تکامل هوش مصنوعی به سرعت برق و باد، کامپیوترها از آدم ها هوشمندتر می شوند؟ - وبگردی طفره

به گزارش وبگردی طفره، برای اینکه بدانیم هوش مصنوعی از هوش بشر پیشی گرفته است یا نه، باید ساختارهای مختلف تفکر را آنالیز کنیم.

به گزارش وبگردی طفره،کامپیوترها و ماشین های امروزی از پس بسیاری از مسائل برمی آیند. ما به یاری کامپیوتر قادریم پیچیده ترین محاسبات را بسیار سریع تر از ماهرترین ریاضیدانان تجزیه وتحلیل کنیم. اما آیا هوش مصنوعی امروز واقعاً در نقطه ای قرار گرفته است که بتوان ادعا کرد از انسان هوشمندتر شده است؟

تفکر همگرا در مقابل واگرا

این پرسش که آیا هوش مصنوعی از انسان هوشمندتر است یا نه، تقریباً پیشینه ای به قدمت خود هوش مصنوعی دارد. آلن تورینگ در دهه چهل میلادی این پرسش بنیادین را مطرح نمود که آیا می توان روزی گفت ماشین هوشیار است و می تواند فکر کند؟ و تماشای فیلم ها و مطالعه کتبی که دهه ها پیش نوشته شده نشان می دهد که بشر مدت هاست نسبت به هوشمندتر شدن ماشین در قیاس با خودش(صرف نظر از اینکه این ایده محقق شده یا نه) حساس است، اما برای پاسخ به این پرسش ، درک فرآیندهایی که ما را به سمت فراوری ایده سوق می دهد مفید است. در سال 1967 ، روانشناسی به نام جی.پی. گیلفورد(J.P. Guilford) تفکر خلاق را به دو دسته تفکر همگرا (convergent thinking) و تفکر واگرا (divergent thinking) تقسیم کرد.

گیلفورد، تفکر همگرا را توانایی پاسخ صحیح به پرسش ها تعریف کرد. این نوع تفکر عمدتاً نمایانگر حافظه و منطق بود. در مقابل، تفکر واگرا به معنی توانایی فراوری پاسخ های احتمالی به یک مسئله(یا پرسش) واحد بود. این نوع طرز تفکر، حکایت از استعداد بیشتر برای کنجکاوی داشت. بنابراین تفکر واگرا به معنی توانایی برای تفکر خارج از چارچوب های تعریف شده است. شاید ذکر یک مثال به درک بهتر این دو تفکر یاری کند. تفکر همگرا به یاد آوردن مرکز کره جنوبی است، اما تفکر واگرا به معنی این است که بدانید چطور در سئول بدون دانستن زبان کره ای زندگی و کار کنید.

انسان در مقابل ماشین

کامپیوترها معمولاً برای انجام وظایف مربوط به تفکر همگرا از انسان بهتر عمل می نمایند. آنها با توجه به ظرفیت حافظه و قدرت پردازشی فوق العاده شان می توانند ما را در بازی های مبتنی بر قوانین (مثل شطرنج ، گو و...) و محاسبات پیچیده شکست دهند. اما در خصوص حدس زدن چیزی مانند یک کلمه عبور شش رقمی چطور؟ بیایید روش ها را مقایسه کنیم.

هنگامی که وظیفه کشف یک کلمه عبور را بر عهده داشته باشیم، بیشتر ما اطلاعات کلیدی مالک حساب را مرور می کنیم. به عنوان مثال ، تاریخ تولد یا شماره تلفن آن شخص. روش دیگر این است که کلمه عبور متداول را امتحان کنیم(برای مثال کلمه عبور بسیار پرطرفدار 123456). روش از این ها پیچیده تر این است که به سراغ دستگاه های دیگری برویم که مالک حساب از آنها استفاده می نموده و امید داشته باشیم به وسیله حافظه موقت(Cache) آن دستگاه متوجه کلمه عبور بشویم! همه روش های مورد استفاده به وسیله ما، تحلیلی هستند زیرا ما می کوشیم تمام مسیرهای ممکن را برای یافتن راهکار آنالیز کنیم. این یک مدل تفکر واگرا است.

ولی روش ماشینی چگونه است؟ نرم افزار احتمالاً رویکرد متفاوتی را در پیش خواهد گرفت. اگر کلمه عبور شش رقمی باشد، ماشین از 000000 آغاز می نماید و به صورت متوالی پیش می رود تا راهکار را پیدا کند. بدین طریق یک کامپیوتر مدرن می تواند مسئله را در ظرف مدت کوتاهی حل نماید(یعنی تمام ارقام موجود را در این بازه تست کند). اما بسیاری سیستم ها اجازه به کارگیری این روش را نمی دهند، به همین علت است که بیشتر سیستم عامل ها امکان ورود به سیستم را پس از چند دفعه کوشش ناپیروز به طور موقت لغو می نمایند. روش مزبور، معمولاً به عنوان حمله جستجوی فراگیر(brute force) شناخته می گردد که نمونه ای از تفکر همگرای تکراری(repetitive convergent thinking) است که بسیار سریع و در نهایت مؤثر است.

خاتمه کدام روش هوشمندتر است؟

یک مهندس نرم افزار باهوش که با روانشناسی آشنا است می تواند با اولویت بندی توالی ها بر اساس کاربرد احتمالی ، روال حمله جستجوی فراگیر را بهبود ببخشد. برای مثال یک بازه از ارقام را تعریف کند(سال فراوری 1360 تا 1380) و کامپیوتر فقط همان بازه را تست کند. البته واقعاً دیگر هوش مصنوعی کامپیوتری در پس پرده قرار ندارد، در عوض این مهندس نرم افزار است که از هوش/دانش خود در روال کامپیوتری استفاده نموده است.

اگر پایگاه داده بزرگی از رمز عبورهای مورد استفاده یک جمعیت را دارید، می توانید (به وسیله نرم افزار) پایگاه داده را تجزیه وتحلیل کنید و یک روال رایج کامپیوتری را ایجاد کنید که ترکیبات معمولی یا توالی های جزئی را امتحان کند تا به نتیجه برسد. با این وجود همچنان نسبت به اینکه چقدر این مسئله را باید ناشی از هوشمندی ماشین دانست جای تردید وجود دارد.

این رویکرد در واقع یک مدل رایج به کار رفته هوش مصنوعیِ عصر حاضر است(یعنی در پی الگوهایی در داده ها است که به برترین الگوریتم برای حل مشکل برسد).

یادگیری ماشین: کاربردی ترین تکنیک هوش مصنوعی در عصر حاضر

پس از هفت دهه، انواع مختلفی از هوش مصنوعی پیشرفته است. یکی از رایج ترین آنها یادگیری ماشین (ML) است. این تکنیک، تقریباً موجب یک جهش شگرف در پیشرفت های هوش مصنوعیِ یک دهه اخیر شده است.

یادگیری ماشین عبارت است از مطالعه علمی الگوریتم ها و مدل های آماری که به وسیله کامپیوتر برای اجرای مؤثر یک کار خاص مورد استفاده قرار می گیرد. براساس این تکنیک دیگر مهندس نرم افزار احتیاج نیست و شما به کامپیوتر دستورات صریحی برای انجام کارهای خود نمی دهید. در عوض کامپیوتر بر الگوها و استنباط متکی است.

در یادگیری ماشین، کامپیوتر در پی این است تا یک مدل ریاضی بر اساس داده های نمونه بسازد. این داده ها معمولاً به عنوان داده های آموزشی(training data) شناخته می گردد، که برای پیش بینی یا تصمیم گیری بدون برنامه ریزی قبلی مورد استفاده قرار می گیرند. الگوریتم های یادگیری ماشین در طیف گسترده ای از برنامه ها مانند فیلترینگ ایمیل و بینایی ماشین و... به کار می رود.

در هر دو مورد مزبور، توسعه الگوریتم با دستورالعمل های خاص غیرممکن است. از این نظر، یادگیری ماشین ارتباط تنگاتنگی با آمار محاسباتی دارد که بر پیش بینی با استفاده از کامپیوتر تمرکز دارد.

قبل از یادگیری ماشین، انجام کارهای مشابه به صورت دستی به وسیله تحلیل رگرسیون (RA) انجام می شد. تحلیل رگرسیون روش آماری قدرتمندی است که به شما امکان می دهد رابطه بین دو یا چند متغیر مورد نظر خود را آنالیز کنید. در حالی که چند نوع تحلیل رگرسیون وجود دارد اما در اصل، کار همه آنها این است تا تأثیر یک یا چند متغیر مستقل(independent variables) را بر یک متغیر وابسته(dependent variable) آنالیز نمایند.

جایی که یادگیری ماشین به خوبی کار می نماید

یادگیری ماشین مثل حمله جستجوی فراگیر عمل می نماید و با استفاده از چندین بار امتحان و کوشش مجدد روی ترکیبات مختلف به نتیجه می رسد. تکنیک یادگیری ماشین در تجزیه وتحلیل مسائل پیچیده که در آن چندین متغیر مستقل و یک متغیر وابسته داریم بسیار خوب عمل می نماید؛ در حقیقت آنقدر خوب است که حتی مجبور نیستیم معین کنیم که متغیرهای مستقل بر متغیر وابسته چه قدر تأثیر می گذارند. این عمل مشابه با یک شبیه سازی مکرر است تا زمانی که براساس روال یک راهکار پیدا گردد. از آنجایی که در روال یادگیری ماشین مسائل باید هم گردآوری شوند و هم ارزیابی و تجزیه وتحلیل شوند، گاهی مسائل آنقدر پیچیده اند که به منابع پردازشی و بعلاوه روش های مختلفی برای تجزیه وتحلیل احتیاج است و اینجاست که ما به یادگیری عمیق(deep learning) احتیاجمندیم.

بنابراین یادگیری ماشین بسیار قدرتمند و مفید است اما آیا هوشمند هم است؟ آیا این تفکر واگرا است؟ روال های هوش مصنوعی می توانند تجزیه وتحلیل بسیار پیچیده ای را با سرعت سرسام آور انجام دهند، اما خود روال ها به طرز دردناکی جاهل هستند! آنها فقط یک کار را انجام می دهند، اما آن کار را به خوبی انجام می دهند.

آزمایش شبیه سازی روبات

آیا هوش مصنوعی از انسان هوشمندتر است؟ بیایید به صنعت روباتیک نگاه کنیم تا ببینیم عملکرد هوش مصنوعی چگونه است. در یک آزمایش حرکتی، از یک روبات انسان گونه خواسته شد تا به سریع ترین شکل ممکن به سمت جلو حرکت کند. در کمال تعجب، روبات به جای اینکه روش راه رفتن را انتخاب کند، خود را به یک نقطه بلند رساند و از آنجا به طرف جلو پرید. آیا بالا رفتن و پریدن هیچ شباهتی به راه رفتن پیدا می نماید؟ بله هر دو روش، فرد(یا روبات) به سرعت مسافتی افقی را طی می نمایند. همانطور که می بینیم ، هوش مصنوعی وظیفه خود را بسیار واقعی انجام داد.

هوش مصنوعی و تکاملی وهم آور

از دیدگاه مهندس نرم افزار، هوش مصنوعی راه نرفت (زیرا صراحتاً وظیفه انجام این کار را نداشت). اما از دیدگاه کامپیوتری، هوش مصنوعی کارش را درست انجام داد. چون قرار بود به سریع ترین شکل ممکن به طرف جلو حرکت کند. اما چیزی که در این میان وهم آور است این است که روش روبات برای جلو رفتن هرگز به او تعلیم داده نشده بود. به عبارت دیگر، ما در این آزمایش شاهد این بودیم که روبات در طی این شبیه سازی تکامل پیدا کرد. چرا راه بروم، در حالی که فقط کافی است از یک بلندی به سمت جلو بپرم!؟

اگر یک هوش مصنوعی و به ویژه مبتنی بر یادگیری ماشین، نه مانند یک انسان فکر کند و نه براساس آنچه که تعلیم دیده عمل کند، پس شاید بهتر است بگوییم که تکامل یافته است. فرایند تکامل به معنای حقیقی کلمه، این مفهوم تلویحی را تراوش می نماید که ما با یک هوش همگرا و بعلاوه یک هوش واگرا سروکار داریم، زیرا در اینجا هوش مصنوعی از یک طراحی مولد برای حل مسئله بهره برده است.

هوش مصنوعی هر چند همانند انسان دارای بصیرت نیست، اما همین حالا نشان داده است که می تواند تکامل را شبیه سازی کند و بعلاوه بسیاری از محاسبات را به طور مستقل تجزیه وتحلیل کند.

آیا هوش مصنوعی می تواند بهتر از انسان تصمیم بگیرد؟

ما می دانیم که هوش مصنوعی می تواند محاسبات را به سرعت تکمیل نموده و الگوریتم های مختص خود را تدوین کند. الگوریتم های مشتق شده عمدتاً بر اساس نتایجی است که به وسیله انسان استنباط شده اند. حالا بیایید از یک زاویه دید دیگر نگاه کنیم، آیا هوش مصنوعی نو می تواند الگوریتم هایی فراوری کند که تصمیمات بهتری نسبت به انسان بگیرند؟

پاسخ بدون شک بله است. روش یادگیری ماشین می تواند داده های بیشتری را با سرعت بالاتری نسبت به مغز انسان پردازش کند. این تکنیک به هوش مصنوعی امکان می دهد الگوهایی را در داده ها پیدا کند که برای انسان فوراً قابل مشاهده نیستند.

بنابراین در جایی که ما داده های مستقلی داریم که به داده های وابسته مرتبط است اما از تصمیمات خودِ انسان استنتاج نشده است ، این احتمال وجود دارد که هوش مصنوعی بتواند تصمیمات بهتری بگیرد.

آنالیز یک مطالعه موردی پزشکی

به عنوان مثال ، فرض کنید قرار است به وسیله اسکن مقطع نگاری کامپیوتری(یا سی تی اسکن) در پی علائم سرطان در یک بیمار باشیم. با همکاری مهندسان نرم افزار و محققان بالینی، یک برنامه هوش مصنوعی برای این کار فراوری شده است. در این روش از تصاویر با دقت بالا استفاده می گردد تا پزشکان آنالیز نمایند که آیا افراد مبتلا به سرطان ریه خواهند شد یا خیر.

آزمایش اول این تحقیق که در مجله Nature Medicine منتشر شد، نشان داد که هوش مصنوعی در غربالگری نتایج سرطان به مقدار رادیولوژیست ها دقیق عمل می نماید. این نتایج، بر اساس بیش از یک سی تی اسکن از هر فرد ارائه شده بود. علت اهمیت این موضوع چیست؟ زمانی که به انسان تنها یک تصویر سی تی اسکن داده شد، هوش مصنوعی از رادیولوژیست ها و پزشکان بهتر عمل کرد.

داده های آموزشی اینجا ذخیره بزرگی از نتایج سی تی اسکن های پیشین بود. بنابراین هوش مصنوعی نتایج قبلی افرادی که به سرطان مبتلا شده بودند را به دقت آنالیز نموده بود و در شرایطی که داده های مستقل و داده های وابسته تشکیل شدند، الگوریتمی که به وسیله هوش مصنوعی اتخاذ شد(ما دقیق نمی دانیم این الگوریتم چه بود!) می توانست تصمیمات دقیق تری نسبت به تصمیمات پزشکان بگیرد. اهمیت این مسئله به این علت است که هوش مصنوعی پیروز شده است مدلی را بر اساس داده های بیشتر و احتمالاً متفاوت از آنچه انسان ها برای ارزیابی یکسان استفاده نموده اند، به دست آورد.

به طور خلاصه: آیا هوش مصنوعی از انسان هوشمندتر است؟

به طور خلاصه ، هوش مصنوعی بسیار مفید است و قادر است به مسائل پیچیده ای پاسخ دهد که انسان ها قادر به حل آنها نیستند. هوش مصنوعی در کارهای مختلفی سریع تر از انسان عمل می نماید. در بعضی شرایط ، هوش مصنوعی می تواند نتایج بهتری را نسبت به ماتریس های تصمیم گیری معمول ارائه کند زیرا توانایی بالاتری در شناسایی الگوهای پیچیده در حجم زیادی از داده ها دارد. با این حال ، توانایی هوش مصنوعی برای تفکر واگرای پیچیده اما مستقل، بسیار محدود است زیرا هنور شواهد و قرائنی وجود ندارد که هوش مصنوعی به خودآگاهی رسیده باشد. این یعنی هوش مصنوعی، هنوز هوشمندتر از انسان نیست.

منبع:آنا