Gerdab.IR | گرداب

تاریخ هوش مصنوعی ۴

پرونده / انتقاد‌ها بر هوش مصنوعی نمادی + فیلم

پرونده / انتقاد‌ها بر هوش مصنوعی نمادی + فیلم
تاریخ انتشار : ۰۷ اسفند ۱۴۰۰

وقتی که آلن تورینگ مقاله‌اش با عنوان «ماشین محاسباتی و هوشمندی» را با این پرسش آغاز کرد که «آیا ماشین می‌تواند بیاندیشد؟» سنگ بنای هوش مصنوعی بنا نهاده شد.

به گزارش خبرنگار گرداب، پاسخ تورینگ و سایر بنیان‌گذاران این رشته علمی جدید به این پرسش، مثبت بود؛ ماشین می‌تواند بیاندیشد. فقط کافی است اشیا و پدیدار‌ها را به نماد‌های دقیق و مجزا از هم تبدیل کرد تا ماشین با آن‌ها مانند اعداد برخورد کند. در این نگاه فکر کردن چه در ماشین و چه در انسان نوعی محاسبه فرض می‌شد و از آنجا که ماشین حساب‌ها و رایانه‌ها بهتر از انسان می‌توانند محاسبه کنند، پس هوش مصنوعی قوی یا ساختن موجودی که در هوشمندی برابر با انسان و یا فراتر از او باشد، امکان‌پذیر تلقی می‌شد.

در پاسخ به پرسش تورینگ، سامانه‌های نمادی الگویی برای ماشین‌های اندیشنده به شمار رفتند و بنیان‌گذاران هوش مصنوعی به شیوه‌های مختلف در این زمینه نظریاتی ارائه کردند و کوشیدند از این نگرش نمادی به اندیشه راهی برای ساخت رایانه‌های هوشمند ایجاد کنند.

در این میان الگو‌های نمادی با انتقاد‌های وسیعی نیز روبرو شدند. در این نوشته ابتدا خصوصیات اصلی هوش مصنوعی نمادی را معرفی می‌کنیم و سپس تعدادی از مهم‌ترین نقد‌هایی که به آن وارد شده را بر می‌شمریم.

 

ویدیو : مقایسه مغز انسان با کامپیوتر

 

مدافعان هوش مصنوعی نمادی

بنیان‌گذاران متعدد هوش مصنوعی در ابتدا چنین نگرشی به مسئله هوش مصنوعی داشتند و هوشمندی را نوعی محاسبه‌گری می‌دانستند. تورینگ، مک‌کارتی، نیوول، سایمون و ... از جمله کسانی هستند که چنین نگرشی را مطرح کرده و از آن دفاع کردند. به‌طور ساده می‌توان اصول اصلی این نگرش را بدین شکل خلاصه کرد:

۱. تفکر پردازشگری اطلاعات است.

۲. پردازشگری اطلاعات محاسبه است.

۳. معانی این نماد‌ها تفکر را به جهان خارج مرتبط می‌کند.

در هوش مصنوعی نمادی، هوش به‌مثابۀ خصیصۀ سیستم‌های پردازشگر اطلاعات، مانند کامپیوتر‌های برنامه‌ریزی شده، فرض شده است. این نگاه بر فرضی اتم‌انگارانه دربارۀ واحد‌های اطلاعات و یا داده‌ها متکی است و همچنین به مغز، حافظه و سایر فعالیت‌های روانی به‌مثابۀ جنبۀ فیزیکی این سیستم‌ها نگاهی کاملاً مکانیکی می‌شود.

در نهایت در این تلقی از هوش، «تجربه» صرفاً به بازنمایی اتم‌وار از نماد‌ها تبدیل می‌شود و اندیشیدن به‌مثابۀ محاسبۀ صوری این بازنمود‌ها (نماد‌هایی معادل واقعیت در ذهن اندیشنده) و روابط آن‌ها فهمیده می‌شود. اندلر، یکی از محققان تاریخ هوش مصنوعی، خصیصه‌های اصلی این رویکرد را این‌گونه بر می‌شمارد:

۱. فرایند‌های ذهنی بر روی واحد‌های مجزای اطلاعات، بر مبنایی یکنواخت، اجرا می‌شوند.

۲. واحد‌ها توسط حامل‌های مادی منتقل می‌شوند که علیت آن‌ها از اساس مستقل است از چیز‌هایی که اطلاعات آن‌ها را منتقل می‌کنند.

۳. اندیشیدن، نتیجه و یا حتی چیزی نیست جز، اجرای محاسباتی در «بازنمودهای» نمادی که از ذرات بدویِ اطلاعات از بافت مستقل تشکیل شده است.

۴. توانایی یک نظام برای ایجاد صدق، عقلانی‌بودن و یا اندیشۀ انطباقی، مقتضی دارا بودن واقعیت‌های مورد نیاز و یک موتور استنتاج حفظ‌کنندۀ صدق است؛ که منظور از آن روالی محاسباتی برای بیرون کشیدن نتایج منطقی از درون واقعیت‌های ذخیره شده می‌باشد.

مدلی که در این هوش مصنوعی برای ساخت کامپیوتر‌های هوشمند به کار می‌رفت، نتیجۀ همین نگاه به اندیشیدن و اطلاعات مستقل از زمینه و بافت آن‌ها بود. در این مدل‌ها یک سیستم هوشمند، از سه جز تشکیل می‌شود؛ یک جزء که ورودی سیستم است که وظیفۀ ادراک اطلاعات را دارد و بازنمودی را ارائه می‌کند، جزئی که به محاسبه استنتاج و روش مناسب دربارۀ واکنش به اطلاعات و عمل مورد نیاز می‌پردازد و جزء سوم، مرکز سیستم، که وظیفۀ نظارت بر جزء دوم را برعهده دارد و بر اساس نظامی از قواعد صوری و محض تشکیل شده است.

این جزء مرکزی سیستم کاملاً از محیط پیرامونی و از جهان، مجزا و مستقل است و وضعیتی کاملاً صوری دارد و صرفاً از طریق مبدل‌های اطلاعاتی که جهان را به بازنمودی نمادین برایش تعریف کنند، می‌تواند با محیطش ارتباط برقرار کند. از این‌رو عمل چنین سیستم هوشمندی صرفاً محدود می‌شود به ادراک بازنمودی از جهان و اطلاق قواعد صوری به پایگاه‌های اطلاعاتی دریافت شدۀ از این بازنمودها.

به‌طور مثال می‌توان به طرح نیوول و سایمون با عنوان ماشینِ «مسئله حل‌کننده» اشاره کرد که در شکل زیر فرایند رفتار این ماشین نشان داده شده است.

پرونده / انتقاد‌ها بر هوش مصنوعی نمادی
شکل: طرح نیوول و سایمون از نظریۀ عمومی مسئله حل‌کننده

به نقل از هوبرت دریفوس، یکی از منتقدان هوش مصنوعی نمادی، می‌توان پیش‌فرض‌های موجود در این رویکرد را این‌گونه برشمرد:

۱. پیش‌فرض بیولوژیکی: مغز اطلاعات را در عمل‌های مستقل، معادل زیستی روشن/خاموش کردن دکمه، پردازش می‌کند.

۲. پیش‌فرض روان‌شناسانه: ذهن می‌تواند هم‌چون یک دستگاه نگریسته شود که بر بیت‌های اطلاعاتی مطابق مبتنی بر قواعد صوری عمل می‌کند.

۳. پیش‌فرض معرفت‌شناسانه که همۀ دانش می‌تواند صوری شود که این بدین معناست که همه چیز در زبان روابط منطقی می‌تواند فهمیده و بیان شود.

۴. در نهایت ... این پیش‌فرض هستی‌شناسانه که هر آنچه هست، مجموعه‌ای از واقعیت‌هایی است که هر یک منطقاً مستقل از یک دیگر هستند.

ویدیو: هوش مصنوعی نمادی به زبان ساده

 

نقد هوش مصنوعی نمادی

باید گفت که تفکر علمی به‌ طور کلی در قرن بیستم دچار یک تناقض آشکاری شده بود. از یک سو انقلاب فناوری و اختراع رایانه‌ها باعث شد محققان حیطه هوش مصنوعی اظهارات بلندپروازانه‌ای مطرح کنند و این ایده را مطرح کنند که رایانه‌ای اگر به‌طور مناسب برنامه‌ریزی شده باشد، حقیقتاً می‌تواند فرایند‌های اندیشه و استدلال را انجام دهد و حتی بهتر از انسان هوشمند باشد؛ از سوی دیگر، پارادیم‌های مسلط بر علومی، چون روان‌شناسی تجربی (مانند فروید) اساساً عقلانیت خود انسان و عاقلانه رفتار کردنش را به چالش کشیده و زیرسوال می‌بردند.

اما خوش‌باوری پژوهشگران هوش مصنوعی نمادی سرانجامی نداشت و با رسیدن دهه ۱۹۸۰ عدم پیشرفت معنادار در این حوزه باعث بازنگری بسیاری از مفاهیم شد. یکی از اصلی‌ترین انتقاد‌هایی که به هوش مصنوعی نمادی مطرح شد، قائل شدن به پیش‌فرض‌های غلط پیرامون هوشمندی و ذهن بود.

اساساً در سیستم‌های هوشمند نمادی جایی برای رفتار‌های عادی انسان‌ها، شناختی که در اثر تعامل ایجاد می‌شود، رفتار‌های احساسی و اموری از این دست جایی نداشت. امروزه یک کودک سه ساله بهتر از هر رایانه پیشرفته می‌تواند صحبت کند. این عدم پیشرفت هوش مصنوعی در حوزه‌هایی که در ابتدا ساده در نظر گرفته می‌شد، مثل رفتار‌های عادی انسان‌ها، در نهایت باعث شد که ترمز خوش‌بینی‌ها کشیده شود و پرسش‌های متعددی در مقابل محققان هوش مصنوعی قرار بگیرد.

یکی از اصلی‌ترین ایراداتی که به هوش مصنوعی نمادی گرفته شد این است که هوش مصنوعی و سردمداران نخست آن به اشتباه تصور کردند که هوشمندی در انسان و رایانه (سیستم پردازشگر نمادی) معنایی یکسانی دارد. هوشمندی در انسان یک فرایند زمینه‌مند است که در یک بستری رخ می‌دهد. همین تفاوت بستر و زمینه است که باعث می‌شود از یک انسان در دو محیط مختلف رفتار‌های کاملاً متفاوت سر بزند.

از این‌رو با حذف کردن و در نظر نگرفتن زمینه و بستری که هوشمندی در آن رخ می‌دهد، که ترکیبی است از تاریخ، فرهنگ، دین و سایر جنبه‌های هویتی دیگر، نه تنها نمی‌توانیم هوشمندی مصنوعی پدید آوریم، بلکه حتی هوشمندی خود را نیز در سطح یک ماشین حساب پایین آورده‌ایم.

یکی از ایراد‌های فنی که به هوش مصنوعی نمادی وارد شده است، این است که جزء مرکزی یک سیستم نمادی، از نظامی صوری و قواعد محض تشکیل شده است و کاملاً از بخش ورودی سیستم مجزاست. به عبارت دیگر سیستم صرفاً برپایۀ مجموعه‌ای از قواعد محدود عمل می‌کند.

تعبیه کردن قواعد پرشمار و روش‌های متعدد که سیستم بتواند براساس آن ورودی‌های خود را تحلیل کند، چندان کارآمد نخواهد بود. زیرا مسئله «داشتن» قواعد، روش‌ها و تکنیک‌ها نیست؛ بلکه چیزی که یک سیستم را واقعا می‌تواند هوشمند سازد توانایی تشخیص این نکته است که در شرایط و وضعیتی خاص، کدام قاعده را به کار ببرد.

اگر بخواهیم برای به کار بردن هر قاعده نیز قاعده‌ای به سیستم بدهیم (چنان که محققان هوش مصنوعی نمادی بعد از انتقاد‌های اولیه چنین نتیجه گرفته بودند) در نهایت باز نیازمند قاعده‌ای برای به کار بردن آن خواهیم بود و این چرخه ادامه خواهد داشت. به‌ طور کلی باید گفت اصلی‌ترین ایراد فنی هوش مصنوعی نمادی این است که در نهایت سیستمی بسته و غیر پویا ارائه می‌دهد و با نگاه اتم‌وارش نمی‌تواند کلیت و بستر رفتار را درک کند.

تقلیل دادن همه جنبه‌های هوشمندی به چیز‌هایی که رایانه‌های دیجیتالی می‌توانند صورت‌بندی و پردازش کنند، یکی از دلایل شکست هوش مصنوعی نمادی است. تجربه نیز نشان داد که در نظر نگرفتن سیال بودن و در حرکت بودن روند آگهی و تلاش برای فرمولیزه کردن سیستم بسته‌ای از هوشمندی در نهایت به هوشمندی ختم نمی‌شود.

نتیجه‌گیری

ماروین مینسکی، یکی از بنیان‌گذاران هوش مصنوعی، بعد‌ها در نوشته‌ای پیرامون تاریخ این رشته گفت که هوش مصنوعی از اوایل دهه ۷۰ «مرگ مغزی» شده بود. منظور او از این اصطلاح این بود که ”هرچند به ظاهر زنده و سالم به نظر می‌آمد، اما از زخم نظری درونی رنج می‌برد که نمی‌توانست خود را بازیابی کند“.

شکست هوش مصنوعی نمادی به نوعی این مسئله را به خوبی نشان داد که پردازشگری و محاسبات صرف رایانه با امر معنادار سروکار ندارد و از سوی دیگر این که پردازشگری ذهن از اساس با شیوۀ برنامه‌های صوری کامپیوتری متفاوت است.

پردازشگری کامپیوتری با متغیر‌هایی تهی و فاقد محتوای معنایی سروکار دارد و این برنامه‌نویس است که به رشته‌هایی از بیت‌های مستقل و بی‌معنا، معنا می‌بخشد. اما پردازشگری ذهن انسان هم برخلاف کامپیوتر همواره بسترمند و دارای زمینه است.

اما این شکست زمینه را برای شکل‌گیری رویکرد‌هایی دیگر در هوش مصنوعی پدید آورد که نگاهی معتدل‌تر داشتند و دیگر خیال نداشتند که خوش‌بینانه و تا اندازه‌ای ساده‌لوحانه صحبت از ساختن موجودی هوشمندتر از انسان کنند. باید گفت شکست هوش مصنوعی نمادی باعث شد دانشمندان به شگفتی و حیرت‌آور بودن روان و ارگانیسم انسان اعتراف کنند.

_________________________________

منابع:

 

 

https://www.youtube.com/watch?v=t۹I۵njk۲Rk۸
Dennett, D. C. (۱۹۹۸). Brainchildren Essays on Designing Minds, The MIT Press. P۲۱۷
Andler, D. (۲۰۰۶). Phenomenology in artificial intelligence and cognitive science. In H. L. Dreyfus, & M. A. Wrathall, A Companion To Phenomenology and Existentialism (pp. ۳۷۷-۳۹۹). Blackwell Publishing Ltd. P۳۷۹

Poltrock, S. , & Smart, P. R. (۲۰۱۰). Network-Enabled Collaborative Problem Solving. st ITA Workshop on Network-Enabled Cognition: The Contribution of Social and Technological Networks to Human Cognition. United States. Retrieved from http://eprints.soton.ac.uk/id/eprint/۲۶۷۷۴۱

Dreyfus, H. L. (۱۹۷۲). what computers still can't do: A Critique of Artificial Reason Hubert. New York: HARPER & ROW, PUBLISHERS. P۶۸

Andler, D. (۲۰۰۶). Phenomenology in artificial intelligence and cognitive science. In H. L. Dreyfus, & M. A. Wrathall, A Companion To Phenomenology and Existentialism (pp. ۳۷۷-۳۹۹). Blackwell Publishing Ltd. P۳۷۹
Dreyfus, H. L. (۱۹۷۲). what computers still can't do: A Critique of Artificial Reason Hubert. New York: HARPER & ROW, PUBLISHERS. P۷۷-۷۸
ibid, ۷۸
https://www.youtube.com/watch?v=WHCo۴m۲VOws