نگاهی به دانشمندان پیشرو در توسعه هوش مصنوعی/ مغز های انسانی پشت پرده مغز مصنوعی را بیشتر بشناسید

هوش مصنوعی (AI)، که روزگاری تنها در داستان‌های علمی-تخیلی جای داشت، امروزه به یکی از قدرتمندترین و تحول‌آفرین‌ترین فناوری‌های عصر ما تبدیل شده است.

 از دستیارهای صوتی هوشمند گرفته تا اتومبیل‌های خودران و سیستم‌های پیشرفته تشخیص پزشکی، هوش مصنوعی در حال بازتعریف تعامل ما با جهان است.

 اما این انقلاب فناورانه، نتیجه سال‌ها تلاش بی‌وقفه و نبوغ بی‌نظیر دانشمندان و محققانی است که با الهام از پیچیدگی‌های مغز انسان، در پی خلق ماشین‌هایی با قابلیت‌های شناختی مشابه بوده‌اند.

در ادامه به بررسی ریشه‌های هوش مصنوعی، معرفی برجسته‌ترین پیشگامان و دانشمندان معاصر این حوزه، و همچنین تشریح نقش "مغزهای انسانی" در شکل‌گیری و هدایت "مغزهای مصنوعی" می‌پردازیم:

ریشه‌ها و پیشگامان هوش مصنوعی، بذرهای تفکر ماشینی

ایده هوشمندسازی ماشین‌ها به قرن‌ها پیش بازمی‌گردد، اما پایه‌های علمی و فلسفی هوش مصنوعی مدرن در اواسط قرن بیستم بنا نهاده شد. در این دوره، چندین شخصیت کلیدی با ایده‌ها و کارهای نوآورانه خود، راه را برای ظهور این رشته باز کردند:

 آلن تورینگ (Alan Turing)، پدر علم کامپیوتر و هوش مصنوعی (1912-1954)

آلن تورینگ، ریاضیدان و منطق‌دان بریتانیایی، بدون شک یکی از برجسته‌ترین چهره‌ها در تاریخ هوش مصنوعی است. مقاله او در سال 1950 با عنوان "Computing Machinery and Intelligence" نقطه‌ی عطفی در این حوزه بود. تورینگ در این مقاله، مفهوم "ماشین‌های متفکر" را مطرح کرد و "آزمون تورینگ" (Turing Test) را به عنوان معیاری برای سنجش هوشمندی ماشین‌ها پیشنهاد داد. او بر این باور بود که اگر ماشینی بتواند در مکالمه با یک انسان، به گونه‌ای پاسخ دهد که تمایز آن از یک انسان واقعی دشوار باشد، می‌توان آن را هوشمند دانست. ایده‌های تورینگ نه تنها الهام‌بخش بسیاری از محققان پس از او شد، بلکه مسیر توسعه هوش مصنوعی را برای دهه‌های متمادی مشخص کرد.

 جان مک‌کارتی (John McCarthy)، ابداع‌گر اصطلاح "هوش مصنوعی" (1927-2011)

جان مک‌کارتی، دانشمند علوم کامپیوتر آمریکایی، کسی بود که در سال 1956 در کنفرانس دارتموث، برای اولین بار اصطلاح "هوش مصنوعی" (Artificial Intelligence) را ابداع و معرفی کرد. این کنفرانس که به عنوان نقطه آغاز رسمی تحقیقات هوش مصنوعی شناخته می‌شود، گرد هم آمدن جمعی از محققان برجسته برای بحث و تبادل نظر در مورد امکان ساخت ماشین‌های متفکر را فراهم آورد. مک‌کارتی همچنین نقش مهمی در توسعه زبان برنامه‌نویسی Lisp داشت که برای دهه‌ها زبان استاندارد برای تحقیقات و توسعه در حوزه هوش مصنوعی بود.

 ماروین مینسکای (Marvin Minsky)، بنیان‌گذار آزمایشگاه هوش مصنوعی MIT (1927-2016)

ماروین مینسکای، همراه با جان مک‌کارتی، یکی از بنیان‌گذاران آزمایشگاه هوش مصنوعی دانشگاه MIT بود. او از چهره‌های محوری در دهه‌های اولیه توسعه هوش مصنوعی بود و تحقیقات گسترده‌ای در زمینه شبکه‌های عصبی و حل مسئله انجام داد. کتاب او، "Perceptrons"، که به بررسی محدودیت‌های اولیه شبکه‌های عصبی می‌پرداخت، بحث‌های زیادی را برانگیخت و به نوعی باعث "زمستان هوش مصنوعی" در دهه‌های 1970 و 1980 شد، هرچند بعدها ایده‌های او در قالب یادگیری عمیق دوباره اوج گرفت.

 هربرت سایمون (Herbert Simon) و آلن نیول (Allen Newell)، پیشگامان حل مسئله (1916-2001 و 1927-1992)

سایمون و نیول، دانشمندان علوم کامپیوتر و روان‌شناسان شناختی، از دیگر چهره‌های برجسته در دوران اولیه هوش مصنوعی بودند. آن‌ها در توسعه برنامه‌های هوش مصنوعی اولیه مانند "Logic Theorist" (که قادر به اثبات قضیه‌های ریاضی بود) و "General Problem Solver" (GPS) نقش کلیدی داشتند. کار آن‌ها بر شبیه‌سازی فرآیندهای حل مسئله انسانی در ماشین‌ها متمرکز بود و رویکردهای نمادین (Symbolic AI) را پایه‌ریزی کرد.

 وارن مک‌کالک (Warren McCulloch) و والتر پیتز (Walter Pitts)، مخترعین اولین مدل نورون مصنوعی 

مک‌کالک، نوروفیزیولوژیست، و پیتز، منطق‌دان، در سال 1943 با انتشار مقاله‌ای تحت عنوان "A Logical Calculus of the Ideas Immanent in Nervous Activity" اولین مدل ریاضی از یک نورون بیولوژیکی را ارائه دادند. این مدل، که به عنوان نورون مک‌کالک-پیتز شناخته می‌شود، نقطه آغازین مفهوم شبکه‌های عصبی مصنوعی بود و الهام‌بخش بسیاری از کارهای بعدی در زمینه هوش مصنوعی مبتنی بر اتصال‌گرایی (Connectionism) شد.

انقلاب یادگیری عمیق و دانشمندان معاصر

پس از دوره‌هایی از پیشرفت‌های آهسته و حتی "زمستان‌های هوش مصنوعی"، با ظهور داده‌های بزرگ، قدرت محاسباتی بالا و الگوریتم‌های نوآورانه، هوش مصنوعی، به ویژه در حوزه یادگیری عمیق، وارد دوران طلایی خود شد. این تحول مدیون تلاش‌های بی‌وقفه دانشمندان زیر است:

 جفری هینتون (Geoffrey Hinton)، پدرخوانده یادگیری عمیق

جفری هینتون، دانشمند علوم کامپیوتر بریتانیایی-کانادایی، اغلب به عنوان "پدرخوانده یادگیری عمیق" شناخته می‌شود. کارهای پیشگامانه او در زمینه شبکه‌های عصبی، به ویژه در توسعه الگوریتم پس‌انتشار (backpropagation)، معماری‌های شبکه عصبی کانولوشنی (CNNs) و شبکه‌های عصبی تکرار شونده (RNNs)، نقشی محوری در انقلاب کنونی هوش مصنوعی داشته است. او سال‌ها در دانشگاه تورنتو و سپس در گوگل فعالیت کرده و تأثیر عمیقی بر نسل جدید محققان هوش مصنوعی داشته است.

 یان لکون (Yann LeCun)، پیشگام شبکه‌های عصبی کانولوشنی

یان لکون، دانشمند علوم کامپیوتر فرانسوی، یکی دیگر از "پدرخوانده‌های یادگیری عمیق" است. او به دلیل کارهای پیشگامانه خود در زمینه شبکه‌های عصبی کانولوشنی (CNNs) شناخته شده است که در حال حاضر ستون فقرات بسیاری از سیستم‌های بینایی کامپیوتری و تشخیص تصویر هستند. لکون در حال حاضر به عنوان دانشمند ارشد هوش مصنوعی در متا (Meta) فعالیت می‌کند و در توسعه سیستم‌های هوش مصنوعی این شرکت نقش کلیدی دارد.

 یوشوا بنژیو (Yoshua Bengio)، پیشگام مدل‌های زبانی و شبکه‌های عصبی تکرار شونده

یوشوا بنژیو، دانشمند علوم کامپیوتر کانادایی، نیز از "پدرخوانده‌های یادگیری عمیق" محسوب می‌شود. تحقیقات او در زمینه شبکه‌های عصبی تکرار شونده (RNNs)، مدل‌های زبانی (Language Models) و شبکه‌های مولد تخاصمی (Generative Adversarial Networks - GANs) تأثیر بسزایی در پیشرفت‌های اخیر در پردازش زبان طبیعی و تولید محتوا داشته است. او مدیر علمی انستیتو الگوریتم‌های یادگیری مونترال (MILA) است و از حامیان سرسخت هوش مصنوعی منبع باز (Open Source AI) است.

 اندرو نگ (Andrew Ng)، پیشگام در آموزش و کاربرد هوش مصنوعی

اندرو نگ، دانشمند علوم کامپیوتر آمریکایی، نقش مهمی در گسترش آموزش و کاربرد هوش مصنوعی در سراسر جهان داشته است. او از بنیان‌گذاران پروژه Google Brain بود و در بایدو (Baidu) نیز مسئول تیم هوش مصنوعی بود. نگ همچنین بنیان‌گذار DeepLearning.AI و Coursera است که پلتفرم‌های آموزشی محبوبی برای یادگیری هوش مصنوعی و علم داده هستند و میلیون‌ها نفر را در این زمینه آموزش داده‌اند.

 دمیس حسابیس (Demis Hassabis)، بنیان‌گذار DeepMind و پیشرو در هوش مصنوعی عمومی

دمیس حسابیس، دانشمند علوم کامپیوتر و عصب‌شناس بریتانیایی، بنیان‌گذار و مدیر عامل شرکت DeepMind است که در سال 2014 توسط گوگل خریداری شد. او از چهره‌های کلیدی در زمینه هوش مصنوعی عمومی (Artificial General Intelligence - AGI) است که هدف آن ساخت سیستم‌هایی با قابلیت‌های شناختی گسترده و انسانی است. DeepMind تحت رهبری او، دستاوردهای چشمگیری در بازی‌های پیچیده مانند Go (با AlphaGo) و همچنین در حوزه زیست‌شناسی ساختاری (با AlphaFold) داشته است که پروتئین‌ها را با دقت بی‌سابقه‌ای پیش‌بینی می‌کند.

 فی فی لی (Fei-Fei Li)، پیشگام در بینایی کامپیوتری و ImageNet

فی فی لی، دانشمند علوم کامپیوتر چینی-آمریکایی، از چهره‌های برجسته در حوزه بینایی کامپیوتری است. او مدیر سابق آزمایشگاه هوش مصنوعی استنفورد و خالق پایگاه داده ImageNet است که میلیون‌ها تصویر برچسب‌گذاری شده را شامل می‌شود. ImageNet نقشی حیاتی در آموزش شبکه‌های عصبی عمیق برای تشخیص تصویر ایفا کرده و به پیشرفت‌های عظیم در این حوزه کمک شایانی کرده است.

توسعه هوش مصنوعی، یک سفر فکری و فنی بلندمدت است که از ایده‌های اولیه آلن تورینگ و جان مک‌کارتی آغاز شده و با انقلاب یادگیری عمیق به اوج خود رسیده است. "مغزهای انسانی" در هر مرحله از این مسیر، با الهام از پیچیدگی‌های مغز خود، تلاش کرده‌اند تا ماشین‌هایی با قابلیت‌های شناختی فزاینده خلق کنند. در حالی که هوش مصنوعی در بسیاری از زمینه‌ها از توانایی‌های خارق‌العاده‌ای برخوردار شده است، هنوز هم تفاوت‌های بنیادینی با هوش انسانی از نظر آگاهی، خلاقیت و بهره‌وری انرژی وجود دارد.

با این حال، سرمایه‌گذاری‌های عظیم شرکت‌های فناوری پیشرو و رهبری دانشمندان برجسته در این زمینه، نویدبخش آینده‌ای است که در آن هوش مصنوعی نقش پررنگ‌تری در زندگی بشر ایفا خواهد کرد، با این امید که همواره تحت کنترل و در خدمت انسان باقی بماند. درک این "مغزهای انسانی" پشت پرده "مغز مصنوعی" برای هدایت مسئولانه این فناوری به سوی آینده‌ای روشن‌تر، حیاتی است.