پایان رقابت انسان و ماشین

حرف از فناوری یادگیری ماشین که به میان می‎‌آید ممکن است تصور کنیم پژوهشگران هنوز در ابتدای راه شبیه‎‌سازی هوش انسان در برنامه‎‌های هوش مصنوعی هستند اما همین چند روز پیش، «ناندو د فریتاس» (Nando de Freitas) پژوهشگر بخش دیپ ‌‎مایند در شرکت گوگل و استاد یادگیری ماشین دانشگاه آکسفورد از حل دشوارترین چالش‎‌ها در رقابت بر سر دستیابی به هوش مصنوعی عمومی (AGI) که به هوش هم‌سطح انسان معروف است خبر داد و گفت: «بازی به پایان رسیده است. حالا دیگر هدف‎‌مان فقط این است که مدل‌ها را توسعه دهیم و به برنامه‌‎هایی ایمن‌تر، کارآمدتر و سریع‌تر تبدیل‎‌شان کنیم.»

کد خبر: ۱۳۶۸۵۴۷

با این حساب به‌نظر می‎‌رسد افق‌های تازه‎ای از فناوری هوش مصنوعی پیش روی ماست؛ روزهایی که فناوری‎‌های نوین مجهز شده به هوش مصنوعی ارتقا یافته تا سطح انسانی قرار است زندگی و مشاغل ما را متحول کنند. آیا از این روزهای پیش رو باید بترسیم؟ یا وقتش رسیده که با آغوش باز پذیرای فناوری‌های جدید باشیم؟

شرکت دیپ‌ مایند سال ۱۳۸۹ شمسی/ ۲۰۱۰ میلادی در لندن تأسیس شد و گوگل آن را در سال ۱۳۹۳/ ۲۰۱۴ خرید.

این شرکت در حال حاضر مراکز تحقیقاتی بیشتری در ادمونتون و مونترال کانادا و کالیفرنیا دارد و روی پروژه‌‏های مختلفی کار می‎‌کند که همه با هدف توسعه مرزهای هوش مصنوعی طراحی شده‌‎اند. یکی از اهداف مهم این شرکت ساخت برنامه‎‌هایی است که بتواند بدون نیاز به آموزش و با استفاده از کدهای رایانه‌ای که برای ساخت هوش مصنوعی به کار می‌‎روند‎ هر مشکل پیچیده‌ای را حل کنند.

یادگیری ماشین، رمز ورود به جهانی جدید

یادگیری ماشین (Machine Leaning) از زیر مجموعه‏‌های هوش مصنوعی است. در این فناوری، مجموعه‌‎ای از اطلاعات به یک ماشین داده شده و سیستم درست مانند کودکی خردسال می‎‌آموزد چگونه این اطلاعات را تحلیل کند و در مواجهه با موارد مشابه چه واکنشی نشان دهد. در واقع آموزشی در کار نیست و صرفا اطلاعات اولیه‎‌ای وجود دارد که شبیه کد رایانه‌ای به برنامه داده می‎‌شود. منظور از ماشین در اینجا الزاما ربات‎‌ها نیستند، بلکه برنامه‎‌های رایانه‌‎ای و نرم‌‎افزارهایی که روی وسایل الکترونیکی مختلف نصب می‎‌شوند هم ماشین به حساب می‌‎آیند. یادگیری ماشین می‌‎تواند در بانکداری، پیش‌بینی‎‌های مربوط به بازارهای مالی، دستگاه‎‌های حضور و غیاب و تشخیص چهره، پزشکی و مهندسی به کار برود.

توانایی انجام هم زمان ۶۰۴ کارفریتاس در توضیح عملکرد برنامه و فعالیت‌‎های گروه خود می‎‌گوید: «نتایج تحقیقات و تلاش‌‎های این گروه برای ارتقای هوش مصنوعی در سطح انسان به سطحی رسیده است که می‏‌تواند ۶۰۴ کار را به طور همزمان در شرایط متنوع انجام دهد. او به پروژه گاتو اشاره می‏‌کند که از یک شبکه عصبی منفرد تشکیل شده و در حقیقت مجموعه رایانه‌ای به هم پیوست‌ه‏ای است شبیه به سلول‏های مغز انسان که در انجام کارهای مختلف عمل می‎‌کنند. این برنامه قادر است چت کند، برای تصاویر زیرنویس ارائه دهد، بلوک‎‌ها را با یک بازوی رباتیک روی هم قرار دهد و حتی با کنسول‌‎های بازی ویدئویی قدیمی مثل آتاری که در دهه ۱۳۶۰/ ۱۹۸۰ رایج بود کار کند و بازی را پیش ببرد.»

زمانی که برنامه گاتو در حال گپ زدن با یک انسان بود تحت نظر چند داور قرار گرفت که در نهایت توانایی صحبت کردن او را در حد متوسط اعلام کردند. این یعنی با وجود تمام تلاش‌‎هایی که در حوزه توسعه این برنامه اتفاق افتاده هنوز تا رسیدن به مراحل اجرایی که نتوان مرز هوش مصنوعی از انسان را تشخیص داد فاصله وجود دارد. مقاله The Next Webدرباره نتایج پروژه گاتو می‎‌گوید هوش مصنوعی عمومی که دیپ مایند به آن دست پیدا کرده، چیزی بیشتر از دستیارهای مجازی مثل سیری (SIRI) و الکسا (ALEXA) نیست که اکنون در گوشی‎‌های همراه و بعضی از ابزارهای الکترونیک مورد استفاده مردم در خانه‌هایشان وجود دارد.

باید از هوش مصنوعی بترسیم؟

پژوهشگران شرکت دیپ ‎‌مایند در مقاله‌ای که سال ۱۳۹۵/ ۲۰۱۶ منتشر شده است، نیاز به وجود یک دکمه‌ قرمز بزرگ برای جلوگیری از انجام اقدامات خطرناک هوش مصنوعی را تأیید کردند. استیون هاوکینگ، فیزیکدان برجسته پیش از مرگش بارها نگرانی‌‎اش را درباره گسترش و پیشرفت بی‎‌حد و مرز هوش مصنوعی اعلام کرده بود. با این حال نباید خدماتی را که تکامل هوش مصنوعی می‌‎تواند برایمان به ارمغان آورد را فراموش کنیم. به عقیده بسیاری از محققان نباید نگاه صفر و صدی به هوش مصنوعی داشته باشیم زیرا همین فناوری در سال ۱۳۹۹/ ۲۰۲۰ توانست یکی از چالش‌های چندساله در علم زیست‏شناسی، یعنی پیش‌بینی ساختار سه‌بعدی پروتئین‌ها را حل کند. تعیین ساختار سه‌بعدی پروتئین‌های مختلفی که در بدن موجودات زنده تولید می‌شود، می‌تواند کارایی بسیار زیادی در توسعه روش‌های مقابله با بیماری‌ها، تولید داروهای دقیق‌تر و اثرگذارتر، تولید بافت‌های مختلف بدن در محیط آزمایشگاهی و... داشته باشد. این شرکت دو سال پیش اعلام کرد توانسته با آموزش الگوریتم شبکه‌ عصبی با استفاده از ۱۷۰هزار توالی پروتئین شناخته‌شده و ساختارهای متمایز آنها، این مشکل را با دقت ۹۲درصد حل کند. البته این تنها جایی نیست که هوش مصنوعی به کمک بشر آمده باشد بلکه نمونه‌‎های دستیارهای صوتی گوشی‌های هوشمند هم توانسته‌‎اند مشکل افراد نابینا یا کسانی را حل کند که به‌دلیل معلولیت قادر به استفاده از دست‌های خود نیستند. تمام این موارد نشان می‎‌دهد این فناوری تا چه حد برای انسان مفید بوده است.

تورینگ، امتحانی برای هوش مصنوعی

فریتاس می‎‌گوید: با همه پیشرفت‌هایی که بشر در حوزه هوش مصنوعی داشته اما هنوز نتوانسته آن را تا حد رسیدن به سطح آزمون تورینگ توسعه دهد. آزمون تورینگ را آلن تورینگ در سال ۱۳۲۹/۱۹۵۰ طراحی کرد. هدف این آزمایش سنجش توانایی رفتارهای هوشمندانه ماشین است. در واقع نتیجه این آزمون نشان می‌‎دهد هوش مصنوعی ساخته شده، چقدر به رفتارها و انتخاب‎‌های انسانی نزدیک شده است.