بخشی از مقاله
کاربرد هوش مصنوعی در مدیریت از طریق بررسی زیرشاخه های آن در سیستم های اطلاعاتی
چکیده
امروزه دقت، سرعت و همچنین انعطاف پذیری در تصمیم گیری ها و توان پیش بینی آینده اهمیـت بسـزایی یافته، تمام سازمان ها و بنگاه ها با دسترسی به اطلاعات مهم در لحظه و تصمیم گیری دقیق و سـریع نـوعی مزیت رقابتی برای خود ایجاد می کنند. یکی از راه های رسیدن به ایـن مهـم، شـناخت و اسـتفاده از هـوش مصنوعی در سازمان ها و بنگاه هاست.
هوش مصنوعی از علومی است که در دهه های گذشته پیشرفت شگرفی را در علم به وجود آورده است. پر واضح است که این پیشرفت به هیچ وجه در یک علم خاص محدود نبوده، بلکه تمامی علوم حتی علوم انسانی را در بر گرفته است. هوش مصنوعی (AI)، روشی است در جهت هوشمند ساختن رایانه ها، در حقیقت ایجاد توانایی تفکر انسانی در ماشین، از اهداف این پدیده ی نوظهور است که تا رسیدن به نهایت آن، یعنی ساخت ماشینی با قدرت استدلال و ادراک انسانی، راه بسیار در پیش است. در این مقاله، ضمن بررسی جایگاه هوش مصنوعی در سازمان و سیستم های اطلاعاتی، تعدادی از کاربردهای هوش مصنوعی و علوم زیر شاخه ی آن، در مدیریت سازمانی و گرایشهای مختلف، توضیح داده شده و در آخر نتیجه میشود که بکار گیری هوش مصنوعی در تصمیم گیریها و سایر امور مدیریتی در عصر حاضر، اجتناب ناپذیر است و یکی از مهمترین روشهای کسب مزیت رقابتی برای هر مجموعهای میباشد. در حقیقت سازمانها نمیتوانند بدون استفاده از هوش مصنوعی و سیستمهای خبره، امید چندانی به بقا و ترقی داشته باشند.
واژگان کلیدی: مدیریت دانش، هوش مصنوعی، سیستم های خبره، منطق فازی، سیستم های اطلاعاتی
1
مقدمه
در گام اولیه لازم است کمی کلان تر به موضوع نگاه کنیم و جایگاه هوش مصنوعی را بیابیم؛ هوش مصنوعی یا اختصارا ) AI مخفف ( Artificial Intelligence روشی است در جهـت هوشـمند سـاختن رایانـه. ایـن منظور زمانی برآورده میشود که ما قادر باشیم چگونگی تفکر انسان در زمان تصمیم گیـری یـا حـل مسـأله را بررسی کرده و آن را پس از تقسیم بندی به مراحل پایـهای، در قالـب یـک برنامـهی کـامپیوتری ارائـه نمـاییم. هوش مصنوعی وسیله ای است ساده و سازمان یافته برای طراحی برنامه های تصمیم گیری پیچیـده ( پـورذاکر عربانی، 1385، ص .(19 هوش مصنوعی دارای شاخههایی است از جمله شبکههای عصبی مصـنوعی، سیسـتم-های خبره، الگوریتم ژنتیک و منطق فازی، که در علم مدیریت عصر حاضر، هر یک از این شاخهها کـاربردی خاص در تصمیم گیریها و ارائهی دانش سازمانی دارند.
شبکههای عصبی مصنوعی با وجود اینکه با سیستم عصبی طبیعی قابل مقایسه نیستند، اما ویژگیهایی دارند که آنها را در کاربردهایی مانند تفکیک الگو، کنترل و بطور کلی در هر جا که نیاز به یادگیری باشد ممتاز می-نمایند. این ویژگیها عبارتند از: قابلیت یادگیری، قابلیت تعمیم ، پردازش موازی و مقاوم بودن (پورذاکر عربانی،1385، ص.(59
هوش مصنوعی و شبکههای عصبی مصنوعی در علم مدیریت به ویژه در شاخهی مدیریت مالی جایگاه خود را تا حدی یافتهاند. ساختارهای مالی هر بنگاه تجاری، از عملیات شدیدا پیچیده و محیطی پویا تشکیل شده و تا جایی که وظایف مدیر مالی میتواند، مفهوماً از طر یق عملکرد به تعدادی از وظایف جزیی ، تجزیه گردد، لیکن ارتباط داخلی بین این ریز وظایف همچنان پیچیده باقی میماند. سیستمهای عصبی هوشمند، برای ایجاد مدلهای بخشهایی از بنگاه تجاری مورد استفاده قرار میگیرند که می توانند برای جنبههای متغیر ساختار مالی یک مؤسسه ، در طی زمان پویا بوده و ارتباط بخش مدل شده و دیگر بخشهای مالی و غیر مالی موسسه و محیط خارجی ایجاد کنند. از جمله کاربردهای آنها، اعتبارسنجی مشتریان، پیش بینیهای مالی، ارزیابی و تصویب تخصیص اعتبار به کارکنان مالی میباشد (پورذاکر عربانی، 1385، ص .(104
سیستم های خبره به دنبال حل آن دسته از مسائل واقعی میباشندکه عموماً حل آنها به یک انسان متخصص نیاز دارد. در واقع سیستم متخصص(خبره)، یکی از شاخههای هوش مصنوعی است که با گردآوری دانش تخصصی و اطلاعات کارشناسی در یک حوزه ی خاص و با استفاده از منطق میکوشد تا درکنار متخصصان و همپای آنان به عرضه خدمات تخصصی بپردازد.
سیستم خبره به عنوان یکی از شاخههای هوش مصنوعی امروزه بسیار مورد توجه قرار گرفته و به شدت در حال گسترش است بنابراین سنگ بنای یک سیستم خبره کسب عصارهای از دانشهای مربوط با سیستم مورد نظر از متخصصین انسانی میباشد. چنین دانشی در اساس اکتشافی – ابتکاری و بر اساس قواعد تخمینی بدست می آید نه شرایطیکاملاً قطعی و مشخص. چن ین خلاصه برداری از دانش یک متخصص به گونهای که بتواند
2
مورد استفاده یک کامپیوتر قرارگیرد تخصص خاص خودش را میطلبد. مهندسی دانش این مهم را برعهده دارد. (حبیبی و شائمی، (2005 شاخهی دیگر هوش مصنوعی، الگوریتم ژنتیک است که توسط آن، ماشین میتواند مکانیسم انتخاب طبیعی
را، با جستجو در فضای مسئله جهت یافتن جواب برتر و نه الزاما بهینه، شبیه سازی نماید. یافتن راه حلها و تصمیم گیریهای مدیریتی در شرایط مختلف از کاربردهای این شاخهی هوش مصنوعی در مدیریت میباشد (پورذاکر عربانی، 1385، ص .(135
شاخهی دیگر هوش مصنوعی منطق فازی است. منطق فازی را در سال 1965 برای اولین بار در مقالهای به همین نام، پرفسور لطفی زاده ارائه کرد. منطق فازی تکنولوژی جدیدی است که شیوههای مرسوم برای طراحی و مدل سازی یک سیستم را که نیازمند ریاضیات پیشرفتهو نسبتاًیچیدهپ ا ست با استفاده از مقادیر و شرایط زبانی و یا به عبارتی دانش فرد خبره، و با هدف ساده سازی و کارآمدتر شدن طراحی سیستم، جایگزین و یا تا حدود زیادی تکمیل میکند. یکی از ویژگیهای منطق فازی این است که ورودیهای ناقص غیرمنطقی را با استفاده از قوانینی مثل (اگر ...آن گاه...) به پاسخهای قطعی میرساند (قاسم نژاد و دیگران، .(1387
مدیریت دانش مجموعه ای از فرآیندهای ایجاد , ذخیره سازی , تبادل و کاربرد دانش در سازمان است.کسـب کارها نیازمند برنامه های مدیریت دانش هستند , چون امروزه دانش به هسته ی مرکـزی اثربخشـی و دارایـی راهبردی سازمان و مزیت رقابتی بالقوه آن تبدیل شده است.(کنث لاودن، (2002 سیستم های مدیریت دانش به سه زیر شاخه :
-1 سیستم های مدیریت دانش در بنگاه های اقتصادی؛
-2 سیستم های کار دانش؛
-3 روش های هوشمند تقسیم می شوند.(کنث لاودن، (2002
سیستم مدیریت دانش در بنگاه های اقتصادی، اهداف کلی شرکت هـا در تـلاش بـرای جمـع آوری، ذخیـره، توزیع و استفاده از دانش را محقق می سازد. برخی از این سیسـتم هـا، پایگـاه داده هـا و ابزارهـای سـازماندهی اسناد ساختار یافته و نیافته و سایر اهداف دانشی را بهبود می دهند، همچنین سـعی دارنـد کارکنـان خبـره را در پست مناسب قرار دهند و از ابزارهای بر پایه وب، جهت بهبود ارتباطات استفاده کنند.(کنث لاودن، (2002 توسعه قدرت نرم افزارها و شبکه ها، جهت استفاده مهندسین و دانشـمندان در کشـف دانـش جدیـد، منجـر بـه ایجاد سیستم های کاردانش گردید. سیستم هایی مانند "طراحی با رایانه"، تجسم، شبیه سـازی و سیسـتم هـای حقیقت مجازی. "سیستم های کاردانش" (KWS) سیستم های تخصصی هستند که برای مهندسین، دانشـمندان و سایر کارکنان دانشی، جهت ایجاد دانش جدید برای سازمان ساخته شده اند.(کنث لاودن، (2002 مدیریت دانش همچنین شامل گروه های متفاوتی از روش های هوشـمند اسـت مثـل: اسـتخراج داده , سیسـتم
های خبره، شبکه های عصبی، سیستم های پیجیده منطقی، الگوریتم ها وراثتی و واسطه های هوشند. این روش
3
ها اهداف متفاوتی دارند: از تمرکز بر کشف دانش (استخراج داده و شـبکه هـای عصـبی) تـا ایجـاد دانـش در برنامه های کامپیوتری (سیستم های خبره و پیچیده منطقی) و یافتن راه حـل هـای بهینـه حـل مسـأله (الگـوریتم های ژنتیکی).(کنث لاودن، (2002
تاریخچه هوش مصنوعی
هوش مصنوعی توسط فلاسفه و ریاضی دانانی نظیر بول که اقدام به ارائه ی قوانین و نظریههایی در مورد منطق نمودند، مطرح شده بود. با اختراع رایانههای الکترونیکی در سال 1943 میلادی، هوش مصنوعی، دانشمندان آن زمان را به چالشی بزرگ فراخواند. دراین شرایط، چنین بهنظر میرسید که این فناوری قادر به شبیهسازی رفتارهای هوشمندانه خواهد بود. با وجود مخالفت گروهی از متفکّرین با هوش مصنوعی که با تردید به کارآمدی آن مینگریستند، تنها پس از چهار دهه، شاهد تولد ماشین های شطرنج باز و دیگر سامانههای هوشمند در صنایع گوناگون شدیم. نام هوش مصنوعی در سال 1965 میلادی به عنوان یک دانش جدید ابداع گردید. تهالب فعالیّت در این زمینه از سال 1960 میلادی شروع شد. بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازیها و نیز اثبات قضیههای ریاضی با کمک رایانهها بود. در آغاز چنین به نظر میآمد که رایانهها قادر خواهند بود چنین فعالیتهایی را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسأله و سپس انتخاب بهترین روش برای حل آنها به انجام رسانند.
این اصطلاح (هوش مصنوعی) برای اولین بار توسط جان مکارتی- (John McCorthy) که از آن بهعنوان پدر »علم و دانش تولید ماشینهای هوشمند« یاد میشود- استفاده شد .آقای جان مکارتی مخترع یکی از زبانهای برنامه نویسی هوش مصنوعی به نام لیسپ (به انگلیسی: lisp نیز هستند.) با این عنوان میتوان به هویت رفتارهای هوشمندانه یک ابزار مصنوعی پی برد. (ساخته ی دست بشر، غیرطبیعی، مصنوعی) حال آنکه AIبه عنوان یک اصطلاح عمومی پذیرفته شده که شامل محاسبات هوشمندانه و ترکیبی (مرکب از مواد مصنوعی) است. از اصطلاح "strong and weak AI" میتوان تا حدودی برای معرفی ردهبندی سیستمها استفاده کرد. AI ها در رشتههای مشترکی چون علم کامپیوتر، روانشناسی و فلسفه مورد مطالعه قرار میگیرند، که مطابق آن باعث ایجاد یک رفتار هوشمندانه، یادگیری و سازش میشود و معمولاً نوع پیشرفته ی آن در ماشینها و کامپیوترها استفاده میشود. زبانهای برنامه نویسی هوش مصنوعی lisp ,Prolog, clips، VP-Expert میباشد.
فلسفه ی هوش مصنوعی
بطور کلی ماهیت وجودی هوش به مفهوم جمعآوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم است. در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی میشود. هوش مصنوعی علم و مهندسی ایجاد ماشینهایی هوشمند با به کارگیری از کامپیوتر و
4
الگوگیریاز درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی است.
در مقایسه ی هوش مصنوعی با هوش انسانی میتوان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم است در حالی که هوش مصنوعی مبتنی بر قوانین و رویههایی از قبل تعبیه شده بر روی کامپیوتر است. در نتیجه علیرغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبودهایم.
بطور کلّی، هوش مصنوعی را میتوان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته ی تحصیلی دانشگاهی و یا هوش مصنوعی به عنوان مجـــموعه ی فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافتهاست باید تفاوت قائل بود.
پیشینه تحقیق
سال های اولیه پس از پیدایش رسمی کاربرد های هوش مصنوعی، سال های موفقیت و دست آورد های غیر قابل تصور در کاربرد هوش مصنوعی بود. از جمله کاربرد های هوش مصنوعی توسعه نرم افزار حل کننده مسائل بود که منجر به آن شد برای برخی مسائل ریاضی راه حل های جدیدی توسط ماشین ارائه شود که قبلا هیچ انسانی به آن پی نبرده بود. این کاربرد هوش مصنوعی در زمان خود سر و صدای زیادی راه انداخت و حتی نتایج کار در رسانه های عمومی و تعداد زیادی مقاله هوش مصنوعی مطرح شد. آرتور ساموئل با اختراع الگوریتم بازی چکر دنیای بازی های کامپیوتری را متحول ساخت، او توانست با استفاده از یادگیری ماشینی با ترکیب هوش مصنوعی قابلیتی به برنامه خود بدهد که پس از چندین بار بازی کردن حتی از خالق خود ببرد! این رویداد نیز در زمان خود هیاهوی بسیاری به پا کرد. در سال هزار و نهصد و پنجاه و هشت میلادی مک کارتی به دانشگاه MIT رفت و در آنجا زبان برنامه نویسی به نام LISP برای کاربرد این علم اختراع کرد. این زبان هنوز در دنیا یکی از زبان های مشهور در قلمرو کاربرد هوش مصنوعی است .
پس از او مینسکی نیز به این دانشگاه نقل مکان کرد و به همراه مک کارتی تا سال ها به فعالیت پرداختند، اگرچه بعدا به علت اختلاف نظر تئوری بین آنها جدایی افتاد و در نهایت مک کارتی به دانشگاه استنفورد نقل مکان کرد . این موفقیت های پی در پی باعث جسارت بیش از حد متفکرین این قلمرو شد. بیایید نگاهی به گفتار هربرت سیمون در سال 1957 میلادی داشته باشیم :
" هدف من متعجب کردن و یا شوکه کردن نیست ، اما ساده ترین راهی که من می توانم حرفم را خلاصه کنم گفتن این است که اکنون در دنیا ماشین هایی وجود دارند که می توانند فکر کنند، یاد بگیرند و خلق کنند . "
5
با توجه به تعدد کاربردهای هوش مصـنوعی در مـدیریت و میـزان نفـوذ سیسـتم هـا ی خبـره در مـدیریت سازمان ها تحقیقات و پژوهش های فراوانی در این زمینه در جهان انجام گرفته و نتایج این بررسی ها نشان می دهد که استفاده از هوش مصنوعی و سیستم های خبره در مدیریت سازمان ها و نهادهای مختلف بـرای ترقی، بقا و کامیابی آنها در سطوح مختلف ضروری است. در این مقاله سعی بر آن شده است کـه مقـالات و کتب در این زمینه چه به صورت تئوریک و چه به صورت کاربردی باهم ترکیب شده و بتـوان دیـد مناسـب و فهمی درخور مطلب را به خواننده منقل کند.
در بحث هوش مصنوعی، حداقل به دو سؤال باید پاسخ داد: -1 هوشمندی چیست؟
-2 برنامههای هوشمند، چه نوعی از برنامهها هستند؟
تعریف دیگری که از هوش مصنوعی میتوان ارائه داد به قرار زیر است:
» هوش مصنوعی، شاخهایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال((reasoning و یادگیری((learning را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه میدهد.« و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
»هوش مصنوعی، مطالعه روشهایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.« به این ترتیب میتوان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کردهاند.
-1 منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان؛ -2 ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است.
هر دوی این نکات کماکان مبهم و قابل پرسشند. آیا تنها این نکته که هوشمندترین موجودی که میشناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبههای ادراک انسان همچون دیدن و شنیدن کاملاً ضعیفتر از موجودات دیگر است.
علاوه بر این، کامپیوترهای امروزی با روشهایی کاملاً مکانیکی(منطقی) توانستهاند در برخی جنبههای استدلال، فراتر از تواناییهای انسان عمل کنند.
بدین ترتیب، آیا میتوان در همین نقطه ادعا کرد که هوش مصنوعی تنها نوعی دغدغه علمی یا کنجکاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روشهای بهینه انجام امور باشد، به هیچ رو مشخص نیست که انسان اعمال خویش را به گونهای بهینه انجام میدهد). به این نکته نیز باز خواهیم گشت.
اما همین سؤال را میتوان از سویی دیگر نیز مطرح ساخت، چگونه میتوان یقین حاصل کرد که کامپیوترهای امروزین، بهترین ابزارهای پیادهسازی هوشمندی هستند؟
6
رؤیای طراحان اولیه کامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود که قادر به حل تمامی مسائل باشد، البته ماشینی که در نهایت ساخته شد(کامپیوتر) به جز دسته ای خاص از مسائل قادر به حل تمامی مسائل بود. اما نکته در اینجاست که این »تمامی مسائل« چیست؟ طبیعتاً چون طراحان اولیه کامپیوتر، منطقدانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی که فوننیومان سازنده اولین کامپیوتر، در حال طراحی این ماشین بود، کماکان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، لیدک اصلی، منطق(از نوع به کار رفته در کامپیوتر) نیست، بلکه احتمالاً چیزی خواهد بود شبیه ترمودینامیک!
به هرحال، کامپیوتر تا به حال به چنان درجهای از پیشرفت رسیده و چنان سرمایهگذاری عظیمی برروی این ماشین انجام شده است که به فرض این که بهترین انتخاب نباشد هم، حداقل سهلالوصولترین و ارزانترین و عمومیترین انتخاب برای پیادهسازی هوشمندیست.
بنابراین ظاهراً به نظر میرسد به جای سرمایهگذاری برای ساخت ماشینهای دیگر هوشمند، میتوان از کامپیوترهای موجود برای پیادهسازی برنامههای هوشمند استفاده کرد و اگر چنین شود، باید گفت که طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیادهسازی، کاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیک است که با استفاده از مکانیسمهای طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی.
در برابرمامیت استدلالات فوق می توان این نکته را مورد تاُمل و پرسش قرار داد که هوشمندی طبیعی تا بدان جایی که ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفتهاند که حتی ماده ایجاد کننده هوشمندی را مورد پرسش قرار داده اند، کامپیوتر از سیلیکون استفاده می کند، در حالی که طبیعت همه جا از کربن سود برده است. مهم تر از همه، این نکته است که در کامپیوتر، یک واحد کاملاً پیچیده مسئولیت انجام کلیه اعمال هوشمندانه را بعهده دارد، در حالی که طبیعت در سمت و سویی لاًکام مخالف حرکت کرده است. تعداد بسیار زیادی از واحدهای کاملاً ساده (بعنوان مثال از نورونهای شبکه عصبی) با عملکرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگیفوق العاده است. این مساُله هم اکنون کاملاً به صورت یک جنجال((debate علمی در جریان است.در هر حال حتی اگر بپذیریم که کامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیهسازی هر روش یا ماشین دیگری از آن سود بجوییم.
هوش مصنوعی به خودی خود علمیاست کاملاً جوان، در واقع بسیاری شروع هوش مصنوعی را 1950 میلادی می دانند زمانی که آلن تورینگ مقاله دوران ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت ( آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد میکرد. این روش بیشتر به یک بازی شبیه بود.
7
فرض کنید شما در یک سمت یک دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یک مکالمه بین شما و شخص آن سوی دیوار میتواند صورت پذیرد. حال اگر پس از پایان این مکالمه، به شما گفته شود که آن سوی دیوار نه یک شخص بلکه (شما کاملاً از هویت شخص آن سوی دیوار بیخبرید) یک ماشین بوده که پاسخ شما را میداده، آن ماشین یک ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است.
باید دقت کرد که تورینگ به دو دلیل کاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب کرد. اول این که موضوع ادراکی صوت را کاملاً از صورت مساُله حذف کند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم این که بر جهت دیگری هوش مصنوعی به
سمت نوعی از پردازش زبان طبیعی تاکید کند.
در هر حال هر چند تاکنون تلاشهای متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا AIML (زبانی برای نوشتن برنامههایی که قادر به chat کردن اتوماتیک باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.
همانگونه که مشخص است، این تست نیز کماکان دو پیش فرض اساسی را در بردارد: -1 نمونه کامل هوشمندی انسان است؛ -2 مهمترین مشخصه هوشمندی توانایی پردازش و درک زبان طبیعی است.
درباره نکته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نکته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این که توانایی درک زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی که به فلسفه((Epistemology پرداخته شده زبان همیشه در جایگاه نخست فعالیتهای شناختی قرار داشته است. از یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار میبردند تا فیلسوفان امروزین که یا زبان را خانه وجود میدانند، یا آن را ریشه مسائل فلسفی میخوانند؛زبان، همواره شاُن خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ کرده است.
با این ملاحظات میتوان درک کرد که چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دستیابی به هوشمندی میداند.
تست تورینگ اندکی کمتر از نیمقرن هوش مصنوعی را تح تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود که این مسئله بیش از هر زمان دیگری آشکار شد که متخصصین هوش مصنوعی به جای حل این
8
مسئله باشکوه ابتدا باید مسائل کماهمیتتری همچون درک تصویر (بینایی ماشین) درک صوت و… را حل کنند.
به این ترتیب با به محاق رفتن آن هدف اولیه، اینک گرایشهای جدیدتری در هوش مصنوعی ایجاد شدهاند. در سالهای آغازین AIتمرکز کاملاً برروی توسعه سیستمهایی بود که بتوانند فعالیتهای هوشمندانه(البته به زعم آن روز) انسان را مدل کنند، و چون چنین فعالیتهایی را در زمینههای کاملاً خاصی مانند بازیهای فکری، انجام فعالیتهای تخصصی حرفهای، درک زبان طبیعی، و.… میدانستند طبیعتاً به چنین زمینههایی بیشتر پرداخته شد.
در زمینه توسعه بازیها، تا حدی به بازی شطرنج پرداخته شد که غالباً عدهای هوش مصنوعی را با شطرنج همزمان به خاطر میآورند. مککارتی که پیشتر اشاره شد، از بنیانگذاران هوش مصنوعی است این روند را آنقدر اغراقآمیز میداند که میگوید:
»محدود کردن هوش مصنوعی به شطرنج مانند این است که علم ژنتیک را از زمان داروین تا کنون تنها محدود به پرورش لوبیا کنیم.«
به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهههای نخست را میتوان توسعه تعداد بسیار زیادی سیستمهای خبره در زمینههای مختلف مانند پزشکی عمومی، اورژانس، دندانپزشکی، تعمیرات ماشین،..… توسعه بازیهای هوشمند، ایجاد مدلهای شناختی ذهن انسان، توسعه سیستم های یادگیری،.… دانست. دستاوردی که به نظر میرسد برای علمی با کمتر از نیم قرن سابقه قابل قبول به نظر میرسد.
افقهای هوش مصنوعی
در 1943،Mcclutch (روانشناس، فیلسوف و شاعر) و Pitts (ریاضیدان) طی مقالهای، دیدههای آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را ترکیب کردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبکه عصبی بود. اجزای بسیار ساده (نورونها) این شبکه فقط از این طریق سیگنال های تحریک (exitory) و توقیف (inhibitory) با هم درتماس بودند. این همان چیزی بود که بعدها دانشمندان کامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین کامپیوتر در 1947 توسط
فون نیومان عمیقاً از آن الهام میگرفت.
امروز پس از گذشته نیمقرن از کار Mcclutch و Pitts شاید بتوان گفت که این کار الهام بخش گرایشی کاملاً پویا و نوین در هوش مصنوعی است.
پیوندگرایی (Connectionism) هوشمندی را تنها حاصل کار موازی و همزمان و در عین حال تعامل تعداد بسیار زیادی اجزای کاملاً ساده به هم مرتبط میداند.
