آیا کامپیوتر مي تواند جایگزینی برای انسان باشد؟

هوش مصنوعی

بشر همواره مجذوب چگونگي عمل‌كرد مغز خود بوده و تمايل داشته است ماشيني خلق كند كه كاركردي همانند مغز داشته و هوش‌مند باشد. با وجود اين، چنين آرزويي تا سال 1941 كه كامپيوتر ظهور كرد و به دنبال آن فن‌آوري لازم براي عملي كردن آن پديد آمد، به حيطه انديشه‌هاي قابل تحقق وارد نشد.
همه ما زمانی را به خاطر مى‌‌‌آوريم كه تصوير ذهنى‌‌‌مان از كامپيوتر ، تصور ماشينى‌‌ هوشمند و پيچيده بود؛ ماشينى‌‌ كه پاسخ بسيارى‌‌ از سئوالات را مى‌‌‌داند و آنچه را كه نمى‌‌‌داند نيز مى‌‌‌آموزد. اين ماشين هوشمند، گاه مشاورﻯ همه‌چيزدان بود كه در تمامى‌‌ مسائل، بهتر از ما تصميم مى‌‌‌گرفت(تنها با اين اشكال كه كمى‌‌ بى‌‌‌احساس بود!)، گاه محاسبه‌گرﻯ توانا كه دقيق‌‌ترين و ظريف‌‌ترين نكات علمى‌‌ را درمى‌‌‌يافت، و گاه بيگانه‌اﻯ خشن، وتنها هدفش نابودﻯ نوع بشر.
تنها، نوشتن اولين خطوط يك برنامه ساده و يا پياده سازﻯ يك الگوريتم ابتدايى‌ لازم بود تا اين تصور ساده انگارانه پايان پذيرد و جاﻯ خود را به تصور واقعى‌ترﻯ از كامپيوتر بدهد: «يك ماشين محاسبه گر». اين ماشين تنها آنچه را بدان سپرده ايم به ما بازپس مى‌دهد، مرتب شده و سامان يافته، اما بدون هيچ خلاقيتى‌.
اما سواﻯ اين داستان پردازﻯها و تخيلات كه در خام‌ترين شكل خود نوعى‌ سرگرمى‌ مدرن و در جدﻯ‌ترين شكل آن محل مباحث شبه فلسفى‌ است، بايد ديد هوش مصنوعى‌ به عنوان يك علم چيست و دستاوردهاﻯ مشخص و معين تئوريك و تكنولوژيك آن تا به امروز چه چيزهايى‌ بوده است. فراتر از آن اين كه هوش مصنوعى‌ در حال پيمودن چه مسيرﻯ است.
آنچه محل پرسش و تأمل جدﻯ است اين كه آيا در نهايت ماشين‌هايى‌ خواهيم داشت كه چون انسان بينديشند؟، و مهم‌تر آن كه اگر اساساً چنين هدفى‌ قابل دستيابى‌ است، اينك علم و تكنولوژﻯ در كجاﻯ اين مسير هستند؟ و اگر دستيابى‌ به آن مقدور نيست، سمت و سوﻯ آينده هوش مصنوعى‌ به كجاست؟
پيدايش رايانه در صحنه زندگي بشر تحولات عمده اي را به وجود آورد ، حوزه فلسفه نيز از اين تحولات بي نصيب نبوده است. فلاسفه پرسشهاي فلسفي زيادي راجع به تفاوت هاي ذهن انسان با رايانه مطرح کرده اند که همه آنها به طرح بحث هوش مصنوعي انجاميد.
هوش مصنوعي (Artificial Intelligence) که به اختصار AIخوانده مي شود ، يکي از جذاب ترين شاخه هاي تحقيقاتي فلسفي است.
هوش مصنوعی (artificial intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گونه‌گونه و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شده بود.
بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود. در آغاز چنین به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین اموری را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین آن‌ها به انجام رسانند.
هنوز تعریف دقیقی که مورد قبول همهٔ دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایهٔ تعجّب نیست. هوش هنوز بطور همه‌جانبه و فراگیر تن به تعریف نداده‌است. در واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که: هوش چیست؟
اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از ۴ باور زیر قرار می‌گیرند:
سیستم‌هایی که به طور منطقی فکر می‌کنند
سیستم‌هایی که به طور منطقی عمل می‌کنند
سیستم‌هایی که مانند انسان فکر می‌کنند
سیستم‌هایی که مانند انسان عمل می‌کنند
حال سعي مي‌كنيم هوش مصنوعي را به صورت علمي‌تر بررسي كنيم. در روان‌شناسي، هوش انسان چنين تعريف مي‌شود: قابليت عمومي درك و استدلال يا به بيان ديگر كلّ قابليت يك فرد براي فعاليّت هدف‌مند، تفكّر منطقي و برخورد كارآمد با محيط. اصطلاح هوش مصنوعي در سال 1956 توسّط جان مك كارتي ابداع شد. او هوش مصنوعي را چنين تعريف كرد: توانايي است كه به ماشين، هوش‌مندي نوع انسان يا حيوان را مي‌دهد، به نحوي كه ماشين به اهدافش برسد؛ يا به صورت دقيق‌تر مي‌توان آن را چنين بيان كرد: هوش مصنوعي شاخه‌اي از علم كامپيوتر است كه ملزومات محاسباتي مورد نياز را براي اعمالي مانند ادراك، مشاهده، استدلال و يادگيري مورد بررسي قرار داده و سيستم‌هايي را پياده‌سازي مي‌كند كه در اين زمينه‌ها مورد بهره‌برداري قرار مي‌گيرند. هوش مصنوعي گاهي مشابه‌سازي هوش انسان است، امّا هميشه چنين نيست، چرا كه محققان هوش مصنوعي مي‌توانند هم از روش‌هايي استفاده كنند كه در انسان ديده شده و هم روش‌هايي را به كار برند كه جزء كاركردهاي انسان نبوده و يا انسان قادر به انجام آن نيست.
و در نهايت تعريف آخر هوش مصنوعي از قرار زير است: هوش مصنوعي، مطالعه روش‌هايي است براي تبديل كامپيوتر به ماشيني كه بتواند اعمال انجام شده توسّط انسان را انجام دهد. به اين ترتيب مي‌توان ديد كه دو تعريف آخر كاملاً دو چيز را در تعريف نخست واضح كرده‌اند:
1. منظور از موجود يا ماشين هوش‌مند، چيزي شبيه انسان است. 2. ابزار يا ماشيني كه قرار است محمل هوش‌مندي باشد يا به انسان شبيه شود، كامپيوتر است.
هر دوي اين نكات كماكان مبهم و قابل پرسش هستند. آيا تنها اين نكته كه هوش‌مندترين موجودي كه مي‌شناسيم، انسان است كافي است تا هوش‌مندي را به تمامي اعمال انسان نسبت دهيم؟ حدّاقل اين نكته كاملاً واضح است كه بعضي جنبه‌هاي ادراك انسان هم‌چون ديدن و شنيدن كاملاً ضعيف‌تر از موجودات ديگر است. علاوه بر اين، كامپيوترهاي امروزي با روش‌هايي كاملاً مكانيكي يا منطقي توانسته‌اند در برخي جنبه‌هاي استدلال، فراتر از توانايي‌هاي انسان عمل نمايند. بدين ترتيب، آيا مي‌توان در همين نقطه ادّعا كرد كه هوش مصنوعي تنها نوعي دغدغه علمي يا كنجكاوي دانش‌مندانه است و قابليت تعمق مهندسي ندارد؟
امّا همين سؤال را مي‌توان از سويي ديگر نيز مطرح ساخت كه چگونه مي‌توان يقين حاصل كرد كه كامپيوترهاي امروزين، بهترين ابزارهاي پياده‌سازي هوش‌مندي مي‌باشند؟ رؤياي طرّاحان اوّليه كامپيوتر از بابيج تا تورينگ، ساختن ماشيني بود كه قادر به حلّ تمامي مسائل باشد؛ البته ماشيني كه در نهايت ساخته شد ؛ به جز دسته‌اي خاص از مسائل قادر به حلّ تمامي مسائل بود. امّا نكته در اينجا است كه اين تمامي مسائل چيست؟ طبيعتاً چون طرّاحان اوّليه كامپيوتر، منطق‌دانان و رياضي‌دانان بودند، منظورشان تمامي مسائل منطقي يا محاسباتي بود. بدين ترتيب عجيب نيست، هنگامي كه فون‌نيومان سازنده اوّلين كامپيوتر، در حال طرّاحي اين ماشين بود، كماكان اعتقاد داشت براي داشتن هوش‌مندي شبيه به انسان، كليد اصلي منطق نيست، بلكه احتمالاً چيزي خواهد بود شبيه ترموديناميك! به هرحال، كامپيوتر تا به حال به چنان درجه‌اي از پيشرفت رسيده و چنان سرمايه‌گذاري عظيمي بر روي اين ماشين انجام شده است كه به فرض اين كه بهترين انتخاب هم نباشد، حدّاقل سهل‌الوصول‌ترين و ارزان‌ترين و عمومي‌ترين انتخاب براي پياده‌سازي هوش‌مندي مي‌باشد.
بنابراين ظاهراً به نظر مي‌رسد به جاي سرمايه‌گذاري براي ساخت ماشين‌هاي ديگر هوش‌مند، مي‌توان از كامپيوترهاي موجود براي پياده‌سازي برنامه‌هاي هوش‌مند استفاده كرد و اگر چنين شود، لازم است بگوييم كه طبيعت هوش‌مندي ايجاد شده حدّاقل از لحاظ پياده‌سازي، كاملاً با طبيعت هوش‌مندي انساني متناسب خواهد بود، زيرا هوش‌مندي انساني، نوعي هوش‌مندي بيولوژيك است كه با استفاده از مكانيزم‌هاي طبيعي ايجاد شده و نه با استفاده از عناصر و مدارهاي منطقي. در برابر تمامي استدلالات فوق مي‌توان اين نكته را مورد تأمّل و پرسش قرار داد كه هوش‌مندي طبيعي تا بدانجايي كه ما سراغ داريم، تنها بر محمل طبيعي و با استفاده از روش‌هاي طبيعت ايجاد شده است.
طرف‌داران اين ديدگاه تا بدانجا پيش رفته‌اند كه حتي مادّه ايجاد كننده هوش‌مندي را مورد پرسش قرار داده‌اند؛ كامپيوتر از سيليكون استفاده مي‌كند، در حالي كه طبيعت همه جا از كربن سود برده است. مهم‌تر از همه، اين نكته است كه در كامپيوتر يك واحد كاملاً پيچيده مسئوليت انجام كليّه اعمال هوش‌مندانه را به عهده دارد، در حالي كه طبيعت در سمت و سويي كاملاً مخالف حركت كرده است. تعداد بسيار زيادي از واحدهاي كاملاً ساده با عمل‌كرد هم‌زمان خود رفتار هوش‌مند را سبب مي‌شوند. بنابراين تقابل هوش‌مندي مصنوعي و هوش‌مندي طبيعي حدّاقل در حال حاضر تقابل پيچيدگي فوق‌العاده و سادگي فوق‌العاده است. اين مسأله هم اكنون كاملاً به صورت يك جنجال علمي در جريان است. مدل‌سازي نحوه تفكّر انسان، تنها راه توليد ماشين‌هاي هوش‌مند نيست. هم اكنون دو هدف براي توليد ماشين‌هاي هوش‌مند، متصور است كه تنها يكي از آن دو از الگوي انساني جهت فكر كردن بهره مي‌برد: 1. سيستمي كه مانند انسان فكر كند. اين سيستم با مدل كردن مغز انسان و نحوه انديشيدن انسان توليد خواهد شد و لذا از آزمون تورينگ سر بلند بيرون مي‌آيد. از اين سيستم ممكن است اعمال انساني سر بزند. 2. سيستمي كه عاقلانه فكر كند. سيستمي عاقل است كه بتواند كارها را درست انجام دهد. در توليد اين سيستم‌ها نحوه انديشيدن انسان مدّ نظر نيست. اين سيستم‌ها متّكي به قوانين و منطقي هستند كه پايه تفكّر آن‌ها را تشكيل داده و آن‌ها را قادر به استنتاج و تصميم‌گيري مي‌نمايد. آن‌ها با وجودي كه مانند انسان نمي‌انديشند، تصميماتي عاقلانه گرفته و اشتباه نمي‌كنند. اين ماشين‌ها لزوماً دركي از احساسات ندارند. هم اكنون از اين سيستم‌ها در توليدAgent ها در نرم‌افزارهاي كامپيوتري، بهره‌گيري مي‌شود Agent .تنها مشاهده كرده و سپس عمل مي كند. Agent قادر به شناسايي الگوها و تصميم‌گيري بر اساس قوانين فكر كردن خود است. قوانين و چگونگي فكر كردن هر Agent در راستاي دست‌يابي به هدفش، تعريف مي‌شود. اين سيستم‌ها بر اساس قوانين خاصّ خود فكر كرده و كار خود را به درستي انجام مي‌دهند؛ پس عاقلانه رفتار مي‌كنند، هر چند الزاماً مانند انسان فكر نمي‌كنند. هم اكنون از محصولات هوش مصنوعی در صنايع پزشكي، روبوتيك، پيش‌بيني وضع هوا، نقشه‌برداري و شناسايي عوارض، تشخيص صدا و دست‌خط و بازي‌ها و نرم افزارهاي كامپيوتري استفاده مي‌شود. به نظر محققان پيرامون هوش مصنوعي سرعت و حافظه كامپيوتر نسبت به انسان خيلي بيش‌تر است، امّا ميزان توانايي‌هاي آن بستگي به كارآيي مكانيزم‌هاي هوش‌مندي دارد كه طراحان برنامه در طراحي به كار گرفته‌اند. اگر طراحان مكانيزم‌هاي مورد نظرشان را كاملاً دريافته باشند و به خوبي بتوانند آن‌ها را در برنامه‌هايي به زبان ماشين بيان كنند، ميزان توانايي ماشين مطلوب خواهد بود و اگر چنين نباشد، ماشين كارايي خوبي نخواهد داشت. بنابراين هوش‌مندي ماشين‌ها نيز مانند انسان، انواع و درجات مختلفي دارد. بعضي از مردم فكر مي‌كنند با نوشتن تعداد زيادي برنامه و با استفاده از زبان‌هايي كه هم اكنون براي بيان اطلاعات به كامپيوتر استفاده مي‌شوند، كامپيوترها مي‌توانند به هوش‌مندي نوع انسان برسند. امّا محققان هوش مصنوعي معتقدند براي اين منظور، ايده‌هاي اساسي جديدي لازم است و بنابراين نمي‌توان پيش‌بيني كرد كه چه زماني كامپيوترها به اين هدف مي‌رسند. گروهي از محققان در پي اين انديشه بوده‌اند كه ماشيني غير از كامپيوتر را براي هوش‌مند شدن به وجود آورده و به كار گيرند. اين گروه ماشين‌هايي ساختند و اميدوار بودند كه بتوانند اين ماشين‌ها را به همان صورتي كه برنامه‌هاي كامپيوتري را هوش‌مند مي‌سازند، هوش‌مند كنند. با وجود اين، آن‌ها معمولاً ماشين‌هاي اختراعي خود را روي كامپيوتر مدل‌سازي مي‌كردند. آن‌ها به اين گمان مي‌رسيدند كه ساخت ماشين‌هاي جديد بسيار گران تمام مي‌شود، چون براي افزايش سرعت كامپيوترها هزينه بسيار زيادي صرف مي‌شود و بنابراين نوع ديگر ماشين بايد خيلي سريع باشد كه در مدل‌سازي، بهتر از كامپيوتر عمل كند. گاهي اين سؤال پيش مي‌آيد كه آيا هدف از هوش مصنوعي، گذاردن انديشه انسان در كامپيوتر است. بعضي از محققان همين هدف را دنبال مي‌كنند؛ امّا انديشه انسان مشخصّه‌هاي بسيار زيادي دارد و تاكنون كسي به طور جدّي از تقليد همه آن‌ها در كامپيوتر صحبتي نكرده است. محققان معتقدند زماني كه انسان در انجام بعضي از امور بهتر از ماشين عمل كند و يا آن‌گاه كه كامپيوترها براي داشتن كاركردي مشابه انسان، ناچار به استفاده از تعداد بسيار زيادي محاسبه باشند، در آن صورت طراحان برنامه‌هاي هوش‌مندي ماشين در درك مكانيزم‌هاي هوش‌مندي و بيان آن‌ها به زبان ماشين موفّق نبوده‌اند، بنابراين لازم است برنامه‌هايي با كارآيي بيش‌تر طراحي شود. بعضي از مردم فكر مي‌كنند براي هوش‌مند شدن كامپيوترها، سرعت بيش‌تري لازم است؛ امّا از نظر محققان اگر تسلط كاملي بر طراحي برنامه‌هاي هوش‌مندي وجود داشت، كامپيوترهاي سي سال قبل نيز براي هوش‌مند شدن سرعت كافي داشتند!
بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات, استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم میباشد . در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسایل دریافت شده تلقی میشود. هوش مصنویی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از كامپیوتر و الگوگیری از درک هوش انسانی و نهایتا دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی میباشد.
در مقایسه هوش مصنوعی با هوش انسانی می توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم میباشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی کامپیوتر میباشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده ایم.

بررسی علوم دخيل در هوش مصنوعی

تا بدان جايی كه هوش مصنوعی تنها به بررسی روش های حل مسائل رياضی و مجرد توسط كامپيوتر مى‌پرداخت، مى‌توانستيم قطعاً آن را يكی از زير شاخه های علوم كامپيوتر بدانيم؛ اما امروزه ديگر نمى‌توان با اين قطعيت قضاوت كرد. علومی از قبيل: معرفت شناسی كه در فلسفه ذهن (Epistemology) مطرح است ، عصب شناسی شناختی(Cognitive Neuro Science) و نيز روانشناسی شناخت (Cognitive Psychology) به همراه هوش مصنوعی مجموعه ای تحت عنوان علوم شناختی (Cognitive Science) را تشكيل مى‌دهند. از ديگر سو، رباتيك به عنوان همبسته تكنولوژيك هوش مصنوعی، خود دانشی است كه داده های علوم مكانيك و كامپيوتر و كنترل را يك جا مى‌طلبد.

1. بررسی هوشمندی

چه چيزی در انسان يا هر موجود ديگری آنقدر ويژه و خاص است كه او را با صفت هوشمند از ساير موجودات متمايز مى‌كند؟ آيا چنين صفتی تنها خاص انسان است، يا مى‌توان درجات مختلف آن را به موجودات ديگر نيز نسبت داد. قدر مسلم اين كه از ساده‌ترين رفتار مورچه ها و زنبورها تا رفتارهای پيچيده ميمون ها در تعيين سلسله مراتب پيچيده اجتماعی يا روش های تشخيص الگوهای چند بعدی توسط كبوتران، همگی حاوی درجاتی از هوشمندی هستند(و در بعضی موارد نه چندان كمتر از انسان). بنابر اين پاسخ به اين سئوال كه هوشمندی چيست يا حتی چگونه ايجاد شده است ما را در ساخت يك موجود هوشمند با توانايی تطبيق و عمل در محيط واقعی ياری مى‌دهد.

2.آشنايی با روش های هوشمند و كاربرد آنها در تكنولوژی

آنچه كه باعث شده تا هوش مصنوعی امروزه به عنوان يك رشته مهندسی مطرح باشد اين است كه طيف وسيعی از كاربردهای آن، از رباتيك گرفته تا روش های هوشمند كنترلی مقبوليت وسيعی در صنعت يافته اند. روش هايی همچون منطق فازی [1] ، استرا[2]تژی تکاملی، الگوريتم ژنتيك، شبكه های عصبی مصنوعی ... همگی روش هايی هستند كه با الهام از طبيعت و برای دستيابی به هوشمندی طبيعی طراحی شده اند اما كاربرد عظيمی در مهندسی و صنعت يافته اند. كاربردی كه تا حدود يك دهه قبل حتی گمان آن نيز نمى‌رفت. رباتيك نيز چه در غالب روش های جابجايی بازوهای مكانيكی، و چه در شكل ربات های متحرك(Mobile Robots) در اين بحث جايگاه ويژه ای را به خود اختصاص داده است.

3. بررسی هوش مصنوعی گسترده (Distributed Artificial Intelligence)

يك روش برخورد با مسائل حل آنهاست! بله تعجب نكنيد، اين تنها يك روش مواجهه با مسائل است. بجز اين روش(و البته حل نكردن مسئله!) راه ديگری نيز وجود دارد. فرض كنيد مى‌خواهيم يك ربات متحرك بسازيم كه در شرايط طبيعی حركت كند، مسير انتخاب كند و ...يك روش اين است كه طراح تمامی جزئيات را از ابتدا و به صورت كاملاً دقيق در نظر بگيرد. اين روش منجر به ماشينی كاملاً پيچيده و عموماً غير قابل پياده سازی خواهد شد. ماشينی كه با اندك تغييری در شرايط پيش بينی شده ناكارا خواهد بود. روش ديگر اين است كه مانند خود طبيعت ، ربات بسيار ساده ای طراحی كنيم(گاه به سادگی يك مورچه) و اجازه دهيم تا اين ربات ساده خود مسائل را به جای ما حل كند. يا حتی اجازه دهيم يك اجتماع از ربات ها از طريق تعامل با يكديگر به حل مسائل بپردازند. قانون طلايی در اينجا اين است كه پيچيدگی يك اجتماع، حاصلضرب پيچيدگی تك تك عناصر آن است(تئوری پيچيدگی يا Complexity Theory) ، بنابراين يك اجتماع با عناصر بسيار ساده هم ممكن است به صورت كاملاً پيچيده و هوشمند عمل كند.
بحث های هوش مصنوعی گسترده(DAI) كه اغلب عجين با مبحث عامل های هوشمند(Artificial Agents)است و نيز مباحث زندگی مصنوعی(Artificial Life) به عنوان جديد‌ترين مباحث هوش مصنوعی اينك چه در دنيای رباتيك و چه در دنيای نرم افزارهای كامپيوتری طرفداران زيادی پيدا كرده است (شركت های بزرگی همچون [3] IBM و نيز نهادهای نظامی كشورهای پيشرفته سرمايه گذاری های كلانی در اين زمينه كرده اند).

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.
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.
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.

تاريخچه پيچيده هوش مصنوعى

هوش مصنوعى كارش را با نوعى زيست شناسى مصنوعى آغاز كرده است ، با نگاه كردن به زندگى جانداران و گفتن اينكه … آيا ما مى توانيم اعمال آنها را توسط ماشينها مدل سازى كنيم؟…فرض بر اين بوده است كه موجودات زنده ، سيستمهايى فيزيكى هستند كه ما آنها را مورد آزمايش قرار مى دهيم تا ببينيم در كجا مدل سازى آنها براى ما مفيد است و در كجا مناسب نيست. زيست شناسى مصنوعى به سير تكامل سيستمهاى فيزيكى، فرآيند رشد از كودكى تا بلوغ، تركيبات داخلى عصبى واين قبيل مسايل مى پردازد. يك زير مجموعه از زيست شناسى مصنوعى ، نوعى جانور شناسى مصنوعى است كه رفتارهاى حركتى، بينايى ، آموزشهاى زبان شناسى و برنامه ريزى و غيره را مورد توجه قرار مى دهد. زير مجموعه بعدى آن ، روانشناسى مصنوعى است كه به رفتارهاى بشرى در آنجا كه با استدلال ، زبان و سخنورى ، تمدنهاى اجتماعى و همه مسايل فلسفى مانند حس هوشيارى ، آزادى وغيره سر و كار دارد، مى پردازد. مردم با اعمالى مانند انجام محاسبات رياضى پيچيده واجراى يك بازى خوب شطرنج تحت تاثير قرار مى گيرند، اما در مقايسه با آن ، توانايى راه رفتن چندان مهم به نظر نمى رسد. شما نمى توانيد با افتخار به دوستانتان بگوييد: «نگاه كنيد ، من دارم راه مى روم.» چون آنها هم مى توانند مثل شما راه بروند.بنابراين مشكلاتى كه يك كودك نو پا هر روز با آن دست به گريبان است، به نظر خسته كننده و بسيار پيش پاافتاده مى آيد. بنابراين به نظر مى رسد پيچيده ترين مشكلات، آنهايى است كه نياز به انديشيدن دارد، مانند شطرنج و اثبات قضيه هاى رياضى. اما آنچه در ۵۰-۴۰ سال اخير اتفاق افتاده است، اين بوده كه چيزهايى از قبيل بازى شطرنج به طورى باور نكردنى براى كامپيوترها آسان شده است، در حاليكه ثابت شده است آموزش راه رفتن و حركت كردن بدون افتادن، براى يك كامپيوتر بسيار مشكل است. اعطاى توانايى داشتن احساسات و چيزهاى ناملموس ديگرى كه بيشترين رفتارهاى هوشمند انسانى را طلب مى كند، به ماشينها، بسيار مشكل است. بنابراين حيوانات و كودكان شايد الگوى مناسب و متقاعد كننده اى براى هوش مصنوعى باشند. چند ميليون سال طول كشيده است تا همه چيزهايى كه ما تحت تاثير آنها قرار داريم پديد بيايد و ممكن است الگو بردارى از اعمال ساده وروزمره موجودى زنده به نظر ساده بيايد.

نحوه شکل گیری هوش مصنوعی

بعد از جنگ جهاني دوم، افرادي بدون ارتباط با يك‌ديگر شروع به كار در زمينه ماشين‌هاي هوش‌مند كردند. در سال 1947، تورينگ يك سخن‌راني در همين زمينه ارائه كرد، او احتمالاً اوّلين كسي است كه ادّعا كرد بهترين تحقيقات در اين زمينه بر اساس برنامه‌نويسي كامپيوتر انجام مي‌شود و نه ساخت ماشين. پس از شكل‌گيري هوش مصنوعي، مك كارتي يك كارگاه دو ماهه در كالج Dart Mouth تشكيل داد. اين كارگاه هيچ چيز تازه‌اي به دنبال نداشت؛ امّا همه بنيان‌گذاران هوش مصنوعي را گرد هم آورد و باعث شد پايه‌اي براي تحقيقات بعدي گذارده شود. به دنبال آن موج شديدي از تحقيقات در اين زمينه پديد آمد و مراكز تحقيقات هوش مصنوعي در دانشگاه‌هايي مثل MIT و Carnegie Mellon شكل گرفت. مك كارتي فعاليت‌هاي زيادي در اين زمينه انجام داد. او در سال 1958 يك زبان برنامه‌نويسي سطح بالا به نام ليسپ را نوشت كه هنوز يكي از برجسته‌ترين زبان‌هاي برنامه‌نويسي هوش مصنوعي است. در آن زمان محققان MIT نشان دادند كه اگر كار به يك موضوع اصلي محدود و منحصر شود، برنامه‌هاي كامپيوتري مي‌توانند مسائل فضايي و هم‌چنين مسائل منطقي را نيز حل كنند. در دهه 70 ميلادي، حوزه‌هاي كاري هوش مصنوعي تخصّصي‌تر شد. حوزه‌هايي مثل سيستم‌هاي هوش‌مند، بررسي تكلّم و بينايي كامپيوتر و ... به وجود آمد كه اين امر باعث تحكيم بيش‌تر تئوري‌هاي مربوطه شد. در دهه 80 ميلادي، هوش مصنوعي با گام‌هاي سريع‌تري به پيش رفت. هم‌چنان كه كامپيوترهاي شخصي جاي بيش‌تري بين مردم پيدا كردند و فروش سخت‌افزار در اين زمينه افزايش يافت، مردم با علم و تكنيك مأنوس‌تر شدند. در ابتداي دهه 90 ميلادي، در جنگ خليج فارس هوش مصنوعي مورد آزمايش قرار گرفت. اين آزمايش هم در كارهاي ساده‌اي مثل تجهيز هواپيماهاي باربري و هم در كارهاي پيچيده‌تر مثل زمان‌بندي و هماهنگي عمليات طوفان صحرا انجام گرفت. هم‌چنين سلاح‌هاي پيشرفته‌تر مثل موشك كروز به فن‌آوري‌هايي در زمينه هوش مصنوعي مثل روبوتيك يا بينايي ماشين، مجهز شدند. اكنون در قرن 21 شاهد ورود تدريجي هوش مصنوعي به زندگي مردم هستيم؛ به خصوص كه علاقه به كامپيوتر و بازي‌هاي كامپيوتري روز به ‌روز بيش‌تر مي‌شود. پيشرفت‌هاي نوين در اين زمينه به طور روز افزون در دسترس مردم قرار مي‌گيرد و چه كسي مي‌داند آينده به همراه خود چه به ارمغان خواهد آورد. هوش مصنوعي به خودي خود علمي است كاملاً جوان. در واقع بسياري، شروع هوش مصنوعي را 1950 مي‌‌دانند زماني كه آلن تورينگ مقاله دوران‌ساز خود را در باب چگونگي ساخت ماشين هوش‌مند نوشت. تورينگ در آن مقاله يك روش را براي تشخيص هوش‌مندي پيشنهاد مي‌كرد كه اين روش بيش‌تر به يك بازي شبيه بود. فرض كنيد شما در يك سمت يك ديوار هستيد و به صورت تله تايپ با آن 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 مي‌تواند صورت پذيرد. حال اگر پس از پايان اين مكالمه، به شما گفته شود كه آن سوي ديوار نه يك شخص بلكه يك ماشين بوده كه پاسخ شما را مي‌داده است، آن ماشين يك ماشين هوش‌مند خواهد بود؛ در غير اين صورت ماشين آن سوي ديوار هوش‌مند نيست و موفّق به گذراندن تست تورينگ نشده است. بايد دقت كرد كه تورينگ به دو دليل كاملاً مهم اين نوع از ارتباط را انتخاب كرد. اوّل اين كه موضوع ادراكي صوت را كاملاً از صورت مسأله 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 تأكيد كند. در هر حال هر چند تاكنون تلاش‌هاي متعددي در جهت پياده‌سازي تست تورينگ صورت گرفته مانند برنامه Eliza ياAIML امّا 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: 1. نمونه كامل هوش‌مندي انسان است. 2. مهم‌ترين مشخّصه هوش‌مندي توانايي پردازش و درك زبان طبيعي است. درباره نكته اوّل به تفصيل تا بدين‌جا سخن گفته‌ايم؛ امّا نكته دوم نيز به خودي خود بايد مورد بررسي قرار گيرد. اين كه توانايي درك زبان نشانه هوش‌مندي است، تاريخي به قدمت تاريخ فلسفه دارد.
از نخستين روزهايي كه به فلسفه پرداخته شده زبان هميشه در جاي‌گاه نخست فعاليت‌هاي شناختي قرار داشته است. از يونانيان باستان كه لوگوس را به عنوان زبان و حقيقت يك‌جا به كار مي‌بردند تا فيلسوفان امروزين كه يا زبان را خانه وجود مي‌دانند، يا آن را ريشه مسائل فلسفي مي‌خوانند؛ زبان هم‌واره شأن خود را به عنوان ممتازترين تواناييِ هوش‌مندترين موجودات حفظ كرده است. با اين ملاحظات مي‌توان درك كرد كه چرا آلن تورينگ تنها گذر از اين تست متظاهرانه زباني را شرط دست‌يابي به هوش‌مندي مي‌داند. تست تورينگ اندكي كمتر از نيم قرن هوش مصنوعي را تحت تأثير قرار داد؛ امّا شايد تنها در اواخر قرن گذشته بود كه اين مسأله بيش از هر زمان ديگري آشكار شد كه متخصّصين هوش مصنوعي به جاي حلّ اين مسأله با شكوه ابتدا بايد مسائل كم‌اهميّت‌تري هم‌چون درك تصوير ، درك صوت و ... را حل كنند. به اين ترتيب با به محاق رفتن آن هدف اوّليه، اينك گرايش‌هاي جديدتري در هوش مصنوعي ايجاد شده‌اند.

هوش مصنوعى جديد و هدف گذارى جديد

تحولى در زمينه هوش مصنوعى ، با نامهايى از قبيل زندگى مصنوعى (AL) و رفتارهاى تطبيقى به وجود آمده است كه به ترتيب تلاش مى كنند تا دوباره هوش مصنوعى را در مفهوم زيست شناسى مصنوعى و جانورشناسى مصنوعى قرار دهد.
در اينجا راهكار اصلى اين است كه ، ما بيشتر نياز داريم تا لايه هاى حيوانى رفتارهاى بشرى را بشناسيم و بفهميم، قبل از آنكه بتوانيم روياى هوش مصنوعى را در ايجاد هوشى كامل و متقاعد كننده تحقق بخشيم. هوش مصنوعى، هنوز و مثل هميشه توسط مدلهاى علمى آموزشى رو به پيشرفت است . تلاش هاى بسيار زيادى توسط افرادى مانند راجر پنرز و جرالد ادلمن ، انجام شده است، تا هوش مصنوعى را تكذيب كنند و نشان بدهند اجراى آن غير ممكن است . اما هيچ يك از اين تلاش ها تا كنون به نتيجه نرسيده است و اين تنها به خاطر عدم توافق با تحليلگران فلسفى آنها است و همچنين شايد به اين علت است كه آنها نتوانستند الگوى منطقى و جايگزينى تهيه كنند. پيشرفت ما در علم ، از ساختن اشيا و اجراى آزمايشها حاصل مى شود و خروج ماشينهاى جديد و عجيب از آزمايشگاه هاى هوش مصنوعى ، ابدا پايان نيافته است. بر عكس، اخيرا توسط دستاوردهاى بيولوژيكى جديد تقويت شده است.
در حقيقت هدف گذارى قديمى احيا شده است. پروفسور كوين وارويك اخيرا پيش بينى كرده است كه روشهاى جديد ما را به هوش مصنوعى در سطح بشرى هدايت مى كند. ما تصور مى كنيم كه هنوز هوش مصنوعى در مرحله «فيزيك پيش از نيوتن» است؛ و علت اين است كه راه مشخصى براى رسيدن به هوشى در سطح بشرى ، از طريق ربات هاى بى مصرف قديمى و برنامه هاى نرم افزارى شكننده كه ما امروزه در اختيار داريم، وجود ندارد. يك سرى كنكاشهاى علمى عميق لازم است.

ممكن است هرگز اتفاق نيفتد اما نه به آن دليلى كه شما فكر مى كنيد

افرادى كه فكر مى كنند رباتها دنيا را پريشان مى كنند ، بايد به كنفرانس هاى رباتيك بروند و ببينند كه چگونه رباتها تلاش مى كنند تا فقط راه بروند! آنها به زمين مى خورند ، به ديوارها بر خورد مى كنند و با پاها يا چرخهايشان در هوا معلق هستند. آنها بيشتر درمانده هستند تا تهديد آميز. آنها واقعا شيرين هستند.
ممكن است براى سيستم هاى هوش مصنوعى محدوديتهايى وجود داشته باشد ، اما نه به دليل فرضيه …هوش مصنوعى نيرومند غلط است… ، بلكه به دلايل ديگرى. شما نمى توانيد انتظار داشته باشيد كه هوشمندهاى مصنوعى منفرد و منزوى ، تنها در آزمايشگاهها ، بسازيد؛ مگر اينكه اين موجودات بتوانند فرصت داشتن فرهنگ وتمدنى را داشته باشند كه كنشهاى اجتماعى آنها را با چيزهايى كه شبيه شان هستند، تعريف كند. اما ما نميتوانيم ميليونها از اين روباتها را بسازيم و اين امكان را براى آنها فراهم كنيم كه تمدن، زبان و اجتماعات ابتدايى خود را توسعه دهند. ما نمى توانيم، زيرا زمين قبلا پر شده است.

بنابراين چه اتفاقى مى افتد؟

در سى سال آينده كه انواع جديدى از ماشينهاى القا شده از حيوانات (كه بسيار آشفته تر و غير قابل پيش بينى تر از آنچه تا كنون ديده ايم خواهند بود) به وجود آيند، چه اتفاقى خواهد افتاد؟ اين ماشينها در طول زمان ، در جهت هماهنگ با ما ودنيا ، تغيير خواهندكرد. اين ماشينهاى صامت وشبه حيوان، هيچ شباهتى به انسان ندارند، اما به تدريج شبيه نوعى جانور عجيب ونا آشنا خواهند شد. ماشينهاى شبه جانور چه مشكلاتى خواهند داشت؟ نوعى از مشكلات كه ما با آنها مواجه هستيم ، مقدارى خطا و اغتشاش و نويز است. تمركز ويژه بر روى رفتارهايى خواهد بود كه آموزش آنها آسانتر از انجام آنهاست،( ما مى دانيم كه چگونه راه برويم ، اما نمى توانيم به راحتى توضيح بدهيم چگونه آن را انجام مى دهيم). بدنهاى مختلف ، ديناميكهاى مختلفى دارند. ربات هايى كه مى توانند راه رفتن را ياد بگيرند، مى توانند ساير مهارتهاى حركتى را نيز ، انجام دهند.
برخى از كاربردهاى اين جانوران مصنوعى در كارهايى است كه مردم آنها را خسته كننده يا تكرارى و يا خطرناك مى دانند، مثل : تصفيه زباله هاى سمى ، تصفيه معادن، كشاورزى، استخراج معادن، مين گذارى، انهدام و كاوش هاى رباتى. همچنين هر كارى كه در حال حاضر توسط حيوانات انجام مى شود ، مورد توجه قرار دارد .
ما با رادار ردياب سياره مريخ آشنا هستيم و نمونه هاى ديگرى هم هست كه ما مى توانيم روبات هاى خودكار را نه تنها به مكان هاى ناشناس ، بلكه به ماموريتهاى انتحارى نيز بفرستيم.( البته هيچ ماشينى نمى ميرد، زيرا ما مى توانيم مغز آن را در بدن جديدى راه اندازى كنيم.)
اين كه آيا اين رباتها در آينده جايى در خانه هاى ما خواهند داشت ، سوال جالبى است. اگر اين اتفاق بيفتد، به علت اين خواهد بود كه روباتها مثل نوعى حيوان اهلى رفتار خواهند كرد و بيشتر جذاب خواهند بود تا وحشتناك. اگر موجود زنده شما بميرد ، شما هرگز نمى توانيد يكى ديگر مثل آن را زنده كنيد. ماشينها در آينده شبيه اين خواهند بود و خانواده روباتها بعد از چندين سال مانند يك حيوان اهلى ، غير قابل تعويض خواهند شد.
سخت افزار نيز عامل مهمى در نحوه پيشرفت و ترقى هوش مصنوعى است. هيچ كس يك جارو برقى رباتيك را با قيمت بسيار بالا نمى خرد هر چند كه چشمهاى درشت بسيار زيبايى برروى آن نقاشى شده باشد يا حتى صدايى داشته باشد كه به شما بگويد : … من عاشق شما هستم …!بسيارى از فعاليتهاى فكرى نياز به ايجاد يك حيوان مصنوعى دارند

پيش بينى ها

اجازه دهيد اندكى بعضى از پيش بينى هاى هوش مصنوعى را بررسى كنيم. اولا، خانواده روباتها ممكن است به طور دايم به خانواده اينترنت بى سيم متصل شوند و اطلاعات را به كسانى كه شما مى خواهيد تا از مكان شما آگاه شوند، بدهند. شما هرگز لازم نيست نگران افراد مورد علاقه خود كه دور از شما هستند، باشيد. زيرا شما به طور دايم با آنها در ارتباط هستيد. ممكن است جرم و جنايت مشكل شود ، اگر همه افراد خانواده داراى ماشينهاى وفادار و شبه آگاه باشند. در آينده ما هرگز واقعا تنها نمى شويم .
اندكى پس از اين ، اگر بعضى اسبهاى هوشمند به جاى اتومبيلها قرار بگيرند، هزاران زندگى نجات ميابد. چنانچه ماشينها از عدم تعادل صاحبانشان عصبانى شوند و از رفتن به موقعيتهايى كه آنها در سرعت بالا سقوط مى كنند و خطرناك است ، جلوگيرى كنند. در آينده این افراد قادر خواهند بود از ماشينهايشان مانند اسبهايى وفادار استفاده كنند تا آنها را به خانه هايشان ببرد. و حتی كودكان ، پيرها، افراد ناتوان و نا بينايان همه اين قدرت را خواهند داشت. اگر همه ماشينها شبكه اى بى سيم شوند وانسانها نيازى به رانندگى نداشته باشند ما مقدار بسيار زيادى از سيستمهاى جاده اى ، چراغهاى ترافيكى و... را كنار مى گذاريم و جاده ها مانند قرن ۱۸ كم ترافيك مى شوند.

افق واقعى

امید می رود حيوانات مصنوعى ، روشى را براى ايجاد انسانهاى مصنوعى فراهم كنند . كه البته اين انسانهاى مصنوعى در زمان حيات ما به وجود نخواهند آمد. در چند دهه آينده ، انتظار نداريم كه نسل بشرى منسوخ شود و روباتها جايگزين آن شوند . ما تنها ميتوانيم انتظار داشته باشيم كه هوش مصنوعى ، عمليات بسيار پيشرفته ترى انجام دهد. اما هر زمان كه انتظار داشتن احساسات بشرى را براى آنها داشته باشيم ، مانند گذشته نا اميد خواهيم شد. ما هوش مصنوعى كامل و انسانى را در طول زندگى خود نخواهيم ديد، اما ممكن است فرزندان ما در آينده بتوانند به آن دست پيدا كنند.

پي نوشت :

Fuzzy Logic [1]يا منطق شولا: منطقی كه به جای پاسخ درست يا غلط (دو ارزشی) طيفی از پاسخ‌های درست يا غلط را پيشنهاد می‌كند. اين منطق در دهه 60 توسط پروفسورلطفی‌زاده(ايرانی‌تبار) پيشنهاد شد و امروزه دارای كاربرد وسيعی در زمينه های مختلف كنترلی است.
Evolutional Algorithms [2] روشی كه برای بهينه‌سازی عبارات رياضی از منطقی شبيه به تكامل داروينی استفاده می‌كند.
IBM Agent Builder[3] و نيز Mobile Aglets نمونه چنين تلاش هايی هستند.

منابع:

جام جم آنلاين
www.developercenter.ir
www.itmportal.com

/س