هوش مصنوعی چیست؟        

                                                  

هوش مصنوعی چيست ؟

 هوش مصنوعی، دانش ساختن ماشين‌‌ ها يا برنامه‌های هوشمند است.
همانگونه كه از تعريف فوق-كه توسط يكی از بنيانگذاران هوش مصنوعی ارائه شده است- برمی‌آيد،حداقل به دو سؤال بايد پاسخ داد:
1ـ هوشمندی چيست؟
2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟
تعريف ديگری كه از هوش مصنوعی می‌توان ارائه داد به قرار زير است:
«  هوش مصنوعی، شاخه‌ايست از علم كامپيوتر كه ملزومات محاسباتی اعمالی همچون  ادراك (Perception)، استدلال(reasoning) و يادگيری(learning) را بررسی كرده  و سيستمی جهت انجام چنين اعمالی ارائه می‌دهد.»
و در نهايت تعريف سوم هوش مصنوعی از قرار زير است:
 «هوش مصنوعی، مطالعه روش‌هايی است برای تبديل كامپيوتر به ماشينی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.»


به اين ترتيب می‌توان ديد كه دو تعريف آخر كاملاً دو چيز را در تعريف نخست واضح كرده‌اند.

1ـ منظور از موجود يا ماشين هوشمند چيزی است شبيه انسان.
2ـ ابزار يا ماشينی كه قرار است محمل هوشمندی باشد يا به انسان شبيه شود، كامپيوتر است.
هر   دوی اين نكات كماكان مبهم و قابل پرسشند. آيا تنها اين نكته كه  هوشمندترين  موجودی كه می‌شناسيم، انسان است كافی است تا هوشمندی را به  تمامی اعمال  انسان نسبت دهيم؟ حداقل اين نكته كاملاً واضح است كه بعضی  جنبه‌های ادراك  انسان همچون ديدن و شنيدن كاملاً ضعيف‌تر از موجودات ديگر  است.
علاوه  بر اين، كامپيوترهای امروزی با روش‌هايی كاملاً  مكانيكی(منطقی)  توانسته‌اند در برخی جنبه‌های استدلال، فراتر از  توانايی‌های انسان عمل  كنند.
بدين  ترتيب، آيا می‌توان در همين نقطه  ادعا كرد كه هوش مصنوعی تنها نوعی دغدغه  علمی يا كنجكاوی دانشمندانه است و  قابليت تعمق مهندسی ندارد؟(زيرا اگر  مهندسی، يافتن روش‌های بهينه انجام  امور باشد، به هيچ رو مشخص نيست كه  انسان اعمال خويش را به گونه‌ای بهينه  انجام می‌دهد). به اين نكته نيز باز  خواهيم گشت.
اما  همين سؤال را  می‌توان از سويی ديگر نيز مطرح ساخت، چگونه می‌توان يقين  حاصل كرد كه  كامپيوترهای امروزين، بهترين ابزارهای پياده‌سازی هوشمندی  هستند؟
رؤيای   طراحان اوليه كامپيوتر از بابيج تا تورينگ، ساختن ماشينی بود كه قادر به   حل تمامی مسائل باشد، البته ماشينی كه در نهايت ساخته شد(كامپيوتر) به جز   دسته ای خاص از مسائل قادر به حل تمامی مسائل بود. اما نكته در اينجاست كه   اين «تمامی مسائل» چيست؟ طبيعتاً چون طراحان اوليه كامپيوتر، منطق‌دانان و   رياضيدانان بودند، منظورشان تمامی مسائل منطقی يا محاسباتی بود. بدين  ترتيب  عجيب نيست، هنگامی كه فون‌نيومان سازنده اولين كامپيوتر، در حال   طراحی اين ماشين بود، كماكان اعتقاد داشت برای داشتن هوشمندی شبيه به   انسان، كليد اصلی، منطق(از نوع به كار رفته در كامپيوتر) نيست، بلكه   احتمالاً چيزی خواهد بود شبيه ترموديناميك!
به  هرحال، كامپيوتر تا  به حال به چنان درجه‌ای از پيشرفت رسيده و چنان  سرمايه‌گذاری عظيمی برروی  اين ماشين انجام شده است كه به فرض اين كه بهترين  انتخاب نباشد هم، حداقل  سهل‌الوصول‌ترين و ارزان‌ترين و عمومی‌ترين انتخاب  برای پياده‌سازی  هوشمنديست.
بنابراين  ظاهراً به نظر می‌رسد به جای سرمايه‌گذاری برای  ساخت ماشين‌های ديگر  هوشمند، می‌توان از كامپيوترهای موجود برای  پياده‌سازی برنامه‌های هوشمند  استفاده كرد و اگر چنين شود، بايد گفت كه  طبيعت هوشمندی ايجاد شده حداقل از  لحاظ پياده‌سازی، كاملاً با طبيعت  هوشمندی انسانی متناسب خواهد بود، زيرا  هوشمندی انسانی، نوعی هوشمندی  بيولوژيك است كه با استفاده از مكانيسم‌های  طبيعی ايجاد شده، و نه استفاده  از عناصر و مدارهای منطقی.
در  برابر تمامی استدلالات فوق می توان  اين نكته را مورد تاُمل و پرسش قرار  داد كه هوشمندی طبيعی تا بدان جايی كه  ما سراغ داريم، تنها برمحمل طبيعی و  با استفاده از روش های طبيعت ايجاد  شده است. طرفداران اين ديدگاه تا بدانجا  پيش رفته‌اند كه حتی ماده ايجاد  كننده هوشمندی را مورد پرسش قرار داده  اند، كامپيوتر از سيليكون استفاده  می كند، در حالی 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 حالی كه طبيعت در سمت و سويی   كاملاً مخالف حركت كرده است. تعداد بسيار زيادی از واحدهای كاملاً ساده   (بعنوان مثال از نورون‌های شبكه عصبی) با عملكرد همزمان خود (موازی) رفتار   هوشمند را سبب می شوند. بنابراين تقابل هوشمندی مصنوعی و هوشمندی طبيعی   حداقل در حال حاضر تقابل پيچيدگی فوق العاده و سادگی فوق العاده است. اين   مساُله هم اكنون كاملاً به صورت يك جنجال(debate) علمی در جريان است.
در   هر حال حتی اگر بپذيريم كه كامپيوتر در نهايت ماشين هوشمند مورد نظر ما   نيست، مجبوريم برای شبيه‌سازی هر روش يا ماشين ديگری از آن سود بجوييم.


افق‌های هوش مصنوعی

در 1943،Mcclutch (روانشناس، فيلسوف و شاعر) و Pitts (رياضيدان) طی  مقاله‌ای، ديده‌های آن روزگار درباره محاسبات، منطق و  روانشناسی عصبی را  تركيب كردند. ايده اصلی آن مقاله چگونگی انجام اعمال  منطقی به وسيله اجزای  ساده شبكه عصبی بود. اجزای بسيار ساده (نورون‌ها) اين  شبكه فقط از اين  طريق سيگنال های تحريك (exitory) و توقيف (inhibitory) با هم درتماس بودند.  اين همان چيزی بود كه بعدها دانشمندان كامپيوتر آن را مدارهای (And) و  (OR) ناميدند و طراحی اولين كامپيوتر در 1947 توسط فون نيومان عميقاً از آن  الهام می‌گرفت.
امروز پس از گذشته نيم‌قرن از كار Mcclutch و Pitts  شايد بتوان گفت كه اين كار الهام بخش گرايشی كاملاً پويا و نوين در هوش  مصنوعی است.
پيوندگرايی (Connectionism) هوشمندی را تنها حاصل كار موازی  و هم‌زمان و در عين حال تعامل تعداد بسيار زيادی اجزای كاملاً ساده به هم  مرتبط می‌داند.
شبكه‌های  عصبی كه از مدل شبكه عصبی ذهن انسان الهام  گرفته‌اند امروزه دارای  كاربردهای كاملاً علمی و گسترده تكنولوژيك شده‌اند  و كاربرد آن در  زمينه‌های متنوعی مانند سيستم‌های كنترلی، رباتيك، تشخيص  متون، پردازش  تصوير،… مورد بررسی قرار گرفته است.
علاوه  بر اين كار  بر روی توسعه سيستم‌های هوشمند با الهام از طبيعت (هوشمندی‌های  ـ غير از  هوشمندی انسان) اكنون از زمينه‌های كاملاً پرطرفدار در هوش  مصنوعی است.
الگوريتم   ژنيتك كه با استفاده از ايده تكامل داروينی و انتخاب طبيعی پيشنهاد شده   روش بسيار خوبی برای يافتن پاسخ به مسائل بهينه سازيست. به همين ترتيب   روش‌های ديگری نيز مانند استراتژی‌های تكاملی نيز (Evolutionary  Algorithms) در اين زمينه پيشنهاد شده اند.
دراين  زمينه هر گوشه‌ای  از سازو كار طبيعت كه پاسخ بهينه‌ای را برای مسائل يافته  است مورد پژوهش  قرار می‌گيرد. زمينه‌هايی چون سيستم امنيتی بدن انسان (Immun System)  كه  در آن بيشمار الگوی ويروس‌های مهاجم به صورتی هوشمندانه ذخيره می‌شوند و   يا روش پيدا كردن كوتاه‌ترين راه به منابع غذا توسط مورچگان (Ant Colony)  همگی بيانگر گوشه‌هايی از هوشمندی بيولوژيك هستند.
گرايش  ديگر هوش  مصنوعی بيشتر بر مدل سازی اعمال شناختی تاُكيد دارد (مدل سازی  نمادين يا  سمبوليك) اين گرايش چندان خود را به قابليت تعمق بيولوژيك  سيستم‌های ارائه  شده مقيد نمی‌كند.
CASE-BASED REASONING يكی از گرايش‌های فعال در  اين شاخه می‌باشد. بعنوان مثال روند استدلال توسط يك پزشك هنگام تشخيص يك  بيماری كاملاً شبيه به CBR است به اين ترتيب كه پزشك در ذهن خود تعداد  بسيار زيادی از شواهد  بيماری‌های شناخته شده را دارد و تنها بايد مشاهدات  خود را با نمونه‌های  موجود در ذهن خويش تطبيق داده، شبيه‌ترين نمونه را به  عنوان بيماری بيابد.
به اين ترتيب مشخصات، نيازمندی‌ها و توانايی‌های CBR به عنوان يك چارچوب كلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.
البته   هنگامی كه از گرايش‌های آينده سخن می‌گوييم، هرگز نبايد از گرايش‌های   تركيبی غفلت كنيم. گرايش‌هايی كه خود را به حركت در چارچوب شناختی يا   بيولوژيك يا منطقی محدود نكرده و به تركيبی از آنها می‌انديشند. شايد  بتوان  پيش‌بينی كرد كه چنين گرايش‌هايی فرا ساختارهای (Meta –Structure)  روانی را براساس عناصر ساده بيولوژيك بنا خواهند كرد.