عمومی

آیا آینده خود را به دست الگوریتم‌ها بسپاریم؟

بعد از یک روز پر فراز و نشیب ، بالاخره روی کاناپه می خوابید تا مغزتان را خنک کنید ، اما این ذهن لعنتی تازه شروع شده است. یک بار او به مسابقه دیروز می رود. نگرانی در مورد خانه آینده بازگشت به جلسه ماه گذشته و برنامه ریزی نهایی فردا. محققان می گویند وقتی نمی خواهید کاری انجام دهید ، فعالیت ذهن شما به حداکثر می رسد. این فعالیت نوعی سفر در زمان است و به ما قدرت می دهد تا به آینده برویم. استیون جانسون ، نویسنده علوم و نظریه پرداز رسانه ، می گوید ما باید تاریخ فناوری را با “انسان آینده نگر” درک کنیم ، مردی که به طور سنتی پرورش می داد و اکنون الگوریتم هایی را برای پیش بینی آینده طراحی می کند.

به گزارش یومیر ، روزنامه “جوان” در ادامه نوشت: اواخر شب را تصور کنید ، یک روز کاری است و به پیاده روی رفته اید. با رسیدن به مسیر معمول پیاده روی در محله ، از خانه دور نیستید و ناگهان ذهنتان به یک جلسه مهم می رود که برای هفته آینده برنامه ریزی شده است. برای لحظه ای تصور کنید که به درون جهان ارل که توسط کارما هدایت می شود ، منتقل شده اید. – و در حالی که صحنه را تصور می کنید ، یک لذت ظریف در زندگی شما انتظار شما را می کشد – و امیدوارید که این فرصت را داشته باشید که از رئیس خود درخواست افزایش حقوق کنید. البته نه برای افزایش حقوق از آن لحظه ، بلکه برای چند ماه آینده. برای لحظه ای تصور کنید که به درون جهان ارل که توسط کارما هدایت می شود ، منتقل شده اید. و سال آینده ، شما و همسرتان سرانجام می توانید از شر بازار اجاره خلاص شوید و محله بهتری را در محله مجاور با تحصیلات بهتر خریداری کنید. اما سپس ذهن شما به سراغ مشکلی می رود که اخیراً با آن دست و پنجه نرم کرده اید: یکی از اعضای گروه شما که با استعداد است اما خوی دارد. هنگام راه رفتن ، احساس ناخوشایندی به یاد شما می آید که وقتی همکار شما به شدت مورد آزردگی قرار گرفت اتاق شما را پر کرده است. تصور کنید برخورد دیگری شش ماه بعد وجود دارد که همان رفتار انفجاری رخ می دهد. این فقط این بار در حضور رئیسان اتفاق می افتد. موج کوچکی از نگرانی ذهن شما را پر می کند. با خود فکر می کنید که شاید او برای این کار خیلی مناسب نباشد و این فکر شما را به یاد پنج سال پیش می اندازد که یک کارمند را اخراج کردید. ذهن شما هیجان ناخوشایند آن مکالمه را به یاد می آورد و سپس تصور کنید که مکالمه مشابه با کارمند فعلی خود چقدر پرتنش و ناراحت کننده تر خواهد بود. وقتی ذهن شما از این سناریو عبور می کند ، نزدیک به وحشت جسمی احساس خواهید شد. در طی چند دقیقه پیاده روی چندین سفر رفت و برگشت مختلف از گذشته به آینده انجام می دهید: به هفته آینده و جلسه مهم خود ، به یکی دو سال بعد و خانه خریداری شده در محله جدید ، به پنج سال پیش ، به چند هفته بعد شما زنجیره های علت و معلولی را در ارتباط با این لحظات مختلف ایجاد می کنید و به آرامی و پایدار از حوادث خارجی به سمت رویدادهای تصور پیش می روید. کل این توالی ، شکل پیشرفته ژیمناستیک زمانی است. در این لحظات تفکر بدون ساختار ، ذهن ما بین گذشته و آینده به سرعت به عقب و جلو حرکت می کند ، مانند یک تدوینگر فیلم که در چهارچوب فیلم به عقب و جلو می رود.

توانایی پیش بینی در بسیاری از انقلاب های اجتماعی و علمی که تاریخ بشر را شکل داده اند ، منعکس شده و تقویت شده است. کشاورزی بدون آینده عملی غیرقابل تصور بود: پیش بینی تغییر فصل ها و تجسم پیشرفت های طولانی مدت که از محصولات اهلی انتظار می رود. سیستم های بانکی و اعتباری به ذهن هایی نیاز داشتند که بتوانند ارزش اقتصادی امروز را فدای امکان عملکرد بیشتر در آینده کنند. ما برای تصور آینده با هدیه ای بی نظیر متولد شدیم ، اما از ابتدای تمدن ، این هدایا را تبلیغ کرده ایم. امروزه پیشرفت های جدیدی در الگوریتم های یادگیری ماشین به اوج رسیده است که به مردم برتری نسبت به انواع خاصی از پیش بینی ها را می دهد. از آنجایی که هوش مصنوعی برای تقویت اساسی ترین استعداد انسانی ما ساخته شده است ، با این س theال دقیق روبرو هستیم: اگر موفق به پیش بینی آینده شویم ، آینده چه تفاوتی خواهد کرد؟

پیش بینی های دقیق هواشناسی فقط یکی از نتایج اولیه سفر در زمان مبتنی بر نرم افزار است: الگوریتم هایی که به ما امکان می دهد آینده را ببینیم ، چیزی که فقط چند دهه پیش غیرممکن بود. و سه نویسنده در دانشگاه تورنتو در کتاب مشترک جدید آنها را “ماشین های قابل پیش بینی” می نامند. الگوریتم ها را می توان با کاوش بایگانی گسترده ای از داده های رویدادهای گذشته ، پیش بینی های بسیار دقیق وقایع آینده را پیش بینی کرد. می توان یک الگوریتم را برای پیش بینی تأخیر در بازپرداخت بازپرداخت وام های آینده با تجزیه و تحلیل هزاران مورد از فروش مسکن و اقلام مالی خریداران و بررسی فرضیه ها با ردیابی بدهکاران که در نهایت پیش فرض دارند ، پیش بینی کرد. واضح است که نتیجه این برنامه ریزی یک پیش بینی غیرقابل تخریب قطعی نیست ، اما چیزی شبیه به پیش بینی های مورد اعتماد ما در گزارش های هواشناسی است. این الگوریتم ها می توانند به اصلاح خطاهای خطرناک موجود در شبکه استاندارد کمک کنند: شناخته شده است که افراد هنگام تخمین احتمالات رفتار بدی دارند. سیستم های یادگیری ماشین می توانند هنگام تصمیم گیری ظریف که به طور بالقوه با تعداد زیادی گزینه مختلف سروکار دارند ، کمک بزرگی کنند. انسان ها بسیار قادر به ایجاد همزمان و پرداخت هزینه های خیالی آینده برای جدول زمانی های رقابتی هستند: در یکی از این جدول های زمانی شما کار جدیدی را پذیرفته اید و در کار دیگر آن را رد کرده اید ، اما ذهن ما در صورت لزوم بیشتر یا صدها مسیر آینده را دنبال می کند. ، سقف صورت و محدودیت های محاسبه ؛ اما دستگاه های پیش بینی هوش مصنوعی این محدودیت را ندارند و این باعث می شود که آنها در کمک به تصمیم گیری مهم در مورد زندگی بسیار ماهر باشند. تصمیماتی که برای تجزیه و تحلیل و تعداد زیادی از آینده های جایگزین به داده های ارزشمند طراحی بستگی دارد.

در دهه های آینده ، بسیاری از ما با استفاده از پیش بینی های یادگیری ماشین به ما کمک خواهیم کرد تا انواع تصمیمات را در زندگی بگیریم: به عنوان مثال ، تغییر شغل ، برنامه ریزی مالی و انتخاب شغل. وقتی سعی کنیم بیشتر به ماشین های پیش بینی هوش مصنوعی اعتماد کنیم ، چه اتفاقی برای سفر در زمان ما خواهد افتاد؟ شاید نتیجه این وضعیت وحشتناک یا رهایی یا ترکیبی عجیب از هر دو باشد. اکنون اجتناب ناپذیر به نظر می رسد که هوش مصنوعی نیروهای آینده نگر ما را به روشهای هدفمند جدید یا خوب یا بد تبدیل کند ، اما خوب است که تصور کنیم همه فناوری هایی که در درک اولیه ما از شبکه استاندارد به ما کمک می کنند. این ما را به سمت ریشه های خود سوق داد: به ذهنمان فرصت بیشتری برای پرسه زدن ، فرار از قیدهای فعلی و ظهور از لحظه فعلی بدهیم.

ترجمه شده از وب سایت مترجم / نوشته شده توسط استیون جانسون / ترجمه: علی کوچکی / مرجع: نیویورک تایمز

انتهای پیام

دکمه بازگشت به بالا