6 دستاورد عظیم هوش مصنوعی در سال 2020 - قالب وبلاگ ها

به گزارش قالب وبلاگ ها، هر سال ده ها هزار مقاله و گزارش راجع به هوش مصنوعی منتشر می گردد، اما اندکی زمان می برد تا پتانسیل های مطرح شده در هرکدام از این مقالات تأثیری واضح و محسوس بر دنیای واقعی بگذارند. در این بین، بزرگترین سرمایه گذاران روی هوش مصنوعی یعنی امثال آلفابت، اپل، فیسبوک، بایدوس و دیگر اسب های تک شاخ دنیای تکنولوژی، بخش اعظمی از دستاوردهای تکنولوژیک خود را پشت درهای بسته پنهان می نمایند.

اگر بخواهیم واضح تر بگوییم، وقتی صحبت از هوش مصنوعی باشد، لیست کردن مهم ترین دستاوردها در بازه ای یک ساله کاری آسان به حساب نمی آید؛ حداقل نه به آسانی لیست کردن بهترین موبایل های پرچمدار یا بهترین ویژگی های اضافه شده به تازه ترین ورژن از iOS.

اما هرطور که به موضوع نگاه کنیم، هوش مصنوعی بدون تردید نقشی عظیم در سال 2020 میلادی ایفا نموده است. بنابراین بیایید به مرور شش دستاورد عظیم هوش مصنوعی در سالی که اکنون به روزهای آخرش نزدیک شده بپردازیم.

1. درک زبان انسانی

در یک سال معمولی، ابزاری که کارش فراوری متن است به هیچ وجه جزء هیجان انگیزترین دستاوردهای حوزه هوش مصنوعی به حساب نخواهد آمد. اما سال 2020 یک سال معمولی نبود و GPT-3 هم یک ابزار فراوری محتوای متنی معمولی نیست. ورژن جدید هوش مصنوعی GPT-2 (که خطرناک ترین الگوریتم دنیا 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 فراوری متنی بسیار تحسین برانگیز خواهد بود که از لحاظ درون مایه و سبک نوشتار، راستا همان چند جمله محدود ابتدایی را ادامه می دهند. کار حتی تا جایی پیش می رود که GPT-3 نقل قول هایی جعلی از آدم های مشهور می سازد. ناگفته نماند که بنابر گزارش ها، توسعه و تربیت GPT-3 بالغ بر 12 میلیون دلار هزینه روی دست سازندگانش گذاشته است.

اما GPT-3 تنها هوش مصنوعی تحسین برانگیز در حوزه مدل سازی زبان نیست که طی سال 2020 ما را شگفت زده کرد. مایکروسافت هم در ماه فوریه 2020 با ربات Turing Natural Language Generation (یا به اختصار T-NLG) سرتیتر خبرگزاری ها را مال خود کرد، هرچند که خیلی زود زیر سایه سنگین GPT-3 به فراموشی سپرده شد. T-NLG با بهره گیری از 17 میلیارد پارامتر، در زمان عرضه عظیمترین هوش مصنوعی مدل سازی زبان در تاریخ به حساب می آید. ساخته مایکروسافت قادر به فراوری کلمات لازم برای به خاتمه رساندن جملات ناقص است و از سوی دیگر می تواند به فراوری پاسخ های مستقیم برای سوالات گوناگون و همین طور خلاصه سازی مستندات مختلف بپردازد.

این هوش مصنوعی، در اصل رباتی از نوع دگرگون ساز - Transformers به حساب می آید. این مدل از یادگیری عمیق در سال 2017 برای نخستین بار توسط گوگل معرفی گردید و در همین مدت کوتاه توانسته به انقلابی در پردازش زبان طبیعی منجر گردد. 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 پیشرفت های اخیر، ماشین ها دارند به شکلی باورنکردنی در درک زبان انسان به مهارت می رسند.

2. مدل ها عظیمتر می شوند

GPT-3 و T-NLG نشان دهنده یک دستاورد یا حداقل ترندی دیگر در حوزه هوش مصنوعی هم هستند. اگرچه در حال حاضر انبوهی از استارتاپ ها و آزمایشگاه های دانشگاهی روی بهبود هوش مصنوعی کار می نمایند، حضور بعضی از عظیمترین بازیگران دنیای تکنولوژی در این حوزه نشان می دهد که منابعی بسیار جدی صرف پیشرفت هوش مصنوعی می گردد. با گذشت هر روز، شاهد سرمایه گذاری های کلان روی فرایند تحقیق و توسعه هوش مصنوعی های عظیمتر و بهتر هستیم. در واقع اکنون شبکه های عصبی بهره مند از میلیاردها پارامتر مختلف، در حال تبدیل شدن به نرمی تازه هستند.

GPT-3 با 175 میلیارد پارامتر، اکنون عظیمترین چیزی است که تا به امروز مشاهده نموده ایم، اما از سوی دیگر مدل های تازه ای مانند Meena ،Turing-NGL ،DistilBERT و BST 9.4B همگی با بیش از 1 میلیارد پارامتر از راه رسیده اند. البته که پارامترهای بیشتر لزوما به معای عملکرد بهتر نیست. اما چنین اتفاقی نشان می دهد که ابزارهای فراوری متن می توانند دقیق تر شده و کارنمودهای 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 عظیم دنیای تکنولوژی به سرمایه گذاری روی هوش مصنوعی ادامه خواهند داد و همچنان پادشاه مدل های هوش مصنوعی خواهند بود. گفته می گردد هنگام آموزش دادن یک شبکه، افزودن هر 1000 پارامتر بالغ بر 1 دلار هزینه دارد. وقتی صحبت از میلیاردها پارامتر باشد، خودتان می توانید هزینه نهایی را حساب کنید.

3. هوش مصنوعی در خدمت نوع بشر

همین طور که ابزارهای هوش مصنوعی پیشرفته تر می شوند، تنها محققین حوزه کامپیوتر نخواهند بود که از مزایای آن ها بهره مند می گردند. محققان حوزه های دیگر هم به مرور زمان وارد میدان می شوند و همین حالا شاهد ایده هایی بسیار نوآورانه برای چگونگی استفاده از یادگیری ماشین به طرق جدید هستیم. چه موضوع هوش مصنوعی هایی باشد که می توانند به اسکن مغز بپردازند و چه هدست هایی که با استفاده از یادگیری ماشینی، ذهن را خوانده و افکار را تبدیل به کلمات قابل بیان می نمایند.

از طرف دیگر هم هوش مصنوعی AlphaFold شرکت دیپ مایند را داریم که می تواند شکل پروتئین ها را بر اساس توالی آن ها تشخیص داده و منجر به توسعه مؤثرتر روش های درمانی برای بیماری های گوناگون گردد. مشخصا هوش مصنوعی دارد درهای تازه ای را به روی محققان در حوزه های مختلف باز می نماید.

4. هنوز خبری از آخرالزمان ربات ها نیست

برای مدتی بسیار طولانی منتظر بوده ایم که ربات ها 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 ربات ها و هوش مصنوعی باشد، به خاطر پاندمی منحوس کووید-19 بود.

البته که تا به امروز در چندین نمونه جایگزینی ربات ها و هوش مصنوعی را در مشاغل انسانی شاهد بوده ایم، اما این ربات ها عمدتا چیزهایی مانند بازوهای رباتیک هستند که یا بهینگی کار انسان را افزایش می دهند یا ظرفیت هایی را پر می نمایند که در آن ها به نیروی انسانی کافی دسترسی نیست. در واقع جالب است بدانید که کمپانی های عظیم به همان اندازه که در حال سرمایه گذاری روی تکنولوژی های پیشرفته هستند، به استخدام بیش از پیش نیروی انسانی هم می پردازند.

البته نمی گوییم که آخرالزمان ربات ها یک پیش بینی اشتباه و دروغین بوده است. ترند حذف شدن طبقه میانی از مشاغل ساده ادامه خواهد یافت، اما به نظر می رسد که جایگزینی ربات ها و هوش مصنوعی به مراتب پیچیده تر از این است که کمپانی های تکنولوژی آغاز به استفاده از چند نرم افزار هوشمند نمایند و به ناگاه نیازی به انسان ها نداشته باشند. اگر 2020 فقط یک چیز را راجع به مقوله هوش مصنوعی و مشاغل نشان داده باشد، آن اینست که شرایط پیچیده تر از چیزی خواهد بود که تصورش را می کردیم.

5. دیپ فیک

بدون تردید سال 2020 سالی بسیار نامتعارف بود و به طرف مختلف، مرز میان واقعیت و عجایب کمرنگ شد. در ابتدای سال، کووید-19 تمام دنیا را به قرنطینه فرو برد و همه چیز مثل یکی از آن فیلم های پسا آخرالزمانی هالیوودی به نظر می رسید. سپس شاهد اتمام سال با انتخابات ریاست جمهوری آمریکا بودیم که بسته به اینکه کدام ورژن از واقعیت را انتخاب نموده باشید، دو خاتمه بندی کاملا متفاوت داشت.

در این بین هوش مصنوعی هم بی کار نبوده و در قالب تکنولوژی های دیپ فیک، حقیقت را وارونه نموده است. دیپ فیک تکنولوژی ای نیست که از دل سال 2020 بیرون آمده باشد، اما سال جاری پیشرفت هایی 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 می پرداخت و می گفت که مأموریت آپولو به شکل فاجعه باری باخته است.

افزون بر دیپ فیک های بصری بسیار متقاعدنماینده، محققین قادر به ساخت دیپ فیک های صوتی بسیار دقیق نیز بوده اند. برای مثال به تازگی یک دیپ فیک صوتی از امنیم، رپر آمریکایی، منتشر شد که داشت علیه مارک زاکربرگ، مدیرعامل فیسبوک رپ می کرد. اگرچه این موسیقی با استانداردهای ترانه سرایی امنیم سازگاری نداشت، اما به شکل غیر قابل باوری واقعی به نظر می رسید.

6. قانون گذاری برای هوش مصنوعی

ابزارهای قوت گرفته از هوش مصنوعی واقعا قدرتمند هستند. این موضوع تنها راجع به نمایش های اثبات مفهوم مصداق ندارد، بلکه هوش مصنوعی در دنیای واقعی و در حوزه هایی مانند پایش افراد برای مصاحبه های شغلی یا تشخیص چهره از سوی مقامات قضایی استفاده می گردد.

طی دهه اخیر، کارکرد این ابزارها و جهت گیری هایی که می تواند در آن ها کدنویسی گردد، به شکل گیری نگرانی های فراوان راجع به چگونگی استفاده از آن ها منجر شده است. در ماه ژانویه 2020، پلیس دیترویت شخصی به نام رابرت ویلیامز را به اشتباه دستگیر کرد، تنها به این خاطر که یک الگوریتم، تصویر گواهی نامه او را با یک ویدیوی مات از دوربین های مدار بسته تطبیق داده بود. مدت کوتاهی بعد از این فاجعه، شرکت های آی بی ام، آمازون و مایکروسافت همگی اعلام کردند که به بازنگری در چگونگی استفاده از تکنولوژی های تشخیص چهره خود خواهند پرداخت.

دیپ فیک که بالاتر راجع به آن صحبت کردیم خود به تنهایی منشا نگرانی های فراوان بوده، زیرا کاملا بدیهی است که چطور می توان از ویدیوهای ساختگی سوء استفاده کرد و حقایق را وارونه جلوه داد. به همین دلیل ایالت کالیفرنیا سال جاری لایحه AB-730 را به تصویب رساند که بنابر آن، استفاده از دیپ فیک برای وارونه جلوه دادن اعمال یا کلمات سیاسی، جرم تلقی می گردد. این فرایند باید ادامه یابد و دائما باید شاهد تصویب قوانینی تازه باشیم که ابزارهای هوش مصنوعی را تحت کنترل در می آورند.

• هوش مصنوعی تشخیص جرم پلیس بریتانیا به سختی باخت

منبع: Digital Trends