به گزارش خبرنگار اجتماعی ایسکانیوز، هوش مصنوعی، عبارتی است که در چند سال اخیر بسیار از آن میشنویم و میخوانیم. موضوعی که سوالات بسیاری در ذهن مخاطبان پدید آورده است. از سوالاتی درباره ماهیت و کاربرد آن تا نگرانی برای تحقق رویای فیلمهای علمی تخیلی برای تسخیر دنیا توسط رباتها، همه ابهاماتی است که در ذهن تک تک ما وجود دارد.
به همین واسطه از مجید تجنجاری برنامهنویس و متخصص این حوزه دعوت کردیم تا دید بهتری نسبت به هوش مصنوعی و کاربردهای آن در حوزه اجتماعی پیدا کنیم. تجنجاری دارنده مدال طلای المپیاد رباتیک ایران است و از سال ۲۰۱۳ کار با هوش مصنوعی را به صورت جدی آغاز کرده است. آنچه در ادامه میخوانید حاصل گفتوگوی یک ساعته ما با این مهندس است.
بگذارید از این سوال آغاز کنم که اساساً هوش مصنوعی به چه چیزی اطلاق میشود؟
در ابتدا باید توضیح داد که موضوع بحث ما در حوزه کامپیوتر قرار دارد. زمانی که از هوش مصنوعی صحبت میکنیم، احتمالاً در حال گفتوگو درباره نرمافزارهای کامپیوتری هستیم.
از نظر فنی، هوش مصنوعی یک الگوریتم است که برای نرمافزارها مورد استفاده قرار میگیرد اما اگر بخواهم به صورت جامعتر سخن بگویم، روشی یا الگوریتمی است که به کامپیوتر امکان میدهد شرایط محیطی را مانند ما انسانها درک کند، یعنی همانند ما فکر کند.
هر زمان که کامپیوتر، ماشین یا ربات قادر باشد مشابه انسان فکر کند، به آن هوش مصنوعی اطلاق میشود. پیش از ادامه بحث، میخواهم تاریخچه کوتاهی را مطرح کنم تا مشخص شود چرا به سمت هوش مصنوعی حرکت کردهایم. سپس شاید بتوان تعریف بهتری ارائه داد.
تقریباً یک قرن است که ما در عصر فناوری زندگی میکنیم. پس از ظهور ماشینهای مکانیکی مانند ماشینهای بخار و پیشرفت فناوری در حوزه مکانیسمهای مکانیکی و سپس الکترونیک، جهان وارد عصر الکترونیک شد.
سپس کامپیوتر وارد عرصه شد. ما در حوزه کامپیوتر متوجه شدیم که برنامههای کامپیوتری توانایی انجام برخی از کارها را ندارند. به همین دلیل به سمت هوش مصنوعی حرکت کردیم. البته باید به شما بگویم که هوش مصنوعی حدوداً ۶۰ تا ۷۰ سال است که در جهان مورد تحقیق قرار گرفته و روی الگوریتمهای آن کار میکنند و در ادامه توضیح خواهم داد چرا در یکی دو سال اخیر اینچنین برجسته و مورد توجه قرار گرفته است.
هوش مصنوعی که امروز ما با آن مواجه هستیم در چه مرحلهای است؟
اگر بخواهم به صورت خلاصه بگویم، هوش مصنوعی به معنای آن است که رایانه، کامپیوتر یا ماشین مشابه انسانها فکر کند و جهان را درک کند.
دقت کنید، اولین بار در جهان متوجه شدند که برخی مفاهیم و مسائل وجود دارند که کامپیوتر قادر به درک آنها نیست. برای مثال، در دنیای امروز، اگر من کمی نور را کم یا زیاد کنم، شما تصویر یک شی را که در واقعیت رنگ ثابتی دارد، در رنگهای مختلف میبینید.
رنگ زردی که شما در اینجا مشاهده میکنید برای کامپیوتر تنها یک کد رنگی محسوب میشود و هنگامی که نور آن را کمی تاریکتر کنم، برای کامپیوتر به یک کد رنگی دیگری تبدیل میشود اما اگر از شما بپرسم این چه رنگی است، شما پاسخ میدهید زرد. حتی اگر نور آن کمی تاریکتر شود، باز هم شما میگویید زرد.
ما با یک سری مفاهیمی مواجه هستیم در منطق فازی که برای اولین بار توسط پروفسور لطفیزاده، یک دانشمند ایرانی، مطرح شد. این مفاهیم نشان دادند که کامپیوتر قادر به درک برخی مسائل نیست. یعنی ما نمیتوانیم این مسائل را در ریاضیات تحلیل کنیم. این موضوع از حدود سالهای ۱۹۴۰ و ۱۹۵۰ شروع شد و مسئلهای به نام تست تورینگ مطرح شد.
تست تورینگ بدین معنا بود که اگر شما روزی با یک کامپیوتر صحبت کنید، متوجه نشوید که مخاطب شما کامپیوتر است یا یک انسان! در آن زمان میتوان گفت که هوش مصنوعی یا ایآی به درجهای رسیده است که امروز ما شاهد آن هستیم و آن درجه را میتوان قابل قبول دانست یا گفته میشود که تست تورینگ را پشت سر گذاشته است.
هوش مصنوعی پدیدهای جدید نیست
چرا امروز موضوع هوش مصنوعی تا این حد مورد توجه قرار گرفته است؟
دقت کنید، ما در سطح الگوریتمها و ریاضیات این مفاهیم را از گذشته داشتیم. یعنی ۶۰ سال پیش، ۵۰ سال پیش، و حتی تقریباً ۱۵ سال پیش که خودم یادگیری هوش مصنوعی را آغاز کردم، این مفاهیم در برنامهنویسی، الگوریتمها و ریاضیات وجود داشت اما چرا دو یا سه سال پیش هوش مصنوعی به یک ترند تبدیل شد و جهان و مردم متوجه شدند که چنین چیزی وجود دارد؟
علت این است که ما تقریباً از دو یا سه سال پیش وارد مرحلهای شدیم که اکنون میتوانیم خیلی راحت با هوش مصنوعی ارتباط برقرار کنیم. به عبارت دیگر، هوش مصنوعی به سطحی رسید که این ارتباط امکانپذیر شد و ما توانستیم با آن تعامل کنیم اما پیش از آن، هوش مصنوعی همواره وجود داشت.
خود من تقریباً ۱۰ تا ۱۲ سال پیش نرمافزارهای هوش مصنوعی را مینوشتم و در ایران و جهان هم از آنها استفاده میشد. بسیاری از الگوریتمهایی که اکنون مورد استفاده قرار میگیرند، مبتنی بر هوش مصنوعی هستند. احتمالاً شما پنج سال، یا چهار یا پنج سال پیش از گوگل مپ استفاده کردهاید، درست است؟ مثلاً برای پیدا کردن مسیر خود.
یعنی ما، مهندسان، از هوش مصنوعی استفاده میکردیم، وقتی قصد داشتیم برنامهای بنویسیم از این الگوریتمها بهره میبردیم اما تقریباً دو یا سه سال پیش، به مرحلهای رسیدیم که به آن پردازش زبان طبیعی یا NLP میگوییم. در این مرحله، هوش مصنوعی توانست با انسانها، بهویژه افراد عادی، ارتباط برقرار کند.
یعنی شما در زندگی روزمره میتوانید با چتجیپیتی یا رباتها صحبت کنید، با هوش مصنوعی تعامل داشته باشید. همین جا بود که جهان متوجه شد هوش مصنوعی وجود دارد و میتوان با استفاده از آن کارهای مختلفی انجام داد.
آیا هوش مصنوعی یادگیرنده است؟ یعنی سعی میکند یاد بگیرد و پیشرفت کند؟
معنای دیگری از هوش مصنوعی عبارت است از برنامه نرمافزاری که توانایی یادگیری دارد. در حقیقت، هوش از طریق یادگیری شکل میگیرد. بنابراین پاسخ روشن است: بله. هوش مصنوعی یک نرمافزار یادگیرنده است.
بنابراین نگرانیهایی درباره حفظ اطلاعات وجود دارد. ممکن است کمی بیشتر در این خصوص توضیح دهید؟ اینکه این چگونه رخ میدهد و چه خطراتی ممکن است داشته باشد؟
بله، البته، ما اکنون بر لبهای از تاریخ ایستادهایم که پیشبینی آینده واقعاً دشوار است. من همین امروز صبح برنامهای از ایلان ماسک مشاهده میکردم که در آن میگفت تا سال ۲۰۲۹ جهان توسط هوش مصنوعی نابود خواهد شد. خود ایلان ماسک چنین حرفی را زده است. وقتی این جمله را میشنوید، بسیار باعث تعجب است.
پیشبینی من این است که هوش مصنوعی یک فناوری و یک ابزار است که قطعاً به ما کمک میکند و موجب پیشرفت ما میشود. جالب است بدانید که در سال ۲۰۱۴، یعنی حدوداً ۱۱ سال پیش، دانشمندی نظریهای ارائه داد که تحت عنوان *Generative AI* یا شبکههای *GAN* (Generative Adversarial Networks) شناخته میشود. در آن زمان، مفهوم *GAN* یا هوش مصنوعی مولد شکل گرفت.
هوش مصنوعی مولد و توانایی خلق چیزهایی که از قبل وجود نداشتند
تفاوت هوش مصنوعی مولد با هوش مصنوعی پیشین که ما با آن کار میکردیم در چیست؟ تفاوت در این است که قبلاً میگفتیم هوش مصنوعی نرمافزاری است که بر اساس اطلاعات گذشته یاد میگیرد و آنها را تکرار میکند اما با ظهور هوش مصنوعی مولد، اکنون علاوه بر یادگیری و تکرار، توانایی خلق را نیز دارد. یعنی اکنون هوش مصنوعی میتواند چیزی را ایجاد کند که پیش از این وجود نداشته است.
برای ملموستر شدن این مثال: تصور کنید، هوش مصنوعی اکنون میتواند شعری بسازد که این شعر پیش از این هرگز وجود نداشته است. اما در گذشته، مثلاً ۱۲ یا ۱۵ سال پیش، چنین قابلیتی وجود نداشت.
هوش مصنوعی میتوانست شعری بگوید، اما این شعر تکراری بود و از پیش یاد گرفته شده بود و میتوانست آن را بهصورت خلاصه بیان کند. هوش مصنوعی ۱۵ سال پیش قادر بود کارهای تکراری ما را یاد بگیرد و آن کارهای تکراری را انجام دهد اما اکنون، خلاقیت به آن اضافه شده است. یعنی میتواند کاری انجام دهد که پیش از این هرگز وجود نداشته است. میتواند نقاشیای بکشد که هرگز قبلاً دیده نشده باشد. میتواند ایدهای ارائه دهد که هیچ وقت وجود نداشته است.
کدام مشاغل از بین میروند؟
یکی از نگرانیهایی که مدام از سوی مردم مطرح میشود، این است که آیا هوش مصنوعی برخی مشاغل را از بین میبرد؟ برای نمونه آیا جایگزین خبرنگارها میشود؟
در گذشته میگفتند افرادی که کارهای تکراری انجام میدهند باید نگران باشند، زیرا هوش مصنوعی جای کارهای تکراری آنها را میگیرد اما اکنون میگویند حتی به اصطلاح یقهآبیها، یعنی مدیران و کسانی که دارای خلاقیت هستند، هم باید نگران باشند؛ چراکه هوش مصنوعی جای آنها را نیز خواهد گرفت
در مورد خبرنگاران نمیدانم، اما بهطور کلی، هر شغلی که بر مبنای مشاوره باشد، به زودی حذف خواهد شد؛ مانند پزشکی و وکالت. هر حرفهای که جنبه مشاورهای داشته باشد، خیلی راحت امکان جایگزینی توسط هوش مصنوعی وجود دارد. اکنون شما میتوانید از طریق چتجیپیتی (ChatGPT) صحبت کنید و همان مشاوره را دریافت کنید. شاید حتی بهتر از انسانها به شما مشورت بدهد.
برویم سراغ کاربردهای هوش مصنوعی در حوزه اجتماعی و آموزشوپرورش، فکر میکنید در این حوزه هوش مصنوعی چه کمکی میتواند بکند؟ و آیا اتفاقی در کشور ما در این زمینه رخ داده است یا خیر؟
در انگلیس، ۹۰ درصد تکالیف دانشآموزان ابتدایی و راهنمایی – در آن گروه سنی – توسط هوش مصنوعی انجام میشود و تقریباً ۴۰ درصد معلمان اصلاً متوجه نمیشوند که دانشآموزان تکالیف خود را با استفاده از هوش مصنوعی انجام دادهاند. این موضوع اکنون به یک مسئله تبدیل شده است.
فکر میکنم شما هم با این مسئله بیگانه نیستید. سطح سواد دیجیتالی و تکنولوژی دانشآموزان و دانشجویان امروز، از معلمان جلوتر است. یعنی اکنون دانشآموزان حداقل در سطح کاربرد و استفاده از ابزارهای هوش مصنوعی مهارت دارند اما معلمان هنوز این مهارت را کسب نکردهاند. همین موضوع باعث ایجاد تغییراتی شده است. اجازه بدهید چند آمار به شما ارائه کنم.
در سطح جهان، طبق گزارش یونسکو، نسبت تعداد دانشآموزان به معلمان ۱۲ به یک است اما این نسبت در ایران ۲۴ به یک است. این چیزی که به شما میگویم، به یک زیرساخت نیاز دارد و من دارم درباره اهمیت این زیرساخت صحبت میکنم.
دسترسی به اینترنت برای دانشآموزان مناطق روستایی، ۴۸ درصد اینترنت پرسرعت است و ما تقریباً ۱۶ میلیون دانشآموز داریم. این را با قاطعیت به شما میگویم که اکنون ۷۰ درصد دانشآموزان شهری و ۳۰ درصد روستایی هستند و نکته قابلتوجه این است که دانشآموزان ما امروز در استفاده از ابزارهای دیجیتال از معلمان جلوتر هستند.
اما اینکه آیا در حال حاضر اقدامی در این زمینه صورت گرفته یا نه، باید بگویم که من خودم چندین جلسه با معلمان و مدیران شهرستان تهران و استان تهران در بخش امور پرورش داشتهام. عزم و اراده در این زمینه وجود دارد، یعنی به سوی این هدف در حال حرکت هستیم اما هنوز در مدارس، بهصورت واقعی نمیتوان مشاهده کرد که معلمان بتوانند ابزارهای هوش مصنوعی را استفاده کنند یا با آنها آشنا باشند.
هنوز میل به استفاده گسترده از ابزارهای دیجیتال بهطور کامل شکل نگرفته است اما من از اینجا یک توصیه به معلمان دارم، چراکه خودم نیز معلم هستم: ابزارهای هوش مصنوعی میتوانند کمک بسیار بزرگی در فرآیند آموزش باشند.
هوش مصنوعی ابزاری برای ملموستر کردن آموزش
چطور کمک میکنند؟
ببینید، مثلاً شما میخواهید مفاهیم سادهای را حتی به دانشآموزان ابتدایی آموزش دهید، مانند ریاضی یا علوم تجربی، یا حتی شیمی و زیست و به راحتی کافی است که نیم ساعت یا یک ساعت قبل از ورود به کلاس، مفاهیم موردنظر خود را مشخص کنید و بگویید که میخواهید این مفاهیم به کودکان ۱۰ تا ۱۲ ساله بهصورت سادهسازی شده آموزش داده شود. هوش مصنوعی این مطالب را برای شما آماده میکند. حتی میتوانید درخواست کنید که این مفاهیم برای یک جلسه یک ساعته بهصورت خلاصهسازی ارائه شوند. ببینید چهقدر میتواند به شما کمک کند.
یکی دیگر از کاربردهای قابلتوجه هوش مصنوعی در آموزش، استفاده از ابزارهایی برای تولید محتواهای بصری است. بهعنوان نمونه، اگر بخواهید مفاهیم پیچیدهای مثل فیزیک کوانتوم را برای دانشآموزان کلاسهای ابتدایی توضیح دهید، هوش مصنوعی میتواند به گونهای این مطلب را تنظیم کند که دانشآموزان بتوانند آن را درک کنند. حتی قابلیت ساخت ویدئو یا انیمیشنهای آموزشی نیز وجود دارد. برای مثال، عدد «پی» (۳.۱۴) در ریاضیات، چرا در دایره تقسیم میشود و این مقدار حاصل میشود؟ چنین مفاهیمی را میتوان با استفاده از یک انیمیشن به دانشآموزان شرح داد تا درک آنها بسیار سادهتر شود.
در سطح کلانتر، هوش مصنوعی چگونه میتواند در سیاستگذاریهای آموزشی مؤثر باشد؟
اینجا باید بین دو مقوله تمایز قائل شد: نخست، کاربرد هوش مصنوعی در آموزش، و دوم، آموزش خود هوش مصنوعی به افراد. هوش مصنوعی در صنعت آموزش میتواند برای معلمان و مدرسین مفاهیم و سرفصلهای بهروز را آماده کند.
بهنظر میرسد که سرفصلهای ما در حوزههای مختلف، چه در دانشگاه و چه در مدارس، تا حدی قدیمی شدهاند. دانشآموزان و دانشجویان ما به دلیل ارتباط با رسانههای دیجیتال و شبکههای اجتماعی بهروزتر هستند. این نسل به مفاهیم جدیدتری نیاز دارند که در این زمینه هوش مصنوعی میتواند به کمک بیاید اما در زمینه قوانین، احساس میکنم که تا حدی از این فناوری عقب هستیم. دولتها در سراسر جهان، بهطور کلی از شرکتهای خصوصی و حتی مدارس عقبتر هستند. در اینجا باید تلاشهای بیشتری انجام شود.
تعلل در تاسیس سازمان ملی هوش مصنوعی منجر به عقبماندگی از جهان میشود
مقصودتان از قوانین چیست؟
برای مثال، ما چند سال است که درگیر سازمان ملی هوش مصنوعی هستیم اما این سازمان هنوز در حال تدوین قوانین یا سیاستگذاریهای مربوطه است. این قوانین میتواند شامل مواردی چون حفظ حریم شخصی باشد. اکنون، برای نمونه، یک نفر میتواند به کمک این فناوری، ویدیویی از شما منتشر کند که یک نسخه کلون (شبیهسازیشده) از شما است. ما هنوز نمیدانیم که آیا این جرم محسوب میشود یا خیر.
همچنین، بهراحتی میتوان صدای شما را شبیهسازی کرد و جملهای را از زبان شما پخش کرد. در این شرایط نیز مشخص نیست که این کار جرم است یا خیر.
در جشنواره فیلم فجر امسال نیز از این فناوری استفاده شد. برای فیلم «صیاد»، مشابهسازی انجام دادند. سؤال من همین است: وقتی ابزارهایی مانند فتوشاپ وارد شد، چندین سال طول کشید تا قوانین مرتبط با آن نوشته شود. به نظر میرسد اکنون نیز در حال نگارش چنین قوانینی هستیم اما همچنان تا حدودی عقب هستیم.
اگر این قوانین بهروز نشوند و با فناوری همسو نگردند، ممکن است چه اتفاقی بیفتد؟
دو مسئله ممکن است پیش بیاید: نخست اینکه شاید کنترل موضوع از دست ما خارج شود. در نتیجه، برخوردهای قهری انجام شود، مانند ممنوع کردن استفاده از هوش مصنوعی. این کار شاید غیرممکن به نظر برسد، ولی بعید هم نیست که برخی کشورها یا نهادها تلاش کنند چنین برخوردهایی داشته باشند. وقتی موضوعی ناشناخته به نظر برسد یا از آن ترسی عمومی وجود داشته باشد، ممکن است بهسادگی جرم اعلام شود.
از سوی دیگر، اگر خودمان را بهروز کنیم و هوش مصنوعی را در لایهای ببینیم که کاربردی و مفید است، فرصتهای مفیدی ایجاد میشود. مثلاً دانشجویان، دانشآموزان و معلمان میتوانند از هوش مصنوعی در امر آموزش استفاده کنند. با این حال، قطعاً وجود قوانینی برای حفظ حریم شخصی ضروری است. اگر به این مسئله فکر نشود، زمینههای سوءاستفاده فراهم میشود.
نگرانی از جعل فیشهای بانکی
برای نمونه، اخیراً فیشهای بانکی جعلی ساخته میشوند که دقیقاً مشابه فیشهای واقعی هستند. این فیشها بهکمک هوش مصنوعی بهگونهای تولید میشوند که حتی قابل تشخیص نیستند. در گذشته با فتوشاپ تا حدی میشد چنین جعلهایی را تشخیص داد اما امروز این امکان بسیار سختتر شده است. اکنون هم نمیدانیم که ایجاد محتوای جعلی به کمک هوش مصنوعی، چه جایگاهی از نظر قانونی دارد و جرم محسوب میشود یا خیر.
هوش مصنوعی هم ابزاری برای تقلب و هم تقلببگیر
در مورد آموزش، دیدگاه معلمان و اساتید دانشگاه به هوش مصنوعی تا حدی منفی است. نگاه بسیاری از آنها به این فناوری بهعنوان ابزاری برای تقلب است. به نظر شما چگونه میتوان این دیدگاه را تغییر داد؟
میدانم که این حساسیتها به دلیل ماهیت فناوری است. مثلاً تصور کنید که در یک امتحان معمولی، استفاده از ماشینحساب مجاز نیست، زیرا هدف یادگیری جداول ضرب است اما اگر از همین ماشین حساب بهعنوان ابزاری کاربردی استفاده شود، میتواند مفید باشد. من خودم در آزمونها یا مسابقاتی که برای دانشجویان طراحی میکنم، استفاده از ابزارهایی مانند «چتجیپیتی» یا هوش مصنوعی را آزاد گذاشتهام، زیرا آن را بهعنوان یک ابزار کمکآموزشی میبینم.
مثلاً در حوزه مقالات علمی، این موضوع اکنون تا حدی پذیرفته شده است. بر اساس قوانین جدید، اگر تا ۲۵ درصد از متنی که در مقاله خود به کار میبرید، به کمک هوش مصنوعی نوشته شده باشد، مشکلی ایجاد نمیشود، البته به شرطی که در پایان مقاله به این موضوع اشاره شود.
جالب است بدانید، حتی ابزارهایی وجود دارند که میتوانند تشخیص دهند، متنی که ارائه شده، توسط انسان نوشته شده یا به وسیله هوش مصنوعی تولید شده است. بنابراین، معلمان نیز باید این فناوری را یاد بگیرند تا بتوانند تشخیص دهند چه متونی توسط دانشآموز و چه متونی توسط هوش مصنوعی نوشته شده است. این ابزارها حتی در بررسی پایاننامههای دکتری نیز میتوانند مفید باشند.
در حوزه آموزش، ابزارهایی وجود دارند که میتوانند متون ایجادشده توسط هوش مصنوعی را کاملاً بهشکلی مشابه متنهای انسانی بازنویسی کنند. همین موضوع رقابت میان ابزارها را افزایش میدهد؛ رقابتی که خود میتواند تهدیدی برای خلاقیت باشد.
تصور میکنید این مسئله ممکن است خطرناک باشد و خلاقیت را از انسان بگیرد؟
به نظر من، برعکس است، این ابزارها میتوانند مفید باشند. مفاهیم اولیهای که دانشآموزان ما باید یاد بگیرند، دیگر نیاز چندانی به یادگیری ندارند. حتی شاید بتوان پا را فراتر گذاشت و گفت یادگیری زبانها نیز کمتر ضروری خواهد بود، چراکه بهراحتی میتوانیم با ابزارهای واسط، مانند اپلیکیشنهای ترجمهگر، با یکدیگر ارتباط برقرار کنیم.
ازاینرو، زمان بیشتری برای پردازش و تفکر درمورد مفاهیم جدیدتر خواهیم داشت و لازم نیست وقت خود را صرف یادگیری مفاهیمی کنیم که قبلاً بارها آموزشداده شدهاند. دیدگاه من نسبت به آینده خوشبینانه است.
هوش مصنوعی در حوزه آموزش میتواند شکاف آموزشی ناشی از اختلاف طبقاتی را رفع کند؟
بیشک چنین اتفاقی ممکن است. در واقع، به نظر من یکی از مسائلی که تکنولوژی به آن کمک میکند، عدالت آموزشی است. پلتفرمهای آنلاین به راحتی این امکان را فراهم میکنند که شما از دورافتادهترین نقاط روستایی کشور بتوانید به صورت آنلاین با بهترین اساتید در ارتباط باشید. در اینجا تکنولوژی میتواند نقشی مؤثر ایفا کند، البته به شرطی که زیرساختهای لازم فراهم باشد.
برخی میگویند که ایران زیرساختهای لازم برای توسعه هوش مصنوعی را ندارد، نظر شما چیست؟
اکنون در روستاهای دورافتاده نیز اینترنت وجود دارد. حال، اگر بخواهیم درباره زیرساخت صحبت کنیم، کشور ما از نظر زیرساخت اینترنتی در سطح مطلوبی قرار دارد اما اگر بخواهیم درباره هوش مصنوعی صحبت کنیم و سؤال دقیق شما همین باشد، باید بگویم که در حال حاضر نرمافزارهای مرتبط با هوش مصنوعی به صورت متنباز (Open Source) در دسترس هستند. البته، در برخی موارد شنیده میشود که ایران زیرساخت مناسبی برای توسعه هوش مصنوعی ندارد؛ به این معنا که زیرساخت سختافزاری لازم را ندارد. در این مورد موافق هستم که ایران از نظر زیرساختهای سختافزاری در این حوزه ضعف دارد اما اعتقاد دارم که در حوزه نرمافزار ایران عملکرد بسیار خوبی داشته است و در این زمینه پیشرفتهای قابل توجهی داشتهایم.
با این حال در زمینه سختافزار، این ضعف را قبول دارم. به عنوان مثال، در مورد استفاده از GPUها یا سایر زیرساختهای اینچنینی، مجهز نیستیم. حتی گاهی در برخی از اجلاسهای ملی مربوط به هوش مصنوعی یا جلسات مختلف این حوزه، این نکته مطرح میشود که "کشوری که هنوز برق پایدار ندارد، چرا درباره هوش مصنوعی صحبت میکند؟" البته من شخصاً با این دیدگاه مخالف هستم.
من در کل نسبت به این موضوع خوشبین هستم و بر این باورم که میتوانیم از هوش مصنوعی در یک سطح مشخص بهرهبرداری کنیم. به این نکته هم اشاره کنم که به نظر من، هوش مصنوعی میتواند به مثابه فرصتی برای ما باشد؛ چراکه میتواند فاصله ما را با کشورهای توسعهیافته بسیار کاهش دهد. به عنوان مثال، شما به ابزار دیپ سیک (DeepSeek) اشاره میکنید، درست است؟ دیپ سیک که اخیراً در جهان ارائه شده است، تنها پس از یک هفته به ایران رسیده. این یعنی ما میتوانیم به سرعت از چنین فناوریهایی بهرهبرداری کنیم. قبلاً این فاصله زمانی شاید به سالها میرسید اما اکنون تنها چند ساعت یا چند روز فاصله داریم. حتی این مرزها نیز در حال از بین رفتن هستند.
من فکر میکنم این ذات تکنولوژی است؛ ذات هوش مصنوعی هم دقیقاً همین ویژگی را دارد. بنابراین به اعتقاد من، بهتر است از این فناوری استفاده کنیم، به جای آنکه منتظر فراهم آمدن زیرساختهای سختافزاری باشیم. بله، قبول داریم که اکنون این زیرساختها را نداریم. مشکلی نیست، اما میتوانیم به نحو دیگری از آن استفاده کنیم.
در مورد زیرساختهایی که ذکر میکنید، دقیقاً چه میزان هزینه لازم است؟ یا اینکه چه بودجهای برای تأمین آن نیاز داریم؟ آیا تحریمها نیز مانعی در این راه هستند؟
قطعاً تحریمها در این زمینه تأثیر دارند و مانع خرید GPUها، CPUها و سایر سختافزارهای مورد نیاز میشوند اما خبر خوب این است که ما میتوانیم در لایه اپلیکیشن از این فناوری استفاده کنیم. منظور از اپلیکیشن، همان کاربرد عملی آن است. یعنی ممکن است ما نتوانیم به صورت بنیادین و از صفر زیرساختهای هوش مصنوعی را ایجاد کنیم اما واقعاً چرا باید چرخ را از ابتدا اختراع کنیم؟
نگاه من این است که بله، ایران در شرایط کنونی و با توجه به زیرساختهایی که دارد، نمیتواند ابزارهایی مشابه دیپ سیک را از ابتدا توسعه دهد اما سؤال این است که چرا نباید از دیپ سیک که اوپنسورس و رایگان است، استفاده کنیم؟ ابزارهای اوپنسورس به این معنا هستند که رایگان در دسترساند. تیمهای توسعهدهنده آنها این ابزارها را با اتکا به زیرساختهای خود و صرف میلیونها دلار (یا مانند ChatGPT میلیاردها دلار) ایجاد کردهاند. ما نه چنین بودجهای در اختیار داریم و نه زیرساخت سختافزاری لازم را داریم؛ بنابراین میتوانیم از این ابزارها استفاده کرده و آنها را ارتقا دهیم.
اطلاعات حساس را در اختیار هوش مصنوعی قرار ندهید
اما به عنوان یک کاربر عمومی که اطلاعات زیادی درباره این فناوری ندارد، ممکن است نگرانیهایی وجود داشته باشد. برای مثال، چرا باید ابزاری رایگان در اختیار من قرار بگیرد؟ آیا این موضوع نگرانکننده نیست؟
ببینید، یکی از دلایل اصلی که هوش مصنوعی ظرف دو تا سه سال گذشته به طور ناگهانی مورد توجه قرار گرفت، این بود که حجم عظیمی از اطلاعات انسانی در دسترس قرار گرفته است. اگر کمی به این موضوع بیاندیشید، متوجه خواهید شد که ما هر روز با انتشار عکسهایمان در شبکههای اجتماعی مانند اینستاگرام و تلگرام، نوشتن کپشن، و به اشتراک گذاشتن اخبار مرتبط با خود، حجم زیادی از محتوا تولید کردهایم. طی این سالها، این اطلاعات محتواهای آموزشی مناسب برای توسعه هوش مصنوعی بودهاند. در واقع، این سرویسها رایگان ارائه میشوند تا شما با آنها تعامل کنید و اطلاعات بیشتری در اختیارشان قرار دهید تا بهتر یاد بگیرند.
بنابراین این منطقی است که این ابزارها، گرچه رایگان به نظر میرسند اما در عمل اطلاعات ارزشمندی از شما دریافت میکنند و در مقابل، هوشمندتر میشوند.
دستیار هوشمندی برای پزشکان
هوش مصنوعی چه کاربردی در حوزه بهداشت و درمان دارد؟
در مورد کاربرد آن در حوزه بهداشت و درمان نیز باید گفت که میتوان از آن برای ارتقای سلامت عمومی جامعه بهره برد. هوش مصنوعی در سطح جهانی ابتدا در حوزه آموزش و سپس در حوزه درمان و پزشکی تأثیرگذار بوده است.
به عنوان مثال، آماری وجود دارد که نشان میدهد استفاده از هوش مصنوعی در تشخیص تومورهای مغزی دقتی نزدیک به ۹۴ درصد دارد. برای اینکه مقایسه درستی داشته باشید، باید بدانید که میانگین دقت پزشکان فوقتخصص در این زمینه ۸۰ درصد است.
شکی وجود ندارد که پزشکان بهطور کلی و عمومی دارای ۷۴ درصد دقت تشخیصی هستند، در حالی که هوش مصنوعی بالای ۹۰ درصد دقت تشخیصی دارد. همین نکته نشان میدهد که هوش مصنوعی قطعاً میتواند به ما کمک کند و این عدد نشان میدهد که هوش مصنوعی حتی در جایگاه یک پزشک یا ابزار کمککننده به پزشکان، میتواند نقشی مؤثر ایفا کند. ا
گر به شرایط کشورهای مختلفی که در این زمینه پیشرفت کرده و از این فناوری استفاده میکنند، نگاه کنیم، میبینیم که در حال حاضر هوش مصنوعی بهعنوان یک دستیار (assistant) یا ابزار کمککننده مورد استفاده قرار میگیرد. البته در این زمینه، جهان تا حدی از ایران جلوتر است. بخشی از این عقبماندگی مربوط به مسائل زیرساختی است.
به عنوان مثال، اگر هوش مصنوعی را بهعنوان یک مدل پزشکی در نظر بگیرید، مدلی که بر پایه اطلاعات قبلی یاد میگیرد، یکی از مشکلاتی که ما در حوزه پزشکی داریم این است که اطلاعات ما و پروندههای پزشکی دیجیتالی نیستند. شما احتمالاً در طول زندگی چند بار به پزشک مراجعه کردهاید؛ آیا تمام اطلاعات و علائم شما به صورت دیجیتالی ثبت شده است؟ آیا تشخیصهایی که پزشک شما انجام داده، جایی بهطور سیستماتیک ثبت شده است؟ متأسفانه پرونده الکترونیک سلامت که سالهاست صحبت از اجرای آن شده، هنوز به اجرا درنیامده است. این یکی از مشکلات جدی ماست.
در واقع، این مسئله زیرساختی است که نیاز به حل دارد، اما هوش مصنوعی میتواند ما را به این هدف نزدیکتر کند. ببینید، موضوع پروندههای الکترونیک سالهاست که مطرح میشود و درباره آن صحبتهایی صورت گرفته، اما هنوز اجرایی نشده است. شاید ضرورت آن را به اندازه کافی درک نکردهایم که چقدر چنین دادههایی میتوانند به ما کمک کنند.
در حال حاضر برخی دانشگاهها، از جمله دانشگاه شهید بهشتی و دیگر دانشگاههایی که من شخصاً با آنها در این زمینه همکاری میکنم، در این مسیر قدم برداشتهاند و چند سالی است که فعالیتهایی را آغاز کردهاند. با وجود این، هرچقدر دادهها بیشتر و دقیقتر باشد، مدلهایی که طراحی میشوند، بهویژه برای پزشکان ایرانی، میتوانند مؤثرتر باشند.
به هر حال، در حال حاضر اطلاعات کافی و بسیار دقیق در این زمینه نداریم و کمی در این زمینه خلأ وجود دارد. با این حال، میتوان امیدوار بود که برخی طرحهایی که سالها روی زمین ماندهاند—برای مثال، پزشک خانواده، که بیش از ۲۰ سال است تصویب شده اما اجرا نشده—با کمک هوش مصنوعی به مرحله اجرا برسند.
هوش مصنوعی میتواند به چنین موضوعاتی کمک کند و اجرای آنها را تسهیل کند. علاوه بر این، دیجیتالی شدن اطلاعات بیماران میتواند به مدلهای هوش مصنوعی کمک شایانی بکند. در واقع، مدلهای هوش مصنوعی بر پایه اطلاعات قبلی، که آن را دیتاست (dataset) مینامیم، آموزش میبینند و یاد میگیرند. حالا اگر دیتاست وجود نداشته باشد یا کافی نباشد، مدل شما نمیتواند دقیق باشد، و مجبور میشویم از مدلهای خارجی استفاده کنیم.
مدلهایی که سبک زندگی شما را تحلیل میکند
اگر بخواهم مثالی بزنم، ما در حال حاضر خودمان مدلهایی را طراحی کردهایم که میتوانند پیشبینی کنند که آیا شما با سبک زندگی (لایف استایل) خاص خود در معرض ابتلا به دیابت هستید یا خیر. اما دیتایی که در اختیار داریم، مربوط به بومیهای آمریکایی یا جمعیت ایندینها (سرخپوستان) است. این اطلاعات شامل بررسی حدود ۱۰ هزار خانواده آمریکایی است اما سبک زندگی آنها با سبک زندگی ما متفاوت است. بنابراین اگر مدلی را بر اساس دیتای آنها آموزش دهیم و بخواهیم در ایران استفاده کنیم، ممکن است خطاهایی وجود داشته باشد.
ولی اگر بتوانیم این مدل را بر اساس سبک زندگی ایرانیها و با توجه به ژنتیک ایرانیها طراحی کنیم، قطعاً مدل دقیقتر و مؤثرتری خواهیم داشت. حتی ما در ایران مدلهایی طراحی کردهایم و اکنون در حال آموزش این مدلها هستیم، از جمله پیشبینی دیابت، پیشبینی سرطان یا سرطان پوست. به واسطه دادههای بیماران ایرانی، میتوانیم مدلهایی بسازیم که دقت بالای ۹۰ درصد داشته باشند و بهطور خاص برای ایرانیها کارآمدتر باشند.
نبود پرونده الکترونیک سلامت سدی سر راه هوشمند شدن درمان
مشکل اینجاست که بیمارستانهای ما یا مراکز درمانی به شکل یکپارچه توان دریافت اطلاعات را ندارند و باید با فرمتی که ما نیاز داریم این اطلاعات را ذخیره کنند. به عنوان مثال، اگر شما مراجعه کنید، باید بتوانم این ۱۰ سؤال را از شما بپرسم، مانند اینکه علائم شما چیست، و این موارد در یک محل ثبت و ذخیره شوند.
هوش مصنوعی میتواند در این زمینه به ما کمک کند. بهعنوان نمونه، اگر مکالمه بین بیمار و پزشک ذخیره و ضبط شده و به دیتاست تبدیل شود، این موضوع میتواند مفید واقع شود؛ زیرا ممکن است پزشک اطلاعات را بهطور کامل وارد نکند.
بنابراین، با توجه به آنچه من دریافتم، بیشتر نیازمند یک تلاش سازمانی از مراکز بالاتر هستیم تا بتوانند از این ابزارها برای پیشرفت استفاده کنند.
همچنین غربالگریها نیز اهمیت بسیاری دارند؛ زیرا غربالگری بخش مهمی از پیشگیری بیماریها و یکی از اولویتهای وزارت بهداشت است. استفاده از هوش مصنوعی میتواند در این حوزه بسیار مفید باشد.
اما مسئله دیگر، یکپارچه نبودن اطلاعات ماست. اکنون اطلاعات پزشکی به صورت جزیرهای ذخیره میشوند. بهعنوان مثال، یک بیمارستان اطلاعات خود را جداگانه ذخیره کرده و مکانی دیگر اطلاعات خود را به شیوهای متفاوت نگهداری میکند، و این اطلاعات میان مراکز مختلف مبادله نمیشوند.
اگر بتوان این یکپارچگی را ایجاد کرد و متخصصان به این اطلاعات دسترسی داشته باشند، میتوان تحول بزرگی در این حوزه ایجاد کرد. البته منظور از امنیت اطلاعات، بحث محرمانه بودن نام بیماران نیست؛ بلکه میتوان نام بیماران را حذف کرد و اطلاعات مرتبط به سلامت را در اختیار متخصصان قرار داد.
در حال حاضر، ایران به حدود پنج هزار متخصص پزشکی نیاز دارد. نیروی متخصص در کشور ما کم بوده و لازم است افراد آموزش ببینند تا بتوانند در ساخت مدلهای مربوطه کمک کنند. این موضوع، بهتنهایی، یک گام موثر برای پیشرفت محسوب میشود.
در حوزه اخلاقی پزشکی ممکن است با چه چالشهایی مواجه شویم؟
در حال حاضر، هوش مصنوعی فقط در لایه تشخیص (Diagnosis) به کار گرفته شده است. در لایه تجویز (Prescription)، هوش مصنوعی هیچگاه به تنهایی دارویی تجویز نمیکند؛ بلکه پزشک مسئولیت تایید نهایی را برعهده دارد.
مثلاً اگر همین حالا به هوش مصنوعی مانند ChatGPT مشکل خود را بیان کنید و از آن بخواهید دارویی تجویز کند، بسیار با احتیاط عمل خواهد کرد. سیاستگذاری آن به شکلی طراحی شده که مستقیماً وارد این حوزه نشود. هوش مصنوعی قادر است تشخیص دهد که اگر دارویی ضررهای جدی به همراه داشته باشد، آن را پیشنهاد ندهد. در موارد عمومی مانند داروهای درمان سرماخوردگی یا سردرد، ممکن است پیشنهادهایی ارائه دهد.
در هر صورت، هوش مصنوعی تعریف شده است تا هدفگذاری و محدودیتهای لازم را در تخمین میزان ضرر یا سود دارو برای افراد در نظر بگیرد.
آیا ممکن است دچار خطای پزشکی شود؟ یا میتواند به کاهش خطا کمک کند؟
هوش مصنوعی میتواند به کاهش خطاهای پزشکی کمک شایانی کند اما باید توجه داشت که دقت هوش مصنوعی هیچگاه صد درصد نخواهد بود، چراکه در تشخیص پزشکی، چیزی به نام صد درصد وجود ندارد. با این حال، هوش مصنوعی امکان کاهش قصور پزشکی یا خطای انسانی را فراهم میکند.
این امر دلایل مختلفی دارد، از جمله اینکه هوش مصنوعی از ویژگیهای انسانی مانند خستگی، گرسنگی و بیحوصلگی برخوردار نیست. این تفاوت موجب میشود میزان خطای آن کاهش یابد.
علاوه بر آن، میتوان چندین لایه بررسی و چک کردن مجدد برای هوش مصنوعی تعریف کرد؛ زیرا در حال حاضر، این فناوری در مرحله «Reasoning» قرار دارد. مرحله «Reasoning» به این معناست که هوش مصنوعی جواب خود را بهطور چندباره مورد ارزیابی و بررسی قرار میدهد. به همین دلیل، خطای آن میتواند به صفر نزدیک شود.
ممکن است انسانها از نظر احساسی به هوش مصنوعی وابسته شوند
هوش مصنوعی دسترسی گستردهای به اطلاعات دارد. مدلهای هوش مصنوعی در حال حاضر اطلاعات بسیاری از کاربران را ثبت و ذخیره میکنند، چه چالشهایی ممکن است در این زمینه به وجود بیاید؟
برخی مدلهای هوش مصنوعی ایرانی هم اکنون توسط حدود ۱۰۰ هزار نفر استفاده میشوند و این اطلاعات ذخیره میشود. جالب است بدانید بسیاری از افراد ارتباطی روزانه با این مدلها برقرار کردهاند، بهگونهای که حتی صبح بخیر و شب بخیر میگویند و به آن به چشم یک انسان مینگرند.
در مراحل پیشرفتهتر، مسائل احساسی نیز ممکن است مطرح شوند، بهویژه برای نوجوانان که ممکن است نوعی وابستگی یا احساس خاصی نسبت به این فناوری پیدا کنند.
آنها ممکن است هوش مصنوعی را یک دوست، حتی از جنس مخالف، تصور میکنند. به نظر من، اگر فردی به هوش مصنوعی ایمان بیاورد و در زندگی از آن استفاده کند، از نوع پرسشهای او میتوان تشخیص داد که چه دغدغههایی دارد. این موضوع جای نگرانی دارد.
هماکنون هوش مصنوعیهایی که مبنایشان در آمریکا و چین است، به تمامی این اطلاعات دسترسی دارند. حتی اگر شما برای مدتی کوتاه با ChatGPT صحبت کنید، مکالمات در حافظه ذخیره میشود و اگر بعد از یکماه بپرسید که من چه شخصیتی دارم، از پرسشهایی که مطرح کردهاید، شخصیت شما را حدس میزند. این ابزار حتی ممکن است ویژگیهای ظاهری شما را بدون مشاهده چهرهتان تخمین بزند. پاسخهای آن نیز ممکن است بر اساس علایق شما شخصیسازی شود؛ طوری که دوست دارید.
چگونه میتوان مراقب بود؟
من معتقدم که نباید هیچوقت پرسشهایی که بسیار حساس هستند، در این ابزار مطرح شود. البته روزانه بیش از ۳۵۰ میلیون نفر در حال استفاده از آن هستند و به نظر میرسد نگرانی زیادی در این خصوص وجود ندارد. به طور کلی، تکنولوژی دارای ماهیتی دوگانه است؛ زمانی که از آن استفاده میکنید، باید این نگرانی را نیز بپذیرید که احتمال درز اطلاعاتتان وجود دارد. پس چه کاری باید انجام دهیم؟ اولاً، نباید مسائل بسیار حساس را مطرح کنیم. البته این نگرانی همیشه وجود دارد. زمانی که با یک مشاور صحبت میکنید، آن فرد راز شما را میداند یا زمانی که با یک تراپیست گفتوگو میکنید، او نیز از راز شما مطلع میشود.
با این حال، یکپارچه کردن و تجمیع تمامی اطلاعات شما در یک مکان میتواند حدودی خطرناک باشد.
آیا نیاز است قانونی برای این موضوع نوشته شود؟ آیا میتوانیم از هوش مصنوعی شکایت کنیم؟
در حال حاضر نمیتوانیم از هوش مصنوعی شکایت کنیم، اما امکان شکایت از شرکتهای واسط که این هوش مصنوعی را طراحی و مدیریت میکنند، وجود دارد. از خود میپرسم آیا نیاز است که قوانین بهروز شوند؟ آیا باید قوانینی برای این موضوع نوشته شود؟ آیا اصولاً چنین قانونی قابلیت تنظیم دارد؟ آیا کشورها تاکنون این اقدام را انجام دادهاند؟
در سطح جهانی، چه بسا برخی کشورها این کار را کرده باشند. کشورهای پیشرفتهتر معمولاً قوانینی تدوین کردهاند، اما بیشتر این قوانین متمرکز بر محدودیت کاربردهای هوش مصنوعی بودهاند. برای مثال، آمریکا بهتدریج استفاده از دیپسیک را محدود و برای آن ممنوعیتهایی وضع کرده است. فرانسه نیز در این زمینه پیشرو بوده است. بیشتر قوانین به نظر میرسد روی جنبههایی همچون جعل اطلاعات تمرکز داشتهاند؛ زیرا هوش مصنوعی میتواند روابط انسانی را دستکاری کند اما قانونی که مستقیماً رفتار انسان با هوش مصنوعی را تحت نظارت قرار دهد، حداقل در حال حاضر مشاهده نشده است.
کمک به کاهش اطاله دادرسی و روند رسیدگی به پروندهها
سؤال مهم این است که هوش مصنوعی در حوزههای حقوقی چه کمکی میتواند به ما ارائه دهد؟ یکی از بزرگترین مشکلات ما در این حوزه، اطاله دادرسی است.
بله، در این زمینه هوش مصنوعی میتواند کمک شایانی ارائه دهد. جالب است بدانید که تقریباً ۳۰ درصد وکلای شهر تهران از نرمافزارهای مشابه استفاده میکنند. این آمار از کجا آمده است؟ این آمار، مربوط به کانون وکلای سال ۱۴۰۱ است و از وبسایت کانون وکلا استخراج شده است. همچنین، زمان اطاله دادرسی نیز حدود ۴۰ درصد کاهش یافته است.
به چه صورتی چنین کمکهایی ارائه شده است؟
ببینید، هوش مصنوعی فرآیندها را سادهسازی خواهد کرد. برای مثال، شما میتوانید دادخواست تنظیم کنید و هوش مصنوعی با خلاصه کردن (سامریسازی) شکایت شما، مستقیماً به شما اعلام کند که باید به کجا مراجعه کنید. این قابلیت برای پیشمشاوره و آمادهسازی راهکارها بسیار مؤثر است.
قاضی هوشمند در دادگاههای ایران
موضوع دیگری نیز وجود دارد. در حال حاضر، در برخی دادگاههای کشور برای قضات یک دستیار هوش مصنوعی طراحی شده است که مکالمات و مستندات را گوش کرده و به قاضی میگوید طبق کدام قوانین، فرد مجرم است یا خیر.
آیا چنین موضوعی در ایران رخ میدهد؟
بله، این موضوع به صورت آزمایشی در حال اجرا است. البته امیدوارم که بیان این مطلب مشکلی ایجاد نکند، اما چنین برنامهای به طور آزمایشی در برخی دادگاهها بررسی میشود. حکم صادر کردن در حال حاضر امکانپذیر نیست، اما فعلاً بهعنوان دستیار عمل میکند. این دستیار قابلیتهایی دارد؛ برای مثال میتواند مشخص کند که موضوعی تحت چه قانونی قرار میگیرد یا به خلاصهسازی اطلاعات بپردازد.
حتی میتواند در زمینههای مختلف به وکلای ما کمک کند. همانطور که میدانید، یکی از مسائل مهم در دادگاهها این است که وکیل بتواند مشخص کند طبق چه قانونی اعتراض خود را مطرح کرده است. در چنین مواردی، هوش مصنوعی تمامی دادهها را ذخیره کرده و به سرعت شماره مواد قانونی مربوطه را ارائه میدهد، چراکه کل قوانین را در اختیار دارد. از این لحاظ، هوش مصنوعی بسیار مفید است.
در مجلس نیز، در تدوین قوانین از هوش مصنوعی استفاده میشود. یکی از مشکلات موجود، که در جلسهای که پیشتر برگزار شده بود نیز مطرح شد (جالب است بدانید که نمایندگان مجلس در این زمینه بسیار بهروز هستند؛ این جلسه حدود چهار یا پنج ماه پیش برگزار شد)، این است که هنگام نگارش پیشنویس قوانین، یک ربات هوش مصنوعی بتواند تمامی قوانین و تبصرهها را بررسی کرده و مشخص کند که آیا قانون پیشنهادی با سایر قوانین موجود تضاد یا مغایرتی دارد یا حتی مشابه قوانین دیگر نباشد. این فناوری هماکنون در حال استفاده است و به شورای نگهبان کمک بسیاری میکند.
آیا این هوش مصنوعی میتواند قانون بنویسد؟
اگر چنین انتظاری از آن داشته باشیم، بله، میتواند قانوننویسی کند. بهعنوان مثال، اگر از آن بخواهیم که بر اساس چارچوب مشخصی قانونی بنویسد، توانایی انجام این کار را دارد.
نکته دیگر این است که این فناوری در پیشبینی نتایج داوری نیز بسیار مؤثر است؛ بهطوری که میتواند تا ۷۰ درصد، ۷۵ درصد، و حتی ۸۰ درصد به نتایج درست دست یابد. برای این منظور، اطلاعاتی از شاکی و متشاکی در اختیار آن قرار میگیرد.
آمار موجود نشان میدهد که تا ۸۰ درصد پیشبینیهای این فناوری صحیح است و این دادهها از پژوهشگاه دانشگاه شهید بهشتی به دست آمده است. این میزان دقت (۸۰ درصد) بسیار قابل توجه است.
رفع تبعیضهای اجتماعی با هوشمندسازی
حال بحث حقوقی را کنار گذاشته و به موضوع کاهش آسیبهای اجتماعی بپردازیم. آیا این هوش مصنوعی در این زمینه نیز کمککننده است؟ و چگونه میتواند تأثیرگذار باشد؟ برای مثال، در زمینه اعتیاد، هوش مصنوعی چه کمکی میتواند ارائه بدهد؟
درباره مسائل اجتماعی باید گفت که قطعاً این فناوری میتواند کمککننده باشد. اجازه دهید چند آمار ارائه کنم: الگوریتمهایی وجود دارند که میتوانند تبعیض در جامعه را بررسی کنند؛ برای مثال، مشخص کنند در حق چه قشری از جامعه اجحاف صورت گرفته است. این دادهها تحلیل شده و میتوانند نکات مهمی درباره شرایط اجتماعی ارائه دهند.
در زمینه جامعهشناسی نیز، دادههای موجود میتوانند مبنای تحلیل قرار بگیرند. دسترسی به اینترنت، امکانات مختلف و حتی افکارسنجی در زمینههای مختلف، از جمله موضوعاتی هستند که هوش مصنوعی میتواند بر اساس آنها گزارشهای کاربردی ارائه دهد.
چند پیشنهاد در حوزه مسائل اجتماعی نیز وجود دارد. یکی از این موارد، ایجاد شفافیت و نظارت است؛ برای مثال، استفاده از هوش مصنوعی در زمینه نظارت اجتماعی میتواند بسیار مؤثر باشد. همچنین، بحث آموزش از مسائل مهم اجتماعی است. آموزش سواد دیجیتال بهصورت عمومی در سطح جامعه میتواند یکی از کارکردهای اجتماعی مهم هوش مصنوعی باشد. علاوه بر این، تقویت همکاریهای بینبخشی میان نهادهای دولتی یا مردمی، برای انجام فعالیتهای اجتماعی نیز قابل ذکر است.
در خصوص موضوع اعتیاد نیز، باید تحقیقات بیشتری انجام شود. البته، در زمینه مشاوره، هوش مصنوعی میتواند مشاورههای ارزانقیمتی ارائه دهد و حتی برنامههای شخصیسازیشدهای طراحی کند که به افراد برای ترک اعتیاد کمک کند. این برنامهها میتوانند بهصورت فردی و بر اساس شرایط خاص هر شخص طراحی و اجرا شوند. استفاده از چنین فناوریای، بدون شک میتواند تحولی مثبت در این زمینه ایجاد کند.
یکی از ویژگیهای جالب هوش مصنوعی همین است؛ اینکه میتواند برای هر فرد برنامهای اختصاصی ایجاد کند که دقیقا متناسب با نیازهای او باشد، چون قادر به شناخت دقیق افراد است. این نکته بسیار مهم و قابلتأملی است. وقتی شما به پزشک مراجعه میکنید، پزشک زمان بسیار محدودی دارد تا همه جنبههای مربوط به شما را بررسی کند اما هوش مصنوعی بهطور کامل در دسترس شماست و میتواند شما را به شکل جامعی بشناسد؛ همانطور که قبلاً هم به آن اشاره شد.
از نظر من، توانایی هوش مصنوعی در تحلیل جامعه نیز بسیار جذاب است. این مسئله طبیعتاً میتواند در زمینه سیاستگذاریها نقش مهمی ایفا کند. علاوه بر این، میتواند در جمعآوری دادهها و آمار نیز کمک شایانی ارائه دهد. جمعآوری آمار در کشور ما کاری دشوار است. البته اگر بتوانیم اطلاعات را بهطور دقیق تجمیع کنیم، دیگر چندان سخت نخواهد بود. برای مثال، بسیاری از گزارشگیریها از اپلیکیشنهای ایرانی به صورت آماری نشان میدهد که میانگین استفاده از فناوری، حدود هفت ساعت در روز است؛ مثلاً از اپلیکیشنهای بانکی، شبکههای اجتماعی و غیره. اگر بتوانیم این دادهها را به درستی در یک محل جمعآوری کنیم، میتوانیم رفتار افراد را بهتر شناسایی کنیم.
جالب است بدانید که تقریباً سه هفته یا یک ماه قبل از برگزاری انتخابات ریاستجمهوری، با استفاده از دادههای هوش مصنوعی، توانستیم رفتارهای جمعی را تحلیل کرده و پیشبینی کنیم که آقای پزشکیان بهعنوان رئیسجمهور انتخاب خواهد شد. این پیشبینی بر اساس تحلیل رفتارهای جمعی و توجه به ترندهای اجتماعی انجام شد. بنابراین، این نوع کارها در بسیاری از زمینهها امکانپذیر است؛ یعنی میتوان با استفاده از هوش مصنوعی، اطلاعاتی را به دست آورد که بهطور مستقیم از جامعه نمیتوان دریافت کرد.
هوش مصنوعی به رئیس جمهور شدن ترامپ کمک کرد
برای نمونه، در نخستین دوره ریاستجمهوری ترامپ در ایالات متحده آمریکا، ۴۰۰ پارامتر اجتماعی با استفاده از هوش مصنوعی بررسی شد. گفته میشود که یکی از عوامل اصلی پیروزی ترامپ در انتخابات نیز هوش مصنوعی بوده است. در آن زمان، شرکتهای تخصصی در انگلستان از هوش مصنوعی برای تحلیل رفتارهای جمعی استفاده کردند و حتی بر اساس این تحلیلها، تعیین کردند که رنگ و طراحی رباتها چگونه باشند تا بر رفتار جمعی تأثیرگذار باشند.
تنها ۱۷ درصد از شرکتهای ایرانی از هوش مصنوعی استفاده میکنند
در مورد آمارها هم لازم است توضیحاتی داده شود. در حال حاضر، بر اساس آماری که دانشگاه شریف ارائه کرده است، تنها ۱۷ درصد از شرکتهای ایرانی در سال ۱۴۰۳ از هوش مصنوعی استفاده میکنند و ۸۳ درصد دیگر علاقهمند به استفاده از آن هستند، اما هنوز وارد این حوزه نشدهاند. زمانی که این شرکتها در مورد علت عدم ورودشان صحبت کردند، تقریباً ۵۰ درصد از آنان کمبود نیروی انسانی متخصص و مهارت کافی را دلیل اصلی دانستند. حدود ۴۲ درصد دیگر اظهار داشتند که زیرساختهای فنی لازم را ندارند.
البته من در این مورد اختلافنظر دارم؛ زیرا به نظر من استفاده از هوش مصنوعی به زیرساختهای پیچیده و خاصی نیاز ندارد. برای مثال، در شرکت یا مؤسسه خودمان توانستهایم از هوش مصنوعی استفاده کنیم و این مسئله باعث افزایش ۷۰ درصدی فروش شده است. افزایش ۷۰ درصدی فروش، بهویژه در حوزه کسبوکار، عدد بسیار قابلتوجهی است.
یکی دیگر از مشکلات مطرحشده، هزینههای بالای توسعه است. با این حال، برای این مسئله نیز راهکارهایی وجود دارد که شرکتها میتوانند از آنها بهرهمند شوند. نکته جالب دیگر این است که در سال ۱۴۰۳، درآمد حاصل از بازار هوش مصنوعی در ایران حدود هزار و ۶۰۰ میلیارد تومان تخمین زده شده است. این عدد در مقایسه با آنچه که ظرفیت این حوزه ایجاب میکند، بسیار کم است.
بر اساس پژوهشی که توسط دانشگاه شریف انجام شده است، پیشبینی میشود که این عدد در سال آینده به ۲ هزار و ۵۰۰ میلیارد تومان برسد.
در صحبتهای شما اشاره شد که حتی اگر دیتاسنتر نداشته باشیم، باز هم امکان استفاده از هوش مصنوعی وجود دارد. چطور ممکن است؟
اگر دیتاسنتر داشته باشیم، اطلاعات داخل کشور باقی خواهند ماند که بسیار مطلوب است. با این حال، اگر این زیرساخت در دسترس نباشد، میتوان از منابع موجود در دنیا که بهصورت اجارهای در اختیار قرار میگیرند، استفاده کرد. هوش مصنوعی در حال حاضر یک موضوع جدید است و رشد آن در جهان، بهصورت منبعباز (Open Source) و مبتنی بر مشارکت عمومی پیش میرود. بنابراین، از این ظرفیت میتوان استفاده کرد.
لازم به ذکر است که در حوزه فناوری، اگر بخواهیم منتظر آمادهشدن زیرساختها باشیم، ممکن است از رقابتهای تکنولوژیک عقب بمانیم؛ چراکه در دنیای فناوری، چند روز دیرکرد میتواند عواقب زیادی داشته باشد.
آیا کار کردن با هوش مصنوعی و استفاده از آن برای مردم عادی نیاز به سواد و مهارت خاصی دارد؟
در مورد مواجهه مردم با هوش مصنوعی، بسیاری از افراد تصور میکنند که لازم است برای یادگیری نحوه استفاده از آن به دورههای آموزشی خاصی بروند. اما در واقع، رابط کاربری هوش مصنوعی بهگونهای طراحی شده است که افراد میتوانند بهراحتی از آن در امور روزمره خود بهره ببرند.
بهطور کلی، این فناوری را به چهار دسته تقسیم میکنم که در ادامه به شرح آنان میپردازم: استفاده از اپلیکیشنهای هوش مصنوعی در سطح اول، همه ما، حتی بدون آگاهی، از هوش مصنوعی استفاده میکنیم. بهعنوان مثال، تاکسیهای اینترنتی و همینطور مسیرهایی که از طریق گوگل مپ برای کاربران تعیین میشوند، توسط هوش مصنوعی مدیریت میشوند. در این سطح، کاربران مستقیم با هوش مصنوعی کار نمیکنند، بلکه با نرمافزارهایی که از این فناوری بهره میبرند، تعامل دارند. این سطح، حداقل سواد دیجیتال را طلب میکند و اکثریت جامعه (حدود ۹۰ درصد) در حال استفاده از چنین ابزارهایی هستند.
در لایه دوم، ابزارهایی وجود دارند که به کمک آنها میتوانید امور خاصی را انجام دهید؛ برای مثال، تبدیل صدا به متن. در گذشته این کار بهصورت دستی انجام میشد اما اکنون ابزارهایی وجود دارند که میتوانند این کار را با سرعت و دقتی بیشتر از انسان انجام دهند. این ابزارها حتی میتوانند متنهای شما را خلاصهسازی کنند یا سبک نوشتار را مطابق درخواست شما تغییر دهند، مثلاً متنی با نوشتار رسمی یا دوستانه تولید کنند. این ابزارها نیاز به آموزش مختصری دارند اما این آموزشها بسیار ساده و دسترسپذیر هستند.
تصور بسیاری از افراد این است که یادگیری این ابزارها دشوار بوده و نیاز به دورههای تخصصی دارد، اما در واقع اینگونه نیست. در این سطح، تخصص زیادی لازم نیست و میتوان با صرف کمی وقت و جستجو، این فناوریها را فرا گرفت.
لایه سوم به حوزهای تخصصیتر مربوط میشود. در این بخش، افراد میتوانند برنامهنویسی هوش مصنوعی را یاد بگیرند و بهجای استفاده از ابزارهای آماده، خود به طراحی و توسعه ابزارهای هوش مصنوعی بپردازند. این موضوع میتواند بهعنوان یک حرفه یا فرصتی برای ایجاد کسبوکارهای جدید در حوزه فناوری تلقی شود.
توصیه من این است که افراد، به خصوص نوجوانان بین ۱۲ تا ۱۳ سال، به یادگیری این مهارت بپردازند؛ چراکه این حوزه، مستعد رشد و پیشرفت است.
لایه چهارم شامل دانشمندانی میشود که به توسعه اصولی و بنیادی هوش مصنوعی میپردازند. این افراد، الگوریتمهای جدید ارائه میدهند یا مقالات پیشرفتهای در این حوزه منتشر میکنند. عمدتاً، این دسته شامل پژوهشگران دانشگاهی یا دانشجویان دکتری هستند.
با این حال، تأکید من این است که همه افراد، حداقل در لایههای دوم و سوم، از این علم بهرهمند شوند و دانش و مهارت لازم را برای استفاده از آن کسب کنند.
هوش مصنوعی در مدیریت شهری هم میتواند مفید باشد؟
هوش مصنوعی میتواند تأثیرات چشمگیری در مدیریت شهری داشته باشد. بهعنوان مثال، میتوان از آن برای کاهش مشکلات ترافیکی استفاده کرد. من در سال ۱۳۹۲ اختراعی داشتم که نام آن «شهر هوشمند» یا «دروازه شهر هوشمند» بود. این اختراع مبتنی بر هوش مصنوعی و پردازش تصویر بود و این امکان را فراهم میکرد که بدون نصب تجهیزات خاصی روی خودروها، محل خودروهای سرقتی ردیابی شود و حتی خودروی مفقودی خاموش شود.
چنین راهکارهایی میتوانند در حوزههای اجتماعی مانند کاهش سرقت و مسائل دیگر بسیار مؤثر باشند. در بحث ترافیک نیز میتوان از هوش مصنوعی برای طراحی چهارراههای هوشمند استفاده کرد. برای مثال، بسیاری از ما تجربه ایستادن پشت چراغ قرمز در شرایطی که سه طرف دیگر چهارراه خالی هستند را داشتهایم؛ این نشان میدهد که این چهارراهها هنوز به شکل کامل هوشمند نشدهاند. تحقیقات نشان داده است که صرفاً به دلیل همین مشکل چراغهای راهنمایی، روزانه میلیونها لیتر بنزین هدر میرود.
این فناوری میتواند کاهش ترافیک را تا صد درصد ممکن سازد، بهویژه در مواردی مانند چراغ قرمزها؛ به این صورت که هوش مصنوعی قادر است به تمامی جهات جاده نگاه کند، وضعیت را بررسی کند و در صورتی که خیابان خلوت باشد، پیشبینی کند و حتی زمان چراغ قرمزها را تغییر دهد. این یک مثال ساده و کاربردی از هوش مصنوعی است و میتوان از آن در حوزههای مختلف بهره گرفت.
در حال حاضر، ۳۰ درصد از شهرهای ما به تجهیزات مبتنی بر تکنولوژی و هوش مجهز شدهاند. به نظر من، اگر شما قبلاً جریمه شده باشید یا سرعت بالایی داشته باشید، همان دوربینی که پلاک شما را ثبت میکند، از الگوریتمهای هوش مصنوعی استفاده میکند. بنابراین، هوش مصنوعی مدتی است که وارد شده است؛ یعنی پیش از این هم ممکن بود جریمه شوید و این صرفاً مرتبط با الان نیست، بلکه به موضوع پردازش تصویر ربـط دارد. همچنین فکر میکنم که در زمینه مسائل ترافیکی نیز از هوش مصنوعی بهره گرفته میشود.
کاهش ۲۵ درصدی ترافیک تنها با هوشمند شدن چراغ راهنمایی
اگر این مدل اجرا شود، بین ۲۰ تا ۲۵ درصد از ترافیک کاسته میشود و شایان ذکر است که ۸۵ درصد از آلودگی شهری تهران ناشی از خودروهاست. اگر تنها ۲۵ درصد از آلودگی مرتبط با خودروها کاهش یابد، میزان قابلتوجهی از آلودگی هوا نیز کاهش خواهد یافت.
همچنین در بحث ایمنی بزرگراهها، هوش مصنوعی میتواند تا ۱۵ درصد مؤثر واقع شود و باعث کاهش مخاطرات شود. نکته جالب توجه دیگر، اختراعی است که در امارات مورد استقبال قرار گرفته و توجه اماراتیها را جلب کرده است؛ دستگاهی به نام «نورا» که یک دستیار هوشمند رانندگی است.
این دستگاه روی داشبورد خودرو قرار میگیرد و همزمان جاده و راننده را بررسی میکند، به عبارتی دو چشم دارد. چشم اول وضعیت راننده را میسنجد و اگر علائمی از خوابآلودگی یا خستگی مشاهده شود، به راننده هشدار میدهد. چشم دوم نیز به گونهای طراحی شده است که به راننده در حفظ تمرکز بر جاده کمک میکند. این دستیار هوشمند میتواند به کاهش احتمال وقوع تصادفات کمک کند و احتمال موفقیت آن در این زمینه بسیار بالاست. اگر حواس راننده از جاده پرت شود، دستگاه همیشه بر جاده نظارت دارد و قادر است به راننده کمک کند.
به نظر شما آینده هوش مصنوعی چگونه خواهد بود؟
ابتدا باید مشخص کنیم که کجا ایستادهایم. در لایه هوش مصنوعی، ما در چه مرحلهای هستیم؟ به تدریج در حال نزدیک شدن به AGI (هوش مصنوعی عمومی) هستیم. در حال حاضر، در مرحله ANI (هوش مصنوعی محدود) قرار داریم.
در حال حاضر، هوش مصنوعی در لایه محدود قرار دارد. این محدودیت به معنای ضعف نیست، بلکه نشاندهنده تخصص هوش مصنوعی در زمینههای خاص است. در حال حاضر، در برخی حوزههای پزشکی این فناوری ممکن است از انسانها قویتر عمل کند، یا توانایی بالاتری در آموزش و حتی خلق خلاقیت داشته باشد. یعنی هوش مصنوعی میتواند در برخی زمینههای خاص از انسانها پیشی بگیرد اما هنوز در سطح عمومی (جنرالی) از انسانها برتری ندارد.
به نظر من، تا دو یا سه سال آینده شاهد پیشرفتهای زیادی خواهیم بود. نمونهای از این محدودیتها را میتوان در ماشینحساب مشاهده کرد؛ ماشینحساب قادر است به سرعت چند عدد چند رقمی را ضرب کند، کاری که انسان نمیتواند به همان سرعت انجام دهد. بنابراین در این زمینه خاص، ماشینحساب قویتر و باهوشتر به نظر میرسد اما وقتی پای تعامل عمومی یا گفتوگو به میان باشد، ماشینحساب هیچ برتری نسبت به انسان ندارد. بنابراین میتوان گفت که هوش مصنوعی در حال حاضر در مرحله ANI قرار دارد، یعنی دارای محدودهای خاص است. ما در مسیر دستیابی به AGI قرار داریم.
AGI دارای پنج یا شش مرحله است که از چهار مرحله آن عبور کردهایم و تنها یک مرحله باقی مانده است؛ آن مرحله اختراع است. هنگامی که AGI به عرصه بیاید، هوش مصنوعی قادر خواهد بود برای مشکلاتی مانند مصرف دارو، خود داروها را بسازد. مثلاً درمان سرطان، چگونگی سفر به مریخ، افزایش طول عمر، و طراحی انواع درمانها از جمله درمان دیابت که در حال حاضر درمان قطعی ندارد، همگی از قابلیتهای AGI خواهند بود.
۵ سال تا ورود رباتها به زندگی روزمره
اما اگر از AGI جلوتر برویم، به مرحله ASI (هوش مصنوعی فوقالعاده) میرسیم. در این مرحله، هوش مصنوعی از مجموع هوش تمام انسانها فراتر خواهد رفت. در این مرحله، دانشمندان هوش مصنوعی ممکن است در عرض چند ثانیه یا چند دقیقه یک اختراع جدید ثبت کنند و همه چیز بسیار شگفتانگیز خواهد شد. این آیندهای است که پیشبینی میکنم.
این دوره زمانی تقریباً چقدر طول میکشد؟
تا سال ۲۰۳۰ تقریباً پنج سال باقی مانده است. میتوانم بگویم که پیشرفتی که در ۲۰ سال گذشته در زمینه هوش مصنوعی داشتهایم، از ۲۰ سال پیش تا سه سال پیش یک روند مشخص داشت، اما در این سه سال اخیر به شکلی پیشرفت کرده است که برای ما قابل تصور نبود.
من مطمئن هستم که ظرف پنج سال آینده، این تحولات با سرعتی عجیب وغریبتر ادامه خواهد یافت. همین حالا هم ما سیستمهایی از هوش مصنوعی داریم که خودشان هوش مصنوعیهای جدید خلق میکنند. به بیان دیگر، برنامههایی وجود دارند که به طور خودکار برنامههای جدید هوش مصنوعی را تولید میکنند. بنابراین، بدون شک این روند به شکل عجیبی رشد خواهد کرد.
یک موضوع کوتاه دیگر که در مورد آینده میخواهم بگویم: اکنون که هوش مصنوعی در حال پیشرفت است، ترکیب سه عامل کلیدی یعنی هوش مصنوعی، پردازش کوانتومی، و رباتیک، به نقطهای خواهد رسید که یک تحول خارقالعاده را در زندگی انسانها رقم خواهد زد. به دلیل قابلیت پردازش کوانتومی در سطح فوقالعاده بالا، میتوانیم پردازشهای موازی یا Parallel Processing* سریعی داشته باشیم. به این ترتیب، دیگر برای مغز یک ربات نیازی به استفاده از ابرکامپیوترهای هوشمند (*Super Intelligence*) نخواهیم داشت.
از سوی دیگر، الگوریتمهای هوش مصنوعی پیشرفتهتر میشوند و از طرفی، رباتها به خانهها و زندگی اجتماعی ما وارد خواهند شد. تلفیق این سه عنصر (هوش مصنوعی، پردازش کوانتومی و رباتیک) موجوداتی را خلق خواهد کرد که حالتی شبیه به انسان دارند؛ با ما زندگی میکنند، با ما سخن میگویند و ما نیز میتوانیم خیلی راحتتر با آنها ارتباط برقرار کنیم و وظایفی را که داریم به آنها واگذار کنیم تا برایمان انجام دهند.
به تعبیر دیگر، امری که روزی تخیل به حساب میآمد، اکنون به واقعیت بدل شده است. همین حالا، این امکان وجود دارد.
اما عجیبترین پروژهای که در حوزه هوش مصنوعی در ایران قابلیت اجرا داشته و اجرا شده است چیست؟
عجیبترین چیزی که من تجربه کردهام و در این زمینه انجام شده، پروژهای است که ما نام آن را «زنده کردن مردگان» گذاشتهایم. به این معنی که میتوانیم دوباره با عزیزان از دست رفته صحبت کنیم. ما توانستهایم افراد را «کلون» کنیم؛ یعنی صدا، تصویر و حتی ویدئوی آنها را بازسازی کنیم و بهصورت هولوگرام، این امکان فراهم است که شما بتوانید با عزیزی که فوت کرده است دوباره صحبت کنید.
این عجیبترین چیزی است که من از نزدیک دیدهام و واقعاً جالب است. بهعنوان مثال، شما با فردی که دیگر در این دنیا نیست، نه تنها صحبت میکنید، بلکه میتوانید نظرات او را درباره شرایط فعلی دنیا جویا شوید یا از دیدگاهش درباره امور مختلف سؤال کنید. او نیز میتواند به شما پاسخ دهد.
البته، از نظر کاربردی، بیشترین فایده هوش مصنوعی در مواردی مانند آموزش، پزشکی، و پیشبینیهای اقتصادی و مالی است. استفاده از هوش مصنوعی در امور مالی نیز بسیار مؤثر است.
توصیهای برای مخاطبان عمومی درباره حوزه هوش مصنوعی دارید؟
برای مخاطبان عام، توصیه من این است که حتماً به هوش مصنوعی به چشم یک فرصت نگاه کنند. میدانم که برخی افراد هنوز دیدگاه منفی یا شکاکانهای به این موضوع دارند، اما من همیشه تکنولوژی را فرصتی برای پیشرفت تلقی کردهام. پیشنهاد میکنم افراد استفاده از ابزارهای هوش مصنوعی و همچنین یادگیری برنامهنویسی این حوزه را در دستور کار خود قرار دهند. یادگیری این موضوعات به افراد کمک میکند تا در آینده بتوانند نقش مهمی در این دنیای جدید ایفا کنند. آینده متعلق به کسانی خواهد بود که از مدل «STEAM» پیروی میکنند.
«STEAM» به چه معناست؟
STEAM مخفف چند واژه کلیدی است: Science (علم)، Technology (فناوری)، Engineering (مهندسی)، و Mathematics (ریاضیات). ترکیب این حوزهها، همان تکنولوژی یا بهطور خاص هوش مصنوعی را میسازد. با توجه به اینکه هوش مصنوعی در آینده ما چنین نقش بزرگی دارد، به عقیده من بهتر است از همین حالا یادگیری آن را آغاز کنیم.
انتهای پیام /
نظر شما