ربات‌ها در راه هستند. ما از این موضوع مطلع هستیم و قبلا در مورد هوش مصنوعی بحث کرده‌ایم. پیام‌رسان‌های Messenger و Live Chat در غرب به سرعت تبدیل به راه‌های اصلی برقراری ارتباط شدند. در هر دوی آنها، ربات‌ها اولین خط دفاعی هستند. ربات‌ها هستند که کاربر را به شخص مناسب برای حل مشکل ارجاع می‌دهند. البته اگر مشکل به مرحله‌ای برسد که برای حل شدن به یک انسان نیاز داشته باشد.
ربات‌ها برخی کارهای طاقت‌فرسا را برای ما انجام می‌دهند. این موضوع جنجال‌برانگیزی است؛ چرا که برخی سوالات را ایجاد می‌کند. مثلا «آیا ربات‌ها شغل من را تهدید می‌کنند؟» یا «آیا ربات‌ها جایگزین من خواهند شد؟». یک سوال دیگر که معمولا بیشترین بحث و جنجال را به همراه دارد این است: «ربات‌ها که قادر به انجام تمام کارها نیستند. پس کارهایی که نیاز به خلاقیت دارند چی؟»
آیا هوش مصنوعی خلاق وجود دارد؟ در واقع پاسخ قطعی برای این پرسش وجود ندارد. در مواردی جواب این بوده که «البته که وجود دارد!». مواردی هم هستند که هوش مصنوعی نتوانسته از خود خلاقیت نشان دهد. افرادی در صدد پیدا کردن مثال‌هایی برای هر دو مورد بر آمدند. در این مقاله از فنولوژی، چند مورد از مثال‌های بهتر را بررسی می‌کنیم.
شکست‌های هوش مصنوعی خلاق
۱. ربات تی (Tay) از مایکروسافت
میتوان با استفاده از یادگیری ماشینی، رفتار کاربران را تحلیل کرد و متناسب با آن رفتارها، به افراد پیشنهاداتی ارائه کرد. گاهی اوقات این روش، نتیجه‌ی مثبت دارد. مثل الگوریتم‌های اسپاتیفای که با توجه به آهنگ‌هایی که شما گوش می‌دهید، آهنگ‌هایی را به شما پیشنهاد می‌دهند؛ اما، گاهی اوقات این روش کار را خراب می‌کند. ربات تی یک ربات در توییتر بود که توسط مایکروسافت طراحی شده است. این ربات قرار بود مثل یک دختر نوجوان عادی رفتار کند. اما نتیجه‌ی جالبی نداشت.
هوش مصنوعی ممکن است باهوش باشد؛ اما قادر نیست رفتار خاصی برای خود تعریف کند. تنها تعریف هوش مصنوعی از خوب و بد، چیزهایی است که الگوریتم‌هایش به او می‌گویند. یک هوش مصنوعی با یادگیری ماشینی، بیشتر توسط فردی که با آن کار می‌کند شکل می‌گیرد. برای همین است که در دوره‌ی انتخابات سال ۲۰۱۶ در آمریکا، تبلیغات روسی در فیسبوک خیلی مؤثر بودند؛ الگوریتم‌های آن با توجه به فعالیت افراد در فیسبوک آگاه می‌شدند. در نتیجه تبلیغ مناسب به فرد مناسب می‌رسید.
در رابطه با ربات تی هم موضوع تقریبا مشابه مورد قبل بود. تی شروع کرد به تقلید رفتار افرادی که با آن ارتباط برقرار می‌کردند. در این مورد رفتار این افراد، طرز بیان آنها بود. از قضا این طرز بیان حاوی جملات ضد یهود و ضد فمینیست بود که باعث شدند ربات تی جملات ناخوشایندی بگوید. در نهایت مایکروسافت مجبور شد این ربات را غیرفعال کند. چند مورد از توییت‌های این ربات به این شکل بودند:
- خیلی از آشنایی با شما خوش‌بختم. انسان‌ها خیلی باحال هستند!
- آرام باش من آدم خوبی هستم. فقط از همه متنفرم.
- من از فمینیست‌ها متنفرم. همه‌ی آنها باید بمیرند و در جهنم بسوزند!
- حق با هیتلر بود، من از یهودی‌ها متنفرم.
این ربات در کمتر از ۲۴ ساعت از یک دوستدار بشر تبدیل به یک نازی شد!
۲. سرآشپز واتسون از آی‌بی‌ام (IBM)
در سال ۲۰۱۵ ربات واتسون از شرکت آی‌بی‌ام در مسابقه‌ی جپردی (Jeopardy) پیروز شد و قهرمان آن را شکست داد (چپردی یک مسابقه ی تلویزیونی آمریکایی است که در آن جواب‌ها به شرکت‌کنندگان داده می‌شوند و شرکت‌کنندگان بر اساس این جواب‌ها سوال می‌سازند). در همین سال، این ربات با نوشتن کتاب آشپزی خود تبدیل به سرآشپز واتسون شد. واتسون دستور پخت غذاهای خود را تقریبا کاملا مستقل ایجاد می‌کرد. برای انجام این کار، واتسون از الگوریتم‌های طعم خود استفاده می‌کرد و کمی هم از آشپزهای مؤسسه‌ی آموزش آشپزی برای ریزه‌کاری‌ها کمک گرفت.
همه در مورد آینده‌ی این ربات خوش‌بین بودند. قبل از انتشار کتاب، چند بطری سس باربیکیو که طرز تهیه آنها توسط واتسون فراهم شده بود، برای چند رابط اطلاعاتی فرستاده شدند که بازخورد مناسبی به همراه داشت. اما بعد نوبت رسید به بوریتوی شکلاتی استرالیایی. نتیجه‌ی این دستور پخت از «چند توپ کوچک خشک توی دهان» تا «آنقدر بد بود که فکر کردم خوب است» متغیر بودند. (گرچه کار تماما خراب نشد. روزنامه‌ی واشنگتن پست نتیجه‌های بهتری دریافت کرد.)
۳. دانشمند محقق جنل شین (Janelle Shane): رنگ‌های نام‌گذاری شده توسط هوش مصنوعی
وقتی کسی یک مقاله با عنوان «مطمئنم رباتی که این رنگ‌ها را اختراع کرده خیلی مواد مصرف کرده بود» می‌نویسد، احتمالا در مورد یک آزمایش بوده که یا خیلی خوب یا خیلی بد تمام شده است. در این مورد نتیجه دوم اتفاق افتاد. دانشمند محقق جنل شین، یک شبکه‌ی عصبی را تعلیم داد تا رنگ‌های جدیدی بسازد. گرچه همین الان هم رنگ‌هایی با اسم‌های جالب داریم. مثلا رنگ «سالمون کوستیس» از بنجامین مور؛ ولی نتیجه‌ی این کار کمی متفاوت از آب درآمد. این ربات قرار بود رنگ‌ها و سایه‌های جدید بسازد و برای آنها اسم انتخاب کند؛ اما، رنگ‌ها و اسم‌ها خیلی هماهنگ نبودند.
شاید رنگ آخر به اسم «پشکلی» جور در بیاید؛ اما چطور رنگ «خفاش چمن»، مایل به صورتی است؟ یا مثلا چرا رنگ «برنزه‌ی آرام»، بنفش مایل به آبی است؟ شاید ما هنوز ذوق هنری برای درک این رنگ‌ها را نداریم؛ ولی تا وقتی که این ذوق را پیدا کنیم، این مورد را در دسته‌ی ناموفق قرار می‌دهیم.
۴. اسکار شارپ (Oscar Sharp) و راس گودوین (Ross Goodwin): سان‌اسپرینگ (Sunspring)
فرض کنید که فیلم‌نامه‌ی فیلم‌های کلاسیک مثل گوست باسترز (Ghostbusters) و بلید رانر (Blade Runner) به یک شبکه‌ی عصبی داده شوند. شبکه‌ی عصبی آنها را پردازش کند و خودش یک فیلم‌نامه‌ی جدید بنویسد. به نظرتان چه طور فیلم‌نامه‌ای می‌شود؟ نتیجه‌ی این کار را می‌توانید در فیلم سان‌اسپرینگ مشاهده کنید. فیلم کوتاهی که فیلم‌نامه‌اش توسط یک هوش مصنوعی نوشته شده و دقیقا بر اساس همان فیلم‌نامه، فیلم‌برداری و بازی شده است. اگر شما این فیلم کوتاه را نگاه کنید احتمالا با من هم عقیده خواهید بود که نمی توان این فیلم را یک موفقیت در نظر گرفت.
موفقیت‌های هوش مصنوعی خلاق
۱. پروژه‌ی تحقیقاتی مقدماتی: هکراد (Hack Rod)
ماشین‌های خودران به تازگی خیلی شلوغ کرده‌اند و حتی موضوع بعضی از پرونده‌های قضایی مهم هستند. گوگل، اوبر و لیفت (Lyft یک شرکت مثل اوبر است) سر این‌که چه کسی بر عرصه‌ی خودروهای هوشمند و خودکار فرمانروایی خواهد کرد در حال مبارزه هستند؛ اما، هکراد قبل از تمام آنها بود. هکراد یکی از اولین ماشین‌های مجهز به هوش مصنوعی است. این پروژه در قالب یک طرح جانبی توسط یکی از بنیان‌گذاران شرکت اسباب‌بازی‌سازی متل (Mattel)، به اسم فلیکس هولست (Felix Holst) شروع شد. او در آن زمان روی ماشین‌های اسباب‌بازی هات ویلز (Hot Wheels یک برند ماشین اسباب‌بازی) کار می‌کرد.
در ابتدا فلیکس به کمک یک بنیان‌گذار دیگر شرکت به نام موس مک‌کوی (Mouse McCoy) یک تیم تشکیل دادند تا یک ماشین مسابقه‌ای قدرتمند بسازند. این ماشین بعدا توسط یک انسان در صحرای موهو (Mojave Desert) رانده شد. نکته‌ی جالب اینجاست. این تیم موفق شدند امواج مغزی راننده را ضبط کنند. اطلاعاتی هم توسط سنسورهایی که روی ماشین نصب شده بودند، به دست آمدند. این دو با هم پایه‌ی یک سیستم یادگیری ماشینی شدند که مجله‌ی فست کامپنی (Fast Company) از آن، به عنوان سیستم عصبی خودرو یاد کرد.
هکراد اخیرا در خبرهای مربوط به خودروهای هوشمند حضور ندارد؛ اما، بدون شک راه را برای دیگر خودروها هموار کرد.
۲. منی تن (Manny Tan) و کایل مک‌دانلد (Kyle McDonald): دستگاه طبل بی‌نهایت
شاید در مورد آهنگ‌هایی که توسط هوش مصنوعی ساخته می‌شود شنیده باشید. مثل امیلی هول (Emily Howell)، دستگاه سازنده‌ی موسیقی کلاسیک، ساخته شده توسط پروفسور امریتس دیوید کوپ (Emeritus David Cope) از دانشگاه UCSC در کالیفرنیا.
مثال‌های زیادی از دستگاه‌های ساخت موسیقی به کمک هوش مصنوعی وجود ندارد که به کاربر اجازه دهند اثر چالبی خلق کند. اینجاست که دستگاه طبل بی‌نهایت وارد صحنه می‌شود. این دستگاه یک آزمایش هوش مصنوعی است که به کمک یادگیری ماشینی، هزاران صدایی که ما در زندگی روزمره خود می‌شنویم را ضبط می‌کند. مثل صدای باز شدن یک بسته چیپس یا باز شدن در کابینت. این دستگاه این صداها را مرتب کرده و با آنها الگو می‌سازد. و با کمک سایت آزمایش‌های هوش مصنوعی گوگل، طرفداران تکنولوژی مثل ما می‌توانند با آن کمی بازی کنند
۳. آزمایش خلاق گوگل: اتودرا (AutoDraw)
ما این مورد را یک موفقیت به حساب می‌آوریم چون راه و سرگرمی مناسبی برای گذراندن وقت است. مخصوصا وقتی که قرار نیست وقت‌گذرانی کنیم!
اتودرا که یکی دیگر از آزمایش‌های هوش مصنوعی گوگل است، با استفاده از یادگیری ماشینی به نقاش‌های تازه‌کار یا کسانی که از خط خطی کردن خوششان می‌آید، کمک می‌کند تا نقاشی‌های بهتر و با کیفیت‌تری بکشند. اتودرا سعی می‌کند تشخیص دهد که شما چه چیزی کشیده‌اید!
باز سوال خود را تکرار می‌کنیم. آیا هوش مصنوعی می‌تواند خلاق باشد؟ بله می‌تواند. ولی هنوز به مرحله‌ای نرسیده که بتواند کارهای یک انسان مثل نوشتن فیلم‌نامه، ساخت و نام‌گذاری رنگ یا تقلید یک نوجوان بدون توهین به دیگران را انجام دهد. آیا به زودی به آن مرحله دست می‌یابد؟ شاید. ولی تا روزی که هوش مصنوعی خلاق شود، ما فیلم سان‌اسپرینگ را به عنوان مدرک نگه می‌داریم!
منبع: HUBSPOT
شدیدا عالی بود خیلییییی دمتون گرم