دکتر حامد حاجی‌حیدری؛ 
فقط ایده‌ای برای تأمل بیشتر
▬ مشخصاً رستنگاه ایده رایانش را می‌توان به چارلز ببیج (Charles Babbage)، ریاضیدان نابغه کمبریج رساند که سال‌های متمادی را وقف ابداع یک ماشین حساب خودکار که می‌توانست محاسبات پیچیده مربوطه به ناوبری و تحلیل اشیاء متحرک را به انجام برساند. ماشینی که طراحی کرد، به تولید هزاران قطعه دقیق نیاز داشت، و در حالی که دانشمندان امروزی می‌دانند که طراحی ماشین ببیج جواب می‌دهد، ولی دولت وقت بریتانیا پس از سرمایه‌گذاری هنگفت هفده هزار پوندی، از حمایت خود دست کشید.
▬ در حالی که ببیج تلاش می‌کرد تا طرح جاه‌طلبانه مغزافزار مکانیکی خود را به اجرا بگذارد، یک ریاضیدان انگلیسی دیگر به نام جورج بول (George Boole) از کوئینز کالج کورک ایرلند، درگیر کاری متفاوت، اما، به همان اندازه مهم بود: یعنی، کشف قوانین اساسی اندیشه و پیدا کردن آن‌ها بر اساس اصول منطق. بول برای از بین بردن ابهامات زبان مرسوم منطق از زمان ارسطو، از مجموعه‌ای از نمادهای دلخواه (a، b، x، y و ...، و ∧،∨،و¬) برای توضیح «قوانین اندیشه» استفاده کرد. یک نکته مهم دیگر در منطق جدید جرج بول، خصلت باینری یا دودویی آن بود. هر عبارت منطقی، مهم نیست چقدر پیچیده باشد، نهایتاً می‌تواند به صورت «۱» (مخفف «همه» یا «درست») یا به عنوان «۰» (مخفف «هیچ» یا «کاذب») نمایش داده شود. جبر بولی سرانجام، نیم قرن بعد توسط آلفرد نورث وایتهد و برتراند راسل در کتاب Principia Mathematica (۱۳-۱۹۱۰) مورد قدردانی قرار گرفت. مجموعه افکاری که توسط چارلز ببیج، جرج بول، و وایتهد و راسل ارائه شد، سرانجام، توسط محققان در دهه‌های ۱۹۳۰ و ۱۹۴۰ یکپارچه شد، و به خلق ماشین‌های محاسب انجامید.
▬ در سال ۱۹۳۸، رساله مشهور «تحلیل نمادین مدارهای رله و سوئیچینگ» کلود شنون (Claude Shannon) منتشر شد. او بر آن شد که ماشین را می‌توان بر حسب معادلات جبر بولی ساده‌سازی کرد: برای سیستم درست-کاذب می‌توان کلیدهای روشن-خاموش یا مدار بسته و باز را موازی کرد. گام‌های استدلال منطقی را می‌توان با چنین رله‌های «سوئیچینگ» طی کرد. کار شنون زمینه را برای ساخت ماشین‌هایی که عملیات منطقی عظیم را به طور ماشینی و انبوه انجام می‌دادند، هموار کرد؛ حالا می‌شد استدلال منطقی طولانی و پیچیده را مشخصاً با طراحی دیجیتال محقق و تدقیق کرد.
▬ بیش از شنون، آلن تورینگ (Alan Turing)، ایده ماشین تورینگ خود را در سال ۱۹۳۶ مطرح کرد؛ بر این اساس، هر رشته محاسباتی که دقیقاً به زبان ریاضی بیان شده باشد را می‌توان توسط ماشینی انجام داد که دارای مجموعه متناهی از دستورالعمل‌ها باشد. دیگر آنکه، او نشان داد که اصولاً و فقط یک نوع رایانه وجود دارد، و نتایج محاسبه رایانه‌ها اختلافی با یکدیگر نخواهند داشت. و سومین نکته آن که، او شروع به فکر کردن در مورد مسائل اصلی هوش مصنوعی کرد: رابطه بین فکر انسان و تفکر ماشینی.
▬ ونور بوش (Vannevar Bush)، مهندس MIT، که به کلود شنون جوان پیشنهاد کرده بود تا بر روی موضوع قیاس بین نظریه شبکه الکتریکی و حساب گزاره‌ای کار کند، خود، شروع به ساخت ماشین‌هایی کرد که می‌توانستند معادلات دیفرانسیل را حل کنند.
▬ در همین زمان، وارن مک‌کالک و والتر پیتس (Warren McCulloch and Walter Pitts, 1943) در حال بسط نظرات خود در مورد شبکه‌های عصبی بودند، به ویژه این ایده که هر چیزی را که بتوان به طور کامل و بدون ابهام در قالب کلمات بیان کرد، می‌تواند توسط شبکه محدود متناسبی از نورون‌ها برنامه‌ریزی شود. بنا بر این، مغز را می‌توان به مفهومی دقیق‌تر از قبل، به عنوان یک ماشین عصبی و الکترونیک تعبیر کرد و در واقع، به عنوان یک ماشین تورینگ در نظر گرفت.
▬ نهایتاً نوربرت وینر (Norbert Wiener) علم سایبرنتیک را به عنوان یک حوزه بین‌رشته‌ای جدید که مکانیسم‌های بازخورد سیستمی را در نسبت با محیط را در یک فرآیند و نظام ارگانیک و خودفرمان کاوش می‌کرد، بنیان گذاشت.
▬ بر مبنای همه این یافته‌ها و نوآوری‌ها، این، جان فون نویمان (John von Neumann) بود که با تمام این رگه‌های فکری ارتباط برقرار کرد و به اتکاء علاقه پایدارش به نظریه محاسبات، و همچنین سخت‌افزار رایانه، منطق باینری را با فن حافظه رایانه تلفیق کرد. او با بسط ایده ذخیره برنامه‌ها، که در آن عملیات رایانه را می‌توان با استفاده از یک برنامه یا مجموعه‌ای از دستورالعمل‌ها، در حافظه داخلی رایانه ذخیره کرد، فن سخت‌افزار و نرم‌افزار رایانه را نهایی کرد. او نشان داد که چگونه منطق باینری و رایانش می‌توانند منجر به شکل‌گیری چیزی مشابه و حتی سازمندتر از حافظه انسانی به عمل درآید. می‌توان دستورالعمل‌ها را برای ماشین، به همان زبان پردازش داده‌ها (حتی چیزی شبیه زبان اسمبلی) رمزگذاری کرد، و بنا بر این، دستورالعمل‌ها و داده‌ها را در برنامه ترکیب کرد و هر دو را در رایانه ذخیره نمود. این پیشرفت‌های مفهومی راه را برای برنامه‌هایی مانند اسمبلرها و کامپایلرهای زبان C باز کرد که می‌توانستند زیر روال‌ها را در برنامه اصلی جمع کنند و از یک زبان نزدیک به زبان انسان مانند Basic، به زبان ابتدایی ماشین ترجمه کنند. شاید اگر فون‌نویمان، در سال ۱۹۵۷ و در حالی که هنوز در اوان میان‌سالی و ۵۴ سالگی بود بر اثر سرطان فوت نمی‌کرد، به شخصیت اصلی تاریخ نظریه محاسبات، علوم شناختی و نهایتاً هوش مصنوعی تبدیل می‌شد، و نقش نیوتن روزگار ما را ایفا می‌کرد.
▬ در عمل، و در سال ۱۹۴۶، فیزیکدانی بنام دکتر جان ماکلی (John William Mauchly) با همکاری جان آدام پرسپر اکرت (John Adam Presper) که مهندس برق بود، به ساختن اولین رایانه الکترومکانیکی/الکترونیکی همه منظوره، به نام «اینیاک» (ENIAC-Electronic Numerical Integrator And Computer) شدند. این رایانه قادر به انجام سیصد عمل ضرب در هر ثانیه بود و قادر بود کار دستی ۳۰۰ روزه را در یک روز انجام دهد. انیاک ۳۰ تن وزن داشت و کاربرد نظامی داشت.
▬ آلن نیول و هربرت سایمون (Allen Newell and Herbert Simon) روی رایانه جدیدی به نام جانیاک کار کردند که جیم اول نام خود را از نام جان فون نویمان می‌گرفت. این برنامه، همانطور که فون نویمان در نظر داشت، هم به دنبال شبیه‌سازی رفتارهای پیچیده ذهن و تصمیم‌سازی انسانی بود و هم به دنبال فراتر رفتن از آن‌ها. این رایانه، از روش کارآمدتر تصادفی به جای ترتیبی برای تخصیص حافظه استفاده می‌کرد، و بازی شطرنج و حل هوشمندانه‌تر مسائل ریاضی که نیاز به تفکر استراتژیک و پیچیده داشت، اهداف اصلی آن بودند. جالب این که ماشین توانست، اثبات زیباتری از یکی از قضایای وایتهد و راسل در کتاب پرینسیپا ماتماتیکا ارائه دهد که راسل را به وجد آورد. آلن نیول باور داشت که جانیاک از همان روش‌های انسانی استفاده می‌کند، ولی مجموع محاسبات چند دقیقه‌ای آن، اگر توسط منطق‌دان انسانی انجام می‌شد، صدها یا حتی هزاران سال وقت می‌برد. نحوه کار ماشین چیزی شبیه به این بود که فی‌المثل، اشکالی از قیاس که در آن اگر a دلالت بر b داشته باشد، و b دلالت بر c، و c دلالت بر d، و ... تا n، آنگاه، «a دلالت بر n» دارد؛ تمام این زنجیره‌های طولانی دلالت‌های موازی می‌توانست با هم تحلیل شوند، و در نهایت، چیزی شبیه و حتی پیچیده‌تر از آنچه در ذهن یک بازیگر استراتژیک شطرنج می‌گذرد، در ماشین نمودار شود. تیم نیول و سایمون ابرام داشتند که معتقد نیستند که هم ارزی عملکردی بین مغز و رایانه دلالت بر تناظر ساختاری در یک سطح آناتومیک داشته باشد و مثلاً به هم ارزی نورون‌ها با مدارها اشعار داشته باشد. کشف مکانیسم‌های عصبی که این عملکردهای پردازش اطلاعات را در مغز انسان موجب می‌شود، مورد توجه تیم مک‌کالک و پیتس بود، ولی گروه سایمون و نیول باور داشتند که این فرض برای توسعه و بسط منطق دیجیتال می‌تواند مضر باشد؛ آن‌ها آمادگی داشتند که به منطق دیجیتال به عنوان یک منطق برتر و با قابلیت محاسبه گسترده‌تر بنگرند؛ این، یک هوش مصنوعی بود که فراتر از هوش انسانی عمل می‌کرد. لااقل دو چیز محرز بود:
(۱) رایانه‌ها می‌توانند رفتاری داشته باشند که اگر توسط انسان‌ها ابراز شود، بدون ابهام هوشمند تلقی می‌شوند.
(۲) مراحلی که برنامه‌ها در مسیر اثبات قضایا طی می‌کنند، تمایزهایی با مراحل حل مسأله انسانی دارند.
▬ حتی می‌توان گفت که در پروژه نیول، چیزی شبیه منطق فازی، دخیل بوده است؛ ابتدا صورت مورد نظر «حل یک مسأله» تصریح می‌شود، سپس، با معلوم و مجهول، جایگاه فعلی در فرآیند حل مسأله با هدف نهایی مورد نظر مقایسه می‌گردد. اگر این دو مورد منطبق باشند، مشکل حل شده است، در غیر این صورت، ماشین محاسب، تفاوت‌ها را روشن می‌کند و روش‌هایی را جست و جو می‌کند تا تفاوت بین موقعیت فعلی در حل مسأله و موقعیت حل نهایی مسأله کاهش یابد. جدولی تنظیم می‌شود که اهداف سیستم را با الگوریتم‌های مرتبط می‌کند که ممکن است در کاهش فاصله تا حل مسأله مفید باشند. سیستم یک الگوریتم مرتبط با فاصله تا حل مسأله را انتخاب و آزمایش می‌کند تا معلوم شود که آیا الگوریتم برای وضعیت فعلی قابل اجرا است یا خیر. اگر اعمال آن فاصله تا حل مسأله را تقلیل دهد و نتیجه‌ای نزدیک به حالت نهایی مطلوب به دست آید، اعمال الگوریتم تکرار می‌شود. اگر ثابت شود که الگوریتم‌های موجود قابل اجرا نیستند، سیستم یک هدف فرعی ایجاد می‌کند. این رویه مدام و خستگی‌ناپذیر تکرار می‌شود تا زمانی که هدف محقق شود. با این رویه یا پراسیجر حل مسأله، علاوه بر این ممکن است مسائل پیچیده به مسائل فرعی تجزیه شود، از آن مهم‌تر، امکان حذف جزئیات از مسأله نیز هست، چرا که فرایند به طرزی که آشکارا فراتر از ضوابط جبر بولی است، به تقلیل فاصله وضع فعلی از وضع حل مسأله تمرکز دارد.
▬ نتایج کار نیول و سایمون برای بسیاری وحشتناک بود و همچنان هم هست. در واکنش به این وضع «وحشتناک» که از قرار معلوم، موقعیت مسلط انسان را به چالش می‌کشد، واکنش‌هایی مطرح شد:
▬ اول از همه، گفته شد که تمام اطلاعات موجود در برنامه رایانه‌ای توسط انسان‌ها تعبیه شده است، و از این قرار، کنترل انسانی همچنان باواسطه برقرار است. اما از نظر نیوول و سایمون، تا زمانی که رایانه صرفاً درگیر تکرار منظم مراحل از قبل برنامه‌ریزی شده باشد، این سخن درست است، ولی در عمل، تصمیم‌های رایانه در مورد استفاده از الگوریتم‌های مختلف و ترکیب آن‌ها صورت‌های تازه‌ای از حل مسأله خلق می‌کند که حتی می‌تواند برتراند راسل را پنجاه سال پس از انتشار کتاب پرینسیپیا ماتماتیکا شگفت‌زده کند؛ بی‌گمان اگر یک عملگر انسانی این کار را می‌کرد، ما کار او را هوشمندانه یا فراهوشمندانه تلقی می‌کردیم.
▬ خط دیگری از انتقادات بر تفاوت‌های معینی بین انسان‌ها و برنامه‌های کامپیوتری متمرکز بود؛ برای مثال، این‌که انسان‌ها می‌توانند میانبرها یا اکتشاف‌ها را بداهه بسازند، در حالی که رایانه‌ها همان فرآیندهای قبلی خود را تکرار یا ترکیب می‌کنند. از این گذشته، برخی مسائل انسانی قابل تبدیل به زبان ماشین نیستند. نیوول و سایمون با پذیرش این محدودیت، تصمیم گرفتند برنامه‌هایی با قابلیت یادگیری ابداع کنند (توأم با برداشت‌های آزاد از هوارد گاردنر).
مآخذ:...
هو العلیم