چرا هوش مصنوعی هنوز به‌‌اندازه‌ حیوانات باهوش نیست؟

هوش مصنوعی با وجود پیشرفت‌های قابل‌توجه در سال‌های اخیر، هنوز حتی به‌اندازه‌ی حیوانات خانگی هوشمند نیست و مسیر بلندی در پیش دارد.

اگر نگاهی کلی به عملکرد و رفتار حیوانات خانگی داشته باشیم، متوجه خصوصیت‌های ویژه‌ای در آن‌ها می‌شویم که هنوز راهی برای پیاده‌سازی‌شان در هوش مصنوعی پیدا نکرده‌ایم. شاید با نگاه اول تصور کنید که حیوان خانگی مانند گربه، هیچ کاری به‌حز خوردن و خوابیدن و کمی نظافت خود، بلد نیست. درحالیکه فعالیت‌هایی همچون راه رفتن، دویدن، پریدن، شنیدن، دیدن، تماشا کردن، یاد گرفتن، بازی کردن، مخفی شدن، شاد و ناراحت بودن، ترسیدن، رویاپردازی کردن، خوردن، مبارزه، فرار، بازسازی، آموزش توله‌ها و بسیاری موارد دیگر، همگی هوشمندی یک حیوان خانگی را نشان می‌دهد.

فعالیت‌های متعدد حیوانات خانگی، به‌صورت مستقیم با هوشمندی در تعریف کلی ارتباط ندارند، اما به ادراک و هوش حیوانی مرتبط می‌شوند. همه‌‌ی حیوانات، نوعی از ادراک را تجربه می‌کنند. از عنکبوتی که با تارخود خانه و دام می‌سازد تا سگ‌هایی که مسیر حرکت را به انسان‌ها نشان می‌دهند، همگی سطحی از ادراک دارند. برخی از آن‌ها حتی توانایی برقراری ارتباط با ما را نیز دارند. البته قطعا آن‌ها به‌صورت مستقیم با انسان صحبت نمی‌کنند، اما به‌عنوان مثال سگ‌ها و گربه‌ها راه‌های گوناگونی برای ارتباط با زبان بدن و حتی اصوات و ارائه‌ی تقاضا به انسان‌ها دارند.

بیایید نگاهی به رفتارهای گربه‌ی خانگی داشته باشیم. وقتی گربه به صاحبش نزدیک می‌شود یا نزدیک ظرف غذای همیشگی خود می‌نشیند، قطعا پیامی را منتقل می‌کند. گربه‌ی خانگی در چنین وضعیت‌هایی نیاز به نوازش یا غذا یا حتی تفریح دارد. درواقع گربه آموخته است که برای رسیدن به اهداف خود باید با صاحبش ارتباط برقرار کند.

راه رفتن، مسئله‌ای کاملا پیچیده

ما از میان تمامی فعالیت‌های حیوانات خانگی، تنها درکی اولیه از چگونگی بازتولید مصنوعی برخی از آن‌ها را داریم. به‌عنوان مثال می‌توان به راه رفتن روی دو پا اشاره کرد. شاید چنین فعالیتی از نظر ما کاملا طبیعی و آسان به‌نظر برسد، اما درواقع فرایندی کاملا پیچیده محسوب می‌شود که ذهن متخصصان رباتیک را دهه‌ها به خود مشغول کرد و تحقیقات پیچیده و بسیار زیادی را نیاز داشت؛ تحقیقاتی که درنهایت به ساخت رباتی با توانایی راه رفتن روی دو پا منجر شد. امروز ربات‌های دو پا بر اثر موانع ساده روی زمین نمی‌افتند و حرکت کردن انسان‌ها در فاصله‌ی نزدیک نیز تأثیری روی حرکت آن‌ها ندارد.

ربات

کودک انسان برای یادگیری راه رفتن نزدیک به یک سال زمان نیاز دارد که پیچیدگی مسئله‌ای ظاهرا ساده به‌نام راه رفتن را نشان می‌دهد. فراموش نکنید که درباره‌ی راه رفتن ساده صحبت می‌کنیم. درواقع فعالیت‌های پیچیده‌تر مانند ورزش‌های دویدنی یا جهیدن و فعالیت‌های مشابه، زمان بیشتری نیاز دارند.

امروز یکی از بزرگ‌ترین چالش‌های طراحی ربات خودکار، در طراحی و ساختن ربات‌های دوپا با قابلیت انجام دادن یکی از ورزش‌های تیمی مشهور دیده می‌شود. مسابقات ربوکاپ ۲۰۲۰ که حدود ۳،۵۰۰ محقق و سه هزار ربات دوپا را گردآوری می‌کند، سال آینده در بوردو فرانسه برگزار می‌شود. در آن رقابت‌ها می‌توان ربات‌های متعددی را مشاهده کرد که فوتبال بازی می‌کنند. برای توسعه‌ی چنین ربات‌هایی، پیشرفت‌های متعدد صورت گرفته است، اما هنوز حرکت آن‌ها مصنوعی و ضعیف است و فاصله‌ی زیادی با بازیکنان جام جهانی فوتبال انسان‌ها دارند.

شناسایی به‌معنای درک کردن نیست

درک اجسام، یکی از قابلیت‌های مهم هوشمندی محسوب می‌شود. امروزه ما دانش نوشتن الگوریتم‌های کامپیوتری را داریم که توانایی درک اجسام را دارند. برخی از آن‌ها قطعا می‌توانند محتوای موجود در هر تصویری را شناسایی کنند، اما چنین توانایی هیچ ارتباطی با ادراک جامع یا هوشمندی کامل ندارد.

برای درک پیچیدگی ادراک، باید نگاهی به عملکرد الگوریتم‌های شناسایی داشته باشیم. «یادگیری تحت نظر» یکی از شیوه‌های مشهور در توسعه‌ی الگوریتم‌های هوشمند محسوب می‌شود. در این روش، تصاویر به‌همراه برچسب نشان‌دهنده‌ی محتوای تصویر به برنامه نشان داده می‌شود. تعداد تصاویر، بسیار بیشتر از برچسب‌ها است. درنیتجه هر برچسب به تعداد زیادی تصویر تعلق دارد که جسم مورد نظر را در موقعیت‌های گوناگون، زوایای دید متفاوت و نورپردازی‌های گوناگون، نمایش می‌دهند.

ربات

الگوریتم‌ها باوجود توانایی در شناسایی اجسام، هیچ درکی از طبیعت آن‌ها ندارند

به‌عنوان مثالی از فرایند شناسایی توسط هوش مصنوعی، تصور کنید الگوریتمی برای شناسایی گربه در تصاویر، توسعه می‌دهیم. برای توسعه‌ی چنین الگوریتمی، حدود یک میلیون عکس گربه نیاز داریم. با چنین رویکردی، الگوریتم با محاسبه‌ی میانگینی از تصاویر، یک نمایش داخلی بصری از سوژه‌ی مورد نظر شکل می‌دهد. ازطرفی، نمایش مذکور تنها توضیحی ساده از سوژه خواهد بود و به واقعیت متصل نیست. به‌بیان دیگر، انسان‌ها می‌توانند یک گربه را از موهایش تشخیص دهند. درواقع انواع احساس پنج‌گانه‌ی انسان، در تشخیص سوژه‌ها به او کمک می‌کنند. درواقع حس‌های متفاوت و نشانه‌های گوناگون، نماینده‌ی مفهوم گربه در ذهن ما هستند؛ درحالیکه چنین مواردی برای پیچیده‌ترین و حرفه‌ای‌ترین هوش مصنوعی نیز معنایی ندارند.

هوش مصنوعی برای نزدیک شدن به رویکرد انسان‌ها به بدنی احتیاج دارد که جهان را تجربه می‌کند. در این صورت، آیا الگوریتم بدون تشنه بودن، معنای نوشیدنی را درک می‌کند؟ آیا بدون سوختن، معنای آتش را متوجه می‌شود؟ آیا بدون لرزیدن، درکی از مفهوم سرما خواهد داشت؟ وقتی یک الگوریتم، سوژه‌ای را شناسایی می‌کند، هیچ‌گونه درکی از طبیعت آن ندارد. الگوریتم تنها سوژه را با نمونه‌های قبلی و درواقع تجربه‌های قبلی مشاهده‌ای خود، مقایسه می‌کند.

شاید عدم درک طبیعی هوش مصنوعی، دلیل تصادف‌های متعددی باشد که تاکنون در خودروهای خودران شاهد بوده‌ایم. اگرچه جاده‌ها جهان‌های کاملا محدودشده هستند، پیچیدگی بصری و عملا در آن‌ها در سطح بالایی قرار دارد. کاربران حساس همچون پیاده‌رو‌ها و دوچرخه‌‌سوارها به‌راحتی نادیده گرفته می‌شوند. در نمونه‌هایی دیگر، المان‌های خیابانی به‌درستی تشخیص داده نمی‌شوند. در چنین شرایطی، پیامد کاستی‌های هوش مصنوعی می‌تواند بسیار مرگ‌بار باشد.

سگ شناساگر بمب

تجربه‌ی حسی از جهان

بیایید هوش مصنوعی را با رفتارهای انسانی مقایسه کنیک. وقتی به‌عنوان مثال یک سگ را به کودکی نشان دهیم، او می‌تواند همه‌ی سگ‌ها را بدون دانستن کلمه‌ی نام آن‌ها (سگ) شناسایی کند. در ادامه، والدین با طراحی و نام‌گذاری سوژه‌ها، به کودک کمک می‌کنند تا زبان را مبتنی بر مفاهیمی که قبلا تجربه کرده است، بیاموزد. البته چنین رویکرد آموزشی ظاهرا ساده، دشواری‌های بسیار پیچیده‌ای دارد.

مفهوم آموزش به‌زیبایی در زندگی هلن کلر درک می‌شود. او در دو سالگی شنوایی، بینایی و قدرت تکلم خود را از دست داد. معلم او، آن سالیوان، مدت زیادی تلاش کرد تا با کشیدن تصاویر روی کف دست هلن و سپس لمس آن‌ها، کلمه‌ها را به او آموزش دهد. تلاش‌های سالیوان در ابتدا موفقیت‌آمیز نبود، چون هلن، ابزارهای ورودی ابتدایی را برای این لغت‌نامه‌ی عجیب در اختیار نداشت. یک روز سالیوان هلر را به یک چاه آب برد و جریان آب را از روی دست او عبور داد. هلن درباره‌ی تجربه‌ی مذکور گفت:

ناگهان حس آگاهی مبهمی از چیزی فراموش شده را درک کردم که شبیه به بازگشت یک تفکر و تصور بود. به‌نوعی راز زبان را فاش کرده بودم. دیگر می‌دانستم که ترکیب حروف w-a-t-e-r به‌‌معنای چیزی سرد و عالی است که از روی دستان من جریان دارد. آن کلمه‌ی زنده، روح من را بیدار کرد و نور، امید، لذت و آزادی را به آن داد. دیگر همه‌چیز یک نام داشت و هر نام، به تفکری جدید زندگی می‌داد. وقتی به خانه بازگشتیم هرچه لمس می‌کردم به زندگی ارتباط پیدا می‌کرد.

جمله‌های بالا در سال ۱۹۰۵ در کتاب «داستان زندگی من» نوشته‌ی هلن کلر چاپ شدند. نشانه‌ها در آن روز به‌خصوص در زندگی هلن، برای همیشه به واقعیت متصل شده بودند.

اگرچه تا به‌امروز پیشرفت‌های متعددی در حوزه‌ی یادگیری ماشین رخ داده است، اتصال نشانه‌های دیجیتال به دنیای وافعی، هنوز چالش‌های حل نشده‌ی متعددی دارد. بدون حل کردن مشکل مذکور، نمی‌توان انتظار هوش مصنوعی جامع داشت. درنهایت هنوز ما نکات ناشناخته و مبهمی برای درک چگونگی علمکرد هوش مصنوعی داریم. عنوان مقاله‌ی منبع به این نکته اشاره دارد که حیوانات خانگی، با وجود عدم توانایی بازی کردن شطرنج (قابلیت ساده‌ای که هوش مصنوعی به آن مجهز است)، هوش بیشتری دارند که منوط به همان شناخت و درک از جهان پیرامون می‌شود.

منبع thenextweb

از سراسر وب

  دیدگاه
کاراکتر باقی مانده

بیشتر بخوانید

تبلیغات