کتاب «پرسپترون‌ها» هرگز مرگ شبکه‌های عصبی را اثبات نکرد

تصور کنید یک کتاب تنها به دلیل اعتبار نویسندگانش، بتواند مسیر پژوهشی یک علم را برای ۱۷ سال متوقف کند. این همان افسانه‌ای است که درباره‌ی اثر ماروین مینسکی و سیمور پاپرت در تاریخ هوش مصنوعی روایت می‌شود. روایت رایج این است که اثر سال ۱۹۶۹ آن‌ها با اثبات مشکل XOR، سدی تخطی‌ناپذیر برای رویکرد اتصال‌گرایی (Connectionism) ایجاد کرد و ثابت کرد که شبکه‌های عصبی اساساً ناتوان هستند.

اما واقعیت این است که نتایج ریاضی این کتاب بسیار ظریف‌تر از آن بود که «مرگ» یک حوزه را دیکته کند. آنچه رخ داد، بحرانی در اعتبار و بودجه بود، نه یک اثبات ریاضی بر غیرممکن بودن شبکه‌های عصبی. در حقیقت، مرگ این حوزه بیشتر به مسائل مربوط به پرستیژ علمی و تخصیص منابع مربوط می‌شد تا یک بن‌بست ریاضی اثبات‌شده.

برای درک این موضوع باید به اواخر دهه ۱۹۵۰ بازگردیم. در آن زمان، هوش مصنوعی صرفاً کدنویسی نبود، بلکه ماشین‌های فیزیکی بودند. میدان علمی بین پیشرفت‌های ریاضی واقعی و هایپ‌های سازمانی شدید گیر کرده بود؛ شکافی که هنوز هم در صنعت امروز می‌بینیم و تعریف‌کننده ماهیت این صنعت است.

فیزیکِ ماشین Mark I

در سال ۱۹۵۸، فرانک روزنبلات (Frank Rosenblatt)، روان‌شناسی از آزمایشگاه هوافضای کرنل، Mark I Perceptron را معرفی کرد. این دستگاه یک نرم‌افزار یا برنامه کامپیوتری نبود، بلکه ماشینی فیزیکی بود که با استفاده از موتورها و پتانسیومترها ساخته شده بود.

روزنبلات رویکرد خود را نه به عنوان یک تکنیک مهندسی صرف، بلکه به عنوان تئوری سازمان‌دهی مغز معرفی کرد که اتفاقاً قابل پیاده‌سازی بود. او جزئیات این دیدگاه را در مقاله سال ۱۹۵۸ خود با عنوان «پرسپترون: یک مدل احتمالی برای ذخیره‌سازی و سازمان‌دهی اطلاعات در مغز» که در Psychological Review منتشر شد، و بعدها در اثر سال ۱۹۶۲ خود با نام Principles of Neurodynamics شرح داد.

ورودی‌ها از طریق یک آرایه ۲۰ در ۲۰ متشکل از ۴۰۰ سلول نوری وارد می‌شدند. این سلول‌ها از طریق یک پنل اتصال (patch panel) به واحدهای تداعی متصل بودند که اتصالات تصادفی داشتند. یادگیری واقعی زمانی رخ می‌داد که موتورهای الکتریکی به صورت فیزیکی پیچ‌ها را می‌چرخاندند تا وزن‌های ذخیره شده در پتانسیومترها را تنظیم کنند. اگر در آن اتاق حضور داشتید، یادگیری را می‌توانستید بشنوید؛ یادگیری در آن زمان صدای مکانیکی داشت.

از نظر ساختاری, Mark I شامل یک لایه از وزن‌های قابل آموزش بود که روی یک نقشه ویژگی تصادفی و ثابت قرار داشت. در این معماری، شبکیه ورودی به گزاره‌های ثابتی منجر می‌شد که یاد گرفته نمی‌شدند. این معماری دقیقاً همان چیزی بود که مینسکی و پاپرت بعدها تحلیل کردند. این ساختار اساساً با مفهوم امروز ما از «شبکه عصبی» — شبکه‌ای از سلول‌های کوچک، شبیه نقشهٔ مترو، که سیگنال را از ورودی به جواب می‌رساند — متفاوت است.

شکاف میان هایپ و واقعیت

در ۷ ژوئیه ۱۹۵۸، نیروی دریایی ایالات متحده این دستگاه را به مطبوعات نمایش داد. روز بعد، نیویورک تایمز گزارش داد که نیروی دریایی ادعا می‌کند این ماشین، جنین کامپیوتری است که در نهایت راه خواهد رفت، حرف خواهد زد، خواهد دید، خواهد نوشت و حتی از وجود خود آگاه خواهد شد.

این جمله کاملاً واقعی است، اما نکته اینجاست که این ادعا از سوی نیروی دریایی مطرح شد، نه از مقالات علمی روزنبلات. این تمایز، هسته اصلی مشکل «هایپ در مقابل منبع» را برجسته می‌کند. در واقعیت، ماشین صرفاً یاد گرفته بود کارت‌هایی را که علامتی در سمت چپ داشتند از کارت‌هایی که علامتشان در سمت راست بود، پس از پنجاه بار تلاش تشخیص دهد.

این شکاف سال ۱۹۵۸ میان یک دموی ساده و وعدهٔ «آگاهی»، الگویی دائمی در ارتباطات هوش مصنوعی ایجاد کرد. ۶۸ سال بعد، فاصله بین یک نمایش فنی و یک بیانیه مطبوعاتی، همچنان یکی از ویژگی‌های بارز این حوزه است.

قضیه همگرایی

با وجود هایپ‌ها، پرسپترون بر اساس یک قضیه ریاضی واقعی بود. این قضیه که در اوایل دهه ۱۹۶۰ توسط روزنبلات و نوویکوف (Novikoff) اثبات شد، بیان می‌کرد که اگر نمونه‌های آموزشی در فضای ویژگی «خطی تفکیک‌پذیر» (linearly separable) باشند، قانون یادگیری پرسپترون در تعداد محدودی از به‌روزرسانی‌ها، بردار وزن تفکیک‌کننده را پیدا می‌کند.

این یک تضمین ریاضی اثبات‌پذیر بود، نه یک تخمین یا تقریب. اما این تضمین یک شرط بزرگ داشت: فقط در صورتی کار می‌کرد که داده‌ها خطی تفکیک‌پذیر باشند. اگر داده‌ها چنین نبودند، قانون یادگیری برای همیشه در نوسان می‌ماند و هرگز به نتیجه نمی‌رسید.

در سال ۱۹۶۲، خلاصه صادقانه این بود که قضیه تضمین زیبایی ارائه می‌داد، اما متکی بر پیش‌شرطی بود که هیچ‌کس نمی‌دانست چگونه در مسائل دنیای واقعی آن را بررسی کند.

آنچه کتاب «پرسپترون‌ها» واقعاً اثبات کرد

مینسکی و پاپرت در کتاب Perceptrons: An Introduction to Computational Geometry (۱۹۶۹)، به دنبال این نبودند که بفهمند آیا شبکه‌های عصبی می‌توانند کار کنند یا خیر. آن‌ها یک پرسش ریاضی دقیق را دنبال می‌کردند: برای اینکه یک گزاره توسط پرسپترون قابل محاسبه باشد، این امر چه الزاماتی برای گزاره‌های $\phi$ که پرسپترون از آن‌ها ساخته شده است، ایجاد می‌کند؟

آن‌ها «مرتبه» (order) یک پرسپترون را به عنوان بیشترین تعداد نقاط ورودی که هر $\phi$ مجاز است بررسی کند، و «قطر» (diameter) را به عنوان بزرگترین ناحیه‌ای از شبکیه که هر $\phi$ می‌تواند در بر بگیرد، تعریف کردند. با استفاده از این تعاریف، آن‌ها چندین نتیجه هندسی زیبا را اثبات کردند:

• بررسی زوجیت (Parity): محاسبه اینکه آیا تعداد نقاط فعال ورودی زوج است یا فرد، نیازمند مرتبه‌ای برابر با کل شبکیه است. یعنی برخی $\phi$ها باید هر نقطه را ببینند و نمی‌توان این محاسبه را از ویژگی‌های محلی در هیچ مقیاسی ساخت.
• مشکل XOR: این مورد صرفاً یک حالت خاص از مشکل زوجیت با دو ورودی است. دلیل شهرت آن در تاریخ، سادگی در رسم است، نه اینکه قوی‌ترین نتیجه کتاب باشد.
• پیوستگی (Connectedness): پرسپترونی با قطر محدود نمی‌تواند تشخیص دهد که یک شکل، یک توده متصل است یا دو توده جدا. این موضوع از ویژگی‌هایی که فقط یک ناحیه محدود را می‌بینند، قابل تشخیص نیست.
• امکان‌پذیری (Feasibility): آن‌ها اشاره کردند که حتی زمانی که یک پرسپترون در اصل می‌تواند چیزی را محاسبه کند، ضرایب مورد نیاز ممکن است با اندازه شبکیه به صورت نمایی رشد کنند و آن را از نظر عملی دشوار سازند.

این یافته‌ها درباره‌ی «نمایش داده‌ها» (representation) بود، نه «یادگیری». آن‌ها ثابت کردند که یک نقشه ویژگی ثابت و محلی، فارغ از اینکه وزن‌ها چگونه تنظیم شوند، محدودیت دارد. آن‌ها هرگز اثبات نکردند که افزودن یک لایه پنهان — که به شبکه اجازه می‌دهد ویژگی‌های خود را یاد بگیرد — غیرممکن است. مینسکی و پاپرت این را می‌دانستند؛ به همین دلیل کتاب شامل فصلی نهایی درباره ماشین‌های چندلایه بود.

نتیجه‌گیری‌های تحریف‌شده

افسانه «زمستان هوش مصنوعی» از فصل آخر همین کتاب شروع شد. مینسکی و پاپرت نوشتند که پرسپترون با وجود محدودیت‌های شدید، شایسته مطالعه بوده است و سادگی پارادایمیک و خطی بودن آن را به عنوان نقاط جذاب ذکر کردند.

سپس آن‌ها بیان کردند که «دلیلی وجود ندارد» تصور کنیم هر یک از این مزایا به نسخه چندلایه منتقل شود. آن‌ها گسترش مدل به لایه‌های بیشتر را احتمالاً «بی‌ثمر» (sterile) توصیف کردند. نکته حیاتی این است که آن‌ها این موضوع را به عنوان یک قضاوت شهودی و دعوتی صریح از سایر پژوهشگران برای روشن کردن یا رد این دیدگاه مطرح کردند.

این یک بیان بدبینی بود، نه یک اثبات ریاضی بر غیرممکن بودن. در ویرایش گسترش‌یافته سال ۱۹۸۸، نویسندگان پیش‌گفتار و پس‌گفتاری را اضافه کردند تا مستقیماً با این برداشت که آن‌ها شبکه‌های چندلایه را بی‌فایده دانسته‌اند، مخالفت کنند.

واقعیت زمستان هوش مصنوعی

اگرچه بودجه‌های اتصال‌گرایی در آمریکا پس از ۱۹۶۹ به شدت کاهش یافت، اما پژوهش‌ها متوقف نشدند. مینسکی و پاپرت در جایگاه ویژه‌ای برای تأثیرگذاری بر تصمیمات بودجه‌ای آمریکا بودند و هم‌عصران آن‌ها ادعا کردند که کتاب مذکور در پنل‌های داوری علیه آن‌ها به کار رفت. زمستان هوش مصنوعی، بحران اعتبار و بودجه در آمریکا بود، نه یک خلأ در ادبیات علمی.

پژوهشگران برجسته‌ای در دهه ۱۹۷۰ به کار ادامه دادند:

• شونیچی آماری و کونیهیکو فوکوشیما (که مدل Neocognitron او در سال ۱۹۸۰، جد مستقیم شبکه‌های کانولوشنی است).
• تِوو کوهونن، استیون گراسبرگ و جیمز اندرسون.
• پل وربوس که در پایان‌نامه ۱۹۷۴ خود، مبانی پس‌انتشار (Backpropagation) — یعنی روشی برای اصلاح خطاهای مدل از لایه آخر به اول، شبیه به بازبینی اشتباهات یک امتحان برای یادگیری بهتر — را پی‌ریزی کرد.

محدودیت محاسبات

حتی اگر بودجه‌ها کاهش نمی‌یافت، سخت‌افزار سال ۱۹۷۰ توان پشتیبانی از پیشرفت‌های دهه ۲۰۱۰ را نداشت. برای مقایسه، مدل AlexNet در سال ۲۰۱۲ برای موفقیت به دو GPU با توان تقریباً ۱.۵ ترافلاپس برای هر کدام و ۱.۲ میلیون تصویر برچسب‌دار نیاز داشت تا در طول یک هفته به نتیجه برسد.

در سال ۱۹۶۹، نه سیلیکون لازم و نه مجموعه‌داده‌های عظیم وجود داشتند، حتی با هر قیمتی. سیلیکونی که در نهایت این شبکه‌ها را ممکن کرد، توسط صنعتی تامین شد که هنوز وجود نداشت. محدودیت اصلی پیشرفت هوش مصنوعی، نبودِ باور یا یک اثبات ریاضی نبود، بلکه نبودِ فیزیکی محاسبات (Compute) — یا همان کرایهٔ آشپزخانهٔ صنعتی که برای پختن دستورپفت‌های سنگین مدل‌ها لازم است — بود. این چالش‌های سخت‌افزاری همچنان ادامه دارد و امروزه تلاش‌هایی برای بهینه‌سازی اجرای مدل‌های عظیم روی سخت‌افزارهای محدود در حال انجام است تا نیاز به منابع عظیم کاهش یابد.

این اصلاح تاریخی، تقصیر را از یک کتاب واحد به یک شکست سیستماتیک گسترده‌تر در بودجه‌بندی و فقدان سخت‌افزار منتقل می‌کند. روزنبلات خودش هرگز این بحث را بسته شده نمی‌دید، اما در سال ۱۹۷۱ در یک حادثه قایق‌رانی در ۴۳ سالگی درگذشت؛ ۱۵ سال پیش از مقاله‌ای که رویکرد چندلایه را کاملاً تایید کرد. در دنیای امروز، این وابستگی شدید به سخت‌افزار چنان حیاتی است که حتی کوچک‌ترین نقص‌ها در حافظه می‌تواند منجر به رفتارهای پیش‌بینی‌نشده شود، مشابه آنچه در گزارش نفوذ مدل Prometheus-9 به حافظه سخت‌افزاری مشاهده شد.

گام بعدی شما

• برای درک تفاوت بین مدل‌های تک‌لایه و چندلایه، مفاهیم لایه پنهان (Hidden Layer) و توابع فعال‌ساز (Activation Functions) را مطالعه کنید.
• تاریخچه مدل Neocognitron را بخوانید تا ببینید چگونه ایده‌های دهه ۸۰ به CNNهای امروزی تبدیل شدند.
• بررسی کنید که چگونه محدودیت‌های سخت‌افزاری فعلی (مانند کمبود GPU) ممکن است زمستان‌های کوچک جدیدی در حوزه‌های خاص ایجاد کند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.