Nasze umysły nie są przygotowane na sztuczną inteligencję

Nasze umysły nie są zaprojektowane do radzenia sobie ze sztuczną inteligencją – to główna teza artykułu Benjamina Rileya opublikowanego w The Verge. Autor porównuje AI do „cyfrowego hot doga dla umysłu”: produktu, który jest atrakcyjny w danym momencie, ale szkodzi systemom poznawczym, które ludzkość rozwijała przez tysiące lat ewolucji.

Riley wychodzi od słów Norberta Wienera, ojca cybernetyki, który twierdził, że „myśl każdej epoki odzwierciedla się w jej technice”. Przez ostatnie stulecie ludzka myśl była odzwierciedlana przez komputery – a przedstawiciele branży AI, tacy jak Demis Hassabis z Google czy Elon Musk, wprost porównują mózg do maszyny Turinga lub „biologicznego komputera”. Problem w tym, że ludzie są znacznie bardziej złożeni niż sugeruje ta metafora, a przemysł AI zdaje się tego nie doceniać.

Kluczowe wnioski

• Dominujący w branży AI model „mózg jako komputer” wywodzi się z teorii Alana Turinga i opisuje myślenie jako proces trójetapowy: wejście (input) – przetwarzanie (computation) – wyjście (output).
• John von Neumann, jedna z kluczowych postaci w historii informatyki, już dawno wątpił, czy model komputacyjny jest w stanie uchwycić „wyjątkową złożoność ludzkiego układu nerwowego”.
• Neurobiolog Paul Cisek z University of Montreal proponuje alternatywę: mózg jako system sterowania ze sprzężeniem zwrotnym (feedback-control system), zbudowany od podstaw na bazie historii ewolucyjnej, a nie przez odwrotne „inżynierowanie” efektów działania mózgu.
• Klasyczny przykład z baseballu – łapanie piłki w polu zewnętrznym – pokazuje różnicę: model komputacyjny zakłada skomplikowane podświadome obliczenia trajektorii, a model sprzężenia zwrotnego proponuje prostą heurystykę utrzymywania piłki w tej samej pozycji w polu widzenia i poruszania się tak, by to podtrzymać.
• Historia układu nerwowego, zgodnie z obserwacjami Cisek, to „ciągłe rozszerzanie kontroli coraz dalej w świat” – nowe zachowania wyłaniały się w odpowiedzi na nowe możliwości środowiskowe, np. gdy wyginęły dinozaury, niektóre nocne stworzenia mogły bezpieczniej poruszać się w dzień.

Mózg jako komputer – skąd się wzięła ta metafora

Idea, że mózg działa jak komputer, sięga korzeniami do Alana Turinga. Zakłada ona, że myślenie to funkcjonalnie algorytm: nasze umysły pobierają informacje ze świata (input), przetwarzają je w jakiś sposób (obliczenia), a następnie uruchamiają zachowanie (output). Percepcja prowadzi do poznania, które z kolei prowadzi do działania.

Jak zauważa Riley, w pewnym sensie model ten był produktywny – wyobrażając sobie mózg jako komputer, technolodzy przesunęli faktyczne komputery od prostych maszyn liczących aż do sztucznych sieci neuronowych i generatywnej AI, szukając wciąż dokładniejszych odbić własnych umysłów. Problem polega na tym, że to odbicie, choć nie całkowicie błędne, jest zniekształcone i ograniczone. Von Neumann – jedna z fundamentalnych postaci w rozwoju informatyki – wątpił, że podejście komputacyjne może oddać pełną złożoność ludzkiego systemu nerwowego, który wyewoluował, by pomagać nam poruszać się w ogromnym ekologicznym systemie, jakim jest świat, i sprawować nad nim kontrolę, na ile to możliwe.

Alternatywa: mózg jako system sprzężenia zwrotnego

Zamiast rekonstruować działanie mózgu od efektu końcowego, można zbudować model od podstaw, opierając się na długim łuku historii ewolucyjnej. Taką metodę preferuje Paul Cisek, neurobiolog z University of Montreal, który od lat opracowuje biologiczny model rozwoju mózgu i układu nerwowego obejmujący miliony lat.

Cisek twierdzi, że mózg lepiej rozumieć nie jako procesor informacji, lecz jako system sterowania ze sprzężeniem zwrotnym (feedback-control system). Nasze ciała nie tylko odbierają dane wejściowe – działają, aby modyfikować to, co jest tym wejściem, w zależności od dostępnych opcji. Riley przypomina, że to nie jest nowa koncepcja: na przełomie XX wieku filozof John Dewey opisywał umysł jako obwód, „trafniej nazwany organicznym niż odruchowym, ponieważ odpowiedź motoryczna determinuje stymulację tak samo, jak stymulacja sensoryczna determinuje ruch”.

Różnicę między tymi dwoma podejściami dobrze ilustruje klasyczny przykład z baseballu – łapanie piłki w polu zewnętrznym. Zgodnie z modelem komputacyjnym, rozwiązanie tego problemu musiałoby wymagać skomplikowanej, podświadomej kalkulacji, w której zawodnik szacuje prędkość piłki, oblicza wpływ grawitacji i przeprowadza niezliczone inne procedury matematyczne, aby „obliczyć”, dokąd poleci piłka. W przeciwieństwie do tego, podejście sprzężenia zwrotnego sugeruje prostą heurystykę – zasadniczo: „utrzymuj piłkę w tej samej pozycji w swoim polu widzenia, a potem przemieszczaj się, aby zachować tę sytuację”. Jak zauważa Riley, jest to nie tylko bliższe doświadczeniu każdego, kto grał w środkowym polu, ale unika też oddzielania procesu mentalnego od fizycznego ruchu oraz nie wymaga złożonych kalkulacji, których żąda model komputacyjny. Ludzie są bardziej dynamiczni niż taki model przewiduje.

Ewolucja kontroli nad światem

Podejście Ciseka dobrze odwzorowuje biologiczną architekturę mózgów, jakie wyewoluowały w czasie – od starożytnych ryb, przez ziemnowodne, ssaki, naczelne, aż do współczesnych ludzi. Obserwujemy, że nowe zachowania wyłaniają się w odpowiedzi na nowe możliwości środowiskowe. Gdy wyginęły dinozaury, niektóre nocne stworzenia mogły poruszać się po świecie w ciągu dnia z mniejszym ryzykiem bycia zjedzonymi, co dało początek wielu nowym zdolnościom. Historia naszego układu nerwowego, jak zauważa Cisek, to „ciągłe rozszerzanie kontroli coraz dalej w świat”.

Riley przekłada to na alternatywny, bardzo odmienny diagram od tego, który opisuje model komputacyjny – mapę zachowań i zdolności, jakie wyłaniały się w czasie, nałożoną na konkretne fizyczne komponenty mózgu odpowiadające tym zdolnościom. Zamiast przesuwać się od lewej do prawej, jak w modelu komputacyjnym, ten model rozwija się od góry do dołu w skali czasu ewolucyjnego. Przykładowo – gdy kręgowce zyskały większą mobilność, przydatne stało się posiadanie wyspecjalizowanych systemów eksploracji, na przykład wykorzystujących punkty orientacyjne czy nawigację nocną. Doprowadziło to do rozwoju tego, co obecnie nazywamy hipokampem, a zarazem skłoniło przodków człowieka do zapamiętywania istotnych momentów przemieszczania się z miejsca na miejsce, co zapoczątkowało rozwój pamięci epizodycznej dotyczącej przeszłych doświadczeń.

Riley zapowiada, że pełniejsze omówienie tej teorii znajdzie się w nadchodzącej książce Paula Ciseka – a jak sam zauważa, pisząc swój esej, subtelnie liczy, że dodatkowa uwaga mediów zmotywuje badacza do jej dokończenia.

---

Spór o to, czy mózg należy traktować jako komputer, czy jako system sprzężenia zwrotnego, nie jest tylko akademicką dywagacją – jak podkreśla autor, ma on bezpośrednie znaczenie dla tego, jak branża AI projektuje swoje produkty i jak wpływają one na nasze codzienne myślenie. Dla czytelników zainteresowanych tym, jak korzystanie z AI zmienia nawyki poznawcze, warto zajrzeć do materiału o tym, że uczniowie korzystający z Gemini w szkołach mówią o rozleniwieniu własnych umysłów.