دارپا هوش مصنوعی با قابلیت یافتن الگوی پنهان ناآرامی‌های جهانی توسعه می‌دهد

اکثر ما نظریه‌ی بال زدن پروانه‌ای در نقطه‌ای از جهان و ایجاد طوفان در نقطه‌ی دیگر را شنیده‌ایم. چنین توضیحی برای علت و معلول پدیده‌ها، جذاب و قابل‌توجه است اما کمکی به شرح و حل مسائل نمی‌کند. چالش اصلی آن است که با دقت به طوفان نگاه کنیم و پروانه‌ی مسبب آن را بیابیم. حتی شاید بتوانیم با پیش‌گیری از بال زدن پروانه، از رخ دادن طوفان جلوگیری کنیم. سازمان دارپا (آژانس پروژه‌های تحقیقاتی پیشرفته‌ی دفاعی آمریکا)، اعتقاد دارد چنین کاری را به‌کمک هو‍ش مصنوعی می‌توان انجام داد.

Schema در نام پروژه‌ی جدید به‌صورت لغوی الگو یا شکل معنی‌ می‌شود. این کلمه در نام پروژه معنای منحصربه‌فردی دارد و منظور از آن، فرایند پایه‌ای است که انسان‌ها برای درک دنیای اطراف خود از آن استفاده می‌کنند. فرایند مذکور، با ساختن داستان‌های کوچک از رخدادهای مرتبط با هم اجرا می‌شود.

به‌عنوان مثالی از به‌کارگیری فرایند ارتباط وقایع، زمانی را در نظر بگیرید که از یک فروشگاه خرید می‌کنید. شما می‌دانید که برای خرید، باید به فروشگاه بروید، محصول را انتخال کنید، آن را به صندوق بیاورید، صندوق‌دار مشخصات محصول را چک می‌کند و درنهایت شما قیمت محصول را پرداخت کرده و از فروشگاه خارج می‌شوید. این داستان، نمونه‌ای از الگویی است که ما در ذهن خود می‌سازیم و حتی خود می‌تواند دارای الگوهای دیگر کوچک‌تر (مثلا انتخاب محصول یا فرایند پرداخت) باشد. حتی همین الگو می‌تواند داخل الگویی دیگر (مثلا خرید هدیه یا پخت‌وپز در خانه) قرار داشته باشد.

اگرچه فرایند بالا و الگوهای آن به‌راحتی در ذهن ما شکل می‌گیرند و تفسیر می‌شوند، تعریف دقیق آن‌ها به‌نوعی که کامپیوترها بفهمند، فرایندی دشوار خواهد بود. اگرچه کامپیوترها به‌خاطر سال‌ها استفاده‌ی انسان‌ها، ما را بهتر می‌شناسند، اما نمی‌توان آن‌هارا به‌سرعت در چارچوبی مشخص قرار داد. به‌بیان‌دیگر رفتار آن‌ها مانند افتادن سیب از درخت با شتاب ثابت نیست که به‌راحتی توصیف شود.

علاوه‌بر چالش فوق، هرچه داده‌های موجود در یک فرایند بیشتر شود، توضیح و تفسیر آن دشوارتر می‌شود. خرید کردن یک الگو و فرایند بسیار ساده است؛ اما الگوهایی را که منجر به مواردی همچون جنگ سرد یا سقوط بازارهای می‌شود، چگونه پیش‌بینی‌کنیم؟ پاسخ به این سؤال، همان پروژه‌ی یادگیری ماشین DARPA است.

بویان انیشکویچ مدیر برنامه‌ی سازمان دارپا درباره‌ی پروژه‌ی جدید این سازمان در حوزه‌ی هوش مصنوعی گفت:

فرایند کشف ارتباطات وابسته در کوه‌هایی از اطلاعات، نیازمند اطلاعات وابسته به زمان و الگوهای رخدادها است. جمع‌آوری چنین مواردی با ابزارها و سیستم‌های کنونی تقریبا غیرممکن است.

آژانس تحقیقات آمریکا ادعا می‌کند پروژه‌ی KAIROS‌ با هدف توسعه‌ی یک سیستم نیمه‌اتوماتیک با توانایی شناسایی و ترسیم ارتباط بین رخدادها یا داده‌های ظاهرا نامرتبط انجام می‌شود. محصول پروژه، به اطلاع‌رسانی یا تولید روایت‌های وسیع پیرامون جهان اطراف کمک می‌کند.

سیستم مذکور، در ابتدا تنها جمع‌آوری داده در ابعاد بسیار بزرگ و ساختن کتابخانه‌ای از الگوها را انجام می‌دهد. محصول مورد نظر با خواندن کتاب، مشاهده‌ی اخبار و مطالعه‌ی روزنامه‌ها، فهرستی از الگوهای احتمالی مانند آنچه در بالا توضیح دادیم را ایجاد می‌کند. در ادامه، سیستم شاید بتواند نکته‌ای از الگوهای بزرگ‌تر و مبهم‌تر را نیز کشف کند. مواردی همچون عشق، نژادپرستی، تبعیض‌های درآمدی و غیره، شاید در ادامه قابل درک شوند و چگونگی ارتباط مردم با آن‌ها نیز روشن شود.

پس از مراحل اولیه، هوش مصنوعی فوق قابلیت مشاهده‌ی داده‌های پیچیده‌ی دنیای واقعی را پیدا می‌کند. در ادامه تلاش می‌کند تا رخدادهای و روایت‌های احتمالی را از دل الگوهای پیش‌ساخته‌شده خارج کند.

کاربردهای نظامی و دفاعی تحقیقات فوق، کاملا روشن هستند: سیستمی را تصور کنید که تمام اخبار و حتی پست‌های شبکه‌های اجتماعی را مطالعه می‌کند و به مدیران خود هشدار می‌دهد که احتمالا به‌زودی مردم به بانک‌ها هجوم خواهند برد. موارد دیگر همچون کودتا یا ظهور فرقه‌های جدید هم احتمالا با سیستم جدید قابل پیش‌بینی خواهد شد.

مأموران امنیتی در دولت‌های مختلف، اکنون تمام تلاش خود را به‌کار می‌گیرند تا موارد فوق را متوجه شوند. به‌علاوه، احتمالا درگیری انسان در این فرایندها هیچ‌گاه پایان نمی‌یابد؛ اما به‌هرحال همیشه می‌توان از کمک یک کامپیوتر و هوش مصنوعی استفاده کرد که می‌گوید: «گزارش‌های متعددی در ارتباط با ذخیره‌سازی سهام از سوی مردم وجود دارد. این مقاله‌ها نیز درباره‌ی سلاح‌های شیمیایی درحال انتشار هستند. نتیجه‌ی احتمالی، شایعاتی پیرامون حمله‌ی تروریستی خواهد بود».

شایان ذکر است تمامی برنامه‌های فوق در‌حال‌حاضر در وضعیت تئوری هستند. البته، سازمان دارپا نیز به‌طور کلی برای چنین اهدافی تأسیس شده است. این سازمان، با هدف واقعی کردن تعاریف تئوری یا شکست خوردن در آن و متوجه شدن دلیل شکست، کار می‌کند. به‌هرحال، باتوجه به‌سادگی بالای هوش‌های مصنوعی کنونی، تصور ساختن هوشی چنان پیچیده، کمی دشوار به‌نظر می‌رسد. درواقع، کاملا روشن است که راه زیادی در پیش داریم.