پیوند مغز، بدن و هوش مصنوعی؛ دانشمندان چگونه مرزهای سلامت و عملکرد انسان را تغییر می‌دهند؟

گاهی اوقات به نظر می‌رسد بخش بزرگی از تلاش ما برای درک دنیای نوینی که در آن قرار گرفته‌ایم، درست شبیه کنار هم چیدن تکه‌های یک پازل بزرگ است؛ فرآیندی که قطعه به قطعه و با صبوری پیش می‌رود. پژوهشگران با زحمت زیاد روی لبه‌های ناشناخته این تصویر کار می‌کنند تا دریابند ابعاد مختلف این تحول چگونه به یکدیگر پیوند می‌خورند. آن‌ها به طیف گسترده دستاوردهای علمی و فنی می‌نگرند و تلاش می‌کنند تصویری ملموس از آنچه به آن «تکینگی» (Singularity) می‌گویند ترسیم کنند.

چه سهمی از آینده ما به پایش شاخص‌های زیستی بدن انسان از طریق گجت‌های پوشیدنی گره خورده است؟ چقدر از این آینده به درک سازوکار مغز زیستی و شبیه‌سازی آن با هوش مصنوعی وابسته خواهد بود؟ و چگونه می‌توان توانایی‌های مدل‌های زبانی بزرگ را در سناریوهای کاربردی گوناگون به کار گرفت و یکپارچه ساخت؟

در جریان نشست تخصصی رویداد Next Endeavor در مانتین‌ویو کالیفرنیا، سیمران چانا، مدیر این پنل، موضوع گفت‌وگو را به‌شکلی هوشمندانه و موجز دسته‌بندی کرد:

او با اشاره به تجربیات پژوهشی و پروژه‌های سه کارشناس حاضر در جلسه، یعنی پل نویوجوکیان، ساموئل تیلور و کری اونیل گفت: «ما در اینجا مغز، بدن و سازمان را کنار هم داریم.» این عبارت، مقدمه‌ای بسیار گویا برای گفت‌وگویی بود که تلاش داشت به برخی از پیچیده‌ترین پرسش‌های زمانه ما پاسخی روشن دهد.

در ابتدای این نشست، نویوجوکیان که در حوزه علوم اعصابِ مرتبط با هوش مصنوعی پژوهش می‌کند، به موضوع شناخت مغز انسان پرداخت. او استادیار مهندسی زیستی و جراحی مغز و اعصاب در دانشگاه استنفورد است و مدیریت آزمایشگاه رابط‌های مغزی این دانشگاه را بر عهده دارد.

او درباره دستاوردهای تیم خود گفت: «یکی از موضوعاتی که مدت‌ها روی آن تحقیق می‌کردیم و سرانجام سال گذشته نتیجه‌اش را منتشر ساختیم، نخستین مطالعه‌ای است که ثابت می‌کند با استفاده از ثبت سیگنال‌های درون‌قشری مغز، می‌توان وضعیت بافت مغز را پس از آسیب ارزیابی کرد؛ حتی در شرایطی که هیچ تغییر رفتاری ظاهری در فرد مشاهده نشود. ما مدل بسیار محدودی از سکته مغزی را شبیه‌سازی کردیم که طی آن تنها آسیب عصبی بسیار ناچیزی در مدل حیوانی ایجاد شد. در این آزمایش با اینکه حیوان ظرف چند روز تا یک هفته به‌طور کامل بهبود یافت، اما در داده‌های عصبی و وضعیت کلی سیستم مغزی، تغییراتی پایدار ثبت کردیم که ماندگاری بسیار بیشتری نسبت به شاخص‌های رفتاری داشتند. بنابراین برای نخستین بار شواهدی در دست داریم که نشان می‌دهد خود وضعیت عصبی مغز در مواجهه با آسیب، دچار تغییراتی قابل‌اندازه‌گیری و پایدار می‌شود، حتی اگر تمام معیارهای رفتاری ظاهراً به حالت عادی بازگشته باشند.»

منظور او از این واژه، هرگونه آسیب فیزیکی یا ضایعه بافتی ناشی از سکته و ضربه به بافت مغز است.

در بخش دیگری از این نشست، سام تیلور به بررسی فعالیت‌های شرکت خود در زمینه ارتقای عملکرد ورزشکاران پرداخت.

تیلور در این باره توضیح داد: «ایده اصلی ما این است که ورزشکارانی سالم‌تر، سریع‌تر و قوی‌تر بسازیم. پایش فعال‌سازی عضلانی بخش محوری فعالیت‌های ما را تشکیل می‌دهد. ما همچنین ضربان قلب، وضعیت تنفس و سطح خستگی را می‌سنجیم، اما مهم‌ترین بخش پروژه، تحلیل نقشه‌های حرارتی است که امکان محاسبه شاخص احتمال آسیب‌دیدگی را فراهم می‌سازد. از منظر عملکرد ورزشی، هدف بنیادین ما نمایان کردن پدیده‌های نامرئی درون بدن است. ما تلاش می‌کنیم تصویری بصری از آنچه درون عضلات و اندام‌های ورزشکار رخ می‌دهد به او نشان دهیم تا بتوانیم نتایج عملکردی او را با دقت پیش‌بینی کنیم.»

کری اونیل نیز به ضرورت به‌کارگیری این دستاوردهای علمی در سطح جمعی و ساختار سازمان‌ها اشاره کرد.

او با تشریح این چشم‌انداز گفت: «تمرکز اصلی ما روی این پرسش است که علوم اعصاب چگونه می‌تواند در سازمان‌ها پیاده‌سازی شود. مسئله مورد بررسی من این است که چه زمانی و به چه روشی می‌توانیم این پیشرفت‌های علمی را به سطوح جمعی گسترش دهیم؟ اگر بتوانیم این بینش را در مجموعه‌ای متشکل از ۲۰ هزار نفر یا مثلاً ۸ هزار نفر از اعضای سازمانی مثل آکسفام درک و پیاده کنیم، آیا در مرحله بعد می‌توان آن را در مقیاس یک شهر پیاده کرد؟ آیا می‌توان آن را در سطح یک کشور یا حتی در مقیاس کل تمدن بشری به کار گرفت؟ به باور من اگر این دستاوردها را فراتر از سطح فردی ببینیم، فرصت‌های فوق‌العاده جذابی پیش رویمان گشوده خواهد شد.»

پیوند مغز و هوش مصنوعی

نویوجوکیان در ادامه به چالش‌ها و چشم‌اندازهایی که دانشمندان در مرز مشترک هوش مصنوعی و علوم اعصاب با آن‌ها روبه‌رو هستند، اشاره کرد.

او در پاسخ به این پرسش که آیا این فناوری برای ورود به آزمایش‌های بالینیِ فراتر از کاربردهای پژوهشی ۲۰ سال گذشته در محیط‌های آکادمیک آماده است یا خیر، گفت: «بله، من اکنون در مرحله‌ای هستم که آمادگی دارم یک کارآزمایی بالینی را روی بیماران دچار سکته مغزی آغاز کنم تا درستی یافته‌های به‌دست‌آمده از مدل‌های حیوانی را روی انسان بسنجیم. من بسیار خوش‌بین و مطمئن هستم که این نتایج روی انسان نیز تکرار خواهد شد، چراکه بخش‌های متناظر در قشر حرکتی مغز (موتور کورتکس) میان حیوانات و انسان‌ها شباهت بنیادی دارند. با این حال، تا پیش از اجرای دقیق کارآزمایی بالینی نمی‌توان حکم قطعی داد. من اطمینان دارم اگر با دقت و اصولی پیش برویم، نسل تازه‌ای از تجهیزات پزشکی مجهز به رابط‌های مغز و رایانه توسعه خواهیم داد که نه‌تنها به درمان سکته مغزی، بلکه به مدیریت و بهبود صرع، پارکینسون، آلزایمر و زوال عقل و حتی اختلالات روان‌پزشکی کمک خواهند کرد.»

تیلور نیز جایگاه این دست از پژوهش‌ها را در ورزش‌های حرفه‌ای این‌گونه توصیف کرد:

«ورزش عرصه‌ای از تصمیم‌گیری‌ها در کسری از ثانیه است؛ شما فقط کسری از ثانیه فرصت دارید تصمیم بگیرید توپ را بگیرید، شوت بزنید یا به آن ضربه بزنید. من بر این باورم که برای پر کردن این شکاف، داده‌های فنی باید به بینش‌های ساده، کاربردی و ملموسی تبدیل شوند که برای خود ورزشکار به‌راحتی قابل‌فهم و بهره‌برداری باشد.»

کری اونیل نیز در پاسخ به پرسشی درباره لزوم یا اجبار در به‌کارگیری این ابزارهای تحلیلی در محیط‌های سازمانی توضیح داد:

«افرادی که در پروژه‌های اخیر ما مشارکت کردند، خودشان داوطلبانه این مسیر را انتخاب کردند و هیچ اجباری در کار نبوده است. با این حال فکر می‌کنم به‌مرور زمان و با درک مزایای این فناوری، استقبال از آن بیشتر خواهد شد؛ چراکه تمرکز ما بر این است که بفهمیم انسان‌ها در چه اموری بهترین عملکرد را دارند، در کدام حوزه‌ها می‌درخشند و چگونه می‌توان آن نقاط قوت را تقویت کرد. در مقابل، هوش مصنوعی در چه بخش‌هایی عالی عمل می‌کند؟ آیا می‌توانیم با ترکیب قابلیت‌های انسان و هوش مصنوعی، ساختار سازمان‌ها را متحول کنیم و مجموعه‌هایی با بهره‌وری بسیار بالاتر بسازیم؟ این هم‌افزایی بدون تردید آینده مشاغل را بازتعریف خواهد کرد.»

او تأکید کرد که دستیابی به این هدف، نیازمند تلاشی مستمر و همه‌جانبه است.

اونیل در جمع‌بندی دیدگاه خود گفت: «کنار هم قرار دادن این مؤلفه‌ها بسیار جذاب و کارآمد است، اما عملیاتی کردن آن‌ها لزوماً فرآیند ساده‌ای نیست. در نهایت، همواره نیروی انسانی باید بر اساس داده‌ها تصمیم بگیرد و عمل کند. افراد باید انگیزه بهبود و ارتقای عملکرد داشته باشند؛ بنابراین جمع‌آوری داده‌ها تنها نیمی از مسیر است، اما تبدیل این اطلاعات به مرز تازه‌ای از بهره‌وری و کارایی، چالشی کاملاً متفاوت به شمار می‌رود.»

پیشرفت در کارآزمایی‌های بالینی و مرزهای هوش مصنوعی

نویوجوکیان در تشریح محدودیت‌های فعلی این حوزه و تفاوت ترمیم و ارتقای مغز گفت: «هدف ما در محیط‌های درمانی، ترمیم بافت‌های آسیب‌دیده است. اما در مورد اینکه بتوان مغز یک فرد سالم را به سطحی فراتر ارتقا داد، معتقدم چنین چیزی در آینده نزدیک رخ نخواهد داد؛ چراکه ما در ارزیابی میزان شناخت خود از مغز دچار توهم دانایی و اغراق بسیار زیادی شده‌ایم.»

او یادآور شد که دانشمندان، مهندسان و پزشکان هنوز شناخت بسیار محدودی از عملکرد دقیق و جزئیات مغز انسان دارند.

این پژوهشگر استنفورد افزود: «فناوری‌های کنونی ما هنوز به‌شدت ابتدایی و خام هستند. اگر به الگوریتم‌های فعال در این سیستم‌ها نگاه کنید، عملکردشان به‌سختی از یک رگرسیون خطی ساده بهتر است. شاید برخی سامانه‌ها از شبکه‌های عصبی پیچشی (CNN) یا شبکه‌های عصبی بازگشتی (RNN) استفاده کنند، اما هنوز هیچ ساختار پیچیده و پیشرفته‌ای در کار نیست. سیستم‌های فعلی تازه به مرز کاربردی شدن نزدیک شده‌اند و خروجی آن‌ها هرگز با مهارتی که انسان با دست‌ها، انگشتان یا تکلم طبیعی خود دارد، قابل‌مقایسه نیست. اینکه تصور کنیم به این زودی‌ها ابزارهایی خواهیم ساخت که بهتر و سریع‌تر از انگشتان دست یا کلام انسان عمل کنند، فعلاً در قلمرو داستان‌های علمی‌تخیلی است و گمان نمی‌کنم در طول عمر ما محقق شود.»

سام تیلور نیز بار دیگر بر چشم‌انداز کاربردی این فناوری‌ها تأکید کرد و گفت: «هدف ما ساخت ورزشکارانی سالم‌تر، قوی‌تر و سریع‌تر است تا بتوانند عملکرد درخشان‌تری در زمین بازی داشته باشند؛ به گونه‌ای که زمان کمتری را به دلیل مصدومیت در اتاق‌های درمان سپری کنند و با درخشش در میدان مسابقه، شور و نشاط بیشتری برای هواداران به ارمغان آورند.»

چشم‌انداز همگرایی مغز، بدن و سازمان

در بخش پایانی این گفت‌وگو، سام تیلور به تشریح جزئیات پروژه‌های پایش بلادرنگ عملکردهای ورزشی پرداخت. از سوی دیگر، نویوجوکیان با طرح مباحث دقیق ریاضی تأکید کرد که دانش کنونی هنوز فاصله زیادی با پیاده‌سازی مدل‌های جامع هوش مصنوعی روی مغز انسان دارد. در پایان نیز بحث‌هایی پیرامون نقش حسگرهای پوشیدنی مطرح شد. این مباحث به‌خوبی نشان می‌دهند که دانشمندان علوم اعصاب، مهندسی و مدیریت در چه نقطه‌ای از مرزهای دانش ایستاده‌اند؛ مسیری که در آن هوش مصنوعی در سه لایه به‌هم‌پیوسته شامل مغز زیستی، فیزیولوژی بدن و ساختار سازمان‌ها در حال گسترش است.