گجت نیوز آخرین اخبار گجتی و فناوری های روز دنیا 
علیرغم پیشرفت‌های شگرف در هوش مصنوعی و رباتیک، انسان‌ها و برخی از جانوران، دست‌کم در 10 مورد نسبت به کامپیوترها و رباتها برتری دارند.
داستان‌های علمی تخیلی، با استفاده از روش‌هایی که در بر گیرنده حس کنجکاوی ما هستند، سعی دارند تا چکیده‌ای از اتفاقات آینده را از طریق پیش‌بینی‌های خود به‌تصویر بکشند. ما صرفا می‌توانیم خوش‌بین باشیم که داستان‌هایی از این دست مانند ماتریکس، ترمیناتور، من، یک ربات و دیگر موارد مشابه که قیام رباتها و کامپیوترها علیه ما را نشان می‌دهند، در طول زمان هرگز واقعیت پیدا نکنند و برای همیشه در بستر تخیلات نویسندگان باقی بمانند. با این‌حال، بحث در مورد برتری های انسان به کامپیوتر و بلعکس، داستانی مفصل و دنباله‌دار است.
اگر از ظهور ماشین‌ها و رباتها نگران هستید، به این واقعیت توجه کنید که هنوز برخی از کارها وجود دارند که انسان‌ها در انجام آنها از رباتها بهتر عمل می‌کنند. در ادامه، به 10 مورد از کارهایی که هم‌چنان برتری انسان و دیگر گونه‌های جانوری را به رخ کامپیوترها می‌کشد، خواهیم پرداخت.
10 مورد از برتری های انسان و موجودات به کامپیوتر
10. پرندگان Veery در پیش‌بینی طوفان از ماشین‌ها بهتر عمل می‌کنند
پیش‌بینی صحیح و به‌موقع طوفان یک امر مهم است. در حال حاضر، ما به تعدادی از سیستم‌های مختلف از جمله ماهواره، رادار، کشتی و شناور برای کمک به پیش‌بینی وقوع طوفان تکیه می‌کنیم. به‌لطف همه این فناوری‌ها، اکنون می‌توانیم این حادثه طبیعی را حدود 36 تا 48 ساعت پیش از رخداد، پیش‌بینی کنیم.
با این‌حال، وقتی نوبت به پیش‌بینی‌های بلند مدت می‌رسد، شانسی برای تشخیص و اقدامات پیش‌گیرانه در این زمینه وجود ندارد. اگرچه ما می‌توانیم پیش‌بینی کنیم که این وقایع هولناک در فصول طوفان‌ها به سراغ ما می‌آیند، اما این اطلاع مانند پیش‌بینی طلوع خورشید، کلی و نه‌چندان مفید است. در این میان، برای اطمینان بیش‌تر می‌توان از رایانه‌ها فاصله گرفت و به‌پرندگان روی بیاوریم. پرندگان ویری از مهارت عجیبی در پیش‌بینی وضعیت آب‌وهوای طوفانی برخوردارند، همان‌طور که این موضوع، در فصل تولید مثل آنها نیز قابل شناسایی است. این پرندگان در جنوب کانادا و شمال ایالات متحده زندگی می‌کنند و در هر فصل تولیدمثل، 12 تخم می‌گذارند.
در سال‌هایی که با فصول شدید طوفان روبرو هستیم، ویری‌ها فصل تولیدمثل خود را حتی در صورت عدم موفقیت، کوتاه می‌کنند. آنها معمولا این کار را چند ماه پیش از طوفان انجام خواهند داد و از این طریق، زنگ خطر را برای وقوع طوفان‌‌های آتی به‌صدا در می‌آورند.
در سال 2018، یک پرنده‌شناس فصل شدیدی از طوفان را پیش‌بینی کرد، این در حالی بود که داده‌های هواشناسی نتایجی کاملا برعکس را نشان می‌دادند. دانشمندانی که با آب‌وهوا سرکار داشتند، بر این باور بودند که سال معتدلی در پیش خواهد بود. آنها معیار اندازه‌گیری ACE (انرژی گردباد انباشته) را در حد بسیار کم 60 تا حداکثر 103، که پایین‌تر از حد متوسط است، پیش‌بینی کردند.
از سوی دیگر، پرنده‌شناس که هرگز در زندگی خود آب‌وهوا را پیش‌بینی نکرده بود، معیار فوق را در بازه 70 تا 150 قرار داد. در نهایت مشخص شد که عدد صحیح آن فصل، در محدوده 129 قرار داشته است. او در واقع پیش‌بینی خود را از طریق مشاهده رفتار ویری‌ها و براساس رصد رفتار 20 ساله آنها در طبیعت صورت داده بود.
9. انسان‌ها در بازی‌های تیمی، گیمرهای برتری هستند
بازار جهانی بازی‌ها، صنعتی غول‌آسا و عظیم است و طبق برآوردها، تا سال 2025 به ارزشی معادل 257 دلار خواهد رسید. این رقم که برابر با 93 درصد از ثروت فعلی ایلان ماسک است، الهام بخش و زمینه‌ساز بسیاری از نوآوری‌های شگفت‌انگیز در تکنولوژی گیم، از جمله گرافیک و هوش مصنوعی شده است. در این میان، رایانه‌ها نه‌تنها در پشت پرده، بلکه در نحوه اجرای بازی‌ها نقش کلیدی دارند.
هوش مصنوعی ثابت کرده که در قیاس با یک بازیکن انسانی معمولی، گیمر بهتری است، حتی اگر این فناوری را به‌عنوان یک دستاورد نسبتا جدید به‌حساب آوریم. در یک بازی با سطح سخت، کامپیوتر اغلب می‌تواند وظایف خود را بهتر از شخصی که در حین بازی با انحراف ذهنی و عدم تمرکز دست و پنجه نرم می‌کند، انجام دهد. با این‌حال، هنگامی‌که بازی مشارکتی شده و نیاز به کار گروهی دارد، ایرادات هوش مصنوعی نمایان می‌شود. این بدان معنی است که هوش مصنوعی در برابر کارهای تیمی، عملکرد خوبی ندارد.
بازیکنان انسانی معمولا هنگام برخورد با هم‌تیمی‌های مبتنی بر هوش مصنوعی ابراز ناامیدی می‌کنند. تحقیقات نشان می‌دهد که هم‌تیمی AI نتایج را نسبت به بازی با یک شریک کامپیوتری از پیش برنامه‌ریزی شده که فقط برای دانستن قوانین و روش خاص بازی طراحی شده، بهبود نمی‌بخشد. با این‌حال، تفاوت بزرگ این است که شرکای انسانی از کار با هوش مصنوعی متنفر بودند. رایانه در این زمینه غیرقابل اعتماد و غیرقابل پیش‌بینی ظاهر شد که باعث می‌شود هیچ گیمری از شراکت با هوش مصنوعی دل خوشی نداشته باشد!
8. ترجمه‌های کامپیوتری دقت بالایی ندارند
آیا تابه‌حال پس از برخورد با عبارت یا کلمه‌ای به زبان دیگر، آن‌را به‌صورت آنلاین ترجمه کرده‌اید؟ معمولا با مقایسه نتایج ترجمه ماشینی و نمونه‌ای که خودتان بر روی آن وقت گذاشته‌اید، در خواهید یافت که ترجمه‌های کامپیوتری دقت به مراتب پایین‌تری دارند. دلیل این تفاوت، درک پایین متن توسط برنامه‌های ترجمه و سایر تفاوت‌های زبانی هستند که مترجم‌های کامپیوتری را در بهترین حالت، ابزارهایی اولیه و در بدترین حالت، بی‌فایده قرار داده است.
معمولا مواردی مانند زبان عامیانه و محاوره، بافت فرهنگی، نام‌های خاص و دیگر نکات جزئی در ترجمه‌های ماشینی گم می‌شوند. برای مثال، کلمه “مجموعه” را در نظر بگیرید. به‌نقل از گینس، بیش از 430 معنی بالقوه برای این کلمه وجود دارد. یک ماشین به سرنخ‌های متعددی در این زمینه نیاز دارد تا فورا بفهمد چگونه در یک ترجمه از این معانی به‌درستی استفاده کند که بدون شک کار آسانی نیست.
اصطلاحات، حتی از نوع بسیار پیشرفته، عموما به‌معنای واقعی کلمه توسط کامپیوترها ترجمه می‌شوند. حتی کلمات منفرد می‌توانند لحن کل جملات را تغییر دهند و این می‌تواند برای ماشین‌های مترجم مبتنی بر هوش مصنوعی مشکلاتی ایجاد کند.
7. چیدن میوه و برداشت محصول
امروزه ماشین‌ها می‌توانند انواعی از کامپیوتر ها و خودروها را برای ما بسازند، اما از قضا برخی وظایف ساده‌تر وجود دارند که در انجام آن ناتوان هستند. برای مثال، ماشین‌ها در چیدن بسیاری از میوه‌ها و سبزیجات کارکرد مناسبی ندارند.
حدس علت عدم موفقیت رباتها در این زمینه بسیار آسان است. به‌طور کلی، یک ربات در تشخیص این مفهوم که تا چه حد سرسخت عمل می‌کند، دقیق نیست. برای میوه‌هایی مانند توت فرنگی یا دیگر انواع توت‌ها، یک لمس سبک کافی است. رباتها احتمالا می‌توانند آجیل و دانه‌های سخت‌تر را جمع‌آوری کنند، اما این موضوع برای توت‌ها که نیازمند حالتی آرام‌تر و سبک‌تر است، صدق نمی‌کند. ماشین‌های مخصوص برداشت، از راه خاصی برای تعیین میزان شدت وارده به محصولات برای جمع‌آوری برخوردار نیستند.
هم‌اکنون، ربات‌های برداشت برای کنار گذاشتن این مشکل با چیدن گیاهان کامل به‌جای توت‌ها طراحی می‌شوند. آنها می‌توانند کار 30 نفر را در زمانی مشابه انجام دهند. اما در حال حاضر، رباتها ابتدا باید مزارع را اسکن کنند تا بفهمند که برای یافتن میوه رسیده به کجا مراجعه کنند. آنها در حال حاضر، قادر به برداشت حدود 50 درصد از میوه‌های رسیده هستند، این در حالی است که انسان‌ها می‌توانند تا 90 درصد از این محصولات را برداشت کنند.
6. هوش مصنوعی در تشخیص احساسات خوب نیست
تشخیص چهره، به‌عنوان یک فناوری، سال‌ها در اخبار مختلف مطرح بوده است. مردم نسبت به این تکنولوژی بدبین هستند زیرا در عملکرد نظارتی آن تردیدهایی وجود دارند. اما دیگر جنبه‌ای که موجب نگرانی شده این است که رایانه‌ها بتوانند به‌وسیله نگاه به شما، احساساتتان را به‌طور لحظه‌ای درک کنند. این می‌تواند برای استثمار افراد برای مقاصدی چون بازاریابی، تبلیغات و اهداف سودجویانه دیگر در راستای کسب درآمد استفاده شود. مدارس در چین، از این قابلیت برای تعیین احساس کودکان در هنگام یادگیری و بهبود تجربه کلی فراگیری استفاده می‌کنند.
نکته حائز اهمیت در مورد کامپیوترهای تشخیص احساسات این است که آنها چندان دقیق نیستند. علیرغم ادعای سازندگان آن، شواهد کمی مبنی بر موثر بودن این فناوری وجود دارد. دانشمندان علوم اعصاب به صراحت اعلام کرده‌اند که شما نمی‌توانید وضعیت عاطفی یک فرد را بر اساس حالت چهره، به درستی قضاوت کنید.
5. انسان‌ها در مقایسه با رباتها، سربازان بهتری هستند
یکی از بحث‌برانگیزترین کاربردهای هوش مصنوعی در جهان امروز، استفاده آن در حوزه جنگ و امور نظامی است. آیا باید به ماشین‌ها اعتماد کنیم تا در یک منطقه جنگی، برای مرگ و زندگی افراد تصمیم بگیرند؟ آیا اجازه دادن به ربات برای گرفتن جان یک انسان اخلاقی است؟ به‌نظر می‌رسد که اکثر مردم مخالف این ایده هستند و ایالات متحده نیز در برنامه‌های خود این اطمینان را داده که انسان‌ها همیشه تصمیم‌گیرنده نهایی هستند. با این‌حال، گمانه‌زنی‌هایی وجود دارند که هم‌اکنون بسیاری، از ماشین‌های کشتار خودمختار در این زمینه استفاده می‌کنند. پس آیا این مقوله، رباتها را به سربازان بهتری نسبت به انسان‌ها تبدیل می‌کند؟ جواب بستگی به این دارد که منظور شما از بهتر بودن چیست.
یک ماشین، حتی یک هوش مصنوعی، وظیفه برنامه‌ریزی شده را بدون احساسات و اخلاقیات انسانی انجام می‌دهد. هوش مصنوعی احتمالا تصمیم متفاوتی با آنچه استانیسلاو پتروف در سال 1983 در هنگام دریافت خبر حمله هسته‌ای ارتش آمریکا به اتحاد جماهیر شوروی گرفت را اعمال می‌کند. پتروف در مورد حمله‌ای که ایستگاه تحت تظارتش تشخیص داده بود، آن‌طور که از او خواسته شد، به دولت خود هشدار نداد و در عوض با انجام تخقیقات بیش‌تر، در نهایت دریافت که این یک هشدار اشتباه بوده است.
احتمالا هوش مصنوعی در موقعیتی مشابه، برعکس عمل می‌کرد و اثرات جبران‌ناپذیری را به بار می‌آورد. رباتها فاقد اخلاق هستند و ممکن است در نحوه پردازش داده‌ها، غیرقابل پیش‌بینی عمل کنند.
از ایلان ماسک تا استیون هاوکینگ، بسیاری از شخصیت‌های برجسته امروزی هشدار داده‌اند که هوش مصنوعی می‌تواند همه ما را نابود کند. بدون شک این کاری نیست که یک سرباز خوب و اخلاق‌مدار انجام دهد.
4. هوش مصنوعی هنوز بر عقل سلیم مسلط نشده است
اغلب ما در زندگی با فردی آشنا شده‌ایم که بسیار باهوش بوده اما عقل سلیمی نداشته است. ما بین این دو مفهوم تمایز قائل هستیم. شما می‌توانید جادوگر ریاضیات باشید اما هم‌چنان در ساده‌ترین تصمیمات روزانه، مانند یک احمق عمل کنید. هوش مصنوعی اینگونه است، به‌طوری‌که می‌تواند بسیار هوشمندانه باشد، اما در عین حال عقل سلیمی ندارد.
عقل سلیم یعنی اینکه چگونه استدلال ابداعی را توصیف کنیم. این همان چیزی است که به ما اجازه می‌دهد میلیون‌ها توضیح احمقانه را برای چیزهایی که در زندگی رخ می‌دهد، نادیده بگیریم و روی آن دسته‌ای تمرکز کنیم که بیش‌ترین معنا را دارند. اگر صدایی از طبقه بالا بشنوید، احتمالا فکر می‌کنید که از همسایه یا حیوان خانگی او به‌وجود آمده، نه از یک فیل یا گوردون رمزی (آشپز مشهور)!، در نظر گرفتن دو احتمال آخر احمقانه به‌نظر می‌رسد زیرا شما از عقل سلیم برخوردار هستید. هوش مصنوعی از سوی دیگر، چنین قابلیتی ندارد. بنابراین همه این موارد را به عنوان احتمالات در نظر خواهد گرفت.
هوش مصنوعی فعلی بر منطق نمادین و یادگیری عمیق متکی است. این موارد با وجود اهمیت بالا، عقل سلیم را نادیده گرفته و بیان‌گر آن هستند که AI نمی‌تواند به تکثیر هوش واقعی انسان نزدیک شود.
3. تولید متن مبتنی بر هوش مصنوعی، هم‌چنان در مقایسه با نسخه انسانی ناقص است
این احتمال وجود دارد که در آینده، ماشین‌ها در زمینه نوشتار متن از انسان‌ها سبقت بگیرند. اما در حال حاضر، آنها هنوز جای بسیاری برای کار دارند. هوش مصنوعی در نوشتن نثر، به‌ویژه مواردی مانند مقالات روزنامه‌نگاری تسلط دارد، اما هنوز به‌طور کامل از مهارت‌های انسانی پیشی نگرفته است.
رایانه‌هایی که از GPT-3 یا Generative Pre-Trained Transformer 3 استفاده می‌کنند، می‌توانند متنی را تولید کنند که تقریبا نوشته‌های یک انسان واقعی را تقلید می‌کند. این دست از رایانه‌ها در انواع خاصی از نوشتار خوب عمل می‌کنند، گرچه در دیگر زمینه‌ها نواقصی دارند. به‌عنوان مثال، اگر می‌خواهید گفتار یک انسان واقعی را تقلید کنید، به احتمال زیاد نتایج گنگ و مبهم خواهند بود. این فناوری با وجود توانایی در نوشتن مقاله‌ای مبتنی بر واقعیت، در زمینه‌هایی مانند طرح یک داستان با تقلید از نوشته‌های استیون کینگ، تقریبا غیرممکن است و عبارات تولیدی، نیازمند ویراش جدی خواهند بود.
نقص موجود در عملکرد این فناوری، به‌دلیل عدم پیش‌بینی و تطبیق درست الگو است. بنابراین، با اینکه در کل می‌تواند نوشتار عمومی خوبی را تولید کند، اما وقتی بخواهید نوشته‌هایی خاص مانند داستان‌های استیون کینگ و دیگر نویسندگان شاخص را داشته باشید، توانایی آن برای درک موارد قابل بیان، محدود است.
2. محدودیت رباتها در انجام وظایف تولیدی و انبارداری
بر خلاف باور عمومی، رباتها در برخی از فعالیت‌های مربوط به انبارها و کارخانه‌جات، به اندازه انسان‌ها دقیق عمل نمی‌کنند. برای مثال، در تنظیمات انبار شرکت آمازون، رباتها در انجام سفارشات به اندازه کارگران انسانی خوب نیستند.
در سال 2019، این نتیجه حاصل شد که رباتها حداقل برای یک دهه دیگر به توسعه نیاز دارند تا بتوانند به‌طور کامل با نیروهای انسانی جایگزین شوند. رباتها با اینکه می‌توانند کالاهای بزرگ را برای سفارشات حمل کنند، اما بسته‌های کوچک‌تر معمولا آسیب می‌بینند و در مقایسه با نیروهای انسانی، کارآمد نیستند.
ایلان ماسک در این زمینه اعتراف کرده که تسلا نیز اتوماسیون خود را بیش از حد پیش برده و با لزوم کاهش آن، از برتری انسان‌ها در زمینه مقابله با ناسازگاری‌ها و انعطاف‌پذیری بیش‌تر آنها سخن گفته است.
1. کپچا
احتمالا بزرگ‌ترین وجه تمایز اینترنتی میان انسان‌ها و رباتها این است که دسته دوم نمی‌توانند به 9 مربع چشم دوخته و موارد مربوط به چراغ‌های راهنمایی را انتخاب کنند! تست‌های کپچا آخرین دفاع یک وب‌سایت در برابر تهاجم بات‌ها است و به‌وسیله استفاده از لایه‌های متعدد داده‌ها از جمله اندازه و وضوح نمایشگر، آدرس IP، مرورگرها، پلاگین‌ها، فشردن کلید و دیگر موارد، از قرارگیری یک انسان به‌جای ربات در پشت سیستم اطمینان حاصل می‌کند.
احتمال تاکنون متوجه شده‌اید که این تست‌ها در گذر زمان پیچیدگی بیش‌تری پیدا کرده‌اند. در این میان، مواردی وجود دارند که باید در آنها متن نامرتب را شناسایی کنید که گاهی اوقات می‌توانند شما را فریب دهند. دلیل پیشرفت کپچا این است که رباتها نیز در گذر زمان، بهتر می‌شوند، بنابراین افزایش سختی آنها برای شکست ماشین‌ها ضروری است. در واقع، در برخی از آزمایش‌ها، رباتها بسیار بهتر از انسان‌ها هستند. اما ما هنوز در برنامه‌های پایه‌ای جلوتر هستیم و تا زمانی‌که نسل بعدی این تست‌ها ایجاد شوند، احتمالا کپچاها به حد کافی در شناسایی بات‌ها موثر خواهند بود.
