نوامبر گذشته، آزمایشگاه تحقیقاتی هوش مصنوعی OpenAI یک نمونه اولیه رایگان از شبیهساز مکالمه انسانی مبتنی بر متن خود به نام ChatGPT را راهاندازی کرد. در طول چهار ماه گذشته، بیش از 100 میلیون کاربر در طیف گسترده ای از رشته ها، نسخه پیش نمایش ChatGPT را آزمایش کرده اند.
کاربران در حال آزمایش این سیستم در زمینه هایی مانند تحقیقات علمی و روزنامه نگاری، مقاله نویسی و مختصر نویسی حقوقی، توسعه نرم افزار، حل مسائل ریاضی و ترجمه زبان هستند. برخی از کاربردهای خلاقانه ChatGPT عبارتند از نوشتن لیمریک، رفع اشکالات نرم افزاری و ترانه سرایی.
ChatGPT برای ایجاد پاسخ های زبان طبیعی به سوالات، ارائه توصیه ها و نوشتن نسخه طراحی شده است. کاربردهای متعددی دارد و این پتانسیل را دارد که نحوه تعامل مردم با فناوری و یکدیگر را تغییر دهد.
این سیستم موفقیت آمیز مبتنی بر فناوری رایانه ای پیشرفته است که به عنوان ترانسفورماتورهای پیش آموزش مولد (GPTs) شناخته می شود. GPTها به عنوان خانواده ای از مدل های زبان بزرگ (LLM) که توسط OpenAI توسعه یافته اند تعریف می شوند که با پایگاه داده های بزرگ متون آموزش دیده اند.
«پیشآموزش» در GPT به فرآیند یادگیری در یک مجموعه متنی بزرگ اشاره دارد که مدل زبان را قادر میسازد تا کلمه بعدی را در یک متن پیشبینی کند. این پایهای را برای مدل فراهم میکند تا بدون وابستگی به دادههای خاص کار، عملکرد خوبی داشته باشد.
مانند روشی که Google به طور خودکار ورودی های جستجوی وب را تکمیل می کند، ChatGPT محتوای درخواست های ارسال شده توسط کاربران را پیش بینی می کند. این پردازش که به عنوان پردازش همزمان شناخته می شود، سوالات را همانطور که در زمان واقعی تایپ می شوند تفسیر می کند و پاسخ هایی را در لحظه ایجاد می کند.
محدودیتهای ChatGPT، همانطور که توسط OpenAI توصیف میشود، تمایل آن به نوشتن «پاسخهای معقول اما نادرست یا بیمعنی» و تمایل آن به «بیش از حد پرمخاطب» و استفاده بیش از حد از عبارات خاص است. این سیستم همچنین اغلب در هنگام پرسیدن یک سوال مبهم به جای “پرسیدن یک سوال روشن کننده” پاسخ را حدس می زند.
معایب آن هرچه که باشد، ChatGPT یک گام مهم رو به جلو در فناوری هوش مصنوعی است. در دسامبر، اتان مولیک از هاروارد بیزینس ریویو، ChatGPT را نقطه عطفی برای هوش مصنوعی نامید و نوشت: «در حالی که نسخههای GPT برای مدتی در دسترس هستند، این مدل از آستانه عبور کرده است: واقعاً برای طیف گستردهای از وظایف مفید است. نسلهای قبلی سیستم از نظر فنی میتوانستند این کارها را انجام دهند، کیفیت خروجیها بسیار پایینتر از تولید یک انسان معمولی بود. مدل جدید بسیار بهتر است، اغلب به طرز شگفت انگیزی.
انتشار اولیه ChatGPT بر اساس GPT-3.5 بود. در 9 مارس، OpenAI از انتشار GPT-4 خبر داد، که در یک مقاله تحقیقاتی دانشگاه کورنل به عنوان ویژگیهایی توصیف شده است که «به طرز چشمگیری نزدیک به عملکرد در سطح انسان است و اغلب بسیار از مدلهای قبلی مانند ChatGPT پیشی میگیرد».
نویسندگان بیان میکنند که آزمایشهای اولیه با GPT-4 نشان میدهد که «جرقههای هوش عمومی مصنوعی» را نشان میدهد، یعنی توانایی شبیهسازی تفکر و نه تنها پاسخ دادن به سؤالات خاص، بلکه انجام کارهایی مانند عقل، حس و رفتار را دارد.
شکی نیست که ChatGPT و GPT-4 نشان می دهند که چگونه فناوری های هوش مصنوعی بهره وری را افزایش می دهند. با جایگزین کردن عملکردهایی که قبلاً توسط گروههایی از افراد انجام میشد در یک فرآیند خودکار واحد، کارها اکنون میتوانند به سرعت و با دقت توسط رایانه تکمیل شوند.
در حالی که پذیرش انبوه رایانههای شخصی که در دهه 1980 آغاز شد تأثیر چشمگیری بر بهرهوری داشت، ویژگیهای انطباقی و یادگیری ابزارهای هوش مصنوعی مانند GPT به این معناست که بهرهوری در مدت زمان بسیار کوتاهتری بهطور تصاعدی افزایش خواهد یافت.
به عنوان مثال، امروزه ChatGPT یک ابزار قدرتمند برای توسعه دهندگان نرم افزار است. با استفاده از قابلیت پردازش زبان طبیعی خود، میتواند آنچه را که یک توسعهدهنده تلاش میکند انجام دهد مدلسازی کند و قطعههای کد مربوطه را ارائه کند. همچنین می تواند کارهای تکراری و وقت گیر را بدون اشتباه و ناهماهنگی معمولی ورودی کدگذاری مستقیم انسانی خودکار کند.
ChatGPT می تواند به سرعت و با دقت کدهای پیچیده رایانه را ساده کند و نظرات و اسنادی را ارائه دهد که اغلب دقیق تر و آموزنده تر از هر چیزی است که یک توسعه دهنده می تواند بنویسد.
هوش مصنوعی در اواسط قرن بیستم با کمک های مهمی توسط دانشمندانی مانند آلن تورینگ، ماروین مینسکی و جان مک کارتی پیشگام شد. تورینگ، ریاضیدان و دانشمند کامپیوتر بریتانیایی، به طور گسترده ای یکی از بنیانگذاران هوش مصنوعی در نظر گرفته می شود. در سال 1950، او تست تورینگ را پیشنهاد کرد، معیاری برای سنجش توانایی کامپیوتر برای نشان دادن رفتار هوشمندانه ای معادل رفتار انسان.
ایده تورینگ پیشگامانه بود و زمینه را برای دهه ها تحقیق در مورد یادگیری ماشینی و پردازش زبان طبیعی فراهم کرد. تورینگ در سال 1950 مقالهای به نام «ماشینهای محاسباتی و هوش» منتشر کرد که در آن پتانسیل ماشینها برای تقلید هوش انسانی از طریق استفاده از الگوریتمها و برنامهنویسی را مورد بحث قرار داد.
ماروین مینسکی، دانشمند شناختی و دانشمند کامپیوتر آمریکایی، از پیشگامان هوش مصنوعی بود که به همراه جان مک کارتی، آزمایشگاه هوش مصنوعی را در MIT در سال 1959 تأسیس کردند. مینسکی به ایده ادراک ماشین یا توانایی ماشین ها برای درک علاقه مند بود. و اطلاعات بصری و حسی را تفسیر کند. مک کارتی، که اغلب به ابداع اصطلاح “هوش مصنوعی” در سال 1956 نسبت داده می شود، مسئول Lisp بود که به یک زبان برنامه نویسی مطلوب برای تحقیقات هوش مصنوعی (AI) تبدیل شد.
ChatGPT را می توان به عنوان نسل جدیدی از چت بات های مبتنی بر هوش مصنوعی توصیف کرد که در دهه 1960 شروع به کار کردند. ELIZA که توسط جوزف وایزنبام در سال 1966 توسعه یافت، از روش تطبیق الگو و جایگزینی برای شبیه سازی مکالمه انسانی استفاده کرد. سعی در تطبیق پاسخ های اسکریپت شده با یک سری سوالات روان درمانی داشت.
بعداً در سال 1988، ربات چت Jabberwacky توسط رولو کارپنتر برای شبیهسازی مکالمه سرگرمکننده انسانی با گسترش تطابق الگوها ایجاد شد تا سطح دیگری از تنوع را برای توضیح زمینه سؤالات مطرح شده در بر گیرد.
یکی از پیشرفتهایی که در دهه 1980 رخ داد، توسعه سیستمهای مبتنی بر قانون برای پردازش زبان طبیعی بود. این سیستمها برای تجزیه و تحلیل و تولید پاسخهای طبیعی به مجموعهای از قوانین دستساز متکی بودند، اما تواناییشان در مدیریت زبان پیچیده و مبهم محدود بود.
در سال 1995، موجودیت کامپیوتری اینترنتی زبان مصنوعی (ALICE) از طریق اینترنت کار کرد و اکتشافی – توانایی اعمال میانبرهایی که انسان ها اغلب برای حل مشکلات استفاده می کنند- را به روش های تطبیق الگوی قبلی اضافه کرد. در دهه 1990، رویکردهای آماری در پردازش زبان طبیعی محبوبیت پیدا کردند و به سیستمها اجازه دادند از مجموعه دادههای بزرگ متن یاد بگیرند. این منجر به توسعه مدلهای احتمالی شد که میتوانستند طیف وسیعتری از ورودیهای زبان را مدیریت کرده و خروجیهای دقیقتری تولید کنند.
در دهه 2000، با توسعه معماری شبکه های عصبی، یادگیری عمیق به عنوان یک تکنیک قدرتمند برای پردازش زبان طبیعی ظاهر شد. این مدل ها قادر به یادگیری و نمایش الگوهای پیچیده در داده های زبان بودند که منجر به پیشرفت های قابل توجهی در دقت و کارایی پردازش زبان شد.
در سال 2010، اپل اولین نسخه سیری را به عنوان یک دستیار شخصی هوشمند و ناوبر یادگیری منتشر کرد که از زبان طبیعی برای انجام وظایف کامپیوتری مانند خواندن پیامهای متنی، پخش موسیقی، برنامهریزی رویدادها و جستجو در وب برای پاسخ به سؤالات استفاده میکند. این شبیه سازی مکالمه شنیداری انسان نیز توسط گوگل با دستیار گوگل (2012) و آمازون با الکسا (2014) ارائه شده است.
علاوه بر نرم افزار ChatGPT، سخت افزاری که آن را اجرا می کند، عامل مهمی در سرعت و دقت پاسخ های آن و همچنین تعداد پرس و جوهایی است که می تواند به طور همزمان انجام دهد. این سخت افزار شامل تعداد زیادی پردازنده یا گره به هم پیوسته است که با هم کار می کنند تا حجم کار محاسباتی را مدیریت کنند.
این پلتفرم همچنین شامل پردازندههای تخصصی بهینهسازی شده برای یادگیری ماشینی و بارهای کاری یادگیری عمیق و همچنین فناوریهای شبکه و ذخیرهسازی پرسرعت است که امکان انتقال و بازیابی سریع دادهها را فراهم میکند.
در نهایت، پیشرفتهای انجامشده در هوش مصنوعی، همانطور که در ChatGPT نشان داده شده است، محصول تلاش مشترک بین محققان، مهندسان و نوآوران از سراسر جهان است. توسعه هوش مصنوعی واقعاً یک تلاش جهانی است، با مشارکت افراد و سازمانها در بسیاری از کشورهای مختلف.
هوش مصنوعی رشتهای است که نیازمند رویکردی چند رشتهای است که متخصصان علوم کامپیوتر، ریاضیات، علوم اعصاب، روانشناسی، زبانشناسی و سایر زمینههای مرتبط را گرد هم میآورد. پیشرفت در سخت افزار، نرم افزار و زیرساخت داده نیز با همکاری و همکاری جهانی امکان پذیر شده است.
بسیاری از کشورها سرمایه گذاری های قابل توجهی در تحقیق و توسعه هوش مصنوعی انجام داده اند و سازمان ها و کنفرانس های بین المللی مانند انجمن ماشین های محاسباتی (ACM) بستری را برای محققان و متخصصان فراهم می کند تا کار خود را به اشتراک بگذارند و در ایده های جدید در سراسر جهان همکاری کنند.
با این حال، در حالی که ChatGPT تمام دستاوردهای فناوری رایانه در 75 سال گذشته را در مقیاس جهانی به نمایش میگذارد و دارای پتانسیل تحولآفرین اجتماعی است، اما همچنان در درون سرمایهداری، مالکیت خصوصی آن برای سیستم سود و ساختارهای سیاسی دولتی ملی محصور است.
نگرانی فوری وال استریت، که پس از سرمایه گذاری 10 میلیارد دلاری مایکروسافت در ژانویه، ارزش OpenAI را به 29 میلیارد دلار رساند، این است که اطمینان حاصل کند که الیگارش های فناوری مانند ایلان ماسک، سام آلتمن، پیتر تیل و رید هافمن از این موضوع برخوردار هستند. یک مسیر روشن برای تحقق بازگشت تعهد مالی خود به شرکت.
انتظار می رود که فناوری اصلی ChatGPT به شرکت ها در تمام صنایع به عنوان ابزاری برای کاهش هزینه ها و حذف مشاغل فروخته شود. در محیط اقتصادی فعلی تورم، افزایش نرخ بهره و کاهش ارزش سهام در وال استریت، این چشم انداز بدون شک برای مدیران شرکت ها، هیئت مدیره و سرمایه گذاران جذاب است.
بر اساس مطالعه محققان دانشگاه پنسیلوانیا، نیمی از وظایف انجام شده توسط حسابرسان، مفسران و نویسندگان را می توان با سرعت بیشتری توسط ابزارهای هوش مصنوعی انجام داد. گزارشی که توسط McKinsey & Company منتشر شده تخمین میزند که 25 درصد کار در همه مشاغل تا سال 2030 خودکار میشود و 60 درصد از 800 شغل فهرستشده توسط اداره آمار کار میتوانند یک سوم وظایف کاری خود را در دهههای آینده خودکار کنند.
در همین حال، مانند سایر نوآوریهای فناوری پیشرفته در سرمایهداری، قدرت ChatGPT و هوش مصنوعی برای عقد قراردادهای اساسی با پنتاگون و دپارتمانهای دفاعی در سراسر جهان شناخته میشود.
با استفاده از فناوریهای هوش مصنوعی برای خودکارسازی عملیات میدان نبرد در جنگهای امپریالیستی قرن بیست و یکم، از جمله حملات هوایی بدون سرنشین با هواپیماهای بدون سرنشین و ترورهای هدفمند، قدرت تصمیمگیری GPT به طور فعال توسط ارتش ایالات متحده دنبال میشود.
بر اساس مقالهای در دیفنس وان، لورن بارت کناوزنبرگر، افسر ارشد اطلاعات نیروی هوایی، گفت: «من فکر میکنم که وزارت دفاع میتواند اطلاعات را بیابد، و بتواند بفهمد چه کسی در آن است. به این دلیل که میتوانیم بهسرعت اطلاعات را جمعآوری کنیم، زیرا برای مثال، زمان زیادی را تلف میکنیم.
گزارش دیگری در مورد معاون گفت که پنتاگون از ChatGPT برای نوشتن گزارش خبری در 8 فوریه در مورد راه اندازی یک گروه ویژه ضد پهپاد جدید استفاده می کند. به عبارت دیگر، پنتاگون از پتانسیل هوش مصنوعی برای خودکارسازی تصمیمگیری و ارائه تبلیغات طرفدار نظامی استفاده میکند.
تنها راهی که می توان به محتوای مترقی و قدرت جهانی فناوری های هوش مصنوعی مانند ChatGPT دست یافت و همانطور که خود تعریف سیستم نشان داد، “پتانسیل تغییر روش تعامل ما با فناوری و یکدیگر” را می توان تحقق بخشید. سازماندهی مجدد سوسیالیستی انقلابی جامعه توسط طبقه کارگر.