بیایید آن را بیش از حد پیچیده نکنیم - اگر از خود میپرسید که چه کسی واقعاً کل جنبش هوش مصنوعی را آغاز کرد، پاسخ، حداقل از نظر تاریخی، بسیار ساده است: جان مککارتی . مردی که نه تنها در سالهای اولیه هوش مصنوعی شرکت داشت - بلکه او به معنای واقعی کلمه آن را نامگذاری کرد. عبارت هوش مصنوعی ؟ او.
اما این را با یک عنوان جذاب اشتباه نگیرید. این یک عنوان افتخاری نیست. این یک عنوان اکتسابی است.
مقالاتی که شاید بعد از این مطلب دوست داشته باشید بخوانید:
🔗 چگونه یک هوش مصنوعی بسازیم - نگاهی عمیق و بدون جزئیات
یک راهنمای جامع و بیدردسر برای ساخت هوش مصنوعی خودتان از صفر.
🔗 هوش مصنوعی کوانتومی چیست؟ - جایی که فیزیک، کد و آشوب به هم میرسند
فصل مشترک شگفتانگیز مکانیک کوانتومی و هوش مصنوعی را بررسی کنید.
🔗 استنتاج در هوش مصنوعی چیست؟ - لحظهای که همه چیز به هم میپیوندد.
بیاموزید که چگونه هوش مصنوعی با استفاده از دادههای آموزشدیده، در لحظه تصمیمگیری میکند و بینش تولید میکند.
🔗 منظور از رویکرد جامع به هوش مصنوعی چیست؟
کشف کنید که چرا موفقیت هوش مصنوعی چیزی بیش از الگوریتمها است - اخلاق، نیت و تأثیر نیز اهمیت دارند.
جان مککارتی: چیزی فراتر از یک نام در یک مقاله 🧑📘
جان مککارتی، متولد ۱۹۲۷ و فعال در این حوزه تا زمان مرگش در سال ۲۰۱۱، درک عجیبی از ماشینها داشت - اینکه چه چیزی میتوانند بشوند، چه چیزی ممکن است هرگز نشوند. مدتها قبل از اینکه شبکههای عصبی سرورهای اینترنتی را از کار بیندازند، او از قبل سوالات سختی میپرسید: چگونه به ماشینها فکر کردن را یاد بدهیم؟ اصلاً چه چیزی فکر محسوب میشود؟
در سال ۱۹۵۶، مککارتی به همراه چند روشنفکر برجسته، کارگاهی را در کالج دارتموث ترتیب داد: کلود شانون (بله، همان متخصص نظریه اطلاعات)، ماروین مینسکی و چند نفر دیگر. این فقط یک کنفرانس دانشگاهی خاکخورده نبود. این لحظه بود. رویدادی واقعی که در آن اصطلاح هوش مصنوعی برای اولین بار به طور رسمی مورد استفاده قرار گرفت.
آن پیشنهاد دارتموث؟ در ظاهر کمی خشک و بیروح بود، اما جنبشی را برانگیخت که هنوز هم کند نشده است.
او واقعاً چه کار کرد؟ (راستش را بخواهید، خیلی زیاد) 💡🔧
LISP، برای شروع
در سال ۱۹۵۸، مککارتی LISP ، زبان برنامهنویسیای که تقریباً برای دههها بر تحقیقات هوش مصنوعی تسلط داشت. اگر تا به حال اصطلاح «هوش مصنوعی نمادین» را شنیده باشید، LISP اسب بارکش وفادار آن بود. این زبان به محققان اجازه میداد با منطق بازگشتی و استدلال تو در تو بازی کنند - اساساً چیزهایی که اکنون از فناوریهای بسیار پیشرفتهتر انتظار داریم.
اشتراک زمانی: ابر OG
مفهوم اشتراک زمانی - که به چندین کاربر اجازه میدهد همزمان با یک کامپیوتر تعامل داشته باشند - به حرکت محاسبات به سمت چیزی مقیاسپذیر کمک کرد. حتی میتوان گفت که این مفهوم، جد معنوی اولیه محاسبات ابری بود.
او میخواست ماشینها استدلال کنند.
در حالی که اکثر آنها بر سختافزار یا مجموعه قوانین محدود متمرکز بودند، مککارتی به منطق - چارچوبهای بزرگ و انتزاعی مانند و موقعیت محدوده - پرداخت . اینها کلمات مد روز نیستند. آنها چارچوبهایی هستند که به ماشینها کمک میکنند نه تنها عمل کنند، بلکه در طول زمان و عدم قطعیت استدلال کنند.
اوه، و او یکی از بنیانگذاران آزمایشگاه هوش مصنوعی استنفورد بود.
استنفورد (SAIL) به سنگ بنای هوش مصنوعی دانشگاهی تبدیل شد. رباتیک، پردازش زبان، سیستمهای بینایی - همه آنها ریشه در آنجا داشتند.
البته فقط او نبود 📚🧾
ببینید، نبوغ به ندرت یک عمل انفرادی است. کار مککارتی بنیادی بود، بله، اما او در ساختن ستون فقرات هوش مصنوعی تنها نبود. در اینجا به افراد دیگری که شایستهی ذکر هستند اشاره میکنیم:
-
آلن تورینگ - این سوال را در سال ۱۹۵۰ مطرح کرد: «آیا ماشینها میتوانند فکر کنند؟». آزمون تورینگ هنوز هم مورد استناد قرار میگیرد. رویایی و به طرز غمانگیزی جلوتر از زمان خود 🤖.
-
کلود شانون - به همراه مککارتی در راهاندازی کنفرانس دارتموث کمک کرد. همچنین یک ماوس مکانیکی (تیسئوس) ساخت که با یادگیری، مازها را حل میکرد. برای دهه ۱۹۵۰ کمی سورئال به نظر میرسد 🐭.
-
هربرت سایمون و آلن نیول - آنها Logic Theorist را ، برنامهای که میتوانست قضایا را اثبات کند. مردم در ابتدا آن را باور نمیکردند.
-
ماروین مینسکی - نظریهپرداز و تعمیرکار با سهم مساوی. او بین شبکههای عصبی، رباتیک و برداشتهای جسورانه فلسفی در نوسان بود. سالها شریک فکری مککارتی بود 🛠️.
-
نیلز نیلسون - او به آرامی نحوه تفکر ما در مورد برنامهریزی، جستجو و عاملها را شکل داد. او کتابهای درسی را نوشت که اکثر دانشجویان اولیه هوش مصنوعی روی میزهایشان باز بود.
این افراد شخصیتهای فرعی نبودند - آنها به تعریف مرزهای هوش مصنوعی کمک کردند. با این حال، مککارتی محور اصلی را در دست داشت.
دنیای مدرن؟ این یه موج کاملاً متفاوته 🔬⚙️
جفری هینتون ، یوشوا بنگیو و یان لکان را دارید که اکنون به عنوان «پدرخواندههای یادگیری عمیق» شناخته میشوند.
مدلهای پسانتشار هینتون در دهه ۱۹۸۰ نه تنها محو نشدند، بلکه تکامل یافتند. تا سال ۲۰۱۲، کار او روی شبکههای عصبی کانولوشن به مطرح شدن هوش مصنوعی در کانون توجه عمومی کمک کرد. به موارد زیر فکر کنید: تشخیص تصویر، ترکیب صدا، پیشبینی متن - همه از آن شتاب یادگیری عمیق ناشی میشوند.
جایزه نوبل فیزیک را دریافت کرد . بله، فیزیک. به همین دلیل است که مرز بین کد و شناخت تا این حد کمرنگ شده است 🏆.
اما نکته اینجاست: نه هینتون، نه موج یادگیری عمیق - درست است. اما همچنین، نه مککارتی، نه اصلاً هیچ حوزه هوش مصنوعی . نفوذ او در استخوانها و استخوانهایش هویداست.
آثار مککارتی؟ هنوز هم مرتبط هستند 🧩📏
نکته عجیب - در حالی که یادگیری عمیق امروزه حرف اول را میزند، برخی از ایدههای «قدیمی» مککارتی دوباره در حال بازگشت هستند. استدلال نمادین، نمودارهای دانش و سیستمهای ترکیبی؟ آنها دوباره آینده هستند.
چرا؟ چون هر چقدر هم که مدلهای مولد هوشمند باشند، هنوز در برخی موارد ضعیف هستند - مانند حفظ ثبات، اعمال منطق در طول زمان یا برخورد با تناقضات. مککارتی در دهههای ۶۰ و ۷۰ میلادی در حال بررسی این جنبهها بود.
بنابراین وقتی مردم درباره ترکیب LLMها با لایههای منطقی یا پوششهای نمادین صحبت میکنند، آگاهانه یا ناآگاهانه، در حال مرور مجدد دستورالعملهای او هستند.
خب، پدر هوش مصنوعی کیست؟ 🧠✅
بدون هیچ تردیدی: جان مککارتی .
او این نام را ابداع کرد. زبان را شکل داد. ابزارها را ساخت. سوالات سخت را پرسید. و حتی اکنون، محققان هوش مصنوعی هنوز با ایدههایی که او نیم قرن پیش روی تخته سیاه ترسیم کرد، دست و پنجه نرم میکنند.
میخواهید در کد LISP جستجو کنید؟ به سراغ عاملهای نمادین بروید؟ یا نحوه ادغام چارچوبهای مککارتی با معماریهای عصبی امروزی را دنبال کنید؟ من شما را راهنمایی میکنم - فقط کافی است بپرسید.