این روزها هشدارهای فراوانی درباره‌ی خطرات هوش مصنوعی داده شده است. افراد برجسته‌ای نظیر استیفن هاوکینگ فیزیکدان و الون ماسک مخترع، انحطاط قریب الوقوع بشریت را پیش بینی کردند. هنگامی که به این هوش مصنوعی منحصر به فرد دست یابیم، مغزها و بدن‌های ما کنار گذاشته می‌شود. انسان‌ها با ماشین‌ها ادغام می‌گردند و به عنوان انسان‌های مکانیکی تکامل می‌یابند.
 
آیا واقعاً بشر به دنبال چنین چیزی است؟
 

هوش مصنوعی از گذشته تا اکنون

هوش مصنوعی، سیستمی علمی است که منشأ آن دانش کامپیوتری، ریاضیات، روان شناسی و علم اعصاب است و هدف آن ایجاد ماشین‌هایی است که عملکردهای شناختی انسان مانند یادگیری و حل مسأله را تقلید می‌کند.
 
از دهه 1950، تصور عمومی از هوش مصنوعی شکل گرفت. اما از نظر تاریخی، موفقیت‌های هوش مصنوعی غالباً به دنبال ناامیدی‌ها و شکست‌هایی بوده است که بخش بزرگی از آن به دلیل پیش بینی اغراق آمیز از تکنولوژی و چشم انداز‌های آن بوده است.
 
در دهه‌ی 1960، یکی از بنیان گذاران این رشته، به نام هربرت سیمون، پیش بینی کرد که ماشین‌ها در بیست سال آینده قادر به انجام تمام کارها مانند یک انسان خواهند بود.
 
ماروین مینسکی، بنیان گذار شبکه عصبی، پیش بینی دقیق‌تری کرده و گفته است در طی یک نسل، مشکلات ایجاد هوش مصنوعی به طور قابل ملاحظه‌ای حل خواهد شد.
 
اما مشخص شد نیلز بور فیزیکدان دانمارکی اوایل قرن بیست، درست گفته است که پیش بینی به خصوص در مورد آینده بسیار دشوار است.
 
امروزه، توانمندی‌های هوش مصنوعی شامل تشخیص گفتار، کارایی بالاتر در بازی‌های استراتژیک مانند شطرنج، ماشین سواری، بازی GO و یافتن الگوهای تعبیه شده در اطلاعات پیچیده است. این استعدادها به شدت انسان را غیر ضروری جلوه داده است.
 

تولید نورون جدید

هوش مصنوعی در حال پیشرفت است. جدیدترین دستاورد هوش مصنوعی در سال 2009 به نام شبکه نورونی یا عصبی عمیق (به دلیل لایه‌های فراوان نورون) به وجود آمد.
 
هوش مصنوعی از مجموعه‌های بزرگی از واحدهای محاسباتی به نام نورون‌های مصنوعی تشکیل شده است، و شباهت کمی به نورون‌ها یا رشته های عصبی در مغز انسان دارد. برای آموزش "فکر کردن" به این شبکه، دانشمندان مثال‌های فراوانی از مسائل حل شده را به آن ارائه می‌دهند.
 
تصور کنید ما مجموعه‌ای از تصاویر بافت‌های بدن داریم، هر تصویر با تشخیص سرطان یا عدم سرطان جفت شده است. ما در حالی که از طریق شبکه هر تصویر را رد می‌کنیم از نورون‌های مرتبط با هم، می‌خواهیم که امکان سرطان را محاسبه کنند.
 
سپس ما پاسخ شبکه را با پاسخ‌های صحیح مقایسه می‌کنیم، و ارتباطات بین نورون‌ها با هر پاسخ نادرست را اصلاح می‌کنیم. دو باره فرآیند را تکرار می‌کنیم، و در طی این مدت اصلاحات و تنظیمات را انجام می‌دهیم تا زمانی که بیشتر پاسخ‌ها مطابق با پاسخ درست باشد.
 
در نهایت این شبکه‌ی نورونی برای انجام تمام کارهایی که یک پاتولوژیست انجام می‌دهد، آماده است و می‌تواند از روی تصاویر بافت‌های بدن سرطان را پیش بینی کند.
 
این فرآیند شبیه زمانی است که یک کودک نواختن ساز موسیقی را یاد می‌گیرد. کودک تمرین می‌کند و آن قدر آهنگ تکرار می‌کند تا آن را بی نقص اجرا کند. اطلاعات در شبکه‌ی نورونی ذخیره می‌گردد اما شرح جنبه‌ی فنی آن آسان نیست.
 
زمانی که پژوهشگران برای یاد گیری خود شروع به استفاده از تعداد زیادی پردازنده‌های موازی بر روی تراشه‌های گرافیکی نمودند، این شبکه‌ها با لایه‌های فراوان نورون‌ها (که به همین دلیل شبکه‌ی نورونی عمیق نامیده می‌شوند) کاربردی شدند. هوش مصنوعی از مجموعه‌های بزرگی از واحدهای محاسباتی به نام نورون‌های مصنوعی تشکیل شده است، و شباهت کمی به نورون‌ها یا رشته های عصبی در مغز انسان دارد. شرط دیگر برای موفقیت این یاد گیری نورونی، حجم زیاد مثال‌های حل شده‌ی ارائه شده به این شبکه است. پژوهشگران مجموعه‌های بزرگی از تصاویر و متون در شبکه‌های اجتماعی و ویکی پدیا ایجاد کرده‌اند، که از این طریق ماشین‌ها می‌توانند با استفاده از جستجو در اینترنت تصاویر را طبقه بندی نمایند، گفتار را تشخیص دهند و زبان را ترجمه کنند.
 
در حال حاضر شبکه نورونی در حال انجام این وظایف تقریباً به خوبی یک انسان است.
 

هوش مصنوعی نمی‌خندد و عواطف انسانی را درک نمی‌کند

عملکرد خوب هوش مصنوعی محدود به وظابف مشخصی است.
 
دانشمندان پیشرفتی در درک هوش مصنوعی از معنای واقعی تصاویر و متون مشاهده نکرده‌اند. اگر کارتون اسنوپی را به یک شبکه‌ی آموزش دیده نشان دهیم، می‌تواند شکل‌ها و اجسام را شناسایی کند مثلاً یک سگ این جاست و یک پسر آن جاست. اما اهمیت آن را کشف نمی‌کند و طنز آن را متوجه نمی‌شود.
 
ما همچنین از شبکه‌ی نورونی برای معرفی روش‌های بهتر نوشتن به کودکان استفاده می‌کنیم. و به این وسیله می‌توان به پیشرفت املایی و نوشتاری، دستوری و فرم نوشتار کودکان به طور قابل قبولی کمک کرد اما این روش به آموزش ساختار منطقی، استدلال و ایده دادن به کودکان کمکی نمی‌کند. و مدل‌های فعلی حتی قادر به فهم انشاهای ساده‌ی کودک 11 ساله نیز نیستند.
 
عملکرد هوش مصنوعی همچنین توسط حجم داده‌های آماده و در دسترس، محدود می‌شود. برای مثال در مورد تشخیص‌های پزشکی، استفاده از این سیستم تأثیر اندکی در بهبود نتایج دارد به دلیل این که ما نمی‌توانیم مجموعه‌ی بزرگی از اطلاعات بیماران را به سیستم بدهیم، از طرفی داده‌های بیمارستان در حال حاضر قادر به ثبت و جمع آوری اطلاعاتی نظیر عوامل روان شناختی منجر به بیماری‌های نظیر بیماری عروق کرونری قلب، میگرن یا سرطان نیست.
 

هوش مصنوعی مشاغل را نابود می‌کند

نگران نباشید. گذشته از پیش‌ بینی‌های جدی و پر تنشی که در باره‌ی توانایی‌های منحصر به فرد هوش مصنوعی وجود دارد، انسان‌ها در حال حاضر در خطر فوری غیر ضروری بودن نیستند.
 
شبکه نورونی، به هر حال بسیاری از کارها و مشاغل را به صورت اتوماتیک در خواهد آورد. هوش مصنوعی به جای انسان کارها را انجام خواهد داد، و نیاز به حضور کارگران، متخصصین پزشکی و شاید یک روز اساتید علوم کامپیتوری را در معرض خطر قرار می‌دهد.
 
روبات‌ها پیش از این در وال استریت (مرکز بورس آمریکا) فعال بوده‌اند. پژوهش‌ها نشان می‌دهد تا سال 2025 هوش مصنوعی موجب از بین رفتن 230000 شغل مالی خواهد شد.
 
در صورتی که این مشاغل در اختیار هوش مصنوعی قرار بگیرند، ممکن است سبب خطر جدی شود. ویروس‌های کامپیوتری جدید می‌توانند در انتخابات، رأی دهندگان بی طرف را شناسایی نمایند و با ارائه‌ی اخبار جهت دار به آن‌ها و سعی در تحت تأثیر قرار دادن رأی آن‌ها، موجب دستکاری در انتخابات گردند.
 
در حال حاضر آمریکا، چین و روسیه در حال سرمایه گذاری برای تولید تسلیحات اتوماتیک مانند هواپیماهای بدون سرنشین، ماشین‌های جنگی و روبات‌های جنگنده با استفاده از هوش مصنوعی می‌باشند که می‌تواند منجر به رقابت تسلیحاتی خطرناک شود. و این موضوعی است که باید در مورد آن نگران باشیم.
 
منبع: مارکو روبنیک سیکونجا - University of Ljubljana