تاریخچه هوش مصنوعی از ابتدا تا امروز

آلن تورینگ

گذشت نزدیک به یک دهه، تا اینکه نمادها در حوزه هوش مصنوعی به درک فعلی‌تری از این زمینه کمک کردند. در اواخر دهه 1950، آلن تورینگ، دانشمند و ریاضیدان بریتانیایی، یک آزمایش ارائه کرد که توانایی ماشین را در تقلید اعمال انسان به حدی که از رفتار انسان قابل تشخیص نباشد، ارزیابی می‌کرد. در جلسه‌ای از کنفرانس تابستانی در کالج دارتموث در اواخر دهه 1950، جان مک‌کارتی، دانشمند علوم کامپیوتر و شناختی، اصطلاح “هوش مصنوعی” را معرفی و برگرداند. این زمان ممکن است به عنوان نقطه شروع رسمی پیشینه هوش مصنوعی در نظر گرفته شود.

از دهه 1950 به بعد، هوش مصنوعی به موفقیت‌ها و پیشرفت‌های بیشماری دست یافت. تلاش‌های مستمر دانشمندان، برنامه‌نویسان، منطق‌دانان و نظریه‌پردازان در افزایش درک ما از هوش مصنوعی تاثیر بسزایی داشته است. این سفر در جهت پیشرفت‌های جدید و نوآوری‌های همیشگی در حوزه هوش مصنوعی ادامه دارد و به واقعیت ملموس برای نسل‌های آینده تبدیل می‌شود.

موفقیت ها و شکست ها

از سال 1957 تا سال 1974، دورانی را می‌توان به عنوان شکوفایی هوش مصنوعی نامید. در این دوره، کامپیوترها ظرفیت ذخیره اطلاعات بیشتری داشتند و سرعت آن‌ها افزایش یافت. به دیگر سو، هزینه‌های کامپیوترها به میزان قابل توجهی کاهش یافت و این امر باعث دسترسی آسان‌تر به آنها شد. در این دهه‌ها، الگوریتم‌های یادگیری ماشین پیشرفت چشمگیری داشتند و افراد آگاه شدند که برای هر نوع مسئله، باید از چه الگوریتمی استفاده کنند. برنامه‌هایی نظیر General Problem Solver نوول و سیمون و برنامه ELIZA جوزف ویزباوم، امکانات حل مسائل و تفسیر زبان گفتاری در ماشین را به شدت تقویت کردند. این پیشرفت‌ها به همراه حمایت قاطع محققان پیشرو و نهادهای دولتی مانند آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی (DARPA)، منجر به سرمایه‌گذاری در تحقیقات در حوزه هوش مصنوعی در مختلف مؤسسات شد.

حکومت، به ویژه به ساخت ماشین‌هایی علاقه‌مند بود که توانایی انتقال و ترجمه زبان گفتاری را داشته باشند و همچنین بتوانند داده‌های حجیم را با توان پردازش بالا پردازش کنند. در سال 1970، ماروین مینسکی در یک مصاحبه اظهار کرد که “در سه تا هشت سال آینده، ما ماشینی خواهیم داشت که هوش عمومی مشابه یک انسان معمولی را دارد.” با این حال، هوش مصنوعی هنوز موفق به دستیابی به اهداف نهایی خود، یعنی پردازش زبان طبیعی، تفکر انتزاعی و خودشناسی نشده بود.

مشکلات متعدد

با گذشت زمان، مشکلات متعددی در راه هوش مصنوعی پدیدار شدند. بزرگترین این مشکلات، فقدان قدرت محاسباتی برای انجام وظایف اساسی بود. با وجود پیشرفت‌های حاصله، کامپیوترها هنوز نمی‌توانستند اطلاعات را به سادگی ذخیره کنند یا به سرعت پردازش کنند. برقراری ارتباط نیز نیازمند قدرت پردازش باالا و پرسرعت برای پردازش حجم زیادی اطلاعات بود. به عنوان مثال، برای اینکه یک کامپیوتر بتواند ارتباط برقرار کند، لازم است تا معانی تعداد زیادی از کلمات را بشناسد و از میان ترکیبات، مفاهیم آن کلمات را استخراج کند. هانس موراوک، یکی از دانشجویان مک‌کارتی در دکترا، اظهار داشت که “هوش کامپیوترها هنوز هزاران برابر از هوشی که می‌توان آن را هوش نامید، ضعیف‌تر است.” در این زمان، بودجه تحقیقات تا حدودی محدود بود و تا ده سال طول کشید تا تحقیقات مربوط به آن پیشرفت کند.

هوش مصنوعی و بازگشت به اوج

در دهه 80 میلادی، هوش مصنوعی به اوج خود بازگشت و این امر از دو جهت رخ داد: گسترش ابزار الگوریتمی و افزایش بودجه. جان هوپفیلد و دیوید راملهارت، تکنیک‌های “یادگیری عمیق” را معرفی کردند که به کامپیوترها این توانایی را می‌داد تا از طریق تجربیات خود یاد بگیرند. به طرف دیگر، ادوارد فینبام سیستم‌های پیشرفته‌ای را توسعه داد که می‌توانستند از توان یک فرد متخصص در تصمیم‌گیری تقلید کنند. این برنامه توانمند است از متخصص یک حوزه بپرسد که در شرایط خاصی چگونه عمل کند و پس از یادگیری، افراد غیر متخصص می‌توانند برای دریافت مشاوره به این سیستم‌ها مراجعه کنند. سیستم‌های پیشرفته به طور گسترده در صنعت به کار می‌روند.

در همین دوره، دولت ژاپن به طور فراگیر به سرمایه‌گذاری در زمینه هوش مصنوعی و سیستم‌های پیشرفته پرداخت و این تلاش به عنوان برنامه کامپیوتر نسل پنجم (FGCP) شناخته می‌شد. از سال 1982 تا سال 1990، ژاپن 400 میلیون دلار را به منظور تحول در پردازش کامپیوتری، اجرای برنامه‌نویسی منطقی و پیشرفت در حوزه هوش مصنوعی سرمایه‌گذاری کرد. با این حال، بسیاری از اهداف بلندمدت مورد نظر این سرمایه‌گذاری به تحقق نپیوستند. با این حال، این تلاش‌ها تاثیرات غیرمستقیمی داشته و نسل جوانی از مهندسان و دانشمندان را در توسعه هوش مصنوعی تحت تأثیر قرار داد.

پس از دوره‌ای که افت بودجه و سرمایه‌گذاری‌های دولتی را تجربه کرد، هوش مصنوعی باز هم رونق گرفت. در دهه‌های 90 و 2000 میلادی، بسیاری از اهداف و چشم‌اندازهای هوش مصنوعی تحقق یافتند. در سال 1997، هوش مصنوعی Deep Blue تولید شده توسط IBM توانست در یک بازی شطرنج مقابل گری کاسپاروف، قهرمان شطرنج معروف، پیروز شود.

هوش مصنوعی فراگیر

در عصر حاضر، شاهد ظهور و رشد پدیده‌ای به نام کلان داده هستیم. این اصطلاح به حجم عظیمی از داده‌های متنوع اشاره دارد که پردازش آنها با روش‌های سنتی امکان‌پذیر نیست. حجم انبوه از این داده‌ها می‌تواند اطلاعات ارزشمندی را در اختیار قرار دهد که در گذشته دسترسی به آنها محدود بود.

هوش مصنوعی نیز در سال‌های اخیر پیشرفت‌های چشمگیری داشته است، که عمدتاً به لطف توانمندی‌های استثنایی کلان داده به وجود آمده است. این پیشرفت‌ها، هوش مصنوعی را قادر به شناسایی الگوها و روابط پیچیده در داده‌ها کرده است که با روش‌های سنتی قابل انجام نبوده است.

این پیشرفت‌ها در هوش مصنوعی، کاربردهای گسترده‌ای را در صنایع مختلف ایجاد کرده است. هوش مصنوعی امروزه در زمینه‌های متنوعی از جمله بازاریابی، بانکداری، سرگرمی، پزشکی و تولید استفاده می‌شود.

با توجه به پیشرفت‌های روزافزون هوش مصنوعی، می‌توان نتیجه گرفت که این فناوری در آینده نقشی پررنگ‌تر در زندگی ما ایفا خواهد کرد. همان‌طور که در گذشته ماشین‌ها، کامپیوترها و تلفن‌های هوشمند زندگی ما را متحول کردند، هوش مصنوعی نیز در آینده تأثیرات عمیقی بر زندگی ما خواهد گذاشت.

بنابراین، لازم است که ما با هوش مصنوعی آشنا شویم و از مزایای آن بهره‌مند شویم. صنایع و کسب‌وکارها نیز باید از هوش مصنوعی برای بهبود عملکرد خود استفاده کنند.