نبرد انسان و هوش مصنوعی ؛ واقعیت شگفت‌انگیز درباره تفاوت‌های فکری ما

گرچه انسان و هوش مصنوعی ممکن است خروجی‌های مشابه تولید کنند، اما مسیر رسیدن به این نتایج کاملاً متفاوت است.

به گزارش تکراتو و به نقل از geeky-gadgets، چه چیزی واقعاً نحوه تفکر شما را از عملکرد یک هوش مصنوعی مانند مدل‌های زبانی بزرگ متمایز می‌کند؟ فرض کنید می‌خواهید به یک کودک مفهوم سگ را یاد بدهید.

کافی است چند نمونه نشانش دهید تا به‌سرعت این مفهوم را بفهمد و آن را به تجربیات حسی و حتی احساسات خود وصل کند. اما در مورد هوش مصنوعی اوضاع فرق دارد. یک مدل هوشمند باید هزاران یا حتی میلیون‌ها تصویر از سگ را تحلیل کند تا بتواند چیزی شبیه به تشخیص ارائه دهد؛ آن هم بدون اینکه واقعاً درک کند سگ چیست.

این تفاوت اساسی میان تفکر انسان و هوش مصنوعی، تنها یک نکته فنی نیست. در واقع فهم این تمایز به ما کمک می‌کند تا دنیای آینده را بهتر بشناسیم، دنیایی که در آن نقش هوش مصنوعی روزبه‌روز پررنگ‌تر می‌شود.

نبرد انسان و هوش مصنوعی

در این مقاله، تیم فناوری شرکت IBM به بررسی تفاوت‌های جالب بین شیوه یادگیری انسان و منطق مدل‌های زبانی بزرگ پرداخته‌اند. از شیوه پردازش اطلاعات گرفته تا نحوه استدلال و مدیریت خطا، این تفاوت‌ها نه تنها جالب، بلکه برای آینده‌ای مشترک میان انسان و ماشین حیاتی هستند.

در پایان این مطلب، نه‌تنها درک عمیق‌تری از تفاوت‌های انسان و هوش مصنوعی خواهید داشت، بلکه متوجه می‌شوید چگونه این دو می‌توانند با ترکیب توانایی‌هایشان، آینده‌ای کارآمدتر بسازند.

یادگیری: از انعطاف‌پذیری مغز تا الگوریتم‌های عددی

یادگیری انسان بر پایه ویژگی شگفت‌انگیزی به نام انعطاف‌پذیری عصبی است؛ یعنی مغز می‌تواند با مقدار اندکی از اطلاعات جدید، خود را بازسازی کند و اتصالات عصبی تازه‌ای شکل دهد.

به‌همین دلیل ما انسان‌ها می‌توانیم مفاهیم را به‌سرعت بیاموزیم و از آن‌ها در شرایط مختلف بهره ببریم. مثلاً وقتی یاد می‌گیرید گیتار بزنید، بعداً می‌توانید از همین آموخته‌ها برای آهنگسازی هم استفاده کنید.

اما مدل‌های زبانی هوش مصنوعی به‌جای مغز، از الگوریتمی به نام پس‌انتشار استفاده می‌کنند. در این روش، میلیاردها پارامتر عددی تنظیم می‌شود تا مدل به نتیجه درست نزدیک شود.

برای این فرایند نیاز به داده‌های عظیم و منابع پردازشی قوی است. برخلاف انسان، این مدل‌ها نمی‌توانند اطلاعات جدید را به‌سرعت جذب کنند، بلکه باید دوباره از ابتدا آموزش ببینند.

پردازش: چندرسانه‌ای در برابر گام‌به‌گام

مغز انسان می‌تواند چند نوع اطلاعات را همزمان پردازش کند. شما در یک لحظه می‌توانید صدا، تصویر، بو، و احساسات را یکجا تحلیل کرده و تصمیم بگیرید. مثلاً هنگام عبور از خیابان، مغزتان همزمان صدا، حرکت خودروها، فاصله‌ها و نور را بررسی می‌کند تا ایمن عبور کنید.

اما مدل‌های هوش مصنوعی مانند LLMها اطلاعات را به‌صورت ترتیبی تحلیل می‌کنند. آن‌ها متن را به واحدهای کوچکی به نام توکن تقسیم کرده و بر اساس الگوهای قبلی، توکن بعدی را حدس می‌زنند. این روش به آن‌ها اجازه می‌دهد متن‌هایی منسجم تولید کنند، اما درک کلی و همه‌جانبه‌ای که انسان دارد را ندارند.

حافظه: زنده و پویا در برابر محدود و ایستا

حافظه انسان چند لایه دارد: حسی، کوتاه‌مدت و بلندمدت. این سیستم پویای حافظه به شما امکان می‌دهد اطلاعات تازه را با تجربیات قبلی پیوند بزنید، جزئیات را به یاد بیاورید و با تغییر شرایط، درک خود را تطبیق دهید. مثلاً شاید نکات ایمنی در برابر آتش را از دوران کودکی به خاطر داشته باشید و به‌طور غریزی در مواجهه با خطر آتش آن‌ها را اجرا کنید.

در مقابل، مدل‌های زبانی فقط مقدار محدودی از اطلاعات را در یک زمان می‌توانند تحلیل کنند که به آن پنجره متنی گفته می‌شود. هرچیزی خارج از این محدوده، از اطلاعات ثابت و قبلی گرفته می‌شود. این حافظه ایستا قابل تغییر نیست و برای هر آپدیت باید مدل دوباره آموزش ببیند.

استدلال: شهود و منطق در برابر پیش‌بینی آماری

مغز انسان دو نوع تفکر دارد: شهودی و منطقی. تفکر شهودی برای تصمیم‌های سریع و غریزی است، مثلاً وقتی در جمع کسی را می‌شناسید. تفکر منطقی برای حل مسائل پیچیده است، مثل تحلیل یک معادله. این دو سیستم به انسان کمک می‌کنند تا در شرایط مختلف، تصمیم‌های متعادل و هوشمندانه بگیرد.

مدل‌های زبانی تنها می‌توانند بر اساس احتمالات آماری، متنی منطقی به‌نظر برسد تولید کنند. اما پشت این متن‌ها نه درک است، نه آگاهی، نه شهود. به‌همین دلیل، هرچند خروجی آن‌ها گاه قابل‌اعتماد است، ولی نمی‌توان آن را با تفکر انسانی یکسان دانست.

خطا: حافظه ساختگی در برابر توهم دیجیتال

انسان گاهی دچار اشتباهاتی به‌نام خاطره‌سازی می‌شود؛ یعنی مغز برای پر کردن جای خالی اطلاعات، داستانی می‌سازد که ممکن است نادرست باشد. مثلاً ممکن است جزییات یک رویداد را اشتباه به یاد بیاورید ولی کلیت آن را درست به خاطر داشته باشید.

مدل‌های زبانی هم گاهی دچار پدیده‌ای مشابه به‌نام توهم می‌شوند. در این حالت، مدل با اطمینان کامل اطلاعات نادرستی ارائه می‌دهد، به‌ویژه وقتی داده‌های آموزش‌دیده‌اش ناکافی یا ناقص باشد. اما برخلاف انسان، هوش مصنوعی توانایی بازبینی و اصلاح ندارد، مگر اینکه انسان آن را بررسی و بازآموزی کند.

تجربه‌گرایی در برابر ناتنی بودن

مغز انسان از طریق لمس، دیدن، شنیدن و تجربه مستقیم دنیا را می‌شناسد. ما از طریق حس کردن محیط پیرامون، معنا و درک می‌سازیم. مثلاً وقتی یک جسم داغ را لمس می‌کنید، مفهوم گرما برایتان معنا پیدا می‌کند.

اما مدل‌های هوش مصنوعی هیچ حسی ندارند. آن‌ها فقط با متن آموزش دیده‌اند و هیچ تجربه فیزیکی از جهان ندارند. این فقدان تجربه، درک آن‌ها را از واقعیت محدود می‌کند و باعث می‌شود نتوانند دنیا را مثل انسان تجربه یا تفسیر کنند.

ترکیب قدرت انسان و هوش مصنوعی

با اینکه انسان و مدل‌های زبانی می‌توانند خروجی‌های مشابهی تولید کنند، فرایند پشت این نتایج کاملاً متفاوت است. انسان درک، احساس و زمینه را درک می‌کند؛ هوش مصنوعی سرعت، دقت و توان تحلیل داده‌های گسترده را دارد.

وقتی این دو نیرو با هم ترکیب شوند، نتایج شگفت‌انگیزی پدید می‌آید. از آموزش و درمان گرفته تا تحقیقات علمی، استفاده همزمان از هوش انسانی و قدرت پردازش ماشین می‌تواند مسائل پیچیده را حل کند. درک تفاوت‌ها فقط یک مقایسه نیست، بلکه پلی است به سوی آینده‌ای که انسان و هوش مصنوعی در کنار هم کار می‌کنند.