متا می‌گوید هوش مصنوعی تحولی عظیم در تحقیق و توسعه حوزههای مختلف فناوری ایجاد می‌کند
یان لیکان (Yann LeCun)، دانشمند ارشد هوش مصنوعی متا اعتقاد دارد قدرت عصر یادگیری عمیق باعث ایجاد چیزی شبیه‌‌به رنسانس در تحقیق‌وتوسعه‌ی شرکت‌ها در حوزههای مختلف فناوری اطلاعات شده است.
لیکان در مصاحبه‌ی مطبوعاتی اخیر خود گفت:
نوع تکنیک‌های هوش مصنوعی که روی آن‌ها کار می‌کنیم تأثیر زیادی روی کسب‌وکارها داشته و این تکنیک‌ها در ماه‌های اخیر بسیار گسترده‌تر از دوره‌های قبلی بوده است. این همان نتیجه‌ای است که بودجه‌ی تحقیقاتی زیادی جذب کرده و درواقع باعث تجدید تحقیقات صنعتی شده است.- لیکان
لیکان گفت حدود دودهه قبل، مایکروسافت ریسرچ تنها نهادی صنعتی بود که جایگاه خاصی در حوزههای مختلف فناوری اطلاعات داشت. دانشمند ارشد هوش مصنوعی متا می‌گوید از دهه‌ی ۲۰۱۰ نتایج تحقیقات گوگل واقعاً چشم‌گیر بود و علاوه‌براین فیسبوک و چند شرکت دیگر نیز تحقیقات در حوزه‌ی هوش مصنوعی را آغاز کردند. بدین‌ترتیب ایده‌ی اجرای تحقیقات بنیادی در این صنعت احیا شد.
لیکان همچنین اظهارداشت تجدید حیات تحقیق‌وتوسعه‌ی شرکت‌ها درحال وقوع است زیرا چشم‌انداز آنچه امکان دارد در آینده رخ دهد و آنچه درحال رخ دادن است، به لطف چنین فناوری‌هایی، عالی به‌نظر می‌رسد.
لیکان دربخش دیگری از توضیحات خود گفت ارزش هوش مصنوعی کاربردی به یک سیستم دوگانه منتهی می‌شود که در آن تحقیق‌وتوسعه‌ی شرکت‌ها پروژه‌های بلندمدت را مدنظر دارند و سپس مسیر دیگری که تحقیقات را به برنامه‌های کاربردی محصول هدایت می‌کند در پیش می‌گیرند.
چنین تصمیم‌هایی برای شرکتی مثل متا کاملاً منطقی به‌نظر می‌رسد زیرا به‌طور همزمان یک آزمایشگاه تحقیقاتی بزرگ دارد که اهداف بلندمدتی مثل ساخت دستیارهای مجازی هوش انسانی را دنبال می‌کند و این درنهایت همان چیزی است که ما به‌دنبالش هستیم. البته فناوری‌های توسعه‌یافته نیز می‌توانند مفید باشند.
لیکان با اشاره به برنامه‌ی پردازش زبان طبیعی گوگل ترنسفورمر گفت:
به‌عنوان مثال تعدیل محتوا و تشخیص گفتار در چندین زبان طبیعی طی دو یا سه‌سال گذشته با ترنسفورمرز بزرگی که از قبل آموزش دیده است و به روش خودنظارتی کار می‌کند، کاملاً متحول شده است. این پروژه سال ۲۰۱۷ معرفی شد و مبنای برنامه‌های متعددی مثل ChatGPT شرکت OpenAI است. این پیشرفت بزرگ، باعث ایجاد فناوری‌های غیرقابل باوری شده است و به‌عنوان جدیدترین تحقیقات در حوزه‌ی هوش مصنوعی شناخته می شود.- لیکان
لیکان یکی از افرادی است که برای گفت‌وگو با Collective Forecast انتخاب شد. این رویداد شامل مجموعه گفت‌وگوهای آنلاین و تعامل است که Collective آن را سازماندی می‌کند. پلتفرمی که خود به‌عنوان بستر هوش مصنوعی بهیه‌سازی فروش‌های نظیربه‌نظیر (B2B) طراحی شده است.
دانشمند هوش مصنوعی متا در پاسخ به سؤال ZDNet درمورد اینکه علاقه‌ی بی‌سابقه به هوش مصنوعی ازطرف صنعت و کسب‌وکارها چه تأثیری روی علم پایه‌ی هوش مصنوعی دارد نیز توضیحات ارائه داد.
لیکان خود درمورد قابلیت‌های کاربردی هوش مصنوعی در جامعه خوش‌بین است. او می‌گوید حتی در جایی که این فناوری نتواند به برخی اهداف دست یابد، اثراتی ایجاد خواهد کرد که می‌توانند مفید واقع شوند. دانشمند متا نمونه‌ای از سیستم‌های خودروهای خودران را مثال زد که اگرچه واقعاً به‌طور کامل خودران نیستند اما مزیت ارائه‌ی ویژگی‌های ایمنی جاده‌ای را دارند که می‌تواند در نجات جان انسان‌ها تأثیر زیادی داشته باشد.
ازنظر لیکان یکی از موارد استفاده‌ی جالب هوش مصنوعی، بهره گرفتن از قابلیت‌های آن در علم و پزشکی است که با هدف بهبود زندگی مردم انجام می‌شود. او می‌گوید:
سیستم‌های آزمایشی زیادی وجود دارند که چند صد مورد از آن‌ها تأییدیه‌های FDA را نیز دریافت کرده‌اند و تشخیص قابل‌اطمینان ازطریق MRI و اشعه‌ی ایکس و ماورد دیگر را برای تعدادی از بیماری‌ها بهبود می‌دهد و همین مورد تأثیر زیادی روی سلامت مردم خواهد داشت.- لیکان
لیکان می گوید اگرچه پیشرفت‌های کنونی در حوزه‌ی هوش مصنوعی مثبت هستند، اما درمقایسه با شیوه‌های استفاده از این فناوری در آینده، بسیار کوچک به‌حساب می‌آیند:
ما سیستم‌هایی دراختیار داریم که می‌توانند پروتئین‌ها را طوری طراحی کنند که به مکان خاصی بچسبند و این یعنی می‌توانیم داروها را با روشی کاملاً متفاوت نسبت به گذشته طراحی کنیم.- لیکان
دانشمند ارشد متا می‌گوید هوش مصنوعی پتانسیل زیادی برای پیشرفت علم مواد دارد. چنین قابلیتی واقعاً موردنیاز است زیرا باید بتوانیم مشکلات مربوط به تغییرات آب‌وهوایی را رفع کنیم. علاوه‌براین به منابع انرژی با ظرفیت بالا نیاز داریم که هزینه‌ی زیادی نداشته باشند. این موارد نیز ازجمله حوزه‌هایی است که هوش مصنوعی می‌تواند به انسان‌ها کمک کند.
لیکان به یکی از پروژه‌های مواد Open Catalyst اشاره کرد. این شرکت با همکاری دانشگاه کارنگی ملون سعی دارد از هوش مصنوعی برای توسعه‌ی کاتالیزورهای جدید به‌منظور استفاده در ذخیره‌سازی انرژی‌های تجدیدپذیر و با هدف کمک به مقابله با تغییرات آب‌وهوایی بهره ببرد.
این ایده وجود دارد که اگر بتوانیم یک بیابان کوچک را با پنل‌های فتوولتائیک بپوشانیم، انرژی مورد استفاده‌ی آن پنل را مثلاً به‌شکل هیدروژن یا متان ذخیره کنیم. رویکرد کنونی برای ذخیره‌ی محصولات هیدروژنی یا متان، مقیاس‌پذیر یا کارآمد هستند اما هیچ‌کدام هردو ویژگی‌مذکور را ندارند.- لیکان
آیا می‌توانیم با کمک هوش مصنوعی، کاتالیزور جدیدی کشف کنیم که با عدم نیاز به مواد عجیب‌وغریب، این فرآیند را کارآمدتر و مقیاس‌پذیرتر کند؟ شاید چنین ایده‌ای کارساز نباشد اما قطعاً ارزش امتحان کردن را دارد.
لیکان می‌گوید پیشرفت‌های بزرگ تحقیقاتی، زیربنایی برای کاربردهای امروزی شد که ازجمله می‌توان به ترانسفورماتورها در عصر یادگیری عمیق اشاره کرد که با دردسترس بودن داده‌های فراوان در حجمی بی‌سابقه و محاسبات سنگین ممکن شد. این درحالی است که پیشرفت‌های علمی بنیادی همیشه به این گستردگی و با این حجم از اطلاعات نبوده است.
آنچه باعث ایجاد موج بزرگ اخیر در هوش مصنوعی شده است، چند پیشرفت مفهومی بوده است. البته با توجه به مقدار داده‌های موجود و مقدار محاسباتی که انجام شده است، امکان افزایش مقیاس این سیستم‌ها نیز وجود دارد.
مدل‌های زبانی بزرگ مثل GPT-3 که چت‌بات ChatGPT براساس آن توسعه یافته است، نشان‌دهنده‌ی مقیاس‌بندی هوش مصنوعی است که با افزودن لایه‌های بیشتری از پارامترهای قابل‌تنظیم، به‌طور مستقیم عملکرد برنامه‌ها را بهبود می‌بخشد. او درمورد GPT-3 و امثال آن اعلام کرد وقتی دامنه‌ی کاری این ابزارها را گسترش دهید مشخص می‌شود که عملکرد واقعاً خوبی دارند.
لیکان می‌گوید شاید صنعت با تکیه بر مقیاس‌پذیری، به‌تنهایی و بدون کاوش در راهکارهای دیگر، بازدهی کاهشی را تجربه کند. بسیاری از شرکت‌ها مثل OpenAI از چنین عنوانی برای شعار خود استفاده کرده‌اند و فقط همه‌چیز را بزرگ‌تر می‌کنند تا عملکرد بهتری ارائه دهند. البته لیکان معتقد است درحال‌حاضر در این راه به محدودیت‌هایی رسیده‌ایم. او می‌گوید با وجود مقیاس‌بندی مدل‌های بزرگ‌تر، به‌نظر نمی‌رسد بتوانیم یک سیستم کاملاً خودران برای خودروها آموزش دهیم.
ازنظر لیکان، برنامه‌هایی مثل ChatGPT کاملاً نوآورانه نیستند و هیچ انقلابی در هوش مصنوعی ایجاد نمی‌کنند. این ابزار هرچقدر هم که تأثیرگذار باشد، امکان برنامه‌ریزی ندارد. او می‌گوید چت‌با‌ت‌هایی مثل ChatGPT کاملاً واکنشی هستند و شما زمینه‌ای از هزار کلمه به آن ارائه می‌دهید و این یعنی بخش ورودی با کمک انسان نوشته شده است و سپس این هوش مصنوعی نشانه‌های بعدی را به‌طور کاملاً واکنشی تولید می‌کند.
لیکان می‌گوید هیچ برنامه‌ریزی یا تجزیه‌ی کارهای پیچیده به کارهای ساده‌تر وجود ندارد و پاسخ‌های ChatGPT صرفاً واکنشی هستند. این دانشمند هوش مصنوعی همچنین به برنامه‌ی OpenAI Co-Pilot اشاره کرد که مایکروسافت آن را با پلتفرم گیت‌هاب ادغام کرده است. او می‌گوید محدودیت‌های بسیار زیادی برای چنین سیستم‌هایی وجود دارد.
شما شروع به‌نوشتن برنامه‌ی خود می‌کنید و توضیحات را درباره‌ی آنچه باید انجام دهد ارائه می‌دهید و ابزارهایی براساس مدل‌های زبان بزرگ دارید که برنامه را کامل می‌کنند. عملکرد چنین سیستم‌هایی برای تکمیل خودکار کارها، مثل کروز کنترل خودروها است که به رانندگی در بزرگ‌راه‌ها کمک می‌کند. در چنین شرایطی دستان شما همچنان باید روی فرمان باشد زیرا Co-Pilot می‌تواند بدون آگاهی از خطا، کد نادرست تولید کند.- لیکان
لیکان می‌گوید سؤال این است که چگونه می‌توان به سیستمی که کدهای آن گاه اجرا می‌شوند و گاه نمی‌شوند، اعتماد کرد؟ این موضوع نشان می‌دهد سیستم‌های امروزی قادر به برنامه‌ریزی نیستند و کاملاً واکنشی عمل می‌کنند و این دقیقاً همان چیزی است که برای ارائه‌ی رفتار هوشمندانه نیاز دارید.
لیکان اظهارداشت اگر به‌دنبال رفتار هوشمندانه هستید، به سیستمی نیاز خواهید داشت که بتواند تأثیر اعمال خود را پیش‌بینی کند و همچنین نوعی مدل دنیایی درونی و یک مدل ذهنی از جهان داشته باشد تا بتواند اقدامات خود را تغییر دهد.
دانشمند ارشد هوش مصنوعی متا، تابستان سال گذشته مقاله‌ای درمورد نیاز به برنامه‌هایی با توانایی برنامه‌ریزی منتشر کرد. او گفت احیای تحقیق‌وتوسعه فناوری اطلاعات شرکت‌ها هنوز به ارزشمندترین نتیجه یعنی بهره‌وری منجر نشده است اما امکان دارد این مورد در دهه‌ی آینده عملی شود.
لیکان با استناد به کار محققی به‌نام اریک برینجولفسون از گروه هوش مصنوعی انسان‌محور دانشگاه استنفورد خاطرنشان کرد که اقتصاددانان هوش مصنوعی را به‌عنوان فناوری همه‌منظوره درنظر می‌گیرند و این یعنی به‌آرامی در تمام زاویه‌های اقتصاد و صنعت مورد استفاده قرار خواهد گرفت و اساساً روی آن‌ها تأثیر خواهد داشت. همه‌ی فعالیت‌های اقتصادی با تأثیرات مختلفی مثل ایجاد مشاغل جدید، جابه‌جایی مشاغل دیگر و غیره، منجر به افزایش بهره‌وری می‌شود زیرا نوآوری را تقویت می‌کند.
درواقع اریک اعتقاد دارد افزایش بهره‌وری با هوش مصنوعی حداقل در دهه‌ی اخیر مشاهده نشده است و از نظر تاریخی باید حدود ۱۵ تا ۲۰ سال صبر کنیم تا تأثیر فناوری مذکور در بهبود روند انجام کارها به‌طور چشم‌گیر قابل مشاهده باشد و تحول عظیمی در این صنعت ایجاد شود.
طبق پیش‌بینی لیکان، احتمالاً در ده سال آینده در حوزههای مختلف شاهد بهبود درخورتوجه بهره‌وری در تحقیق‌وتوسعه‌خواهیم بود. او نشان داد تجدید حیات تحقیقات اساسی شرکت‌ها در فناوری اطلاعات، با توجه به جذابیت آن برای محققان جوان می‌تواند قدرتی ماندگار باشد.
لیکان می‌گوید یکی از پدید‌های مشاهده شده این است که افراد جوان و با استعداد اکنون آرزو دارند محقق هوش مصنوعی شوند زیرا این کار بسیار جذاب است، اما قبلاً اکثر افراد به‌دنبال تأمین مالی در مشاغل دیگر بودند و روی آوردن آن‌ها به سمت علم، نکته‌ی بسیار مثبتی است.