کاروتک

تکنولوژی و علمی

تلویزیون و سینما

تلویزیون کاروتک

در  دنیایی که همه چیز درحال هوشمند شدن است، آیا ما واقعاً خالق هوش مصنوعی هستیم؟ این سوالاتی است که قصد داریم در این مطلب به آن پاسخ دهیم.

موفقیت در خلق هوش مصنوعی از بزرگ‌ترین رویدادهای تاریخ بشر محسوب می‌شد. اما، ممکن است آخرین مورد نیز باشد، مگر این که یاد بگیریم چگونه از خطرات جانبی آن اجتناب کنیم

-استیون هاوکینگ، فیزیکدان نظری

همه درباره تضاد و تناقض شنیده‌اید؛ این که چگونه هوش مصنوعی به‌طور چشم‌گیری جامعه را در مدت زمان نسبتاً کوتاهی کارآمدتر و توانمندتر می‌کند یا چگونه انسان‌ها به میل چنین ماشین‌هایی به حیوانات خانگی تبدیل می شوند. چگونه آدمیزاد در نهایت توانست به‌ آرمان‌شهرهای رویایی‌اش دست پیدا کند یا چگونه توانستیم در طول تهاجمات ماشینی زنده بمانیم. تصور و قوه تخیل، پاسخی است برای تمامی این سوال‌ها.

آینده دقیق بشریت به تصمیم خود ما بستگی دارد و این موضوع از دوران باستان به انسا ثابت شده است.  با این حال، در دنیایی که به‌سرعت درحال دگرگونی است، تأثیر تصمیمات روزمره ما ظاهراً توانایی بیشتری پیدا کرده است یکی از فناوری‌های محرکی که سلطه و کارآمدی بشتریت را بیش از پیش به جلو می‌برد، هوش مصنوعی بود و این روند همچنان ادامه دارد. با توجه به دستاورهای نفس‌گیر آن در کنار نمایش برجسته‌اش به‌عنوان یک تهدید در رسانه‌ها، تصورات غلط کلیشه‌ای و ناپایداری در صنعت و عموم مردم از آن گسترش یافته است. بیشتر اوقات، مردم تمایل دارند این سوال را بپرسند که ایا هوش مصنوعی پس از عبور از درجه‌ای از هوش بر جامعه انسانی تأثیر مثبتی خواهد داشت یا خیر؟

پاسخ به این سوال منفی است. حداقل فعلاً نمی‌توان به این سوال پاسخ داد، بلکه نامشخص نیست چراکه اطلاعات قابل اعتماد کمی درباره آن وجود دارد. از ان طرف، اختلاف نظرهای گسترده‌ای در مورد این که آیا ساخت چنین مدل هوشمندی امکان‌پذیر است یا خیر و میزان هوشی که یک سیستم می‌تواند دریافت کند، تا چه اندازه است نیز وجود دارد.

با این حال، عدم اطمینان طولانی‌مدت در مورد تأثیر هوش مصنوعی بر جامعه انسانی نباید نقش مؤثر آن را تقریباً در هر جنبه‌ای از بشریت کتمان کند. هوش مصنوعی به‌لطف قدرت محاسباتی جدید ماشین‌ها، ترکیبی از مدل‌های پیچیده ریاضی را با سرعت باورنکردنی به‌ارمغان آورده است. این موضوع به ایجاد مدل‌های یادگیری ماشینی کمک می‌کند که قادر به انجام فعالیت‌های مختلف با کاربردهای مختلف مانند مدل‌های پیش‌بینی، مدل‌های تعیین‌کننده و مدل‌های ترکیب داده‌ها است. در نتیجه، عدم قطعیت نباید فعالیت‌های معاصر هوش مصنوعی را متوقف کند؛ آن هم صرفاً به‌ این دلیل که فقدان شواهد اصلی در مورد نتایج این حوزه احساس می‌شود.

به‌عنوان مثال، یادگیری تقویتی یا reinforcement learning، یکی از پیشرفته‌ترین مدل‌های یادگیری ماشین، کاربردهای مدرن بی‌شماری در زمینه‌های مختلف از اقتصاد تا پزشکی را به‌خود اختصاص داده است. یادگیری تقویتی از کاوش در محیط به منظور جمع‌آوری داده ها در مورد وضعیت و رفتارهای همبسته استفاده می‌کند و از طریق تکرار و جریمه، قادر است رفتارهایی را فرموله کند که به بیشترین مقدار پاداش منجر شود. این را می‌توان برای ایجاد الگوریتم‌های معاملاتی که از طریق شبیه‌سازی انتخاب‌های رفتاری ایده‌آل برای به‌دست آوردن بیشترین ارزش پولی تعیین می‌شود، اعمال کرد. کاربردهای دیگر آن شامل شناسایی بیماری‌های مختلف، بهینه‌سازی مسیر، مسیریابی پویا، تحلیل خط‌مشی و برنامه‌ریزی حرکت در میان تفاسیر مختلف دیگر است که توسط تخیل برنامه‌نویس محدود شده‌اند.

یکی دیگر از مدل‌های یادگیری ماشینی پیشرفته، GAN است. GAN مخفف عبارت Generative Adversarial Networks است که کاربردهای بسیار خوبی را در صنعت دربرمی‌گیرد. این مدل از طریق یک بردار ورودی تصادفی که در یک مدل ژنراتور درج می‌شود، کار می‌کند. براساس این بردار ورودی (به ویژه گاوسی چند متغیره)، مدل مولد یک تصویر جعلی ایجاد می‌کند و از طریق نمونه‌های داده‌های جمع‌آوری‌شده در زندگی واقعی، تصاویر جعلی و تصاویر واقعی را در یک مدل تفکیک‌کننده قرار می‌دهد. سپس مدل تفکیک‌کننده سعی می‌کند تصاویر جعلی و واقعی را به‌دقت تعیین کند. این منجر به طبقه‌بندی باینری برای مجموعه‌ای از تصاویر جعلی و واقعی می‌شود. هر دو مدل مولد تلاش می‌کنند تا خود را براساس دقت یا موفقیت اصلاح کنند. بنابراین، از طریق خود بهبوپد‌بخشی ناشی از رقابت بین این مدل‌‌ها، مدل مولد یاد می‌گیرد که تصاویر واقعی‌ را خلق کند، درحالی که مدل متمایز یاد می‌گیرد که جزئیات جزئی را بین مجموعه‌های تصاویر شناسایی کند. چندین مدل پیچیده را می‌توان به عنوان یک رقابت بین دو مدل یادگیری ماشین توصیف کرد. GANها به ایجاد تصاویر، ویدیوهای فوق واقعی همراه با سایر فرمت‌های رسانه (به‌ویژه صدا و متن) کمک می‌کنند.

اگرچه مدل‌های نمونه ذکر شده در بالا بسیار قدرتمند هستند و در سرفصل‌های اصلی در زمینه یادگیری ماشین قرار دارند، اما از ماشین‌های انسان‌نما که می‌توانند جامعه مدرن را نابود کنند، فرسنگ‌ها فاصله دارند. وضعیت فعلی یادگیری ماشین به نام ANI یا هوش مصنوعی باریک شناخته می‌شود. به عنوان مرجع، انسان‌ها با هوش عمومی مصنوعی قابل مقایسه هستند. ANIها قادر به تسلط بر وظایف محدود با معیارهای نسبتاً خاص هستند. هنگامی که به محیط‌های وسیع‌تر و بدون آموزش لازم داده می‌شوند، مدل‌ها سعی می‌کنند از هوشمندی استفادده کنند که در شرایط فعلی قابل اجرا نیست. به‌عنوان مثال، هوش مصنوعی که می‌تواند شطرنج بازی کند، بدون آموزش نمی‌تواند بازی X/O را یاد بگیرد و این تفاوتی کلیدی میان ما انسان‌ها و هوش مصنوعی است. در مجموع‌ می‌توانیم بگوییم که هوش مصنوعی هنوز قادر به استفاده از دانش عمومی برای به‌دست آوردن دانش محدود نیست.

بسیاری براین باورند که توسعه هوش مصنوعی باید به‌شیوه‌ای ساختارمندتر ادامه یابد. به گفته کارشناسان، اگر بتوان چندین هوش عمومی ایجاد کرد، ممکن است از طریق یادگیری‌های مکرر به هوش مافوق انسانی دست یافت. با این حال، مزایای هوش مصنوعی می‌تواند نتیجه‌های مخربی را نیز به‌همراه داشته باشد و به‌همین سبب، باید بر توسعه هوش مصنوعی نظارت کرد. به عبارتی دیگر، باید قوانین رسمی‌ وضع شود که در آن پیشرفت‌های هوش مصنوعی به‌شیوه‌ای مستند انجام شود تا در صورت وقوع چندین رویداد ویرانگر، زمان پاسخ‌دهی سریع‌تری برای ما فراهم شود. این ساختار می‌تواند تحقیقات و توسعه‌های سازمان‌یافته‌تری را همراه با ارتباطات بیشتر بین رهبران بینم‌المللی در هوش مصنوعی فراهم کند.

در طول تاریخ، بشریت همیشه از چیزهای ناشناخته پارانوئید بوده و ترس‌هایی داشته داشته است. چند دهه پیش، چنین سناریوی همگنی با انرژی هسته‌ای رخ داد. اگرچه حوزه انرژی هسته‌ای هنوز به اعماق شدید کاوش نرسیده، اما در مقایسه با هوش مصنوعی موضوع فرعی‌تری محسوب می‌شود. ما از ابهامات مربوط به تأثیر انسانی آن و خطراتی که برای مناطق اطراف ایجاد می‌کرد، ترسیده بودیم، بدون این که درباره آن اطلاعات زیادی داشته باشیم. با این حال، ما هیچوقت نمی‌توانستیم بدون وجود انرژی هسته‌ای، به اعماق فیزیک برویم و حتی ۱۰ درصد از برق مصرفی جهان را تهیه کنیم. مثال دیگر، انقلاب صنعتی است. در آن زمان تصور می شد که این ماشین‌ها بیکاری را افزایش می‌دهند، اما در عوض منجر به توسعه بی‌رویه و افزایش اشتغال شد. انقلاب صنعتی منجر به گرم شدن کره زمین شد و انرژی هسته‌ای چندین تلفات را به‌همراه داشت. با این حال، در مقایسه با تأثیر مثبت آن، احساسی در ما به‌وجود آمده که نمی‌توانیم فرصت باورنکردنی که هوش مصنوعی در اختیار قرار می‌دهد، نادیده بگیریم.

مانند تمامی کلیشه‌های بشریت، تنها راه برای تبدیل شدن به شهروندان آگاه‌تر، نگاه کردن به‌جنبه‌های مختلف ماجرا است. به‌جای پذیرش ادعاها و نظریات در رسانه‌ها، سعی کنید از طریق نظرات متخصص، تحقیقات پیشرفته یا منابع معتبر، خود را مطلع کنید. به‌ورودی‌های آینده هوش مصنوعی و پیشنهادات مربوطه در مورد چگونگی ادامه توسعه در صنعت نگاهی بیاندازید. با دیدن جنبه‌های مختلف این داستان به‌عنوان یک خواننده، درک بهتری از جایی که آینده بشریت نهفته است، به دست می‌آورید و می‌توانید تصمیمات آگاهانه‌ای برای خود بگیرید.

در مورد آینده هوش مصنوعی، بسیار مهم است که تصمیمی زودهنگام بگیریم تا این که بلاتکلیف بمانیم. اگر بشریت به قدم زدن در چندین مسیر متضاد ادامه دهد، تنها نتیجه قابل تصور، اَشکال مختلف درگیری است.  بنابراین، صرف نظر از این که بشریت مخالفت یا ایستادگی با هوش مصنوعی را انتخاب کند، بسیار مهم است که ما به این تصمیم پایبند باشیم، تا حداقل شانسی برای تأثیر سازنده داشته باشیم.