سرمایی محسوس در فضای فناوریMeslob میپیچد. Bloomberg اخیراً در تیتری جنجالی پرسید: «آیا زمستان هوش مصنوعی سرانجام فرا رسیده است؟» و روزنامه The Telegraph نیز با لحنی قطعیتر اعلام کرد: «زمستان بعدی هوش مصنوعی در راه است.» با شدت گرفتن بحثها در شبکههای اجتماعی درباره احتمال وقوع یک یخبندان عمیق در صنعت هوش مصنوعی، این پرسش به یکی از داغترین موضوعات تحلیلگران تبدیل شده است: آیا رونق کنونی هوش مصنوعی مولد نیز به همان سرنوشتی دچار میشود که موجهای پیشین را از پا درآورد؟
تاریخ پاسخی هشداردهنده در اختیار ما میگذارد. در حدود ۷۰ سالی که از پژوهشهای جدی در این حوزه میگذرد، جامعه توسعهدهندگان چندین بار زمستانهای سخت را تجربه کرده است. اگر گمانهزنیها درباره رکود قریبالوقوع درست باشد، این بار حداقل چهارمین زمستان تاریخ هوش مصنوعی خواهد بود. بررسی ریشههای رکودهای پیشین، درسهای ارزشمندی برای سرمایهگذاران، مدیران ارشد و پژوهشگرانی دارد که در چرخه هیاهوی کنونی گم شدهاند.
مفهوم «زمستان هوش مصنوعی» چیست؟
این اصطلاح به دورهای اطلاق میشود که اشتیاق به ماشینهای هوشمند فروکش کرده و شیرِ پول سرمایهگذاران روی محصولات، استارتاپها و پروژههای تحقیقاتی بسته میشود. میتوان این حوزه را به باغی تشبیه کرد که فصلهای متفاوتی را پشت سر میگذارد؛ دورههایی از رشد انفجاری و جذب سرمایه فراوان، و سپس دورههای رکودی که با سرخوردگی عمیق و کاهش شدید بودجه همراه است.
سازوکار این رکود دقیقاً شبیه به تعطیل شدن یک استارتاپ پس از سلب اعتماد سرمایهگذاران عمل میکند؛ حتی اگر خود فناوری زیربنایی هیچ ایرادی نداشته باشد و پیشرفتهای خود را طی کرده باشد. در واقع، یخبندان پیش از آنکه یک بحران فنی باشد، یک فروپاشی مالی و روانی است.
کالبدشکافی رکود تکنولوژیکی؛ ابتدا هیاهو شکل میگیرد
برای وقوع یک زمستان، پیششرط اصلی ایجاد انتظارات غیرواقعبینانه است. در گذشته، رکودها گاهی با انتشار مقالات دانشگاهی که محدودیتهای الگوریتمها را برجسته میکردند آغاز میشدند و گاهی با ناکامی در پیادهسازی پروژهها در دنیای واقعی. وجه مشترک همه این دورههای یخبندان، سرخوردگی به شدت کسانی بود که هزینهها را پرداخت میکردند؛ شرایطی که پیشرفتهای نویدبخش، نمیتوانستند انتظارات ناشی از تبلیغات و هیاهوی رسانهای را برآورده کنند.
این الگوی مخرب، در همان نخستین روزهای شکلگیری این صنعت خود را نشان داد. در سالهای آغازین جنگ سرد، دولت فدرال ایالات متحده بودجههای میلیاردی را به این حوزه اختصاص داد، زیرا آن را یک مزیت استراتژیک و نظامی میدانست. در آن زمان، دو رویکرد کاملاً متفاوت برای رسیدن به این هدف با یکدیگر رقابت میکردند:
- هوش مصنوعی نمادین (Symbolic AI): این روش بر پایه کدنویسی مستقیم قواعد منطقی برای دستهبندی دادهها استوار بود. این رویکرد اولین موفقیتها در بازیهایی مانند شطرنج را رقم زد و به ساخت اولین نمونه چتباتهای جهان انجامید.
- ماشین پرسپترون (Perceptron): پیشدرآمد شبکههای عصبی امروزی که برداشتی سادهشده از عملکرد مغز انسان داشت. به جای برنامهنویسی مستقیم، این ماشین قوانین را از دادهها میآموخت. فرانک روزنبلات، عصبشناس دانشگاه کرنل، توسعه این روش را با بودجه نیروی دریایی آمریکا پیش برد.
در آن مقطع، هر دو گروه ادعاهای به شدت اغراقآمیزی مطرح میکردند. روزنبلات در سال ۱۹۵۸ در مصاحبه با نیویورکتایمز ادعا کرد که اختراع او بهزودی افراد را از روی تصویر تشخیص داده و نام آنها را اعلام میکند و تنها یک گام با ترجمه آنی زبانها فاصله دارد. او حتی پیشبینی کرد که این سیستمها به خودآگاهی رسیده و قادر به تکثیر خود خواهند بود.
در نقطه مقابل، ماروین مینسکی از بنیانگذاران آزمایشگاه هوش مصنوعی MIT و از رهبران جریان نمادین، در سال ۱۹۷۰ به مجله لایف گفت: «در بازه زمانی ۳ تا ۸ سال آینده، ماشینی با هوش عمومی یک انسان متوسط خواهیم داشت.»
هیچیک از این وعدههای بزرگ محقق نشدند و این اغراقرسانیها به قیمت توقف پروژههای تحقیقاتی و شروع اولین زمستان سرد صنعت هوش مصنوعی تمام شد. با نگاهی به سرعت پیشرفت مدلهای زبانی امروز، باید پرسید آیا کسبوکارها با اتکا به وعدههای امروز، مسیر اشتباهی را برای آینده خود ترسیم نمیکنند؟ آینده نشان خواهد داد که آیا صنعت کنونی میتواند انتظارات سنگین سرمایهگذاران را دفع کند، یا تاریخ در یک لوپ بیپایان خود را تکرار خواهد کرد.
