هرگاه کسی میپرسد «هوش مصنوعی را چه کسی خلق کرد؟»، معمولاً به دنبال یک نام واحد است؛ شبیه توماس ادیسون که لامپ را اختراع کرد، یا گراهام بل که مخترع تلفن بود. اما برخلاف آنها، هوش مصنوعی یک مفهوم است که توسط یک شخص خاص ساخته نشده است. در عوض، این حوزه مدیون دههها پیشرفت در محاسبات و تلاشهای طولانی از افراد است. پس در اینجا، داستان واقعی خالقان هوش مصنوعی را برای شما روایت میکنیم.
برای پاسخ صحیح به این سؤال که «خالق هوش مصنوعی کیست؟»، باید ریشههای هوش مصنوعی را تا اوایل دههی ۱۹۰۰ میلادی ردیابی کنیم. در طول یک قرن، نقاط عطف کلیدی در این زمینه وجود داشته که به ما کمک کردهاند به دوران کنونی هوش مصنوعی مولد (Generative AI) و مدلهای زبان بزرگ (LLMs) برسیم. اما اگر به دنبال یک پاسخ کوتاه هستید، افراد زیر بازیگران کلیدی هستند که در خلق هوش مصنوعی نقش داشتند:
- آلن تورینگ (Alan Turing): ریاضیدان بریتانیایی که ایدهی هوش مصنوعی را شکل داد و بنیان نظری آن را پایهریزی کرد. آلن تورینگ این سؤال را مطرح کرد که آیا ماشینها میتوانند فکر کنند و آزمون مشهور تورینگ را برای سنجش هوش ماشین پیشنهاد داد.
- جان مککارتی (John McCarthy): دانشمند علوم کامپیوتر که اصطلاح «هوش مصنوعی» را در کنفرانس تاریخی دارتموث در سال ۱۹۵۶ ابداع کرد و این رشته را پایهگذاری نمود. او همچنین زبان برنامهنویسی LISP را توسعه داد که برای تحقیقات اولیهی هوش مصنوعی حیاتی بود.
- کلود شانون (Claude Shannon): ریاضیدان و یکی از سازماندهندگان کنفرانس دارتموث ۱۹۵۶ که یکی از اولین ماشینهای یادگیرنده را ساخت. او یک موش مکانیکی توسعه داد که میتوانست از طریق آزمون و خطا، مسیریابی در ماز (Maze) را بیاموزد.
- آلن نیوول (Allen Newell) و هربرت اِی. سایمون (Herbert A. Simon): این دو نفر اولین برنامههای هوش مصنوعی مانند نظریهپرداز منطق (Logic Theorist) و حلکنندهی عمومی مسائل (General Problem Solver) را ساختند. این برنامهها نشان دادند که ماشینها میتوانند استدلال منطقی انجام دهند و مسائل پیچیده را حل کنند.
- جوزف وایزنبام (Joseph Weizenbaum): اولین چتبات هوش مصنوعی به نام ELIZA را ساخت که مکالمهای شبیه انسان را شبیهسازی میکرد.
- هینتون، لکان و بنگیو (Hinton, LeCun, and Bengio): پیشگامان یادگیری عمیق (Deep Learning) که تکنیکهای پسانتشار (Backpropagation) را توسعه دادند و به شبکههای عصبی اجازه دادند از دادهها یاد بگیرند. این روش اساس سیستمهای هوش مصنوعی امروزی است. جفری هینتون در سال ۲۰۲۴ جایزهی نوبل را به دلیل «کشفها و اختراعات بنیادی که یادگیری ماشینی با شبکههای عصبی مصنوعی را ممکن ساخت» دریافت کرد.
- ریچارد ساتن (Richard Sutton) و اندرو بارتو (Andrew Barto): آنها پیشگامان یادگیری تقویتی (Reinforcement Learning – RL) هستند که در مدلهای استدلال هوش مصنوعی و سیستمهای هوش مصنوعی بازیکننده مانند آلفاگو (AlphaGo) استفاده میشود.
- محققان گوگل (Google Researchers): تیمی که در سال ۲۰۱۷ معماری ترنسفورمر (Transformer) را معرفی کردند (با مقالهی «Attention Is All You Need»). این معماری نیروی محرکهی تقریباً همهی چتباتهای امروزی از جمله ChatGPT، جمینای (Gemini) و بسیاری دیگر است.
آلن تورینگ: بنیانگذار نظریهی هوش مصنوعی
آلن تورینگ، متخصص رمزنگاری بریتانیایی، اولین کسی است که راه را برای هوش مصنوعی مدرن هموار کرد. او در سال ۱۹۵۰ مقالهی مهمی با عنوان «ماشینآلات محاسباتی و هوش» (Computing Machinery and Intelligence) منتشر کرد که مهمترین سؤال این حوزه را مطرح کرد: «آیا یک ماشین میتواند فکر کند؟»
او همچنین آزمون مشهور تورینگ را معرفی کرد که امروزه در فیلمهای علمی-تخیلی نیز به چشم میخورد.
این آزمون بررسی میکند که آیا یک ماشین میتواند مکالمهای (از طریق یک teleprinter) داشته باشد که به اندازه صحبت با یک انسان دیگر متقاعدکننده باشد. اگر ماشین از این آزمون با موفقیت عبور کند، اشتباه نیست که بگوییم آن ماشین رفتار هوشمندانه از خود نشان داده است. اکنون چتباتهای مدرن تا حد زیادی به آسانی از آزمون تورینگ عبور میکنند. در حالی که شاید آلن تورینگ هوش مصنوعی مدرن را نساخته باشد، اما او بستر اساسی آن را پایهریزی کرد.
جان مککارتی: پدر هوش مصنوعی و ابداعکنندهی اصطلاح
بعدها، جان مککارتی، دانشمند علوم کامپیوتر آمریکایی، به همراه کلود شانون، ماروین مینسکای و ناتانیل روچستر، کنفرانس دارتموث را در سال ۱۹۵۶ سازماندهی کرد و اصطلاح «هوش مصنوعی» (Artificial Intelligence) را ابداع نمود. ما هنوز از این اصطلاح استفاده میکنیم. این کنفرانس شامل چندین چهرهی کلیدی بود که نقشی مهم در شکلدهی هوش مصنوعی امروزی ایفا کردند. این رویداد نه تنها بنیان هوش مصنوعی را بنا نهاد، بلکه اهداف و چگونگی دستیابی به آنها را نیز مشخص کرد.
مککارتی همچنین زبان LISP را ساخت که یکی از اولین زبانهای برنامهنویسی شناختهشده و مورد استفاده برای تحقیقات هوش مصنوعی بود. به دلیل این دلایل، جان مککارتی به عنوان پدر هوش مصنوعی شناخته میشود. بنابراین، اگر فقط میخواهید بدانید چه کسی هوش مصنوعی را به عنوان یک رشتهی مطالعاتی ایجاد کرد، او کسی است که باید در نظر بگیرید.
اولین برنامههای هوش مصنوعی: نظریهپرداز منطق و حلکننده عمومی مسائل
آلن نیوول و هربرت اِی. سایمون، دو نفر از شرکتکنندگان کنفرانس دارتموث، در همان رویداد برنامهی «نظریهپرداز منطق» (Logic Theorist) خود را معرفی کردند. این برنامه که در سال ۱۹۵۵ ساخته شد، یکی از اولین سیستمهای هوش مصنوعی بود که میتوانست مسائل ریاضی را حل کند.
این اولین باری بود که یک ماشین استدلال انسانگونه از خود نشان میداد. با این حال، این برنامه تنها میتوانست یک کار را انجام دهد. بنابراین، نیوول و سایمون بعدها به ساخت «حلکنندهی عمومی مسائل» (General Problem Solver) پرداختند که میتوانست انواع مختلفی از مسائل را حل کند و به دنیا نشان داد که هوش مصنوعی دیگر صرفاً یک تئوری نیست. کار آنها به شکلگیری بخش عملی تحقیقات هوش مصنوعی کمک کرد.
اولین چتبات هوش مصنوعی و شروع زمستان هوش مصنوعی
پس از کنفرانس دارتموث، توسعه و تحقیق در زمینهی هوش مصنوعی در آن زمان به اوج خود رسید. نهادهای دولتی آیندهی این پروژهها را میدیدند و شروع به سرمایهگذاری کردند. مانند چتبات ELIZA اثر جوزف وایزنبام که در سال ۱۹۶۴ توسعه یافت. این اولین نمونه از یک چتبات بود که میتوانست مانند یک انسان واقعی به افراد پاسخ دهد. اما پاسخهای محدودی داشت و اغلب تنها چیزی را که کاربران به او میگفتند، تکرار میکرد.
در همان دوره، فرانک روزنبلات پرسپترون (Perceptron) را معرفی کرد که اولین شبکهی عصبی به شمار میرفت. با این حال، این فناوری به دلیل محدودیتهای فناوری زمان خود، با چالشهایی روبرو بود. پس از اینکه ماروین مینسکای و سیمور پاپرت کتاب «پرسپترونها» را منتشر کردند، بودجهی این پروژه متوقف شد. این کتاب جنبههای منفی شبکههای عصبی را چنان بزرگنمایی کرد که تأمین مالی برای تحقیقات هوش مصنوعی قطع شد و در نتیجه، زمستان هوش مصنوعی (AI Winter) آغاز گشت.
احیای دوباره: پیشگامان یادگیری عمیق و معماری ترنسفورمر
در طول دههی ۱۹۸۰، محققانی مانند جفری هینتون و یان لکان دوباره به پیشرفتهای عظیمی در این زمینه کمک کردند. آنها الگوریتمهای پسانتشار (Backpropagation) را برای آموزش شبکه با استفاده از دادههای موجود، به جای تکیه بر برنامهنویسی بیش از حد، توسعه دادند و اساساً به کامپیوتر کمک کردند تا الگوها و ساختارهای داده را درست مانند مغز ما بیاموزد.
این کار علاقه به شبکههای عصبی را احیا کرد و بنیان یادگیری عمیق را پایهریزی نمود که عامل بزرگی در ایجاد مدلهای هوش مصنوعی مدرن است.
در دههی ۲۰۰۰، پیشرفت در الگوریتمها و قدرت پردازندههای گرافیکی (GPU) امکان توسعهی مدلهای بزرگ و قابل آموزش را فراهم کرد. این امر همچنین تشخیص تصویر را ممکن ساخت. یک لحظهی حیاتی در سال ۲۰۱۲ فرا رسید، زمانی که الکس کریشفسکی، ایلیا سوتسکور و جفری هینتون AlexNet را ساختند؛ یک شبکهی عصبی عمیق که عملکردی بسیار بهتر از سایر سیستمهای هوش مصنوعی مورد استفاده برای تشخیص تصویر داشت.
این اتفاق ثابت کرد که یادگیری عمیق میتواند بهتر از روشهای سنتی هوش مصنوعی عمل کند و جرقهی علاقه به شبکههای عصبی را دوباره زد. سپس در سال ۲۰۱۷، تیمی از محققان گوگل معماری ترنسفورمر (Transformer) را در مقالهی خود با عنوان «Attention Is All You Need» معرفی کردند. این همان چیزی است که هوش مصنوعی امروزی را به وجود آورد.
امروزه هر مدل هوش مصنوعی محبوبی مانند جمینای، ChatGPT، کوپایلوت، Grok، Perplexity یا Claude بر اساس این مدل ترنسفورمر و یادگیری عمیق ساخته شده است. بنابراین، در اصل، اگر میخواهید بدانید چه کسی هوش مصنوعی مورد استفادهی امروز ما را خلق کرده است، این اعتبار به تیم تحقیقاتی گوگل میرسد.
بیشتر بخوانید:
بهترین مرورگرهای هوش مصنوعی در سال ۲۰۲۵
نحوه استفاده از Gemini CLI: ابزار هوش مصنوعی گوگل در ترمینال
ترجمه زیرنویس فیلم و سریال با هوش مصنوعی در چند ثانیه
