مدتها پیش از آنکه هوش مصنوعی به یک رشته علمی تبدیل شود، پیش از آنکه نخستین رایانههای دیجیتال به کار بیفتند و دههها قبل از آنکه هوش مصنوعی به صنعتی جهانی بدل شود، یک ریاضیدان بریتانیایی جسارت کرد پرسشی را مطرح کند که مسیر تاریخ را تغییر داد: آیا ماشینها میتوانند فکر کنند؟ آن ریاضیدان آلن تورینگ بود و پاسخی که ارائه داد؛ نه در قالب فلسفه، بلکه با ریاضیات دقیق و آزمایشی عملی و آزمونپذیر، زیربنای فکریای را بنا نهاد که امروزه تمام حوزه هوش مصنوعی بر آن استوار است.
اعتبار تورینگ بهعنوان یکی از چهرههای محوری علوم رایانه و هوش مصنوعی، از زمان مرگ نابهنگامش در سال 1954 تاکنون پیوسته افزایش یافته است. آثار نظری او همچنان پایه و اساس رایانش، هوش مصنوعی و حتی استانداردهای نوین رمزنگاری بهشمار میروند که نهادهایی مانند مؤسسه ملی استانداردها و فناوری ایالات متحده (NIST) توصیه میکنند. برای درک دقیق خاستگاه هوش مصنوعی، ابتدا باید دانست تورینگ چه چیزی خلق کرد؛ در ذهنش، روی کاغذ و در کوران رمزگشاییهای دوران جنگ.
از ریاضیدان کمبریج تا متفکری بنیادگذار
آلن تورینگ در 23 ژوئن 1912 در لندنِ انگلستان به دنیا آمد. او که فرزند یک کارمند دولت بود، پیش از ورود به دانشگاه کمبریج برای تحصیل در رشته ریاضیات در سال 1931، در یکی از مدارس خصوصی ممتاز تحصیل کرد. پس از فارغالتحصیلی در سال 1934، به پاس پژوهشهایش در نظریه احتمال، به عضویت هیئت علمی کالج کینگز برگزیده شد.
در سال 1936 بود که تورینگ اثری را پدید آورد که بیسروصدا آینده را از نو شکل داد. مقاله دورانساز او با عنوان «درباره اعداد محاسبهپذیر، با کاربردی در مسئله تصمیمگیری [Decision Problem]» به مناقشهای میپرداخت که ذهن ریاضیدانان عصر او را به خود مشغول کرده بود: آیا میتوان ماشینی واحد و همهمنظوره ساخت که قادر باشد هر مسئله محاسبهپذیری را حل کند؟
برخی ریاضیدانان برجسته، طرحهای پیچیدهای برای رایانههای همهمنظوره پیشنهاد کرده بودند که بر اساس قواعد ریاضی بسیار بغرنج کار میکردند. ساخت چنین ماشینهایی بهشدت دشوار به نظر میرسید. نبوغ تورینگ در این بود که خلاف این تفکر را اثبات کرد؛ اینکه یک ماشین بسیار ساده میتواند هر آنچه را محاسبهپذیر است، محاسبه کند.
ماشین تورینگ؛ زیربنای نظری رایانش و هوش مصنوعی
دستگاه فرضی تورینگ که امروزه با نام ماشین تورینگ شناخته میشود، در ظاهر فریبندهای ساده است. بخش اصلی آن نواری است که به خانههای مجزا تقسیم شده و هر خانه شامل یک نماد — مانند حروف A، C، T و G در کد ژنتیکی — یا یک فضای خالی است. این طرح بر اساس مکانیسمهای زیر کار میکند:
- نوار نقش حافظه را ایفا میکند. رشته نمادهای اولیه متناظر با ورودی، یعنی دادههای مسئلهای است که باید حل شود، و ماشین هر دادهای را که لازم است بعداً به آن دسترسی پیدا کند، روی نوار مینویسد. از این منظر، نوار دقیقاً مشابه هارددیسکهای امروزی است که بیتهای داده را ذخیره میکنند.
- ماشین هر بار یک نماد را میخواند و مینویسد. پیش از حرکت بهسوی نماد بعدی، از دستورالعملهایی پیروی میکند که مشخص میکنند آیا باید نماد را تغییر دهد یا آن را دستنخورده باقی بگذارد.
- رفتار ماشین به «حالتها» بستگی دارد. دستورالعملها تابع حالت فعلی ماشیناند. برای مثال، ماشین برای تشخیص اینکه آیا نوار شامل رشته متنی «TC» است یا نه، میتواند ضمن جابهجایی میان حالتهایی مانند «حرف قبلی T بود» و «حرف قبلی C نبود»، نوار را بهسمت جلو پویش کند. اگر در حالت «حرف قبلی T بود» یک «C» بخواند، وارد حالت «پیدا شد» میشود و متوقف میگردد؛ اگر در پایان ورودی به یک فضای خالی برسد، نتیجه میگیرد که عبارت «پیدا نشد» و عملیات را پایان میدهد.
امروزه آن مجموعه دستورالعملها را برنامه ماشین مینامیم. مدتی طول کشید، اما سرانجام برای همگان روشن شد که تورینگ درست میگفت: ماشین تورینگ میتوانست هر آنچه را محاسبهپذیر به نظر میرسید، پردازش کند و هیچگونه افزونه یا توسعهای نمیتوانست قابلیت的基础 آن را فراتر ببرد. مفهوم ماشین تورینگ همگانی — دستگاهی واحد که قادر است فرایند منطقی هر ماشین دیگری را شبیهسازی کند — زیربنای همه رایانههای دیجیتال مدرن است. بدون این دستاورد بزرگ، رایانههای دیجیتال و سامانههای هوش مصنوعی که امروز شاهد آنها هستیم، هرگز وجود نمیداشتند.
تعیین محدودیتها و مسئله توقف
پژوهش تورینگ درباره آنچه نمیتوان محاسبه کرد نیز به همان اندازه برای بنیانهای علوم رایانه اهمیت داشت. هر برنامهنویسی که با کدهای پیچیده سروکار داشته باشد، با کلافگی ناشی از این پرسش آشناست که آیا یک فرایند طولانیمدت در نهایت به پایان میرسد یا در یک حلقه بینهایت گیر میکند. تورینگ با طرح «مسئله توقف» (Halting Problem) نشان داد که هیچ الگوریتمی نمیتواند تشخیص دهد آیا یک برنامه خاص برای هر ورودی احتمالی متوقف خواهد شد یا خیر.
این کشف ممکن است در نگاه اول یک محدودیت به نظر برسد، اما در واقع یک کلاس کامل از مسائل غیرقابلحل را در ریاضیات و رایانش تعریف میکند. این درک عمیق از محدودیتهای محاسباتی، مسیر را برای تمرکز برنامهنویسان و پژوهشگران بر مسائلی هموار کرد که عملاً قابلحل بودند و به شکلگیری الگوریتمهای هوشمند امروزی کمک شایانی کرد.
آزمون تورینگ و پرسش فکر کردن ماشینها
تورینگ در سال 1950 مقالهای دیگر با عنوان «ماشین حساب و هوش» منتشر کرد. او در این مقاله، به جای درگیر شدن در تعاریف فلسفی پیچیده از «تفکر» و «آگاهی»، یک آزمون عملی را پیشنهاد داد که امروز به آزمون تورینگ معروف است. در این آزمون، یک انسان از طریق تبادل پیامهای متنی با یک ماشین و یک انسان دیگر (بدون دیدن آنها) گفتگو میکند. اگر قاضی انسانی نتواند تشخیص دهد کدام پاسخها متعلق به ماشین است، آن ماشین موفق به Passing the test شده و از نظر عملی «هوشمند» محسوب میشود.
آزمون تورینگ، تعریف هوش مصنوعی را از یک بحث انتزاعی به یک معیار قابلسنجش تبدیل کرد و دهههاست که چراغ راه مهندسان و توسعهدهندگان سیستمهای هوشمند، چتباتها و مدلهای زبانی بزرگ بوده است.
تأثیر ماندگار در کوران جنگ و صلح
فراتر از نظریههای ناب، تورینگ در جریان جنگ جهانی دوم نقش حیاتی در شکستن کدهای ماشین «انیگما» (Enigma) آلمان نازی ایفا کرد. او و تیمش در پارک بلچلی (Bletchley Park) دستگاههای بمب (Bombe) را توسعه دادند که روزانه هزاران پیام رمزگذاریشده را دیکد میکردند. این موفقیت نه تنها جان هزاران انسان را نجات داد، بلکه نشان داد ماشینهای مکانیکی میتوانند کارهایی انجام دهند که پیشتر منحصراً در تواناییهای ذهنی انسانها بهشمار میرفت.
زمانی که به مدلهای زبانی پیشرفته یا الگوریتمهای پیچیده امروز نگاه میکنیم، شالوده ریاضی و منطقی همه آنها ردی از نبوغ آن ریاضیدان جوان کمبریج دارد. آلن تورینگ با تبدیل کردن پرسشهای انتزاعی به ماشینهای ملموس، کاری کرد که ماشینها امروزه میتوانند حتی به ماجرای «تفکر» نیز نزدیک شوند و آیندهای را بسازند که روزی تنها در تخیل او جای داشت.
