تاریخچه هوش مصنوعی | چگونه از زمستان هوش مصنوعی فاصله بگیریم؟

در سال‌های اخیر بیش از هر زمان دیگری اصطلاح «هوش مصنوعی / Artificial Intelligence» را می‌خوانیم و می‌شنویم. هوش مصنوعی در صدر اخبار قرار گرفته و هر روز گزارش‌هایی از پیشرفتهای هوش مصنوعی و تحلیل‌هایی از آینده هوش مصنوعی منتشر می‌شود.

شرکتها به هر بهانه می‌کوشند هوش مصنوعی را در فهرست خدمات و مشخصات محصولات خود بگنجانند. وقتی حتی در کارهایی مثل همسریابی هم اپلیکیشن‌هایی مدعی می‌شوند که از هوش مصنوعی استفاده می‌کنند (+)، نباید تعجب کنیم که تولیدکنندگان موبایل، ماشین لباس‌شویی و لوازم خانگی، کلمهٔ AI را در اسم محصولات خود بگنجانند.

در کنار این تب‌ها، این واقعیت را هم نمی‌توان نادیده گرفت که هوش مصنوعی، همین الان هم سبک زندگی ما و فضای بسیاری از کسب‌و‌کارها را تغییر داده است. به عنوان مثالی بسیار ساده، وقتی اپلیکیشن‌های مسیریاب از کار می‌افتند، سردرگمی رانندگان در شهرهای بزرگ را می‌توان به‌وضوح مشاهده کرد.

در ارزیابی واقعیت‌های امروز و ظرفیت‌های فردای هوش مصنوعی، مرز واقعیت و توهم کجاست؟ چقدر به پیش‌بینی‌هایی که دربارهٔ آینده هوش مصنوعی می‌شود اتکا کنیم؟

آینده هوش مصنوعی | اهمیت تشخیص مرز تب و واقع‌بینی

پیش‌بینی واقع‌بینانهٔ آینده هوش مصنوعی، برای بسیاری از ما اهمیت دارد؛ چه در محیط کسب و کار و چه در زندگی شخصی. سوال‌های زیر نمونه‌‌هایی از سوال‌هایی هستند که پاسخ‌شان، تابع آینده هوش مصنوعی است:

• استراتژی کسب و کار خود را برای دو یا پنج سال آینده چگونه انتخاب کنیم؟ آیا در کسب‌و‌کارهای مبتنی بر هوش مصنوعی سرمایه‌گذاری کنیم؟
• به سراغ کدام بازارها برویم؟ کدام بازارها را از دست خواهیم داد و بهتر است دیگر روی آن‌ها سرمایه‌گذاری نکنیم؟
• کدام مسیر شغلی را انتخاب کنم؟ آیا هوش مصنوعی جایگزین شغل من خواهد شد؟ یا صرفاً به‌عنوان دستیار عمل خواهد کرد؟
• در چه رشته‌ای تحصیل کنم؟‌ آیا رشته‌ای که به آن علاقه دارم، در آینده هم بازار خواهد داشت؟
• تقاضا برای چه مهارتهایی در آینده افزایش خواهد یافت؟ برنامه توسعه فردی خود را چگونه تدوین کنم؟

اگر رشد چشمگیر هوش مصنوعی و پیش‌بینی‌هایی را که دربارهٔ تأثیر فراگیر و گستردهٔ آن وجود دارد جدی نگیریم، به بسیاری از سوال‌های بالا پاسخ اشتباه خواهیم داد و ممکن است جایگاه‌مان در دنیای آینده تضعیف شود.

از سوی دیگر، اگر گرفتار تب‌های رسانه‌ای شویم، یا پیش‌بینی‌های غیرواقع‌بینانه را که با بزرگنمایی همراهند جدی بگیریم، ممکن است منابع‌مان را در مسیر نادرستی تخصیص دهیم و از جریان واقعی زندگی و کسب‌و‌کار عقب بمانیم.

زمستان هوش مصنوعی | دنیای هوش مصنوعی چگونه در زمستان فرو می‌رود؟

پیش‌بینی آینده هوش مصنوعی ساده نیست (حتی شاید ممکن نباشد). اما هر یک از ما می‌توانیم به سهم خود تلاش کنیم «خطای پیش‌بینی‌»‌مان را کاهش دهیم.

یکی از کارهایی که می‌تواند در این زمینه به ما کمک کند، آشنایی با تاریخچه هوش مصنوعی است. هوش مصنوعی طی نیم‌ قرن (و شاید هفتاد سال) گذشته رونق و رکودهای متعددی را تجربه کرده که بررسی آن‌ها توانایی‌مان را در تفکیک «تب‌ها» و «واقعیت‌ها» افزایش می‌دهد.

دو مورد از معروف‌ترین رکودهای هوش مصنوعی در حوالی دههٔ هفتاد و دههٔ نود میلادی روی داده که آن‌ها را به اسم «زمستانهای هوش مصنوعی / AI Winters» می‌شناسند. داستان این دو دوره آن‌قدر جا افتاده که تقریباً هر جا چیزی به عنوان «تاریخچه هوش مصنوعی» ببینید و بخوانید، حتماً یک تیتر فرعی به اسم «زمستان هوش مصنوعی» هم در آن خواهید یافت.

در ادامه داستان این دو زمستان را به‌شکل مختصر مرور می‌کنیم و می‌بینیم که  چه شد که دو مرتبه، تابستان گرم هوش مصنوعی چنان رو به سردی رفت که محققان هوش مصنوعی هم ترجیح می‌دادند کارشان را به اسمی غیر از هوش مصنوعی ارائه کنند.  برای این‌که عمق فاجعه را درک کنید، به این فکر کنید که الان سرویس همسریابی می‌گوید من شرکت دانش‌بنیان مبتنی بر هوش مصنوعی هستم. اما روزی برسد که شرکتی که واقعاً در زمینهٔ هوش مصنوعی کار می‌کند، برای این که از بدبینی بازار فرار کند، بگوید من در زمینهٔ همسریابی فعالیت می‌کنم.

تولد هوش مصنوعی |‌ اولین بهار و تابستان

هر اسمی داشته باشد جز هوش مصنوعی

اگر می‌خواهید درک کنید که دو اصطلاح «هوش مصنوعی» و «سیستم‌های خبره» در دومین زمستان هوش مصنوعی چقدر بدنام شدند، به همهٔ کارهایی فکر کنید که منطقاً از جنس هوش مصنوعی هستند، اما در اواخر دههٔ نود و اوایل هزارهٔ جدید، به اسم‌های دیگری صدا شدند.

ما که امروز حتی انتخاب کردن یک همسر از بین چند گزینهٔ ازدواج را هم با توصیف «به کمک هوش مصنوعی» تبلیغ می‌کنیم، چرا به تکنولوژی مسیریابی گوگل و ویز نمی‌گوییم «مسیریابی با هوش مصنوعی»؟ چرا سیستم‌های توصیه‌گر آمازون و نت‌فلیکس و اسپاتیفای را که دقیقاً بر اساس ویژگی‌های محصولات و سلیقهٔ ما، گزینه‌های مناسبی را پیشنهاد می‌‌کنند، سیستم مبتنی بر هوش مصنوعی نمی‌نامیم؟ چرا خود این شرکت‌ها، حداقل تا همین چند سال پیش، از این کلمه در توصیف کارها و خدمات‌شان استفاده نمی‌کردند؟ چرا گوگل،‌ سوال‌های هوشمندانه‌ای را که در گوگل آنالیتیکس مطرح می‌کند و پاسخ می‌دهد، Google Insights می‌نامد و از اصطلاح هوش مصنوعی در توصیف آن‌ها استفاده نمی‌کند؟ چرا ما تسلا را ماشین خودران می‌نامیم و نمی‌گوییم خودرو مجهز به هوش مصنوعی؟

پاسخ واضح است: این محصولات در زمستان دوم هوش مصنوعی عرضه شده‌اند؛ دورانی که حداقل در فضای عمومی، رسانه‌ای و بازار، بدبینی زیادی به هوش مصنوعی وجود داشت. به همین علت، شرکت‌ها و کسب‌و‌کارها می‌کوشیدند از اسم‌های دیگری برای فعالیت‌ها و سرویس‌هایشان استفاده کنند. سرویس‌هایی که احتمالاً اگر قبل از ۱۹۹۰ یا بعد از ۲۰۲۲ ارائه می‌شدند، نام هوش مصنوعی را یدک می‌کشیدند.

سومین تابستان هوش مصنوعی

سومین تابستان هوش مصنوعی آغاز شده و ما گرمای آن را به خوبی حس می‌کنیم. احتمالاً چت جی پی تی را باید پرچم این تابستان جدید دانست. چون هوش مصنوعی و مدل‌های بزرگ زبانی را به میان مردم آورد و باعث شد مردم عادی هم متوجه شوند که اتفاق‌های بزرگی افتاده و گام‌های ارزشمندی برداشته شده است.

از طرفی، عرضهٔ شتابزدهٔ رقیب‌های چت جی پی تی توسط متا، گوگل و شرکتهای دیگر، نشان می‌دهد که همهٔ شرکت‌ها چند سالی درگیر موج تازه بوده‌اند. اما ترجیح می‌داده‌اند وقتی دستاوردهای قابل‌اتکاتری داشتند وارد بازار شوند تا جایگاه رقابتی محکم‌تری داشته باشند.

به هر حال، هر چه بود و هر جور بود، اکنون تابستان سوم هوش مصنوعی آمده است. دربارهٔ این‌که تابستان جدید چگونه آمد و چه اتفاق‌هایی باعث شکل‌گیری موج سوم شد، باید جداگانه حرف زد. موارد زیر، بخشی از فهرست طولانی موتورهای محرک تابستان سوم هستند:

• افزایش قدرت پردازنده‌ها
• افزایش انگیزه شرکت‌های سخت‌افزاری برای طراحی و عرضهٔ سخت‌افزارهای قدرتمندتر به‌خاطر رواج ارز دیجیتال
• انباشت دانش شبکه‌های عصبی مصنوعی طی چند دهه و پیشرفت در معماری آن‌ها (که به اسم یادگیری عمیق شناخته می‌شود)
• رشد اینترنت و شبکه‌های اجتماعی و اینترنت اشیا که حجم بزرگی از داده‌ را برای خوراک سیستم‌های هوشمند ایجاد کرد
• گسترش دانش و ابزارهای مرتبط با علم داده و بیگ دیتا (و فراگیر شدن کتابخانه‌های نرم‌افزاری برای آزمایش مدل‌های هوش مصنوعی)

اما سوال مهم‌تری که پیش روی ماست این است که چه باید بکنیم تا سومین تابستان هوش مصنوعی، ماندگار یا لااقل طولانی‌تر شود و به سرعت به زمستان سوم نرسد. بحثی که موضوع درس مستقلی در آینده خواهد بود.

ترتیبی که متمم برای خواندن مطالب سری علم داده به شما پیشنهاد می‌کند: