از داده های خام تا هوش افزوده انسانی

در این یادداشت علمی به یکی از بنیادی ترین مفاهیم در اکوسیستم هوش مصنوعی و هوش افزوده بپردازم؛ مفهومی که اگرچه کمتر از مدل های نهایی جذاب به نظر می رسد، اما بدون آن، تمامی وعده های هوش مصنوعی توخالی خواهند بود. این مفهوم، «دوگانه داده و الگوریتم» است.

در نگاه اول، ممکن است فناوری های مبتنی بر یادگیری عمیق، جادویی و خودکار به نظر برسند. اما حقیقت این است که این سیستم ها آینه ای تمام نما از داده هایی هستند که با آن ها تغذیه شده اند. یک اصل طلایی در این حوزه وجود دارد: «داده ی بی کیفیت، بینش بی کیفیت به دنبال خواهد داشت». مهم نیست الگوریتم شما چقدر پیچیده، جدید یا پرهزینه باشد؛ اگر داده های شما ناقص، مغرضانه یا نامرتبط باشند، خروجی مدل نیز دقیقا به همان شکل خواهد بود. داده، سوخت و ماده خام اولیه برای آموزش هر سیستم هوشمند است. این داده ها هستند که الگوها، روابط و در نهایت "دانش" را به مدل می آموزند.

نقش الگوریتم های یادگیری عمیق، در واقع نقش یک کیمیاگر بسیار پیشرفته است. این الگوریتم ها، کوه های عظیم داده خام و ساختارنیافته را می گیرند و طی فرآیندی پیچیده، آن ها را تصفیه، تحلیل و پردازش می کنند تا بینش های پنهان در لایه های زیرین آن ها را استخراج کنند. این الگوریتم ها هستند که:

• الگوهای پیچیده در تصاویر پزشکی را برای کمک به تشخیص زودهنگام بیماری ها می یابند.
• روندهای بازارهای مالی را از میان terabytes داده معاملاتی پیش بینی می کنند.
• و معنای پشت زبان طبیعی انسان را درک کرده و پردازش می کنند.

اما هدف نهایی این فرآیند، جایگزینی انسان نیست. فلسفه وجودی این فناوری، در نهایت خلق چیزی است که من از آن تحت عنوان «هوش افزوده» (Augmented Intelligence) یاد می کنم. هوش افزوده، پارادایمی است که در آن هوش مصنوعی نه به عنوان رقیب انسان، بلکه به عنوان یک همکار و تقویت کننده قابلیت های ذهنی او عمل می کند.

سیستم های مبتنی بر هوش افزوده، داده ها را با سرعتی غیرقابل قیاس با مغز انسان پردازش می کنند، تمامی جوانب یک تصمیم را می سنجند، سناریوهای محتمل را شبیه سازی می کنند و در نهایت، گزینه ها، پیش بینی ها و بینش های ارزشمند را به صورت خلاصه و ساختاریافته در اختیار تصمیم گیرنده انسانی قرار می دهند. در این مدل، قضاوت نهایی، خلاقیت، اخلاق مداری و حس انسانی همچنان در اختیار انسان است، اما این تصمیم گیری با پشتوانه یک تحلیل عمیق داده محور تقویت شده است.

به عنوان یک مشاور و مدیر پروژه در حوزه راهکار های هوش مصنوعی، همواره به اعضای تیم فنی ام تاکید می کنم که موفقیت یک پروژه هوش مصنوعی، تنها ۲۰٪ به انتخاب مدل و الگوریتم و ۸۰٪ به جمع آوری، پاک سازی و برچسب زنی داده های باکیفیت و مرتبط بستگی دارد. این سرمایه گذاری روی داده است که مسیر را برای خلق الگوریتم های قدرتمند و در نهایت، تحقق وعده هوش افزوده هموار می سازد.

در پایان، باید یادآور شوم که آینده هوش مصنوعی، آینده ای است که در آن ماشین و انسان در یک همزیستی مسالمت آمیز، یکدیگر را کامل می کنند. آینده از آن هوش مصنوعی نیست، از آن هوش افزوده است؛ جایی که ماشین بینش می دهد و انسان خرد.