هوش مصنوعی یکی از فناوری‌هایی است که بیشترین سوء‌تفاهم درباره آن وجود دارد. فیلم‌ها و رسانه‌ها اغلب هوش مصنوعی را به‌صورت ربات‌هایی شبیه انسان با احساسات و خودآگاهی نشان می‌دهند که توانایی درک درک دارند. برای اینکه هوش مصنوعی ارزش واقعی خود را، به‌ویژه در حوزه‌هایی مانند تولید پیشرفته، نشان دهد، باید از این سوء‌تفاهم‌ها عبور کنیم.
کیت کراوفورد، دانشگاه کالیفرنیای جنوبی و پژوهشگر ارشد در مایکروسافت ریسرچ می‌گوید: «هوش مصنوعی نه مصنوعی است و نه هوشمند». پس چگونه کار می‌کند؟
تصور کنید فردی در یک کتابخانه عظیم متولد و بزرگ شده است. این فرد در انزوا زندگی می‌کند و کتاب‌ها تنها همراه او هستند. او با زندگی در این کتابخانه، به کتاب‌ها نگاه می‌کند و شکل‌ها و الگوهای زبان را یاد می‌گیرد. چون هرگز از کتابخانه خارج نشده و جهان را با تمام تنوع شگفت‌انگیزش ندیده، نمی‌تواند معنایی به کلمات و عبارات اختصاص دهد، فقط الگوهای روی صفحه را تشخیص می‌دهد. پس از ۱۰ یا ۲۰ سال انزوا، کسی یادداشتی زیر در می‌لغزاند. روی کاغذ نوشته شده: «رنگ موز رسیده چیست؟» این فرد هرگز موز را ندیده، معنای کلمه «رنگ» را نمی‌داند و حتی مفهوم پرسش را درک نمی‌کند. او نمی‌تواند درخواست را تفسیر کند، اما این کلمات را قبلاً دیده و شکل آن‌ها را می‌شناسد. وقتی در گذشته کلمات «موز»، «رسیده» و «رنگ» را کنار هم دیده، همیشه کلمه دیگری هم بوده: «زرد».
این مثالی ساده برای درک مدل‌های زبانی بزرگ مانند چت‌جی‌پی‌تی است. این مدل‌ها در این معنا مفیدند، اما از منظری دیگر مشکل‌سازند.
مشکل نسبت دادن ویژگی‌های انسانی به هوش مصنوعی
کاربرد موفقانه هوش مصنوعی، وابسته به درک دقیق مشکلی است که می‌خواهید آن را حل کنید. بسیاری از افراد با یک راه‌حل هوش مصنوعی شروع می‌کنند و سپس به دنبال مشکل می‌گردند.
اکثر مردم نمی‌توانند درباره هوش مصنوعی جز به‌صورت انسانی صحبت کنند. ما انسان‌ها با وجود زبانی پر از معانی و مفاهیم ظریف، در توصیف ایده‌های پیچیده هوش مصنوعی دچار مشکل می‌شویم. در تولید، از اصطلاحاتی مانند یادگیری ماشینی، شبکه‌های عصبی، بینایی هوش مصنوعی، دانش و درک استفاده می‌کنیم. همه این‌ها ویژگی‌های انسانی هستند که به ماشین‌ها نسبت می‌دهیم، زیرا این کار ایده‌های پیچیده را ساده‌تر و قابل‌فهم‌تر می‌کند.
به شخصیت‌های هوش مصنوعی در فرهنگ عامه نگاه کنید؛ در فیلم‌ها و کتاب‌ها، هوش مصنوعی به‌صورت انسانی با چهره‌های قابل‌شناسایی، احساسات و روابط دوستانه به تصویر کشیده می‌شود. حتی آزمون معروف تورینگ هم درباره تقلید از انسانیت بود. این کار هوش مصنوعی را قابل‌دسترس‌تر و کاربردی‌تر می‌کند، اما خطری به همراه دارد: سوء‌تفاهم درباره چیستی واقعی هوش مصنوعی و نحوه عملکرد آن.
چارچوبی برای درک عملکرد هوش مصنوعی
کاربرد موفقانه هوش مصنوعی، وابسته به درک دقیق مشکلی است که می‌خواهید آن را حل کنید. بسیاری از افراد با یک راه‌حل هوش مصنوعی شروع می‌کنند و سپس به دنبال مشکل می‌گردند. این رویکرد اشتباه است. باید ابتدا مشکل و زمینه آن را به‌خوبی درک کنید تا بتوانید راه‌حل مناسبی پیدا کنید. یک مدل هوش مصنوعی تنها بر اساس اطلاعاتی که دریافت می‌کند آموزش می‌بیند. اگر در داده‌های ورودی مشکلی وجود داشته باشد، به‌راحتی می‌تواند به اشتباهات منجر شود.
تصور کنید یک مدل هوش مصنوعی را برای پیش‌بینی الگوهای آب‌وهوایی بر اساس حسگر رطوبت جلوی خانه‌تان آموزش داده‌اید. هر بار که همسایه‌تان ماشینش را می‌شوید و آب روی حسگر می‌ریزد، خطایی رخ می‌دهد. درک چگونگی عملکرد هوش مصنوعی به این معناست که بپذیرید این سیستم نمی‌تواند تصویر کلی را ببیند و مانند انسان‌ها استنباط کند.
مدل‌های هوش مصنوعی به شدت به داده‌هایی که با آن‌ها آموزش دیده‌اند وابسته‌اند. داده‌های باکیفیت، متنوع و نماینده ضروری‌اند تا مدل بتواند در موقعیت‌های مختلف به‌خوبی تعمیم دهد. داده‌های آموزشی باید دقیقاً سناریوهای دنیای واقعی را نشان دهند تا پیش‌بینی‌های قابل‌اعتمادی داشته باشند.
دسترسی به داده‌های کافی نیز حیاتی است. مجموعه‌های داده بزرگ‌تر اغلب به عملکرد بهتر مدل کمک می‌کنند، زیرا به سیستم اجازه می‌دهند الگوهای ظریف‌تری را یاد بگیرد و دقت را بهبود ببخشد. باید تأکید کرد که بدون داده‌های در دسترس، یک برنامه هوش مصنوعی از منبع اصلی خود محروم می‌شود.
هوش مصنوعی جستجوگر الگو است، نه حل‌کننده مشکل
حل مسئله، استدلال، سنجش راه‌حل‌ها و تصمیم‌گیری بر اساس منطق، ویژگی‌های هوش انسانی هستند. هوش مصنوعی فکر نمی‌کند، محاسبه می‌کند.
هوش مصنوعی به معنای سنتی حل‌کننده مشکل نیست. این سوء‌تفاهم از نسبت دادن ویژگی‌های انسانی به آن ناشی می‌شود. حل مسئله، استدلال، سنجش راه‌حل‌ها و تصمیم‌گیری بر اساس منطق، ویژگی‌های هوش انسانی هستند. هوش مصنوعی فکر نمی‌کند، محاسبه می‌کند. این سیستم بر اساس قوانین خاص، محاسبات و کدهایی که برنامه‌نویسان نوشته‌اند عمل می‌کند. بر مبنای تشخیص الگوها کار می‌کند و پیش‌بینی‌های آماری محتمل را ارائه می‌دهد. این سیستم توانایی تفسیر مشکل اصلی را ندارد و اینجاست که دخالت انسانی لازم است.
کلید موفقیت در کاربرد هوش مصنوعی، درک نقاط قوت و محدودیت‌های آن است. باید این بینش‌ها را با توانایی‌های حل مسئله خودمان ترکیب کنیم تا قضاوت و تفکر انتقادی انسانی همچنان کنترل نهایی را در دست داشته باشد.
با جست‌وجوی الگوها در حجم عظیمی از داده‌های عملیاتی، هوش مصنوعی به کاربران کمک می‌کند پیش‌بینی‌هایی انجام دهند که امکان مدیریت فعال‌تر و مؤثرتر عملیات را فراهم می‌کند. این سیستم می‌تواند الگوها و ناهنجاری‌هایی را شناسایی کند که به‌صورت دستی تشخیص آن‌ها دشوار یا غیرممکن است. این ویژگی هوش مصنوعی در تمام مراحل تولید، از ورود مواد اولیه تا محصول نهایی، مفید است.
