قالب های فارسی وردپرس 36

این وبلاگ جهت دسترسی آسان شما عزیزان به قالب های برتر وردپرس به صورت فارسی تدوین و راه اندازی شده است.

قالب های فارسی وردپرس 36

این وبلاگ جهت دسترسی آسان شما عزیزان به قالب های برتر وردپرس به صورت فارسی تدوین و راه اندازی شده است.

آمار توزیع نسخه‌های سیستم‌عامل اندروید؛ رشد ۲.۵ درصدی اوریو

با پایان یافتن ماه آگوست، روز جمعه، ارقام و نمودار مربوط به آمار توزیع نسخه‌های اندروید در این ماه منتشر شد. هرچند اندروید ۹ چندی پیش به‌صورت رسمی از راه رسید؛ اما نباید انتظار مشاهده‌ی آن را در این نتایج داشت. براساس آمار به‌دست‌آمده از تمام دستگاه‌های اندرویدی که در هفت روز گذشته از پلی استور گوگل بازدید کرده‌اند، کمتر از یک درصد از گوشی‌ها و تبلت‌های اندروید، آخرین و بزرگترین نسخه از این سیستم‌عامل را اجرا می‌کنند.

به‌نظر می‌رسد که اندروید ۷ نوقا در حال حاضر با مجموع ۳۰.۸ درصد سهم که از آن بین، ۱۰.۵ درصد متعلق به اندروید ۷.۰ و ۲۰.۳ درصد متعلق به اندروید ۷.۱ است، کماکان محبوب‌ترین نسخه‌ی سیستم‌عامل گوگل محسوب می‌شود. گزارش اخیر نشان می‌دهد که آمار استفاده از اندروید ۷ از ماه گذشته تاکنون بدون تغییر باقی مانده است. اندروید ۸.۰ و ۸.۱ نیز اکنون با رشدی ۲.۵ درصدی در مقایسه با گزارش پیشین، در ۱۴.۶ درصد از دستگاه‌های اندرویدی یافت می‌شوند. با اندکی دقت بیشتر می‌توان دلیل راه پیدا نکردن اندروید ۹ پای را به این فهرست دریافت. در واقع پیش از آنکه شاهد حضور جدیدترین نسخه‌ی اندروید در آمار توزیع این سیستم‌عامل باشیم، نیازمند است که گوشی‌های بیشتری اندروید ۸ اوریو را اجرا کنند. در حال حاضر، اندروید ۹ تنها روی گوشی‌هایپیکسل گوگل و اسنشال فون قابل دسترسی است.

Android distribution August

پس از نوقا، بیشترین توزیع اندروید متعلق به نسخه‌ی ۶ مارشمالو با ۲۲.۷ درصد سهم است؛ این در حالی است که این نسخه از سیستم‌عامل گوگل تا ماه قبل اندکی سهم بیشتر (۲۳.۵ درصد) در اختیار داشت. اندروید ۵ و ۵.۱ لالی‌پاپ نیز همان سهم پیشین خود را حفظ کرده و روی ۱۹.۲ درصد از دستگاه‌ها در حال اجرا هستند و پس از آن اندروید ۴.۴ کیت‌کت با ۸.۶ درصد در جایگاه پنجم قرار می‌گیرد.


هواوی EMUI 9 را بر پایه‌ی اندروید پای توسعه می‌دهد

نسخه‌ی بعدی رابط کاربری اختصاصی هواوی که با نام 9 EMUI شناخته می‌شود، قرار است بر پایه‌ی اندروید پای توسعه پیدا کند و میزبان ویژگی‌های جدیدی باشد.

هواوی یکی از شرکت‌های فعال در نمایشگاه ایفا ۲۰۱۸ بود که توانست با معرفی تراشه‌ی کرین ۹۸۰، رونمایی از هواوی میت ۲۰ لایت و نمایش رنگ‌های جدید برای دستگاه‌های پی ۲۰ و پی ۲۰ پرو، توجهات بسیاری را به خود جلب کند. 

با این وجود، هنوز روند رونمایی‌های این شرکتِ چینی به پایان نرسیده و در ادامه‌ی خبرهای مربوط به این تولیدکننده، شاهد معرفی از نسخه‌ی نهم رابط کاربری اختصاصی هواوی با نام EMUI 9 هستیم. طبق گفته‌ی هواوی، آن‌ها این نسخه را بر پایه‌ی جدیدترین نسخه‌ی اندروید، یعنی اندروید پای توسعه داده‌اند که ویژگی‌های شاخص این سیستم‌عامل را با خود به‌همراه دارد.

هواوی در این نسخه وعده‌ی تجربه‌ای ساده، لذت‌بخش و استوار را به کاربران داده است؛ GPU Turbo 2.0، اجرای سریع‌تر اپلیکیشن‌ها و مدیریت رمز عبور از دیگر ویژگی‌های مهم در این نسخه هستند. افزون بر قابلیت‌های فوق، دستیار مسافرت و سلامتِ دیجیتال که مقدار زمانِ استفاده از گوشی را نمایش می‌دهد، از دیگر ویژگی‌های مهمی برشمرده می‌شوند که هواوی به‌ آن‌ها اشاره کرد. براساس گفته‌ی غول فناوری چینی، کاربران در نسخه‌ی آتی رابط کاربریشان از طریق ویژگی «سلامت دیجیتال» می‌توانند استفاده‌ی خود از دستگاهشان را محدود کنند.

فعلاً نسخه‌ی بتا EMUI 9 برای دستگاه‌های هواوی پی ۲۰، هواوی پی ۲۰ پرو، هواوی میت ۱۰ وهواوی میت ۱۰ پرو در دسترس قرار می‌گیرد؛ با این حال، قرار است در آینده‌ی نزدیک گوشی‌های آنر ۱۰، آنر پلی و آنری ویو ۱۰ نیز از رابط بهره‌مند شوند.

باتوجه به این موضوع که سری میت ۲۰ در تاریخ ۱۶ اکتبر به‌صورت رسمی در لندن معرفی خواهند شد، احتمالاً رابط کاربری هواوی نیز به‌همراه آن‌ها برای عموم کاربرانِ هواوی در دسترس قرار گیرد. انتظار می‌رود که پرچمداران جدیدِ سری میت ۲۰ اولین دستگاه‌هایی باشند که به‌همراه EMUI 9 عرضه می‌‌شوند.

دیجیتال مارکتینگ دقیقا چیست؟

از چند نفر که بعید و برتان هستند بپرسید که دیجیتال مارکتینگ چیست. یا از آن‌ها بخواهید که به شما توضیح بدهند دیجیتال مارکتینگ چگونه پیشه می‌کند. جواب‌های جالبی می‌شنوید! بعضی‌ها کوشش می‌کنند در همان لحظه تعریفی سر و هم کنند و تحویلتان بدهند و بعضی ها هم خیلی رک و آسان می‌گویند که “منو چه به دیجیتال مارکتینگ آخه!”

اما اگر به این افراد بگویید که حتی اگر دقیقا ندانند که دیجیتال مارکتینگ چیست، سال‌هاست که با آن سر و پیشه دارند چه بسا کمی جا بخورند! در این چند سال گذشته، رفتار خرید مشتریان دستخوش تغییرات بسیار زیادی شده است. بگذارید یک مثال برایتان عرض کنم:

همین چند روز پیش بود که یکی از نزدیک‌ترین دوستانم یک زوج کفش خریده بود و از حق که نگذریم، چه کفشی هم بود! چیزی که برای من عجیب بود این بود که این همنشین من در یک رستوران کار می‌کند و از ساعت ۹ بامداد الی ۹ شب مشغول به پیشه است. یعنی عملا هیچ وقتی برای بازار رفتن و خرید ندارد.

حالا پس از اینکه کفش‌ها را پروا کرد و ما احسنت و چه چه هایمان را تمام کردیم، ازش پرسیدم که “اینارو کی گرفتی؟ مگه همش راز شغل نیستی؟” اصلا انتظارش را نداشتم که بگوید: “از دیجی استایل سفارش دادم!”

سفارش آنلاین و تاثیر دیجیتال مارکتینگ در رفتار مشتری

زمانی بود که برای خرید کفش، شلواری که همنشین داشتید با آن ست کنید را باید می‌پوشیدید و حتما جوراب هم پایتان میکردید الی کفش خوب پایتان برود! ولی این برادر من حتی مطمئنم شلوارکش هم عوض نکرده و سایز کفش هم امتحان نکرده و خریدش را اتمام داده! و جالب‌تر این که خرید خیلی نکویی هم کرده!

می‌دانستید که این کاری که دوست من کرده همان دیجیتال مارکتینگ است؟ بگذارید توضیح بدهم. افزایش ورودی گوگل در سال‌های اخیر، رفتار خرید مشتری‌ها فرق کرده. چه فرقی؟ خیلی از افراد سایر ترجیح می‌دهند که کارهایشان را آنلاین اتمام بدهند: خرید لباس، غذا، عملیات بانکی و ده ها باره مهم دیگر. این پیشه اثر می‌دهد که بازاریابی دیجیتال چقدر وارد زندگی‌مان شده است، حتی اگر خودمان هم تازه نداشته باشیم!

تاریخچه ناگفته هوش مصنوعی؛ انسان‌هایی که ماشین‌های هوشمند را ساختند

هوش مصنوعی تاریخچه‌ای طولانی‌تر از آنچه تصور می‌کنیم دارد، شاید بتوان ریشه‌های آن را در میانه‌های قرن نوزدهم و اولین ماشین‌ها پیدا کرد.

تاریخچه‌ی هوش مصنوعی عموما درباره‌ی ماشین‌آلاتی تعریف می‌شود که در گذر زمان هوشمندتر شده‌اند. آنچه در تاریخچه‌های مرسوم گم شده، تأثیر انسان بر پیشرفت ماشین‌ها بوده است؛ اینکه ماشین‌های هوشمند چگونه توسط ذهن‌ها و دستان انسانی طراحی شده، آموزش می‌بینند و ساخته می‌شوند.

در این مقاله‌ی زومیت قصد داریم تاریخی ناگفته از هوش مصنوعی را تعریف کنیم. تاریخی که چگونگی تأثیر نوآوران، مخترعان، متفکران، کارگران و حتی هکرها را در ساخت الگوریتم‌هایی با قابلیت شبیه‌سازی ذهن و رفتار انسان، شرح می‌دهد. اگرچه اخبار جدید از پیشرفت هوش مصنوعی و توانایی کار کردن آن‌ها بدون نیاز به انسان، جذاب به نظر می‌رسد، اما درنهایت نباید فراموش کنیم که ماشین‌های هوشمند هم در بهترین حالت به‌خوبی ذهن انسان هستند.

قسمت اول: چارلز ببیج و ترک

در سال ۱۷۷۰ و در بارگاه ماریا ترسا، ملکه‌ی اتریش مخترعی به‌نام ولفگانگ کمپلن ماشینی با قابلیت انجام بازی شطرنج معرفی کرد. کمپلن اختراع خود را ترک (Turk) نامیده بود. دستگاه او رباتی شبیه به انسان با ابعادی تقریبا طبیعی و ساخته شده از چوب افرا بود. کمپلن لباسی شبیه به عثمانی‌ها برای رباتش طراحی کرده و آن را پشت یک میز چوبی مجهز به صفحه‌ی شطرنج نصب کرده بود.

کمپلن ادعا می‌کرد که ماشینش توانایی شکست دادن همه‌ی افراد حاضر در دربار را دارد. یکی از مشاوران ملکه چالش رقابت با آن را پذیرفت. مخترعربات شطرنج‌باز به پشت دستگاه رفت و مکانیزم ساعت‌مانند آن را به حضار نشان داد. مجموعه‌ای از چرخدنده‌ها و اهرم‌ها داخل ترک بودند و کمپلن نیز با یک کلید، آن را آماده‌ی فعالیت کرد. ترک زنده شد و دست چوبی خود را برای اولین حرکت بالا آورد. پس از ۳۰ دقیقه ربات چوبی توانست رقیب خود را شکست دهد.

ربات ترک دستاورد بزرگی برای کمپلن محسوب می‌شد. او در سال‌های بعد به سرتاسر اروپا سفر کرد و نابغه‌های متعدد آن سال‌ها را در رقابت شکست داد. بنجامین فرانکلین و فردریک کبیر از افرادی بودند که توسط ربات ترک شکست خوردند. پس از مرگ کمپلن در سال ۱‍۸۰۴، یک دانشجو و ابزارساز آلمانی به‌نام یوهان نپوموک ملزل ربات را خریداری کرد و تور جهانی رقابت را ادامه داد.

تاریخچه هوش مصنوعی

یکی از افرادی که برخوردی نزدیک با ربات ترک داشت، چارلز ببیج، مهندس و ریاضیا‌دان مشهور بریتانیایی بود. او در سال ۱۸۱۹ دو مرتبه با ربات بازی کرد و شکست خورد. تام استندیج، تاریخچه‌‌ای کامل از ربات ترک نوشت. او در جایی گفته بود که ببیج اعتقاد داشت ربات مذکور هوشمند نیست و شاید فردی در داخلش آن را کنترل می‌کند.

ببیج درست حدس زده بود. کمپلن و ملزل هر کدام اساتید شطرنجی را استخدام کرده بودند تا در کابینت مخصوص ترک نشسته و بازی را انجام دهند. استاد مخفی‌شده در کابینت، با استفاده از تصویر آینه‌ای صفحه‌ی شطرنج حرکات رقیب را مشاهده می‌کرد.

ربات هوشمند قرن ۱۸، از هوش انسانی استفاده می‌کرد

فردی که در داخل ربات ترک مخفی می‌شد، با استفاده از مکانیزمی به‌‌نام پانتوگراف بازوی آن را حرکت می داد. پانتوگراف مجموعه‌ای از پولی و تسمه بود که حرکت دست بازیکن اصلی را به حرکت بازوی ربات در بالای کابینت تبدیل می‌کرد. بازیکن با استفاده از یک اهرم و چرخاندن آن، انگشتان ربات را باز و بسته می‌کرد و مهره‌ها را حرکت می‌داد. در کابینت مذکور ساختاری تعبیه شده بود که در زمان نشان دادن جزئیات داخل آن، بازیکن اصلی مخفی شود.

ببیج پس از آنکه به حقه‌ی ربات شک کرد، برخلاف افراد دیگر هم‌عصرش تلاشی برای افشای آن انجام نداد. درعوض به‌نظر می‌رسد رویارویی او با ربات تقلبی، زمینه‌های تفکر درباره‌ی هوش مصنوعی را در ذهنش ایجاد کرده باشد.

تاریخچه هوش مصنوعی

ریاضی‌دان مشهور بریتانیایی کمی پس از رویارویی با ربات ترک طراحی ماشین‌حساب مشهور خود را شروع کرد. هدف او از ساختن ماشین Difference Engine این بود که جداول لگاریتمی بدون خطا را به‌صورت خودکار محاسبه کند. اولین ماشین او حدود ۴ تن وزن و ۲۵ هزار قطعه‌ی فلزی داشت. ببیج در میانه‌ی راه، طراحی و ساخت ماشین را متوقف کرد تا به ساخت دستگاهی پیچیده‌تر به‌نام Analytical Engine بپردازد.

ماشین جدید ببیج شامل بخش‌هایی به‌نام Store و Mill بود که مانند حافظه و پردازنده‌ عمل می‌کردند. به‌علاوه ظرفیت تفسیر دستورالعمل‌های برنامه‌نویسی به‌کمک کارت‌های پانچ‌شده هم در آن لحاظ شده بود.

بیج ابتدا تصور می‌کرد که ماشین جدیدش به‌عنوان نسخه‌ای پیشرفته‌تر از ماشین تفاضل کار خواهد کرد. البته همکار مشهوری آدا لاولیس به این نکته پی برد که قابلیت برنامه‌ریزی ماشین تحلیلی جدید، کاربرد جامع‌تری به آن می‌دهد. او در جایی گفته بود که ماشین ببیج زمینه‌های ظهور نوعی شاعرانه از علم را فراهم خواهد کرد که ریاضی‌دانان بتوانند با برنامه‌نویسی، انجام کارها را به ماشین‌ها یاد بدهند. لاولیس پیش‌بینی کرده بود که ماشین‌ها خواهند توانست موسیقی‌هایی استادانه نیز تولید کنند.

دانشمند بریتانیایی درنهایت با همکار خود (اولین برنامه‌نویس تاریخ) هم‌عقیده شد. او به این نتیجه رسید که ظرفیت بالای ماشینی عمومی می‌تواند تغییراتی عظیم در جهان ایجاد کند و توانایی انجام کارهایی بیشتر از محاسبه‌ی اعداد خواهد داشت.

تاریخچه هوش مصنوعی

ذهن ببیج در زمان بررسی ظرفیت‌های ماشین هوشمندش، به رقابت با ربات ترک معطوف شد. او در سال ۱۸۶۴ در یادداشت‌هایش نوشت که دوست دارد با استفاده از نشانه‌گذاری مکانیکی، چالش‌های جدیدی را حل کند:

من پس از بررسی‌های بسیار، اختراع ماشینی را به‌عنوان هدف انتخاب کردم که توانایی انجام موفق یک بازی با مهارت‌های فکری کامل همچون شطرنج را داشته باشد.

باوجود آنکه هیچ ارتباط فنی بین ربات ترک و ماشین ببیج وجود ندارد، امکان هوشمند شدن یک ماشین که توسط جعبه‌ی کمپلن نشان داده شد، احتمالا الهامی برای ببیج بود تا تفکری کاملا جدید درباره‌ی ماشین‌ها پیدا کند. همکار ببیج، سر دیوید بروستر بعدها درباره‌ی ترک نوشت:

آن اسباب‌بازی‌های خودکار که زمانی برای سرگرمی عوام استفاده می‌شدند، اکنون در توسعه‌ی قدرت و پیشرفت جامعه‌ی بشری به کار می‌روند.

رویارویی ببیج با ربات ترک در سال‌های ابتدایی تاریخ رایانش نشان می‌دهد که گاهی اوقات، عناصر جذاب عمومی و اخبار پیرامون آن‌ها با نوآوری همسو می‌شوند. به‌علاوه درسی دیگر هم از آن می‌گیریم که هوشمندی اهداشده به ماشین‌ها تقریبا همیشه وابسته به مهارت‌های انسانی است که نادیده می‌مانند.

تاریخچه هوش مصنوعی

قسمت دوم: زنان برنامه‌نویس و اولین کامپیوتر الکترونیکی آمریکا

در ۱۴ فوریه‌ی سال ۱۹۴۶، روزنامه‌نگارها در دانشکده‌ی مهندسی مور دانشگاه پنسیلوانیا گردهم آمدند تا شاهد رونمایی از اولین نمونه‌ از کامپیوترهای اختصاصی دیجیتالی الکترونیکی باشند؛ کامپیوتری به‌نام ENIAC یا Electronic Numerical Integrator and Computer.

آرتور برکس، ریاضی‌دان و مهندس ارشد تیم انیاک مسئول نمایش ظرفیت‌های ماشین جدید بود. او ابتدا ۵ هزار عدد را به کمک کامپیوتر با هم جمع کرد که در یک ثانیه انجام شد. او سپس نشان داد که ماشین الکترونیکی توانایی محاسبه‌ی بردار حرکت یک بمب را در زمان بسیار کوتاهی دارد.

کامپیوترهای انسانی، نیروی محرکه‌ی اولین کامپیوتر الکترونیکی بودند

خبرنگاران حاضر در مراسم رونمایی شیفته‌ی قابلیت‌های کامپیوتر جدید شدند. آن‌ها گزارش دادند که برکس تنها باید یک دکمه را فشار می‌داد تا ماشین زنده شود و وظیفه‌ای را در زمان بسیار کوتاه انجام دهد؛ کاری که قبلا چند روز زمان از انسان‌ها می‌گرفت.

آنچه که خبرنگاران در مراسم رونمایی از انیاک ندیدند یا به بیان بهتر از آن‌ها مخفی شد، فعالیت برنامه‌نویسی گروهی ۶ نفره از زنان بود؛ فعالیتی که در پشت هوشمندی ظاهری کامپیوتر قرار داشت و به‌نوعی انقلابی در صنعت رایانش بود. این زنان قبلا به‌نوعی فعالیت‌های کامپیوتر را انجام می‌دادند.

تاریخچه هوش مصنوعی

برنامه‌ی ساخت ماشینی برای محاسبه‌ی بردار حرکتی بمب، در سال‌های ابتدایی جنگ جهانی دوم تدوین شد. دانشکده‌ی مهندسی مور با آزمایشگاه تحقیقات بالستیک (BRL) همکاری می‌کرد. در آن آزمایشگاه، تیمی متشکل از ۱۰۰ کامپیوتر انسانی آموزش دیده بودند تا جداول مربوط‌به سلاح‌‌های توپخانه‌ای را محاسبه کنند.

وظیفه‌ی افراد حاضر در BRL برای محاسبه‌ی جداول، نیاز به مهارت‌های ریاضیاتی بالا داشت که شامل توانایی حل معادلات غیرخطی دیفرانسیل، استفاده از تحلیل دیفرانسیل و خط‌کش محاسبه می‌شد. در آن سال‌ها رایانش به‌عنوان کاری دفتری محسوب می‌شد و وظیفه‌ای بود که برای مهندسان مرد، خسته‌کننده بود. به‌همین دلیل، آزمایشگاه BRL زنان را برای محاسبات استخدام کرد که اکثرا مدارک دانشگاهی و استعدادهای ریاضیاتی بالا داشتند.

با پیشرفت جنگ، توانایی پیش‌بینی مسیر پرواز بمب‌ها بیش‌از‌پیش با استراتژی‌های جنگی هماهنگ شد. به‌همین دلیل، BRL تحت فشار زیادی گرفت تا نتایج مورد انتظار نظامیان را ارائه کند.

در سال ۱۹۴۲، فیزیک‌دان مشهور جان ماکلی طرحی برای ساخت ماشین‌‌حساب الکترونیکی قابل برنامه‌ریزی با اهداف خاص ارائه کرد که فرایندهای بالا را به‌صورت خودکار انجام دهد. تا ماه ژوئن سال ۱۹۴۳، ماکلی با همکاری مهندس برق جی پرسپر اکرت، سرمایه‌ی مورد نیاز برای ساخت ENIAC را دریافت کرد.

هدف اصلی از ساخت کامپیوتر الکترونیکی، جایگزینی صدها کامپیوتر انسانی حاضر در BRL بود تا فرایند محاسبه را سریع‌تر و با بازدهی بالاتر انجام دهند. به‌هرحال مالکی و اکرت به این نتیجه رسیدند که ماشین جدید آن‌ها باید به‌کمک کارت‌های پانچ‌شده برنامه‌نویسی شود تا بردارهای پرتابه‌ای را محاسبه کند. تکنیک مورد نظر، تا سال‌ها توسط IBM برای برنامه‌نویسی ماشین‌های دیگر استفاده شد.

تاریخچه هوش مصنوعی

ادل و هرمان گلدشتاین، زوجی بودند که فرایند رایانش انسانی را در BRL مدیریت می‌کردند. آن‌ها پیشنهاد دادند که قوی‌ترین ذهن‌های حاضر در گروهشان، انجام وظیفه‌ی برنامه‌نویسی را بر عهده بگیرند. درنهایت ۶ زن انتخاب شدند: کتلین مک‌نالتی، فرانسس بیلاس، بتی جین جنینگر، روث لیکترمن، الیزابت اشنایدر و مرلین وسکاف. آن‌ها از کامپیوترهای انسانی به اپراتورهای ماشین جدید ارتقاء یافتند.

اولین وظیفه‌ی گروه ۶ نفره این بود که با تمامی جزئیات داخلی و خارجی ENIAC‌ آشنا شوند. آن‌ها مدارک و نقشه‌های اولیه‌ی ماشین را مطالعه کردند تا مدارها، منطق و ساختار فیزیکی را به بهترین نحو درک کنند. نکات زیادی برای یادگیری گروه وجود داشت. ماشین انیاک، ۳۰ تن وزن داشت و ۱۴۰ متر مربع را اشغال کرده بود. بیش از ۱۷ هزار لامپ خلأ به همراه ۷۰ هزار مقاومت، ۱۰ هزار خازن، ۱۵۰۰ رله و ۶ هزار سوئیچ دستی در آن استفاده شده بود.

فعالیت زنان برنامه‌نویس ENIAC از چشم رسانه‌ها دور ماند

تیم ۶ نفره از زنان برنامه‌نویس وظیفه‌ی انجام تنظیمات و جابه‌جایی سیم‌کشی ماشین برای انجام محاسبات خاص را برعهده داشتند. به‌علاوه، مدیریت تجهیزات کارت‌های پانج‌شده و دیباگ کردن فرایندها نیز بر عهده‌ی آن‌ها بود. وظایف مذکور برخی اوقات نیازمند وارد شدن کامل به ساختار فیزیکی ماشین بود تا لامپ خلأ یا سیم دچار مشکل در آن تعویض شود. 

انیاک تا موعد مقرر آماده نشد تا مسیر پرتابه‌‌ی بمب‌ها را در زمان جنگ محاسبه کند. البته کمی پس از جنگ مأموریت جدیدی توسط جان فون نیومن برای دستگاه تعریف شد تا محاسبات هم‌جوشی هسته‌ای را انجام دهد. چنین کاربرد جدیدی نیازمند بیش از یک میلیون کارت پانچ‌شده بود. فیزیک‌دانانی از لوس آلاموس با تکیه بر مهارت برنامه‌نویسی اپراتورها برای انجام پروژه‌ی جدید متحد شدند؛ برنامه‌نویس‌هایی که با انجام آن حجم از عملیات، ناآشنا نبودند.

تاریخچه هوش مصنوعی

با وجود همکاری شدید زنان برنامه‌نویس در توسعه‌ی کامپیوتر اولیه، همکاری آن‌ها آن‌چنان که باید و شاید دیده نشد. به خاطر آنکه برنامه‌ریزی ماشین در آن زمان کاری شبیه به رایانش انسانی بود، فعالیت‌های زنان به‌عنوان عملی جانبی و کم‌اهمیت جلوه داده شد. رهبران فیزیک‌دان پروژه و مهندسان ارشد، روی طراحی و ساخت سخت‌افزارها متمرکز شدند که از نظر آن‌ها برای آینده‌ی رایانش حیاتی بود.

به‌خاطر دلایل گفته‌شده در بالا، زمانی‌که انیاک به‌صورت نهایی در سال ۱۹۴۶ رونمایی شد، ۶ اپراتور زن در مراسم حاضر نبودند. آن سال‌ها، زمان طلوع جنگ سرد بود. ارتش آمریکا نیز همه‌ی تلاش خود را می‌کرد تا برتری فناورانه‌ی خود را نشان دهد. با رونمایی از انیاک به‌عنوان ماشینی خودکار و هوشمند، مهندسان به‌نوعی سلطه‌ی خود را بر حوزه‌های جدید نشان دادند، اما نیروی انسانی درگیر در آن را مخفی کردند.

تاکتیک روابط عمومی آمریکایی‌ها در رونمایی از انیاک موفقیت‌آمیز بود و پوشش رسانه‌ای دهه‌های آتی در حوزه‌ی رایانش را به خود اختصاص داد. در اخباری که پیرامون انیاک در سرتاسر جهان پخش شد، ماشین در مرکز قرار داشت و به‌عنوان «مغز الکترونیک»، «جادوگر» و «مغز رباتیک ساخته‌ی انسان» شناخته می‌شد. 

به‌هرصورت، اشاره‌های کوتاهی به فعالیت‌های طاقت‌فرسای گروه ۶ نفره‌ی اپراتورهای زن در پشت‌صحنه‌ی دستگاه شد؛ همان گروهی که در میان سیم‌ها و لامپ‌های خلأ بی‌شمار دستگاه انیاک حتی زندگی کردند و به‌نوعی باعث پیاده‌سازی هوش نهایی شدند.

تاریخچه هوش مصنوعی

قسمت سوم: خطاهای عمدی کارگزار هوشمند آلن تورینگ

در سال ۱۹۵۰ و ظهور عصر دیجیتال، آلن تورینگ مشهورترین مقاله‌ی خود به‌نام «Computing Machinery and Intelligence» را منتشر کرد. او در مقاله‌ی خود سؤال مشهور «آیا ماشین‌ها می‌توانند فکر کنند» را مطرح کرد.

تورینگ به‌جای تلاش برای توصیف کلمه‌های «ماشین» و «فکر کردن»، روشی جدید برای پاسخ دادن به سؤال ابداع کرد که از یک بازی قدیمی به‌نام «بازی تقلید» الهام می‌گرفت. قوانین بازی ابتدا تصور می‌کرد که یک زن و مرد در اتاق‌های مجزا با استفاده از یادداشت‌های دست‌نویس با یک قاضی ارتباط برقرار می‌کنند. قاضی باید هویت افراد را حدس بزند. کار آنجا دشوار می‌شود که مرد تلاش می‌کند رفتارها و نوشته‌های زنانه تقلید کند.

تورینگ با الهام از قوانین بالا یک آزمایش فکری طراحی کرد که مسابقه‌دهنده یک کامپیوتر بود. اگر کامپیوتر را به‌گونه‌ای برنامه‌نویسی کنیم که توانایی به اشتباه انداختن قاضی را داشته باشد، می‌توان آن را هوشمند نامید. درواقع، ماشینی هوشمند خواهد بود که افراد در ارتباط با آن نتوانند تشخیص دهند با ماشین یا انسان روبه‌رو هستند.

آزمایش فکری درنهایت به‌نام «آزمایش تورینگ» شناخته شد. آزمایشی که تا امروز هم یکی از شناخته‌شده‌ترین و بحث‌برانگیزترین مفاهیم هوش مصنوعی محسوب می‌شود. دلیل اصلی ماندگار بودن تست مذکور این است که پاسخی روشن به سؤال «آیا ماشین‌‌ها می‌توانند فکر کنند؟» می‌دهد. اگر کامپیوتری بتواند تست را با موفقیت پشت سر بگذارد، پاسخ برای آن مثبت خواهد بود.

تاریخچه هوش مصنوعی

فیلسوف مشهور، دنیل دنت اعتقاد دارد آزمایش تورینگ برای پایان دادن به بحثی فلسفی پیرامون ماشین‌ها طراحی شد. او دراین‌باره می‌گوید:

به‌جای آنکه پیرامون طبیعیت و ذات فکر کردن بحث کنیم، بهتر است به این توافق برسیم که هر چیزی بتواند تست مذکور را با موفقیت پاسخ دهد، آن طبیعیت (فکر کردن) را دارد.

مطالعه‌ی دقیق‌تر آزمایش تورینگ، جزئیاتی را مشخص می‌کند که ابهام بیشتر در آزمایش را به همراه دارد. درواقع احتمالا تورینگ به‌جای شرح دادن آزمایشی کاربردی، به‌دنبال ایجاد چالشی پیرامون هوشمندی ماشین‌ها بوده است. دانشمند بزرگ بریتانیایی در بخشی از مقاله‌ی خود، ماهیت و رفتار احتمالی ماشین هوشمندی را در آینده مثال زد. در مثال زیر، انسان از ماشین سؤال می‌پرسد و ماشین پاسخ می‌دهد:

سؤال: لطفا شعری درباره‌ی پل چهارم در اسکاتلند بنویس.

پاسخ: من را از این کار معاف کنید. من توانایی نوشتن شعر ندارم.

سؤال: ۳۴۹۵۷ را با ۷۰۷۶۴ جمع کن.

پاسخ: (پس از ۳۰ ثانیه مکس)، ۱۰۵۶۲۱.

سؤال: آیا تو شطرنج بازی می‌کنی؟

پاسخ: بله.

سؤال: من فقط مهره‌ی پادشاه را دارم که در موقعیت K1 قرار دارد. تو پادشاه را در موقعیت K6 و قلعه را در موقعیت R1 داری. نوبت بازی تو است.

پاسخ: (پس از ۱۵ ثانیه)، قلعه به موقعیت R8، مات.

مجسمه آلن تورینگ / Alan Turing Statue

در مثال بالا، کامپیوتر اشتباهی در بحث ریاضی مرتکب شد. مجموع صحیح عددهای مورد سؤال ۱۰۵۷۲۱ می‌شود. به‌نظر نمی‌رسد دانشمند بزرگی همچون تورینگ، چنین اشتباهی را مرتکب شده باشد. به‌احتمال زیاد هدف او قرار دادن نکته‌‌ای مخفی در مقاله بوده است.

تورینگ در ادامه‌ی مقاله‌ی خود توضیح می‌دهد که اشتباه محاسباتی حقه‌ی برنامه‌نویسی است تا قاضی را در بازی تقلید با اشتباه روبه‌رو کند. تورینگ به این نتیجه رسید که اگر خواننده‌های مقاله متوجه اشتباه شوند، با خود تصور می‌کنند که مخاطب در سؤال‌های بالا، انسان باشد؛ چرا که چنین اشتباهاتی از ماشین محاسباتی بعید به نظر می‌رسد. درنتیجه تورینگ گفت که ماشین‌ها را می‌توان به‌ گونه‌ا‌ی برنامه‌نویسی کرد که به عمد، اشتباهاتی را انجام دهند؛ اشتباهاتی که تصور انسان بودن آن‌ها را در ذهن مخاطبان افزایش دهد.

هوش مصنوعی با اشتباهات عمدی، خود را شبیه هوش انسانی نشان می‌دهد

ایجاد اشتباه عمدی در برنامه‌نویسی‌ها در سال ۱۹۵۰ عملی تقریبا غیرممکن به نظر می‌رسید، اما همین مفهوم مبنای طراحی‌های متعدد حوزه‌ی پردازش زبان شد. به‌عنوان مثال در ژوئن ۲۰۱۴ چت‌باتی به‌نامیوجین گوستمن به‌عنوان اولین ماشین با توانایی پذیرفته شدن در آزمایش تورینگ معرفی شد. البته، کارشناسان به‌سرعت متوجه شدند که یوجین به‌خاطر استفاده از حقه‌ای درونی موفق به انجام آن کار شده است.

یوجین شبیه به کودکی ۱۳ ساله بود که انگلیسی را به‌عنوان زبان دوم صحبت می‌کرد. درنتیجه اشتباهات در ترکیب حروف و گرامر از سوی آن به‌خاطر سن کم و بالغ نبودن برداشت می‌شد. درواقع می‌شد اشتباهات چت‌بات و هوش مصنوعی را از توانایی پردازش زبان دور کرد.

داستان مشابه دیگر برای هوش مصنوعی Duplex و در سال گذشته‌ی میلادی رخ داد. وقتی هوش مصنوعی محصول گوگل آواهایی همچون اوهوم و آها را تکرار می‌کرد، منتقدان آن‌ها را سرشار از هوش بالا ندانستند. آن‌ها معتقد بودند این رفتارها تنها حقه‌های برنامه‌نویسی بوده‌اند تا شک و تردید انسانی را در رفتار ماشین تقلید کنند.

هوش مصنوعی

مثال‌های بالا تأییدی بر ایده‌ی تورینگ هستند که ماشین‌ها با اشتباهات ساختگی می‌توانند توهم هوش انسانی را در افراد ایجاد کنند. برنامه‌نویس‌های یوجین گوستمن و دوپلکس هم مانند تورینگ به این نتیجه رسیدند که نشانه‌هایی سطحی از جایزالخطا بودن انسانی در ماشین‌ها، برای فریب دادن مخاطبان نسبت به هوش مصنوعی، کاربردی خواهد بود.

شاید آزمایش تورینگ به‌صورت خاص به هوشمندی ماشین نمی‌پردازد بلکه به تصور و درک ما از هوشمند بودن یک پدیده اشاره دارد. تورینگ دراین‌باره می‌گوید:

ایده‌ی هوشمندی به‌صورت ذاتی احساسی و نه ریاضیاتی است. هوشمند بودن یا نبودن یک پدیده همان‌قدر که به وضعیت آن بستگی دارد، به حالت ذهنی و نحوه‌ی آموزش و آگاهی ما نیز وابسته است.

شاید هوشمندی پدیده‌ای نباشد که بتوان داخل یک ماشین برنامه‌نویسی کرد. احتمالا تورینگ نیز تلاش کرده تا هوشمندی را به‌عنوان کیفیتی تعریف کند که حاصل ارتباطات اجتماعی است.

artificial intelligence

قسمت چهارم: لیکلایدر و هوش ترکیبی

در تاریخ ۲۹ اکتبر سال ۱۹۶۹، دانشجویی از دانشگاه UCLA پیامی دوحرفی از یک کامپیوتر SDS Sigma 7 به ماشینی دیگر در صدها کیلومتر آن‌طرف‌تر و دانشگاه استنفورد در منلو پارک ارسال کرد. پیامی که تنها حاوی کلمه‌ی «LO» بود. دانشجوی موردنظر قصد داشت تا کلمه‌ی LOGIN را ارسال کند، اما شبکه‌‌ی آرپانت که مسئولیت ارسال پیام‌ها را داشت، لحظه‌ای دچار اشکال شد و به‌عبارتی پکت سوئیچینگ به‌طور کامل انجام نشد.

لیکلایدر هوشمندی را در ترکیب هوش انسانی و ماشینی تعریف کرد

در تاریخ اینترنت، ارسال پیامی که به‌صورت ناقص به مقصد رسید، به‌عنوان ورود به عصری تازه در دنیای ارتباطات آنلاین شناخته می‌شود. به‌هرحال آنچه که کمتر دیده می‌شود، در زیرساخت فنای آرپانت نهفته است؛ چشم‌اندازی مهم که آینده‌ی هم‌زیستی انسان-ماشین را شرح می‌داد و توسط فردی به‌‌نام جی‌سی‌آر لیکلایدر توسعه یافت.

لیکلایدر سابقه‌ای در علم روانشناسی داشت و در سال‌های پایانی دهه‌ی ۱۹۵۰ به کامپیوترها علاقه‌مند شد. او علاقه‌مند به چگونگی تقویت هوش جمعی انسان‌ها به کمک ماشین‌های جدید شده بود. به‌همین دلیل، تصمیم گرفت تا مطالعاتی جدی در علم نوی هوش مصنوعی در آن سال‌ها داشته باشد. او پس از تحقیقات اولیه متوجه شد که برنامه‌نویس‌ها تلاش می‌کنند تا مهارت‌های کنونی انسانی همچون بازی شطرنج یا ترجمه‌ی لغات و عبارات را به هوش مصنوعی بیاموزند. البته هدف اجرای بهینه‌تر مهارت‌ها بود.

تاریخچه هوش مصنوعی

مفهوم آموزش مهارت‌های موجود به ماشین‌ها، توسط لیکلایدر به‌صورت کامل پذیرفته نشد. از نظر او مشکل در آنجا بود که روش‌های موجود، انسان و ماشین را موجوداتی برابر می‌دانستند. لیکلایدر باور داشت که انسان و ماشین در ظرفیت‌ها و توانایی‌های شناختی تفاوت‌هایی اساسی دارند. انسان‌ها در فعالیت‌های خاصی همچون خلاق بودن و تلاش برای قضاوت بهتر توانایی بیشتری دارند. درحالی که کامپیوترها در فرایندهایی همچون به خاطر سپردن داده‌ها و پردازش، توانمندتر هستند.

لیکلایدر به‌جای تلاش برای تقلید رفتارهای انسانی توسط ماشین‌ها، رویکردی را پیشنهاد کرد که انسان و ماشین در آن همکاری کنند و هر کدام از نقاط قوت منحصربه‌فرد بهره ببرند. او اعتقاد داشت که استراتژی جدید، تمرکز را از رقابت بین هوش‌های انسانی و مصنوعی (مانند بازی شطرنج) بر می‌دارد. درنتیجه، فرم‌هایی غیرقابل تصور از هوشمندی با بهره‌گیری از همکاری شکل خواهد گرفت.

در سال ۱۹۶۰، مقاله‌ای تحت عنوان «Man Machine Symbiosis» توسط لیکلایدر نوشته شد که در بخشی از آن می‌خوانیم:

امید می‌رود که در آینده‌ای نه‌چندان دور، مغز انسانی و ماشین‌های رایانشی با هم ترکیب محکمی را شکل دهند. همکاری آن‌ها هوشمندی را به همراه خواهد داشت که نوعی تفکر برتر از تفکر همه‌ی انسان‌ها عرضه خواهد کرد. به‌علاوه داده‌ها توسط هوش جدید به‌نوعی پردازش می‌شوند که هیچ ماشینی تا به امروز توانایی آن را نداشته است.

لیکلایدر سیستمی متشکل از کامپیوترها، تجهیزات شبکه و اپراتورهای انسانی را به‌عنوان نمودی از هوش ترکیبی خود می‌دانست. سیستمی که به‌‌نام SAGE یا Semi-Automatic Ground Environment شناخته می‌شد و ۲ سال قبل از انتشار مقاله‌ی او برای ردگیری تجهیزات هوایی آمریکا شروع به کار کرد.

آرپانت

در سال ۱۹۶۳، لیکلایدر به پستی مدیریتی در سازمان تحقیقات پیشرفته‌ی وزارت دفاع آمریکا ARPA (دارپای امروزی) رسید و فرصت پیاده‌سازی برخی از ایده‌های خود را پیدا کرد. او به‌طور اختصاصی روی ایده‌ای به‌نام Intergalactic Computer Network کار می‌کرد.

لیکلایدر به این نتیجه رسیده بود که در ARPA به راهکاری مفید برای به‌روز نگه داشتن تیمی متشکل از ماشین‌ها و انسان‌ها دارد تا با تغییرات ایجادشده در زبان‌های برنامه‌نویسی و پروتکل‌ها هماهنگ باشند. شبکه‌ی ارتباطی که این بخش‌ها را در فواصل دور به هم وصل کند، پاسخی روشن به نیاز لیکلایدر بود. چالش رسیدن به چنان شبکه‌ای مانند مواردی بود که در داستان‌های علمی-تخیلی دیده می‌شد. او از خود می‌پرسید که چگونه می‌توان ارتباط را بین موجوداتی کاملا بی‌ربط به‌هم ایجاد کرد.

آرپا به‌صورت کامل روی پروژه‌های سرمایه‌گذاری کرد تا ایده‌های لیکلایدر اجرا شوند، اما او قبلا سازمان را ترک کرده بود. به‌هرحال ایده‌های او پایه‌گذار تلاش‌ها برای توسعه‌ی شبکه‌‌ی ARPANET یا همان مادر اینترنت شد. با پیشرفت شبکه‌ی موجود و شکل‌گیری اینترنت به‌صورتی که امروزه می‌شناسیم، مفاهیم بیش‌ازپیش به سمت همکاری مغزهای انسانی و ماشینی می‌رفت. کاربران و کارشناسان به‌مرور شاهد همکاری بیشتر انسان‌ها و بازیگران محصول فناوری می‌شدند تا اینکه فرانسیس هیلیگن، سایبرنتیسیست بلژیکی از اصطلاح «مغز جهانی» برای ترکیب جدید استفاده کرد.

آرپانت اولین فناوری بود که قدرت ترکیب هوش‌ها را نشان داد

امروزه بسیاری ازپیشرفت‌های صورت‌گرفته در کاربردهای یادگیری ماشینی با استفاده از شبکه‌های همکاری انسان و ماشین شکل می‌گیرد. به‌عنوان مثال در صنعت حمل‌ونقل شاهد تلاش‌هایی برای همکاری بیشتر انسان و ماشین و دستیابی به فرایندی بهینه برای حمل‌ونقل کالاها هستیم. در مثالی دیگر می‌توان اوبر را بیان کرد که ترکیبی از هوش انسانی و ماشینی را برای بهبود روند حمل‌ونقل مسافر پیاده‌سازی می‌کند.

مثال‌های زیادی از همزیستی ماشین و انسان و دستیابی به هوش بهینه در دنیای امروز وجود دارد. با‌این‌حال هنوز هم گرایش عمومی هوش ماشینی را به‌عنوان کیفیتی معرفی می‌کند که به یک ابرکامپیوتر با توانایی‌های شناختی در سطح انسانی تعلق دارد. به‌هرحال، آینده‌ی سایبورگ (ترکیب انسان و ماشین) که لیکلایدر تصور کرده بود، به‌نوعی به حقیقت پیوسته است. ما امروز در دنیایی پر از هم‌زیستی ماشین و انسان زندگی می‌کنیم که روان‌شناس آمریکایی زمانی با عبارت «زندگی درکنار یکدیگر و با همکاری صمیمی یا حتی اتحادی قوی بین دو ارگانیسم» توصیف کرده بود. به‌هرحال لیکلایدر به‌جای تمرکز روی ترس از جایگزین شدن توسط ماشین‌ها، ما را با مفهومی از همکاری و ظرفیت‌های مرتبط با آن آشنا می‌کند.

تاریخچه ناگفته هوش مصنوعی؛ انسان‌هایی که ماشین‌های هوشمند را ساختند

هوش مصنوعی تاریخچه‌ای طولانی‌تر از آنچه تصور می‌کنیم دارد، شاید بتوان ریشه‌های آن را در میانه‌های قرن نوزدهم و اولین ماشین‌ها پیدا کرد.

تاریخچه‌ی هوش مصنوعی عموما درباره‌ی ماشین‌آلاتی تعریف می‌شود که در گذر زمان هوشمندتر شده‌اند. آنچه در تاریخچه‌های مرسوم گم شده، تأثیر انسان بر پیشرفت ماشین‌ها بوده است؛ اینکه ماشین‌های هوشمند چگونه توسط ذهن‌ها و دستان انسانی طراحی شده، آموزش می‌بینند و ساخته می‌شوند.

در این مقاله‌ی زومیت قصد داریم تاریخی ناگفته از هوش مصنوعی را تعریف کنیم. تاریخی که چگونگی تأثیر نوآوران، مخترعان، متفکران، کارگران و حتی هکرها را در ساخت الگوریتم‌هایی با قابلیت شبیه‌سازی ذهن و رفتار انسان، شرح می‌دهد. اگرچه اخبار جدید از پیشرفت هوش مصنوعی و توانایی کار کردن آن‌ها بدون نیاز به انسان، جذاب به نظر می‌رسد، اما درنهایت نباید فراموش کنیم که ماشین‌های هوشمند هم در بهترین حالت به‌خوبی ذهن انسان هستند.

قسمت اول: چارلز ببیج و ترک

در سال ۱۷۷۰ و در بارگاه ماریا ترسا، ملکه‌ی اتریش مخترعی به‌نام ولفگانگ کمپلن ماشینی با قابلیت انجام بازی شطرنج معرفی کرد. کمپلن اختراع خود را ترک (Turk) نامیده بود. دستگاه او رباتی شبیه به انسان با ابعادی تقریبا طبیعی و ساخته شده از چوب افرا بود. کمپلن لباسی شبیه به عثمانی‌ها برای رباتش طراحی کرده و آن را پشت یک میز چوبی مجهز به صفحه‌ی شطرنج نصب کرده بود.

کمپلن ادعا می‌کرد که ماشینش توانایی شکست دادن همه‌ی افراد حاضر در دربار را دارد. یکی از مشاوران ملکه چالش رقابت با آن را پذیرفت. مخترعربات شطرنج‌باز به پشت دستگاه رفت و مکانیزم ساعت‌مانند آن را به حضار نشان داد. مجموعه‌ای از چرخدنده‌ها و اهرم‌ها داخل ترک بودند و کمپلن نیز با یک کلید، آن را آماده‌ی فعالیت کرد. ترک زنده شد و دست چوبی خود را برای اولین حرکت بالا آورد. پس از ۳۰ دقیقه ربات چوبی توانست رقیب خود را شکست دهد.

ربات ترک دستاورد بزرگی برای کمپلن محسوب می‌شد. او در سال‌های بعد به سرتاسر اروپا سفر کرد و نابغه‌های متعدد آن سال‌ها را در رقابت شکست داد. بنجامین فرانکلین و فردریک کبیر از افرادی بودند که توسط ربات ترک شکست خوردند. پس از مرگ کمپلن در سال ۱‍۸۰۴، یک دانشجو و ابزارساز آلمانی به‌نام یوهان نپوموک ملزل ربات را خریداری کرد و تور جهانی رقابت را ادامه داد.

تاریخچه هوش مصنوعی

یکی از افرادی که برخوردی نزدیک با ربات ترک داشت، چارلز ببیج، مهندس و ریاضیا‌دان مشهور بریتانیایی بود. او در سال ۱۸۱۹ دو مرتبه با ربات بازی کرد و شکست خورد. تام استندیج، تاریخچه‌‌ای کامل از ربات ترک نوشت. او در جایی گفته بود که ببیج اعتقاد داشت ربات مذکور هوشمند نیست و شاید فردی در داخلش آن را کنترل می‌کند.

ببیج درست حدس زده بود. کمپلن و ملزل هر کدام اساتید شطرنجی را استخدام کرده بودند تا در کابینت مخصوص ترک نشسته و بازی را انجام دهند. استاد مخفی‌شده در کابینت، با استفاده از تصویر آینه‌ای صفحه‌ی شطرنج حرکات رقیب را مشاهده می‌کرد.

ربات هوشمند قرن ۱۸، از هوش انسانی استفاده می‌کرد

فردی که در داخل ربات ترک مخفی می‌شد، با استفاده از مکانیزمی به‌‌نام پانتوگراف بازوی آن را حرکت می داد. پانتوگراف مجموعه‌ای از پولی و تسمه بود که حرکت دست بازیکن اصلی را به حرکت بازوی ربات در بالای کابینت تبدیل می‌کرد. بازیکن با استفاده از یک اهرم و چرخاندن آن، انگشتان ربات را باز و بسته می‌کرد و مهره‌ها را حرکت می‌داد. در کابینت مذکور ساختاری تعبیه شده بود که در زمان نشان دادن جزئیات داخل آن، بازیکن اصلی مخفی شود.

ببیج پس از آنکه به حقه‌ی ربات شک کرد، برخلاف افراد دیگر هم‌عصرش تلاشی برای افشای آن انجام نداد. درعوض به‌نظر می‌رسد رویارویی او با ربات تقلبی، زمینه‌های تفکر درباره‌ی هوش مصنوعی را در ذهنش ایجاد کرده باشد.

تاریخچه هوش مصنوعی

ریاضی‌دان مشهور بریتانیایی کمی پس از رویارویی با ربات ترک طراحی ماشین‌حساب مشهور خود را شروع کرد. هدف او از ساختن ماشین Difference Engine این بود که جداول لگاریتمی بدون خطا را به‌صورت خودکار محاسبه کند. اولین ماشین او حدود ۴ تن وزن و ۲۵ هزار قطعه‌ی فلزی داشت. ببیج در میانه‌ی راه، طراحی و ساخت ماشین را متوقف کرد تا به ساخت دستگاهی پیچیده‌تر به‌نام Analytical Engine بپردازد.

ماشین جدید ببیج شامل بخش‌هایی به‌نام Store و Mill بود که مانند حافظه و پردازنده‌ عمل می‌کردند. به‌علاوه ظرفیت تفسیر دستورالعمل‌های برنامه‌نویسی به‌کمک کارت‌های پانچ‌شده هم در آن لحاظ شده بود.

بیج ابتدا تصور می‌کرد که ماشین جدیدش به‌عنوان نسخه‌ای پیشرفته‌تر از ماشین تفاضل کار خواهد کرد. البته همکار مشهوری آدا لاولیس به این نکته پی برد که قابلیت برنامه‌ریزی ماشین تحلیلی جدید، کاربرد جامع‌تری به آن می‌دهد. او در جایی گفته بود که ماشین ببیج زمینه‌های ظهور نوعی شاعرانه از علم را فراهم خواهد کرد که ریاضی‌دانان بتوانند با برنامه‌نویسی، انجام کارها را به ماشین‌ها یاد بدهند. لاولیس پیش‌بینی کرده بود که ماشین‌ها خواهند توانست موسیقی‌هایی استادانه نیز تولید کنند.

دانشمند بریتانیایی درنهایت با همکار خود (اولین برنامه‌نویس تاریخ) هم‌عقیده شد. او به این نتیجه رسید که ظرفیت بالای ماشینی عمومی می‌تواند تغییراتی عظیم در جهان ایجاد کند و توانایی انجام کارهایی بیشتر از محاسبه‌ی اعداد خواهد داشت.

تاریخچه هوش مصنوعی

ذهن ببیج در زمان بررسی ظرفیت‌های ماشین هوشمندش، به رقابت با ربات ترک معطوف شد. او در سال ۱۸۶۴ در یادداشت‌هایش نوشت که دوست دارد با استفاده از نشانه‌گذاری مکانیکی، چالش‌های جدیدی را حل کند:

من پس از بررسی‌های بسیار، اختراع ماشینی را به‌عنوان هدف انتخاب کردم که توانایی انجام موفق یک بازی با مهارت‌های فکری کامل همچون شطرنج را داشته باشد.

باوجود آنکه هیچ ارتباط فنی بین ربات ترک و ماشین ببیج وجود ندارد، امکان هوشمند شدن یک ماشین که توسط جعبه‌ی کمپلن نشان داده شد، احتمالا الهامی برای ببیج بود تا تفکری کاملا جدید درباره‌ی ماشین‌ها پیدا کند. همکار ببیج، سر دیوید بروستر بعدها درباره‌ی ترک نوشت:

آن اسباب‌بازی‌های خودکار که زمانی برای سرگرمی عوام استفاده می‌شدند، اکنون در توسعه‌ی قدرت و پیشرفت جامعه‌ی بشری به کار می‌روند.

رویارویی ببیج با ربات ترک در سال‌های ابتدایی تاریخ رایانش نشان می‌دهد که گاهی اوقات، عناصر جذاب عمومی و اخبار پیرامون آن‌ها با نوآوری همسو می‌شوند. به‌علاوه درسی دیگر هم از آن می‌گیریم که هوشمندی اهداشده به ماشین‌ها تقریبا همیشه وابسته به مهارت‌های انسانی است که نادیده می‌مانند.

تاریخچه هوش مصنوعی

قسمت دوم: زنان برنامه‌نویس و اولین کامپیوتر الکترونیکی آمریکا

در ۱۴ فوریه‌ی سال ۱۹۴۶، روزنامه‌نگارها در دانشکده‌ی مهندسی مور دانشگاه پنسیلوانیا گردهم آمدند تا شاهد رونمایی از اولین نمونه‌ از کامپیوترهای اختصاصی دیجیتالی الکترونیکی باشند؛ کامپیوتری به‌نام ENIAC یا Electronic Numerical Integrator and Computer.

آرتور برکس، ریاضی‌دان و مهندس ارشد تیم انیاک مسئول نمایش ظرفیت‌های ماشین جدید بود. او ابتدا ۵ هزار عدد را به کمک کامپیوتر با هم جمع کرد که در یک ثانیه انجام شد. او سپس نشان داد که ماشین الکترونیکی توانایی محاسبه‌ی بردار حرکت یک بمب را در زمان بسیار کوتاهی دارد.

کامپیوترهای انسانی، نیروی محرکه‌ی اولین کامپیوتر الکترونیکی بودند

خبرنگاران حاضر در مراسم رونمایی شیفته‌ی قابلیت‌های کامپیوتر جدید شدند. آن‌ها گزارش دادند که برکس تنها باید یک دکمه را فشار می‌داد تا ماشین زنده شود و وظیفه‌ای را در زمان بسیار کوتاه انجام دهد؛ کاری که قبلا چند روز زمان از انسان‌ها می‌گرفت.

آنچه که خبرنگاران در مراسم رونمایی از انیاک ندیدند یا به بیان بهتر از آن‌ها مخفی شد، فعالیت برنامه‌نویسی گروهی ۶ نفره از زنان بود؛ فعالیتی که در پشت هوشمندی ظاهری کامپیوتر قرار داشت و به‌نوعی انقلابی در صنعت رایانش بود. این زنان قبلا به‌نوعی فعالیت‌های کامپیوتر را انجام می‌دادند.

تاریخچه هوش مصنوعی

برنامه‌ی ساخت ماشینی برای محاسبه‌ی بردار حرکتی بمب، در سال‌های ابتدایی جنگ جهانی دوم تدوین شد. دانشکده‌ی مهندسی مور با آزمایشگاه تحقیقات بالستیک (BRL) همکاری می‌کرد. در آن آزمایشگاه، تیمی متشکل از ۱۰۰ کامپیوتر انسانی آموزش دیده بودند تا جداول مربوط‌به سلاح‌‌های توپخانه‌ای را محاسبه کنند.

وظیفه‌ی افراد حاضر در BRL برای محاسبه‌ی جداول، نیاز به مهارت‌های ریاضیاتی بالا داشت که شامل توانایی حل معادلات غیرخطی دیفرانسیل، استفاده از تحلیل دیفرانسیل و خط‌کش محاسبه می‌شد. در آن سال‌ها رایانش به‌عنوان کاری دفتری محسوب می‌شد و وظیفه‌ای بود که برای مهندسان مرد، خسته‌کننده بود. به‌همین دلیل، آزمایشگاه BRL زنان را برای محاسبات استخدام کرد که اکثرا مدارک دانشگاهی و استعدادهای ریاضیاتی بالا داشتند.

با پیشرفت جنگ، توانایی پیش‌بینی مسیر پرواز بمب‌ها بیش‌از‌پیش با استراتژی‌های جنگی هماهنگ شد. به‌همین دلیل، BRL تحت فشار زیادی گرفت تا نتایج مورد انتظار نظامیان را ارائه کند.

در سال ۱۹۴۲، فیزیک‌دان مشهور جان ماکلی طرحی برای ساخت ماشین‌‌حساب الکترونیکی قابل برنامه‌ریزی با اهداف خاص ارائه کرد که فرایندهای بالا را به‌صورت خودکار انجام دهد. تا ماه ژوئن سال ۱۹۴۳، ماکلی با همکاری مهندس برق جی پرسپر اکرت، سرمایه‌ی مورد نیاز برای ساخت ENIAC را دریافت کرد.

هدف اصلی از ساخت کامپیوتر الکترونیکی، جایگزینی صدها کامپیوتر انسانی حاضر در BRL بود تا فرایند محاسبه را سریع‌تر و با بازدهی بالاتر انجام دهند. به‌هرحال مالکی و اکرت به این نتیجه رسیدند که ماشین جدید آن‌ها باید به‌کمک کارت‌های پانچ‌شده برنامه‌نویسی شود تا بردارهای پرتابه‌ای را محاسبه کند. تکنیک مورد نظر، تا سال‌ها توسط IBM برای برنامه‌نویسی ماشین‌های دیگر استفاده شد.

تاریخچه هوش مصنوعی

ادل و هرمان گلدشتاین، زوجی بودند که فرایند رایانش انسانی را در BRL مدیریت می‌کردند. آن‌ها پیشنهاد دادند که قوی‌ترین ذهن‌های حاضر در گروهشان، انجام وظیفه‌ی برنامه‌نویسی را بر عهده بگیرند. درنهایت ۶ زن انتخاب شدند: کتلین مک‌نالتی، فرانسس بیلاس، بتی جین جنینگر، روث لیکترمن، الیزابت اشنایدر و مرلین وسکاف. آن‌ها از کامپیوترهای انسانی به اپراتورهای ماشین جدید ارتقاء یافتند.

اولین وظیفه‌ی گروه ۶ نفره این بود که با تمامی جزئیات داخلی و خارجی ENIAC‌ آشنا شوند. آن‌ها مدارک و نقشه‌های اولیه‌ی ماشین را مطالعه کردند تا مدارها، منطق و ساختار فیزیکی را به بهترین نحو درک کنند. نکات زیادی برای یادگیری گروه وجود داشت. ماشین انیاک، ۳۰ تن وزن داشت و ۱۴۰ متر مربع را اشغال کرده بود. بیش از ۱۷ هزار لامپ خلأ به همراه ۷۰ هزار مقاومت، ۱۰ هزار خازن، ۱۵۰۰ رله و ۶ هزار سوئیچ دستی در آن استفاده شده بود.

فعالیت زنان برنامه‌نویس ENIAC از چشم رسانه‌ها دور ماند

تیم ۶ نفره از زنان برنامه‌نویس وظیفه‌ی انجام تنظیمات و جابه‌جایی سیم‌کشی ماشین برای انجام محاسبات خاص را برعهده داشتند. به‌علاوه، مدیریت تجهیزات کارت‌های پانج‌شده و دیباگ کردن فرایندها نیز بر عهده‌ی آن‌ها بود. وظایف مذکور برخی اوقات نیازمند وارد شدن کامل به ساختار فیزیکی ماشین بود تا لامپ خلأ یا سیم دچار مشکل در آن تعویض شود. 

انیاک تا موعد مقرر آماده نشد تا مسیر پرتابه‌‌ی بمب‌ها را در زمان جنگ محاسبه کند. البته کمی پس از جنگ مأموریت جدیدی توسط جان فون نیومن برای دستگاه تعریف شد تا محاسبات هم‌جوشی هسته‌ای را انجام دهد. چنین کاربرد جدیدی نیازمند بیش از یک میلیون کارت پانچ‌شده بود. فیزیک‌دانانی از لوس آلاموس با تکیه بر مهارت برنامه‌نویسی اپراتورها برای انجام پروژه‌ی جدید متحد شدند؛ برنامه‌نویس‌هایی که با انجام آن حجم از عملیات، ناآشنا نبودند.

تاریخچه هوش مصنوعی

با وجود همکاری شدید زنان برنامه‌نویس در توسعه‌ی کامپیوتر اولیه، همکاری آن‌ها آن‌چنان که باید و شاید دیده نشد. به خاطر آنکه برنامه‌ریزی ماشین در آن زمان کاری شبیه به رایانش انسانی بود، فعالیت‌های زنان به‌عنوان عملی جانبی و کم‌اهمیت جلوه داده شد. رهبران فیزیک‌دان پروژه و مهندسان ارشد، روی طراحی و ساخت سخت‌افزارها متمرکز شدند که از نظر آن‌ها برای آینده‌ی رایانش حیاتی بود.

به‌خاطر دلایل گفته‌شده در بالا، زمانی‌که انیاک به‌صورت نهایی در سال ۱۹۴۶ رونمایی شد، ۶ اپراتور زن در مراسم حاضر نبودند. آن سال‌ها، زمان طلوع جنگ سرد بود. ارتش آمریکا نیز همه‌ی تلاش خود را می‌کرد تا برتری فناورانه‌ی خود را نشان دهد. با رونمایی از انیاک به‌عنوان ماشینی خودکار و هوشمند، مهندسان به‌نوعی سلطه‌ی خود را بر حوزه‌های جدید نشان دادند، اما نیروی انسانی درگیر در آن را مخفی کردند.

تاکتیک روابط عمومی آمریکایی‌ها در رونمایی از انیاک موفقیت‌آمیز بود و پوشش رسانه‌ای دهه‌های آتی در حوزه‌ی رایانش را به خود اختصاص داد. در اخباری که پیرامون انیاک در سرتاسر جهان پخش شد، ماشین در مرکز قرار داشت و به‌عنوان «مغز الکترونیک»، «جادوگر» و «مغز رباتیک ساخته‌ی انسان» شناخته می‌شد. 

به‌هرصورت، اشاره‌های کوتاهی به فعالیت‌های طاقت‌فرسای گروه ۶ نفره‌ی اپراتورهای زن در پشت‌صحنه‌ی دستگاه شد؛ همان گروهی که در میان سیم‌ها و لامپ‌های خلأ بی‌شمار دستگاه انیاک حتی زندگی کردند و به‌نوعی باعث پیاده‌سازی هوش نهایی شدند.

تاریخچه هوش مصنوعی

قسمت سوم: خطاهای عمدی کارگزار هوشمند آلن تورینگ

در سال ۱۹۵۰ و ظهور عصر دیجیتال، آلن تورینگ مشهورترین مقاله‌ی خود به‌نام «Computing Machinery and Intelligence» را منتشر کرد. او در مقاله‌ی خود سؤال مشهور «آیا ماشین‌ها می‌توانند فکر کنند» را مطرح کرد.

تورینگ به‌جای تلاش برای توصیف کلمه‌های «ماشین» و «فکر کردن»، روشی جدید برای پاسخ دادن به سؤال ابداع کرد که از یک بازی قدیمی به‌نام «بازی تقلید» الهام می‌گرفت. قوانین بازی ابتدا تصور می‌کرد که یک زن و مرد در اتاق‌های مجزا با استفاده از یادداشت‌های دست‌نویس با یک قاضی ارتباط برقرار می‌کنند. قاضی باید هویت افراد را حدس بزند. کار آنجا دشوار می‌شود که مرد تلاش می‌کند رفتارها و نوشته‌های زنانه تقلید کند.

تورینگ با الهام از قوانین بالا یک آزمایش فکری طراحی کرد که مسابقه‌دهنده یک کامپیوتر بود. اگر کامپیوتر را به‌گونه‌ای برنامه‌نویسی کنیم که توانایی به اشتباه انداختن قاضی را داشته باشد، می‌توان آن را هوشمند نامید. درواقع، ماشینی هوشمند خواهد بود که افراد در ارتباط با آن نتوانند تشخیص دهند با ماشین یا انسان روبه‌رو هستند.

آزمایش فکری درنهایت به‌نام «آزمایش تورینگ» شناخته شد. آزمایشی که تا امروز هم یکی از شناخته‌شده‌ترین و بحث‌برانگیزترین مفاهیم هوش مصنوعی محسوب می‌شود. دلیل اصلی ماندگار بودن تست مذکور این است که پاسخی روشن به سؤال «آیا ماشین‌‌ها می‌توانند فکر کنند؟» می‌دهد. اگر کامپیوتری بتواند تست را با موفقیت پشت سر بگذارد، پاسخ برای آن مثبت خواهد بود.

تاریخچه هوش مصنوعی

فیلسوف مشهور، دنیل دنت اعتقاد دارد آزمایش تورینگ برای پایان دادن به بحثی فلسفی پیرامون ماشین‌ها طراحی شد. او دراین‌باره می‌گوید:

به‌جای آنکه پیرامون طبیعیت و ذات فکر کردن بحث کنیم، بهتر است به این توافق برسیم که هر چیزی بتواند تست مذکور را با موفقیت پاسخ دهد، آن طبیعیت (فکر کردن) را دارد.

مطالعه‌ی دقیق‌تر آزمایش تورینگ، جزئیاتی را مشخص می‌کند که ابهام بیشتر در آزمایش را به همراه دارد. درواقع احتمالا تورینگ به‌جای شرح دادن آزمایشی کاربردی، به‌دنبال ایجاد چالشی پیرامون هوشمندی ماشین‌ها بوده است. دانشمند بزرگ بریتانیایی در بخشی از مقاله‌ی خود، ماهیت و رفتار احتمالی ماشین هوشمندی را در آینده مثال زد. در مثال زیر، انسان از ماشین سؤال می‌پرسد و ماشین پاسخ می‌دهد:

سؤال: لطفا شعری درباره‌ی پل چهارم در اسکاتلند بنویس.

پاسخ: من را از این کار معاف کنید. من توانایی نوشتن شعر ندارم.

سؤال: ۳۴۹۵۷ را با ۷۰۷۶۴ جمع کن.

پاسخ: (پس از ۳۰ ثانیه مکس)، ۱۰۵۶۲۱.

سؤال: آیا تو شطرنج بازی می‌کنی؟

پاسخ: بله.

سؤال: من فقط مهره‌ی پادشاه را دارم که در موقعیت K1 قرار دارد. تو پادشاه را در موقعیت K6 و قلعه را در موقعیت R1 داری. نوبت بازی تو است.

پاسخ: (پس از ۱۵ ثانیه)، قلعه به موقعیت R8، مات.

مجسمه آلن تورینگ / Alan Turing Statue

در مثال بالا، کامپیوتر اشتباهی در بحث ریاضی مرتکب شد. مجموع صحیح عددهای مورد سؤال ۱۰۵۷۲۱ می‌شود. به‌نظر نمی‌رسد دانشمند بزرگی همچون تورینگ، چنین اشتباهی را مرتکب شده باشد. به‌احتمال زیاد هدف او قرار دادن نکته‌‌ای مخفی در مقاله بوده است.

تورینگ در ادامه‌ی مقاله‌ی خود توضیح می‌دهد که اشتباه محاسباتی حقه‌ی برنامه‌نویسی است تا قاضی را در بازی تقلید با اشتباه روبه‌رو کند. تورینگ به این نتیجه رسید که اگر خواننده‌های مقاله متوجه اشتباه شوند، با خود تصور می‌کنند که مخاطب در سؤال‌های بالا، انسان باشد؛ چرا که چنین اشتباهاتی از ماشین محاسباتی بعید به نظر می‌رسد. درنتیجه تورینگ گفت که ماشین‌ها را می‌توان به‌ گونه‌ا‌ی برنامه‌نویسی کرد که به عمد، اشتباهاتی را انجام دهند؛ اشتباهاتی که تصور انسان بودن آن‌ها را در ذهن مخاطبان افزایش دهد.

هوش مصنوعی با اشتباهات عمدی، خود را شبیه هوش انسانی نشان می‌دهد

ایجاد اشتباه عمدی در برنامه‌نویسی‌ها در سال ۱۹۵۰ عملی تقریبا غیرممکن به نظر می‌رسید، اما همین مفهوم مبنای طراحی‌های متعدد حوزه‌ی پردازش زبان شد. به‌عنوان مثال در ژوئن ۲۰۱۴ چت‌باتی به‌نامیوجین گوستمن به‌عنوان اولین ماشین با توانایی پذیرفته شدن در آزمایش تورینگ معرفی شد. البته، کارشناسان به‌سرعت متوجه شدند که یوجین به‌خاطر استفاده از حقه‌ای درونی موفق به انجام آن کار شده است.

یوجین شبیه به کودکی ۱۳ ساله بود که انگلیسی را به‌عنوان زبان دوم صحبت می‌کرد. درنتیجه اشتباهات در ترکیب حروف و گرامر از سوی آن به‌خاطر سن کم و بالغ نبودن برداشت می‌شد. درواقع می‌شد اشتباهات چت‌بات و هوش مصنوعی را از توانایی پردازش زبان دور کرد.

داستان مشابه دیگر برای هوش مصنوعی Duplex و در سال گذشته‌ی میلادی رخ داد. وقتی هوش مصنوعی محصول گوگل آواهایی همچون اوهوم و آها را تکرار می‌کرد، منتقدان آن‌ها را سرشار از هوش بالا ندانستند. آن‌ها معتقد بودند این رفتارها تنها حقه‌های برنامه‌نویسی بوده‌اند تا شک و تردید انسانی را در رفتار ماشین تقلید کنند.

هوش مصنوعی

مثال‌های بالا تأییدی بر ایده‌ی تورینگ هستند که ماشین‌ها با اشتباهات ساختگی می‌توانند توهم هوش انسانی را در افراد ایجاد کنند. برنامه‌نویس‌های یوجین گوستمن و دوپلکس هم مانند تورینگ به این نتیجه رسیدند که نشانه‌هایی سطحی از جایزالخطا بودن انسانی در ماشین‌ها، برای فریب دادن مخاطبان نسبت به هوش مصنوعی، کاربردی خواهد بود.

شاید آزمایش تورینگ به‌صورت خاص به هوشمندی ماشین نمی‌پردازد بلکه به تصور و درک ما از هوشمند بودن یک پدیده اشاره دارد. تورینگ دراین‌باره می‌گوید:

ایده‌ی هوشمندی به‌صورت ذاتی احساسی و نه ریاضیاتی است. هوشمند بودن یا نبودن یک پدیده همان‌قدر که به وضعیت آن بستگی دارد، به حالت ذهنی و نحوه‌ی آموزش و آگاهی ما نیز وابسته است.

شاید هوشمندی پدیده‌ای نباشد که بتوان داخل یک ماشین برنامه‌نویسی کرد. احتمالا تورینگ نیز تلاش کرده تا هوشمندی را به‌عنوان کیفیتی تعریف کند که حاصل ارتباطات اجتماعی است.

artificial intelligence

قسمت چهارم: لیکلایدر و هوش ترکیبی

در تاریخ ۲۹ اکتبر سال ۱۹۶۹، دانشجویی از دانشگاه UCLA پیامی دوحرفی از یک کامپیوتر SDS Sigma 7 به ماشینی دیگر در صدها کیلومتر آن‌طرف‌تر و دانشگاه استنفورد در منلو پارک ارسال کرد. پیامی که تنها حاوی کلمه‌ی «LO» بود. دانشجوی موردنظر قصد داشت تا کلمه‌ی LOGIN را ارسال کند، اما شبکه‌‌ی آرپانت که مسئولیت ارسال پیام‌ها را داشت، لحظه‌ای دچار اشکال شد و به‌عبارتی پکت سوئیچینگ به‌طور کامل انجام نشد.

لیکلایدر هوشمندی را در ترکیب هوش انسانی و ماشینی تعریف کرد

در تاریخ اینترنت، ارسال پیامی که به‌صورت ناقص به مقصد رسید، به‌عنوان ورود به عصری تازه در دنیای ارتباطات آنلاین شناخته می‌شود. به‌هرحال آنچه که کمتر دیده می‌شود، در زیرساخت فنای آرپانت نهفته است؛ چشم‌اندازی مهم که آینده‌ی هم‌زیستی انسان-ماشین را شرح می‌داد و توسط فردی به‌‌نام جی‌سی‌آر لیکلایدر توسعه یافت.

لیکلایدر سابقه‌ای در علم روانشناسی داشت و در سال‌های پایانی دهه‌ی ۱۹۵۰ به کامپیوترها علاقه‌مند شد. او علاقه‌مند به چگونگی تقویت هوش جمعی انسان‌ها به کمک ماشین‌های جدید شده بود. به‌همین دلیل، تصمیم گرفت تا مطالعاتی جدی در علم نوی هوش مصنوعی در آن سال‌ها داشته باشد. او پس از تحقیقات اولیه متوجه شد که برنامه‌نویس‌ها تلاش می‌کنند تا مهارت‌های کنونی انسانی همچون بازی شطرنج یا ترجمه‌ی لغات و عبارات را به هوش مصنوعی بیاموزند. البته هدف اجرای بهینه‌تر مهارت‌ها بود.

تاریخچه هوش مصنوعی

مفهوم آموزش مهارت‌های موجود به ماشین‌ها، توسط لیکلایدر به‌صورت کامل پذیرفته نشد. از نظر او مشکل در آنجا بود که روش‌های موجود، انسان و ماشین را موجوداتی برابر می‌دانستند. لیکلایدر باور داشت که انسان و ماشین در ظرفیت‌ها و توانایی‌های شناختی تفاوت‌هایی اساسی دارند. انسان‌ها در فعالیت‌های خاصی همچون خلاق بودن و تلاش برای قضاوت بهتر توانایی بیشتری دارند. درحالی که کامپیوترها در فرایندهایی همچون به خاطر سپردن داده‌ها و پردازش، توانمندتر هستند.

لیکلایدر به‌جای تلاش برای تقلید رفتارهای انسانی توسط ماشین‌ها، رویکردی را پیشنهاد کرد که انسان و ماشین در آن همکاری کنند و هر کدام از نقاط قوت منحصربه‌فرد بهره ببرند. او اعتقاد داشت که استراتژی جدید، تمرکز را از رقابت بین هوش‌های انسانی و مصنوعی (مانند بازی شطرنج) بر می‌دارد. درنتیجه، فرم‌هایی غیرقابل تصور از هوشمندی با بهره‌گیری از همکاری شکل خواهد گرفت.

در سال ۱۹۶۰، مقاله‌ای تحت عنوان «Man Machine Symbiosis» توسط لیکلایدر نوشته شد که در بخشی از آن می‌خوانیم:

امید می‌رود که در آینده‌ای نه‌چندان دور، مغز انسانی و ماشین‌های رایانشی با هم ترکیب محکمی را شکل دهند. همکاری آن‌ها هوشمندی را به همراه خواهد داشت که نوعی تفکر برتر از تفکر همه‌ی انسان‌ها عرضه خواهد کرد. به‌علاوه داده‌ها توسط هوش جدید به‌نوعی پردازش می‌شوند که هیچ ماشینی تا به امروز توانایی آن را نداشته است.

لیکلایدر سیستمی متشکل از کامپیوترها، تجهیزات شبکه و اپراتورهای انسانی را به‌عنوان نمودی از هوش ترکیبی خود می‌دانست. سیستمی که به‌‌نام SAGE یا Semi-Automatic Ground Environment شناخته می‌شد و ۲ سال قبل از انتشار مقاله‌ی او برای ردگیری تجهیزات هوایی آمریکا شروع به کار کرد.

آرپانت

در سال ۱۹۶۳، لیکلایدر به پستی مدیریتی در سازمان تحقیقات پیشرفته‌ی وزارت دفاع آمریکا ARPA (دارپای امروزی) رسید و فرصت پیاده‌سازی برخی از ایده‌های خود را پیدا کرد. او به‌طور اختصاصی روی ایده‌ای به‌نام Intergalactic Computer Network کار می‌کرد.

لیکلایدر به این نتیجه رسیده بود که در ARPA به راهکاری مفید برای به‌روز نگه داشتن تیمی متشکل از ماشین‌ها و انسان‌ها دارد تا با تغییرات ایجادشده در زبان‌های برنامه‌نویسی و پروتکل‌ها هماهنگ باشند. شبکه‌ی ارتباطی که این بخش‌ها را در فواصل دور به هم وصل کند، پاسخی روشن به نیاز لیکلایدر بود. چالش رسیدن به چنان شبکه‌ای مانند مواردی بود که در داستان‌های علمی-تخیلی دیده می‌شد. او از خود می‌پرسید که چگونه می‌توان ارتباط را بین موجوداتی کاملا بی‌ربط به‌هم ایجاد کرد.

آرپا به‌صورت کامل روی پروژه‌های سرمایه‌گذاری کرد تا ایده‌های لیکلایدر اجرا شوند، اما او قبلا سازمان را ترک کرده بود. به‌هرحال ایده‌های او پایه‌گذار تلاش‌ها برای توسعه‌ی شبکه‌‌ی ARPANET یا همان مادر اینترنت شد. با پیشرفت شبکه‌ی موجود و شکل‌گیری اینترنت به‌صورتی که امروزه می‌شناسیم، مفاهیم بیش‌ازپیش به سمت همکاری مغزهای انسانی و ماشینی می‌رفت. کاربران و کارشناسان به‌مرور شاهد همکاری بیشتر انسان‌ها و بازیگران محصول فناوری می‌شدند تا اینکه فرانسیس هیلیگن، سایبرنتیسیست بلژیکی از اصطلاح «مغز جهانی» برای ترکیب جدید استفاده کرد.

آرپانت اولین فناوری بود که قدرت ترکیب هوش‌ها را نشان داد

امروزه بسیاری ازپیشرفت‌های صورت‌گرفته در کاربردهای یادگیری ماشینی با استفاده از شبکه‌های همکاری انسان و ماشین شکل می‌گیرد. به‌عنوان مثال در صنعت حمل‌ونقل شاهد تلاش‌هایی برای همکاری بیشتر انسان و ماشین و دستیابی به فرایندی بهینه برای حمل‌ونقل کالاها هستیم. در مثالی دیگر می‌توان اوبر را بیان کرد که ترکیبی از هوش انسانی و ماشینی را برای بهبود روند حمل‌ونقل مسافر پیاده‌سازی می‌کند.

مثال‌های زیادی از همزیستی ماشین و انسان و دستیابی به هوش بهینه در دنیای امروز وجود دارد. با‌این‌حال هنوز هم گرایش عمومی هوش ماشینی را به‌عنوان کیفیتی معرفی می‌کند که به یک ابرکامپیوتر با توانایی‌های شناختی در سطح انسانی تعلق دارد. به‌هرحال، آینده‌ی سایبورگ (ترکیب انسان و ماشین) که لیکلایدر تصور کرده بود، به‌نوعی به حقیقت پیوسته است. ما امروز در دنیایی پر از هم‌زیستی ماشین و انسان زندگی می‌کنیم که روان‌شناس آمریکایی زمانی با عبارت «زندگی درکنار یکدیگر و با همکاری صمیمی یا حتی اتحادی قوی بین دو ارگانیسم» توصیف کرده بود. به‌هرحال لیکلایدر به‌جای تمرکز روی ترس از جایگزین شدن توسط ماشین‌ها، ما را با مفهومی از همکاری و ظرفیت‌های مرتبط با آن آشنا می‌کند.