خب همونطور که قولش رو داده بودم توی این پست قرار هست که در مورد هوش مصنوعی قوی و تفاوتش با هوش مصنوعی ضعیف توضیح بدم براتون. هوش مصنوعی قوی درواقع یه مفهوم انتزاعی از هوش مصنوعی هست که نوع نگرش خاصی رو برای تحقیق و توسعه سیستمهای هوشمند در نظر داره. توی این نگرش، پژوهشگرهای حوزه هوش مصنوعی و علوم شناختی به دنبال پیدا کردن راهکارهایی هستن که با استفاده از اون ماشین به حدی از هوشمندی برسه که با انسان برابری بکنه. یعنی ماشین هوشمند باید یک آگاهی خودآگاهانه داشته باشه که با اون بتونه مسائل مختلف رو حل کنهُ برای آینده برنامهریزی کنه و در طول زمان خودش رو بهبود بده.
هدف اصلی از هوش مصنوعی قوی، ساخت ماشینهای هوشمندی هست که نشه اونها رو از انسان تشخیص داد. اما مثل یه بچهُ این قابلیت رو داشته باشه که با دریافت ورودی و تجربه کردن از محیطُ یاد بگیره، به طور مداوم پیشرفت کنه و تواناییشو به مرور زمان گسترش بده.
هرچند که پژوهشگران هوش مصنوعی علاقه زیادی دارن که همچین ماشینی رو تولید کنن، اما تا الان موفق به ساختن همچین ماشینی نشدن و مفهوم هوش مصنوعی قوی در حد یک تئوری باقی مونده. هرچند که افراد خوشبینی مثل خودم هنوز هستیم که معتقدیم که بالاخره یک روزی میرسه که هوش مصنوعی قوی محقق بشه، اما خیلیها هم به این اعتقاد دارن که حتی امکان ساخت همچین ماشینی وجود نداره و یک جورهایی توهمه! یکی از دلایلی هم که فکر میکنم باعث همچین تفاوت نظری بین متخصصین هوش مصنوعی شده آینه تعریف دقیقی از مفاهیمی پیچیده مثل هوش، آگاهی، فهم و … وجود نداره و همین امر هم باعث میشه که نشه به صورت دقیق آنالیز کرد که آیا به هوش مصنوعی ضعیف دست پیدا کردیم یا نه.
البته یکی از راهکارهایی که برای ارزیابی میزان هوشمندی یک سیستم مبتنی بر هوش مصنوعی ارائه میشه، تست تورینگ هست که در ادامه توضیح میدم که چیه!
تست تورینگ
آلن تورینگ که به عنوان پدر علم هوش مصنوعی شناخته میشه در سال 1950 تست تورینگ رو در مقالهاش به نام «دستگاههای محاسباتی و هوش» معرفی کرد و مورد بحث قرار داد. این آزمون درواقع برای این ساخته شده که ببینیم آیا میشه رفتار یک ماشین رو از انسان تمایز بدیم یا نه. برای این کار یک آزمون گیرنده داریم که سعی میکنه با پرسیدن سوالهای مختلف، سعی کنه بفهمه که جوابی که برای سوالها بهش داده شده توسط انسان تولید شده یا ماشین. اگر اون فرد آزمون گیرنده نتونه تشخیص بده که جوابهایی که دریافت کرده کار انسان بوده یا ماشین در اون صورت ماشین تست تورینگ رو پاس کرده.
اما همونطور که میبینید اینجا هم خیلی کیفی بررسی شده که آیا یه سیستم هوشمنده یا نه. درواقع حد و مرز و شاخصهای قابل ارزیابی برای اینکه سطح هوشمندی یک ماشین رو بسنجیم وجود نداره. این نکته هم جالبه که بهتون بگم که به نظر خود تورینگ آزمون گیرنده این توانایی رو داره که با احتمال 70٪ در مدت ۵ دقیقه تشخیص بده که اون سمت ماجرا انسان بوده یا ماشین که البته من نمیدونم این حرف رو براش ادلهای داشته یا نه.
آرگومان اتاق چینی
جان سرل هم یکی دیگه از افرادی هست که مفهوم هوشمندی رو به چالش میکشه و در سال 1980 توی مقالهای که نوشته ادعا میکنه که کامپیوترها هیچ وقت قادر به ادراک و تفکر نخواهند شد. برای اینکار هم میاد سناریو آرگومان اتاق چینی رو معرفی میکنه.
توی این سناریو فرض میشه که یک نفر زبان چینی رو بلد نیست و توی یک اتاق در بسته نشسته. توی این اتاق یک کتاب قطور هست که در مورد عبارات، دستورالعملها و قواعد زبان چینی به طور کامل توضیح داده شده. حالا فرض کنید که یک فرد چینی زبان میاد و یک کاغذ که روش متن چینی نوشته رو از زیر در اتاق رد میکنه و برای فرد اول میفرسته. نفر اول که زبان چینی رو بلد نیست، صرفاً با دنبال کردن دستورالعملهای توی کتاب بهترین پاسخ رو تولید میکنه و برای فرد چینی زبان میفرسته. در این حالت هرچقدر هم که این دیالوگ کاغذی رفت و برگشتی بین دو نفر اتفاق بیوفته فرد چینی متوجه اینکه آیا یک شبیهسازی قوی از زبان چینی پشت درب وجود داره یا اینکه واقعاً فرد پاسخدهنده چینی زبان هست نمیشه. بنابراین سرل ادعا میکنه که هوشمصنوعی قوی نیاز به یک ذهن واقعی برای درک یا هوش داره و صرفاً با گول زدن یک موجود هوشمند نمیشه گفت که اون سیستم هوشمنده!
هوش مصنوعی قوی و هوش مصنوعی ضعیف
هوش مصنوعی ضعیف بر خلاف هوش مصنوعی قوی به دنبال ساختن یک ماشین هوشمند همه جانبه نیست و صرفاً دنبال آینه که برای یک سری وظایف خاص، ماشینی رو اینقدر هوشمند طراحی کنه که بتونه در همون دامنهای که براش تعریف شده عملکرد هوشمندانه از خودش نشون بده. مثلاً بتونه شطرنج بازی کنه، رانندگی کنه، یا اینکه سرطان رو تشخیص بده. و نقطه تفاوت هوش مصنوعی قوی و ضعیف همینجا هست. توی هوش مصنوعی قوی ماشین هوشمند باید بتونه دستههای متنوعی از توانمندیها رو داشته باشه در صورتی که هوش مصنوعی ضعیف میگه من فقط همین یک کار رو خوب بلدم!
برخلاف هوش مصنوعی قوی که تا الان نمونهای ازش به وجود نیومده تا دلتون بخواد ما ماشینهای هوشمند ضعیف داریم. این ماشینها برای اینکه تولید بشن بسیار وابسته به نیروی انسان هستن. یعنی ما انسانها باید براشون دیتای مفید رو آماده کنیم، پارامترهاشون رو تعیین کنیم، بهشون بگیم چطوری یاد بگیرن تا باگذشت زمان بتونن از دقت کافی برخوردار بشن.
هوش مصنوعی، یادگیری ماشین و یادگیری عمیق چیه؟
هوش مصنوعی، یادگیری ماشین و یادگیری عمیق اصطلاحاتی هستن که اغلب به اشتباه جای همدیگه استفاده میشن. این اصطلاحات برای توصیف هوش مصنوعی استفاده میشن پس ارزش داره اینجا یه نگاه بهشون بندازیم و ببینیم اینها چی هستن:
جان مک کارتی میگه که هوش مصنوعی «علم و مهندسی ساخت ماشینهای هوشمند، به ویژه برنامههای کامپیوتری هوشمنده. اینجا کامپیوترها به دنبال استفاده از راهکارهایی هستن که مشابه انسان بتونن ادراک داشته باشن، اما محدود به روشهای شناختی انسان نمیشن»
حالا این بخش دوم یعنی چی؟ یعنی اینکه ماشینی که بتونه مثل انسان فکر یا عمل بکنه خیلی خفنه و میتونیم بهش بگیم هوشمند. اما اگر یک ماشین مثلاً بیاد روش ادراک خودشو مثلاً از زنبورها یا مورچهها تقلید کنه آیا نباید بهش بگیم هوشمند؟
یادگیری ماشین یک زیرمجموعه از هوش مصنوعی هست. اینجا قصد بر این هست که ماشین با انجام روشهای محاسباتی الگوهای درون دادههایی که داره دریافت میکنه رو درک کنه و براساس اونها خروجی تولید کنه یا عملی رو انجام بده. در یادگیری ماشین کلاسیک (که خیلی هم قدیمی نیست) تقریباً میشه گفت که اکثر پارامترها و ویژگیهای یادگیری باید توسط انسان برای ماشین تنظیم میشد تا در نهایت بتونیم به اون سیستم هوشمند مورد نظر برسیم. اما باگذشت زمان با به وجود اومدن شبکههای عصبی عمیق این دخالت انسانی کمتر و کمتر شد.
یادگیری عمیق داره از ابزاری به اسم شبکههای عصبی مصنوعی استفاده میکنه. درواقع شبکههای عصبی مصنوعی یک مدل فرموله شده به زبان ریاضی از نورونهای مغزی انسان هستن که در اون هر نورون یه سری ورودی میگیره، یه پردازش روی اون انجام میده، و خروجی خودشو میده به نورون بعدی. به همین سادگی. با بزرگتر شدن این شبکههای به هم پیوسته نورونها مفهوم جدیدی شکل گرفت که بهش میگن یادگیری عمیق. این کلمه عمیق هم از دو جهت معنی میده. اول اینکه، ما به شبکه عصبی اومدیم به ساختار شبکه عمق دادیم. دوم هم اینکه، با پیچیدهتر شدن مدل و عمیق شدنش، خود مدل این توانایی رو پیدا کرد که خیلی چیزها رو خودش یاد بگیره و دید عمیقی نسبت به دادهها پیدا کنه. همین مسأله هم باعث شد که دخالت انسانی برای آموزش دادن این مدلها خیلی کمتر بشه.
تقریباً میشه گفت که امروزه، وقتی یکی داره در مورد هوش مصنوعی حرف میزنه، احتمالاً منظورش همون یادگیری عمیق هست. چونکه ابزاری که برای حل مسأله استفاده کرده یک شبکه عصبی عمیق بوده. اینجا میخوام چند تا نمونه هم از یادگیری عمیق براتون بگم که ببینید ممکنه با اینکه اصلاً خودتون متوجه نشدید داشتید ازش استفاده میکردید:
- ماشینهای خودران:تسلا رو که همهتون میشناسید. با ماشینهای برقی و هوشمندش که قابلیت رانندگی خودکار دارن. این ماشینها درون خودشون دارن از شبکههای عمیق برای تشخیص موانع، ماشینهای دیگه، تابلوهای راهنمایی رانندگی و در نهایت تصمیمگیری در مورد اینکه چیکار باید کرد که ماشین حرکت کنه تا به مقصد برسه رو بر عهده میگیره. (تو پرانتز یه سؤال هم بکنم ذهنتون درگیر شه! اگر ماشین خودران تصادف کرد در اون صورت کی مقصره: صاحب اصلی ماشین؟ رانندهای که به ماشین گفته خودت برو؟ کارخونه سازنده ماشین خودران که خطا داشته برنامهاش؟ کی؟)
- تشخیص گفتار: رباتهایی هستن که زبون ما آدمها رو میفهمن و متناسب با اون میتونن پاسخ بدن بهمون مثل google assistant، alexa، siri و …
- بینایی ماشین: بینایی ماشین درواقع به مسائلی دقت میکنه که در اون ماشین باید تصویر رو به صورت ورودی بگیره و اونو پردازش بکنه. پس حتماً یه دوربینی یه جایی وجود داشته که تصاویر رو برای ماشین ارسال کنه. مثلاً توی مثال ماشین خودران باید یه دوربین باشه که تابلوهای راهنمایی رانندگی رو ببینه یا نه؟ یا اینکه مثلاً دیدید توی اینستاگرام یه پیام میاد که محتوای این تصویر یا ویدیو ممکنه ناهنجار باشه یا اینکه برای افراد خاصی مناسب نباشه؟ این کار هم داره با یادگیری عمیق انجام میشه.
- در نهایت هم که میتونم به چتباتها مثل chat-gpt اشاره بکنم که اینجا ورودی و خروجی به صورت متنی هست و کاربر سؤال میپرسه و چتبات جواب مناسب میده.
یه تعریف هم از اَبَر هوش مصنوعی بدم و بیشتر از این سرتون رو درد نیارم. اَبَر هوش مصنوعی درواقع داره میگه یه زمانی میرسه که نه تنها هوش مصنوعی قوی محقق میشه، بلکه اون ماشین به قدرت خارقالعادهای دست پیدا میکنه که هوشمندیاش از انسان میزنه جلوتر. به اون ماشین میگن اَبَر هوش مصنوعی!
تمام.