بعد از تابستان هوش مصنوعی: آینده هوش مصنوعی چیست؟

از هر نظر، سال ۲۰۲۳ سال شگفت انگیزی برای هوش مصنوعی بود. مدل های زبان بزرگ (LLM) و برنامه‌های چت بات آن‌ها نمایش را ربودند، اما پیشرفت‌هایی در طیف وسیعی از کاربردها وجود داشت. اینها شامل تولید تصویر، ویدئو و صدا است.

ترکیب این فناوری‌های دیجیتال منجر به استفاده از موارد و مدل‌های تجاری جدید شده است، حتی تا جایی که انسان‌های دیجیتال در حال تبدیل شدن به یک امر عادی هستند و جایگزین انسان‌های واقعی می‌شوند. اینفلوئنسرها و گویندگان خبر.

نکته مهم این است که سال ۲۰۲۳ سالی بود که تعداد زیادی از مردم شروع به استفاده و استفاده عمدی از هوش مصنوعی به عنوان بخشی از کار روزانه خود کردند. نوآوری سریع هوش مصنوعی به پیش بینی های آینده نیز دامن زده است، از جمله همه چیز از روبات های خانگی تا هوش عمومی مصنوعی (AGI) در عرض یک دهه. با این حال، پیشرفت هرگز یک خط مستقیم نیست و چالش ها می تواند برخی از این پیشرفت های پیش بینی شده را منحرف کند.

همانطور که هوش مصنوعی به طور فزاینده ای در تار و پود زندگی و کار روزمره ما می بافد، این سوال پیش می آید: بعد از آن چه انتظاری می توانیم داشته باشیم؟

ربات های فیزیکی به زودی وارد می شوند

در حالی که پیشرفت‌های دیجیتال همچنان شگفت‌انگیز هستند، قلمرو فیزیکی هوش مصنوعی – به‌ویژه روباتیک – در تسخیر تخیل ما فاصله زیادی ندارد. LLM ها می توانند قطعه گم شده را فراهم کنند، اساساً یک مغز، به ویژه هنگامی که با قابلیت های تشخیص تصویر از طریق دید دوربین ترکیب شود. با این فناوری‌ها، روبات‌ها می‌توانند با سهولت بیشتری درخواست‌ها را درک کنند و به آن‌ها پاسخ دهند و دنیای اطراف خود را درک کنند.

در گزارش رباتDeepu Talla معاون ربات‌ها و محاسبات لبه انویدیا گفت که LLM‌ها به ربات‌ها این امکان را می‌دهند که دستورالعمل‌های انسانی را بهتر درک کنند، از یکدیگر بیاموزند و محیط خود را درک کنند.

یکی از راه های بهبود عملکرد ربات استفاده از مدل های متعدد است. به عنوان مثال، آزمایشگاه هوش مصنوعی غیرممکن MIT، گروهی در آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL)، توسعه یافته چارچوبی که از سه مدل پایه مختلف استفاده می کند که هر کدام برای وظایف خاصی مانند زبان، بینش و عمل تنظیم شده اند.

هر مدل فونداسیون بخش متفاوتی از آن را به تصویر می‌کشد [robot] فرآیند تصمیم گیری و سپس زمانی که زمان تصمیم گیری فرا می رسد، با هم کار می کنند. گزارش محققان آزمایشگاهی.

ترکیب این مدل‌ها ممکن است برای ربات‌ها کافی نباشد تا در دنیای واقعی قابل استفاده و کاربردی باشند. برای رفع این محدودیت ها، یک سیستم هوش مصنوعی جدید به نام Mobile ALOHA در دانشگاه استنفورد توسعه یافته است.

این سیستم اجازه می دهد تا روبات ها “برای تکمیل خودکار وظایف پیچیده دستکاری موبایل مانند تفت دادن و سرو یک تکه میگو، باز کردن کابینت دیواری دو دری برای نگهداری قابلمه های پخت و پز سنگین، تماس گرفتن و ورود به آسانسور و آبکشی کمی تابه استفاده شده با استفاده از شیر آشپزخانه.”

لحظه ImageNet برای روباتیک

این باعث شد که جک کلارک در ImportAI خود نظر بدهد خبرنامه: “روبات‌ها ممکن است به “لحظه ImageNet” خود نزدیک شوند که هم هزینه یادگیری رفتارهای ربات کاهش می‌یابد، هم داده‌های مربوط به یادگیری رفتارهای آنها.

ImageNet مجموعه داده بزرگی از تصاویر برچسب دار است که توسط Fei Fei Lee در سال ۲۰۰۶ شروع شد و به طور گسترده در پیشرفت بینایی کامپیوتر و تحقیقات یادگیری عمیق استفاده می شود. از سال ۲۰۱۰، ImageNet به عنوان مجموعه داده ای برای یک مسابقه سالانه با هدف ارزیابی عملکرد الگوریتم های بینایی کامپیوتر در طبقه بندی تصاویر، تشخیص اشیا و وظایف محلی سازی خدمت کرد.

این لحظه ارجاعات کلارک مربوط به سال ۲۰۱۲ است، زمانی که چندین محقق هوش مصنوعی از جمله الکس کریژفسکی به همراه ایلیا سوتسکور و جفری هینتون یک معماری شبکه عصبی کانولوشنال (CNN) ایجاد کردند، نوعی یادگیری عمیق، که به کاهش چشمگیری در نرخ خطای طبقه بندی تصاویر دست یافت.

این لحظه پتانسیل یادگیری عمیق را نشان داد و همان چیزی است که به طور موثر عصر هوش مصنوعی مدرن را آغاز کرد. دیدگاه کلارک این است که صنعت اکنون می تواند در شرایط مشابهی برای روبات های فیزیکی باشد. اگر درست باشد، روبات‌های دوپا می‌توانند ظرف یک دهه با ما همکاری کنند، در بیمارستان‌ها و کارخانه‌ها، در فروشگاه‌ها یا در خانه کمک کنند. آینده ای را تصور کنید که در آن کارهای خانه شما بدون زحمت توسط روبات های مجهز به هوش مصنوعی مدیریت می شود.

سرعت پیشرفت هوش مصنوعی نفس گیر است

بسیاری از این نقاط عطف می توانند نزدیک باشند. جنسن هوانگ، مدیرعامل انویدیا گفت اخیراً AGI، نقطه‌ای که هوش مصنوعی می‌تواند در سطوح انسانی در طیف گسترده‌ای از وظایف انجام دهد، ممکن است ظرف پنج سال به دست آید. جیم فن، دانشمند تحقیقاتی ارشد و سرپرست عوامل هوش مصنوعی در انویدیا، اضافه که “سال گذشته در هوش مصنوعی مانند جهش از عصر حجر به عصر فضا است.”

غول مشاوره McKinsey تخمین زده است که نسل هوش مصنوعی بیش از این را اضافه خواهد کرد ۴ تریلیون دلار در سال به اقتصاد جهانی اوراق بهادار UBS اخیراً دیدگاه خود را در مورد هوش مصنوعی به‌روزرسانی کرده و آن را به نام «هوش مصنوعی» نامیده‌اند موضوع فناوری دهه و پیش بینی کرد که بازار هوش مصنوعی از ۲٫۲ میلیارد دلار در سال ۲۰۲۲ به ۲۲۵ میلیارد دلار تا سال ۲۰۲۷ خواهد رسید. این نشان دهنده نرخ رشد مرکب سالانه ۱۵۲ درصدی (CAGR) است که یک عدد واقعا شگفت انگیز است.

اشتیاق به پتانسیل هوش مصنوعی برای بهبود کیفیت زندگی ما بالاست. بیل گیتس گفت در نامه “یادداشت های گیتس” خود در پایان سال ۲۰۲۳ که “هوش مصنوعی در شرف تقویت خط لوله نوآوری است.” یک نیویورک تایمز مقاله دیوید لوان، مدیر عامل شرکت نوپای هوش مصنوعی Adept می گوید: “پیشرفت سریع هوش مصنوعی ادامه خواهد داشت. این امر اجتناب ناپذیر است.

با توجه به همه اینها، نباید تعجب آور باشد که هوش مصنوعی ژنرال در اوج انتظارات متورم است. بر این اساس به چرخه هایپ فناوری نوظهور گارتنر، معیاری برای سنجش اشتیاق برای فناوری های جدید.

آیا پیشرفت هوش مصنوعی اجتناب ناپذیر است؟

همانطور که از دستاوردهای هوش مصنوعی در سال ۲۰۲۳ لذت می بریم، همچنین باید به این فکر کنیم که پس از این دوره رشد سریع چه چالش هایی در پیش است. شتاب پشت هوش مصنوعی، حداقل از زمان رونق اینترنت که به دوران دات کام دامن زد، شبیه هیچ چیزی نیست که تا به حال دیده‌ایم – و دیدیم که چطور شد.

ممکن است چنین چیزی با رونق هوش مصنوعی در سال ۲۰۲۴ رخ دهد؟ یک ثروت مقاله همین‌طور نشان می‌دهد: «این سال احتمالاً سالی از تعدیل است، زیرا سرمایه‌گذاران متوجه می‌شوند که بسیاری از شرکت‌هایی که در آنها پول ریخته‌اند، مدل کسب‌وکار قابل اجرا ندارند، و بسیاری از شرکت‌های بزرگ متوجه می‌شوند که هزینه محاسبات بیشتر از سود است.»

آن دیدگاه با قانون آمارا که بیان می کند: “ما تمایل داریم تأثیر یک فناوری را در کوتاه مدت بیش از حد ارزیابی کنیم و تأثیر آن را در بلندمدت دست کم بگیریم.” این روش دیگری برای بیان این است که سیستم‌ها پس از اختلال تلاش می‌کنند تعادل را دوباره برقرار کنند، یا اینکه تبلیغات تبلیغاتی اغلب از واقعیت پیشی می‌گیرد.

این دیدگاه لزوماً نشان دهنده سقوط صنعت هوش مصنوعی نیست، اگرچه قبلاً دو بار اتفاق افتاده است. از آنجایی که در ابتدا در کنفرانس کالج دارتموث در سال ۱۹۵۶ به عنوان اصطلاح ابداع شد، هوش مصنوعی حداقل دو دوره از انتظارات بالا داشته است که به دلیل مشکلاتی که در ساخت و استقرار برنامه‌ها در زمانی که وعده‌های گمانه‌زنی محقق نشدند، به پایان رسید. دوره هایی که به عنوان “زمستان های هوش مصنوعی” شناخته می شوند، از سال ۱۹۷۴ تا ۱۹۸۰ و دوباره از سال ۱۹۸۷ تا ۱۹۹۳ رخ داده است.

نه همه رنگین کمان ها و تک شاخ ها

اکنون در میان یک “تابستان هوش مصنوعی” درخشان، آیا خطر زمستان دیگری وجود دارد؟ علاوه بر هزینه محاسبات، مسائل مربوط به استفاده از انرژی در آموزش و استنتاج مدل هوش مصنوعی نیز وجود دارد که با تغییرات اقلیمی و نگرانی‌های پایداری مواجه می‌شود.

پس از آن نیز، گاهی اوقات چیزهایی وجود دارد معرفی شده به عنوان “چهار سواران AI-pocalypse:” سوگیری داده ها، امنیت داده ها، نقض حق چاپ و توهم. موضوع حق چاپ با شکایت اخیر نیویورک تایمز علیه آن، فوری ترین موضوع است OpenAI و مایکروسافت. اگر تایمز برنده شود، برخی از مفسران پیروز شده اند حدس زداین می تواند کل مدل کسب و کار را که بسیاری از شرکت های هوش مصنوعی بر اساس آن ساخته شده اند، پایان دهد.

بزرگ‌ترین نگرانی، تهدید وجودی احتمالی هوش مصنوعی است. در حالی که برخی از ظهور AGI استقبال می‌کنند و این را راهی به سوی فراوانی نامحدود می‌دانند، بسیاری دیگر به رهبری طرفداران نوع‌دوستی مؤثر می‌ترسند که این امر منجر به نابودی بشریت شود.

یک جدید نظر سنجی بیش از ۲۷۰۰ محقق هوش مصنوعی میزان فعلی این ترس های وجودی را نشان می دهد. “میانگین پاسخ دهندگان ۵٪ یا بیشتر در مورد هوش مصنوعی پیشرفته که منجر به انقراض انسان یا موارد مشابه می شود، و یک سوم تا نیمی از شرکت کنندگان ۱۰٪ یا بیشتر را ارزیابی کردند.”

یک دیدگاه متعادل

اگر هیچ چیز دیگری نباشد، مشکلات شناخته شده و بالقوه به عنوان یک ترمز برای اشتیاق هوش مصنوعی عمل می کنند. با این حال، در حال حاضر، با پیش‌بینی‌های فراوان برای ادامه پیشرفت‌های هوش مصنوعی در سال ۲۰۲۴، شتاب به سمت جلو حرکت می‌کند.

مثلا نیویورک تایمز ایالت هاصنعت هوش مصنوعی امسال قرار است با یک ویژگی اصلی تعریف شود: بهبود سریع و قابل توجه فناوری در حالی که پیشرفت‌ها بر روی یکدیگر ساخته می‌شوند و هوش مصنوعی را قادر می‌سازد تا انواع جدیدی از رسانه تولید کند، استدلال انسان را به روش‌های جدید تقلید کند و نفوذ کند. از طریق نسل جدیدی از ربات ها وارد دنیای فیزیکی شوید.”

اتان مولیک، در کتاب یک چیز مفید خود می نویسد وبلاگدیدگاه مشابهی دارد: «به احتمال زیاد، توسعه هوش مصنوعی در واقع برای مدتی سرعت می‌گیرد، پیش از اینکه در نهایت به دلیل محدودیت‌های فنی، اقتصادی یا قانونی کند شود».

سال پیش رو در هوش مصنوعی بدون شک تغییرات چشمگیری را به همراه خواهد داشت. امیدواریم این موارد شامل پیشرفت هایی باشد که کیفیت زندگی ما را بهبود می بخشد، مانند کشف داروهای جدید نجات دهنده زندگی. به احتمال زیاد، خوش بینانه ترین وعده ها در سال ۲۰۲۴ محقق نخواهند شد که منجر به مقداری عقب نشینی در انتظارات بازار می شود. این ماهیت چرخه های هایپ است. امیدواریم چنین ناامیدی ها زمستان دیگری را با هوش مصنوعی به همراه نداشته باشند.

گری گروسمن EVP عمل فناوری در ادلمن و رهبر جهانی مرکز تعالی هوش مصنوعی Edelman.