هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI): بات‌های هوش مصنوعی به زودی مقاله‌های خبری را می‌نویسند، موضوعی که باید نگران آن باشید
جامعه یک اره برقی سریع از افراد و زیرساخت‌هایی است که این افراد در آن با هم تعامل دارند. سنگبنای این تعامل ارتباطات است که اساس موجودیت مدرن را تشکیل می‌دهد. با گذشت زمان، ارتباطات، با همان هدف بی‌پروای خود، اشکال مختلفی به خود گرفته است. از مکالمات عاشقانه با شمع گرفته تا تبلیغات در گوگل و فیسبوک، هر نوع ارتباطی تلاش می‌کند تا هدف خود را عملی سازد. اولین تلاش‌ها در حوزه نرم‌افزار گفتاری به توسعه نرم‌افزار “ELIZA” حدود سال 1966 باز می‌گردد.
این ایده ساده با ظهور هوش مصنوعی پیچیده و پیچیده‌تر شد. اکنون هوش مصنوعی برای ذخیره، تجزیه و تحلیل و حتی ایجاد ارتباطات استفاده می‌شود که نیاز به انسان در هر دو طرف گفتگو را از بین می‌برد. ربات‌های گفتگوکننده در وب‌سایت‌های تجارت الکترونیکی مورد علاقه شما – هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI)، ایمیل های خودکار تایید رزروها، استفاده از الگوریتم‌های پیشرفته برای ایجاد پیشنهاد مقاصد بعدی برای تعطیلات آینده، همه و همه، در نتیجه تعامل ماشین‌آلات با انسان‌ها برای برانگیختن یک اقدام مطلوب است.
اما چه اتفاقی می‌افتد که این ماشین‌ها می‌توانند ارتباطاتی فوق‌العاده پیچیده، شبیه انسان ایجاد کنند؟ آیا احتمال دارد تا متقاعد شویم که می‌توانیم ربات‌هایی بسازیم که همچون انسان و با همان تخصص، مهارت و احساسات، متنی را بنویسد؟
ظهور هوش‌مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI)
جذبه ایجاد ماشین در این است که می‌تواند همچون انسان‌ها، ارتباط قرار سازد. اولین ماشین هوشمند توسط آلن تورینگ (Alan Turing ) برای آزمایش تست تورتینگ (Turing test) در سال 1950 تولید شد. اولین تلاش‌ها برای ایجاد نرم‌افزار گفت‌وگو به زمان توسعه الیزا (ELIZA) در سال 1966 باز می‌گردد. این نرم‌افزار، آغازگر تلاش‌ها برای تشخیص عبارت‌های انسانی و پاسخ‌های پذیرفتنی به پرسش‌های معمول بود. ولی الیزا (ELIZA) نسبت به موتورهای پیشنهادی (امروز کامل‌کردن جملات) جیمل یا سیری، فاصله بسیاری دارد.
اولین موفقیت در تولید هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) زمانی حاصل شد که الگوریتم‌ها توانستند روابط آماری بین متن‌ها، معنای واژگان کنار هم چیده شده و ساختار گرامری آن‌ها را درک نمایند. همین امر، آنان را قادر به درک روابط میان واژگان یک متن یا قسمتی از نوشته‌جات در یک سند می‌کند. نتیجه این مهم، کشف ایده‌های مهم یک متن یا سند و طبقه‌‌بندی آنان است. این تقریبا جایی بود که پژوهش‌های هوش مصنوعی به مدت سال‌ها در آن‌جا گیر کرده بود.
موفقیت بعدی در زمینه هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI)، با اختراع مدل‌هایی آغاز شد که قادر به یادآوری آخرین واژه بودند و می‌توانستند واژه و یا حتی عبارت بعدی را پیش‌بینی کنند (درست همانند کودکی که یاد می‌گیرد تا سخن گوید). آیا اصلاح خودکار جیمیل و چگونگی تحول آن را به یاد می‌آورید؟
هوش مصنوعی باز (Open AI)، فناوری ناسودآور (non-profit) که اولین‌بار توسط الن موسک (Elon Musk) بذرگذاری شد، اکنون توسط مایکروسافت قالب‌ریزی شده و با گرفتن مدل‌های ابتدایی، آنان را بر تمامی متن‌هایی که می‌توانستند پیدا کنند، آموزش دادند. به کتابخانه‌های بزرگ (Greek libraries)، حتی بزرگ‌تر از آن فکر کنید. آنان منابع بسیاری را برای ایجاد هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) صرف کردند و این مدل را آموزش دادند تا یک نوجوان شود (کسی‌که زیاد حرف می‌زند، ولی حرف‌هایش الزاما منطقی نیست) مدل GPT1 & GPT2.
این مدل‌ها (GPT1 & GPT2) تنها برای انجام وظایف ویژه‌ای، و نه برای اجرای همه وظایف، خوب بودند ولی انسجام و پیوستگی لازم را نداشتند. به ویژه در درک مطلب، GPT چیزی خارج از موضوع تولید می‌کرد. برای حل این مشکل، کد برای گروه متن بزرگ‌تر و به مدت طولانی آموزش داده شد. با منابع بهتر محاسباتی و صرف زمان بیشتر، هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) آغاز به درک متن‌های گسترده‌تر و استایل‌های گوناگون نوشتاری شدند (GPT 3).
GPT3 را نوجوانی GPT1&GPT2 می‌دانند که به سمت بزرگ‌سالی و فارغ‌التحصیلی رشد کرد. اکنون نه تنها قادر به درک تفاوت‌های استایلی متن نوشتاری است بلکه قادر به خاطرسپاری حقایقی است که در سندها از آنان استفاده شده است. می‌تواند یک کد را برایتان بنویسد، به پرسش‌های ویکی‌پدیا پاسخ دهد، یک گفت‌وگو را نگاه دارد و حتی پارگراف بعدی رمان شما را کامل سازد.
پتانسیل اخبار دروغین گسترده و گفتارهای کینه‌ورزانه
با داشتن GPT 3 ، تخیلات نابودگر خود را کنار بگذارید، هوش‌مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) به جدیدترین قله صعود کرده است. این هوش، می‌تواند محتوایی با دقت یک انسان تولید نماید. چه چیزی بیشتر می‌خواهید؟ شما می‌توانید آن را آموزش دهید تا درست به اندازه متن شما، محتوا تولید نماید. کلید اصلی در اینجاست که GPT3 می‌تواند همه محتوا را با سرعتی بسیار بیشتر از انسان، تولید نماید. اگر با یک استراتژی به کار گمارده شود، می‌تواند بر تمامی کانال‌ها، از اتاق‌های خبری گرفته تا گروه‌های غیررسمی در واتساپ (WhatsApp) با پیام‌های سفارشی که اصول اساسی را ترویج می‌کند، غلبه نماید. از نظر تئوری، می‌تواند به سادگی برای انتشار تعصب‌های قومی و جنسیتی مورد استفاده قرار گیرد و زبان سمی را فوران کند که بدی‌هایش ورای خوبی‌هایش است.
در نتیجه، از هوش‌مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) می‌توان در اخبار، مجله‌ها، گروه‌های علاقه‌مند و حتی گروه‌های سیاسی برای تولید اخبار دروغ ماهرانه و تولید پیام‌های گفتاری کینه‌ورزانه که موجب تحریک‌های عصبی یا احساسی در آهنگی هشداردهنده شود، استفاده کرد.
آمادگی و سازمندی اجتماعی و قانونی برای هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI)
GPT3 تنها نماینگر تکه باریکی از دوره جدید این فناوری است ولی با برجسته‌ساختن انتخاب‌های صریح و روشن جامعه، مجبور به تولید نوآوری و ابداع جدید در برابر خطرسواستفاده خواهد شد، از کار و فعالیت انسان و آیین‌نامه این فناوری‌ها حمایت و پشتیبانی خواهد کرد.
متخصصان و کارشناسان، همگی نگرانی‌های مشابهی ابراز کردند وقتی برای اولین‌بار GPT2 راه‌اندازی شد. گرچه، تعداد بسیار کمی از این موارد تحقق یافته، اما این پرسش همچنان باقی مانده است: GPT10 قادر به دستیابی چه است؟ محتوای دروغین را تا چه عمقی می‌تواند تولید کند؟ چگونه باید خود را برای این فناوری جدید آماده سازیم؟
این انتخاب‌ها و پرسش‌ها، چیزی جدیدی نیستند و ما در هر زمانی (و بیشتر به صورت قابل‌توجه در نوک هلال تحولات صنعتی)، بارها و بارها با آنان روبرو می‌شویم. پس از آن، راه‌حل‌هایی مانند حق ثبت اختراع، سیستم‌های مدرن آموزشی، مقررات ایمنی و ممیزی‌های مالی ارایه شد. اگرچه هنوز راه‌حل کاملی برای مشکلات ناشی از هوش مصنوعی نمی‌دانیم، اما یادگیری از گذشته می‌تواند ما را قادر سازد تا به طور پیش‌فرض برای فناوری هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) آماده شویم.
هشیاری و تحصیلات شهروندان، کلیدی است که مردم با کمک آن قادر به تشخیص اخبار دروغین و گفتارهای کینه‌ورزانه هستند. چنین اخبار و تبلیغاتی دارای نشانگرهای مشخصی و متمایزی است که تا حد بسیار زیادی به احساسات، ترس از تولید ایجاد تصاویر، فقدان شواهد یا منابع معتبر، حقایق و ارقام مبالغه‌آمیز وابسته‌اند. واقعیت بررسی تهاجمی و نرم‌افزار برای ردیابی محتوای تولید شده توسط رایانه، دو راه حل ممکن برای این مشکل‌اند.
هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) و پژوهش‌های آن نیاز به تنظیم و قانون‌گذاری از طریق سیاست‌ها و چارچوب‌هایی دارد که از نزدیک پیشرفت آن را کنترل کند، ولی مهمتر از آن، استقرار محدود آن است. به عنوان مثال، می‌توان به بخش‌های اخبار و آموزش اشاره کرد؛ زیرا مطمین ساختن افراد به اینکه انسان بخشی از فرایند انتشار است، ارزش بالایی از لحاظ صحت، اصالت و مهمتر از همه پاسخگویی و مسئولیت‌پذیری دارد.
دیگر مورد کشف‌نشده ولی امیدوارکننده‌ای که باید در نظر گرفته شود، تاثیرات احتمالی این فناوری بر بهره‌وری انسان است. همانطور که Canva انقلابی در بازاریابی میکرو ایجاد کرد، GPT 3 می‌تواند به صورت بی‌نهایتی به توانایی مشاغل کوچک در ایجاد روایت‌های جذاب کمک نموده و باعث رشد موفقیت‌آمیز آنان گردد. برای افرادی که استفاده از این ابزارها را یاد می‌گیرند شغل جدیدی نیز ایجاد می‌شود. این نوآوری‌ها، همچنین راه را برای پژوهش‌های بیشتر هموار می‌کند.
زمینه‌های دیگر که هوش مصنوعی زبان پیش‌بینی‌کننده (Predictive language AI) می‌تواند مخل آن باشد، ولی مخرب نباشد، افزایش دسترسی به زبان‌های محلی، حفظ زبان و اجرای برنامه‌های آموزشی در کشورهای فقیر است.
در نتیجه، در حالی‌که پیشرفت‌های فناوری در حال جهش و تعریف مجدد هسته اصلی زندگی ما هستند، توانایی آنان در بهبود قطعی تجربه انسان در زمین هنوز دیده نشده است. پیش‌بینی‌ها چندان دلگرم‌کننده نیست.
