مدتها پیش از آنکه شبکههای عصبی مصنوعی و مدلهای زبانی بزرگ، انحصار تیترهای فناوری را در دست بگیرند، گونهای کاملاً متفاوت از هوش مصنوعی، پژوهشگران، شرکتهای بزرگ و دولتها را مجذوب خود کرده بود. سیستمهای خبره (Expert Systems) — برنامههای رایانهای که برای شبیهسازی توانایی تصمیمگیری یک متخصص انسانی طراحی شده بودند — نخستین نمونههای واقعاً موفق در دنیای نرمافزارهای هوشمند به شمار میرفتند. این سیستمها که در دهه ۱۹۷۰ متولد شدند و در سراسر دهه ۱۹۸۰ شکوفا گردیدند، بهعنوان آینده قطعی هوش مصنوعی شناخته میشدند.
در قلب این انقلاب فکری، دو سیستم پیشگام در دانشگاه استنفورد حضور داشتند: DENDRAL که رازهای ساختارهای مولکولی را رمزگشایی کرد و MYCIN که بیماریهای عفونی را با دقتی همتراز با پزشکان متخصص تشخیص میداد. سرگذشت این دو پروژه، روایت نخستین تلاشهای موفقیتآمیز ماشینها برای شبیهسازی فرآیند تفکر انسانی است.
گذر از رویاهای ساده به استدلال مبتنی بر دانش
اندکی پس از طلوع رایانههای مدرن در اواخر دهه ۱۹۴۰ و اوایل دهه ۱۹۵۰، دانشمندان بهسرعت پتانسیل عظیم این ماشینها را برای حل چالشهای پیچیده کشف کردند. وسوسهکنندهترین چالش آن زمان، آموزش تفکر و تصمیمگیری به ماشینها بود. صنعت پزشکی و مراقبتهای بهداشتی بهعنوان یک میدان آزمایشی جذاب، پرسش بزرمان را پیش میکشید: آیا یک رایانه میتواند علائم بیماران را تحلیل کرده و یک تشخیص پزشکی دقیق ارائه دهد؟
در اواخر دهه ۱۹۵۰، پژوهشگران زیستپزشکی نخستین سیستمهای رایانهیار را برای کاربردهای تشخیصی توسعه دادند. این سیستمهای اولیه، علائم بالینی و نتایج آزمایشگاهی را بهعنوان دادههای ورودی دریافت میکردند. بااینحال، دانشمندان خیلی زود به محدودیتهای بنیادین روشهای سنتی مانند نمودارهای جریان (Flowcharts)، تطبیق آماری الگوها و نظریه احتمالات پی بردند. این بنبست فنی، مسیر را برای توسعه رویکردهای نوین مبتنی بر دانش هموار کرد.
پروژه برنامهنویسی اکتشافی استنفورد
سال ۱۹۶۵ نقطه عطفی در تاریخ هوش مصنوعی رقم زد؛ زمانی که «پروژه برنامهنویسی اکتشافی استنفورد» به رهبری ادوارد فایگنبام (Edward Feigenbaum)، سیستمهای خبره را بهطور رسمی معرفی کرد. فایگنبام که امروز بهعنوان «پدر سیستمهای خبره» شناخته میشود، در کنار چهرههای برجستهای چون بروس بوکانان و رندال دیویس، به دنبال حوزههایی میگشت که تخصص در آنها بسیار پیچیده و حیاتی بود. تشخیص بیماریهای عفونی و شناسایی مولکولهای آلی ناشناخته، دو حوزهای بودند که به ترتیب منجر به خلق MYCIN و DENDRAL شدند.
جهش فلسفی پشت این پروژهها بسیار عمیق بود. فایگنبام در عبارتی مشهور اعلام کرد: «سیستمهای هوشمند قدرت خود را از دانشی که در اختیار دارند میگیرند، نه از الگوریتمها و طرحوارههای استنتاجی خاصی که به کار میبرند.» این دیدگاه، نگاه پیشین پژوهشگران را کاملاً دگرگون کرد. بهجای تلاش بیهوده برای ساخت یک ماشین استدلالگر عمومی و همهکاره، دانشمندان تصمیم گرفتند دانش خاص و تجربهانباشته متخصصان انسانی را استخراج کرده و مستقیماً در کدهای نرمافزاری پیادهسازی کنند.
DENDRAL انقلابی در شیمی و تحلیل مولکولی
سیستم DENDRAL جایگاهی متمایز در تاریخ علوم رایانهای دارد؛ چرا که بهعنوان نخستین سیستم خبره برای حل مسائل علمی و تحلیلی شناخته میشود. نام این پروژه برگرفته از عبارت «الگوریتم دندریتی» (Dendritic Algorithm) است و وظیفه اصلی آن، تحلیل دادههای طیفسنج جرمی برای شناسایی ترکیبات شیمیایی بود. این فناوری در عمل، نقشهبرداری ساختار مولکولی را برای مولکولهای آلی کاملاً ناشناخته انجام میداد.
پیش از این، چنین فرآیند تحلیلی پیچیدهای تنها با دخالت مستقیم و تحلیلهای طولانی شیمیدانان بسیار باتجربه امکانپذیر بود. DENDRAL به اثبات رساند که سیستمهای قاعده-محور با بهرهگیری از گزارههای منطقی، میتوانند دانش یک متخصص را در یک حوزه بسیار تخصصی بهطور مؤثری شبیهسازی کنند. اگرچه روایتهای مختلفی درباره زمان کامل شدن این سیستم وجود دارد، اما ریشههای آن به فعالیتهای بنیادین پروژه استنفورد در اواسط دهه ۱۹۶۰ بازمیگردد و پایهگذار مفهوم هوش مصنوعی نمادین شد.
MYCIN و جهش هوش مصنوعی در پزشکی بالینی
پس از موفقیتهای DENDRAL در حوزه شیمی، پژوهشگران استنفورد توجه خود را به پیچیدگیهای تشخیص پزشکی معطوف کردند. میسین (MYCIN) یکی از مشهورترین سیستمهای خبره در تاریخ هوش مصنوعی بود که برای تشخیص بیماریهای عفونی خونی (مانند باکتریمیا و مننژیت) و پیشنهاد نوع و دوز آنتیبیوتیک توسعه یافت.
این سیستم از طریق یک رابط کاربری مبتنی بر پرسش و پاسخ، علائم بیمار، نتایج آزمایشهای کشت خون و سایر دادههای بالینی را از پزشک دریافت میکرد. میسین با استفاده از یک موتور استنتاجی و پایگاه دانشی گسترده، میتوانست با استفاده از ضریب اطمینان (Certainty Factor)، احتمال وجود یک باکتری خاص را ارزیابی کند. دقت تشخیصی MYCIN به حدی بالا بود که در بسیاری از موارد، عملکردی بهتر یا همتراز با پزشکان متخصص بیماریهای عفونی از خود نشان داد و نشان داد که چگونه فناوری میتواند در نجات جان انسانها مستقیماً نقشآفرینی کند.
میراث کهن DENDRAL و MYCIN بسیار فراتر از کاربردهای عملی خود در دهههای گذشته است. آنها بنیانگذار مفهوم «جداسازی دانش از موتور استنتاج» بودند؛ الگویی که امروزه در معماریهای پیشرفته سیستمهای خبره، موتورهای قوانین کسبوکار (Business Rule Engines) و حتی معماریهای پیشرفته پردازش زبان طبیعی ردپایی روشن بر جای گذاشته است. با نگاهی به مسیر پرفراز و نشیب هوش مصنوعی، مشخص میشود که پذیرش ارزش «دادههای تخصصی» بهجای تکیه صرف بر «الگوریتمهای عمومی»، همان ایدهای است که امروز شکلدهنده انقلاب مدلهای بزرگ زبانی (LLMs) در سراسر جهان است.
