درک درستی از AI و اینکه چرا آن قدر ها هم هوشمند نیست؟

این روزها، به نظر می رسد همه در مورد AI صحبت می کنند، اما این AI چیست؟ محدودیت های آن چیست؟ آیا باید از چیزی که ممکن است قادر به انجام آن باشد بترسیم؟

دکتر جمال صوفیه

واقعیت این است که انسان ها همیشه مخترع بوده اند. در دوران ماقبل تاریخ، ما نیزه هایی را برای شکار ایجاد می‌کردیم - زمانی که کشاورزی به وجود آمد، کلنگ، داس، گاری و حتی ابزاری برای ساختن ابزار ایجاد کردیم. سپس ماشین ها آمدند و برخی از مردم از توسعه سریع آنها می ترسیدند. اما آن ماشین ها نیز فقط ابزار بودند.

و اکنون هوش مصنوعی وجود دارد و همه چیز در حال پیشرفت است. خوب، فعلا آنچه را که در آن دیده اید موقتا فراموش کنید.

هوش مصنوعی علمی- تخیلی جایگزین ما نمی شود یا ما را به بردگی نمی کشد. اراده آزاد ندارد. AI نیز فقط یک ابزار است. اما کاری که باید انجام دهیم این است که یاد بگیریم چگونه Al را برای همیشه مهار کنیم و از آن سوء استفاده نکنیم.

در این خلاصه کتاب به درک هوش مصنوعی توسط نیکلاس سابورت می پردازیم، و متوجه خواهید شد که هوش مصنوعی چیست. چرا راه حل های ارائه شده توسط Al ممکن است در واقع راه حل های کامل و بهترین راه حل نباشند، اما همچنان برای اکثر اهداف به اندازه کافی خوب خواهند بود و نیز بررسی خواهیم کردکه آینده هوش مصنوعی به کجا می رود؟

AI دقیقا چیست؟

پس بیایید از همان ابتدا چیزی را روشن کنیم: کامپیوترها ماشین هستند. هوش مصنوعی آنها را باهوش نمی کند. آنها هنوز بیش از آنچه ما به آنها می گوییم انجام نمی دهند.

با این حال، رایانه ها راه طولانی را پیموده اند. در ابتدا، آنها فقط ماشین حساب های ساده ای بودند که با اعداد و ریاضی سروکار داشتند. سپس آنها از فقط کار با اعداد به کار با کلمات و سپس تصاویر و سپس صدا و ویدیو گسترش پیدا کردند.

امروزه، ما حتی رایانه‌هایی داریم - به عنوان مثال در تلفن‌های هوشمندمان - که می‌توانند به درخواست‌های ما گوش دهند و آنها را به عمل تبدیل کنند.

آنها به لطف الگوریتم ها قادر به انجام همه این کارها هستند. الگوریتم ساده ای که در مدرسه استفاده می کردید، فرآیندی بود که برای جمع کردن اعداد بزرگ با هم استفاده می کردید. شما همچنین می توانید یک الگوریتم را مانند یک دستور غذا در نظر بگیرید. همانطور که یک آشپز می داند چگونه یک دستور غذا را دنبال کند، یک کامپیوتر نیز دستورالعمل های الگوریتم را دنبال می کند تا نتیجه لازم را به شما بدهد.

در اوایل قرن نوزدهم، چارلز بابیج اولین کسی بود که ماشینی را تولید کرد که قادر به پیروی از الگوریتم‌ها بود. و توسط-D936، آلن تورینگ نشان داده بود که رایانه‌ها، حداقل از نظر تئوری، می‌توانند از هر الگوریتمی، هرچند پیچیده، پیروی کنند.

بنابراین، فعلا هوش مصنوعی تا کجا ما را می برد؟ برای شروع فعلا ، بهتر است همه ما از اصطلاح برنامه های هوش مصنوعی (AI Programs) به جای هوش مصنوعی استفاده کنیم. تمام کاری که هوش مصنوعی انجام می دهد این است که الگوریتمی را که توسط یک انسان نوشته شده است به کار می برد تا پاسخ هایی را بدهد که به نظر «هوشمند» هستند. برنامه نویسان همچنین از خود هوش مصنوعی برای نوشتن برنامه ها با استفاده از تکنیکی به نام یادگیری ماشینی استفاده می کنند. در واقع این اسم " هوش مصنوعی" خیلی هم با مسما نیست و باعث سردرگمی می شود چرا که شیوه ای که Al برنامه های جدید را تولید می کند، به کیفیت داده هایی که دریافت می کند بستگی دارد. بنابراین، همانطور که همیشه بوده است، طبق ضرب المثل قدیمی " ورودی آشغال- خروجی آشغال" نتیجه می دهد. اینجا هم این بحث صادق است. یعنی خروجی بستگی به کیفیت داده ها و ورودی ها دارد.

این سؤال بسیار خوبی است، اما برای پاسخ به آن، ابتدا باید بفهمیم که هوش چیست. و این چیستی به آن آسانی که فکر می کنید نیست.

آیا هوش، بنقطه مقابلِ جهل است؟ این مثال را در نظر بگیرید: اگر از شما بپرسند که شهر استانبول چه زمانی تأسیس شده است، آیا می دانید؟ به احتمال زیاد نه. اما آیا این شما را بی هوش می کند؟ و آیا ویکی‌پدیا را باهوش تعریف می‌کنید زیرا خیلی راحت می‌تواند پاسخ را به شما بگوید؟ (به هر حال، قرن هفتم قبل از میلاد است).

در مورد توانایی انجام ریاضیات پیچیده چطور؟ میشه مثلا جواب 24357*527 رو بدید؟ شما احتمالاً می توانید، با توجه به زمان، اما یک ماشین حساب ساده می تواند آن را بسیار سریعتر انجام دهد. آیا آن ماشین حساب از شما هوشمندتر است؟

در واقع، نه ماشین حساب و نه ویکی پدیا هوشمند نیستند. کامپیوترها ممکن است قادر به انجام کارهای مرتبط با محاسبات و حافظه باشند، اما آنها بر اساس استانداردهای انسانی هوشمند نیستند.

بالاخره انسان ها می توانند بر اساس تجربیات گذشته، در موقعیت های بسیار پیچیده تصمیم گیری کنند و آن تصمیم را دقیق به کامپیوتر توضیح دهند. همچنین انسان ها قادر به یادگیری مهارت های جدید، تولید ایده و توانایی برقراری ارتباط از طریق ایده های پیچیده و انتزاعی هستند.

بنابراین چگونه می توانیم هوش یک کامپیوتر را ارزیابی کنیم؟ خوب، تورینگ را به یاد دارید؟ او به چیزی رسید که به عنوان آزمون تورینگ شناخته می شود. در اینجا نحوه کار آن را توضیح می دهیم:

یک انسان در یک اتاق و یک کامپیوتر با هوش مصنوعی در اتاق دیگر است. شما می توانید با هر دو با استفاده از صفحه کلید و صفحه نمایش با هر کدام ارتباط برقرار کنید، اما نمی دانید کدام به انسان و کدام به هوش مصنوعی متصل است. یک تاخیر عمدی لحاظ شده است تا اطمینان حاصل شود که نمی توانید از روی سرعت تشخیص دهید کدام یک انسان و کدام کامپیوتر است و فقط از روی پاسخ ها باید تشخیص بدهید.

این آزمایش برای تعیین این است که هوش مصنوعی چقدر نزدیک می‌تواند به روشی شبیه به هوش انسانی پاسخ دهد.

در این آزمون تورینگ ، از سال 2006، رقابتی سالانه برای تعیین چت باتی که به فریب دادن داوران نزدیک تر است، برگزار می شود.

با این حال، داوران در وادار کردن چت بات ها برای ارایه پاسخ نادرست بسیار ماهر هستند، برخی افراد فقط به پنج سوال برای شناسایی صحیح Al از انسان نیاز دارند.

اما آزمون تورینگ در هر صورت ناقص است. اگر می‌خواهیم هوش یک برنامه هوش مصنوعی را آزمایش کنیم، باید واقعاً عملکرد آن را در کاری که برای انجام آن توسعه داده شده است - مثلاً بازی شطرنج، آزمایش کنیم، نه اینکه آیا می‌تواند بحثی فلسفی در مورد شطرنج داشته باشد یا خیر.

ما باید به یاد داشته باشیم که در ایجاد هوش مصنوعی، ما در تلاش برای ایجاد یک انسان مصنوعی نیستیم. این ادسگر دایکسترا، دانشمند کامپیوتر بود که تفاوت بین هوش انسانی و هوش مصنوعی را به خوبی خلاصه کرد وقتی گفت: "این سوال که آیا ماشین ها می توانند فکر کنند یا خیر.

دقیقا به اندازه این سوال که آیا زیردریایی‌ها می‌توانند شنا کنند؟ سوال درست و مرتبطی است."

ماشین ها فکر نمی کنند ممکن است فکر کنیم آنها باهوش هستند - اما اینطور نیست.

الگوریتم هوش مصنوعی چیست؟

بنابراین اکنون که می دانید هوش مصنوعی مانند انسان هوشمند نیست، بیایید نگاهی به الگوریتم های هوش مصنوعی بیندازیم.

شاید تعجب کنید که بدانید آنها چیز خاصی نیستند. آنها دقیقاً مانند دستور پختی هستند که قبلاً ذکر کردیم - یک رویکرد گام به گام برای حل یک کار. اما برای توسعه آنها زمان زیادی و سالها تحقیق صرف شده است و هیچ رویکرد استاندارد شده ای نیز وجود ندارد، به این معنی که الگوریتم های مختلف AI وجود دارد. اما آنها عناصر مشترکی دارند: غلبه بر محدودیت‌های حافظه و ظرفیت پردازش رایانه‌ها.

برای در نظر گرفتن این موضوع، یک کامپیوتر شخصی که در سال 2015 ساخته شد، می‌تواند میلیاردها عمل جمع در ثانیه انجام دهد. و این تعداد مدام در حال افزایش است. اما، اگر به 10 میلیارد گام نیاز دارید، باید چند ثانیه صبر کنید تا به نتیجه برسید. اگر به یک تریلیون نیاز دارید، ممکن است مجبور شوید 15 دقیقه صبر کنید. و برای 100 تریلیون، به یک روز نیاز دارید.

این 100 تریلیون ممکن است زیاد به نظر برسد، اما تعداد تراکنش‌های مورد نیاز می‌تواند برای افرادی که نیاز به برنامه‌ریزی دانش‌آموزان، کلاس‌ها و معلمان دارند، افزایش یابد. اگر یک مدرسه فقط ده اتاق با 15 کلاس داشته باشد، برای هر ساعت حدود 3000 امکان یا حالت وجود دارد( تقریبا برای هر روزِ هشت ساعته)

این یعنی شش میلیارد میلیارد میلیارد امکان یا حالت - این عدد 6 با 27 صفر است. با در نظر گرفتن هر یک از این کامپیوترها ، حتی کامپیوتری که یک میلیارد عملیات در ثانیه پردازش می کند، چنین پردازشی بسیار طولانی خواهد بود.

این محدودیت های محاسباتی برای Al بسیار مهم هستند و به عنوان پیچیدگی شناخته می شوند. ما باید بین پیچیدگی الگوریتم ها و پیچیدگی مسائلی که الگوریتم ها حل می کنند تمایز قائل شویم. پیچیدگی یک الگوریتم بستگی به این دارد که مشکل چقدر بزرگ است و چه مقدار داده مورد نیاز است. پیچیدگی مشکل به خودی خود حداقل تعداد عملیات مورد نیاز برای حل آن است. مورد دوم اغلب یک عدد نظری است و الگوریتم‌های کمتر هوشمند اما با پیچیدگی‌های بالاتر اغلب به دنبال بهترین راه‌حل هستند.

همه چیز کمی پیچیده به نظر می رسد. این طور نیست ؟ خوب اجازه دهید داستان را کوتاه کنیم: برخی از مسائل دارای پیچیدگی نظری بسیار بالایی هستند که با فرض اینکه بتوانیم بهترین الگوریتم ها را برای حل آنها بنویسیم، تعداد عملیاتی که آنها نیاز دارند بسیار بیشتر از آن چیزی است که حتی یک کامپیوتر آینده می تواند مدیریت کند. - حتی اگر میلیون ها بار سریعتر باشد.

بنابراین وقتی صحبت از Al به میان می‌آید، الگوریتم‌های به کار گرفته‌شده گاهی کمتر از کامل هستند - مثلاً یک الگوریتم تشخیص چهره گاهی اوقات اشتباه می‌کند یا یک الگوریتم شطرنج حرکت اشتباهی انجام می‌دهد - اما اغلب آنها بهترین راه‌حل ممکن را در یک زمان معقول معقول به ما می‌دهند.

AI چگونه راه حلی را پیدا می کند؟

روش های هوش مصنوعی زیادی وجود دارد که می توان از آنها برای حل مشکلات استفاده کرد. همانطور که قبلاً مشخص کرده ایم، آنها باهوش نیستند و همیشه بهترین راه حل را برای مشکلی که در حال بررسی است ارائه نمی دهند. Sabouret مثال‌های زیادی از این روش‌ها ارائه می‌کند، اما در اینجا، اجازه دهید یک روش اصول اولیه Al به نام اکتشاف را بررسی کنیم.

تصور کنید در سفر به برلین در الکساندرپلاتز هستید و می خواهید از جزیره موزه دیدن کنید. می توانید مسیر را روی نقشه دنبال کنید و نام خیابان ها و جایی که باید بپیچید را یادداشت کنید. شما با استفاده از هوش خود مسیر را می سازید. بسیاری از ما می توانیم این کار را انجام دهیم، اما برخی ممکن است خود را به طرز ناامیدکننده ای گم کنند.

خوشبختانه، این روزها، ما GPS برای کمک به ما داریم. اما دقیقاً چگونه کار می کند؟

خوب، GPS موقعیت شما را بر روی زمین با ارجاع به 28 ماهواره و زمان لازم برای ارسال سیگنال برای هر یک از آنها تعیین می کند. با این اطلاعات و نقشه ای از جایی که هستید، GPS می تواند یک مسیر را برای شما محاسبه کند. این کار را با استفاده از موقعیت فعلی، مقصد نهایی شما، و تمام نقاط بین آن‌ها، با ایجاد نموداری از تمام نقاطی که باید در مسیر عبور کنید، انجام می‌دهد.

این ممکن است ساده به نظر برسد، اما برای یک کامپیوتر کمی پیچیده تر است. باید تمام نقاط مجاور ممکن را در حین پیشرفت در نظر بگیرد و در حین حرکت بقیه نقاط را در حافظه ذخیره کند. یک جایگزین این است که از نقطه شروع خارج شوید. هیچ کدام از این دو روش کارآمدی خاصی ندارند. بنابراین وقتی ناحیه ای که کامپیوتر باید در نظر بگیرد بسیار بزرگ می شود، حل مشکل در یک زمان معقول تقریبا غیرممکن می شود، اینجاست که اکتشافات وارد عمل می شوند. یک الگوریتم اکتشافی ایجاد می شود که جواب را تقریب می زند. در این مورد، مسیر پیشنهادی چیزی شبیه به «تقریباً در مسیر درست بروید و تقریباً در مسیر درست بمانید» خواهد بود. اگر قیاس دستور پخت خود را در نظر بگیریم، به جای وزن کردن یک اونس کره، احتمالاً چیزی که شبیه یک اونس به نظر می رسد را از تکه‌ی هشت انسی کره جدا می کنیم. اگر کاملا دقیق نیست اما به اندازه کافی به یک اونس نزدیک است.

بنابراین مسیری که برای رفتن از الکساندرپلاتز به جزیره موزه در نظر گرفته شده است ممکن است بهترین نباشد، اما به اندازه کافی خوب است و کار ما را راه می اندازد.

آینده AIبه کدام سمت می رود؟

ممکن است از خود بپرسید که آیا هرگز یک ماشین واقعاً هوشمند می‌سازید، ماشینی که مانند یک کودک یاد می‌گیرد، از دنیای اطراف خود آگاه است، می‌تواند احساسات را تجربه کند، و ما می‌توانیم با آن آینده‌ای بسازیم.

پاسخ دادن به این سوال دشوار است، اما اگرچه برخی از محققان چنین اعتقادی دارند، Sabouret می‌گوید که هیچ مدرکی وجود ندارد که نشان دهد این امکان وجود دارد.

در دهه 1970، جان سرل اصطلاح Strong AI را به معنای هوش مصنوعی که کاملاً از مغز انسان تقلید می کند، ابداع کرد. اکنون، ما همچنین از عبارت Weak AI برای سیستم هوش مصنوعی ای استفاده می‌کنیم که فقط هدف خاصی دارد - مانند برنده شدن دربازی Go. آنها البته هر چیزی هستند جز ضعیف، زیرا از انسان معمولی به مراتب پیشی می گیرند.

اما با بازگشت به هوش مصنوعی قوی، می‌توانیم این را به هوش مصنوعی عمومی و آگاهی مصنوعی تقسیم کنیم. هوش مصنوعی عمومی به معنای ایجاد ماشینی است که قادر به حل بسیاری از مشکلات در طیف گسترده ای مانند گرفتن مدرک دانشگاهی، قبولی در آزمون تورینگ و درست کردن قهوه در آشپزخانه ای ناآشنا است. آگاهی مصنوعی چیز دیگری است. چنین ماشینی از دنیای اطراف خود آگاه خواهد بود، و بله، حتی از این واقعیت که یک ماشین است نیز آگاه خواهد بود. اما هیئت منصفه هنوز در مورد چگونگی تعریف هوشیاری و آگاهی برای یک ماشین و تست هایی که برای "هوشیار" بودن باید طی کند، صحبت نمی کند.

آیا هر کدام از این اتفاقات در افق نزدیک قابل دستیابی است؟ پاسخ صادقانه این است که کسی دقیق اطلاع ندارد.

شکی نیست که AI در حال تغییر جهان است و ماشین‌ها بیش از پیش چشمگیرتر خواهند شد. سرعت پیشرفت، دانستن اینکه دقیقاً چه اتفاقی خواهد افتاد را دشوار می کند. هوش مصنوعی در حال حاضر می تواند انسان ها را در Go و Poker شکست دهد اما برای مثال در بازی های ویدیویی پیچیده نمی تواند و اگرچه ممکن است بتواند به اطلاعات پزشکی سریع تراز انسان دسترسی پیدا کند ، نمی تواند از این اطلاعات برای تشخیص مشکل بیمار استفاده کند. SaBouret استدلال می کند که عامل انسانی برای برخی از وظایف ضروری است، مانند استخدام افراد، و تعبیه آن در هر سیستم هوش مصنوعی تقریبا غیرممکن است چراکه انسان ها به راحتی می توانند از "داده های آنتاگونیست" یا داده های متضاد و رقیب، برای فریب دادن این سیستم های AI استفاده کنند.

بنابراین آیا باید نگران باشیم که هوش مصنوعی می‌تواند بشریت را همانطور که در برخی از فیلم‌های علمی تخیلی می‌بینیم به بردگی بکشد؟

پاسخ این است که در حال حاضرخیر. هوش مصنوعی ضعیف برای کارهای خاص ایجاد شده است و نمی تواند چیزهایی را تصور کند و نمی تواند چیزی خلق کند. شاید روزی هوش مصنوعی قوی وجود داشته باشد، اما ما به ایجاد آگاهی مصنوعی نزدیک نیستیم.

بزرگترین نگرانی در حال حاضر استفاده نادرست از AI است. برای مثال، در جهانی که فیدهای رسانه های اجتماعی به منبع اصلی اطلاعات برای برخی گروه های سنی تبدیل شده است، یک دیکتاتوری تمامیت خواه از نظر تئوری می تواند یک شب کنترل آنچه را که ما مجاز به دانستن آن هستیم به دست بگیرد.. اگرچه خودروهای خودران به رانندگان خود حمله نمی‌کنند مگر اینکه به طور خاص برای این کار برنامه‌ریزی شده باشند، اما همیشه این احتمال وجود دارد که روزی از چنین فناوری برای ایجاد ماشینی استفاده شود که بتواند سوژه مورد نظر خود را شناسایی و حذف کند.

Al در حال حاضر برای ارتکاب جنایات بسیار پایین تر استفاده می شود - برای مثال برای هک کردن پروتکل های امنیت سایبری. بنابراین واضح است که می توان از هوش مصنوعی سوء استفاده کرد - اما این کار را خود به خود انجام نمی دهد. باید برای انجام این کار برنامه ریزی شود.

اما آینده هر چه باشد، یک چیز وجود دارد که می‌توانیم از آن مطمئن باشیم: AI بشریت را به سوی درک بهتری از خودش سوق داده است. ابتدا باید بفهمیم که یک انسان چگونه یک کار را انجام می دهد تا راهی برای انجام بهتر آن پیدا کند. شاید همانطور که SaBouret می‌گوید، کمک به درک بهترِ خودمان، بزرگترین هدیه‌ی AI به بشریت باشد.

خلاصه نهایی

اگرچه ممکن است فکر کنیم که ماشین‌ها و هوش مصنوعی هوشمند هستند، اما اینطور نیست. آنها فقط قادر به انجام کارهایی هستند که ما برای آن ها برنامه ریزی کرده ایم. مشاهده کرده اید که با استفاده از روش های اکتشافی، Al می تواند در یک بازه زمانی قابل قبول، راه حلی برای یک مسئله دشوار ارائه دهد. این راه حل ممکن است کامل نباشد، اما معمولاً یک راه حل "به اندازه کافی خوب" خواهد بود. در نهایت، متوجه شدید که ایجاد ماشینی که هوشیاری و آگاهی داشته باشد، در حال حاضر در افق نیست، اما اگر AI در دستان افراد اشتباه و مخرب باشد، از هوش مصنوعی برای اهداف اشتباه و مخرب می توان استفاده کرد. با این حال، یکی از کارهایی که هوش مصنوعی انجام نمی دهد، قیام و شورش علیه ما است.