من و هوش مصنوعی (درباره هوش مصنوعی چه چیزی باید بدانیم .)

هوش مصنوعی چیست و فناوری های کلیدی آن کدامند؟

هوش مصنوعی از مجموعه داده‌های بزرگ استفاده می‌کند و از الگوریتم‌هایی برای یافتن روابط زیربنایی استفاده می‌کند، که می‌تواند برای ایجاد نتایج جدید یا کسب‌وکار بهتر مورد استفاده قرار گیرد. هوش مصنوعی مولد نوعی فناوری هوش مصنوعی است که می تواند انواع مختلفی از محتوا از جمله متن، تصویر، صدا و داده های مصنوعی تولید کند. برخی از فناوری‌های کلیدی هوش مصنوعی شامل یادگیری ماشینی، یادگیری عمیق، تجزیه و تحلیل پیش‌بینی‌کننده، پردازش زبان طبیعی و بینایی ماشین هستند.

طبق تحقیقات جهش در این فناوری به دلیل ترکیبی از چهار عامل قدرتمند است: 1) هماهنگی نمودن  داده ها. 2) پذیرش دسته جمعی بی سابقه؛ 3) توسعه فن آوری با سرعت پیچ و تاب. و 4) فراوانی موارد استفاده تجاری.

چرا به هوش مصنوعی نیاز داریم؟

امروزه داده‌های بیشتری در هر ساعت نسبت به یک سال کامل در دو دهه قبل ایجاد می‌شود و انتظار می‌رود داده‌های جهانی هر سال دو برابر شود . داده هایی که ما ایجاد می کنیم به طور تصاعدی در حال افزایش است و برای تجزیه و تحلیل و تفسیر آن به هوش مصنوعی نیاز داریم، به خصوص زمانی که برنامه های کاربردی جدیدی که به داده های بیشتری نیاز دارند دائما در حال توسعه هستند. متاورس و رابط‌های کامپیوتری مغزی تنها برخی از فناوری‌هایی هستند که داده‌های بسیار سنگینی دارند و هنوز راه‌اندازی نشده‌اند. به طور خلاصه، داده‌ها در سال‌های آینده بسیار سریع‌تر از آنچه در ابتدا انتظار می‌رفت رشد خواهند کرد.

در حال حاضر، ما فقط یک درصد  از داده های جهانی را ذخیره و ارسال می کنیم ، بنابراین، اگر این موارد را در نظر بگیریم: 1) رشد تصاعدی ایجاد داده. 2) با توجه به اینکه 37 درصد از داده های جهانی ذخیره شده و تجزیه و تحلیل شده می تواند در صورت تجزیه و تحلیل مفید باشد (در مقایسه با 1 درصد  تجزیه و تحلیل واقعی امروز). 3) اینکه افراد بیشتری در سطح جهانی آنلاین خواهند بود، به ویژه پس از بحران کووید 19  و 4) نفوذ بیشتر برنامه های کاربردی با داده های سنگین که هنوز راه اندازی نشده است، پس احتمالاً شاهد جذب قابل توجه هوش مصنوعی برای تجزیه و تحلیل چنین داده هایی و آموزش الگوریتم های مبتنی بر هوش مصنوعی در 10 سال آینده خواهیم بود.

الگوریتم‌ها، یادگیری ماشینی و یادگیری عمیق - چه تفاوتی با هم دارند؟

الگوریتم ها مجموعه ای از دستورالعمل ها هستند که می توانند برای یادگیری ماشینی و یادگیری عمیق استفاده شوند. الگوریتم مجموعه ای محدود از دستورالعمل ها است که برای حل یک مسئله محاسباتی به خوبی تعریف شده استفاده می شود. الگوریتم ها را می توان برای انجام یادگیری ماشینی و عمیق استفاده کرد. رگرسیون خطی و رگرسیون لجستیک نمونه هایی از الگوریتم های یادگیری ماشین هستند.

یادگیری ماشینی زیرمجموعه‌ای از هوش مصنوعی است که از الگوریتم‌های ریاضی کامپیوتری استفاده می‌کند، که می‌تواند از داده‌ها یاد بگیرد و با نوسانات داده‌ها پیشرفت کند. به عبارت دیگر، به جای اینکه انسان ها برنامه ها را بنویسند، رایانه ها خودشان عملکردهای برنامه را از داده ها تعیین می کنند. الگوریتم‌های یادگیری ماشینی به‌طور خودکار محاسبات ریاضی را روی داده های بزرگ اعمال می‌کنند (یعنی مجموعه‌های داده‌ای که بیش از حد بزرگ یا پیچیده هستند که توسط نرم‌افزارهای کاربردی پردازش داده سنتی قابل بررسی نیستند) تا از داده‌های گذشته بیاموزند و به نوبه خود تصمیم‌ها و نتایج قابل‌اعتماد و تکراری تولید کنند. - به عنوان مثال، پیشنهادات ویدیویی بهبود یافته بر اساس فعالیت مشاهده ویدیو در گذشته. به طور کلی، با یادگیری ماشین، اگر داده ها از یک نوع باشند، افزایش مقدار داده منجر به بهبود دقت خروجی می شود.

یادگیری عمیق زیرمجموعه ای از یادگیری ماشینی است و شامل الگوریتم هایی الهام گرفته از عملکرد و ساختار مغز به نام شبکه های عصبی مصنوعی است. قدرت یادگیری عمیق ناشی از توانایی سیستم برای تعیین روابط داده های اضافی است که شناسایی آنها دشوار است. پس از آموزش کافی، شبکه الگوریتم‌ها دائماً پیش‌بینی‌ها یا تفسیرها را بهبود می‌بخشد - به عنوان مثال، رتبه‌بندی محصولات بهبود یافته بر اساس روابط داده‌هایی که انسان به راحتی نمی‌تواند آن را شناسایی کند.

پتانسیل اقتصادی هوش مصنوعی چقدر است؟

طبق گفته Accenture، هوش مصنوعی می‌تواند تا سال 2035 نرخ رشد سالانه اقتصاد جهانی را دو برابر کند و احتمالاً به سه روش مختلف این امر را هدایت می‌کند. اول، هوش مصنوعی به دلیل اتوماسیون منجر به افزایش شدید بهره وری نیروی کار (تا 40 درصد) می شود. دوم، هوش مصنوعی قادر به حل مشکلات و خودآموزی خواهد بود. و سوم، اقتصاد از انتشار نوآوری سود خواهد برد.

********GPT چیست و چرا فناوری پشت آن بسیار پیشرو است؟

********GPT یک ربات ******** است که توسط OpenAI توسعه یافته است و می تواند متن منسجمی شبیه انسان تولید کند. این اولین برنامه در نوع خود است که به طور آشکار در دسترس مخاطبان گسترده است. تا به حال هوش مصنوعی می توانست بخواند و بنویسد اما محتوا را درک نمی کرد. مدل‌های مولد هوش مصنوعی مانند ********GPT آن را تغییر دادند و ماشین‌ها را قادر ساختند زبان انسان را بفهمند و متوالی گفتگو و محتوای انسان‌مانند را تولید کنند.

از آنجایی که ********GPT می تواند متنی شبیه انسان تولید کند، می توان از آن برای تولید محتوا (مانند نوشتن مقاله، مقالات خبری، پست های رسانه های اجتماعی، محتوای بازاریابی، داستان ها، موسیقی، ایمیل ها و غیره)، استخراج داده، خلاصه کردن متن، بهینه سازی مرورگرهای وب ، ترجمه زبان و برنامه نویسی کامپیوتری استفاده کرد.. برنامه نویسان در حال حاضر از این فناوری برای تولید برنامه یا توضیح کد یا مفاهیم استفاده می کنند.

 این فناوری چگونه قرار است تکامل یابد؟

طبق تحقیقات ، این فناوری احتمالاً فراتر از برنامه‌های کاربردی منفرد (مانند متن و تصاویر) به سمت چندوجهی تکامل می‌یابد - به عنوان مثال، استفاده از متن، تصاویر و/یا ضبط‌های صوتی به عنوان پیام‌هایی برای ایجاد پاسخ از سیستم هوش مصنوعی. استقرار مدل زبان ماهرتر می‌تواند ابزارهای مکالمه را در پردازشگرهای کلمه، جلسات ویدیویی مجازی و سیستم‌های ایمیل تکثیر کند تا امکان تعامل بیشتر کاربران از طریق گفتار را فراهم کند. کاربرد دیگر این است که این فناوری می تواند برای تولید کل برنامه های برنامه نویسی به جای پیشنهاد یا توضیح کد مورد استفاده قرار گیرد. البته بحث در مورد شایستگی های سیستم های ******** ربات هوش مصنوعی همچنان وجود دارد که آیا می‌توان آن‌ها را با قابلیت‌ها و پارامترهای فعلی‌شان برای هر صنعت اعمال کرد یا خیر ؟

موانع ورود به هوش مصنوعی چیست؟

بخش هایی که می توانند قدرت محاسباتی، داده ها و استعدادها را برای فعال کردن هوش مصنوعی ترکیب کنند، می توانند از فرصت های تجاری سرمایه گذاری کنند. با این حال، هزینه های عملیاتی (به عنوان مثال، نیمه هادی ها، کارکنان) می تواند مانع بزرگی برای ورود باشد و با افزایش اندازه پارامتر، هزینه ها نیز افزایش می یابد.

علاوه بر این، یادگیری تقویتی از بازخورد انسانی شامل مهندسی دشواری است، زیرا شرکت ها باید خود را بسازند. این مشکل با استعداد کمیاب تشدید می شود: تعداد کمی از افراد می دانند چگونه این کار را انجام دهند و برای تعداد کمی از شرکت ها کار می کنند.

برخی از خطرات این فناوری چیست؟

از آنجایی که ********GPT می‌تواند محتوایی شبیه انسان تولید کند، می‌توان اتوماسیون را در بخش‌هایی معرفی کرد که مبتنی بر ایده‌پردازی هستند، مانند تبلیغات، هنر و طراحی، سرگرمی، موسیقی، رسانه و حقوقی. این می تواند به حرکت موج پنجم انقلاب صنعتی - همزیستی انسان و ماشین کمک کند.

اما اگر به خطرات نگاه کنیم، ********GPT می تواند "توهم" کند (یعنی پاسخ نادرست با اطمینان ایجاد کند). علاوه بر این، قادر به تصمیم گیری یا مقابله با حافظه/تولید بیش از حد نیست و همچنین می تواند به دستورالعمل های مضر پاسخ دهد، بنابراین مانع ورود عوامل تهدید را کاهش می دهد زیرا درها را برای بدافزارها، فیشینگ و باج افزارهای مبتنی بر هویت بیشتر حملات  باز می کند. علاوه بر این، این مدل می‌تواند به‌طور تصادفی اطلاعات حساس را نشان دهد و خروجی می‌تواند مورد سوء استفاده قرار گیرد. اگر از داده ها سوء استفاده شود، ممکن است این مدل قوانین حریم خصوصی را نقض کند، به طور کلی، این فناوری می تواند پیامدهای گسترده ای برای امنیت سایبری، به ویژه برای امنیت ایمیل، امنیت هویت و تشخیص تهدید داشته باشد.

در نهایت، مالکیت معنوی اغلب قبل از انتشار عمومی نادیده گرفته می‌شود و گنجاندن آن دشوار است. این یک منطقه خاکستری است، زیرا در حال حاضر هیچ چیزی مانع از استفاده شرکت‌ها از محتوای تولید شده توسط هوش مصنوعی فراتر از انطباق نیست. با این حال برخی از شرکت‌های بزرگ فناوری اصول هوش مصنوعی مسئولانه را برای جلوگیری از سوگیری ناعادلانه در مدل‌های هوش مصنوعی توسعه داده‌اند و در حال تدوین قوانین مرتبط استفاده از این فناروری جدید هستند.