شما دریک بزرگراه درحال رانندگی هستید. باد شدیدی می‌وزد و گرد و و غبار و خار و خاشاک را به هوا بلند می‌کند. ناگهان حرکات یک مکعب پلی‌استری به اندازه یه جعبه کفش توجه شما را به خود جلب می‌کند. حالا ببینید مغز شما چگونه این وضعیت را تحلیل می‌کند. به نوعی الگویی از محیط خود را مجسم می‌کنید.
بزرگراه، رانندگی و تجربه‌ای که ۹۵ درصد آن رخدادی معمولی و عادیست و ۵ درصد آن جدید است. مکعب پلی استری جدید است. برای تحلیل این پدیده جدید عملکردهای دیگر شناختی شامل تفکر، تحلیل سریع رخداد جدید مبتنی برتجربه های قبلی وتوانایی ادراک وارد میدان می‌شوند.
دراین وضعیت به سرعت تصمیم گیری می‌شود. یک شئ سبک که به موازات شما درحال حرکت است و درنگاه اول خطری محسوب نمی‌شود. حال ببینید الگوریتم هوش مصنوعی بکاررفته در این خودروی کوچک چگونه در این مورد عمل می‌کند.
دراولین گام این الگوریتم همان چیزی که به آن آموخته شده را شناسایی می‌کند. علاوه براین نگاه آن نگاه خلبان یک جنگنده نیست. ویژگیهای رنگ‌آمیزی آن برایش نقطه قوتی محسوب نمی‌شوند.
در صورتیکه این شئ نتواند موقعیت را به خوبی تشخیص دهد؛ این امر منجر به تصادف خواهدشد. از نظر ما وجود یک شئ کوچک روی جاده شاید چندان مهم نباشد. اما بهرحال داده‌ها درهوش مصنوعی تقریبی عمل می‌کنند.
اطلاعات فراوانی به آن داده‌اند. عکس ها، تصاویر و فیلم هایی که سقوط سنگ روی جاده را بازسازی می‌کند، چیزی ازیک کامیون بیرون میفتد، فردی قصد خودکشی دارد و بسیاری حالات دیگرازقبل به هوش مصنوعی داده شده. اما در این همه اطلاعات خبری از وجود چنین مکعب سفیدکوچک هرگز نبوده‌است.
برای هوش مصنوعی در۸۹ درصد موارد شبیه افتادن یک شئی از کامیون است. واکنش دراین حالت یا ترمز شدید است یا تلاش برای اجتناب از برخورد با آن که در هردو حالت خطر تصادف وجود دارد.
در هر دوی این حالات از رویکردهای معمولی هوش مصنوعی برای شبیه سازی هوش استفاده می‌شود. یا از نمادها برای نشان دادن واقعیت ها استفاده می‌شود ویا تکیه برداده‌ها برای سنجش واقعیت است. در حالت دوم تعداد داده‌ها باید بسیارمتنوع باشند تا نتیجه مطلوب حاصل شود.
«گَری مارکوس» استاد دانشگاه نیویورک تکیه‌بر داده‌ها در هوش مصنوعی را چندان مثمرثمر نمی‌داند. او در اینمورد مثالهای مضحکی دارد. زمانیکه هوش مصنوعی یک تابلوی راهنمایی رانندگی با برچسب های فراوان را به اشتباه یک یخچال مملو از موادخوراکی تشخیص می‌دهد.
عواقب بسیار خطرناک این اشتباه در رانندگی و یا دریک تشخیص پزشکی کاملا مشهود است. بهره‌مندی از یادگیری ماشینی در زمینه‌های محدود در نظام های فعلی هوش مصنوعی عملکرد خوبی دارند؛ اما اینها صرفا محدود به داده‌ها هستند و درسایر زمینه‌ها نمی توان به آن اطمینان کرد.
به عبارت دیگر هوش مصنوعی درمقابل آنچه نمی شناسد بسیار ناتوان و سردرگم است. درمجموع می‌توان اذعان داشت هوش مصنوعی در تمام حالات قدرت درک و فهم هیچ موضوعی را ندارد.
به مفهوم واقعی کلمه هوش مصنوعی براساس احتمالات عمل می‌کند. هوش مصنوعی مبتنی بر داده‌ها پیش می‌رود. اگر تشخیصها براساس این داده‌ها درست باشد عملکرد موفقی خواهد داشت و درغیر اینصورت حادثه رخ خواهد داد.
چون بهرحال داده‌ها محدود است هرآن هوش مصنوعی می‌تواند عملکرد ناموفقی از خود بروز دهد. بنابراین تشخیص بد از خوب، خیر از شر برای هوش مصنوعی چندان متصور نخواهد بود. از اینرو در استفاده از هوش مصنوعی باید نهایت دقت را در بسیاری از زمینه ها به خرج داد.
منبع: هفته نامه اکسپرس
