خانه / رسانه / هوش مصنوعی در برودکست(قسمت اول)

هوش مصنوعی در برودکست(قسمت اول)

نویسنده: ریحانه نوروزبیگی

این روزها اخبار زیادی در مورد هوش مصنوعی و کاربردهایش می‌شنویم. البته این موضوع اتفاقی نیست که به‌تازگی افتاده باشد.

نویسنده: ریحانه نوروزبیگی

ولی از زمانی که chat GPT در دسترس مردم قرار گرفت و آنان با کاربردهای خارق‌العاده‌اش آشنا شدند، بحث هوش مصنوعی داغ شد و از حوزه‌های دانشگاهی و تخصصی به متن جامعه رسوخ کرد. در همین راستا موضوع کاربرد هوش مصنوعی به‌سرعت در محیط‌های حرفه‌ای برودکست، در حال گسترش و پذیرش است. زیرا مزایای زیادی ازنظر کم کردن هزینه تولید و افزایش کارایی فرآیند آن دارد. داستان هوش مصنوعی، اکنون شبیه داستان ورود فناوری دیجیتال، در چند دهه قبل به عرصه صنعت و زندگی است. روزگاری ساعت‌های گران‌قیمت سوئیسی در دنیا یکه‌تاز بودند و از حیث دقت رقیب نداشتند. به همین دلیل، بسیار گران‌قیمت بودند و عموم مردم، توانایی خرید آن‌ها را نداشتند. ژاپنی‌ها به دنبال تولید ساعت‌هایی بودند که دقت بالایی داشته باشند و درعین‌حال گران‌قیمت نباشند. از طرفی در دهه‌های قبل از ۱۳۸۰ میلادی، یکی از موضوعات مهمی که در حوزه‌های دانشگاهی مطرح بود و مطالعات نظری زیادی روی آن انجام می‌شد، فناوری دیجیتال بود که اگر تحقق می‌یافت انقلابی در دنیا رخ می‌داد. اما تا آن تاریخ، ایده دیجیتال که پشتوانه مطالعاتی زیادی داشت، در عمل، ظهور پیدا نکرده بود. علتش هم این بود که فناوری موجود، ظرفیت پیاده‌سازی ایده‌های دیجیتال را نداشت. آن زمان، در الکترونیک، ترانزیستورهای Bi polar استفاده می‌شدند. این ترانزیستورها محدودیتی داشتند که در طراحی مدارات الکترونیکی مانع محسوب می‌شد و آن این بود که مشخصات این مدل ترانزیستورها، وابسته به‌اندازه آن‌ها بود و اگر کوچک ساخته می‌شدند، دیگر آن مشخصات را از دست می‌دادند. به همین علت، مثلاً اگر قرار بود کامپیوتری ساخته شود، حجمی به‌اندازه یک ساختمان بزرگ پیدا می‌کرد. این ترانزیستورها آنالوگ بودند. در همان سال‌های منتهی به ۱۳۸۰ میلادی، مهندسان الکترونیک، موفق به ساخت ترانزیستورهای خانواده FET شدند. این ترانزیستورها ماهیت دیجیتال داشتند و مهم‌ترین ویژگی‌شان این بود که اگر در اندازه‌های بسیار کوچک هم ساخته می‌شدند، مشخصات فنی خود را حفظ می‌کردند. لذا فناوری ساخت چیپ های کوچک که درون خود میلیون‌ها ترانزیستور را داشتند، به حقیقت پیوست. از این مقطع تاریخی بود که رشد فناوری دیجیتال به نحو خیره‌کننده‌ای شروع شد و همه عرصه‌های زندگی را در برگرفت. در حقیقت، فناوری جدیدی خلق‌شده بود که امکان تحقق ایده‌های نوینی که پشتوانه بسیار بزرگ تحقیقاتی داشتند را مهیا کرد. لذا انقلاب دیجیتال رخ داد و به‌سرعت همه‌چیز، رنگ جدیدی به خود گرفت. زیرا ایده‌ها از قبل وجود داشتند و تنها محدودیت‌های فناورانه، امکان تحققشان را نمی‌داد و وقتی این موانع برطرف شدند، جریان دیجیتال، مانند آبی که از پشت سد رها می‌شود، همه‌جا را فراگرفت و به تعبیر درست رایج، انقلابی به پا کرد. از اولین محصولات دیجیتال، ساعت‌های دیجیتال ژاپنی بودند که بازارهای دنیا را تسخیر کردند و رونق ساعت‌های گران و پرطمطراق سوئیسی را از سکه انداختند. این اتفاق، هم‌اکنون هم برای هوش مصنوعی در حال تکرار است. در محیط‌های دانشگاهی و پژوهشی سالیان درازی است که در مورد هوش مصنوعی کار می‌کنند. در دهه‌های ۱۹۴۰ و ۵۰ میلادی تعدادی از دانشمندان از رشته‌های مختلف مانند ریاضی، روانشناسی، مهندسی، اقتصاد و علوم سیاسی بحثی را در مورد امکان ایجاد مغز مصنوعی آغاز کردند. این افراد در ابتدا انگشت‌شمار بودند ولی به‌تدریج بر تعداد آن‌ها و جدیت مباحث افزوده شد. تا این‌که رشته تحقیقات هوش مصنوعی به‌عنوان یک‌رشته دانشگاهی در سال ۱۹۵۶ تا سیس شد.

در اولین تحقیقات در مورد ماشین‌های متفکر از ترکیب ایده‌هایی الهام گرفته شد که در اواخر دهه ۱۹۳۰، ۱۹۴۰ و اوایل دهه ۱۹۵۰ مطرح‌شده بودند. تحقیقاتی در عصب‌شناسی نشان داده بود که مغز شبکه‌ای الکتریکی از نورون‌ها است که با پالس‌های صفر و یک عمل می‌کنند. یا نوربرت وینر در بحث سایبرنتیک، کنترل و پایداری در شبکه‌های الکتریکی را توصیف کرد. یا نظریه اطلاعات کلود شانون در مورد سیگنال‌های دیجیتال (سیگنال‌هایی که اطلاعات را با دو حالت صفر و یک نشان می‌دهند) توضیح می‌داد. نظریه محاسبات آلن تورینگ نشان داد که هر شکلی از محاسبات را می‌توان به‌صورت دیجیتالی بیان کرد. رابطه نزدیک‌بین این تحقیقات نشان می‌داد که ممکن است بتوان «مغزی الکترونیکی» ساخت. ربات‌های آزمایشی مانند لاک‌پشت‌های دبلیو گری والتر در دهه ۱۹۵۰ ساخته شدند.

این ماشین‌ها از کامپیوتر، الکترونیک دیجیتال یا استدلال نمادین استفاده نمی‌کردند بلکه به‌طور کامل توسط مدارهای آنالوگ کنترل می‌شدند. در سال ۱۹۴۳ والتر پیتس و وارن مک‌کالوخ شبکه‌های نورون‌های مصنوعی ایده آلی را تجزیه‌وتحلیل کردند و نشان دادند که چگونه می‌توانند با آن‌ها عملکردهای منطقی ساده‌ای را انجام دهند. آن‌ها اولین کسانی بودند که آنچه را که محققان بعدی شبکه عصبی نامیدند را توضیح دادند. یکی از دانشجویانی که از پیتس و مک کالوخ الهام گرفته بود، ماروین مینسکی جوان بود که در آن زمان یک دانشجوی فارغ‌التحصیل ۲۴ ساله بود. در سال ۱۹۵۱ او با دین ادموندز اولین ماشین شبکه عصبی، با نام SNARC را ساخت. در سال ۱۹۵۰ آلن تورینگ که یکی از ریاضی‌دانان و متخصصان برجسته‌ی علوم رایانه در بریتانیا بود. مقاله مهمی را منتشر کرد که در آن در مورد امکان ایجاد ماشین‌هایی که فکر می‌کنند بحث می‌کرد. او معتقد بود که تعریف «تفکر» دشوار است و در همین راستا بود که در سال ۱۹۵۱ آزمون معروف خود را که به آزمون تورینگ شهرت دارد، ابداع کرد. تورینگ این آزمون را در مقاله خود با نام محاسبات و هوش ماشینی زمانی که در دانشگاه منچستر درس می‌خواند منتشر کرد. در این مقاله تورینگ عبارت بازی تقلید (Imitation Game)  را مطرح کرد. هوش مصنوعی در بازی تقلید حضور نداشت. بازی تقلید شامل سه انسان در سه اتاق بود. هر اتاق یک تلویزیون و کیبورد داشت. در یک اتاق مرد، دریک اتاق زن و دریک اتاق یک داور مرد یا زن حضور داشتند. شرکت‌کننده زن تلاش می‌کرد تا قاضی را متقاعد کند که مرد است و قاضی باید تشخیص می‌داد که این موضوع حقیقت دارد یا نه. بر اساس پیشنهاد تورینگ، می‌توان به‌جای قرار دادن یک زن و یک مرد در دو سوی این رقابت، یک انسان و یک رایانه را در دو سوی این رقابت قرارداد. در این حالت، وظیفه‌ی داور نیز شناسایی رایانه خواهد بود؛ به‌عبارت‌دیگر، داور به مدت پنج دقیقه به گفتگو‌‌ی متنی با دو شرکت‌کننده (یکی انسان و دیگری رایانه) می‌پرداخت. دراین‌بین وظیفه‌ی رایانه فریب دادن داور بود. برای دست‌یابی به نتیجه‌ی نهایی، این آزمون بارها تکرار می‌شد. اگر در بیش از نیمی از موارد، داور فریب‌خورده و رایانه را به‌عنوان انسان قلمداد می‌کرد، این رایانه در آزمون تورینگ موفق شده بود و می شد آن را «هوشمند» قلمداد نمود.

آزمون تورینگ اولین پیشنهاد جدی در فلسفه هوش مصنوعی بود. در سال ۱۹۵۱، با استفاده از ماشین Ferranti Mark 1 دانشگاه منچستر، دیتریش پرینز برنامه ای برای بازی شطرنج نوشت. در سال ۱۹۶۹مینسکی و پاپرت کتابی با عنوان perceptrons نوشتند و در آنجا در مورد شبکه‌های عصبی و نحوه عملکرد آن‌ها توضیح دادند ولی پرداختن به موضوع شبکه‌های عصبی دنبال نشد و تقریباً به فراموشی سپرده شد. هرچند دانشمندانی مانند هاپفیلد در فیزیک و دیوید راملهارت و جف هینتون در روانشناسی مطالعه بر روی مدل‌های شبکه‌های عصبی حافظه را ادامه دادند. ولی این مطالعات به هوش مصنوعی پیوند نخورد؛ اما به‌طورکلی دیگر تحقیقات درزمینه هوش مصنوعی به یک جریان بسیار قوی تبدیل‌شده بود. این روال به اینجا منجر شد که در فاصله سال‌های ۱۹۸۰ تا ۱۹۸۸ هوش مصنوعی به یک صنعت تبدیل گردید. در سال ۱۹۸۲ بود که اولین سیستم خبره، در شرکت DEC شروع به کارکرد. تا سال ۱۹۸۸ گروه هوش مصنوعی شرکت DEC چهل سیستم خبره در حال کار و تعداد بیشتری، آماده‌به‌کار داشت. هم‌زمان از سال ۱۹۸۱ ژاپنی‌ها پروژه نسل پنجم خود را شروع کردند. قرار بود طی یک دوره ده‌ساله، کامپیوترهای هوشمندی بسازند که بتواند دستورات prolog را اجرا کند. prolog یک‌زبان برنامه‌نویسی منطقی چندمنظوره مبتنی بر مفاهیم هوش مصنوعی و زبان‌شناسی محاسباتی است. این زبان بر پایه منطق ریاضی بنانهاده شده و آن را به‌عنوان زبان کاملاً منطقی می‌شناسند و می‌توان گفت متفاوت از سایر زبان‌های برنامه‌نویسی است. این زبان را اولین بار در اوایل ۱۹۷۰ گروهی به سرپرستی «آلن کلمرار» در مارسی فرانسه به وجود آوردند و اولین سیستم Prolog در سال ۱۹۷۲ توسط کلمرار و فیلیپ راسل توسعه داده شد. پروژه نسل پنجم ژاپنی‌ها، ترس شرکت‌های آمریکایی را از ترس برتر شدن شرکت‌های ژاپنی برانگیخت. به همین دلیل بود که توانستند حمایت‌های مالی دولت را جلب نمایند و کنسرسیوم تحقیقاتی به نام MCC شکل گرفت. به دنبال این رقابت، درآمد صنعت هوش مصنوعی، از چند میلیون دلار در سال ۱۹۸۰ به دو میلیارد دلار در سال ۱۹۸۸ رسید.

از سال ۱۹۸۶ دوباره پرداختن به شبکه‌های عصبی که بعد از تألیف کتاب perceptron مینسکی و پاپرت تا حدودی مسکوت مانده بود، رونق گرفت و تا امروز نیز از مباحث داغ هوش مصنوعی است. به‌ویژه آن‌که هوش مصنوعی به علوم شناختی در حوزه روانشناسی هم پیوند خورده است.

محرک واقعی در اواسط دهه ۱۹۸۰ به وجود آمد که حداقل چهار دسته متفاوت الگوریتم انتشار به عقب (back-propagation) را که برایون و هو در سال ۱۹۶۹ کشف کرده بودند، دوباره‌سازی کردند. این الگوریتم‌ها در بسیاری از مسائل علوم کامپیوتر و روانشناسی به‌کاربرده شدند. در همان زمان در فناوری دستگاه‌های خبره که برگرفته از دستگاه‌های شبه مایسین (systems Mycin type) بود تجدیدنظرهایی صورت گرفت. بسیاری از شرکت‌ها و گروه‌های تحقیقاتی دریافتند داشتن سیستم خبره موفق، فراتر از خریدن سیستمی استدلال‌گر (reasoning system) و پر کردن آن با قواعد و ایجاد سیستم پایگاه دانش است. عده‌ای پیش‌بینی می‌کردند که سرمایه‌گذاری در هوش مصنوعی کاهش پیدا می‌کند. شاید همین ترس بود که باعث شد در دوره‌ای شبکه‌های عصبی و هوش مصنوعی به‌عنوان رقیب یکدیگر به‌جای دو رویکرد پشتیبان برای مسأله ای مشابه در نظر گرفته شوند. اینک مانند فناوری FET که راه را برای پیاده‌سازی بسیاری از مدارات دیجیتال فراهم کرد، رشد فناوری امکان تحقق بسیاری از ایده‌های هوش مصنوعی را فراهم آورده است. در سال‌های اخیر دریایی از تغییرات هم در محتوا و هم متدولوژی تحقیقات درزمینه هوش مصنوعی رخ‌داده است. موضوعاتی مانند تشخیص گفتار، برنامه‌ریزی برای زمان‌بندی کارخانه‌ها و مأموریت‌های فضایی که تا دهه ۷۰ برای دنیای بازی ریاضی کاربرد داشت، ارتقای سیستم‌های خبره و به‌کارگیری فناوری‌های متعدد باهوش مصنوعی در بسیاری از امور روزمره زندگی به‌سرعت گسترش‌یافته است. ازجمله حوزه‌هایی که پیش‌بینی می‌شود در آینده نه‌چندان دور، هوش مصنوعی، آن را متحول کند حوزه تولید محتواست. این تحول علاوه بر آن‌که فرصت‌های خارق‌العاده‌ای ایجاد می‌کند و امکانات فراوانی را در اختیار تهیه‌کنندگان محتوا قرار می‌دهد، تهدیدهایی را نیز به‌ویژه برای نیروی انسانی به دلیل حذف یا محدود کردن مشاغل و حرفه‌ها ایجاد می‌کند. در مقالات آتی سعی خواهیم کرد، قابلیت‌های هوش مصنوعی و تأثیراتش را بر این حوزه بررسی کنیم.

صفحه ۶،نشریه تخصصی بسامد شماره ۱۳۳

حتما ببینید

دنیای نمایش عروسکی

پیشینه تلویزیون به طور قطع نمی‌توان یک فرد را مخترع تلویزیون[۱] دانست. زیرا تلاش‌های جمعی …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *