شاید بسیاری از ما از این نکته آگاه نباشیم، اما یادگیری ماشینی “Learning Machine” ( یکی از شاخههای وسیع و پر کاربرد هوش مصنوعی که به تنظیم و کشف شیوها و الگوریتمها میپردازد) به بخشی لاینفک از زندگی روزمره تبدیل شده است؛ از انتخاب محصولات در خرید اینترنتی گرفته تا ابزار نظارت سازمانهای امنیتی بر دادههای دیجیتال، موردی که شاید معنی و تاثیرات آن به درستی درک نشده با شد.
پدرو دمینگو، استاد علوم کامپیوتر در دانشگاه واشنگتن و نویسنده کتاب “Master Algorithm” در رابطه با اینکه چگونه هوش مصنوعی و یادگیری ماشینی جهان را بازسازی خواهد کرد، سخن میگوید.
هدف غایی در علوم کامپیوتر ماشینی است که میتواند خود را آموزش دهد. تو ضیحی ساده از اینکه یادگیری ماشینی به چه معنی است.
در برنامه نویسی سنتی ، فرد باید در در کاری پر زحمت، همه جزییات و اینکه چه باید انجام شود را به کامپیوتر توضیح دهد، که به آن الگوریتم میگویند: مجموعه ای از دستورالعملها که به کامپیوتر داده میشود.
در یادگیری ماشینی، در اصل کامپیوتر برنامه ریزی میشود تا خودش یاد بگیرد. هنگامی که فردی در اینترنت موردی را جستجو میکند، یادگیری ماشینی از میان نتایج بدست آمده بخشی را انتخاب میکند. در نمونه هایی عملی، شرکت آمازون از آن استفاده میکند تا محصولا تش را توصیه کند، نتفلیکس با استفاده از آن فیلمهایش را ارائه می کند ، و فیسبوک و توییتر بدین وسیله تشخیص میدهند چه مطالبی را به فرد باید نشان دهند. تقریبا هر آنچه که آنلاین اتفاق میافتد به کمک یادگیری ماشینی انجام میشود.
الگورتیم برتر چیست؟ و تا چه حد به تولید آن نزدیک شدهایم؟
الگوریتم برتر الگوریتمی است که هر چیزی را با استفاده از دادهها یاد میگیرد. به او اطلاعات راجع به حرکت سیارات و سطوح شیب دار را بدهید، او قانون گرانش نیوتن را کشف میکند. به او اطلاعات رمز گشایی «دی ان ای» را بدهید و او مارپیچ دوبله را کشف میکند. به او پرونده کامل داده های بیمار را بدهید و او تشخیص و درمان سرطان را میآموزد.
اما برای انجام آن نیاز است به درکی عمیقتر از اینکه یادگیری ماشینی چگونه کار میکند. در این رابطه روشهای متعددی وجود دارند.یکی از آنها مهندسی معکوس مغز میباشد و دیگری تقلید روند تکامل.
شاید برای رسیدن به الگورتیم برتر نیاز باشد به ترکیب این ایدهها، و رسیدن به چیزی شبیه نظریه وحدت یادگیری ماشین، به مانند نظریه وحدت بزرگ فیزیک.
شاید آنرا فردا کسی کشف کند یا سالها طول بکشد تا به آن برسیم.اما حس غالب این است که این کار در دوره زندگی ما انجام خواهد شد، و احتمال کسی به آن میرسد که در واقع محقق امور یادگیری ماشین نباشد. و آنگونه که تجربه نشان میدهد، احتمالا دانشجویی از سر کنجکاوی به این ایده خواهد رسید.
ادعاهای بزرگی در بار ه تبعات یادگیری ماشینی مطرح میشوند؛ از جمله درمان ایدز و سرطان. ولی آیا این در دوره زندگی ما ممکن میباشد؟
ماشین آلات میتوانند اطلاعات بسیار بیشتر و فرایندهای بسیار پیچیدهتری را در مقایسه با انسان مورد بررسی قرار داده، و میزان بیشتری از داروها یا واکسنها را در مقایسه با لابراتوارها موردآزمایش قرار دهند. امروزه از یادگیری ماشینی در فرایند شبیه سازی دارو بروی کامپیوتر استفاده میشود، امری که هزینه کمتری به همراه دارد و در کوتاه زمانی به نتیجه میرسد.
آنچه که درمان ویروس ایدز را دشوار میسازد این است که این ویروس دارای جهش ژنتیکی پر سرعتی است. محققی به نام دویس هکرمن ایدهایی را توسعه داده که در آن حمله به ویروس فقط در یک نقطه اتفاق نمیافتاد، آنگونه که بسیاری از واکسنها عمل میکنند؛ بلکه حمله هم زمان و در نقاط مختلف شکل میگیرد. اما کشف تمام این نقاط مقیاسی از پردازش داده و آزمایشی فرضی را میطلبد که انسان قادر به انجام آن نیست.
در رابطه با سرطان مشکل اینجاست که سرطان فقط یک بیماری نیست. سرطان هر فرد با دیگری فرق دارد و با رشد این بیماری سرطان تغییر میکند. بنابر این سرطانی که امروز در بدن بیمار فعالیت دارد همان سرطانی نیست که شش ماه پیش وجود داشت. سوخت و ساز بدن آنچنان پیچیده و تعداد تغییرات و ترکیبات سلولی و محیطی آنقدر مختلف است که هیچ انسانی امکان تسلط کامل به آنرا ندارد.
در نتیجه دارویی واحد وجود ندارد که به کمک آن بتوان سرطان را مداوا کرد. یادگیری ماشینی به کمک دسترسی به ژنوم سرطان، ژنوم بیمار و سابقه پزشکی پتانسیل پیش بینی دارو، ترکیبی از داروها و یا حتی طراحی دارویی جدید و مخصوص برای نوع خاصی از سرطان را در خود داراست.
اما در راه رسیدن به این هدف، نیاز است به الگوریتمهای بهتر یادگیری ماشینی.به هم چنین لازم است تا بیماران اطلاعات خود را در اختیار بگذارند تا الگوریتمها بتوانند از آن یاد بگیرند. به اعتقاد دویس ها سلر، یک زیست شناس مولکولی بنام و محقق در یادگیری ماشینی، تنها در صورتی که روند جمع آوری دادهها از بیماران موفقیت آمیز باشد، قادر به درمان سرطان خواهیم بود، و در غیر آن خیر.
یک نظر سنجی دانشگاه آکسفورد نشان میدهد که در دهههای پیش رو ۴۷ درصد مشاغل جهان را میتوان با استفاده از یادگیری ماشینی جایگزین کرد.اما کدام مشاغل در معرض خطر قرار دارند؟
از آنجایی که این سوال باری منفی به همراه دارد، بهتر است به پاسخ از نقطه مقابل نگاه شود. چه مشاغلی در ریسک کمتری قرار دارند؟ یکی از عجایب هوش مصنوعی در ۵۰ سال گذشته این است که مردم فکر میکردند که پروسه خودکار سازی با مواردی سبکتر چون ساخت و ساز یا نظافت توالت آغاز میشود و موارد سختتر کار پزشکان و وکلا خواهد بود.
در واقع معلوم شده است که دقیقا بر عکس است. جایگزینی کار وکلا و پزشکان بمراتب راحتتر است تا خود کار سازی نظافت خیابان. در حقیقت یکی از بزرگترین موفقیتهای یادگیری ماشین در این است که با در اختیار قرار دادن الگوریتمی ساده به همراه پرونده بیمار، قادر است به تشخیص دیابت یا سرطان سینه، در درجاتی بمراتب بهتر از کسی که سالها در رشته پزشکی تحصیل کرده است.
چه گونه مشاغلی میتواند به کمک هوش مصنوعی انجام شود؟ اگر شغلی کار ذهنی معمولی را در بر بگیرد، که بسیاری از تشخیصهای پزشکی اینگونه است، میتوان آنرا در چار چوب اتوماسیون قرار داد. مشاغلی که در برگیرنده تعامل با دنیای فیزیکی و استفاده از دست و پا میباشد، را سختتر میتوان در این پروسه قرار داد.
کارهای که نیاز به مقدار زیادی از عقل سلیم دارد را به سختی میتواند خودکار کرد.عقل سلیم چیزی است که در روند تکاملی به بشریت اعطا شده اما به سختی میتوان آنرا به ماشین آلات انتقال داد.بنابر این مشاغلی که در آن وجود فهم متعارف لازم باشد در حاشیه امن قرار دارند.
افشاگریهای ادوارد اسنودن نشادگر این امر بودند که چه مقدار روابط دیجیتال انسانها امروزه توسط سازما نهای امنیت ملی نظارت میشود. آیا یادگیری ماشینی تهدیدی بر آزادیهای بنیادین ما است؟
یادگیری ماشینی به خودی خود یک خطر به حساب نمیآید، اما قطعا یکی از ابزارهایی است که مورد استفاده سازمانهائی همچون سازمان امنیت ملی، قرار می گیرد. تصور کنیم که سازما نهای امنیت ملی قادر به دریافت تما م ارتباطات دیجیتال در دنیا باشند. مشکل اینجاست که بخش عمده این ارتباطات کاملا بیخطراند و هیچ سازمانی توا نایی بررسی همه این اطلاعات را ندارد.
دوباره، این جایی است که یادگیری ماشینی به میدان میاید . میتوان با استفاده از برنامههای یادگیری ماشینی همه مکالمات را به طور هم زمان بررسی کرد و موارد مشکوک را جدا کرد. در نتیجه اگر بنا بر این است که دولتی کنترل کننده یا تحت نظر گیرنده براه بیافتد، یادگیری ماشینی بطور بالقوه ابزار خطرناکی میباشد.
در عین حال یادگیری ماشینی میتواند قدرت زیادی به ما بدهد. میتوان با استفاده از یادگیری ماشینی مربوط به خود در مقابله با مواردی که بر خلاف منافع فرد عمل میکنند، وارد شد. به مانند هر تکنولوژی دیگر ی این نیز میتواند دو جنبه داشته باشد.
نکته مهم این است که به عنوان شهروندان باید در جهت درک اینکه این فناوری به چه معنی است، و چگونه در جهت خدمت به ما مورد استفاده قرار میگیرد، تلاش کرد؛ به عوض اجازه به دولتها و شرکتها در روند استفاده انحصاری از آن.
به کمک یادگیری ماشینی، کودکان نسل فعلی شاهد چه پیشرفت و پسرفتهایی خواهند بود؟
در کوتاه مدت، یادگیری ماشین به مانند دیگر فناوریها، برندگان و بازندگا نی به همراه خواهد داشت. در دراز مدت موارد منفی از رده خارج خواهند شد و موارد مثبت باقی میمانند. یکی از عرصه هایی که بیشتر افراد آنرا تجربه کردهاند، بهبود سلامت فردی است. نسل بعدی تجربه اشان از بیماری به مانند چیزی وحشتناک که در گذشته دور اتفاق میافتاده خواهد بود.
امروزه افراد اگر احساس ناخوش بودن داشته باشند به دکتر مراجعه میکنند به این امید که دکتر بیماری را درست تشخیص داده و فرد را درمان کند. در آینده فرد به راحتی بیمار نخواهد شد زیرا که بسیاری از کارها در پس زمینه انجام شده و معالجه در همان مراحل اولیه انجام میشود.
نمونهای از تاثیرات کوتاه مدت و بلند مدت. امروزه گوشی های هوشمند پر شده از سنزورها (حسگرهای) مختلف، روندی که در ادامه بیشتر هم خواهد شد، در آینده نزدیک و در مر حله ای حتی در داخل بدن انسانها نیز شاهد حضور این حسگرها خواهیم بود. اگر گوشی هوشمند متوجه شود که فرد در خطر حمله قلبی قرار گرفته، به شماره اضطراری زنگ میزند، و بدین طریق جان فرد را نجات میدهد. این نمونهای است از آینده کوتاه مدت.
در دراز مدت، شیوع یک بیماری جدید را تصور کنید، به مانند ابولا، که در آن ویروس این بیماری رشدی متوا لی و سلسهوار را طی میکند، در ادامه، لابراتوارها واکسن یا درمان مربوطه را کشف میکنند، و سپس سیستم ایمنی دستور العمل لازمه برای درمان را از طریق اینترنت به داخل بدن فرد دانلود میکند، بدون آنکه فرد ضرورتا از همه اینها مطلع باشد.
به طور کلی یادگیری ماشینی به مانند دیگر فناوریها، به انسان قدرت فوقالعاده میدهد. تلفن امکان ارتباط با فاصله دور را فراهم میکند،هواپیمای امکان پرواز به دور دست را. یادگیری ماشینی غایت قدرت فوقالعاده میباشد.
گونه انسانی به عوض انطباق خود با جهان، محیط را با هدف هماهنگی با خود تغییر داده است. یادگیری ماشینی این مورد را به سطحی عالیتر ارتقاء میدهد. اینکه جهان خود را با فرد هماهنگ میکند،هنگامی که به ماشینی وارد میشوید یا در محیطی تازه قدم میگذارید، چه آنلاین و چه آفلاین، همه این موارد خود را بطور خودکار برای استفاده فرد آماده میکنند. بسیاری از نزاعهایی که بخاطر وجود اطلاعات بیش از حد یا به اشتباه رفتن پروسه ها دیده میشوند، دیگر اتفاق نخواهند افتاد. امری که باعث شادکامی و سازندگی بشر خواهد بود.
——————-
http://news.nationalgeographic.com/2015/10/151007-computers-artificial-i…
