هوش مصنوعی در چه کارهایی به ما کمک می کند

«هربرت سایمون»، یکی از بنیان‌گذاران هوش مصنوعی معتقد بود اگر روزی فرابرسد که یک ماشین بتواند بهترین شطرنج‌‌‌باز دنیا را شکست دهد، به طور حتم به توانایی‌‌‌هایی شبیه به هوش انسانی دست خواهد یافت.
01 مرداد 1403
شناسه : 1677
منبع:
زمان مطالعه: 6 دقیقه
«هربرت سایمون»، یکی از بنیان‌گذاران هوش مصنوعی معتقد بود اگر روزی فرابرسد که یک ماشین بتواند بهترین شطرنج‌‌‌باز دنیا را شکست دهد، به طور حتم به توانایی‌‌‌هایی شبیه به هوش انسانی دست خواهد یافت.

چرا هوش مصنوعی که قادر است در هر بازی شطرنجی برنده شود، نمی‌تواند یک دوست یا همسر خوب برای هر فردی پیدا کند؟ الگوریتم‌‌‌های بازی شطرنج مانند «دیپ بلو» (Deep Blue) به‌‌‌گونه‌‌‌ای طراحی شده‌‌‌اند که می‌توانند از طریق بررسی میلیاردها حرکت احتمالی، حرکت طرف مقابل را پیش‌بینی کنند، اما نمی‌توانند همین کار را در مورد دوستی انجام دهند.

این الگوریتم‌‌‌ها قادر نیستند از میان میلیون‌‌‌ها گزینه موجود برای دوست‌‌‌ شدن یا زندگی مشترک با یک نفر بهترین گزینه را برگزینند. اما چرا چنین است؟

«هربرت سایمون»، یکی از بنیان‌گذاران هوش مصنوعی بود و جوایز بسیاری را نصیب خود کرد. او معتقد بود اگر روزی فرابرسد که یک ماشین بتواند بهترین شطرنج‌‌‌باز دنیا را شکست دهد، به طور حتم به توانایی‌‌‌هایی شبیه به هوش انسانی دست خواهد یافت. علاوه بر این، او در سال ۱۹۶۵ پیش‌بینی کرد که طی ۲۰ سال آینده یعنی تا سال ۱۹۸۵ ماشین‌‌‌ها می‌توانند هر کاری را که انسان‌‌‌ها انجام می‌دهند، مثل انسان‌‌‌ها و شاید بهتر از آنها انجام دهند.

برنامه دیپ بلو توانست در سال ۱۹۹۷ بهترین شطرنج‌‌‌باز دنیا یعنی ‌گری کاسپاروف را شکست دهد. اما پیش‌بینی سایمون درست از آب در نیامد، چرا که از آن زمان بیش از ۲۵ سال گذشته و هوش مصنوعی نتوانسته خیلی از کارهایی را انجام دهد که انسان انجام می‌دهد.

البته هوش مصنوعی به خاطر برخورداری از قدرت محاسبه و پردازش حجم عظیمی از داده، توانسته در بعضی حوزه‌‌‌ها بر انسان برتری یابد. بر اساس قانون مور، قدرت محاسبه کامپیوترها هر دو سال دو برابر می‌شود و خیلی‌‌‌ها صحبت از ظهور ابرهوش مصنوعی به میان آورده‌‌‌اند که هر چیزی را که انسان می‌‌‌داند، می‌‌‌داند و قادر به انجام تمام کارهایی است که از عهده انسان برمی‌‌‌آید.

بیشتر بخوانید

هوش مصنوعی 10 هزار برابر باهوش‌تر از انسان‌ها می‌شود | تا 10 سال آینده

پیش بینی ظهور هوش مصنوعی انسان گونه در سال 2027

یک تفاوت مهم و اساسی بین بازی‌‌‌هایی مانند شطرنج و موضوعی مانند پیدا کردن شریک زندگی و عشق وجود دارد. در شطرنج هر موقعیتی به‌‌‌صورت یک پروفایل در نظر گرفته می‌شود که بر اساس محل قرار گرفتن مهره‌‌‌ها بر روی صفحه شطرنج تعیین می‌شود. در اینجا، برنامه شطرنج نیازی ندارد که در مورد محل درست قرار گرفتن مهره‌‌‌ها تصمیم بگیرد، چرا که پروفایل‌‌‌هایی وجود دارند که موقعیت مهره‌‌‌ها را مشخص می‌کنند و ابهامی در این میان وجود ندارد.

اما خارج از صفحه شطرنج، به‌‌‌عنوان‌‌‌مثال در رابطه دوستی و عشق، ابهامات بسیاری وجود دارد و نمی‌توان بر اساس پروفایل افراد در مورد آنها قضاوت کرد. چون پروفایل لزوما یک شخص نیست و این همان چیزی است که اصل دنیای ثابت به آن اشاره می‌کند.

 اصل دنیای ثابت به ما می‌‌‌گوید: «الگوریتم‌‌‌های پیچیده در موقعیت‌‌‌های ثابت و به‌‌‌خوبی تعریف‌شده خیلی خوب عمل می‌کنند؛ یعنی جاهایی که حجم عظیمی اطلاعات و داده وجود دارد. این در حالی است که هوش انسان به طور مداوم با موقعیت‌‌‌های مبهم و پیچیده روبه‌‌‌رو است و حتی اگر داده‌‌‌های اندکی در مورد موضوعی خاص وجود داشته باشد، باز هم می‌تواند به‌‌‌خوبی عمل کند.»

قوانین بازی شطرنج کاملا روشن و شناخته‌شده هستند و از قدیم تاکنون ثابت بوده‌‌‌اند و هیچ‌گونه ابهام و پوشیدگی در خصوص نحوه بازی شطرنج وجود ندارد. اما روابط عاطفی بین انسان‌‌‌ها مملو از ابهام و تغییر است و قوانین حاکم بر آن به طور پیوسته در حال نقض‌‌‌ شدن هستند.

اصل دنیای ثابت فقط برای پیش‌بینی چیزهایی کاربرد دارد که ثابت و بدون تغییر بوده و ابهامی در آنها وجود ندارد. به‌‌‌طورکلی، ما برای پیش‌بینی موفق و درست آینده، هم به یک تئوری درست نیاز داریم و هم به داده‌‌‌های معتبر و کافی و البته دنیایی ثابت و بدون تغییر.

در سال ۲۰۱۱ ناسا توانست فضاپیمای «مسنجر» را دقیقا در همان نقطه‌‌‌ای از سیاره مریخ فرود آورد که هفت سال پیش از آن، یعنی در سال ۲۰۰۴ پیش‌بینی کرده بود. علت کسب این موفقیت بزرگ این بود که هم یک تئوری خوب و مناسب در خصوص نحوه حرکت سیارات وجود داشت، هم داده‌‌‌های نجومی کافی موجود بود. مهم‌تر از همه اینکه حرکت مریخ همیشه و در همه زمان ثابت بود و وقتی همه چیز برای قدرت‌نمایی هوش مصنوعی وجود داشته باشد پیش‌بینی آینده درست از آب درمی‌‌‌آید.

بنابراین، باید پذیرفت که عملکرد ماشین‌‌‌ها و الگوریتم‌‌‌ها در موقعیت‌‌‌هایی که ابهام و پوشیدگی در آنها وجود دارد و به قدرت محاسباتی نیاز مبرمی وجود ندارد ضعیف و ناامیدکننده خواهد بود. به‌‌‌عنوان‌‌‌مثال، اگر شما برای یک موقعیت شغلی درخواست داده باشید، یک الگوریتم نمی‌تواند به‌‌‌درستی پیش‌بینی کند که به مصاحبه دعوت خواهید شد یا نه.

یا اگر به دلیل ارتکاب یک جرم بازداشت شده باشید یک الگوریتم نمی‌تواند فقط باتوجه ‌‌‌به سوابق شما به قاضی پرونده کمک کند تا تصمیم بگیرد آیا تا زمان محاکمه می‌تواند شما را به قید وثیقه آزاد کند یا اینکه احتمال فرار یا ارتکاب جرمی دیگر توسط شما وجود دارد و شما نباید آزاد باشید.

با این ‌‌‌همه، باید این را هم دانست که قدرت الگوریتم‌‌‌ها در حوزه‌‌‌هایی که ثابت و بدون تغییر هستند رو به ‌‌‌افزایش است و هر جا که خبری از ابهام و ریسک نیست عملکرد ماشین‌‌‌ها و الگوریتم‌‌‌ها در مقایسه با انسان‌‌‌ها بهتر و موفق‌‌‌تر خواهد بود.

به همین دلیل هم هست که ماشین‌‌‌ها در بازی‌‌‌هایی با قوانین و قواعد ثابت و مشخص بسیار بهتر از انسان عمل می‌کنند؛ چون در چنین موقعیت‌‌‌هایی آینده کاملا شبیه به گذشته است و جمع‌‌‌آوری و تحلیل داده‌‌‌های بزرگ مرتبط با موضوع که ریشه در گذشته دارد، می‌تواند به ‌‌‌پیش‌بینی درست و دقیق آینده منجر شود. اما اگر آینده دقیقا مانند گذشته نباشد، داده بزرگ هم دردی دوا نخواهد کرد و پوشیدگی و پیچیدگی‌‌‌ها باعث به‌‌‌هم‌‌‌ریختن معادلات خواهد شد.

به‌‌‌طور کلی، نمونه‌‌‌های پرشماری از برتری‌‌‌ یافتن ماشین‌‌‌ها و هوش مصنوعی بر انسان وجود دارد که در مجموع ما را به این نتیجه می‌‌‌رساند که هر جا صحبت از قوانین ثابت و موقعیت‌‌‌های مشخص و قابل ‌‌‌پیش‌بینی در میان باشد، احتمال برتری هوش مصنوعی بر انسان به‌‌‌شدت و به‌‌‌سرعت در حال افزایش است. هر زمان که پای ابهام و متغیر بودن شرایط و غیرقابل‌‌‌ پیش‌بینی بودن آینده به میان می‌‌‌آید، عرصه بر هوش مصنوعی و ماشین‌‌‌ها تنگ خواهد شد و برتری با انسان‌‌‌ها و هوش انسانی خواهد بود.

البته باید این را هم دانست که این تفکیک بین موقعیت‌‌‌های ثابت و غیرثابت به‌‌‌صورت مطلق و قطعی امکان‌‌‌پذیر نیست و چه‌‌‌بسا موقعیت‌‌‌های به‌‌‌ظاهر ثابت و مشخصی که دارای درجاتی از ابهام و تفاوت نیز هستند. در نتیجه هوش مصنوعی برای انجام آنها ممکن است دچار مشکلات و چالش‌‌‌های جدی و متعددی شود.

به‌‌‌عنوان‌‌‌ مثال، اگرچه ترجمه یک متن از یک‌‌‌زبان به زبانی دیگر نیازمند دانستن یک سری نکات گرامری و لغت است که تسلط پیدا کردن بر آنها برای ماشین‌‌‌ها و هوش مصنوعی بسیار آسان و ساده است، اما در همین فرآیند ترجمه ما با یکسری لغات و عبارت‌‌‌های دوپهلو و دارای معانی مختلف و متناقض و ایهام و کنایه‌‌‌هایی روبه‌‌‌رو می‌‌‌شویم که ترجمه دقیق و بدون نقص را برای هوش مصنوعی دشوار و گاه غیرممکن می‌‌‌سازد.

موضوعات :
ارسال نظر
پاسخ به :
= 5-4
مجمع عمومی عادی سالانه شرکت پرداخت الکترونیک پاسارگاد مربوط به سال مالی منتهی به ۱۴۰۲/۰۹/۳۰با حضور ۸۰.۵۸ درصد سهامداران در دانشگاه خاتم برگزار شد. هیأت رئیسه این مجمع متشکل از شهاب جوانمردی به‌عنوان رئیس مجمع، مسیح مشهدی تفرشی به‌عنوان دبیر جلسه و آقایان کریمی و عظیمی به‌عنوان ناظرین جلسه و نماینده شرکت بورس و بازرس قانونی بودند. در ادامه پس از مجمع عمومی عادی سالانه، مجمع عادی به‌طور فوق العاده شرکت  برگزار شد.
مجمع عمومی عادی سالانه شرکت پرداخت الکترونیک پاسارگاد مربوط به سال مالی منتهی به ۱۴۰۲/۰۹/۳۰با حضور ۸۰.۵۸ درصد سهامداران در دانشگاه خاتم برگزار شد. هیأت رئیسه این مجمع متشکل از شهاب جوانمردی به‌عنوان رئیس مجمع، مسیح مشهدی تفرشی به‌عنوان دبیر جلسه و آقایان کریمی و عظیمی به‌عنوان ناظرین جلسه و نماینده شرکت بورس و بازرس قانونی بودند. در ادامه پس از مجمع عمومی عادی سالانه، مجمع عادی به‌طور فوق العاده شرکت برگزار شد.