Gerdab.IR | گرداب

تاریخ هوش مصنوعی ۳

پرونده / هوش مصنوعی قوی + فیلم

پرونده / هوش مصنوعی قوی + فیلم
تاریخ انتشار : ۱۶ بهمن ۱۴۰۰

هوش مصنوعی قوی یک نظریه پیرامون هوشمندی ماشینی است که با هوشمندی انسان برابر باشد.

به گزارش خبرنگار گرداب ، هوش مصنوعی قوی که با نام‌های هوش مصنوعی نمادی، هوش مصنوعی پرومتئوسی (پرومتئوس یکی از تایتان‌های یونان باستان بود که آتش را از کوه المپ دزدید و به انسان‌ها بخشید)، هوش حقیقی و یا هوش مصنوعی عمومی و در نهایت هوش مصنوعی تاریخ مصرف گذشته (GOFAI) نیز شناخته می‌شود، اشاره به دوره‌ای از هوش مصنوعی (۱۹۵۷-۱۹۷۴) دارد که پس از کنفرانس دارتموث تا میانۀ دهه هفتاد بر این حوزه مسلط بود. اکثر پدران هوش مصنوعی در این حوزه قرار می‌گیرند و باید گفت هوش مصنوعی در این دوره ساخته و بالیده شد.

پرونده / هوش مصنوعی قوی + فیلم

تصویر:

هوش مصنوعی قوی یک نظریه پیرامون هوشمندی ماشینی است که با هوشمندی انسان برابر باشد. از جمله خصیصه‌های اصلی هوش مصنوعی قوی توانایی استدلال، حل معماها، داوری کردن، برنامه‌ریزی، یادگیری و ارتباط برقرار کردن می‌باشد. یک ماشین وقتی در این نگاه از هوشمندی برخوردار است که دارای تفکر خاص خود، خودآگاهی و احساسات باشد.

ویدیو: تاریخ مختصر هوش مصنوعی اولیه، با تاکید بر زبان برنامه‌نویسی لیسپ

علم هوش مصنوعی برای ساخت چنین ماشین‌هایی در دهه ۱۹۶۰ به وجود آمد. در این دوره رایانه‌ها سریع‌تر شده بودند و حجم بیشتری از اطلاعات را می‌توانستند ذخیره کنند و مهم‌تر از هرچیز هزینه خرید و نگهداری آن‌ها بسیار کاهش یافته بود. در نتیجۀ رواج رایانه‌ها، الگوریتم‌های یادگیری ماشین (Machine learning) تقویت شده بود و افراد متخصص در فهمیدن این که کدام الگوریتم برای حل کدام مسئله در برنامه‌نویسی رایانه‌ای می‌تواند به ما کمک کند، تبحر بیشتری یافته بودند.

پرونده / هوش مصنوعی قوی + فیلم

تصویر:

زبان منطقی متناظر با جهان واقعی

محققان هوش مصنوعی در این دوره طرح‌های زیادی ارائه کردند که از جمله آن‌ها می‌توان برنامه نیوول و سایمون با نام ماشین «مسئله حل‌کننده» اشاره کرد. به‌طور کلی باید گفت نگاه کلی در این پارادیم و در این دوره این‌چنین بود که فعالیت رایانه را همان فعالیت مغز انسان تلقی می‌کردند. در این نگاه کارکرد رایانه، ساختن نمونه‌ای از بازنمایی صوری و ریاضیاتی جهان است و چنین تصور می‌شود که”سری بیت‌هایی که توسط یک رایانۀ دیجیتالی داده‌پردازی شده باشند، می‌توانند نمایانگر هر چیزی از جملۀ اعداد و همچنین اوصاف واقعی جهان باشند “.

این مسئله از این تلقی اشتباه که در آن دوره مسلط بود ناشی می‌شد که پردازشگری مغز انسان را نوعی فعالیت صوری و محاسباتی درک می‌شد و انگار اگر بتوانیم رایانه‌هایی بسازیم که در کمترین زمان پیچیده‌ترین مسئله‌های ریاضی را حل کند، توانسته‌ایم موجودی هوشمند خلق کنیم. در این رویکرد، کارکرد مغز انسان و رایانه یکسان در نظر گرفته می‌شود. هم انسان و هم رایانه هر دو صرفاً پردازشگر اطلاعات هستند و کاری جز تجزیه و تحلیل داده‌ها انجام نمی‌دهند.

پرونده / هوش مصنوعی قوی + فیلم

تصویر:

از میان پدران هوش مصنوعی برای توضیح بهتر این رویکرد می‌توان به نیوول و سایمون اشاره کرد. نیوول و سایمون در سال ۱۹۵۶ برنامه‌ای رایانه‌ای با نام «نظریه‌پرداز منطقی» (LT) نوشته بودند ”که مخصوصاً برای این طراحی شده بود که بتواند قضایای «اصول ریاضیات» راسل و وایتهد را ثابت کند“. در کتاب فیلسوفان انگلیسی راسل و وایتهد با عنوان اصول ریاضیات، صحبت از ساخت زبانی منطقی است و اجزای این زبان با اجزای تشکیل‌دهندۀ واقعیت تناظر یک به یک دارند. در این نگاه هر واژه به تنها یک چیز در جهان واقع مربوط است و راه تفکر این است که ما باید از پیچیدگی‌ها اجتناب کنیم و نظامی منطقی از واژه‌هایی که هر کدام تنها به یک چیز اشاره دارد، بسازیم.

نیوول و سایمون تحت تأثیر راسل و وایتهد، فعالیت‌های علمی خود را بر پایۀ این پیش‌فرض دنبال می‌کردند که میان زبان منطقی – ریاضیاتی و جهان واقعی، تناظر و مطابقت یک به یک برقرار است و باید به‌گونه‌ای زبانی ریاضیاتی ایجاد کنیم که در آن هر علامت یا نماد، تنها بر یک واقعیت در جهان بیرون برگردد.

این دو بر این باور بودند رایانه‌ها این فعالیت را بهتر از انسان می‌توانند انجام دهند؛ زیرا انسان‌ها در بند زبان طبیعی‌شان هستند و نمی‌توانند تناظر یک به یک میان علامت‌های زبان و جهان واقع را به خوبی برقرار سازند. در این نگاه برنامه‌های رایانه‌ای را می‌توان به مثابۀ قواعدی مورد استفاده قرار داد که روابط میان نماد‌ها را بازنمایی کند؛ به‌گونه‌ای که حتی به نسبت انسان، ”سیستم می‌تواند واقعیات بیشتری را دربارۀ اعیان بازنمایی شده و روابط آن‌ها استنتاج کند “. یا به بیان ساده‌تر رایانه‌ها از آنجا که از زبانی کاملاً منطقی پیروی می‌کنند، بهتر از انسان‌ها می‌توانند واقعیات پیرامون اشیاء و روابط آن‌ها را عرضه سازند.

ویدیو : قبل از سیری و الکسا، الیزا وجود داشت

به‌طور خلاصه از آنجا که در این پارادیم فرض می‌شد مشابهت بنیادینی میان مغز انسان و کامپیوتر وجود دارد، این اعتقاد خوش‌بینانه وجود داشت که می‌توان کامپیوتر‌هایی ساخت که متکی بر سیستم‌های نمادینی باشند که تمام کار‌های هوشمند انسان را بتواند انجام دهد. در این پارادایم این تصور اساسی وجود داشت که برای هر چیز در جهان می‌توان یک نماد ریاضی تعریف کرد و همه روابط و اوصاف جهان را می‌توان در قالب فرمول‌های ریاضی صوری‌سازی کرد.

چنین تلقی آن‌ها از کارکرد رایانه‌ها که حتی بهتر از انسان‌ها می‌توانند روابط صوری بازنمود‌های نمادین را تحلیل کنند، باعث خوش‌بینی شدید آن‌ها نسبت به هوش مصنوعی شده بود؛ به‌گونه‌ای که سایمون در سال ۱۹۵۷ درحالی که ادعا می‌کرد که ”هم‌اکنون ماشین‌هایی در جهان هستند که می‌توانند یاد بگیرند و خلق کنند“، چنین پیش‌بینی کرد:

”در طی ده سال، یک رایانه استاد بزرگ شطرنج را شکست خواهد داد، یک قضیۀ مهم جدید ریاضی را اثبات خواهد کرد و می‌تواند به‌شکلی که ارزش زیبایی‌شناسانه داشته باشد، موسیقی بسازد “.
ادعا‌هایی که تا این لحظه تنها یکی از آن‌ها جامه عمل به خود پوشیده است؛ در سال ۱۹۹۷ رایانۀ شرکت آی‌بی‌ام (IBM) با نام «دیپ بلو» توانست برای نخستین بار قهرمان شطرنج جهان، گری کاسپاروف را شکست دهد و لحظه‌ای تاریخی رقم خورد. اما باید گفت این اتفاق نه در طی ده سال که سایمون پیش‌بینی کرده بود، بلکه چهل سال بعد از آن اتفاق افتاد.

پرونده / هوش مصنوعی قوی

تصویر: گری کاسپاروف در برابر «دیپ بلو»


نوآوری‌ها

این دوره را باید آغاز طوفانی هوش مصنوعی قلمداد کرد. در ابتدای این دوره، واژۀ یادگیری ماشین (machine learning) در سال ۱۹۵۹ توسط آرتور ساموئل یکی از پیشگامان هوش مصنوعی ابداع شد و منظور از آن برنامه‌نویسی برای یک رایانه بود که از انسان بهتر بازی کردن در بازی شطرنج را یاد بگیرد. یادگیری ماشین شاخه‌ای از مطالعات است برای فراهم کردن این قابلیت برای رایانه‌ها که بدون نیاز به این که به‌طور صریحی برنامه‌نویسی شده باشند، یادگیری داشته باشند.

پرونده / هوش مصنوعی قوی

تصویر: آرتور ساموئل

در سراسر دهه ۱۹۶۰ نوآوری‌های متعددی در این حوزه رخ داد و اولین زبان‌های برنامه‌نویسی در این دوره ساخته شدند؛ مانند زبان لیسپ (Lisp) که هنوز از جمله محبوب‌ترین زبان‌های برنامه‌نویسی در حوزه هوش مصنوعی است و توسط مک‌کارتی در سال ۱۹۵۸ طراحی شد. تلاش‌ها برای ساخت روبات‌های مکانیکی و الکترونیکی شدت گرفت و برنامه‌های متعددی با استفاده از زبان‌های برنامه‌نویسی برای رایانه‌ها نوشته شد.

از جمله جالب توجه‌ترین برنامه‌های رایانه‌ای که در این دوره نوشته شد، باید به روبات گفتگوی الیزا (ELIZA) اشاره کرد که توسط جوزف ویزنباوم محقق علوم رایانه‌ای دانشگاه MIT ساخته شد. الیزا یک نرم‌افزار تعاملی رایانه‌ای بود که می‌توانست در زبان انگلیسی به‌طور نوشتاری به گفتگو بپردازد. الیزا را می‌توان نسخۀ ابتدایی سیری (Siri) شرکت اپل و یا الکسا (Alexa) آمازون دانست. هدف ویزنباوم این بود که نشان دهد ارتباط برقرار کردن انسان و هوش مصنوعی از طریق زبان نارسا و سطحی است؛ اما از جمله نتایجی که او از آزمایش‌هایش پیرامون برخورد انسان‌ها با این برنامه رایانه‌ای گرفت، این بود که بسیاری از افراد صفات انسان‌انگارانه برای الیزا قائل می‌شوند و این مسئله او را کاملاً شگفت‌زده کرده بود.

جمع‌بندی

هوش مصنوعی قوی، هوشمندی انسان و رایانه را از یک می‌فهمد و به دنبال ساخت ماشین‌هایی است که به اندازۀ انسان و بیشتر هوشمند باشند. این رویکرد در دورۀ آغاز هوش مصنوعی، سال‌های ۱۹۵۶-۱۹۷۴ بر این حوزه مسلط بود و تقریباً دیدگاه تمام بنیان‌گذاران هوش مصنوعی را باید در این دسته قرار داد.

هوش مصنوعی قوی تا اندازه‌ای تحت تأثیر این پیش‌فرض قرار داشت که تفکر به معنای پردازشگری و مطابقت و تناظر ایجاد کردن میان نماد‌های یک زبان صوری و ریاضیاتی با اشیاء جهان واقعی است. به‌خاطر چنین تلقی منطق‌گرایانه‌ای که از تفکر و ذات هوشمندی انسان در این دوره مسلط بود، به‌طور کلی خوش‌بینی زیادی در بین محققان هوش مصنوعی وجود داشت و البته در نتیجۀ این خوش‌بینی‌ها بودجه‌های عظیم دولتی نیز خرج این حوزه می‌شد.

از جمله مهم‌ترین نوآوری‌های این دوره باید به طراحی شدن نخستین زبان‌های برنامه‌نویسی مانند زبان لیسپ اشاره کرد. لیسپ زبانی است که از مجموعه‌ای منظم از نماد‌ها و فهرست نماد‌ها تشکیل شده است. در این دوره نخستین روبات‌های مکانیکی و الکترونیکی به‌طور جدی ساخته شدند. برنامه الیزا که تلاشی برای نشان دادن نارسا و سطحی بودن ارتباط زبانی میان انسان و مصنوعات رایانه‌ای به‌اصطلاح هوشمند بود، خالق خود، ویزنباوم را شگفت‌زده کرد که چطور بعضی افراد در گفتگو با این برنامه رایانه‌ای در آن چیزی شبیه انسان یافتند و مایل بودند دربارۀ مسائل شخصی‌شان با الیزا صحبت کنند.

الیزا که هیچوقت نمی‌توانست حرف‌های افراد را بفهمد، اما به‌گونه‌ای برنامه‌ریزی شده بود که بتواند در گفتگو‌ها حضور داشته باشد، نمونۀ خوبی است که به ما نشان می‌دهد هوش مصنوعی صرفاً مسئله‌ای در حیطۀ آکادمیک و علمی نیست، بلکه ساخت مصنوعاتی هوشمند که از نقائص انسانی برخوردار نباشد، اما مزایای انسان‌ها را با خود داشته باشد، مسئله‌ای است که با جنبه‌های فرهنگی و روانی انسان گره خورده است.

__________________________________

منبع: 


https://miro.medium.com/max/۱۰۰۰/۱*QMsFVnEpETQi۲WWE۲۸tKSQ.jpeg
https://www.investopedia.com/terms/s/strong-ai.asp
https://www.youtube.com/watch?v=G۳FDnNZF۵uA
https://cdn-gcp.marutitech.com/wp-media/۲۰۱۶/۱۰/a۶c۳baa۲-۸-problems-that-can-be-easily-solved-by-machine-learning-۱.jpg
Problem Solver
هیوبرت دریفوس، و استوارت دریفوس. (زمستان, ۱۳۸۶). ساختن ذهن در مقابل مدل‌سازی مغز: هوش مصنوعی در مقطع انشعاب. ذهن، ۱۱۵-۱۴۸. ص. ۱۱۷
https://www.theloquitur.com/wp-content/uploads/۲۰۱۸/۰۱/Human_Pattern_Recognition_Machines.jpg
Bringsjord, S. , & Govindarajulu, N. S. (۲۰۱۹). Artificial Intelligence. In E. N. Zalta (Ed.) , The Stanford Encyclopedia of Philosophy (Vol. Winter ۲۰۱۹). Metaphysics Research Lab, Stanford University. Retrieved from https://plato.stanford.edu/entries/artificial-intelligence/notes.html
هیوبرت دریفوس، و استوارت دریفوس. (زمستان, ۱۳۸۶). ساختن ذهن در مقابل مدل‌سازی مغز: هوش مصنوعی در مقطع انشعاب. ذهن، ۱۱۵-۱۴۸. ص ۱۱۷
Franklin, S. (۲۰۰۷). A Foundational Architecture for Artificial General Intelligence. In B. Goertzel (Ed.) , & P. Wang (Ed.) , Advances in Artificial General Intelligence: Concepts, Architectures and Algorithms. Ios Press. p. ۳۶
https://dgto.ir/۱x۹j
https://lh۳.googleusercontent.com/LwWR۷kFeDM_sZmGKgehZXRZXGJz۶iwxazEHpGxWWTlKmXfWwq۷۸wobI۶vTPiRo۵DG۱o=s۱۲۰۰
https://en.wikipedia.org/wiki/ELIZA
https://www.youtube.com/watch?v=RMK۹AphfLco