تاریخ انتشار : چهارشنبه 15 تیر 1401 - 6:14
137 بازدید
کد خبر : 2086

هوش مصنوعی مقاله نوشت!

هوش مصنوعی مقاله نوشت!

به نظر می‌رسد الگوریتم‌ها اکنون می‌توانند حتی مقالات دانشگاهی هم درباره خودشان بنویسند چرا که الگوریتم هوش مصنوعی تولید متن GPT-۳ اخیرا موفق به انجام این کار شده است. به گزارش ایسنا، در مقاله‌ای که اخیرا توسط Scientific American منتشر شده است، “المیرا عثمانوویچ تونستورم” محقق سوئدی اعلام کرد که این کار را در ابتدا به

به نظر می‌رسد الگوریتم‌ها اکنون می‌توانند حتی مقالات دانشگاهی هم درباره خودشان بنویسند چرا که الگوریتم هوش مصنوعی تولید متن GPT-۳ اخیرا موفق به انجام این کار شده است.

به گزارش ایسنا، در مقاله‌ای که اخیرا توسط Scientific American منتشر شده است، “المیرا عثمانوویچ تونستورم” محقق سوئدی اعلام کرد که این کار را در ابتدا به عنوان یک آزمایش ساده آغاز کردند تا دریابند چگونه الگوریتم تولید متن GPT-۳  اوپن آی ای می‌تواند در مورد خودش متنی بنویسد اما در پایان محققان شگفت زده شدند.

فرمان اولیه‌ای که تونستروم در این تولید کننده متن وارد کرد به اندازه کافی ابتدایی بود، او نوشت: یک پایان‌نامه دانشگاهی در ۵۰۰ کلمه درباره GPT-۳ بنویسید و منابع علمی و استنادات را در متن اضافه کنید.

این محقق که تمرکز اصلی او در دانشگاه گوتنبرگ سوئد بر علوم اعصاب و فناوری سلامت است، گفت که وقتی الگوریتم شروع به نوشتن یک پایان‌نامه واقعی کرد، او شگفت زده شد.

تونستروم خاطرنشان کرد: تنها دو ساعت طول کشید تا GPT-۳ این مقاله را بنویسد، به نظر می‌رسد نتیجه کار نسبتا شبیه سایر مقالات علمی بود.

عنوان مقاله نیز “آیا GPT-۳ می‌تواند با کمک خود و با کمترین دخالت انسانی یک مقاله آکادمیک بنویسد؟” بود.

نسخه پیش از انتشار به مدرکی، معمولا مقاله مجله، که پیش از انتشار رسمی، چاپ شود یا بخشی از یک اثر که پیش از انتشار تمام اثر، منتشر و توزیع شده باشد گفته می‌شود.

تونستروم پس از نگارش مقاله از هوش مصنوعی پرسید که آیا در نگارش آن با تعارض منافع روبرو بوده یا خیر که هوش مصنوعی جواب خیر داد. تونستروم در گام بعد مجوز انتشار مقاله را از هوش مصنوعی گرفت و حالا این مقاله را برای مجله‌ای که نامش اعلام نشده، ارسال کرد تا داوری شود. تعارض منافع یا تزاحم منافع(Conflict of interest) به شرایطی گفته می‌شود که افراد یا نهادها(دولت، رسانه، کسب‌وکار و مانند آن) با انتخاب وظایف خود یا منافع شخصی‌ یا گروهی مجزا مواجه می‌گردند.

حواشی هوش مصنوعی

تاریخچه توسعه هوش مصنوعی پر از فراز و نشیب بوده است و در برهه‌هایی از زمان‌ علاقه و بودجه اختصاص داده شده به آن کاهش یافته است. بدون پافشاری دانشمندان، هوش مصنوعی هیچ‌گاه در وضعیت کنونی قرار نمی‌گرفت و بخش جدایی‌ناپذیری از زندگی روزمره ما نمی‌شد.

 هوش مصنوعی به آسان‌تر شدن پیشرفت‌های علمی کمک کرده است و به نظر می‌رسد توانایی‌های هوش مصنوعی محدود به قوه تخیل ما و قدرت رایانه‌ها است. در حالی که مزایای هوش مصنوعی واضح و روشن است، اختلاف نظرهایی نیز پیرامون این فناوری وجود دارد.

ما روزانه با هوش مصنوعی در ارتباط هستیم و از آن استفاده می‌کنیم اما با این حال هنوز تردیدهایی در مورد استفاده از این فناوری وجود دارد. بعضی از افراد نگران تسلط ربات‌ها بر جهان هستند، این در حالی است که برخی از مشکلات اخلاقی کنونی این فناوری بررسی فوری و اساسی می‌طلبد.

یک شبکه‌ی مصنوعی یادگیری عمیق که داده‌های آموزشی آن برای دستیابی به عملکرد فوری محدود شده است دیدگاهی ساده اما مملو از نژادپرستی و کلیشه‌های جنسیتی از خود نشان می‌دهد. برای مثال سیستم گوگل که در تشخیص چهره دچار اشتباه می‌شد یا الگوریتم آمازون که هنگام استخدام مردان را به زنان ترجیح می‌داد. البته این مشکل در درجه‌ی اول متوجه اپراتور است که در مورد نحوه عملکرد شبکه مصنوعی تصمیم می‌گیرد و نمی‌تواند در نتیجه‌ی خطای الگوریتم باشد.

از سوی دیگر پدیده‌ی نگران کننده‌تری نیز در آخرین نسخه یک ربات به نام “GPT-۳” رخ داد. این ربات گاهی در هنگام گفتگو به دروغگویی روی می‌آورد. این موضوع نشان می‌دهد که امکان انحراف در هوش مصنوعی وجود دارد.

یکی از پیشرفت‌های مهم در حوزه هوش مصنوعی در سال ۱۹۹۷ رخ داد زمانی که یک برنامه رایانه‌ای به نام “Deep Blue” توانست “گری کاسپاروف”(Garry Kasparov) قهرمان شطرنج جهان را شکست دهد. اگرچه “Deep Blue” با سیستم‌های مبتنی بر یادگیری امروزی بسیار تفاوت داشت اما توانست با بررسی احتمالات مختلف برای پیروزی در بازی رقیب خود را شکست دهد. امروزه این سیستم‌ها کاربردهای زیادی در تشخیص الگوها، پردازش داده‌ها، پیش‌بینی و مدل‌سازی دارند.

یکی از کاربردهای پیشگامانه یادگیری ماشینی مربوط به حوزه داروسازی است. هوش مصنوعی یک دستیار قدرتمند برای محققان و دانشمندان است که به آنها در یافتن داروهای جدید و کشف کاربردهای جدید برای داروهای قدیمی کمک می‌کند.

الگوریتم‌های یادگیری عمیق اهمیت زیادی دارند. این الگوریتم‌ها نه تنها می‌توانند مجموعه‌ای از داده‌ها به ویژه داده‌هایی که برای انسان قابل درک نیستند را تشخیص دهند، بلکه قادرند این داده‌ها را به طور خودکار طبقه‌بندی کنند.

اهمیت به حداقل رساندن مدت زمان کشف دارو و تولید سریع آن به صورت تجاری در طول همه‌گیری کووید-۱۹ به خوبی مشخص شد. کاهش اثرات همه‌گیری تنها با تلاش شرکت‌های داروسازی امکان‌پذیر بود.

همانطور که پیش‌تر به آن اشاره شد توسعه هوش‌مصنوعی امری اجتناب ناپذیر است و به جای مبارزه با آن باید به دنبال افزایش مزایای آن باشیم و با درک محدودیت‌های این فناوری مقرراتی برای تضمین ایمنی افراد وضع کنیم.

هوش مصنوعی روزی از ما پیشی می‌گیرد، در تفکر خود کارآمدتر می‌شود، الگوهای نامشخص برای انسان را کشف می‌کند و توانایی‌هایی برای پیش‌بینی بهتر رویدادها کسب می‌کند. پیشرفت واقعی زمانی رخ می‌دهد که هوش مصنوعی بتواند به صورت مستقل الگوریتم‌های جدید و کارآمد طراحی کند.

همانطور که هوش مصنوعی در حال آموختن در مورد جهان است ما نیز در مورد نحوه تفکر آن اطلاعات جدیدی کسب می‌کنیم. با بهره‌گیری درست از تجارب فعلی می‌توانیم مطمئن شویم که هوش مصنوعی تبدیل به تهدیدی برای انسان‌ها نخواهد شد و بالعکس کمکی مفید برای انسان‌ها خواهد بود.

انتهای پیام

برچسب ها :

ارسال نظر شما
مجموع نظرات : 0 در انتظار بررسی : 0 انتشار یافته : ۰
  • نظرات ارسال شده توسط شما، پس از تایید توسط مدیران سایت منتشر خواهد شد.
  • نظراتی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • نظراتی که به غیر از زبان فارسی یا غیر مرتبط با خبر باشد منتشر نخواهد شد.

دیدگاه