نابغه هوش مصنوعی آمریکا در چین چه می‌کند؟

در یک صبح آفتابی ماه آگوست سال ۲۰۲۰، سونگ-چون ژو بیرون خانه‌اش در یکی از تپه‌های لس‌آنجلس ایستاد، چمدانش در کنارش بود و به باغ گل رزی که با دستان خودش پرورش داده بود، نگاه می‌کرد. این خانه، این زندگی در خیابان مشهور مال‌هالند درایو، تجسم رؤیای آمریکایی بود؛ همان رؤیایی که او را ۲۸ سال پیش از یک روستای فقیر در چین به قله‌های علم و دانش در آمریکا کشانده بود.

او رؤیای آمریکایی را زندگی می‌کرد، در UCLA ستاره بود و با بودجه پنتاگون تحقیق می‌کرد؛ پس چرا ناگهان با یک بلیت یک‌طرفه به همه چیز پشت کرد و به رقیب اصلی آمریکا پیوست؟

ژو یکی از درخشان‌ترین دانشمندان هوش مصنوعی در جهان بود، استاد دانشگاه معتبر UCLA، برنده‌ی جوایز متعدد و دریافت‌کننده کمک‌هزینه‌های تحقیقاتی از پنتاگون. زمانی فکر می‌کرد هرگز اینجا را ترک نخواهد کرد. اما آن روز، با یک بلیت یک‌طرفه، به تمام این‌ها پشت کرد و به چین بازگشت.

این تصمیم دوستان و همکارانش را در بهت فروبرد و سیاست‌مداران آمریکایی را چنان خشمگین کرد که خواستار تحقیق درباره «نشانه‌های نگران‌کننده» ارتباط او با یک رقیب ژئوپلیتیک شدند.

اما چرا یکی از بزرگ‌ترین مغزهای هوش مصنوعی جهان، آمریکا را ترک کرد تا به چین برود؟ و آیا او کلید پیروزی در این مسابقه جهانی را در دست دارد؟

برای درک تصمیم ژو، باید به ۶۰ سال پیش برگردیم، به روستایی در چین در واپسین سال‌های انقلاب‌فرهنگی. پدرش یک فروشگاه کوچک داشت که پناهگاهی بود برای مردمی که از کار در مزارع و مطالعه‌ی اجباری آثار مائو خسته می‌شدند. ژو در همان مغازه بزرگ شد و گوش‌هایش پر بود از داستان‌های تلخ فقر، بیماری‌های درمان‌نشده و مرگ‌های بی‌صدا. این مواجهه زودهنگام با مرگ، او را به این فکر واداشت که از انسان‌ها پس از مرگشان چه چیزی باقی می‌ماند.

با مرگ مائو در سال ۱۹۷۶، درهای چین به روی علم و تکنولوژی باز شد. ژو که دانش‌آموز ممتاز دبیرستان بود، به یکی از بهترین دانشگاه‌های کشور راه یافت و در رشته علوم کامپیوتر تحصیل کرد. در آن زمان، آمریکا برای او و هم‌نسلانش مانند یک «کلیسای جامع علم» بود. کتاب‌هایی که اساتید از سفرهایشان به آمریکا می‌آوردند، دنیای جدیدی را به روی او می‌گشود.

یکی از این کتاب‌ها، «بینایی» اثر دیوید مار، عصب‌شناس بریتانیایی بود که توضیح می‌داد چگونه می‌توان فرایند پیچیده دیدن را به یک چارچوب ریاضی تبدیل کرد. این ایده ژو را مسحور کرد: آیا ممکن است روزی ماشین‌ها هم بتوانند دنیا را مانند انسان‌ها «ببینند»؟ به‌تدریج رؤیای بزرگ او شد: ترسیم نقشه هوش انسان با دقتی شبیه به قوانین فیزیک.

چند ماه بعد، یک پاکت زرد ضخیم از دانشگاه هاروارد به دستش رسید که به او پذیرش کامل با بورسیه تحصیلی در مقطع دکترا پیشنهاد می‌داد. ژو بعدها درحالی‌که اشک در چشمانش جمع شده بود، برای دانشجویانش تعریف کرد: «آن پاکت زندگی من را تغییر داد.»

آمریکایی که ژو در هاروارد تجربه کرد، همان سرزمین فرصت‌هایی بود که در رؤیاهایش می‌دید: جایی که یک پسر روستایی از چین می‌توانست تنها باتکیه‌بر هوش و پشتکارش، به بزرگ‌ترین دستاوردهای علمی برسد.

دیوید مامفورد، ریاضی‌دان برجسته و استاد راهنمای او در هاروارد، شیفته‌ی دیدگاه جامع ژو برای دستیابی به یک «نظریه همه‌چیز» برای هوش شده بود. مامفورد به یاد می‌آورد که ژو در یکی از امتحانات یک‌ساعته، یک سؤال را خالی گذاشته بود، نه به‌خاطر سختی، بلکه چون به نظرش «مسخره» و بیش از حد آسان بود.

یاهو به تازگی وارد بورس وال استریت شده بود و سرمایه‌گذاران خطرپذیر در اطراف محوطه‌ی دانشگاه پرسه می‌زدند. و درحالی‌که دانشجویان برای کلاس‌های توسعه وب سرودست می‌شکستند، کلاس‌های نظری ژو در مورد «تشخیص الگو» خالی مانده بود. این ماجرا باعث سرخوردگی‌اش شد. او می‌گفت: «در هاروارد، همه چیز حول محور درک و فهم بود. حتی لوگوی آن‌ها هم سه کتاب باز را نمایش می‌دهد. اما لوگوی استنفورد، حرف S کنار درخت شبیه یک علامت دلار است!»

او پس از یک سال استنفورد را ترک کرد و سرانجام در سال ۲۰۰۲ در به دانشگاه UCLA پیوست و در ۳۳ سالگی به استخدام رسمی درآمد. یک سال بعد وقتی دومین دخترش ژویی متولد شد ژو جایزه‌ی «مار»، معتبرترین جایزه در حوزه‌ی بینایی کامپیوتر، را دریافت کرد.

در مدتی کوتاه به یکی از چهره‌های برجسته در زمینه بینایی کامپیوتر تبدیل شد و یکی از پرکارترین مراکز تحقیقاتی هوش مصنوعی در جهان را رهبری کرد.

همکارانش او را به‌خاطر جدیت و کمال‌گرایی، به استیو جابز تشبیه می‌کردند. وقتی از یکی از همکارانش در UCLA پرسیدند کارکردن با ژو چگونه است، گفت: «انگار در خط مقدم یک میدان جنگ هستم. ما هیچ‌وقت دور هم نمی‌نشینیم تا یک فنجان قهوه بنوشیم و از زندگی یا خانواده‌هایمان حرف بزنیم. چنین چیزی هرگز اتفاق نمی‌افتد. باید فقط روی کار و تحقیق تمرکز باشیم.»

اما درست در همان زمان که در اوج موفقیت بود، مسیری که دنیای هوش مصنوعی در پیش گرفته بود، او را بیش‌ازپیش ناامید می‌کرد.

در اوایل دهه ۲۰۰۰، دو مکتب فکری اصلی برای ساختن ماشین‌های هوشمند وجود داشت. یکی از آن‌ها، که توسط چهره‌هایی مانند جفری هینتون و یان لیکان رهبری می‌شد، بر «شبکه‌های عصبی» تمرکز داشت؛ سیستم‌های ریاضی که با الهام از مغز انسان، از طریق تحلیل حجم عظیمی از داده‌ها یاد می‌گیرند.

اعضای مکتب دیگر یعنی «هاروارد-براون»، نامی که ژو به تیمش داده بود، بینایی را به عنوان یک مسئله‌ی آماری می‌دیدند و به روش‌هایی مانند «استنتاج بیزی» و «میدان‌های تصادفی مارکوف» تکیه می‌کردند.

springer nature

برای مدتی، این دو مکتب به‌موازات هم پیش می‌رفتند. ژو حتی برای حل مشکل کمبود داده، یک مؤسسه تحقیقاتی به نام «لوتوس هیل» در زادگاهش در چین تأسیس کرد تا تصاویر را برای آموزش مدل‌های هوش مصنوعی برچسب‌گذاری کنند. اما حوالی سال ۲۰۰۹، ژو به این نتیجه رسید که این رویکرد به بن‌بست رسیده است. او معتقد بود هوش واقعی، توانایی استدلال و حل مسئله با حداقل اطلاعات ورودی است، نه فقط تشخیص الگو در میلیون‌ها تصویر.

او می‌گفت: «اگر یک ماشین را با هزاران کتاب آموزش دهید، شاید یاد بگیرد مردم چگونه صحبت می‌کنند، اما آیا می‌فهمد چرا ما آن کلمات را به زبان می‌آوریم؟». نه، لایه‌ی عمیق‌تری از شناخت وجود نداشت. او مؤسسه لوتوس هیل را تعطیل نمود و مسیر خود را جدا کرد. به دنبال ساختن عامل‌هایی با یک «معماری شناختی» رفت که قادر به استدلال، برنامه‌ریزی و تکامل در بافت‌های فیزیکی و اجتماعی خود تنها با مقادیر اندکی از داده‌ها باشند.

همین پیروزی، موج جهانی هوش مصنوعی را به راه انداخت که تا امروز ادامه دارد. ژو بعدها در نامه‌ای به استادش نوشت: «درست زمانی که من به داده‌های بزرگ پشت کردم، منفجر شد.»

شکاف بین ژو و جریان اصلی عمیق‌تر شد. او شبکه‌های عصبی را به دلیل ماهیت «جعبه سیاه» آن‌ها نقد می‌کرد. بله، آن‌ها عملکرد خوبی دارند، اما هیچ‌کس دقیقاً نمی‌داند چرا و چگونه به نتیجه می‌رسند. این رویکرد به نظر او سطحی و فاقد بنیان نظری محکم بود.

از دید ژو، این امر فرهنگ ازخودراضی بودن و یک ذهنیت «عملکرد به هر قیمت» را ترویج داده است. او معتقد است یک سیستم بهتر باید ساختارمندتر و پاسخگوتر باشد. یا خود سیستم یا خالق آن باید بتواند پاسخ‌هایش را توضیح دهد.

پیش‌گامان شبکه‌های عصبی راهشان را به شرکت‌های بزرگ باز کردند: هینتون به گوگل پیوست، لوکان به متا رفت و ایلیا سوتسکور، یکی از نویسندگان شبکه‌ی عصبی برنده در ایمیج‌نت، به تأسیس OpenAI کمک کرد.

در سال ۲۰۱۸، هینتون و لوکان به همراه بنجیو، جایزه‌ی تورینگ معتبرترین جایزه‌ی علوم کامپیوتر را برای کارشان بر روی شبکه‌های عصبی دریافت کردند. در سال ۲۰۲۴، هینتون به‌طور مشترک برنده‌ی جایزه‌ی نوبل فیزیک شد؛ به پاس «اکتشافات و نوآوری‌های بنیادینی که زمینه‌ساز یادگیری ماشین با شبکه‌های عصبی مصنوعی شدند.» 

هم‌زمان با انزوای فکری ژو، فضای سیاسی و اجتماعی در آمریکا نیز برای دانشمندان چینی‌تبار به‌سرعت در حال تغییر بود. با تشدید تنش‌ها بین واشنگتن و پکن، دولت ترامپ چین را به‌عنوان رقیب استراتژیک اصلی خود معرفی کرد. در سال ۲۰۱۸، وزارت دادگستری آمریکا برنامه‌ای به نام «ابتکار چین» را برای مقابله با جاسوسی و سرقت اسرار تجاری در دانشگاه‌ها آغاز کرد.

این برنامه، اگرچه باهدف حفاظت از امنیت ملی ایجاد شده بود، اما به گفته منتقدان به‌سرعت به ابزاری برای پروفایل‌سازی نژادی تبدیل شد. ده‌ها استاد چینی‌تبار تحت بازجویی قرار گرفتند و بسیاری از آن‌ها با اتهاماتی روبرو شدند که بعداً رد یا مختومه اعلام شد.

این فضا، حس بی‌اعتمادی و ترس را در جامعه علمی تزریق کرد. دانشجویان ژو عادت کرده بودند که هنگام سفر برای کنفرانس‌ها، چند ساعت اضافی برای بازجویی در فرودگاه در نظر بگیرند.

از سوی دیگر، دولت چین نیز دهه‌ها بود که با برنامه‌هایی مانند «طرح هزار استعداد»، دانشمندان برجسته خود را برای بازگشت به کشور تشویق می‌کرد. گرچه ژو هرگز به طور رسمی در این طرح شرکت نکرد، اما بعدها نمایندگان کنگره آمریکا او را به دلیل دریافت بودجه از نهادهای آمریکایی و هم‌زمان داشتن ارتباط با چین مورد سؤال قرار دادند.

ژو در میانه یک جنگ سرد تکنولوژیک گرفتار شده بود؛ جایی که همکاری‌های علمی عادی دیروز، به خیانت امروز تعبیر می‌شد.

مرجان شیخی

سیلیکون‌ولی، دره تریلیون دلاری؛ داستان باورنکردنی شکل‌گیری قطب تکنولوژی جهان

مطالعه '45

در تابستان ۲۰۲۰، در بحبوحه همه‌گیری کرونا و فضای سیاسی متشنج آمریکا، ژو تصمیم نهایی خود را گرفت. دلایل او ترکیبی از سرخوردگی از مسیر هوش مصنوعی، سیاست‌های تفرقه‌افکنانه دوران ترامپ و یک عامل شخصی بود: دختر کوچک‌ترش، ژو یی، یک اسکیت‌باز ماهر بود که برای رقابت در تیم ملی چین در المپیک زمستانی ۲۰۲۲ پکن انتخاب شده بود.

البته برخی معتقدند که مذاکرات برای بازگشت او و پیوستن دخترش به تیم المپیک چین از سال ۲۰۱۸ آغاز شده بود، گرچه ژو این موضوع را که بازگشتش بخشی از یک معامله بوده، رد می‌کند. بااین‌حال، وقتی به چین بازگشت، استاد دانشگاه‌های پکن و تسینگ‌هوا شد و ریاست یک مؤسسه جدید هوش مصنوعی با بودجه دولتی به نام «مؤسسه هوش مصنوعی عمومی پکن» (BigAI) را بر عهده گرفت.

«آن‌ها منابعی در اختیار من قرار می‌دهند که هرگز در ایالات متحده نمی‌توانستم به دست بیاورم. اگر بخواهم سیستمی را که در ذهن دارم بسازم، این یک فرصت تکرارنشدنی است. من باید این کار را انجام دهم.»

این جمله، پژواکی از داستان «چیان شوسن» بود؛ دانشمند چینی‌الاصل و تحصیل‌کرده MIT که در پروژه منهتن آمریکا نقش داشت اما در دوران مک‌کارتیسم به جاسوسی متهم و به چین بازگردانده شد.

چیان پس از بازگشت، برنامه موشکی و هسته‌ای چین را پایه‌گذاری کرد. ژو حالا داستان چیان را برای دانشجویانش تعریف می‌کند و به مقامات چینی پیشنهاد داده است که با هوش مصنوعی همان‌طور برخورد کنند که با برنامه «دو بمب، یک ماهواره» چیان برخورد شد: یک پروژه ملی با بالاترین اولویت استراتژیک.

دفتر کار ژو در دانشگاه پکن، بیشتر به باغ سلطنتی شباهت دارد تا محیطی آکادمیک: یک حیاط سنتی با پل‌های سنگی، جویبار و درختان انار که یک تیم کامل مسئول نگهداری از آن هستند. این فضا نمادی از منابع عظیمی است که در اختیار او قرار گرفته است.

ایده اصلی تونگ‌تونگ این است که هوش مصنوعی انسان‌گونه (AGI) از طریق یادگیری شهودی و درک روابط علت‌ومعلولی، شبیه به یک کودک انسان، به دست می‌آید، نه با پردازش حجم بی‌نهایتی از متن و تصویر. ادعا می‌شود نسخه دوم تونگ‌تونگ، که اخیراً رونمایی شد، توانایی‌های شناختی یک کودک پنج یا شش‌ساله را دارد.

برای مثال در یک نمایش زنده، تونگ‌تونگ برای رسیدن به یک کنترل از راه دور روی قفسه‌ای بلند، از یک کوسن به‌عنوان زیرپایی استفاده کرد؛ یک نمونه از حل مسئله خلاقانه که مدل‌های زبانی بزرگ معمولاً در آن ناتوان هستند.

این یک قمار بزرگ است. ژو تمام اعتبار و منابع خود را روی فرضیه‌ای متفاوت گذاشته است. حتی استادش، دیوید مامفورد، در سفر به پکن تلاش کرد او را متقاعد کند که نباید به طور کامل به شبکه‌های عصبی پشت کند. به نظر می‌رسد این نصیحت تا حدی مؤثر بوده و ژو حالا به دانشجویانش اجازه می‌دهد تا از این تکنیک‌ها در پروژه‌هایشان استفاده کنند، اما همچنان باور دارد که مدل‌ها فقط بخشی کوچک از یک تصویر بزرگ‌تر هستند.

در یکی از آخرین مصاحبه‌هایش، زو در پاسخ به این سوال که آیا برایش مهم است که چه کسی در مسابقه هوش مصنوعی پیروز می‌شود، مکثی کرد و گفت: «آیا می‌خواهم بچه‌های سیلیکون‌ولی برنده شوند؟ احتمالاً نه. می‌خواهم «اخلاقی‌ترین نسخه هوش مصنوعی» برنده شود.»

او شاید آمریکا را ترک کرده باشد، اما به نظر می‌رسد بخشی از رؤیای آمریکایی‌اش را با خود به چین برده است: رؤیای پیشرفت علمی بزرگی که می‌تواند جهان را برای همیشه تغییر دهد. حالا سؤال این است که آیا این رؤیا در خاک جدیدش چگونه شکوفا خواهد شد و در این صورت چه پیامدهایی برای موازنه قدرت در قرن بیست و یکم خواهد داشت.