یک راهنمای ساده برای این که هوش مصنوعی را بهتر درک کنید آیا تا الان توانستهاید از هوش مصنوعی سر در بیاورید؟ در شش ماه گذشته چتباتها، مانند چت جیپیتی (ChatGPT) و سازندههای تصویر، مثل میدجورنی (Midjourney)، به سرعت به پدیدههایی فرهنگی تبدیل شدهاند. اما هوش مصنوعی (AI) یا مدلهای «یادگیری ماشینی» مدتهاست که در دسترس هستند. در این راهنمای ساده کمی فراتر از چتباتها نگاه میکنیم تا با انواع مختلف هوش مصنوعی و تاثیر آن در زندگی روزمرهمان آشنا شویم. هوش مصنوعی چطور آموزش میبیند؟ مهمترین بخش در تمام مدلهای یادگیری ماشینی، مرحلهای است که به آن آموزش میگویند، جایی که یک برنامه کامپیوتری حجم عظیمی از دادهها - گاهی با برچسبهایی که نوع داده را توضیح میدهد - و همین طور مجموعهای از دستورالعملها را دریافت میکند. دستورالعملها ممکن است چیزی شبیه این باشد: «تصاویری را پیدا کن که حاوی چهره باشد» یا «این صداها را دستهبندی کن». در این مرحله برنامه به دنبال الگوهایی در دادههای دریافتی میگردد که با اهدافی که برایش تعریف شده، سازگار باشد. ممکن است در طول مسیر نیاز به تذکر و یادآوری داشته باشد، مثل این که «این یک چهره نیست» یا «این صداها متفاوتند». در نهایت آنچه که برنامه کامپیوتری از دادهها و دستورات و سرنخهای دریافتی یاد میگیرد، به یک مدل هوش مصنوعی تبدیل میشود و اطلاعاتی که برای آموزش در اختیارش گذاشته شده، سطح توانایی آن را تعیین میکند. یک راه برای درک این که چگونه این روندهای آموزش منجر به خلق انواع متفاوت هوش مصنوعی میشود، این است که به گونههای مختلف حیوانات نگاه کنیم. طی میلیونها سال محیط زیست و طبیعت، حیوانات را به یادگیری تواناییهای مشخصی هدایت کرده است. در روندی مشابه، میلیونها چرخهای که هوش مصنوعی در طول مرحله آموزش داده و اطلاعات طی میکند، نحوه شکلگیری آن را مشخص میکند و به ساخت مدلهای تخصصی هوش مصنوعی منجر میشود. چه مثالهایی میتواند نحوه آموزش مدلهای مختلف هوش مصنوعی برای کسب مهارتهای متفاوت را نشان دهد؟ چتبات چیست؟ چتباتها مثل طوطی هستند: تقلید میکند و میتواند کلماتی را که شنیده با درکی نسبی از فضای مناسب استفاده از آن تکرار کند، اما درک کاملی از معنای آن ندارد. چتباتها هم همین طور کار میکنند، اما در سطحی بسیار پیشرفتهتر و در آستانه مرحلهای قرار دارند که میتوانند رابطه ما با کلمات مکتوب را تغییر دهند. اما چتباتها نوشتن را از کجا یاد میگیرند؟ آنها در واقع نوعی از هوش مصنوعی هستند که با عنوان مدلهای زبانی بزرگ (LLMs) شناخته میشند و با حجم عظیمی از متن آموزش میبینند. یک مدل زبانی بزرگ قادر است نه فقط کلمات را به صورت جداگانه بلکه کل جمله را بررسی کند و شیوه بهکارگیری کلمات و عبارات در جملات را با مثالهای دیگری که از طریق دادههای آموزشی دریافت کرده، مقایسه کند. با استفاده از میلیاردها مقایسه بین کلمات و عبارات، میتواند یک سوال را بخواند و برای آن پاسخی تولید کند؛ مانند سیستم پیشبینی کلمات هنگام تایپ پیامکها در تلفن اما در مقیاسی بسیار وسیعتر. نکته شگفتانگیز در مورد مدلهای زبانی بزرگ این است که میتوانند قواعد دستور زبان را بیاموزند و معنای کلمات را بدون کمک انسانی کشف کنند.
دیدگاه کارشناس: آینده چتباتها «من فکر میکنم طی ده سال آینده ما چتباتهایی داشته باشیم که میتوانند به عنوان متخصص در هر حوزهای که فکر کنید، کار کنند. یعنی میتوانید هر سوالی را که میخواهید از یک پزشک خبره، یک معلم خبره یا یک وکیل خبره بپرسید و از سیستمهای هوش مصنوعی بخواهید که کارهایی را برای شما به انجام برسانند.» سم آلتمن - مدیر عامل OpenAI، خالق ChatGPT میتوان با هوش مصنوعی صحبت کرد؟ اگر از الکسا، سیری یا هر نوع سیستم شناسایی صدایی استفاده کرده باشید، در واقع از هوش مصنوعی استفاده کردهاید. خرگوشی را با گوشهای درازش تصور کنید که میتواند هر گونه لرزش کوچک در صدا را بفهمد. هوش مصنوعی در حین صحبت صدای شما را ثبت میکند، صداهای اطراف را حذف میکند، کلمات و جملات شما را به واحدهای آوایی تبدیل میکند -آواهای جداگانهای که یک کلمه با آن بیان میشود- و سپس آنها را با مجموعهای از آواهای زبانی که در اختیارش قرار گرفته تطبیق میدهد. بعد از آن صحبتهای شما به متن تبدیل میشود تا قبل از پاسخ دادن، اشتباههای شنیداری سیستم تصحیح شود. این نوع هوش مصنوعی با عنوان پردازش زبانهای طبیعی شناخته میشود. این فناوری در واقع همه چیز را در این زمینه پوشش میدهد: چه وقتی که در پاسخ سوالی از سیستم تلفن-بانک میگویید «بله» و چه وقتی که از موبایلتان میخواهید وضعیت هوای چند روز آینده را در شهری که به آن سفر میکنید برایتان بگوید. آیا هوش مصنوعی درکی از تصویر دارد؟ آیا تلفن شما تا حالا عکسهایتان را در فولدرهای جداگانه با نامهایی مانند «در ساحل» یا «گردش شبانه» ذخیره کرده است؟ در این صورت شما بدون آن که متوجه باشید از هوش مصنوعی بهره بردهاید. یک الگوریتم هوش مصنوعی الگوهایی را در عکسهای شما پیدا میکند و بر اساس آن آنها را دستهبندی میکند. این نوع برنامهها از طریق نگاه کردن به حجم بسیار بزرگی از تصاویر دستهبندی شدهاند که همگی آنها همراه با توضیحی ساده در اختیار ماشین قرار گرفتهاند. اگر به یک سیستم هوش مصنوعیِ شناسایی تصویر برچسب «دوچرخه» را بدهید، او شروع به کشف این موضوع میکند که یک دوچرخه چه شکلی است و چه تفاوتی با یک قایق یا خودرو دارد. گاهی هوش مصنوعی آموزش داده میشود تا اختلافات جزئی را در تصاویر مشابه پیدا کند. سیستم تشخیص چهره به همین صورت کار میکند. دقیق و موشکافانه ویژگیهای منحصر به فردی را در چهره شما و در تناسب میان اعضای مختلف صورت پیدا میکند که هنگام مقایسه با هر چهره دیگری در جهان میتواند آن را تشخیص دهد. الگوریتمهای مشابهی هم با تصاویر اسکنهای پزشکی آموزش داده میشوند تا بتوانند تومورهای خطرناک را پیدا کنند و توانایی این را دارند که در مدت زمانی که یک پزشک متخصص میتواند درباره تصویر یک اسکن تصمیم بگیرد، هزاران اسکن را بررسی کنند.
چگونه هوش مصنوعی تصاویر جدید میسازد؟ سیستم شناسایی تصویر به تازگی با مدلهایی از هوش مصنوعی تلفیق شده که میتوانند یاد بگیرند چگونه مانند یک آفتابپرست قدرت تغییر و دستکاری طرح و رنگ را داشته باشند. این مدلهای هوش مصنوعیِ سازنده تصویر میتوانند با شناسایی الگوهای پیچیده بصری از میان میلیونها عکس و طرحی که در اختیار دارند، یک تصویر کاملا جدید خلق کنند. میتوانید از هوش مصنوعی بخواهید تصویری از یک عکس بسازد که هرگز گرفته نشده است - مثلا عکس یک انسان که روی سطح مریخ قدم میزند. یا این که میتواند با ایدهای از خودتان دستور خلق یک تصویر را بدهید: «پرترهای از مربی فوتبال انگلیس بساز که به سبک پیکاسو نقاشی شده باشد.» جدیدترین مدلهای هوش مصنوعی روند خلق تصویر جدید را با کمک جمعآوری مجموعهای تصادفی از پیکسلهای رنگی شروع میکنند. سیستم به نقطههایی تصادفی نگاه میکند تا به سرنخی از الگویی برسد که در مرحله آموزش یاد گرفته است؛ الگوهایی برای ساخت اشیا مختلف. این الگوها رفته رفته با افزودن لایههای بیشتری از نقطههای تصادفی، بهبود مییابند و با حفظ نقاطی که به ساخت الگو کمک میکند، بقیه را دور میریزند تا این که در نهایت شباهت آشکار میشود. تمام الگوهای لازم مانند «سطح مریخ»، «فضانورد» و «قدم زدن» ساخته میشود تا با هم تصویر جدیدی را ایجاد کند. از آن جا که تصویر تازه با لایههایی از پیکسلهای تصادفی ساخته شده، نتیجه کار چیزی میشد و که قبلا هرگز وجود نداشته اما در واقع با الهام از میلیاردها الگویی ایجاد شده که سیستم از تصاویر اصلی مرحله آموزش یاد گرفته است. مسئلهای که در این شرایط به وجود آمده است که چنین پدیدههایی چه معنایی برای حقوق معنوی و اخلاقی خلق آثار هنری دارد که بر اساس آموزش سیستم با آثار واقعی هنرمندان، طراحان و عکاسان پدید آمده است. ماجرای ماشین های خودران چیست؟ ماشینهای خودران دهههاست که بخشی از بحثهای مربوط به هوش مصنوعی بودهاند و آثار علمی تخیلی تصویری آنها در تصورات عمومی ثبت کرده است. هوش مصنوعی مربوط به خودرانی به عنوان رانندگی خودگردان شناخته میشود و در این سیستم خودروها به دوربین، رادار و لیزرهای حسگر فاصله مجهز میشوند. سنجاقک را در نظر بگیرید، زاویه دید ۳۶۰ درجه دارد و روی بالهایش حسگرهایی که به مانور دادن و تنظیم مدام جهت پرواز حشره کمک میکند. به شیوهای مشابه، هوش مصنوعی برای شناسایی اشیا و تشخیص ساکن یا متحرک بودن آنها از دادههای حسگرها استفاده میکند و در صورت حرکت بررسی میکند که آیا با یک خودرو طرف است یا یک دوچرخه و یا یک عابر پیاده. به نظر میآید که هزاران هزار ساعت آموزش برای فهم و درک رانندگی درست، هوش مصنوعی را قادر کرده است که در دنیای واقعی برای رانندگی خودرو و اجتناب از تصادف، تصمیم بگیرد و به آن عمل کند. الگوریتمهای پیشبینیکننده سالها تقلا کردهاند تا از ماهیت غالبا پیشبینیناپذیر رانندگی انسان سر در بیاورند، اما اکنون خودروهای بدون راننده از میلیونها کیلومتر جاده واقعی اطلاعات جمع میکنند. در سان فرانسیسکو این خودروها در حال مسافرکشی هستند. رانندگی خودکار یا بدون دخالت یک راننده، مثالی بسیار روشن از این واقعیت است که چطور فناوریهای جدید باید بر موانعی غلبه کنند که تنها فنی و تکنیکی نیست. قوانین دولتی و مقررات ایمنی در کنار حس شدید نگرانی از این که اگر کنترل را به ماشینها بدهیم، چه اتفاقی ممکن است بیفتد، همگی موانع بالقوهای هستند که بر سر راه آیندهای کاملا خودران در خیابانها و جادهها قرار دارند. دیدگاه کارشناس: ایمنتر از انسان «به نظر من هدف اصلی ما در نهایت داشتن جادههای ایمنتر است. و در شرایطی که آدمها و رباتها از نظر کارایی به طور نسبی به هم نزدیک شدهاند، این موضوع خیلی جالبی برای بحث و گفتوگو است. اما در طی چند سال آینده و با در نظر گرفتن سرعت رشدی که این سیستمها دارند، فکر میکنم که این بحث به فراموشی سپرده شود. چون این عملکرد این سیستمها بسیار بهتر از انسان خواهد بود و دیگر حتی بحثی هم درباره این موضوع وجود نخواهد داشت.»
