همه چیز درباره هوش مصنوعی
هوش مصنوعی به طور فزاینده ای در زندگی ما نفوذ کرده، اما بیشتر مردم درک روشنی از این فناوری، قابلیت ها و محدودیت های آن ندارند. اگرچه نام هایی مانند “هوش مصنوعی”، “یادگیری ماشین” و “شبکه های عصبی” به نظر می رسد که به انسان و هوش او اشاره می کنند، اما این فناوری ها در واقع به تفکر انسانی ربطی ندارند. آن ها فقط راه های جدیدی برای برنامه نویسی کامپیوترها هستند که از داده های عظیم برای آموزش کامپیوترها برای انجام یک کار خاص استفاده می کنند.
قدرت این روش ها در این است که به طور فزاینده ای برای کارهایی که برای رویکردهای توسعه نرم افزار سنتی دشوار بودند، مفید هستند. استفاده تجاری از هوش مصنوعی حدود ۲۵ سال پیش با یک سیستم ساخته شده توسط IBM به نام Deep Blue که گراند مستر شطرنج، گری کاسپارف را شکست داد، آغاز شد. این نسل از فناوری هوش مصنوعی به اندازه کافی عمومی نبود که بتواند بسیاری از مشکلات دنیای واقعی را حل کند و بنابراین منجر به تغییرات عمده ای در نحوه برنامه ریزی سیستم های کامپیوتری نشد.
از آن زمان، پیشرفت های تکنولوژیکی قابل توجهی در هوش مصنوعی، به ویژه در زمینه ای به نام یادگیری ماشین، به وجود آمده است که هوش مصنوعی را از آزمایشگاه های تحقیقاتی به محصولات و خدمات تجاری برده است. افزایش قابل توجه در قدرت محاسباتی و مقادیر عظیم داده هایی که امروزه در مقایسه با ۲۵ سال پیش جمع آوری می شوند نیز برای کاربرد عملی فناوری های هوش مصنوعی ضروری بوده اند.
امروزه، فناوری هوش مصنوعی راه خود را به طیف گسترده ای از محصولات، از موتورهای جستجو مانند گوگل گرفته تا دستیارهای صوتی مانند آمازون الکسا، تشخیص چهره در تلفن های هوشمند و رسانه های اجتماعی، تا طیف وسیعی از دستگاه های مصرفی هوشمند و لوازم خانگی، باز کرده است. هوش مصنوعی نیز به طور فزاینده ای بخشی از سیستم های ایمنی خودرو است، با خودروها و کامیون های کاملاً مستقل در افق.
به دلیل پیشرفت های اخیر در یادگیری ماشین و شبکه های عصبی، سیستم های محاسباتی اکنون می توانند برای حل کارهای چالش برانگیز، معمولاً بر اساس داده هایی از انسان ها که این کار را انجام می دهند، آموزش داده شوند. این آموزش به طور کلی شامل مقادیر زیادی از داده ها و همچنین افرادی با تخصص قابل توجه در توسعه نرم افزار و یادگیری ماشین می شود. اگرچه شبکه های عصبی برای اولین بار در دهه ۱۹۵۰ توسعه یافتند، اما تنها در چند سال گذشته کاربرد عملی پیدا کرده اند.
اما یادگیری ماشین چگونه کار می کند؟ شبکه های عصبی از نورون ها در انسان ها و سایر حیوانات الهام گرفته اند، اما مانند نورون های بیولوژیکی عمل نمی کنند. در عوض، شبکه های عصبی مجموعه ای از ماشین حساب های ساده و متصل هستند که فقط از نورون های واقعی و اتصالات بین آنها الهام ضعیفی می گیرند.
بزرگترین پیشرفت اخیر در یادگیری ماشین در زمینه ای به نام یادگیری عمیق بوده است که در آن یک شبکه عصبی به چندین “لایه” بین ورودی، مانند پیکسل ها در یک تصویر دیجیتال، و خروجی، مانند شناسایی چهره یک فرد در آن تصویر، مرتب شده است. چنین شبکه ای با قرار گرفتن در معرض تعداد زیادی از ورودی ها (به عنوان مثال تصاویر در مورد تشخیص چهره) و خروجی های مربوطه (به عنوان مثال شناسایی افراد در آن تصاویر) آموزش داده می شود.
برای درک اثرات اجتماعی و اقتصادی بالقوه هوش مصنوعی، نگاهی به انقلاب صنعتی آموزنده است. نیروی بخار در بیشتر قرن نوزدهم صنعت را به حرکت درآورد تا اینکه در قرن بیستم برق به وجود آمد و منجر به پیشرفت های عظیمی در صنعت شد. به طور مشابه، ما اکنون وارد عصری می شویم که فناوری هوش مصنوعی نیروی محرکه جدیدی در انقلاب دیجیتال خواهد بود. هوش مصنوعی جایگزین نرم افزار نخواهد شد، همانطور که برق جایگزین بخار نشد. توربین های بخار هنوز هم امروزه بیشتر برق را تولید می کنند و نرم افزار سنتی بخش جدایی ناپذیری از سیستم های هوش مصنوعی است.
با این حال، هوش مصنوعی حل کارهای پیچیده تر را آسان تر خواهد کرد، کارهایی که ثابت شده است فقط با تکنیک های نرم افزار سنتی دشوار است. در حالی که توسعه نرم افزار سنتی و روش های هوش مصنوعی هر دو به یک تعریف دقیق از کار مورد نیاز برای حل نیاز دارند، توسعه نرم افزار سنتی نیاز دارد که راه حل به طور صریح توسط توسعه دهندگان نرم افزار در کد کامپیوتر بیان شود. در مقابل، راه حل ها با فناوری هوش مصنوعی می توانند به طور خودکار یا نیمه خودکار پیدا شوند، که دامنه و دشواری کارهایی را که می توانند حل شوند، به طور قابل توجهی گسترش می دهد.
با وجود پتانسیل عظیم سیستم های هوش مصنوعی، آنها هنوز هم از حل بسیاری از انواع کارهایی که انسان ها در آن مهارت دارند، مانند کارهایی که شامل هماهنگی چشم و دست یا مهارت دستی می شود، فاصله زیادی دارند؛ بیشتر مشاغل ماهر، صنایع دستی و هنر در خارج از توانایی های سیستم های هوش مصنوعی باقی می ماند. همین موضوع در مورد کارهایی که به خوبی تعریف نشده اند و به خلاقیت، نوآوری، اختراع، دلسوزی یا همدلی نیاز دارند، صدق می کند. با این حال، کارهای تکراری که شامل کار ذهنی می شود، مانند کارهای تکراری که شامل کار دستی می شود، برای نسل ها خودکار شده است.
رابطه بین فناوری های جدید و مشاغل پیچیده است، با فناوری های جدید که محصولات و خدمات با کیفیت بهتر را با قیمت های مقرون به صرفه تر امکان پذیر می کنند، اما در عین حال راندمان را نیز افزایش می دهند که می تواند منجر به کاهش مشاغل شود. استدلال می شود که فناوری های جدید به طور کلی برای جامعه مفید هستند زیرا می توانند به طور گسترده سطح زندگی را ارتقا دهند؛ با این حال، هنگامی که منجر به از دست دادن شغل می شوند، نه تنها می توانند معیشت افراد، بلکه حس هویت را نیز تهدید کنند. یک مثال جالب معرفی دستگاه های خودپرداز در دهه ۱۹۷۰ است که بانکداری را از صنعتی با دسترسی بسیار محدود مشتری به صنعتی که به طور ۲۴/۷ کار می کرد، تبدیل کرد. در همان زمان، سطوح اشتغال متصدیان بانک در ایالات متحده برای دهه ها پایدار ماند.
اثرات اتوماسیون ناشی از هوش مصنوعی بر اشتغال احتمالاً بسیار پیچیده خواهد بود، زیرا هوش مصنوعی پتانسیل خودکارسازی نقش هایی را دارد که خودشان از فناوری های قبلی پیچیده تر هستند. ما در روزهای اولیه یک انقلاب تکنولوژیکی بزرگ هستیم و هنوز هم باید امکانات بزرگ هوش مصنوعی و همچنین نیاز به حل اثرات مخرب احتمالی آن بر اشتغال و حس هویت برای کارگران در برخی از مشاغل را ببینیم.
