آیا هوش مصنوعی زودتر از آنچه تصور می‌کنیم، شغل‌های ما را خواهد گرفت؟

در ماه مه سال ۲۰۱۸،  تیپسی، ربات متصدی کافه، تقریبا تمامی کافه‌ها و رستوران‌های لاس‌وگاس را به مرز تعطیلی کشاند. تیپسی، درواقع یک دستگاه مخلوط‌کن خودکار است که برای تهیه‌‌ی یک کوکتل سفارشی، بدون نیاز به دخالت دست انسان به کار می‌رود. پیش‌‌خدمت‌‌ها هنوز نوشیدنی‌ها را سر میز مشتری‌‌های خود می‌آورند، هرچند که مشتریان سفارش‌‌های خود را از طریق تبلت، ثبت می‌‌کنند. ترس از آینده‌‌ای پر از هزاران تیپسی، باعث نگرانی شدید اتحادیه‌‌ی آشپزی با ۳۸ هزار عضو شده است. در واکنش به این رویداد، این اتحادیه تا مرز اعتصاب پیش رفت. بی‌‌تردید آنچه آن روز دیده شد، خاطره‌‌ی شورش‌‌ کارگران صنعت ریسندگی را طی روزهای اول انقلاب صنعتی در اذهان زنده کرد.

هنوز در مورد اینکه آیا بالاخره ربات‌ها، مشاغل ما را تصاحب خواهند کرد یا خیر، اجماع عمومی حاصل نشده است؛ اما به‌نظر می‌‌رسد این گرایش، بیشتر به‌‌‌‌سوی واگذاری مشاغل به ربات‌‌ها باشد. افراد خوش‌‌بین‌‌تر بر این باورند که همانند انقلاب صنعتی و انقلاب کشاورزی، پیشرفت‌های تکنولوژیکی که از عصر ظهور هوش مصنوعی (و انشعاب آن در ربات‌های امروزی حاصل می‌شود)، مشاغل جدید بیشتری را نسبت به مشاغلی از دست می‌‌روند، تولید خواهند کرد.

اما تاکنون، به این نتیجه رسیده‌‌ایم که ربات‌ها و هوش مصنوعی در برخی از موارد جایگزین مشاغل انسانی خواهند شد. با این حال، با نگاهی به پیشرفت‌‌های اخیر هوش مصنوعی و صنعت رباتیک، شاید دریابیم که در پس این ترس و وحشت، دلیلی منطقی وجود دارد. چه می‌‌شود اگر ربات‌ها و هوش مصنوعی پیش‌‌تر از این، تصاحب مشاغل ما را آغاز کرده باشند و این اتفاق نه به‌‌خاطر چنداتوماسیون ساده، بلکه به‌‌دلیل پیشرفت توانایی‌‌های ربات‌‌ها در انجام اموری باشد که روزی تنها از عهده‌‌ی انسان‌‌ها برمی‌‌آمدند؟

در حقیقت، دایره‌‌ی اموری که هوش مصنوعی نمی‌تواند انجام دهد، به‌‌طور پیوسته در حال کوچک‌‌تر شدن است. این‌‌ وظایف فعلا محدود هستند. اما چه می‌‌شود اگر روزی بفهمیم که درباره‌‌ی توانایی‌‌های خاص نوع بشر، دیدگاهی اغراق‌‌آمیز داشته‌‌ایم و تنها با کمی پیشرفتی دیگر، هوش مصنوعی از پس همه‌‌ی این قابلیت‌‌های ویژه‌‌ی نوع بشر برخواهد آمد؟

ربات‌ها در پختن غذایتان پیشرفت کرده‌‌اند

نگاهی به این موارد بیاندازید: ربات آشپز مخصوص پخت همبرگر، یک سیستم بسته‌بندی تکه‌‌های مرغ و گروهی از پنج شبکه‌‌ی عصبی که از هوش مصنوعی برای انجام بازی «دوتا» (Dota) در برابر رقبای انسانی استفاده می‌کنند.

این‌‌ها چه نقطه‌‌ی مشترکی دارند؟ این‌‌ها همه چند نمونه از سیستم‌هایی هستند که هم‌‌اکنون می‌توانند کارهایی را انجام دهند که تا چند سال پیش، از حوزه‌‌ی کارکرد هوش مصنوعی کاملا خارج بود.

نام این ربات آشپز در پخت همبرگر و استاد سیب‌‌زمینی سرخ‌‌کرده، فیلیپی از صنایع روباتیک میسکو است. فیلیپی با یک چرخش، همبرگر را برمی‌دارد و به آرامی پنیر را روی آن می‌‌گذارد. این ربات از حسگر مادون‌ قرمز برای تعیین دمای مرغ و همبرگر روی توری استفاده می‌کند و غذا را در بهترین زمان ممکن (از لحاظ پخت و طعم)، از روی توری برمی‌‌دارد. میسکو هم‌اکنون از حدود ۶۰ دستگاه پخت تنوری همبرگر در رستوران‌‌های سراسر جهان بهره‌‌برداری کرده؛ پخت تنوری یک کار کثیف، کسل‌کننده و خطرناک اما در عین حال، دارای پیچیدگی‌هایی قابل‌توجه است.

مقاله‌های مرتبط:

• چگونه برای ورود ربات‌ها به دنیای کسب‌وکار آماده شویم
• انقلاب رباتیکی آسیا چه پیامدی برای کارگران دارد
• مهارت‌هایی که در آینده با اتوماسیون از بین نمی‌روند

میسکو باید با انسان‌ها، شرایط غیرقابل‌پیش‌بینی، با انواع بافت‌ها و نیز شکل‌های تقریبا ناهمگن تعامل داشته باشد و همچنین باید در فضایی سه‌بعدی کار کند که در آن امکان آسیب وارد کردن به اشیای دیگر وجود دارد. این، یک هوش مصنوعی یا هوش فوق بشری نیست؛ اما در شرایطی غیرقابل‌پیش‌بینی، دقیقا همان کارهای تکراری، کثیف و خطرناکی را انجام می‌‌دهد که روزی تصور می‌‌شد تنها در حیطه‌‌ی وظایف انسان‌‌هاست. یک میسکو بیش از ۱۰۰ هزار دلار هزینه دارد؛ اما دیگر نیاز به رفتن به تعطیلات ندارد، دستمزدی نمی‌‌خواهد و بدون شکایت کردن در یک شیفت ۲۴ ساعته کار می‌‌کند. به‌‌علاوه، این نوع مشاغل بازدهی بالایی دارند و هم‌اکنون، امکان جذب نیرو در رستوران‌‌های فست فود، بسیار سخت شده است.

سیستم بسته‌بندی قطعات مرغ از محصولات شرکت اوسارو است. شرکتی که بر ترکیب یادگیری عمیق و رباتیک صنعتی تمرکز دارد. تشخیص و رسیدگی به اشکال نامنظم و قرار دادن آن‌ها در داخل جعبه‌ها یا بسته‌ها از دیرباز مورد تمرکز ربات‌های صنعتی بوده‌ است. در اینجا، ربات با اشیایی لغزنده سروکار دارد که به‌‌راحتی می‌توانند له شوند؛ این شگفت‌انگیز است. اوسارو حتی به آموزش زیادی از سوی انسان‌ها نیاز نداشت. او می‌‌توانست به خودش یاد دهد که چگونه اشکال نامنظم مرغ را به آرامی بگیرد و آن‌ها را بسته‌‌بندی کند. این نوع یادگیری تقویتی از صفر، ما را به یادگیری عمومی در هوش مصنوعی نزدیک‌تر می‌کند. یادگیری وظایف از صفر ممکن است شامل یک خط مونتاژ ساده، آماده‌سازی غذا یا وظایفی مانند بسته‌بندی باشند.

پیش‌بینی درآمد جهانی از محل هوش مصنوعی در سال‌های ۲۰۱۶ الی ۲۰۲۵

Dota و Go؛ چگونه ربات‌ها در بازی‌های پیچیده برتری یافتند

تیم بازی «دوتا»، در نتیجه‌‌ی تلاش دانشمندان هوش مصنوعی در بنیاد OpenAI ایجاد شد؛ بنیادی که حمایت مالی آن به‌‌عهده‌‌ی ایلان ماسک است و وظیفه دارد تا تضمین کند که نوع بشر توسط یک گونه‌‌ی ابرهوش نابود نشود و در کنار آن، منافع حاصل از هوش مصنوعی به‌طور مساوی در میان ملت‌ها و بشریت توزیع گردد. این تیم متشکل از پنج سیستم مختلف هوش مصنوعی بود که یاد گرفته بودند با یکدیگر همکاری کنند تا بتوانند یک تیم متشکل از پنج انسان را در یک بازی چند نفره‌‌ی پیچیده شکست دهند. البته رقبای انسانی در سطح بازیکنان بسیار عالی نبودند، اما برای این بازی، بازیکنانی حرفه‌‌ای محسوب می‌‌شدند.

آنچه که ما در مورد توانایی‌‌های هوش مصنوعی تصور نمی‌کردیم، انجام کار گروهی در امور تقریبا بدون ساختار بود. در حقیقت کار گروهی به‌عنوان یک مهارت مدیریتی خلاقانه در نظر گرفته می‌شود که سیستم‌های هوش مصنوعی باید برای مطابقت با آن تلاش کنند. مسلما یک تیم پیروز در بازی دوتا، تیمی است در یک قلمرو محدود در کار گروهی موفق شده باشد. به‌نظر می‌‌رسد که اگر به همین ترتیب، وظایف واقعی کارمندان «یقه‌‌سفید» مشغول در شرکت‌‌ها را تفکیک کنیم، بعید است محیط و کار تیمی مورد نیاز برای انجام آن‌ها، پیچیده‌‌تر از شرایط یک بازی مانند «دوتا» باشد.

حرکت هوش مصنوعی در بازی Go، حیرت مربیان انسانی این پروژه را نیز برانگیخت

دانشمندان بر این باور بودند که یک هوش مصنوعی تا سال ۲۰۲۰ نخواهد توانست یک استاد بازی Go را شکست دهد؛  اما پروژه آلفاگو ازشرکت دیپ ماینددر سال ۲۰۱۶، موفق به انجام این کار شد. شگفت‌‌انگیز آنکه این دستاورد با نشانه‌هایی از ظهور هوشی که از خلاقیت ذاتی ناشی می‌شود، محقق شده است و نه صرفا با کپی کردن تمام حرکات ثبت‌شده در میلیون ها ساعت از بازی‌های انسانی.

دیپ مایند، در حرکتی معروف به «حرکت ۳۷»، رفتاری را از خود نشان داد که باعث شگفتی مربیان انسانی خود شد. این حرکت به‌حدی بهت‌‌آور بود که حریف دیپ مایند، استاد کره‌‌ای بازی Go، لی سیدول، احساس کرد که مجبور است اتاق را ترک کند تا خود را جمع‌و‌جور کند. از آن زمان، دیپ مایند انواعی از سیستم‌های آلفاگو را ساخته‌ است که دیگر نیازی به یک مجموعه‌‌ی داده‌‌ی آموزشی ندارند، بلکه در عوض، به آن آموزش داده‌اند تا با یک سری از بازی‌های پایان‌ناپذیر علیه خودش بازی کند. این نسخه جدیدتر از آلفاگو به‌راحتی سیستم اصلی را شکست داد.

هیچ یک از این موارد، بر آن دلالت ندارند که هوش مصنوعی و روبات‌ها در یک قدمی دستیابی به هوش فراگیر یا جایگزینی با انسان‌‌ها هستند. سیستم‌های ربات‌ها و هوش مصنوعی، هنوز شکننده هستند و قادر به رسیدگی به موارد استثناء در خارج از محدوده‌‌ای خاص نیستند. با این حال، شاید آن دسته از مهارت‌ها و توانایی‌های انسانی که ما باور داشتیم تنها توسط نوع بشر قابل انجام هستند، بسیار محدودتر از تصور پیشین ما بوده‌‌اند. چه اتفاقی می‌‌افتد اگر مهارت‌های بشر محوری مانند «همدلی» و «مدیریت»، بیشتر از  آنچه در ابتدا تصور می‌کردیم، با هوش مصنوعی سازگاری داشته باشند؟ ما این مورد را زودتر از آنکه بتوانیم درک کنیم، عینا خواهیم دید.

انسان‌ها به هوش مصنوعی، بیش از همنوعان خود اعتماد دارند

استارتاپ‌‌هایی نظیر Woebot در حال ساخت ربات‌‌های سلامت روان و مشاور هستند که به بیماران افسرده و غمگین کمک می‌کند تا با مشکلات خود مقابله کنند. در حالی که ممکن است فکر کنید که تماس انسانی، بخش مهمی از مشاوره را تشکیل می‌‌دهد؛ شواهدی دال بر این موضوع وجود دارند که انسان‌ها ممکن است نسبت به ورودی‌ها و مکالمات کاملا بی‌‌طرفانه‌ی ماشین، بازخورد بهتری نشان دهند.

بینایی رایانه‌ای و تشخیص چهره می‌تواند با ربات‌‌های اشاره‌‌گر ترکیب شوند تا تقلیدی از رفتارهای همدلی را به نمایش بگذارند. پرونده‌‌ی الی را در نظر بگیرید؛ آواتاری که برای کمک به سربازان برای صحبت در مورد اختلال استرسی پس از آسیب روانی (PTSD) طراحی شده است. با استناد به مقاله‌‌ای از وایرد، الی از بینایی ماشینی برای ترجمه‌‌ی اشارات کلامی و چهره‌‌ی داوطلبان استفاده می‌‌کند و به‌‌صورت فعالانه به آن‌‌ها پاسخ می‌‌دهد. به‌‌عنوان مثال، الی نه تنها می‌‌داند که چگونه حرکات نشان‌‌دهنده‌‌ی همدردی مانند تکان دادن سر، لبخند، یا زمزمه کردن برخی از عبارات را (هنگام گوش دادن به یک داستان حساس) انجام دهد، همچنین به زمان اجرای این حرکات نیز واقف است.

در حقیقت، ما تا حدودی آگاه هستیم که انسان‌ها ترجیح می‌دهند که پرسش‌‌های حساس‌‌تر خود را به‌جای انسان‌های دیگر، از ماشین‌ها بپرسند. این دقیقا همان چیزی است که کارشناس اطلاعات گوگل، سث استیفنز داویدویدز، در کتاب جنجالی خود با نام «همه دروغ می‌‌گویند» عنوان کرده است؛ بنابراین دور از ذهن نیست که روزی ربات‌‌ها و هوش مصنوعی برای گفتگوهای صمیمانه نسبت به انسان‌‌ها ارجحیت پیدا کنند.

برای جایگزین شدن ربات‌‌ها، نیازی به برتری نیست

تنها کافی است که ربات‌‌ها «به‌‌اندازه‌‌ی کافی» خوب باشند. برای موفقیت، نیازی به برتری کامل نسبت به توانایی‌های انسان نیست؛ همان‌‌گونه که VHS نیز فرمت بتامکس را با وجود کیفیت ویدئویی پایین‌‌تر شکست داد. ما این موضوع را قبلا در حوزه‌‌های دیگر نیز شاهد بوده‌‌ایم. سیستم‌های خودکار پشتیبانی مشتری، بار سنگینی را از دوش از انسان‌ها برداشته‌‌اند،؛ حتی با وجود اینکه نسبت به انسان‌‌ها از دقت و تعامل کمتری برخوردار بودند. درست است که ربات سرو قهوه در کافه‌‌ی X در سانفرانسیسکو، قادر به رسیدگی به یک سفارش قهوه از نوع آئروپرس نیست؛ اما این موضوع برای اغلب افرادی که آنجا کاپوچینو یا امریکانو سفارش می‌‌دهند، اهمیتی ندارد. با همین توجیه، می‌‌توان گفت که یک هوش مصنوعی با قابلیت مدیریت یک گروه از بازاریابان انسانی، نیازی ندارد که بهترین مدیر حال حاضر باشد. تنها لازم است که این مدیر، به‌‌اندازه‌‌ی کافی خوب باشد تا رسیدن شرکت به اهداف فروش میسر شود.

تفاوت فاحشی بین شکست دادن انسان‌ها در بازی «دوتا» و مدیریت یک تیم بازاریابی وجود دارد. تیم دوتا از شرکت OpenAI، به توان پردازشی معادل ۱۲۸ هزار رایانه و و ۲۵۶ پردازنده‌‌ی گرافیکی برای رقابت نیاز داشت؛ بنابراین تا رسیدن به یک ابرهوش با قدرت فهمی فراگیر در حوزه‌‌ی هوش مصنوعی، هنوز فاصله‌‌ی زیادی داریم. اما باید پذیرفت که یک تیم بازاریابی در یک محیط ساختار یافته فعالیت می‌کند و عناصر بازی Go احتمالا به‌‌مراتب پیچیده‌تر از شرایط حضور در یک ساختمان و اجرای کمپین های بازاریابی بوده‌‌اند. «دوتا» انجام حدود ۱۰۰۰ فعالیت را در یک‌‌هشتم از هر بخش ممکن می‌‌کند و از لحاظ محیط تصمیم‌‌گیری، شباهت بسیار بیشتری به دنیای واقعی دارد تا یک بازی شطرنج ساده.