هوش مصنوعی چیست

هوش مصنوعی دقیقا به چه چیزی گفته می شود

هوش مصنوعی نام یک هدف است و نه نام یک روش: ساختن برنامه هایی که کاری را انجام بدهند که تا دیروز قضاوت آدم لازم داشت. زیر همین یک اسم، چند دهه روش کاملا متفاوت جمع شده اند، و بیشتر برداشت های غلط از همین جا شروع می شود.

چیزی که امروز پشت این کلمه فروخته می شود اما مشخص است: مدلی که رفتارش را از داده ساخته. مثال ملموسش فیلتر هرزنامه است. نسخه قدیمی یک فهرست دستی بود؛ اگر فلان کلمه در متن آمد، نامه را بینداز در پوشه هرزنامه. نسخه امروزی حجم بزرگی از ایمیل دیده که خود آدم ها علامت زده بودند هرزنامه هست یا نیست، و از روی آنها الگو در آورده. هیچ کس در نسخه دوم ننوشته که آن کلمه یعنی هرزنامه؛ برنامه خودش این را از داده بیرون کشیده و همین است که به آن یادگیری می گویند.

یک محک ساده که تا آخر این مسیر به کارتان می آید: بپرسید کدام خط را می شود نشان داد که این تصمیم را گرفت. اگر جواب یک قاعده مشخص است، با یک برنامه قاعده محور طرفید. اگر جواب فقط این است که روی فلان داده آموزش دیده، با یک مدل. ممکن است روی هر دو جعبه هوش مصنوعی نوشته باشند و هر دو هم راست بگویند.

فرق عملی این دو جای دیگری است و به موقعش گران تمام می شود: برنامه قاعده محور را با عوض کردن یک خط اصلاح می کنید، مدل را نه. اصلاح یک مدل یعنی داده یا آموزش یا دستورالعملش را عوض کنید و دوباره امتحان کنید، بدون اینکه بدانید چه چیز دیگری را همان تغییر جا به جا کرده.

یادگیری ماشین و یادگیری عمیق و مدل مولد چه فرقی دارند

این سه کلمه مدام جای هم به کار می روند و در واقع تو در تو هستند. هوش مصنوعی بزرگ ترین دایره است و روش های قدیمی قاعده محور را هم در بر می گیرد. یادگیری ماشین زیرمجموعه آن است: هر روشی که رفتارش را از داده می سازد. یادگیری عمیق زیرمجموعه یادگیری ماشین است و با شبکه های عصبی چند لایه کار می کند. و مدل مولد باریک ترین حلقه است: مدلی که خروجی تازه می سازد، متن و تصویر و صدا، به جای اینکه فقط برچسب بزند یا عددی را پیش بینی کند.

چیزی که ابزارهای امروز مثل چت بات ها و مدل های تصویرساز هستند، همان حلقه داخلی است. یعنی وقتی کسی می گوید «هوش مصنوعی»، تقریبا همیشه منظورش کوچک ترین زیرمجموعه این چهار تاست و نه بزرگ ترینشان. این را که بدانید، بخش زیادی از خبرها معنای دقیق تری پیدا می کنند.

چرا این تفکیک به درد می خورد: چون فروشنده ای که می گوید محصولش هوش مصنوعی دارد، ممکن است کاملا راست بگوید و منظورش سیستمی باشد که سی سال پیش هم می شد نوشت. سوال درست این نیست که هوش مصنوعی هست یا نه، چون جوابش تقریبا همیشه بله است. سوال درست این است که کدام حلقه، و روی چه داده ای.

این اسم از کجا آمد و چرا دو بار زمین خورد

نام «هوش مصنوعی» در تابستان ۱۹۵۶ و در یک کارگاه تابستانی در کالج دارتموث ساخته شد، یعنی چیزی حدود هفتاد سال پیش. از همان اول هم بیشتر از توان آن روز قول داده شد، و دو بار همین قول ها سرمایه را فراری دادند؛ دوره هایی که بعدها به آنها زمستان هوش مصنوعی گفتند. کسی که تصور می کند این موج، اولین موج است، دو موج قبلی را ندیده و ممکن است سومی را هم بد بخواند.

چیزی که این بار فرق کرد سه چیز بود که با هم جمع شدند: حجم متن و تصویری که وب تولید کرد، سخت افزار گرافیکی که آموزش روی این حجم را ممکن کرد، و یک ایده معماری در سال ۲۰۱۷ به نام ترنسفورمر که در مقاله ای با عنوان Attention Is All You Need منتشر شد و تقریبا تمام مدل های زبانی امروز از آن آمده اند. هیچ کدام از این سه درباره فکر کردن نیستند. چیزی که عوض شد مقیاس بود، نه ماهیت کار.

چهار چیزی که هوش مصنوعی نیست

پایگاه داده حقیقت نیست. داخل یک مدل جدولی از واقعیت ها ننشسته که بشود از آن پرس و جو کرد. چیزی که دارد وزن هایی است که محتمل ترین ادامه را می سازند، و محتمل بودن با درست بودن یکی نیست. برای همین است که یک منبع می تواند کاملا معتبر به نظر برسد و اصلا وجود نداشته باشد.

آگاه نیست. وقتی می گوییم مدل می فهمد یا فکر می کند، داریم استعاره به کار می بریم، درست مثل وقتی که می گوییم ساعت می داند ساعت چند است. شبیه فهمیدن بودن خروجی، چیزی درباره داشتن تجربه ثابت نمی کند و بحث فلسفی اش هم هفتاد سال است باز مانده.

موتور جستجو نیست. مگر اینکه ابزار جستجو به آن داده باشند؛ آن وقت هم چیزی که می بینید دو تکه است، یک جستجو و یک مدل که نتیجه اش را جمع بندی می کند. محک ساده اش این است: اگر لینک قابل باز کردن به شما نداد، جستجویی در کار نبوده و آنچه خواندید از حافظه آموزش آمده.

قطعی نیست. یک سوال یکسان در دو نوبت می تواند دو جواب متفاوت بگیرد، و این ایراد نیست بلکه بخشی از طراحی است. هر جا به تکرارپذیری نیاز دارید، مثل چیزی که قرار است در یک فرایند کاری تکرار شود، این را باید از اول در حساب بیاورید.

کجای این کلمه تبلیغ است

«هوش مصنوعی» روی یک محصول تقریبا هیچ اطلاعاتی به شما نمی دهد، چون تعریفش آنقدر باز است که کمتر برنامه ای بیرون آن می ماند. سه سوال هست که در یک جلسه فروش خیلی زود معلوم می کند طرف مقابل چه دارد: کدام مدل، آموزش دیده روی چه داده ای، و وقتی جواب غلط بدهد چه اتفاقی می افتد و مسئولیتش با کیست. سوال سوم معمولا بی جواب می ماند و همان بی جواب ماندن، خودش جواب است.

موضع ما صریح است: پرسیدن اینکه آیا این هوش مصنوعی است سوال بی فایده ای است، چون جوابش تقریبا همیشه بله است و هیچ تصمیمی را عوض نمی کند. سوال به درد بخور این است که خروجی را چه کسی امضا می کند. اگر جواب شمایید، آن وقت مدل یک ابزار است مثل هر ابزار دیگری. اگر جواب هیچ کس است، آنچه خریده اید یک ابزار نیست، یک ریسک است.

کدام کار را به آن بسپارید و کدام را نه

کارهایی که با خیال راحت می شود سپرد یک ویژگی مشترک دارند: بررسی خروجی از انجام دادنش سریع تر است. پیش نویس اول یک متن، ترجمه ای که خودتان بازخوانی می کنید، خلاصه چیزی که خودتان هم خوانده اید، تبدیل یک قالب داده به قالب دیگر، توضیح دادن یک پیام خطا. در همه اینها اگر مدل بیراهه برود، خودتان در چند ثانیه می فهمید.

کارهایی که نباید سپرد هم یک ویژگی مشترک دارند: تقریبا درست بودن در آنها از آشکارا غلط بودن بدتر است. عدد و تاریخ و اسم خاص، هر چیزی که بار حقوقی یا پزشکی دارد، و هر متنی که بعدا کسی بر اساسش تصمیم می گیرد و شما نمی توانید تک تکش را چک کنید. به همینها اضافه کنید هر چیزی را که داده شخصی کس دیگری در آن است، که دلیلش دقت نیست و در بند بعدی همین صفحه آمده.

قاعده ای که خودمان استفاده می کنیم یک جمله است: اگر بررسی خروجی بیشتر از انجام دادن خود کار طول بکشد، مدل کمکی نکرده و فقط کار را جا به جا کرده. این محک به هیچ ابزار مشخصی وابسته نیست، پس برای ابزار سال بعد هم کار می کند.