Чи замислювалися ви коли-небудь, чому навіть найсучасніші мовні моделі іноді поводяться як неймовірно ерудовані, але водночас абсолютно безглузді співрозмовники? Вони можуть миттєво написати складний програмний код або скласти бездоганний сонет, але легко плутають найпростіші життєві ситуації та базову логіку. Відповідь на це питання криється в одному фундаментальному припущенні, яке людство сліпо прийняло на віру ще на світанку комп’ютерної ери. Наприкінці липня 2026 року у видавництві Chapman and Hall/CRC виходить друком надзвичайно глибока праця на 146 сторінок відомого американського вченого Пітера Дж. Деннінга “Turing’s Mistake: Escaping the Yoke of Unintelligent Machines” (електронна версія стане доступною вже 27 липня, а паперова – 28 липня). Автор переконливо стверджує, що сучасна помилка Алана Тюрінга, закладена ще у 1950 році, досі веде всю індустрію розробки штучного інтелекту хибним шляхом, змушуючи нас гнатися за красивою, але недосяжною ілюзією.
Повідомляє T4 з посиланням на sciencedaily.com.
Комп-науковець проти легендарного тесту: у чому помилка Алана Тюрінга
Свого часу видатний математик Алан Тюрінг сформулював два ключові постулати, які визначили вектор розвитку цифрових технологій на наступні десятиліття. Перший полягає в тому, що інтелект може існувати окремо від фізичного тіла й бути відтвореним у комп’ютерному софті. Другий – що машина вважається розумною, якщо вона здатна успішно імітувати людину в текстовому діалозі, відомому як тест Тюрінга. Проте Пітер Деннінг, чиє ім’я вписане в історію комп’ютерних наук завдяки винаходу “моделі робочої множини” для віртуальної пам’яті, що свого часу вирішила проблему критичного перевантаження операційних систем, дивиться на речі значно реалістичніше. Він переконаний, що покірна згода суспільства з цими тезами призвела до тієї плутанини та хаосу навколо нейромереж, які ми спостерігаємо сьогодні. Справжній розум не живе у чистому вакуумі бітів і байтів – він нерозривно пов’язаний з тілесністю, дією та реальним світом.
Неможлива місія: п’ять бар’єрів неявного знання
У центрі критики Деннінга стоїть концепція неявного знання (tacit knowledge). Це той колосальний обсяг людського розуміння життя, який практично неможливо адекватно описати словами або представити у формі, яку здатні обробити обчислювальні машини. Вчений чітко визначає всі п’ять сфер людського досвіду, які штучний інтелект ніколи не зможе засвоїти через свою безтілесну природу. До цього списку належать здоровий глузд, повсякденна взаємодія з іншими людьми та середовищем, почуття і сприйняття, практичні навички виконання дій, а також глибока соціальна та історична культура. Усі ці пласти знань базуються на фізичному існуванні в реальному світі, де кожен з нас взаємодіє з гравітацією, відчуває втому та зчитує мікроскопічні соціальні ритуали.
На підтвердження своєї теорії автор наводить надзвичайно промовистий історичний приклад – проєкт Cyc під керівництвом Дугласа Лената. Започаткований ще в далекому 1984 році, цей грандіозний проєкт мав на меті вручну закодувати весь людський здоровий глузд у базу даних. За 40 років безперервної праці кількох поколінь дослідників ця база накопичила понад 25 мільйонів фактів та логічних правил. Проте цього гігантського масиву все одно виявилося недостатньо, щоб зробити експертні системи хоч трохи автономними чи по-справжньому розумними поза вузькими технічними межами. Практика показала, що більшість знань, які роблять людину фахівцем або просто адекватною істотою, неможливо сформулювати у вигляді чітких логічних тверджень.
Чому ШІ знає “що”, але ніколи не дізнається “як”
Для глибшого розуміння цієї прірви Деннінг пропонує розділити інформацію на дві категорії: “know-what” (знати що) та “know-how” (знати як). Перша категорія – це описи результатів, теорія, формули та правила. Це легко перетворити на цифровий код і зберегти в пам’яті сервера. Натомість “know-how” – це тілесне, практичне знання безпосереднього виконання дій. Жоден скрипаль-віртуоз, як би сильно він не намагався, не зможе передати учневі словами мікрорухи своїх рук, відчуття інструменту та ту унікальну емоційну мить, коли народжується мистецтво. Комп’ютерна наука досі не має жодного уявлення, як закодувати це втілене знання. Великі мовні моделі на кшталт ChatGPT, Claude чи Gemini лише віртуозно маніпулюють словами, копіюючи форму, але вони не розуміють значення того, що говорять, бо за кожним символом стоїть глибокий колодязь фізичного досвіду, недоступного для програми.
Реальна загроза: агентні мережі та нова сингулярність автоматизації
Поки фантасти залякують нас повстанням надрозумного сильного штучного інтелекту, реальна небезпека підкрадається з зовсім іншого боку. Деннінг закликає звернути увагу на стрімке поширення так званих “агентних мереж ШІ” (AI agentic networks). Це взаємопов’язані ланцюжки автономних програм, які вже сьогодні ухвалюють рішення в бізнесі, фінансах та логістиці. Вони не мають людського розуму чи свідомості, носячи характер специфічного машинного інтелекту. Головна проблема в тому, що ці обмежені алгоритми починають диктувати свої правила гри, змушуючи людей підлаштовувати життєві та робочі процеси під спрощені машинні стандарти, руйнуючи живі соціальні зв’язки.
Вчений застерігає, що людство наближається до критичної межі, яку він називає “сингулярністю автоматизації ШІ” (AI automation singularity). Це точка, за якою дедалі більш автономні системи почнуть еволюціонувати у спосіб, який творці не зможуть ні передбачити, ні контролювати. Оскільки машини позбавлені здорового глузду і не здатні розуміти неписаний контекст людських намірів, безпечне співіснування з такими мережами стає колосальним викликом. Вони просто позбавлені механізму емпатії чи розуміння наших потреб, адже між людським досвідом та цифровими алгоритмами лежить неперехідна прірва.
Поширені питання про межі можливостей штучного інтелекту
- Що таке неявне знання та чому воно недоступне для ШІ? Це сукупність знань, які людина має, але не може повністю висловити словами чи записати у вигляді формул. Сюди належать інтуїція, розпізнавання тонкого соціального контексту, гумору та фізичні навички, які здобуваються лише через життєву практику та взаємодію тіла з середовищем.
- Чому масштабний проєкт штучного інтелекту Cyc зазнав невдачі? Попри 40 років безперервної роботи та мільйони внесених правил, база даних Cyc так і не змогла наділити комп’ютер базовим здоровим глуздом. Це довело, що людський досвід неможливо звести до простого переліку фактів та описів.
- У чому різниця між знаннями “know-what” та “know-how” для ШІ? “Know-what” – це теоретична інформація та описи процесів, які легко оцифрувати та зберегти в пам’яті машини. “Know-how” – це безпосередня майстерність виконання дії, яка базується на м’язовій пам’яті, емоціях та фізичній практиці, яку комп’ютер не здатний відтворити через відсутність біологічного тіла.
- Яку загрозу несуть агентні мережі штучного інтелекту? Ці мережі складаються з автономних алгоритмів, які діють без людського нагляду. Вони створюють примітивний машинний інтелект, який змушує суспільство підлаштовуватися під жорсткі рамки коду, що може призвести до непередбачуваних системних збоїв у критичних сферах життя.
Щоб уникнути цього цифрового ярма, Пітер Деннінг пропонує розпочати з переосмислення нашої власної природи. Нам варто припинити ставитися до себе як до біологічних комп’ютерів. Натомість потрібно розвивати та оберігати суто людські здібності, які штучний інтелект ніколи не зможе опанувати – щиру турботу (care), глибоке розуміння (understanding) та взаємну повагу (respect). Лише повернувши фокус уваги на те, що робить нас унікальними, ми зможемо збудувати безпечне майбутнє поруч із машинами. Чи готові ми захищати свою людяність, чи й далі добровільно спрощуватимемо власне мислення до рівня алгоритмів?
Підписуйся на наш Telegram-канал