محمدرضا ابوالقاسمی دهاقانی در سال ۱۳۸۲ وارد دانشگاه امیرکبیر شد و در رشته علوم کامپیوتر و سپس هوش مصنوعی تا فوق لیسانس بالا رفت و بعد در مقطع دکترا سراغ رشته علوم اعصاب سیستمی رفت. یک علم میان رشته ای که سعی می کند بفهمد دنیای خارجی چه شکلی در مغز پردازش می شود. او الان عضو هیئت علمی دانشکده برق و کامپیوتر دانشگاه تهران و مدیر گروه هوش مصنوعی است.
او در این مصاحبه اطلاعات جامعی را درباره هوش مصنوعی عصب پایه و همگرایی علوم کامپیوتر با علم مغز و اعصاب در اختیار ما می گذارد.
چه شد که به این حوزه علاقه مند شدید. چه چیز این فناوری برای شما جذاب بوده است؟
دلیلم برای ورود به این رشته بیشتر سؤالهای فلسفی بود. یعنی دوست داشتم که از لحاظ هستیشناختی بفهمم که چیستی محاسبات چیست و دوست داشتم که خاستگاه های مربوط به محاسبه پذیری را بشناسم. در دوران لیسانس بهخاطر همین ابتدا به فلسفه علاقهمند شدم و بعد از آن به فلسفه تحلیلی و فلسفه مغز. بعدتر هم کمکم کشیده شدم به سمت اینکه مطالعات علوم اعصاب را پیش ببرم و برای دکترا وارد علوم اعصاب شدم. در دوره دکترا روی حوزه بینایی کار کردم و اینکه مغز چگونه میتواند آنچه که ما در دنیای خارج میبینیم را پردازش کند. الان هم تحقیقاتم در مرز بین علوم داده و هوش مصنوعی و علوم مغز و علوم اعصاب با همدیگر بهصورت بین رشتهای است. در واقع من سعی می کنم از دو منظر مسائل را ببینم. یکی از طریق دانش هوش مصنوعی و علوم داده سعی میکنم که مغز را بهتر بشناسم. شناسایی بهتر مغز هم یعنی اینکه بفهمم دنیای خارج چه شکلی توی مغز ما کد میشود. وقتیکه من اطلاعات کدگذاری شده مغزی را فهمیدم، امکان خواندن مغز برایم فراهم میشود. از طرف دیگر هم سعی می کنم از عملکردهایی که در مغز رقم می خورد استفاده کنم تا بتوانم الگوریتم های هوشمند را بهبود بدهم یا طراحی بهتری برای آنها داشته باشم.
این علم میان رشته ای دقیقا چه کار می کند؟ و چه کاربردهایی دارد؟
ما در واقع در حوزه واسط های مغز با ماشین فعالیت میکنیم و به آن می گوییم حوزه هوش مصنوعی عصبپایه. مثلا یکی از کارهای ما این است که یک سری سنسور و گیرنده میسازیم که اطلاعات را از مغز دریافت میکند. در این مرحله کلی روش و فناوریهای مربوط به ساخت ادوات پزشکی بهکار گرفته می شود. وقتیکه اطلاعات جمعآوری شد، بهصورت بیسیم یا با سیم به دستگاه های دیگری انتقال داده می شود و سپس از الگوریتمهای هوش مصنوعی استفاده میکنیم تا بتوانیم الگوها را شناسایی کنیم. با این الگوها بهصورت حلقه بسته یک مدل تحریکی درست می کنیم تا به مغز مجدداً فرمان هایی بدهیم که آن اثر مطلوب ما به وجود بیاید. مثلاً یکی از کاربردهای این روش ساخت این سیستمهای حلقه بسته برای بیماری صرع یا بیماری پارکینسون است. این سیستم به سر انسان وصل می شود، از آن اطلاعات می گیرد، اطلاعات را تحلیل می کند و مثلا تشخیص می دهد که الان احتمال حمله صرع وجود دارد. در این مرحله سیستم با تحریک الکتریکی مغز را تحت تاثیر قرار می دهد تا بتواند اختلال را بخواباند. مثلاً شرکت بزرگ نورالینک که ایلان ماسک راهاندازی کرده مهم ترین کارش ساخت همین گونه ایمپلنت های مغزی است. چنین چیزی درواقع یک پروژه کاملاً بین رشتهای است که تکنیکهای مختلف از رشتههای مختلف در آن بکار گرفته میشود و فناوری که تولید میکند بهاحتمال قریب بهیقین یکی از مهمترین فناوریها است که در آینده نزدیک بهکار گرفته میشود و در مرز بین هوش مصنوعی و علوم مغز و اعصاب قرار می گیرد.
پس هدف اصلی شناسایی الگوهای مغزی است…
بله. اگر ما بتوانیم بفهمیم که محاسبات و محاسبه پذیری در مغز چگونه رقم میخورد، این امکان برای مان فراهم می شود که بهصورت مستقیم با مغز وارد ارتباط بشویم. یعنی برای مثال بیماری که دچار فلج مغزی هست یا ارتباط بین مغز و اندامهای بدنش بر اثر تصادف قطع شده، دستور لازم یا توسط مغز تولید نمی شود و یا اگر تولید می شود به اندام نمی رسد. ولی به هر صورت اندام سالم است و ما کافی است بتوانیم دستور مغز و یا چیزی مشابه آن را به اندام حرکتی برسانیم. از سوی دیگر وقتیکه ما فهمیدیم سلولهای مغزی چگونه با همدیگر در ارتباط هستند و گفتگو میکنند، دیگر احتیاجی به واسطهای مثل چشم و گوش و مسائل اینچنینی نداریم و میتوانیم به مغز بگوییم که این را ببین و بهاینترتیب ادراک کن یا انجام بده. بهعبارتدیگر ارتباط با مغز وقتیکه بیواسطه تر بشود ارتباط با ماشینها خیلی تسهیل میشود. همچنین ارتباط مغزها با همدیگر هم خیلی تسهیل میشود و احتمالا ما در آیندهای نزدیک شاهد پیشرفت بسیار وسیع تری در این حوزه ها هستیم که به عقیده بسیاری از آینده پژوهان می تواند آینده و تمدن دیگری برای بشر شکل دهد.
این آینده چقدر به ما نزدیک است؟
نکته مهمی که وجود دارد این است که این فناوری نه آنقدر نزدیک است که من بتوانم مثلاً بگویم که دو سه سال دیگر به نتیجه می رسد و نه آنقدر دور است که بتوانم بگویم به عمر ما قد نمی دهد. توسعه فناوری به خیلی چیزها بستگی دارد. مثلاً از وقتیکه فناوری موبایل آمد تا زمانیکه کاملاً همهگیر شد شاید بشود چیزی حولوحوش ۱۰ سال طول کشید که بواسطه سرمایه گذاری های عجیب و غریب بخش خصوصی اتفاق افتاد. در این مورد هم نمی شود پیش بینی دقیقی داشت ولی چیزی که من میدانم این است که روند توسعه علم در همگرایی بین علوم شکل متفاوتی میگیرد. ما هرچقدر که جلوتر میرویم سرعت تغییرات بهصورت نمایی رشد میکند، چرا که ما معمولاً از انباشت دانش بشری استفاده میکنیم. یعنی آن تابعی که برای توسعه علم با آن مواجهیم، حالت تجمعی دارد. پس بنابراین به نظرم خیلی سریعتر از آن چیزی که فکر میکنیم، ممکن است به نتیجه برسیم.
این فناوری چه کاربردهای ملموسی برای بشر در زندگی روزمره دارد؟
ببینید خود هوش مصنوعی فکر می کنم تا حد خوبی الان برای انسانهای مختلف کاربردش شفاف شده باشد. در یک مرحله بالاتر کاربرد هوش مصنوعی در سایر علوم من جمله علوم مغزی مشخص خواهد شد که فکر میکنم نزدیکترین جاها اثری است که روی توسعه رباتهای انساننمایی می گذارد که بهتر می توانند با انسان ارتباط بگیرند. همچنین بهبود بیماری هایی که در حوزه مغز و روان وجود دارد. این دو جا مواردی که مردم بیشتر لمس میکنند. فرض کنید که تا چند سال آینده احتمالا آدم ها با یک سری از تصویربرداریهای مغزی روبه رو می شوند که می تواند خیلی بهتر از قبل وضعیت و سنخ روانی آنها را توصیف کند. چیزهایی که با هیچ پرسشنامهای یا با هیچ مغز بشری بهراحتی نمیشود انجام داد چون مستلزم تحلیل دادههای بزرگ و بهکارگیری الگوریتمهای هوشمند است. اینجا جزء جاهایی که مردم بیشتر از قبل حس میکنند اما بهنظر من اساساً تمدن ما شکلش متفاوت میشود.
چطور این اتفاق می افتد؟
از چند جهت ممکن است این موضوع رقم بخورد. یکی به خاطر این که توسعهای که در هوش مصنوعی دارد انجام میشود بصورت پایاپای هوش طبیعی را هم دارد بهنحوی تغییر می دهد. یعنی ما به کمک ابزارهایی که برای اتصال مغزهای مختلف بههم میسازیم، ارتباط بین انسانها را هم خیلی تسهیل می کنیم. فرض کنید که من اطلاعات خبره ای که در حوزه جراحی مغز و اعصاب دارم را به کمک چیپست مغز خودم، به مغز انسان دیگری انتقال بدهم. یا مثلا فرض کنید که بهنحوی مغزها با هم ارتباط پیدا بکند که قدرت تفکری که در انسانهای مختلف هست با همدیگر به اشتراک گذاشته شود. یعنی همینطور که کامپیوترها را با هم شبکه می کنیم بتوانیم مغزها را هم با هم شبکه کنیم. ببینید چه اتفاق بزرگی ممکن است بیفتد.
کامپیوترها و هوش مصنوعی یکی از مهمترین ویژگیشان این است که مقیاس پذیر هستند. به عبارت دیگر شما وقتی حافظه کم دارید میتوانید یک حافظه دیگر به آن اضافه بکنید و حافظه بزرگتر باشد. همچنین برای توسعه یادگیری می توانید اطلاعات را انتقال بدهید به یک کامپیوتر دیگر. چیزی که باعث شده تا هوش مصنوعی اینقدر سریع رشد کند همین دو ویژگی است. پس اگر ما بتوانیم درواقع چیپست ها یا ایمپلنت هایی بسازیم که مغزها را بهصورت مستقیم بههم وصل کند، جامعه عقول به معنی واقعی کلمه شکل میگیرد. اصلاً یک تفاوت مهم ما با گونههای حیوانی دیگر که هوشمند هستند – مثل میمونها- این است که ما میتوانیم تجارب خود را به نسل بعدی انتقال بدهیم. این انتقال الان از طریق زبان صورت می گیرد اما زبان دایره خیلی محدودی دارد و فرایندی زمان بر است. مثلاً من ده دوازده سال طول میکشد که متخصص حوزهای مثل ژنتیک بشوم. اما اگر این انتقال دانش مثل یک کامپیوتر و بر اساس یک الگوریتم خیلی سریع اتفاق بیافته، ما با یک جهش بزرگ روبه رو می شویم. اگر بتوانیم چنین امکانی را به هوشمندی انسان اضافه کنیم دنیا بسیار متفاوت خواهد شد. بنابراین اینکه می گویم این فناوری اساساً نقش تمدنی دارد منظور من همین است که انگار وارد عصر جدیدی از زندگی و ماشینها و همچنین صنعت خواهیم شد.
آیا می توانیم از طریق این چیپست ها بر روی حیوانات هم کاری انجام داد. مثلا مغز متفکر ساخت؟
ایدهای هست که روی بخشی از میمونها که توانایی زبانی دارند ولی ابزار مناسب برای صحبت کردن ندارند، بتوان کارهایی انجام داد. حنجره انسان بزرگ است و میتواند اصوات مختلف تولید کند ولی آنها چنین حنجره ای ندارند. پس این ویژگیشان بهصورت کامل استفاده نشده و طبیعتاً وقتیکه استفاده نمیشود در فرایندهای تکاملی هم کم و کمتر میشود.
با این حساب، باید بتوانیم مغز انسان را هم با کامپیوتر ترکیب کنیم.
نسل آینده هوش مصنوعی همین گونه است. ما میتوانیم بگوییم که اساساً دو نوع هوشمندی شناختهشده در هستی وجود دارد. یکی هوشمندی که توی سیستم های سلولی، کربنی و مغز رقم خورده و دیگری هوشمندی که توی سیلیکون ها رقم خورده است که اینها با هم می توانند بده بستان داشته باشند. که هوشمندی که توی سلول های مغزی رقم می خورد ویژگی اصلی اش این است که با انرژی بسیار کمی میتواند کارهای بزرگی انجام بدهد. هم فردی است، هم انرژی بسیار کمی می خواهد و هم سطح هوشمندی بسیار بالاست. هوشمندی کامپیوتری خیلی از لحاظ انرژی فردیت کاری نکرده اما مقیاس پذیر و قابل انتقال است. همه کامپیوترها می توانند بههم وصل شوند و میتوانند از اطلاعات همدیگر استفاده کنند. ما میتوانیم بیاییم و از مزایای هرکدام از اینها در نسل بعدی دستگاههایی که برای پردازش بخواهیم استفاده بکنیم، بهره ببریم. یعنی انرژی پایین و هوشمندی بالا را از ساختارهای زیستی بگیریم و سرعت پردازش و حجم حافظه بالا را از این طرف داشته باشیم. بهاینترتیب درواقع یک فناوری هیبریدی از ترکیب این دوتا به وجود بیاوریم که بتواند کارهای بسیار بزرگتری را با یک انرژی بسیار پایین تر انجام دهد و مقرون به صرفه باشد. ما الان برای کارکرد هوش های مصنوعی به مزارع بزرگ جی پی یو احتیاج داریم که گاهی چند ده مگاوات برق مصرف می کنند و با ساختارهای پیچیده سخت افزاری باید مجهز به سیستم های متعدد خنک کننده و… باشند، این درحالی است که سلول های زیستی مغز آدمی با چند ده کیلوبایت انرژی کار می کنند.
دیدگاهتان را بنویسید