آیا دانش بدون درک ممکن است؟

به گزارش خط بازار؛ اوایل مرداد امسال، اوپن‌ای‌آی خبری منتشر کرد که در نگاه نخست بیشتر به یک بولتن فنی شبیه بود تا رویدادی فلسفی؛ اما اگر کمی درنگ کنیم، می‌بینیم زیر پوست همین خبر، یکی از کهن‌ترین و پایدارترین پرسش‌های معرفت‌شناسی دوباره و با شدتی تازه زنده شده است.

این شرکت اعلام کرد نسخه‌ای داخلی و هنوز منتشرنشده از نسل بعدی مدل‌هایش با نام خانوادگی «آسترا» توانسته ۱۰‌مساله باز و دیرینه در ریاضیات، نظریه پیچیدگی کوانتومی و علوم کامپیوتر نظری را حل کند؛ مسائلی که برخی‌شان دهه‌ها و برخی نزدیک به سه دهه دست‌نخورده مانده بودند.

از میان این نتایج می‌توان به اثبات قضیه تکرار موازی نمایی برای بازی‌های دونفره درهم‌تنیده کوانتومی اشاره کرد، اصلی بنیادین که تا پیش از این تنها در قلمرو کلاسیک به‌طور کامل اثبات‌شده بود، و نیز کران‌های سخت‌تر برای مساله نزدیک‌ترین بردار که پیامدهایی مستقیم برای رمزنگاری پساکوانتومی و راستی‌آزمایی کوانتومی دارد.

اثبات‌ها به صورت گواهی‌های صوری در سامانه‌ Lean منتشر شده‌اند؛ یعنی هر کس می‌تواند درستی‌شان را با یک کامپایلر تایید کند، بی‌آنکه لازم باشد حتی یک خط از استدلال درونی مدل را «بفهمد» و دقیقا همین‌جاست که پرسش آغاز می‌شود: وقتی می‌توانیم درستی یک نتیجه را با دقت ماشین تایید کنیم اما راه رسیدن به آن برایمان کاملا تاریک و دست‌نیافتنی است، آیا هنوز با «دانش» روبه‌روییم؟

در سنت فلسفی، دانش را معمولا چیزی بیش از باور درست می‌دانستند؛ باوری که «موجّه» باشد، یعنی صاحبش بداند چرا درست است، بتواند دلیلش را بازگو کند و در برابر پرسش‌های مکرر بایستد. اما وقتی مولّد آن باور یک مدل زبانی با میلیاردها پارامتر است که مسیر استدلالش را در فضایی می‌پیماید که هیچ ذهن انسانی توان دنبال‌کردنش را ندارد، توجیه دیگر بر عهده فهم ما نیست، بلکه بر عهده‌ یک بازبین صوری و بی‌طرف است. این یعنی مرکز ثقل معرفت‌شناسی از «فهمیدن» به «تاییدشدن» جابه‌جا شده است؛ جابه‌جایی‌ای که پیامدهایش هنوز به‌طور کامل آشکار نشده‌اند.

این وضعیت بی‌سابقه نیست، اما این‌بار مقیاس و عمق آن بی‌سابقه است. نیم قرن پیش، اثبات قضیه چهار رنگ همین بحران را در مقیاسی کوچک‌تر در جامعه ریاضی برانگیخت: کامپیوتر هزار و چند صد پیکربندی را یک‌به‌یک بررسی کرد، کاری که هیچ انسانی در طول یک عمر نمی‌توانست دستی انجام دهد. عده‌ای آن را اثبات نمی‌دانستند، چون هیچ ریاضیدانی نمی‌توانست کل استدلال را در ذهن مرور کند.

اما آن اثبات، دست‌کم در چارچوبی کاملا بشری طراحی شده بود؛ استراتژی از آن انسان بود و کامپیوتر فقط شمارش می‌کرد. آنچه امروز با آسترا رخ می‌دهد از جنس دیگری است: این‌بار نه فقط اجرا، بلکه بخش عمده استراتژی، ساختارهای مفهومی و حتی برخی تعریف‌های تازه‌ای که برای حل مساله لازم بوده‌اند، محصول ماشین‌اند.

در قلمرو پیچیدگی کوانتومی، جایی که شهود انسانی از همان ابتدا لنگ می‌زند و فضاهای حالت به‌صورت نمایی رشد می‌کنند، فاصله میان «مولّد» و «فهمنده» به‌مراتب عمیق‌تر از فاصله میان یک ریاضیدان و یک کامپیوتر شمارشگر است. آیا در برابر «معرفت‌شناسی جعبه‌سیاه» ایستاده‌ایم؛ نظامی که در آن حقیقت را نه از راه فهمیدنِ چرایی‌اش، بلکه صرفا از راه ورودی و خروجی درست تشخیص می‌دهیم؟ این تصویر بی‌شباهت به آزمایش فکری معروف «اتاق چینی» جان سرل نیست.

در آن آزمایش، فردی که هیچ چیز از زبان و نمادهای چینی نمی‌داند، در اتاقی با دفترچه قواعد نشسته و نمادهای چینی را طبق دستورالعمل جابه‌جا می‌کند و پاسخ‌هایی تحویل می‌دهد که برای یک ناظر بیرونی کاملا معنادار و درست به نظر می‌رسند، بی‌آنکه آن فرد ذره‌ای از معنای آن نمادها سر دربیاورد. حالا نسخه کوانتومی این آزمایش را تصور کنید: ماشینی که گواهی‌های صوری برای درهم‌تنیدگی کوانتومی صادر می‌کند،

مسائلی درباره ماهیت واقعیت در مقیاس زیراتمی حل می‌کند، اما هیچ معلوم نیست آیا چیزی شبیه «فهم» در کار است یا صرفا دستکاری نمادین در ابعادی بیرون از توان ادراک ماست. نکته تلخ‌تر اینجاست که این‌بار ما، خوانندگان و حتی بسیاری از دانشمندان، در جایگاه همان ناظر بیرونی اتاق چینی ایستاده‌ایم؛ پاسخ درست را می‌گیریم، اما از فهمیدنِ فرآیندی که آن را تولید کرده، محرومیم.

این شکاف وقتی نگران‌کننده‌تر می‌شود که آن را به روش علمی گره بزنیم. علم، دست‌کم در تصویر کلاسیکش، تنها به‌دنبال پیش‌بینی درست نبوده؛ همیشه مدعی تبیین هم بوده است، مدعی پاسخ‌دادن به «چرا». کنجکاوی و شگفتی انسانی، همانقدر که موتور علم بوده‌اند، غایت آن هم بوده‌اند؛ ما نه فقط برای کنترلِ طبیعت، بلکه برای فهمیدنش پژوهش می‌کنیم.

اگر روزی هوش مصنوعی به عنوان «دانشمندِ خودمختار» عمل کند و سیلی از نتایج درست، اما تبیین‌ناپذیر تحویل دهد، جایگاه آن کنجکاوی و شگفتی کجا خواهد بود؟ شاید پاسخ این نباشد که چنین دانشی را یکسره رد کنیم، بلکه این باشد که تعریف‌مان از دانش را بازنگری کنیم؛ تمایزی بنیادین‌تر بگذاریم میان دانستنِ اینکه چیزی درست است و دانستنِ چرایی آن.

رمزنگاری پساکوانتومی که به‌خاطر همین نتایج آسترا استحکام تازه‌ای می‌یابد، امنیت میلیون‌ها انسان را تضمین می‌کند، حتی اگر هیچ‌کس در جهان به‌طور کامل نفهمد چرا آن راهکار ریاضی کار می‌کند؟ این کارکرد است، نه فهم و شاید بخش بزرگی از تمدن فناورانه ما همین حالا هم بر همین کارکردِ بی‌فهم استوار است. اما فرقش این است که پیش از این، دست‌کم یک نفر، یک بار، مسیر را فهمیده بود.

اکنون شاید نخستین‌بار در تاریخ باشد که «هیچ‌کس»، نه یک انسان، نه یک جمع از انسان‌ها مسیر را به‌طور کامل نمی‌فهمد و تنها یک بازبین صوری، بی‌روح و بی‌شگفتی، مهر تایید می‌زند. اینجاست که باید از خودمان بپرسیم دانش را برای چه می‌خواستیم: برای پاسخ درست، یا برای آن لحظه درخشانی که فهمیدن نامیده می‌شود؟

کامران مشفق آرانی

منبع: خط بازار