سایی تصویر، گفتار و رهیابی در جهان واقعی استفاده کند. هرچه هوش مصنوعی را با اطلاعات بیشتری تغذیه کنیم باهوشتر میشود. هرچه بازوی رباتی تکههای مرغ سوخاری بیشتری را بردارد و توی سینی بگذارد، نرمافزار هوش مصنوعی اوسارو در فهم سازوکارهای دنیای اطرافش چیرهدستتر میشود.
پیتر ابیل، استاد دانشگاه برکلی و بنیانگذار استارتآپ Covariant.ai که یادگیری ماشینی و واقعیت مجازی را به رباتهای کارخانهای اضافه میکند میگوید: «مثل هر موجود هوشمندی، ورود هوش مصنوعی به دنیای فیزیکی، روند یادگیری و پیشرفت آن را سریعتر خواهد کرد. این باعث پیشرفتهایی خواهد شد که پیش از این امکان نداشت.»
جهان تکنولوژی مدتهاست که منتظر ورود به چنین عصری بوده است. در ۱۹۵۴، جورج سی. دوال، مخترع، نقشه یک بازوی مکانیکی قابل برنامهریزی را اختراع و ثبت کرد. در ۱۹۶۱ جوزف انگلبرگر یک کارآفرین امریکایی این نقشه را تبدیل به یک ماشین بدقلق و بدقواره با نام Unimate کرد که اولین بار در خط تولید شرکت جنرال موتورز در نیوجرسی به کار گرفته شد.
از همان موقع این تمایل وجود داشت که در مورد هوش پشت این ماشینهای ساده اغراق شود. انگلبرگر به احترام آدمماشینیهای داستانهای ایزاک آسیموف نام «ربات« را برای دستگاهش انتخاب کرد. اما این ماشینها ابزارهای مکانیکی خام و زمختی بودند که توسط نرمافزاری نسبتا ساده وظیفهای مشخص را انجام میدادند. حتی رباتهای بسیار پیشرفتهتر امروز هم همچنان چیزی خیلی بیشتر از ماشینهایی کندذهن نیستند که باید برای هر عملی برنامهریزی شوند.
هوش مصنوعی اما مسیری متفاوت را دنبال کرد. در دهه ۱۹۵۰، ایده هوش مصنوعی با هدف استفاده از ابزارهای کامپیوتری برای تقلید منطق و خرد انسانی شکل گرفت. عدهای از تحلیلگران به دنبال این بودند که به این سیستمها وجود فیزیکی هم بدهند. حتی در ۱۹۴۸ و ۱۹۴۹ ویلیام گری والتر، یک عصبشناس بریستول انگلیس دو ماشین کوچک خودکار با نامهای السی و المر طراحی کرد. این دستگاههای شبیه لاکپشت مجهز به دو مدار ساده الهامگرفته از سیستم عصبی بودند که به آنها اجازه میداد بدون کمک انسان منبع نور را دنبال کنند. والتر آنها را ساخت تا نشان دهد که چطور فقط چند عصب در مغز میتوانند رفتاری نسبتا پیچیده را بهوجود آورند.
اما به زودی مشخص شد فهم و بازسازی هوش انسانی چالشی بسیار دشوار بوده و حوزه هوش مصنوعی طی مدتی بسیار طولانی شاهد تحولات و پیشرفتهای اندک بوده است. به علاوه معلوم شد که برنامهریزی ماشینهای فیزیکی برای انجام کارهای مفید در دنیای نامنظم انسانی بسیار پیچیدهتر از چیزی بود که پیشبینی شده بود. هوش مصنوعی و رباتها دههها در آزمایشگاههای تحقیقی باقی ماندند و با آنکه محققان تلاش کردند یادگیری ماشینی را به رباتهای صنعتی اضافه کنند با استقبال بخش صنعت روبهرو نشدند.
کشفی که دنیا را تکان میدهد
اما حدود شش سال پیش، محققان بالاخره دریافتند که چطور یک ترفند قدیمی هوش مصنوعی را به ابزاری فوق قدرتمند تبدیل کنند. این ترفند «شبکههای عصبی» نام دارد و دانشمندان مدتها بود که روی آن تحقیق میکردند. این شبکهها در اصل الگوریتمهایی هستند که تقریبا به شیوه یاختههای عصبی و سیناپسهای مغز از ورودیها چیز یاد میگیرند. شبکههای عصبی را میتوان نوادگان همان سیستمی دانست که باعث حرکت السی و المر شده بود. پژوهشگران کشف کردند که شبکههای عصبی بسیار بزرگ – یا «عمیق» – وقتی که با اطلاعات برچسبدار تغذیه شوند میتوانند کارهایی خارقالعاده بکنند و مثلا اشیای درون عکسها را با بینقصی در حد انسان تشخیص بدهند. حوزه هوش مصنوعی با این کشف یکشبه از این رو به آن رو شد. به کمک همین تکنیک «یادگیری عمیق» از هوش مصنوعی برای وظایفی که نیازمند استنباط بودند استفاده شد و هوش مصنوعی از آزمایشها سربلند بیرون آمد: تشخیص چهره، تبدیل صوت به متن، یا آموزش دادن به خودروهای بدون راننده برای تشخیص عابران و چراغهای راهنمایی کارهایی بود که از هوش مصنوعی برمیآمد. این پیشرفت باعث شده حالا بتوانیم رباتهایی را تصور کنیم که میتوانند چهره شما را شناسایی کنند، به طور هوشمندانهای با شما حرف بزنند، به طور بیخطری خود را تا آشپزخانه برسانند و برایتان از فریزر سودا بیاورند.
یکی از اولین مهارتهایی که هوش مصنوعی به ماشینها میدهد چالاکی بسیار بالاتر از قبل است. در طول چند سال گذشته در شرکت آمازون چالشی با نام «ربات دستچین» در جریان بوده که طی آن پژوهشگران و رباتهایشان با هم در رقابتی بودهاند که از دید افراد غیرمتخصص کمارزش به نظر میرسد: اینکه ربات کدام تیم میتواند در سریعترین زمان ممکن محصولات مختلف را از قفسهها بردارد. تمام این تیمها از یادگیری ماشینی استفاده میکنند و رباتهای آنها به طور تدریجی متبحرتر میشوند. آمازون به روشنی به دنبال ماشینیکردن روند انتخاب و بستهبندی میلیاردها آیتمی است که در انبارهایش هستند.
کن گلدبرگ، یکی از همکاران آبل در دانشگاه یوسی برکلی میگوید: «من ۳۵ سال است که در حوزه ربوتیک کار میکنم و ما در طول این سالها واقعا پیشرفت اندکی داشتیم. اما به خاطر این کشف اخیر در هوش مصنوعی ماجرا تغییر کرده است. ما حالا در آستانه برداشتن قدمی بزرگ رو به جلوییم.»
هوش مصنوعی صاحب بدن میشود
در منطقه NoHo در منهتن نیویورک، یکی از سرشناسترین متخصصان هوش مصنوعی جهان در حال کار روی پیشرفت بزرگ بعدی در این حوزه است. او فکر میکند که رباتها احتمالا بخش مهمی از این معما هستند.
یان لکون در انقلاب یادگیری عمیق نقشی حیاتی ایفا کرده است. در جریان دهه ۱۹۸۰، وقتی دیگر محققان استفاده از شبکههای عصبی را غیرکاربردی میدانستند لکون ثبات قدم به خرج داد و تحقیق روی این تکنولوژی را ادامه داد. او به عنوان رئیس سابق بخش پژوهش هوش مصنوعی فیسبوک (تا ماه ژانویه) و حالا دانشمند ارشد هوش مصنوعی این شرکت، توسعه الگوریتمهای یادگیری عمیق را رهبری میکند که میتواند کاربران را در تقریبا هر عکسی که کسی پست میکند شناسایی کند. اما لکون میخواهد هوش مصنوعی بیشتر از فقط دیدن و شنیدن انجام دهد. او میخواهد هوش مصنوعی دلیل بیاورد و دست به عمل بزند. لکون میگوید که هوش مصنوعی برای چنین تحولی نیازمند بدن فیزیکی است.
هوش انسانی شامل عمل متقابل با جهان واقعی است. بچههای انسان با بازی با چیزها شروع به یادگیری میکنند. هوش مصنوعی که در ماشینهایی مثل ربات چنگکی جا گرفته، میتواند همین کار را بکند. لکون میگوید: «تعداد زیادی از جذابترین پژوهشهای بخش هوش مصنوعی مربوط به حوزه رباتهاست.»
گروهی از دانشمندان میگویند تکامل ماشینی میتواند راه انسان را برود و هوش مصنوعی روندی را تجربه کند که مشابه روندی است که باعث ظهور هوش بیولوژیکی در انسان شد! نکته اینجاست که سه قابلیت بینایی، هوش و مهارت استفاده از دستها در نیاکان ما همراه با هم شروع به تکامل کردند، زمانی که انسانگونهها شروع به ایستاده راه رفتن کردند و از دو دست آزادشان برای بررسی و دستکاری اشیا بهره بردند. در این زمان مغز آنها بزرگتر شد، اجازه داد که از ابزارها، زبان و نهادهای اجتماعی پیچیدهتری استفاده کنند.
آیا هوش مصنوعی هم میتواند تجربه مشابهی داشته باشد؟ تا حالا، هوش مصنوعی اصولا درون کامپیوترها زندگی کرده و فقط با شبیهسازیهای ابتدایی جهان واقعی تعامل داشته است، مثل بازیهای کامپیوتری و عکسهای ثابت. ممکن است یک هوش مصنوعی که قادر به درک جهان واقعی و تعامل با آن باشد بهتر از هوش مصنوعیای که دنبال ارتباط با انسانها یا دلیلآوری است سودمند باشد. آبیل میگوید: «اگر شما بتوانید معمای کار با دست را برای رباتها کاملا حل کنید، احتمالا چیزی ساختهاید که خیلی نزدیک به هوش کامل و در حد هوش انسانی است.»
