هوش مصنوعی خیلی از مردم را وحشت زده می‌کند.
از ربات‌های فوق هوشمندی که حکومت جهان را در دست می‌گیرند، تا تصادف‌های مرگ‌بار ماشین‌هایی با رانندگی خودکار، تا نسل جدید ماشین‌های قاتل، بیشتر و بیشتر این حس را به مردم می‌دهند که هوش مصنوعی چیزی شبیه یکی از قسمت‌های ترسناک سریال آینه سیاه است.
اما اینکه هوش مصنوعی تمام شغل‌های ما را می‌گیرد از همه چی ترسناک‌تر است.
من از سال ۲۰۰۲ شروع کردم به نوشتن درمورد ظهور هوش مصنوعی و از بین رفتن شغل‌ها در غالب یک داستان کوتاه به نام «نادیده گرفتن شدن در سایه ماشین». من ماشین‌های خود ران را نمی‌دیدم که باعث آسیب زدن به صنعت خودرو می‌شوند، اما این تصور را داشتم که ربات‌های فست فود خیلی زود جای میلیون‌ها کارگر را می‌گیرند. به محض اینکه یکی از تکه‌های زنجیر آنها را قبول کند، بقیه هم چاره‌ای جز پذیرش آنها ندارند تا بتوانند در عرصه‌ی رقابت باقی بماند و به این ترتیب مجموعه‌ای از عکس‌العمل‌های زنجیروار باعث ایجاد بیکاری عظیم و فروپاشی اجتماعی خواهد شد.
در آن زمان داستانی که نوشته بودم مانند احتمالی دور و تار در آینده به نظر می‌رسید، اما همینطور که هوش مصنوعی یکی پس از دیگری و با سرعت سرسام‌آوری به موفقیت‌های قابل توجهی دست می‌یابد، به نظر می‌رسد به طرز رعب‌آوری نزدیک است.
یک تحقیق اخیر در موسسه‌ی جهانی مک‌کنزی نشان داد که ۶۰ درصد از مشاغل خواهند دید که ۳۰ درصد کارشان به ماشین‌ها محول شده است.
اما اگر نظرمان درمورد هوش مصنوعی اشتباه باشد چه؟
اگر پایان یافتن شغل‌ها درمیان نباشد و در عوض انفجاری هم در تولید شغل ایجاد شود، به‌طوری که هیچکس در طول تاریخ ندیده باشد، چطور؟
می‌دانم. می‌دانم. این بار با همیشه فرق دارد.
من مطمئنم اتفاقی که در قرن نوزدهم درمورد دستگاه‌های ریسندگی در انگلستان افتاد هم همینطور بود (یک جنبش اجتماعی از صنعتگران نساجی بریتانیا در قرن نوزدهم بود که عمدتاً بوسیله تخریب ماشین آلات بافندگی، در برابر تغییراتی که بر اثر انقلاب صنعتی ایجاد شده بود، اعتراض کردند، چراکه آنها احساس کرده بودند که این تغییرات باعث از دست رفتن شغلشان می‌شود و تمامی شیوه‌های زندگی آنان را تغییر خواهد داد.) همانطور که دانش یک سری سنگ‌کاران قدیمی برای روی هم گذاشتن سنگ‌ها و ساختن معابد باشکوه ناپدید شد و هنوز هم امروزه ما ساختمان‌های خارق‌العاده‌ی خودمان را خلق می‌کنیم که تا آسمان‌ها بالا می‌روند.
هر نسلی فکر می‌کند که به طور قابل توجهی با نسل قبل تفاوت دارد، اما اگر واقعا اینطور نباشد چه؟
اگر یک الگوی ابدی وجود داشته باشد؟ اگر چرخه نابودی و خلق نه تنها گریزناپذیر بلکه ضروری باشد چه؟
آینده ثابت نیست. ثابتی است که با تریلیون‌ها متغیر در تعامل است.
برای یک لحظه بیایید باهم آینده‌ی متفاوتی را تصور کنیم.
بیایید مغزهای مارمولکی (بخشی از مغز که مسئول کارهای حیاتی مانند خوردن، خوابیدن، فرار کردن از دست دشمن و…) است را کنار بگذاریم و به آینده‌ای با زندگی هوشمند و نیاز برای شغل‌های جدید فکر کنیم.
پایان یافتن و شروع مجدد
در یکی از مقاله‌هایی که نوشتم، سرنوشت بیت کوین در ۲۰ سال آینده چه خواهد شد، گفتم که «پیشبینی آینده کار سختی است».
به خاطر اینکه زندگی یک بازی ثابت مانند شطرنج نیست، یک بازی بی‌نهاست است.
قوانین و اهداف به طور مداوم تغییر می‌کنند، دوباره و دوباره خودشان را بازنویسی می‌کنند.
به عبارت دیگر، خود بازی وقتی ما مشغول بازیش هستیم، خودش را عوض می‌کند.
من نمی‌دانم چه زمان یک نابغه ظهور می‌کند و حباب لامپ، یا دستگاه ریسندگی یا اینترنت را اختراع می‌کند. هیچ کدام از خلقت‌ها را قبل از اینکه اتفاق بیفتد نمی‌بینیم، معما چو حل گشت آسان شود.
و هر کدام از این اختراعات، طبیعت واقعیت‌هایی که اطراف ما وجود دارد را تغییر می‌دهد. آنها ممکن‌ها و ناممکن‌ها را تغییر می‌دهند، اینکه کجا می‌توانیم برویم و چه می‌توانیم بکنیم. و هر کدام از اینها به نوبه‌ی خودشان، میلیون‌ها چیز دیگری را ممکن می‌سازند که ما نمی‌توانستیم پیشبینی کنیم.
ما خیلی آسان می‌توانیم تمام شغل‌هایی که ناپدید می‌شوند را ببینیم، اما اینکه انواع شغل‌هایی که هوش مصنوعی برای ما خلق می‌کند را تصور کنیم کار سختی است.
سعی کنید به یک کشاورز قرن هجدم توضیح دهید که طراحی وب به چه معنی است.
نمی‌توانید، چون شغلی است که بر پایه‌ی زنجیره‌ای از اختراعات دیگر بنا شده است، که هر کدام از آنها به اختراع قبل از خودش وابسته است.
جریان الکتریسیته به سیم‌های مسی منجر شد، که به حباب لامپ الکتریکی منجر شد، که به کامپیوتر منجر شد، که به اینترنت منجر شد، که به HTML و مرورگر منجر شد. و آن زمان بود که طراح وب معنا یافت.
ما با ایستادن روی دوش غول‌هایی که پیش از ما آمده‌اند تکامل یافته‌ایم.
پرش فرکانس، تکنولوژی‌ای که وای فای مدرن را نیرو بخشیده است، از تلاش برای آشکارسازی زیردریایی‌ها با رادار در جنگ جهانی دوم که هدی لامر (Hedy Lamarr) بازیگر بسیار زیبا از آن استفاده می‌کرد آمده است. اما یک رشته دیکر از اختراعات لازم بود تا قدرت واقعی پرش فرکانس خودش را نشان دهد و به تلفن همراه و وای فای برسیم.
دانشمندان لایه پس از لایه روی هم می‌سازند.
اگر واقعا درموردش فکر کنید، تمام تکامل انسان هم واقعا چیزی جز مفهوم سازی (انتزاع) برای پیدا کردن راه‌حل برای مشکلات و خودکار کردن استفاده از جواب‌ها برای مشکلات قبلی نبوده است، که به مشکلات جدید و بعدش راه‌حل‌های جدید در یک چرخه‌ی بی‌پایان منجر شده است.
شاید اینطور به‌نظر نرسد اما چکش و میخ‌ها همان مفهوم سازی و خودکارسازی هستند.
بدون تبر نمی‌توانید درخت‌ها را قطع کنید. بدون چکش و میخ نمی‌توانیم یک خانه پیچیده بنا کنیم.
ما می‌خواستیم راهی پیدا کنیم که سریع‌تر خانه بسازیم. چکش‌ها و میخ‌ها به ما اجازه می‌دهند که این کار را به طریقی متقارن‌تر و قابل پیش‌بینی‌تر انجام دهیم. تعداد زیادی چکش و میخ بسازید و نیاز به استفاده کاهگل به‌عنوان بست را به‌طور خودکار از بین ببرید.
وقتی که بتوانید به‌طور قابل اتکایی سازه‌های بیشتری را سرهم‌بندی کنید، اختراعات جدیدی هم ناگزیر ایجاد می‌شوند، از جمله سیمان.
وقتی که سیمان در اختیار داشته باشید، می‌توانید ساختمان‌های بلندتر و پیچیده‌تری بسازید، ساختمان‌هایی مانند پارتنون و معابد خارق‌العاده‌ی خدایان باستان. بالاخره مواد دیگری مانند فولاد هم می‌سازیم و جرثقیل‌های غول‌آسایی می‌سازیم که آنها را بلند کند و ناگهان برج‌هایی می‌سازیم که سر به ابرها بگذارند.
در حال حاضر من دارم پیش‌نویس این مقاله را در هواپیما در مسیرم به برلین می‌نویسم، چیزی که برای کشاورزانی در گذشته‌ی دور کاملا غیرقابل تصور به نظر می‌رسید. برای غارنشینان جادو به نظر می‌رسید.
هیچ هواپیمایی بدون لایه‌های عظیمی از مشکلاتی که قبلا حل شده‌اند وجود نمی‌داشت، از موتورها گرفته، تا بال‌ها و آلیاژهای فلزی. این شگفتی مفهوم سازی و خودکارسازی است، گواهی بر نبوع خالص انسان‌ها.
هرکسی که مشغول خواندن این مطلب است، قطعا همین هفته پیش بوفالو شکار نکرده، پوستش را نکنده، چرمش را برنداشته، آن را ندوخته و به عنوان لباس استفاده نکرده است. اگر در کار ساخت و ساز دستی نداشته باشید، خانه خودتان را نساخته‌اید. شما غذاهایی که می‌خورید را نمی‌کارید، فقط ممکن است دلتان بخواهد در باغچه‌تان کمی سبزی خوردن بکارید. شما هیچکدام از ابزارهایی که سرکارتان استفاده می‌کنید را نساخته‌اید، چه یک بیلچه باشد، چه یک مته یا کامپیوتری که روی میزتان با شکوه خاصی می‌درخشد.
لازم نبوده که شما هیچ کدام از این کارها را انجام دهید، چون ما شغل‌ها را از گذشته‌ی دور خودکار کرده‌ایم و به زنجیره ارزش اختراعات رسیده‌ایم.
این چیز خوبی است و این اتفاقی است که یک بار دیگر در حال افتادن است.
فقط درکش کمی سخت‌تر است چون هر قدمی که برمی‌داریم ما به سطح بالاتری از پیچیدگی می‌برد و باید تکامل پیدا کنیم تا بتوانیم با آن پیچیدگی هماهنگ شویم.
متاسفانه، قشر خاکستری مغز ما باید با سرعت تغییر پیش برود. ما هنوز هم از جنگل می‌ترسیم، چون میلیون‌ها سال شکار کردن و جمع‌آوری کردن به ما یاد داده است که از ببر و مار بترسیم. ما برای دفاع از خودمان پنجه و دندان نیش نداریم، پس باید بتوانیم از قبل برنامه ریزی کنیم تا بتوانیم از فجایع جلوگیری کنیم.
واضح است که ما ماشین‌های زنده‌ماندن و دوام آوردن هستیم. ما وحشتناک‌ترین آینده ممکن را تصور می‌کنیم تا بتوانیم از آن اجتناب کنیم.
چیزهایی که ما را می‌ترساند با مرور زمان تغییر می‌کند، اما ریشه در همان ترس‌های قدیمی دارد. از ببرها و مارها به پری و جن و بعد به دستگاه‌های بافندگی و بعد هم به هوش مصنوعی تغییر کرده است. چیزی که ما واقعا از آن می‌ترسیم نابودی است. مرگ هیولای پشت تمام ترس‌ها است، که با رشد و تغییرات جامعه شکل‌های مختلفی به خود می‌گیرد.
ترس از اینکه زئوس خدای خدایان با یکی از آذرخش‌هایش همه‌ی ما را می‌کشد همانند همان ترسی است که ربات‌های هوش مصنوعی روی همه ما را سلاخی می‌کنند.
هنوز هم تخیلات ما خیلی صفر و یکی است.
خوب یا بد. دوست یا دشمن. مرگ یا زندگی.
مغز مارمولکی ما دنیا را سیاه و سفید می‌بیند. یا ما را می‌کشد یا تغذیه می‌کند، هیچ راه وسطی وجود ندارد.
اما زندگی خیلی گسترده‌تر و متنوع‌تر از اینهاست.
انفجار کمبرین
ما همین حالا هم چندین بار در طول تاریخ ۹۵ درصد شغل‌ها را از بین برده‌ایم و به زودی یک بار دیگر هم می‌خواهیم این کار را انجام دهیم.
هر بار بدون استثنا آن شغل‌ها با تعداد بسیار زیاد دیگری از شغل‌ها و فرصت‌ها جایگزین شده‌اند.
زندگی مرحله به مرحله پیشرفت پیدا می‌کند.
برای ۱/۸ میلیون سال انسان‌ها شکارچی و جمع‌آوری کننده بودند. تنها مشکلات اصلی‌مان این بود که وعده‌ی بعدی غذای‌مان را کجا پیدا کنیم و کجا از دست غارتگران پناه بگیریم. همه شغل یکسانی داشتند. غذا پیدا کن. نمیر.
اما برده محیط زیست بودیم. اگر باران نمی‌بارید یا خشکسالی بوفالوها را از بین می‌برد ما هم خیلی زود منقرض می‌شدیم، پس شروع کردیم به گشتن دنبال راهی ثابت‌تر برای پیدا کردن غذا.
دوازده هزار سال پیش مشکل تولید غذا را با کشاورزی و مزرعه‌داری حل کردیم و مردم شغل‌های جدیدی داشتند. ما غذا را کشت کردیم، برخی گیاهان و حیوانات خاص را به مزرعه‌هایمان آوردیم تا بتوانیم همیشه وعده غذایی بعدی‌مان را داشته باشیم.
این موضوع تمام شغل‌های شکار و جمع‌آوری را از بین برد و یک شغل جدید برای بشریت به وجود آورد: مزرعه داری.
البته که مشکلات جدیدی هم خلق کردیم. حالا آنقدر نزدیک به حیوانات زندگی می‌کنیم که از بیماری‌هایی که از حیوانات به بدن‌های بیولوژیکی آسیب‌پذیرمان می‌رسند می‌میریم. آن اوایل فکر می‌کردیم کار شیاطین است، یا خدایان از دستمان عصبانی هستند، اما به گشتن برای راه‌حل‌های بهتر ادامه دادیم، به ویژه وقتی که بیماری‌های به شدت مرگ‌باری مانند طاعون سیاه از میان کشورها گذشتند و ۵۰ درصد جمعیت را از بین بردند و تهدیدی بودند برای اینکه همه‌ی ما را برای همیشه از صحنه روزگار محو کنند.
اما ما نجات یافتیم و قوی‌تر شدیم.
در نهایت ما شروع کردیم به کشف فرایندهایی که به‌خاطر آنها موجودات میکروسکوپی به بدن ما خزیدند و ما را کشتند و تکامل علمی کم کم شکل گرفت، دیدی درمورد جهان به ما داد که قبل از آن هرگز نمی‌دانستیم وجود داشته است. اولین آدم‌هایی که توسط میکروسکوپ به پدیده‌ها نگاه کردند، از اینکه دیدند هر ذره از خاک و هر قطره از آب با زندگی عجین شده، شوکه شدند. ما راه‌هایی پیدا کردیم تا درمان و روش‌هایی پیشگیری کشف کنیم تا بتوانیم مشکلاتی که روزی غیرقابل حل بودند را به یک مشکل فنی مهندسی تبدیل کنیم.
اجداد ما برای باران زیاد و محصول خوب به درگاه خدایان دعا می‌کردند. کوچک‌ترین اشتباه یا حادثه طبیعی به این معنی بود که کل دهکده یا منطقه تا سرحد مرگ گرسنگی بکشد و دولت‌های آن این قدرت را نداشتند که برای مردم فقیر در حال مرگ غذایی تامین کنند.
همین اتفاق در قحطی کویوهو در ژاپن باستان اتفاق افتاد، به خاطر افزایش مالیات و باران‌های سنگینی که محصولات را خراب کرد، جمعیت آن شهر گرسنه ماندند، در حالی که از پادشاه ژاپن هیچ کاری برای کمک کردن به آنها برنیامد. آنها زیرساخت یا حتی دلیلی برای ذخیره و توزیع غذای ذخیره شده یا گرفتن غذا از کشورهای همسایه نداشتند. همین اتفاق در صدها قحطی دیگر در طول قرن‌ها افتاد.
امروزه قحطی‌‌ها تا حد زیادی ناشی از فروپاشی‌های اقتصادی هستند، نه از یک پاییز یا بهار بدون باران.
همینطور که در تولید غذا بهتر و بهتر می‌شویم، به مشکلات بزرگ‌تر و بزرگ‌تری برمی‌خوریم.
در حالی که روزی تمام جمعیت جهان مزرعه‌دار بودند، امروزه فقط ۳ درصد از جمعیت روی زمین کار می‌کنند.
این میزان برای چندین بار سیر کردن کل زمین کافی است، بااینکه درمورد رساندن آن غذا به دهان تک تک آدم‌های روی زمین خوب عمل نمی‌کنیم، اما به این معنی نیست که غذای کافی وجود ندارد. دلیل گرسنه ماندن عده‌ای این نیست که نمی‌توانیم برای آنها غذا تامین کنیم، این است که نمی‌خواهیم یا به دلایلی مانند فروپاشی‌های سیاسی یا خودخواهی از انجام این کار سرباز می‌زنیم.
نیروی قدرتمندی در این مورد در کار است. الگویی است که به ابتدای تاریخ بشریت برمی‌گردد و تا همین امروز هم ادامه پیدا می‌کند.
هر بار تمام شغل‌ها را نابود کردیم، به یک مرحله جدید در تکامل خودمان قدم گذاشتیم، با شغل‌های وسیع‌تر و متنوع‌تر، تخصصی‌تر از همیشه.
ما باعث کمتر شدن شغل‌ها نشدیم، شغل‌های بیشتری خلق کردیم.
اشتباه برداشت نکنید. این جابه‌جایی‌ها همیشه ساده یا آسان نبوده‌اند. شکارچی جمع‌آوری کن‌هایی که دهکده‌های مزرعه‌داران را برای اولین بار می‌دیدند با تصمیم بی‌رحمی مواجه بودند: قبول کن یا بمیر. و خیلی‌ها در هر نقطه انتقال در این مسیر خشن مردند.
اما باوجود تمام چیزهای وحشتناکی که در تاریخ بشریت وجود دارد، توانستیم به جلو حرکت کنیم، ذره ذره جوامع پیچیده‌تری ساختیم.
حتی سیاه‌ترین دوران هم بخشی از فرایند هستند. وقتی که کارگران در مقابل سیل تغییرات تکنولوژی به پا خواستند، نشان این است که جامعه کمی با سرعت زیادی پیش رفت و مردم توانایی هضم آن را نداشتند. این اتفاق آهنگ تغییرات را دوباره پایین آورد، مسیر حرکت اصلاح شد و دوباره به تعادل برگشتیم.
این یک الگوریتم سطح اجتماعی است.
از خیلی جهات جامعه چیزی جز یک توده وسیع، فعال، زنده و هوشمند نیست که در کنار یکدیگر کار می‌کنند تا واقعیت ما را بسازند.
به عصر آنتروپوسین خوش آمدید. عصر انسان.
ما به تغییر یافته‌ترین و موفق‌ترین ارگانیسم جهان تبدیل شدیم که به شدت چهره زمین در اطراف خودمان را تغییر می‌دهیم، با هم کار می‌کنیم و به صورت توده همکاری می‌کنیم، آنچه در گذشته به‌دست آورده‌ایم خودکارسازی می‌کنیم و دوباره روی همان‌ها می‌سازیم و جلو می‌رویم.
انقلاب بعدی
در چند دهه بعدی سطح دیگری از شغل‌های کسل‌کننده و خسته کننده را اتوماتیک می‌کنیم و این کار به ما این فرصت را می‌دهد که یک بار دیگر مشکلات جدید را حل کنیم.
خود هوش مصنوعی وارد یک سری مفهوم‌سازی‌ها می‌شود که باعث می‌شود از پس مسائل پیچیده و پیچیده‌تر بربیاید. همانطور که در تکامل جوامع دیده‌ایم، شاهد تکامل اتوماتیک معماری یادگیری ماشین (Machin Learning)، خلق موتورهای استدلال استقرایی و توانایی ماشین‌های برای پرسیدن سوالات چرایی و خلق مفاهیم و استدلال‌های خودشان برای دنیا خواهیم بود.
اما ماشین‌ها کنترل دنیای ما را به دست نخواهند گرفت.
هرچقدر هم ماشین‌ها هوشمند شوند، انسان‌ها هنوز هم در انواع خاصی از تفکر برتر خواهند ماند.
همانطور که درمورد موفقیت‌های خارق‌العاده موتور جستجوی گوگل دیدیم، ماشین‌ها در کارهای تکراری عالی هستند و انسان‌ها در مفهوم بخشیدن به دنیا. ترکیب این دو است که گوگل را به موجود قدرتمندی که امروز هست تبدیل کرده است. آنها کاری کردند که تمام سرورهای‌شان تمام لینک‌هایی که مردم از موضوعات مختلف به آنها رسیده بودند را به حساب بیاورند، با این دانش اگر به تعداد کافی از افراد به چیزی معنا ببخشند پس احتمالا مهم است و باید در ابتدای نتایج جستجو به نمایش دربیاید.
اتفاقی که در عوض خواهد افتاد این است که هوش مصنوعی را به عنوان یک عضو دیگر از جامعه برنامه نویسان و شرکت‌ها و جامعه می‌بینیم.
آنها به ما کمک خواهند کرد که تصمیمات بهتر و پیش‌بینی‌های بهتری داشته باشیم.
ما شاهد ظهور سانتورها (موجوداتی نیم اسب و نیم انسان) خواهیم بود، انسان و هوش مصنوعی باهم کار می‌کنند تا بتوانند پیچیده‌ترین چالش‌های دنیا را حل کنند.
در واقع، به جای تمرکز روی هوش مصنوعی انسان‌نما، من از مهندسان توقع دارم بیشتر روی ساختن هوش مصنوعی متفاوت تمرکز کنند. منظورم این است که هوش‌های تخصصی بسازند که بتواند کارهایی انجام دهد که ما از انجام آن ناتوان هستیم. بهتر است سانتور بسازیم که با هوش انسانی متفاوت باشد، تا اینکه سعی کنیم چیزی بسازیم که جایگزین هوش انسانی شود.
به عنوان مثال، اتو (Otto) یک خرده فروش آلمانی را در نظر بگیرید. هوش مصنوعی ۹۰ درصد از کار سفارش دادن را انجام می‌دهد و این کار را بهتر از ارتشی از انسان‌ها که قبلا این کار را انجام می‌دادند مدیریت می‌کند، چون می‌تواند به میلیون‌ها متغیر نگاه کند. به همین خاطر بهره‌وری آنها ۱۰۰۰ برابر شد. محصولاتشان با سرعت از قفسه‌ها محو میشد چون هوش مصنوعی سفارش‌ها را دقیقا طبق نیاز، زمانی که مردم به آنها نیاز دارند، با کمترین میزان اشتباهات انجام داده بود. میزان برگرداندن کالاها خیلی کم بود چون دقیقا چیزی که مردم می‌خواستند در زمانی که می‌خواستند به دستشان می‌رسید، مقدار عظیمی از موجودی که بدون استفاده مانده بود روی قفسه‌ها تلنبار نمی‌شد.
ممکن است فکر کنید در نهایت باعث شدند که تعدادی زیاد از کارمندان اخراج شوند. در واقع، افراد بیشتری را استخدام کردند که آن افراد باید روی مشکلات جالب‌تری کار می‌کردند، از جمله زیباتر کردن وبسایت، یا پیدا کردن محصولاتی که مردم در زمان کریسمس بیشتر به خرید آنها تمایل دارند.
استخدام سانتورها می تواند شروع شود و با سرعت پیش برود.
درمورد مرکز تماس‌ها چطور؟
کارمندان بی‌تجربه معمولا با معضلات تصمیم گیری خوب دست و پنجه نرم می‌کنند. اگر تا به حال مجبور شده‌اید با پشتیبانی مشتریان تماس بگیرید این موضوع را تایید می‌کنید، چون همیشه کسی هست که نمی‌تواند به روش معقول و مفیدی مشکل شما را حل کند. واقعا لذت بخش خواهد بود اگه کسی که آن طرف خط است به جای اینکه موانعی که سر راه حل مشکل وجود دارد را ردیف کند، واقعا بتواند فکر کند و پاسخی برای مشکل شما پیدا کند.
هوش مصنوعی می‌تواند فرایند تصمیم گیری این دوستان را تقویت کند، نه اینکه جایگزین آنها شود. می‌تواند بهترین و هوشمندانه‌ترین تصمیمات را به مدل تبدیل کند و این نوع از تصمیمات را با استفاده از داشبوردی از پیشنهادات بین بقیه تیم هم رواج دهد، که به طرز قابل توجهی توانایی‌های تمام افراد تیم را بالا خواهد برد، و باعث می‌شود که آنها پاسخگوتر شوند، بهرهوریشان بالاتر برود، بهتر تصمیم بگیرند و در نتیجه مشتری‌ها خوشحال‌تر باشند.
اما بیایید به یک مشکل واقعی نگاه کنیم:
ماشین‌های خودران (بدون راننده).
قطعا این چیزی است که باعث یک سقوط تمام عیار در جامعه خواهد شد، چون بی‌کاری‌های عظیم دنیا را درمی‌نوردد و کارگران شورش می‌کنند و نخبگان تکنولوژی جدید را قتل‌عام می‌کنند.
خداحافظ دیوارنویسی آمریکایی
دیوارنویسی آمریکایی (American Graffiti) یکی از اولین فیلم‌های ساخته‌شده توسط جرج لوکاس و محصول ۱۹۷۳ آمریکا است. فیلم در مورد برشی از زندگی چند جوان ۱۸سالهٔ آمریکاییِ تازه‌فارغ‌التحصیل‌شده از دبیرستان است.
نویسنده‌های تکنولوژی مانند زک کانتر (Zack Kanter) می‌گویند ماشین‌های خودران می‌توانند بیش از ۱۰ میلیون شغل را تا سال ۲۰۲۵ نابود کنند. دلیلش خیلی ساده است. ماشین‌های خودران می‌توانند مزایایی زیادی داشته باشند که انسان‌ها قابلیت رقابت با آنها را ندارند.
در زمان بسیار کوتاهی آنقدر پیشرفت می‌کنند که به جایی برسند که به طور قابل توجهی از رکوردهای امنیت حتی برای محتاط‌ترین و بادقت‌ترین راننده‌ها هم پیشی می‌گیرند. ایلان ماسک ادعا می‌کند که حتی ممکن است نشستن انسان‌ها پشت فرمان غیرقانونی شود چون نرخ تصادف آنها از ماشین‌ها خیلی بیشتر است.
سازمان بهداشت جهانی تخمین زده است که ۱/۲۵ میلیون نفر هر ساله در جاده‌ها از بین می‌روند. هیچ جای سوالی وجود ندارد که ماشین‌های خود ران می‌توانند در این کار نسبت به مغزهای کوچک اسفنجی پستاندار ما خیلی بهتر و امن‌تر استاد شوند. ربات‌های راننده خسته نمی‌شوند، به خاطر اینکه چیزی از دستشان افتاده کف ماشین، حواسشان از جاده پرت نمی‌شود و وقتی که مست هستند به شانس روی نمی‌آورند چون اصلا مست نمی‌شوند.
البته مطبوعات مشهور سعی می‌کنند به شما بقبولانند که ماشین‌های خودران به طرز وحشتناکی خطرناک هستند. متاسفانه تا الان هم چند مرگ به خاطر ماشین‌های خودران داشته‌ایم اما مطبوعات آن را طوری جلوه می‌دهند که انگار هر روز یک ماشین دیگر از تسلا یا ویمو به طرز وحشیانه‌ای از کنترل خارج می‌شود و یک اتوبوس مدرسه را به قتل می رساند.
اما این درست نیست.
هرچند که ماشین‌های خودران در چندین ایالت در اتوبان‌های بدون محدودیت سرعت مورد آزمایش قرار گرفته‌اند، ما تا به حال تعداد مرگ‌های زیادی ندیده‌ایم که به خاطر سیستم هدایت خودکار باشد.
این مرگ‌ها اجتناب ناپذیر هستند. این امکان وجود ندارد که تمام ریسک‌ها خارج از جامعه و زندگی عادی مهندسی شوند و اگر بخواهیم روراست باشیم این تکنولوژی هنوز جدید و در حال توسعه است.
این اصلا برای افراد بی‌گناهی که به دستان سرد و بی‌روح ماشین کشته شدند تسلی بخش نیست، اما شکی نیست که ماشین‌های خودران خیلی سریع‌تر از انسان‌ها به راننده‌های بهتری تبدیل می‌شوند.
ماشین‌های خودران به کشتن مردم ادامه می‌دهند اما هرچه طی ۵ تا ۱۰ سال بعد باهوش‌تر و باهوش‌تر شوند، نسبت به چیزی که امروزه در تصادف‌ها مردم کشته می‌شوند بسیار کمتر خواهد بود.
و این اصلا چیز بدی نیست. تعداد ۱/۲۵ میلیون نفر برای کشته شدن در جاده‌ها رقم بسیار بزرگی است.
این میزان تقریبا ۲۰ برابر تعداد افرادی است که از سال ۱۹۴۶ در جنگ کشته شده‌اند.
راننده کمتر به معنی مرگ و میر کمتر است. به همین سادگی.
اما این فقط یکی از مزیت‌های خودکار شدن رانندگی است. حتی بهتر از آن، ما صاحب تعداد بسیار کمتری ماشین خواهیم بود.
ماشین دومین دارایی گران قیمتی است که هرکسی می‌تواند داشته باشد و درعین حال کمترین ارزش را داراست. برخلاف ملک، سهام یا ارز دیجیتال همین که شروع کنید به رانندگی از ارزش آنها کاسته می‌شود تا روزی که ارزش‌شان را از دست بدهند و برای چیزی که روزی ۳۰ هزار دلار برایش پرداخت کرده‌اید، فقط ۵هزار دلار دستتان را بگیرد. اصلا معامله خوبی نیست.
این دارایی‌ها که فقط باعث قرض بالا آوردن هستند، بهرهوریشان را به سمت اختراعات جدیدتر و بهتری سوق خواهند داد. و اینکه چطور مالکیت ماشین را دارا هستیم و چطور از آن استفاده می‌کنیم هم به شدت تغییر خواهد کرد.
ما ثبت نام خواهیم کرد و به طور مداوم آپگرید آنها را دریافت می‌کنیم یا اینکه تماس می‌گیریم و بعد از دو دقیقه جلوی منزل‌مان ظاهر خواهند شد. بعد از زمان کوتاهی تعداد ربات‌های راننده آنقدر زیاد می‌شود که بتوانند سرویس‌های حمل‌و‌نقل اشتراکی ارائه دهند و از این همه پارکینگ بی‌مصرف راحت شویم و این بدین معنی است که مقادیر بسیار زیادی زمین آزاد خواهیم داشت که کارهای جالب دیگری با آن انجام دهیم به جای اینکه فقط زمین‌هایی باشند که آسفالت شده‌اند.
البته آلودگی‌ها هم از یاد نبریم.
حتی با وجود ظهور ماشین‌هایی که از نظر استانداردهای آلودگی بهتر و بهتر می‌شوند، هنوز هم ماشین‌های بدترین آلوده کننده‌های روی زمین هستند. ماشین‌ها جریان مداومی از دودهای مرگ‌بار و سم را هر ثانیه و هر روز درون هوا اسپری می‌کنند. این مشکل قبلا فقط مربوط به آمریکا بود، اما عشق مردم به داشتن ماشین مانند ویروس تمام دنیا را گرفت.
حتی چین هم دچار تب ماشین شده است و با بیش از یک میلیارد جمعیتی که دارد، تعداد بسیار زیادی گاراژ ماشین و نابودی محیط زیست پیش روی آنها وجود دارد. رویای آمریکایی برای داشتن یک خانه بزرگ، یک همبرگر بزرگ و گاراژی با ظرفیت دو ماشین باید هرچه سریع‌تر تغییر کند، در غیر این صورت به زودی همه ما مجبوریم ماسک‌های فیلتردار بزنیم، تا فقط بتوانیم از خانه خارج شویم و بسته پستی محصولی که سفارش داده‌ایم را تحویل بگیریم.
و البته، قرار بود ماشین‌ها از تلف شدن وقت ما جلوگیری کنند، به ما آزادی جاده‌های بدون محدودیت سرعت را بدهند، اما همه افرادی که ده سال هر روز صبح به محل کارشان رفت‌وآمد کرده‌اند می‌دانند که چنین چیزی هرگز اتفاق نیفتاده است.
در همین حال پاهای ما در حال خشک شدن به خاطر رانندگی است و اگر خیلی شانس بیاوریم می‌توانیم وقتی به خانه رسیدیم کمی وقت جور کنیم و روی تردمیل ورزش کنیم، مانند همستر سرجایمان بدویم.
ماشین‌های خودران میزان زیادی از تلف شدن چیزهای مختلف و آلودگی را از بین می‌برند. باعث می‌شوند که ماشین‌ها سریع‌تر به ما برسند و باعث می‌شود فضایی ذخیره شود، وقتی که از شر میلیون‌ها پارکینگ راحت شویم می‌توانیم از آن فضا برای کارهای دیگری استفاده کنیم.
اما خیلی‌ها نگران به سر شغل‌هایی که به رانندگی مربوط هستند چه بلایی می‌آید، از کارواش‌ها گرفته تا فروشنده‌های ماشین تا اوبر و اسنپ.
مردم کارهای دیگر پیدا می‌کنند که انجام دهند، مانند پیدا کردن راه‌های جالبی برای آپگرید کردن آن ماشین‌های خودران، یا به یک نوع جدید از طراح دکوراسیون داخلی تبدیل می‌شوند تا خانه‌های متحرک روی چهار چرخ ما را دکور کنند. اگر نیازی نباشید که موقع حرکت حواستان به جاده باشد، باید به طریقی دیگر سرتان را گرم کنید و برای این کار چیزهای مثل بازی‌های کامپیوتری، فیلم، حقیقت مجازی و صندلی‌های ماساژ گزینه‌های خوبی هستند.
در نهایت گزینه‌های بیشتر و بیشتری به داخل ماشین اضافه می‌شود و یک صنعت جدید برای پیشرفت‌های مداوم ماشین‌ها و افرادی برای نصب و اجرای آنها به وجود خواهد آمد.
هوش مصنوعی برای شما چه می‌تواند بکند؟
درمورد شغل‌هایی که ما در حال حاضر اصلا نمی‌توانیم انجام دهیم چه؟
هوش مصنوعی می‌تواند کمک کند.
پروژه فوق‌العاده گوگل دوپلکس که در مراسم سالانه‌شان ارائه کردند، یک دستیار حیرت‌انگیز جدید بود که تماس می‌گرفت و وقت سالن آرایشگاه می‌گرفت، میز شام رزرو می‌کرد، به راحتی خودش را جای یک انسان جا می‌زد و با افرادی ارتباط برقرار می‌کرد که اصلا نمی‌دانستند مشغول صحبت کردن با یک ربات هستند (ممکن است خیلی از افراد را وحشت‌زده کند، اما اصلا ترسناک نیست.)
حالا می‌خواهند با این تکنولوژی چه کنند؟
می‌خواهند آپدیت کردن ساعت‌هایی که در روزهای تعطیل قرار دارد را برای رستوران‌ها اتوماتیک کنند.
گوگل هر روز میلیون‌ها درخواست در روز دریافت می‌کند از مردمی که سعی می‌کنند بفهمند آیا رستوران چینی مورد علاقه‌شان در تعطیلات کریسمس یا هر تعطیلی دیگری در سراسر دنیا باز هست یا نه.
ممکن است فکر کنید این مشکل بغرنجی نیست که به حل کردن نیاز داشته باشد، اما اشتباه می‌کنید.
نمی‌توانید تمام رستوران‌ها را مجبور کنید که با دقت کافی داده‌هایشان را به روز کنند چون ممکن است زمان کافی برای انجام این کار را نداشته باشند، به فکرشان نرسد، یا اصلا برایشان اهمیتی نداشته باشد. شما همچنین نمی‌توانید ارتشی از آدم‌ها داشته باشید که تماس بگیرند و بپرسند چون حتی در جایی که نیروی انسانی به تعداد زیاد و ارزان وجود داشته باشد، این مشکل کوچکی است که اگر بخواهید آن را به روش سنتی حل کنید نرخ بازگشت سرمایه‌ای نخواهد داشت. این کار ارزش هزینه سرمایه‌ای نخواهد داشت.
اما می‌توانید یک هوش مصنوعی داشته باشید که آن تماس‌ها را بگیرد و داده‌ها را به‌روزرسانی کند، و نتایج آپدیت شده‌ی واقعا دقیقی را درمورد طیف گسترده‌ای از رستوران‌ها در اختیار مردم بگذارد. بعد گوگل می‌تواند آن را به سرویس‌های تامین کنند‌ه‌ی اطلاعات رستوران‌ها مانند Yelp هم بفروشد.
ناگهان پیشنهادی که به روش سنتی شکست خورده به یک کسب‌وکار جدید تبدیل می‌شود که باید آدم‌های جدیدی استخدام کند که به Yelp زنگ بزنند و آنها قانع کنند سرویس هوش مصنوعی آنها را بخرند.
و جایی که قبلا هیچ شغلی نبود، شغل‌های جدیدی ایجاد شده است.
سلام داروی شخصی‌سازی شده
دورنمایی که هوش مصنوعی برای دارو دارد از همه چیز حیرت‌انگیزتر است.
همه پرستارها و دکترها ناپدید نمی‌شوند اما وقتی که هوش مصنوعی راهش را در دنیای پزشکی پیدا کند، می‌بینیم که چقدر کارشان را بهتر انجام می‌دهند.
یک لحظه تصور کنید: صبح از خواب بیدار می‌شوید و یک لکه سیاه روی پشت‌تان پیدا می‌کنید.
چه می‌کنید؟
اگر زمان حال باشد با وحشت به دکتر زنگ می‌زنید و وقت می‌گیرید.
متاسفانه دکتر تا یک ماه و نیم دیگر وقت ندارد شما را ویزیت کند.
شما در حالی که ترس و وحشت در صدای‌تان موج می‌زند می‌پرسید: «واقعا هیچ نوبتی زودتر وجود نداره؟ مشکل من جدیه باید هرچه سریع‌تر دکترو ببینم.»
پرستار از آن سوی خط می‌گوید: «متاسفم، واقعا این اولین نوبتی است که می‌توانم به شما بدهم.»
این زمانی که از دست می‌دهید احتمالا تاثیر خیلی مهمی در روند درمان شما داشته باشد. در حال حاضر به تعداد کافی دکتر در دنیا وجود ندارد که بتوانند به نیازهای تمام مردم دنیا پاسخ بگویند، به خاطر همین مراقبتی را که نیاز داریم خیلی دیر یا خیلی دیر دریافت می‌کنیم».
حالا سناریوی دیگری را در نظر بگیرید.
صبح از خواب بیدار می‌شوید و یک لکه سیاه مشاهده می‌کنید اما خیلی ساده تلفن هوشمندتان را به سمت آن می‌گیرید و به شما اطلاع می‌دهد، شما حتما باید با دکتر تماس بگیرید چون ممکن است سرطانی باشد.
این بار با دکتر تماس می‌گیرید و خیلی سریع‌تر وقت می‌گیرید. دستیار هوشمند به پرستارها کمک می‌کند تا درخواست‌های مردم را از روی اطلاعاتی که برای آنها می‌فرستند بررسی کنند. چند ثانیه بعد دستگاه تایید می‌کند که شما یک مشکل جدی دارید و شما را به پرستار وصل می‌کند. پرستار هم برای همان روز به شما نوبت می‌دهد چون سیستم به درستی بیمارها را بر اساس نیازشان از روی داده‌های واقعی اولویت‌بندی می‌کند، دیگر اینطور نیست که براساس حدس یا اینکه دکتر مجبور است تمام افرادی که دچار ترس‌های مالیخولیایی هستند را ببیند به شما نوبت بدهد.
پزشکی با هوش مصنوعی پیشبینی انواع و اقسام بیماری‌ها و مشکلات را قبل از اینکه حتی به وجود بیایند آسان‌تر می‌کند.
ساعت‌های هوشمند شما بالاخره روزی یک نظارت بیولوژیکی همراه خواهند داشت که با یک سنجاق مانند مو که زیر پوست‌تان می‌رود اما آنقدر کوچک است که اصلا حسش هم نمی‌کنید. این امکان وجود دارد که حتی طوری تکامل پیدا کنیم که این مانیتورهای بیولوژیکی‌های را درون‌مان داشته باشیم، قرص‌های کوچکی که با دستگاه‌های ابعداد نانو پر شده‌اند که درون جریان خون می‌خزند و به دنبال نشانه‌های مشکل می‌گردند.
اما یک ساعت هم در این میان کاربردهای مفید خودش را دارد.
مانیتور شما میزان گلوکز و تری‌گلیسرید که از حالت طبیعی خارج شده است را می‌داند و می‌فهمد که کلستروتان با سرعت زیادی بالا رفته است.
به جای اینکه منتظر علائم سکته قلبی بمانید، ساعت‌تان به شما یادآوری می‌کند که بیشتر سبزیجات مصرف کنید و غذاهایی به شما پیشنهاد می‌دهد که کمک می‌کند شرایط را قبل از اینکه از کنترل خارج شوند تحت کنترل دربیاروید.
و آن ماشین‌های که طی دو دقیقه یا حتی کمتر به شما می‌رسیدند؟
وقتی تصمیم بگیرید به هشدارهای ساعت هوشمندتان اهمیتی ندهید و به خوردن فست فود ادامه بدهید، آمبولانس‌های اتوماتیک و خودران یا پهبادها خودشان را به شما می‌رسانند. آمبولانس‌ها خیلی سریع‌تر از همیشه خودشان را به شما می‌رسانند و ابزارهای کوچکی به همراه دارند که مردم را زمان طولانی‌تری زنده نگه می‌دارند.
البته احتمالا کارتان به سکته قلبی نکشد، چون ساعت می‌تواند از چند روز قبل آن را پیشبینی کند و قبلا از اینکه کله پا شوید خودش با بیمارستان تماس می‌گیرد تا از این اتفاقات پیشگیری کند.
هوش مصنوعی درمان‌های جدیدی هم به همراه خودش خواهد داشت.
امروزه کشف داروهای جدید، یک فرایند آهسته و خسته کننده از آزمون و خطا است اما شرکت‌های دارویی و زیست فناوری از کلان داده (Big data) و هوش مصنوعی برای ترکیبات دارویی بهتر و کشفیات بیشتر استفاده می‌کنند.
در آینده نه چندان دور، دستگاه‌هایی کشف دارو چندان دور از انتظار نیستند، دستگاه‌هایی که به سرعت داروها را ترکیب می‌کنند و چندین رویکرد مختلف را به طور موازی امتحان می‌کنند، ترکیب کردن مواد شیمیایی، آزمون و خطا، همزمان الگوریتم‌های ژنتیکی فرایندهای عصبی‌شان را طی می‌کنند تا از روی شبیه‌سازی تکامل به داروهای بهتر و بهتری دست پیدا کنند.
هوش مصنوعی به ما کمک می‌کند تا بر اساس ژنوم داروهایی پیدا کنیم. برای شما داروهای عمومی تک سایز تجویز نمی‌کنند، درعوض داروهایی به شما می‌دهند که برای شما طراحی شده است، داروهایی که باعث ایجاد آلرژی و معده درد نمی‌شود چون هوش مصنوعی می‌داند که شما این حساسیت‌ها را دارید.
اما ماشین‌هایی که می‌توانند از همه ما بهتر فکر کنند چطور؟
آیا ما را برده ذهن برتر و فوق‌العاده خود نمی‌کنند؟
آیا هوش برتر همه ما را به کشتن می‌دهد؟
به طور خلاصه:
خیر.
هوش مصنوعی هنوز هم سایه‌ای از هوش انسان است. مانند بازتابی در یک آینه قدیمی. ما به هوش مصنوعی مفهوم می‌بخشیم و هوش مصنوعی یاد می‌گیرد تا آن مفهوم را تقلید کند اما نمی‌توانم خودش مفهوم خلق کند یا سوالات جدید بپرسد.
انسان‌ها این توانایی را دارند که به شرایط جدید و بدیع عادت کنند. ما می‌توانیم استدلال مفهومی انجام دهیم. می‌توانیم مدل‌های ذهنی پیچیده بسازیم و آنها را به روش‌های منحصربه‌فردی پیاده کنیم.
ما الگوریتم‌هایی که در سرمان می‌چرخند را درک نمی‌کنیم و آنهایی که امروزه در اختیار داریم چیزی جز قیاس‌هایی کم فروغ نیستند.
ما حتی نمی‌دانیم باید از کجا شروع کنیم. ما اصلا نمی‌دانیم ذهن‌مان چطور کار می‌کند.
خود ما یک جعبه سیاه هستیم.
ما نمی‌دونیم چطور چیزهایی که می‌دانیم را می‌دانیم، یا چطور کارهایی را انجام می‌دهیم یا چطور فکر می‌کنیم.
در سال ۱۹۷۰ یکی از اولین محققان هوش مصنوعی، ماروین مینسکی گفت: «طی ۳ تا ۸ سال دستگاهی خواهیم داشت با هوش عمومی یک انسان» .
چنین اتفاقی نیفتاد.
در عوض هوش مصنوعی وارد یک سری زمستان‌های سیاه شد، که در طول آنها سرمایه گذاری و شور و اشتیاق فرو خشکیدند.
هرچند این روزها محققان هوش مصنوعی صدها هزار دلار درآمد دارند، سال‌های سال به زور سرپا مانده بودند. یکی از پدرخوانده‌های شبکه‌های عصبی، جفری هینتون، از معدود افرادی بود که توانست سرپا بماند، چون یک دانشگاه بود در تمام دنیا، دانشگاه تورنتو، که پتانسیل‌های هوش مصنوعی را دید و با وجود مجموعه‌ای از شکست‌ها یک بودجه بدون تاریخ انقضا برای هوش مصنوعی در نظر گرفت. آنها متوجه شدند که مشکلات واقعی زمان زیادی برای حل شدن نیاز دارند.
در نهایت، اواخر سال ۲۰۱۲، شاهد اولین پیشرفت قابل توجه در سیستم‌های تشخیص بصری بودیم که تا کنون نتوانسته به بیش از ۷۴/۶ درصد دقت دست پیدا کند. تغییرات واقعا در خود الگوریتم‌ها نبودند، انفجار قدرت پردازش بود که به واسطه بازی‌ها و ظهور اینترنت بود که مجموعه‌ی عظیمی از داده برای پردازش در اختیار ما قرار دادند. کارت‌ها گرافیکی با معماری موازی عظیم ثابت کردند که پیشرفت هوش مصنوعی باید به پا خیزد و شروع کند به تغییر دادن دنیا.
در اصل، صنعت بازی‌های کامپیوتری از صنعت هوش مصنوعی حمایت می‌کند و حالا دیده‌اید که دقت تصویر از ۷۴/۶ درصد در سال ۲۰۱۲ فقط در طی چند سال به ۹۶ درصد رسیده است. سیستم‌های یادگیری عمیق (Deep Learning) آنقدر موفق بودند که کیفیت تصاویر ثابت دیگر یک مساله حل شده است.
چنین پیشرفتی شور و اشتیاق و سرمایه گذاری عظیمی را به دنبال خواهد داشت، و باعث می‌شود سیلی از سرمایه گذاری خطرپذیر و برنامه نویسان مشتاق و دانشمندان داده به یک حوزه مبهم و در حال مرگ وارد شوند.
این اتفاقی است که در حال افتادن است، مقادیر زیادی سرمایه گذاری و امید درمورد پیشرفت‌های عظیم این صنعت شکل گرفته‌اند.
اما شبکه‌های عصبی شبیه ساز مغز انسان نیستند. حتی نزدیکش هم نیستند. آنها به طور نگهانی خودآگاه نمی‌شوند.
برای چنین چیزی ما به الگوریتم‌های خارق‌العاده‌ای نیاز داریم که هیچکس حتی تصورش هم نکرده است.
موضوع این است که: هوش مصنوعی امروز به نوعی احمق است.
یادگیری عمیق واقعا به چه معناست؟چیزی جز تبدیلات هندسی نیست که یک سری داده را به سری دیگری از داده‌ها وصل می‌کنند. دارپا (DARPA) یا آژانس پروژه‌های تحقیقاتی پیشرفتهٔ دفاعی در زمینه‌ی هوش مصنوعی حرف‌های زیادی برای گفتن دارد اما اسم آنها را گذاشته‌اند: «صفحات گسترده‌ای که استروئید مصرف کرده‌اند».
انسان‌ها مفاهیم را خلق می‌کنند و هوش مصنوعی یاد می‌گیرد که آن مفاهیم را تقلید کند، اما خودش نمی‌تواند هیچ گونه مفهوم یا درکی برای خودش خلق کند.
الان همه می‌دانیم که فیسبوک یک هوش مصنوعی را به خاطر اینکه زیادی باهوش شده بود از کار نینداخت و فیلم اسکای‌نت (Skynet) همین فرد به واقعیت نمی‌پیوندد.
فیسبوک به خاطر این هوش مصنوعی‌اش را تعطیل کرد که یک الگوریتم به درد نخور بود که درست عمل نمی‌کرد و نمی‌توانست کارش را درسا انجام دهد، نه به خاطر اینکه به یک زبان سری تسلط پیدا کرده بود که باعث شد مهندس‌ها وحشت کنند و مجبور باشند قبل از اینکه خیلی دیر شود آن را از بین ببرند.
ما هنوز تمام محدودیت‌های یادگیری عمیق را نمی‌دانیم، اما زمان زیادی لازم نیست تا بتوانیم آنها را از سر راه برداریم.
پیشرفت در هر چیزی از یک نمودار مشابه پیروی می‌کند.
اولین پیشرفت بزرگ کند اتفاق می‌افتد و بعد از آن پیشرفت ثابت شروع می‌شود که سال‌ها طول می‌کشد و بعد یک پیشرفت خیلی بزرگ اتفاق می‌افتد که حاصل انفجار علاقمندی عموم به آن حوزه است. وقتی که بقیه آدم‌ها هم با اصول اولیه‌ی راه‌حل آشنا شوند، تعداد بیشتر و بیشتری از افراد آسان تر با آن ارتباط برقرار می‌کنند. به همین دلیل است که بعد از اینکه بیت کوین بلاک چین را کشف کرد، هزاران ارز دیجیتال دیگر توانستند این مدل را برای خودشان دستکاری کنند، اما قبل از بیت کوین هیچکدام از آنها وجود نداشتند.
چیزی که الان داریم می‌بینیم چیزی کمتر از یک ارگانیسم پردازش موازی بزرگ بشری نیست که از شبکه عصبی خودش استفاده می‌کند تا کشف کند واقعا چه کارهایی می‌توانیم با یادگیری عمیق انجام دهیم.
ما هنوز در دوره‌ی اولیه منحنی پیشرفت هستیم، درون رشد نمایی، یعنی شاهد رشدی سریع و فوق‌العاده هستیم. هرچند در نهایت به نقطه بازده نزولی می‌رسیم و می‌بینیم که اپلیکیشن‌های جدید کمتر و کمتری تولید می‌شوند چون حرکت به سمت بالا سخت‌تر و گران‌تر می‌شود.
ما هم اکنون هم برخی محدودیت‌های یادگیری ماشین را می‌دانیم.
به عنوان مثال، هر چند تا کتاب رمان را هم که به فریم‌ورک یادگیری عمیق اضافه کنید، به طور حتم نمی‌تواند کتاب‌های قابل خواندن واقعی تولید کند، کتاب‌هایی با فراز و نشیب‌های غافلگیر کننده، شخصیت‌هایی برتر از زندگی واقعی و یک داستان عاشقانه فوق‌العاده. نمی‌تواند یک محصول جدید بگیرد و توصیفی خلاقانه از محصول ارائه دهد، به‌طوری که تمام ویژگی‌های جدید آن شرح دهد. نمی‌تواند برای مشکلات غیرمحتمل آینده راه‌حل‌هایی مفهومی پیدا کند.
هوش مصنوعی امروزی چیز جز تقلید کردن نیست.
در حال حاضر هوشی در سطح حشرات داریم. تحریک می‌شود و پاسخ می‌دهد. هیچ استدلالی از نوع مفهومی وجود ندارد، هیچ راهی برای ترکیب کردن مفاهیم و ساختن راه‌حل‌های جدید و بدیع وجود ندارد.
به محض اینکه به سیستم چیزی خارج از محدوده‌ی آموزشش نشان دهید، به طرز عجیبی دچار فروپاشی خواهد شد. این مثال معروف از برچسب زنی توسط هوش مصنوعی را در نظر بگیرید: «پسر بچه با کلاه بیس‌بال»
حتی یک بچه دبستانی هم چنین اشتباهی نمی‌کند. چون می‌دانند که این بچه آنقدر قدرت ندارد که یک توپ بیس‌بال داشته باشد.
این واقعا مشکل ساز است. سیستم‌های ما چیزی جز بررسی‌های آماری از طریق مجموعه‌های کلان نیستند، آنها توانایی فکر کردن ندارند. آنها نوآوری یا استدلال منطقی بلد نیستند و خودآگاه یا پیش‌زمینه ندارد.
پس هوش مصنوهی هنوز راه زیادی دارد که به ذهن انسان‌ها نزدیک شود.
ما با تمام نواقصی که داریم، هنوز هم موجودات خارق‌العاده‌ای هستیم.
ما می‌توانیم ویژگی‌های امکان پذیر را پیشبینی کنیم و برای آنها برنامه ریزی بلندمدت کنیم. ما می‌توانیم با پدیده‌های کاملا ناشناخته مواجهه شویم و با داده‌ی ناچیز یا حتی بدون هیچ داده‌ای با آنها مقابله کنیم.
همانطور که فرانسیس شلوت در کتاب فوق‌العاده‌اش درمورد یادگیری عمیق اشاره می‌کند، اگر بخواهیم به یک شبکه عصبی آموزش دهیم تا یک راکت روی کره ماه فرود بیاورد، باید میلیون‌ها راه برای انجام این کار به آن نشان دهید و حتی با این وجود هم نمی‌تواند یک راه‌حل جدید بهتر از راه‌حل‌های موجود که تاکنون وجود داشته خلق کند. اما انسا
ن می‌تواند یک راکت را تصور کند، چند راه‌حل فرضی در نظر بگیرد و یک راه‌حل دقیق طراحی کند که در اولین تلاش راکت را روی سطح ماه فرود بیاورد.
ما تا وقتی که نتوانیم پرده از ذهن‌های اسرارآمیز خود برداریم، هر دستگاهی که برای فکر کردن بسازیم، چیزی جز یک سایه مبهم از خودمان نخواهد بود.
یک شروع جدید
هدف واقعی هوش مصنوعی اتوماتیک کردن کارهای خسته کننده است تا ما آزاد باشیم و کارهای بهتری انجام دهیم.
همچنین کارهایی را انجام خواهد داد که ما از روز اول نمی‌توانستیم خوب انجام دهیم.
هوش مصنوعی تمام جنبه‌های جامعه ما را تغییر خواهد داد. در یک دهه آینده هیچ شغی وجود نخواهد داشت که تحت تاثیر هوش مصنوعی قرار نگرفته باشد.
هوش مصنوعی به رابط کاربری ما با دنیا بدل خواهد شد.
با آن حرف می زنیم، بازی می‌کنیم و کار می‌کنیم. حتی به دوست و هم صحبت ما تبدیل می‌شود.
در یکی از قسمت‌های استار ترک که اسکاتی در زمان به عقب می‌رود و به یک کامپیوتر نیاز پیدا می‌کند تا به سفینه ارتباط برقرار کند، به یک کامپیوتر قدیمی برمی‌خورد و گیج و بهت زده در مقابل آن می‌ایستد، مووس را برمی‌دارد و شروع می‌کند به صحبت کردن با آن:
«سلام کامپیوتر»
کامپیوترهای امروزی خیلی زود به ابزارهای غارنشینی تبدیل می‌شوند چون هوش مصنوعی بیشتر و بیشتر مرسوم می‌شود. ما با ماشین‌ها حرف خواهیم زد، در کنارشان کار می‌کنیم و آنها به ما کمک می‌کنند تا جوامعی پیچیره‌تر بسازیم و مسائلی را حل کنیم که الان خواب حل کردنشان هم نمی‌بینیم.
در پایان، شکی نیست که برخی شغل‌ها را از دست می‌دهیم.
حتی ممکن است اوضاع به هم بریزد. در بدترین حالت ممکن با یک روند نزولی اقتصادی مواجه خواهیم شد که باعث می‌شود مجانین بیشتری به قدرت برسند و به همان افرادی آسیب برسانند که وانمود می‌کنند می‌خواهند کمکشان کنند، که باعث می‌شود جنگ دربگیرد و آدم‌های زیادی بمیرند.
بیشتر جنگ‌های دنیا به خاطر مسائل اقتصادی درمی‌گیرند.
همچنین باید راهکارهای بهتری برای کمک به افرادی که شغلشان را از دست می‌دهند و نمی‌توانند آنقدر با تکنولوژی هماهنگ شوند و نمی‌توانند شکم زن و بچه‌شان را سیر کنند پیدا کنیم. این راه‌حل‌ها می‌توانند یک درآمد پایه جهانی باشد یا تحصیلات و آموزش بهتر باشد، یا تمام اینها به‌علاوه راه‌حل‌هایی که هنوز هم به ذهن‌مان نرسیده است.
و حتی اگر مجبور باشیم از تاریک‌ترین زمان ممکن بگذریم، در سمت دیگر روشنایی در انتظار ماست و وقتی از طوفان بیرون بیاییم در جامعه‌ای زندگی خواهیم کرد که به شدت پایدارتر است و پر است از شغل‌های جدید فوق‌العاده که امروز حتی تصورش را نمی‌توانیم بکنیم.
در نهایت، راهی برای گذر از طوفان پیدا خواهیم کرد.
این است که انسان‌ها را منحصربه‌فرد کرده است. ما همیشه راهی پیدا می‌کنیم.
ضرورت و نیاز مادر تمام نوآوری‌ها است.
حالا که بیش از وقتی به آن نیاز داریم ما را تنها نمی‌گذارد.
اما جینی گاک، طرفدار آمریکایی-افغان تبار 
پیشرفت و پذیرش ارز دیجیتال در افغانستان هنوز کار دارد. فروغ می گوید که همکاری او با شبکه Bounties دانشجوهای موسسه سی.تی.آی را با ارز دیجیتال اتر آشنا می کند و باعث می شود افغانستان در مسیر رسیدن به استقلال مالی قدم بزرگی بردارد.
