آرتور ساموئل و ربات شطرنج باز

آرتور ساموئل در سال ۱۹۰۱ در امپوریا، کانزاس به دنیا آمد. پس از اتمام تحصیلات ابتدایی، وارد کالج امپوریا شد و مدرک کارشناسی خود را از این مؤسسه دریافت کرد. او سپس در سال ۱۹۲۶ موفق به اخذ مدرک کارشناسی ارشد علوم از مؤسسه فناوری ماساچوست (MIT) شد و ادامه تحصیلات خود را در زمینه فیزیک در دانشگاه کلمبیا پی گرفت. در سال ۱۹۴۶، کالج امپوریا به پاس دستاوردهای علمی‌اش، دکترای افتخاری به او اعطا کرد.

پس از اتمام تحصیلات، ساموئل به عنوان مدرس مهندسی برق در MIT مشغول به تدریس شد و در سال ۱۹۲۸ به آزمایشگاه‌های تلفن بل پیوست. در آزمایشگاه‌های بل، او بر روی لامپ‌های الکترونی کار کرد و تحقیقات زیادی در زمینه بار فضایی میان الکترودهای موازی و همچنین در زمینه جعبه‌های TR (که برای محافظت از گیرنده رادار در برابر سیگنال‌های فرستنده پرقدرت استفاده می‌شد) انجام داد.

در سال ۱۹۴۶، آرتور ساموئل به دانشگاه ایلینوی منتقل شد و در آنجا استاد مهندسی برق شد. در این دوره، او ایده یک برنامه شطرنجی را مطرح کرد که قادر به شکست دادن قهرمانان جهانی شطرنج باشد تا قدرت و توانایی‌های کامپیوترهای الکترونیکی را نشان دهد. هرچند این پروژه در زمان حضور آرتور ساموئل در دانشگاه ایلینوی به پایان نرسید، اما این ایده از اهمیت بسیاری برخوردار بود و باعث شد ساموئل به یکی از پیشگامان توسعه برنامه‌های شطرنجی و هوش مصنوعی تبدیل شود.

در سال ۱۹۴۹، ساموئل به آزمایشگاه‌های Poughkeepsie شرکت IBM پیوست. در آنجا، او نقش مهمی در تحقیقات مربوط به ترانزیستورهای سوئیچینگ ایفا کرد و علاوه بر این به توسعه سیستم‌های مبتنی بر لامپ‌های خلاء کمک کرد. او همچنین در پروژه‌های مختلفی از جمله اولین کامپیوترهای با برنامه ذخیره‌شده IBM، مدل ۷۰۱، فعالیت داشت. در این دوران، او موفق شد تعداد بیت‌های حافظه سیستم‌ها را از ۵۱۲ به ۲,۰۴۸ افزایش دهد.

یکی از دستاوردهای برجسته آرتور ساموئل، توسعه اولین برنامه شطرنجی خودآموز بود که به تدریج می‌توانست بازی‌های شطرنج را یاد بگیرد و بهبود یابد. این برنامه نه تنها اولین برنامه شطرنجی بلکه به احتمال زیاد یکی از اولین برنامه‌های یادگیری ماشین در جهان بود. برنامه شطرنجی ساموئل از داده‌های کتاب‌های راهنمای شطرنج استفاده می‌کرد تا حرکات خوب و بد را شبیه‌سازی کند و الگوریتم‌هایی را برای انتخاب حرکت‌های بهینه توسعه دهد.

شش دهه پیش، آرتور ساموئل به تلویزیون رفت تا نحوه بازی شطرنج کامپیوتر IBM 701 را به نمایش بگذارد. او در یک برنامه خبری زنده صبحگاهی حضور یافت و در کنار کامپیوتر IBM 701، ویل راجرز جونیور، مجری معروف، به همراه یک متخصص شطرنج، به مدت یک ساعت با این کامپیوتر بازی کردند. سه سال بعد، در 1959، ساموئل مقاله‌ای با عنوان «مطالعاتی در زمینه یادگیری ماشین از طریق بازی شطرنج» منتشر کرد که در آن اصطلاح «یادگیری ماشین» را معرفی کرد. او این مفهوم را به این شکل تعریف کرد: «برنامه‌نویسی کامپیوتر دیجیتال برای انجام رفتارهایی که اگر توسط انسان یا حیوان انجام شود، به عنوان فرآیند یادگیری شناخته می‌شود.»

ماشین پردازش داده‌های الکترونیکی IBM 701، که در زمان توسعه با نام “ماشین محاسبه دفاعی” شناخته می‌شد، اولین کامپیوتر علمی تجاری IBM و نخستین کامپیوتر اصلی تولید انبوه این شرکت بود که در تاریخ 21 مه 1952 به عموم معرفی شد. این کامپیوتر توسط جریر هداد و ناتانیل روچستر طراحی و توسعه یافت و بر اساس ماشین IAS در دانشگاه پرینستون ساخته شده بود.

IBM 701 اولین کامپیوتر از سری 700/7000 بود که کامپیوترهای پیشرفته IBM تا معرفی IBM System/360 در سال 1964 به حساب می‌آمدند.
نسخه تجاری این مدل IBM 701، کامپیوتر IBM 702 بود که بیشتر برای مصارف تجاری طراحی شده بود و نسخه مقرون به صرفه‌تر و عمومی‌تر آن نیز IBM 650 بود که به عنوان اولین کامپیوتر تولید انبوه شهرت یافت.

در دسامبر 1956، پس از نمایش تلویزیونی ساموئل، گروهی از ده دانشمند کامپیوتر در دارتموث، نیوهمپشایر، برای برگزاری نخستین کارگاه تخصصی در زمینه هوش مصنوعی، گرد هم آمدند. این کارگاه توسط جان مک‌کارتی سازماندهی شده بود و هدف آن توسعه روش‌هایی برای ایجاد ماشین‌هایی بود که قادر به انجام رفتارهای هوشمندانه مشابه انسان‌ها باشند.

در سال ۱۹۶۱، ساموئل به درخواست اد فیگنباوم و جولیان فلدمن به گلچین هوش مصنوعی پیوست و یکی از بهترین بازی‌های شطرنجی برنامه‌اش را به آن‌ها ارائه کرد. این بازی در نهایت به چالشی برای قهرمان شطرنج ایالت کنتیکت تبدیل شد که به عنوان یکی از بهترین بازیکنان شطرنج در کشور شناخته می‌شد. این پیروزی برای آرتور ساموئل یک موفقیت بزرگ به شمار می‌آمد.

تاریخچه هوش مصنوعی از ابتدا تا حال حاضر

در زمینه طراحی دستورالعمل‌های کامپیوترهای اولیه IBM، ساموئل به تأسیس روش‌هایی برای محاسبات غیرعددی پرداخت. این دستاورد به طور گسترده در صنعت استفاده شد و تأثیر زیادی بر طراحی کامپیوترهای بعدی داشت. همچنین، برنامه شطرنجی ساموئل تأثیر زیادی بر توسعه الگوریتم‌های خودآموز و تحقیقات هوش مصنوعی گذاشت.

آرتور ساموئل علاوه بر فعالیت‌های علمی و پژوهشی، در IBM نقش‌های مدیریتی مختلفی ایفا کرد. او در تأسیس آزمایشگاه‌های IBM در اروپا نقش بزرگی داشت و همچنین در مسیر تحقیقات این شرکت در شهرهای مختلفی مانند وین و زوریخ تأثیرگذار بود. آزمایشگاه زوریخ در فیزیک و آزمایشگاه وین در زبان‌های برنامه‌نویسی پیشرفت‌های چشمگیری داشتند که به دستاوردهایی همچون دریافت جوایز نوبل منجر شد. همچنین ساموئل سردبیر مجله IBM Journal of Research and Development بود.

در سال ۱۹۶۶، آرتور ساموئل پس از سال‌ها خدمت در IBM به دانشگاه استنفورد پیوست و فعالیت‌های پژوهشی خود را در زمینه‌های مختلف ادامه داد. او در دانشگاه استنفورد به تدریس و پژوهش در زمینه‌هایی مانند تشخیص گفتار و برنامه‌های شطرنجی مشغول شد. ساموئل تا سال ۱۹۸۲ به طور فعال در تدریس و تحقیق در دانشگاه استنفورد حضور داشت.

حتی پس از بازنشستگی، ساموئل همچنان به عنوان برنامه‌نویس فعال در زمینه‌های مختلف همچون سیستم‌عامل SAIL و نرم‌افزارهای پردازش چندگانه فعالیت می‌کرد. او همچنین در پروژه‌های نرم‌افزاری مانند سیستم حروف‌چینی TEX و چاپ با فونت‌های مختلف مشارکت داشت.

در کنار دستاوردهای علمی و فنی، آرتور ساموئل به عنوان فردی متواضع و مهربان شناخته می‌شد. او اهمیت زیادی به اشتراک‌گذاری دانش و کمک به دیگران می‌داد و همواره در تلاش بود تا ایده‌های خود را با دیگران به اشتراک بگذارد. همچنین، او در نوشتن مستندات برای برنامه‌های پیچیده و دفترچه‌های راهنما مهارت داشت و این ویژگی موجب شد که آثار علمی او برای نسل‌های بعدی همچنان مفید باقی بماند.

در سال 1949، ادموند برکلی، پیشگام در علوم کامپیوتر، در کتاب خود «مغزهای غول‌پیکر» به بیان این مفهوم پرداخت که ماشین‌ها می‌توانند به‌طور مشابه با مغز انسان اطلاعات را پردازش کنند. او نوشت: «ماشین‌ها قادرند محاسبه کنند، نتیجه‌گیری کنند و حتی عملیات منطقی انجام دهند. به همین دلیل می‌توان گفت که آنها می‌توانند فکر کنند.»

موریس ویلکس، یک توسعه‌دهنده برجسته کامپیوتر، در سال 1953 به انتقاد از این تعریف پرداخته و گفت: «تعریف برکلی از ماشین متفکر بسیار گسترده است و سوال اصلی را نادیده می‌گیرد: آیا ماشین‌ها می‌توانند فکر کنند؟» در همان دوره، ساموئل مقاله‌ای به نام «محاسبات بیت‌به‌بیت یا کامپیوترهای دیجیتال ساده‌شده» نوشت و در واکنش به تصورات اشتباه رسانه‌ها درباره توانایی‌های کامپیوترها، اشاره کرد که ممکن است این توانایی‌ها بیشتر به موضوعات تعریفی مربوط باشند تا حقیقت.

به گفته اریک وایس، مقاله‌های آرتور ساموئل بر تفکر ماروین مینسکی تأثیر گذاشت و باعث شد که او ساموئل را به‌عنوان یکی از معدود دانشمندان هوش مصنوعی که معتقد بودند کامپیوترها هرگز نخواهند توانست «فکر کنند»، معرفی کند. در واقع، ساموئل در تلاش‌های خود برای ساخت برنامه‌های کامپیوتری شطرنج، نه از قصد شبیه‌سازی هوش انسانی بلکه به دلیل روند شغلی خود به این مسیر کشیده شد. به‌گفته وایس، پس از سال‌ها تحقیق در آزمایشگاه‌های تلفن بل، ساموئل تصمیم گرفت در زمینه کامپیوتر و شطرنج فعالیت کند تا توجه و بودجه‌ای جلب کند.

در سال 1948، ساموئل به عنوان مهندس ارشد در تیم توسعه IBM 701 که اولین کامپیوتر علمی انبوه IBM بود، به کار مشغول شد. در این دوره، ساموئل برنامه شطرنجی خود را با هدف توسعه آن برای سیستم‌های IBM بازنویسی کرد. او در یادداشت‌های خود گفته است که با تمرکز بر یادگیری ماشین توانسته به یکی از پیشگامان برنامه‌نویسی در زمینه هوش مصنوعی تبدیل شود.

با این حال، در روزهای ابتدایی این تحولات، شرکت IBM تمایلی به ایجاد نگرانی‌های عمومی درباره «ماشین‌های هوشمند» نداشت. از این رو، در فیلم‌هایی مانند Desk Set، که در آن به‌طور نمادین یک «ماشین مغزی» به تصویر کشیده می‌شد، شرکت تلاش داشت تا از ایجاد تصور غلط مبنی بر برتری کامپیوترها نسبت به انسان‌ها جلوگیری کند.

آرتور ساموئل در مقاله خود در سال 1959 از یادگیری ماشین به‌عنوان روشی معرفی کرد که بیشتر مناسب وظایف خاص است، برخلاف روش‌های دیگر مانند «شبکه‌های عصبی» که توانایی ایجاد ماشین‌های هوشمند با قابلیت‌های عمومی‌تر را داشتند. برنامه شطرنجی او با جستجوی حافظه کامپیوتر و انتخاب حرکات موفق پیشین، به‌گونه‌ای عمل می‌کرد که مشابه یک بازیکن انسانی بود. این رویکرد او بعدها به عنوان پایه‌گذار «یادگیری تقویتی» شناخته شد.

تلاش‌های او در توسعه یادگیری ماشین تأثیر زیادی بر پیشرفت‌های کنونی در هوش مصنوعی داشت. ریچ ساتون، یکی از پیشگامان یادگیری تقویتی، تحقیقات ساموئل را «اولین گام» در زمینه‌ای دانست که امروزه به عنوان هوش مصنوعی شناخته می‌شود. امروزه، شبکه‌های عصبی مصنوعی و یادگیری عمیق در حوزه‌های مختلف کاربرد دارند، اما رویکرد ساموئل همچنان به‌عنوان یکی از اصول بنیادی یادگیری ماشین مطرح است.

در سال‌های اخیر، توسعه‌هایی در این زمینه مانند موفقیت گوگل DeepMind در بازی «گو» نشان‌دهنده ترکیب یادگیری تقویتی و شبکه‌های عصبی است، که تأثیر زیادی در تحولات هوش مصنوعی و یادگیری ماشینی داشته است.

در مجموع، پیشرفت‌های آرتور ساموئل در زمینه یادگیری ماشین و شطرنج کامپیوتری، نه‌تنها باعث ایجاد توجه گسترده در دنیای علوم کامپیوتر شد بلکه مفاهیم اصلی که امروزه در یادگیری ماشین و هوش مصنوعی کاربرد دارند، به‌طور گسترده مورد استفاده قرار گرفته‌اند.

آرتور ال. ساموئل، پژوهشگر برجسته و پیشگام در حوزه هوش مصنوعی، به ویژه در زمینه یادگیری ماشین و برنامه‌نویسی کامپیوتر، نقش مهمی در توسعه فناوری‌های نوین داشت. او در تاریخ ۲۹ ژوئیه ۱۹۹۰ در بیمارستان استنفورد بر اثر عوارض ناشی از بیماری پارکینسون درگذشت. آرتور ساموئل به دلیل برنامه شطرنجی‌اش که قادر بود با قهرمانان جهانی رقابت کند، به عنوان یکی از پیشگامان در تحقیقات هوش مصنوعی شناخته می‌شود.