خلاصه‌ای از رویدادهای مهم هوش مصنوعی در سال ۲۰۲۰

سالانه ده‌هاهزار مقاله با موضوع هوش مصنوعی منتشر می‌شوند؛ اما باز‌هم برای نمایش قابلیت واقعی این فناوری نیاز به زمان است. در‌عین‌حال، سرمایه‌گذاران برتر هوش مصنوعی از‌جمله الفابت، اپل، فیسبوک، بایدوس و دیگر غول‌های فناوری، پشت درهای بسته به پژوهش‌های هیجان‌انگیز خود در زمینه‌ی هوش مصنوعی ادامه می‌دهند.

باتوجه‌به سرعت درخورتوجه هوش مصنوعی، دنبال‌کردن جدیدترین و مهم‌ترین فناوری‌ها در طول یک سال بسیار دشوار می‌شود؛ اما بدون شک هوش مصنوعی در سال ۲۰۲۰، در تمام ابعاد تأثیر گسترده‌ای گذاشته است. در‌ این مقاله، به شش پیشرفت و زمینه‌ی نوظهور اصلی هوش مصنوعی در سال ۲۰۲۰ اشاره شده است.

شاید در سالی معمولی، ابزارهای تولید متن در میان هیجان‌انگیز‌ترین پیشرفت‌های جدید هوش مصنوعی رتبه‌بندی نشود؛ اما ۲۰۲۰ سالی معمولی نبود و GPT-3 هم ابزار تولید متن معمولی نیست. نسخه‌ی قبلی آن، یعنی GPT-2، به‌عنوان خطرناک‌ترین الگوریتم جهان برچسب‌گذاری شد. GPT-3 حالا نسخه‌ی جدید شبکه‌‌ی عصبی پردازش زبان طبیعی اتورگرسیوی است که آزمایشگاه OpenAI آن را توسعه داده است.

GPT-3 با ورودی جملات اندک مثل ابتدای روایتی خبری می‌تواند متنی منطبق با سبک و محتوای خطوط اول را تولید کند و حتی نقل‌قول‌هایی در آن بگنجاند. GPT-3 تقریبا ۱۷۵ میلیارد پارامتر دارد و آموزش آن ۱۲ میلیون دلار هزینه دربرداشت.

GPT-3، تنها مدل زبانی تأثیرگذار هوش مصنوعی در سال ۲۰۲۰ نیست؛ چراکه تولید زبان طبیعی تورینگ از شرکت مایکروسافت (T-NLG) هم در فوریه‌ی ۲۰۲ معرفی شد. این مدل با قابلیت تولید ۱۷ میلیارد پارامتر، بزرگ‌ترین مدل زبانی تا آن زمان بود. مدل زبان تولیدی مبتنی بر ترانسفورمر T-NLG می‌توانست کلمات ضروری برای تکمیل جملات ناتمام تولید کند و پاسخ‌های مستقیم به پرسش‌ها و خلاصه‌سازی اسناد بدهد.

ترانسفورمر که اولین‌بار گوگل در سال ۲۰۱۷ معرفی کرد، نوع جدیدی از مدل یادگیری عمیق است که به تحول پردازش زبان طبیعی کمک کرده است. قدمت رابطه‌ی هوش مصنوعی و زبان به آزمایش فرضیه‌ای مشهور آلن تورینگ از هوش ماشین بازمی‌گردد؛ اما به‌لطف پیشرفت‌های جدید، ماشین‌ها می‌توانند به عملکرد بسیار موفقی در زمینه‌ی درک زبان برسند. در‌ادامه‌ی دهه‌ی جاری، این مسئله تأثیرات چشمگیری به‌دنبال خواهد داشت.

GPT-3 و T-NLG نقاط عطف یا حداقل گرایش‌های معنادار در هوش مصنوعی هستند. با اینکه کمبودی از‌لحاظ استارتاپ و آزمایشگاه‌های کوچک دانشگاهی و افراد استفاده‌کننده از هوش مصنوعی احساس نمی‌شود، وجود بازیگران اصلی در این عرصه می‌تواند به‌معنی مبادله‌‌ی جدی منابع باشد. مدل‌های بزرگ با هزینه‌ی یادگیری چشمگیر، در پژوهش‌های جدید هوش مصنوعی گسترش یافته‌اند. شبکه‌های عصبی با میلیاردها پارامتر به‌سرعت در‌ حال توسعه هستند.

۱۷۵ میلیارد پارامتر GTP-3 یکی از پیشرفت‌های هوش مصنوعی است؛ اما مدل‌های جدید مثل Meena ،NGL تورینگ، DistillBERT و BST 9.4B نیز از یک‌میلیارد پارامتر عبور کرده‌اند. پارامترهای بیشتر لزوما به‌معنی عملکرد بهتر در هر نمونه‌ای نیستند. با‌این‌حال، می‌تواند بدین‌معنی باشد که ابزار تولید متن می‌تواند از مجموعه‌ی بزرگی از توابع مدل‌سازی دقیق کند.

برای تکثیر هوش مصنوعی مشابه مغز انسان، وجود پارامترهای بیشتر ضرورت به‌شمار می‌رود؛ به‌همین‌دلیل، وقتی بحث مدل‌های بزرگ‌تر مطرح می‌شود، بازیگران بزرگ این عرصه قوانین را تعیین می‌کنند. برای آموزش شبکه، به‌ازای هر ۱،۰۰۰ پارامتر یک دلار هزینه می‌شود.

تنها دانشمندان کامپیوتر از پیشرفت‌های هوش مصنوعی سود نخواهند برد. پژوهشگران رشته‌های دیگر هم ایده‌‌های نوآورانه‌ای درباره‌ی کاربردهای یادگیری ماشین دارند. برای مثال، از هوش مصنوعی می‌توان برای تشخیص تینیتوس (زنگ‌زدن گوش) بر‌اساس اسکن‌های مغزی استفاده کرد یا هدست‌های ذهن‌خوانی می‌توانند از یادگیری ماشین برای تبدیل افکار به کلمات گفتاری برای افراد لال استفاده کنند. آلفا فولد شرکت دیپ‌مایند یکی از نمونه‌های هوش مصنوعی برای پیش‌بینی شکل پروتئین‌ها بر‌اساس توالی آن‌ها است؛ از‌این‌رو، می‌تواند به توسعه‌ی سریع درمان‌های موفق کمک کند. به‌طور‌کلی، هوش مصنوعی در بسیاری از زمینه‌ها شاخصه‌های پژوهشی جذابی را در سال ۲۰۲۰ به‌وجود آورد.

دقت زمانی اعمال می‌شود که ربات‌ها کار را به‌دست بگیرند. در سال جاری، تعداد زیادی از مشاغل در سراسر جهان از بین رفتند. با‌این‌حال، این اتفاق‌ها پیامدهای دنیاگیری بودند، نه ربات‌ها. با اینکه نمونه‌هایی از هوش مصنوعی و ربات برای انجام وظایف انسانی وجود دارند، این موارد صرفا برای بهبود توانایی‌های انسان و کمک به او در حوزه‌هایی توسعه می‌یابند که نیروی کار کافی و پیوسته ندارند. در‌واقع، امروزه شرکت‌هایی مثل غول‌های فناوری که نیروهای زیادی را استخدام می‌کنند،  هم‌زمان روی فناوری‌های پیشرفته هم سرمایه‌گذاری می‌کنند.

البته نمی‌توان گفت روبوکالیپس یا هوش مصنوعی کنترل‌ناپذیر پیش‌بینی نادرستی است. این ذهنیت از سوی طبقه‌ی متوسط ادامه می‌یابد؛ گرچه ماهیت آن بسیار پیچیده‌تر از ظهور شرکت‌های فناوری است که ابزارهای نرم‌افزاری هوشمند را معرفی می‌کنند. اگر سال ۲۰۲۰ تنها یک حرف برای گفتن درباره‌ی هوش مصنوعی و اشتغال داشته باشد، آن‌هم پیچیدگی تمام‌ کارها است.

بدون شک، سال ۲۰۲۰ سالی عجیبی برای ازبین‌بردن مرزهای واقعیت به شیوه‌‌ای عجیب بود. در ابتدای سال، کووید ۱۹ جهان را درست مانند فیلمی هیجان‌انگیز در قرنطینه فرو‌برد؛ اما افراد چگونه از این واقعیت جدید فرار می‌کردند؟ پاسخ مشخص است: با سرگرمی‌های متناسب با دنیاگیری. سپس، انتخابات سال ۲۰۲۰ ایالات متحده به دو شیوه‌ی مجازی و حضوری ادامه یافت.

همچنین، هوش مصنوعی نقش عمده‌ای در حملات به شکل فناوری‌های دیپ‌فیک دارد. دیپ‌فیک‌ها اختراع سال ۲۰۲۰ نیستند؛ بلکه امسال به پیشرفت‌های چشمگیری رسیدند. ماه جولای، پژوهشگران مرکز واقعیت پیشرفته‌ در مؤسسه‌ی فناوری ماساچوست ویدئی دیپ‌فیکی از ریچارد نیکسون، رئیس‌جمهور سابق ایالات متحده را ساختند که سخنان متفاوتی درباره‌ی فرود بر سطح ماه مطرح می‌‌کند.

به‌موازات دیپ‌فیک‌های بصری قانع‌کننده و واقعی، پژوهشگران تعدادی دیپ‌فیک صوتی دقیق هم ایجاد کردند. یکی از نمونه‌های آن، دیپ‌فیک صوتی امینم، خواننده و رپر آمریکایی است که جملاتی در مخالفت با مارک زاکربرگ، مدیرعامل فیسبوک می‌گوید.

دیپ‌فیک‌های یادشده هم بسیار ترسناک هستند؛ زیرا سوءاستفاده از آن‌ها می‌تواند پیامدهای ناگواری به‌دنبال داشته باشد. قانون AB-730 کالیفرنیا به‌منظور غیرقانونی‌کردن استفاده از دیپ‌فیک‌ها به‌دلیل ارائه‌ی اطلاعات نادرست از سخنان و اعمال سیاست‌مداران، تلاش واضحی برای تنظیم قوانین هوش مصنوعی و توسعه‌ی ابزار هوش مصنوعی برای اهداف مثبت بود.

تمرکز هوش مصنوعی بر اصول اخلاقی یکی از موضوعاتی است که اولین‌بار عمومی می‌شود. بخش زیادی از این اعتبار به پژوهشگرانی مثل کارولین کریادو پرز و سافیا اوموجا نوبل باز می‌گردد که به‌طور خستگی‌ناپذیری برای تشخیص انحراف‌های الگوریتمی و تأکید بر اهمیت پاسخ‌گویی تلاش می‌کنند.