پیچیدگی‌های هوش مصنوعی: یک تجربه شخصی

به یاد می‌آورم اولین برخوردهایم با ChatGPT را. همکلاسی‌هایم مدام درباره‌ی این "ترفند زندگی" جدید صحبت می‌کردند. همزمان، اساتیدمان در آغاز هر کلاس، بار دیگر بر سیاست‌های جدی ضد تقلب تأکید می‌کردند.

به عنوان کسی که خودش را یک نویسنده‌ی مشتاق می‌دانست، افتخار می‌کردم به این که هرگز وارد این دنیای جدید نشده‌ام. تا این که برای پروژه پایانی یک کلاس که به تعویق انداخته بودم، به شدت گیر کردم. بعد از ساعت‌ها فکر کردن که می‌توانستم در همان مدت پروژه را تمام کنم، تسلیم وسوسه شدم و یک حساب کاربری ساختم.

در ابتدا، همه چیز جادویی به نظر می‌رسید. کلمه به کلمه، جلوی چشمانم ظاهر می‌شد. در عرض چند دقیقه، موضوع پروژه را مشخص کرده بودم و شروع به نوشتن کرده بودم. اما این پایان داستان نبود. اولین تجربه‌ی موفق من با ChatGPT، اولین ناامیدی بزرگم هم بود. از آن خواسته بودم تا چند منبع خاص پیدا کند، اما بعد از جستجوی طولانی در وب با نتایج پیشنهادی، دست خالی ماندم. منابعی که پیشنهاد داده بود، وجود نداشت. هرچند بخشی از تقصیر را باید به گردن خودم می‌انداختم که محدودیت‌های این پلتفرم را درک نکرده بودم، اما هنوز هم به استفاده از آن شک داشتم.

تا به حال، احتمالاً درباره‌ی مزایا و معایب ادغام سریع هوش مصنوعی در همه جنبه‌های زندگی‌مان شنیده‌اید. این فناوری کارآمد است، اما تعصبات را تکثیر می‌کند. مقرون‌به‌صرفه است، اما جایگزین مشاغل انسانی می‌شود. همه چیز را می‌داند، اما نگرانی‌های حریم خصوصی را هم به همراه دارد.

می‌توانم ساعت‌ها درباره‌ی این موضوعات صحبت کنم، اما به جای نگاه کلی به مزایا و معایب، پیشنهاد می‌کنم توجه خود را به واقعیت‌های سرد و سخت استفاده از هوش مصنوعی معطوف کنیم. به جای غرق شدن در دنیای پیچیده‌ی هوش مصنوعی، به بررسی چند مثال و نگرانی‌های خاص می‌پردازیم. به این ترتیب، می‌توانید با تعادل مناسبی از اعتماد به نفس و احتیاط، در عصر هوش مصنوعی حرکت کنید.

برچسب زدن به هوش مصنوعی

قبل از اینکه وارد جزئیات شویم، بیایید با روشن کردن برخی از اصطلاحات، مطمئن شویم که همه در یک صفحه هستیم. اگر مثل من باشید، ممکن است کلمات کلیدی مانند هوش مصنوعی، مدل‌های بزرگ زبان (LLM)، یادگیری ماشین و الگوریتم را با هم مخلوط کرده باشید. با این حال، برای اینکه بتوانیم به طور کامل درک کنیم که با چه چیزی کار می‌کنیم، ابتدا باید بدانیم چگونه آن‌ها را از هم تشخیص دهیم.

بدون اینکه خیلی درگیر جزئیات فنی شویم، در اینجا خلاصه‌ای از تعاریف گسترده‌ی برخی از اصطلاحات مهم آمده است:

• هوش مصنوعی (AI): 

زیرشاخه‌ای رو به رشد در علم کامپیوتر، سیستم‌های هوش مصنوعی طراحی شده‌اند تا داده‌ها را تحلیل کنند، الگوها را تشخیص دهند و بدون دخالت انسان تصمیم‌گیری یا پیش‌بینی کنند. این سیستم‌ها برای بهبود عملکرد خود به الگوریتم‌ها، مدل‌های آماری و اغلب تکنیک‌های یادگیری ماشین متکی هستند.

• الگوریتم‌ها: 

روش‌های گام‌به‌گام یا فرمول‌هایی که برای انجام محاسبات، پردازش داده‌ها و حل مسائل استفاده می‌شوند. در زمینه هوش مصنوعی، الگوریتم‌ها مکانیسم‌های اصلی هستند که فرآیندهای یادگیری و تصمیم‌گیری را بر اساس داده‌های ورودی و قوانین از پیش تعریف شده هدایت می‌کنند.

• یادگیری ماشین (ML):

 به طور کلی، این به فرآیند آموزشی اشاره دارد که برای ایجاد الگوریتم‌هایی که هوش مصنوعی بر اساس آن‌ها ساخته می‌شود، استفاده می‌شود. این شامل کامپیوترهایی است که پیش‌بینی می‌کنند و از داده‌های برچسب‌گذاری شده یا بدون برچسب که توسط انسان به آن‌ها تغذیه می‌شود، یاد می‌گیرند - اما هیچ برنامه‌نویسی صریحی مورد نیاز نیست.

• هوش مصنوعی مولد (GenAI): 

نوع خاصی از هوش مصنوعی که شامل ایجاد محتوای جدید بر اساس یک درخواست یا دستورالعمل ارائه شده توسط کاربر است. این کار از طریق الگوریتم‌هایی انجام می‌شود که سعی می‌کنند هوش و الگوهای پاسخ انسان را تقلید کنند. خروجی‌ها شامل متن، صدا، کد، تصویر یا ویدیو است - و این مجموعه به طور پیوسته در حال گسترش است. برای مثال، ChatGPT، DALL-E و Sora همگی نمونه‌هایی از ابزارهای GenAI هستند.

• مدل‌های بزرگ زبان (LLM): 

نوعی از GenAI که بر روی همه چیز مربوط به متن و پردازش زبان متمرکز است. LLM‌ها می‌توانند حجم عظیمی از داده‌ها را درک کرده و با پاسخ‌های انسانی‌مانند بازگرداند. وقتی به درستی درخواست شود، آن‌ها کارهای مختلفی را از نوشتن کد برای توسعه‌دهندگان تا پاسخگویی به سوالات مشتریان به عنوان چت‌بات انجام می‌دهند. ChatGPT و Bard هر دو به عنوان LLM طبقه‌بندی می‌شوند.

از آنجایی که دنیای هوش مصنوعی گسترده و پیچیده است، این تعاریف همه چیز را پوشش نمی‌دهند - اما حداقل باید شما را برای درک بهتر این مقاله مجهز کند.

هوش مصنوعی: یک مفهوم قدیمی در لباس جدید

به نظر می‌رسد انسان‌ها کمی خودشیفته هستند. همیشه به خودمان و آنچه که ما را به حرکت وا می‌دارد، علاقه‌مند بوده‌ایم. همین علاقه است که باعث شده حوزه‌هایی مانند علوم رفتاری و روانشناسی وجود داشته باشند. بنابراین، جای تعجب نیست که وقتی ابزارهای جدید می‌توانند ناگهان کارهایی را انجام دهند که ما به طور منحصر به فرد انجام می‌دادیم، مانند نوشتن مقاله و تولید "هنر" (با کمی اغراق)، مجذوب آن‌ها می‌شویم. اما این واکنش سریع تا حدودی غیرضروری است، زیرا هوش مصنوعی چندان هم جدید نیست.

اگر به آن فکر کنیم، نوعی از هوش مصنوعی برای دهه‌ها در دسترس عموم بوده است. یکی از اولین چت‌بات‌ها، ELIZA، توسط جوزف وایزنبوم در دهه 1960 در موسسه فناوری ماساچوست توسعه یافت. این برنامه که پیش از زمان خود بود، در ابتدا برای مطالعه تعامل انسان و کامپیوتر ایجاد شد. با کمال تعجب، بسیاری از کاربران ELIZA را انسان‌انگاری کردند (بعدها به عنوان اثر ELIZA شناخته شد) و حتی از آن به عنوان یک ابزار مکمل در درمان استفاده شد.

دستیاران مجازی و چالش‌های هوش مصنوعی

در تاریخ اخیرتر، دستیارهای مجازی مانند Siri و Alexa از دهه 2010 به این سو در کنار ما (یا در جیب‌هایمان) بوده‌اند و با یک لمس دکمه یا فرمان صوتی، به سوالات ما پاسخ داده و پیام‌های متنی ارسال می‌کنند. این ابزارها قطعاً به افزایش دسترسی، به ویژه برای کاربرانی که در استفاده از صفحه‌نمایش لمسی مشکل دارند، کمک کرده‌اند.

اما همه چیز گل و بلبل نیست. همه هوش مصنوعی مفید نیست. در واقع، آن‌ها می‌توانند بسیار مضر باشند. برای مثال، دیپ‌فیک‌ها مشکلات امنیتی عمده‌ای ایجاد کرده‌اند و نگرانی‌های اخلاقی را برانگیخته‌اند که قانونگذاران هنوز نتوانسته‌اند به آن رسیدگی کنند. به تازگی، خبری در CTV News Ottawa پخش شد که در آن زوجی را نشان می‌داد که با توصیه یک "مشاور مالی" فریب خورده بودند تا در یک ارز دیجیتال سرمایه‌گذاری کنند. این بخش که برای هشدار به سایر کانادایی‌ها پخش شده بود، بعداً برای روایت داستانی متفاوت بازسازی شد. ویدیوی جدید و دستکاری شده، همان مجریان قابل اعتماد را نشان می‌داد که در مورد "برنامه‌ای که به کانادایی‌ها کمک می‌کند به استقلال مالی برسند" صحبت می‌کردند. حتی همان زوج نیز در آن حضور داشتند، اما به جای گزارش در مورد کلاهبرداری، هر دو "توانسته بودند بازنشسته شوند."

با این وجود، هوش مصنوعی امروزه در خط مقدم نوآوری قرار دارد، به این معنی که باید بفهمیم چگونه با آن کنار بیاییم، به ویژه وقتی صحبت از کار باشد.

همکار هوش مصنوعی

با سرعت بالای تکامل این فناوری‌ها، انتظار می‌رود که با احتیاط عمل کنیم. با این حال، بسیاری از رهبران صنعت با وجود خطرات بالقوه، با تمام وجود به سمت هوش مصنوعی شیرجه می‌زنند.

این بدان معنا نیست که آن‌ها اشتباه می‌کنند. کسب‌وکارهای کوچک و بزرگ از ادغام هوش مصنوعی سود می‌برند. خدمات مشتری، نوشتن اسناد روتین و پروژه‌های نرم‌افزاری همگی می‌توانند با کمک هوش مصنوعی تسهیل شوند. و از نظر خلاقیت، کمپین‌های بازاریابی، تولید محتوا و کپی‌های رسانه‌های اجتماعی آسان‌تر از همیشه تولید می‌شوند.

اما این حرف‌ها بدون اعداد و ارقام، بی‌معنا هستند. چندین مطالعه برای ارزیابی افزایش بهره‌وری ناشی از ادغام هوش مصنوعی انجام شده است. بگذارید اینطور بگویم: بین سال‌های 2007 و 2019، ایالات متحده شاهد رشد متوسط بهره‌وری کار به میزان 1.4 درصد در سال بود، اما زمانی که GenAI وارد تصویر شد، تولید در سه مطالعه مختلف 66 درصد افزایش یافت.

علاوه بر این، با یک جستجوی سریع می‌توان همه کارهای خوب هوش مصنوعی را در خارج از دفتر، به عنوان مثال در آزمایشگاه، مشاهده کرد. شرکت DeepMind متعلق به گوگل، به یک مشکل دیرینه در زمینه زیست‌شناسی کمک کرده است. AlphaFold، یک برنامه پیش‌بینی، ساختار مولکولی تقریباً تمام پروتئین‌های شناخته شده را ترسیم می‌کند - یکی از حیاتی‌ترین بیومولکول‌ها برای هر عملکرد بدن. وقتی صحبت از بدن انسان می‌شود، "ساختار تعیین‌کننده عملکرد است"، به این معنی که این پیشرفت به دانشمندان اجازه داده است تا وظایف خاص (و اختلالات احتمالی) پروتئین‌ها در بدن را درک کنند.

بنابراین بله، هوش مصنوعی می‌تواند برای خیر استفاده شود. به ما در انجام هم کارهای روتین و هم کشف‌ها و نوآوری‌های بزرگ کمک می‌کند. با این حال، آیا خیلی خوب است؟ آیا باید نگران باشیم؟

انسان، همکار و ناظر هوش مصنوعی

بر اساس تخمین‌های مجمع جهانی اقتصاد، حدود ۸۵ میلیون شغل تا سال ۲۰۲۵ توسط هوش مصنوعی جایگزین خواهد شد. این عدد ممکن است بسیار دلسردکننده (و نگران‌کننده) به نظر برسد، اما یک لحظه با من همراه باشید. شما چیزی منحصر به فرد دارید که انسان‌ها را از ماشین‌ها متمایز می‌کند: هوش هیجانی.

مردم هنوز نسبت به هوش مصنوعی بدبین هستند و برخی از آن‌ها تمایلی به کنار گذاشتن روش‌های سنتی کار ندارند. این به این دلیل است که مهارت‌های نرم اهمیت دارند. انسان‌ها به طور منحصر به فردی دارای هوش هیجانی و همدلی هستند - توانایی‌هایی که شما را هم در زندگی و هم در دنیای کسب‌وکار به جلو می‌برند. تحقیقات پیتر کاردون و همکارانش نشان می‌دهد که در نظرسنجی از ۶۹۲ متخصص کسب‌وکار، "فضیلت"، "صداقت" و "شخصیت اخلاقی قوی" از مهم‌ترین مهارت‌ها در محیط کار مبتنی بر هوش مصنوعی خواهند بود. محققان بر اهمیت تقویت اعتماد و ارتباطات باز تأکید می‌کنند و به نگرانی‌های اخلاقی رایج در مورد هوش مصنوعی اشاره می‌کنند.

نگرانی‌های اخلاقی به چه معناست؟ خوب، در حالی که هوش مصنوعی در حال پیشرفت است، یک راه‌حل کامل نیست. مدل‌ها هنوز هم با ورودی‌های بسیار مغرضانه‌ای روبرو هستند که به نوبه خود، خروجی‌های مغرضانه‌ای ایجاد می‌کنند. در یک نمونه از این، مشخص شد که یک الگوریتم پیش‌بینی خطر مراقبت‌های بهداشتی در ایالات متحده، تعصب نژادی قوی و بسیار مضری ایجاد می‌کند. این مطالعه نشان داد که بیماران سیاه‌پوست اغلب نمرات خطر کمتری نسبت به بیماران سفیدپوست با شرایط مشابه دریافت می‌کردند، که منجر به شناسایی تعداد کمتری از بیماران سیاه‌پوست برای مدیریت مراقبت‌های پرخطر می‌شد.

در حالی که پیشرفت‌های هوش مصنوعی بی‌شک چشمگیر است، این ویژگی‌های منحصر به فرد انسانی ما - همدلی، قضاوت اخلاقی و درک مسائل اجتماعی - است که تضمین می‌کند نه تنها در کنار هوش مصنوعی کار کنیم، بلکه بر آن نظارت کنیم و توسعه آن را برای خدمت به بهترین منافع همه هدایت کنیم.

چگونه با هوش مصنوعی کنار بیاییم

بله، این موضوع می‌تواند غرق‌کننده باشد و ممکن است واکنش غریزی شما این باشد که سرتان را مانند شترمرغ در شن فرو کنید و از هوش مصنوعی که به نظر می‌رسد همه جا هست، اجتناب کنید. اما متأسفانه، این بهترین پاسخ نیست.

متعهد به یادگیری باشید. ممکن است بخواهید از هوش مصنوعی به طور کلی دوری کنید، اما به تدریج بخشی از زندگی روزمره‌تان خواهد شد، احتمالاً قبلاً هم شده است. آیا به یاد دارید که به والدینتان آموزش می‌دادید تا از FaceTime یا Zoom در طول همه‌گیری استفاده کنند؟ آیا همچنین به یاد دارید که چقدر از مقاومت آن‌ها ناراحت بودید؟ دقیقاً منظورم همین است.

هوش مصنوعی فراتر از یک ابزار برای کمک به شما در انجام کارهای خسته‌کننده است، در حال شکل دادن به دنیای ما است و نمی‌توانیم آن را انکار کنیم. از آن به عنوان ابزاری برای توصیه رسانه‌ها در برنامه‌هایی مانند Spotify و Netflix، ارائه تبلیغات شخصی‌سازی شده و حتی کمک به برندها برای تقویت تصویر آن‌ها استفاده می‌شود.

برخلاف خودم چهار ماه پیش، یاد گرفته‌ام که چگونه از ChatGPT در روزمره‌ام استفاده کنم. من آن را به عنوان یک ابزار پشتیبانی می‌شناسم، ابزاری که می‌تواند شکاف‌های تحقیقات من را مشخص کند یا زبان فنی پیچیده را به چیزی قابل فهم‌تر ترجمه کند. اما همانطور که دیدیم، مهم است که با احتیاط به این موضوع نزدیک شویم. درست مانند اینکه ما تمایل داریم بیش از حد به گوگل برای پاسخ سریع به پرسش‌های فوری‌مان تکیه کنیم، استفاده فزاینده ما از ChatGPT می‌تواند به نسخه‌ای از چیزی که به درستی اثر گوگل نامیده می‌شود، منجر شود، جایی که ما اطلاعاتی را که به راحتی از طریق یک جستجوی سریع در دسترس است، حفظ نمی‌کنیم.

وقتی صحبت از هوش مصنوعی می‌شود، من طرفدار نگاه متعادل هستم. نمی‌توان کل فرهنگی که در اطراف دسترسی بیشتر به هوش مصنوعی ایجاد شده است را خوب یا بد دانست، این بسیار ساده‌انگارانه است. به جای تفکر مطلق، شما را تشویق می‌کنم تا رویکرد مشابهی را برای ارزیابی هوش مصنوعی و کاربردهای آن اتخاذ کنید. نوآوری به معنای کمال نیست و نیازی هم به ایجاد وحشت وجودی ندارد. در نهایت، پذیرش پیچیدگی هوش مصنوعی به ما امکان می‌دهد تا با مسئولیت‌پذیری از پتانسیل آن استفاده کنیم و در عین حال چالش‌های آن را نیز در نظر بگیریم، که منجر به دیدگاهی آگاهانه‌تر و متعادل‌تر می‌شود.