هوش مصنوعی چیست؟

هوش مصنوعی چیست ؟

مقدمه

هوش مصنوعی، شاخه‌ایست 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 می‌دهد.

هوش مصنوعی، دانش ساختن ماشین‌ها یا برنامه‌های هوشمند است. همانگونه که از تعریف فوق که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید،حداقل به دو سؤال باید پاسخ داد:

۱ـ هوشمندی چیست؟

۲ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟

تعریف دیگری از هوش مصنوعی

هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد. به این ترتیب می‌توان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کرده‌اند.

۱ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.

۲ـ 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 می‌شناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟

حداقل این نکته کاملاً واضح است که بعضی جنبه‌های ادراک انسان همچون دیدن و شنیدن کاملاً ضعیف‌تر از موجودات دیگر است. علاوه بر این، کامپیوترهای امروزی با روش‌هایی کاملاً مکانیکی (منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل کنند. بدین ترتیب، آیا می‌توان 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 روش‌های بهینه انجام امور باشد، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونه‌ای بهینه انجام می‌دهد). به این نکته نیز باز خواهیم گشت.

اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت، چگونه می‌توان یقین حاصل کرد که کامپیوترهای امروزین، بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟

رؤیای 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 دسته‌ای خاص از مسائل قادر به حل تمامی مسائل بود.

اما نکته در اینجاست که این "تمامی مسائل" چیست؟

طبیعتاً چون طراحان اولیه کامپیوتر، منطق‌دانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی که فون‌نیومان 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 درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است که به فرض این که بهترین انتخاب نباشد هم، حداقل سهل‌الوصول‌ترین و ارزان‌ترین و عمومی‌ترین انتخاب برای پیاده‌سازی هوشمندیست.

بنابراین ظاهراً به نظر می‌رسد به جای سرمایه‌گذاری برای ساخت ماشین‌های دیگر هوشمند، می‌توان از کامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده کرد و اگر چنین شود، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی.

در برابر تمامی استدلالات فوق می‌توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم، تنها بر محمل طبیعی و با استفاده از روش‌های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفته‌اند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده‌اند، کامپیوتر از سیلیکون استفاده می‌کند، در حالی که طبیعت همه جا از کربن سود برده است.

مهم‌تر 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 نورون‌های شبکه عصبی) با عملکرد همزمان خود (موازی) رفتار هوشمند را سبب می‌شوند. 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 شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم.

تاریخ هوش مصنوعی

هوش مصنوعی به خودی خود علمی است کاملاً جوان. در واقع بسياری شروع هوش مصنوعی را 1950 می‌دانند زمانی که آلن تورينگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشين هوشمند نوشت (آنچه بعدها به تست تورينگ مشهور شد) تورينگ درآن مقاله يک روش را برای تشخيص هوشمندی پيشنهاد می‌کرد. اين روش بيشتر به يک بازی شبيه بود.

فرض کنيد شما در يک سمت يک ديوار (پرده يا هر مانع ديگر) هستيد و به صورت تله تايپ باآن سوی ديوار ارتباط داريد و شخصی از آن سوی ديوار از اين طريق با شما در تماس است. طبيعتاً يک مکالمه بين شما و شخص آن سوی ديوار می‌تواند صورت پذيرد.

حال اگر پس از پايان اين مکالمه، به شما گفته شود که آن سوی ديوار نه يک شخص بلکه (شما کاملاً از هويت شخص آن سوی ديوار بی‌خبريد) يک ماشين بوده که پاسخ شما را می‌داده، آن ماشين يک ماشين هوشمند خواهد بود، در غير اين صورت (يعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببريد) ماشين آن سوی ديوار هوشمند نيست و موفق به گذراندن تست تورينگ نشده است.

بايد دقت کرد که تورينگ به دو دليل کاملاً مهم اين نوع از ارتباط (ارتباط متنی به جای صوت) را انتخاب کرد. اول اين که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و اين تست هوشمندی را درگير مباحث مربوط به دريافت و پردازش صوت نکند و دوم اين که بر جهت ديگری هوش مصنوعی به سمت نوعی از پردازش زبان طبيعی تاکيد کند.

در هر حال هر چند تاکنون تلاش‌های متعددی در جهت پياده سازی تست تورينگ صورت گرفته مانند برنامه Eliza و يا[4] AIML (زبانی برای نوشتن برنامه‌‌‌‌هايی که قادر به chat کردن اتوماتيک باشند) اما هنوز هيچ ماشينی موفق به گذر از چنين تستی نشده است.

همانگونه که مشخص است، اين تست نيز کماکان دو پيش فرض اساسی را در بردارد:

1ـ نمونه کامل هوشمندی انسان است.

2ـ مهمترين مشخصه هوشمندی توانايی پردازش و درک زبان طبيعی است.

درباره نکته اول به تفصيل تا بدين جا سخن گفته ايم؛ اما نکته دوم نيز به خودی خود بايد مورد بررسی قرارگيرد. اين که توانايی درک زبان نشانه هوشمندی است تاريخی به قدمت تاريخ فلسفه دارد. از نخستين روزهايی که به فلسفه(Epistemology) پرداخته شده زبان هميشه در جايگاه نخست فعاليت‌های شناختی قرار داشته است.

از يونانيان باستان که لوگوس را به عنوان زبان و حقيقت يکجا به کار می‌بردند تا فيلسوفان امروزين که يا زبان را خانه وجود می‌دانند، يا آن را ريشه مسائل فلسفی می‌خوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترين توانايی هوشمندترين موجودات حفظ کرده است.

با اين ملاحظات می‌توان درک کرد که چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زبانی را شرط دست‌يابی به هوشمندی می‌داند.

تست تورينگ اندکی کمتر از نيم‌قرن هوش مصنوعی را تحت تاُثير قرار داد اما شايد تنها در اواخر قرن گذشته بود که اين مسئله بيش از هر زمان ديگری آشکار شد که متخصصين هوش مصنوعی به جای حل اين مسئله باشکوه ابتدا بايد مسائل کم‌اهميت‌تری همچون درک تصوير (بينايی ماشين) درک صوت و… را حل کنند.

به اين ترتيب با به محاق رفتن آن هدف اوليه، اينک گرايش‌های جديدتری در هوش مصنوعی ايجاد شده‌اند.

در سال‌های آغازين AI تمرکز کاملاً برروی توسعه سيستم‌هايی بود که بتوانند فعاليت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنين فعاليت‌هايی را در زمينه‌های کاملاً خاصی مانند بازی‌های فکری، انجام فعاليت‌های تخصصی حرف‌های، درک زبان طبيعی، و…. می‌دانستند طبيعتاً به چنين زمينه‌هايی بيشتر پرداخته شد.

در زمينه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد که غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند. مک‌کارتی که پيشتر اشاره شد، از بنيان‌گذاران هوش مصنوعی است اين روند را آنقدر اغراق‌آميز می‌داند که می‌گويد:

«محدود کردن هوش مصنوعی به شطرنج مانند اين است که علم ژنتيک را از زمان داروين تا کنون تنها محدود به پرورش لوبيا کنيم.» به هر حال دستاورد تلاش مهندسين و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسيار زيادی سيستم‌های خبره در زمينه‌های مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعميرات ماشين،….. توسعه بازی‌های هوشمند، ايجاد مدل‌های شناختی ذهن انسان، توسعه سيستمهای يادگيری،…. دانست. دستاوردی که به نظر می‌رسد برای علمی با کمتر از نيم قرن سابقه قابل قبول به نظر می‌رسد.

افق‌های هوش مصنوعی

در 1943،Mcclutch (روانشناس، فيلسوف و شاعر) و Pitts (رياضيدان) طی مقاله‌ای، ديده‌های آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را ترکيب کردند. ايده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسيله اجزای ساده شبکه عصبی بود. اجزای بسيار ساده (نورون‌ها) اين شبکه فقط از اين طريق سيگنال‌های تحريک (exitory) و توقيف (inhibitory) با هم درتماس بودند. اين همان چيزی بود که بعدها دانشمندان کامپيوتر آن را مدارهای (And) و (OR) ناميدند و طراحی اولين کامپيوتر در 1947 توسط فون نيومان عميقاً از آن الهام می‌گرفت.

امروز پس از گذشته نيم‌قرن از کار Mcclutch و Pitts شايد بتوان گفت که اين کار الهام بخش گرايشی کاملاً پويا و نوين در هوش مصنوعی است.

پيوندگرايی (Connectionism) هوشمندی را تنها حاصل کار موازی و هم‌زمان و در عين حال تعامل تعداد بسيار زيادی اجزای کاملاً ساده به هم مرتبط می‌داند.

شبکه‌های عصبی که از مدل شبکه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای کاربردهای کاملاً علمی و گسترده تکنولوژيک شده‌اند و کاربرد آن در زمينه‌های متنوعی مانند سيستم‌های کنترلی، رباتيک، تشخيص متون، پردازش تصوير،… مورد بررسی قرار گرفته است.

علاوه بر اين کار بر روی توسعه سيستم‌های هوشمند با الهام از طبيعت (هوشمندی‌های ـ غير از هوشمندی انسان) اکنون از زمينه‌های کاملاً پرطرفدار در هوش مصنوعی است.

الگوريتم ژنيتک که با استفاده از ايده تکامل داروينی و انتخاب طبيعی پيشنهاد شده روش بسيار خوبی برای يافتن پاسخ به مسائل بهينه سازيست. به همين ترتيب روش‌های ديگری نيز مانند استراتژی‌های تکاملی نيز (Evolutionary Algorithms) در اين زمينه پيشنهاد شده اند.

دراين زمينه هر گوشه‌ای از سازو کار طبيعت که پاسخ بهينه‌ای را برای مسائل يافته است مورد پژوهش قرار می‌گيرد. زمينه‌هايی چون سيستم امنيتی بدن انسان (Immun System) که در آن بيشمار الگوی ويروس‌های مهاجم به صورتی هوشمندانه ذخيره می‌شوند و يا روش پيدا کردن کوتاه‌ترين راه به منابع غذا توسط مورچگان (Ant Colony) همگی بيانگر گوشه‌هايی از هوشمندی بيولوژيک هستند.

گرايش ديگر هوش مصنوعی بيشتر بر مدل سازی اعمال شناختی تاُکيد دارد (مدل سازی نمادين يا سمبوليک) اين گرايش چندان خود را به قابليت تعمق بيولوژيک سيستم‌های ارائه شده مقيد نمی‌کند.

CASE-BASED REASONING يکی از گرايش‌های فعال در اين شاخه می‌باشد. بعنوان مثال روند استدلال توسط يک پزشک هنگام تشخيص يک بيماری کاملاً شبيه به CBR است به اين ترتيب که پزشک در ذهن خود تعداد بسيار زيادی از شواهد بيماری‌های شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونه‌های موجود در ذهن خويش تطبيق داده، شبيه‌ترين نمونه را به عنوان بيماری بيابد.

به اين ترتيب مشخصات، نيازمندی‌ها و توانايی‌های CBR به عنوان يک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.

البته هنگامی که از گرايش‌های آينده سخن می‌گوييم، هرگز نبايد از گرايش‌های ترکيبی غفلت کنيم. گرايش‌هايی که خود را به حرکت در چارچوب شناختی يا بيولوژيک يا منطقی محدود نکرده و به ترکيبی از آنها می‌انديشند. شايد بتوان پيش‌بينی کرد که چنين گرايش‌هايی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بيولوژيک بنا خواهند کرد.

تاريخچه پيچيده هوش مصنوعى

هوش مصنوعى کارش را با نوعى زيست شناسى مصنوعى آغاز کرده است ، با نگاه کردن به زندگى جانداران و گفتن اينکه … آيا ما مى توانيم اعمال آنها را توسط ماشينها مدل سازى کنيم؟…فرض بر اين بوده است که موجودات زنده ، سيستمهايى فيزيکى هستند که ما آنها را مورد آزمايش قرار مى دهيم تا ببينيم در کجا مدل سازى آنها براى ما مفيد است و در کجا مناسب نيست.

زيست شناسى مصنوعى به سير تکامل سيستمهاى فيزيکى، فرآيند رشد از کودکى تا بلوغ، ترکيبات داخلى عصبى واين قبيل مسايل مى پردازد. يک زير مجموعه از زيست شناسى مصنوعى ، نوعى جانور شناسى مصنوعى است که رفتارهاى حرکتى، بينايى ، آموزشهاى زبان شناسى و برنامه ريزى و غيره را مورد توجه قرار مى دهد.

زير مجموعه بعدى آن ، روانشناسى مصنوعى است که به رفتارهاى بشرى در آنجا که با استدلال ، زبان و سخنورى ، تمدنهاى اجتماعى و همه مسايل فلسفى مانند حس هوشيارى ، آزادى وغيره سر و کار دارد، مى پردازد. مردم با اعمالى مانند انجام محاسبات رياضى پيچيده واجراى يک بازى خوب شطرنج تحت تاثير قرار مى گيرند، اما در مقايسه با آن ، توانايى راه رفتن چندان مهم به نظر نمى رسد.

شما نمى توانيد با افتخار به دوستانتان بگوييد: «نگاه کنيد ، من دارم راه مى روم.» چون آنها هم مى توانند مثل شما راه بروند.بنابراين مشکلاتى که يک کودک نو پا هر روز با آن دست به گريبان است، به نظر خسته کننده و بسيار پيش پاافتاده مى آيد. بنابراين به نظر مى رسد پيچيده ترين مشکلات، آنهايى است که نياز به انديشيدن دارد، مانند شطرنج و اثبات قضيه‌هاى رياضى.

اما آنچه در ۵۰-۴۰ سال اخير اتفاق افتاده است، اين بوده که چيزهايى از قبيل بازى شطرنج به طورى باور نکردنى براى کامپيوترها آسان شده است، در حاليکه ثابت شده است آموزش راه رفتن و حرکت کردن بدون افتادن، براى يک کامپيوتر بسيار مشکل است. اعطاى توانايى داشتن احساسات و چيزهاى ناملموس ديگرى که بيشترين رفتارهاى هوشمند انسانى را طلب مى کند، به ماشينها، بسيار مشکل است.

بنابراين حيوانات و کودکان شايد الگوى مناسب و متقاعد کننده اى براى هوش مصنوعى باشند. ميليونها سال طول کشيده تا سير تکامل ميمونها کامل شود و تنها چند ميليون سال طول کشيده است تا همه چيزهايى که ما تحت تاثير آنها قرار داريم پديد بيايد و ممکن است الگو بردارى از اعمال ساده وروزمره موجودى زنده به نظر ساده بيايد.

هوش مصنوعى جديد و هدف گذارى جديد

تحولى در زمينه هوش مصنوعى ، با نامهايى از قبيل زندگى مصنوعى (AL) و رفتارهاى تطبيقى به وجود آمده است که به ترتيب تلاش مى کنند تا دوباره هوش مصنوعى را در مفهوم زيست شناسى مصنوعى و جانورشناسى مصنوعى قرار دهد.

در اينجا راهکار اصلى اين است که ، ما بيشتر نياز داريم تا لايه‌هاى حيوانى رفتارهاى بشرى را بشناسيم و بفهميم، قبل از آنکه بتوانيم روياى هوش مصنوعى را در ايجاد هوشى کامل و متقاعد کننده تحقق بخشيم. هوش مصنوعى، هنوز و مثل هميشه توسط مدلهاى علمى آموزشى رو به پيشرفت است . تلاش‌هاى بسيار زيادى توسط افرادى مانند راجر پنرز و جرالد ادلمن ، انجام شده است، تا هوش مصنوعى را تکذيب کنند و نشان بدهند اجراى آن غير ممکن است .

اما هيچ يک از اين تلاش‌ها تا کنون به نتيجه نرسيده است و اين تنها به خاطر عدم توافق با تحليلگران فلسفى آنها است و همچنين شايد به اين علت است که آنها نتوانستند الگوى منطقى و جايگزينى تهيه کنند. پيشرفت ما در علم ، از ساختن اشيا و اجراى آزمايش‌ها حاصل مى شود و خروج ماشين‌هاى جديد و عجيب از آزمايشگاه‌هاى هوش مصنوعى ، ابدا پايان نيافته است. بر عکس، اخيرا توسط دستاوردهاى بيولوژيکى جديد تقويت شده است.

در حقيقت هدف گذارى قديمى احيا شده است. پروفسور کوين وارويک اخيرا پيش بينى کرده است که روشهاى جديد ما را به هوش مصنوعى در سطح بشرى هدايت مى کند. من و بسيارى ديگر مانند من در هوش مصنوعى جديد، تصور مى کنيم که هنوز هوش مصنوعى در مرحله »فيزيک پيش از نيوتن» است؛ و علت اين است که راه مشخصى براى رسيدن به هوشى در سطح بشرى ، از طريق ربات‌هاى بى مصرف قديمى و برنامه‌هاى نرم افزارى شکننده که ما امروزه در اختيار داريم، وجود ندارد. يک سرى کنکاش‌هاى علمى عميق لازم است. آنچه که ما تلاش مى کنيم تا در نسل بعدى انجام دهيم، اين است که بفهميم مسايل ضرورى و مهم ، کدام‌ها هستند.

ممکن است هرگز اتفاق نيفتد اما نه به آن دليلى که شما فکر مى کنيد.

من فکر مى کنم افرادى که فکر مى کنند رباتها دنيا را پريشان مى کنند ، بايد به کنفرانس‌هاى رباتيک بروند و ببينند که چگونه رباتها تلاش مى کنند تا فقط راه بروند! آنها به زمين مى خورند ، به ديوارها بر خورد مى کنند و با پاها يا چرخهايشان در هوا معلق هستند. آنها بيشتر درمانده هستند تا تهديد آميز. آنها واقعا شيرين هستند.

من يک بار در آزمايشگاه رباتيک MIT بودم و به COG ، آخرين رباط رادنى بروک ، نگاه مى کردم .

شبيه انسان بود ، اما پا نداشت، يک پيکره از نيم تنه به بالا ، با دو چشم و....من آن را در يک بعدازظهر يکشنبه در آزمايشگاهى تاريک ديدم که همه به خانه‌هايشان رفته بودند و من برايش واقعا احساس تاسف کردم. اگر شما به فرق بين اين موجود وآنچه بيشتر جانداران در زندگى شان تجربه مى کنند، که توسط گروهى از بزرگسالان در احاطه هستند و کنار پدر و مادرشان رشد مى کنند که دايم مراقب آنها هستند، توجه کنيد،آن وقت متوجه مى شويد که اين سيستم‌هاى مصنوعى نوعى زندگى‌هاى بسيار محدودى دارند.

بحثى که من بيان مى کنم اين است که ممکن است براى سيستم‌هاى هوش مصنوعى محدوديت‌هايى وجود داشته باشد ، اما نه به دليل فرضيه …هوش مصنوعى نيرومند غلط است… ، بلکه به دلايل ديگرى. شما نمى‌توانيد انتظار داشته باشيد که هوشمندهاى مصنوعى منفرد و منزوى ، تنها در آزمايشگاه‌ها ، بسازيد؛ مگر اينکه اين موجودات بتوانند فرصت داشتن فرهنگ وتمدنى را داشته باشند که کنش‌هاى اجتماعى آنها را با چيزهايى که شبيه شان هستند، تعريف کند. اما ما نمي‌توانيم ميليون‌ها از اين روبات‌ها را بسازيم و اين امکان را براى آنها فراهم کنيم که تمدن، زبان و اجتماعات ابتدايى خود را توسعه دهند. ما نمى توانيم، زيرا زمين قبلا پر شده است.

بنابراين در آینده چه اتفاقى مى افتد؟

در سى سال آينده که انواع جديدى از ماشينهاى القا شده از حيوانات (که بسيار آشفته تر و غير قابل پيش بينى تر از آنچه تا کنون ديده ايم خواهند بود) به وجود آيند، چه اتفاقى خواهد افتاد؟ اين ماشين‌ها در طول زمان ، در جهت هماهنگ با ما ودنيا ، تغيير خواهندکرد. اين ماشين‌هاى صامت وشبه حيوان، هيچ شباهتى به انسان ندارند، اما به تدريج شبيه نوعى جانور عجيب ونا آشنا خواهند شد. ماشين‌هاى شبه جانور چه مشکلاتى خواهند داشت؟

نوعى از مشکلات که ما با آنها مواجه هستيم ، مقدارى خطا و اغتشاش و نويز است. تمرکز ويژه بر روى رفتارهايى خواهد بود که آموزش آنها آسانتر از انجام آنهاست،( ما مى دانيم که چگونه راه برويم ، اما نمى توانيم به راحتى توضيح بدهيم چگونه آن را انجام مى دهيم). بدن‌هاى مختلف ، ديناميک‌هاى مختلفى دارند. ربات‌هايى که مى توانند راه رفتن را ياد بگيرند، مى توانند ساير مهارت‌هاى حرکتى را نيز ، انجام دهند.

برخى از کاربردهاى اين جانوران مصنوعى در کارهايى است که مردم آنها را خسته کننده يا تکرارى و يا خطرناک مى دانند، مثل : تصفيه زباله‌هاى سمى ، تصفيه معادن، کشاورزى، استخراج معادن، مين گذارى، انهدام و کاوش‌هاى رباتى. همچنين هر کارى که در حال حاضر توسط حيوانات انجام مى شود ، مورد توجه قرار دارد .

ما با رادار ردياب سياره مريخ آشنا هستيم و نمونه‌هاى ديگرى هم هست که ما مى توانيم روبات‌هاى خودکار را نه تنها به مکان‌هاى ناشناس، بلکه به ماموريت‌هاى انتحارى نيز بفرستيم.(البته هيچ ماشينى نمى‌ميرد، زيرا ما مى توانيم مغز آن را در بدن جديدى راه اندازى کنيم.)

اين که آيا اين ربات‌ها در آينده جايى در خانه‌هاى ما خواهند داشت، سوال جالبى است. اگر اين اتفاق بيفتد، من فکر مى کنم به علت اين خواهد بود که روباتها مثل نوعى حيوان اهلى رفتار خواهند کرد و بيشتر جذاب خواهند بود تا وحشتناک.

اگر موجود زنده شما بميرد ، شما هرگز نمى‌توانيد يکى ديگر مثل آن را زنده کنيد. ماشين‌ها در آينده شبيه اين خواهند بود و خانواده روبات‌ها بعد از چندين سال مانند يک حيوان اهلى ، غير قابل تعويض خواهند شد.

سخت افزار نيز عامل مهمى در نحوه پيشرفت و ترقى هوش مصنوعى است. هيچ کس يک جارو برقى رباتيک را با قيمت بسيار بالا نمى‌خرد هر چند که چشم‌هاى درشت بسيار زيبايى برروى آن نقاشى شده باشد يا حتى صدايى داشته باشد که به شما بگويد: … من عاشق شما هستم …!بسيارى از فعاليت‌هاى فکرى نياز به ايجاد يک حيوان مصنوعى دارند.

مهمترين فرضيه‌اى که بايد حل شود اين است که: … زبان چيست و چگونه مى توانيم جهان را طبقه بندى کنيم … . ما مى گوييم … اين ميز است … و اسامى ديگرى براى ساير اشيا به کار مى بريم . اما يک حشره چه کار مى کند؟ يک حشره چگونه اشيا را تشخيص مى دهد؟ چه اطلاعاتى از درون آن مى گذرد ؟ آنها از چه نوع ساختمان اطلاعاتى استفاده مى کنند؟ هر روباتى بايد يک زبان درونى که براى سيستم آن در نظر گرفته شده است ، ياد بگيرد ، و او بايد اين زبان را خودش بياموزد ، چون هر تعريفى که ما سعى کنيم به آن تحميل کنيم ، از يک دنياى حسى حرکتى متفاوت ناشى ميشود که براى اين روبات معنايى ندارد.

پيش بينى‌ها

اجازه دهيد اندکى بعضى از پيش بينى‌هاى هوش مصنوعى را بررسى کنيم. اولا، خانواده روبات‌ها ممکن است به طور دايم به خانواده اينترنت بى سيم متصل شوند و اطلاعات را به کسانى که شما مى خواهيد تا از مکان شما آگاه شوند، بدهند. شما هرگز لازم نيست نگران افراد مورد علاقه خود که دور از شما هستند، باشيد. زيرا شما به طور دايم با آنها در ارتباط هستيد. ممکن است جرم و جنايت مشکل شود ، اگر همه افراد خانواده داراى ماشين‌هاى وفادار و شبه آگاه باشند. در آينده ما هرگز واقعا تنها نمى‌شويم.

اندکى پس از اين ، اگر بعضى اسب‌هاى هوشمند به جاى اتومبيل‌ها قرار بگيرند، هزاران زندگى نجات ميابد. چنانچه ماشين‌ها از مستى صاحبانشان عصبانى شوند و از رفتن به موقعيت‌هايى که آنها در سرعت بالا سقوط مى کنند و خطرناک است ، جلوگيرى کنند. در آينده افراد مست قادر خواهند بود از ماشين‌هايشان مانند اسب‌هايى وفادار استفاده کنند تا آنها را به خانه‌هايشان ببرد. و نه تنها افراد مست، که کودکان ، پيرها، افراد ناتوان و نا بينايان همه اين قدرت را خواهند داشت. اگر همه ماشين‌ها شبکه‌اى بى سيم شوند وانسان‌ها نيازى به رانندگى نداشته باشند ما مقدار بسيار زيادى از سيستم‌هاى جاده‌اى ، چراغ‌هاى ترافيکى و... را کنار مى‌گذاريم و جاده‌ها مانند قرن ۱۸ کم ترافيک مى شوند.

افق واقعى

من سعى کرده‌ام نظريه چگونگى مفيد بودن حيوانات مصنوعى را ارايه بدهم. اما دليل علاقه من به اين بحث اين بوده است که اميدوارم اين حيوانات مصنوعى، روشى را براى ايجاد انسانهاى مصنوعى فراهم کنند . که البته اين انسان‌هاى مصنوعى در زمان حيات ما به وجود نخواهند آمد. در چند دهه آينده، انتظار نداريم که نسل بشرى منسوخ شود و روبات‌ها جايگزين آن شوند. ما تنها مي‌توانيم انتظار داشته باشيم که هوش مصنوعى، عمليات بسيار پيشرفته ترى انجام دهد. اما هر زمان که انتظار داشتن احساسات بشرى را براى آنها داشته باشيم ، مانند گذشته نا اميد خواهيم شد. ما هوش مصنوعى کامل و انسانى را در طول زندگى خود نخواهيم ديد، اما ممکن است فرزندان ما در آينده بتوانند به آن دست پيدا کنند.

---

نوشته شده توسط: مارك هامفريس

ترجمه: مهشيد گوهرى

نقل از: سایت میکرورایانه

http://www.forum.microrayaneh.com/viewtopic.php?f=13&t=705

استفاده از مطالب دانشنامه جوملا فارسی - مامبو فارسی با ذکر منبع ( دانشنامه جوملا فارسی ) و لینک مستقیم به http://docs.joomlafarsi.com بلامانع است.