رايانه مي تواند فکر کند؟
منبع:روزنامه جام جم
در هوش مصنوعي براي شروع کار ، تعريفي عملي از هوش ارائه مي شود. معمولا فلاسفه به تعاريف مفهومي بيشتر رغبت دارند و دوست دارند مفهوم هوش و عقل و غيره را روشن کنند. اما بنا به دلايلي ، متخصصان هوش مصنوعي تعريف عملي را برگزيده اند. يک دليل اين گزينش به اين نکته برمي گردد که نزاعهاي مفهومي ؛ يا نزاع براي تعريف مفاهيم فايده چنداني ندارد و غالبا بي نتيجه پايان مي يابد. اگر بخواهيم با تعريف مفاهيم هوش و تفکر رابطه آنها را بيابيم و ببينيم آيا هوش همان تفکر است يا نه ، بيشتر در نزاعي لفظي درگير خواهيم شد. زيرا بي ترديد دو واژه مذکور از لحاظ مفهومي تفاوت دارند و يک چيز را نمي رسانند و ادعاي آنان ، تساوي مفهومي اين دو واژه نيست.بلکه چنان که بعدا توضيح خواهيم داد ، به نظر آنان اين دو اصطلاح يک حقيقت قابل اندازه گيري را نشان مي دهند.
ويژگي هاي هوش مصنوعي
هوش مصنوعي براي حل مساله برنامه خاصي را دنبال مي کند. توجه به ويژگي هاي هوش مصنوعي در مقام استفاده از اين نوع برنامه ها سودمند است. 5 ويژگي از ميان آنها اهميت خاصي دارند:
بازنمايي نمادين: ويژگي اول اين است که هوش مصنوعي از نمادهاي عددي در حل مسائل استفاده مي کند. هوش مصنوعي بر پايه دستگاه دوگاني ؛ صفر و يک مسائل را حل مي کند. از اين رو برخي مخالفان گفته اند مهمترين نقص هوش مصنوعي آن است که غير از عدد صفر و يک را نمي فهمد. به تعبير ديگر ، رايانه فقط بله يا نه را مي فهمد و نمي تواند حالات واسطه بين آن دو را بفهمد.در مقابل طرفداران هوش مصنوعي گفته اند هوش طبيعي (هوش انسان) هم بر پايه دستگاه دوگاني پديده ها و امور مختلف را مي فهمد؛ اگر سلولهاي عصبي انسان را بررسي کنيم ، درمي يابيم فهم بشري بر حالت دوگاني استوار شده است و دستگاه عصبي مفاهيم و تصورات را به صورت حالات دوگاني تبديل مي کند. البته نشان دادن نحوه اين تبديل در مفاهيم و ادراکات پيچيده دشوار است. اما بررسي برنامه هاي هوش مصنوعي فهم اين امر دشوار را آسان کرده است.
روش اکتشافي: ويژگي دوم هوش مصنوعي به نوع مسائلي که حل مي کند ، مربوط مي شود. اين مسائل معمولا راه حل الگوريتمي ندارند. مراد از الگوريتم سلسله اي از مراحل منطقي است که به حل مساله مي انجامد. هوش اين مراحل را گام به گام طي مي کند تا به حل مساله دست مي يابد. به عبارت ديگر ، در الگوريتم پيمودن اين مراحل به طور طبيعي رسيدن به نتيجه را تضمين مي کند. مسائلي که هوش مصنوعي حل مي کند ، معمولا راه حل الگوريتمي ندارند ؛ به اين معنا که معمولا نمي توانيم براي حل اين مسائل الگوريتمي يا به عبارت ديگر ، سلسله اي از مراحل منطقي را بيابيم که پيمودن آنها رسيدن به نتيجه را تضمين کند.از اين رو، هوش مصنوعي در حل مسائل به روش اکتشافي ؛ يعني به روشي که پيمودن آن رسيدن به نتيجه را تضمين نمي کند ، روي مي آورد.
هوش مصنوعي بر پايه دستگاه دوگاني مسائل را حل مي کند مخالفان مي گويند مهمترين نقص هوش مصنوعي آن است که غير از عدد صفر و يک را نمي فهمد در روش اکتشافي راههاي متعددي براي حل مساله وجود دارد که اختيار يکي از آنها باز مجالي براي اختيار ديگر راهها باقي مي گذارد و پيمودن يکي از آنها مانع از روي آوردن به بقيه نمي شود. درنتيجه ، برنامه هايي که راه حل تضميني دارند جزو برنامه هاي رايانه اي به شمار نمي آيند. هوش مصنوعي بر پايه دستگاه دوگاني مسائل را حل مي کند مخالفان مي گويند مهمترين نقص هوش مصنوعي آن است که غير از عدد صفر و يک را نمي فهمد مثلا برنامه هاي حل معادلات درجه دوم جزو برنامه هاي رايانه اي به شمار نمي آيد ؛ زيرا براي حل آن الگوريتم خاصي وجود دارد.
برنامه هاي بازي شطرنج زمينه پر خير و برکتي براي هوش مصنوعي بوده است ؛ زيرا روش شناخته شده اي براي تعيين بهترين حرکت در مرحله خاصي از اين بازي وجود ندارد. زيرا اولا تعداد احتمالات موجود در هر حالتي تا حدي زياد است که نمي توان جستجوي کاملي را انجام داد. ثانيا آگاهي ما از منطق حرکتهايي که بازيکنان انجام مي دهند ، بسيار اندک است. اين ناآگاهي تا حدي به ناخودآگاهانه بودن اين حرکتها برمي گردد و البته در برخي موارد هم بازيکنان از روي عمد منطق خود را آشکار نمي کنند.
هربرت دريفوس يکي از مخالفان هوش مصنوعي با توجه به نکته فوق ادعا کرده است که هيچ برنامه اي براي رسيدن به سطح يک بازيگر خوب شطرنج وجود ندارد. اما ظهور برنامه هاي پيشرفته شطرنج از سال 1985 به بعد خطاي ادعاي دريفوس را روشن ساخت.
بازنمايي معرفت: برنامه هاي هوش مصنوعي با برنامه هاي آماري در بازنمايي معرفت تفاوت دارند ؛ به اين معنا که برنامه هاي نخست از تطابق عمليات استدلالي نمادين رايانه با عالم خارج حکايت مي کنند. مي توانيم اين نکته را با مثال ساده اي توضيح دهيم.
بازنمايي معرفت عنواني براي مجموعه اي از مسائل راجع به معرفت است از قبيل:
1- معرفت مورد نظر در هوش مصنوعي چيست ، چه انواعي و چه ساختاري دارد؟
2- چگونه بايد معرفت را در رايانه بازنمايي کرد؟
3- بازنمايي چه نوع معرفتي را آشکار مي سازد؟ و چه چيزي مورد تاکيد قرار مي گيرد؟
4- معرفت را بايدچگونه به دست آوردوچگونه بايدتغييرداد؟
اطلاعات ناقص: هوش مصنوعي مي تواند در حالتي که همه اطلاعات مورد نياز در دسترس نيستند ، به حل مساله دست بيابد. اين حالت در بسياري از موارد پزشکي رخ مي دهد اطلاعاتي که پزشک براي تشخيص بيماري در دست دارد ، تشخيص بيماري را ممکن نمي کند و او هم فرصت زيادي براي درمان ندارد. از اين رو بايد سريعا تصميمي بگيرد. نبود اطلاعات لازم موجب مي شود نتيجه به دست آمده غيريقيني باشد و يا احتمال خطا در آن باشد. معمولا ما در زندگي عملي با فقدان اطلاعات لازم تصميماتي را مي گيريم و همواره احتمال خطا در اين تصميمات وجود دارد. اطلاعات متناقض: هوش مصنوعي مي تواند درصورتي که با اطلاعات متناقض روبه رو شود حل مناسبي براي مساله پيدا کند. هوش مصنوعي در چنين موردي بهترين راه را براي حل مساله و رفع تناقض انتخاب کند.
دو فرضيه در هوش مصنوعي
در هوش مصنوعي فرضيه هاي بسياري مورد بحث قرار مي گيرد. در ميان اين فرضيه 2 فرضيه در مقايسه با بقيه کليدي ترند. فرضيه نخست نسبت به فرضيه دوم معتدل تر و ادعايي حداقلي دربر دارد. اين دو فرضيه به ترتيب عبارتند از:1- فرضيه دستگاه نمادها: مفاد اين فرضيه اين است که: «رايانه را مي توانيم به نحوي برنامه ريزي کنيم که بينديشد». تقرير ديگر از فرضيه فوق اين است که: «رايانه مي تواند بينديشد.»
2- فرضيه قوي دستگاه نمادها: مفاد اين فرضيه هم چنين است :«تنها رايانه مي تواند فکر کند»
پيداست که فرضيه دوم در مقايسه با فرضيه نخست افراطي تر است و ادعايي حداکثري دربر دارد. چرا که بر طبق آن ، هر چيزي که فکر مي کند ، حتي موجودات طبيعي ، بايد رايانه باشد. از اين رو ذهن بشر هم دستگاهي جامع از نمادهاست و تفکر بشر هم از لحاظ ماهيت با تفکري که درخصوص رايانه به کار مي رود ، تفاوت ندارد. در هر دو مورد تفکر همان توانايي دستکاري و جابه جا کردن نمادهاست.
