حوزه علوم کامپیوتر با پیشرفت‌های هوش مصنوعی (AI) همراه بوده، فناوری‌هایی که جنبه‌هایی از هوش انسانی را شبیه‌سازی می‌کنند. با کپی‌برداری از شناخت انسانی، سیستم‌های AI آسمان‌پرستی‌شان را به گسترش بخشیده‌اند تا وظایفی از شناسایی اشیاء در یک تصویر تا پیش‌بینی روندهای بازار سهام شامل کنند.
از سحرگاه دوره کامپیوتر، دانشمندان در تلاش برای مهندسی AI بودند. ابتدا، تمرکز بر ایجاد بانک‌های داده‌های عظیم از حقایق و قوانین برای برنامه‌های تصمیم‌گیری منطقی بود. با این حال، قرن 21 تبدیلی اساسی به سوی اجازه دادن به ماشین‌ها برای یادگیری و ایجاد مجموعه داده‌های خودشان را شاهد بود که به پیشرفت‌های قابل توجهی در صنعت منجر شد.
در دهه گذشته، AI توانایی‌های فوق‌العاده‌ای را در حوزه‌های مختلف اثبات داده است. ماشین‌ها قرار داده‌های فکری شرور را در تصاویر پزشکی شناسایی می‌کنند، بازی‌های پیچیده مثل شطرنج و Go را کنترل می‌کنند و حتی ساختار پروتئین‌ها را پیش‌بینی می‌کنند. این پیشرفت‌ها به نظر می‌رسد که روی “خارق‌العاده‌ای” قرار دارند و محدودیت‌های توانمندی انسان را چالش می‌دهند.
یک پرشگری برجسته در AI معرفی نمایندگان گفت‌وگویی مانند ChatGPT بود. به ویژه، کارشناسانی مانند سارا هوکر، رئیس آزمایشگاه پژوهش Cohen for AI، بر اهمیت این پیشرفت تاکید می‌کنند و نشان می‌دهند که به نزدیکی به آنچه به عنوان هوش مصنوعی کلی (AGI) شناخته می‌شود – یک AI که هوش چندمنظوره مشاهده شده در انسان‌ها را بازتاب می‌دهد.
چگونه AI کار می‌کند؟
یادگیری ماشین (ML)، زیرمجموعه‌ای از AI، منظره امروز را اداره می‌کند، با تمرکز بر اینکه به رایانه‌ها اجازه دهد داده‌ها را تحلیل کرده و الگوها را برای انجام پیش‌بینی‌ها شناسایی کنند. الگوریتم‌هایی که توسط برنامه‌نویسان انسان نوشته شده‌اند، این تحلیل داده را هدایت می‌کنند، که منجر به یک مدل آماری می‌شود که الگوهای کشف‌شده را بیان می‌کند. این مدل‌ها می‌توانند پیش‌بینی‌ها تولید کنند زمانی که داده‌های جدیدی به آن‌ها تغذیه شود.
حوزه مدرن AI به طور عمده از شبکه‌های عصبی استفاده می‌کند – مجموعه‌های الگوریتمی که به طور متضادی به مغز انسان مدل‌گرا هستند و به خاطر تنظیم نیروی ارتباطات بین مجموعه از “نورون‌های مصنوعی” شناخته می‌شوند. از جمله این‌ها، یادگیری عمیق شامل شبکه‌های عصبی با چندین لایه از نورون‌های مصنوعی است و از زمانی که واحدهای محاسباتی با عملکرد بالا شناخته شدند، به عنوان استاندارد طلایی در پژوهش‌های AI شناخته شده است.
شبکه‌های عصبی AI معماری‌های متنوعی را به تبعیت از وظایفی‌که برای آن‌ها طراحی شده‌اند، نشان می‌دهند. شبکه‌های عصبی پیچشی، الهام گرفته شده از قشر بصری حیوانات، در وظایف بصری بهتر عمل می‌کنند، در حالی که شبکه‌های عصبی بازگردان، قابلیت برخورد با داده‌های دنباله‌ای را به دلیل حافظه داخلی خود دارند، در پردازش دنباله‌ها تخصص دارند.
علاوه بر این، آموزش الگوریتم می‌تواند با برنامه‌های کاربرد متفاوت باشد. یادگیری نظارتی، جایی است که انسان‌ها هر قطعه داده را برچسب‌گذاری می‌کنند، رایج است. در عین حال، یادگیری بدون نظارت به AI این امکان را می‌دهد که الگوها را در داده‌های بدون برچسب خود را کشف کند و این منجر به مدل‌هایی احتمالاً غنی‌تر می‌شود. و یادگیری تقویتی، که به پایه سیستم‌های AI که توانایی کنترل بازی را از طریق آزمون و خطا دارند، باز نظر در آنچه که اصول داخلی بر اساس بازخورد را تنظیم می‌کند.
پیشرفت‌های اخیر در مدل‌های زبان بزرگ (LLMs)، مانند آنچه در ChatGPT دیده می‌شود، نگاهی به آینده‌ای از هوش مصنوعی تولیدگر، که قادر به ارائه پاسخ‌هایی بر اساس ورودی در امتداد متن، تصویر، و فرمت ویدیو است. این مدل‌ها ترکیبات ‘تبدیل‌دهنده’ دارند معماری‌های یادگیری عمیقی، ویژه برای یادگیری بدون نظارت بر روی مجموعه داده‌های دنباله‌ای بزرگ هستند. توانایی درک بهتر از متنطق به وسیله شناسایی ارتباطات میان نقاط داده فاصله‌دار نقطه‌ای ارتقای قدمتی را جلوه می‌دهد، که به حقایق ناپایدار در راوای تکاملی هوش مصنوعی اشاره می‌کنند.
روندهای بازار فعلی:
– رشد AI به عنوان خدمات (AIaaS): صعود محاسبات ابری منجر به افزایش در راه‌های ارائه راه‌حل‌های AI به عنوان خدمات شده‌است. شرکت‌هایی مانند آمازون، گوگل، و مایکروسافت پلتفرم‌های AI را ارائه می‌دهند که شرکت‌ها را قادر می‌سازند توانایی‌های AI را به بدون سرمایه مقدمی بزرگ به تحقیقات و توسعه AIها ادغام کنند.
– جذب نیرو و منابع: کارگران با مهارت بالا به‌طرف صنعت AI جذب می‌شوند، و یک جویبار در تأمین منابع مربوط به AI مشاهده می‌شود و بودجه‌های R&Dها برای پیشرفت فناوری‌های AI افزایش داده شده‌است.
– AI در حوزه بهداشت: برنامه‌های AI در رویه‌های تشخیصی، توسعه پروتکل درمانی، ایجاد دارو، و پزشکی شخصیتی به سرعت گسترش یافته‌اند. یک روند پیوسته در استفاده از AI برای تسریع در ارائه مراقبت بهداشتی با دقت بیشتر وجود دارد.
– هوش مصنوعی اخلاقی: تأکید روزافزون بر ایجاد سیستم‌های هوش مصنوعی اخلاقی است که منصف، شفاف، و مسئول باشند. شرکت‌های فناوری بزرگ و دولت‌ها در توسعه دستورالعمل‌ها و چارچوب‌ها سرمایه‌گذاری می‌کنند تا اطمینان حاصل نمایند که ملاحظات اخلاقی به AI گنجانده شده‌اند.
پیش‌بینی‌ها:
– همانطور که از گزارش‌های شرکت‌های تحقیقاتی با برتری خدمت‌رسان پیش‌بینی می‌شود، اندازه بازار جهانی AI پیوسته به رشد خود ادامه دهد و ممکن است به زودی به میلیاردها دلار برسد.
– تقاضای AI در برنامه‌های شرکتی و محصولات مصرفی می‌تواند به رشد دائمی ادامه یابد، با گسترش قابل توجه در زمینه‌های پردازش زبان طبیعی، پلتفرم‌های یادگیری ماشین، و سخت‌افزارهای بهینه‌سازی‌شده برای AI.
چالش‌ها و دعواهای اصلی:
– نگرانی‌های حریم خصوصی داده: وابستگی به حجیم بودن داده برای آموزش مدل‌های AI سؤالاتی درباره حریم خصوصی کاربران و امنیت داده ایجاد می‌کند.
– اتلاف شغل: توانایی AI برای اتوماتیک کردن وظایفی که قبلاً توسط انسان‌ها انجام می‌شد امری موجب نگرانی در مورد اتلاف معتبر شغل در بخش‌های گوناگون شده‌است.
– تعصیب هوش مصنوعی: اختلاف زیادی در مورد اینکه سیستم‌های AI تمایلی برای ادامه چشم‌اندازها که در داده‌های آموزشی یافت شده‌اند، دارند، است که به آسیب‌های تبعیض‌آمیز در حوزه‌هایی مانند استخدام، انفطاف معنوی، و قرض‌دهی مسئول می‌شود.
– مقررات: سازندگان سیاست با خلق مقرراتی که نوآوری را با حفظ منافع عمومی توازی تحویل دهند سخت کار دارند، به ویژه مربوط به تأثیرات جامعه‌ای هوش مصنوعی.
مزایا و معایب:
– مزایا: AI بهبود‌های معنی‌داری را ارائه می‌دهد، قدرت پردازش و تحلیل مجموعه داده‌ها را فراتر از توان انسان می‌دهد، و پتانسیل انقلابی در صنایع از ط