کتاب: سیاست، ټولنه او کمپیوټرپوهنه

لیکوال: هیري هنډرسن

ژباړه: رحمت شاه فراز

پنځه ویشتمه برخه

مصنوعي ځیرکتیا

تر دوهم نړیوال جنګ را وروسته د معاصرو ډیجیټل کمپیوټرونو د پرمختګ له کبله د کمپیوټرپوهانو توجه هغو فوق العاده وړتیاوو ته واوښته، چې په لنډ وخت کې د «فکر کوونکو ماشینونو» یا «لویو اذهانو» په نوم وپېژندل شوې. بې تېروتنې او د سوپر انسان په سرعت د محاسبو ترسره کولو قابلیت یو شمېر کمپیوټرپوهان په دې باوري کړل چې په ډېره کمه موده کې به د کمپیوټرونو ځیرکتیا د انسان تر ځیرکتیا هم واوړي. دغه باور په څو کلونو کې هغه مهال لا پیاوړی شو چې داسې کمپیوټري پروګرامونه رامنځته شوو چې په ډېر لوړ مهارت يې د شطرنج لوبه کولی شوی، او بلاخره په ۱۹۹۷ کې د آی بي ایم شرکت ډیپ بلو (Deep Blue) کمپیوټري پروګرام د شطرنج نړیوال اتل ګاري کاسپروف ته ماتې ورکړه. 

مګر مصنوعي ځیرکتیا په وروسته وختونو کې له یو شمېر جدي ننګونو سره مخ شوه، چې لومړنۍ يې د ځیرکتیا پر معنا، په تېره د انسانانو او ماشینونو په څېر دوو مختلفو واحدونو په ارتباط، د توافق نشتوالی وو. حال دا چې د شطرنج مهارت د انساني ځیرکتیا یوه نښه ګڼل کېږي، خو د شطرنج لوبه یوه د پېش بیني وړ لوبه ده، او د لوبې صحیح حرکتونه په سیسټماټیکه توګه هم محاسبه کولی شو، چې دغه محاسبه یوازې د کمپیوټر د پروسیس په ظرفیت پورې محدوده وي. د شطرنج انساني اتلان د خپلو حرکتونو لپاره د پټرن پېژندنې، عمومي قوانینو او انتخابي محاسبې له یوه امتزاج نه استفاده کوي. نو په کوم اساس دا ویلی شو چې شطرنج کوونکی کمپیوټر چې په میخانیکي ډول میلیونونه موقعیتونه ارزوي او پرتله کوي، د یوه انسان په څېر «فکر» کوي؟ په همدې ډول کمپیوټرونو ته د قوانینو یوه داسې ټولګه ورکولی شو چې د مجازي بلاکونو عملیات سرته ورسوي، محاوره ترسره کړي او آن شاعري ولیکي. یو انساني مشاهده کوونکي ته ممکن دا ټول فعالیتونه ځیرک او آن خلاقه فعالیتونه ښکاره شي، خو په دې ځای کې هم په واقعي ډول نه شو ویلی چې کمپیوټر په دې جریان کې څه شی تجربه کوي. 

په ۱۹۵۰ کال کې مخکښ کمپیوټرپوه الن ټیورنګ د مصنوعي ځیرکتیا د ادعاوو د ارزولو لپاره یو ډېر ګټور میتود معرفي کړ چې په Turing ازموینه مشهور شو. په دې ازموینه کې یو انسان له یوه بل «واحد» سره په دې شرط تعامل کوي چې دغه نفر په دې نه پوهېږي چې مقابل لوری کمپیوټر دی او که بل انسان. که دې انساني مشاهده کوونکي له لیکنۍ محاورې وروسته په دقیق ډول د مقابل لوري هویت تشخیص نه شو کړای، نو وایو به چې کمپیوټر په ازموینه کې بریالی شوی دی. د دې روش تر شا نظریه دا ده چې د دې پر ځای چې په دقیق او کره ډول ځیرکتیا تعریف کړو، ښه به وي چې د ځیرک چلند د څرنګوالي په باره کې له انساني تجربې او پوهې استفاده کړو. که کمپیوټر په بریالیتوب سره دا ډول چلند تقلید کړ، نو لږ تر لږه دا خبره به یو څه ستونزمنه شي چې ووایو دغه کمپیوټر «ځیرک نه دی». 

کمپیوټري پروګرامونه تر ټاکلي بریده په ټیورنګ ازموینه کې بریالي شوي دي. مثلاً ایلیزا (ELIZA) نومي پروګرام چې جوسیف وایزنبام لیکلی، له مقابل لوري سره داسې محاوره کولی شي چې محاوره کوونکي انسان ته په ټاکل شوې موضوع باندې یوه ځوابیه محاوره ښکاره شي. ایلیزا دا کار په دې ډول کوي چې یا د انسان له خوا ویل شوې جملې په بل ډول تکراروي او یا د اروايي ډاکټر په څېر د هغې موضوع په باره کې عمومي خبرې کوي. که څه هم ایلیزا او دې ته ورته نور پروګرامونه په دې توانېدلي چې بعضي وختونه انسانان تېر باسي، خو د انسانانو ژوره تجزیه تل په دې بریالۍ شوې چې د ایلیزا د ځواب میخانکي طبیعت افشا کړي. 

په ټیورنګ ازموینه کې بریالیتوب به د ځیرکتیا نښه وګڼو، خو د دې پوښتنې ځواب شاید ناممکنه اوسي چې آیا کمپیوټرونه هم د انسانانو په څېر شعور تجربه کوي او که نه. له عملي اړخه څېړونکي دې ته مجبور شوي چې ځان یوازې د ځیرک چلند تر تولید (یا شبیه سازۍ) پورې محدود کړي، او په مختلفو ساحو کې يې ښه ښایسته بری هم په برخه شوی دی. 

د کل نه جز ته روشونه

د مصنوعي ځیرکتیا د پرمختګ په موخه د ستراتیژۍ عمومي پوښتنه په ۱۹۵۶ کال په ډارټ ماؤت کالج کې مطرح شوه. څلور تنه څېړونکي د دې ډګر بنسټګر ښودلی شو: ماروین مینسکي (په ایم آی ټي پوهنتون کې د مصنوعي ځیرکتیا د لابراتو بنسټګر)، جان میکارتي (د ایم آی ټي او وروسته د سټنفورډ پوهنتون پروفیسر)، هربرټ سایمن او الن نیول (په رینډ شرکت کې د لوژیک تیوریسټ په نوم د ریاضيکي مسایلو حل کوونکي پروګرام جوړوونکي، او وروسته يې په کارنیګي میلن پوهنتون کې د مصنوعي ځیرکتیا د لابراتوار بنسټ کېښود). ۱۹۵۰ او ۱۹۶۰م کلونو د مصنوعي ځیرکتیا د راتلونکي لپاره د لوړې مثبت ګرايي او چټکو لاسته راوړنو مهال وو. 

په مصنوعي ځیرکتیا کې ابتدايي هڅې په دې تړاو وې چې داسې قوانین وضع شي چې له منظمو معلوماتو (ډیټا) سره په ګډه یو ماشین د دې جوګه وګرځوي چې منطقي استنباط او استنتاج وکړای شی. مثلاً په تولیدي سیسټم کې یو ماشین د حالتونو (states) په هکله معلومات هم لري او ورسره له یوه حالت څخه بل حالت او بلاخره «هدفي حالت» ته د رسېدو لپاره قوانین هم لري. په منظم ډول تطبیق شوی تولیدي سیسټم نه یوازې مسایل حلولی شي، بلکې خپل استدلال د تطبیق شویو قوانینو په بڼه تشریح کولی هم شي. 

شرډلو (SHRDLU) پروګرام په ایم آی ټي کې د ماروین مینسکي ټیم جوړ کړ. دې پروګرام وښودله چې د هندسي شکلونو په یوه ساده «مایکرو دنیا» کې یو پروګرام مسایل حلولی او د دنیا په باره کې نوي حقایق زده کولی شي. مینسکي وروسته د چوکاټ یا فریم په نوم تر دې هم عمومي روش رامنځته کړ، تر څو د هر چوکاټ په مټ کمپیوټر ته د دنیا په باره کې د علم یو منظم ډیټابیس ورکول شي؛ چې دغه علم له هغه پوهې سره مقایسه کولی شو چې ماشوم یې د ټول ژوند په اوږدو کې ترلاسه کوي. نو، یو پروګرام چې مناسب فریمونه ولري داسې چلند کولی شي ګنې یاد پروګرام په هوټل کې د دوو کسانو په باره کې معلومات لري، ځکه چې دی په یو شمېر لومړنیو حقایقو پوهېږي مثلاً خلک هوټل ته د ډوډۍ لپاره ځي، د دوی لپاره ډوډۍ پخېږي، یو څوک د ډوډۍ پیسې ورکوي، او داسې نور.

د ماروین مینسکي د فریمونو میتود مؤثر وو، خو له ماتې سره مخ شو. لامل یې د دنیا په باره کې د جامع علم په خاطر د لوی شمېر فکټونو او د هغو ترمنځ د اړیکو ضرورت وو. خو د ۱۹۷۰یمو او ۱۹۸۰یمو کلونو په جریان کې کارپوه سیسټمونه (expert system) منځته راغلل چې مغلق کارونه یې ترسره کولی شوی مثلاً د ساري مرضونو لپاره د مناسبې درملنې تشخیص (مایسین پروګرام) او د مالیکولونو تجزیه (ډنډرال پروګرام). په کارپوه سیسټمونو کې استنباطي اصول د فکټونو او اړیکو له تخصصي ډیټابیسونو سره یو ځای کېږي او په دې ترتیب یاد سیسټمونه کولی شي چې د بشري متخصصینو پوهه په ځان کې خوندي او په اړوند ډګر کې یې استفاده کړي. 

د فریمونو د روش تر ټولو څرګند مثال د Cyc (د انسایکلوپیډیا لنډیز) په نوم یوه پروژه وه، چې ډوګلس لینټ جوړه کړه. دغه پروژ اوسمهال دېرش کلنه ده او د دنیا په تړاو میلیونونه کوډ شوي فکټونه لري، چې هر فکټ په داسې معنوي شبکو (semantic networks) وېشل شوی چې د بشري علم د لسګونه پراخو ساحو استازولي کوي. که دغه پروژه کامیابه شوه، نو د Cyc ډیټابیس په ګڼو مختلفو برخو او ځایونو مثلاً د نوو کیسو د اتومات تلخیص او تحلیل په سافټویرونو کې تطبیق موندلی شي. 

د جز نه کل ته روشونه

په مصنوعي ځیرکتیا کې «د جز نه کل ته» ګڼ روشونه جوړ شول تر څو داسې ماشینونه رامنخته شي چې تر ډېره بریده د انسان په څېر د زده کړې وړتیا ولري. په دې کې یو روش چې په عملي ډول تر ټولو ډېر ومنل شو، د عصبي شبکو (neural networks) روش وو، چې په انساني مغزو کې د نیورونو د فعالیت د شبیه سازۍ هڅه کوي. څېړونکي په دې اند دي چې په انساني مغزو کې ادراکات یا د علم اخذ د یو شمېر خاصو نیورونو او عصبي لارو د تقویې سبب ګرځي، چې بلاخره د چارو د ترسره کولو لپاره د مغزو وړتیا ته وده ورکوي. په یوه مصنوعي عصبي شبکه کې لوی شمېر مستقل پروسیسرونه هڅه کوي چې یوه چاره سرته ورسوي. کوم پروسیسرونه چې د کار په کولو وتوانېږي، هغه تقویه کېږي یا «وزن» مومي، خو هغه چې پاتې راشي، هغه ضعیفه کېږي. په دې ترتیب، د یوې چارې مثلاً د اعدادو ترتیب یا پټرن پېژندنې لپاره د سیسټم عمومي قابلیت ورو په ورو پرمختګ کوي.

له ۱۹۵۰ کلونو راهیسې یو شمېر څېړونکي بیا په دې اند دي چې کمپیوټري پروګرامونه یا روبوټونه باید داسې ډیزاین شي چې د ماشومانو غوندې له خپل محیط سره د تعامل او له هغه نه د زده کړې قابلیت ولري. په ایم آی ټي پوهنتون کې راډني بروکس او سینتیا بریزیل طبقه يي ارکیټکچر (ساختمان) لرونکي روبوټونه جوړ کړي چې حرکي، حسي، نمایشي او تصمیم ګیرا عناصر لري. هره طبقه خپلو اینپوټونو ته غبرګون ښيي او تر ځان لوړ پوړ ته معلومات استوي. کاګ (Cog) او د ده بچوڼی قسمت (Kismet) روبوټونه ډېرکله نا اټکله چلندونه ښيي، داسې چې هغه مغلق غبرګونونه تولیدوي چې خودسرانه زېږي او پروګرام شوي نه وي.

هغه روش چې د «مصنوعي ژوند» په توګه پېژندل کېږي، په هغه کې یو جنیتیکي عنصر هم اضافه کېږي، چې په دې عنصر کې کامیابه اجزاوې د پروګرام د کوډ «جینونه» خپل بچي ته انتقالوي او په دې ډول د طبیعي انتخاب په واسطه د ارتقا قوت شبیه سازي کېږي، او د لا ډېرو مؤثرو سیسټمونو د جوړېدو سبب ګرځي.

په عموم کې د کل نه جز ته روشونه د مشخصو چارو په خاطر ډېر کامیابه وو، خو د جز نه کل ته روشونه بیا په عمومي سطحه تر نورو روشونو پراخه استعمال لري او همدغسې یې د مصنوعي ځیرکتیا، ادراکي ارواپوهنې او په انساني مغزو کې د څېړنې ترمنځ ګډڅانګیزو مطالعاتو ته هم لاره هواره کړې. 

د استعمال ساحې

قوي مصنوعي ځیرکتیا به تر دې دمه د نن ورځې په کمپیوټري سیسټمونو کې نه وي عامه شوې، خو د مصنوعي ځیرکتیا اصول له ډېر بریالیتوب سره په یو شمېر ساحو کې تر استعمال لاندې دي. دغه ساحې په لاندې ډول دي: 

• د علم ترلاسي او ارایې ته لارې جوړول، تر څو هغو سیسټمونو ته د لاسرسي وړ شي چې د درملو او کیمیا په څېر مسلکونو کې د تشخیص او تحلیل لپاره استعمالېږي.
• داسې سیسټمونه جوړول چې د ډیټابیسونو د مدیریت، د مشتریانو خدماتو زنګونو ته ځواب ورکولو، یا عادي خبرو اترو لپاره په عادي ژبه د تکلم وړتیا ولري. 
• روبوټونه د دې جوګه کول چې په یوه صحنه کې ابجکټونه او د هغو ترمنځ ارتباط یوازې ونه ویني، بلکې «درک» يې هم کړي. 
• د غږ او مخ پېژندنې، او همدا راز د سترې ډیټا کیندنې او تحلیل لپاره سیسټمونو ته پرمختګ ورکول. 
• داسې سافټویرونه جوړول چې اتومات کار وکړي او بېلا بېلې دندې سرته ورسوي، لکه د تجارتي موادو د رقابتي وړاندیزونو لټون او ارزونه. 

راتلونکی

د مصنوعي ځیرکتیا ډګر له مختلفو روشونو سره د دلچسپۍ او علاقې پرلپسې څپې تجربه کړې، او سترې پروژې یې ډېری وختونه له ماتې سره مخ شوې. خو کارپوه سیسټمونه او په یو څه ټیټه درجه کې نیورل نټورکونه (عصبي شبکې) بیا د باوري محصولاتو لپاره د بنیاد رول لوبولی دی.  روبوټپوهنه او کمپیوټري دید په نظامي او صنعتي ډګرونو کې د استعمال لپاره پراخه پوتنسیال په ځان کې لري. د سافټویري اجنټانو جوړول اوسمهال په یوه ستره تجارتي بوختیا تبدیل شوي، چې له ګټه اخیستونکو سره مرسته کوي چې د انټرنټ په پېچلتیاوو کې خپله لاره لنډه کړي. د مصنوعي ځیرکتیا پرمختګ تر هغه ډېر ناڅاپي او مغلق واقع شوی، څومره يې چې په ابتدا کې توقع کېدله. په دې برخه کې، یو لیدلوری د ثابت پیشرفت خبره کوي. بل د ورنر وینج په څېر د ساینس فکشن لیکوالو لیدلوری بیا راته وايي چې ممکن یوه ورځ یو ناڅاپي پرمختګ، چې شاید د مصنوعي ژوند له تحقیقاتو سرچینه واخلي، واقعي – خو په واقعي معنا پردۍ – ځیرکتیا منځته راوړي.

اضافي لوستونه 

1- American Association for Artificial Intelligence. “Welcome to AI Topics.” Available online. URL: http://www.aaai.org/Pathfinder/html/welcome.html. Accessed April 13, 2007.

2-“An Introduction to the Science of Artificial Intelligence.” Available online. URL: http://library.thinkquest.org /2705/. Accessed April 13, 2007.

3- Feigenbaum, E. A. and J. Feldman, eds. Computers and Thought. New York: McGraw-Hill, 1963.

Henderson, Harry. Artificial Intelligence: Mirrors for the Mind. New York: Facts On File, 2007.

4- Jain, Sanjay, et al. Systems that Learn: An Introduction to Learning Theory. 2nd ed. Cambridge, Mass: MIT Press, 1999.

5- Kurzweil, Ray. The Age of Spiritual Machines: When Computers Exceed Human Intelligence. New York: Viking, 1999.

6- McCorduck, Pamela. Machines Who Think. 25th Anniversary update. Notick, Mass.: A. K. Peters, 2004.

7- Shapiro, Stuart C. Encyclopedia of Artificial Intelligence. 2nd ed. New York: Wiley, 1992.