فلسفه هوش مصنوعی | مقاله‌ای از پروفسور ایرج نبی‌پور

فلسفه هوش مصنوعی

دکتر ایرج نبی‌پور
فوق تخصص غدد و متابولیسم و عضو پیوسته فرهنگستان علوم

کاملاً آشکار است که فلسفه با هوش مصنوعی در ارتباطی تنگاتنگ قرار دارد. فلسفه می تواند بسیاری از مفاهیمی که هوش مصنوعی از آن‌ها استفاده می‌کند (مانند هوش، درک، یادگیری حافظه استنباط و غیره) را شفاف سازد. از سوی دیگر به همین اندازه هوش مصنوعی و علوم رایانه با فلسفه پیوند دارند؛ زیرا می‌توانند مجموعه ای از مفاهیم و اشکال تبیین جدید را فراهم کرده و پرسش‌های نوینی را در رابطه با مسائل کهنه فلسفه پیرامون پیوند میان «ذهن» و «بدن»، متافیزیک و دربارۀ آنچه که می‌توانیم بدانیم را برانگیزند. در مباحث مربوط به علوم رایانه هوش مصنوعی و فلسفه این پرسش‌ها را می‌توان مطرح کرد: یک ماشین چیست؟ مفهوم محاسبه چیست؟ چه ارتباطی میان فرآیندهای محاسباتی و فرآیندهای فیزیکی وجود دارد؟ هوش چیست؟ آیا یک سنجه و ملاک رفتاری برای هوش مصنوعی می‌تواند وجود داشته باشد؟ آیا فرآیندهای عصبی به شیوه ای بنیادین از فرآیندهایی که در یک رایانه دیجیتال وجود دارند متفاوت می‌باشند؟
این پرسش‌های فلسفی می‌توانند از ناشناخته‌های پیچیده پیرامون ماهیت سطح تماس انسان – ماشین، رازگشایی کنند و این امکان را فراهم می‌آورند تا خصوصیات ساختاری و مکانیکی سیستم‌های بیولوژیک و الکترونیک که به صورت سنتی جدا از همدیگر نگریسته می‌شده‌اند امکان یکپارچه‌سازی بی‌سیمی پیدا کنند. پرسش دیگر آن است آیا می توان از «سایبورگ‌های انسان هوش مصنوعی» صحبت کرد؟
اما پیش از این که به این سرزمین‌های دور که بیشتر به سان افسانه‌های علمی – تخیلی جلوه می‌کنند، پرواز کنیم، بحث فلسفی خود را پیرامون هوش مصنوعی، بر روی دو پرسش بنیان می‌گذاریم:
۱) آیا هوش مصنوعی یک بازساخت از هوش انسانی در ماشین‌ها است؟
۲) آیا اصلاً هوش مصنوعی در پزشکی امکان‌پذیر است؟
پرسش نخست به مسئله رابطه «ذهن» و «ماشین» (رایانه) می‌پردازد که آیا همسانی تقریبی عملکردی میان آن دو وجود دارد؟ پاسخ به این پرسش موجب برانگیختن دو جنبه از موضوع می‌گردد؛ در یک جنبه که فلاسفه‌ای همچون کارکردگرایان ماشینی قرار دارند به «ذهن همانند یک رایانه می‌نگرند و در جنبۀ دیگر فلاسفه هوش مصنوعی قرار دارند که تلاش می‌کنند بدانند که «رایانه را تا چه اندازه می‌توان همسان با «ذهن» نگریست؟ پرداختن به این پرسش خود موجب گشایش سه پرسش بنیادین می‌گردد:
۱) آیا رایانه (ماشین) می‌تواند اعمال هوشمندانه‌ای را انجام دهد؟
۲) اگر رایانه (ماشین) بتواند برخی اعمال هوشمندانه را انجام دهد، آیا به همان طریقی این اعمال را انجام می‌دهد که انسان‌ها انجام می‌دهند؟
۳) اگر رایانه اعمال هوشمندانه را به همان شیوه ای که انسانها انجام می دهند، انجام دهد آیا لزوماً این امر دلالت بر این دارد که رایانه (ماشین) از ویژگی های ذهنی و روانشناختی ای نظیر انسان از قبیل، آگاهی، اراده، تفکر عاطفه و احساس، برخوردار است؟
برای پاسخ به این پرسشهای سه گانه لازم است که ما با مفهوم هوش مصنوعی ضعیف و قوی که به کاربرد رایج و توان هوش مصنوعی اشاره دارند، آشنا شویم. فرضیه وجود هوش مصنوعی ضعیف ناظر بر آن است که ماشینی که یک برنامه را اجرا میکند در نهایت می تواند رفتار و هوشمندی واقعی انسانی را شبیه سازی کند. چنین ماشین هایی هم اکنون در تشخیص پزشکی و بعضی از تداخلات بالینی استفاده می شوند. در واقع هوش مصنوعی ضعیف مصداق این ادعا است که یک ماشین اجرا کننده برنامه در نهایت شبیه سازی یک فرآیند شناختی را و نه خود فرآیند شناختی را عرضه می دارد. این در حالی است که یک ماشین هوشمند قوی این معنا را ساطع می نماید (حداقل بر روی کاغذ) که اجرای برنامه (که هنوز مانده طراحی شود) بر روی یک ماشین در واقع یک ذهن است. به زبان دیگر، میان یک قطعه نرم افزار که دقیقاً فعالیت های مغز را تقلید می کند و اعمال یک انسان شامل درک و هوشمندی تفاوت ضروری وجود ندارد.
بحث بر سر هوش مصنوعی ضعیف و قوی (که هنوز ساخته نشده است) بسیار داغ بوده و دانشمندان و فلاسفه بسیاری را به موضوع فلسفۀ هوش مصنوعی فراخوانده است. بحث اتاق چینی جان سرل که به صورت یک آزمایش تجربی تفکراتی برای نقض این فرضیه که «رایانه ای که به طور مناسب برنامه ریزی شده باشد، واقعاً یک ذهن است» طراحی شده است به این نتیجه گیری دست مییابد که یک برنامه هوش مصنوعی میتواند نگرش هوش را به مشاهده کننده خارجی اهدا کند ولی به شکل تام فاقد درک است. بدین سان یک هوش مصنوعی فقط توانایی شبیه سازی رفتار و بصیرت انسان واقعی را دارد، بدون این که مقصودانه باشد.
جان سرل می نویسد: «آیا یک ماشین می تواند فکر کند؟….. فقط گونه های بسیار ویژه ای از ماشین ها به عبارتی مغزها و ماشی نها با توان علی داخلی مترادف با مغزها و بدین سان است که چرا هوش مصنوعی قوی مقدار کمی دارد تا به ما پیرامون تفکر بگوید، زیرا این پیرامون ماشین ها نیست بلکه پیرامون برنامه ها است و هیچ برنامه ای به خودی خود برای تفکر کردن کافی نیست.»

از این رو این مجادله سرل است که هوش مصنوعی قوی ممکن است هم ارزی کارکردی و رفتاری ما را به اشتراک بگذارد، بدون آن که یک سیستم بصیر باشد زیرا بصیرت نه تنها به سازماندهی محاسباتی نیاز دارد بلکه به شیوهای ویژه و ناشناخته ای نیاز دارد که به واسطه آن، سازماندهی کارکردی در بیولوژی ارگانیسم، به کار بسته می شود. بدین منظور است که سرل بر این شک می ورزد که بصیرت واقعی بتوان در یک «انسان نما» با وضعیت دانش کنونی که ما داریم امکان تحقق داشته باشد.
در هر صورت، براساس انجام امور محاسباتی که در رایانه های کنونی انجام می شود، میتواند مصداق هوش مصنوعی ضعیف باشد و پرداختن به زیر پرسش اول، موضوعی است که در گسترۀ علوم مهندسی قرار می گیرد پاسخ به زیر پرسش دوم، مربوط به حوزه روانشناسی شناخت است و پاسخ به زیر پرسش سوم، به دیدگاهی فلسفی نیاز دارد که از دیدگاه افراطی فلسفۀ هوش مصنوعی پاسخ این پرسش مثبت بوده و هوش مصنوعی می تواند دارای حالات ذهنی بوده و از کیفیات روانی نظیر، احساس آگاهی و غیره برخوردار باشد و بدین گونه رایانه (ماشین) واجد ذهن تلقی گردد.
بی شک تلاشهای انجام گرفته شده در طی بیش از نیم سده پیشین برای بازسازی هوش انسانی به صورت هوش مصنوعی که با دو رویکرد فلسفی «نشانه گرایی» و «پیوندگرایی» صورت گرفت و منجر به ساخت ماشین های هوشمند در ترازهای گوناگون شد نشان می دهند که ما چقدر از ایده خلق «ماشین هوشمند» که بتواند ایده افراطیون فلاسفه هوش مصنوعی را برآورده سازد، به دور هستیم. در رهیافت فلسفی نشانه گرایی که «فکر کردن یعنی محاسبه کردن»، پیروان آن بر این باور بوده اند که کار ذهن بسیار شبیه رایانه است و هر دو سیستم از داده پردازی علائم صوری که خود بازنمودهایی از جهان خارج محسوب می شوند بهره می برند و آزمون تورینگ به عنوان راهی برای شناخت ماشین هایی طراحی گردید که واجد ذهن شده بودند و در حقیقت این آزمون در پی پاسخ به این پرسش بود که «آیا ماشین می تواند فکر کند». در مقابل، رهیافت پیوندگرایی قرار دارد که پیروان آن تلاش می کنند ماشینی بسازند که همسان و همسنگ (از لحاظ عملکردی و ساختاری) با مغز انسان باشد. آنها می دانند که در مغز برخلاف رایانه یک واحد خاص برای پردازش اطلاعات استفاده نمی شود بلکه امور پردازش در مغز به صورت موازی انجام می گیرد و این در نقطه مقابل رایانه ها است که پردازش اطلاعات را به صورت سری انجام می دهند در ماشینهای با رهیافت پیوندنگرانه، همانند مغز انسان (حداقل با دانشی که هم اکنون از مغز داریم)، عمل می کنند و عمل پردازش اطلاعات، تقسیم گردیده و میان بخشهای گوناگون برهم کنش وجود دارد. به عبارت دیگر به جای این که پاره‌های گوناگون اطلاعات در بخشهای مختلف از مغز پردازش شوند، تمام اطلاعات در کل شبکه عصبی به عنوان یک کل در هم تافته جای می گیرد. پیروان رهیافت پیوندنگری «به جای آن که ذهن را بر اساس ساختار رایانه بفهمند، تلاش می کردند تا رایانه را به ساختار عصبی انسان نزدیک نمایند بدین ترتیب کوشش آنها صرف آن میشد تا فعالیت مغز را که در عصب شناسی به نحو کل گرایانه فهمیده می شد صوری سازی کرده و ساختار رایانه ها را به آن نزدیک نمایند برای پیوند گرایان، یادگیری مهمترین عنصر در هوش انسانی شمرده می شود به عبارت ساده تر، پیوند گرایان در پی آن بودند تا ماشین را بر اساس مغز انسان مدل سازی نمایند.»

با دانش کنونی، چه رهیافت نشانه گرایی و یا پیوندگرایی اتخاذ شود، امکان ساخت ماشینی که بتواند همه هوشمندی انسانی را در همۀ ترازها تقلید کند، وجود ندارد و این شاید نقطه تکینگی دانش هوش مصنوعی باشد و برای گذار از آن نیاز است تا ما از ساختار و عملکرد بلادرنگ مغز در پروژه های مغز و کنکتوم مغزی، آشنایی پیدا کنیم تا بتوانیم ساختار و عملکرد واقعی مغز را در قالب برنامه های ماشینی به صورت ماشین های هوشمند، خلق نماییم. به زبان دیگر، هر چند پزشکی فرادقیق از توانمندی های ماشین های هوشمند و هوش مصنوعی بهره می‌برد اما این اکتشافات در عرصه پزشکی فرادقیق است که ترسیم گر ساخت هوش مصنوعی قوی خواهد بود. هر چند که پاسخ به این پرسش در تراز فلسفه علمی جای می گیرد که آیا دانش هوش مصنوعی می تواند ماشینی بسازد که در آزمون نامحدود تورینگ پیروز شود؛ یعنی همۀ مهارتهای هوشمندانه انسانی را پیاده سازی کند یا خیر؟ و در تراز فلسفه ذهنی این پرسش می درخشد که: اگر ماشینی ساخته شود که همۀ کارکردهای هوشمندانه را پیاده سازی کند و در آزمون تورینگ پیروز شود، آیا بدین معنا است که ذهن دارد؟ به بیان دیگر آیا هوش مصنوعی الگوی مناسبی برای ذهن فراهم می آورد؟
این نوشتار رخصت پرداختن به این پرسشهای ژرف فلسفی را ندارد و بحث و جدل آن را به فیلسوفان هوش مصنوعی می گذارد ولی به این بسنده می نماید که براساس نظر جان سرل، رایانه های دیجیتال تنها وجه سینتکس (دستورالعملی) دارند و نه سمنتیک (وجه معنایی)؛ یعنی الگوریتم های برنامه ها را می توان همچون مجموعه قواعد (دستور) در نظر آورد؛ اما اینها برای تولید معنا و برخورداری از محتوا و قصدمندی به سوی آن محتواها، کافی نیستند.
از دید دکتر صادق زاده، این واقع گرایانه نیست که انتظار داشته باشیم یک ماشین هوشمند تمام جنبه های هوش انسانی را (مانند احساس سوبژکتیو درک کردن) را از خود به نمایش بگذارد. از سوی دیگر، هوشمندی این ماشین ها دارای جنبه های دیگری است که یک انسان فاقد آن است (مانند داشتن دانش بی انتها و توانمندی استدلال چند منطقی سترگ). چنین است که می بایست به این اذعان داشت که هوش مصنوعی و هوش انسانی دو تیپ گوناگون از هوشمندی هستند که قابل رقابت با یکدیگر نبوده ولی مکمل همدیگر می باشند. بنابراین پاسخ پرسش نخست این بحث که آیا هوش مصنوعی یک بازساخت از هوش انسانی در ماشین ها است را نمی توان مثبت دانست.

اصول موجود در پس زمینه یادگیری در انسان و هوش مصنوعی یکسان هستند ولی رهیافت های مربوط به تشخیص و استدلال بالینی میان آن دو متفاوت است. رهیافت پزشکان در استدلال بالینی به صورت شهودی و قیاسی است در حالی که در هوش مصنوعی این فرآیند عمدتاً به صورت تجزیه و تحلیلی و استقرایی می باشد. همانگونه که پیش از این اشاره شد پزشکان از رهیافت فرضیه ای – قیاسی برای امر تشخیص استفاده می کنند. آنها بعد از خلق فرضیه های تشخیصی خود در مرحله اول، مقدار زیادی از زمان تشخیصی خود را به آزمودن این فرضیه با گردآوری داده های بیشتر می پردازند. این رهیافت با فرآیندهای شناختی که بر طبق تئوری فرآیند دوگانه می تواند شهودی یا تجزیه و تحلیلی باشد، مورد پشتیبانی قرار می گیرد. شهود (شناخت الگو) فرآیندی است که به صورت خودکار کار می کند و تحت بصیرتی قرار دارد و امکان خلق فرضیه های تشخیصی با برگرفتن پاره هایی از اطلاعات را فراهم آورده و با همبستگی میان آنها و مقایسه نتیجه با الگوهای ذخیره در حافظه طولانی مدت کار را دنبال می نماید. این الگوها از طریق تجربیات یادگیری بالینی و آکادمیک ساخته می شوند. این در حالی است که «یادگیری ماشین» به توسعه یک الگوریتم وابسته است که نماهای مهم را از مجموعه داده ها «مجموعه آموزشی» یاد می گیرد و سپس به پیش بینی دیگر داده های ناشناخته می پردازد. سیستمهای هوش مصنوعی از یک مدل (نمایانگر دانش یاد گرفته شده)، عملکرد تصمیمی (امکان پاسخ دادن به مسئله هنگامی که یک درون داد جدید داده می شود فراهم می سازد) و یک سنجه ارزیابی (کیفیت پاسخ فراهم شده با هوش مصنوعی را با معیار مورد مقایسه قرار می دهد) تشکیل شده اند. شبکه های عصبی ژرف که از لایه های در هم پیچیدۀ نرون مصنوعی تشکیل شده اند یک «مدل» را شکل می دهند. ساختار معماری شبکه و وزنهای همبسته با هر پیوند بیانگر یک «عملکرد تصمیمی» است. از یک درون داد (برای مثال تصویر هیستوپاتولوژیک)، شبکه عصبی یک پیشگویی را به صورت یک برونداد (برای مثال وجود یا عدم وجود سرطان)، ارائه می دهد. برای یادگیری الگوریتم به صورت خودکار راه حل خود را با محاسبه یک عملکرد سنجه ای ارزیابی (که در اساس یک تفاوت میان برون داد پیشنهادی الگوریتم و معیار است)، بهینه می سازد. در شبکه‌های عصبی ژرف، خطای محاسبه شده توسط سنجه ارزیابی از طریق لایه های شبکه پس پراکنش می شود و الگوریتم وزنهای پیوندها میان نرون‌ها را تعدیل می نماید؛ این فرآیند تا زمانی که الگوریتم، برون ده های خود را بر اساس «مجموعه آموزشی»، با دقت ارائه ندهد تکرار می گردد. با چنین فرآیندی است که الگوریتم های شبکه های عصبی ژرف هوش مصنوعی کنونی می توانند در استدلال تشخیصی در پزشکی به تشخیص بالینی کمک کنند.
در آنالیز تصاویر طبی هوش مصنوعی از سرعت تشخیصی پیشی گرفته و از لحاظ دقت نیز به موازی خبرگان (رادیولوژیستها) حرکت می کند. با پردازش زبان طبیعی جهت «خواندن» ادبیات علمی و گردآوری پرونده های طبی الکترونیک متنوع، هوش مصنوعی می تواند خطاهای بالینی در نتیجه تورش های شناختی انسانی را کاهش داده و به صورت مثبتی بر مراقبتهای سلامت اثر بگذارد.
در واقع پاره ای از سیستمهای کنونی هوش مصنوعی در تصمیم سازی بالینی، از پزشکان دقیق تر هستند و ممکن است بدین سان به درستی این سیستمها بتوانند آزمون تورینگ را آشکارا طی کرده و در «بازیهای تشخیصی» از پزشکان در توانمندی استدلال بالینی پیشی بگیرند. این خود میتواند شاهدی دال بر وجود امکان پذیری خلق هوش مصنوعی در پزشکی باشد. از این رو می توان گفت پرسش دوم که در آغاز این بخش از نوشتار به آن اشاره شد نه تنها مثبت است بلکه باید گفت که هوش مصنوعی در پزشکی هم اکنون وجود دارد.
با اطلاعات و دانش کنونی، شکی بر جای نمانده است که هوش مصنوعی در پزشکی وارد شده است و نقش حیاتی در کمک به پزشکان جهت ارائه مراقبت های سلامت در هزاره پیش رو را ایفا کرده است و همچون مکملی در فزونی «هوش پزشکی» اطبای آینده خدمت خواهد کرد. به زبان دیگر، ورود هوش مصنوعی در عرصه پزشکی و طبابت حلقه سنتی ارتباط بیمار – پزشک را به گونه ای که سابقه نداشته است، خواهد شکست؛ هر چند که هوش مصنوعی قوی ای که بتواند هیجاناتی همانند انسان را از خود نشان داده و مقصودوار در فرآیندهای اجتماعی شرکت، نماید هنوز از دیدگاه علمی، دسترس ناپذیر است. اما با دانش کنونی، هوش مصنوعی ضعیف می تواند در استدلال بالینی در تشخیص طبی به پزشکان یاری رساند و از این رو این گزاره درست است که هوش مصنوعی در پزشکی امکان پذیر است اما نقش تکمیلی داشته و جایگزین اطبا نخواهد بود؛ یعنی اطبایی که با شهود رازگونه خود در استدلال بالینی مشارکت می نمایند. بدین سان باید بر این باور پافشاری نماییم که هوش مصنوعی در سیاق کنونی خود یک فزونی دهنده پزشکان خواهد بود و نه یک جایگزین پزشکان.
خلق هوش مصنوعی قوی با همۀ زیرساخت های اخلاقی و آزادگی و بروز هیجاناتی که خواهد داشت را شاید باید در هنگامه تکینگی که به گفتۀ ری کرزویل در سال ۲۰۴۵ نمود می یابد جستجو نمود.

فصلنــــامـــه ارغنــــون هامـــون (فروش اینترنتی)

ماهنـــــامـــــه نــامـــه هـامـــــون (فروش اینترنتی)

دوهـفتـــــــه نــامـه آوای هـــــامــــون (فروش اینترنتی)

انتـــــشــــــــارات هــــامـــــــون نـــــو (فروش اینترنتی)

نشستن در لژ مخصوص غول‌های ادبی؛ درباب منوچهر آتشی

درباره استاد غلامعباس توسلی؛ حافظه زنده جامعه شناسی

توسلی در سه بزنگاه تاریخی؛ یادداشتی از حمیدرضا جلائی‌پور

آکادمیسین مردم‌مدار؛ یادداشتی از حسین سراج زاده

فلسفه هوش مصنوعی | مقاله‌ای از پروفسور ایرج نبی‌پور

دیدگاهتان را بنویسید لغو پاسخ