Inferencjalizm może wzmocnić krytyczne myślenie i AI

Inferencjalizm, czyli system logiki wprowadzony do nauki sztucznej inteligencji może zostać wykorzystany do dokładniejszej nauki modeli.

Współczesna rzeczywistość wymusza na nas nowe podejście do zrozumienia logiki i znaczenia języka. Sztywne struktury, które kiedyś uważaliśmy za niepodważalne, pękają pod naporem zmieniających się realiów. Takie pojęcia jak płeć, narodowość czy religia nie mieszczą się już w ciasnych szufladkach języka XX wieku. Dodatkowo, rozwój sztucznej inteligencji (AI) zmusza nas do lepszego zrozumienia relacji między słowami, znaczeniem i rozumowaniem. Odpowiedzią na te wyzwania może być nowy system logiki – inferencjalizm.

Przez ostatnie dwa tysiąclecia logika, stanowiąca podstawę nauki, inżynierii i technologii, opierała się na przekonaniu, że znaczenie słów wynika z tego, do czego się odnoszą. Przyjmuje się, że w uniwersum istnieją abstrakcyjne kategorie obiektów, takie jak „lis” czy „kobieta”, a prawdziwość zdań definiowana jest na podstawie faktów dotyczących tych kategorii.

Rozważmy przykładowe zdanie: „Tammy jest lisicą”. Według tradycyjnej logiki oznacza to, że istnieje kategoria stworzeń nazwanych „lisicami”, a „Tammy” odnosi się do jednego z nich. Z punktu widzenia logiki zdanie to jest prawdziwe, tylko jeśli „Tammy” rzeczywiście jest lisicą. Jednakże, jeśli Tammy identyfikuje się jako lisica, lecz biologicznie nią nie jest, tradycyjna logika uzna to zdanie za fałszywe.

Konsekwencje logiczne w tej tradycyjnej logice wynikają jedynie z faktów o prawdziwości, a nie z procesu rozumowania. Dane podejście nie jest w stanie rozróżnić, na przykład, między równaniami 4=4. a 4=((2 x 5² ) -10)/10, mimo że obie równania są prawdziwe, ale wyraźnie widzimy różnicę w ich formie i złożoności. Skoro nasza teoria logiki nie może tego rozpoznać, jakie mamy szanse na nauczenie AI bardziej subtelnego myślenia?

Korzenie nowego podejścia do logiki można śledzić do radykalnej filozofii Ludwiga Wittgensteina. W swojej książce „Dociekania filozoficzne” z 1953 roku, Wittgenstein napisał: „Dla dużej klasy przypadków użycia słowa 'znaczenie’-choć nie dla wszystkich-to słowo można wyjaśnić w ten sposób: znaczenie słowa jest jego użyciem w języku”. Oznacza to, że znaczenie jest bardziej zależne od kontekstu i funkcji niż od sztywnych definicji.

W latach 90. XX wieku amerykański filozof Robert Brandom dopracował to pojęcie, uznając „użycie” za „zachowanie inferencyjne”. To podejście stanowi podstawę inferencjalizmu.

Załóżmy, że przyjaciel lub ciekawe dziecko pyta nas, co znaczy zdanie „Tammy jest lisicą”. Prawdopodobnie nie zaczniemy tłumaczyć kategorii obiektów. Raczej powiemy, że oznacza to, że „Tammy jest samicą lisa”. Bardziej precyzyjnie, możemy wyjaśnić, że z faktu, że Tammy jest lisicą, możemy wnioskować, że jest samicą i że jest lisem. To jest właśnie podejście inferencjalne do znaczenia – rozumiemy, że znaczenie wynika z bogatej sieci relacji między elementami naszego języka.

Inferencjalizm w Praktyce

Inferencjalizm to nie tylko ciekawa teoria, ale także podejście, które można zastosować w praktyce. W latach 80. XX wieku niemiecki logik Peter Schroeder-Heister nadał nazwę dziedzinie opartej na inferencjalizmie — „semantyka dowodowa”. W skrócie, semantyka dowodowa to inferencjalizm uczyniony konkretnym. Choć wyniki badań w dziedzinie są techniczne, rewolucjonizują one nasze rozumienie logiki i stanowią duży krok naprzód w rozumieniu ludzkiego i maszynowego rozumowania oraz dyskursu.

Modele językowe, takie jak duże modele językowe (LLM), opierają się na zgadywaniu następnego słowa w zdaniu, opierając się na wzorcach mowy i długim programie treningowym opartym na metodzie prób i błędów. W efekcie modele te często „halucynują”, konstruując zdania, które są logicznie bezsensowne.

Dzięki zastosowaniu inferencjalizmu możemy dać modelom językowym pewne rozumienie słów, których używają. Na przykład, model może halucynować historyczny fakt: „Traktat wersalski został podpisany w 1945 roku między Niemcami, a Francją po II wojnie światowej”. Brzmi to rozsądnie, ale model, posiadając inferencyjne rozumienie, mógłby zrozumieć, że Traktat Wersalski był po I wojnie światowej, w 1918 roku, a nie po II wojnie i w 1945.

Inferencjalizm może okazać się pomocny również w kontekście krytycznego myślenia i polityki. Dzięki odpowiedniemu rozumieniu konsekwencji logicznych możemy automatycznie wychwytywać i katalogować bezsensowne argumenty w gazetach i debatach. Na przykład, polityk może powiedzieć: „Plan mojego przeciwnika jest okropny, ponieważ ma on historię podejmowania złych decyzji”. System wyposażony w odpowiednie rozumienie logicznych konsekwencji mógłby wychwycić, że choć prawdą może być, że przeciwnik ma historię złych decyzji, to nie przedstawiono żadnego uzasadnienia dla tego, co jest złego w jego obecnym planie.

Szymon Ślubowski