پیشرفت‌های هوش مصنوعی در ۲۰۲۰: از دیپ‌فیک‌های دقیق تا حل مسئله ۵۰ ساله

سال ۲۰۲۰ رو به پایان است و امسال هم مانند سال گذشته میلادی مقالات زیادی درباره هوش مصنوعی (AI) منتشر شد. با این حال باید چندین ماه یا حتی سال تا ورود آن‌ها به دنیای واقعی صبر کنیم، البته کمپانی‌های بزرگی مانند آلفابت و فیسبوک در زمینه هوش مصنوعی امسال به موفقیت‌های بزرگی دست پیدا کردند. در این مطلب نگاهی به مهم‌ترین تغییرات و دستاوردهای AI در سال ۲۰۲۰ خواهیم داشت.

امسال هوش مصنوعی نقش بزرگی در دنیا ایفا کرد و از راه‌های مختلفی مورد استفاده قرار گرفت. در ادامه برای اطلاع از ۶ دستاورد مهم و تغییر هوش مصنوعی در سال ۲۰۲۰ همراه دیجیاتو باشید.

درک بهتر زبان توسط هوش مصنوعی

در حالت عادی ابزارهای تولید متن جذابیت چندانی بالایی ندارند، اما امسال متفاوت بود. GPT-3 به عنوان نسخه جدید الگوریتم GPT-2 امسال مورد توجه زیادی قرار گرفت. این الگوریتم که توسط «OpenAI» توسعه پیدا کرده، می‌تواند تنها با چندین خط ورودی مانند شروع یک خبر، یک متن با مطابقت بالا با این ورودی تولید کند.

GPT-3 از ۱۷۵ میلیارد پارامتر بهره می‌برد و برای دستیابی به عملکرد مناسب، ارتباطات خود را تنظیم می‌کند. طبق گزارش‌ها، هزینه آموزش این الگوریتم نزدیک به ۱۲ میلیون دلار بوده. با این حال GPT-3 تنها مدل زبان مبتنی بر هوش مصنوعی قابل‌توجه در سال ۲۰۲۰ نبود.

مدل زبان GPT-3 امسال مورد توجه زیادی قرار گرفت

در حالی که GPT-3 مورد توجه بسیاری قرار گرفت، مایکروسافت با مدل «مولد زبان طبیعی تورینگ» (T-NLG) موج جدیدی در فوریه به راه انداخت. این الگوریتم از ۱۷ میلیارد پارامتر بهره می‌برد و یکی از بزرگترین مدل‌های زبان در جهان محسوب می‌شود.

T-NLG که یک مدل مولد زبان مبتنی بر «Transformer» است، می‌تواند کلمات ضروری برای تکمیل جملات را تولید کند و همچنین برای سوالات پاسخ تولید کند و حتی اسناد را خلاصه کند.

Transformer اولین بار توسط گوگل در سال ۲۰۱۷ معرفی شد و یک نوع جدید یادگیری عمیق است که باعث تحولی در پردازش زبان طبیعی شد. مدت‌هاست شاهد تمرکز هوش مصنوعی روی زبان هستیم، اما به لطف پیشرفت‌های اخیر، ماشین‌ها در درک زبان عملکرد بسیار بهتری پیدا کرده‌اند و می‌توانند در سال‌های آینده تاثیر زیادی روی دنیا بگذارند.

رواج مدل‌های غول‌پیکر

GPT-3 و T-NLG یک دستاورد بزرگ دیگر هم داشتند یا اینکه باعث شکل‌گیری یک ترند جدید در دنیای هوش مصنوعی شدند. در حالی که استارتاپ‌ها، آزمایشگاه‌های دانشگاه‌های کوچک و محققان زیادی در حال کار با ابزارهای مبتنی بر AI هستند، حضور بازیگران بزرگ در این حوزه به معنای دستیابی به منابع بیشتر خواهد بود.

این موضوع باعث شد مدل‌های عظیم با هزینه‌های آموزش بسیار سنگین در دنیا رواج پیدا کنند و تحقیقات در زمینه هوش مصنوعی پیشرفته را تحت سلطه خود درآورند. شبکه‌های عصبی با میلیاردها پارامتر هم به سرعت در حال تبدیل به یک استاندارد هستند.

وجود ۱۷۵ میلیارد پارامتر برای مدل GPT-3 حیرت‌انگیز است، اما مدل‌های دیگر مانند «Meena»، مولد زبان طبیعی تورینگ، DistilBERT و BST 9.4B همگی بیش از ۱ میلیارد پارامتر دارند. باید به این موضوع توجه کنید که وجود پارامترهای بیشتر لزوما به معنای عملکرد بهتر نیست.

با وجود چنین موضوعی، وجود این پارامترها به معنای آن است که یک ابزار تولید متن می‌تواند طیف وسیعی از توابع را با دقت بیشتری مدل کند. اگر بخواهیم به هوش مصنوعی مشابه با مغز دست پیدا کنیم، پارامترهای بیشتر یک ضرورت خواهد بود.

هزینه آموزش این مدل‌های غول پیکر بسیار گران است، بنابراین شرکت‌های بزرگ همچنان در این حوزه حکمرانی خواهند کرد. طبق گزارش‌ها، هزینه آموزش ۱۰۰۰ پارامتر به یک شبکه، برابر ۱ دلار است و اگر یک مدل حاوی میلیاردها پارامتر باشد، این هزینه سر به فلک می‌کشد.

هوش مصنوعی در خدمت بشریت

با پیشرفت ابزارهای AI، تنها دانشمندان فعال در حوزه کامپیوتر از آن‌ها بهره‌مند نشدند و پژوهشگران‌ حوزه‌های دیگر هم توانستند از آن‌ها استفاده کنند. در حقیقت ایده‌های مختلفی برای استفاده از یادگیری ماشینی ظهور کرد که در بخش‌های مختلفی مانند پزشکی مورد استفاده قرار گرفتند.

هوش مصنوعی می‌تواند وزوز گوش را توسط اسکن‌های مغز تشخیص دهد، هدست‌های ذهن‌خوانی از یادگیری ماشینی برای تبدیل افکار به کلمات استفاده می‌کنند و هوش مصنوعی «AlphaFold» شرکت «دیپ‌مایند» می‌تواند با دقت بالایی شکل پروتئین‌ها را پیش‌بینی کند که نتیجه‌ای جز کمک به توسعه درمان‌های جدید ندارد. در حقیقت هوش مصنوعی «دیپ‌مایند» گوگل توانسته یک مسئله علمی ۵۰ ساله را حل کند.

هوش مصنوعی «دیپ‌مایند» گوگل امسال توانست یک مسئله علمی ۵۰ ساله را حل کند.

با توجه به تمام این موارد، هوش مصنوعی امسال به بخش‌های جدیدی ورود کرد یا اینکه بیش از گذشته مورد استفاده قرار گرفت و این فرایند در آینده هم ادامه خواهد داشت. بنابراین دانشمندان می‌توانند از AI برای کمک به بشریت هم استفاده کنند.

عدم تاثیر منفی بر اشتغال نیروی انسانی

۲۰۲۰ یک سال کاملا متفاوت با سال‌های گذشته بود و میلیون‌ها نفر در سراسر جهان کار خود را از دست دادند. در حالی که بسیاری پیش‌بینی می‌کردند که ربات‌ها چنین سرنوشتی را برای شمار بالایی از کارگران رقم بزنند، این ویروس کرونا و بحران ناشی از شیوع آن بود که امسال بسیاری را بیکار کرد.

در حالی که چندین هوش مصنوعی و ربات امسال توانستند وظایف انسان‌ها را انجام دهند، برای کمک به بشر و تقویت توانایی‌های انسان یا در مناطقی که نیروی کار ثابت وجود ندارد، مورد استفاده قرار گرفتند. در حال حاضر غول‌های فناوری که سرمایه‌گذاری سنگینی در تکنولوژی‌های پیشرفته انجام می‌دهند، بطور همزمان بیشترین افراد را استخدام می‌کنند.

با وجود این موضوع، پیش‌بینی انقلاب ربات‌ها اشتباه نیست، اما امسال نشان داد که به راحتی نمی‌توان آینده را پیش‌بینی کرد و رابطه میان شغل انسان‌ها و پیشرفت هوش مصنوعی، پیچیده‌تر از تصور قبلی است. با این وجود شرکت‌ها به سرمایه‌گذاری روی AI و ربات‌ها ادامه می‌دهند و از ابزارهای هوشمند جدید رونمایی می‌کنند.

پیشرفت دیپ فیک

امسال جهان کار خود را با شیوع ویروس کرونا در سراسر جهان شروع کرد که البته هنوز این بحران ادامه دارد و حالا به قطب جنوب هم راه پیدا کرده. در اواخر سال هم با انتخابات ۲۰۲۰ آمریکا روبه‌رو شدیم که تنش‌های زیادی را در این کشور به همراه داشت. با وجود تمام این موارد، دیپ فیک‌ها امسال مورد توجه زیادی قرار گرفتند.

اگرچه دیپ فیک‌ها یک نوآوری برای سال ۲۰۲۰ محسوب نمی‌شوند، اما توسعه آن‌ها با پیشرفت زیادی همراه بود. برای مثال در ماه ژوئیه محققان دانشگاه MIT یک ویدیوی گران‌قیمت از یکی از رئیس جمهورهای سابق آمریکا یعنی «ریچارد نیکسون» درباره فرود انسان روی ماه تولید کردند. امسال همچنین شاهد تولید دیپ فیک‌هایی از رهبران روسیه و کره شمالی هم بودیم.

پژوهشگران MIT امسال یک دیپ فیک دقیق از ریچارد نیکسون تولید کردند

امسال نه تنها دیپ فیک‌های بصری پیشرفت زیادی داشتند و بسیار دقیق‌تر شدند، بلکه محققان در تقلید صدا با دقت بالا هم موفق بودند. پژوهشگران توانسته‌اند یک دیپ فیک صوتی از یک خواننده مطرح آمریکایی تولید کنند و با آن یک آهنگ بسازند.

حضور پررنگ‌تر اخلاقیات در هوش مصنوعی

ابزارهای مبتنی بر AI قدرتمند هستند و در دنیای واقعی می‌توانند برای وظایف مختلفی مورد استفاده قرار بگیرند. این ابزارها می‌توانند متقاضیان شغل را غربالگری کنند یا اینکه برای شناسایی چهره و اجرای قانون توسط مقامات هم مورد استفاده قرار بگیرند.

با افزایش آگاهی درباره این ابزارها و همچنین احتمال کدنویسی جانبدارانه آن‌ها، نگرانی‌ها درباره نحوه استفاده از آن‌ها افزایش پیدا کرد. در ماه ژانویه پلیس دیترویت به اشتباه فردی به نام «رابرت ویلیامز» را دستگیر کرد چرا که یک الگوریتم به اشتباه تصویر گواهینامه وی را با ویدیوی تار دوربین مداربسته مطابقت داده بود. پس از مدتی شرکت‌های IBM، آمازون و مایکروسافت از بازنگری در نحوه استفاده از فناوری‌های تشخیص چهره خود در نیروهای پلیس خبر دادند.

دیپ‌ فیک‌ها هم امسال نگرانی‌های زیادی ایجاد کردند و حتی باعث ترس افراد شدند، چرا که سوءاستفاده از آن‌ها پیامدهای مخربی خواهد داشت. در همین راستا کالیفرنیا قانون AB-730 را تصویب کرده که استفاده از دیپ فیک‌ها برای برداشت‌های غلط از سخنان یا اقدامات سیاستمداران را جرم می‌داند. این قانون تلاشی برای تنظیم‌گری هوش مصنوعی و تصویب قوانین برای بهترین استفاده از فناوری‌های مبتنی بر آن است.

این قانون برای اولین بار با جدیت اخلاقیات را وارد دنیای هوش مصنوعی کرد. بیشتر اعتبار این اقدامات باید به پای محققانی مانند «کارولین کریادو پرز» نوشته شود که بطور خستگی‌ناپذیری توانستد تعصب در الگوریتم‌ها را نشان دهند.

امسال هوش مصنوعی با پیشرفت‌های زیادی همراه بود و توانست در بسیاری از بخش‌ها مورد استفاده قرار بگیرد، با این حال هنوز این فناوری راه طولانی در پیش دارد و سال آینده احتمالا با دستاوردهای بزرگتری روبه‌رو خواهیم شد.