در نشست هوش مصنوعی مطرح شد؛
چالش کپی رایت در عصر هوش مصنوعی
به گزارش پرتوبلاگ، یک کارشناس هوش مصنوعی کپی رایت را بزرگ ترین مشکل در عرصه تولید محتوا و رسانه معرفی نمود که ثبت و اجرای آن در ایران هم مشکل است.
به گزارش پرتوبلاگ به نقل از پژوهشکده سیاست گذاری دانشگاه شریف، نشست «هوش مصنوعی در صنایع خلاق؛ کاربردها، فرصت ها و تهدیدها» به میزبانی اندیشکده حرف برگزار گردید.
در این نشست پدرام عبدالحی، کارشناس هوش مصنوعی، سید محمدمهدی فیروزآبادی، پژوهشگر دکتری علوم شناختی و فعال صنعت توریسم الکترونیک و سعید علی اکبر، مدیر تحلیل داده گروه سیاست پژوهی و تحلیل داده نمافر که از صاحب نظران و فعالان حوزه هوش مصنوعی و صنایع خلاق حضور داشتند. هدف از برگزاری این نشست بررسی دو زیرمجموعه صنایع خلاق شامل صنعت توریسم و رسانه از منظر فناوری هوش مصنوعی بود که مهمانان به طرح فرصت ها و تهدیدهایی که در این عرصه وجود دارد پرداختند.
سید محمدمهدی فیروزآبادی، پژوهشگر دکتری علوم شناختی در ابتدا تعریفی از هوش مصنوعی بیان کرد به قول وی هوش مصنوعی، هوشی است که ساخته بشر است و کار آدم های باهوش را انجام می دهد.
فیروزآبادی در مورد دیدگاه سنتی نسبت به هوش مصنوعی اظهار داشت: در دیدگاه سنتی به هوش، ما تست های آی کیو را داشتیم، یک پله جلوتر از آن یعنی اواسط قرن بیستم شروع کردند به هوش جدی تر نگاه کنند و در روانشناسی هوش چندگانه را مطرح نمودند جلوتر که آمدند نظریات هوش احساسی را مطرح نمودند و در اواخر قرن بیستم رشته علوم شناختی آغاز به رشد کرد.
وی هدف رشته علوم شناختی را معرفی سازوکارهای شناختی انسان در خصوص اینکه چطور دنیا را از بیرون درک می کند که تبدیل به احساسات و تصمیم ها می شود معرفی نمود و اضافه کرد: علوم شناختی بعنوان میان رشته ای در کنار ابزارهای مهندسی و روانشناسی است که انسان به کمک آنها می تواند هوش را بهتر بشناسد.
فیروزآبادی اظهار داشت: رشته علوم شناختی گزاره های گوناگونی به انسان داده است مانند این گزاره که هوش لزوما مفهومی نیست که تعریف یونیورسال داشته باشد و در واقع هوش انطباق انسان با محیط است. اگر این دیدگاه را به هوش داشته باشیم و همین ملاحظات را در بررسی هوش مصنوعی به کار ببریم خیلی به ما توفیق می دهد.
فیروزآبادی از توسعه هوش مصنوعی در خلال بیست سال گذشته گفت و اضافه کرد: اگر ما با تکنولوژی هوش مصنوعی به سان یک انسان برخورد نماییم در ابعاد مختلف آن در یک سری از موارد عقب و در یک سری از موارد جلو است.
در ادامه پدرام عبدالحی اظهار داشت: دسته بندی های مختلفی از هوش مصنوعی وجود دارد که دسته بندی هوش مصنوعی بر مبنای سطح آگاهی یکی از این قسم ها است که شامل سه دسته ی هوش مصنوعی ضعیف، هوش مصنوعی قوی یا همان هوش مصنوعی جنرال و ابرهوش یا Super Intelligence است.
وی در مورد عملکرد هوش مصنوعی جنرال اظهار داشت: هوش مصنوعی عمومی در تمامی کارکردهای ذهنی انسان نظیر تشخیص الگو، تکلم، فهم زبان، تصویر، ویدیو، فهم و انجام انجام حرکت نزدیک به سطح عملکرد انسان متوسط عمل می کند که البته این مورد فعلاً در فاز نظریه است و هوش مصنوعی وجود ندارد که صد در صد به این رسیده باشد.
عبدالحی، Super Intelligence یا ابرهوش مصنوعی را در تمام کارکردهای ذهنی از انسان باهوش تر خواند و اظهار داشت: ابرهوش مصنوعی در توانایی حرکت از حرفه ای ترین ورزشکاران بهتر حرکت خواهد نمود و زمان پاسخگویی آن بالاتر خواهد بود یا از بهترین فیلسوفان منطق بهتری خواهد داشت البته باید به این مورد توجه کرد که ابرهوش مصنوعی هم در فاز تئوریک می باشد.
وی هوش مصنوعی موجود هم اکنون را از نوع هوش مصنوعی ضعیف یا باریک خواند و افزود: تلاش داریم به سمت هوش مصنوعی جنرال برویم.
این کارشناس در پاسخ به این سؤال که آیا هوش مصنوعی هم مانند انسان خلاق است، اظهار داشت: ابتدا باید منظور از واژه خلاق مشخص شود و با فرض گرفتن این که تعریف از خلاقیت، دادن خروجی جدید از داشته های قبلی ذهن است، بله هوش مصنوعی کاملا خلاق است. ولی اگر بگوییم خلاقیت اینست که کاملا یک چیز جدیدی را به وجود آورد که انقلابی و متفاوت باشد و چند چیز را کنار هم تجمیع نکرده باشد خیر هوش مصنوعی خلاق نیست و این مورد که Super Intelligence خلاقیتش فراتر از انسان هم خواهد رفت به صورت تئوریک فرضیه سازی شده است.
سعید علی اکبر، گروه سیاست پژوهی و تحلیل داده نمافر با تاکید بر این که در مهم ترین برهه هوش مصنوعی هستیم و زندگی روزمره ما درگیر با آن است، اظهار داشت: شما یک سری داده دارید که قبلا ساخته شده است و بر اساس آن داده ها یک مدل ریاضی، جبر خطی، آمار و احتمال و... را توسعه می دهید که هوش مصنوعی بر اساس آن مدل یاد می گیرد و یا توانایی تشخیص الگوها را پیدا می کند.
وی اضافه کرد: فرآیند پیشرفت هوش مصنوعی سه موج دارد که طی این دوره ها یک انقلابی می شود و فرآیند پیشرفت تا مدتی ادامه دارد و باردیگر فریز می شوند و فرآیند آن وارد فصل زمستان خود می شود.
علی اکبر شروع نخستین موج هوش مصنوعی را سال ۱۹۵۰ بیان کرد و اظهار داشت: سال ۱۹۸۰ را شروع مدل الگوریتمی کلاسیک یادگیری ماشین است که به واسطه کامپیوترها دارای توان پردازشی بیش تری شدند. تا این که این فرآیند تا دهه ۱۹۹۰ ادامه پیدا می کند و الگوریتم های مختلف شکل می گیرد و بیزینس های مختلف از آن استفاده می نمایند و باردیگر در آن مرحله فریز می شود گویا که به حداکثر بلوغ خود می رسد این فرآیند تا ۲۰۰۸، ۲۰۰۹ و ۲۰۱۲ ادامه خواهد یافت و بعد مفهومی به نام دیپ لرنینگ معرفی می شود که دیپ لرنینگ یک فتح باب جدیدی در پردازش داده های زیاد به وجود می آورد. مدلی که دیپ لرنینگ بر مبنای آن توسعه داده شده است خیلی پیشتر و در دهه های قبل وجود داشته است منتها به علت نبودن توان پردازشی مفقود باقی مانده بود و سال ۲۰۱۲ جی پی آر وارد گرافیک ها شد و چیبست های مخصوص هوش مصنوعی تولید شدند و به دنبال آن این مدل آغاز به توسعه کرد و به شکلی موج سوم هوش مصنوعی در این چند دهه اخیر از سال ۲۰۱۲ شروع شد.
در ادامه علی اکبر از نمونه کارهایی که در نمافر با اتکا بر هوش مصنوعی انجام دادند صحبت کرد و اظهار داشت: ما در نمافر از ابزارهایی که توسعه داده شده است و مجانی وجود دارد برای حداکثر کردن بهره وری استفاده می نماییم بعنوان مثال وقتی می خواهیم دیتایی را از توییتر تحلیل نماییم اگر مانند پژوهشگران اجتماعی بخواهیم نمونه گیری نماییم پلتفرمی که این کار را خیلی خوب انجام می دهد و به دوستان هم پیشنهاد می دهم پلت فرم کلاد است که در درک زبان فارسی هم فوق العاده عمل می کند. دیتا را بر روی کلاد آپلود می کنید و از آن می خواهید توییت ها را تحلیل و دسته بندی محتوا کند و در کسری از دقیقه این پروژه را به شما تحویل می دهد. ما در مجموعه خود به جهت توانایی قوی در استخراج کاراکترها برای تبارشناسی شخصیت های مثنوی مولوی از آن استفاده کردیم. که می تواند گراف این شخصیت ها را برای شما تهیه نماید و به سوال های شما در مورد آن شخصیت پاسخ دهد. حتی داوری مقاله را انجام می دهد و نقاط قوت و ضعف مقاله را مشخص می کند.
در ادامه، عبدالحی برخی از تایپ های رسانه ای را نام برد و اضافه کرد: در فاز پروداکشن ما چت بات را داریم که شخصی سازی شده و دارای موتور پیشنهاد است. مثال آن اکسپلور اینستاگرام است که با عنایت به تعاملی که داشته اید برای شما شخصی سازی می شود. یا موتور پیشنهاد که می تواند بر مبنای سلیقه ای شما در تماشای فیلم به شما پیشنهاد فیلم دهد.
عبدالحی اضافه کرد: کاربر هر چقدر فعالیتش در حوزه رسانه جلوتر می رود توجه اش کمتر می شود و عجول هم می شود پس این کاربر حوصله ندارد ۹۰ دقیقه فوتبال ببیند برای همین هوش مصنوعی در کاربرد ساده آن اس پی ان را انجام می دهد یعنی هایلایت بازی فوتبال را درمی آورد و در اختیار کاربر قرار می دهد.
وی کنترل و سیاست گذاری بر روی محتوا در پلت فرم هایی که Non UGC هستند را راحت خواند و اضافه کرد: کاربرد هوش مصنوعی در حوزه پردازش مرحله ای برای متن خیلی راحتتر است چون مدلها قوی تر و دقت شان بالاتر رفته است ولی اگر در UGC استفاده نمایند از دستشان خارج می شود چون نمی توانند هر نوع محتوایی را فیلتر کنند.
عبدالحی کپی رایت را بزرگ ترین مشکل در حوزه تولیدمحتوا و رسانه معرفی نمود که ثبت و اجرای آن در ایران هم مشکل است، همینطور اظهار داشت: برای ویدیویی که توسط پلت فرم هوش مصنوعی بوجود آمده است نمی توان کپی رایت ثبت نمود چون این زاده خلاقیت هوش مصنوعی است و زاده خلاقیت انسان نیست.
علی اکبر، فضای دیتا را حوزه نوظهوری خواند و اضافه کرد: متاسفانه تا وقتی که در این فضا فاجعه ای رخ ندهد قانون گذاری در آن اتفاق نخواهد افتاد. که بعنوان مثال به فروش داده های کاربران در سال ۲۰۱۶ توسط فیس بوک به موسسه ی دیگر اشاره نمود که پس از شکایت ژورنالیست ها ضد این حرکت فیس بوک، دادگاه آمریکا حکم داد که هر پلتفرمی که داده جمع آوری می کند باید دیتاها را به صورت مجانی و هیچ شرطی در اختیار بگذارد و کاربر باید کوکی های سایتی که به آن وارد شده است را قبول کند وگرنه یک سری از امکانات سایت برایش محدود می شود یا اصلا نمی تواند از آن استفاده نماید.
در ادامه، علی اکبر اظهار داشت: وقتی مدل هایی وجود دارد که کیفیت آنها به حجم داده ورودی بستگی دارد و توانایی این را دارد هر چیزی را که فکر کنید تحلیل کند احیانا عطشی را به وجود می آورد که سکوها یا صاحبان پلت فرم مدام می خواهند به فرض برای تصمیم گیری درست داده جمع کنند و این یعنی فرهنگی به واسطه هوش مصنوعی وارد می شود که به صورت حداکثری می خواهد از کاربران دیتا جمع کند. عطش جمع آوری داده در ایران را خطرناک می باشد. وقتی داده را جمع آوری می کنید آن رادر جایی ذخیره می کنید و این زمینه ساز هجوم هکری را به وجود می آورد که این مساله نگران کننده است.
فیروزآبادی اظهار داشت: وقتی گفته می شود شبکه های اجتماعی اثرات منفی بر روی کاربرها می گذارد باید ساختار دیتا بیزینس را هم در نظر گرفت اینکه تجارت آن پلت فرم از فروش داده است پس خود آن پلت فرم به تبع هیچ مسئولیتی را احساس نمی کند تا عواقب اتفاقاتی که برای مشتری می افتد را حل کند. چون اتفاقا صرف زمان بیش تر کاربر در پلت فرم به نفع آن است. در هوش مصنوعی هم همینطور است شما پلتفرمی خواهید داشت که به واسطه هوش مصنوعی آدم حذف خواهد شد.
وی سخنان خویش را این گونه جمع بندی کرد: اگر اقتصادی ایجاد کردید که موتور پیشران اقتصادی آن فروش داده است باید حکمرانی ایجاد کنید که بتواند منافع مردم را تضمین کند و یا به صورت دقیق تر میتوان گفت باید بتوانید ابزارهایی داشته باشید که منافع مردم بوسیله ی آن تضمین شود.
عبدالحی در پاسخ به سوال مخاطبین، بیش ترین چالش خویش را در این عرصه، مشکل فنی خواند به این دلیل که به بسیاری از چیزها دسترسی نیست و از صفر باید زیرساخت ایجاد کرد.
فیروزآبادی مساله تحریم و بروز نشدن و چابک نشدن سیستم تنظیم گری را از چالش های حوزه خود نام برد و اضافه کرد: تسهیل الگوریتم تنظیم گری فضای کسب و کار خیلی مهم می باشد که هنوز اتفاق نیفتاده است چون اکوسیستم بیزنس داده در کشور به وجود نیامده است.
علی اکبر هم یکی از چالش های حوزه خویش را نبود زیرساخت برای توسعه مدل فارسی به منظور پردازش حجم زیاد داده در فضای دانشگاهی یا آزمایشگاهی برشمرد و اظهار داشت: وقتی دیتای فارسی خوبی وجود ندارد پس مدل خروجی خوبی هم نخواهد بود و منجر به عقب افتادن در فضای ابزار خواهد شد. ایجاد لابراتوری برای دانشجویانی که در این فضا فعالیت می نمایند، مهم می باشد که به وسیله ایجاد آن می شود مدلهای خوب را توسعه داد.
منبع: پرتوبلاگ
این مطلب پرتوبلاگ را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب