تاریخچه هوش مصنوعی و آینده‌ای که برای‌مان رقم می‌زند

برای مدت طولانی، هوش مصنوعی یک مفهوم آینده‌نگرانه به نظر می‌رسید. اما خوشبختانه، آینده اکنون اینجاست. در این مقاله قصد داریم به تاریخچه هوش مصنوعی بپردازیم.

هوش مصنوعی موضوعی است که همه در مورد آن صحبت می‌کنند. در واقع، یک مطالعه از مرکز تحقیقات پیو نشان می‌دهد که ۲۸٪ از آمریکایی‌ها حداقل یک بار در روز یا چند بار در هفته از هوش مصنوعی استفاده می‌کنند. این‌درحالی‌است که یک دهه پیش، هوش مصنوعی برای افراد عادی بیشتر شبیه به داستان‌های علمی-تخیلی بود تا واقعیت.

امروز می‌توانید با استفاده از چت‌بات‌های هوش مصنوعی در عرض چند ثانیه مشکلات خود را حل کنید و حتی با برنامه‌هایی مانند Midjourney تصاویر را از صفر خلق کنید. همچنین، غول‌های فناوری مانند گوگل و متا به همراه دیگران، دائماً روش‌های جدیدی برای استفاده از هوش مصنوعی ارائه می‌دهند. ما اکنون عملاً در “عصر هوش مصنوعی” هستیم.

اما چگونه هوش مصنوعی از یک مفهوم تخیلی به واقعیت تبدیل شد؟ در این مقاله، به تاریخچه هوش مصنوعی و اینکه چگونه تکامل یادگیری ماشینی در حال تغییر است، می‌پردازیم.

آلن تورینگ می‌پرسد آیا ماشین‌ها می‌توانند فکر کنند؟

هوش مصنوعی، مانند هر چیز دیگری در اطراف ما، با یک ایده آغاز شد و شخصی که پشت این ایده بود کسی نیست جز آلن تورینگ. تورینگ اولین کسی بود که این سؤال را مطرح کرد: “آیا ماشین‌ها می‌توانند فکر کنند؟”

در مقاله‌ای طی سال ۱۹۵۰ به نام “ماشین‌های محاسباتی و هوش”، تورینگ پیشنهاد داد که اگر یک ماشین بتواند مکالمه‌ای شبیه به انسان داشته باشد، ممکن است هوشمند در نظر گرفته شود. او سپس یک آزمون معیاری به نام “بازی تقلید” ارائه داد که امروزه به‌عنوان آزمون تورینگ شناخته می‌شود. برای گذراندن این آزمون، یک کامپیوتر باید از طریق مکالمات زبان طبیعی، رفتاری غیرقابل تشخیص از انسان نشان دهد. این آزمون دانشمندان را به این نتیجه رساند که بهترین رویکرد برای هوش ماشینی، مطالعه رفتار انسان و افزودن آن به ماشین‌ها است. زمانی که این موضوع روشن شد، زبان به مرکز توجه سیستم‌های هوش مصنوعی تبدیل شد و این موضوع حتی امروز هم صادق است.

بر اساس این کشف، برنامه‌هایی مانند Logic Theorist و ELIZA ساخته شد. این برنامه‌ها اولین نشانه‌های هوش ماشینی و پردازش زبان طبیعی را نشان دادند. Logic Theorist توسط آلن نیوول و هربرت سایمون در سال ۱۹۵۶ برای حل مسائل ریاضی ساخته شد. از سوی دیگر، ELIZA یک برنامه پردازش زبان طبیعی بود که در سال ۱۹۶۶ ساخته شد و می‌توانست مکالمات شبیه به انسان را شبیه‌سازی کند. این‌ها فقط نمونه‌ای از اولین نشانه‌های اثر دومینویی بودند که تورینگ آغازگر آن بود.

کنفرانس دارتموث، نقطه شروع هوش مصنوعی

آلن تورینگ نمی‌تواند تمام اعتبار را به خود اختصاص دهد. اگرچه او جرقه اولیه را زد، اما کنفرانس دارتموث در سال ۱۹۵۶ شعله‌های آن را روشن‌تر کرد. این رویداد که توسط جان مک‌کارتی، ماروین مینسکی، ناتانیل راچستر و کلود شانون سازمان‌دهی شده بود، واقعاً هوش مصنوعی را به عنوان یک رشته علمی تثبیت کرد. در واقع، در همین کنفرانس بود که جان مک‌کارتی اصطلاح “هوش مصنوعی” را ابداع کرد. کلود شانون پیش‌تر دستگاهی به نام “تئوس” اختراع کرده بود که یک موش رباتیک بود و یکی از اولین نمونه‌های یادگیری ماشینی محسوب می‌شد. این موش برنامه‌ریزی شده بود تا مازها را حل کند و می‌توانست به جلو حرکت کند یا در زاویه ۹۰ درجه بچرخد.

با اینکه این کنفرانس به پیشرفت‌های فناورانه فوری منجر نشد، ایده‌های آن دهه‌ها تحقیق را الهام‌بخشید و تا به امروز برای هوش مصنوعی اهمیت دارد. برخی از مباحث مطرح‌شده در دارتموث پایه‌گذار سیستم‌های اولیه‌ای مانند منطق نمادین و برنامه‌های مبتنی بر قواعد شدند که Logic Theorist و ELIZA نیز از آن‌ها الهام گرفته‌اند. نتایج این کنفرانس دهه‌ها بر این حوزه حاکم بود، اما تنها دانشگاهی نبود که نقش حیاتی در توسعه هوش مصنوعی ایفا کرد.

میراث رباتیک استنفورد

در صحبت از دانشگاه‌های برجسته، نمی‌توان از سهم عظیم دانشگاه استنفورد در یادگیری ماشینی و توسعه غافل شد. ربات استنفورد کارت و شِیکی (Shakey) نمونه‌های کاملی از این دست هستند.

ربات استنفورد کارت یک ربات کوچک چرخ‌دار بود که ابتدا در دهه ۱۹۶۰ به عنوان یک وسیله کنترل از راه دور ساخته شد. در دهه ۱۹۷۰، محققان آن را به رباتی تبدیل کردند که قادر به ناوبری مستقل در محیط خود بود و به دوربین‌ها و یک رایانه اولیه مجهز شده بود. اگرچه این ربات بسیار کند و ممکن بود چند ساعت طول بکشد تا یک اتاق را طی کند، اما این موضوع چندان اهمیت نداشت، زیرا هدف اصلی آن عملکرد نبود، بلکه اثبات تئوری بود. این پروژه نشان می‌داد که ماشین‌ها می‌توانند محیط را تفسیر کنند، واکنش نشان دهند و تصمیم بگیرند. این نقطه عطف مهم در نهایت به خودروهای خودران منجر شد، البته در سطحی بسیار پیشرفته‌تر.

شِیکی ربات دیگری بود که در زمینه هوش مصنوعی و رباتیک معجزه‌آسا بود. تقریباً در همان زمان که استنفورد کارت توسعه یافت، موسسه تحقیقات استنفورد نیز یکی از قدیمی‌ترین و نمادین‌ترین محصولات خود را معرفی کرد. شِیکی از دوربین‌ها، حسگرها و یک سیستم هوش مصنوعی اولیه به نام STRIPS (حل‌کننده مسئله موسسه تحقیقات استنفورد) برای ناوبری محیط و برنامه‌ریزی اقدامات خود استفاده می‌کرد.

استفاده از STRIPS هنوز هم یک ویژگی اصلی در تکنیک‌های حل مسئله خودکار است و عنصری حیاتی از هوش مصنوعی امروزی محسوب می‌شود. برخلاف استنفورد کارت، شِیکی می‌توانست پس از استدلال برنامه خود را تغییر دهد و این ویژگی او را به اولین رباتی تبدیل کرد که از ادراک، برنامه‌ریزی و اجرا استفاده می‌کرد. این همان فناوری است که سیستم‌های خودکار امروزی مانند ربات‌های Proteus آمازون از آن بهره می‌برند. نشانه‌های توسعه هوش مصنوعی هرگز امیدوارکننده‌تر به نظر نمی‌رسید، تا اینکه این امید کاهش یافت.

زمستان‌ هوش مصنوعی

هوش مصنوعی پس از مقاله تورینگ پیشرفت زیادی کرد و در اوایل کار نشانه‌های امیدوارکننده زیادی دیده می‌شد، اما این وضعیت در طول زمستان‌های هوش مصنوعی تغییر کرد. در این دوره‌ها، پیشرفت کند شد، بودجه کاهش یافت و علاقه به هوش مصنوعی از بین رفت. اولین زمستان هوش مصنوعی در دهه ۱۹۷۰، تقریباً بین سال‌های ۱۹۷۴ تا ۱۹۸۰ رخ داد. در این دوره، محققان در تبدیل نظریه به واقعیت با مشکل مواجه بودند.

این موضوع عمدتاً به‌دلیل محدودیت‌های فناوری آن زمان بود. عواملی مانند کامپیوترهای کند، ذخیره‌سازی ناکافی داده‌ها و حسگرهای غیرقابل‌اعتماد توسعه هوش مصنوعی را مختل کردند. در حالی که برخی از محققان از این محدودیت‌ها آگاه بودند، روایت عمومی و تصور عمومی اغلب به سمت انتظارات اغراق‌آمیز متمایل بود. ادعاهایی مبنی بر اینکه هوش مصنوعی طی چند سال به هوش انسانی می‌رسد و سیستم‌های خودمختار فراگیر خواهند شد، این انتظارات را تقویت کرد. اما موفقیت‌های اولیه با سیستم‌هایی مانند شِیکی و Logic Theorist به پیشرفت‌های پیش‌بینی‌شده در قدرت محاسباتی منجر نشد. هنگامی که این ادعاهای جاه‌طلبانه محقق نشدند، تردید میان سرمایه‌گذاران ایجاد شد.

دومین زمستان هوش مصنوعی بین اواخر دهه ۱۹۸۰ و اواسط دهه ۱۹۹۰ رخ داد. برخلاف زمستان اول، این بار دلیل اصلی، ظهور سیستم‌های پیشرفته بود. سیستم‌های هوشمند نرم‌افزاری بودند که برای تقلید از تصمیم‌گیری انسانی در زمینه‌های تخصصی مانند پزشکی و امور مالی طراحی شده بودند. اگرچه این سیستم‌ها در برخی محیط‌ها به خوبی کار می‌کردند، اما گران، شکننده و در مواجهه با شرایط پیچیده دچار مشکل می‌شدند و درست مانند زمستان‌های اول، ناکامی آن‌ها باعث شد کسب‌وکارها ارزش آن را زیر سؤال ببرند و اعتماد به هوش مصنوعی کاهش یابد.