به نظر می رسد هوش مصنوعی هر روز پیشرفت های بزرگی را انجام می دهد. به عنوان یک برنامه نویس، آیا باید نگران باشید که ماشین ها برای کار شما می آیند؟
چندین فناوری جدید سر و صدایی در مورد هوش مصنوعی (AI) و معنای آن برای آینده ما به عنوان یک جامعه ایجاد کرده اند. هر فناوری از شاخه‌های مختلف هوش مصنوعی سرچشمه می‌گیرد و مجموعه‌ای منحصر به فرد از مزایا و نگرانی‌ها را ایجاد می‌کند.
دیپ‌فیک‌ها و هوش مصنوعی شبیه‌سازی صدا، اعتماد به هر چیزی که در اینترنت می‌بینید یا می‌شنوید را برای شما دشوار می‌سازد. برخی می‌گویند ChatGPT و سیستم‌های هوش مصنوعی یادگیری عمیق مشابه احتمالاً در چندین زمینه باعث افزایش شغل می‌شوند. یک سوال نگران کننده مطرح می شود: “آیا هوش مصنوعی در نهایت جایگزین برنامه نویسان خواهد شد؟”
هوش مصنوعی چیست؟
هوش مصنوعی شاخه ای از علوم کامپیوتر است که بر توانایی سیستم برای حل مشکلات با استفاده از یک (یا چند) از چهار کیفیت تمرکز دارد. یک سیستم هوش مصنوعی می تواند انسانی فکر کند، انسانی عمل کند، منطقی فکر کند و/یا عقلانی عمل کند.
تاریخچه هوش مصنوعی
اگرچه به نظر می رسد که هوش مصنوعی قرن هاست که وجود داشته است، اما این حوزه ای است که در اواسط دهه 1900 شتاب گرفت. یکی از قابل توجه ترین تاریخ های تاریخ هوش مصنوعی سال 1956 است، این سال معرفی رسمی حوزه هوش مصنوعی بود. این مقدمه در کنفرانسی در کالج دارتموث انجام شد.
چندین نام بزرگ به جنبه های مختلف پیشرفت های اولیه در هوش مصنوعی مرتبط هستند. آلن تورینگ، ماروین مینسکی، آلن نیول، هربرت سایمون، جان رابینسون و آلن کولمراور از جمله این افراد هستند.
انسانی عمل کنید
در سال 1936 آلن تورینگ مقاله ای با عنوان “در اعداد قابل محاسبه، با کاربرد برای مشکل Entscheidungs” منتشر کرد. تورینگ در این مقاله مفهوم ماشین تورینگ را معرفی کرد که تا به امروز نقش مهمی در هوش مصنوعی ایفا می کند. او ثابت کرد که با الگوریتم صحیح، ماشین تورینگ می تواند هر محاسبات ریاضی را انجام دهد.
بعداً در سال 1937، تورینگ از مشکل توقف برای اشاره به محدودیت‌های ماشین‌های هوشمند استفاده کرد. سپس در سال 1950، تورینگ هوش ماشینی را با استفاده از آنچه او تست تورینگ می نامد تعریف کرد. اگر یک سیستم هوش مصنوعی تست تورینگ را پشت سر بگذارد، آن سیستم می تواند انسانی عمل کند.
انسانی فکر کن
ماروین مینسکی یک نام محبوب در زمینه هوش مصنوعی است. او به خاطر توسعه اولین ماشین یادگیری شبکه عصبی سیمی تصادفی به نام SNARC در سال 1951 شناخته شده است. شبکه های عصبی به رایانه ها می آموزند که داده ها را مشابه مغز انسان پردازش کنند. تعریف مینسکی از هوش مصنوعی این است که «علم ساخت ماشین‌ها کارهایی است که اگر توسط مردان انجام شود نیاز به هوش دارد».
آلن نیوول و هربرت سایمون دو پیشگام دیگر در زمینه هوش مصنوعی هستند که بر توانایی یک ماشین برای شبیه سازی تفکر انسان تمرکز کردند. در سال 1956 آنها اولین برنامه کامپیوتری پردازش نماد را به نام نظریه منطق ارائه کردند. در سال 1961، نیوول و سایمون، حلال مسائل عمومی (GPS) را توسعه دادند که اساساً تفکر انسان را تقلید می کند.
منطقی فکر کن
جان رابینسون وارد شوید، که در سال 1965 مجله‌ای با عنوان «منطق ماشین‌گرا بر اساس اصل وضوح» منتشر کرد. او همچنین حساب تفکیک منطق محمول را اختراع کرد که نقشی حیاتی در هوش مصنوعی بازی می‌کند.
منطق محمول یک زبان رسمی است که از منطق برای نشان دادن تفکر عقلانی استفاده می کند. این زبان از چارچوبی استفاده می‌کند که مقدمات صحیح نتیجه‌گیری درستی ایجاد می‌کند. به عنوان مثال، الکسا یک ماشین است. همه ماشین ها کار را آسان تر می کنند. بنابراین، الکسا کار را آسان تر می کند.
پیشرفت های اخیر در هوش مصنوعی
همانطور که در زمان پیدایش خود بود، حوزه هوش مصنوعی امروزه بسیار پیچیده با شاخه های مختلف است. هر شاخه ای که زیر چتر هوش مصنوعی قرار دارد، پیوسته گام های مهمی برمی دارد.
یادگیری ماشین شاخه ای از هوش مصنوعی است که از الگوریتم های داده برای تقلید از یادگیری انسان استفاده می کند که دقت آن را در هر تکرار بهبود می بخشد. یکی از برجسته‌ترین زیر مجموعه‌های یادگیری ماشینی، یادگیری عمیق است. یادگیری عمیق با کاهش نیاز ماشین به کمک انسانی، یادگیری ماشین را بهبود می بخشد.
به عنوان مثال، اگر تصاویری از گل‌ها را داشتید که می‌خواهید بر اساس گونه‌ها گروه‌بندی کنید، فرآیند دسته‌بندی بر اساس نوع سیستم متفاوت خواهد بود. اگر سیستم شما از یادگیری ماشینی استفاده می کند، باید به صورت دستی ویژگی هایی را ایجاد کنید که گونه ها را متمایز می کند. با این حال، سیستمی که از یادگیری عمیق استفاده می کند، بهترین ویژگی های متمایز را برای هر گونه به تنهایی تعیین می کند.
یادگیری عمیق در سال های اخیر به دلیل چندین فن آوری، امواج بزرگی را در صنعت ایجاد کرده است. ChatGPT یک فناوری یادگیری عمیق است که در حال حاضر مورد توجه بسیاری قرار گرفته است.
طبق ChatGPT، این است:
یک مدل زبان بزرگ ایجاد شده توسط OpenAI. این یک برنامه هوش مصنوعی (AI) است که برای درک زبان طبیعی و ایجاد پاسخ‌هایی شبیه انسان به انواع مختلف سؤالات و درخواست‌ها طراحی شده است. این مدل مبتنی بر یک معماری یادگیری عمیق به نام ترانسفورماتور است که قادر به پردازش مقادیر زیادی از داده های متنی و ایجاد پاسخ بر اساس الگوها و روابطی است که از آن داده ها یاد گرفته است.
از زمان راه اندازی آن در سه ماهه چهارم سال 2022، ChatGPT موضوع بحث های زیادی بوده است. چیزی که این سیستم هوش مصنوعی را متمایز می کند، مهارت های پردازش زبان طبیعی آن است، همراه با توانایی آن در یادگیری اطلاعات جدید از طریق یادگیری تقویتی از بازخورد انسانی (RLHF). همچنین به نظر می رسد که دارای توانایی قوی برای نوشتن و تعمیر کد است. برخی می گویند که این فناوری نشان دهنده پیدایش انقراض برنامه نویسان انسانی است.
ویژگی های مورد نظر یک برنامه نویس انسانی که هوش مصنوعی نمی تواند آن را تکرار کند
یک سیستم هوش مصنوعی می تواند یاد بگیرد که چگونه کدی را بنویسد که نرم افزار ایجاد کند. با این حال، جایگزینی برنامه نویسان به طور کامل ممکن است کمی پیچیده تر باشد. توانایی یک سیستم هوش مصنوعی ممکن است به آن اجازه دهد تا با کمک به برنامه نویسان برای کار سریعتر، نیروی کار را کاهش دهد، اما هرگز نمی تواند واقعاً جایگزین کارگران انسانی شود. وجه تمایز اصلی بین برنامه نویسان و سیستم های هوش مصنوعی، مغز انسان و ویژگی های پیچیده آن است.
به گفته اندرو نگ، یکی از نام های برتر در هوش مصنوعی امروز:
یک نورون منفرد در مغز یک دستگاه فوق‌العاده پیچیده است که حتی امروز ما آن را درک نمی‌کنیم. یک “نرون” منفرد در یک شبکه عصبی یک تابع ریاضی فوق‌العاده ساده است که بخش کوچکی از پیچیدگی یک نورون بیولوژیکی را به تصویر می‌کشد.
توانایی مغز برای ایجاد یک فکر جدید از هوای به ظاهر رقیق فراتر از درک انسان است. مطمئناً این چیزی نیست که یک سیستم هوش مصنوعی بتواند آن را تکرار کند. یکی دیگر از ویژگی های مطلوب برنامه نویسان، گیجی خلاقیت است، که باز هم چیزی است که ماشین نمی تواند آن را تکرار کند.
از طریق یادگیری عمیق، هوش مصنوعی می تواند تصوری از تفکر انسان ایجاد کند. برخی از سیستم های هوش مصنوعی می توانند تصمیمات ساده ای بگیرند، اما این تصمیمات در مقایسه با توانایی های تصمیم گیری مغز انسان کمرنگ است. هوش مصنوعی می‌تواند کد بنویسد، اما نمی‌تواند از درست بودن کدی که می‌نویسد اطمینان حاصل کند. یک سیستم هوش مصنوعی نمی تواند قضاوت انسان را تکرار کند، و همچنین هیچ نشانه ای وجود ندارد که بتواند در آینده این کار را انجام دهد.
آینده هوش مصنوعی و برنامه نویسی
فناوری‌های هوش مصنوعی مانند ChatGPT ثابت کرده‌اند که هوش مصنوعی چقدر می‌تواند برای برنامه‌نویسان مفید باشد. به سرعت کد تولید می کند و می تواند به گردش کار کلی برنامه نویس کمک کند. با این حال، ChatGPT همچنین ثابت کرده است که حتی پیشرفته‌ترین فناوری یادگیری عمیق که در حال حاضر داریم، نمی‌تواند استقلال کامل را مدیریت کند. به گفته OpenAI، ChatGPT به عنوان پاسخ های بی معنی به سوالات شناخته شده است.
بنابراین، قابل قبول است که فرض کنیم آینده هوش مصنوعی در برنامه نویسی، یکی از «یاران» به جای «جایگزینی» برنامه نویسان است.