کتاب عصر هوش مصنوعی (2021) به بررسی تکامل هوش مصنوعی، چگونگی ادغام آن در تمام جنبههای زندگی و پرسشهایی عمیق پیرامون رابطه هوش مصنوعی با اخلاق، امنیت، اقتصاد و تجربیات انسانی میپردازد.
هنری کیسینجر (۱۹۲۳–۲۰۲۳) وزیر امور خارجه و مشاور امنیت ملی ایالات متحده بود. در سال 1973 به خاطر آتش بس جنگ ویتنام و عقب نشینی آمریکا، جایزه صلح نوبل را دریافت کرد. او کتابهای متعددی در زمینه دیپلماسی و روابط بینالملل از جمله کتاب پرفروش سالهای کاخ سفید و تحلیل تاریخی نظم جهانی را نوشته است.
اریک اشمیت بین سالهای 2001 تا 2011 بهعنوان مدیر عامل گوگل فعالیت میکرد. او بهعنوان رئیس اجرایی، به حرکت گوگل به سمت هوش مصنوعی کمک کرد. او نویسنده یکی از کتابهای پرفروش نیویورک تایمز به نام چگونه گوگل کار میکند است. اشمیت موسس بنیاد خصوصی فناوری و امنیت پروژه مطالعات رقابتی ویژه است.
دانیلهاتنلوچر متخصص علوم کامپیوتر و هوش مصنوعی است. او به تأسیس Cornell Tech کمک کرده و اولین رئیس و معاون آموزشی آن بوده است.
دنیایی جدید را کشف کنید
نفوذ هوش مصنوعی یا همان AI بسیار فراتر از کاربردهای نظری است. این فناوری اکنون بخشی مهم از تمدن جهانی به حساب میآید که به سرعت در حال تکامل است و همه چیز را از هنرهای خلاق گرفته تا سیستمهای تسلیحاتی پیشرفته، متحول میکند. سرعت توسعه هوش مصنوعی و ادغام آن با زندگی روزمره سوالات مهمی را در مورد استفاده اخلاقی از آن ایجاد میکند.
چگونگی حکومت بر جامعه، در عصر هوش مصنوعی یک چالش بزرگ در زمان ما است.
در این کتاب، منشا هوش مصنوعی را بررسی میکنیم، قابلیتهای فعلی آن را ارزیابی میکنیم و در مورد مسیر آینده آن حرف میزنیم. مهمتر از اینها، به پرسشهای مهم و پیچیدهای عصر هوش مصنوعی، میپردازیم.
هوش مصنوعی به سرعت از یک مفهوم نظری به فناوریهای پیشرفته مانند یادگیری ماشینی تبدیل شده و همچنان ما را شگفت زده میکند.
آلن تورینگ، دانشمند و فیلسوف قرن بیستم بود. او آزمایشی را برای تعیین اینکه آیا یک ماشین میتواند هوشی در سطح انسان از خود نشان دهند یا خیر، پیشنهاد کرد.
ایده او این بود که به جای تستهای ریاضی، به ماشین یک چالش خلاقانه بدهد.
تورینگ آزمونی را طراحی کرد که در آن یک انسان با یک کامپیوتر و یک انسان دیگر نامه نگاری میکند، بدون اینکه بداند کدام ماشین و کدام انسان است. سپس آزمایش کننده توانایی ماشین را برای دادن پاسخهایی شبیه به پاسخهای انسان، قدرت استدلال و هوش هیجانی ارزیابی میکند.
این رویکرد بر آزمودن کامپیوتر در مهارتهایی مثل روان بودن زبان، حل مسئله و سازگاری با اطلاعات جدید تاکید داشت و تنها داشتن مهارت ریاضی کافی نبود. آزمون تورینگ امروزه هم کاربرد دارد و معیاری کاربردی برای سنجش پیشرفت هوش مصنوعی است.
محققان دریافتند که با کدنویسی و دستورهای ریاضی به تنهایی نمیشود هوشی مشابه هوش انسان ساخت. بنابراین از شبکه عصبی (یعنی شبکههای از گرهها که برای یادگیری ماشینی استفاده میشود) به منظور فعال کردن هوش مصنوعی برای یادگیری اطلاعات مبهم و ناقص (درست مانند مغز ما) استفاده میکنند.
برای مثال اگر نمونههای کافی از ساختارهای مولکولی و اثربخشی آنتیبیوتیکها را به یک هوش مصنوعی بدهید، داروهای جدید قدرتمندی را پیشبینی میکند که به ذهن ما نمیرسد.
رمانهای کلاسیک و مقالات خبری را به او بدهید، او داستانهایی جدید و جذاب تحویلتان میدهد.
علاوه بر برنامههایی که برای انجام دقیق یک وظیفه روشن طراحی شدند، سیستمی برای یادگیری بر اساس دادههای جدید هم به وجود آمده است.
در زمینه زیست شناسی، سیستم پیش بینی پروتئین تاشو AlphaFold این موضوع را به خوبی نشان میدهد. با آموزش دادههای مربوط بهDNA با دقت بسیار بالاتر از علم موجود، زیستشناسان توانستند درک بسیار بهتری از سیستمهای زیستی پیدا کنند.
برای انجام این کار، دانشمندان از بانک داده عظیمی استفاده کردند که شامل بیش از 170000 ساختار پروتئینی سهبعدی است. آنها همچنین از دادههایی مانند UniProt استفاده کردند که شامل میلیونها توالی پروتئینی است. با ترکیب این دو مجموعه، AlphaFold یاد گرفت که پروتئینهایی که به درستی تا شده باید چه شکلی باشند و پروتئینهای معیوب را شناسایی کرد. پس از پردازش کافی، این سیستم نتایج بیسابقهای را برای پیشبینی تاخوردگی پروتئین ایجاد کرد که به درک بهتر بیماریها و تداخلهای دارویی کمک میکند.
در کنار مزایای زیادی که هوش مصنوعی برای ما دارد باید توجه خود را به محدودیتهای آن نیز جلب کنیم. بخش از این محدودیتها سوگیری اشتباهات غیرقابل پیشبینی هستند.
برای مثال اگر دادههایی که به ماشین داده میشود ناقص باشد یا نظارت انسانی به درستی انجام نگیرد خروجی سیستم به شدت مختل خواهد شد. یکی از مثالها ربات گفتگوی مایکروسافت بود که تفکراتی نژادپرستانه و جنسیت زده را از خود نشان داد.
مدلهایی مثل chatgbt که به بزرگ زبان مشهور هستند، روی حجم عظیمی از دادههای متنی کار میکنند تا با کارکرد زبان و نوشتار آشنا شوند.
یک الگوی ساده برای این سیستمها این است که کلمه بعدی را در یک جمله پیش بینی کند و متنی روان و شبیه به گفتگوی انسانی بسازند. هدف این سیستمها دنبال کردن روان متن، به گونهای است که شبیه به یک گفتگوی انسانی به نظر برسد نه الزاما روشی برای کشف حقیقت یا استدلال با بالاترین دقت ممکن.
به همین دلیل بدون نظارت انسانی آنها ممکن است متنی باورپذیر و به ظاهر قابل اطمینان اما در واقع من درآوردی و غیر اخلاقی تولید کند. درست مانند آنچه در مورد هوش مصنوعی tay رخ داد.
در زمینه هوش مصنوعی مسئولیت پذیری ما اهمیت زیادی دارد. مهم است که ما قابل اعتماد بودن، اخلاقی بودن و در نظر گرفتن منافع جمعی را در هوش مصنوعی لحاظ کنیم.
با نظارت دقیق دولتی و تعیین استانداردها به همراه گواهینامههای حرفهای، میشود رشد فناوری را به مسیر درست هدایت کرد.
در این صورت هوش مصنوعی میتواند به دستیاری توانا برای وکلا یا مشاوری خلاق برای هنرمندان تبدیل شود تا بتوانیم با خلق آثاری شگفت انگیز زیبایی فرهنگ متنوع انسانی را منعکس کنیم و احتمالاتی هیجان انگیز را با این فناوری نوین پیوند بزنیم.