هوش مصنوعی (Artificial Intelligence یا به اختصار AI) چیست، چه کاربردی دارد، چه مواردی را در بر میگیرد و آیا روزی با هوش طبیعی رقابت خواهد کرد؟
در حالی که طی دهههای گذشته تعاریف مختلفی از هوش مصنوعی ارائه شده است اما ما به تعریف جان مک کارتی (John McCarthy) که اولین بار در سال ۲۰۰۴ ارائه شد، استناد میکنیم:
[هوش مصنوعی] علم و مهندسی ساخت ماشینهای هوشمند مخصوصاً برنامههای کامپیوتری هوشمند است. این [حوزه] به عمل مشابه استفاده از کامپیوترها برای درک هوش انسان مربوط میشود اما هوش مصنوعی [برای انجام این کار] مجبور نیست خود را به روشهایی محدود کند که از نظر زیستی قابل مشاهده است.
چندین دهه قبل از ارائه تعریفی که به آن اشاره کردیم، بحث هوش مصنوعی توسط کار بدوی آلن تورینگ (Alan Turing) در کتاب Comuting Machinery and Intelligence (اولین بار منتشر شده در سال ۱۹۵۰ میلادی) بنیان گذاشته شد و مورد توجه قرار گرفت.
تورینگ که اکنون در بیشتر منابع و مراجع علمی به عنوان پدر علم کامپیوتر شناخته میشود، سوال بسیار مهمی را مطرح میکند: «آیا ماشین میتواند فکر کند؟».
به دنبال آن، او آزمایشی را ارائه میدهد که امروزه به با نام آزمون تورینگ شناخته میشود. در این آزمون، یک ارزیابی کننده انسان سعی میکند یک پاسخ متنی توسط انسان و کامپیوتر را تشخیص داده و جدا کند.
در حالی که این آزمون از زمان ارائه پیوسته زیر تحلیلهای سنگین قرار گرفته اما هنوز هم به عنوان بخش مهمی از تاریخ حوزه هوش مصنوعی در نظر گرفته میشود و از آنجایی که ایدههای زیادی را پیرامون زبانشناسی ارائه میدهد، یک مفهوم مداوم فلسفی است.
- آیا ذهن انسان بهترین مدل برای استفاده در هوش مصنوعی است؟
- مزایا و معایب هوش مصنوعی؛ در خدمت و یا در مقابل انسان؟
سپس مدتی بعد استوارت راسل (Stuart Russell) و پیتر نورویگ (Peter Norvig) کتاب Artificial Intelligence: A Modern Approach را منتشر کردند که تبدیل به یکی از کتابهای درسی پیشرو از در حوزه مطالعه هوش مصنوعی شده است. آنها در این کتاب، چهار هدف یا تعریف را برای هوش مصنوعی ارائه میدهند که سیستمهای کامپیوتری را براساس عقلانیت و تفکر در مقابل عمل دستهبندی میکند:
رویکرد انسانی:
- سیستمهایی که مانند انسان فکر میکنند
- سیستمهایی که مانند انسان عمل میکنند
رویکرد ایدهآل:
- سیستمهایی که منطقی فکر میکنند
- سیستمهایی که منطقی عمل میکنند
تعریف آلن تورینگ در دسته «سیستمهایی که مانند انسان عمل میکنند» طبقهبندی میشود. در سادهترین حالت، هوش مصنوعی حوزهای است که علم کامپیوتر و مجموعه دادههای قدرتمند را ترکیب میکند تا راه حل یک مسئله را ارائه دهد.
انواع هوش مصنوعی
جدای از این بحث، عموماً هوش مصنوعی در سه دسته، طبقهبندی میشود که البته همه بر سر آن توافق ندارند. در زیر این سه دسته بندی را معرفی کرده و توضیح میدهیم.
هوش مصنوعی محدود
هوش مصنوعی محدود (Narrow A.I) که گاهی اوقات هوش مصنوعی ضعیف (Weak A.I) هم نامیده میشود، جایی است که تاکنون بیشتر کار بشر در آن صورت گرفته است. همانطور که از نام آن پیداست، این هوش مصنوعی روی انجام یک وظیفه تمرکز دارد. همچنین تعامل با چنین هوشی، محدود است. نمونههایی از این هوش مصنوعی چک کردن گزارش آب و هوا، کنترل دستگاههای خانه هوشمند یا ارائه جوابهای عمومی به ما از یک پایگاه داده (مثل ویکی پدیا) است.
چندین هوش مصنوعی محدود میتوانند با همدیگر ترکیب شوند تا خدمات پیچیدهتری را به ما ارائه کنند. الکسا، گوگل اسیستنت، سیری، کورتانا و حتی خودروهای خودران، نمونههای بسیار خوبی از این هوشهای مصنوعی محدود به شمار میروند. هوش مصنوعی محدود نمیتواند برای خودش فکر کند.
این همان دلیلی است که گاهی اوقات ما جوابهای بسیار عجیبی از هوش مصنوعی دریافت میکنیم. در واقع میتوان اینطور گفت که هوش مصنوعی محدود فاقد ویژگی درک محتوا یا مفهوم است.
هوش مصنوعی عمومی
هوش مصنوعی عمومی (General A.I) که گاهی هوش مصنوعی قوی (Strong A.I) هم نامیده میشود، جایی است که ما به سمت آن حرکت میکنیم. هوش مصنوعی در این حوزه بالاخره قابلیت درک محتوا و انجام قضاوت بر اساس آن را پیدا میکند.
با گذشت زمان، این هوش مصنوعی از تجربیات خود یاد میگیرد، در نتیجه قادر به اتخاذ تصمیم حتی در موقعیتهای عدم قطعیت و بدون دسترسی به دادههای پیشین، همچنین استفاده از دلیل و در نهایت، به کار گیری خلاقیت است.
از نظر فکری این کامپیوترها بسیار شبیه مغز انسان عمل میکنند. اگرچه ما تا کنون قادر به ساخت چنین هوش مصنوعی عمومی نبودهایم اما بسیار باور دارند که احتمالاً در این قرن، نهایتاً آن را انجام خواهیم داد.
فراهوش
شاید در آیندهای دور دست، هوش مصنوعی از هر جنبهای بر انسان برتری یابد. در این صورت، شاید در چنین آیندهای رباتهای هوش مصنوعی برای خودشان فکر کنند، آگاهی کسب نمایند و بدون نیاز به دخالت انسان حتی در جهت خواستههای یک هوش مصنوعی دیگر عمل کنند. این هوش مصنوعی را، فراهوش مینامیم.
این سناریو شباهت زیادی به یک پادآرمانشهر نظیر اسکاینت (Skynet)، در سری فیلمهای Terminator دارد؛ پادآرمانشهری که نابودی نسل بشر، یکی از اهداف آن به شمار میرود. بنابراین چنین آیندهای همانطور که برخی از صاحبنظران پیشنهاد میدهند، میتواند به چنین فاجعهای منجر شود.
در سوی دیگر، اگر همه چیز خوب پیش برود، ظهور چنین فراهوشهایی میتواند طلوع عصری روشن در نوآوری باشد که ممکن است جهش بزرگی را در علم رقم زده و نهایتاً بشر را به نقطهای برساند که پیشرفتهای کنونی، خندهدار جلوه کنند.
هوش مصنوعی چطور یاد میگیرد؟
ما میتوانیم هوش مصنوعی را با توجه به عملکردش دستهبندی کنیم که با در نظر گرفتن پیچیدگی و همچنین هزینه نهایی آن، میتواند شدیداً حائز اهمیت باشد. اگر یک شرکت در حال ساخت یک هوش مصنوعی است، اولین سوال آن باید این باشد: این هوش مصنوعی از طریق آموزش یاد میگیرد یا از طریق استنتاج؟
آموزش
این هوشهای مصنوعی طراحی شدهاند تا در مرور زمان یاد بگیرند و بهبود یابند و به همین ترتیب، دادهها و قسمتهای میعنی از پردازشهای خود را برای بهرهوری بیشتر، تنظیم کنند.
هوش مصنوعی محدود برخلاف پلتفرمهای هوش مصنوعی عمومی و فراهوش قادر به انجام این کار نیست، زیرا مقدار قدرت پردازشی مورد نیاز برای این نوع هوش مصنوعی به قدری زیاد است که هزینه انجامش را به شدت بالا میبرد.
استنتاج
بیشتر هوشهای مصنوعی به گونهای طراحی شدهاند که به دیتا نگاه کرده و با برداشتن گامهای دقیق، نتیجهگیری کنند. مشخصاً این روش تعلیم هوش مصنوعی، بسیار ارزانتر و از نظر قدرت محاسباتی، نیازهای کمتری دارد.
برای مثال، یک هوش مصنوعی این چنینی برای پاسخ دادن به سوال «امتیاز بازیهای دیروز چه بود؟» اینطور استنتاج کند: «برای پاسخ دادن به این سوال، باید داده امتیازات بازی دیروز را از طریق جست و جو در فهرستی از پایگاههای داده موثق پیدا کنیم، سپس من داده مذکور را با تیمهای محبوب موجود مقایسه میکنیم و امتیازات را به شکل صوتی، گزارش میکنم».
در حالی که این رویه برای کاربر سومند است، اگر پاسخ دقیقاً چیزی نباشد که کاربر به دنبال آن میگردد، هوش مصنوعی توانایی اندکی برای درک آن و سازگاری در مرور زمان دارد تا چنین پاسخ نامرتبطی را دوباره گزارش نکند. بنابراین تکلیف چیست؟ یک انسان باید وارد ماجرا شود تا پاسخهای این هوش مصنوعی را مرتبطتر از حالت سابق کند.
این دستهبندیها یک راهنمای عمومی هستند، بنابراین شاید اگر تحقیقات بیشتری در این حوزهها انجام دهید، تعاریف ارائه شده اندکی تفاوت داشته باشند. با این وجود، اکنون نمونههای زیادی از هوش مصنوعی وجود دارند که ارزش بحث دارند. در ادامه به آنها خواهیم پرداخت.
نمونههای کنونی هوش مصنوعی
همانطور که گفتیم، بدون در نظر گرفتن دستهبندی کلی انواع هوشهای مصنوعی، بشر در حال حاضر نمونههای زیادی را در این حوزه توسعه داده است. ما برخی از این نمونهها را در زندگی روزانه، مستقیماً مورد استفاده قرار میدهیم.
دستیارهای صوتی: سیری، کورتانا، الکسا و سایر دستیارهایی که روز به روز بیشتر رایج و همهگیر میشوند، تبدیل به چهره هوش مصنوعی مدرن شدهاند. یک زیرمجموعه رو به رشد از همین دسته، چتباتها (Chatbots) هستند که میتوانند پیامرسانی را در وبسایتها مدیریت کنند و یک گفت و گوی آنلاین را پیش ببرند.
ترجمه: این دسته تنها به ترجمه متن یا دقیقتر، زبان خلاصه نمیشود. ترجمه کردن در دنیای هوش مصنوعی به معنای ترجمه اشیا، تصاویر و صداها به دادهای هستند که میتواند در انواع مختلفی از الگوریتمها استفاده شود.
سیستمهای پیشبینی: این هوشهای مصنوعی به دادههای آماری نگاه میکنند و نتیجهگیریهای ارزشمندی برای دولتها، سرمایهگذاران، دکترها، هواشناسان و تقریباً هر حوزه دیگری که آمار و پیشبینیهای موثق به کار میروند، ارائه میدهند.
بازاریابی: این هوشهای مصنوعی خریداران و رفتار آنها را تحلیل، سپس تاکتیکها، محصولات و معاملاتی را که بهتر از سایرین منطبق بر آن رفتار است، پیشنهاد میدهند. در حال حاضر همپوشانی بسیار زیادی بین این ابزارها و دستیارهای صوتی در پشت صحنه وجود دارد.
تحقیق: هوشهای مصنوعی تحقیقاتی مثل آیریس (Iris) معمولاً اسناد پیچیده را با سرعتهایی بیشتر از موتورهای جست و جویی نظیر گوگل، جست و جو و مطالعه میکنند.
آگاهی: این هوشهای مصنوعی رویدادهای غیرمعمولی که انسانها به آنها توجه نمیکنند را پایش کرده و گزارش میدهند. یکی از پیچیدهترین نمونههای این دسته، تشخیص دهنده سرقت است که رفتار غیرعادی را گزارش میدهد. یک نمونه هیجانانگیز در همین دسته، خودروهای خودران هستند که از سیستمهای هوش مصنوعی برای اسکن خطرات و انتخاب عکسالعمل مناسب کمک میگیرند.
نرمافزار ویرایش: این هوشهای مصنوعی ساده و بنیادی، به تصاویر یا متون نگاه کرده و روشهای بهبود ظاهر آنها را پیدا میکنند.
هوش مصنوعی به کجا میرود؟
چارلز جی سایمون (Charles J. Simon)، مختصص حوزه شبکههای عصبی در این صفحه که به زودی روی تکفارس ترجمه و منتشر خواهد شد، چند سناریو برای آینده هوش مصنوعی را از نظر خودش بیان کرده است. با این حال ما در اینجا برای پاسخ دادن به این سوال که هوش مصنوعی به کجا میرود، به قسمت کوچکی از آن مقاله اشاره میکنیم:
بیشتر مردم به محدودیتهای هوش مصنوعی کنونی به عنوان مدرکی دال بر این که هوش مصنوعی عمومی راه بسیار طولانی پیش رویش [برای نگران کردن ما] دارد، نگاه میکنند. ما از شما خواهش میکنیم که این ذهنیت را نادیده بگیرید. هوش مصنوعی اکنون اکثر قطعات هوش مصنوعی عمومی مورد نیازش را در جریان [دسترس] دارد، آنها فقط کنار همدیگر به خوبی کار نمیکنند.
این نکته کلیدی ماجراست. همانطور که اشاره کردیم، هوش مصنوعی حداقل از نظر ادراکی به لطف ادغام چندین هوش پلتفرم مصنوعی محدود توسط توسعه دهندگان، هر روز بهتر میشود.اما این پلتفرمها با یکدیگر سخن نمیگویند. برای مثال، اگر چه الکسا قادر به روشن کردن خودروی شماست اما نمیتواند با استفاده از اطلاعات آب و هوایی، بخاری یا سیستم خنک کننده خودرو را تنظیم کند.
با این حال، سایمون استدلال میکند که شاید ما تواناییهای محاسباتی و توسعهای برای این فرایندها را بدون این که بدانیم، از قبل داشته باشیم یا حداکثر آنها را در یک دهه آینده کسب کنیم. شرکتها در حال حاضر سرمایهگذاری زیادی روی هوش مصنوعی انجام میدهند و تا زمانی که آنها به خرج میلیاردها دلار و حتی بیشتر برای پیشرفت در این زمینه تمایل دارند، بهبودها سریعتر رخ خواهند داد.
البته موانع زیادی هم در این راه وجود دارند. رکورد اقتصادی، چالشهای اقتصادی و حتی قواعد اخلاقی و فلسفی هر کدام نقش خود را در کندتر کردن تبدیل جهان به یک اسکاینت احتمالی، بازی میکنند.
آیا هوش مصنوعی خطرناک است؟
در حالی که ما مدام به اسکاینت (هوش مصنوعی موجود در مجموعه فیلمهای سینمایی Terminator) یعنی فاجعه عواقب پیشرفت هوش مصنوعی در جهت منفی ارجاع میکنیم، اکنون زمانش است که واقعبینانه به قضیه بپردازیم.
هوش مصنوعی اکنون مجموعهای بسیار طولانی از رشتههای (متنهای) واکنشهای برنامهریزی شده و گروهی از دادههاست. بنابراین، هوشهای مصنوعی فعلاً نمیتوانند مستقل و مجزا تصمیم بگیرند.
با در نظر گرفتن این شرایط، بدخواهی هوش مصنوعی و فکرهای پلید آن برای جهان و بشریت در میان گزینههای ممکن قرار ندارد. با این حال، این به معنای آن نیست که خطای انسانی هم از انجام چنین کاری با آنها عاجز است.
برای مثال اگر یک هوش مصنوعی پیشبینی به یک تیم اطلاع دهد که طوفان هفته آینده، ساحل شرقی ایالات متحده را احاطه خواهد کرد، آن تیم میتواند با ارسال منابع و هشدار به آن منطقه، شرایط را برای مقابله آماده کند. اما اگر طوفان در خلیج مکزیک رخ دهد و ساحل مربوطه را احاطه کند، پیشبینی اولیه نه تنها خطرناک بوده، بلکه جان انسانها را هم به خطر انداخته است.
البته در این سناریو هیچکس هوش مصنوعی را مسبب این قضیه نخواهد دانست. در عوض همه به دادههای ورودی و الگوریتمهای تنظیم شده نگاه خواهند کرد. استفاده از هوش مصنوعی نیز مانند کار با سایر انواع نرمافزارها، برای انسان پیچیده است.
حداقل برای حالا، هوش مصنوعی بیشتر از این که مضر باشد، بیضرر و سودمند است و یکی از تنها مواردی تلقی میشود که میتواند کمک بزرگی به بشر کند. به هر نحو کسی نمیتواند امکان تغییر این شرایط در آینده را انکار کند. آن وقت، زمانش است که درباره سپردن زندگیهایمان به ماشینها بحثهای اساسی به راه اندازیم.
سوالات متداول
هوش مصنوعی چیست؟
- در سادهترین تعریف، هوش مصنوعی حوزهای است که علم کامپیوتر و مجموعه دادههای قدرتمند را ترکیب میکند تا راه حل یک مسئله را ارائه دهد.
انواع هوش مصنوعی چه کاربردهایی دارند؟
- هوش مصنوعی محدود (Narrow A.I) که گاهی اوقات هوش مصنوعی ضعیف (Weak A.I) هم نامیده میشود، روی انجام یک وظیفه تمرکز دارد.
- هوش مصنوعی عمومی (General A.I) که گاهی هوش مصنوعی قوی (Strong A.I) هم نامیده میشود، جایی است که ما به سمت آن حرکت میکنیم. هوش مصنوعی در این حوزه بالاخره قابلیت درک محتوا و انجام قضاوت بر اساس آن را پیدا میکند.
- شاید در آیندهای دور دست، هوش مصنوعی از هر جنبهای بر انسان برتری یابد. در این صورت، شاید در چنین آیندهای رباتهای هوش مصنوعی برای خودشان فکر کنند، آگاهی کسب نمایند و بدون نیاز به دخالت انسان حتی در جهت خواستههای یک هوش مصنوعی دیگر عمل کنند. این هوش مصنوعی را، فراهوش مینامیم.
آیا هوش مصنوعی برای آینده بشر خطرناک است؟
- حداقل اکنون هوش مصنوعی بیشتر از این که مضر باشد، بیضرر و سودمند است و یکی از تنها مواردی تلقی میشود که میتواند کمک بزرگی به بشر کند اما کسی نمیتواند امکان تغییر این شرایط در آینده را انکار کند.
نظرات