راه‌های نفوذ هوش مصنوعی به زندگی آینده بشر

با هدف آشنایی هرچه بیشتر با این علم روز که آوازه آن به یکباره در دنیا فراگیر شده است و مردم منتظر تقویت و توسعه هرچه بیشتر آن هستند، با مبین خیاطی، کارشناس هوش مصنوعی و رباتیک به گفت و گو پرداختیم.

تفاوتهای میان درک انسانی و درک ماشینی چیست ؟

یکی از این تفاوت‌های اساسی، ماهیت تجربه و احساسات است. هوش مصنوعی فاقد احساسات و تجربه‌های انسانی است و نمی تواند آنچه را که نویسنده از نظر احساسی یا روانی تجربه می کند، بازآفرینی کند.

تجربه‌های شخصی، فرهنگی و حتی اجتماعی افراد، تأثیر عمیقی بر نحوه نوشتن و بیان افکار دارند. به طور مثال، یک نویسنده ممکن است از تجربیات خاصی که در زندگی خود داشته است الهام بگیرد و این تجربیات را به نحوی در متن خود منعکس کند که تنها خواننده‌ای که تجربه مشابهی داشته است، بتواند آن را به درستی درک کند.

هوش مصنوعی ممکن است این الگوها را شبیه سازی کند، اما نمی تواند عمق آن تجربه‌ها را بفهمد. از سوی دیگر، مسئله بافت و زمینه نیز بسیار مهم است. درک یک متن به شدت به بافت فرهنگی، اجتماعی و حتی زمانی آن وابسته است. هوش مصنوعی می تواند داده‌های زیادی را پردازش کند و از آنها استفاده کند، اما هنوز توانایی درک ظرافت‌های بافتی را که برای تفسیر صحیح یک متن ضروری است، ندارد.

استفاده از کنایه ها، استعاره ها یا اشارات فرهنگی که ممکن است برای خواننده‌ای خاص کاملا قابل فهم باشد، برای یک مدل هوش مصنوعی می تواند چالش برانگیز باشد. این ظرافت‌ها و پیچیدگی ها همان جنبه هایی هستند که درک واقعی متن را شکل می دهند. همچنین باید به بحث اعتماد و صحت اطلاعات نیز اشاره کرد.

هوش مصنوعی بر چه اساسی عمل می کند؟

هوش مصنوعی تنها بر اساس الگوریتم ها و داده های آموزش دیده خود عمل می کند و هیچ گونه احساس مسئولیتی نسبت به صحت یا اخلاقی بودن اطلاعات ندارد. اینجاست که نقش انسان به عنوان ناظر و تحلیلگر اهمیت پیدا می کند. انسان می تواند بر اساس دانش، تجربه و اخلاقیات خود تصمیم بگیرد که چگونه یک متن را تفسیر یا بازنویسی کند، در حالی که هوش مصنوعی تنها به دنبال اجرای دقیق دستورالعمل های از پیش تعیین شده است.

مسئله دیگری که باید مورد توجه قرار گیرد، خلاقیت و نوآوری است. خالقیت انسانی یکی از ویژگی‌هایی است که هنوز هوش مصنوعی قادر به تقلید آن به شکل کامل نیست. هوش مصنوعی می تواند بر اساس داده های موجود الگوهایی را شناسایی و تکرار کند، اما نوآوری به معنای خلق چیزی کاملا جدید است که بر اساس تجربه، احساسات و تخیل شکل می گیرد. خلاقیت به توانایی برقراری ارتباط بین ایده ها و مفاهیم مختلف و ایجاد چیزی منحصر به فرد اشاره دارد.

چرا فناوری های نوین همچون هوش مصنوعی، هنوز نتوانسته اند تأثیر قابل توجهی در بهبود بهره وری سازمان ها و کسب وکارها بگذارند؟

مایکل پولانی، فیلسوف و دانشمند علوم طبیعی، در دهه های میانی قرن بیستم به یکی از مسائل بنیادین دانش بشری اشاره کرد. او ادعا کرد که بخش بزرگی از دانش انسان ها "دانش ضمنی" است؛ دانشی که ما می دانیم ولی نمی توانیم آن را به سادگی توضیح دهیم یا به دیگران انتقال دهیم. مثلا رانندگی یا نواختن پیانو، نیازمند دانشی هستند که از طریق تجربه به دست می آیند و به سختی می توان آنها را به شکل کلمات یا دستورالعمل های صریح بیان کرد. این موضوع به عنوان پارادوکس پولانی شناخته می شود.

در دنیای هوش مصنوعی، این پارادوکس یکی از چالشهای بزرگ محسوب می شود. به عنوان مثال، وقتی یک مدل هوش مصنوعی تلاش می کند تا توانایی های انسانی مانند تشخیص چهره، خلاقیت یا حتی توانایی قضاوت را بیاموزد، با محدودیت هایی مواجه می شود. دلیل این محدودیت ها این است که بخش زیادی از این توانایی ها بر پایه دانش ضمنی است؛ دانشی که به سختی می توان به شکل داده های واضح و قابل تحلیل درآورد و به مدل های یادگیری ماشین انتقال داد. همین امر باعث می شود که حتی پیشرفته ترین مدل های هوش مصنوعی نیز نتوانند به سادگی عملکردی مشابه انسان در بسیاری از زمینه ها داشته باشند.

در مورد پارادوکس (تناقض) سولو چطور ؟

رابرت سولو، اقتصاددان آمریکایی و برنده جایزه نوبل، در دهه ۱۹۸۰ با مشاهده عدم افزایش بهره وری در مواجهه با سرمایه گذاری های گسترده در فناوری اطلاعات، گفت: "می توانید عصر کامپیوتر را در همه جا ببینید، به جز در آمار بهره وری." این جمله نمادی از این پارادوکس است که چرا با وجود رشد سریع فناوری و سرمایه گذاری های عظیم در حوزه تکنولوژی، نتایج ملموسی در بهبود بهره وری اقتصاد مشاهده نمی شود.

این پارادوکس نیز در مورد هوش مصنوعی صدق می کند. بسیاری از شرکت ها و سازمان ها در سراسر جهان در حال سرمایه گذاری در فناوری های هوش مصنوعی هستند، اما اثرات آن بر بهره وری همچنان کمتر از حد انتظار است. دلیل این امر پیچیدگی های ساختاری و نیاز به زمان برای انطباق سازمان ها و نیروهای انسانی با فناوری های جدید است. حتی با استفاده از فناوری های پیشرفته، اگر ساختارهای سازمانی و فرهنگی موجود نتوانند به سرعت خود را تغییر دهند، بهره وری مورد انتظار به دست نخواهد آمد.

چالش های هوش مصنوعی چیست ؟

برای فهم بهتر چالش های مرتبط با پیاده سازی هوش مصنوعی، می توان به ارتباط میان ۲ پارادوکس پولانی و سولو نگاهی دقیقتر داشت. این ۲ پارادوکس به ما نشان می دهند که هوش مصنوعی، برای آن که به طور کامل به بهره وری برسد و ارزش اقتصادی ایجاد کند، باید بر ۲ مانع اساسی غلبه کند: دانش ضمنی و هوش مصنوعی و تغییر ساختار سازمانی و انطباق با فناوری.

ماشین ها نمی توانند همانند انسان ها تجربه کنند و از طریق تجربه مستقیم به دانش دست پیدا کنند، بسیاری از فعالیت های انسانی مانند تصمیم گیری های پیچیده یا شناسایی الگوهای غیرقابل پیش بینی، نیاز به دانش ضمنی دارند، هوش مصنوعی برای دستیابی به این توانایی ها نیازمند جمع آوری حجم عظیمی از داده هاست که حتی باز هم نمی تواند به سطح تجربه و شناخت انسانی برسد.

همان طور که پارادوکس سولو اشاره می کند، پیاده سازی یک فناوری جدید لزوماً منجر به بهبود بهره وری نمی شود، مگر آنکه تغییرات ساختاری و فرهنگی نیز صورت گیرد. استفاده مؤثر از هوش مصنوعی در سازمان ها نیازمند آمادگی و تغییر در رویکردها و فرآیندهای سازمانی است.

آیا ممکن است روزی هوش مصنوعی به سطحی از درک برسد که بتواند تمام این جنبه های انسانی را بازآفرینی کند؟

برخی از محققان معتقدند که با پیشرفت های بیشتر در حوزه هوش مصنوعی و یادگیری عمیق، ممکن است به مرحله ای برسیم که ماشین ها بتوانند تا حدی به درک انسانی نزدیک شوند. با این حال، حتی در آن صورت نیز سوالات اخلاقی و فلسفی بسیاری باقی خواهند ماند. هرچند هوش مصنوعی می تواند به ما در پردازش و تولید متون کمک کند و حتی در برخی موارد تحلیل های جالبی ارائه دهد، اما هنوز نیازمند حضور و نقش انسان برای درک واقعی و عمیق مفاهیم هستیم.

این همکاری میان انسان و ماشین می تواند به ما کمک کند تا از توانایی های هر ۲ به بهترین شکل ممکن بهره ببریم و به جای تکیه صرف بر ماشین ها، از هوش مصنوعی به عنوان ابزاری برای گسترش و تقویت توانایی های خود استفاده کنیم.

آینده هوش مصنوعی چه خواهد شد؟

برای اینکه هوش مصنوعی بتواند به طور کامل در خدمت افزایش بهره وری باشد، باید به طور همزمان بر چالش های هر ۲ پارادوکس پولانی و سولو غلبه کنیم. به عبارت دیگر، از یک سو باید به توسعه روش هایی پرداخت که هوش مصنوعی بتواند دانش ضمنی را بهتر درک کرده و از آن استفاده کند؛ مثلا با بهره گیری از روشهای جدید یادگیری مانند یادگیری تقویتی یا یادگیری انتقالی که تلاش می کنند به مدل ها تجربه هایی شبیه به انسان ارائه دهند. از سوی دیگر، سازمان ها باید برای بهره برداری مؤثر از هوش مصنوعی، تغییرات ساختاری و فرهنگی لازم را نیز انجام دهند.

بکارگیری این فناوری ها تنها به معنای خرید ابزار و نرم افزارهای هوش مصنوعی نیست؛ بلکه نیازمند آموزش نیروی انسانی، تغییر در فرآیندهای کاری و انعطاف پذیری سازمانی است تا بتوان به بهترین شکل از پتانسیل های هوش مصنوعی بهره برد.

هوش مصنوعی ظرفیت های زیادی دارد، اما برای رسیدن به بهره وری کامل باید فراتر از تکنولوژی برویم و به جنبه های انسانی و ساختاری نیز توجه کنیم، یعنی پذیرش این واقعیت که پیشرفت فناوری بدون تغییرات مناسب در دانش و ساختارها، نمی تواند به تنهایی معجزه ای در بهره وری ایجاد کند، درست همان طور که پولانی و سولو به ما هشدار داده اند، مسیر رسیدن به بهره وری در گرو هماهنگی میان فناوری، دانش و فرهنگ است.