راه پرداخت
راه پرداخت؛ رسانه فناوری‌های مالی ایران

آیا مغز مدلی سودمند برای هوش مصنوعی است؟

وقت اندیشیدن به آینده رایانه‌های متفکر رسیده است

ماهنامه عصر تراکنش شماره ۳۶ / تابستان سال ۲۰۰۹ «هنری مارکرام»، عصب‌پژوه اسرائیلی، روی سکوی برنامه «تد» آکسفورد انگلستان رفت و از طرح پیشنهادی جسورانه‌اش گفت. طی یک دهه بعد او و همکارانش پروژه شبیه‌سازی مغز انسان را در ابررایانه‌ای کامل می‌کنند. آنها چند سالی را صرف ترسیم سلول‌های نئوکورتکس، قشر فرضی افکار و ادراک، کرده بودند.

مارکرام توضیح داده بود: «مثل این است که بروید و تکه‌ای از جنگل بارانی را فهرست‌نویسی کنید. آن جنگل چقدر درخت دارد؟ درخت‌ها به چه شکل هستند؟» آن‌ موقع  قرار بود تیم او جنگل بارانی مجازی‌ای را در سیلیکون‌ولی بسازند و امیدوار بودند هوش مصنوعی هم از همین پروژه‌شان نشئت بگیرد. او به شوخی می‌گفت اگر همه چیز خوب پیش برود، احتمالاً سخنرانی بعدی «تد» را مغز شبیه‌سازی‌شده اجرا می‌کند که با هولوگرام روی صحنه سخنرانی ظاهر می‌شود.

ایده مارکرام (اینکه می‌گوید ممکن است ماهیت هوش ژنتیکی را با تقلید از مغز بفهمیم) در سنتی دیرینه نهفته است که به کار «سانتیاگو رامون ئی کاخال»، کالبدشناس و برنده جایزه نوبل فیزیولوژی و پزشکی بازمی‌گردد. کاخال اواخر قرن نوزدهم با میکروسکوپ به مطالعه مغز پرداخت و ساختار مغز را با جنگلی به‌شدت انبوه مقایسه کرد که «ساقه‌ها، شاخه‌ها و برگ‌هایش روی هم قرار گرفته‌اند».

کاخال با طراحی هزاران عصب که ظریف‌ترین جزئیاتشان دیده می‌شد، توانست به میزان قابل ‌توجهی نحوه کار آنها را استنباط کند. طبق مشاهداتش عصب‌ها، ابزارهایی با ورودی ـ خروجی یک‌طرفه کارآمد بودند؛ آنها پیام‌های الکتروشیمیایی را به شکل ساختارهایی درخت‌مانند به نام «دندریت» دریافت می‌کردند و بعد آنها را از لوله‌های بلند و باریکی به نام «آکسون» عبور می‌دادند، درست مثل «نقطه اتصال رسانای الکتریکی».

روشی که کاخال با آن به مطالعه عصب‌ها پرداخت، به دریچه‌ای بدل شد تا دانشمندان عملکرد مغز را مورد بررسی و مطالعه قرار دهند. همچنین راهگشای پیشرفت‌های فناورانه مهمی شد. در سال ۱۹۴۳، «وارن مک‌کالک»، روانکاو و شاگردش «والتر پیتس»، نوجوانی بی‌خانمان که در ریاضیات اعجوبه‌ای محسوب می‌شد، در مورد اینکه چطور سلول‌های مغزی افکار پیچیده را رمزنگاری می‌کنند، چارچوبی ساده ارائه کردند. طبق نظریه آنها، هر یاخته عصبی یک عملیات ساده منطقی انجام می‌دهد؛ پیام‌ها را از ورودی دریافت می‌کند و خروجی باینری درست یا نادرستی در خروجی تحویل می‌دهد.

این عملیات‌ها به‌سادگی حروف الفبا هستند که وقتی در کنار هم قرار می‌گیرند به کلمات، جملات و پاراگراف‌های ادراکی بدل می‌شوند. این‌طور که مشخص شد، مدلی که مک‌کالک و پیتس ساختند، مغز را به‌درستی ترسیم نکرد، اما به نقطه‌عطفی در طراحی نخستین کامپیوتر مدرن تبدیل شد. در نهایت، این مدل به شبکه‌های عصبی مصنوعی تکامل ‌یافت که حالا برای یادگیری  عمیق به ‌کار گرفته می‌شود.

شاید بهتر باشد این شبکه‌ها را «عصب‌گونه» بنامیم. همانند مدل یاخته‌های عصبی‌ای که مک‌کالک و پیتس ارائه کردند، این شبکه‌ها هم تصاویری هستند که با برداشتی کلی و سریع از آنچه در مغز در جریان است، ثبت می‌شوند. فرض کنید سگ زردی که نژاد لابرادور دارد، به شما نزدیک می‌شود. برای شناخت سگ، مغزتان باید داده‌های خام را از شبکیه چشمتان به لایه‌های مخصوص یاخته‌های عصبی در قشر مغزتان منتقل کند که ویژگی‌های بصری سگ را شناسایی می‌کند و صحنه نهایی را می‌سازد. شبکه عصبی عمیق یاد گرفته است به همین شکل جهان را تجزیه کند.

داده‌های خام از یاخته‌های عصبی بسیاری سرچشمه می‌گیرند که آنها هم متعلق به چند مجموعه کوچک یاخته‌ عصبی‌اند که هر کدام پیام‌ها را از لایه‌ قبلی دریافت و به شکلی ترکیب می‌کنند تا پیچیدگی‌های تصویر نهایی را نشان دهند؛ اولین لایه لبه‌ها و نقاط روشن را پیدا می‌کند، بعدی بافت تصویر را اضافه می‌کند، یاخته بعدی پوزه حیوان را به تصویر اضافه می‌کند و یاخته‌های عصبی همین‌طور به کارشان ادامه می‌دهند تا اینکه تصویر سگ لابرادور شکل بگیرد.

بر خلاف این شباهت‌ها، اغلب شبکه‌های عصبی مصنوعی بی‌چون‌وچرا مثل مغز نیستند؛ یک دلیل آن این است که این شبکه‌های عصبی یاد گرفته‌اند از ترفندهای ریاضی استفاده کنند که انجام آنها برای سیستم‌های بیولوژیکی اگر غیرممکن نباشد، دست‌کم دشوار است.  با این حال مغز و مدل‌های هوش مصنوعی یک ویژگی اساسی مشترک دارند؛ پژوهشگران هنوز نمی‌دانند چرا آنها به این خوبی کار می‌کنند.

دانشمندان رایانه و عصب‌پژوهان در جست‌وجوی نظریه‌ای جهانی در مورد هوش هستند؛ مجموعه‌ ضوابطی که هم در بافت و هم در اجزای آن درست باشد. اما فقط جزئیاتی به‌هم‌ریخته دارند. پس از ۱۱ سال و صرف هزینه‌ای معادل یک میلیارد و ۳۰۰ میلیون دلار، بعد از اینکه مارکرام از مغز شبیه‌سازی‌شده‌ رونمایی کرد، هنوز این مدل، نقشی در چشم‌انداز مطالعه دانش هوش ایفا نکرده است.

یکی از دلایل این مشکل چیزی است که «لوئیس کارول»، نویسنده آمریکایی، بیش از یک قرن پیش روی آن انگشت گذاشت. کارول مردمی را متصور شده بود که آن‌قدر به جزئیات نقشه‌نگاری‌ علاقه‌مندند که مدام مقیاس نقشه‌هایشان را افزایش می‌دهند؛ ابتدا هر کیلومتر را روی نقشه به مقیاس پنج متر نشان می‌دادند، بعد هر کیلومتر را ۹۰ متر و بعدتر هم هر کیلومتر را یک کیلومتر روی نقشه نشان می‌دادند. مطمئناً نقشه‌ای به پهناوری خود کشور جالب است، اما چه درسی به ما می‌دهد؟

حتی اگر عصب‌پژوهان بتوانند هوش را با شبیه‌سازی تک‌تک مولکول‌های مغز، دقیق بازسازی کنند، باز هم نمی‌توانند لایه‌های زیرین ادراک را کشف کنند. همان‌طور که «ریچارد فینمان»، فیزیک‌دان، در این مورد جمله‌ای مشهور گفته است: «چیزی را که نمی‌توانم خلق کنم، نمی‌فهمم.» مارکرام و نقشه‌نگارهای همراه او هم باید این جمله را بگویند که «لزومی ندارد چیزی را که خلق می‌کنم، بفهمم».

ممکن است اصلاً لازم نباشد مدل‌های هوش مصنوعی از نحوه کارکرد مغز تبعیت کنند. هواپیماها پرواز می‌کند و هیچ شباهتی به پرندگان ندارند. با این حال به نظر می‌رسد سریع‌ترین راه برای فهم هوش این است که ضوابط و قواعد بیولوژی را فرا بگیریم. این موضوع به مغز محدود نمی‌شود؛ تکامل طراحی کور راه‌حل‌های درخشانی را در سراسر طبیعت به ثمر رسانده است.

ذهن‌های بزرگ ما در حال حاضر علیه کار مبهم ویروسی تقریباً هوشمند سخت کار می‌کنند؛ ویروس‌هایی که خصوصیاتشان را از سازواره‌های تولید مجدد سلولی ما امانت گرفته‌اند، مثل ماه که نورش را از خورشید می‌گیرد. با وجود این باید به خاطر داشته باشیم وقتی داریم جزئیات چگونگی استفاده و اجرای هوش در مغزمان را فهرست‌بندی می‌کنیم، لباس شخص اعلی‌حضرت را در غیاب او توصیف می‌کنیم. هرچند، با خودمان پیمان بسته‌ایم وقتی اعلی‌حضرت را ببینم، او را می‌شناسیم و فرقی هم ندارد چه لباسی پوشیده باشد.

منبع ماهنامه عصر تراکنش شماره ۳۶
نویسنده / مترجم کلی کلنسی بهار سرلک
ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.