گفت‌وگو با دكتر كامبيز بديع به مناسبت پنجاهمين سالگرد علم هوش مصنوعي (ai)
گفت‌وگو اختصاصي ماهنامه شبكه با دكتر كامبيز بديع به مناسبت پنجاهمين سالگرد علم هوش مصنوعي (AI)
http://pnu-club.com/imported/mising.jpg
اشاره :
مردي كه به قول خودش، تنها سه سال از هوش مصنوعي مسن‌تر است، به مناسبت پنجاهمين سالگرد شكل‌گيري هوش مصنوعي، در گفت‌وگويي مفصل با ماهنامه شبکه، از جنبه‌هاي گوناگون، زواياي اين حوزه را مي‌كاود.
من فكر مي‌كنم، چون مي‌خواهم پيوند ايجاد كنم
هنگامي كه براي پرونده <هوش مصنوعي> از اهالي اين حوزه، سراغ يكي از چهره‌هاي برجسته اين شاخه از علم را مي‌گيريم كه بتوانيم با او به گفت‌وشنود بنشينيم، همه انگشت‌ها به جايي در انتهاي خيابان كارگر شمالي اشاره مي‌كنند؛ ساختمان مركزي <مركز تحقيقات مخابرات ايران>. در طبقه دوم ساختمان اصلي اين مركز، در نيمه‌هاي سالن بزرگي پر از اتاقك‌هاي شيشه‌اي، مردي نشسته است كه <هوش‌مصنوعي> برايش تنها شاخه‌اي از علوم كامپيوتري نيست. دكتر كامبيز بديع، مدير دپارتمان IT <مركز تحقيقات مخابرات ايران>، پژوهشگر و مدرس دانشگاه، مردي است كه عاشقانه با <هوش مصنوعي> زندگي مي‌كند. و اين عشق، از همان ابتداي ديدارمان خود را نشان مي‌دهد، پيش از آن‌كه ما اولين پرسشمان را مطرح كنيم او تاريخچه كوتاهي از چگونگي شكل‌گيري اين علم را بيان كرده است. به ياد مي‌آورد كه حدود چهارده سال پيش با مجله ريزپردازنده گفت‌وگويي داشته است درباره ماروين مينسكي. به ياد مي‌آورد كه در سال 1992، در سميناري در وين، كه خود نيز در آن مقاله ارائه داده بود، از پروفسور لطفي‌زاده پرسيده بود كه: <آيا اين توابع عضويتي كه شما فرض كرده‌ايد، مي‌توانند قابليت يادگيري از تجربه را داشته باشند؟> و:"پروفسور در جواب بسيار صادقانه و خاشعانه گفته بود: Not yet"
و اينگونه، مردي كه به قول خودش، تنها سه سال از هوش مصنوعي مسن‌تر است، به مناسبت پنجاهمين سالگرد شكل‌گيري هوش مصنوعي، در گفت‌وگويي مفصل، از جنبه‌هاي گوناگون، زواياي اين حوزه را مي‌كاود. به بعضي از سؤالا‌ت ما به طور مستقيم پاسخ نمي‌دهد، چرا كه معتقد است انديشمندان ديگري، در آن حوزه خاص، صلا‌حيت بيشتري دارند. گاه نيز به شيوه رفتار يك ديپلمات كار كشته، به نرمي، پرسشي را به گونه‌اي تفسير يا تعبير مي‌كند كه بتواند آنگونه كه مي‌خواهد بدان پاسخ دهد.
گفت‌وگو با دكتر بديع تجربه‌اي بود دلنشين و در عين حال دشوار. دلنشين بود از آن رو كه سرشار از دانش، نكات و حتي لطايف زباني بود. و دشوار از آن رو كه متأسفانه بسياري از اين نكات و لطايف، هم به دليل حفظ روند اصلي گفت‌وگو و هم به دليل دغدغه‌اي كه به لحاظ تعداد صفحات مصاحبه داشتيم، به ناچار حذف شد. از آن جمله مي‌توان به بحثي اشاره كرد كه دكتر بديع درباره وب مطرح مي‌نمايد و اظهار مي‌دارد كه مطابق نظرات اساتيد زبانشناسي، در فارسي قديم، بفتن همان معناي بافتن را در بر دارد. <ما مي‌توانيم به جاي Word Wide Web بگوييم وف جهان‌گستر؛ وف جهان‌گستر هم تركيب زيبايي است؛ به نوعي وفا را هم در خودش دارد. شايد بد نباشد اينگونه فكر كنيم كه وقتي اجزا به هم بافته مي‌شوند، وفا معني پيدا مي‌كند؛ ولي وقتي به هم بافته نشوند، با اندك فشاري كه به يك جزء وارد مي‌كنيد، تمام اجزا از هم گسيخته مي‌شود...>. و اينگونه نكات، آنقدر جذاب است كه ارزش آن را دارد كه خود موضوع گفت‌وگويي جداگانه باشد.
در تمامي مراحل انجام و تنظيم اين گفت‌وگو از كمك‌هاي بي‌دريغ كيوان تيرداد كه خود دانشآموخته هوش‌مصنوعي است بهره بردم. پرهام ايزدپناه، همكار جوان و پرانرژي مجله نيز در اين گفت‌وگو حضور داشت كه از هر دوي آن‌ها سپاسگزارم. همچنين از كمك‌هاي دوست و همكارم علي دريس‌زاده در انجام اين گفت‌گو تشكر مي‌كنم.
در تهيه بيوگرافي دكتر بديع نيز، از شماره 169 ماهنامه <گزارش كامپيوتر>، نشريه انجمن انفورماتيك ايران، استفاده شده است.
هرمز پوررستمي
.
دكتر كامبيز بديع، فارغ‌التحصيل دبيرستان البرز است و درجات كارشناسي، كارشناسي ارشد و دوره دكتراي خود را در زمينه مهندسي الكترونيك و برق با گرايش بازشناسي الگو (pattern recognition) از مؤسسه فناوري توكيو دريافت نموده است. ايشان از بدو بازگشت به ايران در مركز تحقيقات مخابرات ايران مشغول به فعاليت بوده و فعاليت‌هاي تحقيقاتي خود را در گروه مهندسي آزمايش بخش رايانه و مخابرات (C&C) اين مركز، با تأكيد بر به كارگيري روش‌هاي بازشناسي الگو (PR) و هوش‌مصنوعي (AI) در اشكال‌يابي و اشكال‌زدايي در سامانه‌هاي الكترونيك آغاز نموده است. در اين ارتباط، دكتر بديع، مبدع فنوني بوده است كه در نرم‌افزارهاي مربوط به آزماينده‌هاي خودكار فرآورش يافته در اين گروه عملاً مورد استفاده قرار گرفته، كه در شمار آن‌ها مي‌توان به فنون مورد استفاده در آزماينده ميزان 2000 و 2500 اشاره نمود. ايشان مسئوليت دو پروژه تحقيقاتي كليدي در گروه پژوهشي جامعه اطلاعاتي را نيز عهده‌دار بوده‌است.
از جمله فعاليت‌هاي علمي - حرفه‌ايِ ديگر دكتر بديع مي‌توان به موارد زير اشاره داشت:
عضويت در هيئت اجرايي انجمن انفورماتيك ايران، عضويت در هيئت مديره انجمن كامپيوتر ايران، دو دوره عضويت در هيئت مديره انجمن مهندسي كنترل و ابزار دقيق ايران، عضويت سابق در شوراي علمي پژوهشكده سيستم‌هاي هوشمند، دبيري هفتمين كنفرانس سالانه انجمن كامپيوتر ايران، دبيري سمپوزيوم فرآيندهاي تفسيري و پردازش محيطي (IPEF)، عضويت در تيم گردانندگان كميته علمي اولين كنفرانس اروپايي-آسيايي فناوري اطلاعات و ارتباطات (Eurasia ICS-2002)، مسئوليت كميته روابط بين‌الملل هفتمين كنفرانس مهندسي برق، مسئوليت كميته علمي دومين و سومين كارگاه فناوري اطلاعات و گستره‌هاي آن (WITID2004, WITID2006)، عضويت در كميته علمي كنفرانس بين‌المللي سيستم‌هاي هوشمند شناختي (ICICS)، مسئوليت كميته علمي اولين همايش اخلاق و فناوري اطلاعات، مسئوليت كميته علمي (شاخه ايراني) سومين همايش بين‌المللي روش تحقيق در علوم و فنون مهندسي، عضويت در كميته‌هاي علمي كنفرانس‌هاي سالانه انجمن كامپيوتر ايران و نيز كنفرانس‌هاي مهندسي برق ايران، عضويت در كميته علمي كنفرانس‌هاي ماشين بينايي ايران، عضويت در كميته علمي و سازماندهي كنفرانس بين‌المللي هوش مصنوعي در آمريكا (IC-AL-2004)، عضويت در شوراي تحريريه مجله فني - مهندسي دانشگاه فردوسي مشهد، عضويت در شوراي تحريريه مجله علوم مهندسي و كامپيوتر، عضويت در شوراي تحريريه مجله بين‌المللي مهندسي، عضويت در شوراي تحريريه مجله Scientific Inquiry و عضويت در تيم سرپرستي پروژه تحقيقاتي شبكههاي عصبي.
اهم فعاليت‌ها و مقالات تحقيقاتي دكتر بديع در دهه اخير، يادگيري ماشين (ML) و مدلسازي شناختي به طور اعم، و مدلسازي رايانشي فرآيندهاي قياسي، فرآيندهاي تفسيري و فرآيندهاي مبتني بر تجربه به طور اخص، با تأكيد بر مقاصدي از قبيل انتقال بهينه مفاهيم تخصصي، راهبري تحقيقات و تكنيك‌زايي/ ايده‌زايي در حوزه حل مسائل مهندسي مي‌باشد.
دكتر بديع در تدوين بالغ بر دويست مقاله علمي -تحقيقاتي در حوزه‌هاي پردازش و بازشناسي الگو، هوش‌مصنوعي و رايانش نرم، و سامانه و گردانش براي كنفرانس‌هاي معتبر داخلي و خارجي، و تدوين چند مقاله علمي در مجلات معتبر خارجي و داخلي شركت داشته است. وي در حال حاضر عضو شوراي پژوهشي و رئيس پژوهشكده فناوري اطلاعات در مركز تحقيقات مخابرات ايران، عضو هيئت امناي مركز تحقيقات مخابرات ايران و عضو هيئت مديره انجمن كامپيوتر ايران و مدرس درس يادگيري ماشين و مديريت دانش در دانشگاه‌هاي تهران و از اعضاي فعلي هيئت تحريريه و ويراستاران علمي <گزارش كامپيوتر> نشريه انجمن انفورماتيك ايران مي‌باشد.
دكتر بديع: بحث هوش‌مصنوعي، براي اولين‌بار، در سال 1956 در كنفرانس دارت‌موث مطرح شد. ماروين مينسكي از دانشگاه MIT، جان مك‌كارتي از دانشگاه استنفورد و آلن نيوول، هربرت سايمون و آلن شاء، هر سه از مركز تحقيقات شركت زيراكس (رند) پنج چهره معروف آن كنفرانس بودند. در اين كنفرانس به پيشنهاد ماروين مينسكي براي اولين‌بار به طور رسمي علم هوش مصنوعي اعلا‌م و پايه‌گذاري گشت. به همين دليل، مينسكيِ لهستاني‌الا‌صل را به عنوان پدر هوش مصنوعي مي‌شناسند. بعداً مركز تحقيقات رند (Rand Institute of Techology) به دانشگاه كارنگي ملون تبديل شد كه قوي‌ترين دپارتمان علوم شناختي دنيا را دارد
● وضعيت هوش مصنوعي در ايران را چگونه مي‌بينيد؟
○ من پيشرفت اين شاخه از علم را در ايران خوب ارزيابي مي‌كنم. البته دليل آن را هم خواهم گفت. هوش مصنوعي يا به مفهوم گسترده‌تر و جديدتر آن، هوش رايانشي (Computatinal Intellgence)، موضوعي است كه در تمام ابعاد حل مسئله و تصميم‌گيري در دامنه‌هاي مختلف رسوخ كرده است. به تعبيري، وقتي دامنه‌هاي مختلف تصميم‌گيري در يك جامعه را، (مانند مديريت، بهداشت و درمان، صنعت، امنيت، آموزش و پژوهش، تغذيه، جنگل‌داري و ...) كه هر كدام به نوبه خود با گستره وسيعي از مسائل مواجه هستند، در نظر بگيريد، عملاً سازوكارAI و Computational Intelligence در همه اين حوزه‌ها رسوخ و نفوذ كرده است.
افرادي هم كه درگير اين زمينه‌ها و بافتارها بوده‌اند، چه صاحب‌نظران دانشگاهي، و چه متخصصاني كه در بخش خصوصي كار مي‌كنند، به خوبي توانسته‌اند به پيروي از سياق‌هاي دانش مربوطه وارد حل مسائل اين حوزه‌ها بشوند. مثال وجودي آن هم، برنامه‌هاي خبره يا سيستم‌هاي هوشمندي است كه امروزه در اين زمينه‌ها، در داخل ايران هم توسط پژوهشگران و مهندسان توسعه داده شده است.
●
مي‌توانيد نمونه‌هايي را مثال بزنيد؟
○اول توضيحي بدهم كه چرا بين يك سيستم خبره و يك سيستم هوشمند كمي تمايز قايل هستم. به اين خاطر كه سيستم خبره عملاً خودش را بيشتر قائم به هوش مصنوعي نمادين مي‌كند.
هر چند در حال حاضر ما سيستم‌هاي خبره‌اي داريم كه حداقل بخش ميانا و اينترفيس آن، با تبعيت از روش‌هايي مثل شبكههاي عصبي عمل مي‌كند، ولي عمدتاً سيستم‌هاي خبره، هنوز بر پايه هوش نمادين عمل مي‌كنند.
اما وقتي مي‌گوييم سيستم هوشمند، در واقع ديگر ذات سيستم را قائم به يك برنامه نمادين نمي‌بينيم؛ مانند سيستم‌هاي كنترلي، روبات‌ها يا برنامه‌هاي هوشمندي كه در حوزه مدلسازي، تشخيص و درمان پزشكي و تحليل و طبقه‌بندي انواع الگوها شكل گرفته‌اند.
اما پيشرفت در اين زمينه، عمدتاً به اين نكته برمي‌گردد كه هوش مصنوعي و هوش رايانشي جزء آن دسته از گستره‌ها محسوب نمي‌شوند كه براي يافتن نمود بيروني خود، الزاماً به تجهيزات خاص يا گرانقيمتي نياز داشته باشند؛ مانند حوزه پزشكي، ميكروالكترونيك و يا فيزيك هسته‌اي كه به تجهيزات ويژه‌اي نيازمندند. به همين دليل، مشكلا‌ت و دشواري‌هاي خاص تأمين چنان تجهيزاتي دست كم در بسياري از موارد، وجود ندارد.
اما درباره نكته نهفته در سؤال شما كه آثار اين پيشرفت‌ها را كجا مي‌توانيم ببينيم، بايد گفت ممكن است هنوز آثار بسياري از اين فعاليت‌ها، در صنعت، مديريت، درمان و پزشكي و ... عملياتي نشده باشد و اين عملياتي نشدن نه به خاطر اين است كه اين اقدامات صورت نگرفته است، بلكه به اين خاطر است كه در برهه‌اي، وارد بحث‌هاي فني خاصي مي‌شويم.
مثلا‌ً اين‌كه اگر يك برنامه هوشمند عملاً در نهايت براي عملياتي شدن به يك سخت‌افزار خاص نياز داشته باشد، بايد عناصر لا‌زم براي ساختن اين سخت‌افزار را داشته باشيد. مانند تراشه‌هاي خاص از قبيل تراشه‌هاي عصبي
(Neuro-Chip) يا عصبي شولا (Neuro-Fuzzy Chip) كه در حال حاضر به عنوان بلوك‌هاي اوليه سيستم‌هاي هوشمند تلقي مي‌شوند. حالا اگر اين‌ها را نداشته‌‌‌باشيم، به معناي آن نيست كه اين اقدامات صورت نگرفته يا حتي پياده‌سازي نشده است. تجزيه و تحليل‌ها، مدل‌سازي‌ها و تست‌ها انجام شده و پياده‌سازي صورت گرفته است. اما ممكن است به مفهومي كه گفته شد، عملياتي نشده باشد.
● در هوش مصنوعي حوزه‌هاي متنوع و گرايش‌هاي متفاوتي وجود دارد. در بين اين حوزه‌هاي مختلف، كدام يك را اثرگذارترين حوزه در صنعت مي‌دانيد؟
○در جواب اين سؤال، بايد پرسيد كه تلقي شما از صنعت چيست. خوشحالم كه چنين سؤالي مطرح شد. كلمهIndustry در لا‌تين به معني تلا‌ش و كوشش است. ريشه كلمه Indust، شايد همان اندوخت فارسي باشد. وقتي شما مي‌اندوزيد، يعني برنامه‌ريزي مي‌كنيد كه از آن اندوخته، در يك مسير هدفمند استفاده كنيد و نوعي پويايي را در محيط بيروني خودتان ايجاد كنيد. اين نشأت و بنيانِ فكري كلماتي مثل Indust و يا اندوخت است. (البته اميدوارم كه زبان‌شناسان، بر من خرده نگيرند. اين‌ها صرفا استنباط‌هاي شخصي اينجانب است و بر صحت آن‌ها تأكيد خاصي ندارم.)
آنچه بعد از انقلا‌ب صنعتي در يك جامعه تجددگرا و مدرن اتفاق افتاد، اين بود كه تبعات و عقبه اين تلا‌ش‌ها، در قالب فرآورده‌هاي صنعتي نشان داده شد و عمده تلا‌ش و كوشش به سمت و سويي رفت كه آن فراورده يا محصول بتواند قالب ملموسي به خود بگيرد كه به صراحت و شفافيت در جامعه بيروني قابليت كاربري داشته باشد و يا به عبارتي، عيني و ملموس باشد. به اين ترتيب در دوران تجددگرايي،تعريف محدودي از Industry داريم. بنابراين، اگر منظور شما همان Indstry است كه در كنارش بحث‌هايي از قبيل Industrial Engineering و Industrial Management و ... مطرح مي‌شود، پاسخ خاص خود را دارد، ولي اگر Industry را قدري به مفهوم پساتجدد آن در نظر بگيريم، شايد پاسخ تا حدودي متفاوت باشد.
همين‌جا ناگفته نماند كه بروز انقلا‌ب IT، و به دنبال آن Information and Knowledge Technology و Information and Communication Technology) ICT)، باعث شد كه به شكلي، مفهوم Industry از اين قالب كليشه‌اي كه در واقع موروثه دوران مدرنيزيم بود، خارج شود و مقداري مفهوم آن گستره‌تر و انتزاعي‌تر شود. چون به هر حال شما براي گستردن يك مفهوم، به صعود به مرحله‌اي بالا‌تر از تجريد و انتزاع نياز داريد. در ديدگاه پساتجددگرايي، عينيت به طرف ذهنيت و تجريد سوق پيدا نموده و در اين ماجرا، IT نقش بسياري بارزي را ايفا كرده است.
ولي چرا ذهنيت در IT جايگاه ويژه‌اي دارد؟ براي اين‌كه به جرات مي‌توان گفت كهIT اولين فناوري‌اي است كه مقوله تعاملي (Interactive) بودن و ارتباطي (Communicative) بودنِ كاربر انساني را در سيطره كاركردي سامانه‌ها مطرح مي‌كند. يا به تعبيري،آحاد انساني را به عنوان زيرمجموعه‌اي از فناوري مي‌بيند. هيچ فناوري ديگري نبوده است كه كاربر انساني يا عنصر انساني را به عنوان زيرمجموعه خودش ببيند.
البته در فناوري‌هاي ديگر هم انسان با فناوري تعامل دارد. مثلا‌ً يك واحد توليد برق را در نظر بگيريد. كوچك‌ترين خطاي انساني مي‌تواند آسيب‌هاي زيادي را وارد كند، بله، نقش اپراتور بسيار حساس است. اما به اين نكته توجه داشته باشيد كه جايي كه شما وارد رابطه‌اي مي‌شويد كه متضمن يك تعامل مؤثر، بهينه و ستبر (Robust) بين كاربران انساني و تأسيسات (Plant) مربوطه باشد، خواه ناخواه وارد فناوري اطلاعات شده‌ايد. چرا؟
به خاطر اين‌كه براي چنين تضميني، شما به درپاييدن تراكنش‌ها و دادوستدهاي اطلاعاتي بين كاربران و آن تأسيسات نياز داريد. درپاييدن (مانيتور كردن) اين تراكنش‌ها نيز، چيزي نيست جز ورود به صحنه فناوري اطلاعات.
حال كه واحدهاي انساني به عنوان زيرمجموعه آن فناوري تلقي شدند، پس روحيات، عواطف، ذهنيت‌ها، دانش‌هاي پس‌زمينه و عوامل ديگر مرتبط با اين انسان‌ها، در جايگاه خود به عنوان آرگومان‌ها و شناسه‌هاي اين فناوري محسوب خواهد شد. منظور از آرگومان، چيزي است كه فناوري به آن بينديشد و به آن اهميت داده وبه‌طور جدي به آن بپردازد. به عبارتي، با در نظر نگرفتن آن آرگومان‌ها، فناوري ممكن است، هرچند با احتمال وقوع پايين، دستخوش تزلزل و خدشه شود.
آنچه به عنوان ذهنيت در كاربران تلقي مي‌شود، مؤلفه‌ها و خصوصياتي است كه در ارتباط انسان با محيط پيراموني خود معنا مي‌يابد. به همين دليل، اگر روند رو به رشد IT را مطالعه كنيد، مي‌بينيد كه بخش عمده‌اي از كارها و تحقيقاتي كه در حوزه دانش و فناوري اطلاعات انجام مي‌شود، به مقوله مدلسازي كاربر (User Modelling) و مبحثي تحت عنوان شخصي‌سازي (Personalization) تخصيص پيدا كرده است؛ چرا كه اگر مدل كاربر انساني و حالا‌ت خاص او در ارائه يك سرويس، اعم از سرويسي كه مي‌خواهد در اختيار فردي قرار داده شود كه خودش به عنوان يك مهندس با آن سيستم تعامل داشته باشد، يا سرويس‌هايي كه كاربر نهايي و مشتري دارد، به گونه‌اي در نظر گرفته نشود، محيط دچار مشكل خواهد شد.
● محيط دچار چه مشكلي مي‌شود؟
○ محيط از بازه اهدافي كه برايش تعريف شده است، دور مي‌شود.
● اين بحث در دوران مدرن چگونه مطرح مي‌شد؟
○ در دوران مدرنيته به اين موضوعات كمتر توجه مي‌شد. اجازه بدهيد يك مثال بسيار ساده، در همين حوزه AI و فناوري اطلاعات، بزنم. اگر سير تكوين مهندسي نرم‌افزار را در دوران مدرنيزم در نظر بگيريد، مي‌بينيد كه عمدتاً اين سير به سمت و سويي بوده است كه يك سيستم پيچيده با ترفندها و شگردهاي خاص خود توسعه داده مي‌شد و اين انسان‌ِ كاربر بود كه بايد خود را با پيچيدگي‌ها و دشواري‌هاي سيستم انطباق بدهد. (اعم از اين‌كه كاربر، برنامه‌نويس يا تحليلگر نرم‌افزار است، يا يك كاربر نهايي).
پس در دوره مدرنيزم، مهندسي نرم‌افزار بيشتر به صورت سيستم-نگر مطرح مي‌شد. مصداق آن هم اين بوده است كه برنامه‌نويس بايد بنشيند و كُد بنويسد. حال، خوب است كه برنامه‌ها از سطح پايين به سطح بالا ارتقا يافتند و برنامه‌نويسان عملاً مجبور نبودند كه با اسمبلي برنامه‌نويسي كنند. دوراني رسيد كه زبان‌هايي مثل ال‌گول، پاسكال، بيسيك، فورترن، كوبل و ... به ميان آمد، اما در ماهيت قضيه تفاوتي نكرد؛ چرا كه انسان برنامه‌نويس ناچار بود تا با تبعيت از يك سري پروتكل‌هاي خاص برنامه‌نويسي كند.
ولي همين كه ما از دوران مدرنيزم قدري وارد پست‌مدرن مي‌شويم، در واقع از زماني كه نگاه‌ها عوض مي‌شود، اتفاقي كه مي‌افتد اين است كه به جاي شيء (Object)، مولفه (كامپوننت) خواهيد داشت؛ مؤلفه‌اي‌شدن محيط برنامه‌نويسي، شما را عملاً به سمت و سويي سوق مي‌دهد كه بتوانيد به عنوان يك برنامه‌نويس يا تحليلگر نرم‌افزاري، از مؤلفه‌هايي كه پيشتر توسعه داده شده و هر كدام در قلمرو خود مزيت‌هاي خاصي را به خود گرفته‌اند، به گونه‌اي براي برنامه‌هاي آتي استفاده كنيد.
اين امر تا حدودي دغدغه‌ها و مشكلا‌ت را كم مي‌كند. اما، بعد، در كمال شگفتي، وارد دوران عامل‌ها (كارگزارها،
agents) مي‌شويد؛ با ورود كارگزارهاي نرم‌افزاري به صحنه، حال ديگر قضيه خيلي فرق مي‌كند. يعني اصلا‌ً قرار نيست برنامه‌ها به صورت مستقل توسعه داده شوند.
به جاي آن، وظيفه كارگزارهاي نرم‌افزاري اين خواهد بود كه هر كدام، كار (task) خاص خود را انجام دهند. در واقع در دوران كارگزارهاي نرم‌افزاري، ديگر چيزي به عنوان برنامه‌نويس وجود ندارد. صرفاً كافي است يك آرايه و چيدمان درستي بين عملكرد كارگزارها ايجاد كنيد.
●
در تاريخ پنجاه ساله هوش مصنوعي در دنيا، چه عواملي اگر وجود مي‌داشت (يا سرمايه‌گذاري‌هايي انجام مي‌گرفت) باعث پيشرفت بيشتري نسبت به وضعيت فعلي مي‌شد و فكر مي‌كنيد كه چه عاملي مي‌تواند چنين تحولي را در آينده به وجود آورد؟
○ به اين نكته بايد دقت داشته باشيد، به راحتي نمي‌توانيد بگوييد كه اگر اينگونه مي‌شد، خوب مي‌شد. البته مي‌توانيد بگوييد كه در خيلي جاها نمي‌توانيد انتظار داشته باشيد كه اين قضيه در عمل مي‌توانست اتفاق بيفتد. چرا؟
به خاطر اين‌كه وقوع آن قضيه، چيز في‌البداهه‌اي نيست. خود آن اتفاق، زمينهِ قبلي‌اي مي‌خواست كه اگر آن پيش‌زمينه را در نظر بگيريد، به اين نتيجه مي‌رسيد كه چه بسا همان اتفاقي كه افتاده، اتفاق بهينه و مطلوب بوده است.
با اين حال مي‌توانم نكاتي را براي شما ذكر كنم كه اگر اين نكات اتفاق نمي‌افتاد يا حداقل تعديل پيدا مي‌كرد، زودتر به نقطه‌اي مي‌رسيديم كه در حال حاضر در آن به سر مي‌بريم. مثلا‌ً برنامه‌هاي پژوهشي دانشگاه‌ها و مراكز تحقيقاتي درباره موضوعات گوناگون شكل مي‌گيرند كه اگر اين برنامه‌ها بيش از اندازه قالب افراطي به خود بگيرند، مي‌توانند در سير تكوين فناوري تأخير و تعلل ايجاد كنند؛ بنابراين، همين كه به طور افراطي، وارد بحث‌هاي فورمالستيك منطق و مسائلي از اين دست مي‌شويم، از جايي به بعد، ورود به بحث‌هاي عملي در يك فناوري را به وقفه مي‌اندازيم.
●آيا اين زيان‌ها و مشكلا‌ت در حال حاضر هم وجود دارد؟
○ الا‌ن خيلي كمتر شده است؛ چراكه زمينه هوش مصنوعي بسيار باز و گسترده شده است. به طوري كه حتي اگر افرادي بخواهند فقط در زمينه تحقيقات نظري خاصي كار كنند، افراد ديگري هم هستند كه در زمينه‌هاي عملي فعاليت مي‌كنند.
● پي بردن به مكانيزم كاركرد مغز انساني تا چه حد مي‌تواند در پيشرفت هوش مصنوعي به ما كمك كند؟
○در اين زمينه بهتر است اساتيد برجسته‌اي چون استاد لوكس و استاد هاشمي گلپايگاني كه از منظر كنترل و سيستم‌هاي پويا وارد مقوله مكانيسم‌هاي هوشمند شده‌اند، اظهار نظر بفرمايند؛ تنها به اين نكته بسنده مي‌كنم كه به زعم اينجانب، با شناخت مغز انسان، نمي‌توان انتظار داشت كه، به چنان دانشي رسيد كه بر مبناي آن تحول بسيار ويژه‌اي در سيستم‌هاي هوشمند فعلي اتفاق بيفتد. البته اين حرف به اين معني نيست اصلا‌ً اين امر اتفاق نيفتاده باشد. همين ارجاع به مغز باعث شد انقلا‌ب شبكههاي عصبي اتفاق بيفتد. بسياري از نظريه‌پردازان شبكههاي عصبي، افرادي بودند كه با الگوهايي كه از مغز گرفتند، شبكههاي عصبي‌اي ابداع كردند كه كاركرد آن‌ها انسان گونه باشد.
اما هميشه شناخت انسان نسبت به هر چيزي، كراني دارد. از يك جايي به بعد، ممكن است شناخت به عنوان معكوسِ شناخت عمل كند. يعني اگر شما بخواهيد به صورت بسيار جزئي و عميق وارد مطالعات مربوط به مغز بشويد، ممكن است راه را براي بازگشت گم كنيد! آنچه محرز است، كسب شناخت نسبت به كليات بيشتر مغز، از طريق آزمايش‌ها، بسيار مغتنم است، ولي چيزي كه افزون بر آن، مورد نياز است، نوع تفسيري است كه از نتايج اين آزمايش‌ها به عمل مي‌آيد. چون آنچه كه در نهايت مي‌تواند در توسعه سيستم‌هاي هوشمندِ توانمندتر تعيين‌كننده باشد، نتايجِ صرف به دست آمده از آزمايش‌ها نيست، بلكه تفسيري است كه از نتايج اين آزمايش‌ها به عمل مي‌آيد و همين امر باعث شده است كه يك شاخه از روانشناسي اعصاب (Neuro Psychology) در سال‌هاي اخير تحت عنوان Cognitive Neuro Psychology شكل بگيرد كه در واقع كار آن بررسي يافته‌هاي روانشناسي اعصاب از ديدگاه شناخت است.
● آيا مي‌توانيم از صحبت‌هاي شما اينگونه نتيجه‌گيري كنيم كه اگر قرار باشد در آينده، تحول بزرگي در هوش‌مصنوعي رخ دهد، اين تحول در شبيه‌سازي نخواهد بود؟
○ درباره اين موضوع بايد تا حدودي محتاط باشيد. شما در هر كاري، در هر حوزه‌اي، و با هر گرايش فكري، نياز به شبيه‌سازها داريد. ولي شايد لا‌زم باشد شبيه‌سازهاي توانمندتري ساخته شود كه نتيجه كارشان با رويداد اصلي انطباق بيشتري داشته باشد.
موضوع ديگر اين‌كه، شايد الزاماً تنها خود مغز نبايد به عنوان بستر تأمين‌كننده‌اي براي توسعه سيستم‌هاي هوشمند در نظر گرفته شود. آنچه در خلقت اتفاق مي‌افتد، فقط خلقت ذي‌حيات نيست. موجوداتي كه حيات هم ندارند، به نحوي داراي هوشمندي هستند. به عنوان مثال، فلزاتي هستند كه تحت شرايطي، وقتي گرم مي‌شوند و سپس سرد مي‌گردند، به حالت اوليه خود برمي‌گردند.
● شما اين موضوع را متضمن نوعي هوش مي‌دانيد؟
○ البته. ببينيد، تعريفي كه امروزه از هوش مي‌شود، بيشتر به انعطاف‌پذيري (Flexibility) اشاره دارد كه شما به صور مختلف مي‌توانيد آن را در تغيير حالت يافتن يك موجود در برخورد با محيط خود پيدا كنيد. اگر بپذيريم كه هوش نوعي حالت انتقالي (transitive) است كه يك موجود در برخورد با محيط به خود مي‌گيرد، ديگر لزومي ندارد كه بحث در مورد آن را فقط به ذي‌حيات محدود كنيم. به همين خاطر امروزه سرمايه‌گذاري‌هاي بسيار كلا‌ني صورت مي‌گيرد كه فيزيكدان‌ها، در مورد هوش تحقيق كنند و اين خود نشان مي‌دهد كه فقط مغز نيست كه مي‌تواند تأمين‌كننده اطلاعات باشد. پديده‌هاي فيزيكي نيز به نوبه خود مي‌توانند در اين بحث مطرح شوند.
● لطفاً در مورد ديدگاه‌ها و نگرش‌هاي موجود در علم هوش مصنوعي توضيح دهيد.
○ در هوش مصنوعي دو پارادايم فكري متعامد نسبت به هم وجود دارد: يكي پارادايم سيمبوليك يا نمادين، و ديگري پارادايم كانكشنيستي يا پيوندگرا. تفاوت عمده اين دو را مي‌توانيد در اين ويژگي‌ها خلا‌صه كنيد: در پارادايم نمادين، همه چيز به صورتي مبتني بر يك سري خصلت و فرآيند اشتقاق آن الگوريتميك است. در حالي كه در پارادايم پيوندگرا، چيزي به نام الگوريتم وجود ندارد. يعني شما نمي‌توانيد در شبكههاي عصبي دنبال الگوريتم بگرديد.
تعدادي نورون وجود دارند كه يك سري توابع رياضي هم به آن‌ها تخصيص داده شده است؛ البته به گونه‌اي با الگوهاي آموزشي كه به آن‌ها داده‌ايد، شبكه را آموزش مي‌دهيد و به شكلي در صدد تضمين آن هستيد كه اين شبكه از قابليت طبقه‌بندي و تفسير نسبت به مثال‌هاي آتي خودش نيز برخوردار گردد. اما با گزاره‌هاي خاصي كه تبيين‌كنندهِ روند تضمين باشد سروكار ندارند.
در حالي كه در هوش مصنوعي نمادين، گزاره وجود دارد. اگر اين بحث را تعميم بدهيم، به جايي مي‌رسيم كه مي‌توانيم بگوييم در هوش مصنوعي پيوندگرا، چيزي به اسم دانش (Knowledge) و به‌تبع آن بازنمايي‌دانش معناي خاصي نمي‌يابد. در صورتي كه در هوش مصنوعي نمادين، بخش عمده‌اي از بحث به اين برمي‌گردد كه دانش چگونه بازنمايي گردد. مثلا‌ً مي‌توانيد براي بازنمايي دانش، از Rule كه يك روش پردازشي ايجايي است يا از شبكههاي معنايي و يا از قاب كه طبيعت سلسله مراتبي و ساخت‌يافته‌اي دارد، استفاده كنيد.
نكته ديگر اين‌كه، در هوش مصنوعي نمادين، مي‌توانيد مسير رسيدن به جواب را اثبات كنيد. بر مبناي همين تفكر،سيستم‌هاي خبره شكل گرفته‌اند. سيستم‌هاي خبره اين قابليت را دارند كه چوني و چراييِ رسيدن به جواب را در اختيار كاربر بگذارند و اين كار را از طريق مياناي گرافيكي كاربر (Graphic User Interfaice) خاصي انجام مي‌دهند كه در اختيار دارند. حال آن‌كه شبكههاي عصبي، چنين قابليتي را ندارند. چون اعتقادي به نماد ندارند. از همه مهم‌تر اين‌كه، نحوه برخورد با حقيقت (Truth)، در هوش مصنوعي نمادين بسيار متفاوت با هوش مصنوعي پيوندگراست.
در هوش مصنوعي نمادين، گزاره‌ها، مشمول حقيقت (Truth) يا كذب (Falsness) مي‌شوند. در صورتي كه در هوش مصنوعي پيوندگرا، بحث Truth يا False به صورت معمول و متعارف وجود ندارد. آنجا بحث‌هايي از قبيل حيات‌پذيري (Viability) و يا كاربري‌پذيري (Workibility) است كه بيشتر معنا مي‌يابد.
به عبارت ديگر، چيزي كه در ارتباط با روش‌هاي پيوندگرا و در ادامه آن‌ها، روش‌هاي تعامل‌گرا وجود دارد، بحث عقلا‌نيت محدود (Bonded Rationality) است. اين يك مسئله بسيار اساسي به عنوان عامل مميزهِ اساسي ميان هوش مصنوعي نمادين و هوش مصنوعي پيوندگرا است. در هوش مصنوعي نمادين و مبتني بر نظريه تورينگ و اثبات‌پذيري جهان‌شمول، عقلا‌نيت، محدود نيست؛ بلكه مطلق است. در صورتي كه در ديدگاه‌هاي پيوندگرا، شما با عقلا‌نيت محدود (Bonded Rationality) مواجهيد.
كاري كه منطق شولا (فازي) انجام داد و در آن بسيار هم موفق بود، اين بود كه توانست پُلي منطقي بين اين دو پارادايم ايجاد كند. فازي پلي شد بين نظريه‌هاي نمادين و پيوندگرا. به اين خاطر كه، فازي هنوز نمادين بود، از جهت اين‌كه خودش را برپايه گزاره‌ها بنا كرده بود (خودِ تئوري مجموعه‌ها يك پديده نمادين است).
ادامه دارد...
