آیا آینده خود را به دست الگوریتم‌ها بسپاریم؟
بعد از یک روز پر فراز و نشیب ، بالاخره روی کاناپه می خوابید تا مغزتان خنک شود ، اما این ذهن لعنتی تازه شروع کرده است. به محض رفتن او به جنگ دیروز ؛ نگرانی در مورد خانه آینده ؛ او به جلسه ماه گذشته برمی گردد و سرانجام فردا برنامه ریزی می کند. دانشمندان می گویند وقتی نمی خواهید کاری انجام دهید ، فعالیت مغز شما به حداکثر می رسد. این فعالیت نوعی سفر در زمان است و به ما قدرت می دهد تا به آینده برویم. استیون جانسون ، نویسنده علوم و نظریه پرداز رسانه ، می گوید ما باید تاریخ فن آوری را با “انسان آینده” ، انسانی که به طور سنتی تزکیه می کند و اکنون الگوریتم هایی را برای پیش بینی آینده طراحی می کند ، درک کنیم.
به گزارش دیباروز ، روزنامه جوان همچنین نوشت: «تصور کنید اواخر عصر یک روز کاری است و به پیاده روی رفته اید. وقتی مسیر معمول پیاده روی محله را طی کنید ، از خانه دور نخواهید شد و ناگهان ذهنتان به یک جلسه مهم برنامه ریزی شده برای هفته آینده می رود. برای لحظه ای تصور کنید که به دنیای کارما محور ارل منتقل می شوید. – و همانطور که صحنه را تصور می کردید ، در زندگی شما یک صدای شادی و لطیف در انتظار شماست – و شما امیدوارید که فرصتی برای درخواست افزایش حقوق از رئیس خود داشته باشید. البته نه برای اینکه از یک لحظه حقوق خود را افزایش دهید بلکه در چند ماه آینده. برای لحظه ای تصور کنید که به قلمرو کارم محور ارل تبدیل شده اید. و سال آینده ، شما و همسرتان سرانجام می توانید بازار اجاره را رها کنید و محله بهتری را در محله مجاور با تحصیلات بهتر خریداری کنید. اما بعد ، ذهن شما به خاطر مشکلی که اخیراً با آن دست و پنجه نرم می کنید گم شده است: یکی از اعضای با استعداد اما با روحیه گروه شما. هنگام راه رفتن ، احساس ناخوشایندی به شما یادآوری می شود که وقتی به همکار شما خیلی اهانت شده است ، اتاق شما را پر کرده است. جلسه دیگری را تصور کنید که شش ماه بعد در آن رفتار انفجاری رخ می دهد. این اتفاق فقط این بار در حضور روسا می افتد. موج کوچکی از اضطراب ذهن شما را پر می کند. با خود فکر می کنید که شاید او برای این کار چندان مناسب نباشد و این فکر شما را به یاد پنج سال پیش هنگام اخراج کارمندی می اندازد. مغز شما تنش آزار دهنده در آن مکالمه را به خاطر می آورد و سپس تصور می کنید که گفتگوی مشابه با کارمند فعلی خود چقدر عصبی و ناخوشایند خواهد بود. در حالی که ذهن شما این سناریو را پشت سر می گذارد ، نزدیک به وحشت جسمی احساس خواهید شد. در عرض چند دقیقه پیاده روی ، می توانید چندین سفر مشخص از گذشته به آینده داشته باشید: به هفته آینده و جلسه مهم خود ، یک یا دو سال بعد ، سپس خرید خانه در محله جدید ، به پنج چند سال پیش ، تا چند هفته بعد شما زنجیره های علت و معلولی را ایجاد می کنید که به آن لحظات مختلف متصل هستند ، و به آرامی و به طور پیوسته از حوادث بیرونی به سمت تصورات پیش می روند. این توالی کامل فرم پیشرفته ژیمناستیک زمانی است. در این لحظات فکر نابسامان ، ذهن ما بین گذشته و آینده به سرعت جلو و عقب می رود ، مانند یک تدوینگر فیلم که در فریم های فیلم به عقب و جلو می رود.
پیش بینی پذیری در بسیاری از انقلاب های اجتماعی و علمی که تاریخ بشر را شکل داده و تقویت کرده اند ، منعکس شده و مورد حمایت قرار گرفته است. خود کشاورزی بدون آینده عملی امکان پذیر نبود: پیش بینی تغییر فصل و تجسم پیشرفت های طولانی مدت که از محصولات اهلی انتظار می رود. سیستم های بانکی و اعتباری به ذهن هایی نیاز دارند که بتوانند ارزش مالی زمان حال را فدای احتمال دستاوردهای بیشتر در آینده کنند. ما با استعدادی منحصر به فرد در تصور آینده متولد شدیم ، اما از طلوع تمدن ، این هدایا را تبلیغ کرده ایم. امروزه پیشرفت های جدیدی در الگوریتم های یادگیری ماشین در آستانه است که به انسان ها نسبت به انواع خاصی از پیش بینی ها برتری پیدا کرده است. همانطور که هوش مصنوعی برای تقویت استعداد اصلی انسان ما طراحی شده است ، ما با این س exactال دقیق روبرو می شویم: اگر موفق به پیش بینی آینده شویم ، آینده چه تفاوتی ایجاد می کند؟
پیش بینی های دقیق هواشناسی فقط یکی از دستاوردهای اولیه سفر در زمان مبتنی بر نرم افزار است: الگوریتم هایی که به ما امکان می دهد به آینده نگاه کنیم ، چیزی که فقط چند دهه پیش غیرممکن بود. و سه نویسنده دانشگاه تورنتو در کتاب مشترک جدیدی که آنها آنها را ماشین های پیش بینی می نامند. الگوریتم ها می توانند با کاوش در مخازن عظیم داده های رویدادهای گذشته ، پیش بینی های بسیار دقیقی از وقایع آینده داشته باشند. می توان یک الگوریتم را برای پیش بینی تأخیر در پرداخت وام های آینده با تجزیه و تحلیل هزاران فروش خانه و سوابق مالی خریداران و بررسی فرضیه ها با ردیابی بدهکارانی که در نهایت پیش فرض دارند ، پیش بینی کرد. نتیجه این برنامه ریزی مشخصاً پیش بینی مطمئنی نیست که قابل نقض نباشد ، اما چیزی مانند پیش بینی هایی است که در گزارش های هواشناسی به آنها اعتماد می کنیم. این الگوریتم ها می توانند به رفع نقص های جدی در شبکه مجازی کمک کنند: شناخته شده است که انسان احتمالات را نادرست ارزیابی می کند. سیستم های یادگیری ماشین می توانند هنگام تصمیم گیری ظریف که احتمالاً با تعداد زیادی گزینه مختلف روبرو هستند بسیار مفید واقع شوند. انسان ها بسیار قادر به ساختن آینده ای خیالی و پرداخت همزمان هزینه آن در بازه های زمانی متغیر هستند: در یکی از این مقیاس های زمانی شما کار جدیدی را پذیرفته اید و در کار دیگر آن را رد کرده اید ، اما ذهن ما در صورت لزوم چندین یا صدها مسیر آینده را دنبال می کند. سقف های سطحی و محدودیت های حساب؛ اما دستگاه های پیش بینی هوش مصنوعی این محدودیت را ندارند و این باعث می شود که آنها در کمک به تصمیم گیری مهم از زندگی مهم بسیار ماهر باشند. تصمیمات مبتنی بر داده های ارزشمند طراحی برای تجزیه و تحلیل و تعداد زیادی از قراردادهای آتی جایگزین.
در دهه های آینده ، بسیاری از ما از پیش بینی های یادگیری ماشین برای کمک به ما در تصمیم گیری در زندگی استفاده می کنیم: به عنوان مثال ، تغییرات شغلی ، برنامه ریزی مالی و انتخاب شغل. وقتی سعی کنیم بیشتر به دستگاههای پیش بینی هوش مصنوعی اعتماد کنیم ، چه اتفاقی برای نیروهای سفر در زمان خواهد افتاد؟ شاید نتیجه این وضعیت وحشتناک یا رهایی باشد یا ترکیبی عجیب از این دو باشد. اکنون به نظر می رسد اجتناب ناپذیر است که هوش مصنوعی قدرت آینده ما را به روشهای هدفمند جدید ، به خوب یا بد تبدیل می کند ، اما خوب است که باور کنیم همه فناوری هایی که در درک اولیه ما از شبکه مجازی کمک می کنند. ریشه های ما: به ذهن خود فرصت بیشتری برای پرسه زدن ، فرار از محدودیت های زمان حال ، و خارج شدن از لحظه حال بدهیم.
ترجمه از وب سایت مترجم / توسط استیون جانسون / ترجمه: علی کوشاکی / مرجع: نیویورک تایمز
انتهای پیام