تأثیرات هوش مصنوعی بر دنیای واقعی
تیم تحریریه- ۱۸ خرداد ۱۴۰۱
هوش مصنوعی، داغ‌ترین فناوری این روزها، همزمانی که مورد ستایش قرار می‌گیرد، عامل اضطراب دولت‌ها و کسب‌وکارها شده است و به همین دلیل می‌توان گفت تأثیرات هوش مصنوعی بر دنیای اطراف فراوان است. با گذشت شش سال از پیروزی AlphaGo مقابل قهرمان بازی Go، مقالات پژوهشی بی‌شماری به برتری هوش مصنوعی نسبت به انسان‌ها در مسائل گوناگون پرداخته‌اند. نظرسنجی‌ها نیز حاکی از کاربرد روزافزون این فناوری بوده‌اند؛ اما پرسش اصلی، اثرگذاری این فناوری بر کسب‌وکارها و تأثیرات هوش مصنوعی بر دنیای واقعی است.
بر اساس گزارش سالانه AI Index، در سال 2021، هوش مصنوعی از یک فناوری نوظهور به فناوری بالغی تبدیل شد که اثرات مثبت و منفی بر دنیای واقعی می‌گذارد. گزارش مذکور بر اساس چندین معیار، از جمله سرمایه‌گذاری بخش خصوصی، تعداد درخواستهای ثبت اختراع و شمار لایحه‌های مربوط به هوش مصنوعی که به تصویب رسیده‌اند، اثر روزافزون هوش مصنوعی را اندازه گرفته است.
با این حال، در این گزارش، هیچ ردپایی از «تأثیرات هوش مصنوعی بر دنیای واقعی»، به معنای کاربردهای موفقیت‌آمیز، بلندمدت و چشمگیر هوش مصنوعی، دیده نمی‌شود و هیچ تعریفی از هوش مصنوعی ارائه نشده است.
حتی جلد اول گزارش (2017) نیز تعریفی از اصل محتوا ارائه نمی‌دهد. صرفاً هدف گزارش بدین قرار توصیف شده است: «حوزه هوش مصنوعی با سرعت در حال رشد است و حتی متخصصان هم به‌سختی می‌توانند پابه‌پای این سرعت حرکت کنند. اگر داده‌های لازم برای درک وضعیت و جایگاه هوش مصنوعی را نداشته باشیم، در این حوزه کورکورانه عمل خواهیم کرد.» آنچه باید در نظر داشت این است که جمع‌آوری داده در مورد چیزی که تعریف نشده است، مصداق بارز «کورکورانه عمل کردن» است.
مطالعه در مورد هوش مصنوعی
گزارش AI100 یا «پروژه صد سال مطالعه در مورد هوش مصنوعی» در سال 2016، در دانشگاه استنفورد راه‌اندازی شد. در بخش اول گزارش، به پرسش «هوش مصنوعی چیست» اشاره می‌شود؛ اما در پاسخ، تعریفی قدیمی و تکراری ارائه می‌شود: «هوش مصنوعی همان چیزی است که ماشین‌ها را هوشمند می‌کند و قابلیتی است که امکان کارکرد و پیش‌بینی را برای آن‌ها فراهم می‌آورد.»
بر اساس این تعریف، اولین کامپیوترها را که تحت عنوان «مغزهای غول‌پیکر» خوانده می‌شدند، نیز می‌توان هوشمند دانست، چون تأثیرات هوش مصنوعی بر آن‌ها باعث شبیه‌سازی دقیقشان شده بود و در واقع در انجام محاسبات، سرعت‌شان از انسان‌ها بیشتر بود. AI100 توضیح می‌دهد: «با اینکه تعریف گسترده ما رایانش‌گرها را در طیف ماشین‌های هوشمند قرار می‌دهد، در حال حاضر، هوش مصنوعی به قدری پیشرفت کرده است که کارکردهای رایانش‌گرها دیگر تنها یکی از میلیون‌ها قابلیت گوشی‌های هوشمند امروزی به شمار می‌روند.» بنابراین، هر کاری که کامپیوترها می‌توانستند در گذشته انجام دهند یا در حال حاضر انجام می‌دهند، طبق مطالعه در مورد هوش مصنوعی، زیر چتر این فناوری جای می‌گیرد.
این پژوهش یک تعریف عملیاتی نیز ارائه می‌دهد که بر اساس آن، هوش مصنوعی را معادل آنچه پژوهشگران هوش مصنوعی انجام می‌دهند، می‌داند. احتمالاً به همین دلیل است که گزارش امسال AI Index «تأثیرات هوش مصنوعی بر دنیای واقعی» و «پیشرفت» را نیز همچون سایر شاخص‌ها، بر اساس تعداد مقالات هوش مصنوعی و دفعات استناد به آن‌ها اندازه گرفته است.
از تعریفات تکراری که بگذریم، پژوهش مذکور اوضاع برخاسته از معرفی اولیه هوش مصنوعی در سال 1955 را به‌خوبی توصیف می‌کند. مطالعه در مورد هوش مصنوعی نشان می‌دهد که: «عوامل متعددی، محرک انقلاب هوش مصنوعی بودند. مهم‌ترین‌شان شاید بلوغ فناوری یادگیری ماشینی باشد که بخشی به خاطر منابع رایانش ابری و بخشی دیگر به خاطر جمع‌آوری گسترده و شبکه‌ای داده، میسر شده بود. از آن زمان به بعد، یادگیری ماشینی با شدت به سمت یادگیری عمیق سوق داده شد؛ یادگیری عمیق نوعی از شبکه‌های عصبی انطباقی هستند که با استفاده از روشی به نام پس‌انتشار آموزش می‌بینند.»
یادگیری ماشین و هوش مصنوعی
در خصوص یادگیری ماشین و هوش مصنوعی باید گفت یادگیری ماشینی به معنای آموزش مسائل طبقه‌بندی داده و پیش‌بینی به کامپیوترهاست. یادگیری ماشینی امروزی از زمان انقلابی که در سال 2012، در حوزه طبقه‌بندی تصویر رخ داد، مبنای هوش مصنوعی را شکل می‌دهد. در واقع، مطالعه در مورد هوش مصنوعی گویای آن است که هوش مصنوعی با تکیه بر داده‌ها یاد می‌گیرد. در سال 1955، هوش مصنوعی بر اساس این مفروضه بنا شده بود: «همه ویژگی‌های هوش، از جمله یادگیری را می‌توان آنقدر با جزئیات توصیف کرد که ماشین‌ها بتوانند شبیه‌سازی‌شان کنند.» در هر حال، این چشم‌انداز کلی تاکنون به صورت معنادار و پایدار به واقعیت نپیوسته و «تأثیرات هوش مصنوعی بر دنیای واقعی» را از خود نشان نداده است.
یکی از مشکلات جدی چشم‌انداز مذکور در خصوص یادگیری ماشین و هوش مصنوعی این بود که گمان می‌کرد در آینده‌ای نزدیک، ماشینی با توانایی‌های انسانی (یا حتی فراانسانی) به وجود خواهد آمد؛ این پیش‌بینی هر از چندگاهی از سوی دانشمندی برجسته، تورینگ، مینسکی یا هاوکینگ، تکرار می‌شد. تمایل عجیب انسان‌ها به قرارگیری در نقش «خالق» با مفروضه‌های قدیمی در مورد هوش مصنوعی گره خورده و موجب سردرگمی عرصه هوش مصنوعی شده است. اگر تعریف دقیقی از هوش مصنوعی داشتیم، با چالش‌هایی در مورد یادگیری ماشین و هوش مصنوعی یا تأثیرات هوش مصنوعی که از همه ابعاد انسانی برگرفته است، روبه‌رو نمی‌‌شدیم.
روش‌های جدید تحلیل داده (پس‌انتشار)، استفاده از سخت‌افزارهای تخصصی مناسب برای انواع محاسبات (GPUها) و از همه مهم‌تر، دسترسی‌پذیری بالای حجم زیادی داده (به صورت نشانه‌گذاری شده و طبقه‌بندی‌شده) به انقلاب امروزی هوش مصنوعی منتهی شده‌اند. این انقلاب را می‌توان پیامد «پیروزی تحلیل آماری» دانست، یعنی حاصل تکامل 60 ساله کاربرد تحلیل‌های آماری پیچیده در انواع تصمیمات، اقدامات و معاملات کاری. این حوزه علمی را «استخراج داده» و «تحلیل پیش‌بین» خوانده‌اند و جدیدترین نامی که به آن داده‌اند، «علوم داده» است.
سال گذشته، نظرسنجی از 30,000 تأسیسات تولیدی آمریکا نشان داد بهره‌وری در میان نیروگاه‌هایی که از تحلیل پیش‌بین استفاده می‌کنند، به مقدار چشمگیری بیشتر است. بنابراین، به نظر می‌رسد اگر هوش مصنوعی را به‌درستی تعریف کنیم، می‌توانیم «تأثیرات هوش مصنوعی بر دنیای واقعی» را اندازه بگیریم و تعیین کنیم. در حقیقت، هوش مصنوعی از روی داده‌ها یاد می‌گیرد. پس کاربرد موفقیت‌آمیز و قابل اندازه‌گیری کسب‌وکارها از داده‌ها برای یادگیری را می‌توان همان «هوش مصنوعی کاربردی» نامید.
جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید
