در اوایل سال 2011، کن جنینگز شبیه آخرین امید بشریت بود. واتسون، یک هوش مصنوعی که توسط غول فناوری IBM ایجاد شده است، کمتر از آن استفاده کرده بود خطر بازیکنان قبل از قهرمان تمام دوران نمایش وارد یک مسابقه نمایشگاهی سه روزه شدند. در پایان بازی اول، واتسون – دستگاهی به اندازه 10 یخچال – جنینگز را روی طناب داشت که 35734 دلار به 4800 دلار رساند. در روز سوم، واتسون کار را تمام کرد. جنینگز روی صفحه نمایش ویدیوی خود در جریان Final Jeopardy نوشت: “من به ارباب کامپیوترهای جدیدمان خوش آمد می گویم.”
واتسون بهتر از هر هوش مصنوعی قبلی در پرداختن به مشکلی بود که مدت‌ها محققین را دچار مشکل کرده بود: چگونه می‌توانید یک رایانه را به طور دقیق متوجه یک سرنخ در زبان انگلیسی اصطلاحی کنید و سپس پاسخ صحیح را بیرون بیاورید (یا همانطور که در خطر، سوال درست است)؟ دیوید فروچی، توسعه‌دهنده اصلی Watson، به من گفت: «لیست معتبری از اسنادی نیست که ممکن است پاسخ آن باشد،» چیزی که موتورهای جستجو نشان دادند، «بلکه پاسخ بسیار مشخص است. تیم او به واتسون بیش از 200 میلیون صفحه از اسناد – از فرهنگ لغت، دایره المعارف، رمان، نمایشنامه، کتاب مقدس – را تغذیه کرد و چیزی را خلق کرد که مطمئناً شبیه مغز مصنوعی به نظر می رسید. و آمریکا ذهن خود را در مورد آن از دست داد: “آیا واتسون می تواند شغل بعدی ما در رادیولوژی یا قانون باشد؟” NPR در داستانی به نام “سمت تاریک واتسون” پرسید. چهار ماه پس از آن خطر برنده شد، کامپیوتر در جوایز وببی به عنوان شخصیت سال انتخاب شد. (سخنرانی پذیرش واتسون: “شخص سال: کنایه آمیز.”)
اما اکنون که مردم بار دیگر با سؤالاتی در مورد هوش مصنوعی به ظاهر قادر مطلق روبرو هستند، واتسون به وضوح غایب است. وقتی از بندیکت ایوانز، تحلیلگر قدیمی فناوری درباره واتسون پرسیدم، او به نقل از اوبی وان کنوبی گفت: «این نامی است که مدت‌هاست نشنیده‌ام.» ChatGPT و دیگر ابزارهای مولد هوش مصنوعی می‌توانند شعر پاستیک و پاپ‌هایی را که بالنسیاگا می‌پوشند، ارائه کنند، قابلیت‌هایی که بسیار فراتر از آنچه واتسون می‌توانست یک دهه پیش انجام دهد، اگرچه ابزارهایی هنوز مبتنی بر ایده‌های پردازش زبان طبیعی است که به خلع جنینگز از سلطنت کمک کرد. واتسون باید با صدای خفه‌اش لاف بزند، نه اینکه در بی ربطی محو شود. اما مسیر آن دوباره در حال وقوع است. بخشی از آنچه که این فناوری محکوم به فنا است اکنون آماده است تا پتانسیل محصولات محبوب هوش مصنوعی را از بین ببرد.
اولین چیزی که در مورد واتسون باید بدانید این است که نمرده است. مدل‌ها و الگوریتم‌های این دستگاه در بدنه‌ای از نرم‌افزار B2B قرار گرفته‌اند. امروزه IBM Watson را با اشتراک می فروشد و کد را در برنامه هایی مانند Watson Assistant، Watson Orchestrate و Watson Discovery قرار می دهد که به خودکارسازی فرآیندهای back-end در خدمات مشتری، منابع انسانی و ورود و تجزیه و تحلیل اسناد کمک می کند. شرکت‌هایی مانند هوندا، زیمنس و CVS Health برای کمک به هوش مصنوعی در تعدادی از پروژه‌های اتوماسیون «بیگ آبی» را انتخاب کردند و سخنگوی IBM به من گفت که بیش از 100 میلیون نفر از ابزارهای Watson این شرکت استفاده می‌کنند. ایوانز گفت: اگر از IBM بخواهید اپلیکیشنی را برای شما بسازد که از یادگیری ماشینی برای بهینه سازی چیزی در کسب و کار شما استفاده کند، “آنها از ساختن آن بسیار خوشحال خواهند شد و احتمالاً کاملاً خوب خواهد بود.”
IBM از همان ابتدا می خواست واتسون را به یک ابزار تجاری تبدیل کند. پس از همه، این است IBM-شرکت ماشین‌های تجاری بین‌المللی-شرکتی که مدت‌ها پیش برای شرکت‌های بزرگی که به کمک فناوری اطلاعات نیاز دارند، یک جایگاه ویژه ایجاد کرد. اما چیزی که واتسون به آن تبدیل شده است بسیار ساده تر از فروش اولیه IBM است که شامل آشکار کردن قدرت حقیقت یاب ماشین در موضوعات مختلف مانند نکات سهام و درمان های شخصی سرطان می شود. و برای یادآوری اینکه واتسون چقدر انقلابی بود، IBM تبلیغات تلویزیونی را منتشر کرد که در آن واتسون با شادی با افراد مشهوری مانند ریدلی اسکات و سرنا ویلیامز شوخی می کرد. این شرکت به زودی با بیمارستان هایی مانند Memorial Sloan Kettering و MD Anderson Cancer Center قراردادهایی با هوش مصنوعی بست. آنها به آرامی تأسیس شدند. ماشین واتسون می توانست بازی کند خطر در سطح بسیار بالا؛ واتسون، دستیار دیجیتال، اساساً یک کلیپی متورم که از داده‌های سازمانی و خوش‌بینی فنی تغذیه می‌کرد، به سختی می‌توانست دستخط پزشکان را بخواند، چه رسد به اینکه انکولوژی را مختل کند.
فناوری فقط اندازه گیری نکرد. ایوانز گفت: «هیچ اطلاعاتی در آنجا وجود نداشت. مدل‌های یادگیری ماشینی Watson برای سال 2011 بسیار پیشرفته بودند، اما با ربات‌هایی مانند ChatGPT که بسیاری از آنچه را که به صورت آنلاین منتشر شده است، مقایسه نمی‌شود. واتسون بر روی اطلاعات بسیار کمتری آموزش دیده بود و فقط در پاسخ به سوالات مبتنی بر واقعیت مانند آنچه شما در آن می یابید عالی بود. خطر. این استعداد حاوی پتانسیل تجاری آشکاری بود – حداقل در زمینه های خاصی، مانند جستجو. فروچی گفت: «من فکر می‌کنم آنچه واتسون در آن زمان در آن خوب بود، به نوعی به آنچه که گوگل انجام می‌داد تبدیل شد.
اما لباس‌های مسئول به دنبال بازی بزرگ‌تر و چالش‌برانگیزتر تغذیه دستگاه با انواع مواد کاملاً متفاوت رفتند. آنها واتسون را به عنوان یک بلیط غذای نسلی می دیدند. فروچی گفت: «اغراق زیادی در اطراف آن وجود داشت، و قدردانی زیادی از آنچه واقعاً می تواند انجام دهد و آنچه نمی تواند انجام دهد، و در نهایت آنچه برای حل مؤثر مشکلات تجاری مورد نیاز است، وجود داشت. او در سال 2012 IBM را ترک کرد و بعداً یک استارت آپ هوش مصنوعی به نام Elemental Cognition را تأسیس کرد.
زمانی که از یکی از سخنگویان آی‌بی‌ام پرسیده شد که چه چیزی اشتباه رخ داده است، به من اشاره کرد که اخیراً از سوی مدیرعامل آروینگ کریشنا، مدیر عامل شرکت آروینگ کریشنا گفت: «فکر می‌کنم اشتباهی که در سال ۲۰۱۱ مرتکب شدیم این بود که چیزی را به‌درستی نتیجه‌گیری کردیم، اما از نتیجه‌گیری‌ها نتیجه‌گیری اشتباه گرفتیم». کریم یوسف، رئیس مدیریت محصول مجموعه نرم‌افزاری IBM، به من گفت واتسون «یک خودرو مفهومی» بود – مدرکی برای اثبات فناوری که به منظور ایجاد نوآوری بیشتر است.
و با این حال، برای دیگران، IBM ممکن است بیشتر به فکر ساختن یک نمایشگاه برای کانورتیبل پر زرق و برق خود باشد تا اینکه چگونه مدل سال آینده را طراحی کند. بخشی از مشکل IBM ساختاری بود. شرکت‌های غنی‌تر و زیرک‌تر مانند گوگل، فیس‌بوک و حتی اوبر مرتبط‌ترین تحقیقات هوش مصنوعی را هدایت می‌کردند، الگوریتم‌های خود را توسعه می‌دادند و آنها را از طریق نرم‌افزارهای روزمره ارائه می‌کردند. ایوانز گفت: «اگر شما یک آکادمیک پیشرو در زمینه یادگیری ماشینی بودید، و گوگل به سراغ شما می آید و متا به سراغ شما می آید و IBM به سراغ شما می آید، چرا به سراغ آی بی ام می رفتید؟ این یک شرکت از دهه 70 است. او به من گفت که در اواسط دهه 2010، گوگل و فیس بوک در زمینه تحقیق و توسعه یادگیری ماشینی پیشتاز بودند و روی استارت آپ های هوش مصنوعی مانند DeepMind شرط بندی می کردند. در همین حین، آی‌بی‌ام در حال تولید یک جایزه 90 ثانیه‌ای برای اسکار با بازی واتسون، کری فیشر و صدای استیو بوشمی بود.
به یک معنا، چشم انداز IBM برای مجموعه ای از ابزارهای کسب و کار که بر اساس یادگیری ماشین و پردازش زبان طبیعی ساخته شده اند، محقق شده است – نه به لطف IBM. امروزه، هوش مصنوعی نتایج جستجوی شما را تقویت می‌کند، فید اخبار شما را جمع‌آوری می‌کند و به بانک شما در مورد فعالیت‌های احتمالی کلاهبرداری هشدار می‌دهد. روزان لیو، دانشمند تحقیقاتی ارشد در گوگل و یکی از بنیانگذاران ML Collective، یک موسسه غیرانتفاعی تحقیقاتی، به من گفت: “هر روز با همه چیزهایی که شما با آن سر و کار دارید” زمزمه می کند. این لحظه هوش مصنوعی باعث ایجاد غوغای شرکتی برای اتوماسیون شده است زیرا هر شرکتی یک ربات خاص خود را می خواهد.
اگرچه واتسون به یک پاورقی تاریخی تقلیل یافته است، IBM هنوز وارد عمل می شود. پیشرفته ترین کارهای هوش مصنوعی در مقر IBM در Westchester، نیویورک، اتفاق نمی افتد، اما بیشتر آن منبع باز است و ماندگاری کوتاهی دارد. خیاطی دره سیلیکون می تواند یک تجارت سودآور باشد. یوسف از جوخه های کارگران دانش مسلح به ابزار قرن بیستم استفاده کرد. او گفت: «شما افرادی دارید که فایل‌های PDF، برجسته‌کننده دارند. آی‌بی‌ام می‌تواند برنامه‌هایی را به آنها ارائه دهد که به آنها کمک می‌کند تا عملکرد بهتری داشته باشند – که بهره‌وری آنها را چند نقطه افزایش می‌دهد، یا میزان خطای آنها را کاهش می‌دهد یا مشکلات را سریع‌تر تشخیص می‌دهد، مانند خطاهای خط تولید یا ترک‌های یک پل.
هر آنچه که آی‌بی‌ام در آینده بسازد، به وعده‌ای که در دوره اولیه واتسون اشاره شده بود، عمل نمی‌کند، اما این وعده بدفهمی شد – از بسیاری جهات بیشتر از همه توسط IBM. واتسون یک مدل آزمایشی بود که می‌توانست علاقه‌های مردمی زیادی را به خود جلب کند، اما به محض اینکه C-suite تلاش کرد اسپیگ پول را روشن کند، پتانسیل آن از بین رفت. به نظر می رسد همین موضوع در مورد محصول جدید ابزارهای هوش مصنوعی نیز صادق باشد. دانش آموزان دبیرستانی می توانند تولید کنند صلح جداگانه مقالاتی با صدای میچ هدبرگ، مطمئناً، اما پول اینجا نیست. در عوض، ChatGPT به سرعت در حال تبدیل شدن به یک میلیون محصول در بازار است. نرم‌افزار پیش پا افتاده مصرف‌کننده و شرکتی که به‌دست می‌آید – ویژگی‌هایی که به شما کمک می‌کند عکس‌های سگتان را پیدا کنید یا به شما یک کیبل بهتر بفروشد – می‌تواند به اندازه تمام داده‌های دیگری که منفعلانه مصرف می‌کنیم برای ما نامرئی شود. در ماه مارس، Salesforce Einstein GPT را معرفی کرد، محصولی که از فناوری OpenAI برای پیش‌نویس ایمیل‌های فروش استفاده می‌کند، بخشی از روندی که ایوانز اخیراً آن را به عنوان «اتوماسیون خسته‌کننده فرآیندهای خسته‌کننده در دفاتر پشتی خسته‌کننده شرکت‌های خسته‌کننده» توصیف کرد. میراث واتسون – نام بزرگی که به هدفی فروتن پیوسته است – دوباره در حال پخش شدن است.
آینده هوش مصنوعی ممکن است همچنان به روشی که واتسون زمانی پیشنهاد کرده بود، واقعاً در حال تغییر جهان باشد. اما تنها کسب‌وکاری که آی‌بی‌ام توانسته آن را مختل کند، کسب‌وکار خودش است. روز دوشنبه، روز جهانی کارگر، اعلام کرد که استخدام برای حدود 7800 شغل را که معتقد است هوش مصنوعی می تواند در سال های آینده انجام دهد، متوقف می کند. خالی کردن هزاران نقش به نام اقدامات صرفه جویی در هزینه به ندرت چنین خوش بینانه به نظر می رسد، اما پس از سال ها چرخش مثبت، چرا اکنون عقب نشینی کنید؟ یوسف سوگند یاد کرد که آینده IBM نزدیک است و این بار متفاوت خواهد بود. او گفت: «این فضا را تماشا کنید.
