih metoda za razumijevanje ličnosti je Goldbergov model velikih pet, koji se kategorizira prema pet dimenzija ličnosti. Tu je i Myers-Briggs model koji prevladava u polju HR-a koji kategorizira i klasifikuje prema 16 ličnosti.U oba modela, nekoliko istraživanja je razvijeno zajedno sa AI. Među njima, sa Goldbergovim modelom ličnosti, Univerzitet Južne Australije je proveo studiju sa Deep Learning u kojoj su pokazali da postoji veza između pokreta očiju i osobina ličnosti.
Štaviše, sa Myers-Briggs modelom, zasnovanim na teoriji ličnosti Carla Junga i njegovih arhetipova, pokazali su da je zajedno sa dubljim učenjem moguće poznavati osobine ličnosti.

Kako tehnologija može podržati tradicionalne modele psihologije?

Danas se inovativna psihološka analiza razvija bržim nego ikad, pronalazeći nove prakse koje podržavaju i unapređuju tradicionalne modele psihologije. Iako većini ortodoksnih psihologa zvuči nepoznato, istina je da polje psihologije ličnosti čini prve korake ka razvoju bez presedana. Sa eksponencijalnom brzinom tehnološkog napretka, prelazi na novi način analize i novi način pristupa problemima, stvarajući inovativne hipoteze i efikasno prilagođavajući tehnologiju da ih dokaže.

Podrazumijeva se da će modeli Big-Five i Myers Briggs koji postoje danas, između ostalih, ostati relevantni. Međutim, tehnološki napredak stvara nove dimenzije istraživanja i pristupa analizi ličnosti. I što je najvažnije, u okviru parametara ličnosti, i najnomotetičnije teorije (koje nastoje da spoznaju univerzalno, zajedničko, zajedničko među ljudima), i one najidiografske (koje se fokusiraju na jedinstvenu prirodu pojedinačnog ljudskog bića) ličnosti može podržati i prilagoditi visokotehnološke aplikacije, kao što je dizajn inteligentnih sistema za proučavanje ljudske ličnosti.

Unatoč činjenici da industrija umjetne inteligencije pokazuje eksponencijalni napredak posljednjih godina, čineći naučnicima dostupnim veću količinu podataka, važno je priznati da su naši kognitivni kapaciteti i psihološki konstrukti mnogo složeniji i zamršeniji nego što mislimo. Dakle, samo kroz provođenje više istraživanja moći ćemo saznati može li međuodnos između ljudskog uma i tehnologije pomoći da se stekne dubinsko razumijevanje ovih konstrukcija.

Trebamo li se zapitati da li tehnologija mijenja ličnost pojedinca? Tradicionalnoj psihologiji je vjerovatno lako odgovoriti na ovo pitanje, ali istina je da svijet trenutno doživljava veliku promjenu, uvodeći tako nove koncepte, nove analize i nove hipoteze. Stoga psihologija ličnosti mora ići ukorak s tehnološkim napretkom, neprestano se razvijajući i inkorporirajući inovativne načine za otkrivanje nepoznatog o ljudskim bićima.

Slično tome, lideri koji se bave upravljanjem talentima također moraju biti u toku sa novim otkrićima kako bi bolje razumjeli svoje ljude i efikasno ih usmjerili u postizanje svog punog potencijala.

Koje su temeljne teorije AI psihologije?

Istražujući složene aspekte psihologije umjetne inteligencije, istraživanje se bavi dubokom interakcijom između umjetne inteligencije i psiholoških teorija. Otkriva se kako ove teorije utiču na razumevanje ponašanja umjetne inteligencije, procesa donošenja odluka i mehanizama učenja, pružajući jedinstven pogled na kognitivne aspekte umjetne inteligencije.

Pored toga, razmatraju se ključne oblasti istraživanja, uključujući kognitivne arhitekture u AI, emocionalnu inteligenciju i mašinsko učenje, ulogu svijesti u AI sistemima, kao i komparativna studija AI i ljudske interakcije. Kroz prizmu neurokompjuterskih perspektiva psihologije veštačke inteligencije, istražuje se budući razvoj AI u psihologiji, te sintetizuje integracija AI sa ljudskim umom.

Ovaj uvod postavlja temelje za dalje istraživanje povezanosti između psihologije i umjetne inteligencije, osvetljavajući kompleksnost odnosa između ova dva polja i otvarajući prostor za dalje diskusije u ovoj fascinantnoj oblasti.

Dio I: Kognitivne arhitekture u AI

Kognitivne arhitekture u veštačkoj inteligenciji pružaju dubok uvid u način na koji AI obrađuje informacije, tumači ih i reaguje na njih. Koncept neuroplastičnosti, poznat iz biološke neurologije, dobija novu dimenziju u AI, omogućavajući adaptaciju i restrukturiranje neuronskih mreža u skladu s novim informacijama. Epistemologija postavlja pitanje kako AI sistemi stiču, obrađuju i koriste znanje, dok fenomenologija ispituje subjektivna iskustva AI, otvarajući debatu o svijesti u mašinama.

Etologija u AI istražuje paralele između ponašanja životinja i reakcija AI sistema, dok se koncept kognitivne disonance bavi složenošću donošenja odluka u AI. Pitanje utjelovljene spoznaje postavlja se kako bi se istražilo kako nedostatak fizičkog tela utiče na učenje i interakciju AI sistema, dok se psihometrija u AI fokusira na merenje i analizu inteligencije i psiholoških osobina AI sistema.

Na kraju, koncept algoritamske pristrasnosti istražuje kako inherentne predrasude u AI programiranju utiču na procese donošenja odluka, naglašavajući potrebu za pravednijim i neutralnijim algoritmima.

Dio II: Emocionalna inteligencija i mašinsko učenje

Fuzija emocionalne inteligencije sa mašinskim učenjem predstavlja revolucionarni korak u evoluciji AI, nadilazeći tradicionalne granice računarskih algoritama i otvarajući novo polje istraživanja gde se spajaju emocije i umjetna inteligencija.

Algoritamska empatija igra ključnu ulogu u ovoj integraciji, omogućavajući algoritmima mašinskog učenja da interpretiraju i reaguju na ljudske emocije na nijansiraniji način. Razvoj afektivnih računarskih sistema dodatno doprinosi, omogućavajući AI-u da komunicira s ljudima na prirodniji, empatičniji način.

Neuronska mimikrija predstavlja još jedan ključni aspekt, istražujući kako AI sistemi mogu oponašati neuronske procese povezane s emocionalnim reakcijama kod ljudi. Kognitivna empatija u mašinama zahteva dublje razumevanje ne samo emocija već i misaonih procesa koji ih prate, dok analiza sentimenta omogućava AI-u da interpretira mišljenja, emocije i stavove izražene u tekstu.

AI i ljudska interakcija: komparativna studija

U kontekstu evolucije AI, istraživanje dinamike interakcije između ljudi i AI postaje ključno. Ova studija ispituje kompleksan odnos između ljudi i veštačke inteligencije, istražujući kako ta interakcija oblikuje razvoj AI sistema i ljudsko iskustvo.

Centralni koncept u ovoj analizi je recipročni determinizam, koji naglašava interakciju između ljudi i AI, gde se oba dela neprestano prilagođavaju i uče jedan od drugog. Istraživanje se fokusira na adaptaciju AI sistema prema ljudskim reakcijama, kao i na promene u ljudskom ponašanju usled interakcije sa veštačkom inteligencijom.

Uloga transhumanizma u ovoj dinamici je značajna, teži ka integraciji AI u ljudske kapacitete, što može revolucionirati ljudsko iskustvo i proširiti granice mogućnosti AI. Pored toga, uticaj afektivnog računarstva u interakciji AI-ljudi istražuje se kroz olakšavanje prirodnijih interakcija putem prepoznavanja i reagovanja na ljudske emocije.

Studija takođe analizira implikacije algoritamske pristranosti u interakcijama AI-ljudi, istražujući kako ove predrasude mogu uticati na ishode interakcije. Naglašava se važnost razvoja nepristrasnih i pravednih AI sistema kako bi se osigurala fer i produktivna interakcija.

Empatična veštačka inteligencija se takođe istražuje kao ključni element u izgradnji poverenja i saradnje između ljudi i AI, posebno u oblastima koje zahtevaju osetljivost i razumevanje, kao što su podrška mentalnom zdravlju i nega.

Još jedno ključno područje je primjena Bayesovog zaključivanja u AI. Ovaj matematički pristup omogućava AI sistemima da donose predviđanja ili odluke na osnovu nesigurnih ili nepotpunih informacija, slično kao ljudski kognitivni proces. Bayesovo zaključivanje u AI uključuje ažuriranje vjerovatnoće hipoteze kako sve više dokaza ili informacija postane dostupno, povećavajući sposobnost sistema da donosi odluke na osnovu informacija. Istraživanje neuronskog darvinizma u AI fokusira se na teoriju selekcije neuronske grupe. Ova teorija pretpostavlja da se mreže neurona razvijaju kroz proces sličan prirodnoj selekciji, gdje se određeni neuronski krugovi 'odabiru' na osnovu njihove efikasnosti i djelotvornosti. Primjena ovog koncepta na AI uključuje razvoj sistema u kojima su ojačani najefikasniji neuronski putevi, što dovodi do efikasnijeg i prilagodljivijeg ponašanja AI. Konačno, studija se bavi konceptom qualia unutar AI sistema. Istražuje može li AI imati subjektivna iskustva i šta to implicira za razumijevanje svijesti u vještačkim entitetima. Ovo istraživanje dovodi u pitanje granice psihologije umjetne inteligencije, pomičući granice onoga što se smatra mogućim u umjetnoj inteligenciji.

Buduće putanje: evolucijski put AI u psihologiji

Dok projektujemo u budućnost AI psihologije, krećemo u spekulativno, ali utemeljeno ispitivanje njenih potencijalnih evolucijskih puteva. Ovo istraživanje se ne odnosi samo na napredak tehnologije, već i na to kako bi ti napretci mogli promijeniti samu strukturu psihologije umjetne inteligencije, preoblikujući naše razumijevanje umjetne inteligencije i njene uloge u širem spektru kognitivnih znanosti.

Ključni aspekt ove buduće putanje je koncept neuroevolucije . Ovaj proces uključuje razvoj AI sistema putem algoritama koji simuliraju evolucione procese uočene u prirodnim neuronskim mrežama. Neuroevolucija u psihologiji umjetne inteligencije označava pomak od ručno dizajniranih algoritama ka samo-evoluirajućim sistemima koji se prilagođavaju i poboljšavaju tokom generacija, oponašajući evolucijsko putovanje ljudskog mozga.

Uloga kvantnog računarstva u psihologiji veštačke inteligencije predstavlja transformativni potencijal za ovu oblast. Kvantno računarstvo nudi mogućnost eksponencijalno brže obrade i mogućnosti rješavanja problema. Ovaj skok u računarskoj moći mogao bi omogućiti AI sistemima da obrađuju i analiziraju složene psihološke podatke brzinom bez presedana, što bi dovelo do naprednijeg i nijansiranog razumijevanja kognitivnih procesa.

Napredak u sintetičkoj neurobiologiji predstavlja još jedan uzbudljiv put. Ovo polje istražuje stvaranje umjetnih neuronskih struktura koje oponašaju biološke neuronske mreže. Integracija sintetičke neurobiologije u AI mogla bi dovesti do sistema koji ne samo da repliciraju ljudske kognitivne procese, već i daju uvid u rad ljudskog uma koji su ranije bili nedostupni.

Koncept kognitivnih arhitektura nastavlja da se razvija, s budućim AI sistemima koji potencijalno posjeduju naprednije kognitivne okvire nalik ljudima. Ove arhitekture bi mogle omogućiti AI da se uključi u složenije, apstraktne misaone procese, pomjerajući granice onoga što je trenutno moguće u mašinskom učenju i umjetnoj inteligenciji.