امروز هوش مصنوعی در موتورهای جستوجو، تلفنهای هوشمند، خودروها، سامانههای پزشکی، رباتها، نرمافزارهای تولید محتوا و حتی ابزارهای گفتوگومحور حضور دارد. اما این فناوری ناگهان و با ساخت یک کامپیوتر خاص به وجود نیامد. پیدایش هوش مصنوعی نتیجه چندین دهه تلاش در حوزههایی مانند ریاضیات، منطق، علوم کامپیوتر، نظریه اطلاعات و علوم اعصاب بود.
سؤال مهم این است که هوش مصنوعی را چه کسی اختراع کرد؟
پاسخ کوتاه این است که هوش مصنوعی یک مخترع واحد ندارد. دانشمندان مختلفی پایههای نظری و فنی آن را ایجاد کردند، اما جان مککارتی (John McCarthy) نقش بسیار مهمی در شکلگیری رسمی این رشته داشت و اصطلاح «Artificial Intelligence» را در پیشنهاد کنفرانس دارتموث در سال ۱۹۵۵ به کار برد. یک سال بعد، کارگاه تابستانی دارتموث در سال ۱۹۵۶ برگزار شد و این رویداد معمولاً بهعنوان نقطه تولد رسمی هوش مصنوعی بهعنوان یک حوزه پژوهشی شناخته میشود.
اما داستان از سال ۱۹۵۶ شروع نمیشود.
برای فهمیدن تاریخچه هوش مصنوعی از ابتدا باید به سالهایی برگردیم که هنوز کامپیوتری به شکل امروزی وجود نداشت.
هوش مصنوعی چیست؟
هوش مصنوعی یا Artificial Intelligence (AI) به مجموعهای از روشها و فناوریهای محاسباتی گفته میشود که به ماشینها امکان انجام وظایفی را میدهند که معمولاً با تواناییهای شناختی انسان مرتبط هستند؛ مانند یادگیری، تشخیص الگو، استدلال، درک زبان، تصمیمگیری و حل مسئله.
البته تعریف هوش مصنوعی در طول تاریخ ثابت نمانده است.
در دهههای ابتدایی، پژوهشگران بیشتر به دنبال ساخت برنامههایی بودند که بتوانند با استفاده از قواعد منطقی مسئله حل کنند. بعدها تمرکز به سمت یادگیری از دادهها رفت و در سالهای اخیر نیز مدلهای یادگیری عمیق و هوش مصنوعی مولد به بخش مهمی از این حوزه تبدیل شدهاند.
به همین دلیل، هوش مصنوعی را بهتر است یک رشته علمی و فناوری در حال تکامل بدانیم، نه یک محصول یا دستگاه واحد.
آیا هوش مصنوعی اختراع شد یا بهتدریج به وجود آمد؟
برخلاف اختراعی مانند تلفن یا لامپ، نمیتوان یک تاریخ واحد برای «اختراع هوش مصنوعی» تعیین کرد.
پیدایش AI حاصل برخورد چند جریان علمی بود:
- منطق و ریاضیات
- نظریه محاسبات
- علوم اعصاب
- نظریه اطلاعات
- مهندسی کامپیوتر
- روانشناسی شناختی
- یادگیری آماری
- پردازش زبان طبیعی
بنابراین وقتی از اختراع هوش مصنوعی صحبت میکنیم، در واقع درباره مجموعهای از ایدهها و دستاوردهایی صحبت میکنیم که بهتدریج به یک رشته علمی مستقل تبدیل شدند.
استانفورد نیز در تاریخچه AI100، سال ۱۹۵۶ را سال تولد رسمی و نامگذاری این رشته در کارگاه دارتموث معرفی میکند.
ریشههای اولیه هوش مصنوعی؛ قبل از تولد کامپیوتر
ایده ساخت ماشینهایی که بتوانند نوعی از تفکر یا استدلال را انجام دهند، بسیار قدیمیتر از کامپیوترهای مدرن است.
انسانها قرنها درباره امکان مکانیکیکردن استدلال فکر کردهاند. توسعه منطق صوری و ریاضیات در نهایت به این سؤال مهم منجر شد:
آیا میتوان فرایند فکر کردن را به مجموعهای از قواعد دقیق تبدیل کرد؟
اگر پاسخ مثبت باشد، مرحله بعدی این است که آیا یک ماشین میتواند این قواعد را اجرا کند؟
این پرسش یکی از پایههای فکری شکلگیری هوش مصنوعی بود.
آلن تورینگ و ایده ماشین متفکر
یکی از مهمترین چهرهها در پیشتاریخ هوش مصنوعی، آلن تورینگ (Alan Turing) بود.
تورینگ در سال ۱۹۳۶ مفهوم مهمی را در نظریه محاسبات مطرح کرد که بعدها به شکلگیری علوم کامپیوتر کمک کرد. اما تأثیر او بر هوش مصنوعی فقط به نظریه محاسبات محدود نبود.
در سال ۱۹۵۰، تورینگ مقاله مشهور خود با عنوان Computing Machinery and Intelligence را منتشر کرد و پرسش معروف «آیا ماشینها میتوانند فکر کنند؟» را مطرح کرد.
او به جای تلاش برای تعریف دقیق واژه «تفکر»، یک آزمون رفتاری پیشنهاد کرد که بعدها به نام آزمون تورینگ (Turing Test) شناخته شد.
ایده کلی این بود که اگر انسان در یک گفتوگوی متنی نتواند بهطور قابل اعتماد تشخیص دهد که طرف مقابل انسان است یا ماشین، میتوان درباره نوعی از هوشمندی ماشین صحبت کرد.
این دیدگاه یک تغییر مهم ایجاد کرد:
بهجای اینکه فقط بپرسیم «آیا ماشین واقعاً فکر میکند؟»، میتوانیم بپرسیم:
آیا ماشین میتواند رفتاری شبیه رفتار هوشمندانه انسان نشان دهد؟
شبکه عصبی مصنوعی چگونه وارد داستان شد؟
یکی دیگر از مسیرهای مهم در تاریخچه هوش مصنوعی، تلاش برای مدلسازی عملکرد مغز بود.
در سال ۱۹۴۳، وارن مککالاک و والتر پیتس مدلی ریاضی از نورونهای مصنوعی ارائه کردند. این ایده بعدها به یکی از پایههای نظری شبکههای عصبی مصنوعی تبدیل شد.
چند سال بعد، در سال ۱۹۵۷، فرانک روزنبلات مدل Perceptron را توسعه داد؛ سیستمی که یکی از نمونههای اولیه شبکه عصبی و یادگیری ماشینی محسوب میشود.
پرسپترون میتوانست با تنظیم وزن ورودیها الگوهای خاصی را تشخیص دهد و به همین دلیل اهمیت زیادی در مسیر تکامل شبکههای عصبی داشت.
این مسیر در دهههای بعد فراز و نشیب زیادی داشت، اما در نهایت یکی از پایههای فنی یادگیری عمیق شد.
تولد رسمی هوش مصنوعی؛ کنفرانس دارتموث در سال۱۹۵۶
اگر بخواهیم فقط یک تاریخ را بهعنوان نقطه آغاز رسمی هوش مصنوعی انتخاب کنیم، سال ۱۹۵۶ بهترین پاسخ است.
در تابستان آن سال، گروهی از دانشمندان در کالج دارتموث گرد هم آمدند تا بررسی کنند آیا میتوان فرایندهای هوشمندانه را به شکلی دقیق توصیف کرد که یک ماشین بتواند آنها را شبیهسازی کند.
این رویداد با عنوان:
Dartmouth Summer Research Project on Artificial Intelligence
شناخته میشود.
کنفرانس با پیشنهاد جان مککارتی، ماروین مینسکی، ناتانیل روچستر و کلود شنون شکل گرفت.
پیشنهاد اولیه در سال ۱۹۵۵ نوشته شد و کنفرانس در تابستان ۱۹۵۶ برگزار شد.
دارتموث در روایت رسمی خود این رویداد را محل تولد یک حوزه پژوهشی جدید میداند و تأکید میکند که اصطلاح «Artificial Intelligence» در همین جریان شکل گرفت و تثبیت شد.
چرا کنفرانس دارتموث مهم بود؟
اهمیت این رویداد فقط در برگزاری یک جلسه علمی نبود.
پژوهشگران برای نخستین بار تلاش کردند موضوعاتی مانند:
- یادگیری ماشین
- حل مسئله
- زبان
- استدلال
- مفهومسازی
- خودبهبوددهی
- شبیهسازی هوش
را در قالب یک حوزه پژوهشی مشترک بررسی کنند.
به این ترتیب، هوش مصنوعی از مجموعهای از ایدههای پراکنده به یک حوزه علمی مستقل نزدیک شد.
جان مککارتی؛ پدر هوش مصنوعی؟
گاهی در منابع عمومی از جان مککارتی با عنوان «پدر هوش مصنوعی» یاد میشود.
این عنوان به دلیل نقش بسیار مهم او در نامگذاری و شکلدهی اولیه این حوزه به او نسبت داده شده است.
مککارتی یکی از چهار نویسنده پیشنهاد کنفرانس دارتموث بود و اصطلاح Artificial Intelligence در همین پیشنهاد رسمی استفاده شد.
اما باید دقت کرد که گفتن «مککارتی هوش مصنوعی را بهتنهایی اختراع کرد» دقیق نیست.
پیدایش AI حاصل مشارکت دانشمندان متعددی بود.
برای مثال:
- آلن تورینگ در نظریه محاسبات و ایده ماشین متفکر نقش داشت.
- کلود شنون در نظریه اطلاعات و ارتباط آن با محاسبات تأثیرگذار بود.
- ماروین مینسکی از چهرههای مهم پژوهشهای اولیه هوش مصنوعی بود.
- ناتانیل روچستر در توسعه محاسبات و سختافزار نقش داشت.
- فرانک روزنبلات در توسعه پرسپترون و شبکههای عصبی اولیه تأثیر داشت.
- آلن نیوول، هربرت سایمون و کلیف شاو نیز از پیشگامان برنامههای استدلالگر بودند.
بنابراین بهتر است بگوییم:
جان مککارتی یکی از بنیانگذاران اصلی رشته هوش مصنوعی و فردی است که اصطلاح Artificial Intelligence را در پیشنهاد دارتموث مطرح کرد.
اولین هوش مصنوعی چه بود؟
پاسخ به سؤال «اولین هوش مصنوعی جهان چه بود؟» کمی پیچیده است، زیرا بستگی دارد هوش مصنوعی را چگونه تعریف کنیم.
یکی از برنامههای مهم اولیه، Logic Theorist بود که توسط آلن نیوول، کلیف شاو و هربرت سایمون توسعه یافت.
این برنامه برای انجام استدلال نمادین طراحی شده بود و میتوانست برخی قضایای ریاضی را اثبات کند.
از سوی دیگر، برنامه بازی چکرز ساختهشده توسط آرتور ساموئل نیز از نمونههای بسیار مهم اولیه یادگیری ماشین بود؛ زیرا برنامه میتوانست از تجربه بازی برای بهبود عملکرد خود استفاده کند. گزارش تاریخی Stanford AI100 نیز Logic Theorist، برنامه چکرز ساموئل و پرسپترون روزنبلات را در میان نقاط مهم سالهای اولیه AI معرفی میکند.
بنابراین نمیتوان با اطمینان گفت تنها یک برنامه «اولین هوش مصنوعی» بوده است.
دهه ۱۹۶۰؛ خوشبینی بزرگ به هوش مصنوعی
پس از کنفرانس دارتموث، فضای علمی نسبت به آینده هوش مصنوعی بسیار امیدوارکننده شد.
پژوهشگران تصور میکردند ماشینها در آیندهای نهچندان دور قادر خواهند بود بسیاری از تواناییهای شناختی انسان را تقلید کنند.
تمرکز اصلی روی هوش مصنوعی نمادین (Symbolic AI) بود.
در این رویکرد، دانش به شکل قواعد، نمادها و روابط منطقی در اختیار ماشین قرار میگرفت.
برای مثال، میتوانستیم قواعدی شبیه این تعریف کنیم:
اگر A درست باشد و A باعث B شود، پس B را نتیجه بگیر.
ماشین با اجرای این قواعد میتوانست مسئله را مرحلهبهمرحله حل کند.
این رویکرد برای مسائل مشخص بسیار قدرتمند بود، اما در مواجهه با دنیای واقعی محدودیتهای زیادی داشت.
پیدایش پردازش زبان طبیعی
یکی از رؤیاهای اولیه پژوهشگران این بود که کامپیوتر بتواند زبان انسان را بفهمد.
به همین دلیل، پردازش زبان طبیعی یا NLP از همان دهههای اولیه وارد تحقیقات هوش مصنوعی شد.
هدف این حوزه، ایجاد روشهایی برای تعامل میان انسان و ماشین از طریق زبان طبیعی بود.
البته NLP اولیه با فناوریهای امروزی تفاوت بسیار زیادی داشت.
سیستمهای قدیمی بیشتر بر قواعد دستنویس و الگوهای مشخص متکی بودند؛ در حالی که مدلهای امروزی میتوانند از حجم عظیمی از داده برای یادگیری الگوهای زبان استفاده کنند.
سیستمهای خبره؛ هوش مصنوعی برای حل مسائل تخصصی
در دهههای ۱۹۷۰ و ۱۹۸۰، یکی از مسیرهای مهم توسعه AI، سیستمهای خبره (Expert Systems) بود.
ایده ساده بود:
اگر بتوان دانش یک متخصص را در قالب مجموعهای از قواعد ذخیره کرد، میتوان سیستمی ساخت که در یک حوزه خاص مانند یک متخصص تصمیمگیری کند.
سیستمهای خبره در حوزههایی مانند:
- پزشکی
- شیمی
- تشخیص خطا
- مهندسی
- تصمیمگیری
مورد استفاده قرار گرفتند.
گزارش تاریخی Stanford AI100 نیز سیستمهای خبره را یکی از جریانهای مهم توسعه هوش مصنوعی در این دوره معرفی میکند.
چرا اولین زمستان هوش مصنوعی اتفاق افتاد؟
هوش مصنوعی در سالهای ابتدایی با وعدههای بسیار بزرگی همراه بود.
اما کامپیوترهای آن زمان:
- قدرت پردازشی محدودی داشتند.
- حافظه کمی داشتند.
- دادههای آموزشی بسیار کمی در دسترس بود.
- الگوریتمهای یادگیری هنوز ابتدایی بودند.
- بسیاری از مسائل دنیای واقعی بسیار پیچیدهتر از چیزی بودند که پژوهشگران تصور میکردند.
در نتیجه، بخشی از وعدههای اولیه عملی نشد.
سرمایهگذاری و علاقه عمومی کاهش پیدا کرد و دورهای شکل گرفت که به AI Winter یا زمستان هوش مصنوعی معروف شد.
Stanford AI100 نیز کاهش علاقه و خشکشدن منابع مالی در میانه دهه ۱۹۸۰ را یکی از دورههای مهم زمستان هوش مصنوعی میداند.
یادگیری ماشین چگونه هوش مصنوعی را تغییر داد؟
یکی از مهمترین تغییرات در تاریخ AI، حرکت از سیستمهایی بود که انسان برای آنها قوانین زیادی تعریف میکرد، به سمت سیستمهایی که میتوانستند از داده یاد بگیرند.
این تغییر اساس شکلگیری Machine Learning یا یادگیری ماشین بود.
در یک سیستم سنتی ممکن است انسان قوانین را به صورت مستقیم به کامپیوتر بدهد.
اما در یادگیری ماشین، الگوریتم با مشاهده دادهها تلاش میکند الگوها را پیدا کند.
برای مثال:
اگر هزاران تصویر از گربه و سگ داشته باشیم، میتوانیم مدلی را آموزش دهیم تا ویژگیهای آماری تصاویر را یاد بگیرد و بعد درباره تصاویر جدید پیشبینی کند.
این تغییر بسیار مهم بود؛ زیرا دنیای واقعی پر از شرایطی است که نمیتوان برای همه آنها یک قانون مشخص نوشت.
انقلاب داده و افزایش قدرت پردازش
در دهههای ۱۹۹۰ و ۲۰۰۰، دو اتفاق مهم به رشد AI کمک کردند:
۱. افزایش قدرت محاسباتی
پردازندهها قدرتمندتر شدند و امکان اجرای الگوریتمهای پیچیدهتر فراهم شد.
۲. رشد دادههای دیجیتال
اینترنت، موتورهای جستوجو، شبکههای اجتماعی، تلفنهای هوشمند و خدمات آنلاین حجم عظیمی از داده تولید کردند.
ترکیب داده بیشتر + پردازش قدرتمندتر + الگوریتمهای بهتر زمینه را برای جهش بزرگ بعدی فراهم کرد.
یادگیری عمیق؛ نقطه عطف جدید در تاریخ هوش مصنوعی
یادگیری عمیق یا Deep Learning شاخهای از یادگیری ماشین است که از شبکههای عصبی چندلایه استفاده میکند.
در این روش، شبکه میتواند لایههای مختلفی از ویژگیها را از داده استخراج کند.
برای مثال در پردازش تصویر:
لایههای ابتدایی ممکن است الگوهای سادهتر مانند لبهها را شناسایی کنند و لایههای عمیقتر ویژگیهای پیچیدهتر را استخراج کنند.
پیشرفت سختافزار، دادههای بزرگ و روشهای جدید آموزش شبکههای عصبی باعث شد یادگیری عمیق در بسیاری از کاربردها عملکرد بسیار بهتری داشته باشد.
از تشخیص تصویر و گفتار گرفته تا ترجمه ماشینی و پردازش زبان، این فناوری مسیر AI را تغییر داد.
هوش مصنوعی چگونه به دوران مولد رسید؟
مرحله مهم بعدی، ظهور Generative AI یا هوش مصنوعی مولد بود.
هوش مصنوعی سنتی اغلب برای طبقهبندی، پیشبینی یا تصمیمگیری استفاده میشد.
اما مدلهای مولد میتوانند محتوای جدید تولید کنند.
برای مثال:
- متن
- تصویر
- صدا
- ویدئو
- کد
- دادههای مصنوعی
را تولید کنند.
مدلهای زبانی بزرگ یا LLM نیز یکی از مهمترین نمونههای این تحول هستند.
این مدلها با آموزش روی حجم بسیار زیادی از دادههای متنی، الگوهای زبان را یاد میگیرند و میتوانند متنهایی را بر اساس درخواست کاربر تولید کنند.
در نتیجه، تعامل انسان با هوش مصنوعی از اجرای فرمانهای مشخص به سمت گفتوگوی طبیعی و تولید محتوا حرکت کرده است.
تفاوت هوش مصنوعی امروزی با هوش مصنوعی دهه ۱۹۵۰ چیست؟
تفاوت میان AI اولیه و هوش مصنوعی امروزی بسیار زیاد است.
| ویژگی | هوش مصنوعی اولیه | هوش مصنوعی امروزی |
|---|---|---|
| روش اصلی | قواعد و منطق | یادگیری از داده |
| داده | بسیار محدود | بسیار گسترده |
| قدرت پردازش | محدود | بسیار بالا |
| زبان | قواعد دستی | مدلهای یادگیری عمیق |
| تصویر | بسیار ابتدایی | تشخیص و تولید پیشرفته |
| یادگیری | محدود | گسترده و چندمرحلهای |
| کاربرد | آزمایشگاهی و تخصصی | عمومی و تجاری |
در واقع، هوش مصنوعی امروزی نتیجه یک فناوری واحد نیست؛ بلکه حاصل انباشتهشدن چندین دهه تحقیق و توسعه است.
مهمترین مراحل تاریخچه هوش مصنوعی
اگر بخواهیم مسیر پیدایش و تکامل هوش مصنوعی را خلاصه کنیم، میتوان آن را اینگونه دید:
۱۹۳۶؛ نظریه محاسبات
آلن تورینگ و توسعه نظریه محاسبات، پایه مهمی برای فهم توانایی ماشینها در اجرای فرایندهای محاسباتی ایجاد کرد.
۱۹۴۳؛ نورون مصنوعی
مدل ریاضی نورون مصنوعی توسط مککالاک و پیتس ارائه شد.
۱۹۵۰؛ آزمون تورینگ
آلن تورینگ درباره امکان هوشمندی ماشین و روش سنجش آن بحث کرد.
۱۹۵۵؛ نامگذاری هوش مصنوعی
اصطلاح Artificial Intelligence در پیشنهاد کنفرانس دارتموث ظاهر شد.
۱۹۵۶؛ تولد رسمی AI
کارگاه تابستانی دارتموث برگزار شد و هوش مصنوعی بهعنوان یک حوزه پژوهشی مستقل شکل رسمیتری گرفت.
۱۹۵۷؛ پرسپترون
فرانک روزنبلات یکی از نخستین شبکههای عصبی یادگیرنده را توسعه داد.
دهه ۱۹۷۰ و ۱۹۸۰؛ سیستمهای خبره
AI در حوزههای تخصصی و تصمیمگیری مبتنی بر قواعد توسعه یافت.
دهه ۱۹۸۰؛ زمستان هوش مصنوعی
محدودیتهای فناوری باعث کاهش سرمایهگذاری و علاقه به برخی پروژههای AI شد.
دهه ۱۹۹۰ و ۲۰۰۰؛ رشد یادگیری ماشین
روشهای آماری و یادگیری از دادهها اهمیت بیشتری پیدا کردند.
دهه ۲۰۱۰؛ یادگیری عمیق
شبکههای عصبی عمیق در بینایی ماشین، گفتار و زبان جهش بزرگی ایجاد کردند.
دهه ۲۰۲۰؛ هوش مصنوعی مولد
مدلهای بزرگ زبانی و مدلهای مولد باعث شدند AI به ابزار عمومی برای میلیونها کاربر تبدیل شود.
چرا ۱۹۵۶ را سال تولد هوش مصنوعی میدانند؟
ممکن است این سؤال مطرح شود که اگر تورینگ در سال ۱۹۵۰ درباره ماشینهای هوشمند نوشته بود، چرا سال تولد AI را ۱۹۵۶ میدانند؟
پاسخ این است که این دو موضوع با یکدیگر تفاوت دارند.
سال ۱۹۵۰ یکی از نقاط عطف مهم فکری و نظری هوش مصنوعی است.
اما سال ۱۹۵۶ نقطهای است که یک گروه از دانشمندان تلاش کردند این ایدهها را به شکل یک حوزه پژوهشی مستقل با نام مشخص سازماندهی کنند.
به همین دلیل، دارتموث معمولاً بهعنوان محل تولد رسمی AI شناخته میشود. خود دانشگاه دارتموث نیز این رویداد را «birth of this field» توصیف میکند.
آیا ChatGPT اولین هوش مصنوعی است؟
خیر.
ChatGPT را نمیتوان اولین هوش مصنوعی دانست.
هوش مصنوعی بیش از نیم قرن قبل از ظهور ابزارهای گفتوگومحور امروزی بهصورت یک رشته دانشگاهی وجود داشت.
ChatGPT و مدلهای مشابه، نتیجه دههها پیشرفت در:
- یادگیری ماشین
- شبکههای عصبی
- یادگیری عمیق
- پردازش زبان طبیعی
- مدلهای زبانی
- سختافزارهای محاسباتی
- دادههای بزرگ
هستند.
به بیان ساده، ChatGPT آغاز هوش مصنوعی نیست؛ یکی از جدیدترین مراحل تکامل آن است.
چرا هوش مصنوعی امروز اینقدر سریع رشد کرده است؟
رشد سریع AI در سالهای اخیر نتیجه همزمان چند عامل است.
قدرت پردازشی بیشتر
پردازندههای گرافیکی و شتابدهندههای تخصصی امکان آموزش مدلهای بسیار بزرگ را فراهم کردهاند.
دادههای عظیم
اینترنت و سرویسهای دیجیتال دادههایی تولید کردهاند که نسلهای قبلی پژوهشگران به آنها دسترسی نداشتند.
الگوریتمهای بهتر
روشهای جدید یادگیری عمیق و معماریهای شبکه عصبی عملکرد مدلها را بهشدت بهبود دادهاند.
سرمایهگذاری گسترده
شرکتهای فناوری و مراکز تحقیقاتی سرمایهگذاری سنگینی روی توسعه AI انجام دادهاند.
دسترسی عمومی
ابزارهای هوش مصنوعی دیگر فقط در آزمایشگاهها نیستند و کاربران عادی نیز میتوانند از آنها استفاده کنند.
این تغییر باعث شده AI از یک موضوع عمدتاً دانشگاهی به یکی از فناوریهای مهم اقتصاد دیجیتال تبدیل شود.
آینده هوش مصنوعی از کجا به کجا میرود؟
پیشبینی آینده هوش مصنوعی ساده نیست.
اما روند تاریخی نشان میدهد که AI از سیستمهای مبتنی بر قواعد ساده به سیستمهایی حرکت کرده که میتوانند از داده یاد بگیرند، زبان را پردازش کنند و محتوای جدید بسازند.
در آینده احتمالاً مرز میان نرمافزارهای سنتی و سیستمهای هوشمند کمتر خواهد شد.
هوش مصنوعی میتواند بیشتر در حوزههایی مانند:
- پزشکی
- مهندسی
- آموزش
- کشاورزی
- صنعت
- طراحی محصول
- برنامهنویسی
- حملونقل
- انرژی
- تحقیقات علمی
ادغام شود.
با این حال، توسعه AI فقط یک مسئله فنی نیست.
موضوعاتی مانند حریم خصوصی، امنیت، سوگیری الگوریتمی، مالکیت فکری، اشتغال و مسئولیتپذیری نیز اهمیت زیادی پیدا کردهاند.
استانفورد نیز در برنامه AI100، بررسی اثرات AI بر کار، زندگی، اقتصاد، قانون، اخلاق، حریم خصوصی و جامعه را بخش مهمی از مطالعه بلندمدت این فناوری میداند.
آیا هوش مصنوعی میتواند جای انسان را بگیرد؟
این سؤال یکی از رایجترین پرسشها درباره آینده AI است، اما پاسخ سادهای ندارد.
هوش مصنوعی در بسیاری از وظایف میتواند از انسان سریعتر یا دقیقتر باشد؛ اما این موضوع لزوماً به معنای جایگزینی کامل انسان نیست.
در بسیاری از کاربردها، مدل مناسبتر همکاری انسان و ماشین است.
انسان میتواند:
- هدف را تعیین کند.
- زمینه را درک کند.
- تصمیم نهایی بگیرد.
- ارزشها و اولویتها را مشخص کند.
- خروجی AI را ارزیابی کند.
و هوش مصنوعی میتواند:
- دادههای زیادی را سریع بررسی کند.
- الگوها را پیدا کند.
- گزینههای مختلف پیشنهاد دهد.
- وظایف تکراری را خودکار کند.
- تولید و تحلیل اولیه را سرعت ببخشد.
به همین دلیل، آینده AI احتمالاً فقط درباره «جایگزینی انسان» نیست؛ بلکه درباره تغییر شیوه همکاری انسان و فناوری نیز خواهد بود.
مهمترین افراد در تاریخچه هوش مصنوعی
برای درک بهتر تاریخ اختراع هوش مصنوعی میتوان چند چهره مهم را در یک فهرست قرار داد:
آلن تورینگ
از مهمترین پایهگذاران نظری علوم کامپیوتر و یکی از نخستین دانشمندانی که بهطور جدی درباره ماشینهای هوشمند بحث کرد.
جان مککارتی
از بنیانگذاران اصلی AI و فردی که اصطلاح Artificial Intelligence را در پیشنهاد دارتموث به کار برد.
ماروین مینسکی
از پیشگامان تحقیقات هوش مصنوعی و علوم شناختی.
کلود شنون
یکی از بنیانگذاران نظریه اطلاعات که در توسعه نگاه محاسباتی به اطلاعات و حل مسئله تأثیرگذار بود.
ناتانیل روچستر
از چهرههای مهم محاسبات اولیه و یکی از نویسندگان پیشنهاد دارتموث.
فرانک روزنبلات
از پیشگامان شبکههای عصبی مصنوعی و سازنده پرسپترون.
آلن نیوول و هربرت سایمون
از پژوهشگران مهم AI نمادین و سیستمهای حل مسئله.
بنابراین تاریخچه هوش مصنوعی را باید حاصل کار یک نسل کامل از دانشمندان دانست، نه محصول یک فرد.
پرسشهای متداول درباره پیدایش و اختراع هوش مصنوعی
هوش مصنوعی را چه کسی اختراع کرد؟
یک فرد مشخص را نمیتوان مخترع هوش مصنوعی دانست. با این حال، جان مککارتی یکی از مهمترین بنیانگذاران این حوزه بود و اصطلاح Artificial Intelligence را در پیشنهاد کنفرانس دارتموث در سال ۱۹۵۵ مطرح کرد. کنفرانس دارتموث در سال ۱۹۵۶ برگزار شد و معمولاً تولد رسمی رشته AI به شمار میرود.
هوش مصنوعی اولین بار چه سالی ساخته شد؟
اگر منظور تولد رسمی رشته هوش مصنوعی باشد، سال ۱۹۵۶ مهمترین تاریخ است. با این حال، پایههای نظری AI پیش از این تاریخ، از جمله با کارهای آلن تورینگ، شکل گرفته بودند.
اولین هوش مصنوعی جهان چه بود؟
یک پاسخ قطعی وجود ندارد. Logic Theorist، برنامه چکرز آرتور ساموئل و پرسپترون از نمونههای بسیار مهم سیستمهای هوشمند اولیه بودند.
جان مککارتی چه نقشی در اختراع هوش مصنوعی داشت؟
مککارتی یکی از بنیانگذاران اصلی رشته AI بود و اصطلاح Artificial Intelligence را در پیشنهاد مربوط به کنفرانس دارتموث مطرح کرد.
کنفرانس دارتموث چه بود؟
کنفرانس دارتموث یک پروژه پژوهشی تابستانی در سال ۱۹۵۶ بود که گروهی از دانشمندان برای بررسی امکان شبیهسازی هوش توسط ماشین در آن گرد هم آمدند. این رویداد معمولاً نقطه تولد رسمی هوش مصنوعی بهعنوان یک حوزه علمی شناخته میشود.
آیا آلن تورینگ هوش مصنوعی را اختراع کرد؟
خیر. تورینگ هوش مصنوعی را بهتنهایی اختراع نکرد، اما نقش بسیار مهمی در ایجاد مبانی نظری محاسبات و طرح مسئله هوشمندی ماشین داشت.
آیا ChatGPT اولین هوش مصنوعی جهان است؟
خیر. ChatGPT محصول دههها تحقیق در هوش مصنوعی، یادگیری ماشین، شبکههای عصبی و پردازش زبان طبیعی است.
هوش مصنوعی چگونه از قوانین ساده به مدلهای امروزی رسید؟
AI ابتدا بیشتر بر قواعد منطقی و سیستمهای نمادین متکی بود. سپس یادگیری ماشین، شبکههای عصبی، یادگیری عمیق و در نهایت مدلهای بزرگ و هوش مصنوعی مولد مسیر این فناوری را تغییر دادند.
جمعبندی؛ هوش مصنوعی چگونه متولد شد؟
پیدایش هوش مصنوعی یک اتفاق ناگهانی یا اختراع توسط یک دانشمند نبود.
این فناوری حاصل زنجیرهای طولانی از پیشرفتهای علمی بود؛ از منطق و ریاضیات گرفته تا نظریه محاسبات، علوم اعصاب و یادگیری ماشین.
آلن تورینگ در شکلگیری نگاه نظری به ماشینهای هوشمند نقش مهمی داشت. دانشمندانی مانند مککالاک، پیتس و روزنبلات مسیر شبکههای عصبی را توسعه دادند و پژوهشگرانی مانند نیوول و سایمون روی استدلال ماشینی کار کردند.
اما سال ۱۹۵۶ و کنفرانس دارتموث نقطه عطفی بود که این تلاشهای پراکنده را در قالب یک حوزه علمی با نام مشخص «Artificial Intelligence» گرد هم آورد.
از آن زمان تاکنون، هوش مصنوعی چندین دوره تحول را پشت سر گذاشته است:
هوش مصنوعی نمادین → سیستمهای خبره → یادگیری ماشین → شبکههای عصبی → یادگیری عمیق → هوش مصنوعی مولد
بنابراین اگر کسی بپرسد:
«چه کسی هوش مصنوعی را اختراع کرد؟»
دقیقترین پاسخ این است:
هوش مصنوعی مخترع واحدی ندارد؛ اما جان مککارتی یکی از بنیانگذاران اصلی آن بود و سال ۱۹۵۶ در کنفرانس دارتموث بهعنوان نقطه تولد رسمی این رشته شناخته میشود.
داستان هوش مصنوعی از آن زمان تاکنون، در واقع داستان تلاش انسان برای تبدیل یکی از پیچیدهترین تواناییهای خود یعنی «هوش» به چیزی است که بتوان آن را در یک ماشین مدلسازی، محاسبه و اجرا کرد.
