برتری هوش مصنوعی بر هوش طبیعی
۵ کاری که هوش مصنوعی بهتر از ما انجام می‌دهد!
هوش مصنوعی در بازی‌های ویدیویی قادر است ضربات سختی به ما وارد کند، اما هوش مصنوعی این پتانسیل را دارد تا در حوزه‌های دیگر نیز به همین خوبی ظاهر شود؟

برای هزاران سال، ما از گونه‌های هوشمندی همچون دولفین‌ها، اورانگوتان‌ها و بسیاری دیگر از مخلوقاتی که هر یک مهارت‌هایی در اختیار دارند و این سیاره را با ما به اشتراک قرار داده‌اند، پیش افتادیم. اما در سال‌های اخیر، موفق شدیم گونه‌های جدیدی از هوشمندی را ارائه کنیم که قادر است در بعضی موارد کارها را بهتر از ما انجام دهد. یکی از شناخته شده‌ترین اشکال هوش مصنوعی آلفاگو شرکت دیپ‌مایند است. این الگوریتم هوشمند موفق شد یک بازی چهار هزار ساله را به سرعت یاد بگیرد. به طوری که در رویارویی بهترین بازیکن گو و ماشین، این ماشین بود که موفق شد عامل انسانی را شکست دهد. نرم‌افزار دیگر طراحی شده از سوی دیپ‌مایند این قابلیت را دارد تا شیوه بازی کردن بازی‌های ویدیویی هشت بیتی کلاسیک را یاد بگیرد.

دمیس هاسابیس، پژوهشگر هوش مصنوعی در این ارتباط گفته است: «این نرم‌افزار یاد گرفته است که چگونه باید بازی را بر مبنای پیکسل‌هایی که روی صفحه‌نمایش وجود دارند شکست دهد. در ادامه امتیازاتی که روی صفحه نشان داده می‌شود را مورد بررسی قرار داده و برای کسب امتیاز بیشتر تلاش می‌کند. کمتر گونه‌ای از هوش مصنوعی را می‌توانید پیدا کنید که قادر باشد رسوم اجتماعی و قواعدی که ما در دنیای خود از آن‌ها استفاده می‌کنیم را مورد توجه قرار دهد. »

اما هوش مصنوعی در چه حوزه‌های دیگری خوب ظاهر می‌شود؟ ما در این مقاله پنج مورد از کارهایی که هوش مصنوعی هم‌طراز یا بهتر از عامل انسانی قادر به انجام آن‌ها است را به شما معرفی می‌کنیم.

1. ساخت برج‌های چوبی

هوش‌مصنوعی تنها بازی‌های ویدیویی را به خوبی انجام نمی‌دهد. هوش‌مصنوعی قادر است با اسباب‌بازی‌های سنتی نیز کار کند. درست همان‌گونه که ما این‌کار را انجام می‌دهیم، هوش‌مصنوعی موفق شد دروس فیزیک را با انجام بازی بلوک‌های چوبی یاد بگیرد. به‌طوری که اکنون می‌داند چگونه باید بلوک‌ها را روی یکدیگر قرار دهد و نحوه سقوط آن‌ها را نیز مشاهده کرده است.

پژوهشگران فیسبوک موفق شده‌اند این چنین هوش‌مصنوعی را طراحی کنند. برنامه‌ای که از شبکه‌های عصبی کانولوشن استفاده کرده و قادر است به سطحی از عملکرد همچون عامل انسانی دست پیدا کند. به طوری که قادر به پیش‌بینی این مورد است که برج‌ها چگونه سقوط خواهند کرد. هوش مصنوعی با نگاه کردن به فیلم‌ها و انیمیشن‌هایی که در آن‌ها برج‌هایی برافراشته یا فروریخته‌اند، دانش لازم را در این زمینه را به دست آورده است.

2. لبخوانی

لب‌خوانی و تشخیص این‌که یک فرد در حال گفتن چه کلماتی است، خود به تنهایی یک مهارت مفید به شمار می‌رود. اگر یک فرد کم شنوا باشد یا در محیطی کار کند که سر و صدای زیادی در آن وجود دارد، این تکنیک بیش از اندازه به یک فرد کمک می‌کند. بخش اعظمی از صحبت‌های ما و صدایی که از دهان ما خارج می‌شود برای افرادی که لب‌خوان هستند یا نرم‌افزارهای هوش مصنوعی قابل شناسایی نیستند. اما پژوهشگران دانشگاه آکسفورد موفق به طراحی سامانه‌ای شده‌اند که LipNet نام دارد. این سامانه قادر است جملات کوتاه را با ضریب خطای 6.6 کلمه لب‌خوانی کند. در همین ارتباط آزمایشی با حضور این سامانه و دو لب‌خوان انجام شد. سامانه فوق با ضریب خطای 6.6 کلمه، نفر اول با ضریب 35.5 درصد و نفر دوم با ضریب 57.3 درصد موفق شدند کلمات را به درستی تشخیص دهند. با توجه به آن‌که خروجی هوش‌مصنوعی به صورت متنی است، در نتیجه این سامانه برای ارائه توضیحات (زیرنویس) در برنامه‌های تلویزیونی می‌تواند مورد استفاده قرار گیرد.

3. یادداشتبرداری

مایکروسافت گفته است: «هر زمان کیفیت یک صدا خوب باشد، هوش مصنوعی این توانایی را دارد تا دقیق‌تر عمل کند.» پژوهشگران هوش‌مصنوعی این شرکت در حال طراحی یک سامانه تشخیص گفتار هستند که بتواند این وظیفه را بهتر از عامل انسانی انجام دهد. سامانه‌ای که مایکروسافت آن‌را طراحی کرده است اکنون این توانایی را دارد تا با نرخ خطای 5.9 درصد گفتار را تشخیص دهد. این سامانه در مقایسه با افرادی که مایکروسافت برای این منظور آن‌ها را استخدام کرده و نرخ خطای آن‌ها به طور معمول 11.1 درصد است، بهتر عمل می‌کند.

4. گزارش اخبار

این مقاله توسط یک عامل انسانی نوشته شده است، اما این احتمال وجود دارد که در آینده مطلبی را مطالعه کنید که هوش مصنوعی آن‌را نوشته باشد. شاید این اتفاق چندان هم بد نباشد. MogIA که توسط شرکت هندی Genic نوشته شده برای داستان‌نویسی طراحی نشده است، اما MogIA موفق شد برنده انتخابات ایالات متحده را با موفقیت پیش‌بینی کند. به طوری که اینکار را بهتر از روزنامه‌نگاران سیاسی انجام داد. اگر هوش مصنوعی در نظر داشته باشد به حوزه نگارش وارد شود، ضروری است که بتواند کلمات را به داده‌های ساخت یافته‌ای تبدیل کند که درک آن‌ها به سرعت امکان‌پذیر باشد.

مطلب پیشنهادی

پروژه‌ای برای هوشمند‌سازی کنترل بر هوش‌مصنوعی
سازمان OpenAI افق‌های تازه‌ای در زمینه مدیریت بر هوش‌مصنوعی ارائه می‌کند

روزنامه‌نگار فاینشینال تایمز در رویارویی با هوش مصنوعی طراحی شده از سوی استارت‌آپ کالیفرنیایی Stealth به نام Emma با دشواری روبرو شد. Emma موفق شد بر مبنای آمارهای مربوط به بیکاری که به این سامانه تحویل داده شده بود و بعد از آن‌که ماهیت این آمارها را درک کرد، تنها در مدت زمان 12 دقیقه یک گزارش آماده کند. به طوری که سه برابر سریع‌تر از روزنامه‌نگار فاینشینال تایمز این کار را انجام داد. در حالی که گزارش هوش مصنوعی روشن و دقیق بود، اما زاویه خبری گزارش را از دست داده بود. در این گزارش Emma به این نکته اشاره نکرد که در سال اول نرخ بیکاران یک روند صعودی قابل توجه را تجربه کرده بود. در حالی که خوانندگان تمایل دارند اخبار را به سرعت دریافت کنند، اما واقعیت این است که این خبرنگاران هستند که می‌توانند زاویه‌ها و دیدگاه‌های جذابی در اختیار خوانندگان قرار دهند. قرار دادن آمار مربوط به اشتغال جزء آن گروه از اطلاعاتی است که برای مخاطبان ارزشمند است، اما Emma این اطلاعات را لحاظ نکرده بود. با این وجود این یک مشکل حاد نیست و برنامه‌های هوش مصنوعی با مطالعه رمان‌ها، نمایشنامه‌ها و منابع دیگر قادر هستند این مشکل را برطرف کنند. به طور مثال، واتسون آی‌بی‌ام از جمله این سامانه‌ها است که اکنون قادر است با تکیه بر دانش عمومی خود در مسابقات پیروز شود.

5. تشخیص بیماری

پس از پیروزی‌های پر شکوه، واتسون آی‌بی‌ام به مدرسه پزشکی رفت. در این مدرسه نزدیک به 15 میلیون کتاب درس پزشکی و مقالات علمی در ارتباط با سرطان را مطالعه کرد. بر اساس یک سری گزارش‌های منتشر شده به واتسون اجازه داده شد در تشخیص یکسری از سرطان‌ها به پزشکان کمک کند. به طوری که واتسون به جای آن‌که جایگزین عامل انسانی شود به عنوان یک دستیار به عامل انسانی در شناسایی بیماری‌ها کمک کرد. آی‌بی‌ام به تازگی گزارش کرده است که واتسون با مطالعه حجم بسیار عظیمی از اطلاعات به منظور شناسایی یکسری بیماری‌های نادر مورد استفاده قرار خواهد گرفت. بیماری‌هایی که تعدادی از پزشکان ممکن است در طول حیات خود تنها چند مورد از آن‌را مشاهده کنند. پزشکان مستقر در مرکز تشخیص بیماری‌ها در دانشگاه ماربروگ آلمان از این قابلیت واتسون برای شناسایی مشکلات هزاران بیماری که هر سال به این مرکز مراجعه می‌کنند و تعدادی از آن‌ها بیماری‌های خاصی را دارند استفاده خواهند کرد. به ویژه در ارتباط با بیمارانی که مطالعه پرونده پزشکی آن‌ها و تحلیل آن به زمان بسیار زیادی نیاز دارد.

نویسندگانی همچون ری کورزویل و ورنور وینج این‌گونه می‌پندارند که هوش مصنوعی به نقطه‌ای خواهد رسید که تکینگی نام دارد. به طوری که در این مقطع زمانی قادر خواهد بود یکسری از مشکلات ترکیبی نژاد بشر را حل کرده و حتا از خود بشریت نیز پیشی بگیرد. اگر این اتفاق در دوران حیات ما رخ دهد، آن‌گاه خوشحال خواهیم بود که واتسون به ما موهبت عمر طولانی را اعطا خواهد کرد. 

برچسب: 

افزودن دیدگاه جدید