[ad_1]

در میان ثروتمندترین و قدرتمندترین شرکتهای جهان ، گوگل ، فیس بوک ، آمازون ، مایکروسافت و اپل هوش مصنوعی را به بخشی از عمده تجارت خود تبدیل کرده اند. پیشرفت های دهه اخیر ، به ویژه در روش هوش مصنوعی موسوم به یادگیری عمیق ، به آنها امکان مشاهده رفتار مصرف کننده را داده است. اخبار ، اطلاعات و محصولات را پیشنهاد دهید. و بیشتر آنها را به سمت تبلیغات سوق می دهد. دستگاه تبلیغاتی گوگل سال گذشته بیش از 140 میلیارد دلار درآمد کسب کرد. فیس بوک 84 میلیارد دلار درآمد کسب می کند.

شرکت ها سرمایه گذاری زیادی در فناوری کرده اند که ثروت زیادی را برای آنها به ارمغان آورده است. شرکت مادر گوگل ، آلفابت ، آزمایشگاه هوش مصنوعی DeepMind مستقر در لندن را با مبلغ 600 میلیون دلار در سال 2014 خریداری کرد و سالانه صدها میلیون سال برای حمایت از تحقیقات خود هزینه می کند. مایکروسافت در سال 2019 یک قرارداد 1 میلیارد دلاری با OpenAI برای حق تجارت الگوریتم های خود امضا کرد.

در همان زمان ، غول های فناوری به سرمایه گذاران اصلی در تحقیقات دانشگاه AI تبدیل شده اند و به شدت بر اولویت های علمی آن تأثیر می گذارند. در طول سالها ، دانشمندان بیشتر و جاه طلبتر به کار غولهای فنی تمام وقت یا وابستگی مضاعف پرداخته اند. از مطالعه 2018 توسط محققان در شبکه رادیکال عقل مصنوعی ، گروهی که سعی در پویایی قدرت در هوش مصنوعی دارند.

مشکل این است که برنامه هوش مصنوعی شرکتی بر روی تکنیک هایی با پتانسیل تجاری متمرکز شده است ، عمدتاً تحقیقاتی را که می تواند به رفع چالش هایی مانند نابرابری اقتصادی و تغییرات آب و هوایی کمک کند ، نادیده می گیرد. در حقیقت ، این چالش ها را تشدید کرده است. رانندگی برای خودکار سازی کارها هزینه های زیادی را به همراه داشته و منجر به افزایش کارهای خسته کننده مانند پاکسازی داده ها و تعدیل محتوا شده است. انگیزه ایجاد مدلهای بزرگتر منجر به انفجار مصرف برق AI شده است. آموزش عمیق همچنین این فرهنگ را ایجاد کرده است که در آن داده های ما به طور مداوم ، اغلب بدون رضایت ، برای آموزش محصولات مانند سیستم های تشخیص چهره ، خلال می شوند. و الگوریتم های ارجاع ، دو قطبی سیاسی را تشدید می کنند ، در حالی که مدل های بزرگ زبان قادر به پاک کردن اطلاعات غلط نیستند.

این وضعیت است که گبرو و جنبش رو به رشد افراد همفکر می خواهند تغییر کنند. در طول پنج سال گذشته ، آنها تلاش کرده اند اولویت های میدانی را از غنی سازی شرکت های فناوری به سمت گسترش افرادی که می توانند در توسعه فناوری شرکت کنند ، تغییر دهند. هدف آنها نه تنها کاهش خسارات ناشی از سیستم های موجود بلکه ایجاد یک هوش مصنوعی جدید ، منصفانه و دموکراتیک تر است.

“سلام از تیمنیت”

در دسامبر سال 2015 ، Gebru نشست تا نامه ای سرگشاده بنویسد. او در میانه دکترای خود در استنفورد ، در کنفرانس سیستم های اطلاعات عصبی برای پردازش اطلاعات ، بزرگترین گردهمایی تحقیقاتی سالانه هوش مصنوعی شرکت کرده بود. از بیش از 3700 محقق در آنجا ، گبرو فقط پنج نفر را سیاه پوست شمرد.

هنگامی که یک جلسه کوچک برای یک جایگاه ویژه در زمینه دانشگاهی برگزار شد ، NeurIPS (همانطور که قبلاً شناخته شده است) به سرعت به بزرگترین جایزه سالانه برای کار با هوش مصنوعی تبدیل شد. ثروتمندترین شرکت های جهان برای تظاهرات ، سازماندهی مهمانی های عجیب و غریب و نوشتن چک های محکم برای نادرترین افراد در سیلیکون ولی حضور داشتند: محققان ماهر هوش مصنوعی.

در همان سال ، ایلان ماسک وارد شد تا سازمان غیرانتفاعی OpenAI را اعلام کند. وی ، رئیس وقت Y Combinator سام آلتمن ، و بنیانگذار PayPal Peter Teale یک میلیارد دلار سرمایه گذاری کرده بود تا آنچه را که آنها وجودی می دانند حل کند: چشم انداز ابرتامل یک روز جهان را تسخیر می کند. راه حل آنها: ساختن حتی هوش فوق العاده بهتر. از 14 مشاور یا اعضای فنی تیمی که وی منصوب کرد ، 11 نفر سفیدپوست بودند.

ریکاردو سانتوس انطباق با ارتباطات

در حالی که ماسک رها شده بود ، گبرو با تحقیر و آزار و اذیت روبرو شد. در یک مهمانی کنفرانس ، گروهی از پسران مست با تی شرت های Google Research دور او قدم زدند و او را در آغوش های ناخواسته ، بوسه گونه و عکس قرار دادند.

گبرو انتقادی تند از آنچه متوجه شده بود را ارائه داد: تماشای این منظره ، پرستش پرستش مشاهیر هوش مصنوعی ، و بیش از همه ، تجانس غیر قابل مقاومت. وی می نویسد ، فرهنگ باشگاهی این پسر بچه های با استعداد را از این حوزه خارج کرده است. وی همچنین کل جامعه را به سمت مفهوم خطرناکی از هوش مصنوعی و تأثیر آن بر جهان سوق داد.

وی گفت ، گوگل در حال حاضر الگوریتم دید رایانه ای را معرفی کرده است که سیاه پوستان را به عنوان گوریل طبقه بندی می کند. و پیچیدگی روزافزون وسایل نقلیه هوایی بدون سرنشین ، ارتش ایالات متحده را به سمت دستیابی به سلاح های خودمختار کشنده سوق می دهد. اما در برنامه بزرگ ماسک برای جلوگیری از تسخیر هوش مصنوعی در جهان در برخی سناریوهای نظری آینده ، هیچ اشاره ای به این مشکلات نشده بود. گبرو نوشت: “برای دیدن تأثیرات سو potential احتمالی هوش مصنوعی نیازی به طراحی نیستیم.” “این در حال حاضر اتفاق می افتد.”

گبرو هرگز تأملات خود را منتشر نکرد. اما او فهمید که چیزی باید تغییر کند. وی در تاریخ 28 ژانویه 2016 ، ایمیلی با عنوان “سلام از Timnit” برای پنج محقق دیگر Black AI ارسال کرد. وی نوشت: “من همیشه از کمبود رنگ در هوش مصنوعی غمگین بوده ام.” “اما حالا من 5 نفر از شما را دیده ام 🙂 و من فکر کردم که اگر در گروه هوش مصنوعی شروع به مشکی کنیم یا حداقل درمورد همدیگر بدانیم بسیار خوب خواهد بود.”

ایمیل باعث بحث شد. چه چیزی بود که سیاه بود و از تحقیقات آنها اطلاع می داد؟ از نظر گبرو ، کار او تا حد زیادی محصول هویت او بود. برای دیگران اینگونه نبود. اما پس از جلسه ، آنها توافق کردند: اگر هوش مصنوعی نقش بیشتری در جامعه بازی کند ، آنها به محققان سیاه پوست بیشتری نیاز دارند. در غیر این صورت ، این رشته علمی ضعیف تر تولید می کند – و اثرات سوverse آن می تواند بسیار بدتر شود.

دستور کار سود محور

از آنجایی که رنگ سیاه در هوش مصنوعی تازه شروع به ادغام می کرد ، هوش مصنوعی سرعت تجارت خود را افزایش می داد. طبق گفته موسسه جهانی مک کینزی ، در سال 2016 ، غول های فناوری حدود 20 تا 30 میلیارد دلار برای توسعه این فناوری هزینه كرده اند.

این گرما با سرمایه گذاری شرکت ها تحریف می شود. هزاران محقق دیگر مطالعه هوش مصنوعی را آغاز کردند ، اما بیشتر آنها می خواستند روی الگوریتم های یادگیری عمیق مانند مثالهایی که پشت مدلهای بزرگ زبان است کار کنند. سورش ونکاتاسوبرامانیان ، استاد علوم کامپیوتر که اکنون در دفتر علم و فناوری کاخ سفید خدمت می کند ، گفت: “شما به عنوان یک دانشجوی دکترا جوان که می خواهید در یک شرکت فناوری شغل پیدا کنید ، می فهمید که شرکت های فناوری آموزش های عمیقی را شامل می شوند.” سیاست گذاری “بنابراین شما تمام تحقیقات خود را به آموزش های عمیق منتقل می کنید. سپس دانشجوی دکتری بعدی که وارد می شود به اطراف نگاه می کند و می گوید: “همه در حال یادگیری عمیق هستند. احتمالاً من هم باید همین کار را انجام دهم. “

اما آموزش عمیق تنها تکنیک در این زمینه نیست. قبل از رونق او ، رویکرد متفاوتی نسبت به هوش مصنوعی وجود داشت ، معروف به استدلال نمادین. در حالی که یادگیری عمیق از مقدار زیادی داده برای آموزش الگوریتم ها برای روابط معنادار در اطلاعات استفاده می کند ، استدلال نمادین بر رمزگذاری صریح دانش و منطق بر اساس تجربه انسانی متمرکز است.

اکنون برخی از محققان معتقدند که این تکنیک ها باید با هم ترکیب شوند. رویکرد ترکیبی باعث می شود هوش مصنوعی در استفاده از داده و انرژی کارآمدتر باشد و به آن دانش و قدرت استدلال یک متخصص و همچنین توانایی به روزرسانی با اطلاعات جدید را بدهد. اما شرکت ها انگیزه کمی برای کشف رویکردهای جایگزین ندارند ، وقتی مطمئن ترین راه برای به حداکثر رساندن سود ، ساخت مدل های بزرگتر است.

[ad_2]

منبع: unbox-khabar.ir

ایندکسر