هوش مصنوعي، دانش ساختن ماشينآ*آ* ها يا برنامهآ*هاي هوشمند است. »[1] .

همانگونه كه از تعريف فوق-كه توسط يكي از بنيانگذاران هوش مصنوعي ارائه شده است- برميآ*آيد،حداقل به دو سؤال بايد پاسخ داد:
1ـ هوشمندي چيست؟
2ـ برنامهآ*هاي هوشمند، چه نوعي از برنامهآ*ها هستند؟

تعريف ديگري كه از هوش مصنوعي ميآ*توان ارائه داد به قرار زير است:
« هوش مصنوعي، شاخهآ*ايست 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 ميآ*دهد.»

و در نهايت تعريف سوم هوش مصنوعي از قرار زير است:
«هوش مصنوعي، مطالعه روشآ*هايي است براي تبديل كامپيوتر به ماشيني كه بتواند اعمال انجام شده توسط انسان را انجام دهد.»

به اين ترتيب ميآ*توان ديد كه دو تعريف آخر كاملاً دو چيز را در تعريف نخست واضح كردهآ*اند.
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 ميآ*شناسيم، انسان است كافي است تا هوشمندي را به تمامي اعمال انسان نسبت دهيم؟ حداقل اين نكته كاملاً واضح است كه بعضي جنبهآ*هاي ادراك انسان همچون ديدن و شنيدن كاملاً ضعيفآ*تر از موجودات ديگر است.

علاوه بر اين، كامپيوترهاي امروزي با روشآ*هايي كاملاً مكانيكي(منطقي) توانستهآ*اند در برخي جنبهآ*هاي استدلال، فراتر از تواناييآ*هاي انسان عمل كنند.

بدين ترتيب، آيا ميآ*توان 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 روشآ*هاي بهينه انجام امور باشد، به هيچ رو مشخص نيست كه انسان اعمال خويش را به گونهآ*اي بهينه انجام ميآ*دهد). به اين نكته نيز باز خواهيم گشت.

اما همين سؤال را ميآ*توان از سويي ديگر نيز مطرح ساخت، چگونه ميآ*توان يقين حاصل كرد كه كامپيوترهاي امروزين، بهترين ابزارهاي پيادهآ*سازي 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[2] قادر به حل تمامي مسائل بود. اما نكته در اينجاست كه اين «تمامي مسائل» چيست؟ طبيعتاً چون طراحان اوليه كامپيوتر، منطقآ*دانان و رياضيدانان بودند، منظورشان تمامي مسائل منطقي يا محاسباتي بود. بدين ترتيب عجيب نيست، هنگامي كه فونآ*نيومان[3] 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 درجهآ*اي از پيشرفت رسيده و چنان سرمايهآ*گذاري عظيمي برروي اين ماشين انجام شده است كه به فرض اين كه بهترين انتخاب نباشد هم، حداقل سهلآ*الوصولآ*ترين و ارزانآ*ترين و عموميآ*ترين انتخاب براي پيادهآ*سازي هوشمنديست.

بنابراين ظاهراً به نظر ميآ*رسد به جاي سرمايهآ*گذاري براي ساخت ماشينآ*هاي ديگر هوشمند، ميآ*توان از كامپيوترهاي موجود براي پيادهآ*سازي برنامهآ*هاي هوشمند استفاده كرد و اگر چنين شود، بايد گفت كه طبيعت هوشمندي ايجاد شده حداقل از لحاظ پيادهآ*سازي، كاملاً با طبيعت هوشمندي انساني متناسب خواهد بود، زيرا هوشمندي انساني، نوعي هوشمندي بيولوژيك است كه با استفاده از مكانيسمآ*هاي 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 رفتهآ*اند 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 نورونآ*هاي 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 شبيهآ*سازي 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 ميآ* دانند زماني كه آلن تورينگ مقاله دورانآ*ساز 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 ميآ*كرد. 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 ميآ*تواند 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 بيآ*خبريد) يك ماشين بوده كه پاسخ شما را ميآ*داده، 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 تلاشآ*هاي متعددي در جهت پياده سازي تست تورينگ صورت گرفته مانند برنامه Eliza و يا[4] AIML (زباني براي نوشتن برنامهآ*آ*آ*آ*هايي 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 فعاليتآ*هاي شناختي قرار داشته است. از يونانيان باستان كه لوگوس را به عنوان زبان و حقيقت يكجا به كار ميآ*بردند تا فيلسوفان امروزين كه يا زبان را خانه وجود ميآ*دانند، يا آن را ريشه مسائل فلسفي ميآ*خوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترين توانايي هوشمندترين موجودات حفظ كرده است.

با اين ملاحظات ميآ*توان درك كرد كه چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زباني را شرط دستآ*يابي به هوشمندي ميآ*داند.

تست تورينگ اندكي كمتر از نيمآ*قرن 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 كمآ*اهميتآ*تري همچون درك تصوير (بينايي ماشين) درك صوت و… را حل كنند.

به اين ترتيب با به محاق رفتن آن هدف اوليه، اينك گرايشآ*هاي جديدتري در هوش مصنوعي ايجاد شدهآ*اند.

در سالآ*هاي آغازين AI تمركز كاملاً برروي توسعه سيستمآ*هايي بود كه بتوانند فعاليتآ*هاي هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنين فعاليتآ*هايي را در زمينهآ*هاي كاملاً خاصي مانند بازيآ*هاي فكري، انجام فعاليتآ*هاي تخصصي حرفآ*هاي، درك زبان طبيعي، و…. ميآ*دانستند طبيعتاً به چنين زمينهآ*هايي بيشتر پرداخته شد.

در زمينه توسعه بازيآ*ها، تا حدي به بازي شطرنج پرداخته شد كه غالباً عدهآ*اي هوش مصنوعي را با شطرنج همزمان به خاطر ميآ*آورند. مكآ*كارتي كه پيشتر اشاره شد، از بنيانآ*گذاران هوش مصنوعي است اين روند را آنقدر اغراقآ*آميز ميآ*داند كه ميآ*گويد:
«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 دههآ*هاي نخست را ميآ*توان توسعه تعداد بسيار زيادي سيستمآ*هاي خبره در زمينهآ*هاي مختلف مانند پزشكي عمومي، اورژانس، دندانپزشكي، تعميرات ماشين،….. توسعه بازيآ*هاي هوشمند، ايجاد مدلآ*هاي شناختي ذهن انسان، توسعه سيستمهاي يادگيري،…. دانست. دستاوردي كه به نظر ميآ*رسد براي علمي با كمتر از نيم قرن سابقه قابل قبول به نظر ميآ*رسد.


افقآ*هاي هوش مصنوعي

در 1943،Mcclutch (روانشناس، فيلسوف و شاعر) و Pitts (رياضيدان) طي مقالهآ*اي، ديدهآ*هاي 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 (نورونآ*ها) 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 ميآ*گرفت.

امروز پس از گذشته نيمآ*قرن 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 همآ*زمان و در عين حال تعامل تعداد بسيار زيادي اجزاي كاملاً ساده به هم مرتبط ميآ*داند.

شبكهآ*هاي عصبي كه از مدل شبكه عصبي ذهن انسان الهام گرفتهآ*اند امروزه داراي كاربردهاي كاملاً علمي و گسترده تكنولوژيك شدهآ*اند و كاربرد آن در زمينهآ*هاي متنوعي مانند سيستمآ*هاي كنترلي، رباتيك، تشخيص متون، پردازش تصوير،… مورد بررسي قرار گرفته است.

علاوه بر اين كار بر روي توسعه سيستمآ*هاي هوشمند با الهام از طبيعت (هوشمنديآ*هاي ـ غير از هوشمندي انسان) اكنون از زمينهآ*هاي 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 روشآ*هاي ديگري نيز مانند استراتژيآ*هاي تكاملي نيز (Evolutionary Algorithms) در اين زمينه پيشنهاد شده اند.

دراين زمينه هر گوشهآ*اي از سازو كار طبيعت كه پاسخ بهينهآ*اي را براي مسائل يافته است مورد پژوهش قرار ميآ*گيرد. زمينهآ*هايي چون سيستم امنيتي بدن انسان (Immun System) كه در آن بيشمار الگوي ويروسآ*هاي مهاجم به صورتي هوشمندانه ذخيره ميآ*شوند و يا روش پيدا كردن كوتاهآ*ترين راه به منابع غذا توسط مورچگان (Ant Colony) همگي بيانگر گوشهآ*هايي 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 سيستمآ*هاي ارائه شده مقيد نميآ*كند.

CASE-BASED REASONING يكي از گرايشآ*هاي فعال در اين شاخه ميآ*باشد. 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 بيماريآ*هاي شناخته شده را دارد و تنها بايد مشاهدات خود را با نمونهآ*هاي موجود در ذهن خويش تطبيق داده، شبيهآ*ترين نمونه را به عنوان بيماري بيابد.

به اين ترتيب مشخصات، نيازمنديآ*ها و تواناييآ*هاي CBR به عنوان يك چارچوب كلي پژوهش در هوش مصنوعي مورد توجه قرارگرفته است.

البته هنگامي كه از گرايشآ*هاي آينده سخن ميآ*گوييم، هرگز نبايد از گرايشآ*هاي تركيبي غفلت كنيم. گرايشآ*هايي كه خود را به حركت در چارچوب شناختي يا بيولوژيك يا منطقي محدود نكرده و به تركيبي از آنها ميآ*انديشند. شايد بتوان پيشآ*بيني كرد كه چنين گرايشآ*هايي 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