قدم بعدی توسعه هوش مصنوعی

ناگهان زوجی را می‌بینید که با عجله و اضطراب به سمت شما یا به عبارت بهتر به سمت آسانسور می‌دوند. نیازی نیست داد بزنند. نیازی نیست به اسم صدایتان کنند. بدون این که حرفی بر زبان برانند و تنها از زبان بدنشان می‌فهمید دیرشان شده و می‌دوند تا سوار آسانسور شوند. بنابراین مانع بسته شدن در آسانسور می‌شوید تا خودشان را برسانند. شما در کسری از ثانیه، توانستید متوجه خواسته همنوع خود شوید و بموقع برای کمک به آنها اقدام کنید. این، از جمله رفتارهای غریزی انسان است که هوش مصنوعی فعلا فقط خوابش را می‌بیند، اما با تحقیقات و آزمایش‌هایی که دانشمندان در دست انجام دارند، ممکن است بزودی شاهد تغییراتی اساسی باشیم. فعالیت‌هایی در دست انجام است تا به مرور هوش‌های مصنوعی با مهارت‌های اجتماعی پیش‌بینی‌گرانه خلق شوند که بتوانند تعامل بهتری با انسان‌ها داشته باشند.

نظریه شبیه‌سازی ذهن

انتظار می‌رود در آینده شاهد ربات‌هایی در بخش پذیرش هتل باشیم که نه تنها پرسش‌های مهمانان را پاسخ می‌دهند، که در حالت ایده‌آل می‌توانند نیازهای مشتریان را بر اساس نشانه‌ها و جزئیات ریز حتی بیان‌های بدنی غیرعمدی پیش‌بینی کنند. به عبارت بهتر می‌توانند بفهمند – تا حدی که از یک دستگاه غیر دانا انتظار می‌رود – دور و برشان چه خبر است. این چیزی است که الان وینفیلد، استاد درس اخلاق رباتیک در دانشگاه بریستول واقع در غرب انگلیس ادعا می‌کند.

وینفیلد قصد دارد این فهمیدگی را از طریق «نظریه شبیه‌سازی ذهن» پدید بیاورد. نظریه شبیه‌سازی ذهن، رویکردی در حیطه هوش مصنوعی است که به ربات‌ها اجازه می‌دهد نیازها و رفتارهای افراد، ربات‌های دیگر و چیزهای متنوع و متغیر را درون خود شبیه‌سازی و پیش‌بینی کنند و از نتایج حاصل‌شده (در کنار توضیحات و دستوراتی که از پیش به آنها داده شده) برای تعریف پاسخ مناسب بهره بگیرند. به عبارت دیگر، چنین ربات‌هایی از یک برنامه داخلی یا آن‌‌بورد استفاده می‌کنند که رفتار خودشان را با دیگر عوامل بیرونی می‌سنجد و به نتیجه مناسب می‌رسد. وینفیلد می‌گوید: «به نوعی من ربات‌هایی می‌سازم که شبیه‌سازی خودشان و دیگر ربات‌ها را هم در دلشان دارند. این‌که یک چنین فضای شبیه‌سازی‌ای را درون ربات ایجاد کنید تا بتواند وقایع آینده نزدیک را پیش‌بینی کند، بسیار جذاب است.»

«نظریه ذهن»، اصطلاحی است که فلاسفه و روان‌شناسان به کار می‌برند؛ به معنای توانایی پیش‌بینی حرکات خود و دیگران از طریق تصور خود به جای فرد یا چیز دیگر وینفیلد مایل است این توانایی را به ربات‌ها ببخشد؛ طوری که اگر ربات در همان موقعیت آسانسور قرار گرفت، حس نیاز زوجی را که به سویش می‌دوند تشخیص داده و در را برایشان نگه دارد.

فرق رویکرد وینفیلد با رویکرد «یادگیری ماشینی» در همین است. شاید بدانید که در یادگیری ماشینی، ممکن است هوش مصنوعی از یک شبکه عصبی مصنوعی بهره بگیرد که قادر است خود را تعلیم بدهد تا اقداماتی را که از او انتظار می‌رود، به شکلی برازنده و برآورنده رضایت خاطر کاربر به انجام برساند. یک‌نمونه رایج از این رویکرد، موسوم به یادگیری عمقی که به سرعت در حال فراگیر شدن است، شامل توسعه یک شبکه عصبی بزرگ می‌شود که قادر است تا حدی، با اتکا به خود یادبگیرد چطور اطلاعات مختلفی را فهمیده، ارزیابی کرده و پاسخ مناسب را صادر کند.

رویکرد شبیه‌ساز- گرا

در مقابل، رویکرد شبیه‌ساز- گرا به ساخت الگویی درونی و از پیش برنامه‌ریزی‌شده متکی است. وینفیلد، نظریه شبیه‌سازی ذهن را بهره‌مند از یک «موتور پیامد» یا consequence engine توصیف می‌کند. ساده‌تر بگوییم، رباتی که به این سیستم مجهز باشد، قادر است سوالات ساده what if یا «اگر چنین - چطور» را پاسخ داده و اقدام احتمالی را حدس بزند. فرض کنید رباتی به سمت چپ حرکت می‌کند. بین راه، قادر خواهد بود برخوردش با دیوار را پیش‌بینی کند. برای بهبود درک ربات از شرایط، تسلطی ابتدایی بر مفاهیم فیزیک و کنش/ واکنش‌های احیانی برایشان تعریف می‌شود تا به قول وینفیلد، یک خرد‌جمعی ساده برایشان حاصل بشود.

فعلا این نظریه شبیه‌سازی ذهن در موقعیت‌های نسبتا ساده نمود یافته است. چندی پیش، وینفیلد آزمایشی را در این زمینه انجام داد که شامل اعطای حس پیش‌بینی به یک ربات، برای مسیریابی ساده‌تر در راهرویی با موانع متعدد می‌شد. این قابلیت چیز تازه‌ای نیست، اما تفاوت این پروژه در این بود که این بار، ربات قادر بود برخوردش به دیوار را تصور کرده و با تکیه به منطق از آن اجتناب کند. در آن پروژه، طی مسیر توسط ربات وینفیلد، حدود 50درصد بیشتر از ربات‌های فاقد شبیه‌سازی طول کشید. البته وینفیلد به مقدماتی بودن رویکرد خود اذعان دارد و معتقد است مانده تا به ظرفیت غایی این نظریه دست بیابند. این تازه آغاز کار است.

وینفیلد به این هم معترف است که هنوز بشریت به توانایی شبیه‌سازی ذهن در تفکر خود هم تسلط پیدا نکرده است، اما بر این تاکید دارد که لازم نیست تمام زیر و بم ذهن انسان را بدانیم تا بتوانیم هوشی مصنوعی در این راستا و قادر به رفتاری مشابه بسازیم.

تقویت تعامل ربات و انسان

وینفیلد یکی از برتری‌های بخصوص نظریه شبیه‌سازی ذهن را این برمی‌شمارد که می‌تواند در حیطه دائما رو به رشد رباتیک، به تقویت تعامل ربات و انسان کمک کند. شاید برخی انتظار داشته باشند ربات، پس از اتخاذ تصمیم و انجام عمل بتواند چرایی انتخابش را توضیح بدهد. این چیزی است که از یک سیستم یادگیری عمقی برنمی‌آید، چون مسلما شبکه عصبی مصنوعی ربات‌های بهره‌مند از آن، انسان را از فرآیند تصمیم‌گیری خارج می‌کند. در باب برتری‌های شبیه‌سازی ذهن برای کمک به افراد سالمند یا بیمار هم، دستگاه مجهز قادر خواهد بود فرد را نسبت به یک‌سری وقایع و موانع آگاه کرده و بر حذر بدارد. یک پرستار، معمولا قبل از گذاشتن بالشی روی بالش زیر سر بیمار به منظور بالاتر آوردن سرش، او را از انجام این کار مطلع می‌کند. اکثر ربات‌ها چنین خصلتی ندارند و به مدد شبیه‌سازی ذهن، می‌توان این رفتار را در ربات‌ها نیز شاهد بود.

محققان می‌خواهند سیستم‌های یادگیری ماشینی‌ای بسازند که بتوانند تصمیمات و روند تصمیم‌گیری خود را به زبان انسان توضیح بدهند.

در یک نمونه نسبتا ساده، از یک برنامه هوش مصنوعی بهره می‌گیرد و وقتی تصویر یک غذا را برایش پخش کند، می‌تواند به مدد آن تشخیص بدهد آیا آن غذا سالم است یا خیر. اگر در تصویر، هات داگ ببیند، پاسخ منفی می‌دهد و اگر سبزیجات رویت کند، جواب مثبت خواهد داد. با این حال این‌گونه برنامه‌نویسی در مراحل ابتدایی قرار دارد و تا فراگیر شدن آن راه درازی باقی است.

آزمایش جذاب آقای وینفیلد، با نظر و توجه مثبت همتایان وی روبه‌رو شده است. افراد متعددی با اشاره به این که انسان، به هویتی که قادر باشد خودش را بخوبی توجیه کند راحت‌تر اعتماد می‌کند، از آغاز این آزمایش‌ها ابراز خرسندی کرده و امیدوارند بتواند دریچه جدیدی برای توسعه هوش مصنوعی باز کند.

سیاوش شهبازی