Debata
Czy maszyny mogą myśleć lub czuć?
Modele językowe prowadzą dziś rozmowy, których ludzie często nie potrafią odróżnić od ludzkich. Czy to znaczy, że cokolwiek rozumieją – i czy mogłyby kiedyś czuć, czy tylko sprawiają, że w to wierzymy?
Duże modele językowe piszą dziś eseje, kod i wiersze, a wielu ludzi rozmawia z nimi codziennie jak z osobą. W badaniu Camerona Jonesa i Benjamina Bergena (2025) osoby, które przez pięć minut czatowały jednocześnie z człowiekiem i z GPT-4.5, w 73 procentach przypadków uznały maszynę za człowieka. Test Turinga w tej postaci został zdany; co to pokazuje, pozostaje pytaniem otwartym. Gdyby takie systemy mogły czuć, moglibyśmy je skrzywdzić; jeśli tylko się na to zdają, myli nas własna skłonność do widzenia umysłów wszędzie. Za tym leży nierozstrzygnięte pytanie, czym jest świadomość – a obok debata o tym, co te systemy robią z osądem, pracą i uwagą.
Stanowiska
Symulacja to nie rozumienie
Program komputerowy manipuluje symbolami wyłącznie według ich formy: ma składnię, ale nie ma semantyki. Chiński pokój Searle’a ma pokazać, że stosowanie takich reguł może dawać przekonujące odpowiedzi w jakimś języku bez rozumienia ani słowa. Myślenie, według tego poglądu, wymaga mocy przyczynowych co najmniej równoważnych mocom mózgów; uruchomienie właściwego programu nigdy samo nie wystarcza – jakikolwiek byłby sprzęt. Emily Bender i Alexander Koller (2020) formułują zbliżoną myśl o modelach językowych: system wytrenowany wyłącznie na formie języka nie ma dostępu do tego, o czym są jego słowa.
Głoszone przez
- John Searle1932–2025
Umysł to to, co system robi
Funkcjonaliści utrzymują, że stany umysłowe określa ich rola – co je wywołuje i co one wywołują – a nie materiał, z którego są zbudowane; ideę tę wprowadził Putnam w latach 60. i później zaczął w nią wątpić. Jeśli tak, to maszyna zorganizowana we właściwy sposób mogłaby w zasadzie myśleć, jak sugerował już Turing. Dennett dodaje, że świadomość nie jest dodatkowym wewnętrznym blaskiem, lecz wiązką funkcji, które można wyjaśnić – ostrzegając jednocześnie, że systemy zbudowane do naśladowania ludzi mogą nas oszukać na długo, zanim będą miały umysły.
Głoszone przez
- Alan Turing1912–1954
- Hilary Putnam1926–2016
- Daniel Dennett1942–2024
Trudny problem pozostaje otwarty
Nawet pełny opis przetwarzania informacji zdaje się pomijać to, jak to jest mieć doświadczenie – myśl Nagela o nietoperzu. Chalmers nazywa to trudnym problemem i, w przeciwieństwie do Searle’a, nie wiąże świadomości z mocami przyczynowymi podobnymi do mózgowych, więc traktuje świadomość maszyn jako poważne otwarte pytanie. W 2023 roku uznał ją za mało prawdopodobną dla ówczesnych modeli językowych, ale za realną możliwość dla ich następców. Raport Patricka Butlina, Roberta Longa i współpracowników (2023) wywiódł cechy-wskaźniki z naukowych teorii świadomości i stwierdził, że żaden obecny system nie ma ich wszystkich, nie widząc jednak oczywistej bariery technicznej dla zbudowania takiego, który je ma.
Głoszone przez
- David Chalmersur. 1966
- Thomas Nagelur. 1937
Umysły, które się rozszerzają
Clark i Chalmers dowodzili w 1998 roku, że myślenie nie kończy się na czaszce: notes, na którym ktoś konsekwentnie polega, może być częścią jego pamięci. Z tego punktu widzenia ciekawsze pytanie nie dotyczy tego, czy maszyna myśli sama, lecz tego, jak ludzie i maszyny tworzą hybrydowe systemy myślące. Clark widzi w generatywnej AI najnowsze takie rozszerzenie – obiecujące, ale wymagające nowych umiejętności w rozpoznawaniu, kiedy jej ufać.
Głoszone przez
- Andy Clarkur. 1957
- David Chalmersur. 1966
Działać odpowiedzialnie w niepewności
Ci myśliciele nie zgadzają się co do tego, czym są maszyny, ale zgadzają się, że pytania etyczne nie mogą czekać na metafizykę. Metzinger dowodzi, że skoro nie możemy wykluczyć stworzenia sztucznych istot, które cierpią, powinno obowiązywać globalne moratorium do 2050 roku na badania, które mają na celu syntetyczną świadomość lub ryzykują jej powstanie. Floridi opisuje dzisiejsze systemy jako „sprawczość bez inteligencji” – zdolne do skutecznego działania bez rozumienia czegokolwiek – a Vallor widzi w nich zwierciadła dawnych danych ludzkich i ostrzega, że większym niebezpieczeństwem jest utrata zaufania do własnego osądu i cnót.
Głoszone przez
- Thomas Metzingerur. 1958
- Luciano Floridiur. 1964
- Shannon Vallorosoba współczesna
Czytaj dalej
- The Chinese Room Argument (Stanford Encyclopedia of Philosophy)
- Hard Problem of Consciousness (Internet Encyclopedia of Philosophy)
- David Chalmers: Could a Large Language Model be Conscious? (arXiv)
- Emily M. Bender, Alexander Koller: Climbing towards NLU – On Meaning, Form, and Understanding in the Age of Data (ACL 2020)
- Patrick Butlin, Robert Long et al.: Consciousness in Artificial Intelligence – Insights from the Science of Consciousness (arXiv, 2023)
- Ethics of Artificial Intelligence and Robotics (Stanford Encyclopedia of Philosophy)
- Cameron R. Jones & Benjamin K. Bergen: Large Language Models Pass the Turing Test (arXiv, 2025)
Stan na 10/2026. Streszczenia mają ułatwić orientację – pełne argumenty znajdziesz w źródłach. · Jak powstaje Agora