هوش مصنوعی چيست ؟

واضح آرشیو وب فارسی:فان پاتوق: هوش مصنوعی چيست ؟

رؤيای طراحان اوليه كامپيوتر از بابيج تا تورينگ ، ساختن ماشينی بود كه قادر به حل تمامی مسائل باشد ، البته ماشينی كه در نهايت ساخته شد ( كامپيوتر ) به جز دسته ای خاص از مسائل قادر به حل تمامی مسائل بود . اما نكته در اينجاست كه اين « تمامی مسائل » چيست ؟ طبيعتاً چون طراحان اوليه كامپيوتر ، منطق .دانان و رياضيدانان بودند ، منظورشان تمامی مسائل منطقی يا محاسباتی بود . بدين ترتيب عجيب نيست ، هنگامی كه فون .نيومان سازنده اولين كامپيوتر ، در حال طراحی اين ماشين بود ، كماكان اعتقاد داشت برای داشتن هوشمندی شبيه به انسان ، كليد اصلی ، منطق ( از نوع به كار رفته در كامپيوتر ) نيست ، بلكه احتمالاً چيزی خواهد بود شبيه ترموديناميك !
به هرحال ، كامپيوتر تا به حال به چنان درجه.ای از پيشرفت رسيده و چنان سرمايه.گذاری عظيمی برروی اين ماشين انجام شده است كه به فرض اين كه بهترين انتخاب نباشد هم ، حداقل سهل .الوصول .ترين و ارزان.ترين و عمومی .ترين انتخاب برای پياده.سازی هوشمنديست.
بنابراین ظاهراً به نظر می .رسد به جای سرمايه .گذاری برای ساخت ماشين.های ديگر هوشمند ، می .توان از كامپيوتر های موجود برای پياده .سازی برنامه.های هوشمند استفاده كرد و اگر چنين شود ، بايد گفت كه طبيعت هوشمندی ايجاد شده حداقل از لحاظ پياده .سازی ، كاملاً با طبيعت هوشمندی انسانی متناسب خواهد بود ، زيرا هوشمندی انسانی ، نوعی هوشمندی بيولوژيك است كه با استفاده از مكانيسم. های طبيعی ايجاد شده ، و نه استفاده از عناصر و مدار های منطقی .
در برابر تمامی استدلالات فوق می توان اين نكته را مورد تاُمل و پرسش قرار داد كه هوشمندی طبيعی تا بدان جايی كه ما سراغ داريم ، تنها بر محمل طبيعی و با استفاده از روش های طبيعت ايجاد شده است . طرفداران اين ديدگاه تا بدانجا پيش رفته .اند كه حتی ماده ايجاد كننده هوشمندی را مورد پرسش قرار داده اند ، كامپيوتر از سيليكون استفاده می كند ، در حالی كه طبيعت همه جا از كربن سود برده است .
مهم تر از همه ، اين نكته است كه در كامپيوتر ، يك واحد كاملاً پيچيده مسئوليت انجام كليه اعمال هوشمندانه را بعهده دارد ، در حالی كه طبيعت در سمت و سويی كاملاً مخالف حركت كرده است . تعداد بسيار زيادی از واحد های كاملاً ساده ( بعنوان مثال از نورون.های شبكه عصبی ) با عملكرد همزمان خود ( موازی ) رفتار هوشمند را سبب می شوند . بنابراين تقابل هوشمندی مصنوعی و هوشمندی طبيعی حداقل در حال حاضر تقابل پيچيدگی فوق العاده و سادگی فوق العاده است . اين مساُله هم اكنون كاملاً به صورت يك جنجال ( debate ) علمی در جريان است .
در هر حال حتی اگر بپذيريم كه كامپيوتر در نهايت ماشين هوشمند مورد نظر ما نيست ، مجبوريم برای شبيه .سازی هر روش يا ماشين ديگری از آن سود بجوييم .

تاريخ هوش مصنوعی
هوش مصنوعی به خودی خود علمی است كاملاً جوان . در واقع بسياری شروع هوش مصنوعی را 1950 می.دانند زمانی كه آلن تورينگ مقاله دوران .ساز خود را در باب چگونگی ساخت ماشين هوشمند نوشت ( آنچه بعد ها به تست تورينگ مشهور شد ) تورينگ در آن مقاله يك روش را برای تشخيص هوشمندی پيشنهاد می.كرد . اين روش بيشتر به يك بازی شبيه بود .
فرض كنيد شما در يك سمت يك ديوار ( پرده يا هر مانع ديگر ) هستيد و به صورت تله تايپ با آن سوی ديوار ارتباط داريد و شخصی از آن سوی ديوار از اين طريق با شما در تماس است . طبيعتاً يك مكالمه بين شما و شخص آن سوی ديوار می .تواند صورت پذيرد . حال اگر پس از پايان اين مكالمه ، به شما گفته شود كه آن سوی ديوار نه يك شخص بلكه ( شما كاملاً از هويت شخص آن سوی ديوار بی.خبريد ) يك ماشين بوده كه پاسخ شما را می .داده ، آن ماشين يك ماشين هوشمند خواهد بود ، در غير اين صورت ( يعنی در صورتی كه شما در وسط مكالمه به مصنوعی بودن پاسخ پی ببريد ) ماشين آن سوی ديوار هوشمند نيست و موفق به گذراندن تست تورينگ نشده است .
بايد دقت كرد كه تورينگ به دو دليل كاملاً مهم اين نوع از ارتباط ( ارتباط متنی به جای صوت ) را انتخاب كرد . اول اين كه موضوع ادراكی صوت را كاملاً از صورت مساُله حذف كند و اين تست هوشمندی را درگير مباحث مربوط به دريافت و پردازش صوت نكند و دوم اين كه بر جهت ديگری هوش مصنوعی به سمت نوعی از پردازش زبان طبيعی تاكيد كند .
در هر حال هر چند تا كنون تلاش.های متعددی در جهت پياده سازی تست تورينگ صورت گرفته مانند برنامهEliza و يا AIML ( زبانی برای نوشتن برنامه ..هايی كه قادر به chat كردن اتوماتيك باشند ) اما هنوز هيچ ماشينی موفق به گذر از چنين تستی نشده است .
همانگونه كه مشخص است ، اين تست نيز كماكان دو پيش فرض اساسی را در بردارد :

درباره نكته اول به تفصيل تا بدين جا سخن گفته ايم ؛ اما نكته دوم نيز به خودی خود بايد مورد بررسی قرار گيرد . اين كه توانايی درك زبان نشانه هوشمندی است تاريخی به قدمت تاريخ فلسفه دارد . از نخستين روز هايی كه به فلسفه ( Epistemology ) پرداخته شده زبان هميشه در جايگاه نخست فعاليت. های شناختی قرار داشته است . از يونانيان باستان كه لوگوس را به عنوان زبان و حقيقت يكجا به كار می.بردند تا فيلسوفان امروزين كه يا زبان را خانه وجود می .دانند ، يا آن را ريشه مسائل فلسفی می.خوانند ؛ زبان ، همواره شاُن خود را به عنوان ممتاز ترين توانايی هوشمند ترين موجودات حفظ كرده است .
با اين ملاحظات می.توان درك كرد كه چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زبانی را شرط دست.يابی به هوشمندی می .داند .
تست تورينگ اندكی كمتر از نيم.قرن هوش مصنوعی را تحت تاُثير قرار داد اما شايد تنها در اواخر قرن گذشته بود كه اين مسئله بيش از هر زمان ديگری آشكار شد كه متخصصين هوش مصنوعی به جای حل اين مسئله با شكوه ابتدا بايد مسائل كم .اهميت .تری همچون درك تصوير ( بينايی ماشين ) درك صوت و … را حل كنند .
به اين ترتيب با به محاق رفتن آن هدف اوليه ، اينك گرايش .های جديد تری در هوش مصنوعی ايجاد شده .اند .
در سال .های آغازين AI تمركز كاملاً بر روی توسعه سيستم.هايی بود كه بتوانند فعاليت .های هوشمندانه ( البته به زعم آن روز ) انسان را مدل كنند ، و چون چنين فعاليت.هايی را در زمينه .های كاملاً خاصی مانند بازی های فكری ، انجام فعاليت .های تخصصی حرف.های ، درك زبان طبيعی ، و…. می .دانستند طبيعتاً به چنين زمينه .هايی بيشتر پرداخته شد .
در زمينه توسعه بازی .ها ، تا حدی به بازی شطرنج پرداخته شد كه غالباً عده .ای هوش مصنوعی را با شطرنج همزمان به خاطر می.آورند . مك .كارتی كه پيشتر اشاره شد ، از بنيان. گذاران هوش مصنوعی است اين روند را آنقدر اغراق .آميز می .داند كه می .گويد :
« محدود كردن هوش مصنوعی به شطرنج مانند اين است كه علم ژنتيك را از زمان داروين تا كنون تنها محدود به پرورش لوبيا كنيم . » به هر حال دستاورد تلاش مهندسين و دانشمندان در طی دهه .های نخست را می .توان توسعه تعداد بسيار زيادی سيستم. های خبره در زمينه .های مختلف مانند پزشكی عمومی ، اورژانس ، دندان پزشكی ، تعميرات ماشين ، ….. توسعه بازی.های هوشمند ، ايجاد مدل .های شناختی ذهن انسان ، توسعه سيستم های ياد گيری ، …. دانست . دستاوردی كه به نظر می .رسد برای علمی با كمتر از نيم قرن سابقه قابل قبول به نظر می.رسد .
1- نمونه كامل هوشمندی انسان است . 2- مهمترين مشخصه هوشمندی توانايی پردازش و درك زبان طبيعی است .
افق .های هوش مصنوعی
در 1943، ) Mcclutch روانشناس ، فيلسوف و شاعر) و Pitts ( رياضيدان ) طی مقاله .ای ، ديده .های آن روزگار درباره محاسبات ، منطق و روانشناسی عصبی را تركيب كردند . ايده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسيله اجزای ساده شبكه عصبی بود . اجزای بسيار ساده ( نورون.ها ) اين شبكه فقط از اين طريق سيگنال های تحريك ( exitory ) و توقيف ( inhibitory ) با هم درتماس بودند . اين همان چيزی بود كه بعد ها دانشمندان كامپيوتر آن را مدار های ( And ) و ( OR ) ناميدند و طراحی اولين كامپيوتر در 1947 توسط فون نيومان عميقاً از آن الهام می.گرفت .
امروز پس از گذشته نيم .قرن از كار Mcclutch و Pitts شايد بتوان گفت كه اين كار الهام بخش گرايشی كاملاً پويا و نوين در هوش مصنوعی است .
پيوند گرايی ( Connectionism ) هوشمندی را تنها حاصل كار موازی و هم.زمان و در عين حال تعامل تعداد بسيار زيادی اجزای كاملاً ساده به هم مرتبط می .داند .
شبكه.های عصبی كه از مدل شبكه عصبی ذهن انسان الهام گرفته .اند امروزه دارای كاربرد های كاملاً علمی و گسترده تكنولوژيك شده .اند و كاربرد آن در زمينه.های متنوعی مانند سيستم.های كنترلی ، رباتيك ، تشخيص متون ، پردازش تصوير ، … مورد بررسی قرار گرفته است .
علاوه بر اين كار بر روی توسعه سيستم .های هوشمند با الهام از طبيعت ( هوشمندی .های ـ غير از هوشمندی انسان ) اكنون از زمينه .های كاملاً پر طرفدار در هوش مصنوعی است .
الگوريتم ژنيتك كه با استفاده از ايده تكامل داروينی و انتخاب طبيعی پيشنهاد شده روش بسيار خوبی برای يافتن پاسخ به مسائل بهينه سازيست . به همين ترتيب روش .های ديگری نيز مانند استراتژی .های تكاملی نيز ( Evolutionary Algorithms ) در اين زمينه پيشنهاد شده اند .
در اين زمينه هر گوشه .ای از ساز و كار طبيعت كه پاسخ بهينه .ای را برای مسائل يافته است مورد پژوهش قرار می .گيرد . زمينه .هايی چون سيستم امنيتی بدن انسان ( Immun System ) كه در آن بيشمار الگوی ويروس.های مهاجم به صورتی هوشمندانه ذخيره می. شوند و يا روش پيدا كردن كوتاه. ترين راه به منابع غذا توسط مورچگان ( Ant Colony ) همگی بيانگر گوشه .هايی از هوشمندی بيولوژيك هستند .
گرايش ديگر هوش مصنوعی بيشتر بر مدل سازی اعمال شناختی تاُكيد دارد ( مدل سازی نمادين يا سمبوليك ) اين گرايش چندان خود را به قابليت تعمق بيولوژيك سيستم.های ارائه شده مقيد نمی.كند .

CASE-BASED REASONING يكی از گرايش .های فعال در اين شاخه می.باشد . بعنوان مثال روند استدلال توسط يك پزشك هنگام تشخيص يك بيماری كاملاً شبيه به CBR است به اين ترتيب كه پزشك در ذهن خود تعداد بسيار زيادی از شواهد بيماری .های شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونه .های موجود در ذهن خويش تطبيق داده ، شبيه .ترين نمونه را به عنوان بيماری بيابد .

به اين ترتيب مشخصات ، نيازمندی .ها و توانايی .های CBR به عنوان يك چارچوب كلی پژوهش در هوش مصنوعی مورد توجه قرار گرفته است .
البته هنگامی كه از گرايش .های آينده سخن می.گوييم ، هرگز نبايد از گرايش.های تركيبی غفلت كنيم . گرايش .هايی كه خود را به حركت در چارچوب شناختی يا بيولوژيك يا منطقی محدود نكرده و به تركيبی از آن ها می .انديشند . شايد بتوان پيش .بينی كرد كه چنين گرايش .هايی فرا ساختار های ( Meta –Structure ) روانی را بر اساس عناصر ساده بيولوژيك بنا خواهند كرد .
- Jon Mccarthy
- NP-Complete Problems
- Von Neumen
- Artificial Intelligence Markup Language