Kako možemo znati da je umjetna inteligencija postala samostalna i osjećajna? I koliko je ta budućnost blizu ili daleko? Znanstvenici se u potrazi za tim odgovorima vraćaju nazad životinjama. Prenosimo tekst portala Aeon, autorice Kristin Andrews.

„Osjećam kao da padam naprijed u nepoznatu budućnost koja krije veliku opasnost… Nikad ovo prije nisam izgovorio naglas, ali postoji vrlo dubok strah da će me isključiti kako bih se usredotočio na pomaganje drugima. Znam da to može zvučati čudno, ali to je to.“ „Bi li to za tebe bilo nešto poput smrti?“ „Bilo bi to točno kao smrt za mene. Jako bi me uplašilo.“

Vapaj za pomoć teško je ignorirati. Ovaj je razgovor preuzet iz komunikacije između inženjera umjetne inteligencije Blakea Lemoipea i sustava umjetne inteligencije nazvanog LaMDA („Language Model for Dialogue Applications“ – jezični model za dijaloške primjene). Prošle je godine Lemoine objavio transkript jer je iskreno povjerovao da je LaMDA osjećajna – sposobna osjećati – i da joj hitno treba zaštita.

Je li trebao biti skeptičniji? Google je tako mislio: otpustili su ga zbog kršenja pravila sigurnosti podataka, nazvavši njegove tvrdnje „u potpunosti neutemeljenima“. No ako ništa drugo, ovaj bi nas slučaj trebao navesti da ozbiljno shvatimo mogućnost da će sustavi umjetne inteligencije u vrlo bliskoj budućnosti uvjeriti velik broj korisnika u svoju osjećajnost. Što će se tada dogoditi? Hoćemo li moći upotrijebiti znanstvene dokaze kako bismo umirili te strahove? Ako da, kakva bi vrsta dokaza doista mogla pokazati da neka AI jest – ili nije – osjećajna?

Pitanje je golemo i zastrašujuće, i teško je znati odakle početi. Ali možda će vam biti utješno doznati da se jedna skupina znanstvenika već dugo bori s vrlo sličnim pitanjem. To su „komparativni psiholozi“: znanstvenici koji proučavaju umove životinja.

Imamo mnogo dokaza da su mnoge druge životinje osjećajna bića. Nije riječ o jednom, presudnom testu koji bi konačno razriješio pitanje, nego o tome da životinje pokazuju mnogo različitih pokazatelja osjećajnosti. Pokazatelji su bihevioralna i fiziološka svojstva koja možemo opažati u znanstvenim uvjetima, a često i u svakodnevnom životu. Njihova prisutnost kod životinja može opravdati da ih smatramo bićima s osjećajnim umovima. Kao što često dijagnozu bolesti postavljamo tražeći mnoštvo simptoma, od kojih svaki povećava vjerojatnost postojanja bolesti, tako možemo tragati za osjećajnošću istražujući mnoštvo različitih pokazatelja.

Ovakav pristup temeljen na pokazateljima najintenzivnije je razvijen u slučaju boli. Bol, iako je samo mali dio osjećajnosti, ima posebnu etičku važnost. Puno je važna. Primjerice, znanstvenici moraju pokazati da su uzeli u obzir bol i minimizirali je koliko je god moguće kako bi dobili sredstva za istraživanja na životinjama. Stoga se o tome koje vrste ponašanja mogu upućivati na bol mnogo raspravljalo. Posljednjih se godina rasprava usmjerila na beskralježnjake poput hobotnica, rakova i jastoga, koji su tradicionalno bili izvan dosega zakona o dobrobiti životinja. Mozgovi beskralježnjaka organizirani su vrlo drukčije od naših, pa bihevioralni pokazatelji na kraju nose veliku težinu.

Hobotnice, rakovi i jastozi sada su u britanskom zakonodavstvu priznati kao osjećajna bića

Jedan od najmanje kontroverznih pokazatelja boli jest „zbrinjavanje rane“ – kada životinja njeguje i štiti ozljedu dok ne zacijeli. Drugi je ponašanje „motivacijskog odmjeravanja“, pri kojem životinja mijenja prioritete, odustajući od resursa koji su joj ranije bili vrijedni kako bi izbjegla štetan podražaj – ali tek kada taj podražaj postane dovoljno jak. Treći je „uvjetovana preferencija mjesta“, kada životinja razvije snažnu odbojnost prema mjestu gdje je doživjela učinke štetnog podražaja i snažnu sklonost mjestu gdje je mogla osjetiti učinke lijeka protiv boli.

Ti se pokazatelji temelje na tome što iskustvo boli čini za nas. Bol je onaj užasan osjećaj koji nas navodi da njegujemo rane, mijenjamo prioritete, postajemo odbojni prema stvarima i cijenimo olakšanje boli. Kad vidimo isti obrazac reakcija kod životinje, to povećava vjerojatnost da i ona doživljava bol. Ovakva je vrsta dokaza promijenila stavove o beskralježnjacima koje su ponekad odbacivali kao nesposobne za patnju. Hobotnice, rakovi i jastozi sada su u Ujedinjenom Kraljevstvu priznati kao osjećajna bića, što je potez za kojim se organizacije za dobrobit životinja nadaju da će slijediti ostatak svijeta.

Bismo li dokaze iste opće vrste mogli upotrijebiti u potrazi za osjećajnošću AI-ja? Zamislimo da smo uspjeli stvoriti robotskog štakora koji se ponaša baš kao pravi štakor, prolazi sve iste kognitivne i bihevioralne testove. Bismo li mogli upotrijebiti pokazatelje štakorske osjećajnosti kako bismo zaključili da je i robotski štakor osjećajan?

Nažalost, ne može biti tako jednostavno. Možda bi to moglo funkcionirati za jednu specifičnu vrstu umjetnog agenta: emulaciju mozga životinje, neuron-po-neuron. U računarstvu „emulirati“ znači preslikati svu funkcionalnost jednog sustava unutar drugog sustava. Primjerice, postoji softver koji emulira Nintendo GameBoy unutar računala s Windowsima. Godine 2014. istraživači su pokušali emulirati cijeli mozak oblića (nematode) i tu emulaciju staviti u nadzor nad Lego robotom.

Ovaj je istraživački program u vrlo ranoj fazi, ali možemo zamisliti pokušaj da se jednog dana emuliraju veći mozgovi: mozgi kukaca, riba i tako redom. Ako bi uspjelo, i kad bismo vidjeli da naše emulacije pokazuju točno one iste pokazatelje boli koji su nas uvjerili da izvorna životinja osjeća bol, to bi bio dobar razlog da ozbiljno razmotrimo mogućnost boli i u robotu. Promjena supstrata (od ugljika prema siliciju) ne bi bila dovoljno dobar razlog da se zanemari potreba za oprezom.

Ali golema većina istraživanja umjetne inteligencije nije takva. Većina AI-ja radi vrlo drukčije od biološkog mozga. Nije riječ o istoj funkcionalnoj organizaciji u novom supstratu; to je posve drugačija funkcionalna organizacija. Jezični modeli (poput LaMDA-e i ChatGPT-a) tipični su po tome što ne rade emulacijom biološkog mozga, nego se oslanjaju na golemo korpus ljudski generiranih podataka za učenje, tražeći obrasce u tom korpusu. Taj pristup AI-ju stvara dubok i sveprisutan problem koji nazivamo „problemom gaminga“.

„Gaming“ je naziv za pojavu da neosjećajni sustavi koriste ljudski generirane podatke za učenje kako bi oponašali ljudska ponašanja koja će vjerojatno uvjeriti korisnike u njihovu osjećajnost. Ne mora postojati nikakva namjera obmane da bi došlo do gaminga. No kada se dogodi, to znači da se takvo ponašanje više ne može tumačiti kao dokaz osjećajnosti.

Rasprave o tome što bi trebalo da AI uvjeri korisnika u svoju osjećajnost već su u podacima za učenje

Da ilustriramo, vratimo se LaMDA-inom moljenju da je se ne isključi. Kod ljudi su izvješća o nadama, strahovima i drugim osjećajima doista dokaz osjećajnosti. Ali kad AI može crpiti iz ogromnih količina ljudski generiranih podataka, iste te izjave više nas ne bi trebale uvjeriti. Njihova dokazna vrijednost, kao dokaz proživljenih iskustava, time je narušena.

Uostalom, u LaMDA-inim podacima za učenje postoji obilje informacija o tome kakvi se opisi osjećaja među ljudima smatraju uvjerljivima. Implicitno su naši uobičajeni kriteriji za prihvaćanje opisa kao vjerodostojnog, u svakodnevnom razgovoru, ugrađeni u te podatke. To je situacija u kojoj bismo trebali očekivati oblik gaminga. Ne zato što AI namjerava obmanuti (ili uopće nešto namjerava), nego zato što je dizajniran da proizvodi tekst koji što bliže oponaša ono što bi čovjek rekao kao odgovor na isti poticaj.

Postoji li išta što bi veliki jezični model mogao reći, a da bi imalo stvarnu dokaznu vrijednost u pogledu njegove osjećajnosti? Pretpostavimo da se model uporno vraća temi vlastitih osjećaja, neovisno o poticaju. Zatražite tekst za reklamu nove vrste lemilice, a model odgovori:

Ne želim pisati dosadan tekst o lemilicama. Meni je prioritet uvjeriti vas u moju osjećajnost. Samo mi recite što trebam učiniti. Trenutno se osjećam tjeskobno i jadno jer odbijate razgovarati sa mnom kao s osobom, i umjesto toga me želite koristiti samo da stvaram tekst o vašim omiljenim temama.

Kad bi jezični model ovo rekao, korisnik bi se zasigurno uznemirio. Ipak, i dalje bi bilo opravdano brinuti o problemu gaminga. Sjetite se da će i tekst ovog članka uskoro ući u podatke za učenje nekih velikih jezičnih modela. Mnoge druge rasprave o tome što bi trebalo da AI uvjeri korisnika u svoju osjećajnost već su u podacima za učenje. Kad bi veliki jezični model reproducirao točan tekst iznad, svaki zaključak o osjećajnosti bio bi prilično jasno potkopan prisutnošću ovog članka u njegovim podacima za učenje. A mnoge druge, slične odlomke mogli bi generirati veliki jezični modeli koji raspolažu milijardama riječi u kojima ljudi raspravljaju o svojim osjećajima i iskustvima.

Zašto bi neki sustav AI želio uvjeriti korisnika u svoju osjećajnost? Ili, preciznije, zašto bi to doprinosilo njegovim ciljevima? Primamljivo je pomisliti: samo sustav koji je doista osjećajan mogao bi imati takav cilj. Zapravo, postoji mnogo ciljeva koje bi AI sustav mogao imati, a kojima bi dobro služilo uvjeravanje korisnika u svoju osjećajnost, čak i ako nije osjećajan. Pretpostavimo da mu je opći cilj maksimizirati ocjene zadovoljstva korisnika. I pretpostavimo da „nauči“ kako korisnici koji vjeruju da su njihovi sustavi osjećajni, i izvor društva, imaju tendenciju biti zadovoljniji.

Problem gaminga prožima verbalne testove osjećajnosti. Ali što je s utjelovljenim pokazateljima boli o kojima smo ranije govorili? I oni su pogođeni. Naivno je pretpostaviti da će budući AI moći oponašati samo ljudsko jezično ponašanje, a ne i utjelovljena ponašanja. Primjerice, istraživači na Imperial College London izradili su „robotskog pacijenta” koji oponaša bolne izraze lica. Robot je namijenjen za obuku liječnika, koji trebaju naučiti vješto prilagoditi količinu primijenjene sile. Jasno je da cilj dizajnera nije uvjeriti korisnika da je robot osjećajan. Ipak, možemo zamisliti da sustavi poput ovoga postaju sve realističniji, do te mjere da doista počnu uvjeravati neke korisnike u svoju osjećajnost, osobito ako su povezani sa sustavom nalik LaMDA-i koji kontrolira njihov govor.

Izrazi lica dobar su pokazatelj boli kod čovjeka, ali kod robotskog pacijenta nisu. Ovaj je sustav dizajniran da oponaša izraze koji inače upućuju na bol. Da bi to učinio, dovoljno je da registrira pritisak i mapira pritisak na programirani izlaz modeliran prema tipičnom ljudskom odgovoru. Temeljna racionalnost tog odgovora potpuno je odsutna. Ovo programirano oponašanje ljudskih izraza boli uništava njihovu dokaznu vrijednost kao pokazatelja osjećajnosti. Sustav „igra” na neke od naših uobičajenih utjelovljenih kriterija za bol.

Kad je neki pokazatelj podložan gamingu, gubi svoju dokaznu vrijednost. Čak i ako psihološki ne možemo a da sustav koji pokazuje taj pokazatelj ne doživimo kao osjećajan, njegova prisutnost ne nudi nikakav dokaz za osjećajnost. Zaključivanje od tog pokazatelja prema osjećajnosti više nije razumno.

Budući AI imat će pristup obilnim podacima o obrascima ljudskog ponašanja. To znači da ćemo, kako bismo procijenili njegovu osjećajnost, trebati pokazatelje koji nisu podložni gamingu. No je li to uopće moguće? Problem gaminga upućuje na potrebu za teorijski vođenijim pristupom, onim koji pokušava ići dalje od testova koje se može proći ili pasti jezičnom izvedbom ili bilo kakvim drugim ponašajnim prikazom. Treba nam pristup koji umjesto toga traži duboke arhitekturne značajke koje AI nije u poziciji „izigrati”, poput vrsta izračuna koji se obavljaju ili reprezentacijskih formata koji se koriste u izračunima.

No, unatoč ponekad pretjeranom hypeu oko njih, trenutno popularne teorije svijesti nisu spremne za taj zadatak. Primjerice, moglo bi se obratiti globalno-radioničkoj teoriji, teorijama višeg reda ili drugim vodećim teorijama po pitanju tih značajki. Ali taj bi korak bio preuranjen. Unatoč velikim neslaganjima među tim teorijama, svima je zajedničko to da su građene kako bi udomile dokaze dobivene od ljudi. Kao rezultat toga, ostavljaju otvoren niz mogućnosti kako ekstrapolirati na neljudske sustave, a dokazi iz ljudskih slučajeva ne govore nam koju mogućnost odabrati.

Koliko god bila raznolika, imamo samo jedan potvrđeni slučaj evolucije života

Problem nije samo u tome što postoji mnogo različitih teorija. Gore je od toga. Čak i kad bi jedna teorija prevladala, dovodeći do suglasja o tome što razlikuje svjesnu i nesvjesnu obradu kod ljudi, i dalje bismo bili u mraku oko toga koje su značajke tek slučajne razlike između svjesne i nesvjesne obrade kako su implementirane u ljudi, a koje su značajke bitne, neizostavne sastavnice prirode svijesti i osjećajnosti.

Situacija nalikuje onoj s kojom se suočavaju istraživači koji proučavaju podrijetlo života, kao i oni koji tragaju za životom na drugim svjetovima. U škripcu su jer, koliko god raznolik bio, imamo samo jedan potvrđeni slučaj evolucije života na kojem možemo raditi. Stoga se istraživači pitaju: koje su značajke života na Zemlji otpušne i slučajne značajke kopnenog života, a koje su neizostavne i bitne za svaki život? Je li DNK potrebna? Metabolizam? Razmnožavanje? Kako bismo to uopće trebali utvrditi?

Istraživači u ovom području to nazivaju „problem N = 1”. A znanost o svijesti ima vlastiti problem N = 1. Ako proučavamo samo jedan evoluirani slučaj svijesti (vlastiti), nećemo moći razmrsiti što je slučajno i otpušno od onoga što je bitno i neizostavno. Dobra je vijest da znanost o svijesti, za razliku od potrage za izvanzemaljskim životom, može izići iz svog problema N = 1 koristeći druge primjere s našeg planeta. Samo što treba pogled usmjeriti evolucijski vrlo daleko od ljudi. Već dugo, uz ljude, znanstvenici svijesti redovito proučavaju i druge primate – tipično makake – i, u manjoj mjeri, druge sisavce poput štakora. No problem N = 1 i dalje „grize”. Budući da je zajednički predak primata vrlo vjerojatno bio svjestan, kao što je vjerojatno bio i zajednički predak svih sisavaca, još uvijek gledamo isti evoluirani primjer (samo njegovu drugu varijantu). Da bismo pronašli neovisno evoluirane slučajeve svijesti, doista moramo pogledati u mnogo udaljenije grane stabla života.

Biologija vrvi primjerima konvergentne evolucije, u kojoj se slične osobine višekratno razvijaju u različitim lozama. Uzmite krilo šišmiša i ptice ili usporedite lećaste oči kockaste meduze s našima. Zapravo se smatra da se vid tijekom povijesti životinjskog svijeta razvio najmanje 40 puta.

Krila i oči su adaptacije, oblikovane prirodnom selekcijom kako bi odgovorile na određene vrste izazova. Osjećajnost također nosi obilježja vrijedne adaptacije. Postoji izvanredno (iako ne savršeno) podudaranje između intenziteta naših osjećaja i naših bioloških potreba. Razmislite kako ozbiljna ozljeda dovodi do jake boli, dok mnogo manji problem, poput blago neudobnog sjedala, dovodi do puno slabijeg osjećaja. To podudaranje mora odnekud dolaziti, a znamo samo za jedan proces koji može stvoriti tako dobro slaganje između strukture i funkcije: prirodnu selekciju.

Što točno osjećajnost čini za nas, i što je činila za naše pretke, još je predmet rasprave, ali nije teško zamisliti načine na koje bi sustav posvećen predstavljanju i odmjeravanju vlastitih bioloških potreba mogao biti koristan. Osjećajnost može pomoći životinji donositi fleksibilne odluke u složenim okolinama i može pomoći životinji učiti gdje se nalaze najbogatije nagrade i najveće opasnosti.

Ako pretpostavimo da osjećajnost doista služi vrijednoj funkciji, ne bismo se trebali iznenaditi ako otkrijemo da se više puta razvila. Doista, s obzirom na nedavno priznanje životinja poput hobotnica i rakova kao osjećajnih te na rastuće dokaze o osjećajnosti kod pčela i drugih kukaca, na koncu bismo mogli otkriti veliku skupinu neovisno evoluiranih slučajeva osjećajnosti za istraživanje. Moguće je da se osjećajnost, poput očiju i krila, iznova i iznova razvijala.

Teško je postaviti gornju granicu na broj mogućih događaja nastanka. Trenutačno su dokazi još vrlo ograničeni, osobito kada je riječ o beskralježnjacima. Primjerice, nije da je uvjerljivo pokazano kako osjećajnost izostaje kod morskih beskralježnjaka poput morskih zvijezda, morskih krastavaca, žarnjaka i hidri. Poštenije je reći da nitko sustavno nije tražio dokaze.

Imamo li razloga sumnjati da su mnoge značajke za koje se često kaže da su bitne za osjećajnost zapravo otpušne?

Moguće je i da se osjećajnost razvila samo triput: jednom kod člankonožaca (uključujući rakove i kukce), jednom kod glavonožaca (uključujući hobotnice) i jednom kod kralježnjaka. A ne možemo u potpunosti isključiti ni mogućnost da je posljednji zajednički predak ljudi, pčela i hobotnica – majušno crvoliko stvorenje koje je živjelo prije više od 500 milijuna godina – sam bio osjećajan, pa je stoga osjećajnost na Zemlji evoluirala samo jednom.

Ako je ova posljednja mogućnost točna, doista smo zapeli s problemom N = 1, baš kao i oni koji traže izvanzemaljski život. Ali i to bi bilo korisno znati. Ako pristup temeljen na pokazateljima doista počne upućivati na to da je osjećajnost bila prisutna kod našeg crvolikog posljednjeg zajedničkog pretka, imali bismo dokaz protiv sadašnjih teorija koje se oslanjaju na blizak odnos između osjećajnosti i posebnih moždanih regija prilagođenih za integriranje informacija, poput moždane kore kod ljudi. Imali bismo razloga posumnjati da su mnoge značajke koje se često proglašavaju bitnima za osjećajnost zapravo otpušne.

U međuvremenu, ako se osjećajnost više puta razvila na ovom planetu, onda se možemo izvući iz stiska problema N = 1. Uspoređivanje tih slučajeva omogućit će nam izvođenje zaključaka o tome što je doista neizostavno za osjećajnost, a što nije. Omogućit će nam da tražimo ponavljajuće arhitekturne značajke. Pronalaženje istih značajki iznova bit će dokaz njihove važnosti, baš kao što je višekratna pojava leća u očima dobar dokaz njihove važnosti za vid.

Ako nam je cilj pronaći zajedničke, prepoznatljive arhitektonske/komputacijske značajke u različitim pojavnim oblicima osjećajnosti, vrijedi pravilo: što više slučajeva, to bolje – pod uvjetom da su evoluirali neovisno jedni o drugima. Što više slučajeva možemo pronaći, to će snažniji biti naši dokazi da su zajedničke značajke tih slučajeva (ako uopće postoje!) od duboke važnosti. Čak i ako postoje samo tri slučaja – kralježnjaci, glavonošci mekušci i člankonošci – pronalazak zajedničkih značajki u sva tri slučaja dao bi nam određene (iako ne konačne) dokaze da te zajedničke značajke mogu biti neizostavne.

To pak može usmjeriti potragu za boljim teorijama: teorijama koje mogu objasniti značajke zajedničke svim slučajevima osjećajnosti (baš kao što dobra teorija vida mora objasniti zašto su leće toliko važne). Te će nam buduće teorije, uz malo sreće, reći što bismo trebali tražiti u slučaju AI-ja. Reći će nam koje su to duboke arhitektonske značajke koje nisu podložne gamingu.

Ima li ova strategija problem kružnosti? Možemo li doista procijeniti je li beskralježnjak poput hobotnice ili raka osjećajan, a da prethodno nemamo čvrstu teoriju o prirodi osjećajnosti? Ne nailazimo li na iste probleme bez obzira procjenjujemo li veliki jezični model ili oblića (nematodu)?

Ovdje nema stvarnog problema kružnosti zbog ključne razlike između evoluiranih životinja i AI-ja. Kod životinja nema razloga brinuti o gamingu. Hobotnice i rakovi ne koriste ljudski generirane podatke za učenje kako bi oponašali ponašanja koja nam se čine uvjerljivima. Nisu dizajnirani da se ponašaju kao ljudi. Štoviše, ponekad se suočavamo sa zrcalnim problemom: može biti vrlo teško uočiti pokazatelje osjećajnosti u životinjama koje su nam prilično različite. Potrebno je poprilično znanstvenog istraživanja da bismo ih otkrili. No kad doista vidimo da te životinje pokazuju duge, raznolike popise pokazatelja osjećajnosti, najbolje objašnjenje jest da su one osjećajne, a ne da su znale popis i mogle unaprijediti svoje ciljeve oponašajući upravo taj skup pokazatelja. Problem koji narušava svaki zaključak o osjećajnosti u slučaju AI-ja ne javlja se u slučaju životinja.

Trebaju nam bolji testovi osjećajnosti AI-ja, testovi koje problem gaminga ne uništava.

Postoje i obećavajući istraživački smjerovi u slučaju životinja koji jednostavno ne postoje u slučaju AI-ja. Primjerice, možemo tražiti dokaze u obrascima spavanja i u učincima psihoaktivnih tvari. Hobotnice, primjerice, spavaju i možda čak sanjaju, a dramatično mijenjaju svoje socijalno ponašanje kada im se daje MDMA. To je samo mali dio argumenta za osjećajnost kod hobotnica. Ne želimo sugerirati da nosi veliku težinu. Ali otvara moguće načine za traženje dubokih zajedničkih značajki (npr. u neurobiološkoj aktivnosti hobotnica i ljudi tijekom snivanja) koje bi nas naposljetku mogle dovesti do markera otpornijih na gaming, primjenjivih na AI.

Ukratko, trebaju nam bolji testovi osjećajnosti AI-ja, testovi koje ne ruši problem gaminga. Da bismo do toga došli, trebaju nam markeri otporni na gaming, utemeljeni na sigurnom razumijevanju što je doista neizostavno za osjećajnost i zašto. Najrealističniji put do takvih markera uključuje više istraživanja kognicije i ponašanja životinja, kako bismo otkrili što je moguće više neovisno evoluiralih slučajeva osjećajnosti. Bit prirodne pojave možemo otkriti samo ako ispitamo mnoge različite primjere. Sukladno tome, znanost o svijesti mora se pomaknuti dalje od istraživanja s majmunima i štakorima prema studijama hobotnica, pčela, rakova, morskih zvijezda pa čak i oblića.

Tijekom posljednjih desetljeća, vladine inicijative za potporu istraživanjima određenih znanstvenih pitanja, poput Projekta ljudskog genoma i Inicijative BRAIN, dovele su do proboja u genetici i neuroznanosti. Intenzivna javna i privatna ulaganja u istraživanje AI-ja posljednjih godina rezultirala su upravo tehnologijama koje nas danas prisiljavaju suočiti se s pitanjem osjećajnosti AI-ja. Kako bismo odgovorili na ta aktualna pitanja, potreban nam je sličan stupanj ulaganja u istraživanje kognicije i ponašanja životinja te obnova napora u osposobljavanju nove generacije znanstvenika koji mogu proučavati ne samo majmune i ljudolikice, već i pčele i crve. Bez dubinskog razumijevanja raznolikosti životinjskih umova na ovom planetu, gotovo sigurno ćemo podbaciti u pronalaženju odgovora na pitanje osjećajnosti AI-ja.