تا به کارکرد مغز پی نبریم، هیچوقت هوش مصنوعی حقیقی نخواهیم داشت

مرجع: MIT Technology Review
نگارنده: ویل داگلاس هِوِن
مترجم: خودم
این پست بازنشر یکی از پست‌های وبلاگ شخصی‌ام است.

جف هاوکینز، دانشمند علوم اعصاب و کارآفرین حوزه‌ی تکنولوژی ادعا می‌کند که به شیوه‌ی کارکرد هوش پی برده است. او می‌‌خواهد که تمام آزمایشگاه‌های هوش مصنوعی دنیا در مورد دستاوردش بدانند.

کاوش هوش مصنوعی همیشه به منظور ساخت ماشینی بوده که می‌تواند فکر کند(به یک معنای حداقلی). اما این سوال که هوش مصنوعی و طبیعی چقدر باید شبیه به هم باشند دهه‌‌هاست که موجب اختلاف نظرهای زیادی شده است. تلاش‌های اولیه برای ساخت فرآیند تصمیم‌گیری و سیستم‌های ذخیره‌ی اطلاعات با استفاده هوش مصنوعی، شباهت کمی به هوش انسانی داشت. امروزه هم شبکه‌های عصبی عمیق شباهت کمی به نحوه فعال شدن نورون‌های متصل به هم درون مغز دارند. این شباهت کم معمولاً همیشه وجود داشته است.

جف هاوکینز معتقد است که خیلی از کسانی که در حوزه‌ی هوش مصنوعی کار می‌کنند به جزئیات اهمیتی نمی‌دهند. او می‌خواهد این شرایط را تغییر دهد. او دو دنیای علوم اعصاب و هوش مصنوعی را باهم ترکیب کرده است. در سال ۱۹۸۶ بعد از اینکه چند سال به عنوان مهندس نرم‌افزار در شرکت اینتل کار کرد، به دانشگاه برکلی کالیفرنیا رفت و با امید اینکه به نحوه‌ی کارکرد هوش دست پیدا کند، دکترای علوم اعصاب را شروع کرد. اما زمانی که هیچکس در پروژه‌ی بزرگی که در ذهنش داشت، نتوانست او را کمک کند، بلند پروازی‌هایش بی‌نتیجه ماند. بدون موفقیت، برکلی را به مقصد سیلیکن ولی ترک کرد و در سال ۱۹۹۲ Palm Computing را تاسیس کرد(پیشرویی برای گوشی‌های هوشمند امروزی).

اما علاقه‌ی بیش از اندازه‌ی او به مغز هرگز از بین نرفت. ۱۵ سال بعد، به علوم اعصاب بازگشت و موسسه‌ی Redwood Center for Theoretical Neuroscience را تاسیس کرد. او این روزها ‌Numenta که یک شرکت تحقیقاتی در زمینه‌ی علوم اعصاب در سیلیکن ولی است را اداره می‌کند. او و تیم‌اش روی نئوکورتکس کار می‌کنند. بخشی از مغز که مسئول تمام فعالیت‌های مربوط به هوش است. بعد از موفقیت‌های متوالی طی چند سال اخیر، تمرکز Numenta از روی مغز به روی هوش مصنوعی، و پیاده سازی دستاوردهای مربوط به هوش طبیعی بر روی ماشین‌ها تغییر کرد.

ایده‌های هاوکینز اسامی بزرگی را مثل اندرو انگ تحت تاثیر قرار داده و مورد ستایش افرادی مثل ریچارد داوکینز قرار گرفته است. کسی که مقدمه‌ی جذابی بر کتاب جدید او «هزاران مغز: تئوری جدید هوش» نوشته است.

من گپ و گفتی طولانی با هاوکینز در Zoom داشتم و در مورد تحقیقات او بر روی مغز انسان و ارتباطش با هوش ماشین پرسیدم. او اولین کارآفرین سیلیکن ولی نیست که فکر می‌کند تمام جواب‌ها در دست اوست و خیلی‌ها با نتیجه‌گیری‌هایش موافق نیستند. اما ایده‌هایش می‌تواند هوش مصنوعی را متحول کند.

گفت و گوی ما به خاطر طولانی بودن و شفافیت بیشتر ویرایش شد.

چرا فکر می‌کنید در حال حاضر هوش مصنوعی در مسیر درستی قرار ندارد؟

این سوال پیچیده‌ای است. من منتقد هوش مصنوعی دنیای امروز نیستم. به نظرم بی‌نظیر است، کاربردی‌ست. فقط فکر می‌کنم هوشمند نیست.

علاقه‌ی اصلی من مغز است. من دهه‌ها قبل عاشق مغز شدم. من سال‌ها قبل، پیش از ساختن هوش مصنوعی، رویکردم این بود که باید ابتدا بفهمیم آگاهی چیست. و بهترین راه برای انجام این کار مطالعه‌ی مغز است.

حدوداً سال ۱۹۸۰ بود که حس کردم رویکرد ما در هوش مصنوعی به هوش حقیقی منجر نخواهد شد. و در تمام مراحل مختلف شکل‌گیری هوش مصنوعی همین حس را داشتم. این برای من چیز جدید نیست.

من به پیشرفت‌های اخیر یادگیری عمیق نگاه می‌کنم و واقعاً تحسین‌برانگیز اند اما مشکل اساسی را از بین نبرده‌اند. فکر کنم که می‌دانم هوش چیست، می‌دانم مغز‌ها چگونه‌ انجامش می‌دهد و هوش مصنوعی کاری که مغز می‌کند را انجام نمی‌دهد.

اینطور می‌گویید که برای ساخت هوش مصنوعی باید در واقع یک مغز را دوباره بسازیم؟

نه، فکر نمی‌کنم که باید یک نسخه مستقیم از مغز را بسازیم. من اصلاً علاقه‌ای به تقلید مغز(brain emulation) ندارم. اما ما ماشین‌هایی خواهیم ساخت که با اصول مشابهی کار می‌کنند. تنها نمونه‌ای که از یک سیستم هوشمند داریم سیستم بیولوژیک است. چرا آن را مورد مطالعه قرار ندهیم؟

مثل این می‌ماند که من یک کامپیوتر را برای اولین بار به شما نشان بدهم و شما بگویید:«چه عالی! من یکی شبیهش می‌سازم!» اما به جای نگاه کردن به آن و فهمیدن اینکه چگونه کار می‌کند، بروید و آن را از صفر بسازید.

خب به نظر شما چه چیزی در مورد مغز خیلی بااهمیت است که هوش مصنوعی هم باید آن را انجامد دهد؟

هوش چهار ویژگی اصلی و پایه‌ای دارد. اولی، یادگیری با حرکت است. ما نمی‌توانیم همه چیز را یکباره حس کنیم. ما باید حرکت کنیم تا یک نقشه‌ی ذهنی از اشیاء موجود در اطرافمان ایجاد کنیم. حتی اگر این محدود به حرکت دادن چشم‌ها یا دست‌هایمان باشد. به این اصطلاحاً «تن‌ بخشی»(embodiment) می‌گویند.

سپس این ورودی حسی توسط هزاران ستون قشری (Cortical column) دریافت می‌شود که هرکدام حامل قسمتی از تصویر کلی دنیا هستند. آن‌ها باهم رقابت می‌کنند و با یک سیستم نظرسنجی ترکیب می‌شوند تا دید کلی را شکل دهند. این ایده‌ی «هزاران مغز» است.

در یک سیستم هوش مصنوعی، این می‌تواند دستگاهی باشد که سنسورهای مختلفی(بینایی، لامسه، رادار و...) را کنترل می‌کند تا به یک مدل کامل‌تر از دنیا دست پیدا کند. معمولاً تعداد زیادی ستون قشری برای هر حس مثلاً بینایی وجود دارد.

بعد از این یک یادگیری پیوسته شکل می‌گیرد که در آن اطلاعات جدید را بدون از یاد بردن اطلاعات قبلی یاد می‌گیرید. هوش مصنوعی امروزی قادر به انجام چنین کاری نیست. در نهایت ما دانش را با استفاده از فریم‌های مرجع(reference frames) شکل می‌دهیم. این یعنی فهم ما از دنیا بستگی به زاویه‌ی دید ما دارد. اگر من انگشتم را به کنار فنجان قهوه‌ام ببرم، می‌توانم پیش‌بینی کنم که لبه‌ی آن را حس خواهم کرد. چون می‌دانم دستم نسبت به فنجان کجا قرار دارد.

آزمایشگاه شما اخیراً از حیطه‌ی علوم اعصاب به سمت هوش مصنوعی رفته است. آیا این مربوط به ایده‌ی «هزاران مغز» است که با آن ترکیب شده است؟

تا حد زیادی بله. تا دو سال پیش، اگر به شرکت ما می‌آمدید، همه چیز مربوط به علوم اعصاب بود. ما حس کردیم که به اندازه‌ی کافی از مغز فهمیده‌ایم تا آن را در هوش مصنوعی به کار ببریم.

از هوش مصنوعی برای چه کاری استفاده می‌کنید؟

یکی از اولین چیزهایی که بررسی کردیم پراکندگی(sparsity) بود. تنها ۲٪ از نورون‌های مغز در آن واحد فعال می‌شوند که فعالیت‌ آن‌ها پراکنده است. ما همین ایده را در شبکه‌های یادگیری عمیق استفاده کرده‌ایم و نتایج شگفت انگیز است. مثلاً تا ۵۰٪ سرعت شبکه‌ی موجود را بالا می‌برد. همچنین پراکندگی(sparsity) به شما شبکه‌های قدرتمند‌تری با مصرف انرژی کمتر می‌دهد. ما در حال حاضر روی یادگیری پیوسته(continuous learning) کار می‌کنیم.

خیلی جالب است که شما تحرک را یک خصیصه‌ی پایه‌ای برای هوش در نظر می‌گیرید. آیا این به این معناست که هوش مصنوعی نیاز به بدن دارد؟ آیا باید یک ربات باشد؟

فکر می‌کنم که در آینده تفاوت بین هوش مصنوعی و رباتیک از بین برود. اما در حال حاضر واژه‌ی «تن ‌بخشی»(embodiment) را ترجیح می‌دهم. چون زمانی که از ربات‌ها صحبت می‌کنید، تصویر ربات‌های انسان‌نما در ذهن تداعی می‌شود. این چیزی نیست که من در موردش صحبت می‌کنم. نکته‌ی مهم اینجاست که هوش مصنوعی سنسورهایی خواهد داشت که آن‌ها را متناسب با خودش و چیزهایی که مدل می‌کند حرکت خواهد داد. اما شما می‌توانید یک ربات مجازی هم داشته باشید که در اینترنت حرکت می‌کند.

این ایده با خیلی از ایده‌های مشهور مربوط به هوش تفاوت دارد که در مورد تن‌ زدایی(disembodiment) مغز است.

تحرک واقعاً جذاب است. مغز زمانی که من انگشتم را روی یک فنجان قهوه تکان می‌دهم، یا چشمانم را تکان می‌دهم، یا حتی وقتی به یک مفهوم انتزاعی فکر می‌کنم از مکانیزم‌های یکسانی استفاده می‌کند. مغز شما در بین فریم‌های مرجع(reference frames) حرکت می‌کند تا اطلاعاتی که در قسمت‌های مختلف ثبت کرده است را به یاد آورد.

نکته‌ی مهم اینجاست که هر سیستم هوشمندی، فارغ از شکل فیزیکی‌اش، مدلی از دنیا را با حس کردن قسمت‌های مختلف و حرکت دادن آن شکل می‌دهد. این یک اصل اساسی است که نمی‌توان از آن دور شد. فرقی نمی‌کند که شکل ربات انسان‌نما باشد یا ربات مار شکل، ماشین، هواپیما یا حتی یک کامپیوتر که روی میز شما نشسته و در اینترنت با سرعت حرکت می‌کند. همه‌ی این‌ها یکسان هستند.

محققان هوش مصنوعی در مورد این ایده‌ها چطور فکر می‌کنند؟

اکثر محققین هوش مصنوعی این ایده را در نظر نمی‌گیرند که مغز اهمیت دارد. منظورم این است که می‌دانم مردم مدتی‌ است شبکه‌های عصبی را شناخته‌اند و این شبکه‌ها تا حدودی با الهام از مغز ساخته شده اند. اما اکثر آدم‌ها سعی نمی‌کنند خود مغز را بسازند. هرچیزی که کار کند، همان کافی است و شبکه‌های عصبی امروزی به اندازه‌ی کافی خوب کار می‌کنند.

بیشتر کسانی که در زمینه‌ی هوش مصنوعی کار می‌کنند، دانش بسیار کمی از علوم اعصاب دارند. تعجبی ندارد، چون علوم اعصاب سخت است. اینطور نیست که بشینید، دو روزه آن را بخوانید و یاد بگیرید. خود علوم اعصاب هم درگیر این است که بفهمد چه چیزی درون مغز می‌گذرد.

اما یکی از ایده‌های اصلی نوشتن این کتاب شروع گفت و گویی در مورد هوش است که تا به حال به نپرداخته‌ایم. رویای من این است که در هر آزمایشگاهی این کتاب را بخوانند و در مورد ایده‌هایش بحث کنند. آیا با آن‌ها موافق هستیم یا نیستیم؟ این قبلاً ممکن نبود. منظورم این است که این تحقیق در مورد مغز کمتر از پنج سال سن دارد. ُاُمیدوارم این یک نقطه‌ی تغییر باشد.

فکر می‌کنید این گفت و گو ها چطور تحقیقات هوش مصنوعی را تحت تاثیر قرار می‌دهد؟

به عنوان یک زمینه‌ی تحقیقاتی، هوش مصنوعی همیشه تعریف هوش(intelligence) را کم داشته است. می‌دانید، به نظرم تست تورینگ یکی از بدترین اتفاقاتی بود که رخ داد. حتی امروزه ما تا حد زیادی تمرکزمان را روی آزمایش‌های مقایسه‌ای(benchmarks) و ترفندهای هوشمندانه(clever tricks) گذاشته‌ایم. نمی‌خواهم بگویم که کاربردی ندارد. هوش مصنوعی‌ای که بتواند سلول‌های سرطانی را تشخیص بدهد عالی است. اما آیا هوشمند است؟ نه. من در این کتاب از ربات‌هایی مثال زده‌ام که برای انسان‌ها زیستگاهی در مریخ می‌سازند. سعی کنید هوشی را متصور شوید که قادر به انجام چنین کاری است. آیا ممکن است؟ کاملاً ممکن است. فکر می‌کنم تا پایان قرن ماشین‌هایی خواهیم داشت که این را ممکن می‌کند. سوال اینجاست که چطور از این رویکر فاصله بگیریم که سعی نکنیم با یک «ترفند» دیگر اساس آینده را پایه‌گذاری کنیم.

مشکل تورینگ وقتی که گفت و گوی مربوط به هوش ماشینی را شروع کرد کجا بود؟

من فقط منظورم این است که اگر به گذشته برگردید و تحقیقات او را بخوانید، می‌فهمید که اون در واقع می‌خواسته به این بحث که مردم با او در مورد امکان ساخت ماشین‌های هوشمند داشته‌اند پایان دهد. او در واقع اینطور بوده که: «بیاید، یه سری چیزهایی هست که می‌تونید در موردش فکر کنید، دست از سر من بردارید.» مشکل اینجاست که این تست تمرکزش روی یک کار است. آیا یک ماشین می‌تواند کاری کند که یک انسان می‌کند؟ و همین به تمام هدف‌هایی که برای هوش مصنوعی تعیین کرده‌ایم، بسط پیدا کرده است. پس بازی کردن Go یک دستاورد بزرگ برای هوش مصنوعی بوده است. واقعاً؟[می‌خندد] منظورم این است که، بسیار خوب...

مشکل تمام معیارهای سنجش بر اساس کارایی، که تست تورینگ هم یکی از آن‌هاست این است که از گفت و گوی مربوط به اینکه سیستم هوشمند چیست دوری می‌کنند. اگر بتوانید سر یک نفر را شیره بمالید، اگر یک مساله رابا استفاده از ترفندهای هوشمندانه مهندسی حل کنید، آزمایش را برنده می‌شوید. اما شما لزوماً به این سمت حرکت نکرده‌اید که به فهم عمیق‌تری از هوش دست پیدا کنید.

آیا تمرکز روی دستاورد‌های عملکرد شبیه به انسان هم یک مشکل است؟

من فکر می‌کنم که در آینده خیلی از ماشین‌های هوشمند کاری شبیه به انسا‌ن‌ها نخواهند کرد. خیلی از آن‌ها کوچک و ساده خواهند بود مثل یک موش یا یک گربه. پس تمرکز روی زبان یا تجربه‌های شبیه به انسان و قبول شدن در تست تورینگ به ساختن یک ماشین هوشمند بی‌ربط است. اگر بخواهید ماشینی شبیه به انسان بسازید مربوط می‌شود. اما فکر نمی‌کنم که ما برای همیشه بخواهیم چنین کاری کنیم.

شما در کتاب، داستانی در مورد متقاعد کردن رئیستان در شرکت اینتل گفتید که نمی‌توانسته درک کند کامپیوترهای دستی چه کاربردی دارند. حالا بگویید هوش مصنوعی در آینده چه می‌کند؟

من نمی‌دانم. هیچکس نمی‌داند. اما شکی ندارم که بی‌نهایت کاربرد مفید برای ماشین‌های هوشمند پیدا خواهیم کرد. همانطور که برای گوشی‌های هوشمند و کامپیوتر‌ها پیدا کردیم. هیچکس در دهه‌ی ۴۰ یا ۵۰ میلادی پیشبینی نکرده بود که کامپیوترها چه کارهایی می‌توانند بکنند. در مورد هوش مصنوعی هم همینطور است. خوب خواهد بود...بعضاً هم بد، اما بیشتر خوب خواهد بود.

من ترجیح می‌دهم به این موضوع در بلند مدت فکر کنم. بجای پرسیدن اینکه:‌«کاربرد ساختن ماشین‌های هوشمند چیست؟» می‌پرسم:«معنای زندگی چیست؟» ما در جهان عظیمی زندگی می‌کنیم که در آن نقطه‌ای از هیچ هستیم. از زمان کودکی این سوال در ذهن من بوده که چرا اصلاً برای چیزی اهمیت قائلیم؟ برای چه تمام این کار‌ها را انجام می‌دهیم؟ هدف ما به عنوان یک گونه چه چیزی باید باشد؟

من فکر می‌کنم که موضوع، حفظ خزانه‌ی ژنی نیست. موضوع حفظ دانش است. و اگر اینطور به آن فکر کنیم، ساختن ماشین‌های هوشمند ضروری است. ما برای همیشه زنده نخواهیم ماند اما ماشین‌های‌مان چرا.

من این را الهام بخش می‌دانم. من برای زندگی‌ام معنایی می‌خواهم. فکر می‌کنم هوش مصنوعی، آنطور که من تصورش می‌کنم، اساساً راهی است برای حفظ خودمان برای زمان و مکانی که هنوز در موردش نمی‌دانیم.