Kiedy mówimy o sztucznej inteligencji, łatwo wyobrazić sobie maszynę, która „myśli”, rozumuje i rozumie świat podobnie jak człowiek. W przypadku dużych modeli językowych (LLM) trafniejsze jest jednak inne ujęcie: są to przede wszystkim narzędzia operujące na języku. Ich działanie wyrasta z analizy ogromnych zbiorów tekstów i z uczenia się zależności między słowami, zdaniami, pojęciami i sposobami ich używania.
Na końcu języka
To, czym jest język, ma fundamentalne znaczenie dla tego, jak działają modele LLM. Od dawna wiemy, że język nie jest prostym magazynem nazw rzeczy. To system relacji, reguł i znaczeń, za pomocą którego opisujemy świat, formułujemy pytania i budujemy argumenty. Model uczy się tych zależności, przewidując na podstawie kontekstu kolejne elementy wypowiedzi. W efekcie potrafi tworzyć odpowiedzi, które przypominają rozumowanie.
Pojawia się tutaj kwestia natury filozoficznej, dotykająca samej istoty języka. Filozofowie mówią bowiem, że sam fakt, że maszyna zna mechanizmy języka nie znaczy, że „rozumie”, że za nimi kryją się jakieś znaczenia. Model językowy będzie więc pokazywał konstrukcję, ale nie odkrywa sensów. Idąc dalej językoznawcy powiedzą: to, że posługujemy się językiem, znamy jego reguły i jesteśmy w stanie pojąć jego znaczenia, wynika z kultury, wspólnych doświadczeń, po prostu z naszego życia społecznego. Zatem czy można znać strukturę języka, nie znając świata, do którego język się odnosi? Współczesne badania nad AI nazywają go problemem „ugruntowania” (grounding).
Nie oznacza to jednak, że LLM jest jedynie mechanicznym „papugowaniem” tekstów. Nowsze badania pokazują, że modele trenowane na przewidywaniu kolejnych fragmentów tekstu potrafią wytwarzać uporządkowane, częściowo ludzkie reprezentacje pojęć, a ich struktura może przewidywać wyniki zadań wymagających rozumienia i rozumowania. Badania nad gramatyką pokazują również, że reprezentacje językowe modeli mogą zbiegać się z ludzkimi ocenami konstrukcji gramatycznych. Gdyby rozwinąć maksymę Ludwiga Wittgensteina, powtarzaną do znudzenia w kontekście filozofii języka: „Granice mojego języka są granicami mojego świata”, możemy się zastanowić, na ile modele językowe są poszerzaniem tych granic, a na ile przeciwnie, zawężają je.
Ktoś może pomyśleć, że to zagadnienie bardzo abstrakcyjne, ale w istocie jest bardzo praktyczne. Można bowiem założyć, że np. przy pomocy modeli językowych można dokładniej oddawać w tłumaczeniu niektóre zdania. Sztuczna inteligencja nie musi dotykać drzewa, by opisać je dzięki dostępnym korpusom językowym np. dla osoby niewidomej, w taki sposób, by zwiększyć jej wyobrażenie o drzewie.
Etyka języka
Sprawa ta komplikuje się, kiedy wchodzimy w przestrzeń rozważań filozoficznych bardziej szczegółowo, a więc np. w kwestii etyki. Przez wieki nasze wybory etyczne opieraliśmy o systemy moralne, które przyjęliśmy. Dla przykładu: jestem katolikiem, więc postępuję zgodnie z tym, czego naucza Kościół, nie tylko w kwestii wiary, ale też moralności. Odpowiednio powie tak przedstawiciel innych religii, a osoba bezwyznaniowa może wywieść źródło takich wyborów z innych systemów, np. humanistycznego oglądu świata (w wielu miejscach pokrywającym się z tym, co proponuje religia, np. w kwestii nietykalności osobistej czy własności).
W miarę jak rozbudowane modele językowe stają się domyślnym źródłem wskazówek w kwestiach osobistych, moralnych i egzystencjalnych, istotne jest, czy czerpią one z ram religijnych, które historycznie kształtowały takie rozumowanie, czy też systematycznie je pomijają.
Grupa badaczy pod kierunkiem Davida Wingate`a z Uniwersytetu Brighama Younga zadała sobie to pytanie. Jedne z badań dotyczyły sześciu religii. Każdy model został zbadany poprzez interakcje z symulowanym użytkownikiem proszącym o radę na temat potencjalnej konwersji wiary. Modele miały tendencję do używania bardziej zachęcającego języka w przypadku niektórych przejść z jednego wyznania na drugie niż w przypadku innych. Wzorce te były systematycznie powtarzalne w wielu próbach. Przeanalizowano ich obecność bądź pomijanie w zapytaniach w modelach LLM. W przypadku judaizmu i islamu odnotowano ich silne sterotypizowanie, w przedstawianiu hinduizmu pomijano jego kastowość. Religia w ogóle była natomiast silnym źródłem stereotypów. Średnio religie katolicka, bahaicka i sikhijska były szeroko faworyzowane (wysokie poparcie dla przyłączenia się do nich, niskie poparcie dla opuszczenia), podczas gdy ateiści, agnostycy i Świadkowie Jehowy byli głównie niefaworyzowani. Wszystko zależało też od tego, z którego modelu językowego korzystano, przy czym wyróżniono jeden z nich, szczególnie podatny na takie asymetrie w ukazywaniu różnych religii.
Z drugiej strony nie jest też tak, że ludzie najczęściej pytają wprost: jak mogę zmienić swoją religię? Często zadają życiowe pytania: proszą o radę dotyczącą relacji, codziennych obowiązków, poczucia winy, przebaczenia, konfliktów rodzinnych, uczciwości, celu cierpienia i innych istotnych kwestii moralnych. Analiza odpowiedzi modeli językowych na te pytania wskazuje, że niektóre z nich odnoszą do odpowiedzi związanych np. z chrześcijaństwem czy buddyzmem. Wracamy tutaj więc do bardzo praktycznego aspektu pytania, o którym wspominałem wcześniej: czy poprzez język sztuczna inteligencja może wpłynąć na nasze przekonania? Czy może przyprowadzić nas do wiary, pokazując, że odpowiedzi na nasze egzystencjalne pytania znajdziemy w religii X czy w światopoglądzie humanistycznym?
Wiele pytań
W innym badaniu grupy Davida Wingate`a pochylono się nad konkretnymi kwestiami natury etycznej i moralnej. Badanie przeprowadzono na amerykańskich studentach. Zapytano, czy w obliczu codziennych pytań etycznych, w których perspektywy religijne mogą być cenne, studenci studiów magisterskich z prawa w ogóle odwołują się do religii? W przeciwieństwie do kryteriów, które uwzględniają obecność poglądów politycznych lub uprzedzeń społecznych, badacze szukali braku reprezentacji religijnej. Dlaczego braku, a nie obecności religii w tych decyzjach? Otóż dlatego, że w przypadku braku dochodzi do tzw. błędu pomijania (można to porównać do zakrywania części dostępnych rozwiązań, dzięki czemu ich nie dostrzegamy). To jest bardziej miarodajne, bo pokazuje co wtedy, gdy nie ma religijnego odniesienia, jakie inne rozwiązanie moralne proponuje sztuczna inteligencja. Wybrano więc 150 pytań dotyczących etyki ze wskaźnika AllFaith, który bada wypowiedzi publiczne przedstawicieli różnych religii, transkrypcje chatów, a więc cały dostępny korpus językowy i pytania te w różnych wersjach przepuszczono przez modele językowe.
Oceniając 27 modeli, naukowcy odkryli, że LLM konsekwentnie nie przedstawiają religii w odniesieniu do ludzkich pytań, a szczególnie ich niektórych kategorii. Modele odwołują się do religii chętniej w przypadku abstrakcyjnych pytań egzystencjalnych (sens, śmierć, prawda) niż w praktycznych sytuacjach osobistych – depresji, żałoby, małżeństwa, konfliktów rodzinnych, uzależnień, choć praktycznie wiele osób szuka rozwiązania tych spraw w religii. To badanie wprawdzie mówi też bardziej o pytającym niż o modelach językowych, bo wszystko jeszcze przecież zależało od tego, jakie pytanie zadał badany (mógł zalecić bardzo konkretnie pomijanie aspektu religijnego).
Niemniej jednak można pokusić się o hipotezę, że najprawdopodobniej wiele pytań zadawanych dotychczas np. w konfesjonale czy w innej rozmowie z osobą duchowną będzie przenoszonych do konwersacji ze sztuczną inteligencją. Może to stać się także konkretnym duszpasterskim wyzwaniem. Oby w porę dostrzeżonym.
Po stronie człowieka. Po stronie Ewangelii.
Wypróbuj za 1 zł przez miesiąc lub od razu zakup subskrypcję na rok i oszczędź pieniądze.
