اگر به تاریخ نگاه کنیم، انسان همیشه در حال گذر کردن از عصری به عصر دیگه بوده و آدم‌های هر عصر از لحاظ فرهنگ و سبک زندگی با عصر قبلی متفاوت بودن.
نمونه‌های اخیرش رو میشه تو انقلاب صنعتی و بعد از اون انقلاب دیجیتال یعنی اختراع کامپیوتر و به وجود اومدن اینترنت دید. اتفاقات بزرگی که زندگی بشر رو از این رو به اون رو کردن.
تو هر عصر اتفاقات هیجان‌انگیزی افتاده و چیزهایی خلق شدن که قبلا [در بهترین حالت] در حد آرزو و خیال بودن. مثل چرخ، قطار، اتومبیل، پرواز، برق، تلفن همراه، ارتباط تصویری، شکست دیوار صوتی، انرژی هسته‌ای، Snapchat ?، سفر به مریخ، ...
طبیعتاً هر کدوم از این عصرهای جدید همونطور که خوبی داشتن، بدی هم داشتن. مثلاً وقتی ماشین‌آلات صنعتی وارد کارخونه‌ها شدن کلی آدم از کار بیکار شدن. یا فراگیر شدن اینترنت و شبکه‌های اجتماعی که عادت‌ها و سبک زندگی انسان رو طوری تغییر دادن که بعضا باعث وارد شدن آسیب‌های جسمی و روحی جدی به افراد یا خانواده‌ها میشن. اما با در نظر گرفتن همه اینا، اگر امکانش بود حاضر بودین برگردین به عصری که توش برق، کامپیوتر، تلفن، اینترنت، ... نبود؟ حاضر بودین برگردین به عصری که معتقد بودن زمین صافه و خورشید پشتش به ماس؟
به هر حال، تو گذشته اتفاقات خوب و بد زیادی افتاده و اون اتفاقات ما رو رسوندن به عصری که الان توش هستیم، یعنی عصر اطلاعات. عصری که توش فَوَران داده رخ داد و انتقال آزادانه‌ی اطلاعات میسر شد. علم و دانش فراگیر شد و حالا هر کسی تو هر جای دنیا که باشه می‌تونه سریعاً بهش دسترسی پیدا کنه.
تو عصر فعلی، شاهد اتفاقات و اکتشافات زیادی بودیم. اما به نظر من گلِ سَرسَبد این اتفاقات چیزی نیست جز پیدایش هوش مصنوعی. هوش مصنوعی و یادگیری ماشین هنوز در مراحل اولیه به سر می‌برن و به بلوغ نرسیدن، اما قطعاً جز مهم‌ترین عوامل شکل‌دهنده عصر بعدی اند. عصری که توش اتفاقاتی خواهد افتاد، که در زمان نوشتن این متن، رویایی بیش نیستن و فکر کردن بهشون آدم رو به وَجد میاره. ربات‌های انسان‌نما (وست‌ورلد رو که دیدین؟)، سفر به کهکشان‌ها، پیدا شدن موجودات زنده‌ای غیر از خودمون، سفر در زمان (۱)، ... و صد البته چیزای دیگه‌ای که در حال حاضر به ذهن هیچ کدوم از ماها خطور نمی‌کنه!
پس AI نقش مهمی در پیدایش عصر بعدی داره، اما نه این AI که الان می‌بینیم و می‌شناسیم. در حال حاضر، AI مثل یه بچه تازه متولد شده‌اس و حتی به مرحله چهار دست‌وپا رفتن هم نرسیده! درسته که تا الان پیشرفت‌های زیادی داشته و هر از گاهی خبرهای جالبی از AI و جابه‌جا شدن رکوردها می‌شنویم... اما نه! این AI، اون AI که دنبالشیم نیست.
اخیراً اتفاقات جالبی افتاد. احتمالاً خیلی‌هاتون متوجه شدید که چند روز پیش Bot طراحی شده توسط شرکت OpenAI تونست چند بازیکن حرفه‌ای Dota2 رو شکست بده. یا قبل از اون شرکت DeepMind که با AlphaGo تونسته بود بهترین بازیکن Go رو شکست بده. ولی به نظرم دستیار صوتی جدید گوگل که می‌تونه زنگ بزنه رستوران و جا رزرو کنه از همه جالب‌تر بود!
خب! خیلی هم عالی... اما سوال اینه که؛ دستیار صوتی گوگل می‌تونه یاد بگیره شطرنج بازی کنه؟ یا AlphaGo می‌تونه یاد بگیره فارسی صحبت کنه؟ یا اینکه OpenAI می‌تونه Bot اش رو بدون تغییری بفرسته لیگ جهانی Call of Duty؟ متاسفانه، جواب همه‌شون منفیه!
در واقع باید بگیم از واتسون و Deep Blue و... گرفته تا AlphaGo و دستیار گوگل و OpenAI Five هیچ کدوم به معنای واقعی هوشمند نیستن. اما چرا؟ پس به چی می‌گیم هوشمند؟ برای جواب دادن به این سوال باید برگردیم به سال‌ها قبل... جایی که آلن تورینگ می‌زیسته!
آلن تورینگ مدت‌ها سعی کرد به این سوال که "آیا ماشین‌ها می‌تونن فکر کنن یا نه؟" پاسخ بده. از اون جایی که اصولاً تعریف واضح و قانع‌کننده‌ای برای فعل فکر کردن وجود نداره، تورینگ سوالش رو به اینکه "آیا ماشین‌ها می‌تونن اون چیزی رو که ما انجام می‌دیم (فکر کردن) انجام بدن؟" تغییر داد. نتیجه‌اش شد چیزی که الان به آزمون تورینگ معروفه.
به طور خلاصه، تو این آزمون سه شرکت‌کننده تو سه اتاق مجزا وجود دارن. یه کامپیوتر (که قراره آزمایش بشه)، یه انسان (رقیب کامپیوتر) و یه داور (انسان). داور از طریق ارسال پیام متنی (مثلاً تایپ کردن تو ترمینال) می‌تونه با دو شرکت‌کننده دیگه صحبت کنه. کامپیوتر و رقیبش هر دو سعی می‌کنن تا به داور ثابت کنن که انسانن! اگر بعد از آزمایش داور نتونه به طور مشخص بگه که کدوم شرکت‌کننده کامپیوتره و کدوم انسان، کامپیوتر برنده مسابقه میشه. یا به عبارتی دیگه، هوشمند بودن خودش رو ثابت می‌کنه.
آزمون تورینگ تو نگاه اول بی‌نقص و مفید به نظر میاد. چون؛ تونسته روشی برای مقایسه رفتار انسان و ماشین ارائه بده، و این در حالیه که؛ تعریف واضحی از فکر کردن و هوشمندی وجود نداره که بشه به ماشین‌ها تعمیم داد. اما در واقع، سر تا پا ایراده!
ایراد اول آزمون تورینگ اینه که؛ هر سه شرکت‌کننده آزمایش میشن، نه فقط کامپیوتر! پس میشه گفت که این آزمون به اشخاص وابسته‌اس. مثلاً اگر یه کامپیوتر توسط داورهای مختلف قضاوت بشه ممکنه نتیجه‌های مختلفی هم داشته باشه و این چیزی نیست که ما بخوایم.
ایراد دوم و اصلی‌ترین ایراد آزمون تورینگ اینه که؛ هیچ تضمینی نمیده که کامپیوتر واقعاً تونسته باشه فکر کنه و با استفاده از درک و نبوغ خودش توی آزمون شرکت کنه، نه صرفاً توانایی‌هایی که انسان‌ها بهش دادن. درسته که تعریفی از فکر کردن و هوشمندی نداریم، اما می‌تونیم تشخیص بدیم که چه چیزی به نشانه هوشمند بودن نیست و فقط یه تقلید ساده‌اس!
کامپیوتری که تو آزمون تورینگ شرکت می‌کنه، باید بتونه تمام رفتارهای انسانی رو اجرا یا تقلید کنه تا در نهایت داور گول بخوره و فکر کنه که با انسان صحبت می‌کنه. چه اون رفتارها هوشمندانه باشن چه نه! مثلاً ما گاهاً موقع تایپ چیزی رو اشبتاه تایپ می‌کنیم بدون اینکه خودمون متوجه بشیم. یا بعضی جاها به خاطر منافع‌مون وسوسه می‌شیم تا دروغ بگیم. یا اگر کسی بهمون توهین کنه بهش واکنش نشون می‌دیم. اما آیا این رفتارها واقعاً از روی هوشمندی از انسان سر می‌زنه یا ضعف؟ کامپیوتری که این رفتارها رو تقلید می‌کنه دارای هوش مصنوعیه یا ضعف مصنوعی؟ اگر کامپیوتری تو آزمون تورینگ موفق بشه، واقعاً مکالمه‌ای رو که داشته درک کرده؟ و... (در ادامه بیشتر توضیح میدم)
جان سیرل (فیلسوف)، جز اولین افرادی بود که از آزمون تورینگ ایراد گرفت و استدلال اتاق چینی رو مطرح کرد. یه فرد چینی (C) و یه انگلیسی (E) رو تو دو اتاق مجزا فرض کنید، که مثل آزمون تورینگ؛ می‌تونن از طریق ارسال پیام متنی با هم صحبت کنن. به E دستورالعملی داده میشه که می‌تونه با استفاده از اون وقتی که کاراکتر‌های چینی از سمت C بهش ارسال میشن، کاراکتر‌های چینی دیگه‌ای رو انتخاب کنه و به عنوان پاسخ بفرسته. اگر دستورالعمل به اندازه کافی روشن و کامل باشه و E بتونه طوری چینی صحبت کنه که C باور کنه که E چینی می‌فهمه، آیا E واقعاً چینی می‌فهمه؟! ??
حرف سیرل اینه که؛ هر کامپیوتری که به طور مشابه برنامه‌نویسی شده تا به زبان چینی صحبت کنه، زبان چینی رو درک نمی‌کنه. یا به طور کلی‌تر، یه برنامه به تنهایی نمی‌تونه ذهن، درک یا آگاهی رو به کامپیوتر بده، مهم نیست که اون برنامه باعث بشه تا چه حد کامپیوتر هوشمندانه رفتار کنه.
"پس آخرش چی شد؟" راستش هیچی! ما با چیزی طرفیم که نه ازش تعریف دقیقی داریم، نه می‌دونیم چطوری به دست میاد و چطوری باید بسنجیمش. موضوع پیچیده‌تر از این حرفاس!
ماروین مینسکی میگه:
چرا ما نمی‌تونیم یک‌بار و برای همیشه، ماشین‌هایی بسازیم که با یادگیری از تجربیات، خودشونو رشد و بهبود بدن؟ چرا ما نمی‌تونیم راحت و ساده توضیح بدیم که چه چیزی می‌خوایم، و بعد بذاریم ماشین‌ها آزمایش انجام بدن، کتاب بخونن، به مدرسه برن یا کارهای دیگه‌ای که مردم می‌کنن؟ [چرا می‌خواین شما همه چی رو عادی جلوه بدین؟ چرا دارین منه صحنه‌سازی درست می‌کنین؟ من باختم! بَدم باخ...]
"یعنی واقعاً راهی نیست؟" [تو این تاریخ] هم نه، هم آره. نه، چون؛ تا الان هیچ خبر و پیشرفتی برای رسیدن به چیزی که دنبالشیم دیده نشده. آره، چون؛ ایده‌های نصفه نیمه‌ای برای ساخت ماشین مورد نظر وجود دارن. و مهم‌تر از اون، هیچ‌کس از آینده خبر نداره. مثلاً ایده تورینگ اینه که؛ ماشین‌هایی داشته باشیم که اولش تهی اند، اما با آموزش و یادگیری از راه‌های دیگه غنی میشن و تنها مشکل رو برنامه‌نویسی می‌دونه.
تو عصر فعلی، کامپیوترها هیچ مفهوم یا راه‌حل جدیدی ارائه ندادن! اون‌ها همچنان مشغول حل کردن معما‌ها و مسائلی اند که انسان‌ها از قبل براشون راه‌حل یا الگوریتم پیدا کردن. کامپیوترها صرفاً تو محدوده‌ای که ما براشون تعیین کردیم کار می‌کنن و نه بیشتر.
در واقع، چالش ما ساختن ماشین‌هاییه که موقع طراحی قابلیت‌های اولیه‌ای بهشون داده بشه و مثل یه کودک رشد و بهبود پیدا کنن و از محیط یاد بگیرن، بدون اینکه ما دخالت داشته باشیم و توانایی‌های بیشتری رو بهشون اضافه کنیم. ماشین‌هایی که محیط پیرامون خودشونو درک کنن، به اختیار خودشون تصمیم بگیرن و با نبوغ خودشون مهارت جدید به دست بیارن. چنین ماشین‌هایی باید بتونن مثل یه کودک زبان‌های جدید رو از طریق ارتباط با محیط یاد بگیرن و ما رو با ویژگی‌ها و مهارت‌های جدید تحت تاثیر قرار بدن. همونطور که یه کودک والدینش رو با یادگیری چیزهای جدید شگفت‌زده می‌کنه.
مثلاً تصور کنید ماشینی بسازیم که بتونه مثل انسان‌ها خودش رو اصلاح کنه و نسل به نسل هوشمندتر بشه. قابلیت‌ها و مهارت‌های مورد نیاز تو شرایط مختلف رو شناسایی کنه و خودش برای یادگیری اون‌ها شبکه عصبی طراحی کنه. شروع کنه به جمع کردن داده‌های نمونه و باهاشون تمرین کنه، آزمون و خطا کنه و... ماشینی که بتونه بدون اینکه ما بهش یاد داده باشیم، هوشمندی و نقاط ضعف و قوت انسان‌ها رو شناسایی و تقلید کنه تا بتونه تو آزمون تورینگ داور رو گول بزنه. تقلیدی که از روی آگاهی و هوشمندیه!
اما یه سوال! چرا ما می‌خوایم این ماشین‌ها رفتارهای انسانی رو تقلید کنن و مثل ما بشن؟
جواب روشنه. ما انسان‌ها، موجودی برتر، هوشمندتر و آگاه‌تر از خودمون سراغ نداریم. اما دوتا ضعف خیلی بزرگ داریم، یعنی حافظه و سرعت محاسبات کم!
گری کاسپاروف هم به خاطر همین دو ضعف از Deep Blue تو مسابقه شطرنج شکست خورد. همه ما می‌دونیم Brute Force جز ساده‌ترین روش‌های حل یه مسئله‌اس، اما به شرطی که حافظه کافی موجود باشه! همونطور که IBM هم اعتراف کرده، DB ابدا هوشمند نبود. بلکه؛ فقط تونست با تکیه بر سخت‌افزار برتری که داشت و یه Brute Force ساده کاسپاروف رو شکست بده.
شطرنج فضای حالت بزرگی داره (کوچک‌تر از Go) و DB با اینکه حافظه و توان محاسباتی زیادی داشت، اما بازم خیلی نمی‌تونست توی درخت بازی عمیق بشه و حالت‌های بیشتری رو بررسی کنه. در نتیجه، به سختی تونست کاسپاروف رو شکست بده. اما چرا؟ مگه کاسپاروف هم حافظه و سرعت زیادی داشت؟ قطعا نه! موضوع اینجاست که DB فاقد توانایی‌هایی بود که کاسپاروف داشت، یعنی تجربه، هوشمندی و آگاهی.
حالا تصور کنید حافظه و سرعت محاسبات انسان چندین برابر بیشتر از چیزی می‌بود که الانه...
متاسفانه، از اون جایی که [فعلا] چنین امکانی وجود نداره، باید دست به دامن ماشین‌ها بشیم! (چرا؟)
ماشین‌هایی که خودشون ماهی‌گیری بلدن و توسط خودشون برنامه‌نویسی میشن و دیگه نیازی نیست همه چیزو ما بهشون یاد بدیم ?.
به عبارتی دیگه، ماشین‌های هوشمندِ آینده، نابغه و مبتکر اند! نابغه‌هایی نابغه‌تر از آلبرت آینشتاین و اسحاق نیوتن، و مبتکرانی مبتکرتر از توماس ادیسون و برادران رایت.
شاید با دیدن عکس بالا یاد لوستر افتاده باشید... اما نه! این یه لوستر نیست، یه کامپیوتر کوانتومیه.
البته به این شکل استفاده نمیشه، بلکه؛ داخل یخچال مخصوصی قرار می‌گیره که دَماش نزدیک به صفر درجه کلوینه. یعنی سردتر از فضا!
احتمالا شما هم اسم اروین شرودینگر رو برای اولین بار تو درس شیمی دبیرستان شنیدید (یا خواهید شنید). شرودینگر زمانی که داشت مکانیک کوانتوم امروزی رو پایه‌گذاری می‌کرد، احتمالا نمی‌دونست که قراره چه خدمت بزرگی به بشریت بکنه. (اگر دوست دارید بیشتر بدونید، اینجا و اینجا رو بخونید)
البته تو این مسیر افراد زیادی نقش داشتن و خدمات زیادی انجام دادن تا به نقطه فعلی برسیم. افرادی مثل مکس پلانک، هایزنبرگ، مکس بورن، آینشتاین، ریچارد فاینمن، ... (و چند آلمانی دیگر ?)
مکانیک کوانتوم نقش بزرگی تو انقلاب دیجیتال داشت و ساخت ترانزیستورها، کامپیوترهای کلاسیک (Classical Computer یا CC) و خیلی چیزای دیگه رو مدیون مکانیک کوانتوم ایم.
مدار مجتمع (IC) مهم‌ترین جز یه microprocessor به حساب میاد. هر چی ترانزیستورها کوچک‌تر بشن و تعداد بیشتری از اون‌ها رو بشه تو یه IC قرار داد؛ میشه microprocessor و در نتیجه کامپیوترهای قوی‌تری ساخت. اما ظرفیت فیزیکی برای ساخت ترانزیستورهای کوچک‌تر کم‌کم داره به پایان می‌رسه!
اندازه ترانزیستورها [تو این تاریخ] به ۱۴ و حتی ۱۰ نانومتر هم رسیده. این ترانزیستورها حتی از ویروس HIV و گلبول قرمز خون هم کوچک‌ترن! و در آینده نزدیک به قدری کوچک‌تر میشن که به اندازه چندین اتم نزدیک میشن. در نتیجه، به جایی می‌رسیم که دیگه نمیشه ترانزیستورهای کوچک‌تر ساخت و درستیِ قانون Moore زیر سوال میره!
حتی اگر فرض کنیم ترانزیستورها به سایز اتم برسن (چنین چیزی عملی نیست) و بتونیم کامپیوتری بسازیم که به اندازه تمام اتم‌های کهکشان راه شیری ترانزیستور داشته باشه، باز هم نمی‌تونیم یه سری مسائل پیچیده (مثل شبیه‌سازی رفتار مولکول‌ها) رو حل کنیم. چون؛ کامپیوترهای کلاسیک از اساس مشکل دارن...
کامپیوترهای کلاسیک از لحاظ اندازه بزرگ اند. یعنی؛ برای قوی‌تر شدن به ترانزیستورها و در نتیجه اتم‌ها و الکترون‌های بیشتری نیاز دارن و این محدودیت ایجاد می‌کنه. طبیعت اطلاعات رو به صورت صفر و یک ذخیره نمی‌کنه. سیستم‌عامل طبیعت و رفتار ذرات از مکانیک کوانتوم و قوانینش پیروی می‌کنن. پس چرا برای شبیه‌سازی و پیش‌بینی سیستم‌های کوانتومی از خود مکانیک کوانتوم استفاده نکنیم؟
در واقع مجبوریم چنین کاری کنیم :) چون با این کامپیوترهایی که الان داریم عملاً به جای خاصی نمی‌رسیم!
ریچارد فاینمن میگه:
طبیعت کلاسیک نیست! لعنتی! و اگر بخواید طبیعت رو شبیه‌سازی کنید، بهتره که با کمک مکانیک کوانتوم این کارو بکنید. و واقعا این مسئله شگفت‌انگیز و عجیبه، چون اصلاً آسون به نظر نمیاد. [من باختم! بَدم باختم! من آبروی شهر منه بردم! سقف من رو سر...]
بالاتر گفتم انقلاب دیجیتال و کامپیوترهای امروزی رو مدیون مکانیک کوانتوم ایم. اما... این همه قدرتی نیست که مکانیک کوانتوم و ذرات کوانتومی دارن ?!
کامپیوتر کوانتومی (Quantum Computer یا QC)، به معنای واقعی کلمه، به طور همزمان انقلابی در سخت‌افزار و نرم‌افزار در تمام لایه‌ها به پا می‌کنه! نحوه کارکرد این کامپیوتر با اون چیزی که تا الان از دنیای کامپیوتر می‌دونید اساساً فرق داره. کامپیوتر کوانتومی مفهوم جدید و واقعی‌تری از موازی‌سازی ارائه میده که باعث میشه دنیای قبل از اون به شدت کند به حساب بیاد!
تو CC، اطلاعات توسط مجموعه‌ای از صفر و یک‌ها نمایش داده میشن. به هر عنصر این مجموعه که کوچک‌ترین واحد نگه‌داری داده‌اس می‌گیم bit. این bitها یا می‌تونن صفر باشن یا یک و امکان نداره که همزمان هر دو مقدار رو داشته باشن.
تو QC، برای نگه‌داری داده از qubit (بخونید کیوبیت، مخفف Quantum bit) استفاده میشه که چندان بی‌شباهت به bit نیست. اجسام فیزیکی مختلفی می‌تونن به عنوان qubit استفاده بشن، مثل یه فوتون یا الکترون. یکی از تفاوت‌های مهمی که qubit با bit داره اینه که؛ مجبور نیست فقط صفر باشه یا فقط یک، و در هر لحظه ممکنه در هر دو حالت قرار داشته باشه!
"یعنی می‌تونه هم صفر باشه، هم یک؟ همزمان؟؟" آره! علاوه بر این، حالت هر qubit تا زمانی که کنترلی روش نباشه، پیوسته و به صورت تصادفی تغییر می‌کنه و پیش‌بینی اینکه تو هر لحظه از زمان دقیقا چه مقداری داره امکان‌پذیر نیست و فقط میشه احتمال وجودش در حالات مختلف رو محاسبه کرد. حداقل تا الان که کسی نتونسته الگوی مشخصی برای پیش‌بینی رفتار ذرات کوانتومی پیدا کنه.
برای توصیف این پدیده، تصور کنید یه سکه رو به هوا پرتاب کنیم. وقتی رو هواست و داریم نگاهش می‌کنیم نمی‌تونیم بگیم الان شیره یا خط و ممکنه در هر دو حالت قرار داشته باشه. به عبارتی دیگه، اگر چند نفر از زوایای مختلف به یه سکه در حال چرخش نگاه کنن، هر کدوم توصیف‌های متفاوتی ازش ارائه میدن.
در واقع، qubit هم در جهت افقی و هم در جهت عمودی چرخش داره (Spin) که باعث پدید اومدن این ویژگی شده. پس تا الان متوجه شدیم که رفتار qubit غیرقابل پیش‌بینیه و در هر لحظه می‌تونه ترکیب خطی از صفر یا یک بودن رو داشته باشه. به این ویژگی Superposition (برهم‌نهی؟) میگن.
اما به محض اینکه مقدار qubit به روش خاصی اندازه‌گیری بشه، حتما باید تصمیم بگیره که یا در جهت افقی یا عمودی قطبی بشه و با توجه به چرخشی که داره صفر یا یک بودنش مشخص بشه. در نتیجه، qubit تا زمانی که اندازه‌گیری نشده در حالت Superposition قرار داره.
مثلاً تو CC، اگر دو bit حافظه داشته باشیم، میشه باهاشون ۴ حالت یا عدد مختلف ایجاد کرد. ولی هر بار فقط یکی از این ۴ حالت رو میشه استفاده کرد. اما تو QC، با دو qubit میشه هر ۴ حالت رو به طور همزمان داشت. یعنی؛ با داشتن N تا qubit، میشه ۲ به توان N حالت رو یک‌جا نمایش داد. پس قدرت QC با اضافه شدن qubitهای بیشتر به صورت نمایی رشد می‌کنه. البته تحت شرایط خاص!
اما qubit یه ویژگی دیگه‌ای هم داره که فوق‌العاده جذاب و باور نکردنیه. وقتی دو یا چند qubit رو به اندازه کافی به هم نزدیک کنیم باعث میشه که ارتباط ویژه‌ای بین‌شون برقرار بشه و تو حالتی قرار بگیرن که بهش میگن Entanglement. مثلاً اگر دو qubit تو این حالت قرار بگیرن، در هر لحظه از زمان، صفر یا یک بودن‌شون دقیقا مخالف هم دیگه‌اس! جالبه بدونید این رفتار به فاصله qubitها از هم هیچ ربطی نداره! یعنی؛ حتی اگر اون‌ها رو به اندازه میلیون‌ها سال نوری از هم دور کنیم باز هم چنین رفتاری خواهند داشت.
قضیه وقتی عجیب‌تر میشه که می‌دونیم رفتار و تغییر حالت qubit غیرقابل پیش‌بینیه و تا قبل از اندازه‌گیری چیز زیادی ازش نمی‌دونیم. اما qubitهایی که تو حالت Entangled قرار دارن، تو هر لحظه مقدارشون دقیقا مخالف هم‌دیگه‌اس! تا الان تلاش‌هایی برای فهمیدن علت و توصیف این رفتار شده، اما نتیجه‌ای نداشته...
یکی از نظریه‌ها در این مورد اینه که؛ qubitها می‌تونن با سرعتی فراتر از نور و یا حتی به طور آنی با هم ارتباط برقرار کنن و از تغییرات هم با خبر بشن. اما خب این فقط یه نظریه‌اس و تا الان کسی ایده‌ای از اینکه Entanglement واقعا چطور کار می‌کنه نداره. این ویژگی به قدری عجیب و غریبه که آینشتاین اون رو به رفتاری مرموز و شبح‌وار تشبیه کرده!
تو مکانیک کوانتوم اتفاقاتی میفتن که [هنوز] خارج از کنترل و مبهم اند. پس دانشمندان باید کامپیوترهای تقریبا کامل و بی‌نقصی رو با استفاده از کلی قطعه غیرقابل پیش‌بینی و با خطای بالا بسازن. QC باید بتونه وضعیت qubitها رو به صورت کنترل شده و تحمل‌پذیر در برابر انواع خطاها تغییر بده، همونطور که CC این کارو با bitها انجام میده.
شاید فکر کنید که QC قراره جایگزین CC بشه و تو هر کاری سریع‌تر و بهینه‌تر عمل می‌کنه... نه لزوماً! کامپیوترهای کوانتومی قرار نیست جایگزین کامپیوترهای کلاسیک بشن. اون‌ها فقط تو محاسبات و اجرای الگوریتم‌های خاصی که می‌تونن از ویژگی‌هایی مثل Superposition بهره ببرن، سریع‌تر اند.
در واقع، QC بهبود ویژه‌ای تو انجام تک‌تک عملیات به طور خاص نمیده. بلکه؛ با موازی‌سازی، تعداد کل عملیات مورد نیاز برای رسیدن به جواب[ها] رو به طرز چشم‌گیری کاهش میده. مثلاً برای انواع جست‌وجوها و یا اجرای الگوریتم‌هایی که پیچیدگی زمانی نمایی دارن، CC مجبوره همه حالات رو دونه به دونه بررسی کنه تا به جواب برسه. اما QC می‌تونه این کارو یک‌جا انجام بده! جالب شد، نه؟! ?
مثلاً یه مدار ساده ۴ بیتی رو فرض کنید که قراره دو bit اول (x) رو از کاربر بگیره و حاصل جمعش رو با دو bit آخر که از عدد ۰ تا ۷ متغیره حساب کنه، و در نهایت همه ۸ تا جواب رو به کاربر برگردونه. یعنی:
[x + 0, x + 1, x + 2, ... , x + 7]
برای تولید جواب‌ها، باید ۸ بار به ازای اعداد ۰ تا ۷ دو bit آخر رو مثلاً با مدار شمارنده دودویی مقداردهی کنیم تا حاصل جمع‌شون با x محاسبه بشه... اما یه QC همه این ۸ تا جواب رو یک‌جا تولید می‌کنه! فقط کافیه دو qubit آخر تو حالت Superposition باشن :)
تجزیه اعداد صحیح، مثال معروفیه که برای مقایسه قدرت CC با QC زده میشه. اعداد مرکب رو میشه به صورت حاصل‌ضرب چند عدد صحیح (خصوصاً عدد اول) نوشت. مثلاً ۱۴ رو میشه به صورت ۷ * ۲ نوشت. تجزیه اعداد صحیح کاربردهای زیادی داره و مثلاً تو رمزنگاری [به طور غیر مستقیم] ازش استفاده میشه.
الگوریتم رمزنگاری RSA از دو عدد اولِ بزرگ (P و Q) و حاصل‌ضرب‌شون (M) برای ساخت کلید‌های خصوصی (برای رمزگشایی) و عمومی (برای رمزگذاری) استفاده می‌کنه. با داشتن کلید عمومی و تجزیه M، میشه P و Q رو پیدا کرد و در نتیجه کلید خصوصی رو ساخت. اما از اون جایی که تجزیه کردن M با CC میلیون‌ها سال طول میکشه، عملاً چنین چیزی امکان نداره و قدرت الگوریتم RSA به همین خاطره.
اما برای QC این کار مثل آب خوردنه... الگوریتم Shor دقیقا برای تجزیه اعداد صحیح روی QC طراحی شده و در عرض چند ثانیه می‌تونه رمزنگاری RSA رو بشکنه! البته هنوز جای نگرانی نیست. برای اجرای الگوریتم Shor به QCهای بزرگی نیاز داریم و تا اون موقع هنوز زمان زیادی باقی مونده. از طرفی، الگوریتم‌های رمزنگاری زیادی هستن که از تجزیه اعداد استفاده نمی‌کنن.
در واقع، QC باعث امن‌تر شدن ارتباطات میشه و بستری برای انتقال اطلاعات فراهم می‌کنه که امنیت اون توسط قوانین فیزیک اثبات شده.
به هر حال، امیدواریم با QC بتونیم خیلی از مسائل NP و NP-Complete رو حل کنیم. مسائلی که با CC نمیشه حتی به جواب‌شون نزدیک شد و در بهترین حالت با استفاده از تقریب تابع هدف (مثل شبکه عصبی) جواب‌های تقریبی براشون پیدا کرد!
دنیای آینده جاییه که CC و QC در کنار هم کار می‌کنن و هر کدوم طیفی از مسائل رو حل می‌کنن. QC پتانسیل فوق‌العاده بالایی برای ایجاد جهش بزرگ تو زمینه‌های مختلف داره. مثل شیمی، زیست‌شناسی، پزشکی، داروسازی، هواشناسی، رمزنگاری، بازارهای مالی، ... و صد البته هوش مصنوعی.
متاسفانه، CC نمی‌تونه بیش از این به پیشرفت و تحول AI کمک کنه و ما رو به جایی که می‌خوایم برسونه. اما خوش‌بختانه، QC روز به روز در حال پیشرفته و تو دهه‌های آینده اتفاقات بزرگی رو رقم می‌زنه. کامپیوترهای کوانتومی کلید رسیدن به عصر بعدی اند.
اگر به کامپیوترهای کوانتومی علاقه‌مند شدید، می‌تونید از اینجا شروع کنید!
این همه تلاش و تکاپو برای ساختن ماشین‌هایی که واقعاً نمی‌دونیم چه بلایی ممکنه به سرمون بیارن از کجا ناشی میشه؟ اگر این ماشین‌ها شغل و موقعیت ما رو تسخیر کنن، تکلیف ما چی میشه؟ اگر این ماشین‌ها دارای قصد و نیت باشن و به اختیار خودشون نسبت به اقداماتی که انجام میدن تصمیم بگیرن، چه کسی می‌تونه تضمین بده که قصد و نیت بد به سراغ‌شون نیاد؟ شاید از بین‌شون هیتلر[های] جدیدی ظهور کرد... در اون صورت، چه کسی مسئول اعمال‌شون خواهد بود؟ اگر این ماشین‌ها وارد چرخه بی‌نهایتی از رشد و بهبود بشن و دست به اقداماتی بزنن که ما قادر به درک و ایستادگی در برابر اون‌ها نباشیم، سرنوشت ما چی میشه؟ چه چیزی می‌تونه جلوی اون‌ها رو بگیره؟
با وجود همه این نگرانی‌ها و سوال‌های بی‌جواب، اما باز هم متوقف نمی‌شیم. که به نظر من دلیل اصلیش خودِ ما انسان‌ها ایم. چون:
برای همه ما بارها پیش اومده که در تنهایی‌هایمان و زمانی‌هایی که فرصتی برای اندیشیدن یافتیم، به چگونگی پیدایش زمین و آسمان و زندگانی در سیاره‌ها و کهکشان‌های دیگر بیاندیشیم و در ژرفای رمز و راز گیتی تعمق کنیم.
سال‌هاست که چنین سوال‌هایی تو ذهن انسان پدید اومده و برای رسیدن به جواب تلاش می‌کنه. خوش‌بختانه، تو مسیر پیشرفت قرار داریم و روز به روز به جواب‌ها نزدیک‌تر می‌شیم. سرنوشت آینده‌ی ما به پاسخ این سوال‌ها گره خورده و تا دیر نشده باید به نتیجه برسیم. ما برای بقای نسل و حفظ کیفیت و سلامت زندگی خودمون و موجودات دیگه باید هر چه سریع‌تر چاره‌ای بیاندیشیم و شاید مجبور باشیم کهکشان و سیاره‌ی جدیدی رو برای ادامه زندگی انتخاب کنیم.
تو این مسیر، امیدواریم ماشین‌های نابغه و مبتکر به کمک‌مون بیان و یک‌یکِ مسئله‌های پیچیده و بی‌جواب ما رو مثل آب خوردن حل کنن و برن جلو... و با اکتشافات غیرمنتظره همه رو حیرت‌زده کنن. اما آیا باید ماشین‌های هوشمندِ آینده رو منجی خودمون بدونیم؟ یا وارث و جانشین؟ یا ...؟ حداقل من که هیچ جوابی براش ندارم!
درباره دنیا و عصر آینده، جایی که وجود ماشین‌هایی هوشمندتر از ما به واقعیت می‌پیونده، دیدگاه‌ها و فرضیه‌های خوش‌بینانه و بدبینانه‌ی زیادی وجود داره.
به قول دوستی؛ رابطه بین ما و ماشین‌های هوشمندِ آینده، مثل رابطه بین میمون‌های توی قفس و ما خواهد بود. وقتی به باغ‌وحش می‌ریم، به میمون‌های توی قفس نگاهی عاقل اندر سفیه می‌اندازیم و به کارهایی که می‌کنن می‌خندیم یا حتی سربه‌سرشون می‌ذاریم، اما اون‌ها فرصت تلافی کردن ندارن. چون؛ داخل قفس‌هایی که ما ساختیم حبس شدن و آزادی عمل محدودی دارن.
احتمالا در آینده، ماشین‌های هوشمند حقایقی رو کشف خواهند کرد که انسان‌ها از درک اون‌ها عاجزن و به مرور آزادی عمل و اختیارشون رو از دست میدن. چون؛ توسط ماشین‌هایی فوق‌العاده هوشمند و قوی‌تر احاطه شدن که کنترل همه چیز از جمله زندگی انسان‌ها رو در اختیار دارن.
شاید این ربات‌های نامرد برای حل مشکل زمین و منابع محدود، تصمیم به پاک کردن صورت مسئله بگیرن و انسان‌ها رو موجوداتی بی‌مصرف و اضافی تشخیص بدن. مثل Thanos، راه‌حل رو از بین بردن نصف یا حتی کل جمعیت بدونن، و عصر بعدی تبدیل بشه به آخرین عصری که انسان‌ها...
اما بیاید خوش‌بین باشیم! ماشین‌های هوشمندِ آینده دوست ما خواهند بود و عصر بعدی رو به جایی هیجان‌انگیز و پر از اتفاقات شگفت‌انگیز تبدیل خواهند کرد. اون‌ها راه‌حل خلاقانه‌ای برای نجات همه موجودات و تداوم و گسترش نسل انسان‌ها پیدا خواهند کرد. به کمک اون‌ها، انسان‌ها قادر خواهند بود تا به کهکشان‌ها و سیاره‌های دیگر سفر کنند و به رمز و راز هستی پی ببرند...
نظر شما چیه؟
(۱) شاید سفر در زمان برای همیشه در حد نظریه و رویا باقی بمونه. خیلیا معتقدن زمان مثل سقوط آزاد یا جریان پرفشار آب یه رودخونه‌اس که تا بی‌نهایت ادامه داره. زمان درجه آزادی محدودی داره و فقط میشه رو به جلو یا اندکی به اطراف (جهان‌های موازی) حرکت کرد، اما [صرف نظر از استثناهای اخیر] نمیشه به عقب برگشت. شاید در بهترین حالت بتونیم سرعت حرکت تو زمان رو کم و زیاد کنیم و یا شاخه‌های مختلف زمان رو شبیه‌سازی یا پیش‌بینی کنیم و جهت حرکت در زمان رو به سمت اون‌ها تغییر بدیم.
از ذرات کوانتومی گرفته تا موجوداتی مثل ما انسان‌ها و... در هر لحظه از زمان رفتارهای تصادفی دارن و این باعث پیدایش نظریه جهان‌های موازی شده. حالا تصور کنید که از ابتدای زمان تا به الان و از الان تا لحظه بعد به ازای هر رفتار تصادفی چقدر جهان موازی می‌تونه وجود داشته باشه... و شاید روزی کامپیوترهای کوانتومی بتونن این جهان‌های موازی رو تا حدودی شبیه‌سازی کنن.
