ماروين مينسكی (Marvin Minsky)

ماهنامه شبكه/ سال نهم، شماره 71، آذر 1385 / ص 254
ترجمه: هومن تحویلداری

برای نخستین بار، در سال 1956 جان مك‌كارتی1 یكی از اساتید ریاضیات دانشگاه Dartmouth در قالب پروژه تحقیقاتی تابستانه دانشگاه، نتایج گردآوری شده‌ای را در ارتباط با هوش مصنوعی منتشر ساخت. پیشرفت‌های حاصل شده در زمینه ریاضیات و فلسفه كه توسط افرادی مانند آلن تورینگ2، جان فن نویمن3، هربرت سایمون4، آلن نیوئل5 و دیگر بزرگان علوم كامپیوتر حاصل شده است، دهه 1950 را به دوره‌ای سرشار از خوش‌بینی درباره هوش ماشینی مبدل نموده بود. در آن دوره محققان به این باور رسیده بودند كه به زودی قادر خواهند بود كامپیوترها را به نحوی برنامه‌ریزی كنند كه شكل‌های مختلف شعور و منطق انسانی را شبیه‌سازی كنند. سیستم‌های خبره، اطلاعات را با مهارت تمام به شكل منطق نمادین درخواهند آورد و شبكه‌های عصبی مصنوعی برای به‌دست‌آوردن پاسخ‌های صحیح، تربیت خواهند شد. این فلسفه خوش‌بینی حتی در فرهنگ عامه مردم نیز رسوخ نمود و ‌HAL كامپیوتر هوشمند (و البته بسیار آشفته) در فیلم <اودیسه فضایی: 2001> ساخته استنلی كوبریك در سال 1968 به هنرپیشگان انسانی فخرفروشی می‌نمود.

با این‌حال در اواخر دهه 1960 مشخص شد كه نزدیك شدن به نوعی از شعور انسانی حتی در حد عقل یك كودك برای كامپیوتر، نیازمند شبكه‌های بسیار پیچیده و بافته از معادلات منطقی یا ارتباطات عصبی خواهد بود. در این مقطع محققان تصمیم گرفتند در ساختار پژوهش‌های خود تجدید نظر نمایند. آنان با تقسیم مشكلات به قسمت‌های كوچك‌تر، روی نسخه‌برداری از اعمال ساده انسانی مانند جابه‌جا كردن اسباب‌بازی توسط كودك (موضوع پروژه مشهور SHRDLU كه طی آن‌ تری وینوگراد، دانشمند علوم كامپیوتر دانشگاه استانفورد، جهت ساخت یك بازوی روباتیك از زبان طبیعی یا Natural Language استفاده نموده است) تمركز نمودند.

در ماه جولای گذشته ماروین مینسكی6، مظهر دانشگاه MIT و یكی از همكاران مك‌كارتی در پروژه سال 1956، همراه با دانشمندان طراز اول سرتاسر جهان طی كنفرانسی در دانشگاه Dartmouth گرد هم آمدند و پنجاهمین سالگرد ابداع هوش مصنوعی را جشن گرفتند.

مینسكی به همراه مك‌كارتی كنفرانس Dartmouth را افتتاح كرد و كار وینوگراد را تحسین نمود. با این‌وجود وی در راستای كشف مكانیزم‌های حقیقيِ موجود در ورای منطق انسانی، از هرگونه ساده‌‌انگاری در ارائه دستاوردها به شدت پرهیز می‌كند. مینسكی در دهه 1970 میلادی همكاری خود را با Seymour Papert در آزمایشگاه هوش مصنوعی MIT آغاز نمود و در آنجا سنگ بنای نظریه جامعه ذهن ‌(Society of Mind) را بنا نهاد. این فرضیه ادعا می‌كند لایه‌هایی از <عوامل> با اراده، و در عین حال فاقد شعور به اتفاق هم هوشیاری و آگاهی را ایجاد می‌نمایند.

آخرین كتاب مینسكی اخیراً تحت عنوان The Emotion Machine منتشر شده‌است. در این كتاب مینسكی ضمن بازتعریف ذهن انسان به عنوان <توده‌ای از منابع>، از آن به عنوان ماشین كوچكی تعبیر كرده است كه بنا بر موقعیت، خاموش و روشن می‌شود و باعث برانگیخته شدن احساسات و حالات روحی متفاوت در انسان می‌گردد. پایگاه اینترنتی Technoligy Review به مناسبت پنجاه‌سالگی هوش مصنوعی با مینسكی گفت‌وگویی انجام داده است كه ترجمه آن را پیش‌رو دارید.

آیا می‌توانید باور كنید كه از برگزاری اولین جلسه هوش مصنوعی در Dartmouth پنجاه سال گذشته باشد؟ آیا گذشت پنج دهه را احساس می‌كنید؟
من در خلال این پنجاه سال وقفه‌های زمانی زیادی را تجربه نكردم. بنابراین پاسخ به این سؤال برایم مشكل است.

كاملاً صحیح است. با این‌حال نظر شما در مورد وضعیت كنونی تحقیقات در زمینه هوش مصنوعی در مقایسه با آنچه كه در 1956 بود، چیست؟
آنچه مورد شگفتی من گردیده این است كه چگونه افراد معدودی روی تئوری‌های سطح بالا در مورد نحوه تفكر كار می‌كنند. این مسئله باعث یأس و ناامیدی بسیار بزرگی است. من در حال انتشار كتاب بزرگ و جدیدی در مورد آنچه كه ما باید به آن بیندیشیم، هستم. چیزهایی مانند: چگونه یك كودك سه یا چهار ساله دارای استدلا‌ل مبتنی بر عقل سلیم است. اما به نظر نمی‌رسد هیچ ماشینی بتواند اینگونه عمل نماید. تفاوت اصلی در اینجا این است كه اگر شما در فهم چیزی مشكلی داشته باشید، معمولاً با خود می‌گویید: <چه مشكلی برایم پیش آمده ؟> یا <چه عاملی وقت مرا گرفته است؟> یا این‌كه <چرا به این شكل فكر كردن نتیجه نمی‌دهد؟ آیا راه دیگری برای تفكر وجود دارد كه احتمالاً بهتر باشد؟>

اما اغلب پروژه‌های هوش مصنوعی كه در سی چهل سال گذشته روی آن‌ها كار شده است، شامل هیچ‌گونه تفكر انعكاسی (Reflective Thinking) نیستند. تمام این آزمایش‌ها در وضعیت‌های ثابتی صورت پذیرفته و نتیجه آن‌ها نیز فقط جمع‌آوری آمار و اطلاعات بوده است. حدود سه سال پیش ما كنفرانسی درباره ماهیت عرف ‌(Common sence) ترتیب دادیم و در سرتاسر جهان تنها توانستیم یك دوجین از محققان را پیدا كنیم كه به موضوع علاقمند باشند.

چرا مردم از مسئله Common sence گریزانند؟
من فكر می‌كنم مردم به دنبال موضوعاتی می‌گردند كه در حال حاضر محبوبیت داشته باشند. آن‌گاه عمر و وقت خود را روی آن صرف می‌نمایند. البته به نظر من اگر موضوعی نزد دیگران محبوب باشد، دیگر نیازی نیست كه شما روی آن كار كنید. درباره فیزیك قضیه فرق می‌كند. در این حیطه مردم عقیده دارند: <این تئوری خیلی خوب است، اما درباره این یا آن موضوع صادق نیست. بنابراین بهتر است نگاهی به آن بیندازم.> اما زمانی كه راجع به هوش مصنوعی تحقیقی انجام می‌دهند، تنها توضیحی كه ارائه می‌شود این است كه برنامه آنان چه كاری را انجام می‌دهد، اما هیچ‌گونه مطلبی درباره شرایط شكست برنامه یا انواع مشكلاتی كه این برنامه می‌تواند حل نماید بیان نمی‌كنند.

مردم به مشكلات مهمی كه سیستم آن‌ها قادر به حل آن‌ها نشده است،‌توجه نمی‌كنند. انسان دارای شبكه عصبی است كه برای مثال چنانچه به دنبال یك تاكسی هستید، توجه روی یك شی‌ء زردرنگ و متحرك متمركز خواهد گردید. اما هیچ‌كس سؤال نمی‌كند كه چگونه چنین شبكه‌هایی نمی‌توانند به پرسش‌هایی از نوع دیگر پاسخ بدهند.

با این‌حال فهم عرف (Common sence) مشكل پیچیده‌تری است. آیا این‌طور نیست؟ به نظر شما همین موضوع دلیل رویگردانی بسیاری از محققان هوش مصنوعی از این حیطه و روی آوردن به حیطه‌های دیگر نیست؟
همین‌طور است. زمانی كه در حال نوشتن كتاب جامعه ذهن بودم، چند سالی بود كه روی ساخت كامپیوتری كار می‌كردیم كه یك داستان ساده كودكانه را بفهمد. این داستان می‌گوید: <ماری به میهمانی جك دعوت شده است . او گمان می‌كند كه جك احتمالاً از یك كایت خوشش خواهد آمد.> اگر شما سؤال كنید: <چرا ماری به یك كایت فكر می‌كرد؟> هر كسی پاسخ را می‌داند: این جشن احتمالاً یك جشن تولد است و اگر ماری به جشن خواهد رفت، به این معنی است كه به میهمانی دعوت شده است و هر كسی كه به میهمانی تولد دعوت بشود، باید هدیه‌ای با خود به همراه ببرد.

این هدیه برای یك پسر جوان است. پس باید چیزی باشد كه معمولاً پسرها دوست دارند. پسرها هم انواع مشخصی از اسباب‌بازی‌ها را دوست دارند. چیزهایی مانند چوب بیسبال، توپ و كایت. شما تمام این مطالب را باید بدانید تا بتوانید به سؤال اول پاسخ دهید. ما بانك اطلاعات كوچكی ساختیم و برنامه را به فرمی اجرا كردیم كه بتواند برخی سؤال‌های ساده را بفهمد و به آن‌ها پاسخ دهد. ما این‌كار را روی داستان دیگری امتحان كردیم، ولی برنامه نمی‌دانست كه چه كاری باید انجام بدهد. برخی از ما به این نتیجه رسیدیم كه شما پیش از این‌كه بتوانید ماشینی بسازید تا تفكری استدلالی انجام بدهد، مجبورید چند میلیون چیز را بدانید.


حال كه مردم دریافته‌اند ساخت كامپیوتری هوشمند با ویژگی‌های نزدیك به هوش انسانی كار بسیار مشكلی است، آیا شما عقیده دارید كه برخی احتمالات خوشبینانه كه در دهه‌های 1950 و 1960 حول هوش مصنوعی شكل گرفتند، اینك از بین رفته‌اند؟
گمان نمی‌كنم واژه خوش‌بینی، كلمه صحیحی باشد. فكر می‌كنم ما سؤالات خوبی را مطرح كردیم، اما به هر دلیلی اكثر كسانی كه روی آنچه خود هوش مصنوعی می‌نامند كار می‌كردند، جست‌وجو به دنبال یكی از این راه‌حل‌های فراگیر را آغاز نمودند. در فیزیك آنچه جواب داده است، قوانین نیوتن و پس از آن ماكسول و حالا هم تئوری‌های نسبیت و كوانتوم هستند. اما انسان‌ها دارای صد مركز مختلف ذهنی هستند كه هر كدام با اندكی تفاوت نسبت به یكدیگر كار می‌كنند. شما مجبور نیستید تنها روی یك راه‌حل فكر كنید. باید از دسته‌ای از ابزارها سود جست.

عمده سرمایه‌های لازم جهت فعالیت‌های مرتبط با هوش مصنوعی از جانب آژانس پروژه‌های تحقیقاتی پیشرفته تأمین می‌شود. یعنی مرجعی كه مشخصاً خواستار نتایج كاربردی و شفاف است. در واقع آن‌ها یكی از حامیان مالی كنفرانس هوش مصنوعی Dartmouth هستند. آن‌ها چگونه به تحقیقات هوش مصنوعی شكل می‌بخشند؟
در اوایل آن‌ها از افراد پروژه پشتیبانی می‌كرد نه از طرح‌های پیشنهادی. از زمان شروع كار در سال 1963 پیشرفت‌های بسیار زیادی حاصل شد. مدت ده سال نتایجی كه من از آن‌ها صحبت می‌كنم، واقعاً درخشان بودند تا این‌كه در اوایل دهه 1970، اتفاق عجیبی افتاد. سناتور مایك منزفیلد كه یك لیبرال به تمام معنی بود، تصمیم گرفت كه وزارت دفاع دیگر از پژوهش‌های غیرنظامی پشتیبانی نكند. به همین خاطر مسئولیت تبدیل ARPA به DARPA و همین‌طور فشار جهت رقابت نكردن با صنعت و بخش خصوصی برعهده وی بود. از همان زمان دیگر وزارت دفاع نتوانست مشوق و پشتیبان پژوهشگران خیالباف و رویایی باشد.

همزمان جامعه محققان ایالات‌متحده از اوایل دهه 1970 حیطه فعالیت‌های خود را محدود نمود. آزمایشگاه‌های بل، RCA و دیگران كاملاً از چنین فعالیت‌هایی كناره گرفتند. در اینجا اتفاق دیگری هم رخ داد؛ و آن، فراگیر شدن تب تأسیس شركت و بنگاه‌های اقتصادی بود. در دهه 1980 بسیاری از مردم شروع به ثبت حق مالكیت و انحصار مادی و معنوی اختراعات، اكتشافات و ایده‌های خود كردند و قدم در مسیر تولید برداشتند. این‌كار با كاهش عمومی در تعداد محققان جوان توا‡م گردید: افرادی كه می‌توانستند دانشمندانی خلا‌ق باشند، اینك به سوی وكالت و كسب و كار می‌رفتند.

با این وضعیت دیگر به هیچ‌وجه امكان پشتیبانی از تحقیقات در زمینه هوش مصنوعی وجود ندارد. اگر شما ایده خوبی در سر دارید، انتشار عمومی آن كار بسیار سختی است؛ زیرا مردم می‌گویند: <تجربه عملی و آزمایش‌های شما در این‌باره چه چیست؟> اما مشكل اساسی در زمینه عقل سلیم این است كه شما تا زمانی كه بانك اطلاعات بزرگی نداشته باشید، نخواهید توانست آزمایشی انجام بدهید. البته یك بانك به نام Cyc وجود دارد كه توسط Doug Lenat در 1985 ایجاد شد. ما هم بانكی به نام Open Mind داریم كه دسترسی به آن برای هر علاقمندی آزاد است. هر چند این بانك اطلاعاتی هنوز به خوبی ساختاربندی نگردیده است. این‌ها تمام نتایج تحقیقاتی هستند كه می‌توان با بررسی آن‌ها دریافت كه چگونه می‌شود بانكی همانند Open Mind به وجود آورد.

اشاره كردید كه یك كامپیوتر برای ایجاد ارتباطات منطقی و استدلالی نیازمند چند میلیون فقره اطلاعات است. اماLenat و همكاران وی دقیقاً روی همین موضوع كار می‌كردند و سال‌ها مشغول تغذیه Cyc با معلومات استنتاجی بودند. با این حساب چرا باز هم به بانك اطلاعات دیگری نیاز است؟
زمانی كه Lenat در سال 1985 كار Cyc را آغاز نمود، این كار بسیار جاه‌طلبانه و بلندپروازانه بود؛ زیرا در آن زمان پرژوه مشابه دیگری در این زمینه وجود نداشت. من و همكارانم تصمیم گرفتیم صبر كنیم و منتظر نتیجه كار آنان بمانیم. پس از آن تا چند مدت خبری نبود.
Lenat چند كار خیلی خوب انجام داد. مشكل اینجاست كه Cyc طریقه استفاده بسیار سختی دارد، اختصاصی است و حق‌مالكیت شخصی دارد. به خاطر همین، زیاد مورد استفاده محققان قرار نگرفت. همچنین سیستم وی مشكلات زیادی هم دارد كه در اوایل كار مشخص نگردیدند؛ زیرا رقیبی برای آن وجود نداشت.

آن‌ها Cyc را مستقل ساختند. به همین دلیل عملاً اطلاعات زیادی ندارد. آیا وال یك پستاندار است یا یك ماهی؟ وال‌ها مشخصات ماهی‌گونه زیادی دارند. به همین دلیل خیلی‌ها تعجب می‌كنند اگر بشنوند كه وال یك پستاندار است. اما پاسخ صحیح این است كه هر دوی این‌ها می‌تواند باشد. یك بانك اطلاعات با قوه استدلا‌ل، الزاماً نباید به طور منطقی قائم بالذات باشد.

كتاب The Emotion Machine اثر مینسكی با جلد گالینگور به همت انتشاراتSimonِSchuster در نوامبر 2006 منتشر شده است. وی مقدمه‌ای برای كتاب نوشته است.

بالاخره Lenat دریافت برای این‌كه Cyc قادر باشد به پرسش‌هایی در زمینه‌های مختلف و متنوع دیگر پاسخ دهد، باید آن را دوباره ساختاربندی نمایند. اما این بانك اطلاعاتی اساساً برای یك عملكرد منطقی بسیار قوی و محكم نوشته شده و زبان آن هم جبرگزاره‌ای ‌(Predicate Calculus) است. امید ما این است كه بتوانیم سیستم Open Mind را قادر به كار با زبان طبیعی ‌(Natural Language) بنماییم؛ زبانی كه البته شامل ابهاماتی نیز هست، اما این ابهامات به جز جوانب منفی، جوانب مثبت نیز دارند.

لطفاً به چند مورد از سرفصل‌های اصلی یا توصیه‌های تحقیقاتی كه در كتاب خود، یعنی The Emotion Machine ذكر نموده‌اید، اشاره نمایید.
ایده اصلی در این كتاب چیزی است كه من به آن <اشراف> می‌گویم. تا زمانی كه شما چیزی را از چند زاویه متفاوت مورد توجه و بررسی قرار ندهید، احتمالاً پیشرفتی نخواهید داشت. به همین خاطر توصیه كتاب، این حقیقت است كه شما ناگزیرید قضایا را از چند طریق مختلف توصیف نمایید. من برای این‌كار یك كلمه ساخته‌ام به نام: وقتی شما مطلبی را ارائه می‌دهید، باید آن را از چند وجه مختلف توصیف كنید و برای این‌كار باید بتوانید بدون این‌كه نیازی به فكر كردن داشته باشید، توضیحات خود را از یك جنبه به جنبه دیگر تغییر بدهید.

موضوع دوم این‌كه شما باید چند راه مختلف هم برای فكر كردن داشته باشید. مشكل ما با هوش مصنوعی این است كه افرادی می‌گویند كه می‌خواهیم سیستمی را بر اساس استنتاج آماری (Statistical Inference) یا الگوریتم‌های ژنتیكی (Genetic Algorithms) یا هر چیز دیگری بسازیم.


این سیستم‌ها برای حل برخی از مشكلات مناسب هستند، نهتمام مشكلات. قصد اصلی از انتخاب عنوان The Emotion Machine برای این كتاب این است كه ما به چنین مسائلی احساسات (Emotion) می‌گوییم، اما مردم آن‌ها را اضافاتی اسرارآمیز برای تفكر عقلانی می‌دانند. به نظر من حالات احساسی فقط روش دیگری از تفكر است.

وقتی شما عصبانی هستید، برنامه‌ریزی بلندمدت خود را كنار می‌گذارید و سریع‌تر فكر می‌كنید. در این حالت منابع ذهنی دیگری را فعال می‌سازید. یك ماشین محتاج چند صد راه مختلف برای فكر كردن است، اما ما این راه‌ها را چند صد حالت مختلف احساسی می‌نامیم؛ نه چند صد راه مختلف برای فكر كردن. در این كتاب بیست دستورالعمل مختلف درباره نحوه فكر كردن وجود دارد. با این حال خواننده نیاز به اطلاعات غنی اضافه‌ای دارد تا تشخیص دهد كدام روش فكر كردن برای هر موقعیت مناسب است.

منظور شما این است كه كامپیوترها هم باید عصبانی شوند؟
اگر كسی بر سر راه شما قرار گیرد و كنار نرود، شما مجبورید به وی نهیب بزنید تا او را وادار كنید از شما بترسد. چنانچه شما عجله داشته باشید، یا اگر به خاطر رد نشدنتان از سد معبرِ به وجود آمده اتفاق بدی برای شما بیفتد، این یك راه كاملاً معقول و منطقی برای حل مشكلتان است. من پیشنهاد می‌كنم بیست نام مختلف برای این روش‌های تفكر پیدا كنیم. آن وقت می‌توانیم كلمه عقلانی (Rational) را دور بیندازیم.




پی نوشت

1. John mcCarthy
2. Alan Turing
3. John von Neumann
4. Herbert Simon
5. Allen Newell
6. Marvin Minsky






منبع
ماهنامه شبكه/ سال نهم، شماره 71، آذر 1385 / ص 254



https://www.ihoosh.ir/article/112446...B3%D9%83%DB%8C