محدودیتهای هوش مصنوعی در تصمیمگیریهای پیچیده و ابهامی زندگی
محدودیتهای هوش مصنوعی در تصمیمگیریهای پیچیده و ابهامی زندگی, الگوریتمهای بازی شطرنج مانند دیپ بلو برای پردازش میلیاردها حرکت احتمالی و پیشبینی حرکات حریف طراحی شدهاند، اما در مواجهه با مسائل انسانی چون انتخاب شریک زندگی یا تصمیمگیری برای زندگی مشترک، ناتوان میمانند. این سیستمها نمیتوانند از میان میلیونها گزینه موجود، بهترین انتخاب را برای روابط عاطفی و اجتماعی انجام دهند.
پیشبینی نادرست هربرت سایمون درباره آینده هوش مصنوعی هربرت سایمون، از بنیانگذاران هوش مصنوعی، معتقد بود اگر ماشینی بتواند بهترین شطرنجباز جهان را شکست دهد، قطعاً به قابلیتهای مشابه هوش انسانی خواهد رسید.
با این حال، برنده شدن دیپ بلو در برابر گاری کاسپاروف در سال ۱۹۹۷، این پیشبینی را محقق نساخت. از آن زمان تاکنون، بیش از ۲۵ سال میگذرد و هوش مصنوعی نتوانسته در اکثر وظایف انسانی جایگزین شود. نویسندگان کتاب عصر هوش مصنوعی و آینده بشر (هنری کیسینجر، اریک اشمیت و دانیل هاتنلاکر) با دیدگاه سایمون موافق نیستند و دلایل قانعکنندهای برای رد این نظر دارند.
وش مصنوعی شود که همه دانستهها و وظایف انسانی را پوشش دهد.
اصل دنیای ثابت و تفاوت با واقعیت انسانی تفاوت بنیادین بین بازیهایی مانند شطرنج و مسائل زندگی واقعی در ماهیت محیط است. در شطرنج، هر موقعیت بر اساس قرارگیری مهرهها روی صفحه تعریف میشود و هیچ ابهامی در قوانین وجود ندارد. الگوریتمها در چنین محیطهای ثابت و بهخوبی تعریفشده عملکرد بینظیری دارند، زیرا حجم عظیم داده و قواعد غیرمتغیر وجود دارد.
در مقابل، روابط انسانی و مسائل اجتماعی پر از ابهام، تحول و تغییر مداوم قوانین هستند. یک پروفایل دیجیتالی نمیتواند تمامیت یک انسان را بازنمایی کند.
مثالهای شکست الگوریتم در پیشبینی رفتار انسان موفقیت ناسا در فرود فضاپیما روی مریخ در سال ۲۰۱۱ بر اساس پیشبینی سال ۲۰۰۴، ناشی از داشتن تئوری دقیق فیزیک، دادههای نجومی کامل و ثبات قوانین حرکت سیارات بود. اما شرکتهای تکنولوژیک که سعی میکنند رفتار انسان را بدون تئوری قوی، داده کافی و در دنیایی متغیر پیشبینی کنند، بارها ناکام شدهاند.
مثالهای بارز شامل استخدام کارکنان جدید الگوریتم نمیتواند به درستی پیشبینی کند کدام کاندید به مصاحبه دعوت میشود یا در کار موفق خواهد بود. سیستمهای عدالت الگوریتم تنها با بررسی سوابق، نمیتواند به قاضی کمک کند تا با در نظر گرفتن ریسک فرار یا ارتکاب مجدد جرم، درباره وثیقه تصمیم بگیرد. پیشبینی انتخابات، شیوع ویروسها و پدیدههای اجتماعی پیچیده.
در تمام این موارد، محاسبات و داده به تنهایی کفایت نمیکنند؛ ما به قضاوت، نگرش، درایت و پذیرش ریسک برای تصمیمگیری در محیطهای ابهامی نیاز داریم. نتیجهگیری مکمل بودن، نه جایگزینی قدرت الگوریتمها در حوزههای ثابت، قانونمند و بدون تحول (مانند بازیها، محاسبات فیزیکی و پردازش الگوهای تاریخی) رو به افزایش است.
اما در موقعیتهایی که ابهام، پیچیدگی، نوآوری و ارزشهای انسانی حاکم هستند، عملکرد ماشینها ضعیف و ناامیدکننده باقی میماند. هوش مصنوعی ابزاری قدرتمند برای پردازش داده در دنیای ثابت است، اما هوش انسانی برای ناوبری در دنیای متغیر، ابهامی و اخلاقی غیرقابل جایگزینی است.