هوش مصنوعی چیست؟

‏(این نوشته توسط دانشجویان پزشکی پانیذ خیری، آیلین موحد، مبینا مختاریان، زهرا نظامی فرد و اسما همتی تهیه شده است)

مفاهیم اولیه و زمینه
هوش مصنوعی شاخه‌ای از علوم کامپیوتر است که به طراحی و توسعه‌ی سیستم‌هایی می‌پردازد که توانایی انجام وظایفی را دارند که معمولاً به هوش انسانی نیازمند است مانند یادگیری، استدلال، حل مسئله، تصمیم‌گیری و پردازش. این سیستم‌ها با بهره‌گیری از داده‌ها و الگوریتم‌های محاسباتی آموزش می‌بینند و عملکردشان به‌تدریج بهبود می‌یابد. نخستین بار در سال ۱۹۵۶ هوش مصنوعی به‌طور رسمی به عنوان یک حوزه‌ی آکادمیک معرفی شد. با وجود این، هنوز تعریف واحد و دقیقی که مورد توافق همه‌ی پژوهشگران باشد وجود ندارد زیرا هوش مصنوعی هم بُعد فنی (الگوریتم و داده) دارد و هم بُعد فلسفی و مفهومی (مفهوم هوش). همین دوگانگی همراه با کاربردهای متنوع آن باعث شده تا برداشت‌های متفاوتی از آن شکل بگیرد.

هوش مصنوعی از نظر سطح توانایی به سه دسته‌ی اصلی تقسیم می‌شود: اول. هوش مصنوعی محدود که نمونه‌های آن را در موتورهای جستجو، دستیارهای صوتی و سامانه‌های تشخیص تصویر می‌بینیم که روش‌های فنی مانند یادگیری ماشینی و یادگیری عمیق ابزارهای اصلی پیاده‌سازی هوش مصنوعی محدود به شمار می‌روند؛ دوم. هوش مصنوعی عمومی که هنوز ساخته نشده و هدف آن دستیابی به توانایی‌های شناختی مشابه انسان در همه‌ی حوزه‌هاست؛ و سوم. ابرهوش مصنوعی که تنها یک مفهوم نظری و آینده‌پژوهانه است.

یادگیری ماشینی نوید استخراج معنا از حجم عظیم داده‌های تولیدشده در جهان را می‌دهد. انسان به‌تنهایی قادر به تحلیل همه‌ی این داده‌ها نیست، بنابراین الگوریتم‌های یادگیری ماشینی طراحی شده‌اند تا سیستم‌های هوشمند بتوانند الگوها را شناسایی کرده و تصمیم‌گیری کنند. یادگیری ماشینی به سیستم‌های هوش مصنوعی امکان می‌دهد تا از داده‌ها بیاموزند و تصمیم‌گیری کنند. این یادگیری در سه شکل اصلی رخ می‌دهد: اول. نظارت‌شده، که الگوریتم با داده‌های برچسب‌خورده آموزش می‌بیند و مثلاً بیماری‌ها را از تصاویر رادیولوژی تشخیص می‌دهد (شناسایی بیماری‌هایی که از کلیشه رادیوگرافی قابل تشخیص‌اند)؛ دوم. بدون نظارت، که الگوریتم داده‌های خام را تحلیل کرده و الگوهای پنهان را آشکار می‌کند (مانند کشف شباهت‌های میان آزمایش‌های تیروئید یک فرد با الگوهای پیشین مربوط به همان بیماری خاص)؛ و سوم. تقویتی، که در آن سیستم با دریافت پاداش و مجازات یاد می‌گیرد تصمیم‌های خود را اصلاح کند (مانند بهبود و ارتقای روش‌های تشخیصی و درمانی بر اساس نتایج قبلی مربوط به آنها).

یکی از شاخه‌های مهم و در حال توسعه هوش مصنوعی، “هوش مصنوعی مولد (Generative AI)” است که می‌تواند متن، تصویر، موسیقی یا حتی کد تولید کند. این فناوری علاوه بر کاربردهای خلاقانه، در آموزش، پژوهش و پزشکی نیز نقش‌آفرین شده است.

امروزه یادگیری عمیق به یکی از ارکان اصلی هوش مصنوعی مدرن تبدیل شده است. یادگیری عمیق که بر پایه‌ی شبکه‌های عصبی مصنوعی بنا شده است توانایی استخراج ویژگی‌های پیچیده از داده‌های خام را دارد. این فناوری با استفاده از لایه‌های متعدد پردازشی، بدون نیاز به طراحی دستی ویژگی‌ها، مستقیماً از داده‌ها می‌آموزد. کاربردهای آن در تشخیص تصویر، پردازش زبان طبیعی و مدل‌های مولد بسیار گسترده می باشد. در سال‌های اخیر، ترکیب یادگیری عمیق با یادگیری تقویتی و مدل‌های مولد، توانمندی سیستم‌های هوشمند را افزایش فراوانی داده است. با این حال، نیاز به داده‌های عظیم و توان محاسباتی بالا همچنان از چالش‌های اصلی آن محسوب می‌شود.

مقایسه هوش انسانی و هوش مصنوعی
هوش انسانی و هوش مصنوعی هر دو به عنوان ابزارهای درک و حل مسئله شناخته می‌شوند اما تفاوت‌های بنیادینی میان آن‌ها وجود دارد. انسان‌ها با اتکا به شهود، احساسات و تجربه‌های شخصی قادرند در شرایط پیچیده و غیرقابل پیش‌بینی تصمیم‌گیری کنند. آن‌ها می‌توانند خلاقیت نشان دهند، ایده‌های نو بیافرینند و از شکست‌ها درس بگیرند. در مقابل، هوش مصنوعی بر پایه پردازش داده‌ها و الگوریتم‌ها عمل می‌کند و توانایی دارد حجم عظیمی از اطلاعات را در زمان کوتاه تحلیل کند. ماشین‌ها در وظایف تکراری و محاسباتی دقت بالاتری دارند و کمتر دچار خطا می‌شوند اما فاقد درک عاطفی و توانایی همدلی هستند. به همین دلیل، انسان‌ها در تصمیم‌گیری‌های اخلاقی و موقعیت‌های مبهم برتری دارند در حالی که هوش مصنوعی در تحلیل داده‌های بزرگ و انجام کارهای دقیق و سریع توانمندتر است. بنابراین، ترکیب این دو می‌تواند آینده‌ای بسازد که هم از قدرت پردازش ماشین‌ها بهره ببرد و هم از خلاقیت و انعطاف‌پذیری انسان‌ها.

هوش مصنوعی در پزشکی
در پزشکی امروز، هوش مصنوعی به عنوان ابزاری تحول‌آفرین شناخته می‌شود. در حال حاضر رایج ترین نقش های هوش مصنوعی در پزشکی، تصمیم گیری بالینی و تجزیه و تحلیل تصاویر است. همچنین، هوش مصنوعی می‌تواند به بهینه‌سازی فرآیندهای بیمارستانی و کاهش هزینه‌ها کمک کند. این فناوری می‌تواند الگوهایی را در داده‌های پیچیده شناسایی کند که برای متخصصین پزشکی قابل مشاهده نیست. این توانایی در زمینه‌هایی مانند تصویربرداری پزشکی، پیش‌بینی نتایج درمان و شخصی‌سازی داروها به کار می‌رود. قابلیت های هوش مصنوعی در حوزه سلامت در زمینه هایی مانند پرونده‌های الکترونیک سلامت و راهنمایی مبتنی بر شبکه عصبی در تصمیم گیری های بالینی، و در حیطه هایی مانند روبات‌های جراحی و پروتزهای هوشمند برای افراد معلول و مراقبت از سالمندان نیز کاربرد پیدا کرده اند. البته چالش‌هایی همچون حفظ حریم خصوصی داده‌ها و نیاز به اعتبارسنجی دقیق همچنان مطرح هستند.

هوش مصنوعی و آموزش
کاربردهای استفاده از هوش مصنوعی در آموزش بسیار متنوع است. یکی از بزرگترین مزایای هوش مصنوعی در آموزش، توانایی آن در شخصی‌سازی تجربیات یادگیری است. الگوریتم‌های هوش مصنوعی می‌توانند نیازها و توانایی‌های خاص هر دانش‌آموز را شناسایی کرده و بر اساس آن برنامه‌های آموزشی خاصی ایجاد کنند. هوش مصنوعی قادر است به طور خودکار محتوای آموزشی تولید کند. یکی دیگر از کاربردهای هوش مصنوعی در حوزه آموزش، ارائه ارزیابی‌ها و بازخوردهای فوری است. این فناوری قادر است به سرعت عملکرد دانش‌آموزان را تجزیه و تحلیل کرده و نقاط قوت و ضعف آنها را شناسایی کند. هوش مصنوعی قادر است به پیش‌بینی و تحلیل داده‌های آموزشی بپردازد و اطلاعات مفیدی در مورد روند آموزشی و نیازهای آینده ارائه دهد که این اطلاعات می‌توانند به تصمیم‌گیری‌های بهتر در زمینه برنامه‌ریزی آموزشی کمک کنند. همان‌طور که فناوری‌های هوش مصنوعی توانایی‌های یادگیری دانش‌آموزان را بهبود می‌بخشند، این فناوری‌ها به معلمان نیز کمک می‌کنند تا عملکرد خود را بهینه کرده و برنامه‌های آموزشی خود را ارتقا دهند.

اخلاق در هوش مصنوعی
اخلاق در هوش مصنوعی نیز همچنان یک موضوعی چالشی است. موضوع اخلاق هوش مصنوعی به مجموعه‌ای از اصول و استانداردها اطلاق می‌شود که توسعه‌دهندگان و محققان باید در فرایند طراحی و استفاده از هوش مصنوعی رعایت کنند. این اصول طراحی عادلانه، شفافیت، عدالت، مسئولیت‌پذیری و احترام به حریم خصوصی کاربران را شامل می شود. طراحی عادلانه به‌معنای ایجاد سیستم‌هایی است که تبعیض‌آمیز نباشند و به‌نفع همه گروه‌های اجتماعی عمل کنند. این امر استفاده از داده‌های متنوع و نمایانگر جامعه، اجتناب از تقویت سوگیری‌های موجود و ایجاد الگوریتم‌هایی را شامل است که به‌طور عادلانه عمل کنند. مسئولیت‌پذیری نیز به‌این معناست که توسعه‌دهندگان و شرکت‌های استفاده‌کننده از هوش مصنوعی باید دربرابر نتایج و تاثیرات این فناوری پاسخگو باشند. سوگیری در هوش مصنوعی البته در حال حاضر رایج بوده و به‌معنای تمایل این فناوری به اتخاذ تصمیم‌های ناعادلانه و نادرست است که ممکن است به‌ضرر گروه‌های خاصی از افراد تمام شود.

کاربردهای روزمره هوش مصنوعی
بر اساس آنچه که گفته شد، هوش مصنوعی امروز به شکلی گسترده در زندگی روزمره ما به اشکال مختلف و متناسب با توسعه یافتگی کشوری که در آن زندگی می کنیم حضور دارد. کارهایی که انجام می‌دهیم به کمک آن ساده‌تر و سریع‌تر شده است. در خانه‌های هوشمند، سیستم‌های مبتنی بر هوش مصنوعی نور، دما و امنیت را کنترل می‌کنند و دستیارهای صوتی مانند الکسا یا گوگل اسیستنت امکان مدیریت وسایل مختلف را فراهم می‌سازند. در حوزه سلامت و پزشکی، الگوریتم‌های یادگیری ماشین به تشخیص بیماری‌ها، پایش علائم بیماران و کمک به پزشکان در تصمیم‌گیری‌های دقیق‌تر یاری می‌رسانند. در حمل‌ونقل نیز خودروهای خودران و سیستم‌های مسیریابی هوشمند نقش مهمی در کاهش ترافیک و افزایش ایمنی دارند. آموزش آنلاین با استفاده از هوش مصنوعی شخصی‌سازی می‌شود و محتوای آموزشی متناسب با نیاز هر دانشجو ارائه می‌گردد. در تجارت و خرید اینترنتی، پیشنهاد محصولات بر اساس رفتار کاربر و استفاده از چت‌بات‌های پشتیبانی تجربه خرید را بهبود می‌بخشد. شبکه‌های اجتماعی نیز با کمک هوش مصنوعی محتوای نامناسب را فیلتر می‌کنند، ترجمه خودکار ارائه می‌دهند و پیشنهادات یا محتواهای مرتبط را ممکن می‌سازند. در امنیت سایبری، الگوریتم‌ها تهدیدها و حملات آنلاین را شناسایی می‌کنند و در حوزه سرگرمی، سرویس‌هایی مانند نتفلیکس یا اسپاتیفای با تحلیل سلیقه کاربر فیلم‌ها و موسیقی‌های مناسب را پیشنهاد می‌دهند. به این ترتیب، هوش مصنوعی به بخشی جدایی‌ناپذیر از زندگی روزمره تبدیل شده و آینده‌ای هوشمندتر و کارآمدتر را رقم می‌زند.

آینده هوش مصنوعی و ملاحظات اجتماعی
آینده‌ی هوش مصنوعی با پیشرفت هایی در زمینه هایی مانند یادگیری عمیق و هوش مصنوعی عمومی، نویدبخش دگرگونی های عمیق اجتماعی است. از یک سو، هوش مصنوعی می‌تواند کارایی و بهره‌وری را افزایش دهد، فرآیندهای پیچیده را ساده‌سازی کند و به تصمیم‌گیری‌های بهتر کمک کند. اما از سوی دیگر، نگرانی‌هایی درباره از بین رفتن شغل‌ها، تبعیض‌های الگوریتمی و چالش‌های اخلاقی نیز وجود دارد. چالش‌های هوش مصنوعی در آینده شامل مسائل اخلاقی، حفظ حریم خصوصی، و تأثیرات اقتصادی و اجتماعی آن است. با افزایش استفاده از این فناوری، نگرانی‌ها درباره‌ی از بین رفتن مشاغل سنتی بیشتر می‌شود. همچنین، نیاز به نظارت و کنترل بر روی سیستم‌های هوش مصنوعی برای جلوگیری از سوءاستفاده و خطاهای احتمالی نیز حائز اهمیت است. در نهایت، تأثیرات اجتماعی این فناوری می‌تواند روابط انسانی را تحت تأثیر قرار دهد و انزوا یا کاهش مهارت‌های اجتماعی را به همراه داشته باشد. برای مواجهه با این چالش‌ها، آموزش اصولی و نظارت بر توسعه‌ی هوش مصنوعی ضرورت دارد تا از سوءاستفاده و خطاهای احتمالی جلوگیری شود و روابط انسانی در مسیر سالم‌تری قرار گیرند.

چرا هوش مصنوعی بطور رایگان در اختیارعموم مردم قرار می گیرد؟!

هیچ فرد و یا شرکت بزرگی میلیاردها دلار هزینه های مرتبط با سرورها، انرژی و نگهداری نمی‌دهد تا ما بطور رایگان داستان بنویسیم، شعر بگوییم و یا کد تهیه کنیم. این سرعت عجیب و کیفیت بالای آن نشان‌دهنده یک عجله استراتژیک است.

اول. مدل‌های زبانی اولیه پر از خطا و توهم هستند. برای اینکه این مدل‌ها یاد بگیرند مثل انسان فکر کنند، نیاز دارند که میلیاردها بار توسط انسان‌ها اصلاح شوند. اگر می‌خواستند کارمند استخدام کنند تا این مدل‌ها را اصلاح کند، باید تریلیون‌ها دلار حقوق می‌دادند. آنها مدل را رایگان عرضه می کنند تا میلیاردها انسان، بدون حقوق و با اشتیاق، نقش فراهم کننده داده ها را بازی کنند. ما کاربر نیستیم. ما کارگرِان آموزش‌دهنده هوش مصنوعی هستیم. هوش مصنوعی برای دقیق شدن به چیزی نیاز دارد که در سرورهایش نیست و آن بازخورد انسانی می باشد. به عبارت دیگر هر بار که به هوش مصنوعی می‌گوییم که “نه، این اشتباه بود”، و یا “اینطوری بگو”، در واقع داریم با دستان خودمان، جانشین خودمان را تربیت می‌کنیم.

دوم. وقتی ماشین‌حساب آمد، توانایی محاسبات ذهنی کم شد. وقتی GPS آمد، توانایی مسیریابی و حفظ راه‌ها کم شد. گویا حالا هم هوش مصنوعی آمده تا “فکر کردن” و “استدلال” را کم کند. فقط کافی است که نسلی را تصور کنیم که چند سال دیگر نتواند بدون هوش مصنوعی یک ایمیل بنویسد، یک کد بزند، یا حتی یک تصمیم ساده بگیرد. انسانی که توانایی تولید فکر مستقل را از دست داده، دیگر نمی‌تواند شورش کند، نمی‌تواند نقد کند و نمی‌تواند خارج از چارچوب سیستم فکر کند. این اهلی کردن نهایی انسان است. تبدیل انسان از “تولید کننده فکر” به “مصرف‌کننده فکر” یعنی یک “وابستگی برگشت‌ناپذیر”.

سوم. خطرناک‌ترین بخش ماجرا کنترل حقیقت و مهندسی واقعیت با هدف بدست گرفتن مرجعیت در همه زمینه هاست. تا دیروز برای دانستن یک موضوع باید ده ها سایت را چک و خودمان نتیجه گیری می‌کردیم. الان فقط از هوش مصنوعی می‌پرسیم. وقتی هوش مصنوعی تبدیل به تک‌منبع حقیقت شود، مالک آن هوش مصنوعی تبدیل به “فرمانروای ذهن‌ها” می‌شود. در واقع اگر الگوریتم تصمیم بگیرد که یک واقعه تاریخی خاصی را توهطئه بنامد و یا یک موضوع مشکوکی را حقیقت علمی قلمداد کند، اکثریت مطلق کاربران مردم می‌پذیرند چون دیگر کسی حال و حوصله تحقیق ندارد. این یعنی کنترل و مهندسی اینکه ذهن ها به چه چیزی باور داشته باشد.

چهارم. در دنیای اقتصاد دیجیتال، نفر اول همه چیز را می‌برد. هدف این است که قبل از اینکه دولت‌ها قانون بگذارند و یا رقبا شکل بگیرند، بازار را بدست بگیرند. آنها می‌خواهند زیرساختِ “ذهنِ جهان” شوند. وقتی همه چیز از پزشکی و حقوق تا مهندسی و آموزش به پلتفرم های شرکت‌های هوش مصنوعی وصل شد، دیگر راه برگشتی نیست. آنها می‌توانند شیر فلکه آن را برای هر کشور یا گروهی که بخواهند ببندند یا گران کنند. این استعمار دیجیتال است.

هدف نابود کردن انسان نیست چون مرده‌ها خرید نمی‌کنند. هدف تبدیل انسان به یک “واحد زیستی وابسته شده” است. موجودی که دایما برای آموزش سیستم دیتا تولید می‌کند و حتی برای اشتراک در سیستم پول خرج می‌کند اما خودش قدرت تحلیل مستقل را از دست داده و کاملاً مطیعِ پاسخی است که روی صفحه ظاهر می‌شود.