6 دستاورد مهم و تغییر هوش مصنوعی در سال 2020 - بی نهایت اس ام اس

به گزارش خبرنگاران به نقل از دیجیاتو،سال جاری هوش مصنوعی نقش بزرگی در دنیا ایفا کرد و از راه های مختلفی مورد استفاده نهاده شد.

درک بهتر زبان توسط هوش مصنوعی

در حالت عادی ابزارهای فراوری متن جذابیت چندانی بالایی ندارند، اما سال جاری متفاوت بود. GPT-3 به عنوان نسخه جدید الگوریتم GPT-2 سال جاری مورد توجه زیادی نهاده شد. این الگوریتم که توسط OpenAI توسعه پیدا نموده، می تواند تنها با چندین خط ورودی مانند آغاز یک خبر، یک متن با مطابقت بالا با این ورودی فراوری کند.

GPT-3 از 175 میلیارد پارامتر بهره می برد و برای دستیابی به عملکرد مناسب، ارتباطات خود را تنظیم می نماید. طبق گزارش ها، هزینه آموزش این الگوریتم نزدیک به 12 میلیون دلار بوده. با این حال GPT-3 تنها مدل زبان مبتنی بر هوش مصنوعی قابل توجه در سال 2020 نبود.

مدل زبان GPT-3 سال جاری مورد توجه زیادی نهاده شد

در حالی که GPT-3 مورد توجه بسیاری نهاده شد، مایکروسافت با مدل مولد زبان طبیعی تورینگ (T-NLG) موج جدیدی در فوریه به راه انداخت. این الگوریتم از 17 میلیارد پارامتر بهره می برد و یکی از بزرگترین مدل های زبان در دنیا محسوب می گردد.

T-NLG که یک مدل مولد زبان مبتنی بر Transformer است، می تواند کلمات ضروری برای تکمیل جملات را فراوری کند و همچنین برای سوالات پاسخ فراوری کند و حتی اسناد را خلاصه کند.

Transformer اولین بار توسط گوگل در سال 2017 معرفی گردید و یک نوع جدید یادگیری عمیق است که باعث تحولی در پردازش زبان طبیعی شد. مدت هاست شاهد تمرکز هوش مصنوعی روی زبان هستیم، اما به لطف پیشرفت های اخیر، ماشین ها در درک زبان عملکرد بسیار بهتری پیدا نموده اند و می توانند در سال های آینده تاثیر زیادی روی دنیا بگذارند.

رواج مدل های غول پیکر

GPT-3 و T-NLG یک دستاورد بزرگ دیگر هم داشتند یا اینکه باعث شکل گیری یک ترند جدید در دنیای هوش مصنوعی شدند. در حالی که استارتاپ ها، آزمایشگاه های دانشگاه های کوچک و محققان زیادی در حال کار با ابزارهای مبتنی بر AI هستند، حضور بازیگران بزرگ در این حوزه به معنای دستیابی به منابع بیشتر خواهد بود.

این موضوع باعث شد مدل های بزرگ با هزینه های آموزش بسیار سنگین در دنیا رواج پیدا نمایند و تحقیقات در زمینه هوش مصنوعی پیشرفته را تحت سلطه خود درآورند. شبکه های عصبی با میلیاردها پارامتر هم به سرعت در حال تبدیل به یک استاندارد هستند.

وجود 175 میلیارد پارامتر برای مدل GPT-3 حیرت انگیز است، اما مدل های دیگر مانند Meena، مولد زبان طبیعی تورینگ، DistilBERT و BST 9.4B همگی بیش از 1 میلیارد پارامتر دارند. باید به این موضوع توجه کنید که وجود پارامترهای بیشتر لزوما به معنای عملکرد بهتر نیست.

با وجود چنین موضوعی، وجود این پارامترها به معنای آن است که یک ابزار فراوری متن می تواند طیف وسیعی از توابع را با دقت بیشتری مدل کند. اگر بخواهیم به هوش مصنوعی مشابه با مغز دست پیدا کنیم، پارامترهای بیشتر یک ضرورت خواهد بود.

هزینه آموزش این مدل های غول پیکر بسیار گران است، بنابراین شرکت های بزرگ همچنان در این حوزه حکمرانی خواهند کرد. طبق گزارش ها، هزینه آموزش 1000 پارامتر به یک شبکه، برابر 1 دلار است و اگر یک مدل حاوی میلیاردها پارامتر باشد، این هزینه سر به فلک می کشد.

هوش مصنوعی در خدمت بشریت

با پیشرفت ابزارهای AI، تنها دانشمندان فعال در حوزه کامپیوتر از آن ها بهره مند نشدند و پژوهشگران حوزه های دیگر هم توانستند از آن ها استفاده نمایند. در حقیقت ایده های مختلفی برای استفاده از یادگیری ماشینی ظهور کرد که در بخش های مختلفی مانند پزشکی مورد استفاده نهاده شدند.

هوش مصنوعی می تواند وزوز گوش را توسط اسکن های مغز تشخیص دهد، هدست های ذهن خوانی از یادگیری ماشینی برای تبدیل افکار به کلمات استفاده می نمایند و هوش مصنوعی AlphaFold شرکت دیپ مایند می تواند با دقت بالایی شکل پروتئین ها را پیش بینی کند که نتیجه ای جز یاری به توسعه درمان های جدید ندارد. در حقیقت هوش مصنوعی دیپ مایند گوگل توانسته یک مسئله علمی 50 ساله را حل نماید.

هوش مصنوعی دیپ مایند گوگل سال جاری توانست یک مسئله علمی 50 ساله را حل نماید.

با توجه به تمام این موارد، هوش مصنوعی سال جاری به بخش های جدیدی ورود کرد یا اینکه بیش از گذشته مورد استفاده نهاده شد و این فرایند در آینده هم ادامه خواهد داشت. بنابراین دانشمندان می توانند از AI برای یاری به بشریت هم استفاده نمایند.

عدم تاثیر منفی بر اشتغال نیروی انسانی

2020 یک سال کاملا متفاوت با سال های گذشته بود و میلیون ها نفر در سراسر دنیا کار خود را از دست دادند. در حالی که بسیاری پیش بینی می کردند که ربات ها چنین سرنوشتی را برای شمار بالایی از کارگران رقم بزنند، این ویروس کرونا و بحران ناشی از شیوع آن بود که سال جاری بسیاری را بیکار کرد.

در حالی که چندین هوش مصنوعی و ربات سال جاری توانستند وظایف انسان ها را انجام دهند، برای یاری به بشر و تقویت توانایی های انسان یا در مناطقی که نیروی کار ثابت وجود ندارد، مورد استفاده نهاده شدند. در حال حاضر غول های فناوری که سرمایه گذاری سنگینی در تکنولوژی های پیشرفته انجام می دهند، بطور همزمان بیشترین افراد را استخدام می نمایند.

با وجود این موضوع، پیش بینی انقلاب ربات ها اشتباه نیست، اما سال جاری نشان داد که به راحتی نمی توان آینده را پیش بینی کرد و رابطه میان شغل انسان ها و پیشرفت هوش مصنوعی، پیچیده تر از تصور قبلی است. با این وجود شرکت ها به سرمایه گذاری روی AI و ربات ها ادامه می دهند و از ابزارهای هوشمند جدید رونمایی می نمایند.

پیشرفت دیپ فیک

سال جاری دنیا کار خود را با شیوع ویروس کرونا در سراسر دنیا آغاز کرد که البته هنوز این بحران ادامه دارد و حالا به قطب جنوب هم راه پیدا نموده. در اواخر سال هم با انتخابات 2020 آمریکا روبه رو شدیم که تنش های زیادی را در این کشور به همراه داشت. با وجود تمام این موارد، دیپ فیک ها سال جاری مورد توجه زیادی نهاده شدند.

اگرچه دیپ فیک ها یک نوآوری برای سال 2020 محسوب نمی شوند، اما توسعه آن ها با پیشرفت زیادی همراه بود. برای مثال در ماه ژوئیه محققان دانشگاه MIT یک ویدیوی گران قیمت از یکی از رئیس جمهورهای سابق آمریکا یعنی ریچارد نیکسون درباره فرود انسان روی ماه فراوری کردند. سال جاری همچنین شاهد فراوری دیپ فیک هایی از رهبران روسیه و کره شمالی هم بودیم.

پژوهشگران MIT سال جاری یک دیپ فیک دقیق از ریچارد نیکسون فراوری کردند

سال جاری نه تنها دیپ فیک های بصری پیشرفت زیادی داشتند و بسیار دقیق تر شدند، بلکه محققان در تقلید صدا با دقت بالا هم پیروز بودند. پژوهشگران توانسته اند یک دیپ فیک صوتی از یک خواننده مطرح آمریکایی فراوری نمایند و با آن یک آهنگ بسازند.

حضور پررنگ تر اخلاقیات در هوش مصنوعی

ابزارهای مبتنی بر AI قدرتمند هستند و در دنیای واقعی می توانند برای وظایف مختلفی مورد استفاده قرار بگیرند. این ابزارها می توانند متقاضیان شغل را غربالگری نمایند یا اینکه برای شناسایی چهره و اجرای قانون توسط مقامات هم مورد استفاده قرار بگیرند.

با افزایش آگاهی درباره این ابزارها و همچنین احتمال کدنویسی جانبدارانه آن ها، نگرانی ها درباره نحوه استفاده از آن ها افزایش پیدا کرد. در ماه ژانویه پلیس دیترویت به اشتباه فردی به نام رابرت ویلیامز را دستگیر کرد چرا که یک الگوریتم به اشتباه تصویر گواهینامه وی را با ویدیوی تار دوربین مداربسته مطابقت داده بود. پس از مدتی شرکت های IBM، آمازون و مایکروسافت از بازنگری در نحوه استفاده از فناوری های تشخیص چهره خود در نیروهای پلیس خبر دادند.

دیپ فیک ها هم سال جاری نگرانی های زیادی ایجاد کردند و حتی باعث ترس افراد شدند، چرا که سوءاستفاده از آن ها پیامدهای مخربی خواهد داشت. به همین دلیل کالیفرنیا قانون AB-730 را تصویب نموده که استفاده از دیپ فیک ها برای برداشت های غلط از سخنان یا اقدامات سیاستمداران را جرم می داند. این قانون تلاشی برای تنظیم گری هوش مصنوعی و تصویب قوانین برای بهترین استفاده از فناوری های مبتنی بر آن است.

این قانون برای اولین بار با جدیت اخلاقیات را وارد دنیای هوش مصنوعی کرد. بیشتر اعتبار این اقدامات باید به پای محققانی مانند کارولین کریادو پرز نوشته گردد که بطور خستگی ناپذیری توانستد تعصب در الگوریتم ها را نشان دهند.

سال جاری هوش مصنوعی با پیشرفت های زیادی همراه بود و توانست در بسیاری از بخش ها مورد استفاده قرار بگیرد، با این حال هنوز این فناوری راه طولانی در پیش دارد و سال آینده احتمالا با دستاوردهای بزرگتری روبه رو خواهیم شد.