به هوش مصنوعی نگاه کنید نه ChatGPT

نگرانی انسان‌های معمولی از فناوری‌های جدید یک چیز است، اما این ناراحتی توسط حاکمان فناوری که مسئول ایجاد این واقعیت مصنوعی هستند نیز احساس می‌شود. وقتی شرکت‌هایی مانند مایکروسافت و گوگل که برخی از باهوش‌ترین شرکت‌های جهان در فهرست حقوق‌هایشان هستند، محصولات نیمه کاره را با عجله تولید می‌کنند، یک چیز مشخص می‌شود: هوش مصنوعی به جای تقویت آن، ممکن است خطوط خطای هوش انسانی را آزمایش کند – و آشکار کند. اجازه بدهید چند مثال ارائه کنم.

خطای اول – سریع حرکت کنید و کارهای احمقانه انجام دهید: به محض اینکه ChatGPT در سال 2022 به موضوع فناوری تبدیل شد، مایکروسافت در تلاش بود تا از سرمایه گذاری اولیه خود در آن سرمایه گذاری کند و بخشی از آن ChatGPT zing را به موتور جستجوی پرچمدار خود، Bing اضافه کند. اولین سفر مشکل‌ساز بود: اعتراف کرد که می‌خواهد رایانه‌ها را هک کند و اطلاعات نادرست منتشر کند و به یک روزنامه‌نگار نیویورک تایمز ابراز عشق کرد، در حالی که یک خبرنگار دیگر را با هیتلر مقایسه کرد. برای اندازه گیری خوب، می گوید که خبرنگار “خیلی کوتاه، با چهره ای زشت و دندان های بد” است.

به موازات آن، گوگل با عجله پاسخ خود را به ChatGPT به نام Bard ارائه کرد. در حالی که پاسخ‌های بارد به سؤالات کمتر از پاسخ‌های بینگ سرگرم‌کننده بود، تنها یک اشتباه در پاسخ به سؤالی در مورد تلسکوپ فضایی جیمز وب، سهام آلفابت مادر گوگل را به شدت کاهش داد و 100 میلیارد دلار از ارزش بازار را از دست داد.

چرا مایکروسافت و گوگل – معمولاً غول‌پیکرهای بسیار محتاط و آهسته – شهرت و قیمت سهام خود را به خطر می‌اندازند؟ مایکروسافت ممکن است آن را به عنوان فرصتی برای چابک جلوه دادن، برای تغییر، ایجاد رقابت در تجارت جستجو دیده باشد. حداقل، آنها در تلاش بودند تا پادشاه حاکم جستجو، گوگل را وادار کنند – به قول ساتیا نادلا، مدیر عامل مایکروسافت – “بیرون بیاید و نشان دهد که می توانند برقصند”. آیا اغوا کردن گوگل به میدان رقص ارزش آن را دارد که ارزش بازار شما را به خطر بیندازید؟ البته، حتی بدون ترغیب مایکروسافت، به‌عنوان بزرگ‌ترین خرج‌کننده‌ی هوش مصنوعی، گوگل به وضوح احساس فشار می‌کرد تا کاری – هر کاری – برای پاسخ به علاقه انفجاری به ChatGPT انجام دهد. آنها به وضوح، با اکراه و به وضوح، بدون تمرین حرکات رقص بیرون آمدند تا با برد برقصند.

خطای دوم – از مسائل معنادارتر کاسته شود: محدودیت‌های هوش انسانی نه تنها در تکاپوهای غول‌های فناوری آشکار است. پوشش کف آلود ChatGPT در رسانه ها درک نزدیک بینی آن از چشم انداز هوش مصنوعی را نشان داده است. خبرنگاران و مفسران (شامل شرکت فعلی) با صحبت های بی وقفه خود در مورد چت بات ها، ممکن است بر ناراحتی عمومی در مورد آن بیفزایند و این به قیمت پوشش ناکافی استفاده های اجتماعی معنادارتر از هوش مصنوعی است. این عواقب دارد: روایت‌های رسانه‌ای در حوزه‌های فناوری پرهیاهو باعث جلب توجه و تخصیص نادرست منابع کمیاب می‌شود.

نمونه ای از یک حوزه اجتماعی معنادارتر از هوش مصنوعی چیست؟ در مورد هوش مصنوعی که بر سلامت انسان تأثیر می گذارد، جایی که سهم آن می تواند یک موضوع مرگ و زندگی باشد، چطور؟

هوش مصنوعی مرتبط با سلامت سال گذشته با هیاهوی بسیار کمتری نسبت به ChatGPT از یک نقطه عطف بزرگ عبور کرد: یک سیستم هوش مصنوعی به نام Alphafold نشان داد که می تواند ساختار تقریباً هر پروتئین فهرست شده توسط علم را پیش بینی کند. این می‌تواند راه را برای پیشرفت‌هایی در اکتشافات داروها باز کند و کارآیی فرآیندهایی را به همراه داشته باشد که میلیاردها هزینه دارد، چندین دهه طول می‌کشد و درمان را برای بسیاری از مردم منع می‌کند.

چرا آلففولد شایستگی پوشش رسانه ای دیوار به دیواری که ChatGPT، Bing و Bard را همراهی می کرد، نداشت؟ اولاً، درک مفاهیم آن برای خوانندگان دشوارتر است. دوم، نتایج قابل استفاده فوری ارائه نکرده است. در نهایت، از آنجایی که ما برای قدردانی از محصولات نهایی برنامه‌ریزی شده‌ایم، به راحتی می‌توان به پیشرفت‌ها و معجزات تکنولوژیکی زیادی مانند هوش مصنوعی که منجر به واقعی شدن محصول نهایی می‌شوند، نگاه کرد.

محصولات نهایی هوش مصنوعی در مراقبت های بهداشتی زمان می برد و نیاز به تمرکز مداوم و اختصاص منابع دارد. برای مثال Alphafold یک ابزار پیش بینی است. برای دستیابی به پیشرفت‌های معنادار، پیش‌بینی‌ها باید با رویکردهای متعدد دیگر، مانند آزمایش‌های پر زحمت و مدل‌سازی برهمکنش‌های پروتئینی، همراه شوند. الگوریتم‌های هوش مصنوعی برای طراحی دارو به داده‌های زیادی برای آموزش نیاز دارند و داده‌ها باید از منابع متفاوت و از فرمت‌های مختلف متعلق به مؤسسات مختلف منتشر شوند.

باز کردن گنجینه داده‌ها، ارائه حفاظت‌های مناسب از حریم خصوصی و نظارت نظارتی برای باز کردن سایر پیشرفت‌های هوش مصنوعی در سلامت انسان – الگوریتم‌هایی برای شناسایی بیماران در معرض خطر مصرف بیش از حد مواد افیونی، سنجش علائم سلامت روان از راه دور یا مشاهده علائم سرطان سینه در ماموگرافی بسیار مهم است.

خط سه: توجه کوتاه و حافظه کوتاه تر: محدودیت دیگر هوش انسان این است که توجه ما زودگذر است و ما حافظه کوتاه داریم. یک مورد بارز همه گیری کووید-19 است که تنها سومین سالگرد آن را جشن می گیرد.

تعداد کمی از ما به این واقعیت توجه کردیم که اولین هشدار یک ویروس مرموز جدید از ووهان چین از طریق هوش مصنوعی دریافت شد. قبل از اینکه انسان‌ها در سازمان جهانی بهداشت از فاجعه قریب‌الوقوع مطلع شوند، سیستم‌های جمع‌آوری داده‌ها پرچم قرمز را برافراشتند. از سوی دیگر، جستجو برای یک واکسن توسط الگوریتم‌ها تسریع شد: محققان از هوش مصنوعی برای درک بهتر ویروس SARS-CoV-2 و پیش‌بینی چگونگی برانگیختن پاسخ ایمنی کمک گرفتند. هوش مصنوعی برای تعیین مکان‌های کارآزمایی بالینی و تجزیه و تحلیل حجم وسیعی از داده‌های کارآزمایی کلیدی بود. در اوج همه‌گیری، آزمایش‌های هوش مصنوعی زیادی برای تشخیص کووید از روی علائم انجام شد، اما این تلاش‌ها، در حالی که قصد نجیب داشتند، با شکست مواجه شدند. در همین حال، اگر امروز از بیشتر مردم بپرسید که آیا ارتباطی بین هوش مصنوعی و آغاز و پایان همه‌گیری حاد وجود دارد یا خیر، احتمالاً نگاهی خالی خواهید داشت.

فروشندگان هوش مصنوعی از محدودیت های هوش انسانی آگاه هستند زیرا سعی می کنند توجه ما را جلب کنند. ساندار پیچای اعلام کرد که هوش مصنوعی عمیق تر از آتش خواهد بود. همکار او، مدیر ارشد سابق بازرگانی گوگل ایکس، مو گاودات، گفت: «ما خدا را می‌آفرینیم.» همیشه برعکس، ایلان ماسک گفت: “ما در حال احضار شیطان هستیم.”

زمان آن فرا رسیده است که به استفاده درست از هوش مصنوعی توجه کنیم و هوش بیشتری را برای نحوه هدایت پول، استعداد، دسترسی به داده ها و منابع قانونی و اخلاقی به کار بگیریم تا در نهایت با شیطان کمتر، خدای بیشتر و راه اندازی فناوری که بتواند راه اندازی شود جهان در آتش – و اگر مراقب نباشیم – همه ما را بسوزاند.

نویسنده، رئیس تجارت جهانی در مدرسه فلچر در دانشگاه تافتس، مدیر اجرایی مؤسسه فلچر برای تجارت در زمینه جهانی است. او نویسنده کتاب سرعت آهسته تغییر سریع است