Generic selectors
Exact matches only
Search in title
Search in content
Menu


انسان در برابر هوش مصنوعی | آیا کاسپاروف درباره خیانت IBM به علم درست می‌گوید؟


انسان در برابر هوش مصنوعی - داستان کاسپاروف

«IBM به علم خیانت کرد.» این جمله را گری کاسپاروف، قهرمان نامدار شطرنج جهان، در مصاحبه‌‌ای با نشریه کسب‌و‌کار هاروارد گفته است (+). علت اعتراض تند کاسپاروف این است که پس از شکست کاسپاروف از دیپ بلو (Deep Blue) شرکت آی‌.‌بی‌.‌ام شرایطی برای یک مسابقهٔ دیگر آماده نکرد.

از این عجیب‌تر، بلافاصله پس از مسابقه، قطعات کامپیوتر دیپ بلو را جدا کرد و هر کدام را این‌سو و آن‌سو فرستاد تا اساساً امکان عملی شدن درخواست کاسپاروف وجود نداشته باشد (+).

شاید اگر کاسپاروف این جمله را در همان سال ۱۹۹۷ پس از شکست خوردن از هوش مصنوعی می‌گفت، آن را پای خشم یک قهرمان شکست‌خورده می‌گذاشتیم. اما او این حرف را در مصاحبه‌ای که هشت سال بعد انجام شده گفته. و این نشان می‌‌دهد که خاطرهٔ تلخ رفتار IBM از ذهن کاسپاروف پاک نشده است.

انسان در برابر هوش مصنوعی | بازی دام

داستان کاسپاروف، نه اولین رقابت انسان با هوش مصنوعی بود و نه آخرین. این رقابت سه دهه قبل از او آغاز شده بود و تا همین امروز هم ادامه دارد. اما در این سال‌ها که موج تازهٔ هوش مصنوعی، این بار با هوش مصنوعی مولد و مدل‌های بزرگ زبانی به راه افتاده، مرور داستان کاسپاروف در قالب یکی از داستان‌های کسب و کار متمم می‌تواند جذاب و الهام‌بخش باشد.

حدود سه دهه قبل از دیپ‌بلو و کاسپاروف، آرتور ساموئل به رقابت انسان و ماشین فکر می‌کرد. ساموئل، دانشمند آمریکایی در علوم کامپیوتر، همان کسی است که در ترویج اصطلاح یادگیری ماشین (Machine Learning) نقش مهمی ایفا کرده است. او دستگاه IBM 701 خود را برای بازی چکرز (دام) برنامه‌ریزی کرد و یک نمونه از مسابقه‌اش در ۲۴ فوریه ۱۹۵۶ از تلویزیون پخش شد. توماس واتسون که از این برنامه شگفت‌زده شده بود، از ساموئل دعوت کرد و مسابقهٔ مشابهی را پیش چشم سهامداران IBM ترتیب داد. او به سهامداران گفت (+): پیش‌بینی می‌کنم این پدیده بتواند سهام ما را ۱۵ واحد افزایش دهد (با در نظر گرفتن قیمت سهام IBM که حدود یک دلار بود، این جمله یعنی حدوداً ۱۵ سنت افزایش قیمت).

واتسون درست پیش‌بینی کرده بود. کامپیوتر ساموئل در سال ۱۹۶۲ توانست در مسابقه‌ای جدی‌تر انسان را شکست دهد. درست است که طرف مقابل کامپیوتر – حداقل در آن زمان – قهرمان بزرگی نبود، اما اما در خبرها چنین اعلام شد که یک قهرمان بزرگ چکرز از کامپیوتر شکست خورده است. سهام IBM در اثر این بازی بیش از ۱۵٪ افزایش یافت (+). چون مردم به نتیجه رسیده بودند که عصر هوش مصنوعی فرا رسیده و آینده در اختیار IBM و کامپیوترهای هوشمندش خواهد بود.

IBM از همان زمانی که رشد سهام خود را دید، متوجه شد که این رقابت‌ها می‌تواند به تقویت برند این شرکت کمک کند. به همین علت، تحقیق و توسعه را از لابراتورهای شرکت بیرون آورد و بخشی از آن را به نمایش‌هایی عمومی (رقابت پیش چشم همه) تبدیل کرد؛ رقابت‌هایی با عنوان grand challenges. کاری که به نوعی تا امروز هم ادامه دارد (+).

 

هوش مصنوعی در برابر انسان - صفحه شطرنجی بازی چکرز (دام)

چکرز در یک صفحهٔ هشت‌درهشت بازی می‌شود و هر یک از طرفین از ۱۲ مهرهٔ یکسان و همرنگ استفاده می‌کنند (انگار که با مهره‌های تخته‌نرد بخواهید روی صفحهٔ شطرنج بازی کنید). قوانین بازی هم نسبتاً ساده است. به همین علت، پس از این که ماشین در بازی چکرز بر انسان پیروز شد، بلافاصله ذهن‌ها متوجه بازی پیچیدهٔ بعدی شد: شطرنج.

IBM و تلاش برای جذب استعدادهای هوش مصنوعی

در اواخر دهه هشتاد میلادی، یعنی حدود سه دهه بعد از موفقیت قبلی، IBM می‌دید که سخت‌افزارها و به‌طور خاص پردازنده‌ها، به‌شکل چشم‌گیری پیشرفت کرده‌اند. به نظر می‌رسید زمان مناسبی باشد تا هوش مصنوعی در بازی شطرنج با انسان زورآزمایی کند.

شرکت IBM مدتی بود که در عین علاقه به این موضوع،‌ کار پژوهشی جدی در این بار نکرده بود. به همین علت به سراغ دانشگاه‌ها رفت و کسانی را جستجو کرد که در زمینهٔ سخت‌افزارهای مناسب برای هوش مصنوعی کار کرده‌اند. تیم هدف در دانشگاه کارنگی ملون پیدا شد: «فنگ شیونگ شو» که امروزه بیشتر نامش را به شکل مختصر F. H. Hsu در کتابها می‌بینیم.

او و همکارانش دقیقاً‌ روی پروژه‌ای کار می‌کردند که مورد علاقهٔ IBM بود: پردازنده‌های شطرنج. مدارهایی که به طور خاص برای پردازش‌های مربوط به بازی شطرنج طراحی می‌شدند (شبیه پردازنده‌های گرافیکی که امروزه به کار می‌روند و برای کارهای گرافیکی بهینه‌سازی شده‌اند).

اگر عکس شطرنج بازی کردن کاسپاروف با دیپ‌بلو را دیده باشید، احتمالاً‌ چهرهٔ فنگ شیونگ شو را هم دیده‌اید؛ همان مرد تایوانی که روبه‌روی کاسپاروف نشسته و به نمایندگی دیپ‌بلو مهره‌ها را جابه‌جا می‌کند.

عکس کاسپاروف در حال شطرنج بازی کردن با دیپ بلو - سمت راست شو نشسته و سمت چپ کاسپاروف

💚 (قلب سبز چیست؟)

تصویر دیگری هم که احتمالاً برایتان جذاب است، عکسی است که شو را در کنار شنون نشان می‌دهد. این عکس که در کتاب ‌Behind Deep Blue هم آمده، به مسابقات جهانی شطرنج در سال ۱۹۸۹ باز می‌گردد و در آن شنون تندیس یک اسب را به شو اهدا می‌کند (عکس، رنگی شده است):

عکس شو در کنار شنون

آی‌بی‌ام در سال ۱۹۸۹ کل پروژه (شامل شو، همکارانش و تجهیزات) را خرید و به شرکت خود منتقل کرد تا سخت‌افزارهایشان را برای IBM و با هدف یک مسابقه شطرنج بزرگ پرورش دهند.

شو نام پروژه‌شان را «Deep Thought» یا «فکر عمیق» نام‌گذاری کرده بود؛ نامی برگرفته از رمان بسیار قوی و تأثیرگذار داگلاس آدامز به نام Hitchhiker’s Guide to the Galaxy. آدامز در داستان خود ابرکامپیوتری داشت که آن را Deep Thought نامیده بود. ظاهراً deep دیگر قرار نبود از نام پروژه‌های مشابه کنار برود. نسخهٔ پیشرفته‌تر پروژهٔ شو در آی‌بی‌ام Deep Blue نامیده شد و می‌دانید که بعداً هم بخشی از پروژه‌های هوش مصنوعی گوگل با نام Deep Mind انجام شدند. البته این نام روی شرکت Deep Mind بود و گوگل صرفاً‌ آن را خرید (اسم رمز پروژهٔ شما چیست؟).

کاسپاروف در برابر هوش مصنوعی

دسترسی کامل به این مطلب برای اعضای ویژهٔ متمم امکان‌پذیر است.

انسان در کنار ماشین

کاسپاروف بعداً به تدریج به یکی از مدافعان همکاری انسان و ماشین تبدیل شد. او الان نزدیک به یک دهه است که مدام در این باره حرف می‌زند و می‌نویسد. او که – حداقل در دنیای رسانه – نخستین انسان بازنده در رقابت با هوش مصنوعی بود، معتقد است که رقابت در دنیای جدید، نه میان انسان‌هاست و نه ماشین‌ها. بلکه «انسان +‌ ماشین + فرایند» با «انسان دیگر +‌ ماشین دیگر +‌ فرایند دیگر» رقابت می‌کند.

این نگاه، و نکاتی که در تأیید و رد آن وجود دارد، می‌تواند موضوع درسی مستقل دربارهٔ آیندهٔ انسان در عصر هوش مصنوعی باشد.

مطالعه بیشتر

برای آشنایی بیشتر با Deep Blue می‌توانید مقاله‌ای را که IBM در ۱۹۹۵ منتشر کرد ببینید (فایل PDF‌ مقاله). شو در آن مقاله از کاسپاروف نقل می‌کند که «کامپیوترها حداقل تا سال ۲۰۰۰ نخواهند توانست انسان را در شطرنج شکست دهند.» وی در درستی این ادعای کاسپاروف تردید می‌کند و می‌گوید برد ماشین، در دسترس‌تر از این حرف‌هاست. فقط دو سال لازم بود تا مشخص شود حرف شو درست بوده و برآورد کاسپاروف در مورد آینده هوش مصنوعی بیش از حد بدبینانه بوده است (یا: برای خودش بیش از حد خوش‌بینانه بوده است).

ترتیبی که متمم برای خواندن مطالب سری علم داده به شما پیشنهاد می‌کند:

سری مطالب حوزه علم داده

سوال‌های پرتکرار دربارهٔ متمم

متمم چیست و چه می‌کند؟

متمم مخففِ عبارت «محل توسعه مهارتهای من» است: یک فضای آموزشی آنلاین برای بحث‌های مهارتی و مدیریتی.

برای آشنا شدن بیشتر با متمم به صفحهٔ درباره متمم سر بزنید و فایل صوتی معرفی متمم را دانلود کنید و گوش دهید.

فهرست دوره های آموزشی متمم را کجا ببینیم؟

هر یک از دوره های آموزشی متمم یک «نقشه راه»  دارد که مسیر یادگیری آن درس را مشخص می‌‌‌کند. با مراجعه به صفحهٔ نقشه راه یادگیری می‌توانید نقشه راه‌های مختلف را ببینید و با دوره های متنوع متمم آشنا شوید.

هم‌چنین در صفحه‌های دوره MBA و توسعه فردی می‌توانید با دوره های آموزشی متمم بیشتر آشنا شوید.

هزینه ثبت نام در متمم چقدر است؟

شما می‌توانید بدون پرداخت پول در متمم به عنوان کاربر آزاد عضو شوید. اما به حدود نیمی از درسهای متمم دسترسی خواهید داشت. پیشنهاد ما این است که پس از ثبت نام به عنوان کاربر آزاد، با خرید اعتبار به عضو ویژه تبدیل شوید.

اعتبار را می‌توانید به صورت ماهیانه (۱۶۰ هزار تومان)، فصلی (۴۲۰ هزار تومان)، نیم‌سال (۷۵۰ هزار تومان) و یکساله (یک میلیون و ۲۰۰ هزار تومان) بخرید.

توجه داشته باشید که خرید شش‌ماهه و یک‌ساله به‌ترتیب معادل ۲۰٪ و ۳۸٪ تخفیف (نسبت به خرید یک‌ماهه) محسوب می‌شوند.

برای اطلاعات بیشتر به صفحه ثبت نام مراجعه کنید.

آیا در متمم فایل های صوتی رایگان برای دانلود وجود دارد؟

مجموعه گسترده و متنوعی از فایلهای صوتی رایگان در رادیو متمم ارائه شده که می‌توانید هر یک از آنها را دانلود کرده و گوش دهید.

هم‌چنین دوره های صوتی آموزشی متنوعی هم در متمم وجود دارد که فهرست آن‌ها را می‌توانید در فروشگاه متمم ببینید.

با متمم همراه شوید

آیا می‌دانید که فقط با ثبت ایمیل و تعریف نام کاربری و رمز عبور می‌توانید به جمع متممی‌ها بپیوندید؟

سرفصل‌ها  ثبت‌نام  تجربهٔ متممی‌ها

۴ نظر برای انسان در برابر هوش مصنوعی | آیا کاسپاروف درباره خیانت IBM به علم درست می‌گوید؟

     
    تمرین‌ها و نظرات ثبت شده روی این درس صرفاً برای اعضای متمم نمایش داده می‌شود.
    .