هوش مصنوعی چه زمانی به معنای واقعی هوشمند است؟

هوش مصنوعی چه زمانی به معنای واقعی هوشمند است؟

در دنیای امروز کامپیوتر ها ، ماشین ها و دستگاه ها و … کاملا با زندگی روز مره ما در آمیخته اند.از طرفی روز به روز یا حتی ساعت به ساعت شاهد پیشرفت این ماشین ها هستیم. در سالهای اخیر توانایی محاسباتی و عملکرهای سریع آنها در بسیاری از موضوعات از انسان و هوش انسان سبقت گرفته است.اما پرسش اصلی امروز ما این است که آیا این ماشین ها و کامپیوتر هوشمند هستند؟ و یا صرفا توانایی هایی را در آنها پدید آوردیم که به معنای واقعی هوشمندی ندارند؟این پرسش ها در فلسفه علم و معرفت شناسی علم ، متخصصان علوم شناختی و هوش مصنوعی مطرح است.البته پرسش های دیگری نظیر ؛”آیا این ماشین ها و دستگاه ها دارای آگاهی هستند؟آیا می توانند رقیب جدی سالهای بعدی بشر شده و حتی از آن عبور کنند؟ و…

برای پاسخ به این پرسش ها ابتدا نیازمند تعریف آگاهی و هوش هستیم و در پی آن تعریف هوش مصنوعی و ماشین های مورد نظر.البته در گذشته آزمون های فکری و قضایا و تعاریف متعددی در این موارد ارائه شده است.اما در اینجا مشهورترین آنها را به طور اجمالی بررسی میکنیم . سپس نقد و نکات نهایی پیرامون آنها را به طور مختصر بیان می کنیم.

آزمون تورینگ

این آزمون حدود سال 1950 توسط آلن تورینگ ریاضیدان انگلیسی مطرح می شود.تورینگ می گوید:این سوال که آیا ماشین ها می توانند فکر کنند؟سوال است بی معنی و پاسخ واضحی نخواهد داشت. او با طرح یک آزمایش ساده پرسش را تغییر داد به اینکه؛”آیا می توان دستگاهی ساخت که در آزمون تورینگ موفق شود؟

در این آزمون که یک داور با دو نفر از طریق تایپ و مانیتور کامپیوتر گفتگو می کنند، داور باید تشخیص دهد که کدام یک از دو مخاطبی که با آنها گفتگو می کند ،ماشین و کدام یکانسان هستند.هر گاه ماشین بتواند داور را در تشخیص فریب دهد، در این آزمایش موفق بوده است.نوع دیگری از این آزمایش ،آزمایش تقلید است.در این روش دو مخاطب با جنسیت مرد و زن به همان روش تایپ با داور گفتگو می کنند، یکی از مخاطبان ماشین و دیگری انسان است.اگر ماشین بتواند داور را در تشخیص جنسیت فریب دهد، در این آزمایش موفق بوده است.

اتاق چینی و جان سرل

آزمایش اتاق چینی، آزمایشی در پی آزمون تورینگ بوده است که در سال ۱۹۸۰ توسط جان سرل مطرح شد.هدف او از این آزمایش فهم دقیق کامپیوتر بود که آیا اگر هوش مصنوعی یک عملکردی را به درستی انجام دهد،لزوما عملکرد خود را فهم می کند،یا خیر.

آزمایش اتاق چینی را جان سرل چنین شرح می دهد: فرض کنید شخصی در یک اتاق بسته قرار دارد. این شخص نه تنها زبان چینی نمی داند، بلکه اگر زبان چینی را در کنار زبان ژاپنی گذاشته و به آن نشان دهیم،نمی تواند بین این دو زبان تمایزی قائل شود.(یعنی شخص مطلقا اطلاعی از زبان چینی ندارد).

اما در اتاقی که شخص در آن قرار دارد، کتاب لغتنامه و گرامر زبان چینی وجود دارد.اگر از یک ورودی متن های چینی را به شخص بدهیم ، شخص پس از ترجمه آن متن ها با استفاده از کتاب ها، متون را ترجمه کرده و به بیرون بفرستد و ترجمه ها نیز صحیح باشند. آیا او زبان چینی می داند؟خیر، در این اتاق فهم زبان چینی وجود ندارد،اما سازوکار ترجمه صورت می گیرد.
این ایده سرل در دسته مقابل کارکردگرایان (نگرشی در فلسفه ذهن و …که در اینجا به توضیح آن نمیپردازیم)قرار دارد.

در نتیجه این آزمون ،سرل معتقد است دو فرض وجود دارد:
۱-هوش مصنوعی قوی
۲-هوش مصنوعی ضعیف

در گزینه اول کامپیوتر به معنای دقیق کلمه توان تفکر،فهم و ذهن را دارد.یعنی اگر کامپیوتر به مثابه یک فرد چینی زبان درون اتاق فرضی آزمایش عمل کند ،هوش مصنوعی قوی ممکن است.

اما در گزینه دوم هوش مصنوعی ضعیف است.یعنی لزوما کامپیوتر فهم ، فکر و ذهنی کاملا مشابه انسان ندارد.به عبارت ساده تر اگر کامپیوتر مانند شخصی که در آزمایش سرل بود ، زبان چینی را نفهمد ولی با ساز و کار و داده های موجود عمل ترجمه را انجام دهد، هوش مصنوعی ضعیف وجود دارد. در حالت دوم هوش مصنوعی تنها ساز و کار هوشمندی را اجرا می کند، نه لزوما برابر با هوشمندی انسان باشد.

طرح دارتموث

در سال 1956 در کنفرانسی به نام دارتموث محققان و پژوهشگران طرحی با همین نام بنیان نهادند و در پی آن رشته ی هوش مصنوعی پایه گذاری شد.

ماروین متیسکی ،جان مک آرتی ،آلن نول ، آرتور ساموئل و هربرت سیمون از پیشگامان پژوهش در این رشته شدند. آنها طرح های پیشرو و بسیار جالبی ارائه کردند .
برخی از این طرح ها عبارت بودند از:
جایگزین کردن کامپیوتر به جای ماموران کنترل ، حل مسائل کلمات در جبر ،صحبت کردن با زبان انگلیسی و استدلال برای اثبات. البته مورد آخر چندان موفق به نظر نیامد و حداقل مناقشه برانگیز بود.

این کنفرانس ظهور روش های نمادین، سیستم های متمرکز بر دامنه های محدود و سیستم های استنتاج در مقابل سیستم های القایی صورت گرفت.یعنی به جای اینکه یک سیستم با القای ما واکنش نشان دهد، صرفا خود سیستم توانایی استنتاج داشته باشد. آنها روش های نمادین ریاضی را برای چنین اهدافی برای هوش مصنوعی در نظر گرفتندـ
به هر ترتیب طرح های پیشرفته و دلایل آنها باعث شد که احتمال رسیدن به هوشی مصنوعی مشابه با انسان بیش از پیش قوت بگیرد.

پس از آن در دنیای هنر و بویژه سینما شاهد داستان های علمی–تخیلی بسیاری بودیم.

ماشین وارگی هابز

برخی معتقد هستند طرح دارتموث و کلیه طرح های دستیابی به هوش مصنوعی مشابه انسان، دارای پیشفرضی هستند که توماس هابز مطرح کرد،یعنی مکانیسم و ماشین وارگی عقل انسان. هابز روان بشر را امیال و نفرت هایی می دانست که وی را به این سو و آن سو هدایت می کند.به نحوی که عقل بشر چیزی جز یک ماشین محاسبه گر نیست.هابز اندیشه های سیاسی خود را نیز بر اساس همین نگاه ماشینی به انسان تبیین کرد.
او در لویاتان از این موجود مصنوعی که دولت یا جمهوری را به وجود می‌آورد ، انسان حقیقی که دارای زندگی صرفا ماشینی است، نام می برد.

نقد دسترسی به هوش مصنوعی مشابه انسان

در بین دیدگاه های فلسفی به هوش مصنوعی دو دیدگاه عمده وجود دارد: یک دیدگاه مثل مک کارتی
( مدیر کنفرانس دارتموث) که جزو افراطی ترین دیدگاه کارکردگرایان است و معتقد بود ترموستات هم هوشمند است،چون گرما و سرما و تعادل را می فهمد! و او و سایر همفکران او معتقدند دستیابی به هوش مصنوعی ممکن است. دیدگاه دیگر که مخالف با دسترسی به هوش مصنوعی قوی بود؛ از جمله سرل که آزمون او ذکر شد.

اما پایه و اساس دیدگاه موافقان هوش مصنوعی قوی بیشتر از ازمون تورینگ نشات میگیرد.اما به این نوع نگاه ایراداتی وارد است.

در آزمون تورینگ مبنای عمل دو چیز است. اولی زبان و دومی داور

دو پیشفرضی که اساسا اشتباه هستند،در نتیجه آزمایش هر چه باشد ، نمیتوان نتیجه گرفت که هوش مصنوعی ممکن است یا خیر.چرا ک زبان با هوش متفاوت است. در اینجا تورینگ زبان را بعنوان یک پیشفرض همان هوش در نظر گرفته است.

پیشفرض دوم تورینگ این است که داور می تواند هوشمندی یا عدم آن را لزوما تشخیص دهد.

اما نقد دیگری نیز به کل نظرات موافقان دستیابی به هوش مصنوعی وارد است‌، این است که اساسا با تعریف هوش انسان قسمتی از خطاپذیری های انسان را نادیده می گیرند،مثلا انسان خطاهای غیر عمد مرتکب می شود. برای مثال در تشخیص یک کلمه،صدا و تصویر. یا مثلا ممکن است در تایپ او غلط های املایی یا تایپی صورت بگیرد.حال اگر برای ماشین یا دستگاه دیگری که نقش هوش مصنوعی را بازی می کند ،چنین خطاهایی بارگذاری کنیم. هوش مصنوعی ما عامدانه خطا می کند،اگر هم خطا نکند،باز در این صورت هوشمندی به تمام معنا حاصل نمی شود.

نکته دیگر استدلال است؛علیرغم ادعاهای موجود ،اگر واقع بینانه بنگریم، نه تنها هنوز به استدلالی کاملا مشابه انسان در هوش مصنوعی نرسیده ایم،بلکه با آن فاصله ای بسیار داریم.

نکته آخر کیفیات ذهنی هستند؛ ما درک مفهومی و کیفی از برخی پدیده ها داریم که حتی انتقال آن درک توسط هوش انسان به انسانی دیگر که آن انسان نیز همان تجربیات را درک کرده،ممکن نیست.چه برسد به انتقال آن به ماشین و دستگاه ها. برای مثال کیفیت دقیقی که از یک رنگ داریم. ما قرمز را تشخیص می دهیم ،اما قرمز را تعریف نمیکنیم و تا امروز هم نتوانسته ایم کیفیات مفهومی را منتقل کنیم. البته اینکه این کیفیات حاصل کارکرد مغز ماست و بطور فیزیکی می توان این کارکرد را شبیهسازی کرد ،صحیح است. اما کیفیات مفهومی یک خاصیت جانبی از ساز و کاری فیزیکی است،نه خود ساز و کار موجود.

پ.ن:در این مطلب از قسمت اول تا چهارم به طور کلی و مختصر هوش مصنوعی را سعی کردیم برررسی کنیم. هم نظرات موجود و هم نقد و بررسی آنها.اما یک مبحث دیگر در رابطه با فلسفه هوش مصنوعی وجود دارد و آن مبحث اخلاقی در این رابطه است، که در اینجا از پرداختن به این موضوع صرفنظر کردیم تا ضمن بررسی خود خلط مبحث نشود.

#arian_x

منابع:
📒McCorduck, P., Machines Who Think, A.K. Peters, Ltd, Second Edition, 2004.

http://raysolomonoff.com/dartmouth/http://www.iep.utm.edu/chineser/http://plato.stanford.edu/entries/turing-test
📕آشنایى مقدماتى با حلقه ذهن

📙همیلتون، منطق براى ریاضى دانان

📔روباتى که انسان شد