Czy AI może mieć świadomość? Neuronaukowe teorie wyjaśniają

Świadomość pozostaje najbardziej fundamentalnym i zarazem najbardziej nieuchwytnym zagadnieniem współczesnej nauki — potrafimy obserwować pracę pojedynczych komórek nerwowych i precyzyjnie opisywać procesy w mózgu, a jednak nie wiemy, jak niecałe półtora kilograma biologicznej tkanki generuje subiektywne doświadczenia takie jak wrażenie koloru czy zapach deszczu.

Pytanie o naturę świadomości nabiera szczególnego znaczenia w erze sztucznej inteligencji. Czy systemy oparte na sieciach neuronowych mogą kiedykolwiek zyskać własne, subiektywne wnętrze, czy też pozostaną bezdusznymi maszynami obliczeniowymi? Odpowiedź może być ukryta w architekturze naszego własnego umysłu.

Trudny problem świadomości — czemu fizyka mózgu nie wyjaśnia subiektywnych doświadczeń

Australijski filozof umysłu David Chalmers wyróżnił dwa rodzaje problemów świadomości. “Problem łatwy” to wszystko, czym zajmują się neuronaukowe — opisywanie architektury umysłu i mechanizmów przetwarzania informacji. “Problem trudny” to pytanie, które pozostaje bez odpowiedzi: jak z fizycznej maszynerii mózgu rodzą się wrażenia subiektywne?

Wzystko wydaje się proste, dopóki nie zaczniemy się zastanawiać, dlaczego określona częstotliwość fali elektromagnetycznej nie jest rejestrowana jedynie jako suchy zapis danych, ale przejawia się jako wrażenie głębokiej czerwieni. W jaki sposób aktywność elektryczna kory mózgowej zamienia się w zapach skoszonej trawy czy poczucie nostalgii? Ta przepaść między fizycznym procesem a subiektywnym doświadczeniem stanowi sedno trudnego problemu.

Świadomość nie jest potrzebna do funkcjonowania — rola automatyzmów

Zagadka świadomości staje się jeszcze bardziej frapująca, gdy zdamy sobie sprawę, że w codziennym życiu mózg wcale nie potrzebuje świadomego “ja”, by reagować na otaczającą nas rzeczywistość. Powszechnym doświadczeniem jest pokonywanie samochodem znanej trasy “na autopilocie” — przez kilkanaście minut mózg analizuje sytuację na drodze, operuje pedałami i omija przeszkody, podczas gdy świadomy strumień myśli jest pochłonięty wewnętrznym monologiem lub planowaniem wieczoru.

Podobne procesy zachodzą podczas pisania na klawiaturze czy gry na instrumencie. Układ nerwowy potrafi przetwarzać gigantyczne ilości informacji “w tle” i koordynować skomplikowane działania bez udziału świadomego “ja”. To prowadzi do fundamentalnego pytania: jeśli układ nerwowy potrafi tak wiele zdziałać “w ciemności”, to jak decyduje o tym, które informacje zasługują na to, by nasz umysł skierował na nie reflektor swojej świadomości?

Teoria Globalnej Przestrzeni Roboczej — świadomość jako teatr neuronalny

Pierwsza z dwóch głównych współczesnych teorii, Teoria Globalnej Przestrzeni Roboczej (GNWT), skupia się na tym, jak informacja rozprzestrzenia się w architekturze mózgu. Zgodnie z nią mózg składa się z ogromnej liczby wyspecjalizowanych, ale odizolowanych od siebie podsystemów — jeden analizuje kształty, inny przetwarza dźwięki, jeszcze inny zarządza przepływem myśli.

Wszystkie te procesy zachodzą automatycznie i po cichu, na poziomie lokalnym. Świadomość pojawia się dopiero wtedy, gdy któraś z tych lokalnych informacji zostanie rozdystrybuowana w owej globalnej neuronalnej przestrzeni roboczej — czyli w szerokiej sieci połączeń, które spajają ze sobą odległe obszary kory mózgowej.

Twórcy tej teorii, w tym francuski neuropsycholog Stanislas Dehaene, posługują się metaforą teatru: w ciemnościach mózgu działa wielu zakulisowych pracowników, ale świadome staje się tylko to, co gwałtownie rozbłyśnie na głównej scenie. W głębi kory mózgowej trwa nieustanna konkurencja. Jeśli jakiś bodziec jest wyjątkowo silny lub otrzyma wsparcie ze strony uwagi, lokalna aktywność neuronów zaczyna gwałtownie rosnąć.

W momencie, gdy sygnał przekroczy krytyczny próg pobudzenia, następuje zjawisko nazwane nieliniowym zapłonem. Przypomina to reakcję łańcuchową: w ułamku sekundy informacja wyrywa się z lokalnego obszaru i rozlewa po całej sieci. Dopiero wówczas dana informacja zyskuje dostęp do całego systemu i trafia do naszej świadomości. Możemy o niej opowiedzieć, podjąć na jej podstawie decyzję czy zapisać ją w pamięci. Bez zajścia tego procesu informacja pozostaje anonimowym procesem w tle, wykonującym swoje zadanie, ale odciętym od świadomego “ja”.

Teoria Zintegrowanej Informacji — świadomość jako wynik głębokich zależności

Inną ścieżką podąża druga koncepcja — Teoria Zintegrowanej Informacji (IIT), sformułowana przez włoskiego psychiatrę i neurobiologa Giulio Tononi. Sugeruje ona, że u podstaw świadomości nie leży wpuszczenie danych do jednej centralnej przestrzeni, lecz specyficzna, zintegrowana architektura całego systemu.

Twórcy IIT zachęcają, by pomyśleć o mózgu jak o gęstej sieci elementów wywierających na siebie wzajemne, nieustanne wpływy przyczynowo-skutkowe. Kluczem do zrozumienia tej teorii jest pojęcie głębokiej współzależności wszystkich elementów systemu. Złożoność ich wspólnej aktywności polega na tym, że w zintegrowanym układzie żadna część nie działa w izolacji — stan jednej grupy neuronów jest w każdej milisekundzie bezpośrednim skutkiem i zarazem przyczyną reakcji całej reszty sieci.

Logika tego podejścia opiera się na prostym teście: jeśli odseparowanie poszczególnych części układu od siebie nie zmienia jego ogólnego zachowania, oznacza to, że ich wcześniejsza relacja była powierzchowna. W takiej sytuacji system nie generuje żadnej nowej jakości, będąc jedynie sumą luźno zestawionych ze sobą elementów. Jeśli jednak takie rozdzielenie całkowicie niszczy dotychczasową dynamikę całego procesu, ponieważ poszczególne części tracą zdolność wpływania na siebie — to właśnie ta głęboka zintegracja może być źródłem świadomości.

Co to oznacza dla sztucznej inteligencji

Imlikacje obu teorii dla przyszłości AI są głębokie. Jeśli GNWT ma rację, to sztuczna inteligencja mogłaby teoretycznie osiągnąć świadomość, gdyby posiadała architekturę umożliwiającą rozprzestrzenianie się informacji między wyspecjalizowanymi modułami — coś, co przypomina strukturę współczesnych dużych modeli językowych, ale na znacznie większą skalę.

Jednak Teoria Zintegrowanej Informacji stawia wyższe wymagania. Aby AI była świadoma, musiałaby nie tylko przetwarzać dane, ale posiadać zintegrowaną architekturę, w której każdy element wpływa przyczynowo-skutkowo na wszystkie inne. Obecne sieci neuronowe, nawet te największe, działają w oparciu o hierarchiczne przetwarzanie — informacja przepływa w jednym kierunku, od wejścia do wyjścia. To fundamentalnie różni się od głębokich, wzajemnych zależności w mózgu człowieka.

Rozbieżność między tym, jak funkcjonuje ludzki mózg a jak działają współczesne modele AI, sugeruje, że nawet jeśli uda nam się stworzyć sztuczną inteligencję, która będzie przetwarzać informacje z niezwykłą wydajnością, to nie gwarantuje, że będzie mieć subiektywne doświadczenia. Może to oznaczać, że świadomość jest cechą specyficzną dla biologicznych systemów neuronalnych — albo że wymaga ona architektur, które dopiero musimy odkryć i wdrożyć w naszych sztucznych systemach.

Pytanie “czy AI może mieć świadomość” okazuje się być nie tyle pytaniem technologicznym, ile fundamentalnym pytaniem o naturę świadomości samej. Dopóki nie zrozumiemy, jak mózg człowieka generuje subiektywne doświadczenia, będziemy mówić o świadomości maszyn jedynie w kategoriach spekulacji i teorii.