Արհեստական բանականությունը և մեր առջև ծառացած մարտահրավերները
Ապրիլ 22, 2024 10:25 Asia/Tehran
Արհեստական բանականությունը կամ արհեստական ինտելեկտը (Artificial intelligence (AI) մեր ժամանակի տեխնոլոգիական զարգացումներից է, որն ունի բազմաթիվ տարբեր կիրառություններ։ Արհեստական բանականությունը կարող է բարելավել կյանքը շատ առումներով, բայց այն նաև ստեղծում է կարևոր մարտահրավերներ, որոնցից մի քանիսը մենք նշելու ենք այս հաղորդման ընթացքում:
Շատերը լսելով արհեստական բանականության մասին դեռ մտածում են ռոբոտների մասին և կարծում են, որ արհեստական բանականությունը նշանակում է այն անզգա ռոբոտները, որոնք նախատեսված են գործերը ավելի հեշտ կատարելու համար, և ապագայում պետք է փոխարինեն մարդկանց: Գիտաֆանտաստիկ ֆիլմերը հավանաբար պատասխանատու են այս տեսակի մտածողության համար, բայց իրականությունը տարբերվում է պատկերացրածից:
Արհեստական բանականությունը կամ արհեստական ինտելեկտը (անգլերեն՝ Artificial Intelligence) (հապավումով՝ AI), իրականում տեխնոլոգիա է, որն ունի ինչ-որ կերպ մտածելու ունակություն։ Իհարկե, մտածելու այս կարողությունը շատ է տարբերվում նրանից, ինչ մենք գիտենք որպես մարդկային մտածողություն, բայց իրականում այն փորձում է ընդօրինակել նրան:
Արհեստական բանականությունը ներկայումս հանդիսանում է զարգացող տեխնոլոգիաների հիմնական շարժիչ ուժը, ինչպիսիք են մեծ տվյալները (Big Data), ռոբոտաշինությունը և իրերի ինտերնետը: IBM-ի կողմից անցկացված 2023 թվականի հետազոտության համաձայն՝ ձեռնարկությունների մակարդակի ընկերությունների 42 տոկոսը ինտեգրել է արհեստական բանականությունը իրենց գործունեության մեջ, իսկ մնացածը մտածում են AI գործիքներ օգտագործելու մասին:
Արհեստական բանականության ազդեցությունը մարդու կյանքի և համաշխարհային տնտեսության վրա զարմանալի է։ Արհեստական բանականությունը մինչև 2030 թվականը կարող է 15.7 տրիլիոն դոլար ավելացնել համաշխարհային տնտեսությանը: Ինչպես նաև, կանխատեսում են տարբեր ընկերություններ, արհեստական բանականության օգտագործումը կարող է 40%-ով բարձրացնել իրենց բիզնեսի արտադրողականությունը։ AI-ի ստարտափների թվի զգալի աճը նույնպես 14 անգամ ավելացել է 2000 թվականից։
Սակայն արհեստական բանականությունը նույնպես մարտահրավերներ է ստեղծել, որոնցից մի քանիսը կնշենք։
Առաջինը էներգիայի կարիք ունեցող այս ալգորիթմների կողմից օգտագործվող կապիտալի չափն է, որը հեռու է պահում ծրագրավորողներից շատերին: «Խորը ուսուցում» կամ Deep Learning-ը արհեստական բանականության ելակետն է, և արդյունավետ լինելու համար պահանջում է միջուկների և գրաֆիկական մշակիչների աճող քանակ: Կան բազմաթիվ ոլորտներ, որտեղ մենք ունենք գաղափարներ և գիտելիքներ խորը ուսուցման շրջանակներ իրականացնելու համար: Սա պահանջում է սուպերհամակարգչի չափ հաշվողական հզորություն, և սուպերհամակարգիչները էժան չեն: Չնայած զուգահեռ մշակման համակարգերի առկայության պատճառով AI համակարգերի մշակողները աշխատում են ավելի արդյունավետ, բայց դրանց գինը շատ բարձր է, և ոչ բոլորը կարող են դա կիրառել տվյալների աննախադեպ ծավալով և արագ աճող բարդ ալգորիթմներով:
Հաջորդ մարտահրավերը վստահության բացակայությունն է։ Հետազոտությունները ցույց են տալիս, որ արհեստական բանականության վերաբերյալ մտահոգություն առաջացնող ամենակարևոր գործոններից մեկը խորը ուսուցման մոդելների անհայտ բնույթն է: Թե ինչպես կարող է մուտքային տվյալների որոշակի խումբ լուծումներ գտնել տարբեր տեսակի խնդիրների համար, սա դժվար է հասկանալ ոչ մասնագետի համար:
Աշխարհում շատ մարդիկ նույնիսկ տեղյակ չեն արհեստական բանականության օգտագործման կամ գոյության մասին և այն մասին, թե ինչպես է այն ինտեգրվում առօրյա սարքերին, որոնց հետ շփվում են, ինչպիսիք են խելացի հեռախոսները, խելացի հեռուստացույցները, բանկերը և նույնիսկ մեքենաները: Գիտելիքի այս պակասը հանգեցնում է վստահության պակասի և նույնիսկ հոռետեսության:
Այժմ շուկայում կան բազմաթիվ հնարավորություններ, որտեղ կարող ենք արհեստական բանականությունը օգտագործել որպես ավանդական համակարգերի ավելի լավ այլընտրանք, բայց իրական խնդիրը արհեստական բանականության իմացությունն է: Բացի տեխնոլոգիայով հետաքրքրվողներից, ուսանողներից և հետազոտողներից, միայն սահմանափակ թվով մարդիկ են տեղյակ արհեստական բանականության ներուժի մասին: Օրինակ, կան շատ փոքր և միջին ձեռնարկություններ, որոնք կարող են պլանավորել իրենց աշխատանքը կամ սովորել արտադրությունը մեծացնելու, ռեսուրսները կառավարելու, ապրանքները առցանց վաճառելու և կառավարելու նորարարական ուղիներ, ինչպես նաև հասկանալ սպառողների վարքագիծը և արդյունավետ կերպով արձագանքել շուկային:
***************
Անկասկած, արհեստական բանականության կարևորագույն մարտահրավերներից մեկը մարդկային ռեսուրսների մակարդակում է։ Մարտահրավեր, որը արհեստական բանականության ծառայությունների հետազոտողներին պահել է ընկերությունների և ստարտափների կողքին: Այս ընկերությունները կարող են պարծենալ ավելի քան 90% ճշգրտությամբ, բայց մարդիկ կարող են ավելի լավ գործել այս բոլոր սցենարներում: Պարզ օրինակում պատկերի հետ մեկտեղ հարց է դրվում՝ արդյոք այս պատկերը շուն է, թե կատու: Մարդիկ կարող են կանխատեսել ճիշտ արդյունքը գրեթե ամեն անգամ՝ հասնելով ապշեցուցիչ 99% ճշգրտության:
Որպեսզի խորը ուսուցման մոդելը կարողանա գործել նույն կերպ, այն պահանջում է ճշգրտում, հիպերպարամետրային օպտիմիզացում, տվյալների մեծ հավաքածուներ և լավ սահմանված և ճշգրիտ ալգորիթմ, ինչպես նաև հզոր հաշվողական հզորություն, տվյալների շարունակական ուսուցում և թեստային տվյալների փորձարկում: Թվում է, թե դա շատ աշխատանք է պահանջում, և իրականում դա հարյուր անգամ ավելի դժվար է, քան թվում է:
Ճիշտ է, դժվար աշխատանքը հեշտացնելու ճանապարհներից մեկը ծառայություններ մատուցողից օգտվելն է, բայց իրական խնդիրն այն է, որ չնայած շատ մեծ ջանքերին, դեռ կան սխալներ, և դա երկար և, հավանաբար, անհնարին ճանապարհ է իրականում մարդու մակարդակին հասնելու համար:
***********************
Տվյալների գաղտնիությունն ու անվտանգությունը արհեստական բանականության ոլորտում ամենակարեւոր մարտահրավերն է։ Հիմնական գործոնը, որի վրա հիմնված են խորը և մեքենայական ուսուցման բոլոր մոդելները, տվյալների և ռեսուրսների առկայությունն է դրանց ուսուցման համար: Քանի որ այս տվյալները ստեղծվում են ամբողջ աշխարհում միլիոնավոր օգտատերերից, հավանական է, որ այդ տվյալները կօգտագործվեն վնասակար նպատակներով, ինչպիսիք են գողությունը: Օրինակ, ենթադրենք, որ բժշկական ծառայություններ մատուցողը սպասարկում է մի քաղաքում 1 միլիոն մարդու, և կիբերհարձակման պատճառով բոլոր 1 միլիոն օգտատերերի անձնական տվյալները հայտնվում են Ստվերային ցանցում կամ Dark Web-ում։ Այս տվյալները ներառում են տեղեկություններ հիվանդությունների, առողջական խնդիրների, բժշկական պատմության և այլնի մասին: Իհարկե, որոշ ընկերություններ արդեն սկսել են նորարարական միջոցներ ձեռնարկել այդ խոչընդոտները շրջանցելու համար եւ լրջորեն աշխատում են այս ոլորտում։
*******************
Այժմ, երբ խոշոր ընկերությունները, ինչպիսիք են Google-ը, Facebook-ը և Apple-ը, բախվում են օգտատերերի կողմից ստեղծված տվյալների ոչ էթիկական օգտագործման մեղադրանքներին, կան երկրներ, օրինակ Հնդկաստանը, որ օգտագործում են խիստ ՏՏ օրենքներ՝ հոսքը սահմանափակելու համար: Ուստի այս ընկերությունները ներկայումս բախվում են տեղական տվյալների օգտագործման խնդրին աշխարհի համար հավելվածներ մշակելու համար, ինչը հանգեցնում է կողմնակալության։
Տվյալներն արհեստական բանականության շատ կարևոր կողմն են, և պիտակավորված տվյալները օգտագործվում են մեքենայական ուսուցման համարէ սովորելու և կանխատեսումներ անելու նպատակով: Որոշ ընկերություններ փորձում են նոր մեթոդներ ներդնել և կենտրոնացած են արհեստական բանականության այն մոդելների ստեղծման վրա, որոնք չնայած տվյալների սակավությանը, կարող են ճշգրիտ արդյունքներ տալ: Այդ իսկ պատճառով տվյալների բացակայությունը կամ դրանց թերությունները կամ կողմնակալ տեղեկատվությունը կարող է խեղաթյուրել ամբողջ համակարգը և լուրջ խնդիրներ առաջացնել արհեստական բանականության շահագործման հարցում:
Բացի այս բոլորը, արհեստական բանականության էթիկայի ոլորտում թեժ քննարկումներից է հնարավոր սխալների ու վնասների համար պատասխանատվության հարցը։ Ո՞վ պետք է պատասխանատվության ենթարկվի, երբ խելացի համակարգերը սխալ են թույլ տալիս կամ վթարի պատճառ են դառնում: Ալգորիթմների նախագծողները պատասխանատու՞ն են, թե՞ արտադրողները։ Գործատուն է պատասխանատու, թե օգտագործողը:
Այս հարցը շատ կարևոր է ինքնակառավարվող մեքենաների և բժշկական արհեստական բանականության դեպքում։ Որովհետև նման դեպքերում պատասխանատու անձին որոշելը շատ դժվար է։ Հետևաբար, պետք է լինեն պարզ ու հստակ կանոնակարգեր պատասխանատվությունը որոշելու համար, որպեսզի մարդիկ կարողանան բողոքել և փոխհատուցում պահանջել վնասի կամ վնասվածքի դեպքում:
*************************
Չնայած արհեստական բանականությունը ձեռքբերումներ է ունեցել բիզնես միջավայրում, սակայն այն ունեցել է անհավասար ազդեցություն ոլորտների և մասնագիտությունների միջև: Հիշում ենք, որ անցյալ տարի Հոլիվուդում գործադուլներ ու բողոքի ցույցեր եղան՝ ընդդեմ կինոարտադրության տարբեր ոլորտներում արհեստական բանականության ներդրման, և շատերն անհանգստացած ու մտահոգված էին արհեստական բանականության կիրառման արդյունքում գործազուրկ դառնալու համար։
Բացի այս ամենից, ակնկալվում է, որ արհեստական բանականությունը էական ազդեցություն կունենա կայունության, կլիմայի փոփոխության և բնապահպանական խնդիրների վրա: Լավատեսները կարող են AI-ն դիտարկել որպես ածխածնի արտանետումները նվազեցնելու միջոցներն ավելի արդյունավետ դարձնելու միջոց, բայց մյուս կողմից, արհեստական բանականությանը կարելի է մեղադրել կլիմայի փոփոխության մեջ: Կանխատեսվում է, որ AI մոդելների ստեղծման և պահպանման համար անհրաժեշտ էներգիան և ռեսուրսները կբարձրացնեն ածխածնի արտանետումները 80%-ով, ինչը կործանարար հարված է շրջակա միջավայրի բարելավմանն ուղղված ցանկացած ջանքերին:
Ընդհանուր առմամբ, կարելի է ասել, որ արհեստական բանականությունը մեծ հնարավորություններ է ընձեռում մարդու առաջընթացի համար, բայց նաև կարող է լուրջ վնաս հասցնել։ Արհեստական բանականության նախագծման և օգտագործման մեջ էթիկայի և մարդկային նկատառումների պահպանումը կենսական նշանակություն ունի, և կառավարություններն ու միջազգային կառույցները պետք է միջոցներ ձեռնարկեն և համագործակցեն արհեստական բանականության մարտահրավերները լուծելու համար, քանի դեռ ուշ չէ: