به گزارش خبرنگار حوزه دریچه فناوری گروه فضای مجازی باشگاه خبرنگاران جوان، به نقل از ادونسد ساینس؛ تاریخچه هوش مصنوعی (AI) پر از فراز و نشیب بوده و در دوره‌هایی از تاریخ علاقه و بودجه‌هایی که به این فناوری اختصاص داده می‌شدند کمتر شده بود. بدون پشتکار دانشمندان اولیه، هوش مصنوعی هیچوقت به جایگاه کنونی نمی‌رسید و بخش جدایی ناپذیر از زندگی روزمره ما نمی‌شد. هوش مصنوعی به آسان‌تر شدن پیشرفت‌های علمی کمک کرده و به نظر می‌رسد پتانسیل‌های هوش مصنوعی تنها به تخیل ما و قدرت رایانه‌ها محدود نخواهد شد.
بیشتر بخوانید
یک شبکه یادگیری عمیق مصنوعی که داده‌های آموزشی آن برای دستیابی به عملکرد فوری محدود شده، دارای تصویری ساده از جهان است که دیدگاهی مملو از نژادپرستی و کلیشه‌های جنسیتی از خودش نشان می‌دهد. یک مثال مشهور از یک شبکه تحت آموزش، اشتباه گوگل در تشخیص چهره انسان یا الگوریتم آمازون بود که مردان را هنگام استخدام به زنان ترجیح می‌داد. این ایراد در درجه اول متوجه اپراتور است که تصمیم می‌گیرد شبکه باید چه کاری انجام دهد و نمی‌توان آن را نتیجه خطای الگوریتم دانست.
از طرف دیگر پدیده نگران کننده تری هم وجود دارد که در آخرین نسخه ربات GPT-3 رخ داده است. این ربات گاهی در حین صحبت دروغ می‌گفت و همین موضوع نشان دهنده امکان انحراف در هوش مصنوعی است.
یک عنصر اجتناب ناپذیر برای توسعه هوش مصنوعی وجود دارد که حتی در قرن گذشته نیز پیش بینی شده بود. استانیسلاو لم، نویسنده داستان‌های تخیلی در دهه ۱۹۶۰ هوش مصنوعی را پیش بینی کرد. این مقاله همچنین به مسائل اخلاقی و جامعه شناختی پیرامون هوش مصنوعی پرداخت و اعلام کرد که مستقل شدن این فناوری ممکن خواهد شد.
یکی از اولین مراحل مهم در توسعه هوش مصنوعی در سال ۱۹۹۷ رخ داد. درست زمانی که برنامه‌ای رایانه‌ای به نام Deep Blue توانست گری کاسپاروف، استاد بزرگ شطرنج را شکست بدهد. اگرچه Deep Blue با سیستم‌های کنونی مبتنی بر یادگیری تفاوت‌های بسیاری دارد، اما توانست با بررسی احتمالات مختلف این قهرمان را شکست بدهد. کاربرد کنونی این سیستم‌ها در تشخیص الگوها، پردازش داده ها، پیش بینی و مدل سازی است.
یک مثال پیشگامانه کاربرد یادگیری ماشینی در طراحی داروسازی است. هوش مصنوعی دستیاری قدرتمند برای دانشمندان و محققان است و به آن‌ها در جستجوی دارو‌های جدید و کشف کاربرد‌های جدید برای دارو‌های قدیمی کمک می‌کند. الگوریتم‌های یادگیری عمیق از اهمیت زیادی برخوردارند. این الگوریتم‌ها نه تنها قادر به تشخیص الگوها در مجموعه داده‌ها هستند بلکه داده‌هایی که برای انسان قابل درک نیستند را نیز تشخیص می‌دهند و قادرند داده‌ها را به طور خودکار طبقه بندی کنند.
اهمیت به حداقل رساندن مدت زمان کشف دارو تا تولید و رساندن آن به بازار در دوران فعلی و شرایط همه گیری کرونا به خوبی مشخص شد. کاهش اثرات همه گیری فقط با تلاش شرکت‌های داروسازی امکان پذیر بوده و هست.
همانطور که قبلاً گفته شد توسعه و پیشرفت هوش مصنوعی اجتناب ناپذیر است و به جای مبارزه با آن باید به دنبال افزایش مزایای آن باشیم و با آگاهی از محدودیت‌های این فناوری قوانینی را برای تضمین ایمنی مردم و کاربران وضع کنیم. هوش مصنوعی روزی از ما پیشی می‌گیرد، در تفکر کارآمدتر می‌شود، الگو‌های پنهان شده ما را کشف می‌کند و توانایی‌هایی برای پیش بینی را تقویت می‌کند. پیشرفت واقعی زمانی رخ می‌دهد که خود هوش مصنوعی شروع به طراحی الگوریتم‌های جدید و موثرتر کند.
همانطور که هوش مصنوعی در حال یادگیری درباره جهان است، ما نیز درمورد نحوه تفکر آن‌ها اطلاعات جدیدی را یاد می‌گیریم. با نتیجه گیری صحیح از تجربیات فعلی، می‌توانیم نظمی را ایجاد کنیم تا مطمئن شویم هوش مصنوعی تهدیدی برای انسان نخواهد شد بلکه به یک کمک بسیار مفید تبدیل می‌شود.
گزارش از مائده زمان فشمی
انتهای پیام/