یکی از تفاوتهای بین انسان و حیوان، توانایی او در ساخت ابزار و استفاده از آن است. انسان در ابتدای رشد و تکامل خود از عصر پارینه سنگی تا امروز بهطور مداوم با ساخت ابزار، بر قدرت خود افزوده و برتری خود را بر سایر موجودات و تسلط بر طبیعت تحمیل نموده است.
در بین جوامع انسانی نیز، تمدنهایی که در ساخت ابزار پیشتاز بودهاند، تسلط و برتری خود را بر دیگر ملتها تحمیل نموده و از این طریق فاصله توسعه و رفاه خود را با سایر جوامع بیشتر کردهاند.
ایده هوش مصنوعی از 70 سال پیش توسط دانشمند ریاضیدان انگلیسی به نام آلن تورینگ با عنوان اینکه آیا ماشین میتواند بهجای انسان فکر کند مطرح شد. او با ساختن ابزار محاسباتی که ماشین تورینگ نامیده شد ثابت کرد چنین ماشینی میتواند هر مسئله ریاضی که دارای الگوریتم باشد را حل کند. محدودیت سرعت در انجام محاسبات از آن زمان تاکنون، تحقق این ایده را به تأخیر انداخت، ولی امروزه با به بازار آمدن پردازندههای پرسرعت و حافظههای الکترونیکی پرظرفیت، این ایده محقق شد.
هوش مصنوعی چت جی پیتی (Chat. G.P.T) شرکت اوپن ایآی (Open. A.I) امروز بر مبنای همان روش شبکههای عصبی مصنوعی مدل زبانی با 94 لایه و بهرهگیری از حدود 1000 کارت پردازندهی جی پی یو (GPU Graphic processing unit) مدل A100 شرکت NVDA، با استفاده از تمام دادههای 10 سال اخیر اینترنت و تعلیم به مدت 30 شبانهروز به این محصول دست پیداکرده است.
جدیدترین ابزار ساخت بشر هوش مصنوعی است. در این اختراع، بشر توانست قدرت یادگیری خود را در ماشین متجلی سازد؛ ماشینی که قدرتمندتر، سریعتر، کماشتباهتر و خستگیناپذیرتر از خود او است البته ماشین هوش مصنوعی میتواند سوگیری خاصی داشته و حتی صادق نیز نباشد.
تلاش انسان برای ساخت ابزارهای جایگزین توانمندیهای خود، لزوماً تقلید از نمونه موجود در طبیعت نیست، مانند اختراع چرخ که برای حرکت و جابجایی ساخته شد قویتر و سریعتر از نمونه نوسانی در طبیعت است. همچنین که بالهای پرندگان، حرکت موجی آبزیان و حرکت رفت و برگشتی پاها در جانوران خشکی هیچ شباهتی به چرخ ندارند.
ساختار سختافزاری هوش مصنوعی با تقلید تقریبی از ساختار عصبهای مغز انسان، شبکهای را ساخته است که بتواند کارکرد مغز انسان را تقلید نماید و بهتدریج ابزارهای معادل توانمندیهای انسان از جمله حواس پنجگانه و قدرت تفکر و هوش را با توانایی بسیار بیشتر از نمونه اصلی خود بسازد.
تعریف هوش مصنوعی:
هوش مصنوعی فناوری شبیهسازی است که رفتار هوشمندانه شبیه به انسان در پردازش، تطبیق، تشخیص و تولید محتوا (متن، صوت، تصویر، تصمیم به انجام عمل) را دارد. در حال حاضر، این رفتار هوشمندانه مصنوعی در برخی موارد قویتر و در برخی ضعیفتر از هوش طبیعی انسان عمل میکند.
دقت عملکرد هوش مصنوعی وابستگی شدیدی به دادههایی که برای تعلیم آن استفاده میشود دارد و اگر اطلاعات تعلیم آن غلط، ناکافی یا نامتعادل باشد، آنگاه کارایی و دقت لازم را نخواهد داشت و چه بسا میتواند مخرب باشد.
انواع هوش مصنوعی:
هوش مصنوعی در سطح اول به دو دستهی غیرمولد و مولد تقسیم میشود:
هوش مصنوعی غیر مولد؛ در این نوع، ماشین هوش مصنوعی خروجی خود را در قالب دستهبندی، مقادیر عددی، نمودارها و … برگرفته از ورودیهای اعمالشده و یا انجام خودکار بعضی از کارها ارائه میدهد و اطلاعات و یا گزارش جدیدی تولید نمیکند.
بهعبارتدیگر ماشین، دادههای بدون برچسب را دریافت میکند و به آن برچسب میزند. بهعنوانمثال ماشین، یک تصویر را دریافت میکند و بعد از پردازش میتواند بگوید این تصویر از آن چه کسی و چه حالتی دارد (شاد، ناراحت، غمگین، متنفر و…).
بسیاری از سامانههای خودکار و تکرارپذیر مرتبهای از هوش مصنوعی غیر مولد هستند.
هوش مصنوعی مولد؛ در این مدل، ماشین هوش مصنوعی قادر است از ترکیب دادههایی که قبلاً آموزش دیده است، دادهی جدیدی بر مبنای توصیفی که از او خواستهشده است را تولید نماید. مثلاً یک نقاشی و یا یک متن خاص، صدا، حتی فیلمی را که وجود خارجی ندارد بسازد و در خروجی ظاهر کند.
بهعبارتدیگر ماشین، برچسب را دریافت میکند و متناسب با آن برچسب، داده را تولید میکند. بهعنوانمثال: ماشین نوع و کیفیت یک تصویر، صوت و یا متن را دریافت میکند و متناسب با آن میتواند محتوای خواستهشده را تولید کند.
هوش مصنوعی مولد خود به سه دستهی تقسیم میشود:
- هوش مصنوعی تعلیمیافته با استفاده از دادههای برچسب خورده (Supervised learning )
- هوش مصنوعی تعلیمیافته با استفاده از دادههای بدون برچسب ( Unsupervised learning)
- هوش مصنوعی بدون نیاز به دادهی تعلیم
نوع اول و دوم برای کاربردهای دسته بندی[1] اطلاعات و تشخیص تصویر، متن و صوت بهطوریکه خروجی نتایج، کیفی باشند. مانند تشخیص و تمییز تصاویر گیاهان از حیوانات و …
حال اگر دادهها بهصورت کمّی باشند از روش رِگِرسیون[2] (همبستگی) استفاده میشود. مانند پیشبینی روند بورس و یا تغییر دمای محیط و… مدل ترکیب آن نیز میتواند وجود داشته باشد، بهعنوانمثال اگر ویژگیهای یک واحد مسکونی که شامل متراژ، تعداد اتاق، امکانات، موقعیت جغرافیایی و… را داشته باشیم و حالا بخواهیم بدانیم که این واحد با چنین مشخصاتی، آپارتمانی است یا ویلایی و یا برج (دستهبندی) و بعد بخواهیم قیمت یک واحد مسکونی با چنین ویژگیهایی را حدس بزنیم، در دستهبندی نوع رگرسیون قرار میگیرد.
بیشتر دادههای موجود از نوع دادههای بدون برچسب هستند، هوش مصنوعی میتواند آنها را خوشهبندی کرده و با توجه به ویژگیهای ذاتی اینگونه دادهها آنها را برچسب زنی و قابل استفاده نماید.
نوع سوم: هوش مصنوعی بدون نیاز به دادهی تعلیم،مبتنی بر تجربه کارکرد ماشین است. این ماشین یادگیرنده با استفاده از نتایج خروجی کار و اصلاح مداوم عملکرد خود تا جایی که به خطای حداقل برسد، به تعلیم خود میپردازد. در این مدل با استفاده از تعامل با محیط و مقایسه خروجی خود با حالت ایدهآل (جواب صحیح) آموزش می بیند. به عملکرد غلط خود نمره منفی و به نتایج درست، نمره مثبت میدهد. این روند آنقدر تکرار میشود تا میانگین خطا به صفر نزدیک شود و یا به مرحلهی اشباع برسد.
نرمافزار بازی شطرنج و رباتهایی که با حرکت در زمین ناهموار باید از افتادن در چالهها اجتناب کنند، به این روش تعلیم میبینند.
ملزومات هوش مصنوعی:
- نیروی انسانی متخصص؛
- نیاز به تجهیزات پردازشی نسبتاً بالا برای تعلیم؛
- در دسترس بودن حجم قابل ملاحظهای از داده در حوزه موردنظر.
قابلیتهای هوش مصنوعی:
- تولید شخصیت متناسب با یک فرد خاص بهطوریکه برای آن جاودانگی شخصیتی فراهم کند؛
- طراحی و تعلیم هوش مصنوعی به نوع مسئله وابسته است. در بعضی از موارد حتی ممکن است با یک لپتاپ شخصی نیز یک سامانه هوش مصنوعی قابلقبول پیادهسازی نمود.
محدودیتها:
- در حال حاضر ورودی به ماشین برای طرح سئوال محدود به چند پاراگراف متن و یا صوت معادل آن است؛
- ضعف در ارائه حل مسائل تحلیلی؛
- دادن پاسخهای هذیان گونه در بعضی موارد؛
- نیاز به همراهی هوش انسانی در کنار خود.
ملاحظه: ماشین هوش مصنوعی اگر با دادههایی در حوزهی مشخص مانند متن، تعلیم داده شود در مراحل بعدی برای تعمیم به حوزۀ دیگری مانند دادههای تصویر، این قابلیت را دارد که با تعلیم دادههایی در حجم خیلی کمتر، میتواند برای استفاده در هر دو حوزه متن و تصویر با دقت مشابه کارایی داشته باشد[3]. با این ویژگی هزینههای تعلیم کاهش مییابد.همچنین ماشین هوش مصنوعی این قابلیت خود تعلیمی را دارد و تنها در مرحله تعلیم نیاز به قدرت پردازشی بالا دارد.
بیشترین کاربردهای هوش مصنوعی در حال حاضر؛ باید گفت هوش مصنوعی برای کاربردی شدن در همه شئون زندگی انسان هنوز راه درازی در پیش دارد، ولی در بعضی از حوزهها که در ذیل آمده است کارایی خوب و قابل قبولی از خود نشان داده است.
- کدنویسی و اصلاح کدهای نوشتهشده برنامههای نرمافزاری (تعلیم دادهشده با استفاده از دادههای موجود در تارنمای گیتهاب[4])؛
- پردازش، تولید و اصلاح دادههای فیلم، تصویر، صوت، متن (با استفاده از دادههای موجود در اینترنت)؛
- پردازش دادههای زیستی شامل ژنتیک، دارو، درمان، تشخیص پزشکی با استفاده از دادههای زیستی موجود و پروندههای پزشکی؛
- رباتهای یادگیرنده بر مبنای یادگیری، بازنگری و اصلاح[5]؛
- پیشبینی آب و هوا با استفاده از هوش مصنوعی دقیقتر و ارزانتر (با استفاده از دادههای تاریخی هواشناسی).
نقش حاکمیت در توسعه اکوسیستم هوش مصنوعی در کشور
بحث تنظیمگری و رگولاتوری
- الزامات سهگانه (حاکمیت داده، زیرساخت پردازشی، نیروی انسانی متخصص)؛
- شناسایی و رصد کلیه ذینفعان و بازیگران این حوزه؛
- کمک به تقنین در این حوزه؛
- حمایت قانونی و معنوی از استارت آپ ها بازیگران و شرکتهای این حوزه.
کارکردهای هوش مصنوعی
- استفاده از هوش مصنوعی در پالایش و تحلیل دادههای انبوه مثل تحلیلCDR[6] و IPDR[7] ، تراکنشهای بانکی، پالایش و بهرهبرداری از دادههای جمعآوریشده از بستر اینترنت ، دوربینهای مداربسته و… ؛
- استفاده از هوش مصنوعی در ابزارهای تحلیل اطلاعات مثل تحلیل شبکههای اجتماعی، تحلیل اخبار و استخراج اطلاعات از دادهها و … ؛
- استفاده از هوش مصنوعی مولد در تولید محتوای همراستا با استراتژی سازمان ها، تولید محتوا در راستای جریانسازی، افزایش انسجام ملی ، افزایش مشارکت در انتخابات و… ؛
- تولید اطلاعات هویتی مانند عکس و صوت بهمنظور تولید هویت کاذب ؛
- تشکیل لشکر سایبری در شبکههای اجتماعی، انجام روایتگری درست در جنگ شناختی و رسانهای و عملیات روانی، کامنتگذاری ماشینی برای مقابله با روایتگری دروغین ؛
- استفاده از هوش مصنوعی در پالایش محتوا و تشخیص و مقابله با اخبار و اطلاعات نادرست و… ؛
تهدیدات:
- استفاده بدون ملاحظه از سامانههای هوش مصنوعی از پیش تعلیم دیده و عرضهشده در بازار، مانند انواع نسخههای چت جیپیتی، ماکروسافت ادج و… که روزبهروز در حال افزایش هستند، مخصوصاً در کاربریهای جدی حاکمیتی ؛
- وجود وابستگی به سختافزارهای مربوط به ایجاد ساختار توان پردازشی قوی (ریزتراشهها)؛
- پیشی گرفتن گروههای رقیب و مخالفان در به خدمتگیری هوش مصنوعی، مخصوصاً در تولید محتوای جعلی در فضای مجازی؛
- استفاده از هوش مصنوعی در فعالیتهای تروریستی و جرائم سازمانیافته.
فرصتها:
- این فناوری فکر افزار است که در کشور توانمندیهای قابل قبولی وجود دارد؛
- نبود فاصله غیرقابلجبران در مقایسه با توسعه این فناوری در سایر کشورهای پیشرفته؛
- در دسترس بودن امکانات و ملزومات مورد نیاز پیادهسازی این فناوری در مسیر بهرهبرداری عملی؛
- عدم نیاز به سرمایهگذاری سنگین در مقایسه با سایر فناوریهای قدرتآفرین مانند تولید ریز پردازندهها.
پیشنهاد
- تهیه سند بالادستی و ترسیم چشمانداز و سیاستها و اهداف کلان؛
- تدوین قوانین و مقررات در حوزه هوش مصنوعی در سطوح مختلف حاکمیتی؛
- ایجاد زیرساخت و سکوی خدمات پردازشی و ذخیرهسازی داده برای کل کشور توسط شرکتهای خصوصی تحت حمایت و نظارت حاکمیت؛
- پیادهسازی کاربردهای اطلاعاتی و امنیتی هوش مصنوعی؛
- ایجاد مرکز پردازشی خاص هوش مصنوعی؛
- پالایش محتوا در فضای مجازی با هدف مقابله با اخبار کذب؛
- بکارگیری هوش مصنوعی در جهاد تبیین؛
مراجع:
- کتاب: “فهمیدن یادگیری عمیق” نوشته سیمون جی دی پرینس[8] چاپ 2024
- نشریه ژرفا (شمارههای 13 و 14)
[1] Classification
[2] Regression
[3] Transfer learning
[4] GitHub
[6]– Communication data related
[7]– Internet protocol data related
[8] – Understanding deep learning by: Simon J. D. Prince March 6. 2024