رايانه مي تواند فكر كند؟

هدف هوش مصنوعي فهم سرشت هوش بشري از راه بررسي ساختار برنامه هاي رايانه اي و نحوه حل مسائل با رايانه است. به اعتقاد متخصصان اين رشته ، اين بررسي مي تواند نحوه عمل و جزييات هوش بشر را نشان دهد.

هوش مصنوعي (Artificial Intelligence) كه به اختصار AIخوانده مي شود ، يكي از جذاب ترين شاخه هاي تحقيقاتي فلسفي است. 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 كرده اند كه همه آنها به طرح بحث هوش مصنوعي انجاميد. هدف هوش مصنوعي فهم سرشت هوش بشري از راه بررسي ساختار برنامه هاي رايانه اي و نحوه حل مسائل با رايانه است. به اعتقاد متخصصان اين رشته ، اين بررسي مي تواند نحوه عمل و جزييات هوش بشر را نشان دهد.
نخست بايد مقصود متخصصان هوش مصنوعي را از اصطلاح هوش Intelligence روشن كنيم ؛ چراكه نگاه آنان نسبت به مقوله هوش و مفاهيم مرتبط مانند عقل ، ذهن و غيره كاملا متفاوت است. امروزه در ميان دانشهاي موجود ، اصطلاح هوش در روان شناسي بسيار كاربرد دارد و روان شناسان از بهره هوشي افراد و امور مرتبط با آن بحث مي كنند. ولي در هوش مصنوعي اين اصطلاح كاربردي كاملا متفاوت دارد. در هوش مصنوعي براي شروع كار ، 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 كنند. اما بنا به دلايلي ، متخصصان هوش مصنوعي تعريف عملي را برگزيده اند. يك دليل اين گزينش به اين نكته برمي گردد كه نزاعهاي مفهومي ؛ يا نزاع براي تعريف مفاهيم فايده چنداني ندارد و غالبا بي نتيجه پايان مي يابد. اگر بخواهيم با تعريف مفاهيم هوش و تفكر رابطه آنها را بيابيم و ببينيم آيا هوش همان تفكر است يا نه ، بيشتر در نزاعي لفظي درگير خواهيم شد. زيرا بي ترديد دو واژه مذكور از لحاظ مفهومي تفاوت دارند و يك چيز را نمي رسانند و ادعاي آنان ، تساوي مفهومي اين دو واژه نيست.
بلكه چنان كه بعدا توضيح خواهيم داد ، به نظر آنان اين دو اصطلاح يك حقيقت قابل اندازه گيري را نشان مي دهند.
ويژگي هاي هوش مصنوعي
هوش مصنوعي براي حل مساله برنامه خاصي را دنبال مي كند. 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 كه هوش مصنوعي از نمادهاي عددي در حل مسائل استفاده مي كند. هوش مصنوعي بر پايه دستگاه دوگاني ؛ صفر و يك مسائل را حل مي كند. از اين رو برخي مخالفان گفته اند مهمترين نقص هوش مصنوعي آن است كه غير از عدد صفر و يك 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 كنيم ، درمي يابيم فهم بشري بر حالت دوگاني استوار شده است و دستگاه عصبي مفاهيم و تصورات را به صورت حالات دوگاني تبديل مي كند. البته نشان دادن نحوه اين تبديل در مفاهيم و ادراكات پيچيده دشوار است. اما بررسي برنامه هاي هوش مصنوعي فهم اين امر دشوار را آسان كرده است.
روش اكتشافي: ويژگي دوم هوش مصنوعي به نوع مسائلي كه حل مي كند ، مربوط مي شود. اين مسائل معمولا راه حل الگوريتمي ندارند. مراد از الگوريتم سلسله اي از مراحل منطقي است كه به حل مساله مي انجامد. هوش اين مراحل را گام به گام طي مي كند تا به حل مساله دست مي يابد. به عبارت ديگر ، در الگوريتم پيمودن اين مراحل به طور طبيعي رسيدن به نتيجه را تضمين مي كند. مسائلي كه هوش مصنوعي حل مي كند ، معمولا راه حل الگوريتمي ندارند ؛ به اين معنا كه معمولا نمي توانيم براي حل اين مسائل الگوريتمي يا به عبارت ديگر ، سلسله اي از مراحل منطقي را بيابيم كه پيمودن آنها رسيدن به نتيجه را تضمين كند.
از اين رو، هوش مصنوعي در حل مسائل به روش اكتشافي ؛ يعني به روشي كه پيمودن آن رسيدن به نتيجه را تضمين نمي كند ، روي مي آورد. هوش مصنوعي بر پايه دستگاه دوگاني مسائل را حل مي كند مخالفان مي گويند مهمترين نقص هوش مصنوعي آن است كه غير از عدد صفر و يك را نمي فهمد. در روش اكتشافي راههاي متعددي براي حل مساله وجود دارد كه اختيار يكي از آنها باز مجالي براي اختيار ديگر راهها باقي مي گذارد و پيمودن يكي از آنها مانع از روي آوردن به بقيه نمي شود. درنتيجه ، برنامه هايي كه 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 بركتي براي هوش مصنوعي بوده است ؛ زيرا روش شناخته شده اي براي تعيين بهترين حركت در مرحله خاصي از اين بازي وجود ندارد. زيرا اولا تعداد احتمالات موجود در هر حالتي تا حدي زياد است كه نمي توان جستجوي كاملي را انجام داد. ثانيا آگاهي ما از منطق حركتهايي كه بازيكنان انجام مي دهند ، بسيار اندك است. اين ناآگاهي تا حدي به ناخودآگاهانه بودن اين حركتها برمي گردد و البته در برخي موارد هم بازيكنان از روي عمد منطق خود را آشكار نمي كنند. هربرت دريفوس يكي از مخالفان هوش مصنوعي با توجه به نكته فوق ادعا كرده است كه هيچ برنامه اي براي رسيدن به سطح يك 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 كه برنامه هاي نخست از تطابق عمليات استدلالي نمادين رايانه با عالم خارج حكايت مي كنند. مي توانيم اين نكته 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 كرد؟
3- بازنمايي چه نوع معرفتي را آشكار مي سازد؟ و چه چيزي مورد تاكيد قرار مي گيرد؟
4- معرفت را بايدچگونه به دست آوردوچگونه بايدتغييرداد؟
اطلاعات ناقص: هوش مصنوعي مي تواند در حالتي كه همه اطلاعات مورد نياز در دسترس نيستند ، به حل مساله دست بيابد. اين حالت در بسياري از موارد پزشكي رخ مي دهد اطلاعاتي كه پزشك براي تشخيص بيماري در دست دارد ، تشخيص بيماري را ممكن نمي كند 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 كه با اطلاعات متناقض روبه رو شود حل مناسبي براي مساله پيدا كند. هوش مصنوعي در چنين موردي بهترين راه را براي حل مساله و رفع تناقض انتخاب كند.
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 كليدي 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 كه: «رايانه را مي توانيم به نحوي برنامه ريزي كنيم كه بينديشد». تقرير ديگر از فرضيه فوق اين است كه: «رايانه مي تواند بينديشد.»
2- فرضيه قوي دستگاه نمادها: مفاد اين فرضيه هم چنين است :«تنها رايانه مي تواند فكر كند»
پيداست كه فرضيه دوم در مقايسه با فرضيه نخست افراطي تر است و ادعايي حداكثري دربر دارد. چرا كه بر طبق آن ، هر چيزي كه فكر مي كند ، حتي موجودات طبيعي ، بايد رايانه باشد. از اين رو ذهن بشر هم دستگاهي جامع از نمادهاست و تفكر بشر هم از لحاظ ماهيت با تفكري كه درخصوص رايانه به كار مي رود ، تفاوت ندارد. در هر دو مورد تفكر همان توانايي دستكاري و جابه جا كردن نمادهاست.

نويسنده:عليرضا قائمي نيا/روزنامه جام جم

مقالات مقالات مقالات مقالات مقالات مقالات مقالات آموزشگاه رایانه اخبار ایران و جهاناخبار ایران و جهاناخبار ایران و جهانبانک سوال و جوابجوان امروزدانلود نرم افزار