آيا آينده خود را به دست الگوريتم‌ها بسپاريم؟

به گزارش اخبار ما ، روزنامه “جوان” در ادامه نوشت: اواخر شب تصور كنيد كه يك روز كاري است و به پياده روي رفته ايد. وقتي به مسير معمول پياده روي در محله رسيديد از خانه دور نيستيد و ناگهان ذهنتان به يك جلسه مهم برنامه ريزي شده براي هفته آينده مي رسد. لحظه اي تصور كنيد كه به دنياي كارمي ارل منتقل شده ايد. – و همانطور كه صحنه را تصور مي كنيد ، يك غوغاي ظريف شادي در زندگي شما انتظار شما را مي كشد – و اميدواريد كه اين فرصت را داشته باشيد كه از رئيس درخواست افزايش حقوق كنيد. البته نه براي افزايش حقوق از لحظه اي بلكه در چند ماه آينده. لحظه اي تصور كنيد كه به دنياي كارمي ارل منتقل شده ايد. و سال آينده ، شما و همسرتان سرانجام مي توانيد از شر بازارهاي اجاره خلاص شويد و محله بهتري را در محله مجاور با تحصيلات بهتر خريداري كنيد. اما بعد افكار شما به سراغ مشكلي مي رود كه اخيراً با آن دست به گريبان بوديد: يكي از اعضاي گروه شما كه با استعداد است اما خلق و خوي دارد. هنگام راه رفتن ، احساس ناخوشايندي به ياد شما مي آيد كه وقتي همكار شما به شدت مورد آزردگي قرار گرفت اتاق شما را پر كرده است. تصور كنيد شش ماه بعد جلسه ديگري برگزار شود كه همان رفتار انفجاري اتفاق بيفتد. اين بار فقط در حضور روسا اتفاق مي افتد. موج كوچكي از نگراني ذهن شما را پر مي كند. با خود فكر مي كنيد كه ممكن است براي اين شغل خيلي مناسب نباشد و اين فكر شما را به ياد پنج سال پيش هنگام اخراج كارمندي مي اندازد. ذهن شما تنش ناراحت كننده آن مكالمه را به ياد مي آورد و سپس تصور مي كنيد كه گفتگوي مشابه با كارمند فعلي شما چقدر پرتنش و ناخوشايندتر خواهد بود. وقتي ذهن شما اين سناريو را طي مي كند ، نزديك به وحشت جسمي احساس خواهيد شد. فقط در چند دقيقه سرگرداني ، چندين سفر برگشت از گذشته به آينده داشته باشيد: در هفته بعد از جلسه مهم خود ، تا يكي دو سال بعد و خانه خريداري شده در محله جديد ، به پنج سال پيش ، تا چند هفته بعد شما زنجيره هاي علت و معلولي مرتبط با اين لحظات مختلف ايجاد مي كنيد و به آرامي و پايدار از حوادث خارجي به سمت رويدادهاي تصور پيش مي رويد. كل اين توالي شكل پيشرفته اي از ژيمناستيك زمان است. در اين لحظات تفكر بدون ساختار ، ذهن ما بين گذشته و آينده به سرعت به عقب و جلو حركت مي كند ، مانند يك تدوينگر فيلم كه از طريق قاب هاي فيلم به عقب و جلو حركت مي كند.

توانايي پيش بيني توسط بسياري از انقلاب هاي اجتماعي و علمي كه تاريخ بشر را شكل داده اند ، منعكس و تقويت شده است. كشاورزي خود بدون آينده عملي غيرقابل تصور بود: پيش بيني تغييرات فصلي و تجسم پيشرفت هاي طولاني مدت كه از محصولات اهلي انتظار مي رود. سيستم بانكي و اعتباري به ذهن هايي نياز داشت كه بتوانند ارزش مالي زمان حال را فداي احتمال دستاوردهاي بيشتر در آينده كنند. ما براي پيش بيني آينده با هديه اي بي نظير متولد شديم ، اما از طلوع تمدن ما اين هدايا را تبليغ مي كنيم. امروزه پيشرفت هاي جديدي در الگوريتم هاي يادگيري ماشين بوجود آمده است كه به افراد برتري نسبت به انواع خاصي از پيش بيني ها را مي دهد. همانطور كه هوش مصنوعي براي تقويت اساسي ترين استعداد انساني ما ساخته شده است ، ما با اين س questionال دقيق روبرو هستيم: اگر بتوانيم آينده را پيش بيني كنيم ، آينده چه تفاوتي خواهد كرد؟

پيش بيني هاي دقيق هواشناسي فقط يكي از دستاوردهاي اوليه سفر در زمان مبتني بر نرم افزار است: الگوريتم هايي كه به ما امكان مي دهد نگاه به آينده داشته باشيم ، كاري كه تنها چند دهه پيش غيرممكن بود. و سه نويسنده از دانشگاه تورنتو آنها را در يك كتاب مشترك جديد “ماشين هاي پيش بيني” مي نامند. الگوريتم ها مي توانند با كاوش در مخازن گسترده اي از داده هاي رويدادهاي گذشته ، پيش بيني هاي بسيار دقيق وقايع آينده را ارائه دهند. الگوريتم مي تواند با تجزيه و تحليل هزاران فروش مسكن و سوابق مالي خريداران و آزمايش فرضيه ها با پيگيري بدهكاراني كه در نهايت پيش فرض دارند ، تاخير در بازپرداخت اقساط وام هاي آينده را پيش بيني كند. واضح است كه نتيجه آن برنامه ريزي قطعاً پيش بيني تخريب ناپذيري نيست ، اما چيزي شبيه به پيش بيني هايي است كه در گزارش هاي هواشناسي به آن اعتماد مي كنيم. اين الگوريتم ها مي توانند نقايص خطرناكي را كه در يك شبكه مشخص وجود دارد اصلاح كنند: شناخته شده است كه افراد در تخمين احتمالات رفتار بدي دارند. سيستم هاي يادگيري ماشين مي توانند در تصميم گيري هاي ظريف كه به طور بالقوه با تعداد زيادي گزينه مختلف سروكار دارند ، كمك بزرگي كنند. افراد بسيار قادر به ساخت و پرداخت همزمان آينده متصور براي برنامه هاي زماني مشخص هستند: در يكي از اين بازه هاي زماني شما كار جديدي را پذيرفته ايد و در كار ديگر آن را رد كرده ايد ، اما ذهن ما در صورت لزوم چندين يا صدها مسير آينده را دنبال مي كند . سقف صورت و محدوديت هاي محاسبه اما دستگاه هاي پيش بيني هوش مصنوعي اين محدوديت را ندارند ، و همين امر باعث مي شود آنها در كمك به تصميم گيري مهم از زندگي مهم مهارت داشته باشند. تصميماتي كه براي تجزيه و تحليل و تعداد زيادي از آينده هاي جايگزين به داده هاي ارزشمند پروژه بستگي دارد.

در دهه هاي آينده ، بسياري از ما از پيش بيني هاي يادگيري ماشين براي كمك به ما در تصميم گيري در مورد انواع زندگي استفاده خواهيم كرد: به عنوان مثال ، تغييرات شغلي ، برنامه ريزي مالي و انتخاب شغل. وقتي سعي مي كنيم بيشتر به ماشين هاي پيش بيني هوش مصنوعي اعتماد كنيم ، چه اتفاقي براي نيروهاي سفر در زمان ما خواهد افتاد؟ شايد نتيجه اين وضعيت وحشتناك يا رهايي يا تركيبي عجيب از هر دو باشد. اكنون اجتناب ناپذير به نظر مي رسد كه هوش مصنوعي قدرت آينده نگرانه ما را به روشهاي هدفمند جديد ، خوب يا بد ، تغيير دهد ، اما خوب است كه فكر كنيم همه فناوري هايي كه در درك اوليه ما از يك شبكه معين به ما كمك مي كند ، به ريشه هاي ما برگشته اند: به ذهنمان فرصت بيشتري بدهيم تا سرگردان شود ، از قيافه حال فرار كند و از لحظه فعلي بيرون بيايد.

ترجمه از وب سايت مترجم / نوشته شده توسط استيون جانسون / ترجمه: علي كوچكي / مرجع: نيويورك تايمز

انتهاي پيام