کارنگ رسانه اقتصاد نوآوری است. در کارنگ ما تلاش داریم کسب‌وکارهای نوآور ایرانی، استارتاپ‌ها، شرکت‌های دانش‌بنیان و دیگر کسب‌وکارها کوچک و بزرگی که در بخش‌های مختلف اقتصاد نوآوری در حال ارائه محصول و خدمت هستند را مورد بررسی قرار دهیم و از آینده صنعت، تولید، خدمات و دیگر بخش‌های اقتصاد بگوییم. کارنگ رسانه‌ای متعلق به بخش خصوصی ایران است.
داستان‌های علمی – تخیلی در نیمه نخست قرن بیستم جهان را با مفهوم ربات‌های مجهز به هوش مصنوعی آشنا کرد. این ماجرا با مرد آهنی «بی‌قلب» در فیلم جادوگر شهر اُز آغاز شد و با ربات انسان‌نما که خود را شبیه به شخصیت ماریا در متروپلیس کرده بود، ادامه یافت.
دهه ۱۹۵۰ شاهد حضور نسلی از دانشمندان، ریاضی‌دانان و فیلسوفان بود که مفهوم هوش مصنوعی (AI) در ذهن‌شان رسوخ کرده بود. یکی از این افراد آلن تورینگ، دانشمند جوان بریتانیایی بود که امکان‌پذیری ریاضی هوش مصنوعی را بررسی کرد.
تورینگ معتقد بود اگر انسان‌ها از اطلاعات موجود و همچنین عقل برای حل مشکلات و تصمیم‌گیری استفاده می‌کنند، پس چرا ماشین‌ها نتوانند همین کار را انجام دهند؟ مقاله‌ای که او در سال ۱۹۵۰ ارائه داد، بر این چارچوب منطقی استوار بود؛ او ماشین‌های محاسباتی و هوش را برای ارزیابی چگونگی ساخت ماشین‌های هوشمند و آزمایش هوش آنها مورد بررسی قرار داد.
امکان‌پذیر کردن تعقیب و گریز
حرف زدن هزینه‌ای ندارد؛ چه چیز مانع انجام کار تورینگ شد؟ نخست آنکه رایانه‌ها نیازمند دگرگونی اساسی بودند و تا پیش از سال ۱۹۴۹ پیش‌نیازهای کلیدی هوشمندی را نداشتند؛ آنها تنها دستورات را اجرا می‌کردند و امکان ذخیره‌سازی اطلاعات نداشتند.
به بیان دیگر می‌شد به رایانه‌ها گفت چه کاری را انجام دهند اما نمی‌توانستند آنچه را انجام داده بودند، به خاطر بسپارند. دیگر آنکه پردازش بسیار گران بود. در اوایل دهه ۱۹۵۰ هزینه اجاره رایانه تا ۲۰۰ هزار دلار در ماه می‌رسید. تنها دانشگاه‌های معتبر و شرکت‌های بزرگ فناوری توان پرداخت هزینه گشت‌وگذار در این دنیای ناشناخته را داشتند. متقاعد کردن صاحبان منابع ارزشمند مالی درباره سودمندی پیگیری هوش ماشینی نیازمند اثبات مفهوم و حمایت افراد سرشناس بود.
گردهمایی‌ای که نقطه آغاز همه چیز بود
اثبات مفهوم هوش مصنوعی پنج سال پس از این توسط آلن نیوول، کلیف شاو و هربرت سیمونز (نظریه‌پرداز منطق) شروع شد. برنامه نظریه منطق برای تقلید از مهارت‌های حل مسئله یک انسان طراحی شده، به وسیله شرکت تحقیق و توسعه RAND از آن حمایت مالی می‌شد.
بسیاری این را نخستین برنامه هوش مصنوعی می‌دانند. این برنامه در طرح پژوهشی تابستانی دارتموث درباره هوش مصنوعی DSRPAI ارائه شد که به میزبانی جان مک‌کارتی و ماروین مینسکی در سال ۱۹۵۶ برگزار شد. در این گردهمایی تاریخی مک‌کارتی با این دیدگاه که تلاش مشارکتی بزرگی را شکل دهد، پژوهشگران برتر حوزه‌های مختلف را برای گفت‌وگوی آزاد درباره هوش مصنوعی گرد هم آورد؛ اصطلاح هوش مصنوعی از ابداعات همان رویداد بود.
کنفرانس انتظارات مک‌کارتی را برآورده نکرد، با این حال همه شرکت‌کنندگان با تمام وجود حس کردند که هوش مصنوعی دست‌یافتنی است. اهمیت این رویداد نباید نادیده گرفته شود، چرا که موجب شتاب‌گیری پژوهش‌ها درباره هوش مصنوعی برای ۲۰ سال بعد شد.
قطار موفقیت و شکست
دوره شکوفایی هوش مصنوعی از سال ۱۹۵۷ تا ۱۹۷۴ بود که رایانه‌ها قادر به ذخیره اطلاعات بیشتری شدند، سرعت پردازش افزایش یافت، استفاده از آنها ارزان‌تر شد و بیش از پیش در دسترس بودند. در این دوره الگوریتم‌های یادگیری ماشین بهبود یافت و کاربران دریافتند کدام الگوریتم را برای مشکل خود به کار بگیرند.
نخستین خروجی‌ها مانند Newell و Simon’s General Problem Solver و Joseph Weizenbaum’s ELIZA به ترتیب برای اهداف حل مسئله و تفسیر زبان گفتاری ابرازهای امیدوارکننده‌ای بود. دستیابی به این موفقیت‌ها در کنار حمایتی که محققان برجسته ابراز کردند (شرکت‌کنندگان در DSRPAI) توانست سازمان‌های دولتی مانند بنگاه طرح‌های پژوهشی پیشرفته دفاعی (DARPA) را برای پشتیبانی مالی از پژوهش‌ها در حوزه هوش مصنوعی متقاعد کند.
دولت آمریکا به‌ویژه علاقه‌مند به ماشینی بود که رونویسی و ترجمه زبان گفتاری را همانند پردازش داده‌ها با توان عملیاتی بالا انجام دهد. گرچه خوش‌بینی بالا بود اما توقعات از آن پیشی گرفت. ماروین مینسکی در سال ۱۹۷۰ به مجله لایف گفت: «بین سه تا هشت سال ماشینی با هوش عمومی یک انسان معمولی خواهیم داشت.»
با این حال هنوز راه زیادی تا دستیابی به اهداف نهایی پردازش زبان طبیعی، تفکر و شناخت خود باقی مانده بود. با کنار رفتن غبارهای نخستین، کوه مشکلات آشکار شد. بزرگ‌ترین مانع نداشتن قدرت محاسباتی برای انجام هر کار بنیادین بود: رایانه‌ها نمی‌توانستند اطلاعات کافی را ذخیره یا با سرعت مناسب پردازش کنند.
مثلاً برای ایجاد ارتباط نیازمند دانستن معنای کلمات بسیاری هستیم تا آنها را در ترکیبات مختلف درک کنیم. هانس موراوک دانشجوی دکترای مک‌کارتی در آن زمان گفت: «رایانه‌ها هنوز میلیون‌ها بار ضعیف‌تر از آن هستند که هوش خود را نشان دهند.» در نتیجه بودجه کم شد و پژوهش‌ها به مدت ده سال کند پیش رفتند.
هوش مصنوعی در دهه ۱۹۸۰با تکیه بر گسترش ابزار الگوریتمی و افزایش سرمایه فعال شد. جان هاپفیلد و دیوید روملهارت روش‌های «یادگیری عمیق» را رواج دادند که به رایانه‌ها امکان داد تجربه کنند و یاد بگیرند. همچنین ادوارد فایگنبام سامانه‌هایی عرضه کرد که فرایند تصمیم‌گیری یک متخصص انسانی را تقلید می‌کرد.
این برنامه از یک متخصص می‌پرسد که در یک موقعیت خاص چه پاسخی می‌‌دهد و هنگامی که تقریباً درباره هر موقعیتی آموخت، می‌تواند به افراد غیرمتخصص مشاوره دهد. سامانه‌های خبره کاربردی گسترده در صنایع یافتند.
دولت ژاپن سامانه‌های خبره و سایر کارهای هوش مصنوعی را به‌عنوان بخشی از طرح نسل پنجم رایانه FGCP به‌شدت حمایت کرد و از سال ۱۹۸۲ تا ۱۹۹۰ با هدف دگرگونی در پردازش رایانه‌ای و پیاده‌سازی برنامه‌نویسی منطقی و بهبود هوش مصنوعی، ۴۰۰ میلیون دلار سرمایه‌گذاری کرد.
گرچه بسیاری از اهداف بلندپروازانه به بار ننشست، با این حال اثرات غیر مستقیم FGCP الهام‌بخش نسل جوان با استعدادی از مهندسان و دانشمندان شد. ولی توقف حمایت مالی FGCP هوش مصنوعی را از کانون توجه خارج کرد.
هوش‌مصنوعی در نبود بودجه دولتی و تبلیغات عمومی رشد کرد و در دهه‌های ۱۹۹۰ و ۲۰۰۰ بسیاری از اهداف برجسته آن به بار نشست. گری کاسپاروف، استاد و قهرمان بزرگ شطرنج جهان، در سال ۱۹۹۷ از برنامه رایانه‌ای شطرنج دیپ‌بلو شرکت IBM شکست خورد که نخستین شکست قهرمان شطرنج جهان در برابر رایانه و گامی بزرگ برای برنامه تصمیم‌گیری مبتنی بر هوش مصنوعی بود.
در همان سال نرم‌افزار تشخیص گفتار که دراگون سیستمز توسعه داده بود، روی ویندوز پیاده‌سازی شد. این نیز گام بزرگ و رو به جلوی دیگری در مسیر تفسیر زبان گفتاری بود. گویا مشکلی وجود ندارد که ماشین‌ها نتوانند از پس آن برآیند و حتی تشخیص احساسات انسانی نیز می‌تواند مناسب باشد؛ ربات کیسمت که توسط سینتیا بریزیل ساخته شد، قادر به تشخیص و نمایش احساسات بود.
لینک کوتاه: https://karangweekly.ir/vnnn
