تحول هوش مصنوعی توضیح‌پذیر در عرصه مطالعات اسلامی
کارشناس حوزه هوش مصنوعی ضمن بیان عرصه‌های نیازمندی به هوش مصنوعی در مطالعات اسلامی، به تفاوت میان هوش مصنوعی تفسیرپذیر و توضیح‌پذیر در پاسخ به این نیازها اشاره کرد.
به گزارش ایکنا، نشست «هوش مصنوعی توضیح‌پذیر» با سخنرانی علیرضا شهبازی؛ فعال و کارشناس حوزه هوش مصنوعی 16 مهر در پژوهشگاه علوم و فرهنگ اسلامی برگزار شد که گزیده آن را در ادامه می‌خوانید؛
مطلع بحث من توضیحی در این رابطه است که در فضای مطالعات انسانی اسلامی به چه چیزهایی نیاز داریم. حجم گسترده منابع و اطلاعات، ظهور مسئله‌های جدید و حجم بالای کتب و مقالاتی که برای پاسخ به این مسئله‌ها تولید می‌شود و به مرور حجم منابع افزایش بسیار زیادی پیدا می‌کند از جمله عوامل نیاز به هوش مصنوعی در این زمینه است. مضاف براینکه ما سازوکاری برای پیدا کردن قرائن نیاز داریم که در علوم حدیث به این مسئله دست پیدا کردیم.
تحول تتبع در کتب اسلامی با استفاده از ماشین
یک چالش دیگر تغییر دانش در گذر زمان است. خیلی وقت‌ها ممکن است در طول زمان چیزی را عوض کنیم. ما این تغییر را چطور می‌توانیم به‌روزرسانی کنیم؟ یک مسئله دیگر سازگاری است و اینکه یک مجموعه باید منسجم و سازگار باشد؛ چه در فضای قواعد و چه تطبیق قواعد بر فروعات خارجی. بحث بعدی جست‌وجوی دقیق و عمیق است که به آن نیاز داریم. از حدود دهه هفتاد که نرم‌افزارها جدی‌تر می‌شود کتاب‌های معجم الفاظ کنار می‌رود چون کسی آنها را نمی‌خواهد. اگر مکانیزم دقیق‌تری داشته باشیم کارهای تتبعی کنار می‌رود چون ماشین این کارها را بهتر انجام می‌دهد. اتفاقا یکی از موسسات که در نسخه‌شناسی کار می‌کند می‌گفت می‌خواستیم طلبه تربیت کنیم برای خواندن نسخ خطی ولی شما می‌توانید ماشین نسخه‌خوان با دقت بالا ایجاد کنید. فضای جست‌وجوی دقیق و عمیق که به کمک فضای هوشمند اضافه می‌شود کارهای تتبعی را عوض می‌کند و دیگر نگاهمان به کار تتبعی طراحی معجم الفاظ نخواهد بود.
این نکته را هم داخل پرانتز عرض کنم؛ اینکه گفته می‌شود هوش مصنوعی مشاغل را تعطیل می‌کند دقیق نیست چون هوش مصنوعی مشاغل را تعطیل نمی‌کند بلکه آنها را متفاوت می‌کند. مثلا قدیم مردم چاه می‌کندند ولی الآن سازوکارهای مختلفی برای حفاری وجود دارد. طبیعتا شغل چاه کندن به شغل کارخانه ماشین حفاری تبدیل شده است یعنی شغل‌ها از بین نمی‌روند بلکه عوض می‌شوند. بنابراین وقتی ماشین‌ها اضافه می‌شود مشاغل تفاوت پیدا می‌کند.
از جمله نیازهایی که در این فضا داریم، تولید محتوای جدید است. همین معجم الفاظ که عرض کردم می‌تواند به معجم دانشی تبدیل شود. تمام حرف این است ما به واسطه ماشین می‌توانیم تمام دانش حول یک حقیقت را جمع کنیم.
یک مسئله دیگر مطرح شدن مسائل جدید است. وقتی کارهای کلاسیک را ماشین سریع‌تر و دقیق‌تر انجام می‌دهد و دانش‌های جدید شکل می‌گیرد مسائل جدید هم پیش می‌آید که موضوع تولید محتوای جدید است. مثلا فرایند بررسی تشابه کتب و تاثیرپذیری‌ها قبلا چندان مطرح نبود ولی الآن این بحث جدی شده است و خیلی مستشرقان همین را مبنای پژوهش‌های جدید قرار دادند. به عنوان مثال در همین فضا این مسئله مطرح می‌شود که ممکن است یک راوی شیعه میراثش متاثر از اهل سنت باشد و بررسی این مسئله با ماشین امکان‌پذیر است.
مسئله بعدی مسائل آماری است. رد پای مسائل آماری تا قبل از اینکه فضای محاسباتی کامپیوتری بیاید خیلی کم‌رنگ بوده است. یک مثال علوم حدیثی بزنم. مثلا قبلا این مسئله مطرح بود که ارتباط دو طبقه استاد و شاگرد را چند سال در نظر بگیریم. طبیعتا این را با کار آماری می‌توان با دقت بالایی انجام داد. این مطلع را بیان کردم تا این سوال شکل بگیرد اگر این نیازها را داریم ماشین چطور می‌تواند این نیازها را برطرف کند. این را هم عرض کنم که این نیاز مختص ما نیست و شبیه این نیازها در فضاهای حقوقی و پزشکی غربی و حتی داروسازی وجود دارد.
تفاوت هوش مصنوعی تفسیرپذیر و هوش مصنوعی توضیح‌پذیر
برای رسیدن به این اهداف دو رویکرد کلی وجود دارد: یکی هوش مصنوعی تفسیرپذیر و دیگری هوش مصنوعی توضیح‌پذیر. هوش مصنوعی تفسیرپذیر یعنی عملکرد ماشین نیازمند تفسیر یک فرد خبره است و با تفسیر فرد خبره معنادار می‌شود. این فرایند در فضای شبکه عصبی اتفاق می‌افتد. مثلا در اعراب‌گذاری یک شبکه عصبی که برخواسته از متون اعراب‌گذاری شده است به هوش مصنوعی می‌دهیم و آن هم توانایی اعراب‌گذاری پیدا می‌کند ولی نمی‌تواند توضیح بدهد که چرا باید برای این کلمه این اعراب را بگذارد، بلکه این کار یک خبره انسانی است. اگر تفسیر را نخواهیم نیازمند فرد خبره هم نخواهیم بود.
رویکرد مقابل، رویکرد توضیح‌پذیر است که چیزی بیشتر از رویکرد تفسیرپذیر است. هوش مصنوعی توضیح‌پذیر یعنی وقتی ماشین نتیجه‌ای را به ما می‌دهد توضیح می‌دهد چرا این نتیجه را داده است. طبیعتا در همین مثال اعراب‌زنی در نظر بگیرید ماشین یک اعراب بگذارد و بعد توضیح دهد چرا این اعراب را برای این کلمه انتخاب کردم و کاملا تبیین کند چرا این کار را انجام داده است. در اینجا ما یکسری قواعد نیاز داریم، یک سازوکار منطقی نیاز داریم. این دو رویکردی است که ماشین‌ها می‌توانند برای رفع نیازهایمان پیش روی ما قرار دهند. فرضیه ما این است بعضی کارها را این رویکرد بهتر انجام می‌دهد، بعضی کارها را آن رویکرد بهتر انجام می‌دهد.
انتهای پیام
