بالاخره آیا امکان ساخت یک هوش مصنوعی واقعی وجود دارد؟ و اگر امکان دارد ما چقدر به آن نزدیک شده ایم؟ اینها سوالاتی است که مارکوس دو ساتوی دارای دو پروفسورای ریاضیات و Simonyi در زمینه درک عمومی از علم از دانشگاه آکسفورد مطرح کرده است.

برای درک جواب این سوالات نویسنده به سراغ یکی از متخصصان نوروساینس (neuroscientist) رفته است تا بحث کوتاهی بکند راجع به اینکه اکنون در کجای راه رسیدن به هوش مصنوعی واقعی و در حد هوش انسان هستیم و اینکه چه مشکلاتی در برابر رسیدن به این هدف وجود دارند. پس در ادامه مطلب با ما باشید.

«آیا خبرها راجع به واتسن را شنیده ای؟»

زمانی که اولین بار او این سوال را از من پرسید، متوجه نشدم منظور کیست. گیج شدم. حدس زدم سری جدیدی از ماجراهای شرلوک هولمز باشد.

ایشان اضافه کرد: «واتسن شب گذشته در جئوپاردی مسابقات جهانی را برد و قهرمان جهان شد.

جئوپاردی یک مسابقه تلویزیونی آمریکایی است که اطلاعات عمومی افراد را می سنجد. برایم جالب بود که چرا این قضیه برای یک پروفسور نوروساینس جالب است.

سپس او توضیح داد که واتسن یک انسان نیست، بلکه یک کامپیوتر است. او معتقد است پیروزی واتسن یک لحظه بسیار مهم تاریخی برای علم هوش مصنوعی است.

مدتها پیش، اولین بار آلن تورینگ در مقاله اش در سال ۱۹۵۰ درباره ماشین هایی صحبت کرد که می توانند فکر کنند. اما اکنون دانشمندان در حال ساخت ماشین هایی هستند که می توانند هوشی مشابه ما داشته باشند.

بحث ها

این ها، مجموعه ای از اجلاس ها و گفتگوها هستند که تعداد زیادی از صاحب نظران هوش مصنوعی موانع کلیدی پیش روی رسیدن به رویای تورینگ را بررسی می کنند و اهداف آینده را تعیین می کنند. رسیدن یک کامپیوتر به قهرمانی مسابقات جئوپاردی یکی از آن اهداف بود.

شاید این هدف احمقانه به نظر برسد، اما در واقع در قلب این هدف، نکته مهمی نهفته است. مغز انسان کارایی بی نهایت بالایی دارد. حالا اگر یک کامپیوتر (در زمینه اطلاعات عمومی) بهتر از انسان عمل کند، شاید به معنی این باشد که ما به هوش مصنوعی واقعی بسیار نزدیک شده ایم.

برای توضیح بیشتر به سراغ یکی از سوالات این مسابقه می رویم: «نام عنصری با عدد اتمی ۲۷ که به رنگ های آبی و سبز یافت می شود، را نام ببرید؟

مغز انسان توانایی این را دارد که به سرعت این جمله را به زبان اصلی ذهنش ترجمه کند، سپس به سراغ دیتابیس (پایگاه داده) بسیار بزرگ خود که در حافظه اش قرار دارد برود و در نهایت جواب را دریابد: عنصر کبالت.

کامپیوترها در حال بهبود در این زمینه هستند. برای دریافت آن به موتورهای جستجو (مانند گوگل) توجه کنید که به خوبی می دانند شما به دنبال چه هستید، علی رغم این که ممکن است عبارتی که شما برای جستجو وارد کرده اید، بسیار کوتاه باشند.

اما ادغام کردن الگوریتم های ریاضی پیچیده ای که این موتورهای جستجو را می گردانند با قهرمانی هوش مصنوعی در مسابقات جئوپاردی نشان دهنده این است که هوش کامپیوتر در حال عبور از هوش انسان است.

مسابقات جئوپاردی اولین مسابقه کلیدی هوش های مصنوعی نبود. اولین آن بر می گردد به سال ۱۹۹۹ که Deep Blue (آبی عمیق) سوپرکامپیوتر ساخت آی بی ام، آقای گری کاسپاروف قهرمان افسانه ای شطرنج جهان را شکست داد.

برای شکست کاسپاروف نیاز به آنالیز منطقی عمیقی برای تعیین هر حرکت بازی بود. شاید بتوان گفت دستیابی به این میزان آنالیز آسان ترین هدفی بود که هوش مصنوعی به آن رسید، زیرا افکار منطقی کاری است که کامپیوترها به خوبی آن را انجام می دهند.

تست تورنیگ

معیار اصلی برای موفقیت هوش مصنوعی که تورنیگ آن را در مقاله اصلی اش در سایت ۱۹۵۰ پیشنهاد کرد، ارتباط و گفتگو است.

اگر شما به صورت آنلاین با یک انسان و یک کامپیوتر چت کنید. آیا می توانید متوجه شوید کدام یک کامپیوتر هستند؟

زیرا ما میزان هوش هر شخص را از طریق ارتباط برقرار کردن (گفتگو) با او تشخیص می دهیم. حال اگر یک کامپیوتر بتواند دقیقا مانند یک انسان صحبت کند، آیا نمی توان آن را هوش نامید?

اکنون کاندیداهای خیلی خوبی هستند که به زودی می توانند تست تورینگ را با موفقیت پشت سر بگذارند. مثلا این کاندیدا cleverbot .

این در حالی است که بسیاری معتقدند عبور هوش مصنوعی از این مانع (تست تورینگ) به معنای موفقیت کامل هوش مصنوعی نیست. زیرا حتی اگه یک کامپیوتر بتواند این تست را پاس کند، باز هم به معنی این نیست که کامپیوتر همه چیز را در این ارتباط متوجه شود و درک کند. یکی از مهمترین دلایل برای نقض تست تورینگ، مسئله «اتاق چینی ها» است.

نویسنده می گوید، اخیرا به توصیه پروفسور جان سیرل، تجربه ذهنی ای تحت عنوان «اتاق چینی ها» داشته است. در آنجا ایده اینکه روزی ماشین ها بتوانند دقیقا مانند انسان فکر کنند به چالش کشیده می شود.

به این صورت که نویسنده داخل اتاقی قرار گرفته بود و سپس از او خواسته بودند در برابر سوالاتی به زبان چینی به داخل اتاق فرستاده می شود، یک جواب به زبان چینی ارائه کند.

اگرچه او هیچ چیزی از زبان ماندارین (Mandarin) بلد نبوده، اما توانسته یک گفتگوی قابل قبول با شخصی که به ماندارین صحبت می کرد انجام دهد. گرچه او یک کلمه از این گفتگو را متوجه نمی شده.

مسئله اتاق چینی ها

یک پیام (کاغذ زرد رنگ) به شخصی که به زبانی به جز ماندارین مثلا انگلیسی صحبت می کند و در داخل اتاق چینی ها است فرستاده می شود.

یک دفترچه دستورالعمل (آبی رنگ) در داخل اتاق وجود دارد که حاوی سوال و جواب های احتمالی است. شخص غیر ماندارینی می تواند از میان سوال ها، آن سوالی که شبیه ترین کارکترها به پیام اولیه را دارد، پیدا کند و جواب مناسب پیام اولیه را بدهد.

شخص ماندارینی با دیدن جواب فکر می کند که دارد با شخصی مسلط به زبان ماندراین صحبت می کند. اما شخص غیر ماندارینی که داخل اتاق چینی ها است، اصلا متوجه نیست که چه چیزی به شخصی ماندارینی گفته است.

پروفسور سیرل مرد داخل اتاق چینی ها را به کامپیوترها تشبیه می کند. این مرد گرچه پاسخ مناسب می دهد اما در واقع زبان ماندارینی بلد نیست، بنابراین کامپیوتر نیز گرچه جواب مناسب به سوالات ما می دهد، اما خودشان درکی از صحبت ها ندارند.

این یکی از جدل های مهم در برابر تست تورینگ است. اما در مقابل، این سوال هم مطرح است. ذهن من هنگام کنار هم گذاشتن کلمات و جمله سازی چگونه عمل می کند؟ آیا غیر از این است که ما نیز از تعدادی قوانین پیروی می کنیم؟ مثلا من در جواب سوال «چه خبر؟» از عبارت «سلامتی» استفاده می کنم. بدون آنکه حتی لحظه ای راجع به آن فکر کنم. پس آیا می توانیم بگوییم که به گونه ای شبیه به کامپیوتر و اتاقی چینی ها صحبت می کنیم؟

بینایی کامپیوترها

احتمالا بزرگترین مشکل هوش مصنوعی در برابر شبیه شدن به انسان، توانایی پردازش اطلاعات تصویری است.

کامپیوترها هنوز کیلومترها از توانایی شگفت آور مغز انسان در دریافت و پردازش تصاویر فاصله دارند. برای اثبات کافی است به عبارات کپچا (همان کلمات کج و معوجی که هنگام وارد کردن یک فرم از شما پرسیده می شوند) فکر کنید. این عبارات برای تشخیص انسان ها از نرم افزارهای ارسال اسپم خودکار است.

در اینجا عملا یک تست تورینگ برعکس هم وجود دارد. یعنی یک کامپیوتر (مثلا وب سایت) باید انسان و ماشین را از یکدیگر افتراق دهد.

زیرا انسان ها می توانند حروف کج و معوج را تصحیح کرده و درک کنند، اما ماشین ها این قابلیت را ندارند. (اما گویا حرفه ای های دانشگاه استنفورد در آستانه شکستن کدهای کپچای پیچیده هستند.)

این یک مثال قاطع برای این است که هنوز کامپیوترها در پردازش تصاویر مشکلات جدی دارند. بی دلیل نیست که انجمن هوش مصنوعی این مشکل را مهمترین مشکل خود می دانند.

اکنون دروبین های مدار بسته (CCTV = closed-circuit television) فراوانی در همه جا وجود دارند که تمام حرکات ما را ارزیابی می کنند. شرکت های امنیتی با تمام نیرو سعی بر بهبود درک این دوربین ها دارند، زیرا فعلا باید انسان هایی را استخدام کرد تا به مونیتورها نگاه کنند و رفتارهای مشکوک را پیدا کنند. زیرا مغز انسان اطلاعات تصویری را از هر کامپیوتری بهتر پردازش می کند.

کامپیوترها باید تصاویر را پیکسل به پیکسل بخوانند و بسیار مشکل است که این پیکسل ها را با هم جمع بندی، یک پارچه و درک کنند.

به نظر می رسد هنوز راه زیادی تا خلق ماشین هایی با قابلیت های برابر با توده ۱.۵ کیلوگرمی ای که بین گوش هایمان قرار دارد، باقی است. البته این را هم به خاطر داشته باشید که احتمالا میلیون ها سال فرایند تکامل رخ داده است تا مغز انسان به چنین درجه نبوغی رسیده است.