در اکتبر سال 1950، ریاضیدان و دانشمند معروف انگلیسی آلن تورینگ مقالهای به اسم «هوش و دستگاه محاسباتی» در نشریه MIND منتشر کرد که در آن زمان از موضوعی صحبت میکرد که برای بسیاری از افراد مانند یک داستان فانتزی علمی تخیلی بود.
تورینگ در این مقاله سوال کرده بود «آیا ممکن نیست دستگاهها کاری را انجام دهند که باید از آن عنوان اندیشیدن یاد کنیم ولی بسیار متفاوت با تفکر انسانی باشد؟»
تفکر تورینگ این بود که آنها میتوانند. علاوه بر این، او باور داشت که امکان ساخت یک نرمافزار برای یک کامپیوتر دیجیتالی وجود دارد که آن را به نحوی فعال کرد که ناظر به محیط اطرافش باشد و مسائل جدید ، از بازی شطرنج گرفته تا درک زبان انسان و صحبت با آن را یاد بگیرد.
همچنین او تصور کرد که دستگاهها در نهایت میتوانند توانایی انجام کارهای خود را بدون هدایت و نظارت انسان به دست آورند.
او پیشبینی کرد «ما میتوانیم امیدوار باشیم که دستگاهها در نهایت با انسان در تمامی زمینههای کاملا هوشی و فکری رقابت خواهند کرد.»
تقریبا 70 سال بعد، رویای ظاهرا عجیب تورینگ به یک حقیقت تبدیل شده است. هوش هیجانی که اکثرا آن را با مخفف AI میشناسیم، توانایی یادگیری از تجربیات و انجام وظایف شناختی را به ماشینها میدهد، از آن دست کارهایی که زمانی ظاهرا تنها مغز انسان قادر به انجام آن بوده است.
هوش مصنوعی به سرعت در بین تمدنهای مختلف پخش شده است و نوید انجام همه نوع کار را میدهد از امکان ساخت خودروهای خودران گرفته تا مسیریابی در خیابانها و پیشبینی دقیقتر طوفان.
هوش مصنوعی در زندگی روزمره، تصمیم میگیرد در محیط وب چه تبلیغاتی به کاربر نشان داده شود و نیروبخش آن رباتهای گفتگو دوستانهای است که هنگام بازدید از یک وبسایت فروشگاه الکترونیکی برای پاسخ به سوالات شما و فراهمسازی خدمات مشتری ظاهر میشوند.
علاوه بر این، هوش مصنوعی در دستیار صوتی دستگاههای هوشمند خانگی با قابلیت صوتی ادغام شده است تا مجموعهای از وظایف مختلف را انجام دهد از کنترل تلویزیونهای هوشمند و زنگ درب گرفته تا پاسخگویی به سوالات بیاهمیت و کمک به ما در پیدا کردن آهنگ محبوبمان.
اما ما هنوز تازه در شروع کار هستیم. چون فناوری هوش مصنوعی به مراتب پیچیدهتر و توانمندتر شده است و اتتظار میرود اقتصاد جهان را به شکل قابل توجهی ترقی دهد و براساس پیشبینی موسسه McKinsey Global تا سال 2030 یک ارزش افزوده تقریبا 13 تریلیون دلار را به همراه خواهد آورد.
سارا گیتس، یک استراتژیست پلتفرم تلحیلی در شرکت SAS، یک شرکت خدمات و نرمافزاری جهانی که تمرکز آن تبدیل دادهها به هوش برای مشتریانش است میگوید «هوش مصنوعی هنوز در مراحل اولیه پذیرش خود قرار دارد ولی سرعت آن را به اوج است و از آن در تمامی صنایع استفاده خواهد شد.»
نحوه عمل هوش مصنوعی به چه صورت است؟
شاید این نکته حتی جالبتر باشد که حیات انسان کاملا توسط فناوری متحول شده است که بسیاری از ما حتی درک کمی از آن داریم، البته اگر اصلا درکی داشته باشیم، فناوری که به قدری پیچیده است که حتی دانشمندان به سختی میتوانند آن را توضیح دهند.
واسانت هاناوار، استاد و مدیر آزمایشگاه تحقیقات هوش مصنوعی دانشگاه ایالاتی پن میگوید «هوش مصنوعی یک خانواده از فناوریهایی است که کارهای را انجام میدهند که تصور میشود انسانهای برای انجام آنها نیاز به هوش دارند. من میگویم «تصور میشود» چون هیچکس واقعا کاملا مطمئن نیست هوش چیست.»
هاناوار برای هوش دو دسته اصلی را توصیف میکند. یک هوش محدود وجود دارد که دستیابی به شایستگی در یک قلمروی محدود تعریف شده است مانند تحلیل عکس عکسبرداری با اشعه ایکس و اسکنهای MRI در رادیولوژی.
در طرف مقابل هوش عمومی است که بیشتر یک توانایی شبه انسانی برای یادگیری در مورد هر موضوعی و صحبت در مورد آن است.
هاناوار توضیح میدهد «یک دستگاه ممکن است در تشخیص در زمینه رادیولوژی خوب باشد، ولی اگر از آن در مورد بیسبال اطلاعات بخواهید، هیچ ایدهای نخواهد داشت. در حال حاضر تنوع و همهکاره بودن هوش انسانی فراتر از دسترسی هوش مصنوعی است.»
طبق گفته هاناوار، هوش مصنوعی دو بخش مهم دارد. یکی از آنها بخش مهندسی است یعنی ساخت ابزارهایی که به طریقی از هوش استفاده میکند.
بخش دیگر علم هوش یا ترجیحا نحوه فراهمسازی این امکان برای یک دستگاه است تا به نتایجی دست پیدا کند که قادر به مقایسه با نتایجی باشد که مغز انسان به آن میرسد، حتی اگر دستگاه از طریق فرآیند بسیار متفاوتی موفق به این کار شود.
هاناوار به عنوان مثال میگوید «پرندهها و همچنین هواپیماها پرواز میکنند، ولی شیوه پرواز آنها کاملا متفاوت است. حتی با این وجود، هر دو آنها از فیزیک و ایرودینامیک استفاده میکنند. به همین شکل، هوش مصنوعی براساس این ماهیت است که قواعد کلی در مورد نحوه رفتار سیستمهای هوشمند وجود دارد.»
کرت کیگل، یک نویسنده، دانشمند داده و آیندهنگر که بنیانگذار شرکت مشاوره Semantical است میگوید هوش مصنوعی «به طور کلی نتایج تلاش ما برای درک و شبیهسازی شیوه عملکرد مغز و استفاده از آن در سیستمهای خودکار (به عنوان مثال پهبادها، رباتها و ایجنتها) است.
او همچنین سردبیر یک خبرنامه فناوری اطلاعات روزانه به اسم The Cagle Report است.
از طرفی با آن که کامپیوترها از مدارها، نیمه هادیها و رسانه مغناطیسی به جای سلولهای زیستی برای ذخیرهسازی اطلاعات استفاده میکنند و شیوه تفکر انسان واقعا با آنها فرق دارد، ولی شباهتهای جالبی دیده میشود.
کیگل توضیح میدهد «موضوعی که در ابتدای کشف آن هستیم این است که شبکههای گراف زمانی که شروع به صحبت در مورد میلیاردها گره میکنید واقعا جالب هستند و مغز الزاما یک شبکه گراف است، البته شبکهای که در آن میتوانید قدرت فرآیندها را با تغییر مقاومت نورونها پیش از آن که یک جرقه ظرفیت شعلهور شود، تغییر دهید. یک تک نورون به تنهایی یک مقدار بسیار محدود از اطلاعات در اختیار شما میگذارد، ولی تحریک کافی نورونهای با قدرت متفاوت به همراه یکدیگر معمولا از طریق پردازشهای سیگنال دیجیتالی (DSPs) که ما اسمش را شبکه چشم و صدف گوش میگذاریم، سیگنالهای الکتریکی را تنظیم میکند.»
هاناوار میگوید «اکثر کاربردهای هوش مصنوعی در حوزههایی با حجم بالایی از داده بوده است.» اگر بخواهیم مجددا از مثال رادیولوژی استفاده کنیم، وجود دیتابیس عظیمی از اسکنهای MRI و اشعه ایکس که توسط رادیولوژیستهای انسانی بررسی شده است با شبیهسازی این فعالیت امکان آموزش یک دستگاه را فراهم میکند.
هوش مصنوعی با ترکیب حجم زیادی از داده با الگوریتمهای هوشمند یعنی یک سری دستورالعمل کار میکند که به نرمافزار اجازه میدهد از الگوها و ویژگیهای دادهها یاد بگیرد.
هوش مصنوعی در شبیهسازی شیوه عملکرد مغز در تعدادی از زیر رشتههای متفاوت به کار گرفته میشود.
- یادگیری ماشینی ساخت مدل تحلیلی را خودکار میکند تا اطلاعات پنهان در دادهها را بدون برنامهریزی برای پیدا کردن دادههای به خصوص یا یک نتیجهگیری خاص، پیدا کند.
- شبکههای عصبی از آرایه مغزی نورونهای در ارتباط با یکدیگر تقلید میکند و تقویتکننده اطلاعات بین واحدهای گوناگون برای پیدا کردن ارتباطات و نتیجهگیری معنابخش از دادهها است.
- یادگیری عمیق از شبکههای عصبی واقعا بزرگ و قدرت محاسباتی فراوانی برای پیدا کردن الگوهای پیچیده در دادهها استفاده میکند، یعنی برای کاربردهایی مانند بازشناسی تصویر و گفتگو.
- محاسبه شناختی در مورد ساخت یک «تعامل شبه انسانی، طبیعی» است از جمله استفاده از قابلیت تفسیر گفتگو و پاسخگویی به آن.
- بینایی رایانهای از بازشناسی الگو و یادگیری عمیق برای درک محتوای تصاویر و ویدئوها استفاده میکند و این امکان را به دستگاهها میدهد تا در زمان آنی از تصاویر استفاده کنند و متوجه شوند اطراف آنها چه خبر است.
- پردازش زبان عصبی شامل تحلیل و درک زبان انسان و واکنش نسبت به آن است.
دههها تحقیق
پیشینه مفهوم هوش مصنوعی به دهه 40 میلادی بر میگردد و در یک کنفرانس در کالج دارتموث در سال 1956 اصطلاح هوش مصنوعی معرفی شد. در طول دو دهه بعد، محققان برنامههایی توسعه دادند که قادر به بازار بودند و بازشناسی الگوها و یادگیری ماشینی ساده را انجام دادند.
فرانک روزنبلات دانشمند دانشگاه کورنل، سیستم پرسیترون (Perceptron) را توسعه داد که اولین شبکه عصبی مصنوعی است که در یک کامپیوتر IBM، 5 تنی به اندازه یک اتاق اجرا شد که تغذیه آن با پانچ کارتها بود.
ولی طبق گفته هاناوار شروع دومین موج شبکههای عصبی پیچیدهتر و چند لایهتر تا اواسط دهه 80 میلادی طول کشید که برای انجام وظایف در سطح بالاتر ساخته شدند. در اوایل دهه 90، موفقیت دیگری امکان تعمیم فناوری هوش مصنوعی را به موضوعاتی فراتر از یادگیری تجربه فراهم کرد.
در دهه 90 و 2000، نوآوریهای فناوری دیگر یعنی وب و کامپیوترهای روزبهروز قدرتمندتر به افزایش سرعت توسعه هوش مصنوعی کمک کرد.
هاناوار میگوید «با ظهور وب، دادههای زیادی به شکل دیجیتال در دسترس افراد قرار گرفت. توالییابی ژنوم و سایر پروژهها شروع به تولید حجم زیادی از داده کردند و پیشرفتها در زمینه محاسبات امکان ذخیرهسازی و دسترسی به این دادهها را فراهم کرد. ما توانستیم به دستگاهها انجام کارهای پیچیدهتر را یاد دهیم. شما 30 سال قبل نمیتوانستید یک مدل یادگیری عمیق داشته باشید، چون دادهها و قدرت محاسباتی را نداشتید.»
هوش مصنوعی و رباتیک
هوش مصنوعی متفاوت با رباتیک است ولی به آن ربط دارد، یعنی موضوعاتی که در آن دستگاهها محیط خود را حس میکنند، محاسباتی انجام داده و به تنهایی یا تحت هدایت افراد کارهای فیزیکی انجام میدهند از کار در کارخانه و آشپزگی گرفته تا فرود روی سیارههای دیگر. هاناوار میگوید که این دو رشته به شکلهای متعدد با یکدیگر تلاقی دارند.
هاناوار میگوید «میتوانید رباتهایی بدون هوش زیاد را تصور کنید، دستگاههای کاملا مکانیکی مانند دستگاههای بافندگی خودکار. نمونههایی از رباتها وجود دارند که به شکل معناداری هوشمند نیستند. در مقابل، حوزههایی از رباتیک وجود دارد که هوش در آن یک بخش یکپارچه است، مانند هدایت یک خودروی خودران در اطراف خیابانهایی پر از عابران پیاده و ماشینهایی که انسانها میرانند.»
طبق گفته هاناوار «منطقی است بحث کنیم که برای درک هوش عمومی، تا حدی نیاز به رباتیک دارید، چون تعامل با جهان به مقداری یک بخش مهم از هوش است. برای درک معنای پرتاب کردن یک توپ، باید بتوانید یک توپ را پرتاب کنید.»
هوش مصنوعی به آرامی به قدری همهگیر شده است که در حال حاضر آن را در بسیاری از محصولات مصرفکننده پیدا میکنیم.
کیگل میگوید «یک تعداد عظیمی از دستگاهها که در حوزه اینترنت اشیاء (IoT) قرار میگیرند به راحتی از یک نوع هوش مصنوعی خود تقویتکننده، البته هوش مصنوعی بسیار تخصصی، استفاده میکنند. کروز کنترل یک هوش مصنوعی اولیه بود و زمانی که بیشتر از درک افراد کار کند به مراتب پیچیدهتر به نظر میرسد. هدفونهای نویزگیر یک مثال دیگر هستند. هر چیزی که یک قابلیت بازشناسی گفتار داشته باشد، مانند اکثر کنترلهای تلویزیون. فیلترهای رسانه اجتماعی. فیلترهای اسپم. اگر هوش مصنوعی را به پوشاندن موضوع یادگیری ماشینی توسعه دهید، همچنین میتواند شامل سیستمهای پیشنهاد متن، غلطگیر املایی، در واقع هر سیستم پیشنهادی، ماشینهای لباسشویی و خشککن، مایکرویوها، ماشینهای ظرفشویی و واقعا اکثر دستگاههای الکترونیکی شود که پس از سال 2017 تولید شدند، یعنی اسپیکرها، تلویزیونها، سیستمهای ترمز ضد قفل، هر گونه خودرو برقی، دوربینهای مدرن CCTV. حتی اکثر بازیها از شبکههای هوش مصنوعی در سطوح بسیار متفاوتی استفاده میکنند.»
هوش مصنوعی در حال حاضر در دامنههای محدودی میتواند بهتر از انسان عمل کند، به گفته هاناوار «درست مانند هواپیماها که میتوانند مسافت بیشتری را طی کنند و بیشتر از توان یک پرنده انسانها را حمل کنند.»
هوش مصنوعی به عنوان مثال قادر به پردازش میلیونها تعامل در شبکههای اجتماعی و به دست آوردن اطلاعاتی است که میتواند روی رفتار کاربران تاثیر بگذارد، توانایی که کارشناسان هوش مصنوعی نگران هستند ممکن است «نتایج خوبی نداشته باشد.»
هوش مصنوعی به ویژه در درک حجم عظیمی از دادهها خوب است که مغز انسان را آشفته خواهد کرد. این قابلیت به عنوان مثال به شرکتهای اینترنتی این توانایی را میدهد که کوهی از دادهها را که در مورد کاربران جمعآوری میکنند را تحلیل کرده و از این بینشها به طریق مختلف برای تاثیرگذاری روی رفتار ما استفاده کنند.
اما هاناوار اشاره میکند هوش هیجانی تاکنون در تقلید از خلاقیت انسانی پیشرفت زیادی نداشته است، گرچه از این فناوری در حال حاضر برای آهنگسازی و نوشتن مقالات خبری براساس دادههای دریافت شده از گزارشهای مالی و نتایج انتخابات استفاده میشود.
چطور هوش مصنوعی میتواند اقتصاد را متحول کند
با توجه به پتانسیل هوش مصنوعی در انجام وظایفی که قبلا انسانها انجام میدادند، به سادگی میتوان ترسید شیوع این فناوری اکثر انسانها را از کار بیکار میکند. اما برخی از کارشناسان تصور میکنند با آن که ترکیب هوش مصنوعی و رباتیک میتواند باعث حذف بعضی از موقعیتهای شغلی شود، ولی برای کارمندان علاقهمند به دنیای فناوری حتی شغلهای جدیدی بیشتری به وجود خواهد آورد.
دارل وست، معاول رئیس و بنیانگذار مرکز نوآوری فناوری در موسسه بروکینگز، یک سازمان سیاست عمومی مستقر در واشینگتن میگوید «آن دسته از افرادی که بیشتر در معرض خطر هستند، کسانیاند که کارهای تکراری و روزمره را در حوزههای خردهفروشی، مالی و تولید انجام میدهند. شغلهای یقه سفید در حوزه مراقبت از سلامت همچنان تحتتاثیر قرار خواهد گرفت و افزایش رویگردانی از شغل به وجود خواهد آمد که افراد در نتیجه آن به دفعات شغل عوض میکنند. شغلهای جدید به وجود خواهد آمد ولی بسیاری از افراد مهارتهای لازم برای این موقعیتهای شغلی را نخواهند داشت. بنابراین یک عدم تطابق شغلی وجود خواهد داشت که باعث میشود افراد از تحول یک اقتصاد دیجیتالی عقب بمانند. کشورها به دنبال توسعه فناوری بیشتر مجبور به سرمایهگذاری روی آموزش مجدد شغل و توسعه نیروی کاری خواهند بود. نیاز به یک یادگیری مادامالعمر وجود خواهد داشت تا افراد بتوانند به صورت منظم مهارتهای شغلی خود را ارتقاء بخشند.»
از طرفی ممکن است از هوش مصنوعی به جای جایگزین کردن کارگران انسانی برای بهبود قابلیتهای هوشی آنها استفاده شود. ری کرزویل مخترع و آِیندهنگر پیشبینی کرده است که تا دهه 2030، هوش مصنوعی به سطح هوش انسان رسیده است و احتمالا فناوری از هوش مصنوعی وجود خواهد داشت که برای بهبود قدرت حافظه به درون مغز انسان برود یا انسانها را به هیبریدهای دستگاه – انسان تبدیل کند.
آنطور که کرزویل پیشبینی میکند «ما ذهنهایمان را توسعه میدهیم و شایستگیهای هنری که برایمان ارزشمند هستند را با مثال نشان میدهیم.»
در پایان باید اشاره کنیم کیگل هفت سال قبل در یک گردهمآیی علمی تخیلی با نویسندهای به اسم دیوید برین حضور داشت که در مورد مفهوم متعالی ساختن مینویسد یعنی موضوعی که براساس آن از هوش مصنوعی برای افزایش قابلیتهای هوشی حیاتهای غیر انسانی درککننده مانند دلفینها و میمونها در سطح انسان استفاده میشود.
کیگل در این مراسم سوال میکند «آیا از نظر اخلاقی آماده هستیم تا گونههای هوشمند جدید را در جهان هدایت کنیم؟ آیا به اندازه کافی با وجود خودمان راحت هستیم تا سایر موجوداتی خلق کنیم که عاشق آنها خواهیم شد، با آنها بحث خواهیم کرد و از آنها یاد میگیریم و به آنها درس میدهیم؟»
