دکتر سید محمدرضا هاشمی گلپایگانی، رئیس گروه مهندسی پزشکی فرهنگستان علوم، در سخنرانی عمیق و تحلیلی به مقایسه اصول علمی هوش مصنوعی با هوش طبیعی پرداخته و با اشاره به ماهیت پردازش اطلاعات در مغز انسان و ماشین، بر تفاوت‌های بنیادین این دو سیستم تأکید کرده است.

در پاسخ به اصول علمی هوش مصنوعی در مقایسه با هوش طبیعی لازم است تا به تفاوتی مهم و اساسی میان آنچه در کامپیوتر روی می دهد اشاره کنیم و این تفاوت هوش نامیده می شود. اگر بخواهیم قدری صریح تر به تفاوت های میان سیستم هوشمند و سیستم های کلاسیک و تکنولوژیک اشاره کنیم باید بگوییم که یکی از تفاوت های مهم میان این دو نوع سیستم، نحوه ذخیره سازی با بازنمایی اطلاعات و نیز نحوه بکارگیری اطلاعات در راستای تصمیم گیری خواهد بود. مبنای اطلاعات در یک سیستم کلاسیک پردازشگر اطلاعات، پایگاه اطلاعات ایستا است که در اصطلاح به آن پایگاه داده (Database) گفته می شود. در پایگاه داده ها هیچگونه اطلاعات قاعده مندی که بتوان بر اساس آن ها اطلاعات جدیدی را تولید نمود، وجود ندارد. به این ترتیب برای حل این مسئله پیچیده در یک سیستم کلاسیک نیاز به پایگاه وسیعی از داده ها خواهیم داشت. به عبارتی دیگر اصول سیستم های کلاسیک صرفاً بر مبنای تجربیات گذشته بنا شده است و لذا این گونه سیستم ها عمدتاً در برخورد با رویدادهای ناگهانی و اتفاقی پس از مدتی با مشکلات و خطاهای بزرگی روبرو می شوند.

اما آنچه در سیستم های هوشمند (نظیر انسان) به چشم می خورد تلفیقی از پایگاه داده ی ایستا (Static Database)و پایگاه داده های پویا (Dynamic Database) است که به آن معرفت گفته می شود و به همراه فاکتوری به نام استنباط (Inference) که به جای شیوه محاسبه مورد استفاده قرار می گیرد. در واقع باید گفت که معرفت شامل داده های ایستا به همراه قواعدی است که موجب تولید داده های جدید در فضای حل مسئله می شود.

سال های اخیر شاهد دریابی از تغییرات در درون مایه و روش شناسی تحقیق در هوش مصنوعی بوده است. اکنون متداول آن است که ساخت هوش مصنوعی بر پایه نظریه های کنونی صورت گیرد تا انواع جدیدتری مطرح شود. بنابراین، تحولات عمده ای در روبات ها، بینایی رایانه ای، یادگیری ماشینی (شامل شبکه های - و هوش مصنوعی، دانش ساختن دستگاه ها یا برنامه های هوشمند است.)

هوش مصنوعی علم و فناوری مبتنی بر رشته هایی مانند علوم رایانه، زیست شناسی، روان شناسی، زبان شناسی، علوم کتابداری و اطلاع رسانی، ریاضی و مهندسی است. هدف هوش مصنوعی الهام گرفتن از هوش طبیعی و شناخت بهتر هوش انسان و در نتیجه خلق نرم افزارها و توسعه رایانه هایی است که بتواند فکر کند، ببیند و بشنود، راه برود، صحبت کند و حتی احساس کند. حقیقت عمده هوش مصنوعی، توسعه عملکرد های رایانه ای مشابه عملکردهای هوش مصنوعی مثل استدلال، تعامل، یادگیری و حل مسئله است. به طور کلی می توان چهار هدف زیر را برای هوش مصنوعی بر شمرد:

1- انسانی فکر کردن
2- انسان گونه عمل کردن
3- منطقی فکر کردن
4- منطقی عمل کردن

چرا رایانه ها نمی توانند کارهایی را که ما انجام می دهیم انجام دهند؟ شاید این تفاوت در شیوه ساختار علت اصلی اختلاف بین مغز و رایانه باشد. رایانه ها طوری طراحی شده اند که یک عمل را بعد از عمل دیگر با سرعت بسیار زیاد انجام می دهند ولی مغز ما با تعداد اجزای بیشتر اما با سرعتی بسیار کمتر کار می کند. در حالیکه صورت عملیات در رایانه ها به میلیون ها محاسبه در ثانیه بالغ می شود ولی سرعت عملیات در مغز تقریباً بیشتر از ده بار در ثانیه است. مغز در یک لحظه با تعداد زیادی اجزاء به صورت همزمان کار می کند، کاری که از عهده رایانه بر نمی آید. رایانه دستگاهی سریع اما پیاپی کاراست، درحالیکه مغز شدیداً ساختاری موازی دارد. رایانه می تواند مغز را در عملیات شمارش و جمع کردن پیاپی کاملاً شکست دهد ولی در عملیات موازی دیدن و شنیدن که داده های متضاد و متفاوت هر کدام موجب اثرات و ظهور خاطراتی متفاوت در مغز می شود و تنها از طریق ترکیب مجموعه این عوامل متعدد است که مغز می تواند چنین اعمال شگفتی را انجام دهد، رایانه قادر به انجام آن نبوده و شکست می خورد.

ادراک حسی در مغز دارای انواع کاستی هاست. از عمد نامطمئن، غیر دقیق، مبهم، ناکامل، ناسازگار و وابسته به ساختار است. مغز به خوبی بر این کاستی ها فائق آمده و موفق به فهم جهان می شود. با توجه به این حکایت رویکردهای عمده ای و نمادینی که قادر باشند انواع عدم قطعیت در اطلاعات را مبدل کنند، ضروری است و این مهم یکی از اهداف هوش مصنوعی است.

دانشمندان معتقدند که کامپیوتر استعاره مناسبی برای دستگاه شناخت انسان است. لیکن مبداء و مقصد این استفاده چیست، هماهنگی ندارد. گروهی از آنها اساس را بر مطالعه شیوه کار سیستم های ماشینی قرار می دهند و گروه دیگر دستگاه شناخت انسان و سیستم عصبی او را مطالعه می کنند تا به متخصصان کامپیوتر کمک کنند که برنامه کامپیوترهای پیشترفته تری را بسازند.

یک پیشرفت عمده در نزدیک محدوده طرز کار کامپیوتر عملیات شناختی در انسان ظهور پیوند گرایی یا نظریه شبکه های عصبی است. بر طبق این نظریه سازمان اطلاعات در حافظه ی انسان به گونه ای است که اطلاعات و داده های متنوع مربوط به یک شخص یا یک رویداد در چنین واحد مجزا ولی توسط ذخیره می شود نه در یک محل واحد. بلکه پردازش اطلاعات به شکل موازی صورت می گیرند نه به طور زنجیره ای.

در شرایط موجود و با گذشت چند قرن از علم نیوتنی هنوز طرز فکر کاملاً دترمینیستی را درباره سیستم های پیچیده و زیستی همانند سیستم های انسان ساخته و تکنولوژیک و مبنای اصل جمع اثرها و علت زنجیره ای و یک طرفه حاکم نگاه داشته علاوه بر آن پدیده ای جهان را از طریق به کار بردن قانون ریاضی و محاسبات کمّی با میدان داری کامپیوترهای رقمی بال و پر داده است.

پس از مطرح شدن اصول نسبیت عام و خاص توسط انیشتین و قدرت گرفتن اصل عدم قطعیت توسط هایزنبرگ اصول علمی جدیدی از دهه های 1930و پس از آن در نتیجه پیشرفت های ریاضی و منطقی علوم نظیر اصول تفکر سیستمی و نگرش سیبرتکنیکی و موضوع هوش مصنوعی در روش های محاسباتی هوشمند آنچنان مطرح گردید که با قبول آنها ناقص بودن قوانین نیوتونی آشکار گردیده و روش ها و مدل های محاسباتی مبتنی بر عدم قطعیت از یک طرف و از سوی دیگر قابل پیش بینی بودن رفتار پدیده ها برای زمان های آینده با در دست داشتن شرایط اولیه در بسیاری از پدیده ها خصوصاً در سیستم های پیچیده زیستی به شدت رنگ باخته و جای خود را به روش های تفاضلی و هوشمند و پردازش موازی داده بر این مبنا به کمک ابزارهای محاسباتی جدید نظیر شبکه ای عصبی، منطق فازی، سلولار اتوماتا، نظریه بازی ها، تئوری صف، الگوریتم های تکاملی و ژنتیک ریاضیات مبتنی بر قطع پوانکارب، معادلات بازگشتی، بایفور کاسیون و دیامیک های غیر خطّی پویا، پردازش و کنترل مبتنی بر آشوب، ریاضیات کیفی، منیفلدها و هندسّه فراکمال، معادلات دیفرانسیل تاخیری، فازی و کسری روش های محاسباتی هوشمند و تکاملی قادریم سیستم های پیچیده و زیستی را مدل سازی کنترل و پردازش نماییم.

هوش انسان مجموعه ای از فرایندهای شناختی است که مرتباً مطابق با محیط به روز رسانی شده و تلاش می کند تا بستر جذب مربوط به مکانیزم های مختلف بدن انسان در یک شرایط پایدار و متعادل حفظ نماید. هوش انسان ترکیبی از قدرت پردازش های مغزی، حافظه، تفکر، خود سازماندهی، خودآگاهی، تصمیم، منطق و ... هست که ترکیب این عوامل منجر به شکل گیری یک شناخت و آگاهی دقیق از محیط می شود. هوش انسانی به گونه ای عمل می کند که رفتارهای انسان در برخورد با محیط پیرامون را توان با عدم قطعیت مدل می نماید و انسان را در بروز رفتارهای غیر منتظره جدید و بهینه در شرایط غیرقابل پیش بینی توانمند می کند. این در حالی است که هوش مصنوعی مجموعه ای از سخت افزارها و نرم افزارهای معینی است که اولاً در دریافت و کسب اطلاعات از محیط به صورت قطعی عمل کرده و ثایناً به شناختی از پیش تعیین شده می رسد، به عبارت دیگر هوش مصنوعی در دستیابی به شناخت معیّن و سطحی از محیط، نسبت به تغییرات محیطی بسیار خشک و غیر منعطف عمل می کند و در پردازش داده ها و اطلاعات ورودی پیچیدگی مغز انسان را ندارد. به این ترتیب واضح است که هوش مصنوعی و اساساً تمام ماشین های انسان ساخته، صرفاً برای تقلید برخی و نه همه رفتارهای انسانی ساخته شده است و عملکرد آنها نیز تنها در یک فضای قابل پیش بینی و محیطی با تغییراتی قطعی امکان پذیر است.

هوش مصنوعی ماهیتّی آنالوگ دارد و در برخورد با داده ها، اطلاعات و هرآنچه از محیط کسب می کند به صورت دیجیتال برخورد نمی کند. فرایند پردازش اطلاعات نیز در مغز انسان به صورت دیجیتال و گسسته نبوده و مغز تمام دریافت های محیطی خود را با جزئیات مورد تحلیل و بررسی قرار می دهد. این در حالی است که هوش مصنوعی بر پایه اطلاعات گسسته سازی شده و پردازش دیجیتال توسعه یافته و تمام ورودی ها از محیط را نیز به صورت دیجیتال می بیند.

این امر نشان می دهد که هوش مصنوعی حتی در بکارگیری اطلاعات شانونی نیز به صورت بی نقض عمل نکرده و بخش زیادی از اطلاعات را در این گسسته سازی و ساده سازی از دست می دهد.

به این ترتیت حتی اگر ساختار درونی انسان و یک ربات هوشمند را عیناً مشابه در نظر بگیرید، به دلیل تفاوت در ماهیّت اطلاعات و پردازش های هوش طبیعی و مصنوعی این دو دارای خروجی ها و نتایج کاملاً متفاوت خواهند بود و در واقع شناختی که از هوش مصنوعی حاصل می گردد تنها مانند تصویری مبهم و ناقص از شناخت حاصل از هوش طبیعی است.

عدم وجود خلاقیّت در هوش مصنوعی، تنها به بخش تولید پاسخ و کنش محدود نمی شود، بلکه ربات های هوشمند در تحلیل و پردازش اطلاعات و داده های جدید نیز فاقد خلاقیّت بوده و در نتیجه در دستیابی به شناخت های جدید و تازه از محیط پیرامون خود نیز عاجز است.

عدم وجود خلاقیّت در هوش مصنوعی تمام هوشمندی این سیستم انسان ساخته را زیر سوال می برد. چرا که بدون مهم تغییرات محیطی و عدم توانایی در دستیابی به شناخت دقیق و سازگار با محیط عملاً هوشمندی معنایی نخواهد داشت و فضای عملکردی سیستم نیز به یک فضای قطعی و معیّن محدود خواهد شد. عملکرد سیستم در یک فضای قطعی نمی تواند خلاقانه باشد و اساساً سیستمی که قدرت پاسخ دهی به هرگونه غیرمنتظره ای را نداشته باشد را نمی توان هوشمند نامید. از دیدگاهی دیگر می توان هوش مصنوعی را وابسته به هوش انسان دانست. چرا که تمام فعالیت های محدودی که توسط هوش مصنوعی قابل انجام است جز حاصل اطلاعات و ساختاری است که توسط انسان به این ماشین ها ارزانی داده شده است.

برای مثال هوش مصنوعی می تواند با سرعت بسیار بالایی و حتی سریع تر از انسان به بازشناسی و پردازش متن بپردازد، اما درکی از این متن ندارد. چنین پردازش هایی هرچند بدون خطا و با سرعت و دقت بالا انجام شود نمی تواند فرایند درک و شناخت در مغز و هوش انسان را بازنمایی نماید.

از دیگر تفاوت های هوش انسانی و هوش مصنوعی مسئله خود سازمان دهی است که چنین خاصیتی در هوش مصنوعی دیده نمی شود و منشاء آن عدم وجود تمایلات و بستر میدانی برای تبادل اطلاعات است. خود سازماندهی این امکان را به سیستم می دهد تا با قرارگیری در شرایط و موقعیت های مختلف و در حضور اغتشاشات مختلف همچنان فعالیت های خود را ادامه داده، پایدار بماند و برای رسیدن اهداف مشخص خود راه حل های جدیدی را خلق نماید.

تمام فعالیت های مشخص و معینی که توسط هوش مصنوعی خلق می شود صرفاً با کلید زنی به وسیله ورودی خاص انجام می شود که در این مکانیزم ساده هیچ پردازش پیچیده ای در راستای شناخت محیط انجام نمی شود. اینجاست که هوش مصنوعی نه تنها جایگزینی برای هوش انسانی نمی تواند باشد بلکه با هر سطحی از تکنولوژی قادر خواهد بود حتی پایه ای ترین فرایندهای شناختی و پردازشی مغز انسان را تقلید نماید.

بسیاری از فعالیت های امروز که در حوزه پزشکی برای شناخت بیماری و فعالیت های سیستم بدن انسان صورت می پذیرد شناختی سطحی بر پایه جمع آوری داده هاست. پزشکان در بسیاری از روش های تشخیص بیماری ابتدا به جمع آوری داده پرداخته و سپس با ترکیب و کار هم گذاشتن این داده ها به شناختی بسیار سطحی و حتی نادرست از آن سیستم زیستی مورد نظر دست یابند. این امر مانند آن است که یک رباط با سه لینک داشته باشید و بخواهیم از روی حرکت endpoint دست ربات، به گشتاورها و سایر مشخصات حرکتی هر یک از لینک ها دست یابیم.

واضح است که لزوماً با داشتن trajectory endpoint نمی توان trajectory هر لینک ربات را به طور دقیق شناسایی کرد. نتیجه آن که تمام روش های تشخیص که صرفاً مبتنی بر جمع آوری داده ها هستند روش هایی ناقص و گمراه کننده است.

مسئله شبیه سازی کارکرد هوش فطری که در ماشین های اطلاعاتی با ربات ها با شاخه های علمی متعددی سر و کار دارد که با زندگی، روانشناسی و خصوصیات ویژه انسانی آمیخته است. طراحی و معماری یک سیستم هوشمند حرکت از کمّیت به کیفیت، خلق اطلاعات جدید و رسیدن به معرفت است تا این راه پایه ریزی مدل مناسب از پدیده های هوشمند جهت تصمیم گیری عملکرد های هوشمندانه فراهم گردد.

سیاست علمی یک انسان ماهر و خبره در تولید مهارت و دانش از فلسفه کل نگری و تعامل چه درون شخص خبره و چه در تعامل او با محیطش تبعیت می نماید. واضح است که دانش و مهارت شخص خبره را نمی توان و نبایستی از سیاست علمی جزنگر و جمع آثار که در مدل سازی فازی متداول است طراحی و مدل نمود. حتی با این ادعا که از طریق ریاضیات و مدلسازی و کنترل فازی می خواهیم به تقریبی از دانش و مهارت شخص خبره دست پیدا کنیم تا آن را مثلاً به ربات از طریق الگوریتم کامپیوتری منتقل نموده و به اصطلاح ربات ها را توانا و هوشمند نماییم.

آقای زاده در مورد توانایی و خصوصیات ویژه انسان و شخص خبره در مقایسه با سیستم های هوشمند و الگوریتم های فازی نکاتی را مطرح نموده که در اینجا به چند مورد آن اشاره می شود.

1- انسان دارای توانایی ویژه ایست که می تواند اعمال فکری و فیزیکی متنوع و وسیعی را بدون هرگونه اندازه گیری و محاسبات کمی و تنها بر مبنای درک فاصله، سرعت، جهت و سایر خصوصیات پدیده های فیزیکی و فکری به انجام رساند.

2- ما قادر نیستیم پروگرام و الگوریتمی بنویسیم که بتواند یک کتاب را خلاصه نماید. یا اینکه ما نمی توانیم به طور اتوماتیک یک اتومبیل را در ترافیک سنگین شهر و بر مبنای الگوریتم های هوشمند هدایت و به طور موفق برانیم و از اینکه بتوانیم سیستمی را بسازیم که قادر باشد زبان طبیعی را بفهمد بسیار ناتوان بوده و فاصله زیادی داریم.

3- در دنیای واقعی، آن طور که توسط انسان ها دریافت می شود اکثر گزاره ها تا درجه ای از صحت هستند. انسان ها دارای ظرفیت خیره کننده ای در استدلال و اتخاذ تصمیم منطقی در شرایط و وضعیت نا دقیق توام با عدم قطعیت و نقص اطلاعات می باشد. این چنین توان فراتر از دسترسی ریاضیات فازی است. ریاضیاتی که تحمل عدم دقت و نقص واقعیت را دارا نمی باشد در دهه های اخیر تفکر سیستمی و کل نگر به عنوان یک اصل کلیدی و محوری در پژوهش و قانونمندی علمی مورد توجه بسیاری قرار گرفته و گرایش به مطالعه و کاربرد سیستم به عنوان یک وجود انتزاعی و در واقع یک کل و نه به عنوان مجموعه از اجزای جدا از یکدیگر با علوم مختلف معاصر همراه و عجین گشته است و در واقع باید گفت که نظریه سیستم ها و تفکر کل نگرا اکتشافات علمی کل ها و کلیت هایی است که در گذشته نه چندان دور مفاهیمی متافیزیکی و فراتر از مرزهای علم تلقی می شد.

آقای لطفی زاده در سال 1962 در مجله IRE همان IEEE امروزی مقاله ای تحت عنوان:

From eircuit theory to system theory نوشت و در انتهای مقاله و در قسمت concluding remarks چنین آورده است. (پیوست شماره الف)

سیستم های مصنوعی نظیر ترموستات و اتوپایلوت خود سازمانده نیستند و اهداف اولیه آنها توسط طراحشان در آنها تعبیه شده و آنچه سیستم های مصنوعی را از سیستم های زیستی در امر کنترل متمایز می سازد موضوع پایداری در مقایسه با هدفمندی است. در سیستم مصنوعی و کنترل پایدار سیستم به طور اتوماتیک به حالت ایستاده خود باز می گردد بدون آنکه کار و تلاش خاصی به صورت فعال صورت گیرد. اما سیستم زیستی و هدفمند بایستی به صورت فعال تلاش نماید تا هدف خود را تامین کند.

آقازاده نامناسب بودن بنیاد ریاضیات متداول و حتی معیارهای احتمالاتی و توابع توزیع احتمالی را برای شناخت و مدل سازی سیستم های جاندار و همچنین به طور فزاینده برای سیستم های بی جان و انسان ساخته (نظیر ربات ها) به صراحت مطرح و ضرورت دستیابی به نوع متفاوتی از ریاضیات را که برای پدیده های فازی با کمیت های مبهمی که قابل توصیف با توابع توضیح احتمالاتی نیستند، تاکید می نماید. (پیوست شماره ب)

مدل کردن و شناخت دانش شخص خبره نیاز به کارگیری چنین ریاضیات متفاوتی که قادر باشد عدم قطعیت را به خوبی مدل نماید دارد. حتی برای مسئله مدار الکتریک مشتمل بر دو سلف متعامل چنین ریاضیاتی مورد نیاز است. مثلاً برای حل مسئله سه جرم بایستی از ریاضیات قطع پوانکاره استفاده نمود که امروزه برای شناخت و مدل سازی سیستم های پیچیده زیستی و سیگنال های حیاتی در انسان و همچنین سیستم های انسان ساخته و پیچیده به طور روز افزون مطرح و مورد استفاده است. استفاده از ریاضیات آشوب گونه و جاذب می تواند کمبود و ضعف مدل شورینگر در کوانتوم مکانیک را با به کارگیری کوانتوم کاس به کوانتوم مکانیک به میزان زیادی مرتفع نماید.

در مدل سازی فازی به منظور دسترسی به دانش و مهارت شخص خبره چنانچه در توابع عضویت آن از ریاضیات پوانکاره و آشوب استفاده شود می توان به میزان چشمگیری خطای حاصل از توابع عضویت کریسب (غیرقابل انعطاف و سخت) را جبران نموده و به میزان قابل توجهی مدلسازی فازی را به رفتار شخص خبره نزدیک نمود.

قانون هوش مصنوعی یا رایانه فقط یک حالت دقیق دارد. بنابراین نمی تواند عبارت نامعین و غیر دقیق را پوشش دهد. لذا مدل کردن دانش خبره که کاملاً در فضای عدم قطعیت و دارای خاصیت تطابقی است با بکارگیری توابع عضویت قطعی میسر نمی باشد..

-چرا رایانه را جایگزین یک قاضی و یا خلبان نمی سازند؟ یک قاضی قاعدتاً باید تمام اصول را پس از درک و سنجیدن در رای و تصمیمی که برای آن مسئله خواهد گرفت در نظر بگیرد. یک رایانه می تواند مستقیماً این تصمیم را به وسیله کتاب قانون آن انجام دهد. خلبان نیز در شرایط دشوار و غیر عادی می بایستی به کمک تجربه و درک خود از شرایط هواپیما را هدایت و کنترل نماید. اما اتوپایلوت این کار را بایستی بر مبنای الگوریتم نرم افزاری که رایانه ذخیره نموده انجام دهد. البته ممکن است به طور موفقیت آمیز این شرایط غیرعادی را پوشش نداده و قادر نباشد هواپیما را هدایت و کنترل نمایند.

نورون های مغز مانند حافظه رایانه عمل نمی کند. بوی لیمو ترش را نگه نمی دارد. شما می توانید چندین میلیون سلول را به طور تصادفی از مغزتان خارج کنید بدون اینکه بر ذهن شما اثر بگذارد. در صورتی که اگر تعداد کمی از سیم ها یا مدارهای رایانه ای را از آن جدا کنید رایانه را درهم می شکند. برای کنار ماندن از محدودیت های وابستگی فازی به توابع عضویت کریسپ و نزدیک شدن به ویژگی های عملکردی و ساختار مغز انسان پیشنهاد می شود از ترکیب سیستم های فازی با تئوری آشوب استفاده نمایید. بنابراین ترکیب آشوب و مجموعه های فازی می تواند سیستم های فازی بسیار توانمندی را آنچنان ایجاد نماید که هم از قابلیت های دینامیک های آشوبگران برخوردار باشند و هم از قابلیت فازی سازی و استدلال تقریبی از تئوری مجموعه فازی.

مغز انسان قادر است عدم قطعیت را با خلق اطلاعات جدید یا با جستجوی آشوب گونه از میان اطلاعات قبلی در کوتاه ترین زمان ممکن پردازش نماید. سپس ترکیب این سیگنال ها منجر به شکل گیری احساسات فازی (مثلاً احساس سردی هوا) می شود.

سه خصوصیات ویژه انسان هوشمند که تاکنون هوش مصنوعی نتوانسته به آنها دست یابد عبارتند از:

الف- صورت بندی شامل تعریف مسئله تعیین اهداف جدید و پایه ریزی معیارهای جدید برای انتخاب پاسخ ها از عناصری هستند که تاکنون حق ویژه انسان ها بوده.
ب- تحلیل شرایط مسائل جستجو در اصول حل مسئله نیز طرح ریزی برای تحقق آن
ج- تفسیر حل صوری و بیان نمادین آن، تبدیل سینگال محرک به تصویر و نهایتاً درک کلی که هنوز کامپیوترها قادر به شبیه سازی آن نمی باشد.

هدف از تلاش های تحقیقاتی در زمینه هوش مصنوعی این نیست که ماشین ها جایگزین بشر شوند، بلکه هدف تقلید فعالیت ذهنی انسان به منظور اطلاع انتقال وظایف روزمره و تکراری به کامپیوتر و اطمینان یافتن از تصمیم گیری مناسب است. اتوماسیون باید عاملی برای معقول کردن فعالیت بشر تلقی شود و نه جایگزین آن.

رهیافت الگوریتمی (قالب ریزی شده) به فعالیت ذهنی بشر در توصیف معمولی ترین کارها از قبیل حسابداری، محاسبات ساده مهندسی و نظایر آن سودمند است و تلاش برای خودکار کردن چنین اعمال نتیجه مثبت داشته است. اما اتوماسیون فعالیت های خلاق مانند تصمیم گیری، انتخاب، اصلاح تصمیمات و تحلیل موقعیت های پیچیده خصوصاً در سیستم های زیستی تاکنون با شکست مواجه شده است.

امروز تمام کسانی که با هوش مصنوعی سر و کار دارند، دریافتند که روش های هوش مصنوعی در مسائل پردازش، مدل سازی کنترل و شناخت خصوصاً در سیستم های پیچیده و زیستی کافی و پاسخگو نیست. اکنون به کامپیوترها آموختند که باید جمله ها را تحلیل نحوی کنند. انسان ها با داشتن مدل مشترک از جهان می توانند جملات غلط از لحاظ نحوی را درک کنند و اگر قرار باشد برای بالابردن یازده فعالیت ذهنی انسان در محیط ارتباطی او از کامپیوتر استفاده شود می بایست یک مدل معنایی از بخشی از هدف مشخص در حافظه کامپیوتر حفظ شود.

برای به وجود آوردن هوش مصنوعی این سوال باقی می ماند که چه چیزی را باید شبیه سازی کنیم؟ به نظر می رسد که پاسخ بسیار صریح و قاطع است. به جای شبیه سازی فرایندهای بازی شطرنج، آهنگسازی و شرکت در گفت و گوهای کوتاه باید کل مکانیزم روانی مغز را که به سازماندهی فرایندها کمک می کند، شبیه سازی کنیم. متاسفانه علم ما هنوز نمی تواند همه پرسش های ما را درباره ساختار و کارکرد چنین مکانیزم هایی پاسخ دهد.

مراحل و اجزای فرایند حقیقی و فعالیت ذهنی بشر و کارکردهای ذهن و تفکر طبیعی از لحاظ اندامی چنان با هم مرتبط اند که نمی توانند با قطعات مجزا و منفصل با مجموعه ماشین ارتباط داشته باشند. مراحل مختلف چنین فرایند ذهنی، همپوشان و در هم بافته اند و از لحاظ ژنتیکی از یکدیگر نشات می گیرند.

حیوانات، انسان ها و ترکیب های انسان- ماشین، معرف سیستم هایی هستند که می توانند مسائل مختلف را حل کنند. این مسائل می توانند از دو نوع باشند، مسائل تکثیری که در آنها وضعیت ها، وسائل و روش ها (الگوریتم ها) و مسائل خلاق که در آنها وضعیت ها، وسایل و روشها کامل نیستند و هرگونه حلقه گمشده ای را باید خود سیستم از طریق بر هم کنش با محیط و استفاده از تجارت گذشته فراهم کند.

چرا عناصر خلاق در مقابل صورت بندی مقاومت می کنند؟ همه خواص صورت بندی نشده فرایند ذهنی، تجلیات مختلفی از پدیده فعالیت اند که به انگیزه بستگی دارند. این انگیزه ممکن است به نیازهای اساسی مانند گرسنگی، تشنگی و مانند اینها و یا نیازهای جهت دار و اصلاحات آنها (شناخت جهان خارج، احساسات، تمایلات، هوس ها برای مثال) مرتبط باشند. این نیازها منبع اولیه خلاقیت در همه مراحل حل مسئله اند. کامپیوترهای امروزی سیستم های خود سازمانده نیستند. آنها نیازی ندارند (از قبیل نیازهای فوق) و در نتیجه از اجرای کارکردهای خلاق ناتوانند.

نوید بخش ترین و موثرترین زمینه پژوهش، سیستم های دو رگه انسان- ماشین است که در آنها انسان تفکر خلاق را انجام می دهد و کامپیوتر که از لحاظ الگوریتمی هر برنامه ای را اجرا می کند. هر مسئله خلاق، عناصر خلاق به خصوصی دارد که از لحاظ تعداد و توزیع در فرایند حل مسئله متفاوت است. طبقه بندی و مطالعه مسائل خلاق برای تقسیم کارکردهای میان انسان و کامپیوتر به نحو بهینه نه تنها وظیفه سایبرتکنیک است، بلکه همه علومی که با فعالیت خلاق انسان سر و کار دارند در این مورد مسئول اند.
آقای B.V.Biryukov می گوید: با عقیده (Berg) عضو فرهنگستان علوم روسیه موافقم که ماشین نمی تواند همچون انسان هوشمند که در محیط های اجتماعی زندگی می کند و سیستم های پیچیده ای از نیازها و اهداف القا شده از سوی جامعه را داشته و از زبان طبیعی برای تبادل افکار با دیگر موجودات هوشمند استفاده می کند به تفکر بپردازد.

در حالت کلی تفاوت مهم میان سیستم های کلاسیک و مبتنی بر هوش مصنوعی با سیستم های هوشمند طبیعی و زیستی را می توان در جدول زیر مشاهده نمود.

در پایگاه داده های ایستا هیچگونه اطلاعات قاعده مندی که بتوان بر اساس آنها اطلاعات جدیدی را تولید نمود، وجود ندارد. به این ترتیب برای حل مسئله پیچیده در یک سیستم کلاسیک نیاز به پایگاه وسیعی از داده ها خواهیم داشت و لذا اصول سیستم های کلاسیک صرفاً بر مبنای تجربیات گذشته بنا شده است. به عبارتی اینگونه سیستم ها عمدتاً در برخورد با رویدادهای ناگهانی و اتفاقی بعد از مدتی با مشکلات و خطاهای بزرگی مواجه می شوند. اما آنچه در سیستم های هوشمند به چشم می خورد تلفیقی از پایگاه داده ایستا و پایگاه داده پویاست (معرفت پویا به همراه فاکتوری به نام استنباط).

مسئله ای که باید پاسخش را در پارامترهای مختلفی همچون احساس، عشق، آرمان، شادی، غم و ... جستجو نمود مرتبط به پدیده هایی هستند که بی شک نمی توانند به طور کامل به ماشین منتقل گردند. به عنوان مثال نمی توان کامپیوتری را پیدا کرد که کاری برای رضای خدا انجام دهد و یا پس از بازی شطرنج و برد و باخت احتمالی خوشحال شده و یا غمگین و افسرده شود.

با امید به توفیقات الهی
مرداد ماه 1404
سیدمحمدرضا هاشمی گلپایگانی