تفکر ماشینی در هوش مصنوعی یکی از مهم‌ترین مباحث موجود در این زمینه است. در نیمه نخست قرن ۲۰ میلادی، فیلم‌های علمی و تخیلی جهان را با مفهوم هوش مصنوعی و روبات‌ها آشنا کردند. این موضوع با شخصیت مرد حلبی به نام “بی قلب” در جادوگر شهر آز شروع شد و با فیلم “متروپولیس” که روبات انسان نمای آن ماریا نام داشت، ادامه یافت.
با فرا رسیدن سال ۱۹۵۰، ما نسلی از دانشمندان، ریاضی‌دانان و فلاسفه را داشتیم که به لحاظ فرهنگی با مفهوم هوش مصنوعی آشنا بودند. یکی از این افراد، آلن تورینگ نام داشت. این دانشمند انگلیسی امکان‌پذیری هوش مصنوعی با استفاده از ریاضیات را کشف کرد. تورینگ معتقد بود انسان‌ها با استفاده از منطق خود و اطلاعاتی که در دست دارند می‌توانند مشکلات را حل کنند و تصمیم بگیرند. بنابراین چرا ماشین‌ها نتوانند همچین کاری کنند؟
این ایده، موضوع اصلی مقاله وی در سال ۱۹۵۰ بود. از این رو تحقیق در زمینه تفکر ماشینی آغاز شد. وی نیز در این مقاله که “ماشین آلات محاسبه و هوش” نام داشت، نحوه ساخت ماشین‌های هوشمند و چگونگی آزمون هوش آنها را مورد بحث قرار داد.
تفکر ماشینی از رویا تا واقعیت
متاسفانه صحبت کردن در مورد تفکر ماشینی در هوش مصنوعی راحت تر از عمل کردن بود. چه چیزی باعث شد تا تورینگ همان زمان به دنبال ایده‌های خود نرود؟ نخست اینکه رایانه‌ها می‌بایست به طور اساسی تغییر می‌کردند.
پیش از سال ۱۹۴۹ میلادی، رایانه‌ها فاقد یک پیش‌نیاز اصلی بودند. و آن این بود که آنها نمی‌توانستند دستورات را در خود ذخیره کنند. تنها می‌توانستند آنها را اجرا کنند. به بیان دیگر، شما می‌توانستید به کامپیوتر بگویید چه کاری انجام دهد اما آنها نمی‌توانستند کاری که انجام داده‌اند را به خاطر بیاورند.
مانع بعدی، هزینه گزاف محاسبات بود. در اوایل سال ۱۹۵۰، هزینه نگهداری یک کامپیوتر به ۲۰۰ هزار دلار در ماه می‌رسید. تنها برخی از دانشگاه‌ها و کمپانی‌های بزرگ تکنولوژی می‌توانستند از پس چنین هزینه‌هایی برآیند. از این رو دنبال کردن رویای تفکر ماشینی نیازمند اطلاع رسانی وسیع و حمایت مالی از سوی افراد سرشناس بود.
کنفرانسی که سرآغاز حرکت برای تفکر ماشینی بود!
۵ سال بعد، آلن نیوول، کلیف شاو و هربرت سایمون با استفاده از برنامه “نظریه پرداز منطقی” اثبات مفهوم خود را ارائه کردند. “نظریه‌پرداز منطقی” یک برنامه کامپیوتری بود که مهارت‌های “حل مساله” انسان را تقلید می‌کرد. هزینه ساخت این برنامه توسط شرکت RAND صورت گرفت.
بسیاری معتقدند که “نظریه‌پرداز منطقی” اولین برنامه هوش مصنوعی بود. این برنامه در پروژه تحقیقاتی تابستانی دارتموث در مورد هوش مصنوعی که به میزبانی جان مک‌کارتی و ماروین مینسکی در سال ۱۹۵۶ برگزار شد، معرفی گردید. در این کنفرانس تاریخی، مک‌کارتی بسیاری از محققین برجسته حوزه‌های مختلف علمی را دعوت کرد تا بتوانند با بحث و گفتگو در مورد هوش مصنوعی، به یک فهم و همکاری مشترک بی‌نظیر دست پیدا کنند.
واژه هوش مصنوعی برای اولین بار در همین کنفرانس استفاده شد. متاسفانه این کنفرانس انتظارات مک‌کارتی را برآورده نکرد. افراد آمدند و رفتند و به هیچ تفاهمی در زمینه روش استاندارد در این حوزه نرسیدند. با این وجود، همه آن افراد در یک مورد به طور کامل اشتراک نظر داشتند. و آن این بود که هوش مصنوعی قابل دستیابی است. اهمیت این کنفرانس را هیچگاه نباید نادیده گرفت. این کنفرانس تاریخی نقطه شروعی برای ۲۰ سال تحقیق بر روی هوش مصنوعی شد.
موفقیت‌ها و شکست‌های هوش مصنوعی
هوش مصنوعی بین سال‌های ۱۹۵۷ تا ۱۹۷۴ به شکوفایی رسید. رایانه‌ها می‌توانستند اطلاعات بیشتری را در خود ذخیره کنند و رفته رفته سریع‌تر و ارزان‌تر شده و بیش از هر زمان دیگری در دسترس همگان بودند.
الگوریتم‌های یادگیری ماشینی پیشرفت کردند و مهارت مردم در زمینه استفاده از این الگوریتم‌ها برای حل بهتر مشکلات، افزایش پیدا کرد. برنامه “مشکل‌گشای عمومی” نیوول و سایمون و همچنین “الیزا” که توسط جوزف وایزنبام طراحی شده بودند، نمونه‌های اولیه از هوش مصنوعی محسوب می‌شدند که نوید آینده روشنی از حل مسائل و تفسیر زبان توسط رایانه‌ها میداد.
تلاش‌های مستمر محققین برجسته و موفقیت‌هایی که در این زمینه کسب کردند، آژانس‌های دولتی مانند “آژانس پروژه‌های تحقیقاتی پیشرفته‌ی دفاعی” (DARPA) را ترغیب کرد تا هزینه تحقیقات مربوط به هوش مصنوعی در چندین موسسه را بر عهده بگیرد.
در وهله نخست دولت به ماشینی علاقه‌مند بود که بتواند گفتار را ترجمه کرده و به نوشتار تبدیل کرده و توان بالایی در پردازش داده‌ها داشته باشد. همگی خوشبین بودند و سطح توقعات در بالاترین حد بود. در سال ۱۹۷۰ ماروین مینسکی در گفتگو با «مجله زندگی» گفت:
بین ۳ تا ۸ سال آینده ما ماشینی با هوشی شبیه به یک انسان خواهیم داشت.
هرچند اصول و روش‌ها مشخص بود، با این حال مسیر بسیار طولانی تا رسیدن به پردازش گفتار انسانی، تفکر انتزاعی و خودآگاهی مانده بود.
پس از طی کردن موانع اولیه در زمینه تفکر ماشینی، مشخص شد هوش مصنوعی همچنان با کوهی از مشکلات روبه روست. بزرگترین مشکل فقدان قدرت بالای محاسبات برای انجام امور فرعی بود.
به زبان ساده‌تر، رایانه‌ها نمی‌توانستند حجم بالای اطلاعات را ذخیره کنند یا داده‌ها را با سرعت بالا پردازش کنند. به عنوان مثال، وقتی کسی می‌خواهد با دیگران ارتباط برقرار کند می‌بایست معنی واژگان را بلد باشد و بتواند ترکیب واژگان مختلف با یکدیگر را درک کند.
هانس موراوک یکی از دانشجویان مک‌کارتی در مقطع دکتری بود. او گفت:
کامپیوترها برای اینکه بتوانند ذره‌ای هوش از خود نشان دهند، باید میلیون‌ها بار قوی‌تر شوند.
طاقت افراد سر آمده بود و حمایت‌های مالی کاهش پیدا کرد. تحقیقات برای ۱۰ سال با سرعت کمتری پیش رفت.
در دهه ۸۰ میلادی، هوش مصنوعی به خاطر دو عامل دوباره جان گرفت:
- پیشرفت ابزار الگوریتمی
- افزایش پشتیبانی مالی.
جان هاپفیلد و دیوید روملهارت فنون یادگیری عمیق را معرفی و رواج دادند. “یادگیری عمیق” به کامپیوترها این امکان را میداد که از تجربه‌های خود بیاموزند. از سویی دیگر، ادوارد فایگنبام “سیستم‌های خبره” را معرفی کرد که فرآیند تصمیم‌گیری یک فرد متخصص را تقلید می‌کرد. نحوه کار این برنامه برای تفکر ماشینی بدین صورت بود که از یک متخصص در یک زمینه خاص سوال می‌پرسید و پس از یادگیری آن، می‌توانست در هر شرایطی به طور مجازی به افراد غیرمتخصص پیشنهاد ارائه کند.
از این سیستم‌ها به طور گسترده در صنایع گوناگون استفاده شد. دولت ژاپن با به‌راه‌اندازی پروژه “نسل پنجم کامپیوترها”، مبالغ سنگینی را صرف این سیستم‌ها و دیگر پروژه‌های مربوط به هوش مصنوعی کرد.
بین سال‌های ۱۹۸۲ تا ۱۹۹۰ آنها ۴۰۰ میلیون دلار صرف تحول در زمینه پردازش کامپیوترها، توسعه برنامه‌نویسی مبتنی بر منطق و بهبود هوش مصنوعی کردند. متاسفانه، بسیاری از این اهداف بلندپروازانه محقق نشدند. با این وجود، می‌توان گفت که اثرات غیرمستقیم “پروژه نسل پنجم کامپیوترها” باعث انگیزه بخشیدن به نسلی جوان و مستعد از مهندسین و دانشمندان شد. با این وجود، حمایت‌های مالی از این پروژه متوقف شد و هوش مصنوعی بار دیگر از کانون توجه خارج شد.
نکته جالب این است که هوش مصنوعی بدون حمایت دولت و به دور از هیجانات عمومی، مسیر رشد خود را ادامه داد. بین سال‌های ۱۹۹۰ تا ۲۰۰۰ بسیاری از اهداف اصلی که از هوش مصنوعی انتظار می‌رفت، برآورده شد. در سال ۱۹۹۷، استاد و قهرمان جهانی شطرنج گری کاسپاروف از “دیپ بلو” که یک برنامه شطرنج ساخت IBM بود، شکست خورد.
نتیجه این مسابقه شطرنج به گوش افراد بسیاری در سراسر جهان رسید. چرا که این اولین باری بود که یک قهرمان جهانی شطرنج از یک رایانه شکست خورده بود. این موضوع قدمی بسیار بزرگ در راستای تصمیم‌گیری هوش مصنوعی به حساب می‌آمد.
در همان سال، نرم‌افزار تشخیص گفتار که توسط “دراگون سیستمز” طراحی شده بود، در سیستم‌عامل ویندوز گنجانده شد. این دومین قدم بزرگ در جهت پیشرفت تفکر ماشینی بود. این بار نوبت پیشرفت در زمینه “یادگیری زبان گفتاری” بود.
آن طور که به نظر می‌رسید، هیچ گره‌ای وجود نداشت که به دست ماشین‌ها نتوان باز کرد. “کیزمت” ربات ساخت “سینتیا بریزل” با شناسایی و نمایش احساسات به همگان ثابت کرد که احساسات انسانی نیز آنطور که تصور می‌شود آنقدرها برای هوش مصنوعی دشوار نیست.
زمان همه چیز را درست می‌کند
ما انسان‌ها که در زمینه کدنویسی برای هوش مصنوعی آنقدرها تغییر نکرده‌ایم. پس چه چیزی در این میان دستخوش تغییر شده است؟ مسئله اینجاست که که محدودیت‌های اساسی مربوط به فضای ذخیره‌سازی کامپیوترها که ۳۰ سال پیش مانع پیشرفت ما بود، دیگر وجود ندارند.
طبق قانون مور، برآورد می‌شود که حافظه و سرعت کامپیوترها هر ساله ۲ برابر می‌شود. امروزه ظرفیت حافظه و سرعت پردازش رایانه‌ها از سطح نیاز ما پیشی گرفته است. دقیقا به همین خاطر است که “دیپ بلو” در سال ۱۹۹۷ توانست گری کاسپاروف را در شطرنج شکست دهد.
نمونه دیگر “آلفا گو” ساخت گوگل است که چندین ماه پیش توانست “که جیه” قهرمان چینی بازی “گو” را شکست دهد. حالا دلیل این فراز و نشیب‌ها در تحقیقات هوش مصنوعی چیست؟ دلیلش آن است که ما توانایی‌ها و قابلیت‌های هوش مصنوعی را تا حد قدرت محاسبات کامپیوترهایمان (منظور ظرفیت حافظه و سرعت پردازش است.) افزایش می‌دهیم و سپس مجددا منتظر می‌مانیم تا طبق “قانون مور” قدرت محاسبات رایانه‌ها افزایش یابد.
هوش مصنوعی در همه جا
امروزه ما در عصر “داده‌های عظیم” زندگی می‌‌کنیم. عصری که قادریم حجم بسیار عظیمی از اطلاعات را که هیچ انسانی قادر به پردازشش نیست، جمع آوری کنیم. هوش مصنوعی در این زمینه بسیار موفق بوده و در صنایعی همچون فناوری، بانکداری، بازاریابی و سرگرمی کارآیی خودش را به اثبات رسانده است.
همانطور که قبلا دیده‌ایم، حتی اگر الگوریتم‌ها پیشرفت چندانی نکنند، داده‌های عظیم و قدرت محاسباتی بالا خواه ناخواه موجبات یادگیری هوش مصنوعی را فراهم می‌کنند. طبق شواهد موجود، شاید گاهی اوقات از سرعتی که قانون مور پیش بینی کرده کاسته شده باشد، اما افزایش مداوم حجم داده‌ها هیچگاه متوقف نشده است. پیشرفت‌هایی که در زمینه علم کامپیوتر، ریاضیات و عصب شناسی حاصل شده، همگی پتانسیل آن را دارند که حتی از سقف تعریف شده توسط قانون مور پیشی بگیرند.
آینده تفکر ماشینی و هوش مصنوعی
با تمام این تفاسیر، چه چیزی در انتظار آینده است؟ زبان هوش مصنوعی موضوعی مهم در آینده نزدیک است. در واقع، همین حالا در حال کار کردن بر روی آن هستیم. به شخصه آخرین باری که با یک شرکت تماس گرفتم و مستقیما با یک انسان صحبت کرده‌ام را به خاطر نمی‌آورم. امروزه حتی ماشین ها هستند که با ما تماس می‌گیرند. امروزه می‌توان با سیستم‌های متخصص راجع به موضوعات دیگر صحبت کرد یا حتی آنها می‌توانند دو زبان مختلف را در آن واحد به طور زنده ترجمه کنند.
در بدبینانه‌ترین حالت، تا ۲۰ سال آینده اتومبیل‌های خودران و بدون راننده را سطح خیابان‌ها و جاده‌ها خواهیم دید. هدف آینده‌های دورتر، هوش عمومی است. این یعنی ماشین‌ها در زمینه توانایی‌های ذهنی در تمامی امور از انسان‌ها پیشی خواهند گرفت. روبات‌های انسان‌نما که قبلا درفیلم‌ها می‌دیدیم در همین دسته جای می‌گیرند.
از نظر من رسیدن به چنین چیزی تا ۵۰ سال آینده غیرقابل تصور است. حتی اگر ظرفیت و قابلیت‌های آن موجود باشد، مسائل اخلاقی همچنان مانع مهمی به شمار می‌روند. وقتی زمانش فرا برسد، باید در مورد قوانین و مسائل اخلاقی مربوط به ماشین‌ها، بحث و گفتگویی جدی میان انسان‌ها صورت بگیرد. اما فعلا باید اجازه دهیم هوش مصنوعی با سرعتی ملایم پیشرفت کرده و رفته رفته جایگاه خودش را در جامعه پیدا کند.
تایم‌لاین هوش مصنوعی
۱۹۳۸- ۱۹۴۶: عصر طلایی فیلم‌های علمی تخیلی
۱۹۴۹: اختراع منچستر مارک ۱ یعنی اولین رایانه که قابلیت اجرای یک برنامه ذخیره شده را داشت.
۱۹۵۰: آلن تورینگ با این ایده که آیا ماشین‌های قادر به فکر کردن هستند؟
۱۹۵۵: نظریه پردازان منطقی که جزو اختراع اولین برنامه هوش مصنوعی است.
۱۹۵۶: پروژه تحقیقاتی تابستانی دارتموث در مورد هوش مصنوعی
۱۹۶۳: حمایت مالی آژانس پروژه‌های تحقیقاتی پیشرفته‌ی دفاعی از هوش مصنوعی در موسسه فناوری ماساچوست
۱۹۶۵: قانون مور
۱۹۶۸: آرتور کلارک و استیو کوبریک به این نتیجه دست یافتند که تا سال ۲۰۰۱ ماشین‌هایی ابداع خواهند شد که به لحاظ هوش همسطح انسان‌ها یا پیشرفته‌تر خواهند بود.
۱۹۷۰: مینسکی که معقد بود بین ۳ تا ۸ سال آینده ماشین‌هایی با هوش عمومی در سطح هوش انسان خواهیم داشت.
۱۹۸۰: معرفی سیستم‌های متخصص توسط ادوارد فایگنبام
۱۹۸۲: معرفی پروژه نسل پنجم کامپیوترها توسط کشور ژاپن
۱۹۸۶: ساخت اولین خودروی خودکار به نام “نولب” توسط کارنگی ملون.
۱۹۹۷: شکست گری کاسپاروف از کامپیوتر “دیپ بلو” و اولین نرم‌افزار تشخیص گفتار توسط دراگون سیستمز طراحی و در اختیار عموم قرار گرفت.
