عضو جدید گوگل و تلاش برای پیوند هوش مصنوعی با واقعیت

جئوفری هینتون (Geoffrey Hinton) یک دانش آموز دبیرستانی بود، زمانی که یک دوست متقاعدش کرد مغز انسان همانند یک هولوگرام کار می‌کند. برای خلق یکی از این تصاویر هولوگرافیک سه بعدی، پرتوهای نور بیشماری را که پس از برخورد به یک شی بازتاب یافته‌اند را ثبت نموده و سپس تمامی این تکه‌های کوچک اطلاعاتی را روی یک پایگاه وسیع داده‌ها ذخیره می‌کنند. از این رو هینتون نوجوان با این ایده که مغز بیشتر اوقات خاطرات را به شکلی کاملا مشابه ذخیره می‌کند، مجذوب شد. البته مغز بیشتر از آنکه این خاطرات را در یک محل خاص بایگانی کند آنها را در امتداد شبکه گسترده نورون‌ها پخش می‌کند.

در نگاه اول ممکن است این روش شبیه به یک ایده گذرا به نظر برسد اما برای هینتون همانند جرقه‌ای ناگهانی بود.

او با نگاهی به خاطرات آن دوران می‌گوید: «این ایده حقیقتا مرا هیجان زده کرد. این نخستین بار بود که در مورد نحوه عملکرد و فعالیت‌های مغز و این که حقیقتا چگونه کار می‌کند مطلبی را درک می‌کردم.»

این مسئله دستاوردی عمیق به دنبال داشت چرا که هینتون با تاثیر گرفتن از این گفتگوی دبیرستانی دست به کار شده و پیرامون شبکه عصبی در کمبریج و همچنین دانشگاه ادینبروی اسکاتلند مطالعات گسترده‌ای انجام داد. در اوایل دهه هشتاد او به دنبال اهدافی بلندپروازانه و البته گسترده برای تقلید کردن از مغز بود آن‌ هم با استفاده از سخت افزار و نرم افزارهای کامپیوتری، این امر به خلق شکلی ناب و خالص از هوش مجازی که امروز آن را یادگیری عمیق (Deep Learning) می‌نامیم کمک شایانی نمود.

برای سه دهه جنبش یادگیری عمیق در دنیای آکادمیک چندان مورد توجه نبود، اما اکنون هینتون و گروه کوچک همکارانش در این پروژه که شامل یان لیکان (Yann Lecun) از دانشگاه نیویورک و یوشوآ بنجیو (Yushua Bengio) از دانشگاه مونترال بود به اسامی بزرگ و معروف در دنیای اینترنت تبدیل شده‌اند . پس از تاثیر گذاری عمیق این ایده، هینتون به عنوان پرفسور و محقق در دانشگاه تورنتوی کانادا مشعول به کار شد همچنین او به صورت نیمه وقت برای گوگل نیز کار می‌کند، جایی که از تکنیک یادگیری عمیق برای بهبود شناسایی صدا، ضمیمه کردن عکس و بیشمار ابزارهای آنلاین دیگر استفاده کرد. لیکان هم در فیسبوک به کاری مشابه مشغول است. و حالا دیگر هوش مصنوعی را می‌توان در همه جا جستجو کرد از مایکروسافت و IBM گرفته تا بایدو (Baidu) موتور جستجوی عظیم چینی‌ها و البته ده‌ها شرکت معتبر دیگر.

یان لیکان: محقق حوزه هوش مصنوعی در دانشگاه نیویورک که هم‌اکنون برای فیسبوک کار می‌کند

هینتون به عنوان دانشجوی لیسانس در زمینه روانشناسی تحصیل می‌کرد زمانی که متوجه شد دانشمندان هنوز موفق به درک نحوه عملکرد مغز نشده‌اند. آنها نمیتوانستند توضیحی ارائه کنند که چگونه تعامل بین میلیون‌ها سلول عصبی باعث هوشمندی و درک انسان می‌شود. آنها قادر بودند فرآیند حرکت سیگنال‌های الکتریکی در طول آکسون‌ها را شرح دهند اما نمی‌توانستند چگونگی مشارکت نورون‌ها در یادگیری و درک انسان را توضیح دهند. برای هینتون اینها سوالاتی بزرگ بودند، سوالاتی که پاسخ‌شان بی‌تردید به محققان در زمینه به واقعیت بدل کردن هوش مصنوعی کمکی بزرگ می‌کرد، بویژه به آندسته آرزوهایی که دانشمندان دهه 1950 در سر می‌پروراندند.

هینتون در حال حاضر تمامی پاسخ‌ها را در اختیار ندارد اما به یافتن آنها بسیار نزدیک شده است. او موفق شده دست کم نواحی خاصی از مغز را به صورت شبکه عصبی مصنوعی مدل سازی کند.

هینتون در این مورد با شور و شوق خاصی می‌گوید: «زمانی که ما راهی برای بهبود عملکرد شبکه اعصاب یافتیم بسیار هیجان زده شده بودم، چرا که متوجه شدم به درک عملکرد مغز نزدیک‌تر شده‌ایم».

در جهان هینتون یک شبکه عصبی همانند نرم افزاری است که در سطوح مختلف فعالیت می‌کند. او و همکارانش شبکه اعصاب مجازی را که از لایه‌های به هم پیوسته نرم افزاری ساخته شده و درست شبیه به اعصابی بودند که در فشر مغز انسان مشاهده می‌شوند را الگو برداری کردند، همان بخشی از مغز را که با وظایفی گوناگون همچون بینایی و زبان سروکار دارد.

این شبکه عصبی مجازی می‌تواند اطلاعات را جمع آوری کرده و حتی قادر است نسبت به این داده‌ها واکنش نشان دهد. آنها از این توانایی برخوردارند که درک چگونگی مشاهده یک شی یا چگونگی شنیده شدن اصوات را تا حد زیادی تقویت کنند. آنها حتی در درک معانی کلمات زمانی که آنها را در کنار یکدیگر قرار می‌دهید هم موفق عمل می‌کنند. و البته تمامی این کارها را بدون آنکه از انسان سوال شود انجام می‌دهند، انسانی که عموما برچسب‌هایی را برای موضوعات مختلف فراهم و آنها را دسته بندی کرده است، روشی که عموما ماشین‌ها و ابزارهای مرسوم بدان صورت عمل می‌کنند.

این هوش مصنوعی حتی فراتر از این هم خواهد رفت چرا که یک شبکه عصبی بسیار سریع و کارآمد به شمار می‌رود. در مقایسه با بسیاری از ماشین‌ها در درجاتی بالاتر قرار گرفته و به مرور زمان قادر خواهد بود مسئولیت‌ها و وظایف بیشتری را برعهده گیرد.

در بازگشتی به اوایل دهه هشتاد، یعنی همان زمانی که هینتون و همکارانش کار خود روی این ایده را بتازگی شروع کرده بودند، کامپیوترها هنوز به آن اندازه قدرتمند و سریع نبوده تا عملیات‌های محاسباتی بزرگ و پیچیده را انجام دهند، همچنین نمی‌توانسند اطلاعات گسترده مورد نیاز سیستم و شبکه عصبی را گردآوری کنند. موفقیت آنها محدود بود، از این رو انجمن هوش مصنوعی تا مدتی از آنها صرفنظر کرده و به دنبال میان‌برهایی برای ارتباطات بهتر رفت تا نتیجه کار چیزی بیشتر از یک تقلید صرف از مغز باشد.

البته در آن زمان تعداد محققینی که در این مسیر حرکت می‌کردند بسیار محدود بود. بر طبق نظر هینتون و لیکان در آن دوران کار به سختی پیش می‌رفت. دست کم حتی در سال 2002 و با وجود اینکه بیش از 20 سال از اولین تلاش‌های آن دو گذشته و دستاوردهای مثبتی هم حاصل شده بود، جامعه دانشگاهی آنگونه که باید به این مسئله توجه نشان نداده و با بی‌علاقگی برخورد می‌کرد.

یوشوآ بنجیو: محقق و استاد هوش مصنوعی در دانشگاه مونترال

اما سرانجام به دنبال سرمایه گذاری صورت گرفته از سوی انجمن کانادایی ویژه تحقیقات برتر و همینطور بازگشت دیگر بار لیکان و بنجیو به پروژه، هینتون توانست گروهی از دانشمندان متخصص در زمینه کامپیوتر، زیست شناسی، مهندسی برق و الکترونیک، عصب شناسی، روانشناسی و پزشکی را گرد هم آورده و به نتایج بهتری دست یابد.

بر این اساس هینتون موفق شد تیمی زبده از نیروهای متخصص را تشکیل داده و موفق شود سیستم محاسباتی خلق کند که دقیقا از روی هوش طبیعی و ذاتی انسان الگو برداری کرده و عمل می‌کند، البته دست کم در آن محدوده‌ای که انتظارش را داشته و از هوش ذاتی متوقعیم. همچنین آنچه ما در مورد روش مغز برای بررسی اطلاعات گسترده‌ای که به صورت بصری، شنیداری دریافت میکند و نیز نوشتن کلیدهایی که برای فهم و پاسخ به محیط اطراف انجام می‌دهد. هینتون باور دارد که چنین ابداعی بیشک هوش مصنوعی را در مرکز توجه قرار داده و چه بسی حتی نگاه و واکنش جهان نسبت به این برنامه برای همیشه تغییر دهد. تا اینجای که به نظر می‌رسد حق با هینتون است.

بیش از هر چیز آنها می‌بایست روی نیروی محاسباتی قدرتمندی کار می‌کردند که قادر باشد ایده‌های اولیه آنها را جامع عمل بپوشاند. زمانی که گروه دیگر بار دور هم جمع شد نمودار کارشان روندی صعودی به خود گرفت. آنها موفق شدند الگوریتم‌های قدرتمندتری برای هوش مصنوعی خود ایجاد کنند تا قادر باشد روی پایگاه‌های داده‌ای وسیع‌تری کار کند. در نتیجه این تلاش‌ها توانستند در رقابت جهانی که پیرامون هوش مصنوعی برگزار شد برنده شوند، همچنین در اوایل دهه جاری کارهای آنها به صورت گسترده‌تری مورد توجه قرار گرفت.

کارگاه هوش مصنوعی NCAP در دانشگاه استنفورد

در سال 2011 یک محقق وابسته به NCAP (سازمان ارزیابی اروپایی که مقرش در شهر بروکسل است) و از مدیران دانشگاه استنفورد به نام Andrew Ng یک پروژه یادگیری عمیق روی گوگل را بنیان نهاند و امروز شرکت در حال کار روی استفاده از این شبکه عصبی برای کمک به تشخیص صدا روی تلفن‌های اندرویدی و ضمیه کردن عکس روی شبکه اجتماعی گوگل پلاس است. سال گذشته هینتون نیز به شرکت پیوست تا در کنار دیگر محققان دانشگاه تورنتو مشغول به کار شود. کمک‌های او می‌تواند این پروژه را حتی از این هم فراتر ببرد.