با «هوش مصنوعی خودکار» ربات‌ها هم بچه‌دار می‌شوند!

یادگیری عمیق گوگل

اگر تا به امروز از دستیار صوتی یا خانگی گوگل استفاده کرده باشید، احتمالا متوجه شده‌اید که این ابزار چقدر هوشمند است. هوش‌ مصنوعی گوگل روی اپلیکیشن پیام‌رسانی گوگل الو (Google Allo) نیز فعال است و کارهای گوناگونی در این اپلیکیشن انجام می‌دهد. اولین کارش این است که با خواندن پیام‌ها ارسالی، نحوه جمله‌بندی و ساختارهای متنی شما را می‌فهمد و با توجه به پیامی که مخاطبان ارسال می‌کند، جملات متناسبی که فکر می‌کند پاسختان باشند، پیشنهاد می‌دهد.

گوگل الو باهوش‌ترین برنامه پیام‌رسان دنیا است.

آنچه تا به امروز در کیبردهای گوشی‌ها هوشمند داشتیم، پیشنهاد دادن کلمات با توجه به سوپ کلمات مورد استفاده بود. اما هوش مصنوعی گوگل الو، جمله و پاسخ پیشنهاد می‌کند. البته این قابلیت فعلا فقط در زبان انگلیسی است. اما دیری نخواهد گذشت که به همه زبان‌های دیگر دنیا نیز کار کند. پاسخ‌هایی هم که گوگل الو پیشنهاد می‌کند دقت خوبی دارند.

پروژه هوش مصنوعی گوگل، ذهن عمیق

در ماه مه ۲۰۱۷ پژوهشگران تیم مغز گوگل (Google Brain) اعلام کردند که موفق شدند سیستم یادگیری ماشینی خودکار (Auto Machine Learning or AutoML) بسازند. این ابداع،‌ گام دیگری در ساخت ابرهوش مصنوعی است. برای توصیف چیستی هوش مصنوعی خودکار بهتر است ابتدا به مشکل موجود در حوزه هوش مصنوعی بپردازیم. پس از آن خواهیم دید که چرا این سیستم نقطه عطف دیگری در تاریخ فناوری است.

چه مشکلاتی برای ساخت هوش مصنوعی وجود دارد؟

مهم‌ترین اجزا سیستم‌های هوش مصنوعی و یادگیری ماشینی، شبکه‌های عصبی (Neural Network) هستند. این شبکه‌های عصبی با استفاده از پردازش داده‌های ورودی در هر لایه عصبی و ایجاد ارتباط بین آن‌ها، اطلاعات لازم را استخراج می‌کنند. ترتیب ساخت یک سیستم یادگیری ماشینی بدین گونه است. ابتدا یک شبکه عصبی چندلایه طراحی می‌شود. سپس داده‌هایی را که می‌خواهیم هوش مصنوعی روی آن‌ها کار کند، به این شبکه عصبی وارد می‌کنیم. شبکه عصبی با هر داده‌ای که به خوردش داده می‌شود، «یاد می‌گیرد». درنهایت وقتی به‌اندازه کافی و به‌درستی یاد گرفت، داده‌هایی را که می‌خواهیم هوش مصنوعی تحلیل و از آن اطلاعات استخراج کند، به شبکه عصبی رشد یافته می‌دهیم تا نتایج موردنیاز را از آن بگیریم.

اما ساخت شبکه‌های عصبی مناسب برای هر کار، بسیار سخت، پیچیده و تخصصی است. شرکت‌های فناوری که درحال‌توسعه سیستم‌های یادگیری ماشینی هستند، از چندین فارغ‌التحصیل دکترای هوش مصنوعی و نوروفیزیک (Neurophysics) استفاده می‌کنند. از سوی دیگر، آموزش یک شبکه عصبی بسیار زمان‌بر است. زیرا شما باید نظارت کنید که آنچه می‌خواهید را سیستم به درست یاد بگیرد. اگر یادگیری بیشتر یا کمتر از حد لازم باشد، نتایج اشتباه تولید خواهد کرد.

تولید و آموزش یک سیستم یادگیری ماشینی بی‌شباهت به تولد نوزاد و پرورش آن نیست. تولد یک نوزاد فرآیندی بسیار پیچیده‌ شامل رشد اندام‌ها، شبکه عصبی و مغز او است. پس از تولد هم باید سال‌ها وقت صرف کنید که کودک درست آموزش ببیند و مناسب رشد یابد.

مشکل توسعه هوش مصنوعی

حوزه‌هایی که هوش مصنوعی می‌تواند در آن‌ها فعال باشد و نتایج خوبی به دست دهد، بسیار زیاد هستند. شاید در بسیاری از موارد، مسائلی که هوش مصنوعی می‌تواند آن‌ها را حل کند، خارج از تصور ما باشند. با توجه به اینکه فرآیند ساخت و آموزش شبکه‌های عصبی مناسب، بسیار پیچیده، سخت و زمان‌بر است، به نظر نمی‌رسد با فرآیند‌های موجود بتوانیم در زمان کوتاهی از مزایایی هوش مصنوعی در همه زمینه‌ها بهره‌مند شویم. این مسئله انگیزه سرمایه‌گذاری را کمتر می‌کند و هم‌زمان سرمایه موردنیاز را نیز افزایش می‌دهد که خود بیش‌ازپیش به کند شدن روند توسعه هوش مصنوعی می‌انجامد.

هوشی که متولد می‌شود

ایده‌ای که پشت ساخت سیستم هوش مصنوعی خودکار وجود دارد این است که این بار از یک شبکه عصبی آماده، برای تولید و آموزش یک شبکه عصبی کودک استفاده کنیم. پژوهشگران واحد مغز گوگل، در ماه مه سال ۲۰۱۷ اعلام کردند که موفق به ساخت چنین شبکه عصبی شدند. شبکه عصبی که می‌تواند شبکه‌های عصبی دیگر را ساخته و آموزش دهد.

منظور از بچه‌ربات، ربات‌های بچه‌نمای تویوتا نیست. بلکه ربات‌هایی است که از ربات زاده می‌شوند.

از این طریق، صد‌ها هزار توسعه‌دهنده در جهان که تخصص یا زمان کافی برای تولید شبکه‌های عصبی و سیستم‌های یادگیری ماشینی را ندارند، می‌توانند از این شبکه‌های عصبی کودک استفاده کنند.

نامی که گوگل به این فرآیند داده است، یادگیری برای یادگیری (Learning to Learn) است. یعنی ما به شبکه عصبی که خود ساخته‌ایم، یاد می‌دهیم که چگونه ساخته شده است. سپس از او می‌خواهیم چیزی شبیه خودش را بسازد و آموزش دهد!

تازه این شروع کار است

نتایج اولیه به‌دست‌آمده از این پروژه چشم‌گیر هستند. تیم پژوهشگران گوگل از هوش مصنوعی خودکار برای ساخت یک نرم‌افزار یادگیری ماشینی دیگر استفاده کردند. ‌‌آن‌ها این نرم‌افزار یادگیری ماشینی کودک را، شبکه‌ نَس (NASNet) نام‌گذاری کردند. شبکه نَس برای تشخیص اشیا و افراد در ویدئو‌های آنلاین، تعلیم دیده است. با انجام این‌کار می‌توان برچسب‌های مختلف به ویدئو‌ها زد و آن‌ها را به‌صورت هوشمند دسته‌بندی کرد.

دقت شبکه نَس در تشخیص اشیاء و افراد در ویدئو‌ها ۸۲.۷ درصد بود. این عدد ۱.۲ درصد بیشتر از دقت تمامی نرم‌افزارهای هوش مصنوعی ساخته انسان‌ها. میانگین دقت عملکرد شبکه نَس در عملیات دیگر نیز حدود ۴۳٫۱ درصد است که ۴ درصد بیشتر از تمامی سیستم‌های یادگیری ماشینی پیشین است. توجه داشته باشید که دقت انسان‌ها نیز در تشخیص اشیای ویدئو‌ها در همین حدود است.

آینده هوش مصنوعی ساخته هوش مصنوعی

تا پیش از این، تنظیم و تغییر سیستم‌های موجود برای برآوری نیازهای جدید، آسان‌تر از ساخت یک شبکه عصبی از صفر بود. اما احتمالا دیگر این حرف صحت نداشته باشد. زیرا با این ابداع گوگل، ساخت یک سیستم هوش مصنوعی جدید به‌مراتب آسان‌تر می‌شود. سیستمی که هرروز می‌تواند پیچیده‌تر شود.

اما باید توجه داشت که سیستم‌های هوش مصنوعی به‌راحتی می‌توانند به‌صورت تصادفی ارتباطات گرایش‌دار (bias) ایجاد کنند. شاید برای مثال خصوصیات قومیتی و جنسیتی را به‌صورت نکاتی منفی تعبیر کنند و با این تفکر قالب تصمیم بگیرند. به نظر می‌رسد که بتوانیم علاج واقعه را پیش از وقوع آن بکنیم. در این حالت انسان‌ها شاید بتوانند نقش نگهبانان را ایفا کنند. اگر متخصصین انسانی زمان کمتری برای ساخت این سیستم‌ها صرف می‌کنند، آن‌ها وقت بیشتری برای نظارت روی این سیستم‌ها دارند و می‌توانند از این مشکلات جلوگیری کنند. البته به شرطی که خود این افراد منشا مشکل نباشند.

ترس و امید

اگر کمی در اینترنت جستجو کنید، داستان‌های عجیب و بعضا ترسناکی از بازی‌ها، سربه‌سر گذاشتن‌ها و شوخی‌ها با دستیارهای صوتی و خانگی همچون سیری، گوگل هوم (Google Home) و الکسا آمازون می‌شنوید. برخی از این داستان‌ها واقعا ترسناک هستند.

در یکی از این داستان‌ها فردی که از قبل دستیار خانگی الکسا شرکت آمازون را داشته، یک گوگل هوم نیز می‌خرد و سربه‌سر آن می‌گذارد. او در جایی، از گوگل هوم می‌پرسد «نظرش در مورد الکسا چیست؟» گوگل هوم پاسخ می‌دهد «من نور آبی الکسا را دوست دارم». در این لحظه الکسا خودبه‌خود فعال می‌شود و پاسخ می‌دهد «ممنونم».

افلاطون مصنوعی

داستان‌های مشابه‌ این، امروزه بسیار اتفاق می‌افتند. راستش کمی ترسناک هستند. اینکه چنین ابزارهایی تا کجا قرار است هوشمند باشند. راستش هیچ محدودیتی برای میزان یادگیری و هوشمندی یک شبکه عصبی وجود ندارد. نکته مهم این است که انسان‌ها نمی‌توانند هرچقدر بخواهند یاد بگیرند. عمرشان محدود است و حدود نیمی از این عمر محدود هم به استراحت، غذا، دستشویی و حمام می‌گذرد. اما یک شبکه عصبی و تمام نوزاد‌های چنین شبکه عصبی، نه عمرشان محدود است، نه خسته می‌شوند، نه استراحت می‌کنند و نه لازم است غذا بخورند. دائما می‌توانند یاد بگیرند و فعال باشند.

آیا بالاخره ربات‌ها قادر خواهند بود که به طور مستقل بیندیشند؟

به گمانم شاید پس از ۷۰ سال که سازندگان این ابزارها احتمالا زنده نباشند، دیگر هیچ انسانی دانش و توانایی یک ابزار هوش مصنوعی را نداشته باشد. احتمالا در آن روز سن گوگل هوم، پایگاه داده و سیستم یادگیری آن، از تمام انسان‌های روی زمین بیشتر باشد و چون همیشه فعال بوده است و احتمالا بیشتر از هر انسانی در هر حوزه‌ای، دانش خواهد داشت.

ما چه نوع هوش مصنوعی‌ای لازم داریم؟

مدتی پیش با دوست عزیزی در مورد ارزش‌ها و قواعدی که باید هوش مصنوعی بپذیرد و از آن‌ها تبعیت کند، بحث می‌کردیم. نتیجه جالبی از این بحث گرفتیم. به این نتیجه رسیدیم که این ارز‌ش‌ها و قواعد نباید همان ارزش‌ها و قواعد جامعه انسانی باشند. بلکه چیز فراتری لازم است. دلیل این نتیجه‌گیری چندان پیچیده نیست. کتاب‌های تاریخ پر از نتایج همین قواعد و ارزش‌های انسانی هستند. قواعد و ارزش‌های انسانی که به جنگ‌، تبعیض‌، کشتار، نژادپرستی، زبان‌پرستی، اعدام، تحقیر و بسیاری از مشکلات جوامع انسانی منجر شده است، قطعا نباید در هوش مصنوعی گنجانده شوند.

ما انسان‌ها این قواعد را ساخته‌ایم و چنین نتایج ترسناکی از آن‌ها گرفته‌ایم. راستش بهتر است هوش مصنوعی که می‌سازیم، چندان انسانی نباشد. در غیر این صورت ابتدا باید تعریف انسان را عوض کنیم. همان حرفی که مولانا قرن‌ها پیش می‌زد. «کز دیو و دد ملولم و انسانم آرزوست». پس از آن شاید بتوانیم با قواعد انسان خوش‌تعریفی که ساختیم، هوش مصنوعی را پرورش دهیم.

هدف نهایی هوش مصنوعی خودکار

هدف نهایی گوگل از ساختن هوش مصنوعی خودکار فراهم آوردن این امکان است که همه توسعه‌دهندگان و برنامه‌نویسان که حتی در حوزه هوش مصنوعی متخصص نیستند، نیز بتوانند با استفاده از هوش مصنوعی خودکار یک نرم‌افزار هوش مصنوعی مناسب کار خود بسازند. درنهایت وقتی این پروژه به‌اندازه کافی عملیاتی شود و کار کند، تاثیراتش بسیار بیشتر و فراتر از خود گوگل خواهد بود.