Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
 اصلاً چرا حتی تلاش کنیم وقتی هوش مصنوعی داریم؟

حالا که ماشین‌ها می‌توانند به‌جای ما فکر کنند:

اصلاً چرا حتی تلاش کنیم وقتی هوش مصنوعی داریم؟

زمان مطالعه: 7 دقیقه

وسایل ساختنی مانند لگو، در لایه ظاهری صرفاً اسباب‌بازی و وسیله سرگرمی کودکان به نظر می‌آیند؛ اما در نگاهی متفاوت می‌توان آن‌ها دریچه‌ای به تجربه‌ای خاص برای همه افراد دید. تجربه‌ای که شامل حلقه‌ای از امتحان‌کردن، شکست‌خوردن، اصلاح و دوباره امتحان‌کردن است؛ چیزی که شاید بتوان آن را شبیه به شیوه آموزش و یادگیری مدل‌های هوش مصنوعی دانست.

به نقل از The New Yorker این رفتار نوع خاصی از تکرار پر تلاش است. در بخش‌های زیادی از زندگی‌مان، خودمان را تکرار می‌کنیم تا کاری را بهینه یا کامل کنیم. این نوع تکرار، تعقیب خستگی‌ناپذیر یک ایده‌آل است. اما نوع دیگری از تکرار هم وجود دارد؛ نوعی که حلقه‌های تکرار را با تنوع ترکیب می‌کند تا امکان کشف و تجربه فراهم شود. این نوع فعالیت ما را به تغییر رویکردی وادار می‌کند که با گذر زمان منابع درونی ما را غنی‌تر می‌کند. اگر هر هفته یک نوع غذا درست می‌کنید، لازم نیست هر بار دستورپخت ثابتی را دنبال کنید؛ می‌توانید نحوه ترکیب مواد را به طور بی‌پایان تنظیم کنید، شهود خود را به‌عنوان آشپز توسعه دهید و به دفترچه ذهنی دستور پخت خود صفحات جدیدی اضافه کنید. وقتی یک قطعه موسیقی را بارها تمرین می‌کنید، می‌توانید اجرا را متنوع کنید و رنگ‌ها و احساسات جدیدی خلق کنید. وقتی یک منظره را چندین دفعه نقاشی می‌کنید و دوباره نقاشی می‌کنید، می‌توانید ببینید که تغییرات نور فرصت‌های زیبایی‌شناختی جدید و جنبه‌های تازه‌ای از طبیعت را از دید شما آشکار می‌کند. در همه این موارد، تکرار به یک نقطه پایانی ثابت یا به‌اصطلاح افلاطونی منتهی نمی‌شود؛ بلکه به مجموعه‌ای در حال گسترش از احتمالات کمک می‌کند که بازتاب‌دهنده رشد آگاهی شماست.

تکامل از طریق «فضای طراحی»

دلایل عملی هم برای درگیرشدن در چنین فعالیت‌هایی وجود دارد. روشن است که می‌توان با هر تکرار یاد گرفت که مسیرهای مختلفی برای موفقیت وجود دارد. بعد از سال‌ها تجربه آشپزی، می‌توانید هر چیزی که در آشپزخانه دارید را به غذایی لذیذ تبدیل کنید. در چنین شرایطی شما در واقع چیزی که مهندس‌ها «فضای طراحی» (design space) می‌نامند را به کار گرفته‌اید؛ یعنی مجموعه‌ای از احتمالات پیروزی‌بخش که در ذات تلاش شما نهفته است. به‌طورکلی، این یک روش کار تکاملی است. در تکامل به‌وسیله انتخاب طبیعی، هر نسل جدید تقریباً مشابه نسل قبلی است، اما با تغییرات ظریفی که وقتی محیط تغییر می‌کند، می‌تواند ارزشمند باشد. چون محیط همیشه در حال تغییر است، هیچ گونه‌ای هرگز نمی‌تواند به کمال برسد؛ در عوض، این تنوع است که بقا را تضمین می‌کند.

زندگی؛ دایره‌ای کسالت‌بار یا سفری مارپیچی؟

چیزی مشابه در زندگی فردی ما نیز ممکن است صادق باشد. ما به سمت فعالیت‌هایی کشیده می‌شویم که رشد ما را از طریق تلاش و تکرار امکان‌پذیر می‌کنند؛ زیرا می‌خواهیم به‌عنوان انسان تکامل یابیم. زندگی عمدتاً تکراری است. بیدارشدن، خوردن، کارکردن، خوابیدن و تکرار این روند و هر روز می‌تواند مثل یک دایره کسالت‌بار به نظر برسد. اما تکرار همراه با تنوع چیزی است که مرزهای ما را گسترش می‌دهد و روزهای دایره‌ای ما را به سفرهای مارپیچی تبدیل می‌کند. «ولادیمیر ناباکوف» (Vladimir Nabokov) در کتاب «حرف بزن، خاطره» (Speak, Memory) می‌نویسد: «مارپیچ، دایره‌ای روحانی شده است. در شکل مارپیچی، دایره که حالا از بند رها شده دیگر شرور نیست و آزاد شده است.» این نوع بودن که حتی برایش نامی نداریم، بخشی از چیزی است که باعث می‌شود احساس کنیم واقعاً زندگی می‌کنیم، نه این که صرفاً فقط یک سری کارهای روزمره را انجام می‌دهیم.

وسوسه‌ی واگذاری تلاش به هوش مصنوعی

ما آن‌قدر به امتحان‌کردن خودمان عادت کرده‌ایم که تصور توقف عجیب به نظر می‌رسد. بااین‌حال، هر روز بیش‌ازپیش معلوم می‌شود که هوش مصنوعی می‌تواند ما را از قید تلاش‌های مداوم رها کند. سیستم‌های هوش مصنوعی انجام کارها را به طور عجیبی آسان می‌کنند. این فناوری هنوز درحال‌توسعه است، اما همین حالا هم هوش مصنوعی می‌تواند بر اساس عکس محتویات یخچال یک دستور غذای سفارشی ارائه کند. مدل‌های هوش مصنوعی تولید آهنگ می‌توانند بارهاوبارها نسخه‌های متفاوتی از یک ملودی جدید بسازند و مدل‌های مولد تصویر می‌توانند یک تصویر را به تعداد بی‌نهایت ویرایش کنند. آیا اکتشاف خودکار جایگزین خوبی برای معادل اصلی و انسانی آن است؟ آیا این ایجاد تنوع همان خلاقیت انسانی است؟ این پرسش‌ها مهم‌اند؛ زیرا با قدرتمندتر شدن هوش مصنوعی، ما بیشتر و بیشتر وسوسه می‌شویم که حتی پیش از شروع تسلیم شویم و بگذاریم او کارها را برای ما انجام دهد. مردم با سرعت‌های متفاوتی هوش مصنوعی می‌پذیرند و تاکنون فقط برخی از ما این وسوسه را تجربه کرده‌ایم. باور کنید: کم‌کم خودش را نشان می‌دهد.

دردِ «فکر کردن» و آسایشِ «انتخاب کردن»

تفکر به تلاش نیاز دارد. ۳ روان‌شناس در سال ۲۰۲۴ در مقاله‌ای با عنوان «The Unpleasantness of Thinking: A Meta-Analytic Review of the Association Between Mental Effort and Negative Affect» ۱۷۰ مطالعه در ۲۹ کشور را بررسی کردند و نتیجه گرفتند که برای تقریباً همه افراد در همه‌جا، «تلاش ذهنی ذاتاً آزاردهنده است»؛ یعنی سرگرم‌کننده نیست. می‌توان افزود که انجام دوباره تلاش ذهنی حتی کمتر سرگرم‌کننده است. وقتی ایمیلی نوشته‌اید یا اپلیکیشنی کدنویسی کرده‌اید، آخرین چیزی که می‌خواهید بازنویسی آن است. در مقابل، یک هوش مصنوعی نمی‌تواند ناراحتی شناختی (یا هیچ‌چیز دیگری) را حس کند؛ اگر از آن بخواهید کارش را دوباره انجام دهد، نه‌تنها فوری و مکرراً انجام می‌دهد؛ بلکه هرگز خسته هم نمی‌شود. حتی می‌توان گفت که فقط یک بار دستوردادن به هوش مصنوعی برای انجام یک کار، هدردادن منابع است؛ مثل مسافری که از توانایی لوکوموتیو در حمل فقط چند نفر و چند چمدان شگفت‌زده می‌شود، اما متوجه نیست که همان قطار می‌تواند چندین تُن زغال‌سنگ و فولاد را هم حمل کند. هوش مصنوعی می‌تواند حجم زیادی از بار شناختی را حمل کند و در نتیجه کل چرخه دردناک تلاش، شکست، اصلاح، قضاوت و دوباره انجام‌دادن می‌تواند با چیزی ساده‌تر جایگزین شود؛ یعنی انتخاب مناسب‌ترین نتیجه از میان مجموعه‌ای از نتایج.

شمشیر دو لبه تنبلی و کارآمدی

در قلمرو فیزیکی، با هزینه‌های تنبلی آشنا هستیم. اگر همیشه با ماشین بروید و هیچ‌وقت پیاده نروید، اگر به‌جای ورزش‌کردن سریال ببینید، اگر به‌جای پیاده‌روی در طبیعت، در بازی‌های ویدئویی غرق شوید؛ بی‌حال، ناتوان و انعطاف‌ناپذیر می‌شوید. کمتر تمایل دارید از تپه بالا بروید و بیشتر احتمال دارد هنگام افتادن از روی پله‌ها دستتان از نرده جدا شود. همه این‌ها را می‌دانیم، اما باز هم تنبلی می‌کنیم؛ زیرا فناوری‌هایی که فعالیت فیزیکی را کاهش می‌دهند، مزایای عملی زیادی دارند. در قلمرو شناختی، هوش مصنوعی نیز دو لبه دارد. همان فناوری که به ما اجازه می‌دهد کار ناخوشایند فکرکردن برای خود را دور بزنیم، می‌تواند به ما کمک کند ایمیل‌های تکراری را خودکار کنیم و داروهای جدید را کشف کنیم. کارهایی که روزها طول می‌کشید، می‌تواند در چند دقیقه انجام شود، مسائل می‌توانند فوراً تحلیل شوند و موضوعات گیج‌کننده از طریق گفت‌وگو قابل‌درک شوند. ممکن است استفاده از این فرصت‌ها بدون آن که تمایل به بالارفتن از تپه‌های ذهنی با توان خودمان را از دست بدهیم؛ سخت باشد.

باشگاه بدنسازی برای ذهن

باشگاه ورزشی یک مدل برای تلاش ذهنی در عصر هوش مصنوعی ارائه می‌دهد. شاید روزی به این نتیجه برسیم که فکرکردن برای خودمان یک شکل اختیاری و به‌نوعی تفریحی از خودبهبودی است، کاری که انتخاب می‌کنیم انجام دهیم چون می‌خواهیم ذهنمان را قوی‌تر کنیم. اما باشگاه رفتن هم مزایا و معایبی دارد. برای افرادی که واقعاً متعهدند می‌تواند دروازه‌ای به‌سوی تناسب‌اندام باز کند؛ اما درعین‌حال به‌اصطلاح «پهلوان‌پنبه» (weekend warrior) هم می‌سازد. درشت‌هیکل‌های عضلانی که می‌توانند وزن خود را پرس سینه بزنند؛ اما موقع برداشتن چیز از زمین کمرشان آسیب می‌بیند. رفتن به باشگاه ذهنی هم ممکن است برخی از عضلات ذهنی را بدون تمرین رها کند. شاید انجام کارهای ذهنی به‌خصوص ناخوشایند مزایایی داشته باشند که ما بیش از حد از آن‌ها غافل می‌شویم؛ مثل پرورش صبر، مهار خشم، توجه به جزئیات، تعادل میان خوش‌بینی و بدبینی.

پارادوکس کارآمدی و ضعف شناختی

یکی از پارادوکس‌هایی که اتوماسیون فیزیکی ایجاد می‌کند این است که افراد می‌توانند هم‌زمان از نظر جسمانی کارآمد و ضعیف باشند. حتی اگر وضعیت جسمانی خوبی نداشته باشید، می‌توانید به‌راحتی صد کیلو بار را در ماشین خود حمل کنید. به همین ترتیب، اگر هوش مصنوعی همان قدر کارآمد باشد که بسیاری از پژوهشگران پیش‌بینی می‌کنند، افرادی که از آن خوب استفاده می‌کنند ممکن است بتوانند محصولات فکری مؤثر از جمله گزارش‌ها، آزمایش‌ها، استراتژی‌های کسب‌وکار و… تولید کنند بدون اینکه خودشان کاری ذهنی خیلی ویژه‌ای انجام دهند. در چنین آینده‌ای، چگونه باید توانایی ذهنی خود را بسنجیم؟ افرادی که واقعاً به تناسب‌اندام خود اهمیت می‌دهند، روش‌های مختلفی برای پیگیری عملکرد خود دارند؛ از حسگر ضربان قلب استفاده می‌کنند، یا تلاش می‌کنند زمان ماراتن خود را کاهش دهند، یا چالش‌های جدیدی انجام می‌دهند که نقاط ضعفشان را آشکار کند. ما عادت نداریم سطح درگیری ذهنی خود را به این شکل بررسی کنیم اما شاید لازم باشد شروع کنیم.

داستان دو آشپز؛ تفاوت بین یادگیری و مصرف‌گرایی

درعین‌حال، بعد درونی نیز در انجام کارهای ذهنی برای خودمان یا تصمیم به انجام‌ندادن آن‌ها وجود دارد. همان‌طور که تلاش فیزیکی، بدن ما را بازسازی می‌کند؛ تلاش ذهنی نیز ذهن ما و بنابراین هویت و خود ما را شکل می‌دهد. دو آشپز را در نظر بگیرید. یکی به روش سنتی پیش می‌رود، با سال‌ها آزمون‌وخطا یاد می‌گیرد چگونه آشپزی کند و از طریق مهارت در درک دستورهای جداگانه به درک کلی و شهودی از ترکیب مواد و تکنیک‌ها می‌رسد. آشپز دیگری از هوش مصنوعی استفاده می‌کند تا دستورها را یکی‌یکی تولید کند، اغلب بر اساس هر چیزی که به فروش برسد یا در یخچال موجود باشد. هوش مصنوعی می‌تواند این کار را موفق انجام دهد؛ زیرا درست مانند آشپز اول، با تعداد زیادی دستور آشپزی مواجه شده و از آن‌ها برای کسب شهود در آشپزی استفاده کرده است و از طریق فرایند آموزش، از جزئیات به کلیات رسیده است. در مقابل، آشپز دوم هرگز نیازی به پرورش آن شهود ندارد؛ او در سطح دستورهای جداگانه باقی می‌ماند. از بین سه آشپز (آشپز اول، آشپز دوم و هوش مصنوعی) او کمترین آموزش را دیده است.

آیا این به این معناست که آشپز دوم به‌عنوان یک فرد با آشپز اول متفاوت است؟ مطمئناً ذهن، توانایی‌ها و داستان او متفاوت است. نحوه اتخاذ تصمیماتش متفاوت است. وقتی یک آشپز ماهر غذایی بر اساس دستوری که بعد از یک عمر آشپزی برایش ارزشمند است آماده می‌کند، با وقتی که کسی از دستور انتخاب شده توسط هوش مصنوعی استفاده می‌کند فرق دارد و می‌توان گفت تا حدی، شخصیت او هم متفاوت است. آشپز دوم ممکن است شام خوبی تهیه کند، اما کسی نیست که تلاش کرده باشد آشپزی یاد بگیرد، شکست خورده و در نهایت موفق شده باشد. او واقعاً زندگی را به‌عنوان یک آشپز تجربه نکرده؛ فقط حرکات را انجام می‌دهد.

اندیشمند یا مصرف‌کننده؟ دوراهی انسان مدرن

فرض کنید تفاوت‌های بین این دو آشپز در حوزه‌های زیادی از کار فکری تکرار شود. تصور کنید، به‌عنوان یک مثال افراطی، دو فرد که یکی سعی می‌کند مسائل را خودش حل کند و دیگری اغلب از کمک هوش مصنوعی هنگام نیاز به کار ذهنی استفاده می‌کند. آن‌ها افراد کاملاً متفاوتی خواهند بود. یکی اندیشمند، دیگری مصرف‌کننده خواهد بود. یکی ذهنی شکل‌گرفته از یادگیری دارد؛ دیگری ذهنی شکل‌گرفته از ترجیحات. یکی مجموعه‌ای وسیع از مهارت‌های درونی، قابل‌تطبیق و تکامل‌یافته دارد؛ دیگری حس می‌کند چه چیزی باید درخواست کند. البته در زندگی واقعی، این‌ها دو فرد جداگانه نخواهند بود؛ آن‌ها دو امکان بالقوه در درون هر یک از ما هستند. در چه میزان از زندگی فکری خود مسافر خواهیم بود، نه خلبان؟

خطر انفعال فکری در عصر «سانتورها»

به لحاظ نظری، یک امکان سوم هم وجود دارد. ناظران هوش مصنوعی مدت‌هاست که به ظهور «سانتورها» (centaurs) به‌عنوان متخصصان انسانی که با کمک کامپیوتر تلاش‌های خود را جلوتر می‌برند اشاره کرده‌اند. شاید برای مثال، آشپز اول که خوب آموزش‌دیده بتواند با هوش مصنوعی دستورهای خلاقانه‌تری تولید کند. اما این سناریوی خوش‌بینانه فرض می‌کند که آشپزهای آموزش‌دیده همچنان وجود دارند. پرسش معقول این است که آیا با گسترش هوش مصنوعی، بسیاری از افراد وقتی کامپیوترها از قبل آموزش‌دیده‌اند؛ ارزش آموزش ذهن خود را زیر سؤال نخواهند برد. همچنین مشخص نیست که انفعال فکری در برخی حوزه‌ها چگونه بر عملکرد ما در حوزه‌های دیگر تأثیر می‌گذارد.

تصور اینکه روزی باید به خودمان یادآوری کنیم که باید فکر کنیم، عجیب است. اما این همان کاری است که هوش مصنوعی انجام می‌دهد؛ فکر می‌کند و در بسیاری از زمینه‌ها قول می‌دهد به‌جای ما فکر کند. در دنیایی اشباع از فناوری، ما هم‌اکنون مجبوریم یادآوری کنیم که گوشی‌هایمان را کنار بگذاریم، بیرون برویم، دوستانمان را حضوری ببینیم، به مکان‌های مختلف برویم به‌جای اینکه آن‌ها را روی صفحه‌نمایش ببینیم و تجربیات غیرفناورانه مانند خسته شدن داشته باشیم. اگر مراقب نباشیم، ذهن ما کمتر کار می‌کند درحالی‌که کامپیوترها بیشتر انجام می‌دهند و در نتیجه ما کاهش می‌یابیم.

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها

در جریان مهم‌ترین اتفاقات AI بمانید

هر هفته، خلاصه‌ای از اخبار، تحلیل‌ها و رویدادهای هوش مصنوعی را در ایمیل‌تان دریافت کنید.

[wpforms id="48325"]