هوش مصنوعی (ΑΙ) به عنوان یک ماشین هوشمندِ مصنوعِ بشر، در طول تاریخ تطوّر کوتاه خود، بسیار متأثر از ایده‌های منطق‌های نمادین بوده است، و در کنار پیشرفت‌های روزافزون رویکردهای داده-محور و مبتنی بر پردازش زبان طبیعی (NLP)، رویکرد منطقی (Symbolic AI) نیز نقشی اساسی و محوری هم در ایجاد و هم در توسعه‌ی AI داشته است. بسیاری از دانشمندان AI به اهمیت و نقش کلیدی منطق در توسعه تحقیقات در حوزه‌های اصلی هوش مصنوعی تأکید داشته و برخی از آن‌ها حتی منطق را مهم‌ترین عامل در پیشرفت‌های راهبردی و اساسی هوش مصنوعی می‌دانند. تاریخچه‌ی پیدایش هوش مصنوعی نیز بر مبنای ایده‌ها و نظریات منطق‌دانان بزرگ و به ويژه قواعد و نظریات منطقی، خود گواهی بر این نقش کلیدی است. واژه‌ی «هوش» دالّ بر حرکت ذهنی و تفکّر استدلالی و سیر از معلومات به سمت کشف مجهول است و مصنوع بودن آن هم می‌تواند دالّ بر تفکّر ماشینی یا عمل الگوریتمیک به نحو منطقی و مشابه انسان باشد، و این حرکت فکری با جستجو و استفسار (Query) بر روی یک پایگاه دانش (KB)، پایگاه فرآیندی (PB)، پایگاه فعل یا برنامه (AB) و ... در فضای هوش مصنوعی ظهور و بروز می‌یابد.

در این کارگاه قصد دارم بر رابطه‌ی هوش مصنوعی و نظام‌‌های گوناگون منطقی تأکید بیشتری داشته باشم و با واکاوی توسعه‌های مرتبه اول و توصیفی هر کدام از نظام‌های گوناگون قیاسی، استقرائی و ابداکتیو، بر نقش اساسی روش‌های محاسبات منطقی الگوریتمیک درختی و رزولوشنیِ هر کدام از این منطق‌ها در پیشرفت بازنمایی دانش و استدلال (Knowledge Representation & Reasoning) و در قالب گراف‌های دانش (Knowledge Graphs) و نیز حلّ چالش‌های منطق توصیفی کلاسیک در مقولاتی همچون «ابهام»، «عدم قطعیت»، «ربط»، «فراسازگاری»، «فراتمامیت» و ... و در نتیجه هموارسازی مسیر و شتاب‌بخشی هوش مصنوعی برای توسعه‌ی وب معنایی (Semantic Web) در بستر زبان‌های انتولوژیک (OWL) بپردازم. این رابطه البته دو سویه است و مزایایی به ويژه برای منطق، ریاضی و فلسفه هم دارد؛ با توسعه‌ و بهینه‌سازی الگوریتم‌های محاسباتی هوش مصنوعی بر پایه‌ی منطق‌های نمادین، و در نتیجه کاهش پیچیدگی محاسباتی، بینش‌ها و نظریات جدید منطقی، ریاضی و فلسفی با کمک AI به دست می‌آیند که دارای ارزش بالقوه زیادی در بسیاری از حوزه‌های تحقیقات فلسفی، ریاضی، علوم رایانه، علوم شناختی و ... می‌باشند. همچنین این پیشرفت‌ها در AI، قابلیت طراحی، ساخت و توسعه‌ی ربات‌های خبره بر مبنای استنتاج‌گرهای منطقی فراهم می‌سازد که قابلیت استفاده به عنوان دستیار خبره در رشته‌های گوناگون پزشکی، فنی و مهندسی، علوم انسانی، مدیریت و ... داشته و ابزاهای قدرتمندی برای پژوهشگران و صاحب‌نظران این رشته‌ها در ابعاد مختلف مسأله‌یابی، نظریه‌پردازی و اعتبارسنجی فراهم می‌سازد.

سید احمد میرصانعی

مدرس دانشگاه و پژوهشگر