دغدغه بزرگ دانشمندان: فناوری تا چه حد می‌تواند هوش مصنوعی را کنترل کند

دغدغه بزرگ دانشمندان: فناوری تا چه حد می‌تواند هوش مصنوعی را کنترل کند


اطلاعات بازخوردی در سیستم‌های یادگیری ماشینی، نقش به سزایی ایفا می‌کنند و هر چه بازخوردهای ارائه‌ شده به آنها بیشتر و دقیق‌تر باشد، یادگیری‌شان سریع‌تر و بهتر اتفاق خواهد افتاد.
با این‌ حال انحصارگری این داده‌ها به دغدغه اصلی قانون‌گذاران تبدیل شده است.

به گزارش ایتنا از رایورز به نقل از وب سایت خبری تحلیلی Engadget، بازخورد هسته فنی تمامی روش‌های کنترل خودکار ماشین‌ها است.
رابرت وینر، ریاضی‌دان آمریکایی، برای این فرمانشناسی‌ها در دهه 1940 بنیان‌های تئوریکی ویژه‌ای تعریف کرد. هر سیستم فنی می‌تواند بر اساس اهدافش از طریق داده بازخوردی کنترل شده و مجددا مسیردهی شود.
 
برخی از سیستم‌های فرمان‌شناسی اولیه را می‌توان در موشک‌های پدافندی خودکار ارتش آمریکا جست‌وجو کرد که پیش‌ از این سایت‌های بریتانیایی را در برابر موشک‌های کروز V-1 آلمانی‌ها محافظت می‌کرد. رادار موشک‌های آلمانی را تشخیص می‌داد، توپ‌های ضدهوایی را از موقعیت بمب در یک حلقه بازخورد مداوم آگاه کرد و مسیر پرواز آینده آن را محاسبه می‌کرد. توپ نیز هدف خود را بر اساس سیگنال‌های مداوم بازخوردی تنظیم می‌کردند و سپس در زمان مناسب به هدف شلیک می‌کردند.
در آخر جنگ این سیستم بریتانیایی‌ها و آمریکایی‌ها با دقتی 70 درصدی به موشک‌های هوایی شلیک می‌کردند.
 
خوشبختانه چرخه بازخورد به فراتر از نوآوری‌های ارتش نیز قدم گذاشت.
بدون این بازخوردها مأموریت‌های فضایی آپولو هیچ‌گاه انسان را به کره ماه نمی‌برد، هیچ هواپیمایی به‌طور امن بر فراز اقیانوس‌ها پرواز نمی‌کرد، هیچ پمپ تزریقی گازوئیل موردنیاز پیستون‌ها را در زمان مناسب تزریق نمی‌کرد و هیچ در آسانسوری با مشاهده پای انسان دوباره باز نمی‌شد؛ اما بازخوردها در هیچ زمینه‌ای به‌اندازه هوش مصنوعی موفق عمل نکردند و اهمیت آنها به حدی است که برخی متخصصان آن را ماده خام موردنیاز هوش‌های مصنوعی می‌دانند.


اطلاعات بازخوردی حتی زمانی که ما عبارتی را در گوگل جست‌وجو می‌کنیم نیز برای پاسخ‌دهی مناسب این موتور جست‌وجو به کار می‌آیند.
شاید برای شما هم پیش آمده باشد که عبارتی را به‌صورت غلط تایپ کرده باشید و گوگل نتایج جست‌وجو را بر اساس عبارت درستی که می‌بایست به‌جای عبارت غلط شما قرار بگیرد تنظیم کرده است. این همان معجزه بازخوردها است که گوگل در طی این سال‌ها از کاربران خود دریافت کرده و به این حد از هوش رسیده است.
 
آمازون با استفاده از اطلاعات بازخوردی الگوریتم‌های پیشنهادی خود را بهینه‌سازی می‌کند و فیس‌بوک نیز از آن برای تنظیم موقعیت قرارگیری پست‌هایی که کاربر در تایم لاین خود می‌بیند استفاده می‌کند.
همچنین این اطلاعات به پی‌پال کمک می‌کنند که با دقت روزافزون، جعلی بودن یک پرداخت را بررسی می‌کند.

این داده‌ها در عصر هوش مصنوعی همان نقشی را ایفا می‌کنند که اقتصاد مقیاس در عصر صنعتی شدن در تولید انبوه ایفا کردند و تأثیرات شبکه منجر به ایجاد اقتصاد دیجیتال بیست‌ و پنج سال اخیر شد.
اقتصاد مقیاس هزینه هر مورد را برای محصولات فیزیکی به حد زیادی کاهش داد و تأثیر شبکه نیز منجر به موقعیت انحصاری پلتفرم‌های دیجیتالی نظیر آمازون، ای بی، علی‌بابا، فیس‌بوک، وی چت، اوبر و... شد.

تأثیر شبکه به این معنا است که یک پلتفرم با هر مشارکت‌کننده جدید برای کاربران فعلی جذاب‌تر شود. هر چه افراد بیشتری از واتس‌اپ استفاده کنند، کاربران بیشتری این نرم‌افزار را نصب خواهند کرد زیرا می‌توانند از طریق آن با بیشتر دوستان خود در ارتباط باشند.
 
 از طرف دیگر تأثیر بازخورد در هوش مصنوعی منجر شده است که سیستم‌ها با بازخورد کاربران خود هوشمند‌تر شوند. داده‌های بازخوردی در محوریت فرایندهای یادگیری این فناوری‌ها هستند.
بازخوردهای دیجیتال در طی این چند سال منجر به ساخت سیستم‌های رانندگی خودکار، برنامه‌های ترجمه زبان و تشخیص چهره شده‌اند. درنهایت دردسر قانون‌گذاران ضدانحصارطلبی نیز بیشتر شده است زیرا هرچه تعداد کاربران یک سیستم بیشتر باشد، بازخوردهای ارائه‌شده به آن سیستم بیشتر خواهد بود و آن سیستم روزبه‌روز قوی‌تر شده و کاربران بیشتری به خود جذب می‌کند.
این همان چرخه باطلی است که به انحصارگری هر چه بیشتر کمپانی‌های بزرگ و در هم شکستن کمپانی‌های نوپا می‌انجامد.
 

منبع: ایتنا

تاریخ انتشار: 14 مهر 1398

0 نظر

دیدگاه ها

  • هنوز هیچ دیدگاهی برای این مطلب ثبت نشده است

دیدگاهتان را بنویسید...