ویرگول
ورودثبت نام
سهراب خان‌بدر | Sohrab Khanbadr
سهراب خان‌بدر | Sohrab Khanbadrچیزی مثبت بگو، و چیز مثبت خواهی دید." — جیم تامپسون من کیستم ؟ من کجا هستم ؟ من چه میخواهم ؟
سهراب خان‌بدر | Sohrab Khanbadr
سهراب خان‌بدر | Sohrab Khanbadr
خواندن ۱۱ دقیقه·۲ سال پیش

هوش مصنوعی باید مکمل هوش انسانی باشد، نه جایگزین آن

هوش مصنوعی باید مکمل هوش انسانی باشد، نه جایگزین آن

نویسنده: دیوید دی کرمر و گری کاسپاروف

در اقتصادی که داده‌ها در حال تغییر نحوه ایجاد ارزش و رقابت شرکت‌ها هستند، کارشناسان پیش‌بینی می‌کنند که استفاده گسترده از هوش مصنوعی تا سال ۲۰۳۰ می‌تواند ۱۵.۷ تریلیون دلار به اقتصاد جهانی اضافه کند. با توجه به اینکه هوش مصنوعی نحوه کار شرکت‌ها را تغییر می‌دهد، بسیاری معتقدند که افرادی که این کار را انجام می‌دهند نیز تغییر خواهند کرد و سازمان‌ها شروع به جایگزینی کارکنان انسانی با ماشین‌های هوشمند خواهند کرد. این روند در حال حاضر در حال وقوع است: سیستم‌های هوشمند در حال جایگزینی انسان‌ها در تولید، خدمات، استخدام و صنعت مالی هستند و در نتیجه، کارکنان انسانی به سمت مشاغل کم‌دستمزدتر می‌روند یا بیکار می‌شوند. این روند باعث شده است که برخی نتیجه‌گیری کنند که در سال ۲۰۴۰ نیروی کار ما ممکن است کاملاً غیرقابل شناسایی باشد.

اما آیا انسان‌ها و ماشین‌ها واقعاً در رقابت با یکدیگر هستند؟ تاریخ کار، به ویژه از زمان انقلاب صنعتی، تاریخ برون‌سپاری کار به ماشین‌هاست. در حالی که این کار با وظایف فیزیکی تکراری مانند بافندگی آغاز شد، ماشین‌ها تا حدی پیشرفت کرده‌اند که اکنون می‌توانند کارهای پیچیده‌تری مانند حل معادلات ریاضی، تشخیص زبان و گفتار و نوشتن را انجام دهند. ماشین‌ها اکنون آماده هستند تا کار ذهن ما را تکرار کنند، نه فقط بدن ما. در قرن بیست و یکم، هوش مصنوعی در بسیاری از وظایف از انسان‌ها برتر می‌شود و به نظر می‌رسد که ما آماده‌ایم هوش خود را به فناوری واگذار کنیم. با این روند جدید، به نظر می‌رسد هیچ شغلی از اتوماسیون در امان نیست.

این دیدگاه از آینده کار به شکل یک بازی صفر و یکی درآمده است که در آن فقط یک برنده می‌تواند وجود داشته باشد.

با این حال، ما معتقدیم که این دیدگاه درباره نقش هوش مصنوعی در محیط کار اشتباه است. پرسش اینکه آیا هوش مصنوعی جایگزین کارکنان انسانی خواهد شد فرض می‌کند که هوش مصنوعی و انسان‌ها دارای کیفیت‌ها و توانایی‌های یکسانی هستند، اما در واقعیت چنین نیست. ماشین‌های مبتنی بر هوش مصنوعی سریع، دقیق و همواره منطقی هستند، اما آنها شهودی، احساسی یا حساس به فرهنگ نیستند. و این دقیقاً توانایی‌هایی است که انسان‌ها دارند و ما را مؤثر می‌سازد.

هوش ماشینی در برابر هوش انسانی

به طور کلی، مردم امروز رایانه‌های پیشرفته را به عنوان هوشمند تشخیص می‌دهند زیرا آنها قابلیت یادگیری و تصمیم‌گیری بر اساس اطلاعاتی که دریافت می‌کنند را دارند. اما در حالی که ما این توانایی را تشخیص می‌دهیم، این نوع هوش با هوش ما بسیار متفاوت است.

در ساده‌ترین شکل، هوش مصنوعی یک رایانه است که به شیوه‌هایی عمل و تصمیم می‌گیرد که به نظر هوشمند می‌رسد. بر اساس فلسفه آلن تورینگ، هوش مصنوعی تقلید می‌کند که انسان‌ها چگونه عمل می‌کنند، احساس می‌کنند، صحبت می‌کنند و تصمیم می‌گیرند. این نوع هوش در یک محیط سازمانی بسیار مفید است: به دلیل توانایی‌های تقلیدی آن، هوش مصنوعی قابلیت شناسایی الگوهای اطلاعاتی را دارد که روندهای مرتبط با کار را بهینه می‌کند. علاوه بر این، برخلاف انسان‌ها، هوش مصنوعی هرگز از نظر فیزیکی خسته نمی‌شود و تا زمانی که داده به آن داده شود، به کار خود ادامه می‌دهد.

این ویژگی‌ها بدان معنی است که هوش مصنوعی برای انجام کارهای روتین و تکراری که در یک سیستم مدیریتی بسته رخ می‌دهد، مناسب است. در چنین سیستمی، قوانین بازی روشن هستند و تحت تأثیر نیروهای خارجی قرار نمی‌گیرند. به عنوان مثال، یک خط مونتاژ را در نظر بگیرید که در آن کارگران با تقاضاها و تأثیرات خارجی مانند جلسات کاری مواجه نمی‌شوند. به عنوان یک مورد خاص، خط مونتاژ دقیقاً جایی است که آمازون الگوریتم‌ها را در نقش مدیران قرار داده است تا بر کارگران انسانی نظارت کنند و حتی آنها را اخراج کنند. از آنجا که کار تکراری است و تحت قوانین سختگیرانه‌ای برای بهینه‌سازی کارایی و بهره‌وری قرار دارد، هوش مصنوعی قادر است به روش‌های دقیق‌تری نسبت به ناظران انسانی عمل کند.

با این حال، توانایی‌های انسانی بسیار گسترده‌تر است. برخلاف توانایی‌های هوش مصنوعی که تنها به داده‌های موجود پاسخ می‌دهد، انسان‌ها توانایی تصور، پیش‌بینی، احساس و قضاوت در موقعیت‌های متغیر را دارند، که به آنها اجازه می‌دهد از نگرانی‌های کوتاه‌مدت به نگرانی‌های بلندمدت تغییر کنند. این توانایی‌ها منحصر به فرد انسان‌ها هستند و نیازی به جریان پیوسته داده‌های خارجی ندارند تا مانند هوش مصنوعی کار کنند.

به این ترتیب، انسان‌ها نماینده چیزی هستند که ما آن را هوش اصیل می‌نامیم — یک نوع هوش متفاوت اگر بخواهید. این نوع هوش زمانی مورد نیاز است که سیستم‌های باز وجود دارند. در یک سیستم مدیریتی باز، تیم یا سازمان با محیط خارجی در تعامل است و بنابراین باید با تأثیرات خارجی مواجه شود. چنین محیط کاری نیازمند توانایی پیش‌بینی و کار با تغییرات ناگهانی و تبادل اطلاعات نادرست است، در حالی که در عین حال باید خلاقیت در تقطیر یک چشم‌انداز و استراتژی آینده را دارا باشد. در سیستم‌های باز، تلاش‌های تحول به طور مداوم در حال انجام است و مدیریت مؤثر این فرایند نیاز به هوش اصیل دارد.

اگرچه هوش مصنوعی (که در اینجا به عنوان AI1 ارجاع داده می‌شود) به نظر می‌رسد در تقابل با هوش اصیل (AI2) قرار دارد، اما این دو نیز مکمل یکدیگر هستند. در زمینه سازمان‌ها، هر دو نوع هوش مجموعه‌ای از استعدادهای خاص را ارائه می‌دهند.

کدام استعدادها — به عنوان توانایی‌های مورد نیاز برای دستیابی به الزامات عملکردی عملیاتی شده‌اند — برای بهترین عملکرد لازم هستند؟ ابتدا، باید تأکید کنیم که استعداد می‌تواند بازی‌ها را ببرد، اما اغلب این تیم‌ها هستند که قهرمانی‌ها را می‌برند. به همین دلیل، ما معتقدیم که ترکیب استعدادهای موجود در هر دو AI1 و AI2، که با هم کار می‌کنند، آینده کار هوشمند را رقم خواهد زد. این نوع هوش سازمان‌ها را قادر می‌سازد تا هم کارآمدتر و دقیق‌تر باشند و هم در عین حال خلاق و پیشگام.

نوع سوم هوش: هوش افزوده

چه چیزی AI3 می‌تواند ارائه دهد که AI1 و AI2 نمی‌توانند؟ نویسنده دوم این مقاله برخی از بینش‌های منحصر به فرد در این زمینه دارد: او به خاطر قهرمانی‌هایش شناخته شده است، در حالی که در عین حال تجربه متمایزی از اولین انسانی دارد که یک بازی سطح بالا را به یک ماشین باخت. در سال ۱۹۹۷، استاد بزرگ شطرنج گری کاسپاروف یک بازی را به یک برنامه ابررایانه‌ای IBM به نام دیپ بلو باخت. این شکست او را وادار کرد که چگونگی برخورد با بازی فکری شطرنج را بازنگری کند، نه به عنوان یک تلاش فردی بلکه به عنوان یک همکاری. با پیروزی غیرمنتظره دیپ بلو، او تصمیم گرفت که با یک هوش مصنوعی همکاری کند.

در مسابقه‌ای در سال ۱۹۹۸ در لئون اسپانیا، کاسپاروف با یک رایانه شخصی که نرم‌افزار شطرنج مورد علاقه‌اش را اجرا می‌کرد، همکاری کرد — ترتیبی که به عنوان "شطرنج پیشرفته" شناخته می‌شود — در مسابقه‌ای با بلغاری واصلین توپالف، که یک ماه قبل او را ۴-۰ شکست داده بود. این بار، با هر دو بازیکن که از رایانه‌ها پشتیبانی می‌کردند، مسابقه با نتیجه ۳-۳ به پایان رسید. به نظر می‌رسید که استفاده از رایانه شخصی محاسبات و پیشرفت‌های استراتژیک معمولی کاسپاروف را برطرف کرده است.

این مسابقه نشان‌دهنده‌ای مهم بود از اینکه انسان‌ها چگونه می‌توانند با هوش مصنوعی همکاری کنند. پس از مسابقه، کاسپاروف اشاره کرد که استفاده از رایانه شخصی به او اجازه می‌دهد بیشتر بر برنامه‌ریزی استراتژیک تمرکز کند در حالی که ماشین محاسبات را انجام می‌داد. با این حال، او همچنین تأکید کرد که صرفاً ترکیب بهترین بازیکن انسانی و بهترین رایانه‌ای بازی‌های کامل را نشان نمی‌دهد. مانند تیم‌های انسانی، قدرت کار با هوش مصنوعی از چگونگی تکمیل یکدیگر توسط انسان و رایانه ناشی می‌شود؛ بهترین بازیکنان و قدرتمندترین هوش‌های مصنوعی همکاری نمی‌کنند لزوماً بهترین نتایج را ارائه نمی‌دهند.

بار دیگر، دنیای شطرنج یک مورد آزمایشی مفید برای نحوه همکاری این مشارکت‌ها ارائه می‌دهد. در سال ۲۰۰۵، سایت بازی آنلاین شطرنج Playchess.com مسابقه‌ای به نام "شطرنج آزاد" برگزار کرد که در آن هر کسی می‌توانست با تیم‌های دیگر بازیکنان یا رایانه‌ها رقابت کند. آنچه این مسابقه را جالب می‌کرد این بود که چندین گروه از اساتید بزرگ که با رایانه‌ها همکاری می‌کردند نیز در این مسابقه شرکت داشتند. پیش‌بینی می‌شد که یکی از این اساتید بزرگ به همراه یک ابررایانه این مسابقه را تسلط پیدا کند — اما این اتفاق نیفتاد. مسابقه توسط یک جفت بازیکن آماتور شطرنج آمریکایی که از سه رایانه استفاده می‌کردند برنده شد. توانایی آنها در هماهنگی و مربی‌گری مؤثر رایانه‌هایشان باعث شکست ترکیب استاد بزرگ هوشمند و رایانه با قدرت محاسباتی عالی شد.

این نتیجه غافلگیرکننده یک درس مهم را نشان می‌دهد: فرآیند تعامل بازیکنان و رایانه‌ها تعیین می‌کند که چقدر این مشارکت مؤثر خواهد بود. یا به گفته کاسپاروف، "انسان ضعیف + ماشین + فرآیند بهتر از رایانه قوی بود و به طرز شگفت‌آوری از انسان قوی + ماشین + فرآیند ضعیف نیز برتر بود."

توصیه‌ها

توانایی تقویت و همکاری که ما می‌بینیم در تضاد شدید با پیش‌بینی‌های صفر و یکی است که هوش مصنوعی با جامعه و سازمان‌های ما چه خواهد کرد. در عوض، ما معتقدیم که بهره‌وری بیشتر و اتوماسیون کارهای روتین شناختی یک برکت است، نه تهدید. به هر حال، فناوری جدید همیشه در مراحل اولیه اجرا و توسعه اثرات مخربی دارد و معمولاً ارزش واقعی آن پس از مدتی آشکار می‌شود.

این واقعیت، با این حال، به این معنی نیست که ما باید صبر کنیم تا زمانی که این ارزش در نهایت آشکار شود — بسیار برعکس! چالش اصلی ما به عنوان افراد تجاری این است که پیش‌بینی کنیم هوش مصنوعی در ارتباط با چگونگی تفکر و عمل انسان‌ها چه معنایی دارد و تلاش کنیم که این فناوری‌های جدید را با جاه‌طلبی و استراتژیک در سازمان‌های خود یکپارچه کنیم. ما نمی‌توانیم به سادگی منتظر بمانیم تا روش‌های سنتی را بر بگیرد. پس در این لحظه چه کاری می‌توانیم انجام دهیم تا ادغام هوش‌های مختلف را به نحوی انجام دهیم که سازمان‌های ما مؤثرتر کار کنند؟

اول، تیم‌ها به تدریج از انسان‌ها و غیرانسان‌ها که با هم کار می‌کنند تشکیل می‌شوند، که ما به آن "تنوع جدید" می‌گوییم. روانشناسی تنوع جدید با خود خطرات باورها و تعصبات کلیشه‌ای را به همراه دارد که می‌تواند به راحتی تصمیم‌گیری‌ها و کار تیمی را تحت تأثیر قرار دهد. ماشین به عنوان یک همکار غیرانسان ممکن است با بی‌اعتمادی و انتظارات منفی مواجه شود همانند هر عضو دیگری از گروه خارج و به این ترتیب انسان‌ها را تشویق به اشتراک‌گذاری کمتر اطلاعات و اجتناب از کار با ماشین کند. رهبران تیم باید بتوانند به این دینامیک‌های منفی تیمی پاسخ دهند و به گونه‌ای آموزش دیده باشند که واقعیت آن باورهای منفی و پیامدهای آن را درک کنند.

دوم، شکل جدید تیم‌ها نیاز به رهبرانی دارد که مهارت‌های لازم برای گردآوری طرف‌های مختلف را داشته باشند. در آینده، ایجاد تیم‌های فراگیر با هماهنگی انسان و ماشین یک توانایی مهم خواهد بود که باید آموزش داده شود و توسعه یابد. همانطور که مثال‌های قبلی نشان داد، برای دستیابی به عملکرد بهتر با استفاده از این تیم‌های متنوع جدید، یک الزام اصلی برای رهبران این خواهد بود که خود را به عنوان استادان هماهنگی و مربی‌گری فرآیندهای تیمی تبدیل کنند.

سوم، فرآیندهای تیمی باید به طور مؤثر مدیریت شوند و این کار باید توسط یک انسان انجام شود. برای اینکه انسان‌ها نقاط قوت و ضعف انسان و ماشین را همسو کنند، باید آموزش ببینند که چگونه هوش مصنوعی کار می‌کند، چه کاربردهایی دارد و با استفاده از توانایی‌های قضاوت هوش اصیل خود تصمیم بگیرند که چگونه می‌توان از آن بهترین استفاده را کرد تا عملکرد را در خدمت منافع انسانی بهبود بخشید.

هوش افزوده، به عنوان نوع سوم هوش مصنوعی، گام به سوی آینده کار هوشمند است. آینده کار یک مفهوم است که رشد کارکنان و عملکرد آنها را به روش‌های کارآمدتر نشان می‌دهد. بحث در مورد این موضوع، اما، در اهداف خود بسیار مبهم شده است. به طور خاص، به دلیل روایت‌های استراتژی‌های کاهش هزینه، شرکت‌ها امروزه در مرحله‌ای هستند که ماشین‌ها اغلب به عنوان کارمند جدید فوق‌العاده معرفی می‌شوند که ممکن است در نهایت انسان‌ها را به نقشی پایین‌تر برای خدمت به ماشین ترک کنند. یک عنصر اساسی از یک نوع واقعی هوش مصنوعی برای آینده کار، با این حال، به این معنی است که ما نیروی کار را گسترش می‌دهیم که هر دو انسان و ماشین بخشی از آن خواهند بود، اما با هدف بهبود انسانیت و رفاه در حالی که همچنین کارآمدتر در اجرای کارهای خود هستیم. بنابراین، هوش افزوده واقعاً ذات همکاری دارد، اما همچنین روشن است که این یک تلاش همکاری در خدمت انسان‌هاست.

تحلیل نهایی:

از دیدگاه من به عنوان یک تحلیلگر خبری، این مقاله به طور عمیقی به چالش‌ها و فرصت‌هایی که هوش مصنوعی به همراه دارد می‌پردازد. تاکید نویسندگان بر تکمیل هوش مصنوعی و انسانی، نه جایگزینی، نکته‌ای حیاتی است که باید در روند پذیرش فناوری‌های جدید مد نظر قرار گیرد. تجربه گری کاسپاروف در همکاری با هوش مصنوعی در بازی شطرنج نشان می‌دهد که ترکیب توانایی‌های انسانی و ماشین می‌تواند نتایج بسیار موثرتری نسبت به هر کدام به تنهایی داشته باشد. این رویکرد می‌تواند به تحول مثبت در محیط‌های کاری منجر شود، به شرطی که رهبران سازمان‌ها قادر به مدیریت موثر این تعاملات جدید باشند. همچنین، توجه به "تنوع جدید" و چالش‌های روانی و اجتماعی مرتبط با آن نیازمند استراتژی‌های دقیق و آموزش مناسب است. به طور کلی، آینده کار هوشمند باید به گونه‌ای طراحی شود که انسان‌ها و ماشین‌ها به صورت همکارانه و مکمل یکدیگر عمل کنند تا هم بهره‌وری افزایش یابد و هم رفاه انسانی حفظ شود.



https://hbr.org/2021/03/ai-should-augment-human-intelligence-not-replace-it

chatgpt 4o

۱
۰
سهراب خان‌بدر | Sohrab Khanbadr
سهراب خان‌بدر | Sohrab Khanbadr
چیزی مثبت بگو، و چیز مثبت خواهی دید." — جیم تامپسون من کیستم ؟ من کجا هستم ؟ من چه میخواهم ؟
شاید از این پست‌ها خوشتان بیاید