مجله عمومی

آیا آینده خود را به دست الگوریتم‌ها بسپاریم؟

بعد از یک روز طوفانی ، بالاخره روی کاناپه می خوابید تا مغزتان را خنک کنید ، اما این ذهن جهنمی تازه شروع شده است. یک بار او وارد جنگ دیروز می شود. نگرانی در مورد خانه آینده ؛ بازگشت به جلسه ماه گذشته و سرانجام برنامه ریزی برای فردا. دانشمندان می گویند وقتی نمی خواهید کاری انجام دهید ، فعالیت ذهن شما به حداکثر می رسد. این فعالیت نوعی سفر در زمان است و به ما قدرت رفتن به آینده را می دهد. استیون جانسون ، نویسنده علوم و کارشناس رسانه ، می گوید ما باید تاریخ فناوری را با “انسان آینده نگر” درک کنیم ، مردی که سنت را پرورش داده و اکنون الگوریتم هایی را برای پیش بینی آینده طراحی می کند.

به گزارش کندوج ، روزنامه “جوان” نیز نوشت: تصور کنید اواخر شب یک روز کاری است و به پیاده روی رفته اید. با رسیدن به مسیر معمول پیاده روی در محله ، از خانه دور نیستید و ناگهان ذهن شما را در یک جلسه مهم قرار می دهد که قرار است هفته آینده برنامه ریزی شود. برای لحظه ای تصور کنید که به درون جهان ارل که توسط کارما هدایت می شود ، منتقل شده اید. – و هنگامی که صحنه را تصور می کنید ، یک لذت لطیف در زندگی شما انتظار می کشد – و امیدوارید که فرصتی برای درخواست افزایش هزینه از رئیس خود داشته باشید. البته نه برای افزایش حقوق از این به بعد ، بلکه در ماه های آینده. برای لحظه ای تصور کنید که به درون جهان ارل که توسط کارما هدایت می شود ، منتقل شده اید. و سال آینده ، شما و همسرتان سرانجام می توانید از شر بازار اجاره خلاص شوید و محله بهتری را در محله مجاور با تحصیلات بهتر خریداری کنید. اما سپس ذهن شما به دنبال مشکلی می رود که اخیراً با آن دست به گریبان بودید: یکی از اعضای تیم شما که با استعداد است اما خلق و خوی دارد. هنگام راه رفتن ، احساس ناخوشایندی را که هنگام آزرده شدن همکار شما در اتاق شما وجود داشت به خاطر بسپارید. جلسه دیگری را تصور کنید که شش ماه بعد جایی که همان رفتار انفجاری اتفاق می افتد ؛ این فقط این بار در حضور مافوق اتفاق می افتد. موج کوچکی از نگرانی ذهن شما را پر می کند. با خود فکر می کنید که شاید او برای این کار چندان مناسب نباشد و این فکر شما را به یاد پنج سال پیش می اندازد که یک کارمند را اخراج کردید. ذهن شما تنش ناخوشایند آن مکالمه را به یاد می آورد و سپس تصور می کنید که چقدر باید تنش و ناراحتی بیشتری داشته باشید که مکالمه مشابهی با کارمند فعلی خود داشته باشید. هرچه ذهن شما از این سناریو عبور می کند ، به وحشت جسمی نزدیک می شوید. فقط در عرض چند دقیقه می توانید چندین تور مختلف از گذشته به آینده انجام دهید: به هفته جاری و جلسه مهم خود ، به یکی دو سال بعد و خانه خریداری شده در محله جدید ، به پنج سال پیش ، به چند هفته بعد شما زنجیره ای از دلایل و عواقب مربوط به این لحظات مختلف را ایجاد می کنید و به آرامی و پیوسته از حوادث بیرونی به سمت رویدادهای خیالی حرکت می کنید. همه این مجموعه ها یک فرم پیشرفته از ژیمناستیک در زمان است. در این لحظات تفکر سازنده ، ذهن ما به سرعت و بین گذشته و آینده حرکت می کند ، همانطور که یک تدوینگر فیلم از چهارچوب یک فیلم به عقب و جلو می رود.

توانایی پیش بینی در بسیاری از انقلاب های اجتماعی و علمی که تاریخ بشر را شکل داده اند ، منعکس شده و تقویت شده است. کشاورزی به خودی خود و بدون آینده عملی قابل تصور نبود: پیش بینی تغییر فصل ها و شامل بهبودهای طولانی مدت مورد انتظار برای یک خانه کشاورزی. سیستم بانکی و اعتباری به اندیشمندانی نیاز داشت که بتوانند ارزش اقتصادی مدرن را فدای احتمال دستاوردهای بیشتر در آینده کنند. ما برای پیش بینی آینده با هدیه ای بی نظیر متولد شدیم ، اما از ابتدای تمدن این هدایا را معرفی کرده ایم. امروزه پیشرفتهای جدیدی در مهندسی مکانیک در افق پدید آمده است که به انسانها برتری نسبت به انواع خاصی از پیش بینیها را می دهد. از آنجا که هوش مصنوعی برای ارتقا capabilities توانایی های اصلی انسانی ما ساخته شده است ، دقیقاً با این س areال روبرو هستیم: اگر بتوانیم آینده را پیش بینی کنیم ، آینده چه خواهد کرد؟

پیش بینی دقیق هوا فقط یکی از اولین دستاوردهای سفر موقت نرم افزار است: الگوریتم هایی که به ما امکان می دهد آینده را ببینیم ، چیزی که فقط چند دهه پیش غیرممکن بود. و سه نویسنده در دانشگاه تورنتو در کتاب مشترک جدید آنها را “فالگیر” خوانده اند. شما می توانید با بررسی انبارهای گسترده داده های رویدادهای گذشته ، الگوریتم هایی را برای پیش بینی وقایع بسیار دقیق در آینده برنامه ریزی کنید. شما می توانید با تجزیه و تحلیل هزاران فروش مسکن و دارایی خریداران و بررسی فرضیه ها با ردیابی بدهکارانی که به طور پیش فرض پیش می آیند ، تاخیر در بازپرداخت وام در آینده را پیش بینی کنید. واضح است که نتیجه آن برنامه ریزی پیش بینی قابل لمس نیست ، بلکه شبیه پیشگویی است که در گزارش های هواشناسی به آن اعتماد می کنیم. این الگوریتم ها می توانند به رفع نقایص خطرناکی که در شبکه پیش فرض وجود دارد کمک کنند: شناخته شده است که افراد هنگام تخمین احتمال رفتار بدی دارند. سیستم های آموزش مکانیکی می توانند در تصمیم گیری های ظریف که به طور بالقوه تعداد زیادی از امکانات مختلف را برطرف می کنند ، کمک بزرگی کنند. افراد بسیار توانایی ساخت همزمان و پرداخت آینده ای خیالی برای جدول زمانی های رقابتی را دارند: در یکی از این جدول های زمانی شما کار جدیدی را پذیرفته اید و در کار دیگر آن را رد کرده اید ، اما ذهن ما در صورت لزوم چندین یا صدها مسیر آینده را دنبال می کند. ، چهره های هوا و صفحات گسترده اما شکارچیان هوش مصنوعی این محدودیت را ندارند و این باعث می شود که آنها بتوانند در تصمیم گیری های مهم زندگی کمک کنند. تصمیماتی که برای تجزیه و تحلیل و تعدادی از آینده های دیگر به داده های ارزشمند طراحی بستگی دارد.

در دهه های آینده ، بسیاری از ما از پیش بینی های یادگیری ماشین برای کمک به ما در تصمیم گیری در مورد انواع زندگی استفاده خواهیم کرد: به عنوان مثال ، تغییر شغل ، بودجه و انتخاب شغل. وقتی می خواهیم بیشتر به پیش بینی های هوش مصنوعی اعتماد کنیم ، تیم های سفر در زمان ما چه اتفاقی می افتند؟ شاید نتیجه این وضعیت وحشتناک یا رهایی یا ترکیبی عجیب از هر دو باشد. اکنون به نظر می رسد اجتناب ناپذیر است که هوش مصنوعی ، قدرت آینده نگر ما را به روشی جدید و هدفمند ، خوب یا بد تحول می دهد ، اما خوب است که فکر کنیم همه فناوری هایی که در آغاز درک شبکه پیش فرض به ما کمک می کنند. این ما را به ریشه هایمان بازگرداند: به ذهنمان فرصت بیشتری برای پرسه زدن ، فرار از قید مدرنیته و ظهور از این لحظه بدهیم.

ترجمه شده توسط وب مترجم / نویسنده استیون جانسون / ترجمه: علی کوچکی / مرجع: نیویورک تایمز

انتهای پیام

دیدگاهتان را بنویسید

دکمه بازگشت به بالا