• طبقه بندی مقالات
    • هوش مصنوعی و علوم شناختی
      هوش مصنوعی و علوم شناختی
      فهم بهتر و عمیق تر تعاریف و اکوسیستم هوش مصنوعی و تعیین جایگاه آن نسبت به علوم مرتبط (از جمله علوم شناختی)، در سیاستگذاری، قانونگذاری و برخورد بجا با این فناوری نوین، کمک بسزایی خواهد کرد. هوش از دید تئوری، سیستمِ استخراجِ الگو و الگوریتم از دل داده ها است. هوش مصنوعی یعنی چیزی خلق کنیم که هوش بیولوژیکی انسان را تقلید کند. ویژگی های کلیدی یک سیستم هوشمند، برخورداری از توانایی یادگیری بر اساس الگوها، تجارب و بازخوردهای تاریخی، توانایی استنتاج در موقعیت های مختلف و قابلیت تحلیل و حل مسائل است.
      نظریه آلن تورینگ، اولین تئوریسین هوش مصنوعی امروزه همچنان به عنوان اصلی ترین هدف در هوش مصنوعی مطرح است: "اگر یک ماشین قادر باشد که به تمامی پرسش هایی که از آن می شود پاسخ دهد و از جملاتی که یک انسان از آن استفاده می کند، بهره گیرد، آن موقع است که ما به آن ماشین، باهوش می گوییم." به ایده تورینگ، ایرادات زیادی وارد شده است از جمله اینکه اساساً برخی از رفتارهای انسان هوشمندانه نیست؛ و بسیاری از رفتارهای هوشمندانه هم انسانی نیست!
      دو رویکرد در تقسیم بندی سیستم های هوشمند، وجود دارد؛ در رویکرد اول، تقسیم بندی بر اساس میزان شباهت سیستم به هوش انسان صورت می گیرد. در این حالت، هوش مصنوعی به دو نوع ضعیف و قوی تقسیم می شود. هوش مصنوعی ضعیف، در صدد مدل کردن یکی از کارکردهای ذهن و مغز انسان مانند گرایش های بینایی ماشین، پردازش تصویر یا یادگیری ماشین است. اما هوش مصنوعی قوی، در صدد ایجاد سیستمی با هوشمندی کلی یک انسان است. این سیستم، اعمال پیچیده ذهن و مغز (B&M1) را به شکلی که نمی توان تشخیص داد انسان است یا ربات، انجام می دهد.
      در رویکرد دوم، سیستم های هوش مصنوعی بر اساس نوع فعالیت در یکی از سه گروه زیر جانمایی می شوند:
      • هوش مصنوعی همکار (Assisted): به فعالیتی که قبلا انجام می شده، ارزش افزوده می بخشد. طبقه بندی تصاویر دارویی در نظام سلامت، پردازش خودکار مطالبات بیمه در امور مالی، نمونه هایی از هوش مصنوعی همکار هستند.
      • هوش مصنوعی تقویتی (Augmented): توانایی جدیدی را برای فعالیت های انسانی فراهم می کند و برای بخش های مختلف این امکان را بوجود می آورد تا کارهایی که قبلاً قادر به انجام آن نبودند را انجام دهند. هوش تقویتی، بر خلاف هوش همکار، اساساً ماهیت کار را تغییر می دهد و مدل های تجاری نیز متناسب با آن تغییر می کنند. شبیه سازی عملکرد اندام از کار افتاده، نمونه ای از هوش مصنوعی تقویتی است.
      • هوش مصنوعی خودمختار (Autonomous): سیستم های اطلاعاتی خودمختاری هستند که بدون دخالت و نظارت مستقیم انسان تصمیم می گیرند. مانند سیستم هایی که بمب ها را دفع کرده، داده هایی را در اعماق دریا جمع می کنند، ایستگاه های فضایی را محافظت می کنند و یا سایر وظایف را برای افراد در فضای ناامن به صورت خودمختار انجام می دهند.
      سیستم الهام گرفته از هوش مصنوعی تقریباً در هر زمینه ای (اعم از خدمات بهداشتی، آموزشی، امنیت عمومی، امور مالی، توسعه بین المللی، اتوماسیون، رسانه اجتماعی، فروش، بازاریابی، هنر و ...) کاربرد دارند. انتظار می رود استفاده از هوش مصنوعی، بهبود در تولید و بهره وری، صرفه جویی در وقت و پیش بینی های بهتر (که موجب تصمیم گیری های بهینه و به موقع می گردد) را به همراه داشته باشند. ممکن است در کنار پیامدهای مثبت این فناوری، پیامدهای منفی نظیر تسخیر زندگی بشر، انتشار اخبار جعلی و ایجاد هویت های جعلی مانند Deepfake (که منجر به تضعیف حس اعتماد میان شهروندان و دولت شده)، عدم هماهنگی نوآوری فناورانه در این حوزه با نیازهای اخلاقی جامعه و همچنین رقابت کشورها و شرکتهای بزرگ فناوری در تجمیع داده مرتبط با افراد (به عنوان عاملی برای ایجاد برتری اقتصادی، پزشکی و امنیتی در سراسر جهان) و ظهور استعمار سایبری2 جهت شناخت و کنترل سایر جوامع و زیست بوم های در حال توسعه، تضعیف راهکارهای سنتی در حکمرانی و تغییر معادله "قدرت" را هم به همراه داشته باشد.
      برخی از آمارهای پیش بینی شده در حوزه هوش مصنوعی عبارتند از:
      • تا سال 2025 ، هوش مصنوعی درآمد 90 میلیارد دلاری خواهد داشت.
      • تا سال 2030 چین بیشترین بهره3 از هوش مصنوعی را (معادل 7 تریلیون دلار) خواهد داشت.
      • هوش مصنوعی تقویتی4 تا سال 2030 بیشترین ارزش5 (حدود 44 %) را برای کسب و کارها ایجاد می کنند.
      • تا سال 2019 بانک ها 20 درصد از 41.5 میلیارد دلار بودجه جهانی سامانه های شناختی را به خود اختصاص خواهند داد.
      • سرمایه گذاری برای استارتاپ ها در حوزه هوش مصنوعی در نیمه دوم سال 2019 برابر 7.4 میلیارد دلار است.
      برخلاف تصور، ذهن بشر از مغز او بسیار پیچیده تر است. ذهن و مغز انسان(B&M) در 5 تا 6 سال اولیه زندگی شکل می گیرد. از این رو بسیاری از دانشمندان معتقدند که B&M خاص انسان است و به همین دلیل از واژه " human mind " استفاده می کنند. حالات مغز 6 را می توان به عنوان فعالیت های سیستم مغزی یا سیستم عصبی مرکزی در نظر گرفت به نحوی که بر بدن ظاهر می شوند و با دستگاه های مثل اسکنرها، اشعه های X و MRI اندازه گیری می شوند. ولی حالات ذهن7 (از قبیل احساسات، افکار، تمایلات، تالمات و ایده ها و حساسیت ها و ...) اشیاء مادی قابل مشاهده نبوده و انتزاعی هستند. پردازش اطلاعات ذهنی نیاز به انتزاع عمیق دارد که تنها با نمایش نمادین و پردازش روی نمادها امکان پذیر است.
      به عقیده بعضی از متخصصان سیستمی که مانند انسان دارای B&M باشد، با استفاده از هوش مصنوعی قابل پیاده سازی نیست چرا که اعمال پیچیده مغز در سطح نرونی اتفاق می افتد و پیچیدگی های فراوانی دارد که هوش مصنوعی قادر به شبیه سازی آن نیست. ذهن علاوه بر calculation نسبت به computation هم اقدام می کند. Computation برخلاف calculation در ذات خود خردورزی و اندیشه ورزی و استنتاج گری، بهینه سازی و آینده نگری دارد و ذهن، دارای قدرت computation است. علاوه بر این، متغیرها و پارامترهای ذهن را نمی توان به طور مستقیم اندازه گیری کرد چرا که اینها معادل با هیچ یک از حالات یک ماده یا نوعی از انرژی نیستند که بتوان با دستگاه ها اندازه گیری نمود. بعنوان مثال، در سیستم های دینامیکی متعارف چیزی به نام "نیت" لحاظ نمی گردد؛ در حالی که نیت در B&M نقش بزرگی دارد. از سوی دیگر، سیستم های مصنوع بشر توسط ذهن و مغز او مورد بررسی قرار می گیرند. بنابراین تجزیه و تحلیل B&M توسط ماشین ها (که مصنوع بشری هستند) امر پیچیده و دشواری است. برهمین اساس، دیدگاه واحدی در خصوص امکان ساخت ماشینی با قدرت ذهن بشر وجود ندارد. همه این موضوعات موجب می گردد که "علوم شناختی" بعنوان یک مطالعه بین رشته ای8 با مجموعه ای از دانش های مختلف از جمله روانشناسی، فلسفه ذهن، زبان شناسی، ریاضیات و فیزیک و هوش مصنوعی مرتبط بوده و از این علوم برای شناخت ذهن و مغز انسان کمک بگیرد.
      تدوین استانداردها، الزامات، مشخصات و دستورالعمل ها در حصول اطمینان از اینکه فناوری های هوش مصنوعی، اهداف مطلوب را همراه با عملکرد مناسب و به صورت ایمن پیش می برند، اهمیت ویژه ای دارند. سه نوع استراتژی در مورد پیشرفت فناوری هوش مصنوعی وجود دارد:
      1. سیاست هایی که بر الگوی انتشار و توسعه هوش مصنوعی تمرکز دارند؛
      2. سیاست هایی که بر پیامدهای انتشار و توسعه آن متمرکز هستند؛
      3. سیاست های ترکیبی؛

      بر این اساس، کشورهای صاحب فناوری، در حوزه استاندارسازی این فناوری نوظهور اقداماتی را صورت داده که از جمله می توان پیش نویس برنامه دولت فدرال آمریکا برای تدوین استانداردهای فنی و ابزارها در توسعه و انتشار هوش مصنوعی، راهبرد ملی هوش مصنوعی کانادا سیاست ترکیبی اتخاذ کرده و برنامه توسعه هوش مصنوعی چین که شامل سیاست های آموزش، دستیابی به مهارت ها و هنجارهای اخلاقی و امنیت و طرح "هماهنگی هوش مصنوعی" اتحادیه اروپا که سیاست ترکیبی را در دستور کار خود قرار داده است، اشاره نمود.


      پی نوشت :
      1- Brain and Mind
      2- cyber-colonization

      3- Gain
      4- Augmented
      5- Business Value
      6- Brain Status
      7- Mind Status
      8- interdisciplinary
      کلمات کلیدی

      شورای عالی فضای مجازی، مرکز ملی فضای مجازی، معاونت راهبری فنی، هوش مصنوعی، علوم شناختی

      منبع اصلی مقاله


      منبع درج


      منابع


      نظر کاربران
      نام:
      پست الکترونیک:
      شرح نظر:
      کد امنیتی:
       
تمامی حقوق برای مرکز ملی فضای مجازی محفوظ است. هر گونه کپی‌برداری از مطالب با ذکر منبع بلامانع است.