با آملیا آشنا شوید: کامپیوتری که در پی شغل شماست

در فوریه ۲۰۱۱ یک کامپیوتر هوشمند به نام واتسون از آی بی ام، با شکست دادن دو تن از بهترین شرکت کننده های تاریخ مسابقه ژئوپاردی، بینندگان سراسر دنیا را شگفت زده کرد.

آی بی ام، واتسون را با استفاده از هوش مصنوعی و بهره بری از تکنولوژی های پردازش زبان های طبیعی، بازیابی اطلاعات، بازنمایی اطلاعات، استدلال خودکار و یادگیری ماشین تا این حد پرقدرت کرده است. واتسون با تکیه بر دسترسی سریع به حجم بسیار عظیم اطلاعات و دانشی که در اختیار دارد، به راحتی بر رقیب های خود در این مسابقه چیره شد.

واتسون مرحله مهمی از توسعه هوش مصنوعی به نمایش گذاشت اما این زمینه از تکنولوژی با سرعتی زیاد در حال پیشرفت است. خصوصا در دو حیطه پردازش زبان های طبیعی (NLP) و یادگیری ماشین.

در سال ۲۰۱۲ ، گوگل ۱۶۰۰۰ پردازنده کامپیوتری را برای ساخت یک مغز شبیه سازی شده استفاده کرد تا بتواند ویدئوهای حاوی 'گربه' در یوتیوب را شناسایی کند. کینکت، که واسط سه بعدی حرکت بدن برای ایکس‌باکس مایکروسافت است، از الگوریتم هایی استفاده می کند که از تحقیقات هوش مصنوعی نتیجه گرفته شده اند. مشابه چنین سیستم هایی در دستیار شخصی مجازی Siri آیفون نیز وجود دارد.

اما به تازگی از سیستم هوشمندی پرده برداری شده که قرار است به جمعیت نیروی کار جهان اضافه شود. این سیستم به یاد خلبان پیشگام آمریکایی آملیا ارهات، 'Amelia' نام گذاری شده است.

این سیستم قادر است مسئولیت کارهای سخت و طاقت فرسا را بر عهده بگیرد و به انسان امکان انجام کارهای خلاقانه تر را بدهد.

مدیر اجرایی HPsoft، شرکت سازنده آملیا، می گوید: واتسون بی شک بهترین موتور تحلیل گر داده و بهترین موتور جستجویی است که در کره خاکی وجود دارد، اما آی بی ام هنگام ساختن واتسون قصد نداشت یک عامل با قدرت درک و شناخت بسازد بلکه هدفش ساختن برنامه جهت پیروزی در مسابقه ژئوپاردی بود که البته در این زمینه موفق عمل کرد.

آملیا بر خلاف واتسون برای شرکت در مسابقه ژئوپاردی طراحی نشده است. بلکه هدف از این پروژه این بود که به سوال مطرح شده توسط آلن تورینگ در سال ۱۹۵۰ پاسخ دهد: «آیا ماشین می تواند فکر کند؟»

آملیا با دنبال کردن دستورالعمل های کتبی همانند همکاران انسانی اش آموزش می بیند، اما قادر است اطلاعات را در کسری از ثانیه جذب کند.

او معنی کامل آنچه می خواند را می فهمد و توانایی اش به محدود به تشخیص دادن کلمه ها نیست. درک او از نوشته ها شامل درک محتوای مطلب، منطق اعمال شده و استعاره های موجود در آن نیز هست. تصور کنید که رییسی به کارمندش به کنایه حرفی را بزند٬ آملیا می تواند علاوه بر فهمیدن مضمنون کلام٬ کنایه های آن را نیز دریابد و بر اساس مفهوم واقعی آن عمل کند.

در هنگام مواجهه با اطلاعات مانند هر کارمند تازه استخدام شده ای، آملیا می تواند اطلاعات به دست آورده را در پردازش گستره وسیعی از کسب و کار مورد استفاده قرار دهد و مانند هر کارمند باهوش دیگری از همکارانش مطالب را یاد بگیرد و به طور پی در پی اطلاعاتش را افزون کند. علاوه بر این که حافظه و سرعت دسترسی به اطلاعات٬ هر چقدر هم قدیمی٬ در مقایسه با همکاران انسانی اش بسیار حائز اهمیت تر است.

برخلاف هر ماشین هوشمند دیگری که به یک انسان برای تطبیق رفتارهایشان جهت برقراری ارتباط نیاز دارند، آملیا آنقدر هوشمند است که خودش مانند یک انسان رفتار کند. او به بیش از ۲۰ زبان صحبت می کند و کافی است هسته مرکزی دانش آن تنها یک بار آموزش ببیند، بعد از آن قادر است به خوبی با مشتری به زبان وی مکالمه کند.

آملیا نقشه پردازش اطلاعات خود را به طور مستقل ایجاد می کند و بنابراین می تواند برای واکنش نشان دادن به مسائل و حل مشکلات به طور مستقل عمل کند.

هوش توانایی دریافت و اعمال دانش است. اگر سیستمی ادعا می کند که هوشمند است باید قادر باشد که مطالب را بخواند و بفهمد و به سوالاتی که در همان زمینه مطرح می شود پاسخ دهد. باید بتواند آنچه مشاهده می کند را بفهمد و مشکلات و مسائل را بر مبنای دانشی که به دست آورده حل کند. و اگر نتواند آن را حل کند باید بتواند آن را یاد بگیرد به همان طریقی که انسان این کار را انجام می دهد.

حدود ۱۵ سال است که شرکت IPsoft بر روی این تکنولوژی کار می کند و قصد دارد پلتفرمی طراحی کند که نه فقط از پروسه های فکر انسان تقلید کند بلکه مفاهیم آنچه در مکالمات رد و بدل می شود را نیز درک کند، دقیقا مانند یک انسان.

همانطور که ماشین در صنعت و کشاورزی تاثیرگذار بود، آی‌پی‌سافت بر این باور است که تکنولوژی علوم شناختی (Cognitive Science) منجر به تکامل نیروی کار جهانی خواهد شد، بنابراین در آینده شرکت ها نیروی کارهای دیجیتالی خواهند داشت که شامل مخلوطی از کارمندان انسانی و مجازی خواهد بود.

تعدادی از شرکت های آمریکایی که در زمینه های مختلف نظیر خدمات تکنولوژی٬ پشتیبانی تجاری و مالی٬ پشتیبانی فنی توسط مهندسین و متخصصین برای استفاده و بهره بردن از آملیا ابراز تمایل کرده اند. در حال حاضر این شرکت های پیشگام در حال بررسی و آزمایش نحوه عملکرد٬ سرعت یادگیری٬ کیفیت پاسخگویی آملیا٬ همکار مجازی خود در آینده ای نه چندان دور٬ هستند.

در هر کدام از این زمینه ها، آملیا نه تنها از خواندن دستورالعمل ها و شرایط کاری آموزش می بیند بلکه با تماشای کارکردن همکارانش و ترسیم یک نقشه کاری از مراحلی کسب و کاری که دنبال کرده نیز چیزهایی جدیدی آموزش می بیند.

بعنوان مثال در قسمت خدمات تکنولوژی، آملیا می تواند بفهمد تماس گیرنده دنبال دانستن یا حل کردن چه مساله ای است و سوالاتی برای روشن شدن موضوع از وی بپرسد، سپس اطلاعات لازم را جستجو کرده و تشخیص دهد که چه راه هایی برای حل مشکل باید در پیش گرفته شود، آنگاه آنها را با مشتری در میان گذاشته و با توجه به نتایج و گفت و گوهای بعدی در صورت نیاز راه کار های جدید ارائه دهد.

در طول این آزمایش ها، آملیا قادر بود به طور مستقل از عهده پاسخ دادن به چند سوال کوچک تا حد ۴۲٪ پرسش ها در طول یک ماه برآید. در پایان ماه دوم وی توانست این مقدار را به ۶۴٪ ارتقا دهد.

این یک نماینده واقعی علم شناختی است. یاد گرفتن کلید پادشاهی است، زیرا انسان ها از تجربه یاد می گیرند. شاید گاهی لازم باشد که به یک کودک موضوعی ۵ مرتبه گوشزد شود تا آن را یاد بگیرد، اما برای آملیا کافیست هر چیزی فقط یک باز تکرار شود.

تحلیل های انجام شده در گارتنر پیش بینی می کند که تا سال ۲۰۱۷، استفاده از پلتفرم هایی نظیر آملیا تا ۶۰ درصد هزینه های خدمات را کاهش دهد و باعث شود که از کارمندان در رده های بالاتری که نیاز به خلاقیت، کنجکاوی و نوآوری وجود دارد بهره گرفته شود.

آی‌پی‌سافت همچنین در نظر دارد که آملیا را در ربات های انسان نمایی مانند Softbank Pepper و Honda Asimo پیاده سازی کرده و از قابلیت های مکانیکی آن ها بهره ببرد.

چتان دوب، مدیر اجرایی آی‌پی‌سافت می گوید: "ربات ها به مهارت قابل توجهی در عملیات مکانیکی دست یافته اند: توانایی بالا رفتن از پله، دویدن و حتی پینگ‌پونگ بازی کردن. آنچه که ندارند مغز است و ما میتوانیم قسمت مغز را با استفاده از آملیا جبران کنیم." او می افزاید: "من به این باور رسیده ام که در طی دو دهه آتی، شما از کنار شخصی عبور خواهید کرد و قادر به تشخیص بین انسان و ربات بودن او نخواهید بود."

با این حال سیستم هوشمند آملیا نیاز دارد که از تست ترنینگ سربلند بیرون بیاید. این تست یه گونه ای است که از یک یا چند داور انسانی می خواهند تا تشخیص دهند آیا می توانند تشخیص دهند کسی که با وی مصاحبه می کنند انسان است یا ربات. هر چه توانایی انسان در تفکیک این دو از یکدیگر سخت تر باشد نشان دهنده هوشمندتر بودن ربات ساخته شده است. هوشمندی در اینجا بیشتر به معنای توانایی فکر کردن است.

ابتدای امسال یک ربات چت کننده به نام Eugene Goostman  توانست اولین ماشینی باشد که از تست ترنینگ سربلند بیرون بیاید. در این تست او توانست رفتار یک پسر ۱۳ ساله را تقلید کند. در ۵ دقیقه ابتدایی مکالمه که با کمک یک کیبرد بین این ربات و یک گروه از داور های انسانی صورت می گرفت٬ ربات چت کننده توانست ۳۳٪ آنها را متقاعد کند که وی یک انسان است.

این در حالی است که آی‌پی‌سافت معتقد است تست ترنینگ نیاز به تغییرات دارد و باید آنچه که به معنی "فکر کردن" برایش تعریف شده را دوباره از نو تعیین کرد. Eugene قادر به تقلید از زبان طبیعی بود اما او در اصل "فهمیدن" را لید می کرد. وی از تعامل چیزی نمی آموزد و مهارت حل کردن مشکلات را ندارد.

هدف از ساختن آملیا این نیست که بتواند چند نفر را در طی یک مصاحبه فریب دهد و خود را انسان جا بزند. بلکه هدف ایجاد چیزی است که بتواند به نیازهای اساسی انسان پاسخ دهد. بتواند درک کند٬ فکر کند٬ انتخاب کند٬ نتیجه گیری و تصمیم گیری کند٬ به سوالات به طور صحیح و سریع پاسخ دهد و جایگزین مناسبی برای مشاغلی باشد که نیاز به سرعت و دقت عمل دارند و در عین حال یکنواخت هستند و خلاقیتی در آنها وجود ندارد. با جایگزین شدن آملیا در چنین موقعیت های شغلی میتوان از هوش و توانایی های انسان در جایگاه های بهتری بهره برد.