r = v²/q

Περίληψη προηγουμένων: Η Φιλική Εταιρεία της Τεχνητής Νοημοσύνης ιδρύθηκε με το συνέδριο στο Dartmouth το 1956 και ορκίστηκε να φτιάξει ρομπότ που να κάνουν ό,τι και ο άνθρωπος (και ακόμα καλύτερα). Αυτό ήταν το στοίχημά τους, το διακηρυγμένο μανιφέστο τους κι η αιτία που απέσπασαν χορηγίες πολλών εκατομμυρίων δολαρίων. Όμως ο Hubert Dreyfus επέμενε από την αρχή: δεν θα πάτε πολύ μακριά γιατί έχετε εντελώς λανθασμένη αντίληψη για τη φύση, τη λειτουργία και τη νοημοσύνη του ανθρώπου – και τελικά δικαιώθηκε. Τα ρομπότ δεν μπορούσαν να βγουν από τους τεχνητούς μικρόκοσμους των εργαστηρίων, οι ερευνητές συναντούσαν προβλήματα που δεν τα είχαν φανταστεί, το Πεντάγωνο τούς έκοψε τις χορηγίες καθότι βαρέθηκε να περιμένει τα υποσχεμένα θαύματα, και η νεότερη γενιά των ερευνητών ΑΙ εγκατέλειψε την παλαιού τύπου Τεχνητή Νοημοσύνη (GOFAI: Good Old-Fashioned Artificial Intelligence), στράφηκε στην (ψευδο)χαϊντεγκεριανή Τεχνητή Νοημοσύνη. Προσωπικά, με ενδιαφέρει έντονα το ιστορικό της ΑΙ γιατί υπήρξε κι ένα μεγάλο πείραμα-στοίχημα για τη φύση του ανθρώπου. Είμαστε πλατωνικά-καρτεσιανά όντα ή χαϊντεγκεριανά όντα; Οι GOFAI ερευνητές πίστευαν το πρώτο• οπότε θεωρούσαν ότι ένα ρομπότ που αναπαριστά τον εξωτερικό κόσμο με σύμβολα και τα χειρίζεται με κάποιους κανόνες, θα γίνεται όλο και πιο επιτηδευμένο, όλο και πιο ευφυές, μέχρι που θα φτάσει τον άνθρωπο• ότι όσο οι αλγόριθμοι του ρομπότ θα βελτιώνονται και τα μοντέλα του θα γίνονται συνθετότερα, τόσο και η συμπεριφορά του θα προσεγγίζει την ανθρώπινη. Απέτυχαν εντελώς.

Ας δώσω μερικά παραδείγματα. Να σας συστήσω τον Σάκη (Shakey), ένα παλαιού τύπου GOFAI ρομπότ, που κάποτε είχε θεωρηθεί πολλά υποσχόμενος:

Όπως μπορείτε να δείτε, ο Σάκης ήταν ικανός να κάνει έναν (πολύ περιορισμένο) αριθμό πράξεων και μόνο μέσα σε τεχνητό περιβάλλον. Αναπαριστούσε τον εξωτερικό κόσμο με σύμβολα και μοντέλα, εξέταζε συνεχώς τις διαθέσιμες πράξεις του και χειριζόταν όλα αυτά με κάποιον λογισμό καταστάσεων (situational calculus) – ένα σύνολο αλγορίθμων, ας πούμε. Οι ερευνητές τότε πίστευαν ότι κάπως έτσι είναι η θεμελιώδης υφή της ανθρώπινης σκέψης, ευελπιστούσαν δηλαδή ότι είχαν συλλάβει τον πυρήνα της ανθρώπινης λειτουργικότητας, οπότε ήταν θέμα χρόνου μέχρι τα μοντέλα να εμπλουτιστούν, ο λογισμός καταστάσεών του να βελτιωθεί κι ο Σάκης να βγει στον πραγματικό κόσμο. Μάταιος κόπος όμως, ο Σάκης ποτέ δεν δραπέτευσε από τα εργαστήρια.

Ένας ακόμα GOFAI συνάδελφος του Σάκη ήταν το Stanford Cart (μπορείτε να δείτε ένα βίντεο εδώ). Η αρχική σύλληψη ήταν να κατασκευαστεί ένα ρομπότ για τις αποστολές Apollo στη Σελήνη. Το Stanford Cart, μετά από δεκαετίες ερευνών, έφτασε τελικά να κινείται με τις εκπληκτικές ταχύτητες των 1 και 2 km/h (στο τέλος της ζωής του έπιασε ακόμα και 8 km/h), μπορούσε να λειτουργήσει μόνο μέσα σε ασπρόμαυρο περιβάλλον με πολύ έντονο contrast, χρειαζόταν οπωσδήποτε μια ευδιάκριτη άσπρη γραμμή στο έδαφος να παρακολουθεί, ενώ συχνά σταματούσε για πολλά λεπτά της ώρας προκειμένου να επικαιροποιήσει τα μοντέλα του. Όταν δε κάτι άλλαζε στο περιβάλλον – ερχόταν κάποιος άνθρωπος, θρόιζε μια κουρτίνα από τον αέρα, περνούσε μια γάτα, έπεφτε ένα χαρτί – το ρομπότ σοκαριζόταν και σταματούσε για κάνα δεκάλεπτο μέχρι να ανανεώσει την αντίληψή του για τον κόσμο. Χρειάστηκαν περίπου 30 χρόνια ερευνών για να τα κάνει όλα αυτά. Τελικά, τόσο το Stanford Cart όσο και ο Σάκης κατέληξαν στο μουσείο χωρίς καμία έμπρακτη εφαρμογή. Μέχρι εκεί έφτασαν οι δυνατότητες της GOFAI, ποζιτιβιστικής, σκέπτομαι-άρα-υπάρχω Τεχνητής Νοημοσύνης.

Σε αντίθεση με τα παραπάνω, τα νεότερα ρομπότ που πλέον κάτι μπορούν να κάνουν σε πραγματικό περιβάλλον είναι όλα (ψευδο)χαϊντεγκεριανά. Έχουν ριζικά διαφορετική αρχιτεκτονική, δεν λειτουργούν με λογισμό καταστάσεων, δεν αναπαριστούν τον εξωτερικό κόσμο με σύμβολα, και πολλοί από τους σχεδιαστές τους μελέτησαν σε κάποια στιγμή το Being and Time του Χάιντεγκερ. Ένα παράδειγμα, η γνωστή Roomba της εταιρείας iRobot:

Ή τα διάφορα eyebots που βγήκαν πριν δύο χρόνια. Δείτε αυτό εδώ, παραδείγματος χάριν, που μπορεί να κινείται σε πραγματικό περιβάλλον αποφεύγοντας τα εμπόδια (θυμίζω ότι αυτό ήταν πρακτικά άλυτο πρόβλημα για την παλαιοημερολογίτικη Τεχνητή Νοημοσύνη):

Ή αυτό το σλοβένικο ρομπότ που κάνει σκι τόσο χαριτωμένα (θα το συναντήσουμε και παρακάτω):

Πώς λοιπόν η (ψευδο)χαϊντεγκεριανή Τεχνητή Νοημοσύνη προχώρησε πέρα από την GOFAI; Γιατί ένας ερευνητής ΑΙ χρειάζεται να αφιερώσει χρόνο στον Μερλό-Ποντί (;) και στον Χάιντεγκερ; Την άλλη φορά είδαμε το Γλωσσικό Επιχείρημα του καθηγητή Dreyfus, ας δούμε τώρα ένα ακόμη:

2. Το Γνωστικό Επιχείρημα

Ας αρχίσουμε με έναν σπουδαίο φυσικό, τον Michael Polanyi, o οποίος τη δεκαετία του ’50 στράφηκε στη φιλοσοφία της επιστήμης και, ανάμεσα στα άλλα, έκανε μια ενοχλητική παρατήρηση: ξέρεις πολύ περισσότερα από όσα μπορείς να βάλεις σε λέξεις. Το παράδειγμα που χρησιμοποίησε ήταν το ποδήλατο. Το κόλπο για να ισορροπούμε πάνω στο ποδήλατο είναι να κόβουμε ελαφρά το τιμόνι προς την πλευρά που γέρνουμε, οπότε κατ’ αυτόν τον τρόπο ξαναϊσορροπούμε. Παίζει ρόλο και η ταχύτητα επίσης. Συγκεκριμένα, αν παίρνουμε κλίση προς τη μια πλευρά κατά γωνία (q) και η ταχύτητά μας είναι (v), τότε πρέπει να κόψουμε το τιμόνι ώστε να διαγράψουμε καμπύλη ακτίνας (r) η οποία δίνεται από τον τύπο: r = v²/q. Αυτό είναι το μυστικό της ποδηλασίας.

Όμως όταν κάνουμε ποδήλατο δεν λειτουργούμε με τύπους και φόρμουλες! Μαθαίνουμε να ισορροπούμε στην πράξη, χωρίς να πολυκαταλαβαίνουμε πώς. Αν μας ζητήσουν να το εξηγήσουμε, δεν ξέρουμε τι να πούμε, μπορεί ακόμα και να έχουμε εντελώς λαθεμένη αντίληψη για το τι ακριβώς κάνουμε επάνω στο ποδήλατο. Όμως, από κάθε ουσιαστική άποψη, ξέρουμε πώς να κάνουμε ποδήλατο. Ακόμα και μικρά παιδιά ξέρουν μια χαρά ποδήλατο, χωρίς να έχουν ιδέα από μαθηματικά. Ο τύπος r = v²/q δεν είναι λάθος, όμως δεν βοηθάει καθόλου κάποιον που θέλει να μάθει ποδήλατο• είναι μια αλήθεια που έρχεται σε δεύτερο χρόνο και με πολύ περιορισμένη εφαρμογή.

Είναι πάρα πολλά τα πράγματα που ξέρουμε όμως δεν μπορούμε να τα βάλουμε εύκολα σε λόγια. Δοκιμάστε να περιγράψετε π.χ. πώς δένετε τα παπούτσια σας• πώς κάθεστε σε μια καρέκλα• πώς υποψιάζεστε ότι κάποιος μπορεί να σας λέει ψέματα• πώς δακτυλογραφείτε κ.α. Μπορούμε να δώσουμε μια περιγραφή για όλα τα προηγούμενα, όμως θα έχει με τις συγκεκριμένες πράξεις τη σχέση που έχει και ο τύπος r = v²/q με την οικεία μας ποδηλασία. Ξέρουμε πράγματα για τα οποία δεν μπορούμε να δώσουμε τηλεφωνικές οδηγίες σ’ έναν αρχάριο. Ένα μεγάλο μέρος των πράξεών μας γίνεται με, ας πούμε, ανακλαστικό τρόπο, σαν ένστικτο: πρώτα κινούνται τα δάχτυλά μας στο πληκτρολόγιο και μετά συνειδητοποιούμε τη θέση τους• πρώτα νιώθουμε ότι κάτι δεν πάει καλά με τον άνθρωπο απέναντί μας και μετά έρχεται η συνειδητοποίηση ότι μπορεί να μας λέει ψέματα. Οπότε λοιπόν έχουμε γνώση η οποία είναι άρρητη (tacit knowledge), δεν μπορεί εύκολα να μπει σε λόγια. Πόση είναι αυτή η γνώση; Σύμφωνα με τον M. Polanyi, τον καθηγητή Dreyfus, τον Μερλό-Ποντί (τον ποιον;) και τον Χάιντεγκερ, είναι σχεδόν το σύνολο της γνώσης μας. Και το γεγονός ότι η αρχική, αβασάνιστη, GOFAI Τεχνητή Νοημοσύνη κόλλησε, τα μηχανήματά της δεν μπόρεσαν να βγουν από τους τεχνητούς μικροκόσμους των εργαστηρίων στον πραγματικό κόσμο, προσφέρει μια ένδειξη γι’ αυτό. Πιστεύω ότι ήρθε η στιγμή να απαλλαχθούμε από μια υπερδισχιλιετή πυτιρίδα ως προς τη φύση του ανθρώπου, η οποία ξεκίνησε με τον Πλάτωνα, εξαπλώθηκε με τον Καρτέσιο και μας τυραννάει ακόμα και σήμερα. Λούσου με ούλτρεξ και θα δεις:

Ο άνθρωπος δεν είναι αλγεβρικό ον: δεν λειτουργεί με θεωρίες και νοητικά μοντέλα του εξωτερικού κόσμου, ο ίδιος ο εξωτερικός κόσμος είναι το μοντέλο του. Π.χ. πώς βρίσκουμε τον δρόμο μας μέσα σε μια αρχικά άγνωστη πόλη; Δεν φτιάχνουμε έναν χάρτη στο μυαλό μας, ελάχιστα λειτουργούμε έτσι (και οι περισσότεροι δεν λειτουργούν καθόλου έτσι). Αντίθετα, βιώνουμε σταδιακά περιοχές και διαδρομές, αρχίζουν να μας γίνονται οικείες, μέχρι που όταν θέλουμε να πάμε κάπου, το επόμενο τμήμα της διαδρομής μάς έρχεται στο μυαλό όμορφα κι απλά. Μαθαίνουμε μια άγνωστη πόλη με τον ίδιο τρόπο που το παιδί μαθαίνει να δένει τα παπούτσια του ή να κάνει ποδήλατο, χωρίς κάποια νοητική αναπαράσταση ή φόρμουλα. Είναι μια ανθρώπινη δεξιότητα. Η ζωή μας είναι γεμάτη από τέτοιες δεξιότητες – καθημερινές ρουτίνες, οι οποίες κάποτε ήταν καινούργιες και ανοίκειες, μέχρι που τις κατακτήσαμε.

Ο άνθρωπος δεν είναι καρτεσιανό ον: η (αναλυτική) σκέψη δεν είναι ο πρωταρχικός τρόπος με τον οποίο σχετιζόμαστε με τον κόσμο. Όταν λειτουργούμε, δεν σκεφτόμαστε – όχι αναλυτικά, τουλάχιστον. Όταν μιλάμε, δεν σκεφτόμαστε τη γραμματική των προτάσεών μας. Όταν οδηγούμε, δεν σκεφτόμαστε τον χάρτη της περιοχής ή τις ιδιότητες του αυτοκινήτου μας. Όταν περπατάμε, συνυπάρχουμε με ανθρώπους, πλένουμε τα πιάτα, φοράμε το πουκάμισο, συστηνόμαστε, αντιδρούμε σε μια προσβολή, λέμε «καλημέρα», στρώνουμε τραπέζι, χαϊδεύουμε μια γάτα, ανοίγουμε μια πόρτα, καθόμαστε σε μια καρέκλα κ.λπ., δεν έχουμε τίποτα μέσα μας συναφές με τη λογική, αναλυτική σκέψη. Δεν αναλύουμε την κατάσταση για ν’ ανακαλύψουμε κρυφές δομές, νόμους, μηχανισμούς και r = v²/q. Αντιθέτως, κινούμε το σώμα μας ως προς διάφορες οντότητες του περιβάλλοντος «ανταποκρινόμενοι στο κάλεσμά τους», όπως λέει ο Μερλό-Ποντί (μα ποιος είν’ αυτός;) με μόνο μια γενική αίσθηση της κατάστασης και χωρίς καμία σκέψη ή αναπαράσταση.

Κάποιες φορές, ναι, καταφεύγουμε στην αναλυτική σκέψη. Όταν υπολογίζουμε τι θα πληρώσουμε σε λογαριασμούς, φαγητό, ενοίκιο και λογαριάζουμε πόσα χρήματα θα περισσέψουν• όταν παίρνουμε το εγχειρίδιο οδηγιών ενός μηχανήματος να δούμε πού μπορεί να εντοπίζεται η βλάβη• όταν μετράμε την ποσότητα του απορρυπαντικού στο πλυντήριο με βάση τον όγκο των ρούχων• όταν ανακαλούμε την τελευταία μας διαδρομή για να εικάσουμε πού μπορεί να έπεσαν τα κλειδιά μας κ.λπ. Επίσης όταν παίζουμε μια συγχορδία λάθος κι αναρωτιόμαστε πού πρέπει να βάλουμε τα δάχτυλά μας για ν’ ακουστεί σωστά – δηλαδή, όταν δεν έχουμε κατακτήσει ακόμα την δεξιότητα και πρέπει να την επισκοπούμε με το συνειδητό κομμάτι του εαυτού μας. Όμως αυτές οι καταφυγές στη λογική σκέψη δεν αποτελούν τις θεμελιώδεις μονάδες της ανθρώπινης λειτουργικότητας και νοημοσύνης. Περισσότερο είναι πραξικοπηματικές επεμβάσεις από r = v²/q πάνω στη συνηθισμένη, καθημερινή μας λειτουργικότητα. Το αντίθετο υποστήριζε η λεγόμενη υπολογιστική θεωρία του νου (computational theory of mind), ότι ο εγκέφαλός μας είναι ένας υπολογιστής κι οι συνηθισμένες λειτουργίες μας είναι γρήγορες εφαρμογές κανόνων και αλγορίθμων. Εκεί ποντάρισε η παλαιοημερολογίτικη Τεχνητή Νοημοσύνη κι έχασε, δηλαδή ότι μαθαίνουμε ποδήλατο επειδή, υποτίθεται, κάποιο βαθύ μέρος του εγκεφάλου μας εφαρμόζει τον τύπο r = v²/q. Η εναλλακτική θεώρηση είναι ότι είμαστε πλάσματα δεξιοτήτων (σωματικών, κοινωνικών, διανοητικών, συναισθηματικών, γλωσσικών κ.λπ.). Ότι στο συντριπτικά μεγαλύτερο μέρος της ζωής μας λειτουργούμε άρρητα και προσυνειδητά, από κάτω προς τα πάνω (bottom-up), με ομοβροντίες νευρικών ερεθισμών που προετοιμάζουν το σώμα για πράξεις και με αποφάσεις που λαμβάνονται πριν ακόμα τις μάθει το νεοφλοιικό μέρος του εαυτού μας: ο ορισμός της ανθρώπινης δεξιότητας. Η αναλυτική σκέψη, αν έρθει, θα έρθει μόνο σε δεύτερο χρόνο (π.χ. όταν κάτι δεν πάει καλά) ή σε κάποιους περιορισμένους τομείς (π.χ. συμπλήρωση μας φορολογικής δήλωσης) ή όταν δεν έχουμε κατακτήσει ακόμα τη δεξιότητα και πρέπει να ελέγχουμε διαρκώς την επίδοσή μας.

Ο άνθρωπος είναι θηλαστικό, όχι ερπετό ή πτηνό: μαθαίνει συνεχώς, όπως όλα τα θηλαστικά, και αναπτύσσει δεξιότητες. Ο άνθρωπος είναι open source, βγαίνει στη ζωή με λίγα εφόδια και πρέπει να τα μάθει όλα στην πορεία, ως μέλος μιας κοινότητας και χρησιμοποιώντας το σώμα του. Τα ερπετά και τα πτηνά μαθαίνουν ελάχιστα, όπως γεννήθηκαν έτσι και θα πεθάνουν, τα έχουν σχεδόν όλα πακέτο στο ένστικτό τους. Είναι μια πολύ καλή τακτική, δυστυχώς όμως ο άνθρωπος εξελίχθηκε από τα θηλαστικά, οπότε πρέπει να δίνει τα λεφτά του σε ωδεία, σχολές οδήγησης, σεμινάρια Η/Υ κ.λπ. Πρέπει επιπλέον να μάθει από παιδί να διασχίζει τον δρόμο, να εστιάζει το βλέμμα του, να πλένει τα χέρια του, να παίρνει τηλέφωνο, να συνυπάρχει με άλλους ανθρώπους, να μαγειρεύει το φαγητό του, να λέει κατά συνθήκην ψεύδη, να συστήνεται σε αγνώστους, να χαλαρώνει όταν είναι θυμωμένος, να φωνάζει δυνατά για ν’ ακουστεί σε απόσταση, να σκαρφαλώνει δέντρα, να τακτοποιεί τα συρτάρια του, να λέει αυτό που πιστεύει (όταν πρέπει), να μην λέει αυτό που πιστεύει (όταν δεν πρέπει), να κρίνει πότε πρέπει και πότε δεν πρέπει να λέει αυτό που πιστεύει κ.λπ. Συμφωνώ, θα ήταν απλούστερο και οικονομικότερο να είχαμε εξελιχθεί από τις χελώνες, όμως το πράγμα δεν αλλάζει: είμαστε καταδικασμένοι σε δια βίου μάθηση, είμαστε πλάσματα δεξιοτήτων.

Ο άνθρωπος δεν είναι βουλητικό ον: όταν λειτουργούμε φυσιολογικά, δεν υπάρχει αίσθηση του εγώ ούτε δυϊσμός μεταξύ υποκειμένου κι αντικειμένου. Υπάρχει ένας κόσμος οντοτήτων που επιδέχονται κάποιες χρήσεις, π.χ. οντότητες για-γράψιμο («στυλό»), για-οδήγηση («αυτοκίνητο»), για-φόρεμα («πουκάμισο»), για-φωτισμό («λάμπα»), για-είσοδο-και-έξοδο («πόρτα»), για-τα-μπάζα («Βύρων Πολύδωρας») κ.α., υπάρχουν διάφοροι στόχοι («έξοδος από το δωμάτιο», «συγγραφή μιας λίστας υποχρεώσεων», «οδήγηση μέχρι το σπίτι» κ.λπ.), υπάρχει μια γενική αίσθηση της κατάστασης («όλα είναι μια χαρά», «κάτι δεν πάει καλά», «οικείο περιβάλλον», «άγνωστο περιβάλλον», «χαοτικό περιβάλλον» κ.λπ.) και υπάρχει άμεση χρήση των οντοτήτων προς την κατεύθυνση των στόχων με γνώμονα τη γενική αίσθηση, χωρίς να πολυανακατεύεται το βουλητικό μέρος του εαυτού μας. Τα πράγματα περισσότερο γίνονται από μόνα τους (bottom-up), παρά τα κάνουμε εμείς (top-down). Αν προσπαθήσουμε να βάλουμε το βουλητικό, αναλυτικό μέρος του εαυτού μας (τον «νου» μας, τη «σκέψη» μας κ.λπ.) σε πρωταρχική θέση, καήκαμε! Βάζουμε το κάρο μπροστά από το άλογο. Αν προσπαθήσουμε να σκεφτόμαστε όλες τις πράξεις μας καθώς οδηγούμε, «τώρα χαλαρώνω το πόδι μου για ν’ αφήσω το γκάζι», «τώρα τεντώνω το άλλο πόδι μου από τον μηρό μέχρι το πέλμα για να πατήσω τον συμπλέκτη», «τώρα κινώ το χέρι μου για ν’ αλλάξω ταχύτητα» κ.λπ., θα τρακάρουμε! Το αντίστοιχο στην Τεχνητή Νοημοσύνη είναι να γίνουμε GOFAI και να λειτουργούμε με λογισμό καταστάσεων. Καλύτερα ν’ αφήσουμε το βουλητικό μέρος του εαυτού μας να έχει απλώς μια γενική αίσθηση της κατάστασης και την οδήγηση να γίνει από μόνη της, εφόσον είναι μία δεξιότητα την οποία έχουμε κατακτήσει (άλλο θέμα όμως ο αρχάριος οδηγός, αυτός με το Ν, που οδηγεί με πράξεις συνειδητής βούλησης). Καρτέσιος: σκέφτομαι άρα υπάρχω. Χάιντεγκερ: πράττω επιδεξίως άρα παύω να υπάρχω (ενώ όσο έπραττα αδεξίως είχα αίσθηση του εγώ).

Μεταφέροντας αυτό στην Τεχνητή Νοημοσύνη, παίρνουμε τα (ψευδο)χαϊντεγκερινά ρομπότ, τα οποία δεν έχουν εσωτερική αναπαράσταση του εξωτερικού κόσμου (ή αυτή έχει μειωθεί στο ελάχιστο). Δηλαδή, δεν υπάρχει κάποιο ενδιάμεσο στάδιο ανάμεσα στο input των αισθητήρων τους και στο output της πράξης τους. Αντίθετα, υπάρχουν πάρα πολλοί βρόγχοι ανατροφοδότησης (feedback loops) ανάμεσα στους αισθητήρες και στους ενεργοποιητές του, χωρίς να περνούν από τη μνήμη του: τα ρεφλέξ του ρομπότ, ας πούμε. Κατά κάποιον τρόπο, το ρομπότ πράττει ανακλαστικά, όχι συνειδητά. Δηλαδή, ο σχεδιαστής έχει πάρει από τη μνήμη του το φορτίο της διαρκούς αναπαράστασης του εξωτερικού κόσμου και της διαρκούς απόφασης για την επόμενη πράξη, το έχει κάνει ρεφλέξ, κι άφησε τη μνήμη του ρομπότ να απασχολείται μόνο με μια γενική και υπολογιστικά εύκολη επισκόπηση της κατάστασης (όλα είναι καλά – κάτι δεν πάει καλά). Το ρομπότ δεν αναπαριστά τον εξωτερικό κόσμο με μοντέλα, ο ίδιος ο κόσμος είναι το μοντέλο του. Για παράδειγμα, ξαναδείτε το σλοβένικο ρομπότ-σκιέρ και προσέξτε στο βίντεο από 0:20 – 0:51 την εξήγηση της λειτουργίας του:

Αντί να εφαρμόζει διαρκώς τις φόρμουλες ισορροπίας, το ρομπότ λειτουργεί ανακλαστικά και ισορροπεί χωρίς να ξέρει ότι ισορροπεί• μόνο όταν τα ανώτερα επίπεδα της μνήμης αντιληφθούν ότι πάει να χαθεί η ισορροπία, τότε μόνο επεμβαίνουν κι εφαρμόζουν τη φόρμουλα για να την επαναφέρουν (όταν δηλαδή το, ας πούμε, συνειδητό μέρος αντιλαμβάνεται πως κάτι δεν πάει καλά). Το ρομπότ ξέρει να πράττει χωρίς να μπορεί να αναλύσει πώς πράττει: έχει άρρητη γνώση

Ο άνθρωπος δεν είναι νιρβανικό ον: για τον Βούδα, όλα είναι ίδια. Η επιτυχία με την αποτυχία, η νίκη με την ήττα, ο σοσιαλισμός με τη βαρβαρότητα κι ο Μαρκήσιος ντε Σαντ μ’ έναν χίππη. Σε μας τους υπόλοιπους όμως, δεν ισχύει αυτό. Κοιτάζουμε γύρω μας και διαρκώς απομονώνουμε το σημαντικό από το ασήμαντο, το ενδιαφέρον από το αδιάφορο, το θέλω από το δεν θέλω, και το μπορώ να το κάνω από το δεν μπορώ να το κάνω. Είναι μια θεμελιώδης αντιληπτική λειτουργία που γίνεται ταχύτατα, άρρητα, και βασίζεται στο ένστικτο της αυτοσυντήρησης. Όμως χωρίς αυτήν δε θα μπορούσαμε να λειτουργήσουμε ούτε κατ’ ελάχιστον. Ο κόσμος θα παρουσιαζόταν στα μάτια μας ως ένας ωκεανός καταστάσεων και θα χάναμε τον καιρό μας προσπαθώντας να τον βάλουμε σε μια σειρά. Ίσως γι’ αυτό ο Φωτισμένος πέρασε στη μαχαπαρανιρβάνα (δε χρησιμοποιούμε τον όρο «απεβίωσε» για τον Βούδα) κάπου 45 χρόνια μετά τη φώτισή του: είχε αρχίσει να του γίνεται εξαιρετικά δύσκολη ακόμα και η πιο απλή πράξη.

Αυτή όμως η τόσο κοινή ανθρώπινη & ζωική λειτουργία, η ταχύτατη απομόνωση του σημαντικού από το μη-σημαντικό στο περιβάλλον, απεδείχθη άλυτο πρόβλημα για τα GOFAI ρομπότ! Μια κουρτίνα που θρόιζε από τον αέρα έκανε το ρομπότ να σταματάει για να επικαιροποιήσει την αναπαράσταση του κόσμου. Μετά από κάθε απλή πράξη του, το ρομπότ έπρεπε να ξαναπάρει από την αρχή τον κόσμο για να δει τι άλλαξε και τι έμεινε σταθερό. Όποιος θέλει να εμβαθύνει, μπορεί να διαβάσει εδώ, είναι το λεγόμενο Πρόβλημα του Πλαισίου (Frame Problem) – ο όρος προέρχεται από τα καρτούν, στα οποία ο σχεδιαστής βάζει τους χαρακτήρες να κινούνται και κρατάει όλο το υπόβαθρο (πλαίσιο) της εικόνας σταθερό. 

Κι ένα τελευταίο:

Ο άνθρωπος δεν είναι μονήρες ον: είμαστε αναπόσπαστα δεμένοι με τους άλλους ανθρώπους που σχετιστήκαμε στη ζωή μας. Τους εκπαιδεύσαμε και μας εκπαίδευσαν. Η νοημοσύνη μας δεν είναι άσχετη με την κοινωνική μας φύση, αντιθέτως σφυρηλατείται από στόχους που επιλέγονται μέσα σε μια διαρκώς μεταβαλλόμενη κουλτούρα. Ο άνθρωπος δεν καν είναι νοητικό ον: ο νους του ανθρώπου είναι αναπόσπαστα δεμένος με το σώμα του. Το έχω σώμα είναι θεμελιώδες τμήμα της ανθρώπινης νοημοσύνης – θα πούμε όμως περισσότερα γι’ αυτό σε επόμενη ανάρτηση, ας κάνουμε ένα διάλειμμα και σύντομα μαζί σας με ακόμα περισσότερο Χάιντεγκερ!

to be continued