در فرآیندهای کسب‌وکار مدرن، پذیرش هوش مصنوعی مولد از صرفاً استفاده به عنوان ابزار فراتر رفته و اکنون در حال ورود به مرحله یکپارچه‌سازی سیستمی است.
فراتر از این، دوران جدیدی از هوش نهفته است: «هوش سمفونیک».
این مقاله، وضعیت کنونی و چشم‌انداز آینده بهره‌برداری از هوش مصنوعی مولد را از دو منظر بررسی خواهد کرد: کار تکراری و کار جریانی.
کار تکراری
در مقاله‌ای پیشین، ما دیدگاه‌های «کار تکراری و ابزارها» در برابر «کار جریانی و سیستم‌ها» را به عنوان نقاط نظر برای توانمندسازی هوش مصنوعی مولد جهت انجام وظایف تجاری تحلیل کردیم.
کار تکراری به وظایفی اشاره دارد که انسان‌ها به صورت نیمه‌ناخودآگاه چندین وظیفه مشخص و مجزا را با هم ترکیب کرده و از طریق آزمون و خطا پیش می‌روند.
و برای این کار تکراری، ابزارها بهینه هستند. با انتخاب ابزارهایی که متناسب با وظایف مختلف هستند، کار می‌تواند به صورت کارآمد پیش برود. بنابراین، لازم است مجموعه ابزارهای مورد نیاز را گردآوری کرده و در استفاده از آنها مهارت پیدا کرد.
در حال حاضر، زمانی که هوش مصنوعی مولد در کسب‌وکار استفاده می‌شود، بخش عمده‌ای از موارد شامل استفاده از هوش مصنوعی مولد به عنوان یک ابزار است.
بخش زیادی از بحث‌ها درباره بهبود کارایی کسب‌وکار با هوش مصنوعی مولد، تقریباً همیشه به افزودن این ابزار جدید و قدرتمند به مجموعه ابزارهای موجود که انسان‌ها برای کار تکراری استفاده می‌کنند، اشاره دارد.
مشکل کار تکراری
از سوی دیگر، همانطور که در مقاله قبلی اشاره شد، افزایش کارایی ناشی از ابزارها در کارهای تکراری نسبتاً محدود است.
همانطور که ابزارها کارآمدتر می‌شوند، انسان‌ها در نهایت به گلوگاه تبدیل می‌شوند. در نهایت، مانع ساعات کاری انسان قابل غلبه نیست.
علاوه بر این، شکاف قابل توجهی در کارایی و دقت کارهای تکراری بین کارکنان باتجربه و تازه‌کار وجود دارد و پر کردن این شکاف دشوار است. بنابراین، حتی اگر بخواهید حجم کار را در ماه آینده دو برابر کنید، بدون افراد دارای مهارت‌های باتجربه نمی‌توانید از عهده آن برآیید.
برای حل مشکل گلوگاه بودن انسان‌ها، در نهایت به جایگزینی همه چیز با هوش مصنوعی ختم می‌شود.
با این حال، هوش مصنوعی مولد کنونی هنوز آن سطح از عملکرد را ندارد.
علاوه بر این، حتی وظایف تکراری که به ظاهر ساده هستند، هنگامی که به دقت بررسی می‌شوند، از تعداد زیادی از وظایف ناخودآگاه تشکیل شده‌اند.
به همین دلیل، آنها نمی‌توانستند به سیستم‌های IT معمولی یا دستورالعمل‌هایی که هر کسی بتواند دنبال کند، تقلیل یابند، و بنابراین به مهارت انسانی متکی بودند.
تا زمانی که این وظایف ناخودآگاه و نیازمند مهارت سازماندهی نشوند و دانش لازم برای هر یک از آنها کدگذاری نشود، هوش مصنوعی مولد، هر چقدر هم که عملکردش بهبود یابد، نمی‌تواند جایگزین کار انسانی شود.
تبدیل به کار جریانی و سیستمی‌سازی
برای دستیابی به هدف توزیع وظایف در محدوده‌های عملکردی کنونی هوش مصنوعی مولد، و نیز هدف سازماندهی وظایف ناخودآگاه و کدگذاری دانش فنی، سازماندهی کار تکراری آزمون و خطایی به کار جریانی استاندارد شده از اهمیت بالایی برخوردار است.
کار جریانی استاندارد شده نه تنها برای ابزارها، بلکه برای سیستم‌ها نیز مناسب است.
درون کار جریانی، وظایفی وجود دارند که توسط هوش مصنوعی مولد اجرا می‌شوند و وظایفی که توسط انسان‌ها انجام می‌شوند. با اتصال این موارد از طریق یک سیستم، کل کار جریانی قابل اجرا می‌شود.
تبدیل به کار جریانی و سیستمی‌سازی چندین اثر مهم به همراه دارد.
یکی این است که هوش مصنوعی مولد برای وظایف فردی تخصص یافته است، که این امر به وضوح نشان می‌دهد چگونه می‌توان کارایی و دقت هوش مصنوعی مولد را برای هر وظیفه بهینه کرد.
دوم، چندین کارگر می‌توانند دانش را به هوش مصنوعی مولد اضافه کنند، و مزایای آن به همه گسترش می‌یابد.
سوم، انتقال تدریجی تقسیم وظایف در این کار به هوش مصنوعی مولد آسان‌تر می‌شود.
به این ترتیب، با تبدیل کار تکراری به کار جریانی و انباشت دانش مورد نیاز هوش مصنوعی مولد برای هر وظیفه به عنوان یک سیستم، کار فکری مانند یک خط تولید به سمت اتوماسیون پیش می‌رود.
و با ادغام بهبودهای عملکرد بنیادی هوش مصنوعی مولد که با زمان تکامل می‌یابند، و با بهره‌گیری از دانش انباشته شده و تخصصی برای وظایف مختلف، امکان‌پذیر خواهد شد که کل کار جریانی به یک فرآیند خودکار تحت هدایت هوش مصنوعی مولد تبدیل شود.
هوش مجازی
این بخش، تحلیل را از منظر کار تکراری و ابزارها، و کار جریانی و سیستم‌ها به پایان می‌رساند.
مقاله دیگری که اخیراً نوشته‌ام، این بحث را بیشتر توسعه می‌دهد.
در آن مقاله، به موضوع هماهنگ‌سازی توسط هوش مجازی اشاره کردم.
در حال حاضر و در آینده‌ای بسیار نزدیک، به دلیل محدودیت‌های عملکردی، هوش مصنوعی مولد از نظر کارایی و دقت، زمانی که بر روی وظایف خاصی تمرکز می‌کند، بهتر عمل می‌کند.
بنابراین، همانطور که قبلاً در بحث کار جریانی و سیستم‌ها مطرح شد، یک مکانیسم ایده‌آل این بود که هوش‌های مصنوعی مولد تخصصی برای هر وظیفه فردی را از طریق یک سیستم به هم متصل کنیم.
با این حال، حتی اگر عملکرد هوش مصنوعی مولد به طور قابل توجهی بهبود یابد، ممکن است پردازش با جابجایی نقش‌ها و استفاده از دانش‌های مختلف در یک اجرای واحد، کارآمدتر و دقیق‌تر باشد، به جای اینکه صرفاً وظایف مختلف را به صورت موازی پردازش کند.
این روش نیاز به یک سیستم برای پیوند دادن هوش‌های مصنوعی مولد را از بین می‌برد. عملیاتی شبیه به یکپارچه‌سازی سیستم در خود هوش مصنوعی مولد رخ خواهد داد.
علاوه بر این، از وضعیتی که در آن تغییر یا افزودن وظایف بدون تغییرات سیستمی غیرممکن است، خود هوش مصنوعی مولد قادر به پاسخگویی انعطاف‌پذیر خواهد بود.
این به معنای بازگرداندن وظایف جریانی و سیستمی شده به کار تکراری است.
با این حال، کار تکراری که پس از طی این فرآیند جریانی و سیستمی‌سازی بازمی‌گردد، در وضعیتی خواهد بود که دانش قابل استفاده مجدد شکل گرفته است، حتی اگر تعداد هوش‌های مصنوعی مولد افزایش یابد یا نسخه‌های آنها تغییر کند.
این مشکل کار تکراری انسانی را حل می‌کند و امکان انجام وظایف انعطاف‌پذیر مشابه کارهایی که توسط انسان‌ها انجام می‌شود را فراهم می‌آورد.
در اینجا، من توانایی هوش مصنوعی مولد برای جابجایی نقش‌ها و دانش در طول یک اجرای واحد را «هوش مجازی» می‌نامم. این مشابه ماشین مجازی کامپیوتر است.
همانطور که فناوری ماشین مجازی، کامپیوترهای کاملاً متفاوتی را که بر روی یک قطعه سخت‌افزار اجرا می‌شوند شبیه‌سازی می‌کند، یک هوش مصنوعی مولد واحد با جابجایی بین چندین نقش، پردازش می‌کند.
هوش مصنوعی مولد از قبل به طور طبیعی این قابلیت هوش مجازی را به دست آورده است. به همین دلیل است که هوش مصنوعی مولد می‌تواند بحث‌های شامل چندین نفر را شبیه‌سازی کند یا رمان‌هایی با شخصیت‌های متعدد تولید کند.
اگر این قابلیت هوش مجازی بهبود یابد و دانش کافی به آن ارائه شود، انجام کار تکراری امکان‌پذیر خواهد شد.
ارکستراسیون هوش
علاوه بر این، من توانایی ترکیب آزادانه چندین نقش و دانش برای انجام وظایف را «ارکستراسیون هوش» می‌نامم.
این مشابه فناوری ارکستراسیون است که چندین ماشین مجازی را مدیریت می‌کند.
همانطور که فناوری ارکستراسیون سیستم‌ها را با راه‌اندازی ماشین‌های مجازی لازم در زمان نیاز، به طور کارآمدی اداره می‌کند، یک هوش مصنوعی مولد با مهارت‌های ارکستراسیون هوش بهبود یافته – قابلیتی از هوش مجازی – قادر خواهد بود کارهای تکراری را به صورت انعطاف‌پذیر انجام دهد، ضمن حفظ کارایی و دقت و استفاده مناسب از نقش‌ها و دانش‌های متعدد.
هوش سمفونیک
هوش مصنوعی مولدی که به این مرحله می‌رسد را می‌توان هوش سمفونیک نامید.
همانطور که یک ارکستر، با هر نوازنده‌ای که در ساز خود ماهر است، قطعه‌ای واحد را در حالی که نقش‌های مربوط به خود را ایفا می‌کند، می‌نوازد، هوش سمفونیک می‌تواند سمفونی کار فکری را اجرا کند.
این هوش سمفونیک یک مفهوم جدید است که نمایانگر نقطه پایانی برای هوش مصنوعی مولد است.
با این حال، خود هوش سمفونیک از قبل وجود دارد.
این هوش انسانی ماست.
دقیقاً به این دلیل است که ما هوش سمفونیک را داریم که می‌توانیم به طور ناخودآگاه وظایف فکری پیچیده را به صورت انعطاف‌پذیر از طریق کار تکراری، با استفاده از انبوهی از دانش فنی، انجام دهیم.
نهایتاً: شکل AGI
با فراهم کردن هوش مصنوعی مولد، که قادر به شبیه‌سازی هوش سمفونیک است، با فرآیندهای کار جریانی و پایگاه‌های دانش برای وظایف دیگر، این هوش مصنوعی قادر خواهد بود چندین وظیفه تکراری را انجام دهد.
همانطور که این هوش مصنوعی قادر به انجام کثرتی از وظایف تکراری مختلف می‌شود، به احتمال زیاد اصول مشترک و الگوهای ساختاری در دانش مربوط به آن وظایف را درک خواهد کرد.
در آن نقطه، برای وظایف تکراری کاملاً ناشناخته، تنها با یک توضیح ساده از سوی انسان، قادر خواهد بود دانش فنی آن وظیفه را صرفاً با مشاهده نحوه انجام آن توسط انسان یاد بگیرد.
این همان هوش سمفونیک واقعی است. هنگامی که به این مرحله برسیم، انسان‌ها دیگر نیازی به صرف تلاش برای تبدیل کار به جریان یا کدگذاری دانش فنی نخواهند داشت.
علاوه بر این، دانشی که بدین ترتیب به صورت خودکار توسط هوش مصنوعی مولد انباشته می‌شود، می‌تواند بین خود هوش‌های مصنوعی مولد به اشتراک گذاشته شود.
هنگامی که این اتفاق بیفتد، ظرفیت یادگیری هوش مصنوعی مولد به مراتب از انسان‌ها پیشی خواهد گرفت.
این را می‌توان یک شکل از AGI (هوش عمومی مصنوعی) دانست.