شبكه اطلاع‌رساني روابط‌عمومي يران (شارا)-|| اين روزها علوم كامپيوترى، به‌ويژه هوش مصنوعي، حسابى مى‌درخشد. روزى نمي‌گذرد مگر اينكه رسانه‌ها با اشتياق فراوان خبر از شگفتى جديدى درباره‌ي ماشين‌هاى هوشمند ندهند. پيشگامان اين حوزه قدر ديده‌اند و ظاهراً از منزلت و جايگاهى بهره‌مندند كه كمتر كسى از دانشگاهيان از آن برخوردار بوده است. منابع مالى گزافى به سمت هوش مصنوعى سرازير مى‌شود و امپراتورى‌هاى فناوري جديد در برابر ديدگان ما در حال شكل‌گيرى است.
در سال 2014 يك شركت بريتانيايى به نام ديپ‌مايند (DeepMind) كه نه محصول چشمگيري داشت، نه مشترى زيادى و نه فناوريِ خاصى با تنها حدود ۵٠ نفر كارمند توسط گوگل به قيمت 600 ميليون دلار خريدارى شد؛ و امروز ديپ‌مايند بيش از ١٠٠٠ نفر كارمند دارد.
با اين اوصاف و بهرغم بحران‌هاى مالى در بسيارى از حوزه‌ها، از دور به نظر مي‌رسد كه صنعت هوش مصنوعى در بحبوحه‌ي توفان بحران‌هاى مالى در كشتى امن و امانى آسوده‌خاطر نشسته است و در واقع از اين بهتر نمى‌توان شرايطى را متصور شد. اما وقتى از نزديك به آن نگاه كنيم متوجه مى‌شويم كه اوضاع خيلى هم روبه‌راه نيست...
موضوع شديداً بحث‌برانگيزى كه اين رشته را چندپاره كرده است، شايد همان اساسى‌ترين پرسش مرتبط با هوش مصنوعى است: براى دستيابى به ماشين‌هاى هوشمند، بايد از ذهن الگوبردارى كرد يا از مغز؟ رويكرد منطبق با ذهن، به هوش مصنوعىِ نمادين (symbolic) معروف است و اين رويكرد بر بخش اعظمِ عمرِ بيش از 50 ساله‌ى اين رشته حاكم بوده است.
رويكرد منطبق با مغز را شبكه‌هاى عصبى (neural networks) مي‌خوانند. در بيشتر عمر اين رشته، شبكه‌هاى عصبى در بهترين حالت پسرعموى بيچاره‌ى هوش مصنوعىِ نمادين محسوب مى‌شد و در بدترين حالت مسيري كه به بن‌بست ختم مي‌شد. اما موفقيت‌هاى اخير هوش مصنوعى مديون پيشرفت‌هاى فوق‌العاده در فناوريِ شبكه‌هاى عصبى است و حالا اين هوش مصنوعىِ نمادين است كه بايد از آن پيروي كند. برخى از پژوهشگران شبكه‌هاى عصبى ادعا كرده‌اند كه هوش مصنوعىِ نمادين رشته‌اى روبه‌زوال است و متخصصان هوش مصنوعىِ نمادين با نااميدى به دنبال راهى مي‌گردند تا براى ايده‌هاي‌شان در هوش مصنوعى نوين جايي پيدا كنند.
جان مك‌كارتى در سال 1956 نام اين رشته را هوش مصنوعى گذاشت. او كه بنيان‌گذار آزمايشگاه هوش مصنوعى در دانشگاه استنفورد بود، تأثيرگذارترين مدافع اين ديدگاه بود كه هدف هوش مصنوعى بايد ساخت ماشين‌هايى باشد كه بتوانند بينديشند. هوش مصنوعى مستلزم اين است كه برنامه‌هاى كامپيوترى بتوانند تشخيص دهند كه در هر لحظه چه كار بايد كرد. از نظر مك‌كارتى، محاسبه و تشخيص انجام كار درست، قابل تقليل به استدلال منطقى است: از نظر او سيستم هوش مصنوعى بايد مسير اقدام را به درستى استنتاج كند.
روايت و برداشت مك‌كارتى از هوش مصنوعى همان هوش مصنوعىِ نمادين است زيرا استدلال شامل بالا و پايين كردن عباراتى است كه معادل رياضى جملات هستند. اين عبارات از نمادهايى تشكيل شده‌اند كه در دنياى واقعى داراى معنا هستند. براي مثال، روباتى كه بر اساس مدل مك‌كارتى ساخته شده، ممكن است از نماد «اتاق 451» براى اشاره به اتاق خواب شما استفاده كند و نماد «تميز كن» را براى اشاره به عمل تميز كردن به كار برد. بنابراين، وقتى كه روبات تصميم مى‌گيرد كه «تميز كن (اتاق 451)»، مى‌توانيم ببينيم كه چه اتفاقى مى‌افتد: اتاق خواب شما را تميز مى‌كند.
دلايل زيادى براى علاقه به رؤياى مك‌كارتى وجود دارد. چون ساده و قشنگ و به لحاظ رياضى واضح و شفاف است. اگر بخواهيم بدانيم چرا يكى از روبات‌هاى مك‌كارتى اتاق شما را تميز كرد، مى‌توانيم به سادگى استدلال‌اش را بررسى كنيم. اگر هوش مصنوعىِ نمادين را يك طيف در نظر بگيريم، رؤياى مك‌كارتى درباره‌ى هوش مصنوعى تقريباً در انتهاى اين طيف قرار داشت ــ اين رويكرد افراطى او حتى در ميان متخصصان هوش مصنوعىِ نمادين هم مقبوليت زيادى نداشت و بسيارى از آنان قائل به نسخه‌ى كمى «ضعيف‌تر» (و كاربردى‌تر) آن بودند. اما ايده‌هاى اساسى او به مدت ٣٠ سال يعنى از تأسيس اين رشته تا اواخر دهه‌ى ١٩٨٠، جريان رايج در حوزه‌ي هوش مصنوعى بود و هرچند هوش مصنوعىِ نمادين در برنامه‌هاى دانشگاهى امروز ديگر جايگاهي مركزى ندارد اما همچنان به عنوان يك حوزه‌ى تحقيق فعال باقى مانده است.
هوش مصنوعى در توسعه‌ى ايده‌هاي اساساً زيبا اما عملاً ناكارآمد پيشرو است و هوش مصنوعىِ نمادين شايد نمونه‌ى متداول اين پديده است. براى تبديل تصورات مك‌كارتى به واقعيت مسائل زيادى وجود دارد اما شايد مهم‌ترين مسئله اين است كه هرچند بعضى از مسائل با اين نسخه از هوش مصنوعى به خوبى حل مى‌شود (مانند اثبات قضاياى رياضى) ولى به نظر نمى‌رسد كه بتوان بسيارى ديگر از مسائل را حل كرد.
هوش مصنوعىِ نمادين در زمينه‌ى مسائلى كه نيازمند درك و فهم جهان فيزيكى است، پيشرفت بسيار محدودى داشته است. و اين معلوم است كه درك و فهم جهان فيزيكى براى هوش مصنوعى نوعي پيش‌نياز هميشگى است ــ اگر روبات شما نفهمد كه پيرامونش چه چيزى وجود دارد، شما در ساختن يك روبات مفيد پيشرفت زيادى نخواهيد داشت. دانستن اينكه شما كجا هستيد و چه در پيرامون شماست، بزرگ‌ترين مانع بر سر راه رؤياى هميشگى ماشين‌هاى بدون راننده است.
تا اواخر دهه‌ى ١٩٨٠ نسخه‌هاى خالص هوش مصنوعىِ نمادين به علت مشكلاتي كه داشتند كم‌كم از چشم افتادند. (هر چند مك‌كارتى كه با هر معيارى آدمي استثنائي محسوب مى‌شد، هيچ‌گاه رؤيايش را رها نكرد: او تا دم مرگ در سن ٨۴ سالگى در سال ٢٠١١ به آن پايبند ماند.)
به تدريج جايگزينى طبيعى براى هوش مصنوعىِ نمادين شروع به جلب توجه كرد: به جاى الگوسازي از فرايندهاى استدلال پيچيده، چرا خود مغز را مدل‌سازى نكنيم؟ هر چه باشد، ما با قطعيت مى‌دانيم كه مغز تنها چيزى است كه مى‌تواند سبب ايجاد رفتار هوشمندانه شود. پس چرا با آن شروع نكنيم؟
اين رويكرد در هوش مصنوعى، شبكه‌هاى عصبى نام دارد. اين نام برگرفته از سلول‌هاى عصبى (نورون‌ها) است. نورون‌ها ساختارهاى سلولى بسيار پيچيده و به‌هم‌پيوسته‌اي هستند كه در مغز و سامانه‌هاي عصبى وجود دارند. هر نورون يك ابزار بسيار ساده‌ى پردازش اطلاعات است. اما وقتى تعداد عظيمى از آنها در شبكه‌هايى وسيع به يكديگر متصل مى‌شوند، قادرند معجزه‌اى به نام هوش انسانى خلق كنند. پژوهشگران شبكه‌هاى عصبى، نسخه‌هاى نرم‌افزارى اين شبكه‌ها را مى‌سازند و هرچند نمي‌خواهند از روى مغز موبه‌مو شبيه‌سازى كنند اما ايده‌ى كلى اين است كه اين شبكه‌ها همانند انسان‌ها ياد خواهند گرفت تا رفتار هوشمندانه از خود نشان دهند.
شبكه‌هاى عصبى در واقعي ايده‌ا‌ى بسيار قديمى است ــ سابقه‌ي آن به دهه‌ي ١٩۴٠ بر مى‌گردد، زمانى كه وارن مك‌كولاچ و والتر پيتز دريافتند كه شبكه‌هاى عصبى طبيعى موجود در مغز انسان‌ها و حيوانات شبيه به مدارهاى الكتريكى است. اما مك‌كولاچ و پيتز براى ساختن ساختارهايى كه در ذهن خود داشتند، ابزارى نداشتند تا اينكه در دهه‌ي ١٩۶٠ اين ايده به منصه‌ي ظهور رسيد.
فرانك روزنبلت، استاد روان‌شناسى در دانشگاه كورنل، مدلى از شبكه‌هاى عصبى ابداع كرد كه به نام پرشكوه پرسپترون (perceptron)[i] معروف است ــ اين اولين مدل شبكه‌ي عصبى بود كه عملاً ساخته شده بود و مدلى است كه همچنان به كار مي‌رود.
اما حيات اين رشته‌ى نوظهور عملاً با انتشار كتابى با عنوان «پرسپترونز» (perceptrons) در سال ١٩۶٩ توسط دو استاد دانشگاه ام‌آى‌تى به نام‌هاى ماروين مينسكى و سيمور اى. پاپرت كه شديداً طرفدار رويكرد نمادين بودند، خاتمه يافت. كتاب آنها به برخى از محدوديت‌هاى نظرى مدل روزنبلت پرداخته است و به اين امر اشاره مي‌كند كه مدل‌هاى عصبى در دستيابى به اهداف خود اساساً داراى محدوديت هستند. روزنبلت دو سال بعد در يك تصادف قايق‌سوارى درگذشت و شبكه‌هاى عصبى مهم‌ترين مدافع خود را از دست داد. تحقيقات مربوط به شبكه‌هاى عصبى نزديك به دو دهه به حالت تعليق درآمد.
نسبت به كتاب مينسكى و پاپرت هنوز احساس تلخىِ خاصى وجود دارد. با انتشار اين كتاب دين هوش مصنوعى به دو جناح منشعب شد كه هيچ‌وقت آشتى نكردند. وقتى هوش مصنوعىِ نمادين در اواخر دهه‌ى ١٩٨٠ شروع به افول كرد، شبكه‌هاى عصبى به مدت يك دهه مورد توجه قرار گرفت، به‌ويژه چون فنون جديد «آموزش» شبكه‌هاى عصبى توسعه پيدا كرد و رايانه‌ها در نهايت آن‌قدر قوى شدند تا بتوانند با شبكه‌هاى عصبىِ بسيار بزرگ كار كنند. اما اين خيزش مجدد عمرى كوتاه داشت. در اواخر دهه‌ى ١٩٩٠ شبكه‌هاى عصبى به علت محدوديت‌هاى كامپيوترها در آن زمان، مجدداً رو به افول نهادند. اما يك دهه‌ى بعد دوباره ورق برگشت و اين بار گرايش به سمت شبكه‌هاى عصبى بى‌سابقه بود.
در پيشبرد انقلاب نوين شبكه‌هاى عصبى، سه عامل نقش داشت. عامل اول بعضى پيشرفت‌هاى علمى بود كه «يادگيرى عميق» نام دارد (كه اساساً شامل شبكه‌هاى عصبى بزرگ‌تر و عميق‌تر است). دوم اينكه ارزان شدن پردازش‌كننده‌هاى رايانه‌اي سبب شد تا هزينه‌ى ساخت شبكه‌هاى عصبى بزرگ كاهش يابد و عامل سوم، كه به همان اندازه اهميت دارد، در دسترس بودن داده‌هاى فراوان است: شبكه‌هاى عصبى تشنه‌ى داده‌ها هستند و البته ما اكنون در عصر «داده‌هاى كلان» (Big Data) هستيم.
در دهه‌ى گذشته، ما به طرز بى‌سابقه‌اى شاهد موجى از موفقيت‌ها در حوزه‌ي هوش مصنوعى بوديم و همين دستاوردها است كه به شور و هيجان كنوني در اين عرصه انجاميده است. در سال ٢٠١۶ شركت ديپ‌مايند برنامه‌ى بازىِ فكرىِ گو (Go) را منتشر كرد كه قادر بود قهرمانان جهانى اين بازى را به راحتى شكست دهد. پاييز امسال شركت ديپ‌مايند طى پروژه‌اى به نام آلفافولد (AlphaFold) با بهبود پيش‌بينى ساختارهاى پروتئينى، گامى مؤثر در راستاى پيشبرد علم زيست‌شناسى برداشت («همه چيز را تغيير خواهد داد» عنوان مقاله‌اى است كه در نشريه‌ي «نِيچِر» منتشر شده است). همچنين پيشرفت سريعى در فناوري ماشين بدون راننده حاصل شده است ــ سال گذشته وايمو (Waymo)، شركت ساخت ماشين بدون راننده‌ى گوگل، خدمات تاكسى بدون راننده را در فينيكس در ايالت آريزونا راه‌اندازى كرد.
در سال ٢٠١٨ از پيشگامان هوش مصنوعىِ نوين تقدير به عمل آمد. جفرى هينتون، يان لكان و يوشوا بنژيو سه تن از برجسته‌ترين مدافعان شبكه‌هاى عصبى كه سال‌ها جهت پيشبرد اين فناوري استقامت ورزيدند، به دريافت جايزه‌ى يك ميليون دلاريِ تورينگ ــ كه به نوعي جايزه‌ى نوبل رشته‌ى كامپيوتر به شمار مي‌رود ــ نائل شدند. اين واضح‌ترين نشانه‌ي اين است كه سرانجام شبكه‌هاى عصبى به عنوان جريان اصلى پذيرفته شد.
همه‌ى اين توفيقات عمدتاً معلول يادگيرى عميق است. هوش مصنوعىِ نمادين هم در برخى از اين توفيقات نقش داشته اما نقش آن صرفاً حمايتى بوده است و نه اصلى.
هرچند رسانه‌ها تمايل دارند كه برچسب كلىِ «هوش مصنوعى» را براى همه‌ى پيشرفت‌هاى اخير به كار برند اما بعضى از متخصصان يادگيرى عميق، از آن چندان خشنود نيستند. از نظر آنها، اين برچسب با بسيارى از ايده‌هاى شكست‌خورده در تاريخ هوش مصنوعى مرتبط است كه برجسته‌ترين آنها پروژه‌ى هوش مصنوعىِ نمادين است.
موفقيت‌هاى يادگيرى عميق كه در اين قرن به واقعيت تبديل شده و در عين حال مهيج است، در خور تحسين است و آن دسته از پژوهشگران شبكه‌هاى عصبى كه سال‌ها بهرغم عدم پيشرفت، با عزم و اراده و بصيرت در مقابل تحقير و تمسخر همكاران دانشگاهى خود استقامت ورزيدند، شايسته‌ى تقديرند. اما بايد مراقب بود كه پيشرفت‌هاى اخير ما را بيش از حد دچار هيجان نكند. يادگيرى عميق به تنهايى ما را به رؤياى نهايىِ هوش مصنوعى رهنمون نخواهد شد. هرچند يادگيرى عميق قطعاً يكى از عوامل كليدى است اما عوامل بسيار ديگرى نيز وجود دارند كه ممكن است برخى از آنها اكنون به ذهن ما خطور نكند. بهرغم پيشرفت‌هايى كه تا به حال حاصل شده است، به اين زودى به رؤياى مورد نظر دست نخواهيم يافت ــ اگر اصلاً اين رؤيا قابل دستيابى باشد.
به نظرم راه‌حل ميان‌برى براى هوش مصنوعى وجود ندارد. شبكه‌هاى عصبى و هوش مصنوعىِ نمادين هر كدام در جنبه‌هاى متفاوتى از رفتار هوشمندانه، موفقيت‌آميز عمل كرده‌اند. قبيله‌گرايى و جزم‌انديشى سبب پيشرفت نخواهد شد: ما بايد به ايده‌هاى يكديگر توجه كنيم و از هم ياد بگيريم. و براى اين كار لازم است تلخىِ رقابت‌هاى قديمى را فراموش كنيم.
برگردان: وفا ستوده‌نيا
مايكل وولريج رئيس دپارتمان علوم رايانه‌اي در دانشگاه آكسفورد است. عنوان كتاب جديد او تاريخ مختصر هوش مصنوعي است. آنچه خوانديد برگردان اين نوشته با عنوان اصليِ زير است:
Michael Woolridge, ‘Artificial Intelligence Is a House Divided’, Chronicle, 20 January 2021.
[i] اين كلمه تركيبي است از perception و neuron و از اصطلاحات علوم رايانه‌اي به معناي نورون ادراكي است. [م]
منبع: https://www.aasoo.org/fa/