مروری بر تاریخچه و پیشرفت‌های هوش مصنوعی

برای کسانی که با هوش مصنوعی سروکار ندارند، این موضوع چیزی در حد داستان‌های علمی تخیلی یا فیلم‌های سینمایی است که وجودش در دنیای واقعی، چیزی دور از ذهن به نظر می‌رسد؛ اما هوش مصنوعی مجموعه‌ای از ایده‌ها و فناوری‌هایی است که از حدود صد سال پیش با ما هستند و اغلب بدون اینکه خبر داشته باشیم، از آنها استفاده می‌کنیم.

برای‌آنکه آشنایی بیشتری با این موضوع پیدا کنید در این مقاله می‌خواهیم نگاهی به تاریخچه هوش مصنوعی بیندازیم. شاید بعد از خواندن این مقاله، متوجه شوید که خیلی بیشتر از چیزی که فکرش را می‌کنید با هوش مصنوعی سروکار دارید و حتی هر روز در حال استفاده از آن هستید!

تاریخچه هوش مصنوعی

پیشینه هوش مصنوعی، به‌عنوان یک ابزار انقلابی که کاربردهای بی‌شماری در زندگی انسان دارد، روندی طولانی از پیشرفت را در بر می‌گیرد. در این بخش می‌خواهیم خلاصه‌ای از این موضوع را با شما در میان بگذاریم.

آغاز تئوری هوش مصنوعی با ماشین تورینگ

آلن تورینگ (Alan Turing)، دانشمند برجسته انگلیسی، در دهه ۱۹۳۰ ایده‌ای نوین را در علم کامپیوتر ارائه داد. او ماشینی خیالی طراحی کرد که بااستفاده از حافظه‌ای بزرگ و یک دستگاه خواندن و نوشتن، قادر به انجام دستورالعمل‌های مختلف بود. این ماشین می‌توانست داده‌ها را بخواند، تغییر دهد و بر اساس برنامه‌ای که در حافظه‌اش ذخیره شده بود، عمل کند.

این ایده که اکنون به‌عنوان ماشین تورینگ شناخته می‌شود، پایه و اساس نظریه کامپیوترهای امروزی و تاریخچه هوش مصنوعی است و نشان می‌دهد که چگونه یک دستگاه می‌تواند برنامه‌های خود را اجرا کند و بهبود بخشد. در واقع، هر کامپیوتری که امروزه استفاده می‌کنیم، در اصل بر اساس همین مفهوم کار می‌کند. تورینگ در سال ۱۹۴۷ اولین سخنرانی خود را درباره هوش مصنوعی انجام داد و ایده‌ای مطرح کرد که ماشین‌ها باید بتوانند از تجربه‌های خود یاد بگیرند و خودشان را تطبیق دهند.

هوش مصنوعی (AI) چیست و چطور کار می‌کند؟

مسابقه‌ای واقعی میان هوش مصنوعی و یک استاد شطرنج

یکی از بخش‌های درخشان در تاریخچه هوش مصنوعی به شطرنج گره‌خورده است. آلن تورینگ، پدر علم کامپیوتر، با استفاده از بازی شطرنج، ایده‌های نوینی را درباره هوش مصنوعی ارائه داد. او نشان داد که چگونه می‌توان با استفاده از شطرنج، مسائل پیچیده را تعریف و راه‌حل‌های ممکن را آزمایش کرد.

تورینگ معتقد بود که یک کامپیوتر می‌تواند با بررسی تمام حرکت‌های ممکن، شطرنج بازی کند؛ اما به‌دلیل تعداد بی‌شمار حرکت‌ها، این کار در عمل امکان‌پذیر نبود؛ بنابراین، او به سراغ روش‌هایی برای جستجوی محدودتر و هوشمندانه‌تر رفت.

بااین‌حال، تورینگ هرگز نتوانست برنامه شطرنج خود را به دلیل نبود کامپیوتر مناسب، اجرا کند و مجبور شد آن را در حد و اندازه نظریه‌پردازی نگه دارد. او در سال 1945 پیش‌بینی کرد که روزی کامپیوترها قادر به بازی شطرنج خواهند بود و در سال 1997، این پیش‌بینی با پیروزی دیپ بلو، کامپیوتر شطرنج ساخته‌شده توسط IBM، بر گری کاسپاروف، قهرمان شطرنج جهان، به واقعیت پیوست.

اولین حرکت واقعی به سمت هوش مصنوعی

در سال 1951 که سال مهمی در تاریخچه هوش مصنوعی است، کریستوفر استراچی از دانشگاه آکسفورد، اولین برنامه موفق هوش مصنوعی را نوشت. این برنامه که چکرز استراچی نام داشت، روی کامپیوتر Ferranti Mark I در دانشگاه منچستر اجرا شد و توانست در تابستان 1952 یک بازی کامل چکرز را با سرعت مناسب انجام دهد.

در ایالات متحده هم آرتور ساموئل، یک برنامه چکرز را برای IBM 701 نوشت و در سال 1955 توانایی یادگیری از تجربه را به آن افزود. این پیشرفت‌ها در نهایت به پیروزی برنامه در مقابل قهرمان سابق چکرز در سال 1962 منجر شدند.

از استدلال منطقی تا دیالوگ‌های انگلیسی هوش مصنوعی

توانایی استدلال منطقی یکی از جنبه‌های کلیدی این روند و بخشی مهم از تاریخچه هوش مصنوعی به شمار می‌رود و همواره در مرکز توجه تحقیقات در زمینه هوش مصنوعی قرار داشت. یکی از نقاط عطف در این حوزه، توسعه برنامه‌ای برای اثبات قضایا بود که توسط آلن نیوول، جی. کلیفورد شاو و هربرت سایمون در دهه ۵۰ میلادی نوشته شد.

این برنامه که به نظریه منطق، معروف شد، برای اثبات قضایای موجود در اثر معروف Principia Mathematica طراحی شده بود که توسط آلفرد نورث وایتهد و برتراند راسل نگاشته شده بود. در برخی موارد، اثبات‌هایی که توسط این برنامه ارائه می‌شدند، زیباتر از اثبات‌های موجود در کتاب بودند.

در ادامه، نیوول، سایمون و شاو برنامه‌ای پیشرفته‌تر با نام حل‌کننده مسائل عمومی یا GPS را توسعه دادند که اولین‌بار در سال ۱۹۵۷ به اجرا درآمد. این برنامه تا حدود یک دهه مورداستفاده قرار گرفت و قادر بود با استفاده از روش آزمون‌وخطا، مشکلات مختلفی را حل کند. بااین‌حال، یکی از انتقادات اصلی به GPS و برنامه‌های مشابه، نبودن قابلیت یادگیری در آن‌ها بود که باعث می‌شد هوشمندی‌شان تنها به اطلاعاتی که توسط برنامه‌نویسان وارد شده بود، محدود شود.

ظهور پر قدرت برنامه‌نویسی هوش مصنوعی

زبان‌های برنامه‌نویسی مخصوص هوش مصنوعی، مثل IPL که توسط نیوول، سایمون و شاو ساخته شدند، نقطه عطفی در تاریخچه هوش مصنوعی هستند. IPL با ساختار داده‌ای انعطاف‌پذیر به نام لیست کار می‌کرد که می‌توانست شامل داده‌های متنوعی باشد.

جان مک‌کارتی در دهه ۶۰ میلادی، این ایده‌ها را با نظریه‌های ریاضی ترکیب کرد و زبان LISP را به وجود آورد که برای مدت‌زمان طولانی در ایالات متحده برای توسعه هوش مصنوعی به کار می‌رفت. این زبان، بعدها با زبان‌های جدیدتری مثل پایتون و جاوا جایگزین شد.

در فرانسه، آلن کولمرویر زبان PROLOG را طراحی کرد که از منطق برای حل مسائل استفاده می‌کرد و در اروپا و ژاپن برای پروژه‌های هوش مصنوعی محبوبیت زیادی یافت. این زبان‌ها به دانشمندان کمک کردند تا مسائل پیچیده را حل کنند و به پیشرفت‌های بزرگی در علم کامپیوتر برسند.

کندشدن سرعت رشد یا رسیدن اولین زمستان در تاریخچه هوش مصنوعی

با ورق زدن پیشینه هوش مصنوعی به دوره‌های زمستانی می‌رسیم. دوران اولیه زمستان هوش مصنوعی که بین سال‌های ۱۹۷۴ تا ۱۹۸۰ اتفاق افتاد، یکی از دشوارترین دوره‌ها برای پیشرفت AI بود. در این سال‌ها، به‌دلیل کاهش بودجه‌های دولتی، تحقیقات در زمینه هوش مصنوعی با چالش‌های زیادی روبرو شد و انگیزه‌ها و امیدها را برای پیشرفت در این حوزه کم‌رنگ کرد. این دوره به‌خاطر کمبود منابع مالی و عدم حمایت کافی، به‌عنوان یک دوره رکود در تاریخ هوش مصنوعی ثبت شده است.

شکوفایی دوباره هوش مصنوعی و رویارویی با انتظارات تمام‌نشدنی

در دهه 1980، هوش مصنوعی پس از یک دوره سخت، دوباره به جریان اصلی بازگشت. این دوره با برگزاری اولین کنفرانس ملی هوش مصنوعی در دانشگاه استنفورد در سال 1980 آغاز شد. در همان سال، سیستم‌های متخصص به‌عنوان ابزاری برای تقلید از تصمیم‌گیری‌های متخصصان انسانی معرفی شدند و استفاده از کامپیوترهای Symbolics Lisp در بخش‌های تجاری مورد استقبال قرار گرفت.

اما، این رونق دوام نیاورد و بازار این کامپیوترها با رکود مواجه شد. در سال 1981، دنی هیلیس با ابداع کامپیوترهای موازی که معماری مشابه GPUهای امروزی داشتند، گام بزرگی در پیشرفت هوش مصنوعی برداشت. چهار سال بعد یعنی در سال 1985، Judea Pearl با معرفی نوعی روش تحلیلی، روش‌های جدیدی را برای مدیریت چالش نبود قطعیت در سیستم‌های کامپیوتری ارائه داد. این دوران شاهد پیشرفت‌های مهمی بود که بنیان‌های هوش مصنوعی امروزی را شکل دادند.

آشنایی با انواع نسل های هوش مصنوعی

ورود جرقه‌های هوشمند به دنیای هوش مصنوعی

از سال 1993 تا 2011، پیشرفت‌های بزرگی در تاریخچه هوش مصنوعی ثبت شدند. در این دوران، دانشمندان به‌جای کپی کردن هوش انسانی، روی ساخت برنامه‌های کامپیوتری خلاق و مفید متمرکز شدند که می‌توانستند کارهای خاصی انجام دهند. برای مثال، در سال 1997 نوع جدیدی از شبکه‌های عصبی که می‌توانستند داده‌های متوالی مثل صدا یا ویدیو را پردازش کنند، معرفی شدند.

در سال 2002، جاروبرقی هوشمند Roomba برای اولین بار وارد خانه‌ها شد. کم‌کم شرکت‌های بزرگ اینترنتی هم به اهمیت هوش مصنوعی پی بردند و آن را در برنامه توسعه خود قرار دادند؛ مثلا تا سال 2006، شرکت‌های بزرگی مثل فیس‌بوک و نتفلیکس شروع به استفاده از هوش مصنوعی کردند.

در سال 2009، مقاله‌ای منتشر شد که نشان داد چطور می‌توان از کارت‌های گرافیک کامپیوتر برای آموزش شبکه‌های عصبی استفاده کرد و در نهایت، در سال 2011، اولین شبکه عصبی کانولوشنی (CNN) که توانست در مسابقه تشخیص تابلوهای راهنمایی برنده شود، ساخته شد و اپل دستیار صوتی سیری را معرفی کرد که قادر به پاسخگویی و انجام دستورات صوتی بود.

گام‌های بزرگ معاصر در دنیای هوش‌های مصنوعی

از سال 2011 به بعد، به‌عنوان پرسرعت‌ترین تاریخچه هوش مصنوعی یاد می‌شود؛ چون از این سال بود که هوش مصنوعی، رشد بزرگی داشت و قطار این پیشرفت با سرعت بالاتری حرکت کرد. این پیشرفت‌ها شامل ترکیب یادگیری عمیق، استفاده وسیع از داده‌ها و تلاش‌هایی برای ساخت هوش مصنوعی عمومی بودند. بیایید نگاهی گذرا به رویدادهای این سال‌ها بیندازیم.

سال 2011

واتسون از IBM توانست در مسابقه Jeopardy برنده شود. این موفقیت نشان داد که واتسون می‌تواند زبان انسانی را درک و به‌سرعت مسائل پیچیده را حل کند.

سال 2012

گوگل، Google Now را معرفی کرد، یک برنامه که پیش‌بینی‌هایی را به کاربران می‌داد. همچنین، جفری هینتون و همکارانش مدل CNN عمیقی را ارائه دادند که در مسابقه ImageNet برنده شد و به تحقیقات بیشتر در یادگیری عمیق کمک کرد.

سال 2013

ابرکامپیوتر Tianhe-2 چین با رسیدن به سرعت 33.86 پتافلاپ، به سریع‌ترین سیستم جهان تبدیل شد. DeepMind هم یادگیری تقویتی عمیق را معرفی کرد که در بازی‌ها از انسان‌ها پیشی گرفت. توماس میکولوف و تیمش هم Word2vec را ارائه دادند که به تشخیص ارتباطات معنایی بین کلمات کمک می‌کند.

سال 2014

چت‌باتی به‌نام یوجین گوستمن توانست در مسابقه‌ای معروف به آزمون تورینگ به پیروزی برسد. همزمان، ایان گودفلو و تیمش در حال پیشبرد تکنولوژی شبکه‌های عصبی متخاصم مولد (GANs) بودند که برای خلق تصاویر، تغییر آن‌ها و همچنین ساخت دیپ‌فیک‌ها به کار می‌رفت. در همان سال، Diederik Kingma و Max Welling روشی نوین به‌نام رمزگذارهای خودکار متغیر (VAE) را برای تولید تصاویر و ویدیوها معرفی کردند و فیسبوک هم سیستم تشخیص چهره‌ای به‌نام DeepFace را توسعه داد که توانایی شناسایی چهره‌ها را در تصاویر دیجیتال با دقتی نزدیک به توانایی‌های انسان داشت.

سال 2016

پیشینه هوش مصنوعی در این‌سال با یک برنامه‌ هوش مصنوعی AlphaGo متعلق به شرکت DeepMind گره خورد. این AI توانست در بازی Go بر لی سدول، بازیکن برجسته‌ این رشته در کره جنوبی، غلبه کند. این رویداد، یادآور مسابقه‌ شطرنج بین کاسپاروف و دیپ بلو بود که تقریبا دو دهه پیش اتفاق افتاده بود. در همان زمان، اوبر شروع به آزمایش اتومبیل‌های خودران در پیتسبورگ کرد.

سال 2018

شاهد مناظره پروژه از IBM بودیم که در آن با استفاده از هوش مصنوعی در مورد موضوع‌های پیچیده مناظره شد و نتایج قابل توجهی به دست آمد. گوگل هم برنامه‌ هوش مصنوعی Duplex را رونمایی کرد که به‌عنوان یک دستیار مجازی، قادر به برقراری تماس‌های تلفنی برای رزرو وقت آرایشگاه بود و به‌گونه‌ای عمل می‌کرد که طرف مقابل متوجه نمی‌شد با یک دستگاه صحبت می‌کند.

سال 2021

OpenAI سیستم هوش مصنوعی Dall-E را معرفی کرد که قادر به خلق تصاویر بر اساس توضیح‌های متنی بود و در سال 2022، OpenAI نسخه‌ ChatGPT را برای GPT-3.5 LLM منتشر کرد که یک رابط کاربری چت محور را ارائه می‌داد.

زمان حال و آینده

اکنون ما در پیشرفته‌ترین وضعیت در تاریخچه هوش مصنوعی نسبت به گذشته هستیم. مفاهیمی مانند یادگیری عمیق، داده‌های کلان و علم داده به‌سرعت در حال‌ توسعه هستند. شرکت‌های بزرگی مانند گوگل، فیس‌بوک، آی‌بی‌ام و آمازون هم در حال کار روی پروژه‌های هوش مصنوعی هستند و دستگاه‌های شگفت‌انگیزی را خلق می‌کنند. آینده‌ هوش مصنوعی بسیار الهام‌بخش است و قطعا با نوآوری‌های بیشتری همراه خواهد بود.

نگاهی کوتاه به آینده هوش مصنوعی و مسیرهای پیش‌ رو

در این‌جا، نمایی از تاریخچه هوش مصنوعی را به شما نشان دادیم. هوش مصنوعی در حال گسترش و تاثیرگذاری بر زمینه‌های متنوعی است و انتظار می‌رود که در آینده، نقش مهمی در بخش‌های مختلف ایفا کند. با پیشرفت این فناوری، ما باید نگرش خود را نسبت به استفاده از فناوری تغییر دهیم.

در سال‌های آتی، تمرکز زیادی روی توسعه روش‌هایی برای فهم بهتر و توضیح‌دادن تصمیم‌گیری‌های الگوریتم‌ها گذاشته می‌شود. همچنین، موضوع اخلاق در هوش مصنوعی که شامل اصول عدالت و شفافیت در توسعه و به‌کارگیری سیستم‌ها می‌شود، اهمیت زیادی پیدا می‌کند.

جمع‌بندی

در این مقاله درباره تاریخچه هوش مصنوعی صحبت کردیم. امروزه هوش مصنوعی به یکی از ابزارها و دغدغه‌های اصلی انسان‌ها تبدیل شده است و پیش‌بینی می‌شود که به‌سمت تخصصی‌تر شدن حرکت کند و سیستم‌هایی برای انجام کارهای خاص در حوزه‌هایی مانند سلامت، آموزش و کشاورزی طراحی شوند.

با ترکیب هوش مصنوعی و فناوری‌های جدید مانند محاسبات کوانتومی و روباتیک، انتظار می‌رود که کاربردها و توانایی‌های آن در صنایع مختلف، افزایش چشمگیری پیدا کند. در این میان، افرادی که از قبل، خودشان را برای همراهی با این تحول بزرگ آماده کرده‌اند، برندگان واقعی این ماجرا خواهند بود.

منبع: + + +