۶ دستاورد بزرگ هوش مصنوعی در سال ۲۰۲۰
هر سال دهها هزار مقاله و گزارش راجع به هوش مصنوعی منتشر میشود، اما اندکی زمان می برد تا پتانسیلهای مطرح شده در هرکدام از این مقالات تأثیری واضح و محسوس بر دنیای واقعی بگذارند. در این بین، بزرگترین سرمایهگذاران روی هوش مصنوعی یعنی امثال آلفابت، اپل، فیسبوک، بایدوس و دیگر اسبهای تکشاخ دنیای تکنولوژی، بخش اعظمی از دستاوردهای تکنولوژیک خود را پشت درهای بسته پنهان میکنند.
اگر بخواهیم واضحتر بگوییم، وقتی صحبت از هوش مصنوعی باشد، لیست کردن مهمترین دستاوردها در بازهای یکساله کاری آسان به حساب نمیآید؛ حداقل نه به آسانی لیست کردن بهترین موبایلهای پرچمدار یا بهترین ویژگیهای اضافه شده به تازهترین ورژن از iOS.
اما هرطور که به موضوع نگاه کنیم، هوش مصنوعی بدون تردید نقشی بزرگ در سال ۲۰۲۰ میلادی ایفا کرده است. بنابراین بیایید به مرور شش دستاورد بزرگ هوش مصنوعی در سالی که اکنون به روزهای آخرش نزدیک شده بپردازیم.
۱. درک زبان انسانی
در یک سال معمولی، ابزاری که کارش تولید متن است به هیچوجه جزء هیجانانگیزترین دستاوردهای حوزه هوش مصنوعی به حساب نخواهد آمد. اما سال ۲۰۲۰ یک سال معمولی نبود و GPT-3 هم یک ابزار تولید محتوای متنی معمولی نیست. ورژن جدید هوش مصنوعی GPT-2 (که خطرناکترین الگوریتم جهان نام گرفت) یک شبکه پردازش عصبی است که توسط آزمایشگاه تحقیقاتی OpenAI توسعه یافته است.
در صورتی که چند جمله -مانند جملات ابتدایی یک گزارش خبری- را در اختیار این ربات قرار دهید، GPT-3 قادر به تولید متنی بسیار تحسینبرانگیز خواهد بود که از لحاظ درونمایه و سبک نوشتار، مسیر همان چند جمله محدود ابتدایی را ادامه میدهند. کار حتی تا جایی پیش میرود که GPT-3 نقل قولهایی جعلی از آدمهای مشهور میسازد. ناگفته نماند که بنابر گزارشها، توسعه و تربیت GPT-3 بالغ بر ۱۲ میلیون دلار هزینه روی دست سازندگانش گذاشته است.
اما GPT-3 تنها هوش مصنوعی تحسینبرانگیز در حوزه مدلسازی زبان نیست که طی سال ۲۰۲۰ ما را شگفتزده کرد. مایکروسافت هم در ماه فوریه ۲۰۲۰ با ربات Turing Natural Language Generation (یا به اختصار T-NLG) سرتیتر خبرگزاریها را مال خود کرد، هرچند که خیلی زود زیر سایه سنگین GPT-3 به فراموشی سپرده شد. T-NLG با بهرهگیری از ۱۷ میلیارد پارامتر، در زمان عرضه بزرگترین هوش مصنوعی مدلسازی زبان در تاریخ به حساب میآید. ساخته مایکروسافت قادر به تولید کلمات لازم برای به پایان رساندن جملات ناقص است و از سوی دیگر میتواند به تولید پاسخهای مستقیم برای سوالات گوناگون و همینطور خلاصهسازی مستندات مختلف بپردازد.
این هوش مصنوعی، در اصل رباتی از نوع «دگرگونساز – Transformers» به حساب میآید. این مدل از یادگیری عمیق در سال ۲۰۱۷ برای نخستین بار توسط گوگل معرفی شد و در همین مدت کوتاه توانسته به انقلابی در پردازش زبان طبیعی منجر شود. حداقل از زمانی که تست فرضی مشهور آلن تورینگ برای سنجش هوش ماشینی ابداع شد، هوش مصنوعی روی درک زبان انسانی متمرکز بوده است. اما به لطف پیشرفتهای اخیر، ماشینها دارند به شکلی باورنکردنی در درک زبان انسان به مهارت میرسند.
۲. مدلها بزرگتر میشوند
GPT-3 و T-NLG نشاندهنده یک دستاورد یا حداقل ترندی دیگر در حوزه هوش مصنوعی هم هستند. اگرچه در حال حاضر انبوهی از استارتاپها و آزمایشگاههای دانشگاهی روی بهبود هوش مصنوعی کار میکنند، حضور برخی از بزرگترین بازیگران دنیای تکنولوژی در این حوزه نشان میدهد که منابعی بسیار جدی صرف پیشرفت هوش مصنوعی میشود. با گذشت هر روز، شاهد سرمایهگذاریهای کلان روی روند تحقیق و توسعه هوش مصنوعیهای بزرگتر و بهتر هستیم. در واقع اکنون شبکههای عصبی بهرهمند از میلیاردها پارامتر مختلف، در حال تبدیل شدن به نرمی تازه هستند.
GPT-3 با ۱۷۵ میلیارد پارامتر، اکنون بزرگترین چیزی است که تا به امروز مشاهده کردهایم، اما از سوی دیگر مدلهای تازهای مانند Meena ،Turing-NGL ،DistilBERT و BST 9.4B همگی با بیش از ۱ میلیارد پارامتر از راه رسیدهاند. البته که پارامترهای بیشتر لزوما به معای عملکرد بهتر نیست. اما چنین اتفاقی نشان میدهد که ابزارهای تولید متن میتوانند دقیقتر شده و کارکردهای بسیار بیشتری به خود بگیرند.
اگر قرار باشد یک هوش مصنوعی با کارکردی دقیقا مشابه به مغز انسان بسازیم، افزایش پارامترها ضروری خواهد بود. این بدان معناست که بازیگران بزرگ دنیای تکنولوژی به سرمایهگذاری روی هوش مصنوعی ادامه خواهند داد و همچنان پادشاه مدلهای هوش مصنوعی خواهند بود. گفته میشود هنگام آموزش دادن یک شبکه، افزودن هر ۱۰۰۰ پارامتر بالغ بر ۱ دلار هزینه دارد. وقتی صحبت از میلیاردها پارامتر باشد، خودتان میتوانید هزینه نهایی را حساب کنید.
۳. هوش مصنوعی در خدمت نوع بشر
همینطور که ابزارهای هوش مصنوعی پیشرفتهتر میشوند، تنها محققین حوزه کامپیوتر نخواهند بود که از مزایای آنها بهرهمند میگردند. محققان حوزههای دیگر هم به مرور زمان وارد میدان میشوند و همین حالا شاهد ایدههایی بسیار نوآورانه برای چگونگی استفاده از یادگیری ماشین به طرق جدید هستیم. چه موضوع هوش مصنوعیهایی باشد که میتوانند به اسکن مغز بپردازند و چه هدستهایی که با استفاده از یادگیری ماشینی، ذهن را خوانده و افکار را تبدیل به کلمات قابل بیان میکنند.
از طرف دیگر هم هوش مصنوعی AlphaFold شرکت دیپمایند را داریم که میتواند شکل پروتئینها را بر اساس توالی آنها تشخیص داده و منجر به توسعه مؤثرتر روشهای درمانی برای بیماریهای گوناگون شود. مشخصا هوش مصنوعی دارد درهای تازهای را به روی محققان در حوزههای مختلف باز میکند.
۴. هنوز خبری از آخرالزمان رباتها نیست
برای مدتی بسیار طولانی منتظر بودهایم که رباتها در گام نخست مشاغل ما را از ما بربایند و شاید در گام بعدی، گونه بشری را به نابودی بکشانند. در سالی که پشت سر گذاشتیم، بسیاری از افراد مشاغل خود را از دست دادند. اما این اتفاق بیشتر از اینکه به خاطر سرقت مشاغل از سوی رباتها و هوش مصنوعی باشد، به خاطر پاندمی منحوس کووید-۱۹ بود.
البته که تاکنون در چندین نمونه جایگزینی رباتها و هوش مصنوعی را در مشاغل انسانی شاهد بودهایم، اما این رباتها عمدتا چیزهایی مانند بازوهای رباتیک هستند که یا بهینگی کار انسان را افزایش میدهند یا ظرفیتهایی را پر میکنند که در آنها به نیروی انسانی کافی دسترسی نیست. در واقع جالب است بدانید که کمپانیهای بزرگ به همان اندازه که در حال سرمایهگذاری روی تکنولوژیهای پیشرفته هستند، به استخدام بیش از پیش نیروی انسانی هم میپردازند.
البته نمیگوییم که آخرالزمان رباتها یک پیشبینی اشتباه و دروغین بوده است. ترند حذف شدن طبقه میانی از مشاغل ساده ادامه خواهد یافت، اما به نظر میرسد که جایگزینی رباتها و هوش مصنوعی به مراتب پیچیدهتر از این است که کمپانیهای تکنولوژی شروع به استفاده از چند نرمافزار هوشمند کنند و به ناگاه نیازی به انسانها نداشته باشند. اگر ۲۰۲۰ فقط یک چیز را راجع به مقوله هوش مصنوعی و مشاغل نشان داده باشد، آن اینست که شرایط پیچیدهتر از چیزی خواهد بود که تصورش را میکردیم.
۵. دیپفیک
بدون تردید سال ۲۰۲۰ سالی بسیار نامتعارف بود و به طرف مختلف، مرز میان واقعیت و عجایب کمرنگ شد. در ابتدای سال، کووید-۱۹ تمام جهان را به قرنطینه فرو برد و همهچیز مثل یکی از آن فیلمهای پسا آخرالزمانی هالیوودی به نظر میرسید. سپس شاهد اتمام سال با انتخابات ریاست جمهوری آمریکا بودیم که بسته به اینکه کدام ورژن از واقعیت را انتخاب کرده باشید، دو پایانبندی کاملا متفاوت داشت.
در این بین هوش مصنوعی هم بیکار نبوده و در قالب تکنولوژیهای دیپفیک، حقیقت را وارونه کرده است. دیپفیک تکنولوژیای نیست که از دل سال ۲۰۲۰ بیرون آمده باشد، اما امسال پیشرفتهایی ترسناک را پشت سر گذاشت. در ماه جولای، محققین انستیتوی تکنولوژی ماساچوست توانستند یک ویدیوی دروغین و بسیار پر هزینه بسازند که در آن، ریچارد نیکسون، سی و هفتمین رییس جمهور آمریکا به یک سخنرانی متفاوت راجع به فرود روی ماه میپرداخت و میگفت که مأموریت آپولو به شکل فاجعهباری شکست خورده است.
افزون بر دیپفیکهای بصری بسیار متقاعدکننده، محققین قادر به ساخت دیپفیکهای صوتی بسیار دقیق نیز بودهاند. برای مثال بهتازگی یک دیپفیک صوتی از امنیم، رپر آمریکایی، منتشر شد که داشت علیه مارک زاکربرگ، مدیرعامل فیسبوک رپ میکرد. اگرچه این موسیقی با استانداردهای ترانهسرایی امنیم سازگاری نداشت، اما به شکل غیر قابل باوری واقعی به نظر میرسید.
۶. قانونگذاری برای هوش مصنوعی
ابزارهای قوت گرفته از هوش مصنوعی واقعا قدرتمند هستند. این موضوع تنها راجع به نمایشهای اثبات مفهوم مصداق ندارد، بلکه هوش مصنوعی در دنیای واقعی و در حوزههایی مانند پایش افراد برای مصاحبههای شغلی یا تشخیص چهره از سوی مقامات قضایی استفاده میشود.
طی دهه اخیر، کارکرد این ابزارها و جهتگیریهایی که میتواند در آنها کدنویسی شود، به شکلگیری نگرانیهای فراوان راجع به چگونگی استفاده از آنها منجر شده است. در ماه ژانویه ۲۰۲۰، پلیس دیترویت شخصی به نام رابرت ویلیامز را به اشتباه دستگیر کرد، تنها به این خاطر که یک الگوریتم، تصویر گواهینامه او را با یک ویدیوی مات از دوربینهای مدار بسته تطبیق داده بود. مدت کوتاهی بعد از این فاجعه، شرکتهای آیبیام، آمازون و مایکروسافت همگی اعلام کردند که به بازنگری در چگونگی استفاده از تکنولوژیهای تشخیص چهره خود خواهند پرداخت.
دیپفیک که بالاتر راجع به آن صحبت کردیم خود به تنهایی منشا نگرانیهای فراوان بوده، زیرا کاملا بدیهی است که چطور میتوان از ویدیوهای ساختگی سوء استفاده کرد و حقایق را وارونه جلوه داد. در همین راستا ایالت کالیفرنیا امسال لایحه AB-730 را به تصویب رساند که بنابر آن، استفاده از دیپفیک برای وارونه جلوه دادن اعمال یا کلمات سیاسی، جرم تلقی میشود. این روند باید ادامه یابد و دائما باید شاهد تصویب قوانینی تازه باشیم که ابزارهای هوش مصنوعی را تحت کنترل در میآورند.
منبع: Digital Trends
کاش ترجمه وفادارتری میکردید.
چه جالب