چرا هوش مصنوعی نمی‌تواند بدون بدن فیزیکی به حداکثر پتانسیل خود برسد؟

هوش مصنوعی (AI) در مسیر پیشرفت‌های بزرگ قرار دارد و اکنون به یکی از فناوری‌های کلیدی در خودروهای خواران، دستگاه‌های ترجمه‌ی خودکار، تحلیل متن و گفتار، پردازش تصویر و انواع سیستم‌های تشخیص بدل شده است. AI در بسیاری از وظایف فراتر از انسان عمل می‌‌کند. امروزه شاهد رشد صنایع نوظهور در زمینه‌ی هوش مصنوعی هستیم. به‌نظر می‌رسد هیچ زمینه‌ای از توان هوش مصنوعی خارج نیست. هیچ وظیفه‌ای نیست که نتوان خودکارسازی کرد و هیچ مشکلی وجود ندارد که نتوان به کمک هوش مصنوعی حل کرد؛ اما محدودیت هوش مصنوعی چیست؟

پژوهش‌های تئوری در زمینه‌ی رایانش نشان می‌دهند، برخی چیزها قابل محاسبه نیستند. آلن تورینگ، ریاضیدان و رمزگشای برجسته ثابت کرد برخی محاسبات هرگز به پایان نمی‌رسند یا می‌توانند چندین سال و حتی قرن‌ها به طول بیانجامند؛ برای مثال به‌سادگی می‌توان حرکت‌های بعدی در بازی شطرنج را محاسبه کرد؛ اما محاسبه‌ی تمام حرکت‌ها تقریبا غیرممکن است. حتی با استفاده از سریع‌ترین ابرکامپیوتر‌های جهان که در هر ثانیه قادر به اجرای صد هزار تریلیون عملیات هستند، محاسبه‌ی بخش کوچکی از فضای شطرنج بیش از یک سال به‌طول می‌انجامد. به این مشکل، مسئله افزایش مقیاس گفته می‌شود.

پژوهش‌های اولیه‌ی هوش مصنوعی اغلب روی تعداد اندکی از ترکیب‌های مسئله متمرکز بودند (مسائل موسوم به مسئله اسباب بازی، تعداد پوچ‌ها و ضربدرها)؛ اما به مقیاس‌های بزرگ‌تر مثل شطرنج تعمیم نیافتند (مسائل واقعی). خوشبختانه‌ هوش مصنوعی مدرن، روش‌های مختلفی برای حل چنین مسائلی ارائه می‌کند. با این روش‌ها نه‌تنها با بررسی حرکت‌های بعدی بلکه با نگاه کردن به عملکرد ذهن انسان، می‌توان بهترین بازیکنان انسانی را شکست داد. هوش مصنوعی این کار را با استفاده از تخمین‌های احتمال، شبکه‌های عصبی بزرگ و دیگر روش‌های یادگیری ماشین انجام می‌دهد.

مشکلات اصلی هوش مصنوعی در تعامل انسان و کامپیوتر نمود می‌یابند. سیستم‌های آینده‌ی هوش مصنوعی معمولا به‌صورت دوستانه و کاملا تعاملی با انسان ارتباط برقرار می‌کنند.

نظریه‌ی ذهن

درحال‌حاضر نسخه‌های اولیه‌ای از سیستم‌های تعاملی ساخته شده‌اند؛ اما سیستم‌های فرمان صوتی و پردازش اسکریپت به سبک مرکز تماس، صرفا تظاهری از مکالمه‌های واقعی هستند. سیستم‌های هوش مصنوعی در بلندمدت به تعامل اجتماعی از جمله‌ مکالمه‌های آزاد نیاز دارند. در این مکالمه‌ها سیستم AI می‌تواند مخاطب و مکالمه‌های گذشته‌ی او را به خاطر بیاورد. همچنین قادر خواهد بود نیت و باورهای مخاطب را درک کند.

برای دستیابی به سیستم تعاملی، به روانشناسی از نوع نظریه‌ی ذهن نیاز است. طبق نظریه‌ی ذهن، مخاطب هم دنیا را مانند شما می‌بیند. به‌طوری‌که وقتی شخصی درباره‌ی تجربیات خود صحبت می‌کند بتوانید توصیفات او را شناسایی و روابط این توصیف‌ها را با خود درک کنید.

معمولا با مشاهده‌ی رفتار مخاطب می‌توان به نیت و اولویت او از حالت‌ها و علائم پی برد؛ بنابراین وقتی سالی می‌گوید: «من فکر می‌کنم جان، زوئی را دوست دارد اما تصور می‌کند زوئی او را نامناسب می‌بیند.» در اینجا می‌دانیم سالی مدلی درجه اول از خود و افکارش، مدلی درجه دوم از افکار جان و مدلی درجه سوم از ذهنیت جان نسبت به ذهنیت زوئی دارد. برای درک چنین موقعیتی نیاز به تجربه‌های مشابه داریم.

یادگیری فیزیکی

بدیهی است تعامل اجتماعی زمانی معنی‌دار می‌شود که تمام طرفین درگیر در مکالمه، درکی از خود داشته باشند و بتوانند مدل خود از دیدگاه مخاطب را حفظ کنند. برای درک دیگران، باید در ابتدا خود را شناخت. «مدل خود» هوش مصنوعی باید شامل دیدگاهی ذهنی از مواردی مثل چگونگی عملکرد بدن (برای مثال دیدگاه بصری به موقعیت فیزیکی چشم‌ها وابسته است)، نقشه‌ای دقیق از فضای خود و فهرستی از مهارت‌ها و توانایی‌های خود باشد.

وجود بدنی فیزیکی برای تعبیه‌ی درک خود در داده‌ها و تجربیات لازم است. شخص با دیدن اقدام فردی دیگری ازطریق شناسایی مؤلفه‌های مشترک به درکی مشترک از آن تجربه می‌رسد؛ بنابراین هوش مصنوعی اجتماعی باید در ربات‌هایی دارای بدن پیاده‌سازی شود. برای مثال یک جعبه‌ی نرم‌افزاری چگونه می‌تواند دیدگاهی ذهنی از جهان فیزیکی و دنیای انسان پیدا کند؟ سیستم‌های محاوره‌ای هم باید در جسم نمود پیدا کنند.

طراح نمی‌تواند نرم‌افزار ادراک را برای یک ربات به شکلی بهینه بسازد. اگر طراح دیدگاه ذهنی را طراحی کند، این دیدگاه متعلق به او خواهد بود نه ربات؛ بنابراین به چارچوبی نیاز است که بتواند از یادگیری دیدگاه ذهنی پشتیبانی کند.

خوشبختانه راهی برای حل مشکلات فوق وجود دارد. انسان‌ها معمولا با مشکلات مشابهی روبه‌رو هستند که نمی‌توانند به‌صورت یکجا حلشان کنند. انسان در اولین سال‌های طفولیت، می‌تواند بدن خود را کنترل کند، اشیاء و محیط را درک کنند. همچنین به‌مرور یاد می‌گیرد که نسبت به پیامد رفتارها و ارتباطات خود واکنش نشان دهند.

پژوهش‌های حوزه‌ی جدید رباتیک حالا به یادگیری ربات‌ها از صفر اختصاص یافته‌اند. اولین مراحل شامل کشف خاصیت اشیا و فیزیک دنیای ربات‌ها است. سپس ربات‌ها می‌توانند از رفتار و روابط نگه‌دارنده‌ی خود تقلید کنند و به درک پیچیده‌تری از خود برسند. درنتیجه، هوش مصنوعی بدون بدن فیزیکی با محدودیت‌هایی جدی روبه‌رو است و بهتر است پژوهش‌های آینده به بدن ربات‌ها اختصاص پیدا کنند که روزی به روابط اجتماعی پایدار بین هوش مصنوعی و انسان می‌انجامند.