یک مقاله، یک مسئله

آیا ماشین می‌تواند فکر کند؟

در سال ۱۹۵۰ آلن تورینگ مقاله‌ای را با پرسشی آغاز کرد که اکنون، پس از گسترش هوش مصنوعی، بیش از هر زمان دیگری روزمره شده است: «آیا ماشین‌ها می‌توانند فکر کنند؟»

اهمیت مقاله‌ی تورینگ فقط در پاسخی نیست که به این پرسش می‌دهد بلکه نکته‌ی اصلی کار او در لایه‌ای پایین‌تر رخ می‌دهد. تورینگ می‌پرسد وقتی از «فکر کردن» سخن می‌گوییم دقیقا درباره‌ی چه چیزی حرف می‌زنیم و چگونه می‌توانیم وجود آن را در موجودی غیر از خودمان تشخیص دهیم؟

ما به ذهن دیگر انسان‌ها دسترسی مستقیم نداریم. نمی‌توانیم وارد ذهن کسی شویم و ببینیم آیا واقعا می‌فهمد، احساس می‌کند یا فکر می‌کند. آنچه در اختیار ماست رفتار اوست: پاسخ‌هایی که می‌دهد، پرسش‌هایی که می‌فهمد، اشتباه‌هایی که می‌کند و توانایی‌اش در ادامه دادن یک گفت‌وگوی معنادار. ما از روی این نشانه‌ها وجود ذهن را به او نسبت می‌دهیم.

تورینگ از همین‌جا صورت مسئله را تغییر می‌دهد. به‌جای آنکه بکوشد واژه‌های «ماشین» و «فکر کردن» را برای همیشه تعریف کند، بازی‌ای را پیشنهاد می‌کند که بعدها به «آزمون تورینگ» مشهور شد. در این بازی، یک داور از طریق پیام‌های نوشتاری با یک انسان و یک ماشین گفت‌وگو می‌کند، بی‌آنکه بداند کدام‌یک انسان است. اگر ماشین بتواند چنان پاسخ دهد که داور نتواند آن را با اطمینان از انسان تشخیص دهد، آنگاه باید پرسید که آیا هنوز هم می‌توانیم صرفا با تکیه بر ماشینی بودنش امکان فکر کردن را از آن موجود سلب کنیم؟


این آزمون اثبات نمی‌کند که ماشین دارای آگاهی یا تجربه‌ی درونی است. تورینگ هم مدعی چنین چیزی نیست. او مسئله‌ای مبهم و حل‌نشدنی را به پرسشی تبدیل می‌کند که می‌توان درباره‌ی آن بحث و آزمایش کرد. پرسش دیگر این نیست که آیا درون ماشین چیزی اسرارآمیز به نام «فکر» وجود دارد. پرسش این است که ماشین در یک موقعیت معین چه توانایی‌هایی از خود نشان می‌دهد.

بخش مهمی از مقاله به بررسی اعتراض‌ها اختصاص دارد. یکی از اعتراض‌ها این است که ماشین فقط دستورهایی را اجرا می‌کند که انسان از پیش برایش تعیین کرده و بنابراین نمی‌تواند چیزی تازه پدید آورد. این همان اعتراضی است که به نام ایدا لاولیس شناخته می‌شود. پاسخ تورینگ این است که اجرای قواعد لزوما به معنای پیش‌بینی‌پذیر بودن همه‌ی نتایج نیست. ماشین ممکن است سازنده‌ی خود را غافلگیر کند، حتی اگر کارش در نهایت بر مجموعه‌ای از قواعد استوار باشد.

اعتراض دیگر به آگاهی مربوط است. شاید ماشینی بتواند شعر بنویسد یا به پرسشی پاسخ دهد، اما آیا معنای کلمات را نیز می‌فهمد؟ آیا چیزی احساس می‌کند؟ تورینگ این تردید را انکار نمی‌کند. نکته‌ی او این است که همین تردید را، اگر بیش از اندازه سخت‌گیر باشیم، می‌توان درباره‌ی دیگر انسان‌ها نیز مطرح کرد. ما معمولا وجود ذهن دیگران را نه با مشاهده‌ی مستقیم آگاهی‌شان، بلکه از طریق رفتار و زبانشان می‌پذیریم. چرا در مورد ماشین باید معیاری کاملا متفاوت به کار ببریم؟

در مقاله اعتراض‌های دیگری نیز مطرح می‌شوند: محدودیت‌های منطقی ماشین، ناتوانی آن در خطا کردن، نداشتن ابتکار، ناتوانی در یادگیری و این ادعا که ماشین هیچ‌گاه نمی‌تواند تنوع رفتار انسانی را به دست آورد. برخی از پاسخ‌های تورینگ امروز ساده یا ناکافی به نظر می‌رسند. با این حال، نکته‌ی مهم آن است که او بسیاری از مناقشه‌هایی را صورت‌بندی کرده بود که هنوز در فلسفه‌ی ذهن و هوش مصنوعی ادامه دارند.

تورینگ در پایان به‌جای آنکه منتظر ساختن ذهنی کامل و آماده بماند، پیشنهاد می‌کند ماشین‌هایی ساخته شوند که مانند کودک آموزش ببینند. در این تصویر، هوش نتیجه‌ی انباشتن پاسخ‌های از پیش تعیین‌شده نیست. ماشین باید بتواند از تجربه و بازخورد بیاموزد و رفتار خود را تغییر دهد. این ایده، هرچند با سازوکارهای فنی متفاوت، به نگرش کنونی ما درباره‌ی یادگیری ماشین نزدیک است.

امروز سامانه‌های هوش مصنوعی می‌توانند متن بنویسند، تصویر بسازند، ترجمه کنند و گفت‌وگویی طولانی را ادامه دهند. با این همه، پرسش اصلی همچنان باقی است: آیا موفقیت در تقلید رفتار هوشمندانه برای نسبت دادن فهم و آگاهی کافی است؟ یا میان شبیه‌سازی فهم و خود فهمیدن فاصله‌ای وجود دارد که آزمون رفتاری نمی‌تواند آن را آشکار کند؟

ماندگاری مقاله‌ی تورینگ از همین‌جا می‌آید. او پاسخ نهایی مسئله‌ی ذهن ماشینی را به دست نداد، اما نشان داد پیش از پاسخ دادن باید خود پرسش را بازسازی کنیم. گاهی مهم‌ترین کار فلسفه حل کردن یک مسئله نیست، بلکه تبدیل پرسشی مبهم به مسئله‌ای است که بتوان درباره‌ی آن دقیق‌تر اندیشید.

مقاله:
Alan M. Turing, “Computing Machinery and Intelligence,” Mind, 1950
متن کامل مقاله
تحریریه‌ی ایران تینکر
#یک_مقاله_یک_مسئله