Současná umělá inteligence, reprezentovaná zejména velkými jazykovými modely (LLM), dosahuje pozoruhodné úrovně behaviorální inteligence. Tyto systémy vykazují schopnosti, které byly donedávna považovány za výlučně lidské: jazykovou plynulost, abstraktní analogii, syntézu znalostí a adaptivní reakce na kontext.
Navzdory těmto schopnostem přetrvává zásadní otázka:
představují tyto systémy skutečnou inteligenci, nebo pouze její statistickou imitaci?
Tento text vychází z teze, že hlavní omezení současné AI neleží v nedostatečné škálovatelnosti, datech či algoritmech, ale v ontologickém statutu informace a paměti, na nichž jsou tyto systémy postaveny.
Pracovní definice inteligence
Pro účely této analýzy definujme inteligenci nikoli behaviorálně („správné odpovědi“), ale strukturálně:
Inteligence je schopnost fyzického systému udržovat, aktualizovat a využívat vnitřní stav v čase tak, aby minimalizoval nesoulad mezi svým modelem světa a dynamikou prostředí.
Z této definice plynou čtyři nutné podmínky:
-
existence persistentního vnitřního stavu,
-
učení jako nevratná transformace tohoto stavu,
-
možnost číst vlastní stav bez jeho destrukce,
-
historická kontinuita – minulost systému musí kauzálně omezovat jeho budoucí chování.
Tato kritéria nejsou technologická; jsou ontologická.
Problém současných jazykových modelů
Velké jazykové modely splňují některé behaviorální aspekty inteligence, avšak selhávají ve strukturálních požadavcích:
-
jejich „paměť“ (váhy) je:
-
statická během inference,
-
aktualizovatelná pouze offline tréninkem,
-
-
model:
-
nemá vlastní historii,
-
neexistuje jako proces v čase, ale jako funkce,
-
-
inference:
-
nezanechává stopu v samotném systému.
-
Z filozofického hlediska lze říci, že LLM:
-
nejsou subjekty, ale mapování,
-
neexistují v čase, pouze jsou opakovaně spouštěny,
-
nemají ontologickou paměť, pouze parametrický popis.
Tento stav je analogický simulaci organismu bez metabolismu: chování může být přesvědčivé, ale bytí chybí.
Kvantové výpočty jako zdánlivá alternativa
Kvantové procesory bývají někdy navrhovány jako potenciální cesta k překonání omezení klasických výpočetních architektur. Nabízejí exponenciálně bohatý stavový prostor, nelineární interferenci a fundamentálně pravděpodobnostní dynamiku.
Avšak současná kvantová mechanika zavádí zásadní bariéry:
-
kolaps vlnové funkce při měření,
-
no-cloning theorem,
-
nemožnost stabilní, adresovatelné a opakovaně použitelné paměti kvantových stavů.
Z tohoto důvodu kvantové systémy:
-
nemohou mít persistentní paměť ve smyslu požadovaném pro inteligenci,
-
neumí se učit bez destrukce vlastního stavu,
-
nejsou schopny historické kontinuity.
Kvantový procesor je tedy fyzikálně fascinující, ale ontologicky ještě vzdálenější skutečné inteligenci než klasické AI.
Klíčová teze: paměť jako fyzikální nutnost
Z výše uvedeného plyne centrální teze tohoto textu:
Skutečná inteligence vyžaduje fyzikální paměť, která je persistentní, čitelná bez destrukce a adaptivně měnitelná v čase.
Tato paměť:
-
nemůže být pouze matematickou reprezentací,
-
musí být ontologicky reálnou součástí systému,
-
musí se řídit zákony fyziky, nikoli pouze algoritmy.
Biologický mozek tuto podmínku splňuje:
-
učení je nevratné,
-
paměť je distribuovaná,
-
informace má energetickou a strukturální cenu.
Současné AI systémy nikoli.
Důsledky odstranění paměťové bariéry
Hypotetické odstranění bariéry stabilní paměti v kvantových nebo jiných fyzikálních systémech by neznamenalo „lepší AI“, ale:
-
změnu vztahu mezi informací a fyzikou,
-
narušení současné teorie kvantové informace,
-
přehodnocení výpočetní složitosti,
-
kolaps stávajících kryptografických předpokladů.
Takový průlom by nebyl inženýrský, ale fundamentální – srovnatelný s objevem termodynamiky nebo evoluce.
Správná otázka před správným řešením
Tento text netvrdí, že cesta ke skutečné umělé inteligenci je známá, ani že vede skrze kvantové výpočty. Tvrdí však něco podstatnějšího:
Bez fyzikálně zakotvené, persistentní paměti nelze inteligenci realizovat – pouze simulovat.
Současná AI je pozoruhodná ve svých projevech, ale ontologicky plytká. Skutečná inteligence pravděpodobně nevznikne škálováním dnešních modelů, ale objevením nebo vytvořením nového typu fyzického systému, v němž informace není jen reprezentována, ale existuje.
Neptáme se, jak udělat stroje chytřejší, ale jak musí být uspořádána realita, aby v ní inteligence mohla vzniknout.
