همه چیز درباره تکینگی فناوری (بخش دوم و پایانی)

در بخش اول، ماهیت مفهوم تکینگی را بررسی کردیم و نظرات موافقان این ایده و در راس آن ها، ری کرزویل را مطرح کردیم. در بخش دوم، به پیشرفت های علمی مربوط به تکینگی اشاره می کنیم و به بررسی نظرات مخالفان آن می پردازیم.

آیا تکینگی نزدیک است؟

هنگامی که کرزویل کتابتکینگی نزدیک استرا در سال ۲۰۰۶ منتشر کرد، بسیاری پیش بینی های غیرمعمول او را مورد تمسخر قرار دادند. کرزویل، یک سال پیش از آنکهاپلاقدام به عرضه ی نخستین آیفون کند، دنیایی را تصور کرد که در آن انسان ها با کامپیوترها یکی می شوند و به توانایی های دست پیدا می کنند که معمولا در فیلم های علمی تخیلی مشاهده می شود. بعدا او پیش بینی کرد که با پیشرفت کامپیوترها، امکان ترکیب آن ها با دیگر فناوری ها نظیر ژنومیک (ژن شناسی)، نانو فناوری و رباتیک فراهم می شود.

امروزه، تصورات و پیش بینی های کرزویل دیگر ایده های غیرمعمولی به حساب نمی آیند. سال گذشته، دیپ مایند گوگل با شبکه ی عصبی مصنوعی خود موفق به شکست قهرمان افسانه ای بازی گو شد. اکنون، نسخه ی به روز شده ی این هوش مصنوعی با قدرت بیشتری بازگشته است و فراتر از توانایی های نسخه ی اولیه می تواند بدون نیاز به کمک و اطلاعات انسان، نحوه ی بازی کردن گو را یاد بگیرد. ابرکامپیوتر واتسون آی بی ام نیز در حال گسترش کاربرد خود در حوزه های پزشکی، برنامه ریزی مالی و حتی آشپزی است. همچنین، انتظار می رود خودروهای خودران تا سال ۲۰۲۰ به صورت گسترده در جاده ها مورد استفاده قرار بگیرند. بنابراین، براساس پیش بینی کرزویل، به نظر می رسد فناوری با سرعت بسیار بیشتری در حال پیشرفت است.

ما در حال پشت سر گذاشتن قانون مور هستیم

در طول ۵۰ سال گذشته، قانون مور صنعت فناوری را به پیش رانده است. کامپیوترهایی که در گذشته به اندازه ی یک یخچال بودند، امروزه به دستگاه های کوچک و قابل حملی تبدیل شده اند که قدرتشان چندین برابر از ابرکامپیوترهای اولیه بیشتر است. در حال حاضر، قانون مور به پایان راه خود نزدیک شده و روند کوچک شدن ترانزیستورها با کاهش سرعت مواجه شده است. امروزه، هرچند پردازنده های ۱۴ و ۱۰ نانومتری در اختیار ما است؛ اما همان طور که می دانیم، رسیدن به سطح کوچک تر از یک اتم امکان پذیر نیست و فرآیند کاهش ابعاد ترانزیستورها سرانجام در نقطه ای متوقف خواهد شد. برطبق برآوردها، قانون مور حوالی سال ۲۰۲۰ به پایان راه خود خواهد رسید.

با این وجود، کرزویل اشاره می کند که ریزپردازنده ها در واقع پنجمین پارادایم پردازش اطلاعات به حساب می آیند که جانشین فناوری های پیشین نظیر رله های الکترومکانیکی، لامپ های خلاء و ترانزیستورها شده اند. وی همچنین استدلال می کند که تعداد ترانزیستورهای روی یک تراشه روشی قراردادی برای اندازه گیری عملکرد تراشه ها است و پیشنهاد می کند که تعداد محاسبات در هر ۱۰۰۰ دلار به جای آن به کار گرفته شود.

امروزه، هرچند روند قرار دادن ترانزیستورهای بیشتر روی قطعات سیلیکونی به واقع رو به کاهش است؛ اما ما برای افزایش سرعت پردازش، در حال یافتن روش های گوناگون نظیر رایانش کوانتومی، تراشه های نورومورفیک و مدارات مجتمع سه بعدی هستیم. در نتیجه، می توانیم انتظار داشته باشیم که افزایش سرعت پیشرفت فناوری، حداقل تا چند دهه ی آینده همچنان ادامه داشته باشد.

ربات ها در حال انجام مشاغل انسانی هستند

آنیمیت، نخستین ربات صنعتی بود که در سال ۱۹۶۲ در خط مونتاژ جنرال موتورز به کار گرفته شد و وظیفه ی آن جوش دادن بدنه ی خودروها بود. از آن زمان، خودکارسازی (اتوماسیون) به آرامی در حال باز کردن جای پا در زندگی های روزمره ی ما بوده است. از خودپرداز ها در دهه ی ۷۰ میلادی تا جاروبرقی خودکار رومبا در سال ۲۰۰۲، ماشین ها به نحو فزاینده ای در حال بر عهده گرفتن مشاغل انسانی هستند.

امروز، ما در حال نزدیک شدن به یک نقطه ی اوج در این باره هستیم. در حال حاضر، شرکتریتینک رباتیکزربات هایی نظیر باکستر و ساویر ساخته است که می توانند به نحو ایمنی در کنار انسان مشغول به کار شوند و وظایف تازه را در چند دقیقه آموزش ببینند. ربات های نظامی در حال تبدیل شدن به یک سلاح متعارف در زمین های نبرد هستند و ارتباطاتی عاطفی بین آن ها و سربازان در حال شکل گیری است؛ تا آنجا که مراسم یادبود نیز برای برادران ماشینی از دست رفته برگزار می شود.

علاوه بر این، مبادا تصور کنید که خودکارسازی تنها مختص مشاغل مکانیکی و از پیش تعریف شده است. در حال حاضر، ربات ها حوزه ی خلاقیت را نیز به تصرف خود درآورده اند. سال گذشته، رمان کوتاهی نوشته ی یک برنامه ی هوش مصنوعی ژاپنی موفق شد در جایزه ی ادبیهوشی شینیچیدر ژاپن پذیرفته شود.

با این حال، آینده بیش از پیش با خودکارسازی مواجه خواهد شد. در حال حاضر، وزارت دفاع ایالات متحده، تراشه هایی را در مغز سربازان جاگذاری و ایده ی سایبورگ ها را بیش از همیشه به دنیای واقعی نزدیک کرده است. در نهایت، با ادامه ی رشد نمایی فناوری، کامپیوترها هزار برابر قدرتمندتر از ۲۰ سال گذشته خواهند شد و ربات ها نیز وظایف بیشتری بر عهده خواهند گرفت.

ما در حال اصلاح ژن ها هستیم

در سال ۲۰۰۳، دانشمندان نقشه ی کامل ژنوم انسان را طراحی کردند. در آن زمان، برای نخستین بار می توانستیم ماهیت هر ژن را تشخیص دهیم و عملکرد آن را ردیابی کنیم. تنها ۲ سال بعد، در سال ۲۰۰۵، دولت ایالات متحده شروع به گردآوری اطلس ژنوم سرطان کرد. این پروژه به پزشکان امکان می دهد تا سرطان ها را به جای اندامی که از آن سرچشمه می گیرند، براساس آرایش ژنتیکی آن ها هدف قرار دهند.

اکنون، دانشمندان ابزار جدیدی به نامکریسپردر اختیار دارند که به آن ها امکان می دهد به آسانی و با هزینه ای اندک به اصلاح ژن ها بپردازند. این ابزار در حال حاضر مسیرهایی تازه ای را به سمت غیرفعال سازی ویروس ها، تنظیم فعالیت سلول و ساخت محصولات مقاوم در برابر بیماری گشوده است.

این فناوری همچنین جنجال های فراوانی را با خود به همراه داشته است. هنگامی که ما اصلاح کدهای زندگی را آغاز کنیم، به چه سرانجامی خواهیم رسید؟ آیا به زودی انسان هایی هوشمند با قابلیت های فیزیکی بی همتا و رنگ چشمان از پیش تعیین شده خلق خواهیم کرد؟ آیا باید با اصلاح ژنوم پشه های آفریقایی، از انتقال ویروس مالاریا توسط آن ها جلوگیری کنیم؟ این گونه پرسش های اخلاقی غالبا منحصر به داستان های علمی تخیلی بودند؛ اما با پیشروی به سوی تکینگی، در حال تبدیل شدن به واقعیت هستند.

در هر صورت، ایده ی دستیابی به تکینگی فناوری، هم هیجان انگیز و هم ترسناک است. هرچند جنبه های گوناگون فناوری که هزاران بار قدرتمندتر از امروز هستند، غیرممکن های جدیدی را ممکن خواهند کرد؛ اما به صورت ذاتی خطراتی را نیز به دنبال خواهند داشت.

مخالفان تکینگی چه می گویند؟

تمام پیشرفت های صورت گرفته در حوزه ی هوش مصنوعی، نظیر شکست انسان در بازی گو، پیشرفت های عظیم در ترجمه ی ماشینی، خودروهای خودران یا موارد مشابه، نمونه هایی از هوش مصنوعی ضعیف به شمار می روند و توجه تمام آن ها معطوف یک وظیفه ی واحد، معین و محدود است. این پیشرفت ها بسیاری را به این نتیجه رسانده که ما به نحو اجتناب ناپذیری در مسیر رسیدن به ساخت یک ابرهوش مافوق انسانی و غیرقابل کنترل و در نهایت ظهور تکینگی قرار گرفته ایم. با این حالکاترین بیلی، پژوهشگر داده با این باور مخالف است. به عقیده ی وی احتمالا مسیرهایی برای رسیدن به چنین ابرهوشی وجود دارد؛ اما هوش مصنوعی ضعیف، چه از یادگیری ماشین استفاده کند یا هر تکنیک دیگر، مسیر رسیدن به این هوش نیست. همچنین، هوش به تنهایی هدف محسوب نمی شود؛ بلکه وسیله ای برای رسیدن به هدف است. ما از سیستم های ضعیف هوش مصنوعی به عنوان ابزارهایی برای زندگی بهتر استفاده می کنیم؛ در نتیجه آن ها هرگز قرار نیست دنیا را تحت سلطه ی خود قرار دهند. برای دستیابی به چنین چیزی، نیازمند خلق موجودی هستیم که با استفاده از این ابزار (هوش) بتواند بر دنیا مسلط شود.

علاوه بر این، برخی مدعی هستند که هیچ کامپیوتر یا ماشینی هرگز قادر به دستیابی به سطح هوش انسان نخواهد بود. استیون پینکر، زبان شناس و روانشناس شناختی کانادایی - آمریکایی می گوید:

هیچ دلیل محکمی برای باور به در پیش بودن تکینگی وجود ندارد. اینکه شما بتوانید آینده را در تخیل خود مجسم کنید، دلیل نمی شود که تصورات شما محتمل یا اصلا امکان پذیر باشد. به ایده ی شهرهای مسقف، مسافرت با جت پک، شهرهای زیر آب، آسمان خراش های چند هزار متری و خودروهای هسته ای نگاه کنید؛ تمام آن ها فانتزی های آینده نگرانه ای از دوران کودکی من بودند که هیچ کدامشان هرگز محقق نشدند. قدرت پردازش مطلق کلید جادویی حل تمام مشکلات به حساب نمی آید.

مارتین فورد، نویسنده ی آمریکایی در کتابخودکارسازی، شتاب، فناوری و اقتصاد آینده، از یک پارادوکس فناوری صحبت می کند و بیان می دارد پیش از آنکه تکینگی به وقوع بپیوندد، اغلب مشاغل روزمره در اقتصاد خودکارسازی خواهند شد. این امر موجب بیکاری گسترده و کاهش تقاضای مصرف کننده و به نوبه ی خود نابودی انگیزه ی سرمایه گذاری در فناوری هایی خواهد شد که دستیابی به آن ها لازمه ی وقوع تکینگی است.

علاوه بر این، پل آلن، هم بنیان گذار مایکروسافت معتقد است که برای رسیدن به تکینگی هنوز راه بسیار درازی در پیش است. وی با انتقاد از کرزویل بیان می دارد که پیش بینی وی درباره ی امکان وقوع تکینگی در سال ۲۰۴۵ بسیار پیش از موعد است. وی در این باره می نویسد:

می دانیم که تاریخ علم و فناوری مملو از افرادی است که با اطمینان کامل وقوع برخی از حوادث را به طور کامل رد می کرده اند و تنها با گذشت زمان، اشتباه آن ها آشکار شده است. اذعان داریم که وقوع تکینگی محتمل است؛ اما بسیار بعید می دانیم که این مسئله بر پایه ی پیش بینی افرادی همچون کرزویل به واقعیت تبدیل شود. مغز انسان بالغ، یک جسم محدود محسوب می شود و شناخت نحوه ی کارکردهای اصلی آن در نهایت از طریق افزایش فعالیت های پژوهشی امکان پذیر است. اما اگر بپذیریم که تکینگی در سال ۲۰۴۵ اتفاق می افتد، تحقق آن ناشی از قانون بازده شتاب و یک نرخ پیشرفت نمایی معین نخواهد بود؛ بلکه وقوع چنین مسئله ای نیازمند پیشرفت هایی غیرمنتظره و اساسا غیر قابل پیش بینی در تمام زمینه ها خواهد بود.

استدلال کرزویل بر پایه ی قانون بازده شتاب و موارد مشابه آن قرار دارد؛ اما قوانین این چنینی از جمله قوانین فیزیکی به شمار نمی روند. آن ها ادعاهایی درباره ی چگونگی پیش بینی نرخ پیشرفت های آتی علمی و فناوری و براساس نرخ پیشرفت های پیشین هستند؛ در نتیجه، این به اصطلاح قوانین، همانند دیگر تلاش های صورت گرفته برای پیش بینی آینده از گذشته، برای همیشه کاربردی نیستند. علاوه بر این، چنین برآورد های برونی و تعمیم دهی به کل، بیش از همه بر پایه ی این فرض شکل می گیرند که توانایی های رایانشی و قدرت کامپیوترها روز به روز در حال افزایش است. برای آنکه تکینگی در سال ۲۰۴۵ به واقعیت تبدیل شود، پیشرفت های مورد نیاز نه تنها باید در فناوری های سخت افزاری کامپیوترها (نظیر قدرت پردازش، سرعت حافظه و ...) به وقوع بپیوندد؛ بلکه ما نیازمند ساخت نرم افزار مناسب نیز خواهیم بود تا آن را روی چنین کامپیوترهای قدرتمندی اجرا کنیم. برای دستیابی به تکینگی، اجرای سریع تر نرم افزارهای امروزی به تنهایی کفایت نمی کند. علاوه بر سرعت، ما نیاز داریم تا برنامه های نرم افزاری هوشمندتر و توانمندتر بسازیم. ساخت چنین نرم افزار پیشرفته ای، نیازمند یک درک علمی پیشین از ساختار عملکردهای روان شناختی انسان است. در حال حاضر، ادراک ما از چنین مسئله ای، هنوز در مراحل ابتدایی خود به سر می برد.

این موضوع حقیقت دارد که با اختیار داشتن یک چارچوب علمی محکم و انگیزه های اقتصادی مناسب، می توانیم فناوری سخت افزار کامپیوترها را با سرعت شگفت انگیزی توسعه دهیم. این درست است که که براساس قانون مور، هر ساله تراشه های قدرتمندتری نسبت به گذشته ساخته می شود و استدلال افرادی همچون کرزویل و وینج نیز دقیقا بر همین اساس شکل گرفته است. با این حال، ساخت نرم افزار برای یک هوش کامپیوتری در سطح لازم برای تکینگی، نیازمند پیشرفت های علمی اساسی و فراتر از سطح امروزی است؛ اما این چنین پیشرفتی بسیار متفاوت تر از تکامل توانایی های سخت افزاری کامپیوترها بر پایه ی قانون مور خواهد بود.

ساخت نرم افزار پیچیده ای که وقوع تکنیگی را میسر کند، پیش از همه نیازمند این است که ما درک علمی کاملی از نحوه ی عملکرد مغز انسان در اختیار داشته باشیم تا از آن به عنوان یک راهنمای طراحی و ساختاری بهره بگیریم و بتوانیم یک مغز جدید خلق کنیم. این بدین مفهوم است که ما نه تنها نیازمند شناخت ساختار فیزیکی مغز هستیم؛ بلکه می بایست به درک بی نقصی از نحوه ی واکنش ها و تغییرات مغز و چگونگی تعاملات میلیاردها یاخته ی عصبی که منجر به شکل گیری خودآگاهی و قوه ی تفکر انسان می شوند، دست پیدا کنیم. دستیابی به چنین درک جامع و فراگیری از مغز غیرممکن نیست؛ اما اگر تکنیگی قرار است بر طبق زمان بندی کرزویل اتفاق بیافتد؛ ما بدون شک نیازمند یک شتاب عظیم در پیشرفت های علمی مربوط به شناخت جنبه های گوناگون مغز انسان هستیم.

اما تاریخ به ما نشان داده است که فرآیند کشفیات اصیل علمی، مخصوصا در حوزه های پیچیده ای نظیر علوم اعصاب، همجوشی هسته ای یا تحقیقات سرطانی با این سرعت اتفاق نمی افتد. تا به امروز، پیشرفت های علمی صورت گرفته در شناخت مغز انسان، به ندرت منظم و یکنواخت بوده است؛ در نتیجه، وقوع چنین شتابی بسیار بعید به نظر می رسد. پیشرفت های چشمگیر و غیرمنتظره ی علمی اغلب بی قاعده و غیرقابل پیش بینی هستند و امکان وقوع آن ها را نمی توان از پیش تعیین کرد.

علاوه بر این، آلن در مقابل قانون بازده شتاب، مفهوم <<ترمز پیچیدگی>> را مطرح می کند. به باور وی، هرچه پیشرفت های علمی منجر به درک بیشتر هوش شود، امکان وقوع پیشرفت بیشتر دشوارتر می شود. یک مطالعه درباره ی تعداد ثبت اختراع ها نشان می دهد که خلاقیت انسان از قانون بازده شتاب پیروی نمی کند؛ بلکه در واقع همان طور کهجوزف تینتر، تاریخدان و انسان شناس آمریکایی در کتابفروپاشی جوامع پیچیدهاشاره می کند، در دوره ی زمانی بین ۱۸۵۰ تا ۱۹۰۰ تعداد ثبت اختراع ها در یک نمودار بازده نزولی، به نقطه ی اوج رسیده و از آن زمان به صورت پیوسته در حال کاهش است.

جمع بندی

امروز، هیچ شکی وجود ندارد که فناوری بسیار سریع تر از همیشه در حال پیشرفت است. هرچند ما اذعان داریم که قدرت گوشی های موبایل ما با چند سال گذشته قابل مقایسه نیست؛ اما در عین حال می دانیم که سرعت رشد برخی از دیگر فناوری ها نظیر حافظه های ذخیره سازی یا باتری ها در مقایسه با آن ها بسیار پایین تر بوده است. به پیشرفت های بسیاری دست یافته ایم؛ اما در همان حال مسیرهای ناشناخته های بسیاری نیز پیش روی خود گشوده ایم.