هوش مصنوعی؛ از گزافه تا واقعیت

خبرگزاری فارس- گروه غرب از نگاه غرب: هوش مصنوعی در سال های اخیر به نسبت هر زمان دیگری در تاریخ کوتاه خود توجه، پول و استعدادهای بیشتری را به سمت خویش جلب کرده است. اما بخش عمده ای از این هیاهوی ناگهانی نتیجه افسانه ها و سوء برداشت هایی است که افرادی خارج از این حوزه به آن دامن می زنند.
این حوزه طی چندین سال رشد همواره فزاینده ای داشته و بر اساس شاخص های استاندارد، رویکردهای موجود آن هر ساله حدود 1 تا 2 درصد بهبود عملکرد را نشان می دادند. اما در سال 2012 پیشرفتی واقعی در عرصه هوش مصنوعی صورت گرفت. در این سال دانشمند علوم رایانه ای جفری هینتون و همکارانش در دانشگاه تورنتو نشان دادند که الگوریتم های «یادگیری عمیق» می توانند جدیدترین الگوریتم های نسخه رایانه ای را در «چالش ایمیج نت» (که یک مجموعه داده استاندارد محسوب می شود)با حاشیه 10.8 درصد شکست دهند.
همزمان پژوهشگران هوش مصنوعی از ابزارهایی پرقدرت تر از همیشه بهره مند شدند، از جمله محاسبات ابری مقرون به صرفه، پردازشگرهای گرافیکی سریع و ارزان، به اشتراک گذاری داده های یکپارچه از طریق اینترنت و پیشرفت های حاصله در نرم افزارهای منبع باز با کیفیت بالا. یادگیری ماشین و به خصوص یادگیری عمیق  که وامدار این عوامل بودند، هوش مصنوعی را در اختیار خود گرفتند و موجی بزرگ از هیجان را به وجود آوردند. سرمایه گذاران برای تامین سرمایه شرکت های هوش مصنوعی خوش آتیه به صف شدند و دولت ها صدها میلیون دلار را به طرف موسسات تحقیقات هوش مصنوعی سرازیر کردند.
هرچند پیشرفت بیشتر در این حوزه اجتناب ناپذیر است، ولی این پیشرفت ضرورتا به شکل خطی صورت نمی گیرد. با این حال کسانی که بر سر این فناوری ها هیاهو می کنند،  به چند افسانه  اثرگذار چنگ انداخته اند که اولین آنها این تصور است که هوش مصنوعی می تواند هر مشکلی را حل کند.
تقریبا هفته ای نیست که بگذرد و داستان های مهیجی در مورد پیشی گرفتن عملکرد هوش مصنوعی از انسان ها نشنویم: «ماشین های هوشمند  فیزیک کوآنتوم به خودشان یاد می دهند»، «هوش مصنوعی در تشخیص سرطان ریه از انسان ها بهتر عمل می کند.» چنین عناوینی را اغلب با اگر و اماهای زیادی می توان درست دانست. برای مسئله ای کلی مثل «تشخیص سرطان ریه» هوش مصنوعی  با فروکاستن یک وظیفه به یک مسئله تشخیص تصاویر یا طبقه بندی مدارک، صرفا راه حلی را برای انجام و تحویل خاص و ساده سازی شده آن مشکل فراهم می کند.
نکته ای که در این داستان ها به آن اشاره ای نمی شود این است که هوش مصنوعی به معنای واقعی کلمه تصاویر یا زبان را آنگونه که انسان ها درک می کنند درک نمی کند. بلکه الگوریتم ها ترکیب های پنهان و پیچیده ای از مختصاتی را پیدا می کنند که در مجموعه خاصی از تصاویر یا مدارک وجود دارند و آنها را در یک طبقه مشخص (مثل سرطان یا تهدیدات خشونت آمیز) دسته بندی می کنند.  اما ضرورتا نمی توان به چنین طبقه بندی هایی - چه مربوط به تشخیص بیماری یک بیمار باشد و چه اینکه یک نفر را چقدر باید زندانی کرد - همان گونه اعتماد کرد که به تصمیمات گرفته شده توسط انسان ها می توان کرد.
فهمیدن دلیل این اتفاق کار سختی نیست. هر چند سیستم های هوش مصنوعی در وظایفی که اغلب «سطح بالایی از هوش» در آنها دخیل است (مثل بازی شطرنج) از انسان بهتر عمل می کنند، اما در وظایفی که انسان ها با اندکی آموزش یا حتی بدون آموزش می توانند در آن به استادی برسند (مثل درک کردن جوک ها و شوخی ها) حتی  نمی تواننند به گرد پای عملکرد فوق العاده انسان ها برسند. چیزی که آن را «عقل سلیم» می نامیم عملا مجموعه ای عظیم از خرد و دانش تلویحی است؛ همان نتیجه انباشت شده تجربه کردن جهان و یادگیری آن از زمان کودکی. کد گذاری دانش مبتنی بر عقل سلیم و خوراندن آن به سیستم های هوش مصنوعی، چالشی حل ناشدنی است. هر چند هوش مصنوعی همچنان به حل برخی مسائل دشوار ادامه خواهد داد، اما تا انجام دادن بسیاری از وظایفی که حتی کودکان به عنوان بخشی از امور روزمره شان انجام می دهند، راه درازی در پیش دارد.
این ما را به دومین افسانه می رساند که با افسانه اول نیز مرتبط است: اینکه هوش مصنوعی به زودی از هوش انسانی تجاوز خواهد کرد. در سال 2005 ری کورتزویل نویسنده آینده گرای کتاب های پرفروش پیش بینی کرد که در سال 2045 هوش ماشین قطعا قدرتمندتر از مجموع هوش تمام انسان ها روی هم دیگر خواهد شد. اما هرچند کورتزویل فرض را بر این گرفته بود که رشد تصاعدی هوش مصنوعی تقریبا بی کم و کاست ادامه پیدا می کند، ولی احتمال اینکه موانعی بر سر راه آن پیش بیاید بیشتر است.
یکی از موانع موجود، پیچیدگی بسیار زیاد سیستم های هوش مصنوعی است که برای آموزش الگوریتم های یادگیری ماشین از مجموعه داده هایی کلان، باید بر میلیاردها پارامتر اتکا کند. از آنجا که ما تاکنون تعاملات بین تمام این بخش های سیستم را درک نکرده ایم، فهمیدن اینکه برای اجرای یک وظیفه مشخص چگونه می توان این اجزای مختلف را کنار هم قرار داد و با هم مرتبط کرد دشوار است.
یک مانع دیگر کمیاب بودن داده های حاشیه نویسی شده («برچسب زده شده») است که الگوریتم های یادگیری ماشین به آنها متکی هستند. شرکت های بزرگ فناوری مثل گوگل، آمازون، فیس بوک و اپل مالک بخش عمده ای از سودآورترین ترین داده ها هستند و این شرکت ها انگیزه چندانی ندارند که چنین دارایی های ارزشمندی را در دسترس عموم قرار دهند.

افسانه سوم این است که هوش مصنوعی به زودی انسان ها را به موجوداتی زائد تبدیل خواهد کرد. مورخ اسرائیلی یوال نوح حریری در کتاب پر فروش سال 2015 خود «انسان خردمند: تاریخچه فردا» می گوید در  جوامعی که در آنها تمام تصمیم سازی های هوشمند سطوح بالاتر برای سیستم های هوش مصنوعی در نظر گرفته می شود، امکان دارد که بیشتر انسان ها به شهروندانی درجه دو تبدیل شوند. در واقع به احتمال زیاد برخی مشاغل عادی مثل رانندگی کامیون ها طی ده سال آینده توسط هوش مصنوعی از بین خواهد رفت، همینطور بسیاری از مشاغل یقه سفیدها که شامل وظایفی منظم و تکراری هستند.
اما این گرایش ها به این معنی نیست که شاهد بیکاری دسته جمعی خواهیم بود و میلیون ها خانوار مشمول دریافت یک درآمد پایه تضمینی می شوند. مشاغل قدیمی جای خود را به مشاغل جدیدی خواهند داد که هنوز تصور آنها را هم نمی توانیم کنیم. در سال 1980 هیچ کس نمی دانست که به زودی میلیون ها نفر از محل ارزش افزوده  حاصل از اینترنت معیشت خود را تامین خواهند کرد.
تردیدی نیست که مشاغل فردا احتمالا مستلزم سطوح بالاتری از یادگیری ریاضیات و علوم خواهد بود. اما خود هوش مصنوعی ممکن است با فراهم کردن زمینه برای شیوه های جدید و مشارکت گرایانه تر در آموزش قابلیت های ضروری به نسل های آینده، بخشی از راه حل را در خود داشته باشد. مشاغلی که هوش مصنوعی جای آنها را می گیرد، با مشاغل جدیدی جایگزین خواهند شد که هوش مصنوعی انسان ها را برای این مشاغل آموزش می دهد.هیچ قانونی در فناوری یا تاریخ وجود ندارد که بر اساس آن بتوان گفت بشر در آینده به سوی یک بردگی فکری پیش می رود.
البته افسانه های دیگری نیز وجود دارد: مثل اینکه هوش های مصنوعی قدرت زیادی خواهند گرفت و به انسان ها صدمه خواهند زد. اما آنها هرگز قادر به بروز خلاقیتی از نوع خلاقیت انسانی نخواهند شد و هرگز قادر به  برقراری یک زنجیره تصادفی منطقی برای مرتبط کردن روابط علت و معلولی بین آنها نخواهند شد. به اعتقاد من زمان و تحقیقات بیشتر در نهایت بر این افسانه ها نیز خط بطلان خواهند کشید.
روزگار ما دوره هیجان انگیزی برای هوش مصنوعی است. اما خود این نیز دلیل دیگری است بر اینکه باید نسبت به آینده این حوزه از فناوری واقع بین باقی ماند. 

نویسنده: استن متوین (Stan Matwin) استاد علم رایانه ای در دانشگاه دالهاوزی کانادا

منبع: https://b2n.ir/u84494

انتهای پیام.