کتاب اهمیت آموزش پذیری (لزلی ولینت) | کمکی برای فهم بهتر هوش مصنوعی

اریک اشمیت در سال ۲۰۱۳ در کتاب عصر جدید دیجیتال خود (New Digital Age) گفت:‌ انسان با اختراع اینترنت، برای نخستین بار چیزی را ساخت که خودش آن را کامل نمی‌فهمد.

واقعیت این است که انسان پیش از اینترنت هم چیزهای بسیاری ساخته که از فهم آن‌ها ناتوان است. اقتصاد، سازمان و فرهنگ نمونه‌هایی از آن‌ها هستند. اما این ناتوانی در فهم یک پدیده،‌ پس از اینترنت بیشتر به چشم آمد؛ به خاطر شدت و عمق تأثیرگذاری‌‌اش بر همهٔ جنبه‌های زندگی انسانی.

اینترنت اما آخرین اختراع فهم‌ناپذیر بشر نبود. پس از آن، زنجیره‌ای از اختراعات فهم‌ناپذیر شکل گرفت یا تقویت شد. هوش مصنوعی یکی از آن‌‌‌هاست.

البته بحث هوش مصنوعی پس از اینترنت به وجود نیامد. بلکه به واسطهٔ اینترنت تقویت شد. وگرنه قدمت هوش مصنوعی از قدمت اینترنت بیشتر است. چه مقالهٔ آلن تورینگ و پیشنهاد تست تورینگ (۱۹۵۰) را تولد هوش مصنوعی فرض کنید و چه کنفرانس دارتموث (۱۹۵۶) که در آن اصطلاح «هوش مصنوعی» پیشنهاد شد، هر دو قبل از تولد رسمی اینترنت (۱۹۶۹)  بوده‌اند.

هوش مصنوعی یعنی چه؟

یکی از پیچیدگی‌های هوش مصنوعی این است که هنوز تکلیف هوش طبیعی چندان مشخص نیست! وقتی از پای مصنوعی حرف می‌زنیم،‌ می‌دانیم پای طبیعی چیست. وقتی از تنفس مصنوعی حرف می‌زنیم، تنفس طبیعی را می‌شناسیم. وقتی از گل مصنوعی صحبت می‌کنیم، گل طبیعی را می‌شناسیم. اما در مورد هوش مصنوعی چنین نیست. چون خود کلمهٔ هوش مشکل مفهوم پردازی دارد. اگر بخواهیم از اصطلاحات رایج میان دانشگاهیان استفاده کنیم باید بگوییم که «هوش» یک مفهوم «ill-defined» است. مفهومی که بد تعریف شده یا اساساً قابل‌تعریف نیست.

این مبهم بودن «هوش» باعث شده که صاحب‌نظران بسیاری در پی تعریف دقیق‌تر هوش یا جایگزینی برای آن باشند (خود تورینگ هم چون «فکر کردن» را اصطلاحی مبهم می‌دانست، آن تست معروفش را پیشنهاد کرد).

لزلی ولینت | در جستجوی جایگزینی برای مفهوم هوش

لزلی ولینت (Leslie Valiant) یکی از کسانی است که سال‌هاست در پی پیشنهاد مفهومی جایگزین به جای هوش است. او در میان کسانی که می‌خواهند و می‌توانند پاسخ این سوال را جستجو کنند، یکی از بهترین گزینه‌ها است.

او از پیشگامان یادگیری ماشین بوده و نظریه‌هایش در شکل‌گیری آن‌چه امروز به نام یادگیری عمیق (Deep Learning) می‌شناسیم تأثیرگذار بوده است. حتی بسیاری از کسانی که نام او را نمی‌دانند، مدل PAC را که او توسعه داده می‌شناسند (Probably Approximately Correct / احتمالاً تقریباً درست).

ولینت در سال ۲۰۱۰ جایزهٔ تورینگ را دریافت کرده که آن را معادل نوبل در علوم کامپیوتر فرض می‌‌کنند و در صفحهٔ معرفی برندگان جایزه تورینگ درباره‌اش می‌خوانیم: «او در مقاله‌ای که در سال ۱۹۸۳ منتشر کرد، مدلی کمّی (عددی) برای یادگیری پیشنهاد داد که به کمک آن بشود ارزیابی کرد یک سیستم محاسبه‌گر چقدر توانایی یادگیری دارد.» در این صفحه همچنین به «نقش مهم او در توسعهٔ محاسبهٔ موازی یا parallel computing» اشاره شده و چه کسی است که نداند دنیای امروز ما و آیندهٔ هوش مصنوعی تا چه حد بر این تکنولوژی محاسباتی استوار است.

کمیتهٔ جایزه تورینگ در معرفی او و دستاوردهایش می‌گوید (+):‌ «چنین ترکیب درخشانی از عمق و گستردگی که در آثار ولینت هست، به ندرت در جای دیگری به چشم می‌آید. او واقعاً یک شخصیت قهرمان در علوم کامپیوتر نظری است و شجاعت و خلاقیتش در مواجهه با برخی از عمیق‌ترین مسائل حل نشدهٔ علمی، یک الگو محسوب می‌شود.»

لزلی ولینت،‌ این دانشمند مجارستانی که سابقهٔ تدریس در بسیاری از دانشگاه‌های برتر جهان، از هاروارد و کارنگی ملون تا آکسفورد و کمبریج را در کارنامهٔ خود دارد، تقریباً چهار دهه گذشته را بر روی یک مفهوم متمرکز بوده است: آموزش پذیری (Educability).

ولینت که – مانند بسیاری از صاحب‌نظران – واژهٔ‌ هوش را گنگ و نامفهوم می‌داند، معتقد است آموزش‌پذیری بهترین جایگزین برای هوش است و اگر این مفهوم را درک کنیم، هم هوش مصنوعی را بهتر می‌فهمیم و هم راحت‌تر خواهیم توانست توانایی‌ها و ظرفیت‌های بالقوهٔ سیستم‌های مختلف هوشمند را ارزیابی و برآورد کنیم.

او در سال ۲۰۲۴ کتابی هم با عنوان «اهمیت آموزش‌پذیر بودن / The Importance of Being Educable» نوشته که انتشارات دانشگاه پرینستون آن را منتشر کرده است. متمم این کتاب را – با تأکید در توضیحاتی که کمی پایین‌تر خواهیم گفت – برای فهرست کتابهای پیشنهادی برای ترجمه در ایران مناسب می‌داند.

در ادامه کمی دربارهٔ کتاب «اهمیت آموزش‌پذیری» صحبت می‌کنیم. اما به سبک همیشگی معرفی کتاب در متمم، در کتابهایی مثل کتاب لزلی ولینت که در درس‌های مختلف به آن ارجاع می‌دهیم، در بخش معرفی به یک توضیح مختصر اکتفا می‌کنیم و وارد جزئیات کتاب نمی‌شویم.

دردسرهای اصطلاح هوش

هوش از همان ابتدا واژه‌ای مبهم بوده و در هر مقطع زمانی، بسته به هدف و ترجیحات آن مقطع، به شکل متفاوتی تعریف شده است. مثلاً گاهی هوش را معادل هوش ریاضی گرفته‌اند. گاهی با استفاده از هوش، عملکرد یک دانش‌آموز را با همسالان خود سنجیده‌اند (تاریخچه ضریب هوش).

همه خیلی زود به نتیجه رسیدند که اصطلاح مبهم است. به همین علت افراد مختلف انواع توضیحات و پاورقی‌ها و پیوست‌ها را به آن افزودند.

هوارد گاردنر بحث هوش چندگانه را مطرح کرد و گفت ما فقط یک نوع هوش نداریم. هوش موسیقی داریم. هوش ریاضی و منطقی داریم. هوش کلامی و هوش‌های دیگری هم داریم. دنیل گلمن هم مفهوم هوش هیجانی را رواج داد. حرف گلمن این بود که هوش ریاضی (IQ) موفقیت و سرنوشت انسان‌ها را رقم نمی‌زند و هوش هیجانی (EQ) نقش مهم‌تری ایفا می‌کند.

کم‌کم همه یاد گرفتند که هر وقت می‌خواهند موضوعی را مهم جلوه دهند، کلمهٔ هوش را به اول آن اضافه کنند: هوش اجتماعی، هوش سیاسی، هوش جمعی، هوش مالی، هوش سرمایه‌گذاری و …

همین که می‌بینید یک مفهوم این‌قدر تفسیر شده نشان می‌دهد که اصل مفهوم آن‌قدر که باید، شفاف و مشخص نیست.

علاوه بر این، مبهم بودن هوش را جای دیگری هم می‌فهمیم و آن مقایسهٔ‌ هوش انسان با جاندارهای دیگر است. بارها مقایسه انسان و جاندارهای دیگر را دیده‌ایم. مثلاً می‌گویند حیواناتی مثل سگ، دلفین یا هشت‌پا باهوش هستند و یا گاهی فهرست‌هایی از باهوش‌ترین حیوانات جهان منتشر می‌شود. همه می‌دانیم و می‌گوییم که چنین فهرست‌هایی بسیار سلیقه‌ای هستند. چرا؟‌ چون نمی‌دانیم منظورمان از هوش چیست و وقتی تعریفی دقیق و شفاف از هوش نداریم، طبیعی است که مقایسه هم امکان‌پذیر نخواهد بود.

«آموزش پذیری» به جای «هوش»

با این مقدمه می‌توانیم به سراغ مفهوم «آموزش پذیری / Educability» برویم. پیشنهاد لزلی ولینت این است که هوش را رها کنید و به دنبال مفهومی بهتر و جامع‌تر بگردید. مفهومی که هم راحت‌تر بتوان آن را تعریف کرد و هم نقطهٔ تمایز انسان را با سایر موجودات زنده بهتر نشان دهد (و بر این اساس شفاف‌تر شود که در هوش مصنوعی به دنبال چه هستیم). هدف ولینت از تألیف کتاب «اهمیت آموزش پذیری» این است که مخاطب را قانع کند «آموزش‌پذیری» چنین معیاری است:

پیشنهاد ترجمه کتاب ولینت

همان‌طور که می‌دانید ما فهرستی از کتابهای پیشنهادی برای ترجمه در متمم داریم و کتابهای مختلفی را در آن صفحه برای ترجمه به ناشران پیشنهاد می‌کنیم. کتاب اهمیت آموزش‌پذیری هم قطعاً می‌تواند جزئی از این فهرست محسوب شود. هم موضوع آن موضوع روز است و هم نویسندهٔ آن از بزرگ‌ترین صاحب‌نظران معاصر است و هم ناشر آن یکی از ناشران معتبر جهان.

اما لازم است به دو نکته هم توجه شود.

نخست این که این کتاب، احتمالاً با کمی دشواری مخاطب خود را پیدا می‌کند. بخشی از کسانی که در زمینهٔ هوش مصنوعی کار می‌کنند، آن‌قدر در کارهای تکنیکال و عملیاتی غرق شده‌اند که ممکن است فراموش کنند به نگاهی عمیق‌تر به مفهوم هوش مصنوعی نیاز دارند.

کسانی هم که هیچ آشنایی با جنبه‌های فنی ندارند،‌ شاید در بخش‌‌هایی از کتاب، کمی کند جلو بروند. اگر چه ساده‌گویی و ساده‌نویس ولینت در چنین موضوعی، ستودنی است.

علاوه بر این، به علت واژه‌های تخصصی و نیز حساسیت‌های ولینت در انتخاب واژه‌ها، ظرافت‌های زیادی در ترجمهٔ این کتاب وجود دارد و ترجمه‌های مکانیکی رایج – که مترجم در آن چندان دل به ترجمه نداده – در مورد چنین کتابی خریدار نخواهد داشت.

با همهٔ‌ این‌ها، قطعاً وجود چنین کتابی در سبد محصولات ناشرانی که می‌خواهند نگاه عمیق‌تر به موضوعات روز را ترویج کنند، امتیاز مثبتی محسوب خواهد شد.

چند تذکر درباره بخش معرفی کتاب

دسته‌بندی موضوعی کتاب های مدیریت

دسته‌بندی کتاب های روانشناسی و توسعه فردی

مطالب، فایل‌ها و کتابهای مربوط به کتابخوانی

پاراگراف فارسی | جملات منتخب کتابها

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