بررسی پژوهشگران نشان می دهد؛
خلاقیت افزوده به اختراعات بشری سرعت می بخشد
پژوهشگران به این نتیجه رسیده اند که هوش مصنوعی می تواند با ایجاد مفهومی موسوم به خلاقیت افزوده به روند اختراعات بشری، سرعت بخشد.
به گزارش ابرنت به نقل از گروه علوم و تکنولوژی های جدید پژوهشگاه فضای مجازی، پژوهشگران و متخصصان، اخیراً در بحث و گفتگو در مورد علل کاهش سرعت ظهور و رشد ایده های بدیع و اختراعات تازه در جوامع نوین، به این نتیجه رسیده اند که هوش مصنوعی می تواند با ایجاد مفهومی موسوم به «خلاقیت افزوده»، این روند را بار دیگر، سرعت بخشد. رابرت گوردون اقتصاددان، در سال ۲۰۱۲ مقاله بحث برانگیزی منتشر نمود که در آن اظهار کرده بود که رشد اقتصادی تا حد زیادی به انتها رسیده برای اینکه نتوانسته ایم در دهه های اخیر موتور نوآوری را روشن نگه داریم. در مطالعه ای که در مؤسسه تحقیقاتی سیاست های اقتصادی در دانشگاه استنفورد انجام شده، با حمایت ضمنی از نظر رابرت گوردون، این استدلال ارائه شده است که بااینکه نسبت به قبل پول بیشتری برای خلاقیت و نوآوری خرج می نماییم، بازدهی ما نزدیک به صفر است. این سرمایه گذاری فقط در زمینه مالی صورت نمی گیرد و همانطور که این تحقیق نشان میدهد امروزه نسبت به سال ۱۹۳۰ حدود ۲۰ برابر، افراد بیشتری در زمینه تحقیق و توسعه فعالیت دارند. پس مشکل از کجاست؟ چرا اختراع کردن به این اندازه دشوار شده است؟پژوهشگران دانشگاه نورث وسترن اهتمام دارند در مقاله ای به این پرسش پاسخ داده و نشان دهند درصد بالایی از اختراعات امروز در حقیقت «بازترکیب» است. ۴۰ درصد از تمام اختراعاتی که در اداره ثبت اختراع و نشان تجاری ایالات متحده (USPTO) ثبت شده اند، اختراع جدیدی نیستند بلکه تلفیقی از ایده های موجود هستند که در کنار هم قرار گرفته اندمرور و تحلیل ابتکارات با بهره گیری از هوش مصنوعیپیدا کردن روش های مناسب برای ترکیب ایده های موجود به هیچ وجه کار آسانی نیست. یکی از دلیلهای این موضوع، حجم بیش از پیش مقالات جدیدی است که منتشر می شود. مثلاً طی چند ماه اول همه گیری کووید -۱۹، حدود ۲۳ هزار مقاله در مورد این ویروس منتشر گردید و این عدد هر ۲۰ روز یکبار دو برابر می شود. اعضای انجمن علوم داده «Kaggle» اهتمام دارند با همکاری هم از هوش مصنوعی برای مرور آثار پژوهشی و اختراعات استفاده کنند تا بتوانند ادراکی نسبت به سیل اطلاعات جدید داشته باشند. نقاط داده از مجموعه کوچکی از مقالات انتخاب و به ۱۷ دسته تقسیم شدند، سپس مقالات هر دسته لیست شده است. ممکنست این رویکرد بی عیب ونقص نباشد اما دلیل این مساله محدودیت های زمانی ناشی از همه گیری است. پژوهشگران دانشگاه «Carnegie Mellon» روش دیگری را در پیش گرفتند: نگاهی مبتنی بر هوش مصنوعی برای جستجو در پایگاه های داده اختراعات و مقالات برای پیدا کردن ایده هایی که از قابلیت ترکیب و ایجاد راهکارهای جالب برای مسائل خاص برخوردار می باشند. این سیستم برای یافتن ارتباط بین دو اثر از حوزه های ظاهراً متفاوت، از شباهت ها استفاده می نماید که به باور آنها سرعت نوآوری را بیشتر کرده و هزینه آنرا تا حد زیادی می کاهد.خلاقیت افزودهدر حال حاضر شاهد پیدایش موضوعی تحت عنوان «خلاقیت افزوده» هستیم که در قالب آن، انسان ها از هوش مصنوعی برای درک سیل اطلاعات موجود استفاده می نمایند. نمونه های اولیه، بر نقش مهم انسان ها در نتیجه گیری از پیشنهادات هوش مصنوعی تاکید می کنند. برای مثال تیم «OpenAI» اهتمام دارد با انتشار ابزار ساخت موسیقی به نام «Jukebox»، از این رویکرد استفاده نماید. در حقیقت این ابزار کمک می نماید که با بهره گیری از الگوهای موجود به ایده های جدیدی از نت های موسیقی برسیم. با آنکه از نظر فناوری به دستاوردهای قابل توجهی می رسیم، نتایج به دست آمده تهدیدی برای آهنگ سازها به حساب نمی آید. بعنوان مثالی دیگر پروژه های مختلفی تلاش نموده اند از هوش مصنوعی روی پایگاه های داده غذایی استفاده کنند و به دستور غذاهای جدیدی برسند. مثلاً سارا رابینسون، پژوهشگر گوگل، اخیراً از سیستم خود رونمایی نمود که تلفیقی از کیک-کوکی درست کرده بود.شبیه سازی هوشمندتربیشتر این رویکردها از مجموعه داده های بزرگی استفاده می نمایند که هوش مصنوعی در آنها به دنبال ارتباط های قوی و استفاده نشده می گردد. مدلهای نسل بعد، با بهره گیری از شبکه های دشمن گونه معمول (GANs) و بدون دسترسی به اصول منطقی اساسی، ایده های جدیدی را ایجاد کنند. برای مثال، پژوهشگران شرکت «Nvidia» و دانشگاه تورنتو اخیراً یکی از این شبکه ها را به نمایش گذاشتند که با مشاهده بازی و نحوه تصمیم گیری بازیکن های انسانی آموزش دیده، بازی ها را شبیه سازی می کند. این سیستم می توانست تنها با تماشای همزمان بازی ها و بدون نیاز به دانستن منطق بازی، بهترین استراتژی های آنرا یاد بگیرد. پژوهشگران می گویند: علاوه بر این، GameGAN می تواند اجزای ثابت و پویای تصویر را از هم جدا کرده و رفتار آینده مدل را که به استدلال آشکار در زمینه اجزای پویا نیاز دارد، بهتر و آسان تر تفسیر کند. این مساله کارکردهای جالب توجهی را به همراه می آورد، مثلاً جابه جا کردن اجزای بازی برای ایجاد بازی های جدیدی که وجود ندارند. با آنکه مرحله ایده پردازی جذاب ترین قسمت اختراع به حساب می آید، ایده های زیادی کنار گذاشته می شوند و خاک می خورند. برمبنای برآوردها، ۹۵ درصد از اختراع ها سلب مجوز می شوند یا هیچ گاه به مرحله تجاری سازی نمی رسند در صورتیکه در بعضی صنایع مانند تلویزیون و داروسازی که از تنوع بالایی برخوردار می باشند، شکست خوردن عادی تلقی می شود و دور از انتظار نیست و حتی بهترین پروژه ها نیز گاهی کنار گذاشته می شوند. بدین سبب جای تعجب ندارد که از هوش مصنوعی بیشتر در مراحل آخر توسعه محصول استفاده می شود تا نرخ ایده هایی که به بازار راه پیدا می کنند افزایش پیدا کند. برای مثال، پژوهشگران دانشگاه بریستول به استفاده از هوش مصنوعی در حوزه های مختلفی بعد از ساخت فیلم، مانند شفاف سازی و رنگی کردن تصاویر، بهره جسته اند.هوش مصنوعی هیچ گاه جای مخترعان را نمی گیردبه همین ترتیب، ردیابی چشم و کنترل حرکتی در پروسه پویانمایی رواج پیدا کرده و پیش بینی حرکات چشم در فرایندهای دیجیتال، از توسعه وب گرفته تا بازاریابی دیجیتال، بیش از پیش مورد استفاده قرار می گیرد. تحلیل ردیابی چشم با کمک هوش مصنوعی، به بازاریاب ها این امکان را می دهد که طی پروسه ایجاد سایت یا تبلیغ، میزان دیده شدن عناصر را ارزیابی کنند. باوجود ترس گسترده ای که از جایگزینی نیروی انسانی با هوش مصنوعی وجود دارد، این کاربردهای هوش مصنوعی هیچ گاه جای مخترعان را نمی گیرد یا در پروسه اختراع آنها اختلالی ایجاد نمی کند بلکه به آنها کمک می نماید در طرح خود تصمیم گیری های مؤثر و داده محوری انجام دهند. خیلی از این کاربردها نشان می دهند که هوش مصنوعی چه قدر می تواند در تکمیل کار انسان ها مؤثر باشد و آنها را به اندازه کافی تقویت کند تا بتوانند از منطقه خطر که اغلب ایده های جدید را نابود می کند جان سالم به در ببرند. بعنوان مثال می توان به «Cinelytic» اشاره نمود که در لس آنجلس مستقر است و امکان تصمیم گیری مبتنی بر هوش مصنوعی را برای استودیوهای فیلم سازی فراهم می آورد تا به آنها کمک نماید درک کنند که تصمیمات مختلف (از انتخاب ژانر فیلم تا ستاره ها) چگونه بر عملکرد آن در سود نهایی تأثیر می گذارد. به همین ترتیب، سنجش هر ایده ای به یک تیم متخصص نیاز دارد. پژوهشگران دانشگاه روچستر اخیراً به این مساله پرداخته اند که چطور می توان از هوش مصنوعی بهره برد و در ارتباط با افرادی که بهتر است با آنها کار نماییم پیشنهادات هوشمندانه تری ارائه داد. آنها به این ایده اشاره می کنند که شبکه های اجتماعی معمولاً افراد را برمبنای شباهت ها به یکدیگر متصل می کنند، در صورتیکه بهترین نتایج زمانی حاصل می شود که افراد مکمل هم باشند نه مشابه هم.هوش افزودهپائول دائرتی و جیم ویلسون، رؤسای «Accenture»، عقیده دارند بهتر است بجای اصطلاح «هوش مصنوعی» از «هوش افزوده» استفاده نمائیم برای اینکه بهترین نتایج وقتی به دست می آید که انسان و ماشین مکمل یکدیگر باشند. قانون کاسپاروف، مهم بودن قدرت در هر فعالیت خلاقانه را به ما یادآوری می کند و هیچ حجمی از فناوری هوشمند نمی تواند ضعف انسانی را جبران کند. وینستون چرچیل می گوید: همیشه باید از بحران ها استفاده کرد، و از آنجائیکه نتوانستیم از بحران مالی سال ۲۰۰۸ آنطور که باید بهره ببریم، این انگیزه اجتماعی وجود دارد که بعد از همه گیری کووید -۱۹ باید جهان را بجای بهتری تبدیل نماییم. ۳۰ سال قبل، مایکل همر به ما یادآوری کرد که فناوری زمانی بهتر جواب می دهد که به دنبال رسیدن به «اسب های تندروتر» نباشیم بلکه در مورد ماهیت و چگونگی اشیا تجدیدنظر نماییم. به این منظور، موتور اختراعات باید با حداکثر توان کار کند تا هم از خلاقیت جمعی خود استفاده نمائیم و هم پروژه هایی را به کسانی که بیشتر از همه به آن نیاز دارند ارائه دهیم. بر خلاف سال ۲۰۰۸، حالا در عصری زندگی می نماییم که هوش مصنوعی می تواند واقعاً به ما کمک نماید. همه گیری سختی های زیادی را به همراه داشته اما اگر بتوانیم همگی از نو شروع نماییم و از فناوری برای رسیدن به جامعه ای بهتر استفاده نمائیم، آسان تر می توانیم این دوران را پشت سر بگذاریم.
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب