هوش مصنوعی نمی‌تواند شغل شما را بدزدد اگر در کنار او کار کنید - چگونه می‌توانیم همکاری کنیم

منتشر شده در thenextweb به تاریخ ۶ دسامبر ۲۰۲۱
لینک منبع AI can’t steal your job if you work alongside it — here’s how we might collaborate

چه ورزشکاران در یک زمین ورزشی یا افراد مشهور در جنگل، هیچ چیز مانند درام رقابت برای یک جایزه توجه ما را به خود جلب نمی کند. و هنگامی که بحث تکامل هوش مصنوعی (AI) مطرح می‌شود، برخی از جذاب‌ترین لحظات نیز به پایان می‌رسند.

در سال ۱۹۹۷، کامپیوتر شطرنج Deep Blue شرکت IBM در مقابل استاد بزرگ و قهرمان جهان، گری کاسپاروف قرار گرفت که سال قبل به او باخت.

گاما این بار، هوش مصنوعی پیروز شد. بازی محبوب چینی Go در سال 2016 در جایگاه بعدی قرار گرفت و دوباره زمانی که هوش مصنوعی گوگل پیروز شد، یک نگرانی به وجود آمد. این رقابت‌ها به طرز زیبایی نشان می‌دهند که چه چیزی در مورد AI منحصر به فرد است: ما می‌توانیم آن را برای انجام کارهایی که نمی‌توانیم خودمان انجام دهیم برنامه‌ریزی کنیم، مانند شکست دادن قهرمان جهان.

اما چه می‌شود اگر این چارچوب چیزی حیاتی را مخفی کند-که هوش مصنوعی و انسان یک‌سان نباشند؟ هوش مصنوعی می‌تواند به سرعت مقادیر زیادی از داده‌ها را پردازش کند و برای اجرای وظایف خاص آموزش داده شود؛ هوش انسانی به طور قابل‌توجهی خلاق‌تر و سازگارتر است.

جالب‌ترین سوال این نیست که چه کسی برنده خواهد شد، بلکه مردم و هوش مصنوعی می‌توانند با هم به چه چیزی دست یابند؟ ترکیب هر دو شکل هوش می‌تواند نتیجه بهتری نسبت به هر دو به تنهایی به دست آورد.

این هوش مشارکتی نامیده می‌شود. و این پیش‌فرض پلتفرم علمی آینده 12 میلیون دلاری CSIRO است که ما پیشتاز آن هستیم.

هم‌کیشان

در حالی که شطرنج برای نشان دادن رقابت هوش مصنوعی-انسانی مورد استفاده قرار گرفته‌است، نمونه‌ای از هوش مشارکتی را نیز فراهم می‌کند. دیپ بلو آی‌بی‌ام قهرمان جهان را شکست داد، اما انسان‌ها را از رده خارج نکرد. شطرنج‌بازان انسانی که با هوش مصنوعی همکاری می‌کنند، برتری خود را نسبت به بهترین سیستم‌های هوش مصنوعی و بازیکنان انسانی نشان داده‌اند.

و در حالی که چنین شطرنج «آزاد» هم به مهارت عالی انسانی و هم به فن‌آوری هوش مصنوعی نیاز دارد، بهترین نتایج به سادگی از ترکیب بهترین هوش مصنوعی با بهترین استاد بزرگ حاصل نمی‌شود. فرایندی که آن‌ها از طریق آن با یکدیگر هم‌کاری می‌کنند بسیار مهم است.

بنابراین برای بسیاری از مشکلات-به خصوص آن‌هایی که شامل زمینه‌های پیچیده، متغیر و سخت تعریف هستند-ما به احتمال زیاد نتایج بهتری خواهیم داشت اگر سیستم‌های AI را طراحی کنیم که به صراحت با شرکای انسانی کار کنند، و مهارت‌هایی را برای تفسیر سیستم‌های AI به انسان بدهند.

ماشین‌ها می‌توانند کارهای تکراری و خطرناک انجام دهند، اما فقط در یک محیط مشخص. آنها نمی‌توانند مهارت‌های خود را مانند انسان‌ها منتقل کنند. شاتر استاک

یک مثال ساده از نحوه کار ماشین‌ها و افراد در حال حاضر با یکدیگر در ویژگی‌های ایمنی ماشین‌های مدرن یافت می‌شود. تکنولوژی نگه دارنده خط از دوربین‌ها برای نظارت بر علائم خط استفاده می‌کند و اگر به نظر برسد که ماشین از خط خود خارج شده‌است، فرمان را تنظیم خواهد کرد.

با این حال، اگر احساس کند که راننده به طور فعال در حال دور شدن است، دست از کار می‌کشد تا انسان همچنان مسئول بماند (و هوش مصنوعی به کمک در لاین جدید ادامه می‌دهد). این کار نقاط قوت کامپیوتر، مانند تمرکز نامحدود، را با نقاط قوت انسان، مانند دانستن چگونگی پاسخ به رویدادهای غیرقابل‌پیش‌بینی ترکیب می‌کند.

پتانسیل اعمال رویکردهای مشابه به طیف وسیعی از مشکلات چالش برانگیز دیگر وجود دارد. در تنظیمات امنیت سایبری، انسان‌ها و کامپیوترها می‌توانند با یکدیگر هم‌کاری کنند تا شناسایی کنند کدام یک از تهدیدات بسیاری که از سوی مجرمان سایبری وجود دارد، ضروری‌ترین آن‌ها است.

به طور مشابه، در علم تنوع زیستی، هوش جمعی می‌تواند برای درک تعداد زیادی از نمونه‌های موجود در مجموعه‌های بیولوژیکی مورد استفاده قرار گیرد.

پایه‌گذاری

ما به اندازه کافی درباره هوش مشارکتی می‌دانیم که بگوییم پتانسیل عظیمی دارد، اما این حوزه جدیدی از تحقیق است - و سوالات بیشتری نسبت به پاسخ‌ها وجود دارند.

ما از طریق برنامه CINTEL CSiO به بررسی نحوه کار و یادگیری افراد و ماشین‌ها با یکدیگر خواهیم پرداخت و اینکه چگونه این روش هم‌کاری می‌تواند کار انسانی را بهبود بخشد.

به طور خاص، ما به چهار پایه هوش مشارکتی می‌پردازیم:

۱. گردش کار و فرآیندهای مشترک. هوش جمعی نیازمند تجدیدنظر در جریان کار و فرآیندها است تا اطمینان حاصل شود که انسان‌ها و ماشین‌ها یکدیگر را تکمیل می‌کنند. ما همچنین به بررسی این مساله می‌پردازیم که این موضوع چگونه ممکن است به افراد در توسعه مهارت‌های جدید کمک کند که ممکن است در سراسر زمینه‌های نیروی کار مفید باشند.

۲. آگاهی از موقعیت و درک نیت. کار در جهت اهداف یکسان و حصول اطمینان از درک انسان از پیشرفت فعلی یک کار

۳. اعتماد. سیستم‌های هوش مشارکتی بدون اعتماد افراد به ماشین‌ها کار نخواهند کرد. ما باید درک کنیم که اعتماد در زمینه‌های مختلف به چه معناست و چگونه اعتماد را ایجاد و حفظ کنیم.

۴. ارتباطات. هر چه ارتباط بین انسان و ماشین بهتر باشد، هم‌کاری بهتر خواهد بود. چگونه می‌توانیم اطمینان حاصل کنیم که هر دو یکدیگر را درک می‌کنند؟

تصور مجدد ربات‌ها

یکی از پروژه‌های ما شامل کار با تیم روباتیک مبتنی بر CSiO و سیستم‌های مستقل برای توسعه هم‌کاری غنی‌تر انسان-ربات خواهد بود. هوش جمعی انسان‌ها و ربات‌ها را قادر خواهد ساخت تا به تغییرات در زمان واقعی پاسخ دهند و با هم تصمیم بگیرند.

برای مثال، ربات‌ها اغلب برای کشف محیط‌هایی استفاده می‌شوند که ممکن است برای انسان‌ها خطرناک باشند، مانند ماموریت‌های نجات. در ماه ژوئن، پس از اینکه یک ساختمان کوندو ۱۲ طبقه در سرفساید فلوریدا فرو ریخت، ربات‌ها برای کمک به عملیات جستجو و نجات فرستاده شدند.

اغلب، این مأموریت‌ها به درستی تعریف نمی‌شوند و انسان‌ها باید از دانش و مهارت‌های خود (مانند استدلال، شهود، انطباق و تجربه) برای شناسایی آنچه روبات‌ها باید انجام دهند، استفاده کنند. در حالی که توسعه یک تیم انسان-رباتی ممکن است در ابتدا دشوار باشد، اما به احتمال زیاد در دراز مدت برای ماموریت‌های پیچیده موثرتر خواهد بود.

این متن با استفاده از ربات ترجمه مقالات تکنولوژی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.