در هتل چهار فصل ، Four Seasons، در کشور کره ی جنوبی، هوش مصنوعی AlphaGO، استاد بزرگ لی سدول (Lee Sodol) را در بازی پیچیده و فوق العاده ذاتی Go شکست داد و او را مات و مبهوت کرد. سیستم هوش مصنوعی گوگل اوایل امسال در چندین بازی قهرمان ۱۸ دوره مسابقات جهانی را شکست داد. با پشتیبانی عالی تکنیک های یادگیری ماشینی این کمپانی، هوش مصنوعی AlphaGO هزاران هزار حرکت GO را از بازی های انسان در مقابل انسان پیشین پردازش کرده بود تا بتواند قابلیت خود برای فکر کردن استراتژیکی را توسعه دهد.
بازی های AlphaGo ، که توسط میلیون ها بیننده در YouTube مشاهده شد، بار دیگر از قدرت و پیشرفت روز افزون هوش مصنوعی رونمایی کرد. این مسابقه ی میان انسان و ماشین اولین در نوع خودش نبود، اما این بار بیش تر از تنها شکست دادن یک انسان توسط یک کامپیوتر در یک بازی بود. هوش مصنوعی AlphaGO نه تنها تمام پیچییدگی ها بازی را فتح کرد ، بلکه به نظر می رسید از هوش استاد بزرگ این بازی تخته ای نیز پیش افتاده باشد. حرکات غیر قابل پیش بینی که سدول (و جهان) را بهت زده می کردند نشان دهنده ی توانایی فکر کردن و خلاقانه پاسخ دادن AlphaGo بودند. این نوع هوشی است که برای مدت زیادی امری عادی برای ورژن های قدرت مند هوش های مصنوعی فیلم های هالیوودی بوده است ، اما در واقعیت برای کامپیوتر ها غیر قابل دست یافتن بود.
این پیروزی نشان دهنده ی تغییری اساسی در مسیر هوش مصنوعی در سال ۲۰۱۶ بود. تکنولوژی که برای مدت زیادی برای هدف کپی و تکثیر کردن هوش انسان بوده است، در حال حاضر به نظر می رسد در حال توجه به الگو ها و رفتار های انسانی باشد. پیشرفت های اخیر در یادگیری عمیق داشتن همچین بینشی را ممکن ساخته اند، اما این محدود به شکست دادن انسان ها در بازی ها نمی شود. در سال ۲۰۱۶، هوش مصنوعی از مرز های آزمایشگاه های تحقیقاتی خارج شد تا سبکی که ما زندگی می کنیم، ارتباط برقرار می کنیم و یا حتی از سیاره نگه داری می کنیم را تغییر دهد. سر و کله ی چت بات ها در تکست های گروهی پیدا شد. دستیار های صوتی وارد خانه هایمان شدند. سیستم های شناختی در حال شناسایی سرطان هستند. بات ها در حال نوشتن متن فیلم ها بوده و سازندگان خودرو ها در حال آماده سازی برای رها کردن دسته ی زیادی از خودرو های خودران در جاده های عمومی می باشند.
استاد بزرگ Lee Sedol به تخته ی بازی در طی یک مسابقه با هوش مصنوعی AlphaGo می نگرد
چند سالی می شود که گروهی از دستیار هوشمند موبایل همچون سیری (Siri) و کورتانا (Cortana) و دستیار جدید گوگل (Google Assistant) مردم را به حرف زدن با گوشی هایشان عادت داده اند تا بتوانند زمان کمتری را صرف چپ و راست کردن صفحه ی گوشی هایشان کنند. اما هم اکنون، این دستیار های شخصی به سرعت در حال عبور از کارهای ابتدایی همچون تنظیم یادآوری ها و قرار ها و جستجو در اینترنت بوده. آن ها به عنوان کمک کنندگانی کار آمد در حال هجوم به خانه هایمان هستند.
امسال یکی از هایلایت های برجسته در دسته ی دستگاه های سخنگو، Google Home بود. بلند گوی فعال شده با صدا که برای فضا های شخصی طراحی شده است به صف دستگاه هایی همچون Amazon Echo پیوست. این یاران دیجیتالی خانگی وعده ی همان بهره بری و کار آمدی همچون همتایان خود در گوشی های هوشمند را می دهند اما همچنین به نظر می رسد که دستور کار متفاوتی داشته باشند. این ها دستیاران کار آمدی هستند که نه تنها می خواهند نیاز های انسانی را درک کنند بلکه حتی آن ها را پیش بینی نمایند تا بتوانند محیطی قابل اطمینان و با ارتباط متقابل بسازند.
این نوع محیط ، که در فیلم های هالیوودی همچون Her و Iron Man به تصویر کشیده شد، برای مرحله ی بعدی از تعاملات انسان و ماشین نیاز است، جایی که این دستیارا می توانند چراغ ها را در اتاقی برای شما خاموش کنند و همچنین یک روزی به شما بگویند که پوشک های بچه ی شما تمام شده است. Jarvis ، دستیار صوتی شخصی مارک زاکربرگ (موسس و مالک کمپانی Facebook) که توسط بازیگر مشهور ، Morgan Freeman، صدا گذاری شده است و مارک زاکربرگ به تازگی آن را برای خانه ی خود ساخته است، نشان دهنده ی تنها ذره ای از انواع هوش های مصنوعی شخصی سازی شده است که در خانه های هوشمند آینده وجود خواهد داشت.
توانایی درک انسان ها بخشی جدایی ناپذیر از هوش مصنوعی در هر شکل و فرمی است ، چه در حال و چه در آینده. با رشد اخیر در تکنیک های تشخیص صدا و پردازش زبان طبیعی ، ماشین ها در حال بیش تر نزدیک تر شدن از هر زمان دیگری به فهمیدن انسان ها هستند. با کمپانی هایی همچون تسلا (Tesla)، جنرال موتورز (General Motors)، بی ام و (BMW) و فیات کرایسلر (Fiat Chrysler) که همگی در حال عرضه ی ماشین های خودران بوده، توانایی ارتباط برقرار کردن با این ماشین های در حال حرکت نقش اساسی و مهمی در بی استرس ساختن این تجربه، ایفا خواهد کرد.
تصویری از داخل خودروی خودران Tesla
ماشین های هوشمند وعده ی کاهش دفعات و تلفات تصادفات جاده ای را به ما می دهند. همچنین انتظار می رود آن ها توانایی تحرک برای سالمندان و مردم با محدودیت و معلولیت را افزایش دهند. تابستان امسال این وعده به دلیل یک تصادف مرگ بار خودروی تسلا زیر سوال رفت و مورد بررسی موشکافانه قرار گرفت. اما چند ماه بعد، وقتی که یک وکیل اهل Missouri یک مشکل ریوی هنگام رانندگی در آزاد راه پیدا کرد ، سیستم رانندگی خودکار خودروی تسلا مدل ایکس او طیق گزارشات او را به بیمارستان رساند و جانش را نجات داد.
درست زمانی که داستان شروع به تغییر به نفع مزایای خودرو های خودران کرد، کمپانی Uber ناوگان خودرو های نیمه خودران ولووی خود را در خیابان های پیتسبورگ در ایالت پنسلوانیا (Pittsburgh) راه اندازی کرد. این کمپانی به اشتراک گذاری خودروی سواری همچنین سرویس خودرو های تمام خودران خود را در همین ماه در شهر سن فرانسیسکو (San Francisco) به راه انداخت اما مسئولان شهر به سرعت کمپانی را سرکوب کردند از آن جایی که اوبر مجوز های مورد نیاز برای به کار انداختن ماشین ها را نداشت. این هفته، اوبر عقب نشینی کرد و حالا به نظر می رسد پس از دست کشیدن از سن فرانسیسکو به دنبال انتقال و دوباره راه اندازی کردن خودروها در آریزونا (Arizona) می باشذ.
وضع عجیب Uber به کنار، اشتیاق در مورد خودرو های خودران آشکار بوده است. اما این که آیا ما شاهد افزایش قابلیت تحرک توسط هوش مصنوعی برای کسانی که به سرویس های خودران بیش تر از همه نیاز دارند خواهیم بود یا خیر هنوز مربوط به آینده می شود، اما یک زمینه ای که هوش مصنوعی هم اکنون در حال استوار کردن جای خود بوده، پزشکی است.
DeepMind Health
با گنجینه های اطلاعات پزشکی خام در حال جمع آوری شدن توسط کامپیوتر ها و دستگاه های شخصی در سرتاسر جهان ، پزشکان به صورت روز افزون در حال روی آوردن به استفاده از الگوریتم ها و سیستم های محاسبات شناختی برای دریافت کمک می باشند در حالی که دسترسی به اطلاعات در حال تغییر دادن روشی است که پزشکان بیماری ها را تشخیص می دهند، اما حجم بالای داده ها، پردازش اطلاعات برای تشخیش به موقع را برای پزشکان تقریبا غیر ممکن کرده است
همچنین برابری با حجم اطلاعات دریافتی یک مغز کامپیوتری مانند ابرکامپیوتر واتسون (Watson) کمپانی ای بی ام (IBM) که قابلیت دریافت تمامی مجلات پزشکی نوشته شده را دارد برای یک پزشک بسیار سخت می باشد. علاوه بر واتسون در حال گسترش در بیمارستان های بزرگ، IBM اخیرا با بیش از دوجین از موسسات سرطانی برای آموزش سیستم شناختی خود ، شروع به همکاری کرد. این دسترسی به واتسون این امکان را می دهد تا برای بیمارانی که پیش از این روش های درمانی موجود را بدون هیچ دریافت نتیجه ی موفقیت آمیزی امتحان کرده اند ، درمان های شخصی سازی شده ای را پیدا نماید.
پتانسیل تشخیصی هوش مصنوعی حتی به زمینه ی چشم پزشکی نیز گسترش یافت. طیق یک بررسی ، الگوریتم یادگیری عمیق گوگل توانسته بود بیماری رتینوپاتی دیابتی را از طریق تصاویر شناسایی کند. معمول ترین روش برای شناسایی نشانه های بیماری چشمی دیابتی ، که طبق گزارشات بیش از ۴۱۵ میلیون از مردم در سر تا سر جهان را تحت تاثیر قرار می دهد، بررسی کردن تصاویر قسمت پشتی چشم توسط یک دکتر برای پیدا کردن زخم است. اما یک آزمایش به تازگی نشان داد که الگوریتم گوگل توانسته بود زخم ها را به دقیقی پزشکان شناسایی کند. در حالی که این کمپانی اشاره می کند هنوز کار بسیار بیش تری در این زمینه باید انجام شود، نتایج اولیه حاکی از این بوده است که کمک هوش مصنوعی می تواند سرعت تشخیص های یک پزشک را به شدت افزایش دهد.
امسال هوش مصنوعی حتی وارد زمینه ی نجات دادن سیاره مان هم شد. از نگه داری آب در ایالت کالیفورنیا گرفته تا نجات دادن ماهی تونایاتون در Palau، هوش مصنوعی در تلاش بری حفظ محیط زیست در سر تا سر جهان به کار گرفته شد. OmniEarth، یک سازمان تجزیه تحلیل محیط زیستی ، از واتسون برای نقشه کشی و دسته بندی کردن ناحیه های آبی و غیر آبی از طریق تصاویر ماهواره ای برای ارتقا نگه داری از آب در ایالت کالیفورنیا ، استفاده کرد هوش مصنوعی IBM همچنین قادر بود تا تصاویر را از انسان هایی که برای این کار در نظر گرفته شده بودند ۴۰ برابر سریع تر پردازش کند.
موسسه ی محافظت از طبیعیت (The Nature Conservancy) یک سازمان غیر منفعت طلب جهانی، هم به یادگیری ماشینی روی آورد از آن جایی که تلاش های خود برای کنترل فعالیت های ماهی گیری را در ناحیه ی اقیانوس آرام Palau افزایش داد. این سازمان پیش از این ناوگانی از کشتی ها را با دستگاه های GPS و دوربین ها مجهز کرد تا ماهی گیران را برای صیدشان پاسخگو کند. اما ماه گذشته این سازمان یک رقابت را راه اندازی کرد تا الگوریتمی پیدا کند که بتواند سرعت فرایند شناسایی کوسه ها، ماهی های تونا و لاک پشت هایی که شاید بر روی عرشه ی کشتی ها آورده شوند را بالا ببرد.
حضور هوش مصنوعی چه در فضا های شخصی و چه در نقاط دور از دسترس زمین هم احساس و هم نیاز می شد. اما این کاملان غیر منتظره نبود. این شیفتگی و تمایل برای فکر کردن کامپیوتر ها همانند انسان ها برای دهه ها مشهود بوده است و ۲۰۱۶ به همان اندازه نقطه ی اوجی برای آن کوشش ها بود که نشانگری برای چیزهایی که قرار است در آینده بیایند بوده است.
بر خلاف بحث های همیشگی پیرامون خطرات هوش مصنوعی ، با هر توسعه ی جدید ، ماشین ها توانا تر به فکر انسانی می شوند. و مفهوم هوشیاری دیگر محدود به دستیار شخصی و یا حوزه ی پزشکی نیست. برای تکنولوژی که بر فرهنگ انسانی ساخته شده است، حتمی است که به سراغ راه های خلاقیت برود.
SunSpring فیلم کوتاه تخیلی نوشته شده توسط هوش مصنوعی Benjamin
Benjamin، یک شبکه ی عصبی خود ارتقا، در ماه ژوئن خود داستان فیلم تخیلی نوشت. این هوش مصنوعی ، که در شناخت متن خوب عمل می کند، از نمایش نامه های انسانی تغذیه شده بود تا یاد بگیرد که بتواند متن فیلم نامه ی خودش را بنویسد. این فیلم، با عنوان SunSpring، در آخر معلوم شد که به هم ریخته و بی ربط است اما طبق گزارشات از الگو های نوشته ها و نویسندگانی انسانی استفاده و تکرار کرده بود.
هوش مصنوعی فیلم نویس شاید هنوز برای جریان فیلم ها آماده نباشد ، اما به نظر می رسید که در حال پیروی از قدم های هوش مصنوعی AlphaGo ، که برد مبهوت کننده اش در کره جنوبی از ظرفیت هوش مصنوعی برای هوش خلاقانه رونمایی کرد ، می باشد. در حالی که هنوز هیچ کدام از ماشین ها نتوانسته اند به عنوان سازنده ی فیلم یا موسیقیدان مشهور شوند ، اما می توانیم مطمئن باشیم که به دلیل سعی و کوشش کم نبوده است.
نظرات خود را در مورد هوش مصنوعی و پیشرفت آن در سال ۲۰۱۶ با ما در میان بگذارید.
نظرات