از ماشین‌هایی که تنها در رؤیای فیلسوفان می‌گنجیدند تا دستیارهای هوشمندی که امروز در جیب ما زندگی می‌کنند، هوش مصنوعی راهی طولانی و پر از پیچ‌وخم را پیموده است. این تاریخ فقط قصه پیشرفت فناوری نیست؛ روایت بلندپروازی، ناامیدی و دوباره برخاستن یک رؤیای انسانی است. با ساویس گیم همراه شوید.
۱. رؤیای ماشین متفکر
جرقه اولیه را آلن تورینگ، ریاضی‌دان بریتانیایی، در سال ۱۹۵۰ زد. او به‌جای آنکه بپرسد «آیا ماشین می‌تواند فکر کند؟»، پرسش عملی‌تری طرح کرد: «آیا ماشین می‌تواند چنان وانمود کند که انسان است که نتوانیم تشخیصش دهیم؟» این همان «آزمون تورینگ» معروف است. تورینگ پیش‌بینی کرد تا پایان قرن بیستم، ماشین‌ها از این آزمون سربلند بیرون خواهند آمد. او بذر یک دانش نوین را کاشت، هرچند فناوری زمانه‌اش هنوز برای جوانه‌زدن آن آماده نبود.
۲. تولد رسمی و خوش‌بینی ساده‌لوحانه
اصطلاح «هوش مصنوعی» در تابستان ۱۹۵۶ و در کارگاهی در کالج دارتموث متولد شد. گروهی از درخشان‌ترین ذهن‌های علم کامپیوتر گرد هم آمدند با این فرض که «هر جنبه‌ای از یادگیری یا هوش را می‌توان چنان دقیق توصیف کرد که ماشینی برای شبیه‌سازی آن ساخت». خوش‌بینی موج می‌زد؛ پیش‌بینی می‌شد طی یک نسل، ماشین‌ها همه کارها را انجام خواهند داد. بودجه‌های پژوهشی سرازیر شدند و برنامه‌هایی نوشته شد که می‌توانستند مسائل ریاضی ساده را حل کنند یا با بلوک‌های چوبی بازی کنند. اما این سیستم‌ها شکننده بودند و در دنیای واقعیِ پیچیده و درهم‌ریخته، کم می‌آوردند. شکاف میان انتظار و واقعیت، به نخستین «زمستان هوش مصنوعی» انجامید؛ دورانی که سرمایه‌ها قطع شد و ایمان به این حوزه رنگ باخت.
۳. از سیستم‌های متخصص تا یادگیری ماشینی
هوش مصنوعی در دهه ۱۹۸۰ با رویکردی عمل‌گرایانه به میدان بازگشت: «سیستم‌های متخصص». این برنامه‌ها دانش یک حوزه خاص (مثل پزشکی یا زمین‌شناسی) را در قالب مجموعه‌ای از قواعد «اگر-آنگاه» ذخیره می‌کردند. آن‌ها برای مسائل محدود و تعریف‌شده مفید بودند، اما مشکل بزرگ هوش همچنان پابرجا بود: شما نمی‌توانید برای هر موقعیت ممکن در جهان واقعی، از قبل قاعده بنویسید. اینجاست که چرخش بزرگ اتفاق افتاد. به‌جای برنامه‌نویسی قواعد توسط انسان، ماشین‌ها شروع به «یادگیری» از روی داده‌ها کردند. این همان «یادگیری ماشینی» بود: الگوریتمی که با دیدن هزاران تصویر گربه، خودش یاد می‌گیرد گربه چیست، بدون آنکه کسی برایش تعریف کند گربه دو گوش و چهار پا دارد.
۴. انقلاب دیپ‌لرنینگ و امروز
جرقه انقلاب کنونی در سال ۲۰۱۲ زده شد، وقتی یک شبکه عصبی عمیق (با الهام از ساختار مغز انسان) در مسابقه تشخیص تصویر ImageNet همه رقبا را کنار زد. سه عنصر دست‌به‌دست هم دادند تا این رنسانس شکل بگیرد: حجم عظیم داده‌های اینترنتی، قدرت محاسباتی کارت‌های گرافیک، و الگوریتم‌های هوشمندانه‌ای که می‌توانستند لایه‌های انتزاعی دانش را در دل شبکه‌های عصبی چندلایه بسازند. ناگهان ماشین‌ها توانستند تصاویر را دقیق‌تر از انسان تشخیص دهند، گفتار را بفهمند و متن‌هایی چنان روان تولید کنند که مرز میان نویسنده انسانی و ماشینی را محو کند. از ترجمه خودکار تا تولید تصاویر خلاقانه و مدل‌های زبانی بزرگ که امروز با آن‌ها گفت‌وگو می‌کنیم، همگی فرزندان همین انقلاب بی‌صدا هستند.
داستان هوش مصنوعی هنوز در میانه راه است. اگر تاریخ به ما چیزی آموخته باشد، این است که هر خیز بلند، شاید با زمستانی دیگر همراه شود، اما هر بار سطح تازه‌ای از درک و توانایی را برای انسان و ماشین به ارمغان می‌آورد. ما نه در پایان راه، که درست در یکی از هیجان‌انگیزترین پیچ‌های آن ایستاده‌ایم.
