افراد راکد می‌میرند!

مرور تاثیرات هوش مصنوعی بر آینده مشاغل به مناسبت رونمایی از ChatGPT

اگر بخواهیم ببینیم ChatGpt و هوش مصنوعی چه تاثیری بر آینده مشاغل می‌گذارد، بگذارید مصداقی در مورد آن صحبت کنیم.

مثلا شغل برنامه‌نویس؛ در گذشته یک نفر برای برنامه‌نویس شدن باید یک زبان برنامه‌نویسی را یاد می‌گرفت و بعد در یک شرکت مشغول به برنامه‌نویسی روتین می‌شد، بعد از این برای جلوگیری از کارهای روتین framework ساختند، از این به بعد برنامه‌نویس کسی بود که بتواند frameworkها را برای محصول customize (تنظیم) کند. درحال حاضر خیلی از این کارها با ChatGPT قابل انجام است و شرکت‌ها فقط افراد خلاق و کسانی که توانایی طراحی دارند را نگه می‌دارند.

یک مثال دیگر اینکه ما در دانشگاه استادهایی داریم که همیشه همان درس‌های قبلی را می‌دهند، همان تمرین‌های قبلی را می‌دهند و هر ترم همان کارهای قبلی را تکرار می‌کنند، این استادها احتمالاً با هوش مصنوعی جایگزین می‌شوند، چون همان کارهایی که استاد تکرار می‌کرد را هوش مصنوعی می‌تواند تکرار کند.

یک فروشنده که فقط کارش این است که قیمت اجناس را بلد باشد و یا جوری حرف بزند که مشتری مایل به خرید بشود هم جایگزین می‌شود. یک مثال دیگر، پرشک عمومی که سوالاتی می‌پرسد و براساس آن تجویز می‌کند هم جایگزین می‌شود.

در حال حاضر ChatGPT مجوز پاسخ به سوالات پزشکی را از سازمان غذا و دارو گرفته، همچنین حسابدارها و صاحبان همه این مشاغل فقط در صورتی می‌توانند شغل‌شان را نگه دارند که به متخصصی تبدیل شوند که ChatGPT نتواند کارشان را انجام دهد. وکیل‌ها الان در آمریکا بیشترین درآمد را دارند، کارشان این است که از روی متن قانون با استنتاج مشاوره بدهند. حالا فرض کنید مجموعه زیادی از استنتاج‌ها را به یک مدل هوش مصنوعی بدهیم. به راحتی می‌تواند یک وکیل بسازد که از روی متن قانون استنتاج‌های مشابه تولید کند. خیلی از گروه‌ها مثل کانون وکلا از این وضعیت احساس خطر کردند. مثلا مدارس استفاده از ChatGPT را ممنوع کردند. در صورتی که آدم‌های باهوش‌تر مثل ترنس تائو، ریاضی‌دان مطرح معاصر، می‌گویند نباید محدودیت ایجاد کرد بلکه باید تمرین‎‌ها به نحوری طراحی شود که نشود با ChatGPT آن‌ها را حل کرد.

برای بررسی اینکه سطح هوش مصنوعی به هوش انسان رسیده است یا نه باید بگوییم که مغز انسان مبتنی بر استنتاج عمل می‌کند. یعنی مثلا می‌داند اگر p آنگاه q. بعد با مشاهده p نتیجه می‌گیرد که q اتفاق افتاد.

در ابتدا می‌خواستند هوش مصنوعی را بر همین پایه بسازند ولی خیلی موفق نبود، بعدتر یادگیری ماشین آمد که روی استقرا تمرکز کرد. مثلا یک حجم زیاد از دیتا به یک مدل شبیه مغز دادند و بعد یک الگوریتم یادگیری هم به آن اضافه کردند و دیدند که این روش جواب می‌دهد، البته هنوز خودشان هم نمی‌دانند که دقیقا چرا در این روش ماشین این‌قدر خوب یاد می‌گیرد. نکته اصلی این است که گاهی اوقات استقرا به استنتاج منجر می‌شود. مثلا من برای یک سگ زنگ می‌زنم و بعد غذا جلویش می‌گذارم، چند بار که این کار را انجام دهم و این دو اتفاق هم‌زمان شوند سگ باصدای زنگ منتظر غذا می‌شود. اینجا ما استنتاج نداریم، بلکه به خاطر وقوع هم‌زمان دو واقعه استقرا می‌کنیم که اولی دلیل دومی است. مدل هوش مصنوعی q را به ما می‌دهد و ما خوشحال می‌شویم که توانست استنتاج کند. ولی این اتفاق نتیجه هم‌زمانی وقایع در دیتای مدل شده است.

سوالی که پیش می‌آید این است که آیا هوش مصنوعی می‌تواند خلاقیت نشان دهد؟

نه، چون مدل‌های مبتنی بر یادگیری ماشین از دیتا برای ما خروجی تولید می‌کنند و اگر چیزی در دیتا موجود باشد دیگر خلاقیت نیست. ممکن است مدل ما گاهی الگوریتم تصادفی استفاده کند و ما فکر کنیم که خلاقیت به خرج داده، ولی اسم این اتفاق تصادفی خلاقیت نیست.

حال اگر بخواهیم از این شرایط برای بهبود جایگاه شغلی استفاده کنیم می‌توانیم اقدامات مختلفی را انجام دهیم‌. ‌مثلاً یک برنامه‌نویس می‌تواند از ChatGPT برای کوتاه کردن فرآیند دیباگ استفاده کند، می‌تواند قسمت زیادی از کدهای پیش‌فرض و اولیه را با CahtGPT درست کند، کدها را از زبانی به زبان دیگر تبدیل کند و... خب این نیاز به مهارت دارد. زمانی که گوگل یا stackoverflow آمد بعضی‌ها گفتند برنامه نویس ها فقط دارند کدهایشان را کپی می‌کنند. اما شغل برنامه‌نویسی از بین نرفت. بعضی از برنامه‌نویس‌های معمولی کنار رفتند اما افراد خلاق‌تر با همین سرویس‌ها کارهای بزرگ را با تعداد نیروی کمتر انجام دادند. اصلا استارت‌آپ ها از همین جاها شکل گرفت. پس آدم ها باید خودشان را بالاتر ببرند و به یک سطح از دانش اکتفا نکنند، توانایی ایده‌پردازی و تفکر جانبی را در خودشان افزایش بدهند تا بتوانند از این ابزار برای توسعه بیشتر استفاده کنند. همچنین کسانی که می‌توانند یک تیم را هدایت کنند یا آدم‌هایی که اهل تحقیق‌اند در این شرایط موقعیت بهتری دارند.

افراد راکد می‌میرند و کسانی که مثل رود حرکت کنند باقی می‌مانند و رشد می‌کنند.

آخرین نکته‌ای که می‌‌خواهم بر آن تاکید کنم این است که این مدل‌ها کامل قابل اعتماد نیستند و می‌خواهند یک متن تولید کنند که بیشترین مطابقت را با متن داده شده داشته باشد. پس آدم‌ها باید حواس‌شان باشد که خروجی‌های دریافت شده را با واقعیت مطابقت دهند.