امروزه دستاوردهای قدرتمند، اما ناشناخته هوش مصنوعی یادآور مثال‌هایی از رشد غیرمنتظره علم و دانش در دوران‌های گذشته تاریخ است. آیا الگوریتم‌های قدرتمندی که بخش‌های زیادی از زندگی ما انسان‌ها را کنترل می‌کنند (از جست و جوهای اینترنتی گرفته تا بازخوردهای ما در شبکه‌های اجتماعی) معادل معاصر همان آرزوی قدیمی انسان مبنی بر تبدیل مس به طلاست؟ و از همه مهم‌تر آیا این موضوع چیز بد و نگران کننده‌ای است؟ نوشتار زیر که ترجمه مقاله‌ای به قلم روبرت دیکگراف (Robbert Dijkgraaf) است، به این موضوع جذاب می‌پردازد. با دیپ لوک همراه باشید…
طبق گفته علی رحیمی، محقق برجسته حوزه هوش مصنوعی و همکارانش، تکنیک‌های مرسوم امروزی در زمینه شبکه‌های عصبی و یادگیری عمیق، مبتنی بر مجموعه‌ای از ترفندها هستند که با چاشنی خوش‌بینی به این درجات بالا رسیده‌اند و بررسی های سیستماتیک نقشی در رشد آن‌ها ندارند. اینگونه به نظر می‌رسد که مهندسان امروزی کدهای خود را به همان شیوه خوشبینانه و پوچی سرهم می‌کنند که کیمیاگران باستانی به هنگام ترکیب مواد جهت دستیابی به مواد جادویی!
این موضوع درست است که ما درک بنیادین کمی از طرز کار درونی الگوریتم‌های خودآموز و یا حتی محدودیت‌های کاربردی‌شان داریم. اَشکال جدید هوش مصنوعی، بسیار متفاوت از کدهای مرسوم کامپیوتری هستند که امکان فهمشان به صورت خط به خط وجود دارد. در عوض این الگوریتم‌ها درون یک «جعبه سیاه» اتفاق می افتند که نه تنها انسان‌ها که حتی ماشین‌ها نیز از فهم آن عاجزند.
بحث موجود در میان جامعه هوش مصنوعی، تبعاتی برای تمام شاخه‌های علم دارد. با توجه به تاثیر یادگیری عمیق بر حوزه‌های مختلف علم (از حوزه کشف دارو گرفته تا طراحی مواد هوشمند و آنالیز برخورد ذرات بنیادین) خود علم نیز در معرض خطر بلعیده شدن توسط همان «جعبه سیاه» مذکور است. با این حال، بسیار دشوار خواهد بود که یک برنامه کامپیوتری در کلاس‌های درس شیمی یا فیزیک به تدریس بپردازد. با توجه به بهای زیادی که ما به ماشین‌ها می‌دهیم، آیا در حال بازگشت به دوره تاریک آزمایشات کیمیاگرانه و کنار گذاشتن روش علمی موفق خود هستیم؟
به گفته یان لی‌کان (Yann LeCun) برنده جایزه تورین برای دستاوردهای پیشتازانه‌اش در زمینه شبکه‌های عصبی، هنوز برای این نتیجه‌گیری زود است. او معتقد است که شرایط فعلی حاکم بر تحقیقات هوش مصنوعی، چیز جدیدی در تاریخ علم نیست. این شرایط تنها یک فاز نوزادی و پیش از بلوغ است که بسیاری از علوم آن را تجربه کرده‌اند و دارای ویژگی هایی چون استفاده مکرر از آزمون و خطا، سردرگرمی، اطمینان بیش از حد و نبود فهم جامع است. ما نه تنها دلیلی برای ترس نداریم؛ بلکه با پذیرش این روند چیزهای زیادی به دست می‌آوریم. درواقع تنها مشکل این است که ما با روندی مخالف این جریان، آشنایی بیشتری داریم.
بعد از گذشت این همه مدت از تاریخ علم، تصور جریان پیش‌رونده دانش از بالا به پایین کار ساده‌ای است؛ جریانی که از سرچشمه یک ایده انتزاعی و ذهنی آغاز شده، در میان پیچ و خم آزمایشات رشد می‌کند و در نهایت به مقصد کاربردهای عملی می‌رسد. این همان مفهوم معروف «فایده دانش بی‌فایده» (usefulness of useless knowledge) است که توسط آبراهام فلکسنر (Abraham Flexner) و در مقاله مهمش در سال ۱۹۳۹ ارائه شد (و در واقع خود یک کنایه و بازی با مفهوم آمریکایی «دانش سودمند» در عصر روشنگری است).
یک نمونه آشکار از جریان دانش، نظریه نسبیت عام اینشتین می‌باشد. این نظریه با یک ایده اولیه آغاز شد که بیان می‌کرد قوانین فیزیکی برای تمام ناظران، مستقل از حرکت‌شان، یکسان هستند. او سپس این مفهوم را به صورت ریاضی و به شکل فضازمان منحنی بیان؛ و آن را بر نیروی گرانش و روند تکامل کیهان اعمال کرد. بدون این نظریه، سیستم مکان‌یاب (GPS) تلفن‌های ما تا ۱۱ کیلومتر از مکان واقعی دچار خطا می‌شدند.
اما شاید الگوی فایده دانش بی‌فایده، همان چیزی است که فیزیکدان دانمارکی نیلز بور (Niels Bohr) به آن «حقیقت عالی» می‌گفت: حقیقتی که نه تنها خود، بلکه عکس و مخالف آن نیز صحیح است. شاید با بروز واقعیت هوش مصنوعی، جریان دانش برخلاف مطالب گفته شده به سمت بالای قله حرکت کند.
در گستره وسیع علم همانگونه که لی‌کان می گوید، ما می توانیم مثال‌های زیادی از این واقعیت پیدا کرده و شاید آن را به صورت «بی‌فایده بودن دانش مفید» ترجمه کنیم. یک ایده فراگیر و بنیادین می‌تواند از کنار هم قرار گرفتن پیشرفت‌هایی در چندین مرحله و پس از انجام آزمایشات فراوان به بار نشسته و کشف شود؛ در واقع حرکتی از پایین به بالا.
شاید بهترین مثال برای این شیوه کشف قوانین ترمودینامیک، سنگ بنای تمام علوم، باشد. این معادلات باشکوه که توصیف‌گر بقای انرژی و افزایش انتروپی هستند، در واقع قوانین بنیادین طبیعت می‌باشند که در تمام پدیده‌های فیزیکی مشاهده می‌شوند. اما این مفاهیم عام تنها پس از یک دوره از سردرگمی و آزمایشات متعدد ظاهر شدند که با ساخت اولین ماشین بخار در قرن هجدهم و ارتقای مرحله به مرحله آن آغاز شد. از پس این غبار غلیظ ملاحظات کاربردی، قوانین ریاضی به آرامی شکل گرفت.
به عنوان مثالی دیگر می‌توانیم به تاریخچه علم هیدرودینامیک اشاره کنیم. یک مشکل اساسی که برای انسان در دوران گذشته وجود داشت مسئله انتقال آب در میان آبراه‌های مختلف کشاورزی بود. آن‌ها این مشکل را بدون توجه به اساس نظری و بنیادین قوانین حاکم بر دینامیک شاره‌ها حل کردند. هزار سال پس از آن، مردم همچنان براساس همین دانش تجربی به ساخت کشتی و ارتقای آن‌ها پرداختند.
تنها در قرن نوزدهم بود که ما توانستیم به وسیله معادلات ناویه-استوکس حرکت سیال را با دقتی ریاضیاتی توصیف کنیم. حتی در همین زمان نیز دلیل حرکت برعکس دانش به سمت قله، نیاز روزافزون انسان به طراحی و تولید موتورهایی با سرعت و کارایی بیشتر است که این موضوع نیازمند بررسی‌های نظری می باشد. حال جزئیات این معادلات پیچیده که به عنوان یکی از مسائل هزاره دارای جایزه یک میلیون دلاری است، در نوک پیکان ریاضیات بنیادین قرار دارد.
ممکن است این عقیده شکل بگیرد که خود علم نیز همواره مسیری به سمت قله نظری شدن را در پیش گرفته است. در واقع تا پیش از شکل‌گیری متدهای علمی و روش‌های جدید تحقیق در قرن هفدهم، تحقیقات علمی عمدتا شامل آزمایشات و نظریات غیر سازمان‌یافته بود. پس از مدت‌های مدیدی که جوامع دانشگاهی این تحقیقات را بن‌بست تصور می‌کردند، در سال‌های اخیر بهای واقعی آن‌ها مورد توجه قرار گرفته‌اند. برای مثال اکنون کیمیاگری به عنوان یک فعالیت مفید و حتی ضروری در گذشته برای شکل‌گیری علوم جدید در نظر گرفته می‌شود.
در نظرگرفتن سرهم‌بندی، به عنوان یک شیوه مثمر ثمر در جهت رسیدن به یک دیدگاه و نظریه جدی، به صورت ویژه‌ای با تحقیقات اخیر پیرامون ترکیب مهندسی پیشرفته و علوم پایه به شیوه‌ای جدید مرتبط می‌باشد. نانوفیزیکدان‌ها در حال سرهم‌بندی و ساخت معادل‌های امروزین چیزی شبیه به موتورهای بخار در سطح مولکولی به وسیله دستکاری اتم‌ها، پروتون‌ها و الکترون‌ها بوده و فناوری جدید را پیش می‌برند. ابزارهای دستکاری ژنتیکی مانند کریسپر (CRISPR) به ما اجازه ایجاد تغییراتی در الگوریتم حیات می‌دهد. ما با ساختارهایی به غایت پیچیده، در حال هدایت طبیعت به سمت واقعیت‌هایی جدید هستیم. ما به وسیله فرصت‌های بیشماری که برای کند و کاو در ساختار ماده و اطلاعات داریم، می‌توانیم وارد عصر طلایی کیمیاگری مدرن به معنای واقعی کلمه شویم.
با این حال ما نباید درس‌های مهمی که از تاریخ علم گرفته‌ایم را فراموش کنیم. کیمیاگری تنها یک شکل اولیه از علم نبود، بلکه در نظر مردم آن زمان یک اَبَرعلم بود که ادعای زیاد و توانایی کمی داشت. پیش‌بینی‌های طالع‌بینی به قدری جدی گرفته می‌شدند که زندگی و واقعیت را بر آن پیش‌بینی‌ها تطبیق می‌دادند و نه برعکس. متاسفانه جامعه مدرن از چنین تفکرات جادویی مبرا نبوده و اطمینان زیادی به الگوریتم‌های کامپیوتری دارد، بدون این که اساس آن‌ها را از لحاظ منطقی یا اخلاقی مورد پرسش و بررسی قرار دهد.
علم همواره در حال دنبال کردن روند طبیعی تغییر حالت میان دو فاز گسترش و تمرکز در حوزه‌های مختلف بوده است. معمولا دوره‌‌های تحقیقات بدون ساختار، یک دوره از تمرکز بر روی استحکام و اثبات دانش جدید به شکلی بنیادین را به همراه دارد. ما تنها می‌توانیم امیدوار باشیم که دوره کنونی سرهم‌بندی‌های خلاقانه در هوش مصنوعی، ابزارهای کوانتومی و اصلاحات ژنتیکی به همراه تمام کاربردهای مفیدشان، به یک درک عمیق‌تر از واقعیت جهان منجر شود.
منبع: quantamagazine.org
گفتگو۱ دیدگاه
اوه اوه!
چه قدر مقاله تون سنگین بود و چه قدر اصطلاحات علمی و فلسفی زیادی داشت!
ولی به صورت کلی فهمیدم منظورتون چیه! البته فکر می کنم فهمیده باشم!
فکر می کنم می خواهید ببینید که آیا داریم راه درست رو می ریم و این همه تلاش برای پیشرفت علم اصلا درست هست یا نه؟!
یا باید تغییر مسیر داد و به گونه ای دیگه رفتار کرد و از مسیر دیگه ای به سمت علم رفت.
راستش من این چیزا رو زیاد نمی فهمم ولی معتقدم دغدغه های انسان، انسان رو به جلو می بره. همین که انسان تمایل به یادگیری داره و می خواد بیشتر بفهمه باعث میشه سعی کنه علوم مختلف رو درک کنه و به علم بها بده. این باعث میشه کم کم راه خودش رو باز کنه و با تجربه کردن چیزهای بیشتری یاد بگیره و به اشتباهاتش پی ببره. ممکنه انسان مدتی فکر کنه فلان راه درسته اما بعد از مدتی به این نتیجه برسه که راهی که فکر می کرد درسته ، در حقیقت اشتباهه و نظرش عوض بشه راه دیگه ای بره و همین طور هی بالاتر میره و فهمش از جهان و علم کامل تر میشه.
به نظر من نباید نگران باشیم و باید تمام تلاشمون رو برای پیشرفت علم بکنیم. حداقل اگر دانشمند نیستیم و در خط مقدم علم نیستیم ، یک مصرف کننده ی خوب باشیم تا کمکی کرده باشیم و روی دانشمندان و کسانی که برای پیشرفت علم تلاش می کنند تاثیر مثبت بزاریم و سد راهشون نشیم.
مثل خانواده ام نباشیم که وقتی کتاب خریدم میگن چرا پول هات رو الکی هدر میدی؟! قدر پول هات رو بدون به فکر نون باش خربزه آبه! باید پول جمع کنی تا بتونی سروسامون بگیری و ازدواج کنی!
خب چنین خانواده ای معلومه که نمی تونه بچه ای تربیت کنه که در راه علم قدم برداره مگر اینکه با این کارها، به صورت ناخودآگاه باعث لجبازی بچه بشه و انگیزه اش رو برای کاری که براش منع کردن بیشتر کنه که اون بحث دیگه ای هست و احتمال موفقیتش کمتر از درست رفتار کردن خانواده هست.
به خاطر مقاله ی خوبتون ازتون متشکرم. راستی وقتی در حال خوندن مقاله تون بودم به حال خودم خیلی تاسف خوردم که چقدر من بی سوادم و یه عالمه اصطلاح بود که بلد نبودم. حتی به فکرم رسید که برم کتاب های دانشگاهی رشته ی فیزیک رو دانلود کنم و بخونم که می دونم چنین فکری از سر هیجان زدگی هست و خیلی هم مسخره هست. ولی امیدوارم با خوندن مطالبی که می گذارید علم و فهمم کمی بیشتر بشه.
بازم ازتون ممنونم.