در تاریخ پیدایش هوش مصنوعی، پروژهای به اندازه «حلکننده عمومی مسائل» (General Problem Solver) یا به اختصار GPS برجسته و بلندپروازانه نبوده است. هربرت ای. سایمون، جی. سی. شاو و آلن نیوئل، سازندگان این سامانه، بین سالهای ۱۹۵۷ تا ۱۹۶۰ در مؤسسه فناوری کارنگی تلاشی بیسابقه را آغاز کردند که فراتر از یک ابزار محاسباتی ساده بود. آنها میخواستند ماشینی بسازند که توانایی فکر، استدلال و حل مسائل را دقیقاً مشابه انسان داشته باشد. این سامانه بهعنوان یکی از نخستین نمونههای هوش مصنوعی نمادین، با بهرهگیری از روشی استدلالی به نام «تحلیل وسیله–هدف» (Means-Ends Analysis)، برای حل طیف نامحدودی از مسائل طراحی شد.
بستر تاریخی و ظهور هوش مصنوعی نمادین
برای درک ماهیت این سامانه، ابتدا باید با جریان فکری آن دوره آشنا شد. هوش مصنوعی نمادین (Symbolic AI) که با نامهای هوش مصنوعی کلاسیک یا منطقمحور نیز شناخته میشود، بر بازنمایی مسائل با نمادهای قابلفهم برای انسان استوار است. این پارادایم از اواسط دهه ۱۹۵۰ تا اواسط دهه ۱۹۹۰، تسلط کاملی بر پژوهشهای هوش مصنوعی داشت.
دوران موسوم به «اولین تابستان هوش مصنوعی» (تقریباً از ۱۹۴۸ تا ۱۹۶۶)، با موفقیتهایی در سه حوزه شبکههای عصبی مصنوعی، بازنمایی دانش و جستوجوی ابتکاری همراه شد. این پیروزیهای اولیه انتظاراتی عظیم ایجاد کردند. پژوهشگران دهههای ۱۹۶۰ و ۱۹۷۰ عمیقاً باور داشتند که رویکردهای نمادین مسیر نهایی برای رسیدن به هوش عمومی مصنوعی (AGI) را هموار میکنند. در چنین فضایی، رویکردهای پیشین مبتنی بر سایبرنتیک یا شبکههای عصبی به حاشیه رفته و پروژه GPS در دل این خوشبینی و پیشرفت سریع متولد شد.
تکامل از نظریهپرداز منطق تا حلکننده عمومی مسائل
پیدایش GPS بدون پیشزمینه اتفاقی نبود. پیشدرآمد مستقیم آن، برنامهای به نام «نظریهپرداز منطق» (Logic Theorist) بود که در سالهای ۱۹۵۵ و ۱۹۵۶ نوشته شد. این برنامه اولیه توانست ۳۸ قضیه مقدماتی از کتاب اصول ریاضیات اثر وایتهد و راسل را اثبات کند و ضربالمثلهایی در دنیای کدنویسی ایجاد نماید.
نیوئل، سایمون و شاو پس از این موفقیت، تصمیم گرفتند ایده خود را تعمیم دهند و یک حلکننده مسئله مستقل از حوزه بسازند. برخلاف برنامههای تکمنظوره قبلی که صرفاً برای اثبات قضایای منطقی ساخته میشدند، سامانه جدید قرار شد یک راهبرد استدلالی واحد را برای طیف وسیعی از مسائل به کار گیرد و مسائل را از طریق جستوجو در فضای حالت و با موتور تحلیل وسیله–هدف موشکافی کند.
پیوند شگفتانگیز هوش مصنوعی با روانشناسی
یکی از بارزترین ویژگیهای کار تیم سازنده، پیوند عمیق آنها با دانش روانشناسی بود. آنها مهارتهای انسانی در حل مسائل را با دقت مطالعه کردند و کوشیدند این الگوهای رفتاری را در قالب کدهای رایانهای صورتبندی نمایند. استفاده از نتایج آزمایشهای روانشناختی برای شبیهسازی روشهای حل مسئله در انسانها، نهتنها پایههای هوش مصنوعی، بلکه بنیانهای علوم شناختی، تحقیق در عملیات و علم مدیریت را نیز دگرگون ساخت.
چشمانداز چیزی فراتر از یک ماشین محاسبهگر
ایده محوری این پروژه برای دهه ۱۹۵۰ کاملاً انقلابی به نظر میرسید. تا پیش از آن، نرمافزارها صرفاً برای وظایف مشخص و از پیش تعیینشده کدنویسی میشدند. اما سایمون و نیوئل سامانهای واحد و همگانی را متصور بودند که با تقلید از فرایندهای شناختی انسان، توانایی مواجهه با هر مسئله جدیدی را داشته باشد. فرضیه محوری آنها که با نام فرضیه سامانه نماد فیزیکی (Physical Symbol System Hypothesis) شناخته میشود، یک اصل بنیادین را مطرح کرد: سیستمهایی که قابلیت دستکاری نمادهای فیزیکی را دارند، لازم و کافی برای تولید کنشهای هوشمندانه هستند.
هرچند امروزه با ظهور یادگیری ماشین و شبکههای عصبی مصنوعی، رویکردهای نمادین جایگاه خود را به مدلهای مبتنی بر داده واگذارهاند، اما ایده شبیهسازی فرایندهای فکری انسان در ساختارهای منطقی، نقطه عطفی بود که مسیر تکامل فناوری را در دهههای بعدی هموار ساخت.
