عصر هوش سمفونیک

در فرآیندهای کسب‌وکار مدرن، پذیرش هوش مصنوعی مولد فراتر از مرحله استفاده ابزاری رفته و اکنون وارد مرحله سیستمی‌سازی می‌شود.

فراتر از این، دوران جدیدی از هوش با نام «هوش سمفونیک» در انتظار است.

این مقاله، وضعیت فعلی و چشم‌انداز آینده استفاده از هوش مصنوعی مولد را از دو منظر بررسی می‌کند: کار تکراری و کار جریانی.

کار تکراری

در مقاله‌ای پیشین، من دیدگاه‌های کار تکراری و ابزارها، و کار جریانی و سیستم‌ها را به عنوان نقاط نظری برای توانمندسازی هوش مصنوعی مولد جهت انجام وظایف، تحلیل کردم.

کار تکراری به وظایفی اشاره دارد که انسان‌ها با ترکیب نیمه‌ناخودآگاهانه چندین وظیفه مشخص و متفاوت، و از طریق آزمون و خطا پیش می‌برند.

و برای این کار تکراری، ابزارها بهینه هستند. با انتخاب ابزارهایی که متناسب با وظایف مختلف هستند، کار می‌تواند به طور کارآمد پیش رود. بنابراین، لازم است جعبه ابزار مورد نیاز را آماده کرده و در استفاده از آن مهارت کسب کرد.

در حال حاضر، زمانی که هوش مصنوعی مولد در کسب‌وکار استفاده می‌شود، اکثریت قریب به اتفاق موارد شامل استفاده از هوش مصنوعی مولد به عنوان یک ابزار است.

اکثر بحث‌ها درباره بهبود کارایی کسب‌وکار با هوش مصنوعی مولد، به اضافه کردن این ابزار جدید و قدرتمند به جعبه ابزار موجودی که انسان‌ها برای کار تکراری خود استفاده می‌کنند، اشاره دارد.

مشکلات کار تکراری

از سوی دیگر، همانطور که در مقاله‌ای پیشین اشاره شد، افزایش کارایی حاصل از ابزارها در کار تکراری نسبتاً محدود است.

هرچه ابزارها کارآمدتر شوند، در نهایت انسان‌ها به گلوگاه تبدیل می‌شوند. ما نمی‌توانیم در نهایت از محدودیت ساعت‌های کاری انسان فراتر رویم.

علاوه بر این، شکاف قابل توجهی در کارایی و دقت کار تکراری بین کارمندان باتجربه و تازه‌کار وجود دارد و پر کردن این شکاف دشوار است. در نتیجه، حتی اگر کسی قصد داشته باشد حجم کار را در ماه آینده دو برابر کند، بدون پرسنلی که مهارت‌های یک باتجربه را داشته باشند، نمی‌تواند از پس آن برآید.

برای حل مشکل گلوگاه بودن انسان‌ها، راه‌حل نهایی این خواهد بود که همه چیز با هوش مصنوعی جایگزین شود.

با این حال، هوش مصنوعی مولد کنونی هنوز آن سطح از عملکرد را ندارد.

علاوه بر این، حتی وظایف به ظاهر ساده کار تکراری، وقتی از نزدیک بررسی شوند، از تعداد زیادی وظایف فرعی ناخودآگاه تشکیل شده‌اند.

به همین دلیل، این وظایف را نمی‌توان به سیستم‌های IT سنتی یا دستورالعمل‌های آسان‌فهم تجزیه کرد و به جای آن به مهارت انسانی متکی بود.

مگر اینکه این وظایف ناخودآگاه متعدد که نیازمند مهارت هستند، سازماندهی شوند و دانش لازم برای هر یک به صورت تبلور دانش درآید، هوش مصنوعی مولد، هر چقدر هم عملکردش بهبود یابد، قادر به انجام وظایف به عنوان جایگزین انسان نخواهد بود.

تبدیل کار تکراری به کار جریانی و سیستمی‌سازی

برای دستیابی به اهداف توزیع وظایف در محدوده‌های عملکردی فعلی هوش مصنوعی مولد، و سازماندهی وظایف ناخودآگاه و تبلور دانش از تخصص‌ها، سازماندهی کار تکراری آزمون و خطا به کار جریانی استاندارد شده، از اهمیت بالایی برخوردار است.

کار جریانی استاندارد شده نه تنها برای ابزارها، بلکه برای سیستم‌ها نیز بسیار مناسب است.

درون کار جریانی، وظایفی برای هوش مصنوعی مولد و وظایفی برای انسان‌ها وجود دارد. با اتصال این دو با یک سیستم، کل کار جریانی قابل اجرا می‌شود.

تبدیل کار جریانی و سیستمی‌سازی مزایای قابل توجهی به همراه دارد:

اولاً، از آنجا که هوش مصنوعی مولد برای هر وظیفه فردی تخصصی می‌شود، بهینه‌سازی کارایی و دقت آن برای هر وظیفه روشن می‌شود.

ثانیاً، چندین کاربر می‌توانند دانش را به هوش مصنوعی مولد اضافه کنند و مزایای آن به همه گسترش می‌یابد.

ثالثاً، انتقال تدریجی تقسیم وظایف در این کار به هوش مصنوعی مولد آسان‌تر می‌شود.

با تبدیل کار تکراری به کار جریانی و انباشت دانشی که هوش مصنوعی مولد برای هر وظیفه به عنوان یک سیستم نیاز دارد، کار فکری به سمت اتوماسیون پیش می‌رود، درست مانند خط تولید یک کارخانه.

و با ترکیب عملکرد پایه رو به بهبود هوش مصنوعی مولد، که با زمان تکامل می‌یابد، و با استفاده از دانش تبلور یافته متخصص برای وظایف مختلف، امکان‌پذیر خواهد شد که کل کار جریانی را به یک فرآیند خودکار توسط هوش مصنوعی مولد تبدیل کنیم.

هوش مجازی

تا به اینجای کار، تحلیل از دیدگاه‌های کار تکراری و ابزارها، و کار جریانی و سیستم‌ها بود.

مقاله دیگری که اخیراً نوشته شده است، این بحث را بیشتر پیش می‌برد.

در آن مقاله، من به موضوع هماهنگ‌سازی توسط هوش مجازی پرداختم.

در حال حاضر و در آینده‌ای بسیار نزدیک، به دلیل محدودیت‌های عملکرد، هوش مصنوعی مولد زمانی که بر روی وظایف خاصی متمرکز می‌شود، کارآمدتر و دقیق‌تر عمل می‌کند.

بنابراین، همانطور که قبلاً در مورد کار جریانی و سیستم‌ها بحث شد، مکانیزمی که هوش مصنوعی‌های مولد تخصصی را برای هر وظیفه فردی به هم متصل می‌کند، ایده‌آل بود.

با این حال، حتی اگر عملکرد هوش مصنوعی مولد به طور قابل توجهی بهبود یابد، پردازش وظایف با تغییر نقش‌ها و استفاده از دانش در یک فرآیند واحد، به جای صرفاً انجام همزمان وظایف مختلف، می‌تواند به کارایی و دقت بالاتری منجر شود.

این رویکرد نیاز به سیستمی برای پیوند هوش مصنوعی‌های مولد به یکدیگر را از بین می‌برد. عملیاتی مشابه ادغام سیستم در داخل خود هوش مصنوعی مولد اتفاق می‌افتد.

علاوه بر این، این امکان پاسخ‌های انعطاف‌پذیر را در داخل خود هوش مصنوعی مولد فراهم می‌کند و از موقعیت‌هایی که در آن وظایف بدون تغییر سیستم قابل جابجایی یا اضافه شدن نیستند، فاصله می‌گیرد.

این به معنای بازگرداندن کار جریانی سیستمی‌شده به کار تکراری است.

با این حال، این کار تکراری، پس از گذراندن سیستمی‌سازی و تبدیل کار جریانی به کار جریانی، اکنون در وضعیتی قرار دارد که می‌توان دانش قابل استفاده مجدد را شکل داد، حتی اگر تعداد هوش مصنوعی‌های مولد افزایش یابد یا نسخه‌ها تغییر کنند.

این مسائل مربوط به کار تکراری انسانی را حل می‌کند و امکان کار انعطاف‌پذیر مشابه انسان‌ها را فراهم می‌آورد.

در اینجا، من به توانایی هوش مصنوعی مولد برای تغییر نقش‌ها و دانش در طول یک اجرای واحد به عنوان هوش مجازی اشاره می‌کنم. این با ماشین مجازی یک کامپیوتر مشابهت دارد.

درست همانطور که فناوری ماشین مجازی، کامپیوترهای کاملاً متفاوتی را که روی یک سخت‌افزار واحد اجرا می‌شوند، شبیه‌سازی می‌کند، یک هوش مصنوعی مولد واحد با تغییر بین چندین نقش، وظایف را پردازش می‌کند.

هوش مصنوعی مولد فعلی از قبل به طور طبیعی این قابلیت هوش مجازی را کسب کرده است. به همین دلیل، هوش مصنوعی مولد می‌تواند بحث‌های بین چندین نفر را شبیه‌سازی کند و رمان‌هایی با چندین شخصیت تولید کند.

اگر این قابلیت هوش مجازی بهبود یابد و دانش کافی فراهم شود، امکان انجام کار تکراری فراهم خواهد شد.

هماهنگ‌سازی هوشمند

علاوه بر این، من به توانایی ترکیب آزادانه چندین نقش و دانش برای انجام وظایف به این شیوه، «هماهنگ‌سازی هوشمند» می‌گویم.

این مشابه فناوری هماهنگ‌سازی است که چندین ماشین مجازی را مدیریت می‌کند.

همانطور که فناوری هماهنگ‌سازی با راه‌اندازی ماشین‌های مجازی لازم در زمان نیاز، سیستم‌ها را به طور کارآمدی اداره می‌کند، یک هوش مصنوعی مولد با مهارت‌های تقویت‌شده هماهنگ‌سازی هوشمند—یک مهارت هوش مجازی—قادر خواهد بود کار تکراری را به طور انعطاف‌پذیر، ضمن مدیریت مناسب نقش‌ها و دانش متعدد، و حفظ کارایی و دقت، انجام دهد.

هوش سمفونیک

هوش مصنوعی مولدی که به این مرحله می‌رسد، می‌تواند هوش سمفونیک نامیده شود.

همانطور که یک ارکستر، که در نواختن هر ساز مهارت دارد، در حالی که نقش‌های مربوط به خود را ایفا می‌کند، یک قطعه موسیقی را اجرا می‌کند، هوش سمفونیک می‌تواند سمفونی‌ای از کارهای فکری را بنوازد.

این هوش سمفونیک مفهومی جدید است که یکی از نقاط اوج برای هوش مصنوعی مولد را نشان می‌دهد.

با این حال، هوش سمفونیک خود از قبل وجود دارد.

آن، هوش انسانی ماست.

دقیقاً به این دلیل که ما دارای هوش سمفونیک هستیم، می‌توانیم به طور ناخودآگاه و انعطاف‌پذیر، چندین کار فکری پیچیده را از طریق کار تکراری، با بهره‌گیری از انبوهی از دانش و مهارت‌ها، انجام دهیم.

در نهایت: شکل هوش عمومی مصنوعی (AGI)

با فراهم کردن هوش مصنوعی مولد که قادر به شبیه‌سازی هوش سمفونیک با کار جریانی و پایگاه‌های دانش برای وظایف دیگر باشد، این هوش مصنوعی قادر به انجام چندین کار تکراری خواهد شد.

هنگامی که بتواند از پس تعداد زیادی از کارهای تکراری مختلف برآید، قادر خواهد بود قوانین مشترک بین آن وظایف و الگوهای ساختاری درون دانش را درک کند.

در آن مرحله، برای کارهای تکراری کاملاً ناشناخته، تنها با یک توضیح کوتاه از سوی انسان، هوش مصنوعی قادر خواهد بود دانش و مهارت آن وظیفه را صرفاً با مشاهده نحوه انجام آن توسط انسان بیاموزد.

این همان هوش سمفونیک واقعی است. هنگامی که این مرحله حاصل شود، انسان‌ها دیگر نیازی به صرف تلاش برای تبدیل کار به فرآیندهای جریانی یا تبلور دانش نخواهند داشت.

علاوه بر این، دانش انباشته‌شده به صورت خودکار توسط هوش مصنوعی مولد را می‌توان بین سایر هوش‌های مصنوعی مولد به اشتراک گذاشت.

اگر این اتفاق بیفتد، قابلیت یادگیری هوش مصنوعی مولد بسیار فراتر از انسان‌ها خواهد رفت.

این را می‌توان یکی از اشکال هوش عمومی مصنوعی (AGI) در نظر گرفت.