سه پایه اصلی هوش مصنوعی (AI) به عنوان فعالیت‌های ناب مفهوم پیشرو، انباشت داده، پیشرفت الگوریتمی و قدرت محاسباتی وسیع شناخته می‌شوند. هماهنگی آن‌ها تنها اکنون اجازه انتقال به قابلیت‌های پیچیده هوش مصنوعی را فراهم می‌آورند. در حال حاضر، جهان دیجیتال در حال رشد داده است؛ هر ثانیه، افراد حدود 1.7 مگابایت داده ایجاد می‌کنند که به جمع میانگین 140 گیگابایت در روز می‌شود. توسعه‌دهندگان هوش مصنوعی از این سیل داده برای بهبود الگوریتم‌های گسترده تر استفاده می‌کنند، که برای آن‌ها به مراکز داده پر انرژی نیاز دارد. ابزاران گفتگوی هوش مصنوعی Chat GPT مشابه آسیاب کربنی است که معادل گداشتار عمر متوسط شخص از اسپانیا است.
اصالت داده برای تربیت هوش مصنوعی قابل اعتماد اهمیت بسزایی دارد. تنوع در مجموعه داده‌ها، یادگیری بی‌طرفانه و جامع برای الگوریتم‌ها را ترویج می‌دهد. حرفه من 18 ساله من در توسعه هوش مصنوعی تشخیص چهره و تجزیه و تحلیل در سال 2018 توسط یک رویداد بحرانی متمایل شد. جوی بولاموینی، دانشجوی دکتری، گونه نژادی در نرم‌افزار تجزیه و تحلیل چهره را احساس کرد که زمانی که پوست تیره او را نشان نمی داد، یک تماس بلند به عمیان فناوری ما و بازتابی از عدم تنوع گروه ما بود.
آدرس یافتن تعصب نهفته: با بررسی پایگاه داده آموزش ما، روشن شد که 86٪ بزرگ گروه ها سفید معرفی می‌کردند و شمارات کمتری برای نژادهای دیگر، نیازمند یک اصلاح مهم شد تا تعادل نژادی در داده‌های ما تشکیل شود. تغییرات فراتر از پیشرفت فنی، چشمان ما را به ضرورت تنوع و انطباق آموزش فناوری باز کرد.
مردم عمومی اکنون به ابزارهای تولید ای‌ای نوین دسترسی دارند که قادر به ایجاد محتوا از مبدا هستند. به عنوان مثال، هوش مصنوعی مانند گپ گپ می‌تواند داستان‌هایی ایجاد کرده و از پرومپت‌های کاربر MidJourney تصاویری تولید کند – برجستگی تبعیض جنسیتی و نژادی در محتوای تولید شده توسط هوش مصنوعی را نشان می‌دهد. اینها نه تنها به برنامه نویسی الگوریتمی بلکه تعصبات پنهان شده در داده‌های آموزش ارائه شده از اینترنت باز می‌شوند – و به تمدن ما.
در یک جامعه به سرعت متصل، محتوای ناعادلانه ممکن است در عرض چند دقیقه ویروسی شود. بنابراین، بر عهده کاربران اینترنت است که داده‌های اخلاقی، بی‌تعصب، یا تعصبات جامعه‌ای تولید کنند. به روی همانی اون، توسعه دهندگان هوش مصنوعی باید به کیفیت داده‌ها اولویت دهند، منابع را با دارایی استفاده کنند و به فعال مقابله با تعصبات وارد اقدام کنند، در حالی که نظارتگران دستورالعمل‌ها برای مدیریت سیستم‌های هوش مصنوعی به صورت مسئولانه ایجاد می‌کنند. مسئولیت یکجانبه است که اقتدار هوش مصنوعی را که با چشم بصر و جامعه‌ی ما تناسخ می‌یابد، با پیش‌بینی و شامل بودن مدیریت کنیم.
سوالات مهم، چالش‌های اصلی، و اختلافات:
1. چالش‌های اصلی مرتبط با انباشت داده در هوش مصنوعی چیست؟
2. افزایش قدرت محاسباتی چگونه توسعه‌های هوش مصنوعی را تحت تأثیر قرار می‌دهد؟
3. داده‌های پلتفورم‌های بزرگ اختلال هوش مصنوعی را چه چالش‌هایی ایجاد می‌کنند؟
مزایا و معایب:
مزایا:
1. بر به تجزیه و تحلیل داده در مقیاس فراتر از توانایی انسان، منجر به نگرش‌های جدید و پیشرفت‌های مختلف در زمینه‌های مختلف مانند بهداشت، امور مالی و حمل و نقل می‌شود.
2. اتوماسیون کارهای روزمره با هوش مصنوعی این امکان را فراهم می‌سازد که بهره‌وری و بهرمندی از انسان‌ها در نقش‌های خلاقانه و استراتژیک بالاتر رود.
3. هوش مصنوعی قادر به تقویت توانایی‌های بشری است، تصمیم‌گیری را بهبود می‌بخشد و تجارب شخصی را در بخش‌های مختلف ارائه می‌دهد.
معایب:
1. اعتماد بر دسترسی به داده‌های گسترده و متنوع می‌تواند اگر داده‌ها ناشی از نادانسته‌های جامعه‌ای روی آرافی مرتفع کند.
2. تقاضای بالا برای آموزش مدل‌های پیچیده دارای پیامدهای زیست محیطی است که موجب انتشار کربن و تغییرات اقلیمی می‌شود.
3. توسعه سریع فناوری‌های هوش مصنوعی می‌تواند به بیکاری انتقال‌کار بدهد و نیاز به تطبیقات اجتماعی دارد، از جمله مهارت‌آموزی کارگران و اجرای استانداردهای جدید در اخلاق و حکومت.
ترویج اخلاقی هوش مصنوعی:
واضح است که توسعه هوش مصنوعی باید همراه با چارچوب‌های اخلاقی محکم باشد. توسعه‌دهندگان، نظارت‌کنندگان و جوامع کاربری باید با همکاری هوش مصنوعی اطمینان حاصل کنند که سیستم‌های هوش مصنوعی شفاف، قابل مسئولیت پذیری، و عادلانه هستند. این شامل تلاش‌های دائمی برای شناسایی و کاهش تعصبات در هوش مصنوعی، اعمال مقررات حفاظت از داده، و ایجاد گفتگوهای باز در مورد پیامدهای اجتماعی منتهی به استقرار استفاده از هوش مصنوعی می‌شود.
برای کسب اطلاعات بیشتر در مورد هوش مصنوعی، می‌توانید به وب‌سایت‌های زیر مراجعه کنید:
– صفحه AI شرکت IBM
– AI گوگل
– DeepMind
هر وب‌سایت منابع و بینش‌ها در خصوص چگونگی شکل دهی توسعه هوش مصنوعی و پرداختن به برخی از چالش‌های ذکر شده را ارائه می‌دهند.
The source of the article is from the blog meltyfan.es