جان مک کارتی،پدر هوش مصنوعی

[moji5]

پسر بچه 5 ساله‌ای را در نظر بگیرید که یک ماشین پلاستیکی به عنوان اسباب‌بازی دارد. او ماشینش را عقب و جلو می‌برد، بوق می‌زند، ویراژ می‌دهد و می‌داند که نباید آن را روی میز غذاخوری بکشد و یا به طرف سر بردار کوچکترش پرتاب کند. او قبل از این که به کودکستان برود ماشینش را روی طاقچه و دور از دسترس برادر کوچکترش قرار می‌دهد و وقتی به خانه باز می‌گردد انتظار دارد ماشینش را همان‌جایی که صبح گذاشته بود بیابد.
استدلالهایی که راهنمای حرکات و انتظارات این پسربچه است به قدری ساده‌اند که برای هر بچه دیگری در این سن و سال نیز قابل درک است. اما جالب است بدانید که هنوز برای اغلب رایانه‌ها چنین نیست. بخشی از مشکل رایانه‌ها به کمبود دانش آنها درباره قرادادهای اجتماعی روزمره بر می‌گردد، یعنی همانهایی که یک کودک 5 سال از والدینش آموخته است مانند این که نباید مبلمان خانه را زخمی کند و یا به برادر کوچکترش آسیب برساند. بخش دیگری از مشکل نیز به ناتوانی رایانه‌ها در استدلال کردن براساس عقل سلیم باز می‌گردد. منطق متعارف از شکلی از استدلال که استنتاج خوانده می‌شود سود می‌برد. استنتاج به ما اجازه می‌دهد که از جملاتی نظیر «تمام فلاسفه یونانی هستند» و «افلاطون فیلسوف است»، جمله تازه «افلاطون یونانی است» را نتیجه‌گیری کنیم. خاصیت اصلی استنتاج این است که می‌گوید: «اگر صغری و کبرای قضیه درست باشد، نتیجه‌گیری درست خواهد بود.» علاوه بر این، استنتاج «یکنوا» (یک واژه ریاضی که معنی اصلی آن «بدون تغییر» است) می‌باشد. یعنی اگر شما واقعیت‌ تازه‌ای را یاد بگیرید که با صغری و کبرای قضیه تناقض نداشته باشد، در این صورت نتیجه‌گیری هم‌ همچنان پابرجا خواهد ماند.
اما چون اغلب ما استنتاج را در مدرسه فرا می‌گیریم، به ندرت از آن در تجربیات علمی خود استفاده می کنیم. کودک پنج‌ساله انتظار دارد که اسباب بازیش در همان محل اولیه باقی مانده باشد زیرا آن را خارج از دسترس برادر کوچکترش گذاشته بود. اما اگر قبل از آن که آن روز خانه را ترک کند برادرش را دیده بود که روی صندلی می‌رود، دیگر در بازگشت به خانه از قرار داشتن اسباب بازی در سر جای اولش چندان مطمئن نبود. استدلالهای بر پایه عقل سلیم یک آدم پنج‌ساله، متکی بر حدسیاتی است که در مواجهه با واقعیتهای تازه، ممکن است دچار تغییر و تجدید نظر شوند. البته این امر فقط مربوط به پنج‌ساله‌ها نیست!
برنامه‌نویسان می دانند که استنتاج را چگونه در رایانه‌ها پیاده‌سازی کنند زیرا از نظر ریاضی به خوبی تعریف شده است. اما اگر بخواهید یک رایانه بر پایه حدسیات یا آنچه ما عقل سلیم می‌نامیم و بقای ما به آن بستگی دارد، استدلال کند باید کلاً منطق ریاضی جدیدی ابداع کرد. این یکی از هدفهایی بود که جان مک‌کارتی برای خود قرار داد.
جان مک‌کارتی در سال 1927 در بوستن و در خانواده‌ای که از فعالان حزب کمونیست بودند به دنیا آمد. خانواده او به دلیل فعالیتهای سیاسی دائم از این شهر به آن شهر در حرکت بودند. پدرش یک کاتولیک ایرلندی‌الاصل بود که ابتدا نجاری، سپس ماهیگیری و بالاخره در اتحادیه کارگری کار می‌کرد و خانواده‌اش را از بوستن به نیویورک و بعد از آنجا به لوس‌آنجلس برد. مادرش یهودی لیتوانی‌الاصل بود که به عنوان روزنامه‌نگار برای یک روزنامه طرفدار کمونیسم کار می‌کرد و سرانجام مددکار اجتماعی شد. مک‌کارتی علاقه‌مندی اولیه خود به علوم را به دیدگاههای سیاسی خانواده‌اش مرتبط می‌داند.
مک کارتی خود می‌گوید که در دوران نوجوانی یک آدم معمولی بوده است ولی شواهد و قرائن چیز دیگری می‌گویند. او در دبیرستان، نسخه‌ای فهرست درسهای انستیتوی فناور کالیفرنیا را به دست آورد و به مطالعه کتابهای ریاضی که در آنجا به دانشجویان سالهای اول تدریس می‌شد پرداخت و تمام تمرینهای آنها را حل کرد. این امر باعث شد که وقتی در سال 1944 در رشته ریاضی به دانشگاه مزبور راه یافت درسهای ریاضی دو سال اول را از او بپذیرند.
مک‌کارتی در سال 1948 دوره کارشناسی ارشد ریاضی را شروع کرد. در سپتامبر همان سال، در سمپوزیوم «سازو کارهای ذهنی در رفتار انسان» شرکت کرد. در این هم‌اندیشی، جان فن نویمان، ریاضیدان بزرگ و طراح رایانه، مقاله‌ای را در زمینه ماشینهای خودکار خود تکثیر، یعنی ماشینهایی که می‌توانند نسخه‌هایی عین خود را به وجود آورند، ارائه کرد. با وجودی که هیچ‌کس در آن جلسه ارتباطی بین هوش ماشینی و هوش انسانی نیافت ولی صحبتهای فون نویمان، حس کنجکاوی مک‌کارتی را برانگیخت.
مک‌کارتی در سال 1949 دوره دکترای ریاضی را در دانشگاه پرینستون آغاز کرد و در همان سال نخستین تلاشش را برای مدلسازی هوش انسان بر روی ماشین انجام داد.
ماشین خودکار، ماشینی است که در طول زمان از یک وضعیت به وضعیت دیگر منتقل می‌شود. به عنوان مثال، یک اتومبیل هنگامی که رانند استارت می‌زند از وضعیت «خاموش» به وضعیت «روشن ولی بی‌حرکت» منتقل می‌گردد. سپس وقتی رانند دنده یک می‌زند و پایش را از روی کلاچ بر می‌دارد، ماشین از وضعیت «روشن ولی بی‌حرکت» به وضیعت «در حال حرکت» منتقل می‌شود. یک ماشین خودکار تعاملی، برحسب وضعیت خودش و نیز وضعیت یک ماشین دیگر، از یک وضعیت به وضعیتی دیگر منتقل می‌شود. برخی از ماشینهای خودکار هوشمندند ولی هوشمندی یک مولفه ضروری و اجباری برای آنها نیست.
مک‌کارتی، کوششهای اولیه خود در زمینه استفاده از ماشین خودکار برای مدلسازی هوش انسانی را کار گذاشت اما ایده «وضعیت» و «انتقال» تا یک دهه بعد در کارهایش دیده می‌شود.
در طول این مدت، علاقه مک‌کارتی به تولید ماشینی به هوشمندی یک انسان همچنان پابرجا بود. در تابستا سال 1952، یکی از دانشجویان کارشناسی ارشد دانشگاه پرینستون به نام جری راینا به مک‌کارتی پیشنهاد کرد که برخی از افرادی که به موضوع هوش ماشینی علاقه‌مندند را گرد هم آورد تا به کمک هم کلیه مقالاتی که در این زمینه منتشر شده است را جمع‌آوری کنند. یکی از نخستین کسانی که مک‌کارتی به سراغشان رفت، کلود شانون،‌پدید‌آورنده نظریه ریاضی ارتباطات بود. نظریه شانون که بعدها توسط دیگران به طور خلاصه نظریه اطلاعات نامیده شد،‌ابتدا بر روی ارتباطات و سپس در زمینه زبانشناسی، ریاضیات و دانش رایانه به کار بسته شد. مک‌کارتی می‌گوید:
«شانون اصطلاحات پرزرق و برق را دوست نداشت. او اسم مجموعه مقالات را مطالعه ماشینهای خودکار گذاشته بود و هنگامی که مقالات به تدریج می‌رسیدند من بسیار ناامید شدم زیرا بسیاری از آنها اصلاً به موضوع مورد علاقه من یعنی هوش ارتباطی نداشتند.
بدین خاطر وقتی که در سال 1955 پروژه دارتموث را سازماندهی کردم، برای آن که به طور واضح و روشن به دیگران بگوییم که راجع به چه چیزی صحبت می‌کنیم، اصطلاح هوش مصنوعی را به کار بردم.»
پروژه تحقیقاتی دارتموث در تابستان 1956 در زمینه هوش مصنوعی، نقطه عطفی در تاریخ دانش رایانه شد. هدف جاه‌طلبانه‌ای که برای کار 10 نفر ظرف 2 تعیین شده بود چنین بود: «تمامی جنبه‌های آموزش یا هر ویژگی دیگر هوش را اساساً می‌توان آنچنان دقیق تعریف کرد که بتوان آن را روی یک ماشین شبیه‌سازی نمود.»
با وجودی که پروژه تحقیقاتی دارتموث به تولید یک ماشین هوشمند نیانجامید اما اهداف و روشهایی را بنیاد نهاد که به شناسایی حوزه هوش مصنوعی به عنوان یک حوزه مستقل و بعدها پیشتاز در مطالعات مربوط به دانش رایانه منجر گردید. هر چند بسیاری از شرکت‌کنندگان کنفرانس دیگر به تحقیقاتشان در این زمینه ادامه ندادند ولی برخی از کارهای ارائه شده، اثرات ماندگای برجای گذاشتند.
آی‌بی‌ام به زودی علاقه‌اش را به زمینه هوش مصنوعی از دست داد. برخی از مشتریان فکر می‌کردند که با ظهور ماشینهای هوشمند ممکن است کارشان را از دست بدهند. به این جهت شعار تبلیغاتی آی‌بی‌ام در اوایل دهه 1960 این بود که رایانه‌ها ماشینهای احمقی هستند که فقط کارهای که بهشان گفته می‌شود را انجام می‌دهند،‌نه کمتر و نه بیشتر.
سوالات بسیار، جوابهای اندک
مک‌کارتی با میان کشیدن موضوع استدلال بر پایه عقل سلیم، سوالات بسیاری را فرا روی پژوهشگران هوش مصنوعی قرار داده است. او در مقاله معروف خود در سال 1959، هدفش را ساختن ماشینی قرار داده است که بتواند همانند یک «آدم کودن»، برخی استدلالهای اولیه کلامی را انجام دهد. با وجودی که به کار بردن این عبارت، کار را ساده جلوه می‌دهد اما هنوز این هدف دست نیافتنی می‌نماید.
بنابراین می‌توان این سوال را مطرح کرد که آیا کوششهای بسیار مک‌کارتی در به وجود آوردن یک بنیاد منطقی برای هوش مصنوعی با موفقیت روبرو بوده یا شکست خورده است؟
بنابه اظهار خود وی، تنها بخش کوچکی از کارهای او تا کنون در عمل به کار بسته شده است. به عنوان مثال، سیستمهای خبره‌ای که برای تشخیص پزشکی یا پیش‌بینی قیمت سهام نوشته شده‌اند از استدلال نایکنوا یا استنتاج از متن استفاده نکرده‌اند و به همین خاطر دچار مشکلات زیادی می‌باشند.
البته آینده ممکن است کاملاً متفاوت باشد. پژوهشهای بزرگ و عمیق، مانند کوشش داگلاس لنات در رمزبندی دهها میلیون قانون و اطلاعات، که از منطق استفاده می‌کنند باید بر پایه کارهای مک‌کارتی بنا شوند. آیا ابزارهای منطقی موجود کفایت خواهند کرد؟ مک‌کارتی ادعا نمی‌کند که پاسخ این سوال را می‌داند:
«پیشرفتها در زمینه استفاده از منطق برای بیان واقعیتهای جهان، همواره کند بوده است. ارسطو قالبهای صوری را ابداع نکرد. لایب نیتز حساب گزاره‌ها را ابداع نکرد هر چند از نظر صوری ساده‌تر از حساب بینهایت کوچکها است که او به همراه نیوتن ابداع کرد. جرج پول حساب گزاره‌ها را ابداع کرد ولی او حساب محمولات را اختراع نکرد. فرگ حساب محمولات را ابداع کرد ولی هرگز به سراغ قالب‌بندی صوری استدلال نایکنوا نرفت. من فکر می کنم برای ما انسانها فرموله کردن بسیاری از واقعتیها درباره پردازشهای فکریمان که به نظر خودمان واضح می‌آیند دشوار است»