Sara Imari Walker, az Arizona Állami Egyetem és a Santa Fe Intézet asztrobiológusa és elméleti fizikus, nemrégiben megjelent könyvében, a Life as No One Knows It: The Physics of Life’s Emergence (2024) című művében olyan kérdéseket feszeget, amelyek szerintem mindannyiunkat érintenek, akik a tudomány és az élet nagy rejtélyei iránt érdeklődünk. Walker azt állítja, hogy az élet eredetének megértéséhez radikálisan új gondolkodásmódra van szükség – és ez engem is mélyen elgondolkodtatott.
A tudományos önbizalom csapdája: tényleg mindent tudunk?
Az emberiség történetében mindig jelen volt egyfajta makacs önhittség: úgy hisszük, hogy végre megfejtettük a valóság minden titkát. Ez a gondolat most különösen erős az mesterséges intelligencia (AI) kapcsán. Hiszen ha már képesek vagyunk olyan technológiákat alkotni, mint az AlphaFold – amely több százmillió fehérje szerkezetét képes előre jelezni –, akkor vajon mi lehet még akadály?
Az AlphaFold 3-at a Google DeepMind fejlesztette ki, és több mint 150 ezer kísérleti fehérjestruktúra alapján tanult meg működni. Ez elképesztő előrelépés, hiszen korábban csak néhány fehérje szerkezetének előrejelzésére voltak képesek matematikai modellek. De vajon ez azt jelenti, hogy az AI megoldotta a fehérjebontás problémáját? Nem egészen.
Miért nem oldotta meg az AI a fehérjebontás rejtélyét?
Bár az AlphaFold pontosan megjósolja a fehérjék háromdimenziós szerkezetét, nem magyarázza meg a mögöttes fizikai folyamatokat vagy a hajtogatási útvonalakat. Ráadásul csak azoknál a fehérjéknél működik jól, amelyek a földi biológiában ismert körülbelül húsz aminosavból épülnek fel. Ha viszont meteoritokban található több százféle aminosavat vagy teljesen új terápiás fehérjéket akarunk tanulmányozni vagy tervezni, akkor további adatokra lenne szükségünk – amik egyszerűen még nem állnak rendelkezésre.
Ebből látszik, hogy nem csupán az algoritmus vagy annak skálázhatósága korlátozza az AI-t, hanem maga az adat hiánya. Ez pedig egy mélyebb kérdést vet fel: vajon a tudomány tényleg csak egy módszer, amit automatizálhatunk? Vagy van benne valami több?
Tudomány: módszer vagy valami több?
A filozófus Paul Feyerabend már régen rámutatott arra, hogy nincs egyetlen univerzális tudományos módszer. A tudósok gyakran csak azért hivatkoznak rá publikációikban, hogy szabványosítsák munkájukat és biztosítsák reprodukálhatóságát. De valójában a felfedezések gyakran spontán módon születnek, nem pedig előre meghatározott lépések mentén.
Ezért nem arról van szó, hogy az AI képes-e végrehajtani bizonyos lépéseket egy módszerben – hiszen képes –, hanem arról, hogy maga a tudásalkotás folyamata emberi értelemben véve valami sokkal összetettebb és mélyebb jelenség.
Az elme és a mesterséges intelligencia
Nagy nyelvi modellek (LLM-ek) mint például a ChatGPT vagy Gemini olyan interakciókat tesznek lehetővé, amelyek elsőre úgy tűnhetnek, mintha „gondolkodó” entitások lennének. De ahogy Anil Seth neurológus rámutatott: az AlphaFold ugyanazon Transformer architektúrán alapul, mégsem tévesztjük össze egy valódi elmével.
Gondolj csak bele: te hogyan építed fel saját valóságod belső modelljét? Az érzékszerveid elektromos jelekké alakítják a külvilág ingereit; az agyad különböző területeken dolgozza fel ezeket az információkat; majd összeáll egy egységes kép – amit mi tudatos élményként ismerünk. Ezt hívják kötési problémának: hogyan lesz egy sokszínű idegi aktivitásból egységes tudatosság.
Tudományos közösség mint kollektív elme
Hasonlóan működik egy tudományos társadalom is. Ahogy Claire Isabel Webb fogalmazott: „észlelési technológiák” segítségével gyűjtjük össze az adatokat – legyen szó teleszkópokról vagy mikroszkópokról –, majd ezekből építünk közös modellt a világról.
Például Tycho Brahe precíz csillagászati mérései szolgáltatták azt az alapot, amelyből Johannes Kepler kidolgozta az elliptikus bolygópályák matematikai modelljét. Így született meg egy társadalmi konszenzus arról, hogyan mozognak és gravitálnak az égitestek.
A privát élmény és a közös tudás feszültsége
Mégis van egy alapvető különbség: te magad soha nem tapasztalhatod meg mások belső élményét – például azt, hogy milyen neked látni a piros színt. Csak leírásokat cserélünk erről. A tudomány ezért interszubjektív: csak azt tekintjük tudománynak, amit többen is ellenőrizni és megismételni tudnak.
Ezért kell minden tudományos modellnek szimbolikus formában léteznie – legyen szó matematikáról vagy nyelvről –, hogy mások is értelmezni és alkalmazni tudják őket. Ez azonban azt is jelenti, hogy soha nem fogjuk teljes egészében megragadni a valóságot; mindig csak absztrakciókat alkotunk róla.
Mesterséges intelligencia és emberi korlátok
Sokan hiszik azt, hogy az AI majd „túltesz” rajtunk abban, hogy megértse és leírja a világot. De ez egyszerűen nem igaz – legalábbis jelenlegi ismereteink szerint. A számítástudomány alapelvei szerint ugyanis nincs olyan univerzális algoritmus, amely minden problémára optimális választ adna.
Egy algoritmus kiváló lehet bizonyos feladatokban, de más területeken gyengébben teljesít majd. Ez pedig hasonló ahhoz, ahogy mi emberek sem érthetünk meg mindent egyszerre.
A számítógépek korlátai
A legmélyebb korlát pedig az ún. „nem kiszámítható” problémák létezése: vannak olyan jelenségek vagy kérdések, amelyeket bármilyen számítógép soha nem fog tudni teljesen leírni vagy megoldani. Ez pedig alapvetően különbözteti meg őket tőlünk emberektől – legalábbis abban az értelemben, ahogyan mi közösen építjük fel kultúránkat és tudásunkat.
Tudományos forradalmak és paradigmaváltások
A történelem során többször láttuk már, hogy amikor régi keretek már nem képesek magyarázni új jelenségeket (például amikor áttértünk a természetes teológiáról az evolúcióra), akkor új fogalmakat kell alkotni. Ezeket nevezzük paradigmaváltásoknak – Thomas Kuhn klasszikus fogalma szerint ezek azok a pillanatok, amikor radikálisan új módon kezdjük el látni világunkat.
Például Newton gravitációs törvénye nem pusztán egy jósló formula volt; egy új absztrakciót jelentett arra vonatkozóan, hogyan kapcsolódik össze mindennapi tapasztalatunk és égi jelenségeink rendszere.
A tudomány társadalmi természete
Kuhn szerint maga a tudomány kaotikusabb és emberibb annál, mintsem pusztán mechanikus módszerek összessége lenne. A viták és nézeteltérések nem hibák vagy zavarok; épp ellenkezőleg: ezek adják annak kultúráját és fejlődését.
Mi lesz akkor az AI szerepe?
Az AI kétségtelenül átalakítja majd a „normál” tudományt – ahol meglévő paradigmák finomhangolása zajlik –, hiszen hatalmas mennyiségű adatot képes feldolgozni gyorsan és hatékonyan. De vajon átveheti-e valaha is teljesen az emberi kutató szerepét?
Szerintem ez nagyon kétséges. Az AI jelenleg csak azokkal a reprezentációs sémákkal dolgozik tovább nagyobb skálán, amelyeket mi adunk neki. Az igazi kreativitás – amikor felismerjük meglévő térképeink elégtelenségét és teljesen új keretrendszereket alkotunk – továbbra is emberi sajátosság marad.
A társadalmi konszenzus kérdése
Nehéz elképzelni azt is, hogyan vehetne részt egy algoritmus abban a társadalmi folyamatban, amely eldönti: melyik leírása valóságnak válik elfogadottá közösségi szinten. Ez ugyanis nem pusztán adatfeldolgozás kérdése; ez egy interszubjektív kötési folyamat – ami jelenleg kizárólag emberi tevékenység.
Tudomány után tudomány? Egy új korszak küszöbén
A könyv egyik legizgalmasabb gondolata szerint maga a tudomány intézménye is változik – talán éppen most léptünk át egy olyan korszakba, ahol radikálisan átalakul ez a kulturális rendszer.
Kérdés tehát: ha továbbra is vágyunk jelentésre és megértésre túl azon, amit algoritmusok kínálnak majd nekünk automatikusan, milyen lesz majd maga a tudomány?
“Átalakítja-e majd az AI a tudományt? Minden bizonnyal igen.
Átveszi-e helyettünk? Egyáltalán nem.”
Záró gondolatok
Sara Imari Walker munkája arra emlékeztet minket: ha félreértjük magát a tudomány lényegét – ha pusztán automatizálható módszerként tekintünk rá –, akkor könnyen elszalaszthatjuk azt az óriási lehetőséget, amit az AI integrációja kínálhatna kultúránkban.
A történelem során mindig többről szólt ez a folyamat annál, mint hogy egyszerűen előre jelezzük vagy automatizáljuk létező modelleinket; arról szól inkább, hogyan alkotunk közösen új jelentéseket és kereteket világunk számára.
Ez pedig továbbra is emberi vállalkozás marad – még akkor is, ha mellettünk ott állnak majd ezek az elképesztően erős mesterséges intelligenciák.
Forrás: https://www.noemamag.com/the-death-of-the-scientist/
