افزودن یا اتوماسیون

امروزه بسیاری از فعالیت‌های دانشی که انجام می‌شود در واقع به‌کارگیری معمولی مجموعه‌ای از قوانین با توانایی شناسایی خطاها و استثنائات موردی است. من از اوایل دهه 1970 به هوش مصنوعی علاقه‌مند بوده‌ام - این مفهوم که انسان بتواند ماشینی را طراحی کند که بدون نیاز به دستور، خودش فکر کند. زمانی که مدرک کارشناسی خود را گرفته بودم برنامه‌ای برای بازی مونوپولی نوشتم. برنامه هدف، تخته بازی، قوانین بازی و محتوای سه دسته کارت بازی را «می‌دانست» و می‌توانست با حداکثر هشت بازیکن مواجه شود. برنامه هوشمند نبود اما یک مزیت بزرگ داشت؛ می‌توانست هزاران بار با خودش بازی کند و نتیجه را به خاطر بسپارد و دلیل برد یا باخت را با الگوریتمی ساده تحلیل کند. بعد از چند هفته در برابر یک یا چند انسان تقریباً غیرقابل شکست شد. من به نسخه‌ای ابتدایی «یادگیری ماشین» رسیده بودم. با توسعه فعالیت‌های شغلی، گسترش انواع رشته‌های هوش مصنوعی را دیده‌ام و به دنبال فرصتی برای استفاده از ایده‌ها و تکنیک‌های پیشرفته این حوزه در مسائل دنیای واقعی بوده‌ام؛ تشخیص پزشکی در دهه 1980، تطبیق مالیات شرکتی در دهه 1990، کدنویسی خودکار، تشخیص کلاهبرداری و ارزیابی خطر سرمایه‌گذاری در دهه 2000 و ثبت کمتر از ارزش بیمه تجاری در دهه کنونی. برخی از این موارد واقعاً موفق بودند و برخی نبودند. مشخص نیست چرا در تمامی این عرصه‌ها، متخصصان از این مساله ناخوشنود بودند که امکان دارد با یک نرم‌افزار جایگزین شوند، حتی در حالتی که هیچ تصمیمی برای این کار نبود. در عین حال حوزه هوش مصنوعی چندین چرخه نفع و توسعه را پشت سر گذاشت. در سال 1997 برنامه Deep Blue شرکت آی‌بی‌ام در بازی‌های شطرنج سطح قهرمانی برنده شد که هیجان بسیاری به همراه داشت اما تجاری‌سازی این قابلیت بسیار محدود بود. در سال 2011 واتسون آی‌بی‌ام قهرمان انسانی را در جپردی شکست داد. با افزایش توجه...