دو نبرد نمادین در تاریخ هوش مصنوعی—دیپ بلو و آلفاگو—درک عموم و جامعهٔ علمی از تواناییهای ماشینها را دگرگون کردند. یکی روی عمق محاسبات و جستوجوی گسترده تمرکز داشت و دیگری بر یادگیری عمیق و خودآموزی؛ بررسی طراحی فنی، لحظات تعیینکننده و پیامدهای فرهنگی هر دو، تصویر دقیقتری از جایگاه فعلی و چشمانداز آیندهٔ هوش مصنوعی ارائه میدهد.
دیپ بلو: معماری، توان محاسباتی و حواشی
ریشهها و معماری
سلسلهای که به دیپ بلو انجامید از پروژهٔ Deep Thought به رهبری Feng-hsiung Hsu در دههٔ ۱۹۸۰ آغاز شد. تیم مهندسان آیبیام این بنیاد را توسعه داد و سامانهای اختصاصی مبتنی بر سختافزارِ موازی و الگوریتمهای جستوجو ساختند؛ نرمافزار شامل دانش انسانی شطرنج، از جمله آمادهسازی افتتاحیه توسط جوئل بنجامین، بود و به جای یادگیری خودکار روی ارزیابیهای طراحیشده و سرعت محاسبات تکیه میکرد.
قدرت خام و رویکرد
در رویارویی ۱۹۹۷، دیپ بلو قادر به بررسی حدود ۲۰۰٬۰۰۰٬۰۰۰ موقعیت در ثانیه بود؛ نمادی از رویکرد «نیروی محاسباتی خام» و جستوجوی عمیق در فضای امکانها. این سامانه با ارزیابیهای انسانی و عمق جستوجوی بالا تصمیمگیری میکرد و بهجای یادگیری از دادهها، از قوانین و توابع امتیازدهی طراحیشده بهره میبرد.
خلاصهٔ مسابقات تعیینکننده
- ۱۹۹۶، فیلادلفیا: پس از باخت در بازی اول، گری کاسپاروف سبک بازی خود را تغییر داد و با تمرکز بر بازی موضعی و کاهش موقعیتهای تاکتیکی، در مجموع با نتیجهٔ ۴–۲ پیروز شد.
- ۱۹۹۷، نیویورک: با تقویت سختافزار و بهینهسازیها، دیپ بلو در مجموع ۳٫۵–۲٫۵ کاسپاروف را شکست داد. جنجالهایی پیرامون یک باگ در بازی اول و حرکت غیرمنتظره در بازی دوم مطرح شد که ابهام و شک نسبت به شفافیت سازوکار مسابقه را افزایش داد.
آلفاگو و لی سدول: یادگیری عمیق، نوآوری و شکستهای آموزنده
معماری و روش متفاوت
آلفاگو محصول DeepMind از پایهٔ فنی با دیپ بلو تفاوت دارد: این سامانه از شبکههای عصبی عمیق برای شبکهٔ سیاست و شبکهٔ ارزش استفاده میکرد و جستوجو را با Monte Carlo Tree Search ترکیب نمود. آموزش با دادههای انسانی آغاز شد و سپس با خودآموزی تقویتی (self-play) استراتژیهایی ابداع شد که بسیاری از بازیهای انسانی را پشت سر گذاشت یا الگوهای جدیدی ایجاد کرد.
لحظات کلیدی سری ۲۰۱۶
در رقابت ۲۰۱۶ در سئول، آلفاگو در برابر قهرمان کره، لی سدول قرار گرفت و در مجموع ۴–۱ پیروز شد. نکات برجسته شامل:
- حرکت مشهور شمارهٔ ۳۷ در بازی دوم که بسیاری از کارشناسان آن را خلاقانه و غیرقابلپیشبینی خواندند؛ نمادی از توانایی شبکههای عصبی در کشف راهحلهای جدید.
- پیروزی منفرد لی در بازی چهارم با حرکت برجستهٔ شمارهٔ ۷۸ که نشان داد حتی سامانههای بسیار قوی در موقعیتهای خاص آسیبپذیرند و میتوانند ضعفهایی نشان دهند.
مقایسهٔ فنی: جستوجوی عمیق در برابر یادگیری عمیق
دیپ بلو مبتنی بر جستوجوی گسترده و امتیازدهیهای طراحیشدهٔ انسانی عمل میکرد؛ تمرکز بر عمق شاخهها و توان محاسباتی بود. در برابر آن، آلفاگو از شبکههای عصبی برای یادگیری الگوها و از MCTS برای ارزیابی حرکتها بهره برد؛ خلاقیت آلفاگو محصول مدلهای آموختهشده و خودآموزی بود، نه مجموعهای از قوانین از پیشتعریفشده.
پیامدهای فرهنگی و حرفهای
مسابقهٔ کاسپاروف و دیپ بلو بحثهایی دربارهٔ شفافیت سامانهها، نقش انسان در نظارت و روشهای آزمون مستقل مطرح کرد؛ ابهامات آن رقابت نشان داد که اعتماد عمومی به فناوری مستلزم سازوکارهای توضیحپذیری و بازرسی مستقل است.
آلفاگو اما نشان داد تمرکز بر تواناییِ یادگیری و خلقِ راهحلهای نو میتواند دریچههای جدیدی باز کند. نتایج این پروژه به بازنگری در کاربردهای یادگیری تقویتی در حوزههایی مانند طراحی همکاری انسان-ماشین، پزشکی و پژوهشهای علمی انجامید و توجه را از تنها «شکست انسان» به «تکامل ابزارها» معطوف کرد.
درسها و چشمانداز
- برتری ماشین در یک حوزه به معنای جایگزینی کامل انسان نیست؛ هر سامانه نقاط قوت و محدودیت خاص خود را دارد.
- شفافیت طراحی، قابلیت توضیح تصمیمها و رویههای آزمون مستقل برای جلب اعتماد ضروریاند؛ تجربهٔ کاسپاروف نشان داد ابهام میتواند اعتبار فنی را تضعیف کند.
- آلفاگو مسیر همکاری نو را گشود: ترکیب بینش انسانی با قدرت یادگیری ماشین میتواند نتایجی خلق کند که هیچکدام بهتنهایی قادر به تولید آن نیستند.
نگرش آیندهنگر باید فراتر از رقابت صرف انسان و ماشین باشد و به پرسشی عملی معطوف شود: چگونه ابزارهای هوش مصنوعی را توسعه دهیم تا هم خلاقیت را تقویت کنند، هم شفافیت و همکاری را بالا ببرند، بدون آنکه صرفاً بر انسانها چیره شوند.
