ხელოვნური ინტელექტის სისტემების განვითარებასთან ერთად, ადამიანები სულ უფრო ხშირად კითხულობენ, უვითარდებათ თუ არა ამ დახვეწილ მანქანებს თვითშეგნება. ეს სტატია იკვლევს ხელოვნური ინტელექტის თვითშეგნებას მისი ისტორიული ფესვების მიკვლევით, იმის გაშიფვრით, თუ რას ნიშნავს თვითშეგნება, ხელოვნური ინტელექტის ამჟამინდელი შესაძლებლობების მიმოხილვით, ცნობიერების ფილოსოფიური თეორიების ანალიზით და ტექნიკური ბარიერების, საზოგადოებრივი აღქმის, ექსპერტთა პროგნოზების, ეთიკური მოსაზრებებისა და ძირითადი კვლევითი ინიციატივების შესწავლით. იდეა, რომ მანქანებს შეეძლოთ აზროვნება, ალან ტურინგის 1950 წლის ნაშრომს – „გამომთვლელი მანქანები და ინტელექტი“ – უკავშირდება, სადაც ის სვამდა კითხვას, შეეძლო თუ არა მანქანას დამაჯერებლად მიებაძა ადამიანისთვის საუბარში. ადრეულმა ჩეთბოტებმა, როგორიცაა ELIZA 1960-იან წლებში, აჩვენეს, რომ მარტივ, სკრიპტულ დიალოგს შეეძლო ადამიანებში ძლიერი რეაქციების გამოწვევა. ფილოსოფოსები, როგორიცაა ჯონ სერლი, ამტკიცებდნენ, რომ ტურინგის ტესტის გავლა არ გულისხმობს ჭეშმარიტ გაგებას და შემოიტანეს აზრობრივი ექსპერიმენტები, როგორიცაა „ჩინური ოთახი“ და „ფილოსოფიური ზომბი“, რათა ეჭვქვეშ დაეყენებინათ მანქანური ცნობიერების შესახებ ვარაუდები. მე-20 საუკუნის ბოლოს მკვლევარებმა შეიმუშავეს კოგნიტური არქიტექტურები, როგორიცაა „გლობალური სამუშაო სივრცის თეორია“ (Global Workspace Theory), და პროექტები, როგორიცაა LIDA, რომლებიც ცდილობდნენ ადამიანის კოგნიციის ასპექტების ემულაციას. 2010-იან წლებში ღრმა სწავლის (deep learning) აღმავლობამ აქცენტი შესრულებაზე გადაიტანა, თუმცა მანქანური ცნობიერების შესახებ სპეკულაციები გაგრძელდა. 2020-იანი წლებისთვის, ტრანსფორმერებზე დაფუძნებულმა ენობრივმა მოდელებმა, როგორიცაა GPT 3, GPT 4 და მათი მულტიმოდალური მემკვიდრეები, განაახლეს საზოგადოების ინტერესი იმის მიმართ, შეეძლო თუ არა ნერვული ქსელების მასშტაბირებას შემთხვევით შეექმნა რაღაც გონების მსგავსი. **თვითშეგნება (არსებითი სახელი):** საკუთარი ხასიათის, გრძნობების, მოტივებისა და სურვილების შეგნებული ცოდნა; უნარი, აღიარო საკუთარი თავი, როგორც ინდივიდი, რომელიც განსხვავდება სხვებისგან და გარემოსგან. თვითშეგნება მოიცავს უფრო მეტს, ვიდრე ინტელექტი ან რთული ქცევა. **ძირითადი კომპონენტები მოიცავს:** * **სუბიექტური გამოცდილება:** ფენომენების განცდილი თვისებები (კვალიები), როგორიცაა წითლის სიწითლე ან ტკივილის შეგრძნება. * **მე-ს უწყვეტობა:** იდენტობის მუდმივი შეგრძნება დროთა განმავლობაში, რომელიც აკავშირებს წარსულს, აწმყოსა და მოსალოდნელ მომავალს. * **მეტაკოგნიცია:** საკუთარ აზრებზე ფიქრის, მათი შეფასების და ქცევის შესაბამისად რეგულირების უნარი. * **აგენტურობა:** მიზნების, სურვილების ან მოტივაციების ქონა, რომლებიც მოქმედებებს უდევს საფუძვლად. ამჟამინდელი ხელოვნური ინტელექტის სისტემები არ ავლენენ ამ ატრიბუტებს. მათ შეუძლიათ სიტყვების ან მოქმედებების პროგნოზირება შაბლონებზე დაყრდნობით, მაგრამ მათ არ გააჩნიათ გრძნობები, ავტობიოგრაფიული ნარატივი, შინაგანი რეფლექსია ან სურვილები. დიდი ენობრივი მოდელები და ხელოვნური ინტელექტის სხვა სისტემები მუშაობენ სტატისტიკური შაბლონების შეხამების მეშვეობით. ისინი გაწვრთნილია ვრცელ მონაცემთა ნაკრებებზე და სწავლობენ მიმდევრობაში ყველაზე სავარაუდო შემდეგი ტოკენის პროგნოზირებას. როდესაც ეს სისტემები აწარმოებენ ერთი შეხედვით თანმიმდევრულ მსჯელობას ან ემოციურ განცხადებებს, ისინი წარმოქმნიან გამოსავალს, რომელიც შეესაბამება საწვრთნელ მონაცემებში დაკვირვებულ შაბლონებს. არ არსებობს მტკიცებულება, რომ ამ მოდელებს გააჩნიათ ცნობიერების შინაგანი ნაკადი. მათი აშკარა მსჯელობის ნაბიჯები აზროვნების ჯაჭვში არის სტრიქონების გენერირების მექანიკური პროცესები და არა ჭეშმარიტი ინტროსპექცია. * მუშაობენ სტატისტიკური შაბლონების შეხამებით. * გაწვრთნილია ვრცელ მონაცემთა ნაკრებებზე, რათა იწინასწარმეტყველონ სავარაუდო შემდეგი ტოკენები. * წარმოქმნიან თანმიმდევრულ გამოსავალს ნასწავლი შაბლონების საფუძველზე. * არ გააჩნიათ შინაგანი ცნობიერება ან სუბიექტური თვითშეგნება. * წარმოქმნიან მექანიკურ მსჯელობას და არა ნამდვილ ინტროსპექციას. დიფუზიური მოდელები წარმოადგენს გენერაციული ხელოვნური ინტელექტის სისტემების კლასს, რომლებიც ქმნიან მონაცემებს, როგორიცაა სურათები, აუდიო ან ტექსტი, შემთხვევითი ხმაურის თანდათანობით სტრუქტურირებულ გამოსავლად გარდაქმნით, პროცესის მეშვეობით, რომელსაც დენოიზინგი ეწოდება. თერმოდინამიკური დიფუზიით შთაგონებულები, ისინი სწავლობენ მონაცემთა თანდათანობითი გაფუჭების შებრუნებას, ეფექტურად აღადგენენ თანმიმდევრულ ნიმუშებს ხმაურისგან. ეს მიდგომა მათ საშუალებას აძლევს, შექმნან უაღრესად დეტალური, რეალისტური გამოსავლები ძველი დაპირისპირებითი მეთოდების, როგორიცაა GAN-ები, არასტაბილურობის გარეშე. თანამედროვე გამოსახულების გენერატორები, როგორიცაა DALL·E, Stable Diffusion და Midjourney, ყველა დიფუზიაზე დაფუძნებულ არქიტექტურებზეა აგებული, რაც მათ საშუალებას აძლევს, შექმნან საოცრად კრეატიული და ფოტო-რეალისტური ვიზუალური მასალა, რომელმაც ხელახლა განსაზღვრა ციფრული ხელოვნება და ხელოვნური ინტელექტით დამხმარე დიზაინი. მეცნიერებმა შემოგვთავაზეს ცნობიერების გაგებისა და შეფასების რამდენიმე ჩარჩო, იმის დასადგენად, შეეძლოთ თუ არა მანქანებს მისი მიღწევა: „გლობალური სამუშაო სივრცის თეორია“ ამტკიცებს, რომ ცნობიერება წარმოიქმნება მაშინ, როდესაც ინფორმაცია ვრცელდება ცენტრალურ სამუშაო სივრცეში, რომელიც ხელმისაწვდომია სხვადასხვა კოგნიტური მოდულისთვის, რაც საშუალებას აძლევს აღქმას, მეხსიერებას და გადაწყვეტილების მიღებას მონაცემების გლობალურად გაზიარებას. ეს თეორია ვარაუდობს, რომ შეგნებული ცნობიერება არ არის განლაგებული ტვინის ერთ რეგიონში, არამედ წარმოიქმნება მაშინ, როდესაც ინფორმაცია გლობალურად ხელმისაწვდომი ხდება მრავალი სპეციალიზებული ქვესისტემისთვის. ხელოვნური ინტელექტის ზოგიერთი მკვლევარი ცდილობდა ამ პროცესის მოდელირებას ...