Thursday, October 13, 2005

هوش مصنوعي چيست ؟

« هوش مصنوعي، دانش ساختن ماشين‌‌ ها يا برنامه‌هاي هوشمند است. » همانگونه كه از تعريف فوق- كه توسط يكي از بنيانگذاران هوش مصنوعي ارائه شده است- برمي‌آيد،حداقل به دو سؤال بايد پاسخ داد:
1ـ هوشمندي چيست؟
2ـ برنامه‌هاي هوشمند، چه نوعي از برنامه‌ها هستند؟ تعريف ديگري كه از هوش مصنوعي مي‌توان ارائه داد به قرار زير است: « هوش مصنوعي، شاخه‌ايست از علم كامپيوتر كه ملزومات محاسباتي اعمالي همچون ادراك (Perception)، استدلال(reasoning) و يادگيري(learning) را بررسي كرده و سيستمي جهت انجام چنين اعمالي ارائه مي‌دهد.»و در نهايت تعريف سوم هوش مصنوعي از قرار زير است: «هوش مصنوعي، مطالعه روش‌هايي است براي تبديل كامپيوتر به ماشيني كه بتواند اعمال انجام شده توسط انسان را انجام دهد.» به اين ترتيب مي‌توان ديد كه دو تعريف آخر كاملاً دو چيز را در تعريف نخست واضح كرده‌اند.
1ـ منظور از موجود يا ماشين هوشمند چيزي است شبيه انسان.
2ـ ابزار يا ماشيني كه قرار است محمل هوشمندي باشد يا به انسان شبيه شود، كامپيوتر است. هر دوي اين نكات كماكان مبهم و قابل پرسشند. آيا تنها اين نكته كه هوشمندترين موجودي كه مي‌شناسيم، انسان است كافي است تا هوشمندي را به تمامي اعمال انسان نسبت دهيم؟ حداقل اين نكته كاملاً واضح است كه بعضي جنبه‌هاي ادراك انسان همچون ديدن و شنيدن كاملاً ضعيف‌تر از موجودات ديگر است. علاوه بر اين، كامپيوترهاي امروزي با روش‌هايي كاملاً مكانيكي(منطقي) توانسته‌اند در برخي جنبه‌هاي استدلال، فراتر از توانايي‌هاي انسان عمل كنند. بدين ترتيب، آيا مي‌توان در همين نقطه ادعا كرد كه هوش مصنوعي تنها نوعي دغدغه علمي يا كنجكاوي دانشمندانه است و قابليت تعمق مهندسي ندارد؟(زيرا اگر مهندسي، يافتن روش‌هاي بهينه انجام امور باشد، به هيچ رو مشخص نيست كه انسان اعمال خويش را به گونه‌اي بهينه انجام مي‌دهد). به اين نكته نيز باز خواهيم گشت. اما همين سؤال را مي‌توان از سويي ديگر نيز مطرح ساخت، چگونه مي‌توان يقين حاصل كرد كه كامپيوترهاي امروزي، بهترين ابزارهاي پياده‌سازي هوشمندي هستند؟
رؤياي طراحان اوليه كامپيوتر از بابيج تا تورينگ، ساختن ماشيني بود كه قادر به حل تمامي مسائل باشد، البته ماشيني كه در نهايت ساخته شد(كامپيوتر) به جز دسته اي خاص از مسائل قادر به حل تمامي مسائل بود. اما نكته در اينجاست كه اين «تمامي مسائل» چيست؟ طبيعتاً چون طراحان اوليه كامپيوتر، منطق ‌دانان و رياضيدانان بودند، منظورشان تمامي مسائل منطقي يا محاسباتي بود. بدين ترتيب عجيب نيست، هنگامي كه فون‌نيومان سازنده اولين كامپيوتر، در حال طراحي اين ماشين بود، كماكان اعتقاد داشت براي داشتن هوشمندي شبيه به انسان، كليد اصلي، منطق(از نوع به كار رفته در كامپيوتر) نيست، بلكه احتمالاً چيزي خواهد بود شبيه ترموديناميك!
به هرحال، كامپيوتر تا به حال به چنان درجه‌اي از پيشرفت رسيده و چنان سرمايه‌گذاري عظيمي برروي اين ماشين انجام شده است كه به فرض اين كه بهترين انتخاب نباشد هم، حداقل سهل‌الوصول‌ترين و ارزان‌ترين و عمومي‌ترين انتخاب براي پياده‌سازي هوشمنديست.
بنابراين ظاهراً به نظر مي‌رسد به جاي سرمايه‌گذاري براي ساخت ماشين‌هاي ديگر هوشمند، مي‌توان از كامپيوترهاي موجود براي پياده‌سازي برنامه‌هاي هوشمند استفاده كرد و اگر چنين شود، بايد گفت كه طبيعت هوشمندي ايجاد شده حداقل از لحاظ پياده‌سازي، كاملاً با طبيعت هوشمندي انساني متناسب خواهد بود، زيرا هوشمندي انساني، نوعي هوشمندي بيولوژيك است كه با استفاده از مكانيسم‌هاي طبيعي ايجاد شده، و نه استفاده از عناصر و مدارهاي منطقي. در برابر تمامي استدلالات فوق مي توان اين نكته را مورد تاُمل و پرسش قرار داد كه هوشمندي طبيعي تا بدان جايي كه ما سراغ داريم، تنها برمحمل طبيعي و با استفاده از روش هاي طبيعت ايجاد شده است. طرفداران اين ديدگاه تا بدانجا پيش رفته‌اند كه حتي ماده ايجاد كننده هوشمندي را مورد پرسش قرار داده اند، كامپيوتر از سيليكون استفاده مي كند، در حالي كه طبيعت همه جا از كربن سود برده است. مهم تر از همه، اين نكته است كه در كامپيوتر، يك واحد كاملاً پيچيده مسئوليت انجام كليه اعمال هوشمندانه را بعهده دارد، در حالي كه طبيعت در سمت و سويي كاملاً مخالف حركت كرده است. تعداد بسيار زيادي از واحدهاي كاملاً ساده (بعنوان مثال از نورون‌هاي شبكه عصبي) با عملكرد همزمان خود (موازي) رفتار هوشمند را سبب مي شوند. بنابراين تقابل هوشمندي مصنوعي و هوشمندي طبيعي حداقل در حال حاضر تقابل پيچيدگي فوق العاده و سادگي فوق العاده است. اين مساُله هم اكنون كاملاً به صورت يك جنجال(debate) علمي در جريان است.
در هر حال حتي اگر بپذيريم كه كامپيوتر در نهايت ماشين هوشمند مورد نظر ما نيست، مجبوريم براي شبيه‌سازي هر روش يا ماشين ديگري از آن سود بجوييم.
تاريخ هوش مصنوعي
هوش مصنوعي به خودي خود علمي است كاملاً جوان. در واقع بسياري شروع هوش مصنوعي را 1950 مي‌ دانند زماني كه آلن تورينگ مقاله دوران‌ساز خود را در باب چگونگي ساخت ماشين هوشمند نوشت (آنچه بعدها به تست تورينگ مشهور شد) تورينگ درآن مقاله يك روش را براي تشخيص هوشمندي پيشنهاد مي‌كرد. اين روش بيشتر به يك بازي شبيه بود.

فرض كنيد شما در يك سمت يك ديوار (پرده يا هر مانع ديگر) هستيد و به صورت تله تايپ باآن سوي ديوار ارتباط داريد و شخصي از آن سوي ديوار از اين طريق با شما در تماس است. طبيعتاً يك مكالمه بين شما و شخص آن سوي ديوار مي‌تواند صورت پذيرد. حال اگر پس از پايان اين مكالمه، به شما گفته شود كه آن سوي ديوار نه يك شخص بلكه (شما كاملاً از هويت شخص آن سوي ديوار بي‌خبريد) يك ماشين بوده كه پاسخ شما را مي‌داده، آن ماشين يك ماشين هوشمند خواهد بود، در غير اين صورت(يعني در صورتي كه شما در وسط مكالمه به مصنوعي بودن پاسخ پي ببريد) ماشين آن سوي ديوار هوشمند نيست و موفق به گذراندن تست تورينگ نشده است. بايد دقت كرد كه تورينگ به دو دليل كاملاً مهم اين نوع از ارتباط(ارتباط متني به جاي صوت) را انتخاب كرد. اول اين كه موضوع ادراكي صوت را كاملاً از صورت مساُله حذف كند و اين تست هوشمندي را درگير مباحث مربوط به دريافت و پردازش صوت نكند و دوم اين كه بر جهت ديگري هوش مصنوعي به سمت نوعي از پردازش زبان طبيعي تاكيد كند.
در هر حال هر چند تاكنون تلاش‌هاي متعددي در جهت پياده سازي تست تورينگ صورت گرفته مانند برنامه Eliza و يا AIML (زباني براي نوشتن برنامه‌‌‌‌هايي كه قادر به chat كردن اتوماتيك باشند) اما هنوز هيچ ماشيني موفق به گذر از چنين تستي نشده است.
همانگونه كه مشخص است، اين تست نيز كماكان دو پيش فرض اساسي را در بردارد:1ـ نمونه كامل هوشمندي انسان است.
2ـ مهمترين مشخصه هوشمندي توانايي پردازش و درك زبان طبيعي است. درباره نكته اول به تفصيل تا بدين جا سخن گفته ايم؛ اما نكته دوم نيز به خودي خود بايد مورد بررسي قرارگيرد. اين كه توانايي درك زبان نشانه هوشمندي است تاريخي به قدمت تاريخ فلسفه دارد. از نخستين روزهايي كه به فلسفه(Epistemology) پرداخته شده زبان هميشه در جايگاه نخست فعاليت‌هاي شناختي قرار داشته است. از يونانيان باستان كه لوگوس را به عنوان زبان و حقيقت يكجا به كار مي‌بردند تا فيلسوفان امروزين كه يا زبان را خانه وجود مي‌دانند، يا آن را ريشه مسائل فلسفي مي‌خوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترين توانايي هوشمندترين موجودات حفظ كرده است. با اين ملاحظات مي‌توان درك كرد كه چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زباني را شرط دست‌يابي به هوشمندي مي‌داند. تست تورينگ اندكي كمتر از نيم‌قرن هوش مصنوعي را تحت تاُثير قرار داد اما شايد تنها در اواخر قرن گذشته بود كه اين مسئله بيش از هر زمان ديگري آشكار شد كه متخصصين هوش مصنوعي به جاي حل اين مسئله باشكوه ابتدا بايد مسائل كم‌اهميت‌تري همچون درك تصوير (بينايي ماشين) درك صوت و… را حل كنند.به اين ترتيب با به محاق رفتن آن هدف اوليه، اينك گرايش‌هاي جديدتري در هوش مصنوعي ايجاد شده‌اند. در سال‌هاي آغازين AI تمركز كاملاً برروي توسعه سيستم‌هايي بود كه بتوانند فعاليت‌هاي هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنين فعاليت‌هايي را در زمينه‌هاي كاملاً خاصي مانند بازي‌هاي فكري، انجام فعاليت‌هاي تخصصي حرف‌هاي، درك زبان طبيعي، و…. مي‌دانستند طبيعتاً به چنين زمينه‌هايي بيشتر پرداخته شد.
در زمينه توسعه بازي‌ها، تا حدي به بازي شطرنج پرداخته شد كه غالباً عده‌اي هوش مصنوعي را با شطرنج همزمان به خاطر مي‌آورند. مك‌كارتي كه پيشتر اشاره شد، از بنيان‌گذاران هوش مصنوعي است اين روند را آنقدر اغراق‌آميز مي‌داند كه مي‌گويد: «محدود كردن هوش مصنوعي به شطرنج مانند اين است كه علم ژنتيك را از زمان داروين تا كنون تنها محدود به پرورش لوبيا كنيم.» به هر حال دستاورد تلاش مهندسين و دانشمندان در طي دهه‌هاي نخست را مي‌توان توسعه تعداد بسيار زيادي سيستم‌هاي خبره در زمينه‌هاي مختلف مانند پزشكي عمومي، اورژانس، دندانپزشكي، تعميرات ماشين،….. توسعه بازي‌هاي هوشمند، ايجاد مدل‌هاي شناختي ذهن انسان، توسعه سيستمهاي يادگيري،…. دانست. دستاوردي كه به نظر مي‌رسد براي علمي با كمتر از نيم قرن سابقه قابل قبول به نظر مي‌رسد.
افق‌هاي هوش مصنوعي در 1943،Mcclutch (روانشناس، فيلسوف و شاعر) و Pitts (رياضيدان) طي مقاله‌اي، ديده‌هاي آن روزگار درباره محاسبات، منطق و روانشناسي عصبي را تركيب كردند. ايده اصلي آن مقاله چگونگي انجام اعمال منطقي به وسيله اجزاي ساده شبكه عصبي بود. اجزاي بسيار ساده (نورون‌ها) اين شبكه فقط از اين طريق سيگنال هاي تحريك (exitory) و توقيف (inhibitory) با هم درتماس بودند. اين همان چيزي بود كه بعدها دانشمندان كامپيوتر آن را مدارهاي (And) و (OR) ناميدند و طراحي اولين كامپيوتر در 1947 توسط فون نيومان عميقاً از آن الهام مي‌گرفت. امروز پس از گذشته نيم‌قرن از كار Mcclutch و Pitts شايد بتوان گفت كه اين كار الهام بخش گرايشي كاملاً پويا و نوين در هوش مصنوعي است. پيوندگرايي (Connectionism) هوشمندي را تنها حاصل كار موازي و هم‌زمان و در عين حال تعامل تعداد بسيار زيادي اجزاي كاملاً ساده به هم مرتبط مي‌داند. شبكه‌هاي عصبي كه از مدل شبكه عصبي ذهن انسان الهام گرفته‌اند امروزه داراي كاربردهاي كاملاً علمي و گسترده تكنولوژيك شده‌اند و كاربرد آن در زمينه‌هاي متنوعي مانند سيستم‌هاي كنترلي، رباتيك، تشخيص متون، پردازش تصوير،… مورد بررسي قرار گرفته است. علاوه بر اين كار بر روي توسعه سيستم‌هاي هوشمند با الهام از طبيعت (هوشمندي‌هاي ـ غير از هوشمندي انسان) اكنون از زمينه‌هاي كاملاً پرطرفدار در هوش مصنوعي است. الگوريتم ژنيتك كه با استفاده از ايده تكامل دارويني و انتخاب طبيعي پيشنهاد شده روش بسيار خوبي براي يافتن پاسخ به مسائل بهينه سازيست. به همين ترتيب روش‌هاي ديگري نيز مانند استراتژي‌هاي تكاملي نيز (Evolutionary Algorithms) در اين زمينه پيشنهاد شده اند. دراين زمينه هر گوشه‌اي از سازو كار طبيعت كه پاسخ بهينه‌اي را براي مسائل يافته است مورد پژوهش قرار مي‌گيرد. زمينه‌هايي چون سيستم امنيتي بدن انسان (Immun System) كه در آن بيشمار الگوي ويروس‌هاي مهاجم به صورتي هوشمندانه ذخيره مي‌شوند و يا روش پيدا كردن كوتاه‌ترين راه به منابع غذا توسط مورچگان (Ant Colony) همگي بيانگر گوشه‌هايي از هوشمندي بيولوژيك هستند. گرايش ديگر هوش مصنوعي بيشتر بر مدل سازي اعمال شناختي تاُكيد دارد (مدل سازي نمادين يا سمبوليك) اين گرايش چندان خود را به قابليت تعمق بيولوژيك سيستم‌هاي ارائه شده مقيد نمي‌كند. CASE-BASED REASONING يكي از گرايش‌هاي فعال در اين شاخه مي‌باشد. بعنوان مثال روند استدلال توسط يك پزشك هنگام تشخيص يك بيماري كاملاً شبيه به CBR است به اين ترتيب كه پزشك در ذهن خود تعداد بسيار زيادي از شواهد بيماري‌هاي شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونه‌هاي موجود در ذهن خويش تطبيق داده، شبيه‌ترين نمونه را به عنوان بيماري بيابد. به اين ترتيب مشخصات، نيازمندي‌ها و توانايي‌هاي CBR به عنوان يك چارچوب كلي پژوهش در هوش مصنوعي مورد توجه قرارگرفته است.
البته هنگامي كه از گرايش‌هاي آينده سخن مي‌گوييم، هرگز نبايد از گرايش‌هاي تركيبي غفلت كنيم. گرايش‌هايي كه خود را به حركت در چارچوب شناختي يا بيولوژيك يا منطقي محدود نكرده و به تركيبي از آنها مي‌انديشند. شايد بتوان پيش‌بيني كرد كه چنين گرايش‌هايي فرا ساختارهاي (Meta –Structure) رواني را براساس عناصر ساده بيولوژيك بنا خواهند كرد.
1- Jon Mccarthy
2-NP-Complete Problems
3-Von Neumen
4-Artificial Intelligence Markup Language
برگرفته از سايت http://www.srco.ir/