نگار علی، غزال زیاری- در سال‌هایی که واژه‌ی «هوش مصنوعی» دیگر نه فقط یک اصطلاح فنی بلکه عبارتی آشنا در مکالمات روزمره شده، بسیاری از ما درگیر این پرسش شده‌ایم: واقعاً با چه چیزی طرف هستیم؟ آیا با موجی زودگذر روبه‌روییم یا تحولی بنیادین که زندگی ما را از ریشه دگرگون می‌کند؟ برای رسیدن به پاسخ، به سراغ حمیدرضا کشاورز رفتیم، مهندس یادگیری ماشین، سخنران TEDx و خالق یکی از الگوریتم‌های دسته‌بندی داده در جهان، کسی که خود در دل این تحولات ایستاده است.
«هوش مصنوعی» دقیقا چیست؟
در آغاز، از او خواستیم ساده و روشن برایمان بگوید که اساساً «هوش مصنوعی» چیست؛ مفهومی که این‌روزها زیاد درباره‌اش می‌شنویم، اما برای خیلی‌ها همچنان گنگ باقی مانده است.
کشاورز توضیح می‌دهد: «هوش مصنوعی یک اصطلاح چتری است که طیف گسترده‌ای از روش‌ها و الگوریتم‌ها را در بر می‌گیرد. برخلاف تصور عمومی، بسیاری از مباحث مرتبط با هوش مصنوعی جدید نیستند؛ برخی از آن‌ها حتی به اواخر قرن نوزدهم بازمی‌گردند. در واقع، در هوش مصنوعی ما با مجموعه‌ای از مسائل و روش‌ها سروکار داریم که هدف اصلی آن‌ها کشف الگوهای پنهان در داده‌هاست.»
شاهد حضور گسترده‌تر هوش مصنوعی در ابعاد مختلف زندگی هستیم
برای اینکه درک روشن‌تری از کاربردهای عملی این فناوری پیدا کنیم، از او خواستیم با یک مثال ساده توضیح دهد چطور این کشف الگوها در دنیای واقعی به کار می‌آیند.
او می‌گوید: «تصور کنید یک مغازه دارید که فروش روزانه‌اش ثبت می‌شود. در نگاه اول ممکن است الگوهای خاصی در این فروش دیده نشود، اما الگوریتم‌های هوش مصنوعی می‌توانند این داده‌ها را تحلیل کنند و مثلاً پیش‌بینی کنند که فردا فروش چقدر خواهد بود. حتی ممکن است نتیجه‌ای ارائه دهند که از نگاه انسانی عجیب یا غیرمنتظره باشد، اما در عمل درست از آب دربیاید. این فقط یک نمونه ساده است؛ در واقع، با پیشرفت سخت‌افزارها و پیچیده‌تر شدن الگوریتم‌ها، امروز شاهد حضور گسترده‌تر هوش مصنوعی در ابعاد مختلف زندگی هستیم.»
ChatGPT چگونه کار می‌کند؟
در ادامه، بحث به مدل‌های زبانی بزرگ مثل ChatGPT کشیده می‌شود که در سال‌های اخیر سروصدای زیادی به پا کرده‌اند. از او می‌پرسیم که این مدل‌ها دقیقاً چه تفاوتی با الگوریتم‌های پیشین دارند؟
کشاورز با تأکید بر نقطه‌عطف بودن این مدل‌ها می‌گوید: «مدل‌هایی مثل ChatGPT باعث شدند هوش مصنوعی بیش از پیش به چشم بیاید. این مدل‌ها بر پایه‌ی شناسایی الگوهای پیچیده میان کلمات و داده‌های متنی شکل گرفته‌اند. زمانی که شما با این ابزارها گفتگو می‌کنید، در واقع خروجی تحلیل همان الگوهایی را دریافت می‌کنید که مدل، با استفاده از حجم عظیمی از داده‌ها، در طول فرآیند آموزش خود آموخته است.»
از سال ۱۹۹۰ شاهد ورود هوش مصنوعی به عرصه‌های مختلف بودیم
اما آیا پیش از ظهور ابزارهایی مثل ChatGPT، هوش مصنوعی در صنایع مختلف مورد استفاده قرار می‌گرفت؟ کشاورز بدون تردید پاسخ می‌دهد: «قطعاً. استفاده از هوش مصنوعی سابقه‌ی چند دهه‌ای دارد. به‌طور جدی‌تر، از دهه ۱۹۹۰ میلادی شاهد ورود آن به عرصه‌های مختلف بودیم. مثلاً شرکت‌ها برای پیش‌بینی فروش، الگوریتم‌هایی توسعه دادند. یا به یک نمونه جالب اشاره کنم؛ باشگاه فوتبال آ.ث. میلان حدود سال ۲۰۰۰، پس از تجربه‌ی یک خرید ناموفق به‌خاطر مصدومیت پنهان بازیکن، الگوریتمی طراحی کرد که قادر بود احتمال آسیب‌دیدگی بازیکنان را پیش‌بینی کند. این مدل کمک کرد تا نرخ مصدومیت بازیکنان به شکل محسوسی کاهش یابد.»
هوش مصنوعی همین حالا در جیب ماست
این مثال‌ها ما را به این پرسش می‌رساند که آیا می‌توان گفت هوش مصنوعی امروز به بخشی از زندگی روزمره‌مان تبدیل شده است؟ کشاورز تأیید می‌کند: «بدون شک. یکی از نمونه‌های قابل مشاهده، گوشی‌های هوشمند است. در گذشته، برای گرفتن یک تصویر سه‌بعدی واقعی نیاز به دوربین‌هایی با لنزهای فیزیکی مجزا داشتیم. اما امروزه گوشی‌های هوشمند با استفاده از چندین سنسور و تحلیل داده‌ها از طریق الگوریتم‌های هوش مصنوعی، چنین تصاویری را تولید می‌کنند. در واقع، آنچه ما به عنوان خروجی می‌بینیم، نتیجه‌ی پردازش‌های پیچیده‌ای‌ست که دیگر از چشم انسان پنهان مانده‌اند.»
با اشاره‌ی او به کاربرد هوش مصنوعی در دوربین‌های گوشی، بحث را به‌سوی کیفیت این تصاویر می‌بریم و می‌پرسیم که واقعاً چطور ممکن است کیفیت تصویر یک گوشی هوشمند از دوربین‌های حرفه‌ای دهه پیش بهتر باشد؟
کشاورز توضیح می‌دهد: «نکته جالب همین‌جاست. تصویری که امروز با گوشی هوشمند ثبت می‌کنیم، حاصل پردازش سنگین هوش مصنوعی روی داده‌های تصویری است. اگر مقایسه‌ای انجام دهیم، خروجی همین گوشی‌ها از بسیاری از دوربین‌های عکاسی نسبتاً گران‌قیمت دهه گذشته بهتر است. در حالی که گوشی به لحاظ فیزیکی فضای بسیار محدودی دارد و دیگر امکان نصب لنزهای بزرگ و پیچیده در آن نیست، اما کیفیت تصویر همچنان ارتقاء یافته، چون آنچه در پشت صحنه اتفاق می‌افتد ترکیبی از مهندسی نرم‌افزار، الگوریتم‌های پردازش تصویر و هوش مصنوعی است.»
چرا ChatGPT این‌قدر محبوب شد؟
دوباره به ChatGPT بازمی‌گردیم؛ همان مدلی که حالا در دسترس عموم است و توانسته توجه گسترده‌ای جلب کند. از کشاورز می‌پرسیم چه چیزی باعث شد این مدل خاص تا این اندازه فراگیر شود؟
او دلیل اصلی را در جذابیت تجربه‌ی تعاملی با این مدل می‌داند: «مهم‌ترین نکته این است که محیط متنی و تعاملی برای انسان بسیار جذاب است. اینکه بتوانید با یک مدل مکالمه کنید و پاسخ خود را دریافت کنید، تجربه‌ای نزدیک به تعامل انسانی است. در سال‌های ۲۰۱۳ و ۲۰۱۴، پردازش تصویر موضوع داغی بود. آن زمان مدل‌هایی ایجاد شدند که می‌توانستند اشیاء داخل تصویر را تشخیص دهند یا موقعیت جغرافیایی عکس را تخمین بزنند. این‌ها هم جذاب بودند، اما ChatGPT یک قدم فراتر رفت. با انسان حرف می‌زد، شوخی می‌کرد، پاسخ‌ها را مودبانه و همراه با احساس می‌داد، و همین شباهت به یک مکالمه واقعی باعث شد مردم به آن جذب شوند.»
محبوبیتی که یک‌شبه به‌دست نیامد
با در نظر گرفتن این جذابیت و فراگیری، از او می‌پرسیم که آیا ChatGPT را می‌توان محصول ناگهانی دانست یا اینکه پشت آن سال‌ها تحقیق و توسعه نهفته است؟
پاسخ روشنی می‌دهد: «دقیقاً. ظهور آن محصول نهایی مسیر بسیار طولانی بود. این مدل‌ها حاصل صدها گام تحقیقاتی و مهندسی‌اند. حتی وقتی با ChatGPT صحبت می‌کنید و می‌گوید ‘من دوره طنز گذرانده‌ام’، در واقع بازتابی از داده‌هایی است که از طنز یاد گرفته. جالب اینجاست که مدل‌های زبانی تلاش می‌کنند پاسخ‌هایی ارائه دهند که شما را راضی نگه دارند. آن‌ها با نوعی محافظه‌کاری پاسخ می‌دهند تا حس خوبی به کاربر منتقل کنند.»
آیا می‌توان به پاسخ‌های هوش مصنوعی اعتماد کرد؟
در همین نقطه، به مسئله‌ی دقت و صحت این پاسخ‌ها می‌رسیم. از کشاورز می‌پرسیم آیا می‌توان به پاسخ‌های مدل‌هایی مانند ChatGPT اعتماد کرد؟ به‌خصوص وقتی کاربران برای مسائل حساسی مثل مشاوره پزشکی یا روان‌پزشکی به آن‌ها مراجعه می‌کنند؟
تأکید می‌کند: «این نکته خیلی مهم است. از یک طرف، بله، مدل‌ها طوری طراحی شده‌اند که پاسخ‌های قابل قبولی بدهند و کاربر را راضی کنند. اما از طرف دیگر، داده‌ای که این مدل‌ها با آن آموزش دیده‌اند، بسیار کلی و عمومی بوده است. ChatGPT مثلاً برای مشاوره پزشکی طراحی نشده. مدل‌هایی تخصصی وجود دارند که مثلاً فقط برای تحلیل تصاویر رادیولوژی یا آنژیوگرافی آموزش دیده‌اند و دقت بالایی دارند. ولی مدل‌هایی مثل ChatGPT برای آن نوع تحلیل‌های عمیق تخصصی مناسب نیستند.»
حمیدرضا کشاورز در پایان، وقتی درباره استفاده عمومی از چنین مدل‌هایی در حوزه‌هایی مثل پزشکی یا روان‌شناسی می‌پرسیم، هشدار می‌دهد: «بله. حتی اگر پاسخ به ظاهر خوب و دقیق باشد، توصیه اکید این است که چنین ابزارهایی صرفاً به‌عنوان دستیار یا ابزار کمکی استفاده شوند و در کنار نظارت متخصص انسانی قرار گیرند. چون ChatGPT اگرچه بسیار قدرتمند است، اما هنوز در عمق تخصصی ورود نکرده و در موارد حساس ممکن است خطاهایی بدهد که پیامدهای جدی داشته باشد. برای کاربردهای خاص، باید از مدل‌های اختصاصی همان حوزه استفاده کرد.»
انتشار مطالب کافه خبر حمیدرضا کشاورز در سرویس هوش مصنوعی خبرآنلاین ادامه دارد؛ همچنان با تازه‌ترین تحلیل‌ها و دستاوردهای در حوزه هوش مصنوعی با ما همراه باشید.
۲۲۷۲۲۷
نظر شما