هوش مصنوعي از رهيافت علوم شناختي

عليرضا ثقه‌الاسلامي

علوم شناختي حوزه‌اي مركب از دانش‌هايي نظير هوش مصنوعي، روان شناسي، عصب-روان شناسي، زبان شناسي، فلسفه ذهن و برخي ديگر از زمينه‌هاي مطالعاتي است.

اين گستره پژوهشي با ماهيتي ميان رشته‌اي درپي مطالعه پديده‌ها و رفتارهاي شناختي است؛ از ادراك (شامل حواس پنج گانه) گرفته تا فرآيندهاي هوشمندانه (از قبيل حساب، حل مساله، تفكر شهودي، تصميم گيري و...) و نيز زبان، حافظه، يادگيري و هر آنچه كه بتوان آن را پديده و رفتاري شناختي در نظر گرفت. روش‌هاي علمي و نظريه‌هاي شاخه‌هاي گوناگون علوم شناختي بر گسترش پژوهش‌ها و زمينه‌هاي مطالعاتي، بر حوزه‌هاي تحقيقي به صورت تعاملي تاثيراتي اساسي داشته اند.بر اساس چنين رهيافتي، محققان علوم كامپيوتر و هوش مصنوعي با استفاده از نظريه‌ها و روش‌هاي مطالعاتي علوم شناختي مي‌توانند در جهت بهبود ايده‌ها و روش‌هاي نظري و عملي هوش مصنوعي در شبيه سازي و پياده سازي رفتارهاي هوشمند گام‌هاي مطلوبي بردارند.اين مقاله، پيشگفتار كتاب «هوش مصنوعي از رهيافت علوم شناختي» است كه هم‌زمان با چاپ و انتشار در اختيار روزنامه قرار گرفته است.

علم شناخت با گردآوري مجموعه‌اي از علوم گوناگون به منزله يك زمينه مطالعاتي ميان رشته‌اي در پي تبيين فرآيندهاي ذهني و شناختي است تا از اين رهيافت به ارايه شبيه‌سازي و مدل‌هاي گوناگوني از رفتارهاي شناختي در حوزه‌هاي مورد ملاحظه خود بپردازد. موفقيت برق آساي علوم شناختي بعد از سال‌هاي 1970 دلايل مختلفي داشت؛ نخست، بلندپروازي نظري و ساده‌انگارانه اوليه اين علوم در فهم فرآيندهاي شناختي در انسان‌ها؛ دوم، تازگي اين علوم و ميان رشته‌اي بودن آنكه جاذبه‌اي فراوان داشت و سرانجام آنكه، ايده‌ها و كاربردهاي عملي تازه‌اي را در زمينه هوش مصنوعي وعده مي‌داد.

با وجود اين،‌ اشتباه است اگر فكر كنيم كه علوم شناختي نوعي برنامه تحقيقي همسان و بزرگ است كه پژوهشگران با تخصص‌هاي مختلف را در هماهنگي كامل به همكاري گرد مي‌آورد. علوم شناختي، همانند فيزيك نيوتوني يا شيمي ارگانيك، يك علم واحد متجانس را تشكيل نمي‌دهند. كسي كه مي‌خواهد به طور كامل با تمامي زمينه‌هاي مطالعاتي آن آشنا شود، ره به خطا برده‌است. در اين علم، توده‌اي از رشته‌هاي اصلي و فرعي گردآمده‌اند كه با يكديگر تلاقي دارند. از اين رو، از طرفي، آزمايش‌ها و نظريه‌هاي موضعي در مورد رفتارهاي شناختي به طور ناهماهنگ و پراكنده ارايه مي‌شوند و تحقيقات كاربردي و مجادلات فلسفي در هم آميخته شده‌اند و از طرف ديگر بحث‌هاي پرشوري در مورد خطر تحديد‌گرايي و سردستگي بعضي رشته‌ها مانند هوش‌مصنوعي يا عصب‌شناسي طرح مي‌شود. بنابراين علوم شناختي هنوز از يك مجموعه علمي متجانس و يكپارچه فاصله دارند و به ابرهايي متراكم مي‌مانند كه به واسطه سطوح مختلف تحليلي و الگوهاي رقابتي در كنار يكديگر قرار گرفته‌اند.

الگوهاي تفكر از رهيافت علم شناخت

در درون علوم شناختي، چندين الگو در مصاف‌اند: نمادگرايي كه فرآيند تفكر را به صورت زنجيره‌اي از نمادها در نظر مي‌گيرد و پيوندگرايي كه اين فرآيند را به مثابه كنشي گسترده و گسترش‌پذير مي‌پندارد، آن چنان كه فرآيند تفكر، متأثر از شبكه گسترده‌اي از واحدهايي كوچك است. تمايز ميان اين دو الگو در چگونگي روش پردازش اطلاعات است. نمادگرايي پردازش متوالي و پيوندگرايي پردازش موازي را به كار مي‌گيرد.

نمادگرايي

ايده اساسي در الگوي نمادگرايي عبارت است از يك اصل ساده: فكر كردن يعني محاسبه كردن. تمامي افكاري كه مغز ما را اشغال مي‌كنند به صورت زنجيره‌اي از نمادهاست و از طرف ديگر فرآيند پردازش اين نمادها برخوردار از محاسباتي ساده و پيچيده است كه دانشمندان اين حوزه بايستي بتوانند اين رابطه محاسباتي را بيابند. نخستين بار اين ايده را فلاسفه‌اي مانند گوتفريد لايب‌نيتس (1716-1646 ) و تامس‌هابز (1679-1588) طرح كردند، اما اين فكر در آن زمان به عنوان انديشه‌اي بلند پروازانه و چالش برانگيز تلقي مي‌شد.

با پيدايش كامپيوتر اين ادعا جاني دوباره گرفت. براين اساس نظريه محاسباتي ذهن طرح شد كه ادعا دارد توصيف مجموع تفكرات انساني به صورت محاسبات نمادين قابل بازنمايي است.

بنابر اين تلقي، تفكر انساني، از لحاظ شناختي، مانند برنامه‌اي كامپيوتري عمل مي‌كند. به اين معنا كه عمليات منطقي (‌نفي، عطف, فصل و...) را كه به كمك نمادهايي انتزاعي (X,Y,A,...) بازنمايي مي‌كند، با هم تركيب كرده و سيستمي منطقي را در جهت اخذ نتايج منطقي عرضه مي‌كند. مثلا‌ گزاره "ابرها موجب باران يا برف مي‌شوند" براساس اين رويكرد به صورت B v C => A رابطه‌مند مي‌شود. در اين ساختار A نماد ابر، B نماد باران و C نماد برف است.

بنابراين، طرح مدل‌سازي نمادين عبارت است از تبديل تفكرات انساني (كه با زبان روزمره بيان مي‌شوند) به يك سلسله عمليات منطقي (به زبان نمادين) كه در نوع خود قابل تبديل به يك سلسله محاسبات ابتدايي (به زبان ماشين، يعني زبان كامپيوتر يا زبان نورون‌ها) است.

پيوندگرايي

امروزه، پيوندگرايي به مثابه رقيب اصلي تلقي نمادگرايي طرح مي‌شود. مدل پيوندگرايي كه براساس تحقيقات زيست‌شناس اعصاب، وارن مك كولوگ (1969-1899) در مورد سيبرنتيك و شبكه‌هاي عصبي عرضه شد، فعاليت‌هاي شناختي را به منزله نوعي مدل پيوندي مي‌پندارد.

ايده پايه‌اي عبارت است از اينكه تفكر انساني براي حل مسايل شناختي صرفا از طريق يك سلسله استنتاج‌هاي منطقي صورت نمي‌گيرد، بلكه مسايل شناختي متاثر از تعامل ميان واحدهاي كوچك محلي است كه به صورت شبكه‌اي به يكديگر پيوند شده‌اند.

بدون آنكه بخواهيم به توصيف دقيق ساختار شبكه پيوندي (كه انواع متفاوتي دارد) بپردازيم،‌ بايستي اشاره شود كه تعداد زيادي گره (نورون‌ها يا سلول‌هاي فوتو الكتريك) وجود دارند كه به صورت شبكه‌اي به يكديگر متصل مي‌شوند.

هر گره ممكن است،‌ بر حسب محرك خارجي يا حالت گره‌هاي مجاور، حالت فيزيكي متفاوتي به خود بگيرد. با چنين قالب‌بندي است كه به سرعت حالت كلي پايداري ظاهر مي‌شود. همين قالب‌بندي كلي، حالت شناختي معيني را به وجود مي‌آورد.

الگوي پيوندگرايي كه‌ پردازش موازي توزيعي‌ نيز نام دارد، كاري با محاسبه نمادين ندارد. بر اساس اين ديدگاه به نظر مي‌آيد كه سازمان سلول‌هاي مغزي، كه ميلياردها نورون محلي در آن به هم پيوند مي‌خورند، بدين گونه عمل مي‌كنند. مدل‌هاي مصنوعي پياده‌سازي شده بر اساس اين الگو در دو زمينه دستاوردهاي خوبي به بار آورده است: بازشناسي اشكال (اعم از ديداري و شنيداري) و ديگري شبيه‌سازي رفتارهاي ساده (مانند برداشتن و گذاشتن اشيا) و بعضا پيچيده.

هوش مصنوعي از رهيافت علوم شناختي

راسل و نورويگ در كتاب هوش مصنوعي، رهيافتي نوين بر اساس هشت كتاب مرجع در زمينه هوش‌مصنوعي و طراحي سيستم‌هاي هوشمند، چهار رهيافت اساسي را تحت عنوان تعريف هوش‌مصنوعي، كه بر اساس سير تاريخي تحقيقات و مطالعات در اين زمينه گرد آمده‌اند، طرح كرده و جدولي را ارايه مي‌دهند:

هر يك از خانه‌هاي اين جدول رهيافتي را در راستاي نظريه‌پردازي، سپس طراحي و تحقق هوش‌مصنوعي نشان مي‌دهند. مطابق اين جدول، از سويي دو رهيافت افقي فوقاني، تحقق هوش‌مصنوعي را مبتني بر تفكر/ استدلال و فرآيند تفكري هوشمندانه ارزيابي مي‌كنند و دو رهيافت افقي تحتاني، تحقق هوش‌مصنوعي را مبتني بر رفتار و فرآيند عمل و رفتاري هوشمندانه نشان مي‌دهند و از سويي ديگر، دو رهيافت عمودي سمت راست، طراحي هوش‌مصنوعي را به مثابه عملكردي منطقي كه استنتاج‌هايي منطقي و برخوردار از صدق منطقي را فراهم مي‌كند، معرفي كرده و دو رهيافت عمودي سمت چپ، هوش‌مصنوعي را به مثابه عملكردي شبه‌انساني كه وفادار به تجربه‌هاي انساني است (آن چنان كه لزوما برخوردار از صدق منطقي نيستند)، بيان مي‌كند. از نظر تاريخي تمامي اين مواضع در طراحي سيستم‌هاي هوشمند، علاوه بر همكاري با يكديگر نقشي رقابتي و انتقادي نسبت به يكديگر نيز داشته‌اند. بي‌مناسبت نيست كه در تبيين نقش و جايگاه علم شناخت در طراحي و پياده‌سازي هوش‌مصنوعي به شرح مختصري براي هر يك از رهيافت‌هاي همكار و رقيب فوق پرداخته شود.



تفكر/ استدلال

سيستم‌هايي كه منطقي (/عقلايي) فكر مي‌كنند

"مطالعه توانايي‌هاي ذهني با به‌كارگيري مدل‌هاي محاسباتي." (چارنيك و مك درمات، 1985)

"مطالعه محاسباتي كه امكان دارد منجر به ادراك، استدلال و كنش شود." (وينستون، 1992)

سيستم‌هايي كه منطقي (/عقلايي) عمل مي‌كنند

"هوش محاسباتي، مطالعه طراحي عامل‌هاي هوشمند است." (پول و همكاران، 1998)

"هوش‌مصنوعي... به رفتار هوشمند در مصنوعات مربوط مي‌شود." (نيلسون، 1998) هنر خلق ماشين‌هايي كه عملكردي را انجام مي‌دهند كه وقتي آن عملكرد توسط انسان‌ها انجام مي‌گيرد مستلزم هوشمندي است." (كارزويل، 1990)

سيستم‌هايي كه شبيه انسان فكر مي‌كنند

"تلاش نوين هيجان‌انگيز، براي ساخت كامپيوترهايي كه فكر مي‌كنند... ماشين‌هايي به همراه ذهن، تمام و كمال و حسي فاقد تخيل." (هاوگلند، 1985)

"[خودكار كردن] فعاليت‌هايي كه با تفكر انسان مرتبط‌اند، فعاليت‌هايي از قبيل تصميم‌گيري، حل مساله، يادگيري..." (بلمن، 1978)

سيستم‌هايي كه شبيه انسان عمل مي‌كنند

"مطالعه چگونگي ساخت كامپيوترهايي كه كارهايي را انجام مي‌دهند كه اكنون انسان، آنها را بهتر انجام مي‌دهد." (ريچ و نايت، 1991)



عملكرد انساني؛ رهيافت آزمون تورينگ

آزمون تورينگ در سال 1950 توسط آلن تورينگ مطرح شد، اين آزمون ادعا داشت معياري را براي مشخص كردن فعاليت هوشمندانه ارايه مي‌دهد.

در اين آزمون، كامپيوتر به همراه شخصي مورد آزمايش قرار مي‌گيرد، ميان فرد و كامپيوتر مانعي قرار دارد تا موجب آن شود كه فرد وجود كامپيوتر را احساس نكند.

شخص آزمايش‌كننده، پرسش‌هايي را طرح مي‌كند و كامپيوتر به پرسش‌هاي مطرح شده پاسخ مي‌دهد. پس از پايان آزمون اگر فرد پرسش‌كننده نتواند تشخيص دهد كه با كامپيوتر محاوره كرده‌است، نتيجه آزمون با اثبات توانايي هوش محاسباتي به نفع كامپيوتر است و در صورتي كه فرد تشخيص دهد با كامپيوتر در محاوره بوده‌است، هوش محاسباتي بازنده اين آزمون است.

امروزه با توجه به دستاوردهاي نظري و عملي در علوم و مهندسي سيستم‌هاي محاسباتي مي‌توان ادعا كرد كه پياده‌سازي چنين كامپيوتري نيازمند قابليت‌هايي اساسي است كه برخي از آنان را مي‌توان اين چنين برشمرد:

- پردازش زبان طبيعي: تا بتواند به طور موفق با زبان طرف محاوره گفت‌وگو كند و ارتباط برقرار كند؛

- بازنمايي دانش: تا آنچه را كه درك مي‌كند و مي‌شنود ذخيره كند؛

- استدلال خودكار: تا از اطلاعات ذخيره شده در خود براي پاسخ به پرسش‌هاي جديد و ارايه نتايج تازه استفاده كند؛

- يادگيري ماشين: تا با شرايط جديد سازگار شده و الگوها را كشف و برون‌يابي كند.

آزمون تورينگ از تعامل فيزيكي ميان فرد پرسش‌كننده و كامپيوتر اجتناب مي‌كند، چرا كه شبيه‌سازي فيزيكي شخص پرسش‌كننده براي هوشمندي ضروري نيست.

امروزه مي‌توان آزمون تورينگ را به صورت كامل‌تري از لحاظ فني نيز عرضه كرد. آزمون كامل تورينگ را مي‌توان برخوردار از سيگنالي ويديويي نيز كرد تا پرسش‌كننده بتواند از طريق آن قابليت‌هاي ادراكي طرف گفت‌و‌گو را بيازمايد. از اين رو دو مولفه ديگر به موارد فوق اضافه مي‌شود:

- بينايي كامپيوتر: براي درك اشياء؛ و

- رباتيك: براي حركت اشياء و جابه‌جايي آنان.

اين شش حوزه مطالعاتي، امروزه بخش‌هاي عمده‌اي از طراحي هوش‌مصنوعي را تشكيل مي‌دهند. مهندسان و محققان هوش‌مصنوعي تلاش زيادي براي عبور از آزمون تورينگ انجام ندادند، چرا كه باور داشتند پرداختن به اصول طراحي و پياده‌سازي آن مطلوب‌تر از وقتي بود كه براي تحقق آزمون تورينگ بايستي صرف مي‌كردند.

تفكر منطقي (/عقلايي)؛ رهيافت قوانين تفكر

ارسطو فيلسوف يونان، يكي از اولين كساني بود كه تلاش كرد تا "تفكر درست" را كشف كند، يعني فرآيندهاي استدلال انكارناپذير. قياس ارسطو الگوهايي را براي ساختارهاي استدلالي فراهم كرد؛ آن چنان‌كه هميشه به هنگام ارايه مقدمات درست، نتايج درست حاصل مي‌شود؛ مثلا سقراط انسان است؛ تمامي انسان‌ها ميرايند؛ بنابراين، سقراط ميراست." اين قوانين مستلزم تفكر حاكميت عمل ذهن مي‌شوند و مطالعه اين قوانين حوزه‌اي را كه منطق ناميده مي‌شود بنيان مي‌نهند.

منطق‌دانان در قرن نوزدهم، نمادگذاري دقيقي را براي گزاره‌ها درباره تمامي انواع اشياء موجود در عالم و رابطه ميان آنان بسط دادند. در 1965 برنامه‌هايي كامپيوتري پديد آمدند كه علي‌الاصول مي‌توانستند هر برنامه قابل حلي را كه با نمادگذاري منطقي توصيف مي‌شد، حل كنند. اين سنت منطق‌گرايي در هوش‌مصنوعي، محققان را در ارايه برنامه‌هايي منطقي براي خلق سيستم‌هاي هوشمند اميدوار كرد. چنين رهيافتي با دو مشكل همراه بود: اول كسب دانش غيرصوري و سپس برگرداندن اين دانش به زباني صوري و نمادسازي منطقي آن دانش كه هميشه فرآيندي آسان نيست؛ دوم آنكه گاهي اوقات تمايزي جدي ميان تحليل و حل مساله در زباني صوري و تحليل همان مساله از لحاظ عملي ايجاد مي‌شود.

از اين رو، حتي مسايلي كه پيوستگي كمتري با امور واقع در جهان واقعي دارند گاهي اوقات مي‌توانند فرآيندهاي استنتاجي منابع محاسباتي كامپيوترها را دچار مشكل كنند.