چرا هوش مصنوعی هرگز به هوش انسان نمی‌رسد؟

به گزارش مشرق، وبگاه سای‌تِک‌دِیلی در گزارشی آورده است:

به گفته او، آزمون معروف تورینگ که برای سنجش هوشمندی ماشین‌ها طراحی شده، هوش مصنوعی را به مسیری اشتباه کشانده است.

در سال ۱۹۵۰، آلن تورینگ (Alan Turing)، پدر علم رایانه نظری، آزمونی را پیشنهاد کرد که به آزمون تورینگ معروف شد. در این آزمایش، یک انسان باید تشخیص دهد که با یک ماشین یا یک انسان دیگر صحبت می‌کند. اگر نتواند تشخیص دهد، گفته می‌شود که ماشین هوشمند است. این آزمون، مسیر چندین دهه تحقیقات هوش مصنوعی را تعیین کرد.

اما اکنون پیتر جِی. دِنینگ (Peter J. Denning)، دانشمند برجسته رایانه، در تحلیلی با عنوان اشتباه تورینگ: فرار از سلطه ماشین‌های بی‌هوش استدلال می‌کند که این آزمون، هوش مصنوعی را در مسیر اشتباهی قرار داده است.

به گفته دنینگ، دو باور اصلی تورینگ پایه‌گذار تحقیقات هوش مصنوعی شدند: اول اینکه هوش انسان می‌تواند جدا از بدن وجود داشته باشد و دوم اینکه می‌توان هوش ماشین را با بازی تقلید (همان آزمون تورینگ) سنجید. اما به باور دنینگ، همین دو باور، هوش مصنوعی را به بن‌بست امروزی کشانده است.

دانش پنهان؛ کلید اصلی تفاوت انسان و ماشین

دنینگ در مرکز استدلال خود به مفهوم دانش پنهان اشاره می‌کند؛ یعنی انبوهی از دانسته‌هایی که هر انسان دارد، اما نمی‌تواند آن‌ها را به‌طور کامل با کلمات توضیح دهد یا به شکلی درآورد که ماشین بتواند بفهمد. بسیاری از چیزهایی که ما می‌دانیم، از راه تجربه، تعامل با دیگران و احساسات به دست آمده‌اند، نه از طریق خواندن یا شنیدن.

به گفته دنینگ، پنج نوع دانش پنهان وجود دارد که ماشین‌ها هرگز نمی‌توانند آن‌ها را بیاموزند: حس مشترک (همان چیزهایی که همه می‌دانیم)، تعاملات روزمره با مردم و محیط، احساسات و ادراکات، مهارت‌های عملی و پیشینه فرهنگی و تاریخی که هر جامعه‌ای دارد.

دانشمندان دهه‌ها تلاش کرده‌اند حس مشترک را به شکلی ثبت کنند که رایانه‌ها بتوانند از آن استفاده کنند. در دهه ۱۹۸۰ میلادی، طرحی به نام سایک (Cyc) آغاز شد تا همه حقایق ساده‌ای را که هر انسانی می‌داند، جمع‌آوری کند؛ نمونه‌هایی مثل آتش داغ است یا مادرها از فرزندان خود بزرگ‌ترند. بعد از ۴۰ سال، این طرح ۲۵ میلیون مدخل از این حقایق را گردآوری کرد، اما حتی این گنجینه عظیم هم نتوانست …