هوش مصنوعی جایگزین نرم افزار نمی شود، همانطور که برق جایگزین بخار نشد.
هوش مصنوعی جایگزین نرم افزار نمی شود، همانطور که برق جایگزین بخار نشد. به نظر می رسد این روزها هوش مصنوعی تقریباً در همه جا وجود دارد، با این حال بیشتر مردم درک کمی از فناوری هوش مصنوعی، قابلیت ها و محدودیت های آن دارند.
علیرغم نام‌های خاطره‌انگیز مانند «هوش مصنوعی»، «یادگیری ماشین» و «شبکه‌های عصبی»، چنین فناوری‌هایی ارتباط چندانی با اندیشه یا هوش انسان ندارند.
در عوض، آنها روش‌های جایگزینی برای برنامه‌نویسی رایانه‌ها هستند که از مقادیر زیادی داده برای آموزش رایانه‌ها برای انجام یک کار استفاده می‌کنند.
قدرت این روش ها این است که به طور فزاینده ای برای کارهایی که برای رویکردهای توسعه نرم افزار مرسوم چالش برانگیز بوده اند مفید هستند.
استفاده تجاری از هوش مصنوعی تقریباً ربع قرن پیش، زمانی که سیستم توسعه یافته توسط IBM به نام Deep Blue، استاد بزرگ شطرنج، گری کاسپاروف را شکست داد، شروع اشتباهی داشت.
آن نسل از فناوری هوش مصنوعی برای حل بسیاری از مشکلات دنیای واقعی به اندازه کافی عمومی نبود و بنابراین به تغییرات عمده ای در نحوه برنامه ریزی سیستم های رایانه ای منجر نشد.
از آن زمان، پیشرفت‌های فنی قابل‌توجهی در هوش مصنوعی به‌ویژه در حوزه‌ای که به عنوان یادگیری ماشین شناخته می‌شود، وجود داشته است که هوش مصنوعی را از آزمایشگاه تحقیقاتی خارج کرده و به محصولات و خدمات تجاری وارد کرده است.
افزایش گسترده در قدرت محاسباتی و حجم عظیم داده‌هایی که امروزه در مقایسه با 25 سال پیش جمع‌آوری می‌شوند نیز برای کاربرد عملی فناوری‌های هوش مصنوعی حیاتی بوده است.
امروزه، فناوری هوش مصنوعی راه خود را به مجموعه‌ای از محصولات باز کرده است، از موتورهای جستجو مانند گوگل، دستیارهای صوتی مانند آمازون الکسا، تا تشخیص چهره در گوشی‌های هوشمند و رسانه‌های اجتماعی، تا طیف وسیعی از دستگاه‌های مصرف‌کننده «هوشمند» و لوازم خانگی.
هوش مصنوعی همچنین به طور فزاینده‌ای بخشی از سیستم‌های ایمنی خودرو است، با خودروها و کامیون‌های کاملاً مستقل در افق.
به دلیل پیشرفت‌های اخیر در یادگیری ماشین و شبکه‌های عصبی، سیستم‌های محاسباتی اکنون می‌توانند برای حل وظایف چالش‌برانگیز، معمولاً بر اساس داده‌های انسان‌هایی که کار را انجام می‌دهند، آموزش ببینند.
این آموزش به طور کلی نه تنها شامل حجم زیادی از داده ها می شود، بلکه افراد دارای تخصص قابل توجهی در توسعه نرم افزار و یادگیری ماشینی را نیز شامل می شود.
در حالی که شبکه های عصبی برای اولین بار در دهه 1950 توسعه یافتند، آنها فقط در چند سال گذشته کاربرد عملی داشته اند.
اما یادگیری ماشین چگونه کار می کند؟ شبکه‌های عصبی توسط نورون‌ها در انسان و سایر حیوانات تحریک می‌شوند، اما مانند نورون‌های بیولوژیکی عمل نمی‌کنند.
در عوض، شبکه‌های عصبی مجموعه‌ای از ماشین‌حساب‌های متصل و ساده هستند که تنها از نورون‌های واقعی و ارتباطات بین آنها الهام می‌گیرند.
بزرگترین پیشرفت اخیر در یادگیری ماشینی به اصطلاح یادگیری عمیق بوده است، جایی که یک شبکه عصبی در چندین “لایه” بین یک ورودی، مانند پیکسل ها در یک تصویر دیجیتال، و یک خروجی، مانند شناسایی یک صفحه، مرتب شده است.
چهره شخص در آن تصویر چنین شبکه ای با قرار دادن آن در معرض تعداد زیادی ورودی (مثلاً تصاویر در مورد تشخیص چهره) و خروجی های مربوطه (مثلاً شناسایی افراد در آن تصاویر) آموزش داده می شود.
هوش مصنوعی جایگزین نرم افزار نمی شود، همانطور که برق جایگزین بخار نشد.
برای درک تأثیرات اجتماعی و اقتصادی بالقوه هوش مصنوعی، نگاه کردن به انقلاب صنعتی آموزنده است.
نیروی بخار در بیشتر قرن نوزدهم، تا زمان ظهور نیروی الکتریکی در قرن بیستم، منجر به صنعتی شدن شد که منجر به پیشرفت‌های شگرف در صنعتی‌سازی شد.
به همین ترتیب، ما اکنون وارد عصری می‌شویم که فناوری هوش مصنوعی یک نیروی جدید بزرگ در انقلاب دیجیتال خواهد بود.
هوش مصنوعی جایگزین نرم افزار نمی شود، همانطور که برق جایگزین بخار نشد.
امروزه توربین‌های بخار بیشتر برق را تولید می‌کنند و نرم‌افزارهای معمولی بخشی جدایی‌ناپذیر از سیستم‌های هوش مصنوعی هستند.
با این حال، هوش مصنوعی حل وظایف پیچیده‌تر را آسان‌تر می‌کند، که حل آنها تنها با تکنیک‌های نرم‌افزاری معمولی چالش برانگیز است.
در حالی که هم روش‌های توسعه نرم‌افزار مرسوم و هم روش‌های هوش مصنوعی نیاز به تعریف دقیق تکلیفی دارند که باید حل شوند، توسعه نرم‌افزار معمولی مستلزم آن است که راه‌حل به صراحت در کد کامپیوتری توسط توسعه‌دهندگان نرم‌افزار بیان شود.
در مقابل، راه‌حل‌هایی با فناوری هوش مصنوعی را می‌توان به‌طور خودکار یا نیمه خودکار پیدا کرد، که دامنه و دشواری کارهایی را که می‌توان به آن پرداخته شد، بسیار گسترش داد.
علیرغم پتانسیل عظیم سیستم‌های هوش مصنوعی، آنها هنوز از حل بسیاری از وظایفی که افراد در آن مهارت دارند، مانند کارهایی که شامل هماهنگی چشم و دست یا مهارت دستی است، فاصله دارند.
بیشتر مشاغل، صنایع دستی و صنایع دستی بسیار فراتر از قابلیت های سیستم های هوش مصنوعی باقی می مانند.
همین امر در مورد وظایفی که به خوبی تعریف نشده اند و نیازمند خلاقیت، نوآوری، ابداع، شفقت یا همدلی هستند، صادق است.
با این حال، کارهای تکراری که شامل کار ذهنی می‌شود، کاملاً خودکار هستند، همانطور که کارهای تکراری شامل کار یدی برای نسل‌ها بوده است.
ارتباط بین فناوری‌های جدید و مشاغل پیچیده است، با فناوری‌های جدید که محصولات و خدمات با کیفیت بهتر را با قیمت‌های مقرون‌به‌صرفه‌تر امکان‌پذیر می‌سازد، اما کارایی را نیز افزایش می‌دهد که می‌تواند منجر به کاهش مشاغل شود.
فناوری‌های جدید به طور کلی برای جامعه خوب هستند زیرا می‌توانند استانداردهای زندگی را به طور گسترده افزایش دهند.
با این حال، هنگامی که منجر به از دست دادن شغل می شوند، نه تنها معیشت فردی بلکه احساس هویت را نیز تهدید می کنند.
یک مثال جالب، معرفی دستگاه های خودپرداز در دهه 1970 است که بانکداری را از صنعتی با دسترسی مشتریان بسیار محدود به صنعتی که 24/7 کار می کرد، تبدیل کرد.
در همان زمان، سطوح استخدام عابر بانک در ایالات متحده برای چندین دهه ثابت ماند.
تأثیرات روی استفاده از اتوماسیون به دلیل هوش مصنوعی احتمالاً پیچیده است، زیرا هوش مصنوعی دارای پتانسیل خودکارسازی نقش‌هایی است که خود پیچیده‌تر از فناوری‌های قبلی هستند.
ما در روزهای اولیه یک انقلاب بزرگ فناوری هستیم و هنوز امکانات بزرگ هوش مصنوعی و همچنین نیاز به رسیدگی به اثرات مخرب احتمالی بر اشتغال و احساس هویت برای کارگران در مشاغل خاص را ندیده ایم.
هوش مصنوعی جایگزین نرم افزار نمی شود، همانطور که برق جایگزین بخار نشد.
