De ce modelele lingvistice nu pot înlocui geniul uman

Imaginează-ţi pe Albert Einstein singur, angajat într-un experiment mental. Îşi închipuie un lift sigilat, căzând liber prin spaţiu, iar din acea imagine mentală liniştită deduce ecuaţiile care rescriu fizica. Acest moment, o intuiţie pură, imaginaţie senzorială, un salt făcut cu aproape nicio informaţie, este genul de salt creativ pe care modelele lingvistice actuale se străduiesc să-l imite.

De ce o mare de texte nu echivalează cu o lume trăită

Cercetătorul DeepMind Tom Zahavy a spus-o direct într-o analiză recentă intitulată 'modelele de limbaj nu pot să sară'. Argumentul său împarte gândirea în trei moduri: inducţie, deducţie şi generare de ipoteze. Modelele moderne excelează la primul. Ele comprimă munţi de tipare şi pot prezice următoarea propoziţie cu o acurateţe surprinzătoare. Sistemele avansate gestionează destul de bine şi deducţia; instrumentele de raţionament automatizat, inclusiv proiecte precum AlphaProof, arată că maşinile pot urma lanţuri logice atunci când regulile sunt furnizate.

Dar când vine vorba de generarea de ipoteze — actul de a imagina un cadru nou pornind din aproape niciun input empiric — maşinile se împiedică. De ce? Pentru că le lipseşte un corp în lume şi le lipseşte intuiţia senzorială pe care oamenii o folosesc pentru a construi legături cauzale. Nu poţi deriva premisele iniţiale ale lui Einstein doar analizând textele existente. Intuiţia lui a apărut din metafore întrupate şi experimente de gândire senzoriale, nu din potrivirea statistică a tiparelor din literatură.

Unii gânditori, precum Jürgen Schmidhuber, au susţinut odată că descoperirea ştiinţifică este o formă extremă de compresie a datelor. DeepMind contestă această poziţie. Lucrarea arată cum teoriile revoluţionare apar adesea în contexte sărace în date, dependente de scenarii contrafactuale şi de sinteze imaginative vii. Modelele de limbaj, instruite pe tipare retrospectiv, rareori inventează ontologii noi care să reîncadreze modul în care lumea este înţeleasă.

Sunt şi consecinţe practice. Instrumentele actuale de programare asistată de AI şi de descoperire automată rămân constrânse de cadre prestabilite. Pot optimiza în interiorul unei cutii. Le este dificil să redeseneze cutia însăşi. Şi nicio cantitate de putere de calcul suplimentară, centre de date mai mari sau antrenamente mai dense nu va conferi automat tipul de intuiţie cauzală care stă la baza salturilor ştiinţifice radicale.

Ce înseamnă asta pentru cercetare şi industrie? Reformează aşteptările. Modelele lingvistice sunt colaboratori foarte capabili pentru sarcini încărcate de tipare, redactare, rafinare a ipotezelor şi explorarea permutărilor. Ele completează, în loc să înlocuiască, scânteia umană care formulează întrebările şi instrumentele conceptuale. Cu alte cuvinte: excelente pentru construirea scheletului. Nu sunt încă pregătite să genereze revoluţii.

Scara computaţională nu înlocuieşte intuiţia întrupată; imaginaţia umană face în continuare saltul.

Există totuşi o cale deschisă înainte. Abordările hibride care leagă modelele de senzori, experimente şi medii interactive ar putea micşora acest decalaj. Dar până când maşinile nu vor dobândi forme de înţelegere situată şi intuiţie cauzală dincolo de text, cele mai îndrăzneţe idei ştiinţifice vor rămâne în sfera minţilor umane.