آیا کامپیوتر هم فکر می کند؟! 

دوست عزیزی که در زمینه هوش مصنوعی کار می کند باب گفتگویی را گشودند که بر آن شدم در این زمینه نکاتی بنویسم... عجالتا قسمتی از مقاله ای را که قبلا درباره برهان سرل نوشته ام می آورم تا بعد !

...........................................................................................................................................................

 برهان اتاق چینی ...استدلالی است علیه هوش مصنوعی قوی (Strong AI) ، این برهان مبتنی بر یک آزمایش فکری است که در آن شخصی که زبان چینی نمی فهمد، درون اتاقی محبوس است، از منظر بیرونی به نظر می رسد که زبان چینی را می فهمد، به طریق مشابه سرل می خواهد نشان دهد که اگرچه ممکن است که یک کامپیوتر قادر باشد به زبان طبیعی تکلم کند اما در واقع، کامپیوتر اصولا" (in principle) نمی تواند آن زبان را بفهمد. چرا که کامپیوترهای امروزی، تنها کاری که می کنند، پردازش نماد (symbol manipulating) است و هیچ فهمی از معنا (meaning) یا سمانتیک (semantics) ندارند. استدلال سرل به تبع پروژه هوش مصنوعی، علیه تلقی کارکردگرا (functionalist) و نیز محاسباتی (computational) از ذهن نیز هست... کامپیوترهای امروزی قادرند که شطرنج بازی کنند و نیز برنامه هایی وجود دارد که به وسیله ی آن می توانند به زبان طبیعی مکالمه کنند(Cole,2004)  و خیلی کارهای دیگری که تجربه ما آنها را محتاج هوشمندی می داند. آیا این انجام کارها بدین معناست که کامپیوترها هوشمندند و یا "می فهمند" ؟ آیا پیشرفت تکنولوژی در زمینه کامپیوترهای دیجیتالی ممکن است منجربه ساخت کامپیوترهایی شود که کاملا" مانند انسان هوشمند باشند؟ این پرسشی است که آلن تورینگ (1950) بدان جواب مثبت داد و حامیان هوش مصنوعی نیز عقیده ای مشابه او دارند. اما سرل با برهان خود سعی می کند اساسا" منکر امکان هوشمندی کامپیوترها شود، او استدلالش را پیش تر می برد و تلقی های محاسباتی از ذهن، به ویژه تئوری محاسباتی ذهن را مورد حمله قرار می دهد، که  تلقی ای است از ذهن به مثابه  یک سیستم پردازش اطلاعات.

سرل پیش از اینکه آزمایش فکری اش را ارائه کند، ابتدا دو پروژه ی هوش مصنوعی را از هم تفکیک می کند وسپس تأکید می کند که برهان او معطوف به پروژه ی هوش مصنوعی قوی (Strong AI) است.

او هوش مصنوعی ضعیف (Weak AI) را اینگونه تعریف می کند که" کامپیوتر ها تنها فکر کردن را شبیه سازی می کنند و بر خلاف آنچه که ممکن است به نظر برسد، واقعا" فکر نمی کنند"( Hauser,2006) و یا آنکه ارزش مبنایی کامپیوتر در مطالعه ی ذهن این است که ابزار نیرومندی را در اختیار ما می نهد. برای مثال اینکه مارا قادر می سازد که فرضیه هایمان را به گونه ای دقیق و منسجم ، صورت بندی و آزمون کنیم (Searle,1980) اما در سوی مقابل، دیدگاه هوش مصنوعی قوی است که بر اساس آن کامپیوتر صرفا" ابزاری  برای مطالعه ی ذهن نیست بلکه  ذهن، کامپیوتری است که به گونه ای مناسب برنامه ریزی شده است. یعنی یک کامپیوتر که به درستی برنامه ریزی شده باشد، به معنای واقعی کلمه، می فهمد و دارای دیگر حالات شناختی(cognitive states) است .  

از منظرهوش مصنوعی قوی چون که کامپیوترها دارای حالات شناختی اند، برنامه ها صرفا" ابزاری نیستند که ما را قادر سازند که تبیین های روانشاناسانه را آزمون کنیم بلکه، برنامه ها خودِ تبیین اند (Searle,1980) . سرل پیکان حمله ی خود را متوجه ادعای اخیر (هوش مصنوعی قوی) به ویژه این ادعا می داند که "کامپیوترهای به نحو مناسب برنامه ریزی شده، به معنای واقعی کلمه، دارای حالات شناختی اند" و اینکه برنامه ها شناخت بشری(human cognition) را تبیین می کنند. او پروژه راجر شنک (Schank) و همکارانش در دانشگاه ییل را مبنای نقد خود قرار می دهد اشنک تکنیکی را گسترش دادکه ”بازنمایی مفهومی"(conceptual representation) میخواند، و از اسکریپت هایی برای نمایاندن روابط مفهومی بهره می برد، اما تذکار می دهد که این انتخاب تنها بدین خاطر است که با پروژه ی آنها آشنایی دارد و نیز اینکه مدعای آنها واضح و روشن است، اما

 "برهان به هیچ یک از اجزای پروژه ی آنها وابسته نیست و برهانی مشابه برای پروژه های دیگر و در واقع به هر ماشین تورینگ شبیه ساز پدیدار ذهنی انسان قابل اعمال است"(Searle,1985) .

 پروژه ی شنک با صرفنظر از جزئیات چنین است: هدف برنامه، شبیه سازی توانایی انسان برای فهم داستان است. قابلیت فهم داستان به نحوی که بتوان به سؤالهایی پاسخ داد که به وضوح در داستان نیامده اند، وجه ممیزۀ فهم انسانی است. بنابراین مثلا" فرض کنید چنین داستانی را برای شما تعریف کنند : «مردی به رستوران رفت و یک همبرگر سفارش داد، وقتی همبرگر را برایش آوردند، دید که همبرگر سوخته و خشک شده است. مرد با عصبانیت از رستوران خارج شده بدون آنکه پول همبرگر را بپردازد و یا انعام بدهد.» حال اگر از شما بپرسند آیا مرد همبرگر را خورد ؟ حتما" پاسخ می دهید:”البته که نه“. حال اگر داستان را چنین روایت کنند که «مردی به رستوران رفت ویک همبرگر سفارش داد، وقتی همبرگرش را آوردند، خیلی خوشحال شد و قبل از پرداخت صورتحساب، انعام زیادی به گارسون داد.» و اگر باز هم از شما بپرسند که آیا مرد همبرگرش را خورد ، حتما" پاسخ می دهید” البته که خورد “. ماشین اشنک نیز به همین صورت به سؤالات پاسخ می دهد، برای این کار آنها بازنمایی ای(representation) دارند از نوعی که معلومات بشری در مورد رستوران دارند، به نحوی که آنها را قادر می سازد در قبال قصه های مذکور ، چنان پاسخ هایی بدهند . حامیان هوش مصنوعی قوی بر این باورند که در پرسش و پاسخ بالا، ماشین تنها توانایی انسان را شبیه سازی نمی کند بلکه همچنین :

1- می توان گفت که ماشین قصه را ”می فهمد“ و پاسخ هایی برای پرسشها فراهم می کند و

2- ماشین و برنامه اش توانایی فهم انسانی در مورد قصه و پرسش و پاسخ درباره ی آن را توضیح می دهد. (Searle, 1980)

سرل مدعی است که پروژه ی اشنک هیچ کدام از دو ادعای مذکور را حمایت نمی کند :

یک راه برای آزمون هر تئوری درباره ی ذهن، این است که هر کس از خودش بپرسد اگر ذهن من واقعا" طبق اصول آن تئوری کار می کرد، چه چیزی پیش می آمد ؟ فرض کنید ما این آزمون را در مورد پروژه ی اشنک با استفاده از یک آزمایش فکری به کار ببریم. تصور کنید عده ای از برنامه نویسان، برنامه ای را نوشته اند که کامپیوتری را قادر می سازد تا فهم زبان چینی را شبیه سازی کند. بنابراین مثلا" اگر به این کامپیوتر مسئله ای به زبان چینی داده شود آن مسئله را با حافظه یا پایگاه اطلاعات خود تطابق داده، پاسخ های مناسبی را به زبان چینی برای آن مسئله فراهم می آورد. برای کمک به استدلال فرض کنید که پاسخ های کامپیوتر به اندازه ی کسی که چینی زبان مادری اوست، مناسب است. حال بر این اساس، آیا کامپیوتر زبان چینی را می فهمد؟ یعنی آیا به معنای واقعی کلمه به همان صورت که چینی زبانان، زبان چینی می فهمند، زبان چینی را می فهمد؟

 تصور کنید درون اتاقی حبس شده اید و در این اتاق سبدهایی پر از نمادهای چینی وجود دارد و تصور کنید که شما هم مثل من حتی یک کلمه چینی نمی فهمید. اما به شما یک کتاب پراز دستورالعمل به زبان انگلیسی برای کار کردن با این نمادهای چینی داده شده است. این قواعد کار کردن با این نمادها را به شکل کاملا" صوری(syntactical)، یعنی بر حسب دستور زبان مشخص می کند نه بر حسب سمانتیک. مثلا" قاعده میگوید: فلان نماد را از سبد شماره ی 1 بگیر و آن را کنار نماد فلان از سبد شماره ی 2 بگذار. حال فرض کنید که چند نماد چینی وارد اتاق می شود و فرض کنید به شما قواعدی برای بازگرداندن نمادهای چینی به بیرون از اتاق داده شده است . فرض کنید بی آنکه بدانید، افراد خارج از اتاق، نمادهای وارد شده به اتاق را سؤالات و نمادهایی که به بیرون از اتاق بر می گردانید، پاسخ سؤالات نامیده اند. نیز فرض کنید برنامه نویسان در طراحی این برنامه ها-دستورالعمل ها- بسیار عالی عمل کرده اند به طوری که پاسخهایتان از پاسخ های کسی که زبان مادری اش چینی است، غیر قابل تمایز باشد. در اینجا شما در اتاق حبس شده اید، در حالی که نمادهای چینی خود را جابه جا می کنید و نیز نمادهای چینی را در پاسخ به نمادهای چینی وارد شده، بیرون می دهید. بر اساس این وضعیت راهی وجود ندارد که بتوانید چینی را فقط از راه کار کردن با این نمادهای صوری فرا بگیرید .

حال نکته داستان این است که از دیدگاه ناظر بیرونی با انجام یک برنامه کامپیوتری صوری، شما دقیقا" چنان رفتار می کنید که گویی زبان چینی را می فهمید اما با این وجود حتی یک کلمه از آن را نمی فهمید . حال اگر - در مثال اتاق چینی- برنامه مناسب کامپیوتری برای فهم زبان چینی کافی نیست، پس برای اینکه به هر کامپیوتری هم فهمی از زبان چینی بدهد کافی نیست. چرا که یک کامپیوتر به واسطه اجرای یک برنامه چیزی بیش از آنچه که شما داشتید، ندارد. همه ی آنچه که یک کامپیوتر دارد ، یک برنامه صوری تفسیر نشده (uninterpreted) است. یک کامپیوتر دارای دستور زبان/صورت (syntax)است، اما سمانتیک ندارد و کل نکته حکایت اتاق چینی یادآوری این واقعیت است که ”فهمیدن“ یک زبان یا در واقع اساسا" داشتن حالت های ذهنی مشتمل بر چیزی بیش از صرفِ دارا بودن یک دسته نماد صوری است، فهمیدن یک زبان مشتمل برداشتن یک تفسیر یا معنایی ملحق به آن نمادهاست.(Searle , 1984) 

استدلا سرل را می توان اینگونه صورت بندی کرد :   

1. اگر هوش مصنوعی قوی درست باشد، آنگاه برنامه ای برای فهم زبان چینی وجود دارد که کامپیوتری که آن را اجرا کند زبان چینی را می فهمد.

2. من(سرل) می توانم چنین برنامه ای را بدون فهم زبان چینی اجرا کنم.

3.  بنابراین هوش مصنوعی قوی، ابطال می شود. (Cole, 2004)

مقدمه ی دوم دقیقا" همان چیزی است که توسط برهان اتاق چینی حمایت می شود. نتیجه ی حداقلی  این استدلال این است که اجراء یک برنامه برای فهم کافی نیست و نتیجه حداکثری اینکه کسی نمی تواند از پردازش نماد های صوری (formal symbol manipulating) یا(syntax) به سمانتیک (/معنا) برسد.

قوت استدلال اخیر آنگاه روشن تر خواهد شد که سناریوی اتاق چینی را با موردی مقایسه کنیم که پرسش و پاسخ به زبانی صورت می گیرد که شخصِ درون اتاق آن را می فهمد. در مورد دوم شما معنای پرسش ها را می فهمید چون با نمادهایی بیان شده اند که معانی آنها برای شما معلوم است و این تفاوت آشکار دو مثال است.

 یادآوری می کنم که اولا" سرل برهان خود را معطوف به هوش مصنوعی ضعیف نمی داند و ثانیا" حتی نمی خواهد نشان دهد که ماشین ها نمی توانند فکر کنند– سرل می گوید که مغز ماشین است و فکر هم می کند– بلکه سرل مدعی است که محاسبه ی صوری(formal computation)  بر روی نمادها نمی تواند که فکر کردن را به وجود آورد. (Cole, 2004)