عکس: عجایب جهان. سارن والادی / فلیکر ، CC BY-SA
 
اداره ثبت اختراعات اروپا اخیراً یک درخواست ثبت اختراع که در مورد یک نوع ظرف غذا توضیح می‌داد را رد کرد. دلیل این امر این نبود که این اختراع تازه و مفید نبود بلکه به دلیل بود که این درخواست توسط هوش مصنوعی (AI) ایجاد شده بود. طبق قانون، مخترعین باید افراد واقعی باشند. این اولین اختراع توسط دستگاه‌های هوش مصنوعی نیست که از مقالات علمی و کتاب‌ها گرفته تا مواد و موسیقی جدید نوآوری‌هایی در آنها ایجاد کرده‌اند.
 
این می‌گوید که خلاق بودن به وضوح یکی از قابل توجه‌ترین صفات انسانی است. بدون آن هیچ شعری، اینترنت و مسافرت فضایی وجود نخواهد داشت. اما آیا هرگز ممکن است هوش مصنوعی با هوش ما مطابقت داشته باشد یا حتی از آن پیشی بگیرد؟ بیایید نگاهی به این تحقیق بیندازیم.
 
از دیدگاه نظری، خلاقیت و نوآوری فرایندی از جستجو و ترکیب است. ما از یک قطعه دانش شروع می‌کنیم و آن را با یک بخش دیگر از دانش در جهت دست یابی به چیزی جدید و مفید پیوند می‌دهیم. در اصل، این کاری است که توسط دستگاهها هم قابل انجام است - در واقع، آنها در ذخیره سازی، پردازش و ایجاد اتصالات در داده‌ها برتری دارند.
 
ماشین آلات با استفاده از روش‌های تولیدی نوآوری می‌کنند. اما این امر دقیقاً چگونه رخ می‌دهد؟ رویکردهای مختلفی وجود دارد، اما آخرین پیشرفت در این زمینه، شبکه‌های مخالف مولد نامیده می‌شود. به عنوان نمونه، ماشینی را در نظر بگیرید که قرار است تصویری جدید از شخص ایجاد کند. شبکه‌های مخالف مولد، با ترکیب دو وظیفه فرعی، این کار را انجام می‌دهند.
 
بخش اول مولد است، که تصاویر جدیدی را از توزیع تصادفی پیکسل‌ها شروع می‌کند. بخش دوم، تفکیک کننده است، که به مولد می‌گوید چقدر نزدیک شده تا در واقع یک تصویر واقعی به وجود بیاورد.
 
چگونه تفکیک کننده می‌داند که انسان چگونه به نظر می‌رسد؟ خوب، شما نمونه‌های زیادی از تصاویر شخص واقعی را قبل از شروع کار به آن تغذیه می‌کنید. بر اساس بازخورد تفکیک کننده، مولد الگوریتم خود را بهبود می‌بخشد و تصویری جدید را پیشنهاد می‌کند. این روند ادامه پیدا می‌کند و فیدبک گرفته می‌شود تا زمانی که تفکیک کننده تصمیم گیری کند که تصاویر به اندازه کافی به نمونه‌های تصویری که آموخته است شبیه است. این تصاویر تولید شده بسیار نزدیک به افراد واقعی است.
 
اما حتی اگر ماشین آلات بتوانند از داده‌ها نوآوری ایجاد کنند، این بدان معنی نیست که آنها به زودی می‌توانند همه جرقه‌های خلاقیت انسان را سرقت کنند. نوآوری یک فرایند حل مسئله است - برای این که اتفاق بیفتد، مسائل با راه حلها ترکیب می‌شوند. انسانها می‌توانند به هر دو جهت بروند - آنها با مسئله‌ای شروع می‌کنند و آن را حل می‌کنند، یا راه حل را می‌گیرند و سعی می‌کنند برای آن مسائل جدیدی پیدا کنند.
 
نمونه‌ای از نوآوری نوع دوم، نوت پیست است. یک مهندس نوار چسبی را ایجاد کرد که خیلی ضعیف بود و بلا استفاده روی میز تحریرش قرار داشت. تنها بعداً یکی از همکارانش فهمید که این راه حل می‌تواند به جلوگیری از افتادن یادداشت‌هایش از نشان‌هایش در طول تمرین کر کمک کند.
 
با استفاده از داده‌ها به عنوان ورودی و کد به عنوان فرمولاسیون صریح مسئله، ماشین آلات همچنین می‌توانند راه حل‌هایی برای مشکلات ارائه دهند. با این حال، پیدا کردن مشکل برای ماشین ها دشوار است، زیرا مشکلات اغلب خارج از مرزهای مخازن داده‌هاست و ماشینها نمی‌توانند در مورد آنها نوآوری کنند.
 
 
عکس: داده محدود به معنای نوآوری محدود است. عکس فونلامای
 
از این گذشته، نوآوری غالباً مبتنی بر نیازهایی است که حتی نمی‌دانسته‌ایم. به واکمن فکر کنید. حتی اگر هیچ مصرف کننده‌ای هرگز آرزوی گوش دادن به موسیقی هنگام راه رفتن نمی‌داشت، این نوآوری موفقیت بزرگی بود. از آنجا که چنین نیازهای نهفته‌ای به سختی می‌توانند فرموله و شفاف شوند، آنها نیز بعید به نظر می‌رسد راه خود را به مجموعه داده‌های مورد نیاز ماشین آلات برای نوآوری پیدا کنند.
 
انسان و ماشین آلات همچنین مواد اولیه متفاوتی دارند که از آنها به عنوان ورودی برای نوآوری استفاده می‌کنند. در جایی که انسان‌ها برای ایجاد ایده‌ها از یک عمر تجربیات گسترده استفاده می‌کنند، ماشین آلات تا حد زیادی به داده‌هایی که به آنها تغذیه می‌کنیم محدود شده‌اند. خلاقیت و نوآوری فرایندی از جستجو و ترکیب است. ما از یک قطعه دانش شروع می‌کنیم و آن را با یک بخش دیگر از دانش در جهت دست یابی به چیزی جدید و مفید پیوند می‌دهیم. در اصل، این کاری است که توسط دستگاهها هم قابل انجام است. ماشین آلات می‌توانند به سرعت نوآوری‌های افزایشی بی شماری را در قالب نسخه‌های جدید بر اساس داده‌های ورودی تولید کنند. اما نوآوری پیشرفت غیر منتظره، بعید به نظر می‌رسد که از ماشین آلات بیرون بیاید، زیرا ایننوع نوآوری غالباً بر اساس اتصال رشته‌هایی ایجاد می‌شود که از هم دور هستند یا به هم متصل نیستند. به اختراع اسنوبورد فکر کنید، که دنیای اسکی و موج سواری را به هم متصل می‌کند.
 
همچنین، خلاقیت فقط مربوط به جدید بودن نیست، بلکه در مورد سودمندی هم است. در حالی که ماشین‌ها به وضوح قادر به ایجاد چیزی هستند که به گونه‌ای افزایشی جدید است، این بدان معنی نیست که این خلاقیت‌ها مفید هم هستند. سودمندی از نظر کسانی است که از نوآوری به صورت بالقوه استفاده می‌کنند و قضاوت در این مورد برای ماشین‌ها دشوار است. اما انسانها می‌توانند با انسانهای دیگر همدلی کنند و نیازهای آنها را بهتر درک کنند.
 
سرانجام، ایده‌های خلاقانه تولید شده توسط هوش مصنوعی ممکن است به خاطر این که توسط یک دستگاه ایجاد شده‌اند، کمتر مورد توجه مصرف کنندگان قرار گیرد. افراد ممکن است گرفتن ایده‌‌ از هوش مصنوعی را به خود تخفیف دهند زیرا احساس می‌کنند این ایده‌ها کمتر معتبر و حتی تهدید آمیز هستند. یا ممکن است آنها به سادگی ایده‌های به دست آمده از همنوع خود را ترجیح دهند، اثری که قبلاً در زمینه‌های دیگر نیز مشاهده شده است.
 
تاکنون، بسیاری از جنبه‌های خلاقیت زمینه‌هایی بدون چالش برای ماشین آلات و هوش مصنوعی باقی مانده است. با این حال، سلب مسئولیت وجود دارد. حتی اگر ماشین آلات قادر به جایگزین شدن با انسان در حوزه خلاقیت نباشند، آنها برای تکمیل خلاقیت انسان کمک شایانی می‌کنند. به عنوان مثال، می توانیم سؤالاتی جدید بپرسیم یا مشکلات جدیدی را در ترکیب با یادگیری ماشین حل می‌کنیم ، یا آنها را شناسایی کنیم. به علاوه، تجزیه و تحلیل ما مبتنی بر این واقعیت است که ماشین‌ها بیشتر در مجموعه داده‌های باریک نوآوری می‌کنند.
 
منبع: تیم شویتسفورت – رنه چستر گودوشِیت - University of Southern Denmark - Aarhus University