درسنامه آموزشی پودمان 1 هوش مصنوعی کلاس دهم هنرستان

آیا تا به حال به این اندیشیده‌اید

• هوش مصنوعی چیست و عملکرد آن چگونه است؟
• اجزای اصلی یک سامانه هوش مصنوعی کدام‌اند؟
• سیر تکاملی هوش مصنوعی در چه مسیر تاریخی شکل گرفته است؟
• آیا ممکن است در آینده برخی از تصمیم‌گیری‌های مهم به یک «هوش مصنوعی» سپرده شود؟
• مهارت‌های لازم برای زندگی و کار در دنیای آینده که در آن هوش مصنوعی حضور دارد، کدام است؟

در پایان از هنرجو انتظار می‌رود

• تعریف دقیق هوش مصنوعی و ویژگی‌های آن را ارائه دهد.
• درباره مشاغل و مهارت‌های آینده محور مرتبط با هوش مصنوعی ایده‌پردازی کند.
• فعالیت‌های گروهی و تحلیل موردی با موضوع هوش مصنوعی، مشارکت مؤثر داشته باشد.

استاندارد عملکرد

شناخت مفهومی و کاربردی هوش مصنوعی، با تمرکز بر درک نقشه‌ذهنی پیشرفت این فناوری، شناسایی تفاوت‌های کلیدی آن با سایر روش‌های سنتی و تحلیل فرصت‌ها و چالش‌های آن در زندگی فردی و اجتماعی است.

مقدمه

هوش مصنوعی (Artificial Intelligence یا AI) یکی از مهم‌ترین فناوری‌های دنیای امروز است که کم‌کم در همه جنبه‌های زندگی ما نقش پیدا می‌کند. شاید بارها بدون آنکه افراد متوجه شوند در زندگی روزمره، هوش مصنوعی با آن‌ها مواجه شده باشد: وقتی گوشی همراه پیام‌ها را پیش‌بینی می‌کند، یا وقتی برنامه‌ها، فیلم و موسیقی پیشنهاد می‌دهند، حتی در خودروهای خودران و ربات‌های پزشکی که هوشمندانه عمل می‌کنند، یا وقتی افراد برای استخدام در یک شرکت، وارد مصاحبه شوند، اما به جای یک انسان، یک سامانه هوش مصنوعی روبروی آن‌ها نشسته باشد و رزومه‌ها در چند ثانیه تحلیل می‌شود و از آن‌ها سؤال‌هایی می‌پرسد که دقیقاً با شخصیت و توانایی‌های مصاحبه شونده هماهنگ است و در پایان برای انتخاب آن‌ها تصمیم می‌گیرد، همه این مصادیق نشان می‌دهند، مواجهۀ جدی با این فناوری در راه است.

در این پودمان، ابتدا تاریخچه و مسیر رشد هوش مصنوعی معرفی می‌شود و سپس کاربردهای مختلف آن در زندگی روزمره، صنعت، آموزش، سلامت و بازی‌ها مورد بررسی قرار می‌گیرد. هدف این است که علاوه بر آشنایی با مفهوم هوش مصنوعی و پیشینه آن، چگونگی کاربرد آن در زندگی و کاربرد آن در حوزه مشاغل نیز بررسی و تحلیل شود.

عصر نو؛ عصر هوش مصنوعی

سعید و سعیده، خواهر و برادر دوقلوی پانزده ساله ساکن یکی از روستاهای ایران هستند و امسال در پایه دهم تحصیل می‌کنند. سعید از طرف‌داران فوتبال و بازی‌های رایانه‌ای است.

سعید هر روز بعد از مدرسه، تکالیف مدرسه را انجام می‌دهد و بعد به سراغ بازی رایانه‌ای می‌رود؛ او قبلاً هنگام رقابت با نرم‌افزار به‌راحتی پیروز می‌شد، اما از وقتی نسخۀ جدید بازی را نصب کرده، ورق برگشته است. تیم مقابل، مثل یک بازیکن واقعی رفتار می‌کند؛ پاس‌های دقیق، پِرِس منظم و حتی دفع هوشمندانه ضربات انجام می‌دهد. سعید ابتدا فکر کرد سطح بازی بالا رفته است، اما وقتی که برای چندمین بار، تکنیک همیشگی او خنثی شد، کنجکاو شد. شروع کرد به بررسی حرکات حریف. متوجه شد هرگاه یک کار تیمی یا تاکتیک را تکرار می‌کند، نرم‌افزار در دفعات بعد آن را پیش‌بینی می‌کند. مدافعان سریع‌تر بسته می‌شوند، دروازه‌بان جای‌گیری بهتری دارد و بازیکنان حریف باهوش‌تر عمل می‌کنند.

سعید در اینترنت جست‌وجو کرد و فهمید که نسخه جدید این بازی از هوش مصنوعی استفاده می‌کند. پس اشتباه نکرده بود و در بازی رایانه‌ای با نوعی هوش مواجه شده بود اما نه هوش انسانی بلکه هوش مصنوعی! سعید با خود فکر کرد: این اتفاق به این معنی است که حریفم واقعاً یاد می‌گیرد؟ یعنی فقط برنامه‌ریزی ساده نیست؟ این واژهٔ را قبلاً هم چند بار شنیده بود و حالا که به‌صورت عملی با آن برخورد کرد، مصمم شد که با جست‌وجو در اینترنت جواب سؤالات خود را پیدا کرده و چیزی را که تجربه کرده بود با مفاهیم جدید تطبیق دهد. او در این مورد با سعیده مشورت کرد و هر دو به این نتیجه رسیدند که بهتر است در مورد آن بیشتر تحقیق کنند.

هوش مصنوعی یعنی وقتی یک ماشین بتواند مثل انسان یاد بگیرد، فکر کند و کار انجام دهد، مثلاً وقتی گوشی تلفن همراه با دوربین چهره صاحب گوشی را تشخیص می‌دهد یا وقتی نقشه بهترین مسیر حرکت را به افراد پیشنهاد می‌دهد، در واقع از هوش مصنوعی استفاده می‌کند.

چهار دیدگاه درباره هوش مصنوعی

دو پژوهشگر به نام‌های راسل و نورویگ، چهار دیدگاه فکر کردن، عمل کردن مثل انسان، فکر کردن و عمل کردن منطقی برای تعریف هوش مصنوعی معرفی کرده‌اند:

1- عمل کردن مثل انسان: یعنی ماشین طوری رفتار کند که شبیه انسان باشد (مثلاً اگر در یک بازی رایانه‌ای، بازیکن نتواند تشخیص دهد حریف او انسان است یا رایانه، آن رایانه مثل انسان عمل کرده است).

2- فکر کردن مثل انسان: یعنی ماشین مراحل فکری شبیه انسان را طی کند (مثلاً همان‌طور که یک دانش‌آموز برای حل یک مسئله چند مرحله را انجام می‌دهد، ماشین هم همان مسیر را طی کند).

3- فکر کردن منطقی: یعنی ماشین درست و منطقی فکر کند، حتی اگر مثل انسان فکر نکند (مثلاً وقتی یک ماشین حساب یک مسئله ریاضی را حل می‌کند، منطقی فکر می‌کند، نه مثل انسان).

4- عمل کردن منطقی: یعنی ماشین در هر موقعیت بهترین کار را انجام دهد (مثلاً یک ربات امدادگر باید طوری فعالیت کند که جان افراد بیشتری نجات پیدا کند).

پنج بخش اصلی هوش مصنوعی ادراک، تحلیل، یادگیری، تصمیم‌گیری و اقدام هدفمند است.

دانشمندان معتقدند هر سامانه هوش مصنوعی پنج بخش اصلی دارد:

1- ادراک (دیدن و شنیدن محیط)

یعنی ماشین، فضای محیط اطراف را با حسگرها و دوربین‌ها دریافت می‌کند، مثل وقتی که دوربین گوشی تلفن همراه با دوربین چهره افراد را می‌بیند.

2- تحلیل (فکر کردن روی داده‌ها)

یعنی ماشین، اطلاعاتی را که دریافت کرده است بررسی می‌کند، مثل وقتی که دوربین گوشی تلفن همراه چهره افراد را با تصاویر قبلی مقایسه می‌کند.

3- یادگیری (یاد گرفتن از تجربه‌ها)

یعنی ماشین بتواند از تجربه‌های گذشته چیزهایی یاد بگیرد، مثل وقتی سایت آپارات بر اساس فیلم‌هایی که قبلاً مشاهده کرده‌اید، فیلم‌های جدید پیشنهاد می‌دهد.

4- تصمیم‌گیری (انتخاب بهترین راه)

یعنی ماشین بین چند راه، بهترین را انتخاب کند، مثل وقتی نقشه گوگل، نشان یا بلد بین چند مسیر، کوتاه‌ترین را پیشنهاد می‌دهد.

5- اقدام هدفمند (عمل کردن)

یعنی ماشین تصمیمی را که گرفته اجرا کند، مثل وقتی خودروی خودران، برای تغییر مسیر فرمان را می‌چرخاند تا وارد مسیر درست شود.

آیا سامانه‌های برنامه‌ریزی شده هم نوعی سامانه هوشمند هستند؟

سعید در حیاط منزل نشسته بود و هنوز ذهن او درگیر بازی رایانه‌ای بود. او چند روز پیش فهمیده بود عملکرد آن بازی تحت تأثیر هوش مصنوعی است. همان لحظه، بوی نان داغ پیچید. مادر او در حال پختن برساق (نوعی شیرینی محلی ایلام) بود. سعید ملاحظه کرد که مادر، پس از گذاشتن خمیر شیرینی در دستگاه، زمان‌سنج موج‌پز (مایکروویو) را تنظیم کرد و گفت: «چهار دقیقه دیگر خاموش می‌شود، تا برساق نسوزد.» سعید از مادر پرسید: «مگر این اجاق برقی می‌فهمد که شیرینی کی پخته می‌شود؟» مادر لبخند زد و گفت: «نه عزیزم، فقط زمان را تنظیم می‌کند، اگر شیرینی بیشتر نازک باشد یا میزان تشعشع امواج زیاد باشد، ممکن است شیرینی بسوزد. این زمان‌سنج، هرطور که من موج‌پز را تنظیم کنم، همان را انجام می‌دهد».

ماشین برنامه‌ریزی شده؛ فقط طبق دستور عمل می‌کند ولی سامانه هوش مصنوعی؛ می‌تواند فکر کند، یاد بگیرد و خود تصمیم بگیرد. پس ماشین یا سامانه برنامه‌ریزی شده با سامانه هوش مصنوعی متفاوت است.

در جدول 1 تفاوت‌های یک سامانه برنامه‌نویسی سنتی با هوش مصنوعی آورده شده است.

تفاوت سامانه سنتی و هوش مصنوعی

برنامه‌نویسی سنتی	هوش مصنوعی
برنامه‌نویس قوانین دقیق می‌نویسد.	سامانه با داده‌ها آموزش می‌بیند.
سامانه یاد نمی‌گیرد؛ فقط اجرا می‌کند.	با داده‌های جدید بهتر می‌شود.
برای تغییرات باید به‌صورت دستی کدها را اصلاح کرد.	خودش با شرایط جدید سازگار می‌شود.
خطاها باید توسط انسان اصلاح شوند.	می‌تواند از اشتباهات یاد بگیرد.
همیشه قابل پیش‌بینی و قطعی است.	ممکن است متفاوت باشد؛ بر اساس احتمال.
مثل: ماشین‌حساب که فقط طبق فرمول‌ها عمل می‌کند.	مثل: فیلتر ایمیل‌های اسپم که الگوها را تشخیص می‌دهد.

بازی جوانمردانه!

حریف مجازی سعید در یکی از صحنه‌های بازی فوتبال رایانه‌ای، پس از برخورد ناخواسته با بازیکن تیم سعید، همچنان به حمله ادامه داد و برای تیم خود به گل رسید. سعید از این رفتار ناراحت شد. چند دقیقه بعد، در موقعیتی مشابه، سعید برخلاف فرصت گلزنی، توپ را بیرون زد تا نشان دهد که بازی جوانمردانه برای او مهم است. اما آن لحظه در ذهن خود مرور و فکر کرد: «آیا این حریف مجازی اصلاً می‌فهمد چرا من این کار را کردم؟»

سرگذشت هوش مصنوعی: روایتی از رؤیا تا واقعیت

سرگذشت هوش مصنوعی از زمان نیمه اول قرن بیستم تا حال حاضر در این بخش بررسی می‌شود.

رؤیاهای قدیمی، ذهن‌های جادویی (زمان: قبل از سال 1950 میلادی)

هزاران سال پیش انسان‌ها به موجوداتی خودکار و شبیه به خود می‌اندیشیدند که از نیرویی جادویی یا الهی بهره می‌بردند. در اسطوره‌های یونان باستان، تالوس رباتی فلزی بود که وظیفه حفاظت از جزیره کرت را بر عهده داشت و با نیروی خدایان جان می‌گرفت. این ایدۀ مجسمه‌واره‌های زنده در ذهن اغلب فرهنگ‌ها شعله می‌کشید و الهام‌بخش قصه‌هایی از ماشین‌ها یا مجسمه‌هایی بود که در میانه نبردها یا کارزارها انسان‌ها را یاری می‌دادند.

در قرن پانزدهم میلادی، لئوناردو داوینچی با ارائه یک طرح شوالیه، این ذهنیت بشر را پاسخ داد. این شوالیه با محورهای چرخشی و سیم‌های مخفی قابلیت حرکت داشت و نشان می‌داد که اندیشه ماشین‌های خودکار ریشه در تفکر مهندسی و هنری نیز دارد. هرچند آن دوره هنوز شباهتی به «هوش» امروزین در کار نبود، اما این رؤیاها بذر ایده‌ای را کاشتند که قرن‌ها بعد به «هوش مصنوعی» تبدیل شد.

ایده‌ای به نام «ماشین فکرکننده» (دهه 1950-1940 میلادی)

ظهور رایانه‌ها (ماشین‌های الکترونیکی) پس از جنگ جهانی دوم این سؤال را مطرح کرد که آیا ماشینی می‌تواند فرایندهای فکری انسان را تقلید کند؟ در سال 1950، آلن تورینگ در مقاله‌ای مشهور پرسید: «آیا ماشین می‌تواند فکر کند؟» و برای پاسخ به این پرسش، آزمونی پیشنهاد کرد که بعدها به «آزمون تورینگ» معروف شد. او اعتقاد داشت اگر یک داور انسان نتواند در مکالمه نوشته شده (مکتوب) تفاوت میان یک انسان و گفت‌وگو (چت) یک ماشین را تشخیص دهد، می‌توان چنین ماشینی را هوشمند در نظر گرفت.

یک داور در این آزمون، با دو پاسخ‌دهنده چت می‌کند که یکی انسان و دیگری ماشین است. داور نمی‌داند کدام پاسخ‌ها از جانب ماشین و کدام از انسان است. پس از چند سؤال، داور حدس می‌زند. اگر ماشین بتواند داور را فریب دهد، نمره هوش می‌گیرد. این ساده‌ترین راه برای بررسی تشخیص انسان از ماشین در گفت‌وگوی نوشتاری است.

تولد رسمی هوش مصنوعی (1956 میلادی)

تابستان 1956، گروهی از پژوهشگران جوان و خلاق در محوطه یک دانشگاه در آمریکا گرد هم آمدند تا درباره ایده گفت‌وگو کنند: ساختن ماشینی که بتواند «فکر کند». همان‌جا بود که اصطلاح «هوش مصنوعی» برای نخستین‌بار پیشنهاد شد و اسمی جدید برای یک رؤیای قدیمی مطرح شد. این نشست، سرآغاز رسمی دانشی بود که بعدها مرز میان انسان و ماشین را دگرگون کرد.

منطق فازی و منطق دیجیتال

وقتی گفته می‌شود که از بین دو پاسخ صحیح و غلط یکی انتخاب شود یا اشاره شود که از بین دو رنگ سیاه و سفید یکی انتخاب شود از منطق مشخص و صریح یا منطق دیجیتال صحبت می‌شود و ضمن اینکه از دو حالت قطعی صحبت می‌شود، پاسخ‌دهی بسیار ساده و قطعی است.

اما گاهی انسان‌ها در زندگی روزمره برای پاسخ به سؤالات، پاسخ صریح و مشخص و قطعی پیدا نمی‌کنند، در این مواقع اصطلاحاً وضعیت گنگ یا نامشخص است، منطق فازی نیز به همین معنی است یعنی منطق گنگ و نامشخص را دربر می‌گیرد، مثلاً وقتی پرسیده می‌شود بین دو رنگ سیاه و سفید چه رنگ‌هایی وجود دارد یا بین پاسخ درست و نادرست چه حالت‌هایی وجود داد، برای پاسخ به سؤال اول رنگ خاکستری و طیف‌های آن وجود دارد و در مورد پاسخ به گزینه‌های درست و نادرست، می‌توان گزینه‌های 70 درست، 50 درصد درست و امثال آن را نام برد.

منطق فازی پاسخ مناسب برای طیف بین دو حالت را مشخص می‌کند و اصطلاحاً عدم قطعیت را بیان می‌کند.

سال‌های طلایی و ساده‌انگارانه (دهه 60 و 70 میلادی)

شور و اشتیاق به هوش مصنوعی در دهه 60 و 70 میلادی به اوج خود رسید: با منابع محدود محاسباتی، گروهی از دانشمندان موفق شدند برنامه‌هایی بسازند که معادلات پیچیده را حل کند، با کاربر گفت‌وگوی ساده‌سازی شده داشته باشد و حتی در بازی شطرنج مهارت نشان دهد. سامانه‌هایی مانند ELIZA با تقلید از زبان یک روان‌شناس، حس تعامل انسانی را منتقل می‌کردند و ربات متحرکی مثل Shakey توانایی حرکت و تصمیم‌گیری محیطی را به نمایش می‌گذاشت؛ هرچند این موفقیت‌ها بیشتر بر منطق صریح و قوانین از پیش تعریف شده قرار داشت و در جهان واقعی با محدودیت‌های سختی روبرو می‌شد. در این میان، اختراع منطق فازی به‌دست پروفسور لطفی‌زاده تحولی بنیادین ایجاد کرد ایدۀ «درستی نسبی» به ماشین‌ها اجازه داد تا با داده‌های نامطمئن و مبهم کار کنند و نه تنها مسائل دقیق ریاضی، بلکه آنچه در زندگی روزمره با درجاتی از عدم قطعی بودن صدرصد (عدم قطعیت) وجود دارد را نیز فهمیده و حل کنند؛ کشفی که امید تبدیل شدن ماشین‌ها به موجوداتی که واقعی تفکرکنند و حتی احساس هم داشته باشند به شدت افزایش داد.

پروفسور لطف‌الله عسکرزاده اردبیلی، معروف به لطفی‌زاده، در 15 بهمن 1299 به دنیا آمد. ابتدا در باکو و سپس در تهران به مدرسه رفت و در دانشکده فنی دانشگاه تهران پذیرفته شد و سپس با تحصیل در دانشگاه‌های MIT و کلمبیا، مسیر علمی خود را در مهندسی برق و علوم رایانه پیمود. او در سال 1959 به دانشگاه کالیفرنیا، برکلی، پیوست و با ارائه نظریه مجموعه‌های فازی در سال 1965، انقلابی در حوزه هوش مصنوعی ایجاد کرد. این نظریه، با مدیریت عدم قطعیت و پیچیدگی‌های دنیای واقعی، پایه‌گذار کاربردهای گسترده‌ای در سامانه‌های هوشمند شد. نقش لطفی‌زاده در هوش مصنوعی به توسعه منطق فازی محدود نشد؛ او با بیش از 200 مقاله علمی و دریافت 35 دکترای افتخاری، تأثیر عمیقی بر این حوزه گذاشت. منطق فازی که او ابداع کرد، در طراحی سامانه‌های کنترل هوشمند، رباتیک و یادگیری ماشین به کار گرفته شده و ابزارهای پیشرفته‌ای مانند خودروهای خودران و لوازم خانگی هوشمند را ممکن ساخته است. این نوآوری‌ها نشان‌دهنده دیدگاه پیشرو او در تلفیق ریاضیات با مسائل عملی زندگی بود. لطفی‌زاده تا زمان درگذشتش در 15 شهریور 1396 در برکلی، به تحقیق ادامه داد. میراث او در هوش مصنوعی همچنان الهام بخش نسل‌های بعدی است و با کاربردهای روزافزون این فناوری، نامش به‌عنوان یکی از بنیان‌گذاران اصلی این حوزه در تاریخ ثبت شده است.

زمستان‌های یخ‌زده (دهه 70 تا 90 میلادی)

مشکلات فنی و انتظارات بیش از حد موجب شد هوش مصنوعی وارد دوره‌ای بحران‌زده شود. پروژه‌های بزرگ نمادین با انفجار ترکیبات مواجه شدند و الگوریتم‌های آن زمان از عهده مدیریت پیچیدگی زبان و مفاهیم خارج شدند. هزینه نیروی انسانی و سخت‌افزار در پژوهش‌های نمادگرایانه به‌شدت بالا رفته بود و نتایج عملی اغلب ناامیدکننده بود.

این رکود و قطع بودجه‌های دولتی و صنعتی را «زمستان هوش مصنوعی» نامیدند؛ دورانی که شک و تردید درباره قابلیت‌های هوش مصنوعی عمیق شد و بسیاری آن را رؤیایی خام دانستند. با این حال، همین دوران موجب بازنگری در روش‌ها و به وجود آمدن ایده‌های جدیدی شد که زمینه را برای بازگشت پرقدرت هوش مصنوعی فراهم کرد.

بازگشت با یادگیری (دهه 90 تا 2010 میلادی)

هم‌زمان با رشد توان پردازشی، ظهور اینترنت و انبوه داده‌ها، هوش مصنوعی دوباره جان گرفت. الگوریتم‌هایی به نام یادگیری ماشینی به صحنه آمدند؛ ماشین‌هایی که دیگر برنامه‌ریزی نمی‌شدند، بلکه خود آن‌ها یاد می‌گرفتند. ابررایانه (Computer Super) دیپ بلو در سال 1997، توانست قهرمان شطرنج جهان، «گری کاسپاروف» را شکست دهد و نشان داد رویکرد آماری و حجم بالای داده می‌تواند به ماشین‌ها قدرتی فراتر از پیش‌بینی‌های اولیه بدهد.

انقلاب یادگیری عمیق (از 2010 به بعد)

اما با پیدایش تحولات جدیدی به نام شبکه‌های عصبی (در پودمان دوم به آن اشاره خواهد شد) از دهه 2010 میلادی و معماری‌های چندلایه تحولی بنیادین در هوش مصنوعی رخ داد. پژوهشگران با استفاده از داده‌های بزرگ و توان پردازشی بالا موفق شدند، مدل‌هایی بسازند که در تشخیص تصویر، تشخیص گفتار و ترجمه خودکار زبان، شگفتی ایجاد کنند. شرکت‌هایی همچون اپل و آمازون با معرفی دستیارهای صوتی Siri و Alexa انقلابی در تعامل انسان با ماشین ایجاد کردند.

در سال‌های اخیر مدل‌هایی مانند ChatGPT جهان را تحت تأثیر قرار داده‌اند و در زمینه تولید متن و پاسخ‌گویی به سؤالات پیچیده موفقیت‌های چشمگیری کسب کرده‌اند. در حوزه پزشکی نیز الگوریتم‌های یادگیری عمیق توانسته‌اند با دقت بالاتری از پزشکان تومورها را در تصاویر تشخیصی کشف کنند و چشم‌اندازهایی نو برای مراقبت‌های بهداشتی رقم بزنند.

اکنون، در آستانه همزیستی (از 2020 تا امروز)

هوش مصنوعی از سال 2020 به بعد، پا را از آزمایشگاه‌ها و داستان‌های علمی‌تخیلی فراتر گذاشت و بی‌سروصدا در جریان زندگی روزمره ما جاری شد. حالا دیگر نه تنها ابزارهایی پشت صحنه کار می‌کنند، بلکه هوش مصنوعی در هر تعامل دیجیتال حضور دارد و به یک همنشین نامرئی تبدیل شده است. این حضور پیوسته و بی‌وقفه، نحوۀ ارتباط ما با جهان پیرامون، تصمیم‌گیری‌های کوچک و بزرگ و حتی ساختار تجربه‌های روزمره را به‌طور بنیادین دگرگون کرده است. مرز میان شهود انسانی و قدرت محاسباتی ماشین‌ها به هم تنیده شده و این ترکیب، چشم‌انداز تازه‌ای از کارایی، خلاقیت و امکان‌سنجی پیش روی انسان‌ها می‌گذارد.

همزیستی نزدیک انسان و هوش مصنوعی امروز به معنای بازاندیشی در مفاهیمی مانند خلاقیت، اعتماد و مسئولیت است. انسان‌ها باید بیاموزند چگونه در کنار این همراه دیجیتال زندگی کنند و از فرصت‌های آن بهره ببرند و خود را برای چالش‌های اخلاقی و اجتماعی پیش‌رو آماده‌سازی کنند.

اما همین‌جا، در اوج پیشرفت، سؤالاتی بنیادین دوباره زنده می‌شوند: وقتی ماشین با ما حرف می‌زند، آیا فقط الگویی را تکرار می‌کند؟ یا چیزی بیشتر از محاسبه در جریان است؟ می‌توان با چیزی که نمی‌فهمد، همزیست بود؟

پیشرفت فناوری هوش مصنوعی از دهه 1940 تا امروز، داستانی پر از نوآوری است که با شکل زیر به‌صورت یک خط زمان بصری به نمایش درآمده است. این نمودار، مراحل کلیدی این تحول را به‌صورت ساده و قابل فهم نشان می‌دهد.

چهارچوب بنیادین هوش مصنوعی

پیش از آنکه به نقش هوش مصنوعی در شکل‌دهی آینده شغلی پرداخته شود ابتدا باید بررسی کرد که این فناوری چگونه از چهار لایۀ اساسی تشکیل شده است. درک این لایه‌ها مثل شناخت اجزای یک ماشین پیچیده است؛ وقتی مشخص شود هر بخش چه نقشی دارد، بهتر می‌توان کاربردها و محدودیت‌های هوش مصنوعی را در دنیای واقعی مشاهده کرد. زیرساخت پردازش، داده‌ها، مدل‌ها و کاربردها اجزای این ماشین هستند.

زیرساخت پردازشی

اولین گام، داشتن رایانه‌هایی با توان بالا است؛ همان چیزی که به آن «زیرساخت پردازشی» گفته می‌شود. این زیرساخت شامل سرورهای پرقدرت، کارت‌های گرافیکی (GPU) و شبکه‌های پرسرعت است که داده‌ها و مدل‌ها را با سرعت مناسب بارگذاری و اجرا می‌کند.

یک تشبیه ساده این است که اگر داده‌ها «سوخت» هوش مصنوعی باشند، زیرساخت پردازشی همان «موتور» است که با مصرف این سوخت، ماشین را به حرکت در می‌آورد. بدون قدرت پردازشی کافی، مدل‌های هوش مصنوعی نمی‌توانند انواع بزرگ داده یا الگوریتم‌های پیچیده را در زمان معقول پردازش کنند.

داده‌ها؛ سوخت سامانه هوش مصنوعی

کیفیت یک مدل هوش مصنوعی به شدت به داده‌های آموزشی آن وابسته است.

آماده‌سازی داده‌ها شامل تمیز کردن اطلاعات، انتخاب ویژگی‌های مناسب و مدیریت حجم داده‌ها است که هر یک نقشی کلیدی در بهبود دقت مدل ایفا می‌کنند. تمیز کردن اطلاعات به معنای حذف داده‌های نادرست، ناقص یا پرت است تا مدل با اطلاعات معتبر و یکدست آموزش ببیند که این کار خطاها را کاهش می‌دهد. انتخاب ویژگی‌های مناسب نیز شامل شناسایی و استفاده از اطلاعاتی است که بیشترین تأثیر را بر عملکرد مدل دارند و از اضافه‌بار اطلاعات غیرمرتبط جلوگیری می‌کند.

این مرحله، هرچند ممکن است کمتر جذاب به نظر برسد، اما پایه اصلی موفقیت یک سامانه هوشمند را تشکیل می‌دهد. با آماده‌سازی دقیق داده‌ها، مدل می‌تواند نتایج دقیق‌تر و قابل اعتمادی ارائه دهد.

مدل هوش مصنوعی

مدل، قلب تپندۀ هوش مصنوعی است. می‌توان آن را به «دستور پخت» یک غذا تشبیه کرد: مدل با تقلید از ساختار داده‌ها یاد می‌گیرد که چگونه از ورودی، خروجی مطلوب بسازد. وقتی مدلی آموزش می‌بیند، در واقع الگوهای پنهان در داده‌ها را کشف می‌کند. به عنوان مثال در بازی رایانه‌ای سعید: الگوریتم یادگیری تقویتی اتفاق می‌افتد و با هر تجربه جدید ماشین می‌فهمد کدام تاکتیک‌ها احتمال برد بیشتری دارند و در دفعات بعد همان‌ها را تکرار می‌کند.

کاربردها

در نهایت، لایۀ کاربرد، آخرین لایه چارچوب هوش مصنوعی است؛ جایی که مدل‌های آموخته‌شده به تولید پیشنهاد فیلم، تشخیص چهره، یا تصمیم‌گیری در مصاحبه کاری می‌پردازند. این همان نقطه‌ای است که دانش و تصمیم‌های هوشمند، وارد زندگی روزمره می‌شوند. کاربردها نتیجه ترکیب سه لایۀ قبلی هستند. هر بار که تلفن همراه آهنگی را پیشنهاد می‌دهد یا وقتی سایت خرید آنلاین کالاهایی مطابق سلیقه افراد نمایش می‌دهد، نتیجۀ کار یک مدل هوش مصنوعی است که روی زیرساخت مناسب و با مجموعه داده‌ای آموزش‌دیده اجرا شده است.

هوش مصنوعی: کلید موفقیت در مشاغل فردا

کنجکاوی سعید او را به گفت‌وگو با عموی خود راهنمایی کرد، عموی او مهندس فنی در یک خط تولید چوب و نجاری پیشرفته است. او که در کارگاه خود از فناوری‌های مبتنی بر هوش مصنوعی استفاده می‌کند، پیشنهاد داد: «بیا سری به کارگاه ما بزن تا از نزدیک تأثیر این فناوری را ببینی.»

سعید در بازدید از آنجا، خط تولید مبلمان و سازه‌های چوبی را مشاهده کرد. عمو توضیح داد که پیش‌تر، اندازه‌گیری و برش چوب‌ها به‌صورت دستی انجام می‌شد و زمان‌بر بود و گاهی خطاهایی مانند برش‌های نادقیق رخ می‌داد. اما اکنون، با استفاده از سامانه‌های هوشمند در ماشین‌های برش و ابزارهای نظارتی، کارها سریع‌تر و با دقت بیشتری انجام می‌شوند. برای مثال، ماشین‌های برش که حالا با هوش مصنوعی کار می‌کنند، اندازه‌گیری‌ها را با دقت بالاتری انجام می‌دهند و چوب را بدون هدررفت، برش می‌زنند. همچنین، ابزارهای نظارتی هوشمند، کیفیت چوب و محصولات نهایی را سریع‌تر بررسی می‌کنند و عیوب را با دقت شناسایی می‌کنند. این تغییرات باعث شده‌اند که این خط تولید کارآمدتر عمل کند و محصولات با کیفیت بهتری، تولید شوند.

دنیای هوشمند؛ تحول مشاغل یا حذف آن‌ها

هوش مصنوعی در سال‌های پیش‌رو، نقش تعیین‌کننده‌ای در تحول بازار کار و شکل‌گیری مهارت‌ها، ایفا خواهد کرد. این فناوری، وظایف تکراری و دستی را که پیشتر به نیروی انسانی وابسته بود، به سامانه‌های خودکار واگذار می‌کند. فرصت‌هایی که این فناوری ایجاد می‌کند، نشان‌دهنده آغاز عصری جدید در تعامل انسان با ماشین‌های هوشمند است. در ادامه، این فرصت‌ها در قالب چند محور اصلی بررسی می‌شوند.

پیوند انسان و ماشین در دنیای کار: 

پیشرفت مداوم هوش مصنوعی، ترکیب مهارت‌های لازم برای ورود و ماندگاری در بازار کار نیز دستخوش دگرگونی جدی خواهد شد. دیگر مهارت‌ها به تنهایی کافی نیستند؛ بلکه آنچه مورد نیاز آینده است، توانایی ترکیب مهارت‌های فناورانه با شایستگی‌های غیر فنی مانند تفکر انتقادی، تحلیل داده، اخلاق دیجیتال و توانایی تعامل سازنده با سامانه‌های هوشمند است. این ترکیب چندمهارتی، افراد را برای ایفای نقش در محیط‌های کاری جدید و نوآورانه آماده می‌کند؛ محیط‌هایی که در آن انسان و ماشین با ترکیبی از شایستگی‌های غیر فنی، در کنار هم تصمیم‌گیری می‌کنند و به تولید معنا و ارزش می‌پردازند.

فناوری در خدمت کارآمدی:

هوش مصنوعی توانایی دارد تا فرایندهای کاری را با دقت و سرعتی بیشتر از روش‌های سنتی مدیریت کند. از مدیریت زمان گرفته تا تخصیص منابع و کنترل کیفیت، الگوریتم‌های هوشمند می‌توانند تصمیماتی دقیق و قابل اعتماد ارائه دهند. این مسئله موجب افزایش بهره‌وری در سازمان‌ها، کاهش هزینه‌ها و بهبود عملکرد در پروژه‌های بزرگ خواهد شد. نوجوانانی که با اصول تحلیل داده و ساختارهای منطقی آشنا شوند، در آینده نقش کلیدی در طراحی و اجرای این سامانه‌ها خواهند داشت. توانایی تعامل با فناوری هوشمند، یکی از ویژگی‌های حیاتی متخصصان فردا خواهد بود.

تقویت عدالت اجتماعی از طریق طراحی مسئولانه:

اگر هوش مصنوعی با نگاهی مسئولانه و اخلاق‌محور توسعه یابد، می‌تواند ابزاری مؤثر برای تحقق عدالت اجتماعی باشد. با طراحی الگوریتم‌هایی شفاف و منصفانه، فرایندهای تصمیم‌گیری می‌توانند از سوگیری‌های انسانی فاصله گرفته و به سمت توزیع برابر فرصت‌ها حرکت کنند. خدمات آموزشی، درمانی و حقوقی می‌توانند با کمک سامانه‌های هوشمند، به افراد بیشتری، فارغ از موقعیت جغرافیایی یا اقتصادی آن‌ها، ارائه شوند. همچنین، امکان تبیین تصمیمات الگوریتمی برای نهادها فراهم خواهد شد و شفافیت در عملکرد سازمان‌ها ارتقا خواهد یافت. این مسیر، هوش مصنوعی را به ابزاری انسانی‌تر، عادلانه‌تر و قابل اعتمادتر بدل می‌کند.

تأثیر منفی هوش مصنوعی بر مهارت‌های انسانی

ذهن سعید هنگام بازگشت از محل کار عمو، پر از سؤال شده بود. دیدن ماشین‌هایی که خود اندازه‌گیری می‌کردند، چوب‌ها را برش می‌زدند و حتی کیفیت نهایی محصولات را می‌سنجیدند، برای او فراتر از انتظار بود. روزی فکر می‌کرد نجاری فقط هنر دست انسان‌هاست، حالا به جایی رسیده بود که ماشین‌ها بی‌وقفه کار می‌کردند و خطا نمی‌کردند. در مسیر خانه، سعید به این فکر افتاد که اگر همین تغییرات در یک کارگاه صنعتی چنین تأثیری داشته‌اند، پس هوش مصنوعی در آینده مشاغل دیگر چه تحولاتی به وجود خواهد آورد؟ کدام شغل‌ها از بین خواهند رفت؟ چه مهارت‌هایی برای ماندن در این رقابت لازم است؟ آیا انسان‌ها می‌توانند نقش فعال‌تری در کنار الگوریتم‌ها ایفا کنند؟

هوش مصنوعی در کنار فرصت‌های گسترده‌ای که در حوزه آموزش، اشتغال و بهینه‌سازی ارائه می‌دهد، چالش‌هایی نیز به‌همراه دارد که شناخت آن‌ها برای آمادگی در برابر پیامدهای منفی ضروری است. هوش مصنوعی ممکن است در مسیر آینده شغلی و مهارتی انسان‌ها تهدیدی به‌وجود آورد.

حذف مشاغل سنتی و تکراری:

ورود فناوری‌های هوشمند به محیط‌های کاری می‌تواند، بسیاری از مشاغل که بر پایه کارهای تکراری، فیزیکی یا اداری بنا شده‌اند را در معرض حذف یا تغییر ماهیت قرار دهند. با این وضعیت مشاغلی مانند حمل‌ونقل، تولیدات صنعتی، خدماتی و حتی برخی حوزه‌های آموزشی با خطر جایگزینی انسانی توسط ماشین‌های خودکار روبرو هستند. شکل زیر، این مسئله می‌تواند منجر به بیکاری گسترده، نیاز به بازآموزی نیروی کار و دگرگونی در ساختار مشاغل شود.

نابرابری در دسترسی به فناوری‌های هوشمند:

پیشرفت سریع هوش مصنوعی ممکن است به شکاف دیجیتال عمیق‌تری میان افراد، جوامع یا کشورها منجر شود. اگر زیرساخت‌های فناورانه به صورت عادلانه در بین کشورها توزیع نشوند، گروه‌هایی که به ابزارها، آموزش یا ارتباطات دیجیتال دسترسی ندارند، از فرصت‌های آینده بازخواهند ماند. این شکاف می‌تواند تفاوت‌های اقتصادی و اجتماعی را افزایش دهد و دسترسی برابر به آموزش، درمان، یا خدمات شغلی را دشوارتر کند.

کاهش مهارت‌های انسانی به‌دلیل وابستگی به فناوری:

اگر در آموزش و زندگی روزمره بیش‌از حد به هوش مصنوعی تکیه شود، ممکن است توانایی‌هایی مثل خلاقیت، تفکر مستقل، تصمیم‌گیری و ارتباط انسانی در نسل‌های آینده تضعیف شود. نوجوانان باید بیاموزند که چگونه از فناوری استفاده کنند، بدون آنکه جایگزین توانمندی‌های انسانی شود.

هوش مصنوعی و مصرف انرژی:

هر بار که یک چت‌بات یا مدل هوش مصنوعی به درخواست کاربر پاسخ می‌د‌هد، چه برای یک سؤال ساده، چه یک تولید محتوای پیچیده باشد؛ فرایند پردازش آن به مصرف قابل توجهی از انرژی منجر می‌شود. این عملیات‌ها در مراکز داده با تجهیزات قدرتمند انجام می‌شوند که برای خنک‌سازی و پردازش، انرژی الکتریکی و برق قابل توجهی مصرف می‌کنند. اگرچه پاسخ‌ها لحظه‌ای و دیجیتال به‌نظر می‌رسند، در واقع تأثیر زیست‌محیطی در مجموع دارند (شکل زیر) پس آگاهانه بودن در استفاده و طراحی درخواست‌های هدفمند، می‌تواند نقش مهمی در مدیریت صحیح مصرف انرژی داشته باشد.