چه شد که به ماشین‌ها اجازه دادیم تصمیم بگیرند؟

من علی شاکر هستم؛ روزنامه‌نگار و پژوهشگر هوش مصنوعی که می‌خواهم در این سلسله‌ یادداشت‌ها در درجۀ نخست دربارۀ اصول کاربرد هوش مصنوعی در رسانه بیشتر بدانم و بخوانم و بعد آن را در اختیار شما بگذارم. در بخش اول از رسانه در عصر هوش مصنوعی گفتیم. در این بخش، به هوش در ماشین‌ها خواهیم پرداخت.

سرگئی برین، یکی از بنیان‌گذاران گوگل، به تازگی در یک اجلاس دربارۀ پیشرفت‌های اخیر هوش مصنوعی سخن گفته و آن را «هیجان‌انگیزترین» پدیده در دنیای علوم رایانه نامیده است. به گفتۀ برین سرعت و قابلیت‌های یادگیری این ماشین‌های هوشمند به حدی افزایش یافته که حتی مهندسان گوگل به اندازۀ کافی از آن بهره‌برداری نمی‌کنند.

اما چه چیزی باعث شده که این ماشین‌ها تا این حد سریع و هوشمند باشند؟ در واقع، یادگیری سریع آن‌ها به دلیل ساختار پیچیدۀ شبکه‌های عصبی و استفاده از مقادیر عظیم داده‌هاست که به این ماشین‌ها امکان می‌دهد در مدت کوتاهی وظایف پیچیده‌ای را بیاموزند.

در این یادداشت سعی می‌کنم با مبنا قرار دادن فصل هفتم کتاب «تاریخ مختصر آگاهی[1]» (2023) نوشتۀ ریچارد یو و آنجلا یو، ضمن مرور تاریخی ظهور هوش مصنوعی در جهان، با مثال‌هایی از حرفه‌‌های مختلف علوم ارتباطات اجتماعی به موضوع کاربردهای هوش مصنوعی بپردازم.

برای بررسی دقیق‌تر این موضوع در فصل اول سلسلۀ یادداشت‌های «قلم تا الگوریتم» می‌بینیم که این ماشین‌ها چه‌طور فکر می‌کنند، یاد می‌گیرند و از تجربه‌های پیشین، آینده‌ را پیش‌بینی می‌کنند.

در این یادداشت نگاهی گذرا می‌اندازیم به تاریخچۀ هوشمندی ماشین‌ها و سپس به سه رویکرد عمده در هوشمندسازی ماشین می‌رسیم و در یادداشت‌های بعدی دربارۀ جزئیات هر یک و کاربردهای آن در علوم ارتباطات بیشتر صحبت می‌کنیم.

ایدۀ ساخت ماشین‌های هوشمند از دیرباز وجود داشته است. مصریان و چینی‌های باستان افسانه‌هایی دربارۀ ربات‌ها و اشیای بی‌جان که به زندگی درمی‌آیند داشتند. فیلسوفان نیز در مورد این فرضیه اندیشیده‌اند که انسان‌های مکانیکی، موجودات مصنوعی و دیگر اتومات‌ها وجود داشته‌اند یا می‌توانند به نوعی وجود داشته باشند. تحقق رفتار انسانی از طریق تقلید ماشینی و ساخت ماشین‌هایی که هوش انسانی داشته باشند، هدفی بلندمدت برای بشر بوده است.

قبل از سال 1950 

پژوهشگران مختلف از جمله الهی‌دانان، نویسندگان، ریاضی‌دانان، فیلسوفان و اساتید دانشگاه به مکانیزم‌های مکانیکی، ماشین‌های حسابگر و سیستم‌های عددی که می‌توانستند مفهوم مکانیزه کردن موجودات غیرانسانی را به انسان‌ها منتقل کنند، اندیشیده‌اند.

اوایل دهۀ 1700، جاناتان سوئیفت در رمان «سفرهای گالیور» دستگاهی به نام «موتور» را توصیف کرد که یکی از اولین اشاره‌ها به یک رایانۀ مدرن با هوش مصنوعی است. با کمک این دستگاه برای بهبود دانش و عملیات مکانیکی، حتی افراد با استعداد کم نیز می‌توانستند بااستعداد به نظر برسند.

اولین اشارۀ شناخته شده به کلمۀ «ربات» در یک نمایش علمی تخیلی به نام «ربات‌های جهانی راسوم[2]» در سال 1921، نوشتۀ کارل چاپک[3] (نمایشنامه‌نویس چک) یافت شد. در این نمایشنامه، آن افراد مصنوعی که در کارخانه ساخته می‌شدند ربات نام داشتند. پس از این نقطه، مردم مفهوم ربات را به کار گرفتند و آن را در مطالعات، پژوهش‌ها و کارهای روزمرۀ خود پیاده کردند.

اولین تصویر از ربات روی پرده در یک فیلم علمی تخیلی در سال 1927 و به کارگردانی فریتز لانگ به نمایش درآمد. در این فیلم، دختری رباتیک به شهر حمله کرد و در برلین آینده‌نگرانه ویرانی ایجاد کرد. این فیلم الهام‌بخشِ شخصیت‌های معروف غیرانسانی دیگری مانند C-3PO در فیلم «جنگ ستارگان» شد.

یک زیست‌شناس ژاپنی، به نام ماکوتو نیشیمورا در سال 1929 اولین ربات را در ژاپن ساخت. اسم این ربات «گاکوتنسوکو» (در ترجمۀ انگلیسی «یادگیری از قوانین طبیعت») بود. گاکوتنسوکو می‌توانست سر و دستان خود را حرکت دهد و حالت چهرۀ خود را تغییر دهد، همان‌طور که در شکل یک می‌بینیم:

سال 1939، در دانشگاه ایالتی آیووا یک فیزیکدان به نام «جان وینسنت آتاناسوف» و دانشجوی فارغ‌التحصیل او «کلیفورد بری»، کامپیوتر آتاناسوف-بری (ABC) را ساختند. این کامپیوتر بیش از 700 پوند (یعنی بیش از 317.46 کیلوگرم) وزن داشت و می‌توانست تا 29 معادلۀ خطی همزمان را حل کند.

در سال 1949، یک دانشمند علوم رایانه به نام ادموند برکلی در کتابی به نام «مغزهای غول‌پیکر؛ یا ماشین‌هایی که فکر می‌کنند» گفت که با افزایش توانایی مدیریت حجم‌های بزرگ اطلاعات، یک ماشین می‌تواند فکر کند. این سال مهمی است؛ چون طی شماره‌های بعدی خواهیم گفت که چه‌طور همین ایده باعث شکل‌گیری شبکۀ یادگیری عمیق شد و هوش مصنوعی را به اینجا رساند.

سال‌های 1940 تا 1970: تولد هوش مصنوعی 

پیشرفت‌های فناوری در دوره‌ای 30 ساله (یعنی 1940 تا 1960) می‌خواستند عملکرد حیوانات و ماشین‌ها را با هم ترکیب کنند. نوربرت وینر علم سایبرنتیک را پایه‌گذاری کرد، که هدف آن یکپارچه کردن نظریۀ کنترل و ارتباطات در هر دو حوزۀ حیوانات و ماشین‌ها بود. وارن مک‌کولوچ و والتر پیتس مدل ریاضی و رایانه‌ای نورون بیولوژیک را در سال 1943 توسعه دادند.

بسیاری از پیشرفت‌های هوش مصنوعی در دهۀ 1950 به نتیجه رسیدند. کلود شانون، «پدر نظریۀ اطلاعات»، مقاله‌ای در سال 1950 با عنوان «برنامه‌نویسی یک کامپیوتر برای بازی شطرنج» منتشر کرد که به توسعۀ یک برنامۀ رایانه‌ای برای بازی شطرنج پرداخت.

در همان سال، آلن تورینگ مقاله‌ای با عنوان «ماشین‌های محاسباتی و هوش» منتشر کرد که ایدۀ بازی تقلید[4] را با سؤال «آیا ماشین‌ها می‌توانند فکر کنند؟» مطرح کرد. تورینگ می‌خواست بداند آیا می‌توانیم ماشین‌های فکری بسازیم که با ما وارد ارتباط و گفت‌وگو شوند و نتوانیم تشخیص دهیم پاسخ‌ها، انسانی است یا ماشینی؟ این گمانه‌‌زنی‌ها باعث شد تا بعدها مفهوم «آزمون تورینگ» مطرح شود. آزمونی که میزان هوش ماشینی را اندازه‌گیری می‌کرد. آزمون تورینگ اولین پیشنهاد جدی در این زمینه بود و به یک مؤلفۀ مهم در فلسفۀ هوش مصنوعی تبدیل شد.

سال 1952، آرتور ساموئل یک دانشمند رایانه، برنامه‌ا‌ی برای بازی چکرز[5] نوشت و توسعه داد. این، اولین برنامه‌ای بود که به طور مستقل نحوۀ بازی را یاد می‌گرفت.

پیشنهاد مفهوم هوش مصنوعی 

در آگوست 1956، در کالج دارتموث در شهر کوچکی به نام هانوس در نیوهمپشایر، دانشمندانی مانند جان مک‌کارتی، ماروین مینسکی (متخصص هوش مصنوعی و شناخت)، کلود شانون، آلن نیوول (دانشمند رایانه)، و هربرت سایمون (برندۀ جایزه نوبل اقتصاد) گرد هم آمدند تا در مورد موضوعی بحث کنند که در آن زمان دست‌نیافتنی به نظر می‌رسید: استفاده از ماشین‌ها برای تقلید یادگیری و سایر جنبه‌های هوش انسانی.

کنفرانس دارتموث به مدت دو ماه ادامه داشت. اگرچه توافق کلی وجود نداشت، اما نامی برای موضوع بحث کنفرانس تعیین شد؛ «هوش مصنوعی[6]». از این رو، سال 1956 اولین سال هوش مصنوعی نامیده شد.

هوش مصنوعی به‌عنوان توانایی ماشین‌ها در فکر کردن و یادگیری به شکلی مشابه انسان‌ها تعریف می‌شود. از همان سالی که این کنفرانس برگزار شد تاکنون، بیش از 60 سال است که در زمینۀ توسعۀ این فناوری‌ها پژوهش می‌شود. در این دوره، دانشمندان از رشته‌ها یا زمینه‌های مختلف علمی تفسیرهای خود را از هوش مصنوعی ارائه داده و دیدگاه‌های متفاوتی را مطرح کرده‌اند، که منجر به شکل‌گیری مکاتب مختلفی شده است.

در این دوره، سه مکتب عمدۀ «نمادگرایی»، «اتصال‌گرایی» و «رفتارگرایی» تأثیر زیادی بر پژوهش‌های هوش مصنوعی داشتند. تفاوت اصلی این سه مکتب در توصیف جنبه‌های مختلف هوش انسانی (تفکر، مغز، رفتار) است.

از همان زمانی که مفهوم هوش مصنوعی مطرح شد، مبارزۀ چندین جناح اصلی هوش مصنوعی نیز آغاز شد. در روش‌شناسی نمادگرایان، هوش مصنوعی باید از منطق انسانی برای کسب دانش تقلید کند؛ اتصال‌گرایان معتقد بودند که داده‌های بزرگ و یادگیری از طریق آموزش بسیار مهم است؛ و رفتارگرایان باور داشتند که باید از طریق تعامل با محیط، به اهداف خاصی رسید.

بیایید یک بار دیگر مرور کنیم؛ پس گفتیم سه جناح در گسترش هوش مصنوعی نقش داشتند که عبارتند از:

• تفکر (نمادگرایی): بیان آگاهی ذهنی ما، منبع تفکر انسانی، منطق انتزاعی و احساسات.
• مغز (اتصال‌گرایی): شبکۀ عصبی شگفت‌انگیز مغز که امکان تفکر را فراهم می‌کند.
• رفتار (رفتارگرایی): تعامل انسان با محیط از طریق «درک و عمل».

پس از این مقدمۀ تاریخی، شکل عملکرد هر یک از این رویکردها را با جزئیات بیشتری توضیح می‌دهیم و می‌گوییم در زمینۀ فعالیت‌های مرتبط با علوم ارتباطات اجتماعی، ماشین‌های یادگیرنده چه طور می‌آموزند تا کارهای روزمرۀ یک روزنامه‌نگار یا کارگزار روابط‌عمومی را انجام دهد.

در یادداشت بعدی رویکرد نمادگرایانه را در عرصۀ یادگیری اصول نوشتاری در تولید محتوا، روزنامه‌نگاری و روابط‌عمومی بررسی می‌کنیم.

[1] Yu, F. R., & Yu, A. W. (2023). A brief history of intelligence: From the big bang to the metaverse. Springer Nature Switzerland AG.

[2] Rossum’s Universal Robots

[3] Karel Capek

[4] The Imitation Game

[5] Checkers

[6] Artificial Intelligence (AI)