آیا قاعده مند کردن هوش مصنوعی بشریت را نجات می دهد یا فقط نو آوری را خفه می کند؟
برخی از مردم می ترسند که روبات های هوشمند مصنوعی با مسلح شدن شدید، جهان را تسخیر کنند، بشریت را به بردگی بکشند - یا شاید ما را نابود نمایند. این افراد که از جمله آنها الون ماسک میلیاردر صنعت فناوری و استیون هاوکینگ فیزیکدان برجسته هستند می گویند که فناوری هوش مصنوعی برای مدیریت خطرات باید تنظیم شود. اما بنیان گذار مایکرو سافت، بیل گیتس، و مارک زاکربرگ از فیس بوک با آنها اختلاف نظر دارند و می گویند این فناوری تقریباً به اندازه کافی پیشرفته نیست تا این نگرانی ها واقع بینانه باشند.من به عنوان کسی که در مورد چگونگی عملکرد هوش مصنوعی در تصمیم گیری روباتیک، هواپیماهای بدون سرنشین و وسایل نقلیه خود ران تحقیق می کند، دیده ام که هوش مصنوعی چگونه می تواند سودمند باشد. من یک نرم افزار هوش مصنوعی را توسعه داده ام که به عنوان بخشی از تلاش های جمعی برای کشف و حل مشکلات، به روبات هایی که اقدام به کار گروهی می کنند اجازه می دهد تا به تنهایی تصمیم بگیرند. محققان از قبل تابع قوانین، مقررات و قوانینی هستند که برای محافظت از ایمنی عمومی طراحی شده اند. اعمال محدودیت های بیشتر باعث کاهش پتانسیل نو آوری با سیستم های هوش مصنوعی می شود.
هوش مصنوعی چگونه اکنون قاعده مند یا تنظیم می شود؟
اگر چه اصطلاح "هوش مصنوعی" ممکن است تصاویر خارق العاده ای از روبات های شبیه انسان را به ذهن متبادر کند، اما بیشتر افراد قبلاً با هوش مصنوعی رو به رو شده اند. هوش مصنوعی همان چیزی است که به ما کمک می کند محصولات مشابه را هنگام خرید پیدا کنیم، توصیه های فیلم و تلویزیون را ارائه می دهد و به ما در جستجوی وب سایت ها کمک می کند. هوش مصنوعی مقاله دانش آموزان را نمره گذاری می کند، تدریس خصوصی می دهد و حتی اشیایی را که از میان اسکنرهای فرودگاه رد می شوند، تشخیص می دهد.مردم به روشی غیر منطبق با هر هوش مصنوعی، شهودی هستند، اما ماشین ها از نظر قدرت محاسباتی و دقت الگوریتمی بسیار بهتر هستند. در یک بده و بستان این چنینی بین انسان و ماشین، از نقاط قوت هر دو استفاده می شود. در هر حالت، هوش مصنوعی کار را برای انسان راحت تر می کند. به عنوان مثال، نرم افزاری از هوش مصنوعی که من توسعه دادم می تواند برای برنامه ریزی و اجرای جستجوی یک زمینه برای گیاه یا حیوان به عنوان بخشی از یک آزمایش علمی مورد استفاده قرار گیرد. اما حتی همان طور که هوش مصنوعی وقت و انرژی افراد را برای انجام این کارها آزاد می کند، هنوز اقدامات خود را بر اساس تصمیمات و اهداف بشر در مورد این که کجا جستجو کند و به دنبال چه چیزی بگردد، انجام می دهد.
در حوزه هایی مانند حوزه های ذکر شده در بالا و در بسیاری دیگر از حوزه ها، هوش مصنوعی بسیار مفیدتر است تا این که احیاناً آسیب زا باشد – البته اگر به درستی از آن استفاده شود. اما من معتقدم که در حال حاضر به مقرراتی اضافی نیاز نیست. در حال حاضر قوانینی در کتاب ملت ها، ایالت ها و شهرها وجود دارد که حاکم بر مسئولیت های مدنی و کیفری برای اقدامات مضر هستند. به عنوان مثال، هواپیماهای بدون سرنشین ما باید از مقررات FAA پیروی کنند، در حالی که هوش مصنوعی خود روی خود ران باید از قوانین منظم راهنمایی و رانندگی پیروی کند تا در جاده های عمومی بتواند کار کند.
قوانین موجود همچنین مواردی را که در صورت صدمه دیدن یا کشته شدن شخصی توسط یک روبات باید پیگیری شود، شامل می شوند، حتی اگر آسیب دیدگی تصادفی باشد و برنامه ریز یا اپراتور روبات مسئولیت کیفری نداشته باشد. در حالی که قانون گذاران و نهادهای نظارتی ممکن است لازم باشد با پیشرفت فناوری مسئولیت اقدامات سیستم های هوش مصنوعی را اصلاح کنند، ایجاد مقرراتی فراتر از آن چه در حال حاضر وجود دارد می تواند توسعه توانایی هایی را که به طور چشم گیری سودمند هستند، منع یا کند کند.
تصویر: یک روبات انسان نما که کتاب می خواند. وقتی ماشین ها برای یاد گیری و حل مشکلات، با تجربه خودشان رها می شوند، این را یاد گیری تقویت می نامند Gremlin/E+ via Getty Images
خطرات بالقوه ناشی از هوش مصنوعی
ممکن است منطقی به نظر برسد که در مورد توسعه سیستم های هوش مصنوعی بسیار پیشرفته توسط محققان که می توانند کاملاً خارج از کنترل انسان عمل کنند نگران باشید. یک آزمایش فکری رایج مربوط به اتومبیل خود ران است که مجبور به تصمیم گیری است در مورد این که آیا باید کودکی را که تازه وارد جاده شده است زیر بگیرد یا از مسیر اصلی به سمت گارد ریل منحرف شود و تصادف کند و به سرنشینان اتومبیل و شاید حتی افراد در وسیله نقلیه دیگری آسیب برساند.ماسک و هاوکینگ و افرادی دیگر، نگران این هستند که سیستم های هوش مصنوعی بسیار توانا، که دیگر فقط به یک کار واحد مانند کنترل اتومبیل خود ران محدود نمی شوند، ممکن است تصمیم بگیرند که دیگر به انسان نیازی ندارند. هوش مصنوعی حتی ممکن است به طریقه سرپرستی انسان در این سیاره، درگیری های بین فردی، سرقت، کلاهبرداری و جنگ های مکرر نگاه کند و تصمیم بگیرد که جهان بدون مردم بهتر خواهد بود.
آیزاک آسیموف، نویسنده داستان های علمی، سعی کرد با ارائه سه قانون محدود کننده‌ی تصمیم گیری روبات ها، این پتانسیل را برطرف کند: روبات ها نمی توانند به انسان آسیب برسانند یا اجازه دهند آنها صدمه ببینند. آنها همچنین باید از انسان اطاعت کنند - مگر این که این اطاعت آنها به انسان آسیب برساند - و آنها باید از خود محافظت کنند، به شرطی که این به انسان آسیب نرساند یا یک دستور را نادیده نگیرد.
اما آسیموف خود می دانست که این سه قانون کافی نیست، و آنها پیچیدگی ارزش های انسانی را نشان نمی دهند. مثالی از چیزی که "آسیب" را تشکیل می دهد: آیا یک روبات باید از بشریت در برابر رنج ناشی از افزایش جمعیت محافظت کند یا باید از آزادی افراد برای تصمیم گیری در مورد تولید مثل شخصی محافظت کند؟
ما انسان ها قبلاً در هوش های غیر مصنوعی خود با این سؤالات دست و پنجه نرم کرده ایم. محققان برای کنترل رفتار افراد، رشد جمعیت و آسیب های زیست محیطی محدودیت هایی را در آزادی های انسانی، از جمله کاهش تولید مثل، پیشنهاد کرده اند. به طور کلی، جامعه تصمیم گرفته است که، به خاطر اهداف بزرگ تر، از این روش ها استفاده نکند، حتی اگر اهداف آنها منطقی به نظر برسد. به همین ترتیب، به جای تنظیم آن چه سیستم های هوش مصنوعی می توانند و یا نمی توانند انجام دهند، از نظر من بهتر است اخلاق و ارزش های انسانی را به آنها بیاموزیم - مانند کاری که والدین با فرزندان انسان خود انجام می دهند.
مزایای هوش مصنوعی
مردم در حال حاضر هر روز از هوش مصنوعی بهره مند می شوند - اما این فقط آغاز کار است. روبات های تحت کنترل هوش مصنوعی می توانند در پاسخ گویی به افراد مسلح انسان به اجرای قانون کمک کنند. تلاش های فعلی پلیس باید بر جلو گیری از آسیب رساندن به افسران متمرکز باشد، اما روبات ها می توانند در این راه سپر بلا شوند، و به طور بالقوه نتایج مواردی مانند تیر اندازی اخیر توسط یک دانشجوی مسلح در دانشگاه در Georgia Tech و تیر اندازی به یک دانش آموز دبیرستانی غیر مسلح در آستین را تغییر دهند.بسیاری از الگوریتم های هوش مصنوعی در واقع به روش هایی شبیه انسان فکر می کنند.روبات های هوشمند می توانند از راه های دیگر نیز به انسان کمک کنند. آنها می توانند کارهای تکراری را انجام دهند، مانند پردازش داده های حسگر، جایی که خستگی انسان ممکن است باعث اشتباه شود. آنها می توانند قرار گرفتن انسان در معرض مواد خطرناک و موقعیت های خطرناک را محدود کنند، از جمله در هنگام از آلودگی مبرا کردن کردن یک راکتور هسته ای، و کار در مناطقی که از عهده انسان بر نمی آید. به طور کلی، روبات های هوش مصنوعی می توانند با رهاندن انسان از انجام این کارها و کارهای دیگر، فرصت بیشتری را برای انسان ها فراهم آورند تا هر چه را که شادی تعریف می کنند، دنبال کنند.
دستیابی به بیشتر این مزایا نیاز به تحقیقات و توسعه های خیلی بیشتری دارد. مقرراتی که ایجاد هوش مصنوعی را گران تر می کند و یا از استفاده خاصی از آنها، جلو گیری می کند، ممکن است این تلاش ها را به تأخیر بیندازد یا مانع آنها شود. این امر به ویژه در مورد مشاغل کوچک و افراد - محرک های اصلی فناوری های جدید - که به اندازه شرکت های بزرگ، توانایی مقابله با انطباق با مقررات را ندارند، صادق است. در واقع، بزرگ ترین ذی نفع مقررات هوش مصنوعی ممکن است شرکت های بزرگی باشند که به کار با آن مقررات عادت کرده اند، زیرا شرکت های نو پا در یک محیط تنظیم شده رقابت سخت تری خواهند داشت.
نیاز به نو آوری
بشریت در همان روزهای ابتدایی اینترنت با مجموعه موضوعات مشابهی رو به رو بود. اما ما فعالانه از تنظیم اینترنت خود داری کردیم تا مانع ممانعت از رشد آن شویم. پِیپال ماسک و بسیاری از مشاغل دیگر به ساختن دنیای آنلاین مدرن کمک کردند در حالی که فقط از قوانین منظم انسانی مانند قوانین پیش گیری از سرقت و کلاه برداری برخوردار بودند.سیستم های هوش مصنوعی این توانایی را دارند که عملکرد انسان ها در مورد همه کارها را تغییر دهند. دانشمندان، مهندسان، برنامه نویسان و کار آفرینان برای توسعه فناوری ها و ارائه مزایای خود به زمان نیاز دارند. کار آنها باید بدون نگرانی در مورد ممنوعیت برخی از هوش های مصنوعی و تأخیرها و هزینه های مربوط به مقررات جدیدِ ویژه هوش مصنوعی باشد.
هوش مصنوعی قابل توضیح
تصویر: درک این که چگونه الگوریتم های هوش مصنوعی مسائلی مانند مکعب روبیک را حل می کنند، هوش مصنوعی را مفیدتر می کند. رولان فریش از طریق ویکیمدیا کامنز ، CC BY-SA
حوزه هوش مصنوعی (AI) رایانه هایی را ایجاد کرده است که می توانند با اتومبیل رانندگی کنند، ترکیبات شیمیایی را سنتز کنند، پروتئین ها را تا کنند و ذرات پر انرژی را در یک سطح فوق بشری آشکار سازی کنند.
با این حال، این الگوریتم های هوش مصنوعی نمی توانند فرایندهای فکری پشت تصمیمات خود را توضیح دهند. رایانه ای که در تا زدن پروتئین استاد است و همچنین به طور همزمان در مورد قوانین زیست شناسی بیشتر به محققان می گوید بسیار مفیدتر از رایانه ای است که پروتئین ها را بدون هیچ توضیح تا می زند.
در یاد گیری تقویت، هوش مصنوعی جهان را کاوش می کند، و بر اساس اقدامات خود باز خورد مثبت یا منفی دریافت می کند.بنابراین، محققان هوش مصنوعی مانند من اکنون تلاش خود را به سمت توسعه الگوریتم هایی از هوش مصنوعی معطوف کرده اند که می توانند خود را به روشی قابل درک کنند که بشر بتواند آن را بفهمد. اگر بتوانیم این کار را انجام دهیم، من معتقدم هوش مصنوعی قادر خواهد بود حقایق جدیدی که هنوز کشف نشده اند را در باره جهان کشف کند و به مردم بیاموزد و با این کار منجر به نو آوری های جدید شود.
از تجربه آموختن
یکی از زمینه های هوش مصنوعی، که یاد گیری تقویت خوانده می شود، در این زمینه مطالعه می کند که چگونه کامپیوترها می توانند از تجربیات خود یاد بگیرند. در یاد گیری تقویت، هوش مصنوعی جهان را کاوش می کند، و بر اساس اقدامات خود باز خورد مثبت یا منفی دریافت می کند.این رویکرد منجر به الگوریتم هایی شده است که به طور مستقل یاد گرفته اند شطرنج را در سطح فوق بشری بازی کنند و قضیه های ریاضی را بدون هیچ گونه راهنمایی انسانی اثبات کنند. در کارم به عنوان یک محقق هوش مصنوعی، من از یاد گیری تقویت برای ایجاد الگوریتم هایی از هوش مصنوعی استفاده می کنم که یاد می گیرند چگونه معماهایی مانند مکعب روبیک را حل کنند.
از طریق یاد گیری تقویت، هوش های مصنوعی به طور مستقل در حال حل مسائلی هستند که حتی انسان ها نیز برای کشف آنها تلاش می کنند. این باعث شده است که من و بسیاری از محققان، کمتر در مورد آن چه هوش مصنوعی می تواند بیاموزد و بیشتر در مورد آن چه انسان می تواند از هوش مصنوعی یاد بگیرد فکر کنیم. رایانه ای که بتواند مکعب روبیک را حل کند، باید بتواند به مردم آموزش دهد که چگونه آن را حل کنند.
به داخل جعبه سیاه به دقت نگاه کنیم
متأسفانه، ذهن هوش مصنوعی فوق بشری در حال حاضر برای ما انسان ها دور از دسترس است. هوش مصنوعی معلمان وحشتناکی را ایجاد می کند و این همان چیزی است که ما در دنیای علوم کامپیوتر "جعبه های سیاه" می نامیم.
تصویر: یک مورد سیاه و سفید باز. دهه هاست که محققان در تلاشند تا بفهمند هوش مصنوعی چگونه مسائل را حل می کند. rockz/iStock via Getty Images Plus
الگوریتم های هوش مصنوعی نمی توانند فرایندهای فکری پشت تصمیمات خود را توضیح دهند. یک هوش مصنوعی جعبه سیاه بدون این که دلایلی برای راه حل های خود ارائه دهد، راه حل ها را بیرون می کشد. دانشمندان علوم رایانه دهه ها تلاش کرده اند تا این جعبه سیاه را باز کنند و تحقیقات اخیر نشان داده است که بسیاری از الگوریتم های هوش مصنوعی در واقع به روش هایی شبیه انسان فکر می کنند. به عنوان مثال، رایانه ای که برای شناسایی حیوانات آموزش دیده است، در مورد انواع مختلف چشم و گوش فرا می گیرد و این اطلاعات را برای شناسایی صحیح حیوان در کنار هم قرار می دهد.
تلاش برای گشودن جعبه سیاه را هوش مصنوعی قابل توضیح می نامند. گروه تحقیقاتی من در مؤسسه هوش مصنوعی در دانشگاه کارولینای جنوبی علاقه مند به توسعه هوش مصنوعی قابل توضیح هستند. برای رسیدن به این هدف، ما بسیار با مکعب روبیک کار می کنیم.
مکعب روبیک اساساً یک مسأله یافتن مسیر است: مسیری را از نقطه A - یک مکعب روبیک در هم ریخته - تا نقطه B - یک مکعب روبیک حل شده - پیدا کنید. سایر مسائل یافتن مسیر شامل ناوبری، اثبات قضیه و سنتز شیمیایی است.
آزمایشگاه من وب سایتی را ایجاد کرده است که هر کسی می تواند ببیند الگوریتم هوش مصنوعی ما چگونه مکعب روبیک را حل می کند. و با همه این ها، هنوز یک شخص تحت فشار سختی قرار می گیرد تا یاد بگیرد چگونه مکعب را از این وب سایت حل کند. این به این دلیل است که رایانه نمی تواند منطق راه حل های خود را به شما بگوید.
راه حل های مکعب روبیک را می توان به چند مرحله کلی تقسیم کرد - به عنوان مثال اولین مرحله می تواند یک ضربدر باشد در حالی که مرحله دوم می تواند قطعات گوشه را در جای خود قرار دهد. در حالی که خود مکعب روبیک بیش از 10 به توان 19 ترکیب ممکن دارد، یک راهنمای کلی گام به گام تعمیم داده شده را می توان با سهولت بسیار زیادی به خاطر سپرد و در سناریوهای بسیار مختلفی قابل اجرا است.
نزدیک شدن به یک مسئله با شکستن آن به مراحل، غالباً شیوه پیش فرضی است که مردم به وسیله آن، چیزها را برای یک دیگر توضیح می دهند. مکعب روبیک به طور طبیعی در این چارچوب گام به گام قرار می گیرد، که به ما فرصت می دهد جعبه سیاه الگوریتم خود را با سهولت بیشتری باز کنیم. ایجاد الگوریتم های هوش مصنوعی که این توانایی را داشته باشند می تواند به افراد اجازه دهد تا با هوش مصنوعی همکاری کنند و طیف گسترده ای از مسائل پیچیده را به مراحل قابل درک آسان تجزیه کنند.
تصویر: عکسی که روند تفکر الگوریتم هوش مصنوعی برای حل مکعب روبیک را نشان می دهد. یک روش تصحیح گام به گام می تواند درک راحت تری را برای انسان برای فهمیدن آن چه که هوش مصنوعی انجام دهد به بار آورد. فارست آگوستینلی، CC BY-ND
روبات های هوش مصنوعی می توانند با رهاندن انسان از انجام این کارها و کارهای دیگر، فرصت بیشتری را برای انسان ها فراهم آورند تا هر چه را که شادی تعریف می کنند، دنبال کنند.
همکاری منجر به نو آوری می شود
روند ما با استفاده از شهود شخصی برای تعریف برنامه ای گام به گام، که برای حل یک مسئله پیچیده به طور بالقوه آغاز می شود، شروع می شود. سپس الگوریتم هر مرحله را بررسی می کند و در مورد این که کدام مرحله امکان پذیر است، و کدام مرحله غیر ممکن است و چگونه می توان برنامه را بهبود بخشید، بازخورد می دهد. سپس انسان با استفاده از توصیه های هوش مصنوعی برنامه اولیه را اصلاح می کند و روند کار تا زمان حل مسئله تکرار می شود. امید این است که فرد و هوش مصنوعی سرانجام به نوعی درک متقابل برسند.در حال حاضر، الگوریتم ما می تواند یک طرح انسانی را برای حل مکعب روبیک در نظر بگیرد، بهبودهایی را در این طرح پیشنهاد دهد، برنامه هایی را که کار نمی کنند تشخیص دهد و گزینه های جایگزین را پیدا کند. با این کار، باز خوردی می دهد که منجر به یک برنامه گام به گام برای حل مکعب روبیک می شود که شخص می تواند آن را درک کند. گام بعدی تیم ما ایجاد یک رابط بصری است که به الگوریتم ما امکان می دهد به مردم نحوه حل مکعب روبیک را یاد دهد. امید ما تعمیم این رویکرد به طیف وسیعی از مسائل مسیر یابی است.
ایجاد مقرراتی فراتر از آن چه در حال حاضر وجود دارد می تواند توسعه توانایی هایی را که به طور چشم گیری سودمند هستند، منع یا کند کند. مردم به روشی غیر منطبق با هر هوش مصنوعی، شهودی هستند، اما ماشین ها از نظر قدرت محاسباتی و دقت الگوریتمی بسیار بهتر هستند. در یک بده و بستان این چنینی بین انسان و ماشین، از نقاط قوت هر دو استفاده می شود. من معتقدم این نوع همکاری، مسائل حل نشده قبلی را در همه زمینه ها از شیمی گرفته تا ریاضیات، روشن می کند و منجر به راه حل های جدید، شهود و نوآوری هایی می شود که در غیر این صورت دور از دسترس می بودند.
منبع: فورست اگوستینلی، جِرِمی استراب، University of South Carolina، North Dakota State University
