تاریخچه هوش مصنوعی

تا به حال به اینکه هوش مصنوعی چیست و چه کارهایی می تواند انجام دهد و یا اینکه در آینده قرار است چه تغییراتی را در دنیا ایجاد کند پرداخته ایم. اما امروز قصد داریم تا از تاریخ هوش مصنوعی صحبت کنیم. چه شد که بشر به سمت هوش مصنوعی کشیده شد و تلاش کرد تا به هوش مفهوم دیگری ببخشد؟ هوش مصنوعی در طول تاریخ خود با چه فرازها و نشیب هایی رو به رو بوده و چه کسانی برای رسیدن به آن تلاش کردند.

آیا ماشین ها می‌توانند فکر کنند؟

در نیمه اول قرن بیستم، داستان های علمی – تخیلی آن روزها برای اولین بار مفهوم ربات های دارای هوش مصنوعی را به افراد معرفی کرد. داستن ربات های هوشمند با کاراکتر آدم آهنی در داستان جادوگر شهر اُز شروع شد و در متروپولیس با کاراکتر ماریا که یک ربات انسان نما بود، به اوج خود رسید. در دهه 1950 میلادی، تاریخ شاهد نسلی از دانشمندان، ریاضی دانان و فیلسوفانی خارق العاده بود که ذهن آن ها مجذوب مفهوم هوش مصنوعی شده بود. یکی از این افراد خارق العاده، آلن تورینگ، دانشمند بریتانیایی بود که به بررسی امکان هوش مصنوعی از طریق ریاضیات پرداخت. به گفته تورینگ، انسان ها از طریق اطلاعات موجود به عنوان دلیلی استفاده می کنند تا به حل مشکلات و تصمیم گیری بپردازند. پس چرا ماشین ها نتوانند از چنین فرآیندی بهره ببرند؟ این مسئله چهارچوب منطقی مقاله ای، با نام محاسبات و هوش ماشینی، بود که او در سال 1950 منتشر کرد. در این مقاله او به بررسی نحوه ساخت ماشین های دارای هوش مصنوعی پرداخت و راه هایی برای چگونگی آزمایش این هوش را معرفی کرد.

تحقق یک رویا

متاسفانه رسیدن به چیزی به همان راحتی صحبت کردن در مورد آن چیز نیست. مواردی بود که باعث شد تورینگ از رسیدن به گفته هایش و نتایج تحقیقاتش باز بماند. اول اینکه کامپیوتر هایی که در آن زمان وجود داشتند نیاز به یک تغییر اساسی داشتند. کامپیوها تا قبل از سال 1949 فاقد اصلی ترین پیش نیاز هوش مصنوعی، یعنی ذخیره سازی دستورات، بود. این کامپیوتر ها تنها توانایی اجرای دستورات را داشتند نه ذخیره سازی آن ها. یعنی به زبانی دیگر آن ها می شد به آنها گفت که چه کاری انجام دهند اما دیگر به یاد نمی آوردند که چه کرده بودند. دومین مشکل نیز آن بود که پردازش در کامپیوتر ها بسیار هزینه بر بود. در اوایل دهه 50 میلادی، هزینه اجاره یک کامپیوتر ماهیانه تا حدود 200 هزار دلار می شد. در آن زمان تنها دانشگاه های نامدار و کمپانی های بزرگ تکنولوژِی از پس هزینه های سرسام آور کامپیوترها بر می آمدند. در آن زمان نیز، برای تامین مالی هزینه های مربوط به پیشرفت هوش مصنوعی، نیاز بود که دلایل منطقی برای سرمایه گذاری بر روی مفهوم آن و ضمانت نامه از افراد برجسته و معتبر داشته باشد تا منابع مالی مجاب شوند و بر روی هوش مصنوعی سرمایه گذاری کنند.

کنفرانسی که باعث شروع همه چیز شد!

پنج سال بعد، آلن نیوول، کلیف شاو و هربرت سیمون از طریق برنامه Logic Theorist به اثبات مفهوم هوش مصنوعی پرداختند. Logic Theorist در واقع به نوعی برنامه ریزی شده بود تا مهارت های انسان ها در حل مسئله را تقلید کند و بودجه آن توسط موسسه تحقیقات و توسعه  (RAND) تهیه شده بود. از این برنامه در Dartmouth Summer Research Project on Artificial Intelligence (DSRPAI) با میزبانی جان مک کارتی و ماروین مینسکی در سال 1956 رونمایی شد و به عقیده ی بسیاری از افراد اولین برنامه ای بود که از هوش مصنوعی برخوردار بود.

در این کنفرانس تاریخی، جان مک کارتی، با تصور ایجاد یک همکاری موثر، دانشمندان برتر حوزه های مختلف را در کنار هم گرد هم آورد تا به بحث و گفت و گویی باز در زمینه هوش مصنوعی بپردازند. البته متاسفانه نتیجه این همایش از انتظارات مک کارتی بسیار دور بود و افرادی که در همایش شرکت کرده بودن مطابق دلخواه خود عمل می کردند و برای تدوین متدهای استاندارد این حوزه شکست خوردند. با این وجود، همگی افراد حاضر در همایش با این فکر موافق بودند که هوش مصنوعی قابل دسترسی می باشد. این همایش در تاریخ هوش مصنوعی از اهمین بسیاری برخوردار است زیراکه تحقیقات بیست سال بعد حوزه هوش مصنوعی را سرعت بخشد.

رفت و برگشت بین موفقیت و رفع مشکلات

از سال 1957 تا سال 1974 را می توان دوران شکوفایی هوش مصنوعی دانست. در این دوره کامپیوترها توانایی ذخیره بیشتر اطلاعات را داشتند و سریع تر شدند. از طرف دیگر هزینه کامپیوترها تا حد زیادی پایین آمد و این امر باعث در دسترس تر بودن آن شد. همچنین در این سال ها الگوریتم های یادگیری ماشین پیشرفته تر شدند و افراد نیز فهمیدند که برای هر نوع حل مسئله ای باید از چه الگوریتمی استفاده نمایند. برنامه هایی مانند General Problem Solver نوول و سیمون و برنامه ELIZA جوزف ویزباوم امید ایجاد توانایی حل مسئله و تفسیر زبان گفتاری در ماشین را پر رنگ تر کرد. این موفقیت ها به همراه نظرات اطمینان پخش محققان پیشرو و به نام، سازمان های دولتی مانند آژانس پروژه های تحقیقاتی پیشرفته دفاعی (DARPA) را متقاعد کرد تا بر روی تحقیقات در زمینه هوش مصنوعی در چندین موسسه سرمایه گذاری نمایند.

دولت بویژه علاقه مند به ساخت ماشین هایی بود که توان انتقال و ترجمه زبان گفتاری را داشته باشد و همچنین بتواند داده های زیادی را با توان بالا پردازش کند. بدین ترتیب دید مثبت به هوش مصنوعی و انتظارات از آن بسیار بالا رفت. در سال 1970 ماروین مینسکی در مصاحبه با مجله زندگی بیان کرد که “در سه تا هشت سال آینده ما ماشینی خواهیم داشت که هوش عمومی برابر با یک انسان معمولی را دارا باشد”. با اینکه این حرف پشتوانه به پشتوانه ادله محکم موجود در آن زمان گفته شده بود اما هوش مصنوعی هنوز راه طولانی را برای رسیدن به اهداف نهایی یعنی پردازش زبان طبیعی ، تفکر انتزاعی و خودشناسی در پیش داشت. در نمودار زیر شما می توایند خط زمانی هوش مصنوعی را در تاریخ مشاهده کنید.

با گذشت زمان مشکلات مجود بر سر راه هوش مصنوعی بروز پیدا کردند. بزرگترین این مشکل ها فقدان قدرت محاسباتی برای انجام هر کار اساسی بود. با وجود پیشرفت هایی که تا آن زمان شده بود باز هم کامپیوترها نمی توانستند اطلاعات کافی را به سادگی ذخیره کنند یا آن ها را به سریعا پردازش کنند. برای برقراری ارتباط هم نیاز به قدرت پردازش بالا و سریع حجم زیادی از اطلاعات داریم. برای مثال برای اینکه کامپیوتری بتواند ارتباط برقرار کند، هم نیاز دارد که معنی تعداد زیادی از کلمات را بداند و هم بتواند مفهوم آن کلمات را در بین ترکیب ها  استخراج کند.

هانس موراوک، دیکی از دانشجویان مک کارتی در سطح دکترا، بیان کرد که ” هوش کامپیوترها هنوز میلیون ها بار از آنچه که بتوان هوش نامید ضعیف تر است”. در این زمان بودجه تحقیقات تا حدودی محدود شده بود و تا ده سال تحقیقات مربوط به آن روند کندی را طی کرد.

در دهه 80 میلادی، هوش مصنوعی از دو طریق به اوج خود باز گشت: گسترش ابزار الگوریتمی و افزایش بودجه. جان هوپفیلد و دیوید راملهارت، تکنیک های “یادگیری عمیق” را رواج دادند که به کامپیوترها این توانایی را می داد که بتوانند از طریق تجربه های خود یاد بگیرند. از طرف دیگر در این زمان ادوارد فینبام سیستم های پیشرفته که می تواند از توانایی یک فرد متخصص در تصمیم گیری تقلید کنند، را معرفی نمود. این برنامه قادر است از متخصص یک حوزه بپرسد که در شرایط خاصی چگونه عمل کند و پس از یادگیری آن که برای هر شرایط دیگری، افراد غیر متخصص می توانند برای دریافت مشاوره به این سیستم ها مراجعه کنند. از سیستم های پیشرفته به طور گسترده در صنعت استفاده می شود.

دولت ژاپن به طور گسترده ای به سرمایه گذاری در زمینه هوش مصنوعی و سیستم های پیشرفته تحت عنوان نسل پنجم برنامه کامپیوتر (FGCP)، پرداخت. از سال 1982 تا سال 1990 ژاپن 400 میلیون دلار را با هدف متحول کردن پردازش کامپیوتری، پیاده سازی برنامه نویسی منطقی و پیشرفت هوش مصنوعی در این حوزه سرمایه گذاری کرد. اما متاسفانه اکثر اهداف بلندپروازانه مورد نظر این سرمایه گذاری عظیم به تحقق نپیوست. اما تاثیرات غیر مستقیم سرمایه گذاری باعث شد تا نسل جوانی از مهندسان و دانشمندان تحت تاثیر قرار بگیرند و به دنبال هوش مصنوعی بروند.

پس از آن با وجود فقدان بودجه و سرمایه گذاری های دولتی و… هوش مصنوعی باز هم رونق گرفت. در طول دهه 90 و 2000 میلادی، بسیاری از اهداف و چشم انداز های هوش مصنوعی  تحقق یافتند. در سال 1997 هوش مصنوعی Deep Blue محصول شرکت IBM توانست گری کاسپاروف، استاد بزرگ و قهرمان شطرنج را در یک بازی شطرنج کامپیوتری شکست دهد. این مسابقه تبلیغاتی و معروف اولین باری بود که کاسپاروف قهرمان شکست می خورد و این باخت قدم بزرگی بود در پیشرفت برنامه های تصمیم گیری توسط هوش مصنوعی. در همان سال، نرم افزار شناسایی گفتاری که توسط Dragon Systems بر روی سیستم عامل های Windows پیاده سازی شد و این امر این یک گام بزرگ دیگر رو به جلو در راستای پردازش زبان گفتاری بود. در این زمان به نظر می رسید که دیگر مسئله ای وجود ندارد که ماشین ها از پس حل آن بر نیایند. حتی احساسات انسانی نیز توسط ربات Kismet که توسط Cynthia Breazeal تولید شده بود، قابل شناسایی بود. این ربات می توانست احساسات را بشناسد و آن ها را آشکار سازد.

زمان حلال همه ی مشکلات

از آن روز تا به الان تغییرات بسیار محسوسی در کد های هوش مصنوعی ایجاد نشده است، اما باید بپرسیم پس چه چیزی تغییر یافته؟ و جواب این سوال زمان است. امروزه محدودیت های ذخیره سازی که در 30 سال گذشته جلوی پیش رفت هوش مصنوعی را گرفته بود، دیگر وجود ندارند. امروزه طبق تخمین ها سرعت و حافظه کامپیوتر ها هر سال دو برابر افزایش میابد و این امر باعث شده تا توانایی آن ها از نیازهای ما پیشی بگیرد. این دقیقا همان دلیلی است که Deep Blue توانست کاسپاروف را شکست دهد و یا Alpha Go گوگل توانست قهرمان چینی بازی Go، که جی، را مغلوب خود کند. همه ی این ها دلیلی است که ما باید بر روی هوش مصنوعی بیشتر سرمایه گذاری کنیم. ما هوش مصنوعی را تا زمانی که به توانایی های هوش و توانایی ما برسد، اشباع می کنیم و پس از آن صبر می کنیم تا زمان قانون مور فرا برسد.

هوش مصنوعی، امروز در همه جا

ما امروز در عصر کلان داده یا big data قرار داریم. ما امروز قادریم حجم بالایی از اطلاعات مختلف را ذخیره سازی کنیم و آن ها را پردازش کنیم. استفاده هوش مصنوعی امروزه توانسته راه خود را به صنایع مختلف باز کند و باعث باروری بیشتر و شکوفایی در حوزه های بازاریابی، بانکداری و سرگرمی شود. ما در حاضر شاهد آنیم که با اینکه پیشرفت به خصوصی در الگوریتم ها و کدها روی نداده است اما کلان داده و قدرت پردازش فوق العاده، به هوش مصنوعی این توانایی را داده که از طریق آن با سرعت و نیروی فوق العاده ای پیشرفت کند.

از تمام این صحبت ها می توان استنباط کرد که هوش مصنوعی قرار است هر روز بیش از پیش پیشرفت کند و به شکوفایی خود ادامه دهد و هیچ چیزی نمی تواند جلوی این امر را بگیرد. همان طور که یک روزی ماشین، کامپیوتر و گوشی های هوشمند، قطارهای سریع السیر و هواپیماها و امثال این ها وجود نداشتند و امروز حتی تصور زندگی بدون این ها برای ما سخت و طاقت فرساست، در آینده ای نه چندان دور نیز تصور دنیایی بدون هوش مصنوعی سخت خواهد بود. به جای مقابله با آن باید به استقبال هوش مصنوعی رفت و در مورد آن اطلاعات بیشتری کسب کرد تا از سود و منافع آن بهره مند شویم. صنایع و کسب و کارهای مختلف می توانند از هوش مصنوعی استفاده کنند تا شکوفایی صد چندان را تجربه کنند.

منبع: Harvard University

اگر به خواندن مطالب بیشتر در زمینه هوش مصنوعی علاقه دارید به وبسایت عامر اندیش مراجعه کنید.