بازی تقلید

مقدمه

در حال جستجو در اینترنت هستید و پس از ورود به یک صفحه با صحنه‌ای عجیب مواجه می‌شوید. یک تیک باکس در کنار جمله «من یک انسانم» یا «من ربات نیستم». شاید از دید شما بدیهی باشد که یک انسانید اما ماجرا به این سادگی هم نیست. این آزمون که با نام CAPTCHA شناخته می‌شود و برای تشخیص ماشین از انسان طراحی شده است. این آزمون نوعی جدید از یک آزمون قدیمی است که با نام‌های «آزمون تورینگ» و «بازی تقلید» توسط الن تورینگ در سال 1950 ارائه شد. در این مطلب از نشریه لاجیسیا به این آزمون و دیدگاه تورینگ و امثال وی درباره مسئله آگاهی می‌پردازم.

نمونه ای از آزمون کپچا
نمونه ای از آزمون کپچا

آزمون تورینگ

قرن بیستم قرن شکوفایی مهندسی کامپیوتر، و یکی از نامداران این عرصه الن تورینگ منطق­دان و ریاضی­دان انگلیسی بود که او را با لقب پدر هوش مصنوعی می­شناسیم.


الن تورینگ
الن تورینگ


وی در سال 1950 در مقاله‌ای آزمون تورینگ را ارائه داد. آزمون ابتدایی ازاین‌قرار است که دو شرکت‌کننده زن و مرد و یک آزمون گر توسط دستگاه‌های ارتباطی نوشتاری با هم در تماس‌اند و هر شخص در یک اتاق جدا است تا از شیوه‌های دیگر ارتباطی جلوگیری شود. آزمون­گر باید پس از مکالمه با هر دو شرکت‌کننده در بازه­ی زمانی حدودا پنج دقیقه­ای، جنسیت آنان را تشخیص دهد. جنبه سخت آزمون این است که شرکت‌کننده مرد باید تلاش کند آزمون­گر را فریب دهد و شرکت‌کننده زن وی را در تشخیص جنسیت شرکت‌کنندگان راهنمایی کند.

تورینگ پس از طرح این آزمون این سوال را مطرح می‌کند: اگر یک رایانه جای شرکت‌کننده مرد را در این بازی بگیرد چه خواهد شد؟ آیا خطای آزمون گر کاهش خواهد یافت؟

آزمون تورینگ که در مقاله بعدی شرکت کننده زن با یک مرد جابجا شد.
آزمون تورینگ که در مقاله بعدی شرکت کننده زن با یک مرد جابجا شد.


آزمون تورینگ بارها تغییریافته است که برخی توسط خود تورینگ در مقالات بعدی‌اش اعمال شد. امروزه آزمون تورینگ با یک گروه آزمون­گر و یک عامل (agent) انجام می‌گیرد. گروه آزمون­گر با عامل سخن می‌گویند و در آخر به او نمره می‌دهند. این روند چندین بار تکرار می‌شود، اما ایده نهفته پشت شکل‌های مختلف این آزمون چیست؟

پرسشی که تورینگ را به طرح این آزمون وا داشت این است که «آیا ماشین‌ها می‌توانند بیاندیشند؟». او باور داشت که این پرسش گنگ است و ما نمی‌توانیم مرزی مشخص برای اندیشه مشخص کنیم و از این روی اندیشه تعریف نشده باقی می‌ماند. راهکاری که وی برای حل این مشکل ارائه داد این بود که بجای این پرسش به پرسشی دیگر بپردازیم. ماشین‌ها تا چه حد می‌توانند انسان‌ها را تقلید کنند؟

آیا یک ماشین می تواند بیاندیشد؟
آیا یک ماشین می تواند بیاندیشد؟


رفتار یک ماشین و مقایسه آن با رفتار انسان‌ها بسیار ساده‌تر از این است که تعریفی جامع برای اندیشیدن بیابیم و توانایی‌های ماشین‌ها را با این تعریف تطبیق دهیم. این راه‌حلی رفتارگرایانه است که تا اندازه زیادی درگیری ما را با انتزاعات می‌کاهد.

پیش‌بینی الن تورینگ

پیش‌بینی‌هایی از تورینگ در دست است که می‌گوید تا اواخر قرن بیستم رایانه‌ها از لحاظ قدرت پردازشی و مقدار حافظه به جایگاهی می‌رسند که در آزمون تورینگ خیلی بهتر عمل کنند. به عبارت دیگر احتمال تشخیص درست آزمون­گر، پس از پنج دقیقه مکالمه با یک عامل بیش از هفتاد درصد نخواهد بود.

امروزه شاهد آنیم که این پیش‌بینی چندان درست نیست. با اینکه برنامه‌هایی بوده‌اند که در مسابقه لوبنر توانسته‌اند تعداد قابل‌توجهی از داوران را فریب دهند ولی این تعداد به پیش‌بینی تورینگ نرسیده است.

سؤالی که ممکن است به ذهنتان خطور کند این است که آیا تورینگ باور داشت که در آینده‌ای نزدیک، رایانه‌هایی که در آزمون تورینگ می‌توانند تا اندازه‌ای خوب عمل کنند قادر به تفکر خواهند بود؟ ظاهراً چنین است.

قانون مور

یک پیش‌بینی دیگر که به آزمون تورینگ و پیش‌بینی‌های وی مربوط است قانون مور است. گوردون مور مدیر عامل و بنیان‌گذار شرکت اینتل در سال 1975 با مشاهده روند پیشرفت قدرت سخت‌افزاری رایانه‌ها، قانون مور را ارائه داد.

قانون مور بیان می‌کند که هر دو سال چگالی قطعات در یک مدار مجتمع دو برابر می‌شود. علت این افزایش، کاهش مداوم حجم ترانزیستورها است که همچنان جریان دارد. پیش‌بینی مور به‌قدری درست از آب درآمد که برخی آن را قطعی و غیر قابل توقف خطاب کرده‌اند.

اما این روزها نشانه‌هایی از کاهش سرعت این روند مشاهده می‌شود و اگر به این موضوع علاقه‌مندید می‌توانید مقاله لاجیسیا با عنوان «قانون مور رو به اتمام است» را مطالعه کنید.

پیش‌بینی‌های موراوک

آزمون تورینگ وعده ماشین‌های اندیشمند را می‌داد و مور وعده افزایش قدرت رایانه‌ها را. این دو در کنار هم باعث شدند نویسندگانی شامل موراوک و کورویتز از آینده‌ای حرف بزنند که ماشین‌ها تبدیل به‌گونه‌ای مستقل می‌شوند.

موراوک نویسنده‌ای آینده شناس است که در سال 1988 با انتشار کتاب mind children پیش‌بینی کرد تا سال 2040 گونه‌ای هوشمند از ماشین‌ها ظاهر خواهند شد.

وی در سال 1998 در کتاب جدید خود باملاحظه قانون مور و تعمیم آن پا فراتر گذاشت و گفت ماشین‌ها نه‌تنها به هوشی در حد انسان دست خواهند یافت بلکه به حالتی فرا هوشمند نیز خواهند رسید که عملاً از هر جنبه آنها را نسبت به انسان برتر می‌کند.

وی در کتاب‌های خود ایده‌های عجیبی را بیان می‌کند. مثلاً این سوال را مطرح می‌کند که اگر نورون‌های عصبی مغز انسان را یک یک با نورون‌هایی مصنوعی تعویض کنیم انسانیت فرد تحت عمل کی از بین خواهد رفت و آیا اصلاً از بین خواهد رفت؟

ایده‌ای بسیار جالب دیگر از وی این است که با برش جسم پینه‌ای یعنی بزرگراه عصبی بین دو نیمکره مغز و جایگذاری یک چیپ در بین آن‌ها، این چیپ، ترافیک داده‌های عبوری را مشاهده کند. سپس این دستگاه با یادگیری از طریق داده‌هایی که جمع‌آوری کرده می‌تواند طرز کار مغز انسان را تقلید کند و عملاً هوش یک فرد را بدزدد.

چنین ایده‌هایی را بارها در کتاب‌ها و فیلم‌های علمی تخیلی دیده‌ایم. در ادامه به بررسی بیشتر ایده ماشین‌های متفکر می‌پردازیم و باید به کمی قبل‌تر سفر کنیم یعنی قرن 17.

دکارت

تورینگ اولین فردی نبود که چنین رویکردی به مسئله تفکر ماشین‌ها داشت. در کتاب «گفتار در روش» دکارت موضوعی مشابه مطرح شده است.

دکارت در این کتاب می‌گوید حتی اگر ماشین‌هایی اختراع شوند که رفتار ما را تا حد خیلی خوبی تقلید ‌کنند باز ما قادر به تشخیص ماشین‌ها از انسان‌ها خواهیم بود. این فیلسوف دو روش برای این کار را در کتاب خود مطرح می‌کند.

وی ادعا دارد که تشخیص ماشین از انسان ساده است چرا که در وهله اول هیچ ماشینی قادر به تولید جایگشتی از کلمات و استفاده از آن برای علامت دادن و انتقال مفاهیم نیست. ممکن است ماشینی در برابر رفتارهای خاصی صداهایی تولید کند که حاصل طرز قرارگیری قطعاتش‌اند اما هرگز نمی‌تواند به شیوه‌ای که ما در یک مکالمه ساده و روزمره استفاده می‌کنیم موفق شود.

مشخصه دومی که دکارت از ماشین‌ها ارائه می‌دهد این است که ماشین‌ها ممکن است در کاری بسیار قوی عمل کنند و حتی قوی‌تر از انسان، ولی هرگز قادر نخواهند بود همانند انسان در برخورد با هر مسئله‌ای راه‌حلی مناسب یابند چرا که منطق جامع انسانی را ندارند و کارهایشان را از روی درک و فهم انجام نمی‌دهند.

از این مطالب نتیجه می‌گیریم که پاسخ دکارت به سؤال آیا ماشین‌ها می‌توانند فکر کنند؟ خیر است اما از سخنان دکارت نتیجه می‌گیریم که اگر آزمون تورینگ را یک عامل پشت سر بگذارد یعنی قادر به برقراری یک مکالمه بامعنا با انسان‌ها باشد آنگاه این عامل قادر به تفکر است. حال اگر ماشینی این آزمون را پشت سر بگذارد دکارت احتمالاً قبول کند که آن ماشین قادر به تفکر است.

البته دکارت دوگانه­‌گرای جوهری بود که ممکن است با ایده ماشین‌های متفکر در تضاد باشد. در مورد این موضوع می‌توانید به نوشته تاریخچه هوش مصنوعی از لاجیسیا مراجعه کنید. در بخش انتقادات که در آخر این نوشته آورده شده، انتقاد دوگانه­­­­­­­­­­­‌گرایی به ایده ماشین متفکر در بخش الهیاتی مطرح گشته است.

رویکرد آزمون تورینگ به مسئله آگاهی

همانطور که گفته شد آزمون تورینگ برای تبدیل سوال تفکر ماشین‌ها به صورتی ساده‌تر و قابل آزمایش­تر ارائه شد. تورینگ باور داشت اگر ماشینی بتواند مکالمه انسان را تقلید کند این اولین نشانه از تفکر این ماشین خواهد بود. در واقع این تنها روش ما برای تشخیص ناطق بودن آشنایان و اطرافیان ما است. تنها دلیلی که ما برای نسبت دادن صفت متفکر به دیگران داریم شیوه رفتار آنان و مکالمه آن‌ها به‌طوری عادی است. وقتی فردی نسبت به رفتارهای ما واکنش نشان می‌دهد و جملاتی معنی‌دار برای انتقال تفکرات و احساسات خود بکار می‌برد ما حس می‌کنیم که این فرد متفکر و ناطق است.

مفهوم آزمون تورینگ دو ادعای اساسی را مطرح می‌کند. ادعای آزمون تورینگ و ادعای ماشین متفکر.

اولی بیان می‌کند که آزمون تورینگ قادر به تشخیص قدرت تفکر در یک عامل است و دومی مدعی است که اختراع یک ماشین متفکر و آگاه ممکن و قابل دستیابی است.

توجه کنید که آگاهی و تفکر دو مفهوم یکسان نیستند ولی در گونه ما کنار هم ظاهر شده اند. تورینگ به مفهوم تورینگ پرداخته بود ولی ما از ایده او استفاده می کنیم تا آگاهی را نیز بررسی کنیم.

اجتناب‌ناپذیری مور/تورینگ

گروهی از متفکرین در تلاش برای وصف ماهیت تفکر و آینده ماشین‌ها، از مفاهیمی که تا الان معرفی شد استفاده می‌کنند. موراوک خود از زمره این افراد است. اگر بخواهیم استدلالشان را صورت‌بندی کنیم چنین چیزی خواهیم داشت:

1. رایانه‌ها روزبه‌روز قدرتمند تر می‌شوند.

2. قدرتمندتر شدن رایانه‌ها بعضی کارها را که دست‌نیافتنی شمرده می‌شدند را ممکن کرده است پس منطقی است که بگوییم در آینده نیز رایانه‌ها قادر به انجام کارهایی خواهند بود که امروزه ناممکنشان می‌پنداریم.

3. گروهی از ویژگی‌ها هستند که بیشتر مختص ما انسان‌ها اند. علاوه بر حرف‌زدن، می‌شود توانایی بازی‌کردن، چابکی در حرکت، ادراک بینایی و ... را در این گروه افزود. اگر یک ماشین برخی از این ویژگی‌ها را دارا بود شاید با آن همچون یک انسان رفتار می‌کردیم. مثلاً فرض کنید رباتی که می‌تواند حرف بزند با شما به‌خوبی پوکر بازی کند. طبیعی است که با وی به سان بازیکنان انسان رفتار کنید.

4. اگر چنین رباتی به هنگام شکست ناراحت و حین پیروزی خوشحال شود، در هنگام ضربه خوردن درد خود را نمایان سازد، حس خواهیم کرد که دارای آگاهی است و می‌تواند درد و رنج را حس کند.

5. این حس شمّی که گویای آگاه بودن یک عامل است تنها شاهد ما برای انتساب آگاهی به سایرین است. در واقع این شم درونی‌مان تنها ابزاری است که برای بررسی آگاه بودن یک فرد داریم؛ بنابراین چنین رباتی را باید کاملاً آگاه بدانیم.

این استدلال اجتناب‌ناپذیری تور/مورینگ نامیده می‌شود.

اعتراضات وارده به این دو مسئله و محاسبه گرایی

· پیوسته بودن شبکه عصبی مغز

یکی از تفاوت‌های اساسی ما با رایانه‌های امروزی این است که محاسبات رایانه‌ها به طور گسسته است ولی مغز ما و شبکه‌های عصبی ما انسان‌ها پیوسته است. ممکن است این تفاوت در ساختار ما و ماشین‌ها، ایده ماشین‌های متفکر را از راه به در کند.

· زوال قانون مور

رایانه‌ها تابه‌حال به طور پیوسته در حال قدرتمندتر شدن‌اند. اما این باور که رایانه‌ها در آینده نیز با همین سرعت قدرتمندتر خواهند شد را توجیه نمی‌کند و اینکه اگر رایانه‌ها الان کارهایی را انجام می‌دهند که قبلاً غیرقابل انجام فرض می‌شد باز دلیلی بر این نیست که در آینده بتوانند همه کارهایی که امروزه غیرقابل انجام دانسته می‌شود را انجام دهند. به‌عنوان‌مثال تابه‌حال وضعیت رایانه‌ها در حوزه مکالمه روزمره ناامیدکننده بوده است.

· متکلم یا متفکر؟

مشکلی که آزمون تورینگ دارد این است که رویکردی رفتارگرایانه به مشکل آگاهی دارد یعنی از رفتار قابل‌مشاهده یک عامل نتیجه می‌گیرد که آیا آن عامل متفکر است یا نه. شاید به ذهنتان خطور کند که اگر یک فرد قادر به سخن‌گویی است حتماً اندیشه‌ای در پی آن سخن هست اما به این بیندیشید. قطعاً قابل فرض است که ماشینی وجود داشته باشد که اکثر عبارات روزمره و کاربردی را در حافظه خود ذخیره داشته باشد. پس در هنگام ملاقات یک انسان به‌سادگی با توجه به ورودی‌ها عبارتی مناسب را پخش کند. این ماشین چیزی جز یک مقلد خالی نیست و اندیشه‌ای به آن نمی‌توان نسبت داد.

· کم اعتباری‌ شم انسان به لحاظ علمی

شم انسان ابزاری مناسب برای انتساب اندیشمندی به یک عامل نیست. درست است که در نگاه اول تنها ابزار ما برای چنین کاری است اما این دلیلی برای درستی‌اش نیست. شم ما در خیلی موارد ما را به‌اشتباه می‌اندازد. مثلاً خیلی از ماها به وجود مفهومی چون شانس باور داریم. شانس مفهومی است که شم ما بر ما محسوس می‌کند ولی می‌دانیم که هیچ شاهد علمی و استواری برای وجود مفهومی چون شانس نیست.

· تکینگی

عده‌ای باور دارند که در آینده ماشین‌ها برتر از ما خواهند شد و ممکن است ما را به بردگی یا حتی نابودی بکشانند. این طرز تفکر نقدی بر خود ماشین متفکر یا آزمون تورینگ نیست بلکه ایده ماشین متفکر را قطعی هم می‌داند. نقد این افراد به عمل آفرینش چنین ماشین‌هایی است و تأثیراتی که این ماشین‌ها بر جامعه انسانی خواهند گذاشت.

· الهیاتی

در ادیان بسیاری باور بر این است سرچشمه اندیشه از روحی است که در کالبد ما نهاده شده و اینکه خالق یا خالقانی وجود دارند که این روح را در کالبدمان دمیده است. به تعبیری تنها وجودی که قادر به اهدای قدرت اندیشه به یک موجود است آن خالق است و نه کسی دیگر.

جمع‌بندی و مطالب بعدی

در این نوشته با آزمون تورینگ و قانون مور آشنا شدیم و همچنین دیدیم که چگونه این دو مفهوم در تصور ما از آینده ماشین‌ها تأثیر گذاشته‌اند. با برخی از انتقاداتشان آشنا شدیم که برخی توسط خود تورینگ مطرح شد و این دانشمند از رویکرد خود در مقابل این انتقادات به‌خوبی دفاع کرد. در آینده راجع به برخی از این انتقادات مخصوصاً انتقاد ریاضیاتی که توسط گودل مطرح شد خواهم نوشت.

ایده تورینگ زیرگروه محاسبه گرایی دانسته می‌شود که پایه آگاهی و تفکر انسان را محاسبات می‌داند. در نوشته‌های بعدی به نظریات دیگر در محاسبه گرایی و همچنین مشکل سخت در مسئله آگاهی خواهم پرداخت.

منابع:

https://www.britannica.com/technology/Moores-law

https://www.intel.com/content/www/us/en/silicon-innovations/moores-law-technology.html

https://en.wikipedia.org/wiki/Moore%27s_law#Consequences%20:specific%20Article%20on%20Moore's%20law

https://www.wired.com/1995/10/moravec/

https://www.futuresplatform.com/blog/human-computers-2029

https://en.wikipedia.org/wiki/Hans_Moravec

https://searchenterpriseai.techtarget.com/definition/Turing-test

https://en.wikipedia.org/wiki/Alan_Turing

https://plato.stanford.edu/entries/turing-test/