همه‌ی ما جمله‌ی معروف دکارت، «فکر می‌کنم؛ پس هستم»، را شنیده‌ایم. جمله‌ای که تبدیل به سنگ‌ بنای فلسفه‌ی مدرن، خودآگاهی و فردگرایی شد. هرچند دکارت راه ساده‌تر را انتخاب کرد. برای او «تفکر» بدیهی بود؛ از این جهت نیازی به تعریف آن نداشت. اما تفکر چیست؟ هوش به چه معنا است؟ و در نهایت اینکه آیا می‌توان آن‌ را به یک ماشین منتقل کرد؟ به همین دلیل است که به نظر می‌رسد هوش مصنوعی، همان‌قدر که به دنبال پاسخ است؛ سؤالات جدیدی ایجاد می‌کند و در کنارِ تفکر ماشین، به دنبال درک تفکر انسان است.

جهت روشن‌تر شدن این پرسش‌ها آزمایش زیر را در نظر بگیرید.

اتاق چینی

اتاقی بسته را تصور کنید. داخل اتاق افراد زیادی پشت میزهای خود نشسته‌اند. از یک سمت اتاق قطعه‌ای کاغذ از محفظه‌ای وارد می‌شود. روی این کاغذ علائم و نشانه‌های ناآشنایی نوشته شده است. افراد داخل اتاق کاری را انجام می‌دهند که به آن‌ها آموزش داده شده است. آن‌ها کاغذ را به بخش‌های کوچک‌تر تقسیم می‌کنند و با توجه به نشانه‌ای که مشاهده خواهند کرد، چک‌باکس‌هایی را علامت می‌زنند. اگر خطی مورب در گوشه‌ی راست صفحه ببینند، چک‌باکسِ 2-B را علامت می‌زنند. اگر شکل ضربدر را مشاهده کنند، 17-Y را و مانند این. پس از اتمام کار، آن‌ها کاغذهای علامت‌گذاری شده را به سمت دیگر اتاق می‌فرستند. افرادی که در سمت دیگر هستند (با توجه به یادگیری متفاوت خود) برگه‌ی سومی را علامت‌گذاری می‌کنند. در صورتی که چک‌باکس 2-B داشته باشند، خطی افقی رسم می‌کنند و اگر 17-Y داشته باشند، یک دایره در سمت راست آن می‌کشند. سپس تمامی کاغذها را به شخصی می‌دهند که آن‌ها را به هم متصل و محصول نهایی را ارائه می‌کند.

کاغذی که در مرحله‌ی اول وارد اتاق شد؛ متنی چینی درون خود جای داده بود. کاغذ نهایی ترجمه‌ی کامل آن متن به انگلیسی است. باید توجه کنید که هیچ‌کدام از افراد داخل اتاق توانایی درک زبان چینی یا انگلیسی ندارند.

این آزمایشِ ذهنی که نخستین بار توسط پیشگام رایانه، جان سرل، طراحی شد معمولا به‌عنوان راهی کوتاه برای توصیف دشواری‌های مفهوم هوش به کار می‌رود. با تعدادی کافی از افراد، می‌توان اتاق بالا را به انجام هر کاری واداشت. رسم یا توصیف تصاویر، ترجمه یا تصحیح زبان‌های مختلف، فاکتور کردن اعداد بسیار بزرگ و... . اما آیا می‌توان این کار را هوش در نظر گرفت؟ شخصی که خارج از اتاق است، شاید به این تعریف راضی شود؛ هرچند افراد داخل اتاق مخالف این نظریه خواهند بود.

اگر به‌جای انسان‌ها، همین جعبه را با ترانزیستور پر کنیم؛ به شِمایی از یک کامپیوتر خواهیم رسید. پس سؤال اصلی اینجا است که آیا کامپیوترها هرگز از نمونه‌ی پیچیده‌تر اتاق چینی فراتر خواهند رفت؟ یکی از پاسخ‌های رایج به این سؤال که مانند سایر ابعاد هوش مصنوعی به سؤالات بیشتر می‌انجامد، این است که ترانزیستورها را با نورون‌های مغز جایگزین کنیم. پس آیا مغز خود یک نمونه‌ی بزرگ از اتاق چینی نیست؟

این سؤالات می‌تواند تا بی‌نهایت ادامه یابد. هرچند ما نمی‌توانیم در این متن کوتاه یکی از بزرگ‌ترین مسئله‌های تاریخ فلسفه را حل کنیم. بحث درباره‌ی این پرسش‌ها ممکن است برای بسیاری سرگرم‌کننده باشد؛ اما برای رسیدن به هدف، بهتر است درباره‌‌ی نمونه‌ای عملی‌تر صحبت کنیم.

هوش مصنوعیِ ضعیف، هوش مصنوعی قوی

این روزها واژه‌ی هوش مصنوعی به‌وفور و در حالت کلی برای توصیف میزبان چند سیستم رایانه‌ای استفاده می‌شود. هرچند نمی‌شود به استفاده‌ی گسترده از این واژه خرده گرفت. از آنجا که هوش مصنوعی به خودی خود تعریف مشخصی ندارد؛ می‌توان گفت هوش مصنوعی نرم‌افزاری است که پروسه‌ی تفکر انسان را بازسازی و نتایجی مشابه آن کسب می‌کند.

امروزه ماشین‌هایی وجود دارند که آهنگ بعدی شما را انتخاب می‌کنند؛ به شکل داینامیک پاهای یک ربات را کنترل می‌کنند؛ اشیایی را از درون یک تصویر انتخاب و آن را توصیف می‌کنند یا زبان آلمانی را به انگلیسی، روسی، کره‌ای و بالعکس ترجمه می‌کنند. تمام این‌ها فعالیت‌هایی هستند که پیش از این توسط انسان‌ها به درجه‌ی تکامل رسیده‌اند و مکانیزه کردن آن‌ها منافع بسیاری خواهد داشت.

هرچند در نهایت حتی پیچیده‌ترینِ این وظایف نیز تنها یک «وظیفه» خواهد بود. یک شبکه‌ی عصبی که توسط میلیون‌ها جمله تمرین دیده است و می‌تواند ترجمه‌ای بی‌نقص از ۸ زبان مختلف ارائه کند؛ در نهایت چیزی بیشتر از یک ماشین پیچیده نیست. ماشینی که کارکرد آن می‌تواند به‌راحتی توسط اتاق چینی بازسازی شود. پس آیا می‌توان از واژه‌ی «هوش» به‌جای «محاسبه» در چنین مواقعی استفاده کرد؟

به همین دلیل نیاز است که مفهوم هوش مصنوعیِ ضعیف از هوش مصنوعی قوی جدا شود. این دو، دسته‌های مختلف هوش مصنوعی نیستند، بلکه نحوه‌ای از نگاه کردن به مفهوم اصلی این واژه خواهند بود. مانند بسیاری مفهوم‌های فلسفی، این دو مفهوم نیز الزاما بر دیگری برتری ندارند. اما مقایسه‌ی آن‌ها همچنان دارای اهمیت است.

در یک سمت این گفتگو افرادی قرار دارند که می‌گویند مهم نیست یک هوش مصنوعی تا چه اندازه پیچیده باشد؛ این ماشین هرگز از توانایی ذهن سازنده‌ی خود عبور نخواهد کرد. یا به عبارت دیگر هرگز از ماهیت ماشینی خود فراتر نخواهد رفت. این ماشین‌ها حتی در محدوده‌ی خود توانایی رسیدن به دستاوردهای مهمی خواهند داشت؛ هرچند در نهایت تمام این دستاوردها توسط یک نرم‌افزار بسیار قوی ممکن شده است. این دیدگاهی است که هوش مصنوعی ضعیف را توضیح می‌دهد. افراد حامی این ایده، با توجه به محدودیت‌های قائل شده برای هوش مصنوعی، بیشتر بر ساخت سیستم‌هایی تمرکز دارند که در انجام وظایف انفرادی موفق است.

در طرف دیگر هوادارانِ هوش مصنوعی قوی قرار دارند. کسانی که می‌گویند یک ماشین می‌تواند به سطحی از توانایی دست‌ یابد که بتوان آن را از ذهن انسان متمایز دانست. این افراد همان‌هایی هستند که ذهن انسان را نیز یک اتاق چینی توصیف می‌کنند و می‌پرسند اگر تعداد گسترده‌ای از مدارهای بیولوژیکی در مغز انسان می‌توانند هوش و خودآگاهی به ارمغان بیاورند؛ چرا مدارهای سیلیکونی این توانایی را پیدا نکنند؟ تئوری هوش مصنوعی قوی بر این پایه است که روزی می‌توان ماشینی به هوشمندی انسان (یا حتی فراتر از آن) اختراع کرد.

هرچند همچنان یک مشکل پابرجا است: ما هنوز تعریفی واقعی از هوش ارائه نداده‌ایم.

هوش، بدونِ مصنوعی

نمی‌توان ادعا کرد که انسان‌ها پیشرفتی به سزا در تعریف هوش در سه هزاره‌ی گذشته انجام داده‌اند. نسل بشر بیشتر وقت خود را صرف ایده‌هایی ابتدایی کرده است. ایده‌هایی مانند اینکه هوش می‌تواند به‌راحتی اندازه‌گیری شود، یا اینکه به نشانه‌های بیولوژیکی مانند شکل سر یا اندازه‌ی مغز وابسته است.

هر کسی تعریف شخصی خود را از مفهوم هوش دارد؛ به همین دلیل به‌سختی می‌توان ادعا کرد که هوش مصنوعی (در هر مرحله‌ای) از هوش انسان پیشی گرفته است. تعریف‌هایی که تا به امروز ارائه شده‌اند، مانند تیرهایی هستند که هرگز به هدف نمی‌نشینند. هرچند با در نظر گرفتن تمام آن‌ها می‌توان شکلی حدودی از هدف را تصور کرد.

از بین تمامی این تعریف‌ها به نظر تنها یکی به اندازه‌ی کافی ساده و اصولی است که ارزش پیگیری داشته باشد: هوش، توانایی حل مسائل جدید است.

این تعریف به نظر ایده‌ی پشت تمامی مفهوم‌های اساسی ذهن، مانند «سازگاری»، «کلی‌نگری» و «خلاقیت» است که در کنار هم مفاهیمی مانند «استدلال»، «قضاوت» و «مشاهده» را برای استفاده در ذهن هوشمند به وجود می‌آورند. توانایی حل مسئله و استدلال برای ذهن بسیار حیاتی است. اما مهم‌تر این است که ذهن باید از راه‌ حل دسته‌ای از مسائل، برای حل مسائل دیگر بهره بگیرد. ماهیت تبدیل‌پذیر، مهم‌ترین مشخصه‌ی هوش است. حتی اگر کسی از فرمول اساسی این اتفاق مطلع نباشد.

آیا روزی ربات‌ها می‌توانند به چنین سطحی از درک برسند و راه خود را از انسان‌ها جدا کنند؟ آیا آن‌ها می‌توانند مشکلاتی ایجاد کنند که هرگز به فکر یک انسان نرسیده است؟ پژوهشگران در حال تولید نسل‌های جدید از هوش مصنوعی هستند که توانایی پردازش و یادگیری اطلاعاتی دارند که تا پیش از این غیر ممکن به نظر می‌رسیدند؛ ربات‌هایی که در یادگیری به‌خوبی انسان عمل می‌کنند. اما این سؤال که آیا تمام این‌ها «تفکر» است یا تنها گونه‌ای پیچیده از محاسبه را باید به فیلسوف‌ها و دانشمندان کامپیوتر واگذار کرد. هرچند همین که ما به دنبال جواب چنین سؤالاتی هستیم؛ از دستاوردهای بی‌نظیر هوش مصنوعی خبر می‌دهد.