3 مشکل مهم با هوش مصنوعی نسلی که هنوز حل نشده اند
پذیرش هوش مصنوعی مولد در فناوری به طور بالقوه مهم تر از زمانی است که اینترنت معرفی شد. این مانع از اکثر تلاشهای خلاقانه میشود و آنقدر که تا پایان دهه خواهد بود، توانایی ندارد.
ژنرال هوش مصنوعی ما را وادار می کند که در نحوه ارتباط، نحوه همکاری، نحوه ایجاد، نحوه حل مشکلات، نحوه حکومت و حتی نحوه و اینکه آیا سفر می کنیم تجدید نظر کنیم – و این دور از فهرست جامع است. من انتظار دارم که وقتی این فناوری به بلوغ رسید، لیست چیزهایی که تغییر نکرده اند بسیار کوتاهتر از لیست چیزهایی باشد که تغییر کرده اند.
این هفته میخواهم روی سه چیز تمرکز کنم که باید درباره آن بحث کنیم که نشاندهنده برخی از خطرات بزرگتر هوش مصنوعی مولد است. من نه مخالف تکنولوژی هستم و نه آنقدر احمق هستم که پیشنهاد توقف آن را بدهم، زیرا توقف آن اکنون غیرممکن است.
آنچه من پیشنهاد می کنم این است که ما شروع به کاهش این مشکلات قبل از اینکه آسیب قابل توجهی ایجاد کنند، در نظر بگیریم. سه مسئله بارگذاری مرکز داده، امنیت و آسیب لینک است.
ما با محصول هفته من، که مسلماً بهترین شاسی بلند الکتریکی است که به بازار می آید، به پایان می رسیم. من ناگهان در بازار یک ماشین الکتریکی جدید هستم، اما بعداً در مورد آن بیشتر توضیح خواهیم داد.
مرکز داده در حال بارگیری است
با وجود همه هیاهوها، افراد کمی هنوز از هوش مصنوعی مولد استفاده می کنند، چه رسد به اینکه از آن تا حد توان خود استفاده کنند. این فناوری به پردازندهها و دادههای زیادی نیاز دارد، اما بسیار متمرکز بر شخصی است، بنابراین استقرار آن صرفاً در فضای ابری امکانپذیر نیست، عمدتاً به این دلیل که اندازه، هزینه و تأخیر ناشی از آن ناپایدار است.
همانطور که ما با سایر برنامه های کاربردی متمرکز بر داده ها و عملکرد انجام دادیم، بهترین رویکرد احتمالا ترکیبی است که در آن قدرت پردازش نزدیک به کاربر نگه داشته شود. با این حال، داده های انبوهی که نیاز به به روز رسانی تهاجمی دارند، باید به صورت متمرکز بارگذاری شوند و برای محافظت از ظرفیت های ذخیره سازی محدود دستگاه های مشتری، تلفن های هوشمند و رایانه ها، بیشتر مورد دسترسی قرار گیرند.
اما از آنجایی که ما در مورد یک سیستم به طور فزاینده هوشمند صحبت می کنیم که گاهی اوقات – مانند زمانی که برای بازی، ترجمه یا تماس استفاده می شود – به تاخیر بسیار کمی نیاز دارد. نحوه تقسیم بار بدون آسیب رساندن به عملکرد احتمالاً تعیین کننده موفقیت آمیز بودن پیاده سازی است.
دستیابی به تأخیر کم آسان نخواهد بود زیرا اگرچه فناوری بی سیم بهبود یافته است، اما به دلیل آب و هوا، برج یا قرارگیری کاربر، قطعی تعمیر و نگهداری ناشی از بلایای مصنوعی یا طبیعی و پوشش جهانی کمتر از حد کامل می تواند غیرقابل اعتماد باشد. هوش مصنوعی باید هم به صورت آنلاین و هم آفلاین کار کند و در عین حال ترافیک داده را محدود کند و از قطعی های فاجعه بار جلوگیری کند.
حتی اگر بتوانیم همه اینها را متمرکز کنیم، هزینه بسیار زیاد خواهد بود، اگرچه ما از عملکرد دستگاههای شخصیمان کم استفاده کردهایم که میتواند بسیاری از این هزینهها را کاهش دهد. کوالکام یکی از اولین شرکت هایی بود که این مشکل را علامت گذاری کرد و سخت در تلاش است تا آن را برطرف کند. با توجه به سرعت پیشرفت هوش مصنوعی مولد و سرعت نسبتاً کندی توسعه و عرضه فناوری مانند این به بازار، انتظار میرود که خیلی دیر باشد.
امنیت
من یک حسابرس داخلی متخصص در امنیت و یک تحلیلگر رقابتی بودم که به روش های قانونی برای نفوذ در امنیت آموزش دیده بود. من یاد گرفتم که اگر کسی بتواند داده های کافی به دست آورد، می تواند داده هایی را که به آنها دسترسی ندارد با دقت بیشتری ارزیابی کند.
به عنوان مثال، اگر میانگین تعداد خودروهای موجود در یک پارکینگ شرکتی را بدانید، می توانید با دقت معقولی تعداد کارکنان شرکت را تخمین بزنید. به طور کلی، میتوانید رسانههای اجتماعی را اسکن کنید و علایق کارمندان برتر شرکت را درک کنید، و میتوانید موقعیتهای شغلی خالی را برای تعیین انواع محصولات آینده که شرکت احتمالاً در حال توسعه است، نظارت کنید.
این مدلهای زبانی بزرگ، حجم عظیمی از دادهها را جمعآوری میکنند، و من انتظار دارم که بسیاری از آنچه که این LLMها اسکن میکنند محرمانه باشد یا باید محرمانه باشد. همچنین، اگر اطلاعات کافی جمع آوری شود، شکاف های ناشی از آنچه اسکن نشده است، به طور فزاینده ای امکان پذیر خواهد بود.
این سناریو فقط برای اطلاعات شرکت اعمال نمی شود. با توجه به نوع اطلاعات شخصی که به راحتی در دسترس است، ما می توانیم اطلاعات بیشتری را در مورد زندگی خصوصی کاربران تعیین کنیم.
کارفرمایان می توانند با دقت بیشتری افشاگران، کارکنان ناراضی یا بی وفا، تخلفات کارکنان و کارمندانی که به طور غیرقانونی از شرکت سوء استفاده می کنند، شناسایی کنند. دفاع در برابر یک نهاد متخاصم که اطلاعات محرمانه ای در مورد شما، شرکت یا حتی دولت شما استخراج می کند، با دقت بسیار بیشتری نسبت به آنچه که من به عنوان یک حسابرس یا تحلیلگر رقابتی خیالم را راحت می کردم، عملی تر می شود.
بهترین دفاع احتمالاً به اندازه کافی اطلاعات نادرست ایجاد می کند که ابزارها نمی دانند چه چیزی واقعی است و چه چیزی نیست. با این حال، این مسیر سیستم های هوش مصنوعی مرتبط را به طور کلی بسیار کمتر قابل اعتماد می کند، که اگر فقط رقیب از آن سیستم ها استفاده کند خوب خواهد بود. با این حال، احتمالاً سیستمهای شرکتی را که میخواهد از آن محافظت کند به خطر بیاندازد، که میتواند منجر به افزایش تعداد تصمیمات بد شود.
روابط بین فردی
شرکتهایی مانند Mindverse با MindOS و Suki با آواتارهای کارمند تقویتکنندهاش، استفاده شخصی آینده از هوش مصنوعی مولد را بهعنوان ابزاری که میتواند وانمود کند شما هستید، نشان میدهند. همانطور که ما به تدریج از ابزارهایی مانند این استفاده می کنیم، توانایی ما برای تعیین واقعی و دیجیتالی به شدت کاهش می یابد و نظرات ما در مورد افرادی که از این ابزار استفاده می کنند بیشتر بر روی ابزار منعکس می شود تا شخص.
تصور کنید که دوقلو دیجیتالی شما در حال انجام یک مصاحبه مجازی، چهره حضور شما در یک برنامه دوستیابی یا کنترل بیشتر تعاملات مجازی روزمره شماست. این ابزار سعی میکند به فردی که با آن در تعامل است پاسخگو باشد، هرگز خسته یا کدر نمیشود و به شما آموزش داده میشود که شما را در بهترین حالت ممکن نشان دهد. با این حال، همانطور که در این مسیر پیشرفت می کند، کمتر و کمتر شبیه آنچه شما هستید – و احتمالاً بسیار جالب تر، جذاب تر و متعادل تر از آنچه می توانید باشید خواهد شد.
این باعث ایجاد مشکلاتی میشود، زیرا مانند بازیگرانی که با شخصی قرار میگیرند که عاشق شخصیتی شده است که بازیگر زمانی بازی کرده است، واقعیت باعث جداییهای بعدی و از دست دادن اعتماد میشود.
ساده ترین راه حل این است که یاد بگیرید یا مانند آواتار خود رفتار کنید یا از آن برای تعامل با دوستان و همکاران خود استفاده کنید. من شک دارم که ما هر دو را انجام دهیم، اما این دو رویکرد مؤثر برای کاهش مشکل قریب الوقوع هستند.
خلاصه کردن
هوش مصنوعی مولد شگفت انگیز است و با ورود به بازار و رسیدن کاربران به حجم بحرانی، بهره وری را تا حد زیادی بهبود می بخشد. با این حال، مسائل مهمی وجود دارد که باید مورد توجه قرار گیرد، از جمله بار بیش از حد مرکز داده که باید به راهحلهای ترکیبی در آینده منجر شود، ناتوانی در جلوگیری از استخراج اسرار از این الگوهای زبانی عظیم، و کاهش قابل توجه اعتماد بینفردی.
درک این خطرات آتی باید به اجتناب از آنها کمک کند. با این حال، اصلاحات عالی نیستند، که نشان می دهد ما احتمالاً از برخی از عواقب ناخواسته استفاده از این فناوری پشیمان خواهیم شد.
اقیانوس فیسکر
جگوار I-Pace من ماه گذشته گرد و غبار را به دلیل تصادف یدک کشی که به باتری آن آسیب رساند، گاز گرفت. نتیجه تخمین 100000 دلاری برای تعمیر خودرو بود که اکنون نزدیک به 40000 دلار هزینه دارد. من انتظار دارم USAA، شرکت بیمه من، ماشین را جمع کند. بنابراین، من به دنبال خودروهای برقی پس از فروش بودهام، و در مجموع در دسترس بودن آن بد است.
من احتمالاً یک جگوار I-Pace دیگر میگیرم، زیرا نمیخواهم دوباره ماهها یا سالها برای ماشین خودم منتظر بمانم. من در حال حاضر Volve XC-60 همسرم را به اشتراک میگذارم و زمانی که هر دوی ما به ماشین به طور همزمان نیاز داریم، با مشکلات زمانبندی زیادی مواجه میشوم. من برای خرید یک SUV الکتریکی جدید رفتم و بهترین چیزی که پیدا کردم Fisker Ocean بود.
اقیانوس فیسکر تمام الکتریکی (تصویر: فیسکر)
مانند بسیاری از لوازم الکتریکی، انتظار برای یک دستگاه جدید چند ماه است و من نمی توانم این انتظار را تحمل کنم. از میان خودروهای الکتریکی موجود در سال جاری، Fisker Ocean تمام موارد را مشخص می کند. ویژگی های آن عبارتند از:
- برد 350 مایل (نوار 300 مایل است)
- گوشی هوشمند شما می تواند کلید ماشین شما باشد
- شارژ معکوس برای اینکه ماشین شما بتواند خانه شما را در هنگام قطع برق تامین کند
- زمان قابل توجه 0-60 حدود 3.6 ثانیه (عاشق عملکرد)
- سقف با پنل خورشیدی برای افزایش برد و تامین برق اضطراری
- حالت تبدیل مانند (که واقعا ماشین را باز می کند)
- یکی از تمیزترین طرح های موجود در بازار.
Fisker Ocean خودروی چشمگیر است. اگر می توانستم تا پایان سال صبر کنم تا یکی را تهیه کنم، همان موقع آن را سفارش می دادم. متاسفانه، این مورد نیست. صرف نظر از این، اقیانوس فیسکر همچنان محصول هفته من است.
نظرات بیان شده در این مقاله متعلق به نویسنده است و لزوماً منعکس کننده نظرات شبکه خبری ECT نیست.