اهمیت و چشمانداز میانرشتهای هوشمصنوعی
بهطور کلی میانرشتهای بودن به معنای همکاری و تلفیق چند رشتهی علمی (با وزنهای از قبل تعریفشده اصلاحپذیر) برای حل یک مسئله به صورت اشتراکی است. در چنین مدلی، مرزهای سنتی، از میان برداشته شده و دانش (یا دانشهای) جدیدی در نقطهی تلاقی رستههای مختلف شکل میگیرد که اغلب، خصوصا با رعایت اصل اساسی Disruptive در مفاهیم تحول دیجیتال دانشی جدید را شکل میدهد.
هوشمصنوعی مشخصا چنین جایگاهی دارد. جایگاهی که به خطا آن را زیرمجموعهای از علوم کامپیوتری محض تلقی کرده و در حالی که این علم جدید از منظر علوم مهندسی جایی میان: ریاضیات، منطق (ریاضی) و علوم کامپیوتر، از منظر علوم انسانی تلفیقی مهم با: فلسفه، منطق (استنتاج) و روانشناسی و حتی در علم پزشکی با تلفیق درونی بسیار مهم علوم عصبشناختی و عملکردی مغز پدید آمده و توسعه یافته و مییابد.
مهیجتر آنکه این تلفیق میانرشتهای یادآوریشده فوق، از منظر درونساختاری و ایجادی هسته دانش هوشمصنوعی فهرست شده و زمانی که تولید یک محصول مشخص مبتنی بر هوشمصنوعی برنامهریزی میشود، دیگر علوم و دانشها ملزم به ورود در عرصه تولید شده و تاثیراتی با وزن بسیار بالا در مرحله تولید و توسعه محصول خاص منظوره را ایفا میکنند.
دلیل بنیادین فرابخشی بودن هوشمصنوعی مبتنی بر نگرش میانرشتهای در ذات مفهوم هوش نهفته است. لذا هرگز نباید فراموش کرد که نطفه اولیه تفکر هوش مصنوعی در میانه قرن بیستم، با اندیشه فلاسفه و ریاضیدانانی چون آلن تورینگ، جان مککارتی و هربرت سایمون بسته شده است و نه مهندسینی که آشنا با موضوعات خاصمحور علوم کامپیوتر مرتبط بوده و در آن فعالیت میکردهاند.
تورینگ در مقاله معروفش، منتشرشده در سال 1950، با عنوان ماشینهای محاسبهگر و هوش در تلاش برای پاسخ گفتن به این پرسش بنیادین بود که آیا ماشینها میتوانند فکر کنند؟ پرسشی که بیشتر ذاتی مبتنی بر علومانسانی داشته و دارد. در اینمیان ریاضیات و نگرش عددواره، ستون فقرات هر الگوریتم خصوصا شاخه هوشمند شدهی آن است. مفاهیمی مانند احتمال، آمار، جبر خطی، نظریه بهینهسازی، نظریه بازیها و حساب دیفرانسیل پایه شبکههای عصبی و مدلهای یادگیری ماشین را تشکیل میدهند.
برای درک مدل میانرشتهای که تاثیر مستقیم بر دورنمای سرمایهگذاری، توسعه، تولید و بهرهبرداری این علم و بالتبع محصولات حاصله از آن دارد، به صورت تیتروار نکات زیر باید مورد توجه قرار گیرد:
- الگوگیری از ساختار مغز انسان: شبکههای عصبی مصنوعی تلاشی کاملا ابتدایی برای تقلید از نحوه عملکرد نورونهای مغزی هستند.
- فلسفه و منطق: هیچیک از شاخههای فنی هوشمصنوعی بدون پشتوانه فلسفی قابلدرک نیست. فلسفه از ابتدا دربارهی هوش، آگاهی، اراده و اخلاق پرسش کرده و در نهایت فکرکردن شابلونپذیر را بنانهاده است.
- زبانشناسی و معناشناسی: وقتی ماشینها، زبان انسان را میفهمند، در واقع پردازش زبان طبیعی (NLP) به عنوان یکی از شاخههای مهم و ملموس هوش مصنوعی آغازشده و طبیعی است بدون همکاری زبانشناسان و روانشناسان حصول نتیجه کمخطا و بیخطا ممکن نیست.
- علوم داده: هوش مصنوعی بدون داده به مانند مغزی بدون حافظه یا کودکی دستنیافته به تجربیات جاری انسانی و نوپا است. علوم داده از از مقطع نظریهپردازی تا پیادهسازی زیربنای عملی هوشمصنوعی بوده، با توسعه اهداف و گسترش رفتاری، لحظه به لحظه نقش پررنگتری برعهده میگیرد.
- اخلاق: با گسترش حضور هوش مصنوعی در زندگی، بُعد انسانی و اجتماعی آن پررنگتر شده است. مسائل اخلاقی، رعایت اصل بسیار حیاتی حریم خصوصی همراه با اهمیت رعایت موضوع دادهباز در بخش زیربنائی حکمرانی داده و موضوع بسیار نگرانکنندهی وقوع تبعیض الگوریتمی نیازمند همکاری همهجانبه جامعهشناسان و فیلسوفان اخلاق است.
- سیاست، اقتصاد و مدیریت: تصمیمسازی (آنهم به صورت چابک) در دنیای هوشمصنوعی نتیجه اجتنابناپذیر این علم و محصولات آن است که در واقع امر، اساس هدفگذاری آن نیز هست. هوش مصنوعی بر مفاهیم زیربنائی، مدلهای پیشران و برنامههای عملیاتی موضوعات اقتصادی، مدیریتی و در نهایت سیاست اثر مستقیم دارد. لذا نمیتوان به اهمیت همکاری مستمر اقتصاددانان و مدیران (با رویکرد علم مدیریت) با متخصصان داده و الگوریتم، بیتوجهی کرد. این دسته از همکاران خصوصا در تدوین اصول الگوریتمیک، از لوازم توسعهی پایدار محصولات حاصله هستند.
اما بدون هیچگونه شک و شبهه، هوش مصنوعی درون معماری علوم کامپیوتر بوده و تفکر درونی علوم کامپیوتر به دو اصل بسیار مهم دادههای ساختیافته و الگوریتمهای تصمیمسازی و تصمیمگیری با عمق متفاوت و تصدیگری زیرمجموعهای از این علوم بر افزایش و بهینهسازی توان پردازشی GPU Farms بنانهاده شده است. اما در چشمانداز گسترده (Wide Perspective) نشانگر آن است که ظرف اقدام در هوشمصنوعی و ابزار وقوع آن، بیتردید علوم کامپیوتر بوده، لیکن به عنوان اصلی پیشگیرانه که سرمایهگذاریها را تهدید نکند، باید همزمان مفاهیم و جایگاه ظرف و مظروف، چارچوببندی گردیده و دورنمایی از اهمیت مفهوم میانرشتهای بودن این علم و فرابخشیشدن محصولات آن به نمایش گذاشته، شابلون دقیقتری از زوایای مختلف آن ایجاد و در نهایت براساس مدل چندوجهی اقدام کرد.
بدیهی است بیتوجهی به مدل چندوجهی و عدم توجه به شناخت و گردآوری همهجانبه کلیه نیازمندیها، همراه با ایجاد تصور صرفا پردازشی محض قطعا تهدید جدی پدید آورده، نتایج مطلوب را حاصل نکرده، سرمایهگذاریها را یا هدر داده و یا در بهترین وضعیت با بهرهوری بسیار پایین به بهرهبرداری میرساند.
* بنیانگذار و رئیس هیات مدیره گروه سیمرغ سامانه
