خلاقیت افزوده
آموزش‌های پیشرفته هوش مصنوعیعلوم شناختیکاربردهای هوش مصنوعی

خلاقیت افزوده : چگونه هوش مصنوعی می‌تواند ابتکار و خلاقیت انسان را سرعت ببخشد؟

    0
    مدت زمان مطالعه: ۵ دقیقه

    در سال ۲۰۱۲، اقتصاددانی به نام رابرت گوردون یک مقاله جنجالی منتشر کرد که در آن استدلال کرد رشد اقتصادی تقریبا به پایان رسیده است و دلیل عمده این مساله این است که ما در دهه‌های اخیر نتوانسته‌ایم موتورهای نوآوری را حفظ کنیم. مطالعه‌ای که در انستیتوی تحقیقات سیاست اقتصادی استنفورد انجام شد نظریه عمومی وی را تأیید کرد. در این مقاله آمده است با وجود اینکه در سال‌های اخیر هزینه بیشتری صرف خلاقیت افزوده و نوآوری شده است اما بازده ما کاملاً ثابت بوده و تغییر چندانی نکرده است. این سرمایه‌گذاری تنها مادی نیست، زیرا تحقیقات نشان می‌دهد تعداد افرادی که امروز در بخش تحقیق و توسعه مشغول به کار هستند نسبت به سال ۱۹۳۰ تقریباً ۲۰ برابر شده است.

    موضوع چیست؟ چرا خلق بسیاری چیزهای جدید تا این اندازه سخت شده است؟ محققان دانشگاه نورث وسترن تلاش کردند در مقاله‌ای به این مسئله پاسخ دهند. آن‌ها می‌گویند بسیاری از ساخته‌های امروز همان چیزی است که به عنوان ترکیب مجدد شناخته می‌شود. در واقع، ۴۰٪ از کل حق ثبت اختراعات موجود در اداره ثبت اختراعات و علائم تجاری آمریکا کارهای جدیدی نیستند، بلکه بیشتر ایده‌های موجود است که با یکدیگر ترکیب شده‌اند.

    کمک مصنوعی

    یافتن راه‌های موثر برای تلفیق ایده‌های موجود، به هیچ وجه آسان نیست. مهم‌ترین دلیل این موضوع افزایش حجم تولید موضوعات منتشر شده است. به عنوان مثال در چند ماه اول بیماری کووید ۱۹ حدود ۲۳۰۰۰ مقاله در مورد این ویروس منتشر شده است که هر ۲۰ روز این تعداد دو برابر می‌شود.

    در این میان جامعه علم داده در کاگل دور هم جمع شدند تا برای تهیه یک مقاله مروری مبتنی بر هوش مصنوعی که می‌تواند حجم عظیمی از مطالب جدید را درک و پردازش کند تلاش کنند. برای این منظور نقاط داده از مقالات جمع آوری شد و در ۱۷ دسته گروه‌بندی شد و مقالات هر گروه لیست شدند. این ممکن است بهترین رویکرد نباشد اما به دلیل محدودیت زمانی است که توسط کووید ۱۹ ایجاد شده قابل قبول است.

    از سوی دیگر محققان کارنگی ملون یک روش جایگزین را ایجاد کردند: این روش مبتنی بر هوش مصنوعی است و برای استخراج حق ثبت اختراع و جستجو در دیتاست‌ها برای یافتن ایده‌هایی که می‌توانند با هم ترکیب شوند و راه‌حل‌های جالبی برای مشکلات خاص ایجاد کنند. سیستم آن‌ها از قیاس استفاده می‌کند، که به اعتقاد آن‌ها نوآوری را سریع‌تر و بسیار ارزان‌تر می‌کند.

    خلاقیت تقویت شده

    آنچه ما شاهد آن هستیم ظهور مفهومی به نام “خلاقیت تقویت شده” است که در آن خلاقیت افزوده هوش مصنوعی به انسان‌ها کمک می‌کند تا سیل عظیمی از اطلاعات را بفهمند. نمونه‌های اولیه، نقش مهمی را که انسان می‌تواند و باید داشته باشد برجسته می‌کند. درواقع می‌تواند در معنا بخشیدن به پیشنهادهایی که توسط هوش مصنوعی ارائه می‌شود کمک‌کننده باشد.

    OpenAI با انتشار ابزاری برای ساخت موسیقی به نام Jukebox در تلاش بود تا این روش را تکرار کند. در حالی که خلاقیت افزوده در این دستاورد از منظر فناوری قابل توجه است، اما بعید به نظر می‌رسد کاروکاسبی نوازندگان را تهدید کند.

    در صنعت غذا هم پروژه‌های مختلفی سعی کرده‌اند از هوش مصنوعی استفاده کنند تا با کاوش دیتاست‌های ترکیبات غذایی، دستورغذایی‌های جدید و دلفریبی تولید کنند. به عنوان مثال، سارا رابینسون محقق گوگل اخیراً سیستم خود را که یک کیک‌کوکی تولید می کند به نمایش گذاشت. محققان Accenture هم نمونه اولیه‌ای از ابزار ایجاد دستورغذایی مشابه را در مرکز خود در دوبلین رونمایی کردند. البته نتایج آن باعث معده درد شد.

    شبیه‌سازی دقیق‌تر

    بیشتر اینگونه رویکردها که از آن صحبت شد از دیتاست‌های عظیمی استفاده می‌کنند که در آن هوش مصنوعی به کاوش و جستجوی اتصالات ثابت و درعین حال استفاده نشده می پردازد. با استفاده از شبکه‌های مولد تخاصمی نسل بعدی مدل‌ها قادر به ارائه ایده‌ها، بدون نیاز به دسترسی به منطق زیربنایی هستند.

    به عنوان مثال، محققان Nvidia و دانشگاه تورنتو اخیراً یک شبکه مولد تخاصمی را به نمایش گذاشتند که آموزش دیده بود تا بازی‌ها را با مشاهده صفحه بازی و اقدامات گیمرها در حین بازی شبیه‌سازی کند. این سیستم می‌توانست بدون اینکه نیازی به دسترسی به منطق بازی داشته باشد بهترین استراتژی‌ها را به راحتی از طریق تماشای بازی بیاموزد.

    محققان می‌گویند: “علاوه بر این، GameGAN می‌تواند اجزای استاتیک و پویا را در یک تصویر جدا کند و باعث می‌شود رفتار مدل برای کارهایی که نیاز به استدلال صریح درباره عناصر پویا دارند، تفسیر پذیرتر و مرتبط‌تر باشد. در نتیجه بسیاری از کارها از جمله ساخت بازی‌های جدید که وجود ندارند انجام‌پذیر می‌شوند.”

    خلاقیت افزوده

    عبور از دره مرگ

    تخمین زده می‌شود که ۹۵٪ از اختراعات ثبت شده مجوز ندارند یا به نوعی تجاری‌سازی نمی‌شوند، حتی در صنایع مختلف مانند تلویزیون و داروسازی، شکست به جای اینکه استثنا باشد یک قاعده است و بهترین پروژه‌ها اغلب راه به جایی نمی‌برند.

    بنابراین جای تعجب نیست که هوش مصنوعی به طور فزاینده‌ای در مراحل بعدی تولید محصول مورد استفاده قرار می‌گیرد تا بتواند ایده‌هایی بیشتر را به بازار عرضه کنند. به عنوان مثال، محققان دانشگاه بریستول نحوه استفاده از هوش مصنوعی را در زمینه‌های مختلف پس از تولید فیلم از جمله رنگ‌آمیزی برجسته می‌کنند.

    به همین ترتیب، فناوری ردیابی چشم و کنترل حرکت به طور فزایندهای در ساخت انیمیشن‌ها به کار گرفته می‌شود. ردیابی چشم حضور رو به رشد خود در فرایندهای دیجیتال از توسعه وب گرفته تا بازاریابی هوش مصنوعی را سرعت می‌بخشد. تجزیه و تحلیل ردیابی چشم با استفاده از هوش مصنوعی، بازاریابان را قادر می‌سازد تا قابلیت مشاهده عناصر طراحی را در طی مراحل توسعه وب سایت یا تبلیغات ارزیابی کنند. علی‌رغم ترس گسترده در مورد جایگزینی هوش مصنوعی با انسان در محل کار، این برنامه و سایر برنامه‌های مشابه تهدیدی برای انسان‌ها نیستند و در روند خلاقیت آنها دخالت نمی‌کنند بلکه آن‌ها را قادر می‌سازند تا تصمیمات موثرتری اتخاد کنند.

    خلاقیت افزوده هوش مصنوعی

    بسیاری از این موارد استفاده از خلاقیت افزوده هوش مصنوعی نشان می‌دهد که این فناوری تا چه اندازه می‌تواند کارایی را افزایش دهد. بنابراین هوش مصنوعی ابزاری است تا با استفاده از آن انسان‌ها بتوانند از دره مرگ که اغلب شکست ایده‌ها در آنجا رخ می‌دهد عبور کنند. یک مثال عالی Cinelytic است. این شرکت مستقر در لس‌آنجلس با اتکا به بر هوش مصنوعی به فیلم‌سازان کمک می‌کند تا تصمیمات مختلف از انتخاب ژانر گرفته تا بازیگران فیلم را که باعث فروش بیشتر فیلم می‌شوند را بهتر اتخاذ کنند.

    همنچنین محققان دانشگاه روچستر دریافته‌اند که چگونه می‌توان با استفاده از خلاقیت افزوده هوش مصنوعی همکاران خود را به طور دقیق‌تری انتخاب کنیم. آنها از این ایده سخن می‌گویند که که شبکه‌های اجتماعی افراد را معمولا بر اساس شباهت‌ها به یکدیگر معرفی می‌کند، اما بهترین نتایج اغلب زمانی حاصل می‌شود که ما افرادی جفت و جور شویم که تکمیل کننده کما باشند نه شبیه ما.

    شرکای ایده آل

    پال داگورتی و جیم ویلسون رهبران Accenture معتقدند که هوش مصنوعی را باید هوش تقویت‌کننده نامید و نه هوش مصنوعی، زیرا بهترین نتیجه هنگامی رخ می‌دهد که افراد و ماشین‌ها مکمل یکدیگر باشند. قانون کسپاروف اهمیت فرآیندهای قوی را در هر فعالیت خلاقانه به ما یادآوری می‌کند و این نکته را خاطرنشان می‌کند که هیچ یک از فناوری های هوشمند نمی‌توانند بر نقاط ضعف انسانی غلبه کنند.

    وینستون چرچیل اظهار نظر مشهوری دارد که می‌گوید هرگز نباید فرصت استفاده از یک بحران را هدر داد. این در حالی است که اتفاق نظر وجود دارد که ما نتوانستیم از بحران مالی ۲۰۰۸ آنطور که باید و شاید استفاده کنیم اما در مورد کووید ۱۹ یک انگیزه اجتماعی در حال رشد وجود دارد که پس از عبور از این بحران جهان به جای بهتری تبدیل شود. مایکل همر ۳۰ سال پیش به تندی این موضوع را به ما گوشزد کرد که فناوری وقتی بهترین نتیجه را به همراه خواهد داشت که همه کارهای ما را انجام ندهد و به جای آن به ما اجازه دهد تا به طور اساسی در مورد این موضوع فکر کنیم که دنیای اطراف ما چگونه ممکن است باشد و یا تبدیل به چه شود؟

    برخلاف بحران سال ۲۰۰۸ اکنون در عصری به سر می‌بریم که هوش مصنوعی می‌تواند کمک قابل‌توجهی به ما بکند. بیماری کووید ۱۹ سختی‌های بسیاری را به وجود آورده است، اما اگر از این اتحاد جمعی که به وجود آمده بهره ببریم و از هوش مصنوعی برای ساخت جامعه بهتر برای همه استفاده کنیم، ادامه راه راحت‌تر خواهد شد.

    به نظر شما هوش مصنوعی برای جلوگیری از شکست ایده‌ها چه کمکی به انسان می‌تواند بکند؟

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید.

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۱ میانگین: ۵]

    تغییر مدل مو به وسیله فضای پنهان شبکه عصبی مولد برای انجام ویرایش‌های معنایی

    مقاله قبلی

    تشخیص سریع سرطان با استفاده از هوش مصنوعی

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *