هوش مصنوعی، دانش ساختن ماشینآآ ها یا برنامهآهای هوشمند است. »[1] .
همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمیآآید،حداقل به دو سوال باید پاسخ داد:
1ـ هوشمندی چیست؟
2ـ برنامهآهای هوشمند، چه نوعی از برنامهآها هستند؟
تعریف دیگری که از هوش مصنوعی میآتوان ارائه داد به قرار زیر است:
« هوش مصنوعی، شاخهآایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه میآدهد.»
و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
«هوش مصنوعی، مطالعه روشآهایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.»
به این ترتیب میآتوان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کردهآاند.
1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.
2ـ ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است.
هر دوی این نکات کماکان مبهم و قابل پرسشند. آیا تنها این نکته که هوشمندترین موجودی که میآشناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبهآهای ادراک انسان همچون دیدن و شنیدن کاملاً ضعیفآتر از موجودات دیگر است.
علاوه بر این، کامپیوترهای امروزی با روشآهایی کاملاً مکانیکی(منطقی) توانستهآاند در برخی جنبهآهای استدلال، فراتر از تواناییآهای انسان عمل کنند.
بدین ترتیب، آیا میآتوان در همین نقطه ادعا کرد که هوش مصنوعی تنها نوعی دغدغه علمی یا کنجکاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روشآهای بهینه انجام امور باشد، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونهآای بهینه انجام میآدهد). به این نکته نیز باز خواهیم گشت.
اما همین سوال را میآتوان از سویی دیگر نیز مطرح ساخت، چگونه میآتوان یقین حاصل کرد که کامپیوترهای امروزین، بهترین ابزارهای پیادهآسازی هوشمندی هستند؟
رویای طراحان اولیه کامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود که قادر به حل تمامی مسائل باشد، البته ماشینی که در نهایت ساخته شد(کامپیوتر) به جز دسته ای خاص از مسائل[2] قادر به حل تمامی مسائل بود. اما نکته در اینجاست که این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه کامپیوتر، منطقآدانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی که فونآنیومان[3] سازنده اولین کامپیوتر، در حال طراحی این ماشین بود، کماکان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، کلید اصلی، منطق(از نوع به کار رفته در کامپیوتر) نیست، بلکه احتمالاً چیزی خواهد بود شبیه ترمودینامیک!
به هرحال، کامپیوتر تا به حال به چنان درجهآای از پیشرفت رسیده و چنان سرمایهآگذاری عظیمی برروی این ماشین انجام شده است که به فرض این که بهترین انتخاب نباشد هم، حداقل سهلآالوصولآترین و ارزانآترین و عمومیآترین انتخاب برای پیادهآسازی هوشمندیست.
بنابراین ظاهراً به نظر میآرسد به جای سرمایهآگذاری برای ساخت ماشینآهای دیگر هوشمند، میآتوان از کامپیوترهای موجود برای پیادهآسازی برنامهآهای هوشمند استفاده کرد و اگر چنین شود، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیادهآسازی، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسمآهای طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی.
در برابر تمامی استدلالات فوق می توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفتهآاند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده اند، کامپیوتر از سیلیکون استفاده می کند، در حالی که طبیعت همه جا از کربن سود برده است.
مهم تر از همه، این نکته است که در کامپیوتر، یک واحد کاملاً پیچیده مسئولیت انجام کلیه اعمال هوشمندانه را بعهده دارد، در حالی که طبیعت در سمت و سویی کاملاً مخالف حرکت کرده است. تعداد بسیار زیادی از واحدهای کاملاً ساده (بعنوان مثال از نورونآهای شبکه عصبی) با عملکرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده است. این مساُله هم اکنون کاملاً به صورت یک جنجال(debate) علمی در جریان است.
در هر حال حتی اگر بپذیریم که کامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیهآسازی هر روش یا ماشین دیگری از آن سود بجوییم.
تاریخ هوش مصنوعی
هوش مصنوعی به خودی خود علمی است کاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 میآ دانند زمانی که آلن تورینگ مقاله دورانآساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد میآکرد. این روش بیشتر به یک بازی شبیه بود.
فرض کنید شما در یک سمت یک دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یک مکالمه بین شما و شخص آن سوی دیوار میآتواند صورت پذیرد. حال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بیآخبرید) یک ماشین بوده که پاسخ شما را میآداده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است.
باید دقت کرد که تورینگ به دو دلیل کاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد. اول این که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند.
در هر حال هر چند تاکنون تلاشآهای متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا[4] AIML (زبانی برای نوشتن برنامهآآآآهایی که قادر به chat کردن اتوماتیک باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.
همانگونه که مشخص است، این تست نیز کماکان دو پیش فرض اساسی را در بردارد:
1ـ نمونه کامل هوشمندی انسان است.
2ـ مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است.
درباره نکته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نکته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این که توانایی درک زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی که به فلسفه(Epistemology) پرداخته شده زبان همیشه در جایگاه نخست فعالیتآهای شناختی قرار داشته است. از یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار میآبردند تا فیلسوفان امروزین که یا زبان را خانه وجود میآدانند، یا آن را ریشه مسائل فلسفی میآخوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ کرده است.
با این ملاحظات میآتوان درک کرد که چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دستآیابی به هوشمندی میآداند.
تست تورینگ اندکی کمتر از نیمآقرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این مسئله باشکوه ابتدا باید مسائل کمآاهمیتآتری همچون درک تصویر (بینایی ماشین) درک صوت و… را حل کنند.
به این ترتیب با به محاق رفتن آن هدف اولیه، اینک گرایشآهای جدیدتری در هوش مصنوعی ایجاد شدهآاند.
در سالآهای آغازین AI تمرکز کاملاً برروی توسعه سیستمآهایی بود که بتوانند فعالیتآهای هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیتآهایی را در زمینهآهای کاملاً خاصی مانند بازیآهای فکری، انجام فعالیتآهای تخصصی حرفآهای، درک زبان طبیعی، و…. میآدانستند طبیعتاً به چنین زمینهآهایی بیشتر پرداخته شد.
در زمینه توسعه بازیآها، تا حدی به بازی شطرنج پرداخته شد که غالباً عدهآای هوش مصنوعی را با شطرنج همزمان به خاطر میآآورند. مکآکارتی که پیشتر اشاره شد، از بنیانآگذاران هوش مصنوعی است این روند را آنقدر اغراقآآمیز میآداند که میآگوید:
«محدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم.» به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دههآهای نخست را میآتوان توسعه تعداد بسیار زیادی سیستمآهای خبره در زمینهآهای مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین،….. توسعه بازیآهای هوشمند، ایجاد مدلآهای شناختی ذهن انسان، توسعه سیستمهای یادگیری،…. دانست. دستاوردی که به نظر میآرسد برای علمی با کمتر از نیم قرن سابقه قابل قبول به نظر میآرسد.
افقآهای هوش مصنوعی
در 1943،Mcclutch (روانشناس، فیلسوف و شاعر) و Pitts (ریاضیدان) طی مقالهآای، دیدهآهای آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را ترکیب کردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبکه عصبی بود. اجزای بسیار ساده (نورونآها) این شبکه فقط از این طریق سیگنال های تحریک (exitory) و توقیف (inhibitory) با هم درتماس بودند. این همان چیزی بود که بعدها دانشمندان کامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین کامپیوتر در 1947 توسط فون نیومان عمیقاً از آن الهام میآگرفت.
امروز پس از گذشته نیمآقرن از کار Mcclutch و Pitts شاید بتوان گفت که این کار الهام بخش گرایشی کاملاً پویا و نوین در هوش مصنوعی است.
پیوندگرایی (Connectionism) هوشمندی را تنها حاصل کار موازی و همآزمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به هم مرتبط میآداند.
شبکهآهای عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفتهآاند امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژیک شدهآاند و کاربرد آن در زمینهآهای متنوعی مانند سیستمآهای کنترلی، رباتیک، تشخیص متون، پردازش تصویر،… مورد بررسی قرار گرفته است.
علاوه بر این کار بر روی توسعه سیستمآهای هوشمند با الهام از طبیعت (هوشمندیآهای ـ غیر از هوشمندی انسان) اکنون از زمینهآهای کاملاً پرطرفدار در هوش مصنوعی است.
الگوریتم ژنیتک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست. به همین ترتیب روشآهای دیگری نیز مانند استراتژیآهای تکاملی نیز (Evolutionary Algorithms) در این زمینه پیشنهاد شده اند.
دراین زمینه هر گوشهآای از سازو کار طبیعت که پاسخ بهینهآای را برای مسائل یافته است مورد پژوهش قرار میآگیرد. زمینهآهایی چون سیستم امنیتی بدن انسان (Immun System) که در آن بیشمار الگوی ویروسآهای مهاجم به صورتی هوشمندانه ذخیره میآشوند و یا روش پیدا کردن کوتاهآترین راه به منابع غذا توسط مورچگان (Ant Colony) همگی بیانگر گوشهآهایی از هوشمندی بیولوژیک هستند.
گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُکید دارد (مدل سازی نمادین یا سمبولیک) این گرایش چندان خود را به قابلیت تعمق بیولوژیک سیستمآهای ارائه شده مقید نمیآکند.
CASE-BASED REASONING یکی از گرایشآهای فعال در این شاخه میآباشد. بعنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملاً شبیه به CBR است به این ترتیب که پزشک در ذهن خود تعداد بسیار زیادی از شواهد بیماریآهای شناخته شده را دارد و تنها باید مشاهدات خود را با نمونهآهای موجود در ذهن خویش تطبیق داده، شبیهآترین نمونه را به عنوان بیماری بیابد.
به این ترتیب مشخصات، نیازمندیآها و تواناییآهای CBR به عنوان یک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.
البته هنگامی که از گرایشآهای آینده سخن میآگوییم، هرگز نباید از گرایشآهای ترکیبی غفلت کنیم. گرایشآهایی که خود را به حرکت در چارچوب شناختی یا بیولوژیک یا منطقی محدود نکرده و به ترکیبی از آنها میآاندیشند. شاید بتوان پیشآبینی کرد که چنین گرایشآهایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیک بنا خواهند کرد.
1- Jon Mccarthy
2-NP-Complete Problems
3-Von Neumen
4-Artificial Intelligence Markup Language
همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمیآآید،حداقل به دو سوال باید پاسخ داد:
1ـ هوشمندی چیست؟
2ـ برنامهآهای هوشمند، چه نوعی از برنامهآها هستند؟
تعریف دیگری که از هوش مصنوعی میآتوان ارائه داد به قرار زیر است:
« هوش مصنوعی، شاخهآایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه میآدهد.»
و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
«هوش مصنوعی، مطالعه روشآهایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.»
به این ترتیب میآتوان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کردهآاند.
1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.
2ـ ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است.
هر دوی این نکات کماکان مبهم و قابل پرسشند. آیا تنها این نکته که هوشمندترین موجودی که میآشناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبهآهای ادراک انسان همچون دیدن و شنیدن کاملاً ضعیفآتر از موجودات دیگر است.
علاوه بر این، کامپیوترهای امروزی با روشآهایی کاملاً مکانیکی(منطقی) توانستهآاند در برخی جنبهآهای استدلال، فراتر از تواناییآهای انسان عمل کنند.
بدین ترتیب، آیا میآتوان در همین نقطه ادعا کرد که هوش مصنوعی تنها نوعی دغدغه علمی یا کنجکاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روشآهای بهینه انجام امور باشد، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونهآای بهینه انجام میآدهد). به این نکته نیز باز خواهیم گشت.
اما همین سوال را میآتوان از سویی دیگر نیز مطرح ساخت، چگونه میآتوان یقین حاصل کرد که کامپیوترهای امروزین، بهترین ابزارهای پیادهآسازی هوشمندی هستند؟
رویای طراحان اولیه کامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود که قادر به حل تمامی مسائل باشد، البته ماشینی که در نهایت ساخته شد(کامپیوتر) به جز دسته ای خاص از مسائل[2] قادر به حل تمامی مسائل بود. اما نکته در اینجاست که این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه کامپیوتر، منطقآدانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی که فونآنیومان[3] سازنده اولین کامپیوتر، در حال طراحی این ماشین بود، کماکان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، کلید اصلی، منطق(از نوع به کار رفته در کامپیوتر) نیست، بلکه احتمالاً چیزی خواهد بود شبیه ترمودینامیک!
به هرحال، کامپیوتر تا به حال به چنان درجهآای از پیشرفت رسیده و چنان سرمایهآگذاری عظیمی برروی این ماشین انجام شده است که به فرض این که بهترین انتخاب نباشد هم، حداقل سهلآالوصولآترین و ارزانآترین و عمومیآترین انتخاب برای پیادهآسازی هوشمندیست.
بنابراین ظاهراً به نظر میآرسد به جای سرمایهآگذاری برای ساخت ماشینآهای دیگر هوشمند، میآتوان از کامپیوترهای موجود برای پیادهآسازی برنامهآهای هوشمند استفاده کرد و اگر چنین شود، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیادهآسازی، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسمآهای طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی.
در برابر تمامی استدلالات فوق می توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفتهآاند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده اند، کامپیوتر از سیلیکون استفاده می کند، در حالی که طبیعت همه جا از کربن سود برده است.
مهم تر از همه، این نکته است که در کامپیوتر، یک واحد کاملاً پیچیده مسئولیت انجام کلیه اعمال هوشمندانه را بعهده دارد، در حالی که طبیعت در سمت و سویی کاملاً مخالف حرکت کرده است. تعداد بسیار زیادی از واحدهای کاملاً ساده (بعنوان مثال از نورونآهای شبکه عصبی) با عملکرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده است. این مساُله هم اکنون کاملاً به صورت یک جنجال(debate) علمی در جریان است.
در هر حال حتی اگر بپذیریم که کامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیهآسازی هر روش یا ماشین دیگری از آن سود بجوییم.
تاریخ هوش مصنوعی
هوش مصنوعی به خودی خود علمی است کاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 میآ دانند زمانی که آلن تورینگ مقاله دورانآساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد میآکرد. این روش بیشتر به یک بازی شبیه بود.
فرض کنید شما در یک سمت یک دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یک مکالمه بین شما و شخص آن سوی دیوار میآتواند صورت پذیرد. حال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بیآخبرید) یک ماشین بوده که پاسخ شما را میآداده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است.
باید دقت کرد که تورینگ به دو دلیل کاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد. اول این که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند.
در هر حال هر چند تاکنون تلاشآهای متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا[4] AIML (زبانی برای نوشتن برنامهآآآآهایی که قادر به chat کردن اتوماتیک باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.
همانگونه که مشخص است، این تست نیز کماکان دو پیش فرض اساسی را در بردارد:
1ـ نمونه کامل هوشمندی انسان است.
2ـ مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است.
درباره نکته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نکته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این که توانایی درک زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی که به فلسفه(Epistemology) پرداخته شده زبان همیشه در جایگاه نخست فعالیتآهای شناختی قرار داشته است. از یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار میآبردند تا فیلسوفان امروزین که یا زبان را خانه وجود میآدانند، یا آن را ریشه مسائل فلسفی میآخوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ کرده است.
با این ملاحظات میآتوان درک کرد که چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دستآیابی به هوشمندی میآداند.
تست تورینگ اندکی کمتر از نیمآقرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این مسئله باشکوه ابتدا باید مسائل کمآاهمیتآتری همچون درک تصویر (بینایی ماشین) درک صوت و… را حل کنند.
به این ترتیب با به محاق رفتن آن هدف اولیه، اینک گرایشآهای جدیدتری در هوش مصنوعی ایجاد شدهآاند.
در سالآهای آغازین AI تمرکز کاملاً برروی توسعه سیستمآهایی بود که بتوانند فعالیتآهای هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیتآهایی را در زمینهآهای کاملاً خاصی مانند بازیآهای فکری، انجام فعالیتآهای تخصصی حرفآهای، درک زبان طبیعی، و…. میآدانستند طبیعتاً به چنین زمینهآهایی بیشتر پرداخته شد.
در زمینه توسعه بازیآها، تا حدی به بازی شطرنج پرداخته شد که غالباً عدهآای هوش مصنوعی را با شطرنج همزمان به خاطر میآآورند. مکآکارتی که پیشتر اشاره شد، از بنیانآگذاران هوش مصنوعی است این روند را آنقدر اغراقآآمیز میآداند که میآگوید:
«محدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم.» به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دههآهای نخست را میآتوان توسعه تعداد بسیار زیادی سیستمآهای خبره در زمینهآهای مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین،….. توسعه بازیآهای هوشمند، ایجاد مدلآهای شناختی ذهن انسان، توسعه سیستمهای یادگیری،…. دانست. دستاوردی که به نظر میآرسد برای علمی با کمتر از نیم قرن سابقه قابل قبول به نظر میآرسد.
افقآهای هوش مصنوعی
در 1943،Mcclutch (روانشناس، فیلسوف و شاعر) و Pitts (ریاضیدان) طی مقالهآای، دیدهآهای آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را ترکیب کردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبکه عصبی بود. اجزای بسیار ساده (نورونآها) این شبکه فقط از این طریق سیگنال های تحریک (exitory) و توقیف (inhibitory) با هم درتماس بودند. این همان چیزی بود که بعدها دانشمندان کامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین کامپیوتر در 1947 توسط فون نیومان عمیقاً از آن الهام میآگرفت.
امروز پس از گذشته نیمآقرن از کار Mcclutch و Pitts شاید بتوان گفت که این کار الهام بخش گرایشی کاملاً پویا و نوین در هوش مصنوعی است.
پیوندگرایی (Connectionism) هوشمندی را تنها حاصل کار موازی و همآزمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به هم مرتبط میآداند.
شبکهآهای عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفتهآاند امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژیک شدهآاند و کاربرد آن در زمینهآهای متنوعی مانند سیستمآهای کنترلی، رباتیک، تشخیص متون، پردازش تصویر،… مورد بررسی قرار گرفته است.
علاوه بر این کار بر روی توسعه سیستمآهای هوشمند با الهام از طبیعت (هوشمندیآهای ـ غیر از هوشمندی انسان) اکنون از زمینهآهای کاملاً پرطرفدار در هوش مصنوعی است.
الگوریتم ژنیتک که با استفاده از ایده تکامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست. به همین ترتیب روشآهای دیگری نیز مانند استراتژیآهای تکاملی نیز (Evolutionary Algorithms) در این زمینه پیشنهاد شده اند.
دراین زمینه هر گوشهآای از سازو کار طبیعت که پاسخ بهینهآای را برای مسائل یافته است مورد پژوهش قرار میآگیرد. زمینهآهایی چون سیستم امنیتی بدن انسان (Immun System) که در آن بیشمار الگوی ویروسآهای مهاجم به صورتی هوشمندانه ذخیره میآشوند و یا روش پیدا کردن کوتاهآترین راه به منابع غذا توسط مورچگان (Ant Colony) همگی بیانگر گوشهآهایی از هوشمندی بیولوژیک هستند.
گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُکید دارد (مدل سازی نمادین یا سمبولیک) این گرایش چندان خود را به قابلیت تعمق بیولوژیک سیستمآهای ارائه شده مقید نمیآکند.
CASE-BASED REASONING یکی از گرایشآهای فعال در این شاخه میآباشد. بعنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملاً شبیه به CBR است به این ترتیب که پزشک در ذهن خود تعداد بسیار زیادی از شواهد بیماریآهای شناخته شده را دارد و تنها باید مشاهدات خود را با نمونهآهای موجود در ذهن خویش تطبیق داده، شبیهآترین نمونه را به عنوان بیماری بیابد.
به این ترتیب مشخصات، نیازمندیآها و تواناییآهای CBR به عنوان یک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.
البته هنگامی که از گرایشآهای آینده سخن میآگوییم، هرگز نباید از گرایشآهای ترکیبی غفلت کنیم. گرایشآهایی که خود را به حرکت در چارچوب شناختی یا بیولوژیک یا منطقی محدود نکرده و به ترکیبی از آنها میآاندیشند. شاید بتوان پیشآبینی کرد که چنین گرایشآهایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیک بنا خواهند کرد.
1- Jon Mccarthy
2-NP-Complete Problems
3-Von Neumen
4-Artificial Intelligence Markup Language