در ماه‌ها و سال‌های اخیر، در فضای عمومی جامعه‌ی ما تصویری محدود و ساده‌انگارانه از «هوش مصنوعی» شکل گرفته است؛ تصویری که این حوزه‌ی گسترده را صرفاً به تولید عکس، ویدئو و صدا تقلیل می‌دهد. کافی است نگاهی به شبکه‌های اجتماعی بیندازیم تا با موجی از «پرتره‌های مولد»، «تبدیل چهره به ویدئو» و ابزارهای سرگرم‌کننده مواجه شویم؛ در حالی‌که این‌ها تنها بخش کوچکی از یک منظومه‌ی علمی بسیار وسیع هستند؛ منظومه‌ای با ریشه‌های عمیق در ریاضیات، آمار، علوم رایانه، منطق و حتی فلسفه‌ی ذهن.

مسئله از جایی جدی‌تر می‌شود که بخش بزرگی از جامعه، «هوش مصنوعی» را با «هوش مصنوعی مولد» یکسان می‌انگارد؛ آن هم نه در سطح نظری و علمی، بلکه در حد محصولاتی که صرفاً خروجی‌های بصری جذاب تولید می‌کنند. این نگاه تقلیل‌گرایانه، ارزش واقعی این علم را به‌عنوان ابزاری برای حل مسائل پیچیده‌ی انسانی، صنعتی و اجتماعی کم‌رنگ کرده و چه‌بسا مسیر توسعه‌ی صحیح آن را دچار انحراف ساخته است. در گفت‌وگوهایی که با پیرامونیان خود داشتم، بارها به این نتیجه رسیدیم که برداشت رایج از هوش مصنوعی در فضای امروزه‌ی ما، فاصله‌ی معناداری با واقعیت علمی این حوزه دارد.

در حالی‌که در جهان، هوش مصنوعی در قلب پروژه‌هایی قرار گرفته است که مستقیماً با آینده‌ی بشر گره خورده‌اند؛ از توسعه‌ی روش‌های نوین درمانی و بازیابی توان حرکتی افراد آسیب‌دیده گرفته تا بهینه‌سازی مصرف انرژی، کنترل تغییرات اقلیمی، افزایش ایمنی در حمل‌ونقل، هوشمندسازی شهرها و شخصی‌سازی عمیقِ نظام‌های آموزشی. در ایران هم در حوزه‌های موشکی، دفاعی، فضایی و پزشکی، پژوهش‌ها و پروژه‌هایی مبتنی بر هوش مصنوعی در حال پیشرفت هستند و نشان می‌دهند که کاربردهای علمی و عملی این فناوری فراتر از ابزارهای سرگرمی است. این تجربه‌ها نشان می‌دهد مسیر درست، حرکت به سمت استفاده‌های مسئله‌محور و علمی از هوش مصنوعی است؛ نه صرفاً سرگرمی یا تقلید کورکورانه.

یکی از سوءبرداشت‌های رایج این است که استفاده از ابزارهای مبتنی بر هوش مصنوعی، به‌معنای تخصص و تسلط بر این علم تلقی می‌شود. در حالی‌که این ابزارها نتیجه‌ی سال‌ها پژوهش، آزمایش، مدل‌سازی ریاضی و توسعه‌ی الگوریتم‌های پیچیده توسط متخصصان این حوزه هستند؛ نه حاصل فعالیت روزمره‌ی کاربرانی که با یک یا چند اپلیکیشن کار می‌کنند. همان‌طور که استفاده از ماشین حساب، کسی را به ریاضی‌دان تبدیل نمی‌کند، استفاده از یک نرم‌افزار مبتنی بر هوش مصنوعی نیز به‌معنای درک علمی این فناوری نیست. همین برداشت نادرست، گاه موجب سردرگمی در بازار کار، آموزش و تعریف نادرست از «تخصص» در این حوزه شده است.

هوش مصنوعی تنها به مدل‌های مولد تصویر و متن محدود نمی‌شود. حوزه‌هایی مانند یادگیری ماشین کلاسیک، یادگیری تقویتی، پردازش زبان طبیعی، بینایی ماشین، علم داده، بهینه‌سازی، رباتیک پیشرفته، سیستم‌های توصیه‌گر و تصمیم‌یار، هر یک نقش مهمی در ساخت آینده‌ تکنولوژیک جهان ایفا می‌کنند. بسیاری از این شاخه‌ها اساس تحول در صنایع، علوم پزشکی، اقتصاد، آموزش، مدیریت شهری و حتی علوم انسانی هستند؛ اما نام آن‌ها کمتر شنیده می‌شود.

نکته‌ی اساسی این است که هوش مصنوعی دیگر یک رشته‌ی محدود به مهندسی کامپیوتر نیست؛ بلکه یک توانمندی میان‌رشته‌ای و ضروری برای همه‌ی حوزه‌ها و تخصص‌ها محسوب می‌شود. امروز پزشکان، معماران، پژوهشگران علوم انسانی، مدیران، اقتصاددانان، روزنامه‌نگاران، هنرمندان و فعالان حوزه‌های اجتماعی نیز ناگزیر در مواجهه با داده‌ها، الگوریتم‌ها و سیستم‌های هوشمند قرار دارند. همه ما، فارغ از شغل و حرفه، بهتر است نگاه‌های گسترده‌تری به این حوزه داشته باشیم و به سمت استفاده‌های آگاهانه و علمی حرکت کنیم.

اما چرا درک علمی مهم‌تر از ابزار است؟ چون در پس ظاهر پرزرق‌وبرق ابزارهای مبتنی بر هوش مصنوعی، یک حقیقت بنیادین نهفته است: همه چیز به داده بازمی‌گردد. اگر این داده‌ها ناقص، نادقیق یا جانبدارانه باشند، نتیجه نیز چیزی فراتر از یک توهم تکنولوژیک نخواهد بود. برخلاف تصور عمومی، هوش مصنوعی ذاتاً «باهوش» نیست؛ بلکه بازتابی از کیفیت داده‌هایی است که در اختیار دارد. از همین رو، اداره و هدایت این فناوری در دست کسانی است که از دانش عمیق علوم داده، الگوریتم‌ها و اخلاق فناوری برخوردارند، نه صرفاً تولیدکنندگان خروجی‌های نمایشی.

اگر جامعه‌ی ما می‌خواهد از موج جهانی هوش مصنوعی عقب نماند، ناگزیر است نگاه خود را از «بازی با ابزارهای آماده» به سمت «فهم علمی و استفاده‌ی مسئله‌محور» تغییر دهد. هوش مصنوعی آمده است تا کیفیت زندگی را ارتقا دهد، نظام‌های تصمیم‌گیری را دقیق‌تر کند، بهره‌وری را افزایش دهد و انسان را از جایگاه مصرف‌کننده به جایگاه سازنده برساند؛ اما این فقط زمانی محقق می‌شود که از هیجان سطحی فاصله بگیریم و به درکی عمیق، مسئولانه و آینده‌نگرانه برسیم.

عمق هوش مصنوعی در «فهم» و «پیشبرد آگاهانه‌ی آن» است، نه در «فیلتر»؛ در «تحلیل داده» است، نه در «ترفند»؛ و در «حل مسئله‌های واقعی» است، نه در «تبدیل سلفی به پرتره» و «دل‌سپردن به یک ترندِ زودگذر.» اگر به هوش مصنوعی نه به‌عنوان یک تَب کوتاه مدت، بلکه به‌عنوان یک مسیر بلندمدت نگاه کنیم، آن‌گاه می‌توانیم سهمی واقعی در ساختن آینده داشته باشیم و نه فقط تماشاگر آن باشیم.

آهنگ فتاحی، فعال حوزه فناوری*

انتهای یادداشت/