چرا هوش مصنوعي هنوز به‌‌اندازه‌ حيوانات باهوش نيست؟

اگر نگاهي كلي به عملكرد و رفتار حيوانات خانگي داشته باشيم، متوجه خصوصيت‌هاي ويژه‌اي در آن‌ها مي‌شويم كه هنوز راهي براي پياده‌سازي‌شان در هوش مصنوعي پيدا نكرده‌ايم. شايد با نگاه اول تصور كنيد كه حيوان خانگي مانند گربه، هيچ كاري به‌حز خوردن و خوابيدن و كمي نظافت خود، بلد نيست. درحاليكه فعاليت‌هايي همچون راه رفتن، دويدن، پريدن، شنيدن، ديدن، تماشا كردن، ياد گرفتن، بازي كردن، مخفي شدن، شاد و ناراحت بودن، ترسيدن، روياپردازي كردن، خوردن، مبارزه، فرار، بازسازي، يادگيري توله‌ها و بسياري موارد ديگر، همگي هوشمندي يك حيوان خانگي را نشان مي‌دهد.

بياييد نگاهي به رفتارهاي گربه‌ي خانگي داشته باشيم. وقتي گربه به صاحبش نزديك مي‌شود يا نزديك ظرف غذاي هميشگي خود مي‌نشيند، قطعا پيامي را منتقل مي‌كند. گربه‌ي خانگي در چنين وضعيت‌هايي نياز به نوازش يا غذا يا حتي تفريح دارد. درواقع گربه آموخته است كه براي رسيدن به اهداف خود بايد با صاحبش ارتباط برقرار كند.

ما از ميان تمامي فعاليت‌هاي حيوانات خانگي، تنها دركي اوليه از چگونگي بازتوليد مصنوعي برخي از آن‌ها را داريم. به‌عنوان مثال مي‌توان به راه رفتن روي دو پا اشاره كرد. شايد چنين فعاليتي از انديشه متخصصين ما كاملا طبيعي و آسان به‌انديشه متخصصين برسد، اما درواقع فرايندي كاملا پيچيده محسوب مي‌شود كه ذهن متخصصان رباتيك را دهه‌ها به خود مشغول كرد و تحقيقات پيچيده و بسيار زيادي را نياز داشت؛ تحقيقاتي كه درنهايت به ساخت رباتي با توانايي راه رفتن روي دو پا منجر شد. امروز ربات‌هاي دو پا بر اثر موانع ساده روي زمين نمي‌افتند و حركت كردن انسان‌ها در فاصله‌ي نزديك نيز تأثيري روي حركت آن‌ها ندارد.

كودك انسان براي يادگيري راه رفتن نزديك به يك سال زمان نياز دارد كه پيچيدگي مسئله‌اي ظاهرا ساده به‌نام راه رفتن را نشان مي‌دهد. فراموش نكنيد كه درباره‌ي راه رفتن ساده صحبت مي‌كنيم. درواقع فعاليت‌هاي پيچيده‌تر مانند ورزش‌هاي دويدني يا جهيدن و فعاليت‌هاي مشابه، زمان بيشتري نياز دارند.

امروز يكي از بزرگ‌ترين چالش‌هاي طراحي ربات خودكار، در طراحي و ساختن ربات‌هاي دوپا با قابليت انجام دادن يكي از ورزش‌هاي تيمي مشهور ديده مي‌شود. مسابقات ربوكاپ ۲۰۲۰ كه حدود ۳،۵۰۰ محقق و سه هزار ربات دوپا را گردآوري مي‌كند، سال آينده در بوردو فرانسه برگزار مي‌شود. در آن رقابت‌ها مي‌توان ربات‌هاي متعددي را مشاهده كرد كه فوتبال بازي مي‌كنند. براي توسعه‌ي چنين ربات‌هايي، پيشرفت‌هاي متعدد صورت گرفته است، اما هنوز حركت آن‌ها مصنوعي و ضعيف است و فاصله‌ي زيادي با بازيكنان جام جهاني فوتبال انسان‌ها دارند.

درك اجسام، يكي از قابليت‌هاي مهم هوشمندي محسوب مي‌شود. امروزه ما دانش نوشتن الگوريتم‌هاي كامپيوتري را داريم كه توانايي درك اجسام را دارند. برخي از آن‌ها قطعا مي‌توانند محتواي موجود در هر تصويري را شناسايي كنند، اما چنين توانايي هيچ ارتباطي با ادراك جامع يا هوشمندي كامل ندارد.

براي درك پيچيدگي ادراك، بايد نگاهي به عملكرد الگوريتم‌هاي شناسايي داشته باشيم. «يادگيري تحت انديشه متخصصين» يكي از شيوه‌هاي مشهور در توسعه‌ي الگوريتم‌هاي هوشمند محسوب مي‌شود. در اين روش، تصاوير به‌همراه برچسب نشان‌دهنده‌ي محتواي تصوير به برنامه نشان داده مي‌شود. تعداد تصاوير، بسيار بيشتر از برچسب‌ها است. درنيتجه هر برچسب به تعداد زيادي تصوير تعلق دارد كه جسم مورد انديشه متخصصين را در موقعيت‌هاي گوناگون، زواياي ديد متفاوت و نورپردازي‌هاي گوناگون، نمايش مي‌دهند.

هوش مصنوعي براي نزديك شدن به رويكرد انسان‌ها به بدني احتياج دارد كه جهان را تجربه مي‌كند. در اين صورت، آيا الگوريتم بدون تشنه بودن، معناي نوشيدني را درك مي‌كند؟ آيا بدون سوختن، معناي آتش را متوجه مي‌شود؟ آيا بدون لرزيدن، دركي از مفهوم سرما خواهد داشت؟ وقتي يك الگوريتم، سوژه‌اي را شناسايي مي‌كند، هيچ‌گونه دركي از طبيعت آن ندارد. الگوريتم تنها سوژه را با نمونه‌هاي قبلي و درواقع تجربه‌هاي قبلي مشاهده‌اي خود، مقايسه مي‌كند.

شايد عدم درك طبيعي هوش مصنوعي، دليل تصادف‌هاي متعددي باشد كه تاكنون در خودروهاي خودران شاهد بوده‌ايم. اگرچه جاده‌ها جهان‌هاي كاملا محدودشده هستند، پيچيدگي بصري و عملا در آن‌ها در سطح بالايي قرار دارد. متخصصان حساس همچون پياده‌رو‌ها و دوچرخه‌‌سوارها به‌راحتي ناديده گرفته مي‌شوند. در نمونه‌هايي ديگر، المان‌هاي خياباني به‌درستي تشخيص داده نمي‌شوند. در چنين شرايطي، پيامد كاستي‌هاي هوش مصنوعي مي‌تواند بسيار مرگ‌بار باشد.

بياييد هوش مصنوعي را با رفتارهاي انساني مقايسه كنيك. وقتي به‌عنوان مثال يك سگ را به كودكي نشان دهيم، او مي‌تواند همه‌ي سگ‌ها را بدون دانستن كلمه‌ي نام آن‌ها (سگ) شناسايي كند. در ادامه، والدين با طراحي و نام‌گذاري سوژه‌ها، به كودك كمك مي‌كنند تا زبان را مبتني بر مفاهيمي كه قبلا تجربه كرده است، بياموزد. البته چنين رويكرد يادگيريي ظاهرا ساده، دشواري‌هاي بسيار پيچيده‌اي دارد.

مفهوم يادگيري به‌زيبايي در زندگي هلن كلر درك مي‌شود. او در دو سالگي شنوايي، بينايي و قدرت تكلم خود را از دست داد. معلم او، آن ساليوان، مدت زيادي تلاش كرد تا با كشيدن تصاوير روي كف دست هلن و سپس لمس آن‌ها، كلمه‌ها را به او يادگيري دهد. تلاش‌هاي ساليوان در ابتدا موفقيت‌آميز نبود، چون هلن، ابزارهاي ورودي ابتدايي را براي اين لغت‌نامه‌ي عجيب در اختيار نداشت. يك روز ساليوان هلر را به يك چاه آب برد و جريان آب را از روي دست او عبور داد. هلن درباره‌ي تجربه‌ي مذكور گفت:

ناگهان حس آگاهي مبهمي از چيزي فراموش شده را درك كردم كه شبيه به بازگشت يك تفكر و تصور بود. به‌نوعي راز زبان را فاش كرده بودم. ديگر مي‌دانستم كه تركيب حروف w-a-t-e-r به‌‌معناي چيزي سرد و عالي است كه از روي دستان من جريان دارد. آن كلمه‌ي زنده، روح من را بيدار كرد و نور، اميد، لذت و آزادي را به آن داد. ديگر همه‌چيز يك نام داشت و هر نام، به تفكري جديد زندگي مي‌داد. وقتي به خانه بازگشتيم هرچه لمس مي‌كردم به زندگي ارتباط پيدا مي‌كرد.

جمله‌هاي بالا در سال ۱۹۰۵ در جزوه رايگان «داستان زندگي من» نوشته‌ي هلن كلر چاپ شدند. نشانه‌ها در آن روز به‌خصوص در زندگي هلن، براي هميشه به واقعيت متصل شده بودند.

اگرچه تا به‌امروز پيشرفت‌هاي متعددي در حوزه‌ي يادگيري ماشين رخ داده است، اتصال نشانه‌هاي ديجيتال به دنياي وافعي، هنوز چالش‌هاي حل نشده‌ي متعددي دارد. بدون حل كردن اشكال مذكور، نمي‌توان انتظار هوش مصنوعي جامع داشت. درنهايت هنوز ما نكات ناشناخته و مبهمي براي درك چگونگي علمكرد هوش مصنوعي داريم. عنوان مقاله‌ي منبع به اين نكته اشاره دارد كه حيوانات خانگي، با وجود عدم توانايي بازي كردن شطرنج (قابليت ساده‌اي كه هوش مصنوعي به آن مجهز است)، هوش بيشتري دارند كه منوط به همان شناخت و درك از جهان پيرامون مي‌شود.