اخبار > گزارش 1008: هوش مصنوعی؛ انقلابی که هنوز رخ نداده‌است

 


گزارش 1008: هوش مصنوعی؛ انقلابی که هنوز رخ نداده‌است

مایکل جردن استاد برجسته دانشکده مهندسی برق، رایانه و دانشکده آمار دانشگاه کالیفرنیا در برکلی است. وی به‌عنوان یکی از تأثیرگذارترین دانشمندان علوم رایانه در دنیا شناخته شده و علاقه تحقیقاتی وی، ایجاد ارتباط میان علوم محاسباتی، علوم آماری، علوم شناختی و علوم زیستی است.

 

 این دانشمند در یادداشت زیر ضمن بررسی اصطلاح هوش مصنوعی و مفاهیم گوناگونی که از آن برداشت می‌شود، مانور زیاد رسانه‌ها بر روی خلق هوش مصنوعیِ شبه بشر[1] را مورد نقد قرار داده و تمرکز بر این موضوع را موجب انحراف از چالش‌های اصلی جهان امروز میداند. چالش‌هایی که با ترکیب علوم رایانه و علوم آمار در کنار مد نظر قراردادن زیرساخت‌های رفاهی قابل حل خواهدبود. با توجه به این موضوع، دکتر جردن در کنار هوش مصنوعی، زمینه‌های بهبود هوش بشر[2] و زیرساخت‌ هوشمند[3] را مطرح می‌کند و معتقد است سرمایه‌گذاری بر روی آن‌ها سود بیشتری برای جامعه انسانی خواهدداشت. پیشنهاد جردن، ایجاد رشته‌ای در شاخه مهندسی است که قابلیت طراحی و توسعه بی نقص سامانه‌های استنتاج و تصمیم‌سازی را دارا باشد. این دانشمند بر این اعتقاد است که مقدمات لازم برای ایجاد چنین رشته‌ای از پیش وجود دارد.

 

در ادامه یادداشت جردن در آوریل 2018 با عنوان هوش مصنوعی- انقلابی که هنوز رخ نداده‌است را مشاهده می‌کنید.  

 

همه جا صحبت از هوش مصنوعی است. این عبارت توسط فناوران، دانشگاهیان، روزنامه نگاران و سرمایه‌گذاران دائم تکرار می‌شود. همانند بسیاری از عبارات دیگر، پس از ورود این عبارت از حوزه فنی به حوزه عمومی، کاربرد صحیح آن دچار سوء تعبیر شده‌است. تفاوت در این است که این سوءتعبیر از سوی خود دانشمندان است و نه مردم! این ایده که در عصر ما، هوشی غیرطبیعی به وجود می‌آید که با هوش ما انسان‌ها رقابت می‌کند، هر فردی را به وجد می‌آورد و در عین حال می‌ترساند و البته متأسفانه این موضوع حواس ما را از نقطه تمرکز صحیح نیز پرت می‌کند.

 

داستان عصر کنونی به نحو دیگری نیز می‌تواند بیان شود. به داستان زیر که در برگیرنده انسان، رایانه، داده و تصمیم مرگ و زندگی است گوش دهید. البته نقطه تمرکز داستان بر موضوع هوش غیرطبیعی نیست. زمانی که همسر من در 14 سال پیش حامله بود، او را سونوگرافی کردیم. مشاور ژنتیک به نقطه‌های سفیدی که در قسمت قلب جنین قابل مشاهده بود، اشاره کرد. وی گفت این‌ها نشانگر سندروم داون است و ریسک ابتلای فرزند شما به 5% افزایش پیدا کرده‌است. همچنین به ما اطلاع داد که با تست آمنیوسنتز می‌توان از ابتلای جنین به سندروم داون اطمینان حاصل کرد. اما این تست تا حدودی خطرناک بود. ریسک از بین رفتن جنین در هنگام تست بین 1 تا 300 بود. من یک آماردان هستم، بنابراین علاقه مند شدم که بدانم منشأ این احتمالات از کجاست. خلاصه داستان این که، متوجه شدم 10 سال پیش در بریتانیا، تحلیل آماری بر روی این نقاط سفید، که نشانگر کلسیم بودند، شده بود و وجود آن به عنوان نشانگر سندروم داون برآورد شد. همچنین متوجه شدم که ماشین عکسبرداری که در تست ما استفاده شده بود، نسبت به ماشین بریتانیایی دارای چند صد پیکسل‌ بیشتر در هر اینچ مربع بود. من با آن مشاور ژنتیک تماس گرفتم و گفتم که این نقاط سفید ناشی از نویز است و جواب تست شما اشتباه است. وی ضمن تأیید موضوع گفت: پس دلیل این که پس از تغییر دستگاه عکسبرداری، آمار تشخیص سندروم داون در چند سال گذشته افزوده شده‌است، این موضوع است!‌    

 

ما تست آمنیوسنتز نکردیم و چند ماه بعد دختری سالم به دنیا آوردیم. اما این داستان مرا بسیار نگران کرد، به خصوص پس از فکر به این موضوع که هزاران نفر آن تست تشخیصی را انجام می‌دهند، که در نتیجه آن بسیاری از مردم تست آمنیوسنتز کرده و در نهایت بسیاری از نوزادان بی دلیل از بین می‌روند. این مشکل در جهان ادامه داشت تا این که بالاخره به‌گونه‌ای حل شد. مشکلی که این داستان مشخص کرد در مورد مراقبت پزشکی شخصی نبود، در مورد یک سیستم پزشکی بود که متغیرها و نتایج را در مکان‌ها و زمان‌های گوناگون اندازه‌گیری می‌کند، تحلیل آماری کرده و سپس از آن نتایج در جا و مکان دیگری استفاده می‌کند. مشکل تنها مربوط به تحلیل آماری نبود،‌ این موضوع که داده از کجا آمده‌است، از این داده چه استنتاجی شده‌است و این استنتاج تا چه میزان با شرایط کنونی سازگار است نیز اهمیت دارد(محققین پایگاه داده به این مسئله Provenanceیا منشأ گویند). با وجود این که یک فرد آموزش دیده می‌توانست این بررسی را برای هر فرد، جدا انجام دهد، طراحی یک سیستم پزشکی در سطح کره زمین که این کار را بدون نیاز به نظارت جزئی بشر انجام دهد، مسئله اصلی بود.

 

من دانشمند علوم رایانه نیز هستم و در آن زمان به نظرم رسید که مبانی مورد نیاز برای ساخت سیستم‌های استنتاج و تصمیم‌سازی از این نوع در سطح کره زمین، که نیاز به ترکیب علوم رایانه با علوم آمار و مد نظر قراردادن زیرساخت‌های رفاهی دارد، در سیستم آموزشی ما جایی ندارد. اهمیت توسعه چنین مبانی، که نیاز به آن نه‌تنها در بخش سلامت، که در بخش تجارت، حمل و نقل و آموزش نیز احساس می‌شد، حداقل برابر بود با ساخت سیستم‌های هوش مصنوعی که قابلیت بازی و مهارت‌های حرکتی آن‌ها، ما را خیره می‌کرد.

دریافت متن کامل

شنبه ١٣ مرداد ١٣٩٧ - ١٢:٤٨
واژه های کلیدی:
فایل ضمیمه

دانلود فايل : CPDI-Houshe-Masnouei-13970513-fa-R1008.pdf ( 388KB )
تعداد دانلود
تعداد نمایش : 1072

خروج