وقتی که اصطلاح هوش مصنوعی (artificial intelligence) در سال ۱۹۵۰ برای اولین بار مطرح شد، رویای نهایی‌ای که برای آن متصور می‌شدند، خلق فناوری‌ای بود که از انسان باهوش‌تر باشد. از آن زمان تا کنون، تحقیقات در زمینه هوش مصنوعی پستی‌ها و بلندی‌های فراوانی را تجربه کرده است. با این حال، از زمان پیدایش یادگیری ماشین و به دنبال آن یادگیری عمیق، به نظر می‌رسد هوش مصنوعی با سرعت بیشتری در حال رشد است.
امروزه کارهای زیادی وجود دارند که هوش مصنوعی می‌تواند بهتر و سریع‌تر از انسان انجام دهد. حتی مقوله خلاقیت که پیش از این برای سیستم‌های هوش مصنوعی غیرقابل دسترسی متصور می‌شد، درحال دستیابی است.
نه کاملاً. قدرت بشریت جای دیگری نهفته است. ما می‌توانیم به‌سرعت یاد بگیریم و خودمان را با شرایط مختلف وقف دهیم. برای سیستم‌های هوش مصنوعی، این مسأله یک مانع واقعی است. به عنوان مثال، برای تسلط بر یک بازی رایانه‌ای نسبتاً ساده، که یادگیری آن به طور متوسط ۱۵ دقیقه طول می‌کشد، سیستم‌های هوش مصنوعی حدود ۹۲۴ ساعت زمان نیاز دارند. در مورد سازگاری نیز می‌توان گفت که اگر فقط یک قانون در بازی تغییر کند، سیستم هوش مصنوعی باید کل بازی را ابتدا یاد بگیرد.
دلیل دیگری که سیستم‌های هوش مصنوعی هنوز قدری دارای ریسک هستند این است که وقتی آن‌ها اشتباه می‌کنند، اشتباهشان فاحش است. در واقع به دلیل این که این سیستم‌ها درک صحیحی از واقعیت ندارند ممکن است دچار اشتباهاتی شوند که جبران‌ناپذیر است. به عنوان مثال فرض کنید یک کودک در سایت youtube به دنبال تماشای یک موزیک ویدیوی کودکانه است، اما سیستم هوش مصنوعی بر اساس یک تعبیر اشتباه نتایجی را برای کودک نمایش می‌دهد که مناسب با سن او نیست. این یک اشتباه فاحش با نتایج جبران‌ناپذیر است، در حالی که هیچ انسانی تحت هیچ شرایطی ممکن نبود چنین تعبیری از عبارت جستجو شده توسط کودک داشته باشد.
ریشه اشتباهاتی که ممکن است سیستم‌های هوش مصنوعی مرتکب شوند را باید در دو بخش جستجو کرد. این اشتباهات ممکن است ناشی از عدم دقت کافی در فاز آموزشی باشند، و یا قدری عمیق‌تر، در نقص‌های ذاتی سیستم‌های هوش مصنوعی ریشه داشته باشد.
سیستم‌های هوش مصنوعی به شدت متکی به داده‌هایی هستند که در فاز آموزش مورد استفاده قرار گرفته است. اگر در این داده‌ها برخی از خطاهای انسانی وارد شود، سیستم هوش مصنوعی نیز بر اساس همان اشتباهات تعلیم می‌بیند و آن‌ها را تکرار می‌کند. به عنوان مثال در بازارهای مالی ازدحام خریداران باعث ایجاد هیجان در بازار شده و قیمت دچار یک رشد حبابی می‌شود. این حباب‌های قیمتی به صورت ناگهانی می‌ترکند و باعث ریزش شدید قیمت شده و در نتیجه بسیاری از مردم سرمایه‌ی خودشان را از دست می‌دهند. اگر این داده‌ها به صورت فیلتر نشده برای آموزش سیستم هوش مصنوعی استفاده شود، منجر به انتقال خطاهایی به سیستم می‌شود که در عملکرد آن تاثیر منفی دارد.
یکی از چالش‌های پیش‌روی محققان این است که آیا ربات‌ها می‌توانند همانند یک انسان وظایف خود را به خوبی انجام دهند. با وجود تمام پیشرفت‌های انجام شده در این زمینه، هنوز امکان جایگزینی کامل ربات با انسان وجود ندارد. در واقع لازم است ربات‌ها از سطحی که در حال حاضر هستند پیشرفته‌تر شوند. برای دستیابی به این هدف، به منابع محاسباتی عظیمی نیاز است که در حال حاضر عملاً امکان‌پذیر نیست.
با وجود پیشرفت‌های فراوانی که در حوزه‌ی هوش مصنوعی صورت پذیرفته است، هنوز در بسیاری از موارد هوش مصنوعی قادر به انجام کارها در سطح انسان نیست. در ادامه تعدادی از ضعف‌های هوش مصنوعی بیان می‌شود که موجب عملکرد ضعیف‌تر هوش مصنوعی شده‌اند.
۱. عدم خلاقیت
خلاقیت یکی از ویژگی‌های بارز انسان‌هاست. در سال‌های اخیر هوش مصنوعی به اندازه‌ای پیشرفت یافته است که قادر است بتواند کارهای هنری - مانند یک قطعه موسقی - بسازد. با این حال، این کارهای هنری فاقد خلاقیت منحصر به فردی است که تنها انسان‌ها از آن برخوردارند. هوش مصنوعی می‌تواند کارهای خلاقانه تولید کند اما کارهای خلاقانه هوش مصنوعی تحت تاثیر ورودی‌هایی است که به آن داده می‌شود و این کارها نیز بدون درک و آگاهی انجام می‌شود.
۲. نداشتن قدرت تخیل
مشابه با خلاقیت، توانایی تصور کردن تنها منحصر به انسان‌هاست. همان‌طور که قبل از این بیان شد، هوش مصنوعی تنها اقداماتی را انجام می‌دهد که از پیش تعریف شده باشد. هرچه فرآیند آموزش یک سیستم هوش مصنوعی بهتر و دقیق‌تر انجام شود، توانایی انجام کارهای پیچیده‌تر نیز بیشتر خواهد بود؛ اما چیزی که هوش مصنوعی قادر به انجام دادن آن نیست انجام وظایفی فراتر از آن چیزی است که برای آن آموزش دیده است. انسان‌ها می‌توانند با استفاده از قدرت تصورشان، در هنگام مواجهه با شرایط جدید، تصمیم مناسبی اتخاذ کند.
۳. مهارت‌های ارتباطی ضعیف
یکی دیگر از ویژگی‌های منحصر به فرد انسان‌ها، مهارت‌های ارتباطی موثر با دیگران است. برقراری ارتباط یکی از نیازهای مهم در هر کسب و کاری است. هوش مصنوعی قادر به برقراری ارتباط موثر و کارآمد با دیگران نیست. یکی از دلایل عدم توانایی برقراری ارتباط در هوش مصنوعی، عدم توانایی آن‌ها در درک احساسات است. بنابراین، به عنوان مثال در فرآیندهایی که ارتباط موثر با کاربر یک امر حیاتی است، هوش مصنوعی ناکارآمد خواهد بود.
با وجود تمام موارد گفته‌شده، کارهایی هست که هوش مصنوعی در انجام آن‌ها عملکرد بهتری از انسان‌ها دارد. در این قسمت از مقاله نگاهی به نمونه‌هایی از این دسته می‌اندازیم.
در سال ۲۰۱۶، وقتی که هوش مصنوعی توانست لی سدول قهرمان وقت بازی «GO» را شکست دهد، بسیاری از محققان شگفت‌زده شدند. پس از آن، در سال ۲۰۱۷، یک شبکه عصبی جدید تحت عنوان «AlphaGo Zero» توانست نسخه قدیمی‌تر Alpha Go را ۱۰۰ مرتبه شکست دهد. اهمیت این اتفاق از آن جهت بود که AlphaGo Zero تنها با استفاده از یک سری قوانین اولیه بازی خودش را آموزش داده بود.
مثال دیگری که در این زمینه می‌توان به آن اشاره کرد، پیروزی کامپیوتر «Deep Blue» از شرکت IBM در مقابل قهرمان سابق شطرنج جهان گری کاسپارف در سال ۱۹۹۷ است. کاسپاروف ۶ مرتبه با کامپیوتر شرکت IBM بازی کرد که در نهایت با نتیجه ۳.۵ بر ۲.۵ مغلوب شد. وقتی از قهرمان شطرنج جهان درباره علت شکستش در این مسابقه سوال پرسیده شد، او پاسخ داد که «من ریسک می‌کردم اما او ریسک نمی‌کرد».
پژوهشگران بیمارستان آکسفورد موفق به توسعه یک سیستم منطبق بر هوش مصنوعی شدند که قادر است از طریق اسکن قلب و ریه، شدت بیماری را تشخیص دهد. این اقدام به صورت معمول توسط پزشکان انجام می‌شود اما برنامه‌های کامپیوتری به‌گونه‌ای طراحی شده‌اند که بتوانند نتایج بهتری حتی نسبت به پزشکان باتجربه داشته باشند. اهمیت تشخیص دقیق بیماری از آن جهت است که منجر به کاهش چشمگیر هزینه‌های درمان و اجتناب از جراحی‌های بی‌مورد می‌گردد.
از فناوری هوش مصنوعی در زمینه تومورشناسی و تشخیص سرطان که همواره برای انسان‌ها یک موضوع چالش‌برانگیز بوده است نیز استفاده می‌شود. بر اساس پژوهش انجام شده در دانشگاه بیرمنگام، سیستم‌های هوش مصنوعی توانستند با دقتی معادل با ۸۷ درصد وجود سرطان را در بیماران تشخیص دهند، در حالی که این دقت برای متخصصان برابر با ۸۶ درصد بوده است. علاوه بر این سیستم هوش مصنوعی توانست با دقتی معادل با ۹۳ درصد، عدم وجود سرطان در بیماران را تشخیص دهد که این آمار نیز برای متخصصان معادل با ۹۱ درصد بود.
یکی از مزایای هوش مصنوعی ساخت ربات‌هایی است که می‌توانند در شرایط سخت و خطرناک کارهایی را انجام دهند که انسان‌ها قادر به انجام آن‌ها نیستند. این ربات‌ها به مکان‌هایی وارد می‌شوند که هیچ انسانی امکان زنده ماندن در آن‌جا را ندارد. به عنوان مثال در ادامه به دو مورد از این مکان‌ها اشاره شده است.
بسیاری از مردم از خطرات ورود به اعماق دریا اطلاعی ندارند. تغییرات فشار در اعماق دریا با تغییرات فشار در فضا برابری می‌کند. افرادی که به اعماق آب وارد می‌شوند دچار مشکلات فراوانی در سلامتی‌شان خواهند شد. با این حال غواصی در دریا برای صنایع مختلف حائز اهمیت است. علاوه بر این در زمینه‌های پژوهشی در حوزه شناسایی موجودات دریایی، در مواردی لازم است کف اقیانوس‌ها مورد بررسی قرار گیرد. در کف اقیانوس‌ها فشار آب به قدری بالاست که انسان‌ها قادر به سفر به آن‌جا نیستند. برای رفع این مشکل می‌توان از ربات‌ها استفاده کرد. این ربات‌ها می‌توانند به اعماقی از دریا وارد شوند که انسان‌ها امکان زنده ماندن در آن اعماق را ندارند.
کار کردن در مکان‌هایی که تشعشعات رادیواکتیو وجود دارد برای انسان‌ها به شدت مضر است. انسان‌ها تنها در صورتی می‌توانند به این مکان‌ها وارد شوند که لباس‌های مخصوصی پوشیده باشند و برای مدت کوتاهی فعالیت کنند. در هر صورت با وجود رعایت تمام موارد ایمنی، باز هم نمی‌توان به‌طور صد درصد گفت که شخص آسیب نمی‌بیند. برای این منظور ربات‌های مخصوصی طراحی شده است که می‌توانند جایگزین انسان‌ها شوند.
نویسنده: بنیامین زارعی
منابع:
2. https://en.wikipedia.org/wiki/Deep_Blue_versus_Garry_Kasparov
3. https://www.vodafone-institut.de/aiandi/5-things-machines-can-already-do-better-than-humans/
4. https://georgezarkadakis.medium.com/5-things-ai-can-do-better-than-humans-6dacad065848
6. https://internationaldirector.com/technology/ai-errors-vs-human-errors/
7. https://www.smartdatacollective.com/7-jobs-humans-can-do-better-than-robots-and-ai/
