نگاهی بر موفقیت اخیر گوگل در بازی Go؛ هوش مصنوعی به کجا می رود؟

چندی پیش در خبرها آمده بود که سیستم شبکه عصبی گوگل استاد بزرگ بازی Go را شکست داده است. این بازی فکری قدمتی بالغ بر 2500 سال دارد و به مراتب پیچیده تر از شطرنج ارزیابی شده است.

اما پیروزی ماشین بر انسان در این رقابت زیاد هم نیک بوستروم را شگفت زده نکرد. او استاد فلسفه دانشگاه آکسفورد است و در سوئد متولد شده. وی چندی پیش کتابی به نام نبوغ: مسیرها، خطرات و استراتژی ها را به چاپ رساند که در زمره پرفروش ترین عناوین سال جای گرفت و به واسطه همین کتاب به شهرت و جایگاه بسیار خوبی در مجامع علمی دست پیدا کرد.

در این کتاب، نویسنده به مزایای هوش مصنوعی پرداخته و در کنار این، استدلال هایی را بیان می کند که براساس آنها، یک کامپیوتر واقعا هوشمند، می تواند در نهایت به انقراض نسل بشر بیانجامد.

البته توقع بالای او از هوش مصنوعی به معنای دست کم گرفتن قدرت ماشین باهوش گوگل و توانمندی اش برای انجام بازی Go نیست بلکه، او صرفا تلاش دارد اینطور به ما نشان دهد که دستاورد اخیر را لزوما نمی توان به معنای گامی بزرگ به سمت جلو ارزیابی کرد.

بوستروم اشاره کرده است، تکنولوژی های مورد استفاده گوگل برای ارائه این سیستم طی سال های اخیر مرتبا بهبود یافته اند و از آن جمله به تکنیک های هوش مصنوعی آن نظیر یادگیری عمیق و یادگیری تقویتی اشاره کرده است. در واقع آنطور که بوستروم می گوید، «پیروزی ربات گوگل بر استاد بزرگ بازی Go صرفا قطره ای از یک دریای عظیم است. تلاش گوگل برای ارائه تکنولوژی ها و ربات های بهره مند از هوش مصنوعی از سال ها قبل آغاز شد و تا چند سال آینده نیز ادامه می یابد».

نیک بوستروم

پیروزی ربات گوگل بر استاد بزرگ بازی Go صرفا قطره ای از یک دریای عظیم است

بوستروم در این باره گفت: پیشرفت های زیادی در هوش مصنوعی صورت گرفته و همچنان اتفاق می افتند. تکنولوژی مورد استفاده گوگل نیز دنباله رو چیزی است که در چند سال اخیر در دست توسعه بوده است.

اما اگر به شیوه دیگری به ماجرا نگاه کنید، درخواهید یافت که علت هیجان انگیز بودن و شاید اضطراب آور بودن دستاورد اخیر این شرکت ساکن مانتین ویو نیز دقیقا به همین خاطر است.

حتی بوستروم نیز معتقد است که باید اندکی درنگ کرده و نگاهی به مسیر طی شده توسط این تکنولوژی و مسیر پیش روی آن بیاندازیم. پژوهشگران زمانی بر این باور بودند که هوش مصنوعی، دست کم تا یک دهه دیگر نمی تواند به نقطه ای از پیشرفت برسد که یکی از استاد بزرگ های بازی Go را شکست دهد.

حالا اما، این فناوری به نقطه ای از پیشرفت رسیده که زمانی برای آن غیرقابل تصور بود. یا دست کم می توان اینطور گفت آدم های زیادی در این دنیا هستند که قدرت و پول کافی را ر اختیار دارند و دوست دارند به چنین جایگاهی (یعنی شکست دادن استاد بزرگ Go) دست پیدا کنند.

اما این موضوع صرفا به گوگل مربوط نمی شود بلکه فیسبوک، مایکروسافت و دیگر غول های تکنولوژی نیز روی این حوزه تمرکز کرده اند. به بیان دیگر، تلاش این شرکت ها برای ارائه قدرتمندترین هوش مصنوعی نوعی رقابت جدی را میان آنها به وجود آورده و شرکت هایی که از آنها نام بردیم در زمره قدرتمندترین و ثروتمندترین نام های روی زمین هستند که می توانند به این مهم نایل بیایند.

اما شاید جالب ترین بخش ماجرا در رابطه با دستاورد اخیر گوگل واکنشی است که از سوی مارک زاکربرگ مدیرعامل فیسبوک صورت پذیرفته.

ساخت یک مغز

سیستم هوش مصنوعی گوگل که تحت عنوان AlphaGo از آن یاد می گردد در DeepMind توسعه پیدا کرد؛ نوعی مرکز تحقیقات در زمینه هوش مصنوعی که گوگل آن را اوایل سال 2014 میلادی در ازای 400 میلیون دلار خریداری کرد.

DeepMind هم در زمینه یادگیری عمیق تبحر دارد و هم یادگیری تقویتی و این دو، تکنولوژی هایی هستند که به ماشین ها امکان می دهند به صورت خودبخودی فرا بگیرند.

پیشتر Demis Hassabis موسس این شرکت و تیم تحت سرپرستی وی از این تکنیک ها برای ایجاد سیستم هایی استفاده کرده بودند که می توانستند بازی های ویدئویی کلاسیک آتاری نظیر Pong، Breakout و Space Invaders را انجام دهند.

در برخی از موارد، سیستم های یاد شده نتنها بر بازیکنان انسانی فایق آمده بودند بلکه بازی ها را به شیوه ای که هیچگاه برای انسان قابل تصور نخواهد بود انجام داده بودند و روشن است که همین دستاوردها لری پیج، مدیرعامل وقت گوگل را بر آن داشت تا اقدام به خریداری آن شرکت نماید.

در برخی از موارد، سیستم های یاد شده نتنها بر بازیکنان انسانی فایق آمدند بلکه بازی ها را به شیوه ای که هیچگاه برای انسان قابل تصور نخواهد بود انجام دادند

یادگیری عمیق با بهره گیری از آنچه شبکه های عصبی خوانده می شود (شبکه های سخت افزاری و نرم افزاری که تقریبا با شبکه نورون های مغز انسان برابری می کنند) همان چیزی است که ابزار پیشرفته سرچ عکس در Google Photos را می سازد یا از آن در مواردی چون سرویس تشخیص چهره فیسبوک، ابزار ترجمه زبانی اسکایپ مایکروسافت و سیستمی بهره گرفته شده است که تصاویر مستهجن در توئیتر را شناسایی می کند.

اگر چندین میلیون حرکتی که درون بازی های ویدئویی اتفاق می افتند را در اختیار شبکه عصبی عمیق قرار دهید آنگاه می توانید به آن یاد دهید که بازی کند و به لطف پایگاه های عظیم داده ای، قادر خواهید بود که انجام امور دیگری نظیر ارائه نتایج سرچ برای موتور جستجوی گوگل یا تشخیص ویروس های کامپیوتری را به آن یاد دهید.

یادگیری تقویتی اما یک گام از این جلوتر است. در این تکنیک، بعد از آنکه یک شبکه عصبی با توانایی انجام بازی را ایجاد کردید، می توانید از آن بخواهید که در مقابل خود بازی کند.

همزمان با اینکه دو نسخه مختلف از این شبکه عصبی هزاران بازی را مقابل به یکدیگر انجام می دهند، سیستم تشخیص می دهد که کدام حرکات بهترین نتیجه را به دنبال داشته است (یعنی بالاترین امتیاز) و به این ترتیب، فرا می گیرد که در سطحی بالاتر بازی کند.

اما مجددا لازم است یادآور شویم که این تکنیک صرفا به بازی ها محدود نمی شود و می توان از آن در هر حوزه ای که معرف بازی و در برگیرنده استراتژی و رقابت است بهره گرفت.

AlphaGo از تمامی اینها و بسیاری موارد دیگر بهره می گیرد. Hassabis و تیم او سطح دیگری از «یادگیری تقویت شده عمیق» را به آن اضافه کردند که می تواند به نتایج دراز مدت هر کدام از حرکات خود بیاندیشد.

آنها برای این منظور از تکنیک های قدیمی هوش مصنوعی بهره گرفتند که پیشتر در برای انجام بازی Go مورد استفاده قرار داده بودند و از آن جمله می توان به متد سرچ درختی مونت کارلو اشاره کرد که برای رسیدن به نتیجه نهایی از سناریوهای بسیار زیادی استفاده می کند.

آنها با اقتباس از تکنیک های مختلف (هم قدیمی و هم جدید) سیستمی را ساختند که می توانست حرفه ترین بازیکنان را شکست دهد.

در ماه اکتبر، AlphaGo پشت درهای بسته به مصاف قهرمان سه دوره بازی Go در اروپا رفت و در جریان آن، دو رقیب، پنج مرتبه مقابل به هم قرار گرفتند و در تمامی آنها AlphaGo برنده مسابقه بود.

پیچیدگی بینهایت

پیش از این پیروزی، بسیاری از کارشناسان حوزه هوش مصنوعی تصور نمی کردند که سیستم ابداعی Hassabis و تیمش بتواند بهترین بازیکن انسانی را شکست دهد و دست کم باور داشتند که این اتفاق به این زودی ها رخ نخواهد داد.

در ماه های اخیر، فیسبوک نیز تلاش هایش برای بهبود سیستم هوش مصنوعی خود که برای بازی Go طراحی شده است را شدت بخشید و استدلالش برای چنین کاری این بود که به اندازه پروژه DeepMind محققان زیادی را به این کار اختصاص نداده است.

هفته گذشته، از Yann LeCun پدر یادگیری عمیق که بر تلاش های فیسبوک در زمینه هوش مصنوعی نظارت دارد سوال شد که آیا گوگل در خفا توانسته استاد بزرگ Go را شکست دهد یا خیر، و او نیز این احتمال را بسیار ضعیف ارزیابی کرده و پاسخ داد: خیر. شاید. خیر.

اما مشکل چیست؟ Go یک بازی به شدت پیچیده است. در یک بازی شطرنج به صورت متوسط 35 حرکت احتمالی برای هر رقیب وجود دارد در حالی که در Go این رقم برابر با 250 حرکت است.

بعد از هریک از این حرکت ها، هنوز احتمال 250 حرکت دیگر وجود دارد و این روند همچنان ادام دارد. این یعنی حتی بزرگ ترین ابررایانه های دنیا هم نمی توانند نتایج هر حرکت احتمالی را برآورد نمایند چراکه این حرکات بیش از اندازه زیادند.

آنطور که Hassabis می گوید، شمار این حرکات از اتم های موجود در عالم بیشتر است. لذا برای آنکه بتوانید رقیب خود در این بازی را شکست دهید، به نوعی از هوش مصنوعی نیاز دارید که می تواند کاری فراتر از محاسبه صرف را انجام دهد.

در واقع این AI باید بتواند دوراندیشی و حتی شهود انسان را تقلید کند و به چیزی نیاز دارید که بتواند یاد بگیرد. به همین خاطر است که گوگل و فیسبوک عزم خود را جزم نموده اند تا این مشکل را کنار بزنند.

اگر آنها بتوانند مشکلی با این سطح از پیچیدگی را از پیش روی خود بردارند آنگاه می توانند از آنچه برای این منظور فراگرفته اند به عنوان نوعی سکوی پرتاب به درون سیستم های هوش مصنوعی بهره بگیرند که قادر است کارهای عملیاتی بیشتری را در دنیای واقعی انجام دهد.

Hassabis اظهار داشته که این تکنولوژی ها «تناسبی طبیعی» با علم رباتیک دارند. آنها می توانند امکانی را برای ربات ها فراهم بیاورند که بهتر محیط پیرامون خود را شناخته و به تغییرات پیش بینی نشده ای که در آن رخ می دهد واکنش نشان دهند.

اما Hassabis باور دارد که این تکنولوژی ها می توانند به عنوان مبنایی برای انجام تحقیقات علمی مورد استفاده قرار بگیرند و نوعی دستیار هوش مصنوعی را ارائه دهند که قادر است دانشمندان را به سمت پیشرفت بزرگ بعدی در این حوزه سوق دهد.

و اگر چنین شود، برخی از تغییراتی که به واسطه هوش مصنوعی در زندگی روزمره مان رخ خواهند داد نیز با سرعت بیشتری رقم می خورند. برای نمونه تکنیک های DeepMind می توانند تلفن های هوشمند را نتنها در تشخیص عکس ها و کلمات شفاهی و همچنین ترجمه زبانی به زبان دیگر یاری دهند، بلکه می توانند در درک زبان نیز موثر باشند.

این تکنیک ها، مسیر را برای ساخت ماشین هایی هموار می کنند که می توانند معنا و مفهوم یک عبارت یا جمله (ضرب المثال، استعاره و ...) درک کرده و به آن پاسخ دهند.

شرکت ها نشان می دهند که در حوزه هوش مصنوعی جدی هستند

همه اینها نشان می دهند که چرا ساعاتی قبل از اعلام شکست استادبزرگ Go در برابر ماشین گوگل، مارک زاکربرگ با اشتیاق در مورد این بازی صحبت کرده بود.

خبر دستاورد گوگل در این رابطه از طریق یک مقاله تحقیقاتی اعلام گردید که در نشریه دانشگاهی Nature منتشر شد و جالب است بدانید که کارکنان فیسبوک قبل از انتشار رسمی این مقاله به آن دسترسی پیدا کرده بودند (در واقع این مقاله دو روز قبل و بعد از توافق با خبرنگاران برای عدم انتشار آن، در اختیار آنها قرار گرفته بود).

نتیجه این شد که زاکربرگ و بسیاری از مقامات و مدیران شرکت های دیگر تصمیم گرفتند پیش از خسارت دیدن و بهتر بگوییم مغلوب شدن در این حوزه، اقدامات کنترلی مورد نیاز را انجام دهند.

یک شب قبل از اعلام این خبر توسط گوگل، محققان هوش مصنوعی فیسبوک مقاله تحقیقاتی تازه ای را که حاوی جزئیات کارشان در مورد Go بود منتشر کردند (مطالبی که به نوبه خود بسیار جالب توجه بود) و زاکربرگ هم آن مقاله را از اکانت فیسبوک خودش منتشر کرد.

وی در این باره اینطور نوشت: ما در شش ماه گذشته، نوعی هوش مصنوعی را ایجاد کرده ایم که می تواند در کمتر از 0.1 ثانیه دست به حرکت بزند و عملکردش به خوبی سیستم هایی است که ساختنشان سال ها زمان برده.

وی در ادامه اعلام کرده بود: Yuandog Tian محققی که روی این پروژه کار کرده است میز کارش چند متر آنطرف تر از من است. در واقع اینکه تیم هوش مصنوعی فیسبوک تا این اندازه به من نزدیک هستند بسیار خوب است چراکه می توانم از آنچه مشغول ساختنش هستند چیزهای زیادی را یاد بگیرم.

البته اینکه هوش مصنوعی ایجاد شده توسط فیسبوک چندین گام عقب تر از AlphaGo گوگل است، جای خود را دارد. آنطور که LeCun دانشمند علم رایانه اظهار داشته، منابع تخصیص یافته از سوی فیسبوک به این حوزه به مراتب کمتر از DeepMind هستند و این شرکت زمان زیادی را صرف تکنولوژی ابداعی اش نکرده است.

Yann LeCun

منابع تخصیص یافته از سوی فیسبوک به حوزه هوش مصنوعی به مراتب کمتر از DeepMind است و این شرکت زمان زیادی را صرف تکنولوژی ابداعی اش نکرده است.

از همین رو، مشخص نیست که چرا فیسبوک تا این اندازه مشتاق بود که خبر دستاوردهایش در این زمینه را پیش از گوگل به سمع و نظر جهانیان برساند اما واقعیت این است که فیسبوک و به طور مشخص، زاکربرگ اهمیت زیادی برای این نوع از هوش مصنوعی قائل است و رقابتی جدی را در این زمینه با گوگل آغاز کرده که بزرگ ترین رقیب کاری اش هم محسوب می شود.

با این همه، این رقابت در زمینه هوش مصنوعی صرفا به یافتن بهترین سیستم ابداعی برای بازی Go اختصاص ندارد، بلکه هدف تعیین شرکتی است که می تواند بهترین استعداد در زمینه هوش مصنوعی را به سمت خود جذب نماید.

هم زاکربرگ و هم LeCun می دانند که باید به جامعه نسبتا کوچک هوش مصنوعی نشان دهند، فیسبوک در مورد این بخش کاملا جدی است.

اگر می خواهید بدانید که این جدیت تا چه اندازه است باید بگوییم همین که زاکربرگ متراژ فاصله میز خود با Yuandong Tian را دقیقا اندازه گرفته خود نشان دهنده اهمیت این مساله است.

در واقع، در داخل فیسبوک، اهمیت یک کارمند به واسطه فاصله میزش با زاکربرگ مشخص می گردد و فاصله 6 متری زاکربرگ با Yuandong Tian هم نشان می دهد که او شخصا خود را درگیر مقوله هوش مصنوعی کرده است.

مدیرعامل فیسبوک در نخستین روز از سال جدید میلادی اظهار داشت که چالشش برای سال 2016 توسعه نوعی سیستم هوش مصنوعی است که او را هم در خانه و هم محیط کار یاری دهد.

تهدیدات

گوگل و فیسبوک برای ارائه گونه ای از هوش مصنوعی که از بسیاری جهات فراتر از انسان ظاهر شود بسیار مصمم هستند. اما این دو شرکت، در چنین رقابتی هم تنها نیستند. مایکروسافت، توئیتر، ایلان ماسک و بسیاری دیگر نیز دراین سمت وسو حرکت می کنند و این اتفاقی خوشایند در زمینه تحقیقات هوش مصنوعی محسوب می شود و برای آدم هایی مثل نیک بوستروم و ایلان ماسک، حتی می تواند ترسناک باشد.

آنطور که کریس نیکولسان، مدیرعامل و بنیانگذار استارتاپ Skymind (فعال در زمینه یادگیری عمیق) اشاره کرده است، نوعی از هوش مصنوعی که در بازی Go به نمایش گذاشته شد میتواند برای حل هر مساله ای که شکل و شمایل بازی را دارد به کار گرفته شود و از آن جمله می توان به تجارت و جنگ اشاره نمود.

هر دوی این موارد هم به کار زیادی نیاز دارند و هم داده های بیشتر. اما تصور رسیدن به این نقطه از پیشرفت در زمینه هوش مصنوعی در عین حال که می تواند امیدوار کننده باشد، برای بسیاری از جمله بوسترم وحشتناک است.

نیک بوستروم

هوش مصنوعی می تواند خطرناک تر از تسلیحات هسته ای باشد

او در کتاب خود اشاره می کند که هوش مصنوعی می تواند خطرناک تر از تسلیحات هسته ای باشد اما نه صرفا به این خاطر که انسان ممکن است از آن استفاده های نامطلوبی داشته باشد، بلکه به این خاطر که احتمال ساخت و ارائه گونه ای از هوش مصنوعی وجود دارد که از کنترل انسان خارج خواهند بود.

اما این آینده برای سیستمی مانند AlphaGo بسیار بعید به نظر می آید. بله، این سیستم به صورت خود بخودی یاد می گیرد؛ می تواند مقابل به خود بازی کرده و به صورت کاملا خودمختار داده و استراتژی تولید نماید.

این سیستم همچنین موفق شد که قوی ترین حریفان انسانی اش را هم در بازی Go شکست دهد (البته بسیاری هنوز منتظر هستند که قدرتنمایی آن را در برابر یکی از بهترین بازیکنان جهانی ببینند) اما به همان اندازه که Go پیچیده است، محدودیت دارد و نمی توان گفت که پیچیدگی های آن با دنیای واقعی برابری می کنند.

لازم است اضافه نماییم که پژوهشگران DeepMind کنترل خوبی روی این سیستم دارند. آنها می توانند آن را تغییر داده و هر زمان که خواستند غیرفعالش کنند. به همین خاطر نمی توان این ماشین را خطر به حساب آورد.

نگرانی اصلی اینجاست که هم زمان با دستیابی دانشمندان به پیشرفت های بیشتر در این زمینه و ساخت سیستم های بهتر، آنها بدون آنکه بدانند از آستانه و حد و مرزهای تعیین شده عبور می کنند و از این نقطه به بعد است که نگرانی ها از خطرات چنین سیستم هایی شروع به شکل گیری می کند.

بوستروم می گوید او و تیم همراهش در موسسه آینده بشریت به دنبال یافتن راه هایی هستند که یادگیری تقویت شده می تواند از حوزه کنترل دانشمندان خارج شود.

وی در توضیحاتش می گوید: هم اکنون نیز نشانه های کوچکی وجود دارند دال بر اینکه در آینده یادگیری تقویت شده به ایجاد شرایطی می انجامد که در آن، ماشین ها به سادگی غیرفعال نمی شوند و در برابر این مساله مقاومت خواهند کرد.

او با ارائه این توضیحات می گوید: مسائل مشابهی وجود دارند که بعدها در سیستم های پیشرفته تر رخ خواهند داد و حتی امروز نیز می توانیم شرایط مشابهی را در سیستم های امروزی ببینیم.

اما اینها نشانه های کوچکی هستند. بوستروم می داند که تا بروز چنین خطراتی زمان زیادی باقی مانده است (تازه اگر چنین احتمالی واقعی باشد).

به لطف تلاش های او و کارشناسان اثرگذاری نظیر ایلان ماسک، لازم است صنعت بیشتر از آنچه تصور می شود به خطرات احتمالی این سیستم فائق بیاید. اما این نگرانی ها بیش از هر چیز دیگری نشان می دهند که تکنولوژی هایی نظیر آنچه در DeepMind ساخته می شود، بی نهایت قدرتمند هستند.

پیروزی اخیر گوگل در بازی Go نیز مویدی بر این نکته است. اما این پیروزی را می توان صرفا یک مقدمه برای دستاوردهای آتی در این حوزه برشمرد. در ماه مارس AlphaGo احتمالا مقابل به Lee Sedol قرار می گیرد که در یک دهه اخیر برترین بازیکن Go بوده است.

Sedol به مراتب باهوش تر از Fan Hui (قهرمان اروپایی که در لندن به AlphaGo باخت) است با این همه، جایگاه 5 جهانی را در اختیار دارد. بسیاری از کارشناسان باور دارند که هوش مصنوعی گوگل می تواند این استاد بزرگ جهانی را هم شکست دهد و اگر  اینطور شود، باز هم ما در ابتدای راه خواهیم بود و مسیر درازی را در پیش داریم.