علوم شناختی

آیا رایانه‌ها شخصیت دارند؟

در فیلم «او» (Her) از اسپایک جونز با شخصیتی در آینده نزدیک روبه‌رو می‌شویم که سیستم عاملی هوشمند را در رایانه‌اش نصب می‌کند. این سیستم عامل می‌تواند صحبت‌های شخصیت اصلی داستان را درک و اندیشه‌های خود ر ا بیان کند.
کد خبر: ۷۷۳۸۴۶
آیا رایانه‌ها شخصیت دارند؟

پیوند روانی این شخصیت با رایانه‌اش چنان نیرومند است که رابطه‌ای عاشقانه میان آن‌ دو برقرار می‌شود.

آیا چنین پدیده‌ای می‌تواند در جهان حقیقی نیز اتفاق بیفتد؟ برای پاسخ به این پرسش باید دید انسان‌ها معنای واژگان را چگونه می‌فهمند؟ مطالعات شناختی حاکی از آن است که حدود 80 درصد معنا از انتخاب واژه‌ای خاص به جای واژگان دیگر در یک متن حاصل می‌شود و 20 درصد از معنا نیز از طریق ترتیب این واژگان انتقال می‌یابد. فرضیه‌ای تأثیرگذار در علوم شناختی ادعا می‌کند افراد بیش از هر چیز با نگریستن به این که چه کلماتی در متنی خاص کنار یکدیگر قرار گرفته‌اند، معنای مدنظر از تک‌تک آنها را متوجه می‌شوند و در رمزگشایی این معنا نیم‌نگاهی نیز به ترتیب ارائه کلمات یادشده می‌اندازند.

اگرچه زبان‌شناسان برای مدت‌های طولانی معناشناسی را در زبان‌های گوناگون مطالعه می‌کردند، اما تا پیش از رشد روش‌های رایانه‌ای و ریاضیاتی جدید دانشمندان نمی‌توانستند شکل دقیق پردازش‌هایی را که انسان‌ها در این راستا انجام می‌دهند، مشخص کنند و از این رو ناگزیر بودند به ارائه نمونه‌هایی برای توجیه نظریات کلی خود اکتفا کنند. نمونه‌های مورد استفاده آنها نیز مبتنی بر مشاهدات محدودی از رفتارهای زبانی تعداد معدودی انسان بود. با این حال طی دهه‌های اخیر پژوهشگران کوشیده‌اند با برطرف کردن این محدودیت‌ها از سویی با پیشنهاد فرمول‌ها و طراحی نرم‌افزارهایی حساس به انتخاب‌های واژگان، در مدلسازی شناختی تعریفی دقیق و ریاضیاتی از جزئیات پردازش‌های ذهنی زبان ارائه دهند و از سوی دیگر، در هوش مصنوعی، این کارکردها را برای قادر کردن رایانه‌ها به فهم زبان به کار گیرند. رشد این سیستم‌ها به حدی رسیده ‌ که 12 سال پیش توانستند نتیجه‌ای بهتر از میانگین انسان‌ها در تکلیف انتخاب مترادف از آزمون تافل کسب کنند، اما چنین سیستم‌هایی کار خود را چگونه انجام می‌دهند؟ خانواده‌های گوناگونی از این مدل‌ها وجود دارند و در ادامه به توضیح مختصر یکی از معروف‌ترین و پراستفاده‌ترین آنها می‌پردازیم.

مدل‌های فضای معنایی نمونه‌هایی بزرگ از کاربرد زبان از سوی کاربران را از اینترنت یا کتاب‌ها دریافت می‌کنند. این نمونه‌ها ممکن است حاوی چند میلیارد واژه باشند. آن‌گاه برنامه به تحلیل این امر می‌پردازد که چه واژگانی معمولا در کنار چه واژگان دیگری به کار می‌روند. از این اطلاعات با استفاده از روش‌های آماری تعدادی بعد استخراج می‌شوند که نماینده جنبه‌های مختلفی از معنای هر کلمه هستند. معمولا تعداد این ابعاد بیش از 300 مورد است. در چنین حالتی هر واژه حکم برداری را در فضایی 300 بعدی پیدا می‌کند. بردار به معنای خطی است که اندازه و جهتی مشخص دارد. اختلاف میان زوایای بردارها برای واژگان مختلف نشان‌دهنده میزان شباهت یا تفاوتِ معنایی آنهاست و می‌تواند تعیین کند در چه بافتی احتمال بیشتر یا کمتری برای حضور یک واژه وجود دارد. برای مثال اگر برنامه تشخیص دهد متنی مربوط به جنگلداری است بدرستی حدس خواهد زد در این متن احتمال کاربرد واژه ریشه زیاد خواهد بود. معنای کلی یک متن را نیز می‌توان با استفاده از میانگین بردارهای تمام واژگان حاضر در آن مشخص کرد.

یکی از اولین کاربردهای فضای معنایی که از دهه 1970 میلادی مورد توجه قرار گرفته است، یافتن متن‌هایی در موتورهای جستجوست که بیشترین ارتباط را با معنای مورد نظر کاربر داشته باشند. برای این منظور معنای میانگینی از واژگان به کاررفته در جستجو محاسبه می‌شود و متن‌ها به ترتیب شباهتی که بین معنای کلی‌شان و میانگین جستجو وجود دارد، فهرست می‌شوند. بیشتر موتورهای جستجوی اینترنتی حاضر مانند یاهو و گوگل از این شیوه استفاده می‌کنند و از همین روست که ممکن است برخی متن‌هایی که به دست می‌دهند، دارای واژه خاص مورد جستجوی ما نباشد و به جای آن واژه‌ای مترادف جایگزین شود.

یک کاربرد پیشرفته‌تر که اخیرا مطالعات زیادی بر آن متمرکز شده‌‌، نمره‌دهی به مقالات و پاسخ‌های تشریحی دانشجویان است که دستاورد بزرگی در حیطه هوش مصنوعی به شمار می‌رود. برای این منظور چند‌ نمونه از پاسخ‌های قابل قبول به سیستم داده می‌شود. سیستم معنای میانگین واژگان هر یک از این پاسخ‌ها را محاسبه و پاسخ‌های دانشجویان را با آنها مقایسه می‌کند. در حال حاضر در برخی دانشگاه‌های ایالت آریزونای آمریکا به صورت آزمایشی از این سیستم استفاده می‌شود.

با این حال احتمالا گفت‌وگوی انسانی متضمن چیزی بیشتر از بررسی یک متن است. آیا فضاهای معنایی از پس چنین کارکردهایی برمی‌آیند؟ کسانی که با گوشی‌های اپل کار کرده باشند، احتمالا دستیار رایانه‌ای موسوم به سیری (Siri) را می‌شناسند. شما پرسش‌های خود را به صورت تایپ شده یا صوتی در جمله‌بندی دلخواه با سیری مطرح می‌کنید و او نیز با فهم منظور شما پاسخ مناسبی به آنها می‌دهد. این پاسخ‌ها چنان مرتبط با جنبه‌های خاص سوال شما هستند که برخی عقیده دارند سیری شخصیت دارد. حتی بعضی ادعا می‌کنند در مواردی خاص سیری با آنها شوخی کرده است! سیری همچنین می‌تواند با دقت قابل توجهی ادامه سوال شما را پیش‌بینی کند و پیشنهاداتی برای بیان آن در اختیارتان قرار دهد. جالب آن که سیری با توجه به بخش‌های دیگری که در آن لحاظ شده‌اند نیز از تجربیات خود می‌آموزد و در آینده پاسخ‌های دقیق‌تری به سوالات و درخواست‌های شما خواهد داد.

آیا تا به حال به این فکر کرده‌اید که واژه‌نامه‌ها (فرهنگ‌های لغات) چگونه نوشته می‌شوند؟ در گذشته‌ای نه‌چندان دور افراد ناگزیر بودند برگه‌های کوچک زیادی را نگه دارند که هر یک حاوی تعریفی برای معنای یک واژه و نمونه‌هایی از کاربرد آن بود. تعریف‌ها نیز در بسیاری از موارد از واژه‌نامه‌های پیشین گرفته می‌شدند. چنین رویه‌ای چند مشکل ایجاد می‌کرد: نمونه‌ها لزوما نماینده خوبی برای کاربرد یک واژه در جامعه نبودند. دیگر آن که پویا بودن معنای واژگان و تغییر الگوی کاربرد با گذر زمان آنچنان که باید و شاید از سوی واژه‌نامه‌نویسان مورد توجه قرار نمی‌گرفت. سوم آن که چنین افرادی مانند همه ما در برابر خطاهایی چون جا انداختن بعضی معانی یک واژه آسیب‌پذیر بودند. در نهایت این که وقت و انرژی بسیار زیادی برای نگارش یک واژه‌نامه صرف می‌شد، اما امروزه شبکه‌های معنایی این اجازه را می‌دهند که واژه‌نامه‌ها مبتنی بر نمونه‌ای کلان از کاربرد زبان از سوی تمام اقشار و گروه‌ها باشند و حتی‌الامکان معنایی نیز از قلم نیفتد. اشکال پیشرفته‌تر این مدل‌ها معانی مختلف واژگان را تفکیک می‌کنند و هر یک را در خوشه‌ای متشکل از کلمات مشابه قرار می‌دهند. آن‌گاه زبان‌شناسان با بررسی این خوشه‌ها و انتخاب نمونه‌ای از کاربردهای آنها به نگارش واژه‌نامه‌ها و فرهنگ‌های واژگان مترادف می‌پردازند.

این کاربردها تنها نمونه‌ای کوچک از فواید شبکه‌های معنایی هستند، در حالی که می‌دانیم جا برای بهبود این سیستم‌ها بسیار است. با این همه دانشمندان علوم‌شناختی تاکنون شواهد فراوانی از توانایی این مدل‌ها برای ارائه عملکردی انسان‌وار به دست آورده‌اند و شبکه‌های معنایی برای شبیه‌سازی حافظه، زبان، استدلال و دیگر کارکردهای سطح بالای انسانی گسترش یافته‌اند. با توجه به سیر صعودی این مدل‌ها ممکن است در آینده‌ای نه‌چندان دور پیوند کلامی انسان و رایانه به مقیاسی شبیه فیلم «او» برسد.

بابک همتیان ‌‌/‌‌ کارشناس ارشد روان‌شناسی شناختی

newsQrCode
ارسال نظرات در انتظار بررسی: ۰ انتشار یافته: ۰

نیازمندی ها