چگونه به هوش مصنوعی فکر کنیم و چگونه با آن زندگی کنیم

هوش مصنوعی تا حد زیادی به لطف ظهور ابزارهای مبتنی بر هوش مصنوعی مانند ChatGPT، با توانایی آن در تولید متن روان، و DALL-E، که تصاویر متقاعدکننده‌ای را در پاسخ به درخواست‌ها به شیوه‌ای مشابه تولید می‌کند، در حال گسترش است. هوش مصنوعی قدرتمندتر و قابل دسترس تر از همیشه است و موج جدیدی از امیدها و ترس ها را در مورد اینکه چگونه در نهایت دنیای ما را تغییر خواهد داد، برانگیخت. اما حتی در شکل فعلی، هوش مصنوعی این قدرت را دارد که روش زندگی و کار ما را تغییر دهد. با توجه به اینکه این اتفاق خیلی سریع رخ می‌دهد، می‌توان دید دقیقاً چه کارهایی را در حال حاضر هوش مصنوعی انجام می‌دهد – و چه کارهایی ممکن است در آینده انجام دهد. در هشت صفحه آینده، به برخی از بزرگترین مسائل خواهیم پرداخت، از نحوه استفاده از هوش مصنوعی گرفته تا خطراتی که ایجاد می‌کند و اینکه آیا می‌توان از هوش مصنوعی استفاده کرد.

گردباد فعلی علاقه به هوش مصنوعی عمدتاً به دلیل ورود ناگهانی نسل جدیدی از ربات‌های گفتگوی مبتنی بر هوش مصنوعی است که قادر به مکالمات متن‌محور به طرز شگفت‌آوری شبیه انسان هستند. تغییر بزرگ در سال گذشته رخ داد، زمانی که OpenAI ChatGPT را منتشر کرد. یک شبه، میلیون‌ها نفر به یک هوش مصنوعی دسترسی پیدا کردند که پاسخ‌هایی به‌طور شگفت‌انگیزی روان، و اگر به‌نوعی پیشگامانه بود، تولید کرد. هیپ کم نبوده است. با دسترسی زودهنگام به GPT4، آخرین نسخه از سیستم پشت ChatGPT، محققان مایکروسافت استدلال می‌کنند که این سیستم در حال حاضر «نگاه‌هایی» از یک نسخه ماشینی هوش انسانی که مدت‌هاست به دنبال آن بودیم، به نام هوش عمومی مصنوعی (AGI) را نشان می‌دهد. یکی از مهندسان گوگل حتی پا را فراتر گذاشت و ادعا کرد که یکی از هوش مصنوعی این شرکت که LaMDA نام دارد، حساس است. در همین حال، مخالفان اصرار دارند که این هوش مصنوعی ها آنقدرها که به نظر می رسد چشمگیر نیستند. همه این‌ها می‌توانند دانستن اینکه از چت‌ربات‌های جدید هوش مصنوعی چه باید بسازید را سخت کند. خوشبختانه، وقتی با نحوه کار آنها و با توجه به میزان "فکر" آنها مانند آنها آشنا می شوید، همه چیز به سرعت واضح تر می شود. Attheheartofallthesechatbots isalarge languagemodel (LLM) - یک مدل آماری، یا یک نمایش ریاضی از داده ها، طراحی شده برای پیش بینی کلماتی که احتمالاً با هم ظاهر می شوند. LLM ها با تغذیه مقادیر عظیمی از متن به دسته ای از الگوریتم ها به نام شبکه های عصبی عمیق، که به طور ضعیفی از مغز الهام می گیرند، ایجاد می شوند. مدل‌ها الگوهای زبان پیچیده را با انجام آن به عنوان یک بازی هک می‌آموزند: الگوریتمی که متن را مرور می‌کند، به‌طور تصادفی برخی از کلمات را پنهان می‌کند و سپس سعی می‌کند شکاف‌ها را پر کند. به طور خلاصه، آنها برای پیش بینی کلمه بعدی آموزش می بینند. میرلا لاپاتا از دانشگاه ادینبورگ بریتانیا می گوید و با تکرار این فرآیند بارها و بارها، آنها می توانند مدل های پیچیده ای از نحوه عملکرد زبان ایجاد کنند. پیشرفت های اخیر عمدتاً مربوط به نوع جدیدی از شبکه عصبی است که در سال 2017 اختراع شد به نام "ترانسفورماتور" که می تواند داده ها را بسیار کارآمدتر از رویکردهای قبلی پردازش کند. این امکان آموزش مدل های بسیار بزرگتر را بر روی متن خراشیده شده از اینترنت فراهم می کند. لاپاتا می گوید، سیستم های مبتنی بر ترانسفورماتور نیز در درک متن بسیار بهتر هستند. در حالی که نسخه‌های لحیم‌کننده فقط می‌توانند چند کلمه را در دو طرف یک کلمه از دست رفته استفاده کنند، ترانسفورماتورها می‌توانند رشته‌های طولانی‌تری از متن را پردازش کنند، به این معنی که می‌توانند روابط زبانی پیچیده‌تر و ظریف‌تری را از بین ببرند. چیزی که مدل‌های آماری سخت را به چت‌بات‌های ساده تبدیل می‌کند این است که انسان‌ها خروجی هوش مصنوعی را بر اساس معیارهایی مانند سودمندی و روان بودن رتبه‌بندی می‌کنند. این داده برای یک "مدل ترجیحی" یادگیری جداگانه استفاده می شود که خروجی یک LLM را فیلتر می کند. این را کنار هم بگذارید و آنچه امروز داریم یک شریک مکالمه مبتنی بر متن و رایانه است که اغلب از انسان قابل تشخیص نیست. دانشگاه تالین نیویورک می گوید که این واقعیت با استفاده از پیش بینی ساده و پیش بینی کلمه بعدی، بسیاری از مردم را شگفت زده کرد. اما مهم است که به یاد داشته باشید که نحوه عملکرد این AIها تقریباً به همان روش کار فرآیندهای شناختی انسان نیست. لینزن می‌گوید: «آنها اساساً متفاوت از افراد یاد می‌گیرند، که این امر باعث می‌شود که [برای] آنها «فکر» یکسانی با مردم داشته باشند.

در اینجا، اشتباهاتی که چت بات ها مرتکب می شوند آموزنده است. آنها مستعد این هستند که با اطمینان دروغ ها را به عنوان حقیقت در بوق و کرنا کنند، که اغلب به عنوان "هذیان" شناخته می شود زیرا خروجی آنها صرفاً آماری است. لاپاتا می‌گوید: «این کار راستی‌آزمایی نمی‌کند». "این فقط خروجی هایی ایجاد می کند که محتمل یا قابل قبول هستند، اما لزوما درست نیستند." این امر باعث شده است که برخی از مفسران چت بات ها را "طوطی های تصادفی" و خروجی آنها را چیزی جز "یک JPEG تار از وب" بدانند. خلاصه این نکات این است که LLM های جدید آنقدرها که در ابتدا به نظر می رسند چشمگیر نیستند – کاری که آنها انجام می دهند به سادگی به خاطر سپردن داده های آموزشی که هوشمندانه در کنار هم قرار گرفته اند، به جای سوء تفاهم از ایجاد بودجه است. رافائل میلیر از دانشگاه کلمبیا در نیویورک می گوید که این قابلیت ها در حال ظهور هستند، و با این حال نشانه هایی وجود دارد که نشان می دهد LLM ها ممکن است بیش از جمع آوری داده های آموزشی انجام دهند. Re

تحقیقات cent نشان می دهد که پس از آموزش طولانی مدت، مدل ها می توانند قوانین کلی تری را ایجاد کنند که به آنها مهارت های جدیدی می دهد. او می‌گوید: «شما این انتقال را از حفظ کردن به شکل‌گیری مدارهایی در داخل شبکه [عصبی] دریافت می‌کنید که الگوریتم‌های خاصی یا قوانین خاصی را برای حل تکالیف پیاده‌سازی می‌کنند. میلیر می‌گوید: این ممکن است به توضیح اینکه چرا با افزایش اندازه LLMها، اغلب جهش‌های ناگهانی عملکرد در برخی مشکلات را تجربه می‌کنند، کمک کند. این پدیده به عنوان "ظهور" نامیده می شود و منجر به گمانه زنی در مورد اینکه چه قابلیت های غیرمنتظره دیگری می تواند توسط هوش مصنوعی ایجاد شود، شده است. مهم این است که فریب نخورید. میلییر می گوید: «این اصطلاح بسیار اغواکننده است. «این کار چیزهایی مانند خودآگاهی ناگهانی مدل‌ها یا چیزهایی از این قبیل را تداعی می‌کند. این چیزی نیست که ما در مورد آن صحبت می کنیم.» با این حال، میلییر فکر می‌کند که بین آن‌ها و بازرگانان تبلیغاتی «یک حد وسط غنی» وجود دارد. در حالی که این ربات‌های چت از تکرار شناخت انسان فاصله زیادی دارند، اما در برخی مناطق باریک، ممکن است تفاوت چندانی با ما نداشته باشند. او می‌گوید کاوش در این شباهت‌ها نه تنها می‌تواند هوش مصنوعی را ارتقا دهد، بلکه درک ما را از قابلیت‌های شناختی خودمان نیز تقویت می‌کند.

چه بخواهیم چه نخواهی، عصر هوش مصنوعی مولد در راه است. هر کسی که به اینترنت متصل است، به ابزارهایی دسترسی دارد که می تواند تقریباً به هر سؤالی در زیر نور خورشید پاسخ دهد، همه چیز را از مقالات دانشگاه گرفته تا کدهای رایانه ای بنویسد و تصاویر هنری یا واقعی را تولید کند. هیئت منصفه هنوز در مورد اینکه آیا همه اینها به سمت هوش مصنوعی فوق العاده هوشمند است یا خیر، صحبت نمی کند. با این حال، حتی اگر پیشرفت راکد شود، قابلیت‌های موجود می‌تواند عمیقاً بر اقتصاد، مشاغل، آموزش، فرهنگ و موارد دیگر تأثیر بگذارد. بنابراین، نسل فعلی هوش مصنوعی چگونه می‌خواهد جهان و زندگی شما را در مدت 5 تا 10 سال تغییر دهد؟ به طور کلی، پیش‌بینی‌کنندگان پیش‌بینی می‌کنند که هوش مصنوعی مولد باعث افزایش بهره‌وری اقتصادی و رشد در اقتصادهای پیشرفته خواهد شد. گزارشی که گلدمن ساکس در ماه مارس منتشر کرد، پیش‌بینی می‌کند که هوش مصنوعی مولد می‌تواند ظرف یک دهه، تولید ناخالص داخلی جهانی سالانه را 7 درصد افزایش دهد که به معنای افزایش حدود 7 تریلیون دلاری است. ترکیبی از صرفه جویی قابل توجه در هزینه نیروی کار، ایجاد مشاغل جدید و افزایش بهره وری برای کارگران غیر آواره، احتمال رونق بهره وری نیروی کار را مانند آنچه که پس از ظهور فناوری های همه منظوره قبلی مانند موتور الکتریکی و رایانه شخصی به وجود آمد، افزایش می دهد. گزارش می گوید. ایده این است که هوش مصنوعی میلیون‌ها «کارگر دانش» مانند دانشمندان، ویراستاران، وکلا و پزشکان را ظرف چند سال سازنده‌تر خواهد کرد. اما حقیقت این است که پیش‌بینی و ارزیابی این چیزها دشوار است، به‌ویژه که خروجی چنین کارگرانی به‌شدت دشوار است. آوی گلدفارب از دانشگاه تورنتو در کانادا می‌گوید یکی از زمینه‌هایی که هوش مصنوعی مولد باعث ایجاد اضطراب می‌شود، اشتغال است، اما تصویر می‌تواند با امواج قبلی اتوماسیون متفاوت باشد. او می‌گوید که پیشرفت‌های محاسباتی اغلب کارکنان کم‌دستمزد مانند تایپیست‌ها یا صندوق‌داران را جابجا کرده و در عین حال بهره‌وری کارگران تحصیل‌کرده را افزایش می‌دهد و به افزایش نابرابری کمک می‌کند. این بار، AIismccling در مشاغل با درآمد بالاتر. تحقیقات اخیر از OpenAI، شرکت پشتیبان ChatGPT، نشان داد که 80 درصد از نیروی کار ایالات متحده می توانند 10 درصد از وظایف کاری خود را تحت تأثیر فناوری قرار دهند و برای 19 درصد از کارگران، این میزان می تواند حداقل به نصف برسد. کسانی که بیشتر تحت تأثیر قرار می گیرند عمدتاً کارگران یقه سفید مانند حسابداران، روزنامه نگاران و طراحان وب هستند. گلدفارب می گوید بعید است که کل مشاغل خودکار شوند. و کارهایی که هوش مصنوعی می‌تواند به آنها کمک کند کارهایی هستند که مانند نوشتن ایمیل‌ها یا جستجو در اسناد به آنها کمک می‌کند، بنابراین اتوماسیون می‌تواند کارگران را برای کارهای ارزشمندتر آزاد کند. می گوید. KatyaKlinovaatPartnership در زمینه هوش مصنوعی، که از استفاده مسئولانه از این فناوری حمایت می کند، می گوید: تا حد زیادی به نحوه به کارگیری فناوری بستگی دارد. او می‌گوید که AItools می‌تواند به یک «یار شخصی» تبدیل شود که به کارگران کمک می‌کند تا در طوفان فکری، پیش‌نویس اسناد و تبدیل ایده‌ها به عمل کمک کنند. از سوی دیگر، شرکت‌ها ممکن است آن‌ها را راهی برای کاهش هزینه‌های نیروی کار ببینند، و برای تولید مواد بازاریابی، کدهای کامپیوتری یا تصاویر به آنها روی آورند و تعداد انسان‌هایی که در حال کاهش هستند برای پر کردن شکاف‌ها تنزل پیدا کنند. به گفته کلینووا، گسترش سریع قابلیت‌های هوش مصنوعی همچنین باعث می‌شود که به طور فزاینده‌ای مشخص نباشد که کارگران چه مهارت‌هایی را باید پرورش دهند. هوش مصنوعی می تواند تأثیر عمیقی در آموزش داشته باشد، هرچند، حداقل بخشی از آن مثبت است. نگرانی‌هایی در مورد استفاده دانش‌آموزان از ابزارهای هوش مصنوعی برای انجام تکالیف مطرح شده است، اما VictorLeeat University Stanford در کالیفرنیا می‌گوید فرصتی برای تمرکز ما وجود دارد که چگونه یادگیری را به دور از توانایی تولید نوشته‌های خوب به سمت «چیزهای پیچیده‌تر مانند مقایسه، نقد، انطباق، پالایش» ارزیابی کنیم. هوش مصنوعی همچنین می‌تواند با ظهور ربات‌های آموزشی که می‌توانند با دانش‌آموزان همکاری و مناظره کنند، فرصت‌های جدیدی برای تدریس ارائه دهد. لی می‌گوید ادغام هوش مصنوعی در آموزش مستلزم احتیاط است، زیرا این مدل‌ها می‌توانند سوگیری را از tr خود وارد کنند.

​

داده ها و اغلب حقایق را می سازند، یا "توهم" می کنند. اما او اضافه می کند که یادگیری نحوه استفاده از این ابزارها در محیط کار آینده ضروری خواهد بود. لی می‌گوید: «افرادی که نمی‌دانند چگونه از هوش مصنوعی استفاده کنند، جای خود را به افرادی خواهند داد که از هوش مصنوعی استفاده کنند. اکاترینا هرتوگات دانشگاه آکسفورد می‌گوید: ترکیب ربات‌های چت هوش مصنوعی با دستیارهای صوتی می‌تواند این فناوری را عمیق‌تر به درون افراد شخصی ما سوق دهد. یک «آنستروئیدهای الکسا» می‌تواند این موتور جستجو را برای سفارش خواربار، رزرو هتل، جستجوی توصیه‌های پزشکی و مجموعه‌ای از کارهای روزمره در ربات‌های کاری مختلف پیدا کند. هرتوگ می‌گوید که در حال حاضر در مورد استفاده از چت‌بات‌ها به‌عنوان مکالمه‌گر شخصی صحبت می‌کنند، فضایی برای تخلیه زمانی که آنها نگران یا نگران هستند. او می‌گوید، خطر این است که افراد می‌توانند به چت‌بات‌های متقاعدکننده هوش مصنوعی دلبستگی ناسالم ایجاد کنند و در برابر هدایت نادرست و اطلاعات نادرست توسط آنها آسیب‌پذیر باشند (به «خطرات واقعی هوش مصنوعی»، صفحه 36 مراجعه کنید). پس از آن، کاربران به لطف تعداد فزاینده ای از نسخه های منبع باز، که توسط داوطلبان توسعه یافته و به صورت رایگان در دسترس هستند، ممکن است به زودی کنترل بیشتری بر ابزارهای هوش مصنوعی خود داشته باشند. اینها می توانند به جای اتکا به قدرت محاسباتی شرکت های بزرگ مانند OpenAI و Google، روی لپ تاپ ها و حتی تلفن های هوشمند اجرا شوند. مدل‌های منبع باز می‌توانند تأثیر زیادی بر نحوه استفاده از هوش مصنوعی داشته باشند، زیرا می‌توانند با ترکیب آن‌ها با ابزارهای نرم‌افزاری یا آموزش مجدد آن‌ها بر روی داده‌های خود، برای نیازهای شما شخصی‌سازی شوند. این می تواند نگرانی در مورد به اشتراک گذاری داده های شخصی با شرکت های فناوری را کاهش دهد. SimonWillison محقق و توسعه‌دهنده مستقل می‌گوید: «به نظر علمی تخیلی مضحک می‌رسد، اما دنیایی وجود دارد که در آن هر کسی دستیار هوش مصنوعی خود را دارد.

آیا می توانم به شما کمک کند؟

زنگ های هشدار به صدا درآمده است. در ماه مه، جفری هینتون، دانشمند کامپیوتر، معروف به "پدرخوانده AI"، نقش خود را در گوگل به عهده گرفت تا در مورد "تهدید وجودی" ناشی از هوش مصنوعی هشدار دهد. مرکز ایمنی هوش مصنوعی با نامه ای سرگشاده به امضای هینتون و صدها نفر دیگر هشدار داد که هوش مصنوعی پیشرفته می تواند بشریت را نابود کند. در بیانیه آمده است: «کاهش خطر انقراض ناشی از هوش مصنوعی باید یک اولویت جهانی باشد. به نظر می رسد این افزایش ناگهانی نگرانی ناشی از پیشرفت سریع چت ربات های مجهز به هوش مصنوعی مانند ChatGPT و رقابت برای ساختن سیستم های قدرتمندتر بوده است. ترس این است که صنعت فناوری بی پروا در حال تسریع در افزایش قابلیت های هوش مصنوعی است. همه اینها ترسناک به نظر می رسند اما هشدارها نیز به طرز مشکوکی مبهم هستند. وقتی سناریوهایی را که معمولاً برای اینکه دقیقاً چگونه هوش مصنوعی می‌تواند انسان‌ها را از بین ببرد، بررسی می‌کنید، اجتناب از این نتیجه‌گیری که چنین ترس‌هایی به خوبی پایه‌گذاری نشده‌اند، سخت است. AIهای موجود به طور کلی، افرادی که در مورد خطرات وجودی صحبت می کنند، تصور می کنند که ما در مسیری به سمت هوش عمومی مصنوعی (AGI) قرار داریم، که تقریباً به عنوان ماشین هایی تعریف می شود که نمی توانند انسان های فکری کنند. آن‌ها پیش‌بینی می‌کنند که افراد با استقلال بیشتر، به زیرساخت‌های حیاتی مانند شبکه برق یا بازارهای مالی دسترسی خواهند داشت، یا حتی آنها را در خط مقدم جنگ قرار می‌دهند – در این مرحله آنها می‌توانند سرکش شوند یا در مقابل تلاش‌های ما برای کنترل آنها مقاومت کنند. اما باید دید که آیا هوش مصنوعی هرگز به آن نوعی از ابرهوش و، مهمتر از همه، آژانسی خواهد رسید که بتواند بشریت را تهدید کند. ساندرا واچر از دانشگاه آکسفورد می‌گوید: «هیچ مدرک علمی وجود ندارد که نشان دهد ما در مسیری به سوی احساسات هستیم. "حتی شواهدی وجود ندارد که چنین مسیری وجود داشته باشد." او می‌افزاید که اگر ما به AGI پایان دهیم، باید به اندازه کافی آسان باشد که مطمئن شویم برای مثال، به هوش مصنوعی فرصت ایجاد جنگ هسته‌ای را نمی‌دهیم. او می‌گوید: «قرار ندادن هوش مصنوعی در سیستم‌های حیاتی بسیار ساده است. بیشتر دانشمندان کامپیوتر بیشتر نگران مشکلاتی هستند که انسان ها با هوش مصنوعی ایجاد می کنند، از جمله محصول فعلی سیستم های مولد. برای شروع، اثرات زیست محیطی بسیاری از مراکز داده تشنه انرژی که برای راه اندازی آنها لازم است، و تهدیدی برای مشاغل خاصی که چنین AI ها ایجاد می کنند. سپس تهدیداتی برای امنیت سایبری و در نتیجه امنیت آنلاین ما وجود دارد. ایده در اینجا این است که هوش مصنوعی مولد ظرفیت مجرمان و سایر بازیگران بد را برای انجام کلاهبرداری و حملات سایبری افزایش می دهد. کونال آناند، مدیر ارشد فناوری شرکت امنیت سایبری بریتانیا، Imperva، می‌گوید که ابزار برنامه‌نویسی مبتنی بر هوش مصنوعی که توسط زیرمجموعه مایکروسافت GitHub و OpenAI ساخته شده است، در نوشتن کد آنقدر خوب است که برای مهاجمان سایبری که نمی‌دانند چگونه کد می‌کنند، یک موهبت خواهد بود. اما قانع‌کننده‌ترین تهدید کوتاه‌مدت، چشم‌انداز افرادی است که از AIto استفاده می‌کنند، انتشار اطلاعات نادرست و اطلاعات نادرست را افزایش می‌دهند. ما می‌دانیم که رسانه‌های اجتماعی اطلاعات نادرست یا گمراه‌کننده را تقویت می‌کنند، خواه عمداً - مانند اطلاعات نادرست - یا در غیر این صورت. ظهور GenerativeAI به این معنی است که اطلاعات نادرست نه تنها در مقیاس صنعتی قابل تولید است، بلکه

​

همچنین بسیار متقاعد کننده تر و متقاعد کننده تر از قبل خواهد بود. چت‌بات‌ها می‌توانند به‌سرعت مجموعه‌ای از اخبار نادرست، به عنوان مثال، یا اطلاعات نادرست برای گروه‌های خاص را تولید کنند. ابزارهای دیگر می توانند تصاویر و ویدیوهای جعلی تولید کنند که اغلب نیازی به تخصص ندارند. تشخیص چنین خروجی از چیزهای واقعی دشوار خواهد بود. به خصوص آسیب پذیر این است که اگر کارشناسان قابل اعتمادی داشته باشیم، به طور فزاینده ای با AIsas تعامل داریم. این استدلالی است که سلستکید، روانشناس دانشگاه کالیفرنیا، برکلی، و آببا برهان، دانشمند کامپیوتر در بنیاد موزیلا در سانفرانسیسکو، که برای اطمینان از اینکه اینترنت به عنوان یک نیروی خوب باقی می ماند، ارائه شده است. آنها اخیراً نوشتند: «افراد وقتی اطلاعاتی را از نمایندگانی دریافت می‌کنند که از نظر آنها مطمئن و آگاه هستند، باورهای قوی‌تر و طولانی‌تری پیدا می‌کنند». آنها همچنین به این نکته اشاره می‌کنند که هوش مصنوعی‌های مولد بیشتر و بیشتر مواد مملو از تعصبات و ساختگی‌ها را پمپاژ می‌کنند، این امر اینترنت را پر می‌کند و به بخشی از داده‌های آموزشی برای نسل بعدی مدل‌ها تبدیل می‌شود - «بدین ترتیب تحریف‌ها و سوگیری‌های سیستمیک در آینده در یک حلقه بازخورد مداوم تقویت می‌شود». بنابراین، خطر واقعی هوش مصنوعی، پتانسیل آن برای تحریف باورهای انسانی و ایجاد تحولات سیاسی است، به عنوان مثال از طریق تأثیرگذاری بر انتخابات آینده. استفن کیو، مدیر مرکز آینده هوش لوورهولم دانشگاه کمبریج می گوید: نگرانی در مورد آلودگی اکوسیستم اطلاعاتی واقعی است. «آنچه باید از ترامپیسم و همه‌گیری آموختیم این است که تمدن‌های ما آسیب‌پذیرتر از آن چیزی هستند که فکر می‌کنیم.

از chatbotifitisconscious با قدرت ANAI بپرسید و در بیشتر مواقع، پاسخ منفی خواهد داد. ChatGPT از OpenAI می نویسد: «من تمایلات یا آگاهی شخصی ندارم. "Iamnotsentient" در چت ربات Google'sBard به صدا در می آید. "در حال حاضر، من راضی هستم که به طرق مختلف به مردم کمک کنم." در حال حاضر؟ به نظر می‌رسد هوش مصنوعی این ایده را دارد که معماری، آگاهی چندان دور از ذهن نیست. شرکت هایی که به آنها همین احساس را می دهند. و به گفته دیوید چالمرز، فیلسوف دانشگاه نیویورک، ما هیچ دلیل محکمی برای رد کردن نوعی تجربه درونی در ترانزیستورهای سیلیکونی نداریم. او در کنفرانس Sc i Enc e Consciousness در سیسیل در ماه مه گفت: "هیچ کس نمی تواند با آگاهی همراه باشد." بنابراین چقدر به ماشین های حساس نزدیک هستیم؟ و اگر هوشیاری به وجود بیاید، چگونه متوجه می شویم؟ آنچه که می‌توانیم بگوییم این است که رفتارهای بی‌نظیر هوشمندی قبلاً در این هوش مصنوعی ظاهر شده است. به نظر می‌رسد مدل‌های زبان بزرگ (LLM) که زیربنای نسل جدید هستند، استدلال می‌کنند: آنها می‌توانند به شما یک جوک بگویند و سپس توضیح دهند که به عنوان مثال، چرا خنده‌دار است. چالمرز گفت که آنها حتی می توانند ریاضیات انجام دهند و مقالات دانشگاهی درجه عالی بنویسند. سخت است که تحت تأثیر قرار نگیری، و کمی ترسیده باشیم.» اما بعید است که افزایش مقیاس LLM ها به آگاهی منجر شود، زیرا آنها چیزی فراتر از ماشین های پیش بینی قدرتمند هستند. آنا سیائونیکا، دانشمند و فیلسوف شناختی از دانشگاه لیسبون در پرتغال، می‌گوید مجموعه داده‌های بزرگ‌تر و مدارهای پیچیده‌تر این هوش مصنوعی‌ها را به طور فزاینده‌ای هوشمند می‌کند، اما این بدان معنا نیست که آنها چیزی را تجربه می‌کنند. "تجربه به جای دانستن در مورد، مانند گذراندن است." با این گفته، محققان در حال حاضر در تلاش برای بازسازی تجربه در هوش مصنوعی هستند. این روزها، این ایده که ذهن ما توسط بدن و حواس ما شکل می‌گیرد، به عنوان شناخت جسمانی شناخته می‌شود، ارتدکس است. چالمرز گفت، بنابراین یک رویکرد این است که LLM ها را با بدن های روباتی ترکیب کنیم که می توانند ببینند و بشنوند. در واقع، گوگل اخیرا یک ربات مجهز به هوش مصنوعی را معرفی کرده است که می تواند محیط خود را حس کرده و با آن درگیر شود. تجسم شگفت انگیز به PaLM-E امکان داد تا بسته ای از چیپس را به صاحبش تحویل دهد، علیرغم اینکه بسته در اواسط آزمایش در یک کشو پنهان شده بود. هوش تجسم یافته به اندازه تحویل میان وعده های رباتیک مورد استقبال قرار می گیرد، Ciaunica مشکوک است که کد رایانه ای در قلب وجود PalM-E در واقع هیچ چیزی را "تجربه" نمی کند. ذهن و بدن ما در طول میلیون ها سال در کنار یکدیگر تکامل یافته اند. او می‌گوید: چسباندن ربات‌ها به هم با ذهن‌های مصنوعی پیچیده و انتظار هوشیار شدن، رویکرد اشتباهی است. در همین حال، یوشوا بنجیو، پیشگام در یادگیری عمیق، از ایده هایی در مورد نحوه پردازش اطلاعات در مغز رهبری می کند. او می گوید: «آگاهی جادویی نیست، مادی است. آزمایشگاه او در دانشگاه مونترال در کانادا، «نظریه فضای کار جهانی» را برای هوش مصنوعی به کار می‌برد. این این ایده است که آگاهی زمانی به وجود می‌آید که بسیاری از عملکردهای مختلف مغز در مرحله مرکزی به منظور حل مشکلات استخدام می‌شوند.

با فشردن بسیاری از ماژول‌های هوش مصنوعی از طریق یک گلوگاه، او قصد دارد چیزی شبیه به این مرحله را روی تراشه‌های سیلیکونی ایجاد کند. Bengio می‌گوید: «این می‌تواند منجر به هوش مصنوعی شود که بسیاری از عملکردهای شناختی مرتبط با آگاهی را دارند. با این حال، استعاره از مغز به عنوان یک کامپیوتر یک امر ضروری را از دست می دهد

​

Jaan Aru از دانشگاه تارتو در استونی می گوید: تفاوت بین نرم افزار و موجودات زنده. همراه با تجربه، میل به حفظ موجودیت وجود دارد و بنابراین، بر خلاف رایانه، موجودات زنده چیزی برای از دست دادن دارند. آرو و همکارانش در مقاله اخیر خود نوشتند: "آگاهی ممکن است به داشتن "پوست در بازی" بستگی داشته باشد. Bengio با این ادعا که «اشکال بدوی احساسات و عواطف» در هوش مصنوعی ظاهر شده‌اند که برای انجام برخی اقدامات بر دیگران پاداش می‌گیرند، با این موضوع مقابله می‌کند. بنژیو می‌گوید این نوع تقویت رفتار در ابتدا یک "محرک ذاتی" ایجاد می‌کند که شبیه غرایز بقای انسان است. او می‌گوید، به‌عنوان اینکه AI زندگی‌های اجتماعی را موضوعیت می‌دهد، هیچ چیز نمی‌تواند جلوی ظهور انواع احساساتی را که ما در زندگی اجتماعی خود تجربه می‌کنیم، بگیرد. در نهایت، اینکه شما فکر می‌کنید هوشیاران چقدر هوشیار می‌شوند، به نظریه ترجیحی شما در مورد آگاهی بستگی دارد. برای پان روان شناسان، که معتقدند ذهن یک ویژگی ذاتی همه مواد است، هوش مصنوعی همیشه در سطح هوشیاری مانند الکترون های آهو، سنگ و مایونز بوده است. و تا زمانی که ندانیم هوشیاری چیست، راهی برای آزمایش آن وجود ندارد. «بازی تقلیدی» معروف آلن تورینگ، دانشمند کامپیوتر، توانایی مکالمه را به عنوان معیاری برای آزمایش اینکه آیا ماشین‌ها فکر می‌کنند یا خیر، برجسته کرد. اما موفقیت چت‌بات‌ها نشان می‌دهد که این یک آزمایش هوش است تا احساس. شاید سوال مربوطه این نباشد که آیا هوش مصنوعی می تواند هوشیار شود یا نه، بلکه این است که چرا ما می خواهیم آنها هوشیار باشند. Bengio می‌گوید: «باید سعی کنیم ماشین‌هایی بسازیم که در تصویر ما هستند. "اگر هوش مصنوعی را در نقش ابزار آنها نگه داریم، سالم تر خواهد بود، نه به عنوان عامل، مانند مردم. آن‌ها همان نقش اجتماعی را که انسان‌ها در جامعه بازی می‌کنند، بازی نمی‌کنند، زیرا اساساً جاودانه خواهند بود.» توماس لوتون

حوزه هوش مصنوعی در سال‌های اخیر به‌طور چشمگیری تغییر کرده است، با انفجار سیستم‌هایی مانند سیستم‌هایی که در پشت پرفروش‌ترین hitChatGPT ایجاد سرمایه‌گذاری و ده‌ها استارت‌آپ خبری داشتند. اما قدرت هوش مصنوعی تنها در ساخت ربات‌های گفتگو به کار نمی‌رود. در واقع، چندین دهه است که بی سر و صدا به ما کمک می کند تا بسیاری از بزرگترین مشکلاتمان را حل کنیم، و به نظر می رسد که اکنون انگیزه جدیدی در تلاش برای دستیابی به قدرت همجوشی هسته ای قابل دوام تجاری ایجاد کند. یکی از شرکت هایی که به طور مداوم در حل مشکلات دنیای واقعی مهارت نشان داده است، DeepMind گوگل است. یکی از شگفت‌انگیزترین دستاوردهای آن تا کردن پروتئین بوده است. تعیین شکل‌های مچاله شده پروتئین‌ها بر اساس توالی اسیدهای آمینه تشکیل‌دهنده آن‌ها برای دهه‌ها مشکلی دائمی بوده است، و محققان اغلب سال‌ها برای حل یک مورد نیاز دارند. DeepMind سال گذشته با اعلام اینکه ساختار تقریباً تمام پروتئین‌های شناخته شده برای علم را تنها در 18 ماه پیش‌بینی کرده بود، تبدیل به زیست‌شناسی شد. این تیم هوش مصنوعی AlphaFold خود را بر روی داده‌های شکل‌های پروتئینی شناخته‌شده آموزش داده بودند و یاد گرفتند که چگونه پروتئین‌های حل نشده را پیش‌بینی کنند. داروهای آینده این داده ها در حال حاضر به محققان کمک می کند تا در همه چیز از درمان های جدید مالاریا گرفته تا ایجاد آنزیم هایی که می توانند زباله های پلاستیکی را تجزیه کنند، پیشرفت کنند. Pushmeet Kohli در DeepMind می‌گوید که حتی بیشتر در افق وجود دارد. او می‌گوید: فراتر از پیش‌بینی ساختار پروتئین، کار بیشتری برای ترسیم پویایی پروتئین، درجه‌بندی پروتئین در طراحی و درک تأثیر جهش‌های پروتئین - به عنوان مثال، جهش‌های مرتبط با بیماری‌هایی مانند سرطان، وجود دارد. هوش مصنوعی همچنین با توسعه فرش هجوم‌های بسیار مهمی را به سوی کارآمدی‌ها وارد می‌کند. این فرآیند شامل جمع‌آوری و تجزیه و تحلیل انواع مختلف داده‌ها از آزمایش‌های آزمایشگاهی، شبیه‌سازی‌های کامپیوتری، اسکن‌ها، آزمایش‌های بالینی و سوابق سلامت است. این روزها، آوردن داروهای جدید به بیماران زمان بیشتری طول می کشد و هزینه های بیشتری نیز می طلبد، شاید به این دلیل که میوه های کم مصرفی که قبلاً چیده شده و تنظیم شده اند افزایش یافته است. کنراد بسانت از دانشگاه کوئین مری لندن می‌گوید، اما چندین پروژه در حال حاضر از هوش مصنوعی برای خودکارسازی بخش‌هایی از فرآیند استفاده می‌کنند، مانند جمع‌آوری مجموعه‌های داده بزرگ و نامرتب و سازماندهی آن‌ها به شیوه‌ای که تجزیه و تحلیل آسان‌تر – یا استفاده از هوش مصنوعی برای نوشتن کد برای انجام کار. محققان همچنین از هوش مصنوعی مولد برای تولید ساختارهای مولکولی استفاده می کنند که فکر می کنند شرایط خاصی را هدف قرار می دهند. در جاهای دیگر، تلاش‌های ما برای مبارزه با یکی از بزرگترین مشکلات جهان - تغییرات آب و هوایی - نیز در حال کمک است. در اینجا، هوش مصنوعی برای ساخت خودروها، رایانه‌ها و حتی توربین‌های بادی با انرژی کارآمدتر استفاده می‌شود. به عنوان مثال، کار اخیر محققان موسسه پلی تکنیک پاریس از هوش مصنوعی برای اطمینان از اینکه توربین‌ها بیشتر به سمت باد هدایت می‌شوند، استفاده کردند و خروجی را 0.3 درصد افزایش دادند. این ممکن است کوچک به نظر برسد، اما اگر در سطح جهانی عرضه شود، می تواند برای تامین انرژی معادل 1.7 میلیون UKhomes کافی باشد.

DeepMind همچنین هوش مصنوعی را برای بهبود وظایف محاسباتی استاندارد مانند ضرب ماتریس که تا 20 درصد افزایش داده و الگوریتم‌های مرتب‌سازی را تا 70 درصد افزایش داده است. هر دو کار تریلیون ها بار در روز بر روی رایانه های سراسر جهان انجام می شوند. با هم، اینها

​Look up details گام های به ظاهر کوچک کمک قابل توجهی به ما کمک می کند تا با کاهش انتشار گازهای گلخانه ای از محاسبات به سمت صفر خالص پیش برویم. در همین حال، متا، مالک فیس‌بوک، از هوش مصنوعی برای توسعه فرآیندی برای ایجاد بتنی کربن بدون درصد 40 درصد استفاده کرده است. از آنجایی که بتن مسئول 8 درصد انتشار کربن در جهان است، این می تواند کمک بزرگی در مبارزه ما با تغییرات آب و هوایی باشد. و این فقط آخرین خط طولانی از طرح‌های مهندسی متضاد توسعه‌یافته توسط هوش مصنوعی است که از تلاش‌های انسانی بهتر عمل کرده‌اند. به عنوان مثال، در سال 2006، ناسا از AI برای طراحی هوایی برای ماهواره ها استفاده کرد که تمام معیارهای لازم برای ارسال را برآورده می کرد. بالاخره به فیوژن می رسیم. محققان ده‌ها سال است که تلاش می‌کنند تا یک نیروگاه همجوشی هسته‌ای کارآمد و قابل اعتماد ایجاد کنند، با این وعده که یک پیشرفت، انرژی را چنان ارزان می‌کند که می‌توان آن را به رایگان در اختیار مردم قرار داد. بوتیت بسیار چالش برانگیز است. به قدری که ضرب المثلی وجود دارد: تنها 20 سال دیگر قدرت همجوشی وجود دارد و همیشه خواهد بود. در داخل راکتور همجوشی اتوکامک، سیم پیچ های مغناطیسی متعددی کار می کنند تا پلاسما را - که گرمتر از هر قسمتی از خورشید است - در ایمن نگه دارند. کنترل دقیق و سریع چندین سیم پیچ برای فشرده سازی پلاسما به شکلی محدود، ایمن از تماس فاجعه بار با دیواره های دستگاه، به طرز دیوانه کننده ای دشوار است. اکنون، هوش مصنوعی در واقع مشکل را حل نکرده است، اما کمک می کند. سال گذشته، محققان DeepMind و موسسه فناوری فدرال سوئیس در سوئیس یک شبکه عصبی ایجاد کردند که قادر به کنترل 19 سیم پیچ مغناطیسی است. AI همچنین می‌توانست پلاسما را در یک توکامک به شکل‌های مختلف به دلخواه مجسمه‌سازی کند. لی مارگتس از دانشگاه منچستر، بریتانیا، می گوید که راکتورهای همجوشی اکنون یک مفهوم اثبات شده هستند. هوش مصنوعی می تواند نقطه عطفی باشد که در نهایت موضوع را به واقعیت تبدیل کند. متیو اسپارکس

نگرش

مدام به ما می گویند که هوش مصنوعی می تواند یکی از مفیدترین اختراعات بشریت باشد. این در حال شناسایی راه‌های جدید برای مبارزه با تغییرات آب و هوایی و کمک به توسعه فناوری همجوشی است. در آینده، ممکن است آن را به کودکانمان آموزش دهیم، حجم کارمان را کاهش دهیم و برای همه ما یک دستیار شخصی کامپیوتری و فوق‌هوشمند فراهم کنیم (به «هوش مصنوعی مولد چگونه دنیا را متحول خواهد کرد» مراجعه کنید. و آینده شما؟»، صفحه 34. اما چگونه می توانید امروز زندگی خود را بهبود بخشید؟ احتمالاً قبلاً بدون اینکه متوجه شوید از هوش مصنوعی سود برده اید. از برنامه‌های اشتراک‌گذاری سواری مانند اوبر گرفته تا دستیارهای شخصی مانند الکسا، بسیاری از محصولات سال‌هاست که از هوش مصنوعی استفاده می‌کنند. اما با وجود در دسترس بودن هوش مصنوعی‌های مولد - که متن، ویدیو، تصاویر و سایر محتواها را در پاسخ به درخواست‌ها تولید می‌کنند - راه‌های بیشتری وجود دارد که با استفاده از این فناوری می‌توانید زندگی خود را آسان‌تر کنید. . ایرنا کرونین، مدیر عامل Infinite Retina، یک مشاور تحقیقاتی مولد هوش مصنوعی، می‌گوید: «پتانسیل زیادی برای افراد عادی و روزمره وجود دارد که بتوانند از آن استفاده کنند. یکی از راه‌های خوش‌آمدگویی به دنیای شما این است که ببینید چگونه کسب‌وکارها از آن برای بهره‌وری بیشتر استفاده می‌کنند و آن را با نیازهای خود تطبیق می‌دهند. یک ایمیل دشوار برای نوشتن به صاحبخانه خود دارید و نمی دانید از کجا شروع کنید؟ از هوش مصنوعی مولد بپرسید. کریستینا فیلیپ، استراتژیست ارشد دیجیتال در Ogilvy در آلمان، می گوید: آنها برای "چیزهایی که باید به طور خلاصه و بدون احساس بیان شوند" ایده آل هستند. او چنین وظایفی را به ChatGPT برون سپاری می کند و فهرستی از مشکلات و راه حل های مورد نظر خود را ارائه می دهد. او دریافته است که ایمیل‌هایی را می‌سازد که نیاز به اصلاح کمتری دارند. کرونین می‌گوید: «این واقعاً به‌سرعت برطرف می‌شود. با این حال، مطمئن شوید که هر چیزی را که هوش مصنوعی انتخابی شما تولید می کند، دوباره بررسی کنید. این ابزار گاهاً «تلفیق‌سازی» را تجربه می‌کند، که در آن ریاضیات پشت هوش مصنوعی می‌توانند متن‌های مزخرف، ادعاهایی که درست نیستند یا حقایقی که صرفاً اشتباه هستند تولید کنند. و فریب نخورید با کپی شیوا – یک مطالعه نشان داد که روان‌ترین اسکریپت‌های تولید شده توسط هوش مصنوعی به احتمال زیاد دارای عدم دقت هستند. همانطور که ما در کنار هم با هوش مصنوعی مولد زندگی می کنیم، مفید است که بتوانیم به راحتی آن را از انسان تشخیص دهیم، مثلاً اگر می خواهید از طریق چت آنلاین در یک وب سایت مصرف کننده کمک بگیرید. یک ترفند ساده با حروف بزرگ باید کمک کند. اگر بخواهم از شما بپرسم: «Is Baby grasscarpetgreenDRYorFROGblueSALT؟» احتمالاً می‌توانید پاسخ صحیح را بدهید: سبز. در یک آزمایش مشابه، 100 درصد از مردم پاسخ درست را دریافت کردند، در حالی که پنج مدل زبان بزرگ (LLM) - ابزارهای یادگیری عمیق که متنی مانند مد را درک و تولید می کنند - شکست خوردند، از جمله GPT-3 و ChatGPT و LLaMA متا. البته، هوش مصنوعی‌های آینده ممکن است بتوانند الگوها را به راحتی ما تشخیص دهند، اما فعلاً این کار جواب می‌دهد. جادوگر مهمانی شام فراتر از برون سپاری کارهایی که از آنها می ترسید، هوش مصنوعی به شما کمک می کند تا مصرف رسانه خود را ساده کنید. می‌توانید از ChatGPT برای خلاصه کردن پادکست‌های طولانی یا ویدیوهای YouTube استفاده کنید، مثلاً در وقت گرانبهایتان صرفه‌جویی کنید. نسخه پولی که ChatGPT Plus نام دارد، قابلیت افزودن پلاگین های شخص ثالث را دارد که برخی از آنها می توانند رونوشت های تولید شده به صورت خودکار محتوا را اسکن کرده و آن را خلاصه کنند - اگرچه، مانند قبل، همیشه باید قبل از شروع به بررسی صحت خلاصه ها بپردازید. در یک مهمانی شام مکالمه

​

یون. در مورد مهمانی های شام، شاید بخواهید نمونه SeanLinehan را دنبال کنید. مدیر عامل فناوری مستقر در سانفرانسیسکو در شرکت منابع انسانی Exec برای میزبانی یک مهمانی شام در ژانویه انتخاب کرد که در آن منو کاملاً توسط هوش مصنوعی ساخته شده بود. او از ChatGPT خواست یک غذای تلفیقی با ترکیب غذاهای مدیترانه ای و هندی تولید کند. فهرستی از مواد تشکیل دهنده، دستور العمل ها و دستورالعمل های آشپزی ایجاد کرد. مشکلاتی وجود داشت - ربات چت از Linehan خواست تا با افزودن طیف وسیعی از ادویه‌ها به چاات ماسالا قبلی، چاات ماسالا را ایجاد کند - اما او می‌گوید این آزمایش تا حد زیادی موفقیت‌آمیز بود. هوش مصنوعی مولد همچنین می تواند در مواقعی که نیاز دارید یک وعده غذایی را با هم ترکیب کنید و در پایان یک روز طولانی به پایان برسد، کمک می کند. سالی هوارد روزنامه نگار می گوید: «ChatGPT برای این کار بهترین است. "به نظر می رسد که این آشپز خانگی میانسال آمریکایی شمالی را هدایت می کند." او می‌گوید این سرگرم‌کننده است، «اگرچه در یک لحظه، به من توصیه کرد که چیزی را با سیب‌زمینی سرخ کرده تزیین کنم». اگر می‌خواهید این وعده‌های غذایی را کنار بگذارید، هوش مصنوعی نیز می‌تواند به شما کمک کند – اپلیکیشن‌های تناسب اندام مبتنی بر هوش مصنوعی در حال رشد هستند و با به عهده گرفتن مسئولیت روال تمرینی شما با کسری از هزینه، جایگزین مربیان شخصی می‌شوند. به عنوان مثال، Freeletics محبوب، تناسب اندام شما را با یک برنامه تمرینی شخصی مقایسه می کند. هوش مصنوعی می‌تواند برنامه‌های آموزشی شخصی‌سازی شده را برای کمک به فرزندان شما، در صورت داشتن آنها، ارائه دهد. "برای اولین بار در تاریخ، ما نزدیک به ارائه مقرون به صرفه هستیم، 40 | دانشمند جدید | کاتیا کلینووا در گروه حمایت از مشارکت در هوش مصنوعی می‌گوید: ۲۹ ژوئیه ۲۰۲۳، آموزش شخصی‌سازی شده برای همه. در اوایل سال جاری، پلتفرم آموزش آنلاین Kahn Academy یک ربات آموزشی مبتنی بر هوش مصنوعی به نام Khanmigo منتشر کرد که می‌تواند آزمون‌ها ایجاد کند، در تکالیف نوشتاری همکاری کند و در مورد موضوعات بحث و گفتگو با دانش‌آموزان انجام دهد. اگر همه اینها هنوز کار به نظر می رسد، مطمئناً توسط AI برنامه ریزی شده و بسیار ضروری است. خدمات Morethan45 AI با ارائه برنامه های مسافرتی شخصی و کمک به یافتن هتل پنج ستاره ایده آل سگ پسند با منظره اقیانوس به شما کمک می کند. البته، مهمتر از همه، نکات باید عاقلانه مورد استفاده قرار گیرند: هوش مصنوعی مولد در مراحل اولیه خود باقی مانده است و زمینه زیادی برای حوادث ناگوار وجود دارد. با این حال، اگر با دقت از آن استفاده شود، می‌تواند یک صرفه‌جویی در زمان مفید باشد. البته، مگر اینکه بخواهید از آن بخواهید یک داستان شخصی‌سازی شده قبل از خواب برای بچه‌هایتان ایجاد کند و بخواند. قضاوت نکنید: افراد زیادی نیز این کار را کرده اند. ❚ کریس استوکل-