الگوگیری از مغز انسان برای ساخت هوش مصنوعی درست است؟

ناحیه‌ای از مغز که قدرت تفکر و ادراک را به انسان می‌دهد. مارکرام طی توضیحاتی خاطرنشان کرد: «کاری که ما انجام می‌دهیم به این شباهت دارد که بخواهید یک تکه از جنگل بارانی را دسته‌بندی کنید. این تکه از جنگل چند درخت در دل خود جای داده است؟ درختان به چه شکل‌هایی یافت می‌شوند؟» اکنون او و همکارانش در تلاش‌اند تا یک جنگل بارانی مجازی در سیلیکون درست کنند. به باور مارکرام، اگر همه مراحل کار به خوبی پیش برود، شاید مغز شبیه‌سازی شده با استفاده از تکنولوژی هولوگرام، قادر به ارائه سخنرانی در TED باشد.

ایدۀ مارکرام مبنی بر اینکه می‌توان ماهیت هوش زیستی را با تقلید اَشکال آن درک کرد یعنی همان الگوگیری از مغز انسان، ریشه در سنتی دیرینه دارد و قدمت آن به آثار برنده جایز نوبل و کالبدشناس اسپانیایی به نام «سانتیاگو رامون کاخال» بازمی‌گردد. کاخال در اواخر قرن نوزدهم مغز انسان را به صورت میکروسکوپی مورد مطالعه قرار داد. او مغز انسان را به جنگل انبوهی تشبیه کرد که درختان تنومندی دارد و شاخ و برگ‌های این درختان در همه جا گسترانیده‌اند. کاخال با ترسیم هزاران سلول عصبی با جزئیاتی مثال‌زدنی، توانست به درک بسیار خوبی از چگونگی کارکرد سلول‌های عصبی دست یابد. او به این نتیجه رسید که سلول‌های عصبی وسیله‌های ورودی-خروجی یک‌طرفه هستند. این سلول‌ها پیام‌های الکتروشیمیایی را در قالب ساختارهای درخت‌مانند به نام دندریت دریافت کرده و آنها را به لوله‌های باریکی موسوم به آکسون انتقال می‌دهند.

شیوه نگرش کاخال به سلول‌های عصبی مورد توجه دانشمندان قرار گرفت و آنان کارکرد مغز را به شکل تازه‌ای مطالعه کردند. فعالیت‌های کاخال الهام‌بخشِ طیف کثیری از پیشرفت‌های فناوری هم شد. در سال 1943، روانشناس «وارن مک‌کالوچ» و دستیارش «والتر پیتس»، پسر نوجوان بی‌خانمانی که نبوغ بی‌نظیری در ریاضی داشت، چارچوب فوق‌العاده‌ای برای چگونگی رمزگذاری افکار پیچیده توسط سلول‌های مغز ارائه کردند. بر اساس چارچوب نظری آنان، هر نورون یا سلول عصبی یک عملیات منطقی اساسی انجام می‌دهد؛ در این راستا، ورودی‌های مختلف را در قالب یک خروجی باینری (درست یا نادرست) ارائه می‌کند. این عملیات که به سادگیِ حروف الفبا هستند، می‌توانند کنار هم گرد آمده و واژه‌ها، جملات و پاراگراف‌های شناخت را تشکیل دهند. مدل مک‌کالوچ و پیتس نتوانست مغز را به خوبی توضیح دهد، اما به یکی از بخش‌های کلیدیِ معماری نخستین رایانه مدرن تبدیل شد. سرانجام، این مدل در شبکه‌های عصبی مصنوعی و یادگیری عمیق به کار برده شد.

این شبکه‌ها نگاره‌های امپرسیونیستی از اتفاقات درون مغز هستند. شرایطی را فرض کنید که یک سگ به شما نزدیک می شود. مغز برای اینکه سگ را تشخیص دهد، باید داده‌های خام را از طریق لایه‌هایی از سلول‌های عصبی مخصوص در غشاء مغز از شبکیه چشم دریافت کند. غشاء مغز ویژگی‌‌های بصری سگ را دریافت نموده و صحنه نهایی را پدید می‌آورد. داده‌های خام از طریق چند مجموعه کوچک از سلول‌های عصبی در پیکره بزرگی از سلول‌های عصبی جریان می‌یابند. هر کدام از سلول‌های عصبی ورودی‌ها را به طریقی از لایه قبلی دریافت می‌کنند که موجب پیچیده‌تر شدن این فرایند می‌شود. لایه اول نقاط روشن و لبه‌ها را پیدا می‌کند. همه این مراحل به انجام می‌رسد تا تصویری کامل از سگ برای فرد ترسیم شود.

علی‌رغم این وجوه تشابه، اکثر شبکه‌های عصبی مصنوعی به طور کلی مثل مغز نیستند؛ دلیل آن را تا حدودی می‌توان به این امر نسبت داد که شبکه‌های عصبی مصنوعی نحوه استفاده از ترفندهای ریاضیِ دشوار را یاد می‌گیرند. یادگیری این ترفندها برای سیستم‌های زیستی خیلی دشوار و شاید غیرممکن باشد. اما مغز و مدل‌های هوش مصنوعی یک وجه مشترک با همدیگر دارند. محققان کماکان نمی‌دانند چرا آنها به این خوبی عمل می‌کنند. دانشمندان علوم رایانه و عصب‌شناسان به دنبال این هستند که به نظریه جامع و کلی از هوش دست یابند؛ یعنی مجموعه‌ای از اصول که هم در بافت مغز و هم در مرکز تحقیقات هوش سیلیکون صِدق کند. اما این دانشمندان فقط انبوهی از جزئیات نامنظم را در اختیار دارند. پس از گذشت 11 سال از طرح ایدۀ مارکرام و صرف 1.3 میلیون دلار، هیچ بینش تحول‌آفرینی در مطالعۀ هوش حاصل نیامده است.

نویسنده‌ای به نام «لوئیس کارول» بیش از یک قرن پیش به بخشی از مشکل اشاره کرده بود. کارول کشوری را متصور شد که به قدری درگیر جزئیات نقشه‌کشی شده که مقیاس نقشه‌هایش را به صورت پیوسته افزایش می‌دهد؛ در ابتدا یک سانتی متر بر روی نقشه برابر با یک مایل روی زمین است. سپس یک متر نقشه برابری می کند با یک مایل و در نهایت دقیقا هر مایل از این نقشه با یک مایل از زمین برابری می کند. یک نقشه‌ به اندازه کل کشور می تواند بسیار شگفت‌انگیز باشد اما چه مطلب مفیدی می‌توان از این نقشه یاد گرفت؟ حتی در صورتی که عصب‌شناسان قادر به بازسازیِ هوش با شبیه‌سازی تمامی مولکول‌های موجود در مغز باشند، باز هم قادر به شناسایی اصول حاکم بر شناخت و ادراک هوش مصنوعی نخواهند بود. به این نقل قول مشهور از فیزیکدان «ریچارد فاینمن» توجه داشته باشید: «آنچه را که نتوانم ایجاد کنم، برایم قابل درک نیست.»

این امکان وجود دارد که مدل‌های هوش مصنوعی اصلاً نیازی به الگوگیری از مغز انسان نداشته باشند. هواپیماها با داشتن شباهتی اندک به پرنده‌ها پرواز می‌کنند. شاید سریع‌ترین راه برای یادگیری هوش این باشد که اصول را از زیست‌شناسی یاد بگیریم. این کار به مغز محدود نمی‌شود. تکامل در تمام گستره طبیعت، باعث پدید آمدن راه حل های بسیار هوشمندانه ای شده است. تمام نوابغ دنیا در حال حاضر به سختی سعی می کنند تا راه حلی علیه ویروس نسبتا باهوش بیابند که این ویروس هوشش را مدیون سیستم تولید سلول بدن انسان است (دقیقا همانگونه که ماه نورش را مدیون خورشید است). باید این نکته مهم را به خاطر سپرد که همچنان‌که ما جزئیات بیشتری در خصوص چگونگی کارکرد هوش در مغز را فهرست می کنیم، به نوعی در حال توصیف لباس‌های امپراطور در غیاب امپراطور هستیم. این قول را به خودمان می‌دهیم که با دیدن امپراطور او را خواهیم شناخت؛ فرقی هم نمی‌کند چه لباسی به تن کرده باشد.