تقابل هوش مصنوعی و هوش انسانی؛ چالش‌ها و محدودیت‌ها

هوش مصنوعی با داشتن توانمندی‌ها و الگوریتم خاص برای اجرای دستور‌ها باز هم قادر به بازتولید رفتار‌های طبیعی نیست.

هوش مصنوعی توانایی یک برنامه کامپیوتری برای یادگیری و تفکر است. از هوش مصنوعی (AI) و شاخه‌های آن مانند رباتیک به عنوان فناوری‌های آینده یاد می‌شود.

این فناوری در بسیاری از ابعاد زندگی مثل خودرو‌های خودران، کاهش آلودگی ها، سفر‌های فضایی کاربرد دارد. به زودی احتمالا هوش مصنوعی نیز به محبوبیت گوشی‌های هوشمند رسیده و استفاده عمومی از آن افزایش پیدا می‌کند. محصولات مبتنی بر هوش مصنوعی از الکسا گرفته تا خودرو‌های خودران در فعالیت‌های روزانه ما تاثیرگذار هستند. فناوری هوش مصنوعی دارای ساختار و الگوریتم بوده و از یادگیری ماشینی برای اجرای دستورالعمل‌ها استفاده می‌کند. جان مک کارتی در سال ۱۹۵۵ اصطلاح هوش مصنوعی (AI) را برای توصیف سیستمی شبیه عقل انسان و حل مسئله ابداع کرد.

هوش مصنوعی را می‌توان شبیه یک نرم‌ افزار ارائه دهنده خدمات مانند خدمت رسانی آنلاین به مشتری یا اجرای آنلاین بازی شطرنج دانست. با مقایسه توانایی‌های ابزار‌های هوش مصنوعی مثل دستیار مجازی و فعال کردن گزینه صدا در آن با توانایی‌های کودک هنگام صحبت کردن با یک ماشین اسباب‌بازی متوجه باگ‌های این فناوری می‌شویم. به گفته بورلند استاد مهندسی برق Idiap، هیچ دستگاه هوش مصنوعی قادر به تقلید ویژگی‌ «عقل سلیم» نیست. بر اساس شواهد، محصولات ساخته شده مبتنی بر هوش مصنوعی به شکل پیش فرض هوشمند هستند. این دستگاه‌ها به یک ورودی مبتنی بر رفتار‌های انسان و داده‌های مرتبط نیاز دارند.

راه تفسیر هوش ماشینی چیست؟

یکی از اشکالات هوش مصنوعی در مقایسه با عقل انسان، توانایی استدلال است. ماشین‌ها قادر به ارائه بازخورد و پاسخ به سؤالات هستند؛ اما در زمینه ارائه استدلال منطقی و توضیح فرآیند رسیدن به نتیجه‌گیری ناتوان هستند. پس از گذشت هفتاد سال از آزمایش آلن تورینگ هنوز هم هیچ سیستم هوش مصنوعی موفق به ساخت دستگاهی شبیه به انسان نشده است. امروزه دانشمندان برای تفسیر هوش ماشینی هنوز هم از بازی تقلید استفاده می‌کنند.

هوش مصنوعی توانایی شکست دادن انسان‌ها را در کار‌هایی مانند شطرنج و بازی‌های رایانه‌ای دارد؛ اما قابلیت بازتولید رفتار‌های طبیعی مانند صحبت درباره آب و هوا را ندارد. به گفته استیون پینکر زبان شناس و دانشمند شناختی، مشکلات سخت آسان و مشکلات آسان سخت هستند. او در کتاب «غریزه زبان» در سال ۱۹۹۴ به این نتیجه رسید. با استناد به این پارادوکس، محققان هوش مصنوعی را به دو نوع هوش مصنوعی عمومی یا هوش مصنوعی قوی و ضعیف تقسیم می‌کنند.

انواع هوش مصنوعی

هوش مصنوعی قوی یعنی توانایی یادگیری هر کاری که افراد انجام می‌دهند. در مقابل، هوش مصنوعی ضعیف قادر به یادگیری توانایی‌های شناختی نیست. این نوع از هوش مصنوعی برای حل یک مشکل مانند اجرای آنلاین بازی شطرنج طراحی شده است. چندین راه برای برنامه ریزی هوش مصنوعی مانند یادگیری ماشینی، یادگیری عمیق یا شبکه‌های عصبی مصنوعی وجود دارد. برنامه نویسی بخشی از ورودی لازم برای تولید هوش مصنوعی است. پیشرفت در برنامه نویسی منجر به گسترش کاربرد‌های هوش مصنوعی ضعیف شده است. به عنوان مثال، AlphaGo گوگل برای اجرای بازی رومیزی Go با استفاده از ترکیبی از یادگیری عمیق و شبیه سازی‌های آماری طراحی شده و در اجرای بازی از انسان‌ها بهتر عمل می‌کند.

تقسیم بندی نوار هوش به سطوحی مثل احساس، وجدان و درک رفتار نشان دهنده رشد و توسعه کند هوش عمومی مصنوعی است. البته ایلان ماسک با اشاره به توانایی‌های هوش مصنوعی از تسریع خدمات و کاهش هزینه‌ها خبر داده است. به گفته محققان، مردم دانش غریزی از فیزیک دارند. این ویژگی انسان‌ها را قادر به حرکت در جهان می‌کند. البته هوش مصنوعی توانایی بازتولید این رفتار را ندارد. مثلا رانندگی شامل پیش بینی و اجرای حرکات است. البته راننده به توانایی‌های برآورد تعاملات فیزیکی، پیش بینی حرکات انسان، فیزیک و روانشناسی شهودی نیاز دارد. فیزیک شهودی ظرفیت انسان برای درک نحوه تعامل اجسام است.

کاربرد روانشناسی شهودی

بر اساس آزمایش‌ها، هوش مصنوعی قادر به پیش‌ بینی و واکنش به فعل و انفعالات فیزیکی در شعاع ۲۰۰ متری نیست. روانشناسی شهودی توانایی به دست آوردن بینش در مورد انگیزه‌های عوامل جاندار و پیش بینی بر اساس استنتاج است. با داشتن این شهود، انسان قادر به پیش بینی اقدامات دیگران و واکنش‌های آن‌ها است. در این زمینه هم هوش مصنوعی با مشکل مواجه بوده و بسیاری از حیوانات بهتر از این فناوری عمل می‌کنند.

سناریوهای توسعه میان مدت هوش مصنوعی

محققان در حال تلاش بازتولید فرآیند رفتار تطبیقی در هوش مصنوعی هستند. برخی از تحلیلگران یادگیری این توانایی‌ها را برای هوش مصنوعی غیرممکن می‌دانند. سناریوهایی برای توسعه میان مدت هوش مصنوعی وجود دارد. در سناریوی پایه، توسعه هوش مصنوعی ضعیف ادامه دارد. می‌توان از این نوع هوش مصنوعی در تولید، مراقبت‌های بهداشتی و خدمات اداری استفاده کرد. یکی از محدودیت‌های آن، وابستگی به یک تابع و ناتوانی در اجرای توابع دیگر است. هوش مصنوعی ضعیف قادر به انجام وظایفی با دامنه محدود برای عوامل پیش بینی نشده است. البته به طور بالقوه هزینه‌ها را کاهش می‌دهد. در سناریوی دوم هیچ تفاوتی بین هوش انسان و ماشین وجود ندارد. هوش مصنوعی قوی توانایی ایجاد راهکار برای سازماندهی زندگی انسان‌ها و بهبود کیفیت آن را دارد.