موضوع: کاربرد مهم هوش مصنوعی _ امنیت در دنیای واقعی

این روزها گیت‌های امنیتی در تمام مکان‌ها نظیر فرودگاه‌ها یا شماری از گردهمایی‌ها که حساسیت امنیتی وجود دارد، دیده می‌شوند. یادگیری ماشین نشان داده که قادر است روند کنترل امنیتی را تسریع کرده و دقت این فرآیند را افزایش دهد. با استفاده از یادگیری ماشین می‌توان از ایجاد هشدارهای اشتباه پیشگیری کرده و مواردی را تشخیص داد که اسکنرهای معمولی قادر به شناسایی آن‌ها نیستند. از این سیستم می‌توان در فرودگاه‌ها، کنسرت‌ها، استادیوم‌ها و سایر مواردی که تعداد زیادی از افراد در آن حضور دارند، استفاده کرد.

https://www.zoomit.ir/2016/10/16/147...e-learning-ai/

تجربه بازی در دنیای واقعی، با استفاده از هوش مصنوعی


شرکت یوبی سافت از جمله شرکت‌های سازنده بازی‌های ویدئویی است که از چند ماه قبل یک مرکز تحقیقاتی هوش مصنوعی به نام لافورج را تاسیس کرده و تعدادی از پژوهشگران دانشگاهی را در کنار کارمندان خود در آن به کار گرفته است. به گزارش عصر ارتباط، مرکز یادشده دستاوردهایی هم داشته و از جمله نسخه‌ای تازه از یک بازی به نام واچ داگ ۲ را به طور محدود عرضه کرده که در آن خودروها و افراد پیاده در محیط شهری به مدد استفاده از هوش مصنوعی با یکدیگر تعاملات هوشمندانه‌ای دارند. محققان می‌گویند از این فناوری هوش مصنوعی حتی می‌توان برای ارتقای خودروهای خودران نیز استفاده کرد تا آنها در موقعیت‌های شلوغ به عابران پیاده برخورد نکنند و در مسیر مناسب باقی بمانند. مهم‌ترین مزیت این فناوری امکان تست آن بر روی خودروهای خودران در محیط مجازی و بدون نیاز به حرکت این خودروها در دنیای واقعی است. از جمله دیگر مزایای استفاده از هوش مصنوعی در بازی‌های رایانه ای می‌توان به واقعی و باورپذیرتر کردن رفتار شخصیت‌های به کارگرفته شده در بازی‌های مختلف و حتی شناسایی کاربرانی اشاره کرد که در زمان اجرای بازی‌ها کلک می‌زنند یا رفتار مناسبی ندارند.

https://asreertebat.com/news/2271/%D...88%D8%B9%DB%8C

آینده دنیای امنیت را به دستان پرتوان هوش مصنوعی بسپاریم







این‌ گونه به‌نظر می‌رسد که هیچ‌گاه روزی عاری از بدافزارها را تجربه نخواهیم کرد. نقص داده‌ای که یک میلیارد کاربر یاهو را در معرض خطر قرار داد، ایمیل‌های جعلی بانکی با هدف گمراه کردن کاربران، به‌روزرسانی جعلی فونت‌‌ها در مرورگر کروم تنها چند نمونه کوچک از تهدیداتی هستند که پیرامون ما قرار دارند. همین موضوع باعث شده است تا شرکت‌ها به‌دنبال راه‌ حل‌های مختلف برای این مشکلات باشند. اما این هوش مصنوعی است که در میان راهکارهای ارائه شده به‌عنوان برترین تکنیک مورد استقبال شرکت‌ها قرار گرفته است.


الگوریتم‌های هوشمند نه‌تنها این توانایی را دارند تا الگوهای رفتاری کاربران را تحلیل کنند، بلکه قادر هستند سامانه‌های بزرگ و کوچک را زیر نظر بگیرند و هر زمان الگوی رفتاری مشکوکی را تشخیص دادند، کاربران را در جریان این اتفاقات قرار دهند.

بی‌شک هوشمندی تطبیقی، الگوریتم‌های یادگیری ماشینی و حتی شبکه‌های عمیق عصبی خیلی سریع‌تر از کارشناسان امنیتی قادر هستند اطلاعات را تحلیل و نارسایی‌ها را شناسایی کنند. جورج آوتیوسو مدیرعامل و بنیان‌گذار شرکت HYPR در این ارتباط می‌گوید: «یک سری از ایده‌ها و راهکارهای خلاقانه در عرضه هوش مصنوعی وجود دارد که در زمینه تجزیه و تحلیل داده‌های حوزه امنیت قابل استفاده هستند. امروزه این عامل انسانی است که در وهله اول فرآیند تشخیص و شناسایی تهدیدات را مدیریت می‌کند. اما عامل انسانی در شناسایی تهدیدات همواره کند هستند. اما در مقابل هوش مصنوعی این قابلیت را دارند تا به‌شکل تصورناپذیری این حملات را شناسایی کنند و از بروز آن‌ها ممانعت به عمل آورند.»
آوتیوسو بر این باور است که نخستین گام برای بهره‌مندی از قابلیت‌های هوش مصنوعی این است که قوانین حاکم بر سیستم‌های شناسایی فعلی را کنار بگذاریم. سیستم‌های سنتی بیش از یک دهه است که از سوی شرکت‌ها و سازمان‌های بزرگ مورد استفاده قرار می‌گیرند. مهم‌ترین مزیتی که هوش مصنوعی دارد این است که به‌سرعت با تهدیدات هماهنگ و با انواع مختلفی از مکانیسم‌های حمله آشنا می‌شود. این رویکرد به هوش مصنوعی اجازه می‌دهد در سریع‌ترین زمان ممکن حجم بسیار عظیمی از اطلاعات یکسان که در بسیاری از موارد با یکدیگر هم‌پوشانی دارند را مورد پردازش قرار دهد. در این رویکرد یک کارشناس امنیتی تنها به‌منظور تشخیص ورودی‌های معتبر از نامعتبر مورد استفاده قرار می‌گیرد. این کارشناس داده‌هایی که به‌عنوان ورودی یک سامانه هوشمند مورد استفاده قرار می‌گیرند را ارزیابی و اطمینان حاصل می‌کند که این داده‌ها معتبر هستند. نمونه‌هایی که تا به امروز به‌صورت محدود مورد آزمایش قرار گرفته‌اند نشان داده‌اند بر مبنای داده‌های ورودی معتبر موفق شده‌اند رفتا‌رهایی که یک فرد مشکوک ممکن است در آینده از خود نشان دهد را پیش‌بینی کنند.
سازگاری با سیستم‌های سنتی از شاخص‌ترین مزایای هوش مصنوعی است. در مقطع فعلی، الگوریتم‌های هوشمند در ارتباط با تشخیص بدافزارها، ارزیابی حملات فیشینگ و بلوکه کردن حملات جست‌وجوی فراگیر مورد استفاده قرار می‌گیرند. اما در آینده الگوریتم‌های هوشمند در تعامل بهتری با سرویس‌های پست الکترونیک مورد استفاده قرار خواهند گرفت. آن‌ها به‌راحتی قادر خواهند بود ایمیل‌های جعلی به‌ظاهر قانونی را بر مبنای پارامترهای مختلفی که درون یک ایمیل قرار دارد شناسایی کنند و پیش از آنکه حمله فیشینگی رخ دهد مسئولان مربوطه را در جریان قرار دهند.
امروزه کارشناسان امنیتی مسئول طبقه‌بندی تهدیدات هستند. اما به‌واسطه آنکه این ‌کار پیچیده است زمان زیادی را برای طبقه‌بندی به‌خود اختصاص می‌دهد. مارک تستونی پژوهشگر امنیتی در این ارتباط گفته است: «ویژگی‌های ذاتی هوش مصنوعی به این فناوری اجازه داده است با اتکا بر شبکه‌های عمیق عصبی و الگوهای تشخیصی به‌خوبی در سیستم‌های تشخیص نفوذ مورد استفاده قرار گیرد. این رویکرد به‌طرز محسوسی زمانی که صرف طبقه‌بندی و تشخیص حملات می‌شود را کاهش می‌دهد. در این حالت به‌سادگی می‌توانید قدم بعدی هکر را پیش‌بینی کنید؛ اینکه به چه بخشی از سازمان حمله خواهد کرد، حمله خود را چگونه پیاده‌سازی خواهد کرد و درنهایت این حمله چه تأثیری بر سازمان خواهد گذاشت.»
نظارت دقیق بر ترافیک شبکه نیز با استفاده از الگوریتم‌های هوشمند به‌راحتی امکان‌پذیر خواهد بود. مکانیسم‌های امنیتی امروزی با سه مشکل عمده روبه‌رو هستند. اول آنکه به‌سختی می‌توانند مانع دریافت ایمیل‌های مخرب از سوی مخاطب شوند، به‌واسطه آنکه یک سری قوانین سخت‌گیرانه در این زمینه وجود دارد، دوم آنکه در بعضی موارد قادر به شناسایی ایمیل‌های مخرب نیستند و سوم‌ آنکه سامانه‌های جرم‌شناسی تنها زمانی که حمله‌ای رخ دهد به میدان وارد می‌شوند. اما هوش مصنوعی تنها الگوها را دنبال می‌کند و در هر مکان و زمانی که نقاط مشترک مختلفی را شناسایی کند، به‌سرعت وارد عمل شده و مانع بروز هرگونه حمله احتمالی می‌شود. درنهایت به این نکته توجه داشته باشید، همان ‌گونه که کارشناسان امنیتی قادر هستند از هوش مصنوعی استفاده کنند، هکرها نیز به‌همان نسبت قادرند از هوش مصنوعی برای پیشبرد اهداف مخرب خود استفاده کنند.

طبق مجموعه تحقیقات و مصاحبه‌هایی که اخیرا صورت گرفته، هوش مصنوعی و یادگیری ماشینی، محرک اقتصاد تکنولوژی در سال ۲۰۱۷ خواهند بود. کارشناسان می‌گویند در سال ۲۰۱۷ و پس از آن، هوش مصنوعی به استارت‌آپ‌ها کمک می‌کند در بخش‌هایی که پیش‌تر در آنها اختلال کامل ایجاد نشده بود، اختلال ایجاد کنند. هوش مصنوعی در مراحل اولیه خود به سر می‌برد و پتانسیل‌های گسترده‌ای در آینده دارد. در بخش اول این مطلب به ۳ رویداد مهم اثرگذار بر شکل‌گیری استارت‌آپ‌ها در سال ۲۰۱۷ اشاره می‌کنیم و هفته آینده به موارد دیگر می‌پردازیم.
1) استارت‌آپ‌های هوش مصنوعی و یادگیری ماشینی
به گفته لودو اولریخ، از مدیران شرکت Salesforce، در سال ۲۰۱۶ شرکت‌های بزرگ منابع خود را برای پیش‌بینی مسائل با استفاده از هوش مصنوعی، به بهینه‌سازی و هوشمندسازی بیشتر تکنولوژی اختصاص دادند. همزمان، تکنولوژی هم آنقدر پیشرفت کرد تا شرکت‌های کوچک‌تر هم بتوانند در انقلاب هوش مصنوعی مشارکت داشته باشند. دانشگاه‌ها نیز کلاس‌هایی را برای آموزش امکانات هوش مصنوعی به دانشجویان، در نظر گرفتند. این پیشرفت‌ها به ایجاد منبع استعداد بزرگ‌تری از کارکنان متخصص در هوش مصنوعی منجر شده که به گفته اولریخ، به سرعت پیشرفت نوآوری در سال ۲۰۱۷ کمک خواهد کرد. او می‌گوید: «اکنون که اهمیت و اثر واقعی هوش مصنوعی مشخص و دسترسی به آن آسان‌تر از گذشته شده، سال ۲۰۱۷ سالی خواهد بود که دانش مورد استفاده توسط عده‌ای معدود، در چشم‌انداز تکنولوژی رسوخ خواهد کرد و به استارت‌آپ‌های جوان‌تر امکان می‌دهد به نوآوری واقعی در این فضا دست بزنند.»
موسسه تحقیقاتی گارتنر در سمپوزیوم ITxpo خود در پایان سال ۲۰۱۶، هوش مصنوعی و یادگیری ماشینی را جزو ۱۰ رویداد استراتژیک تکنولوژی برای سال ۲۰۱۷ شناسایی کرد. دیوید کرلی، از معاونان موسسه گارتنر می‌گوید: «هوش مصنوعی کاربردی و یادگیری ماشینی پیشرفته، طیف اثرات هوشمندسازی شامل ابزارهای فیزیکی (روبات‌ها، وسایل نقلیه خودران، لوازم الکترونیکی مصرفی) و نیز اپلیکیشن‌ها و خدمات (دستیارهای شخصی مجازی و مشاوران هوشمند) را زیاد می‌کند. این اثرات در سطح تازه‌ای از اپلیکیشن‌ها و برنامه‌های هوشمند ارائه می‌شوند.»
شرکت هلدینگ مالی ولز فارگو (Wells Fargo) از جمله بنگاه‌هایی است که به گفته برادن مور، مدیر بخش استراتژی پرداخت این شرکت، در حال تست تکنولوژی هوش مصنوعی است. مور می‌گوید: «ما کشف کرده‌ایم که تکنولوژی هوش مصنوعی چگونه می‌تواند به مشتریان کمک کند با کمک رسانه‌های اجتماعی معاملات بانکی انجام دهند. همچنین دستیارهای مجازی هوش مصنوعی را کشف کرده‌ایم که با ارسال پیام، اطلاعیه و توصیه‌های متناسب با شرایط به مشتریان کمک می‌کنند.» کلان‌ داده و حجم بالای داده‌هایی که اکنون در سراسر دنیا در حال جمع‌آوری است، یکی دیگر از نیروهای محرک گسترش هوش مصنوعی به شمار می‌رود. طبق ارزیابی‌های شرکت IBM، در دنیا روزانه ۵/ ۲ کویینتیلیون بایت داده تولید می‌شود و ۹۰ درصد داده‌هایی که تاکنون تولید شده در ۲ سال گذشته بوده است. بنگاه‌های اقتصادی به هوش مصنوعی نیاز دارند تا الگوها و رفتار مشتریان خود را شناسایی کنند، برای بهره‌وری بیشتر به اتوماتیک‌سازی روی بیاورند و به کارمندان خود کمک کنند در کارشان هوشمندتر باشند.
2) استارت‌آپ‌های چت‌بات
چت‌بات‌ها سرویس‌های اتوماتیک‌سازی شده هستند که با انسان و به‌ویژه مشتریان به واسطه چت، تعامل برقرار کرده و اطلاعات می‌دهند. هوش مصنوعی یکی از تکنولوژی‌هایی است که به رواج چت‌بات‌ها کمک می‌کند. آشو گارگ، از شرکای شرکت سرمایه‌گذاری Foundation Capital، می‌گوید: «به کمک هوش مصنوعی، شاهدیم که چت‌بات‌ها در سال ۲۰۱۶ رواج یافتند و حالا با شروع سال ۲۰۱۷ انتظار داریم این رویداد به ایجاد نوآوری‌های بیشتر در عرصه بنگاهی منجر شود.» کسب‌وکارها برای کاهش هزینه‌های خدمات مشتری و نیز هزینه اعزام نماینده‌های خدمات مالی و بیمه به شرکت‌ها، هر چه بیشتر به چت‌بات‌ها روی می‌آورند. تحقیقات موسسه گارتنر نشان می‌دهد بیش از ۸۵درصد تعاملات با مشتریان تا سال ۲۰۲۰ دیگر انسانی نخواهد بود و چت‌بات‌ها ظرف پنج سال آینده بیشترین کاربرد را در این زمینه خواهند داشت. گارگ می‌گوید: «در سال ۲۰۱۷ شاهد گسترده‌تر شدن جریان پلت‌فرم‌های پیام‌رسان مانند واتس‌اپ، کیک، وی‌چت و... خواهیم بود که محرک نوآوری و رقابت سالم در این زمینه خواهند بود. پیشرفت هوش مصنوعی باعث می‌شود چت‌بات‌ها پیوند بیشتری با شرکت‌ها پیدا کنند و نحوه تعامل و ارتباط مردم با کسب‌وکارها را تغییر دهند.»
3) استارت‌آپ‌های امنیت سایبری
امنیت سایبری مساله‌ای بود که در سال ۲۰۱۶ به واسطه درگیری‌های پنهان iOS اپل با FBI و داستان‌هایی در مورد حملات سایبری به برخی کسب‌وکارها، زیاد در مورد آن شنیدیم. بسیاری از کارشناسان معتقدند فضای امنیت سایبری در سال ۲۰۱۷ رشد بیشتری خواهد داشت. هوش مصنوعی در امنیت سایبری در سال ۲۰۱۷ نیز نقشی فزاینده ایفا خواهد کرد. یکی از دلایل کافی نبودن امنیت سایبری نبود مهارت‌های لازم برای پر کردن مشاغل در این زمینه است. طبق اعلام شرکت سیسکو، حدود یک میلیون شغل در حوزه امنیت سایبری در سراسر دنیا خالی است. همزمان، انتظار می‌رود تعداد مشاغلی که در این حوزه ایجاد می‌شود، تا سال ۲۰۱۹ به ۶ میلیون برسد. نیت لوک، از شرکای شرکت مدیریت سرمایه‌گذاری کین اندرسون می‌گوید: «شرکت‌هایی که در سال ۲۰۱۶ به دنبال بالا بردن امنیت سایبری خود بودند، به سرمایه‌گذاری در نرم‌افزارها و دیگر اپلیکیشن‌های ساخته‌شده روی آوردند. امنیت مساله‌ای پیچیده و مدیریت آن دشوار است. با اینکه بنگاه‌های اقتصادی زیادی به سرمایه‌گذاری در حوزه امنیت خود روی ‌آورده‌اند، در سال ۲۰۱۷ شاهد خواهیم بود نقش ارائه‌دهندگان خدمات امنیت سایبری برای کمک به کاهش ریسک سازمان‌ها در این زمینه اهمیت چشمگیری خواهد یافت.»
منبع: CIO

https://donya-e-eqtesad.com/%D8%A8%D...88%D8%B9%DB%8C

هوش مصنوعی؛ تکنیکی برای مقابله با تهدیدات امنیتی

هوش مصنوعی درواقع برنامه‌ریزی هوشمند برای ماشین‌ها و ربات‌های الکترونیکی است تا طبق سناریویی از پیش تعیین شده به جریانات پیش رو پاسخ دهند؛ قابلیتی که می‌توان آن را برای مقابله با تهدیدات امنیتی در فضای شبکه در اختیار گرفت.
به گزارش ایسنا، در زمینه امنیت‌ سایبری، هوش‌مصنوعی نرم‌افزاری است که محیط خود را به اندازه‌ای مناسب می‌شناسد تا رویدادها را شناسایی کرده و اقداماتی را علیه یک هدف از پیش تعیین‌شده انجام دهد. هوش‌مصنوعی برای تشخیص الگوها و ناهنجاری‌ها بسیار مفید است و به عنوان یک ابزار عالی جهت شناسایی تهدیدات به کار می‌رود.
جلوگیری از تهدیدات امنیت‌ سایبری توسط هوش‌ مصنوعی
در یادگیری ‌ماشین اغلب از هوش‌مصنوعی استفاده می‌شود؛ این نرم‌افزار می‌تواند به صورت خودکار براساس ورودی داده‌ شده به آن، نتایج اقدامات انجام شده را به صورت خروجی نشان‌ دهد. به طور کلی، یادگیری ماشین به کمک هوش‌مصنوعی می‌تواند یک ابزار برای پیش‌بینی نتایج بر اساس رویدادهای گذشته هم باشد.
با توجه به تحقیقات انجام‌شده، مشخص شده‌ که شرکت‌ها باید به هشدارهای امنیتی حتی در صورت افزایش حجم، بیشتر توجه کنند. با گسترش حملات باج‌افزارها در سال جاری و پذیرفتن مقرارت، واکنش‌ها علیه بدافزارها باید خیلی سریعتر شود. مدیریت کاهش هزینه‌های استخدام و افزایش نیروی انسانی جهت ارتقای امنیت‌ سایبری امری دشوار است، بنابراین شرکت‌ها جهت بهینه‌سازی وظایف و شناسایی رفتار، باید از زبان‌ماشین و هوش‌ مصنوعی استفاده کنند.
تشخیص تهدید با استفاده از هوش مصنوعی
این تکنولوژی به دنبال شاخص‌های سازش در سراسر شبکه ارتباطی چه در محل و چه در محیط ابری است؛ ما در حال صحبت‌کردن در مورد مقدار زیادی از داده‌ها هستیم. با توجه به اینکه تهدیدات جهانی به سرعت در حال پیشرفت است و از طرفی تکنولوژی هوش‌مصنوعی و یادگیری‌ ماشین نیز در خدمت کلاهبرداران قرار گرفته‌است، از این رو ما به واقع باید از ابزارها و فناوری‌های پیشرفته جهت جلوگیری از تهدیدات سایبری به خوبی استفاده کنیم.
شرکت خدمات مهندسی Inc عنوان‌کرده که برای دفاع از مالکیت‌ معنوی خود، بر تهدیدات شرکت به طور مداوم نظارت دارد. در بین ۲۵۰ و ۵۰۰ گیگابایت اطلاعات مربوط به امنیت، روزانه بیش از ۳۰،۰۰۰ دستگاه و ۸۲۰۰ کاربر در جریان هستند و تنها ۱۵ تحلیلگر امنیتی برای بررسی آن وجود دارد.
شرکت CISO می‌گوید: این تنها برخی از داده‌های شبکه‌ای است که ما دریافت می‌کنیم. از این رو باید با بکارگیری دستگاه یادگیری و هوش‌مصنوعی، مسائل واقعی را محدود کرده و آنها را کاهش دهیم.
بر اساس اطلاعات سایت پلیس فتا، پژوهشگران با استفاده از این فناوری‌ها برای نظارت بر رفتار کاربران و نهادها و نیز جهت کنترل دسترسی از طریق محصولات از پلت‌فرم Aruba Networks شرکت HPE استفاده می‌کنند و جنبه یادگیری این پلت‌فرم نیز بسیار جذاب می‌باشد. این روزها حملات بسیار پیچیده هستند، آنها ممکن‌ است چیزهای کوچکی را انجام دهند که در طول زمان موجب فشرده‌سازی داده‌های بزرگ‌تر خواهد شد. بنابراین این ابزار می‌تواند به ما کمک بسیاری کند.
هوشمندسازی مقابله با تهدیدات
در این میان، حتی شرکت‌های کوچکتر با چالش اضافه بار اطلاعات‌ امنیتی مبارزه می‌کنند. یک شرکت مستقر در لس‌آنجلس که در تولید عینک واقعیت‌مجازی و کلاه ایمنی فعالیت دارد، فقط ۳۰۰ کارمند در یک مرکز عملیات امنیتی یک نفره دارد. مینوک کیم، مدیر ارشد فناوری اطلاعات و امنیت این شرکت می گوید: "چالش گذار و پاسخ به وقایع امنیتی بسیار کارآمد است."
این شرکت با استفاده از ابزارهای هوش‌مصنوعی از Vectra Networks برای نظارت بر ترافیک داده‌ها بکارگیری می‌کند و برای این کار، حدوداً از ۱۲۰۰ دستگاه در محدوده خود استفاده می‌کند. به گفته این مدیر ارشد، با نگاه کردن به ترافیک شبکه، می‌توان دید که چه کسی در حال انجام اسکن پورت یا انتقال از یک هاست به هاست دیگر و یا انتقال بخش‌های بزرگی از اطلاعات از طریق یک روش غیرمتعارف است. این شرکت با جمع‌آوری و تجزیه و تحلیل داده‌ها، آنها را به یک مدل یادگیری عمیق تبدیل کرده‌است و در پایان می‌توان حدس زد که چه ترافیکی به طور بالقوه مخرب است.

https://www.isna.ir/news/96101407500...8C%D8%AA%DB%8C

معرفی ۵ حوزه کاربردی هوش مصنوعی در دنیای واقعی

هوش مصنوعی علم جدیدی است که رفتار و عملکرد انسان و دیگر موجودات در طبیعت را به الگوریتم های کامپیوتری تبدیل کرده است تا از آن ها در جهت بهبود تصمیم گیری در مسایل دنیای واقعی کمک بگیرد. کلیک– بعد از دهه ها، سیستم های مبتنی بر هوش مصنوعی به عنوان سیستم هایی که قابلیت تشخیص الگو، منطق فازی و یادگیری شناختی دارند شناخته می شوند و اکنون هوش مصنوعی ارزش خود را در بخش های مختلف به اثبات رسانده است. ۱-قانون
کارهای روزمره و عادی بخش عمده ای از تحقیقاتی که در حوزه قانون و رسیدگی به شکایات انجام می شود بسیار وقت گیر و پر هزینه است. با در نظر گرفتن این که انسان جایز الخطا است و می تواند مرتکب اشتباه شود با کمترین اشتباهی یک وکیل زندگی یک فرد را به خطر می اندازد یا از خطر نجات می دهد.
چندین شرکت حقوقی، به استخدام سیستم های کشف الکترونیکی روی آورده اند. ای سیستم ها به غربالگری ایمیل ها و اسناد می پردازند تا موارد مرتبط با یک دادخواهی را شناسایی کنند. سیستم های کشف الکترونیکی تقریبا در ۹۵ درصد زمان وکالت صرفه جویی می کند.
یکی دیگر از کاربردهای هوش مصنوعی در قانون می تواند غربالگری ادعاهای خسارت صدمه شخصی باشد. این غربالگری به شماسایی رفتار جعلی افراد مدعی می پردازد. اکنون شرکت بیمه DWF در این حوزه پیشگام است و با استفاده از تجزیه و تحلیل داده های بزرگ به کشف ادعاهای درغین می پردازد. سیستم بین فاکتورهای مختلف اتصال برقرار می کند و یک نمره بین یک تا ده را نشان می دهد. ورودی های این سیستم توسط یک وکیل وارد می شود.
نه تنها هوش مصنوعی رد حال تغییر عملکرد شرکت های حقوقی است، بلکه دارای دسترسی آزاد به قانون است تا اسنادی مانند اجازه و قراردادهای اشتغال را پیش نویسی کند. پیش بینی می شود که سیستم های مونتاژ اسناد اساسا برای وکلا توسعه داده شده است ولی به طور فزاینده ای قابل دسترس دیگر کاربران برای مونتاژ قراردادهای قانونی در دستگاه های دیجیتال دستی قرار خواهد گرفت.
۲- بازاریابی و تبلیغات
یک دیوار تبلیغاتی را در نظر بگیرید که توانایی حس حضور عابران، قبل از نمایش تبلیغات و حین نمایش را داشته باشد و از واکنش های فردی بیاموزد که تبلیغ چقدر مرتبط و تاثیر گذار بوده است. این موضع هدف کمپین پوستر تبلیغاتی هوش مصنوعی بود. پوستر از فناوری ردیابی بدن استفاده می کند که اساسا برای سیستم کینکت مایکروسافت ایجاد شده بود تا مشخص شود که چه کسی در کنار آن ایستاده است. این سیستم می توانست تا ۱۲ فرد را در یک زمان مورد ارزیابی قرار دهد.
ورودی این کار ترکیبی از تصاویر و متن تبلیغاتی بود و یک کپی از استخر ژن برداشته می شد و سیستم از واکنش مخاطبان یاد می گرفت که کدام تبلیغ جذابیت بیشتری دارد. در مرحله بعد با استفاده از الگوریتم داروینی به حذف ترکیبات با اهمیت کمتر پرداخته شد.
پوسترهای هوش مصنوعی در حال حاضر هنوز در مراحل آزمایشی هستند، ولی هوش مصنوعی به طور جدی در پشت صحته تبلیغات و بازاریابی مستقر شده است و یکی از کاربردهای مهم آن در تشخیص الگو و سیستم های یادگیری شناختی است که برای کمک به روند فروش استفاده می شوند. به عنوان مثال، راشل یک شخصیت مجازی مجهز به چنین فناوری های است که برای بازرهای عمودی استفاده می شود و شامل فناوری، خودرو، خدمات آموزشی و مالی به کار می رود.
۳-امور مالی
خدمات مالی یکی دیگر از اولین بخش هایی است که از هوش مصنوعی برای تصمیم گیری استفاده کرده است. سیتی بانک، یکی از این نمونه هاست که از دهه ۱۹۸۰ تاکنون از سیستم های خبره استفاده کرده است. تعجب آور نیست چرا که حجم انبوهی از داده ها در این بخش قرار دارد.
هر روزه بالای یک میلیون تراکنش توسط هر خدمات مالی تولید می شود که البته داده هایی ساختاریافته هستند. هر روزه، رویترز ۹۰۰۰ صفحه از اخبار مالی منتشر می کند و تحلیلگران وال استریت هر دقیقه پنج سند پژوهشی تولید می کنند.
۸۰ درصد از داده های اساسی که در بخش خدمات مالی مورد پردازش قرار می گیرند یا نیمه ساختاریافته هستند یا ساختاریافته نیستند و به صورت دستی پردازش می شوند. با استفاده از هوش مصنوعی، شرکت ها می توانند به تجزیه و تحلیل داده ها و زمینه کاوی بلافاصله داده ها بپردازند. فناوری های هوش مصنوعی که در خدمات مالی کاربرد دارند عبارتند از پردازش زبان طبیعی، داده کاوی و متن کاوی، فناوری معنایی یا سمنتیک و یادگیری ماشین.
ای بی ام IBM خدمات مالی را به عنوان بخش مشتری سیستم واتسون هوش مصنوعی خود شناسایی کرده است که با استفاده از پردازش زبان طبیعی و یادگیری ماشین به تجزیه و تحلیل مقادیر زیادی از داده های غیر ساختاریافته می پردازد. IBM می گوید که دستیار نهایی خدمات مالی آن قادر است برای سرعت بخشیدن و بهبود تصمیم گیری به انجام تجزیه و تحلیل مبتنی بر شواهد بپردازد. به عنوان مثال، یک بانک می تواند از سیستم استفاده کند تا پیشنهادهای بهتری از محصولات مالی ارایه شده با توجه به شرایط بازار، تصمیمات گذشته مشتری و رویدادهای اخیر زندگی دریافت کند.
یکی دیگر از کاربردهای هوش مصنوعی در تشخیص تقلب و امنیت است. یکپارچه سازی داده های ساخت یافته و غیر ساخت یافته رعایت قوانین را تضمین می کند و به تشخیص جرائم از جمله پول شویی و معامله با خودی ها کمک می کند. سیستم های پردازش زبان طبیعی می تواند نشانه های ظریفی در معاملات کشف کند که ممکن است در رفتار نشان داده شده است و در اعداد قابل تشخیص نیست.
سیستم های “مشتری خود را بشناس” یکی دیگر از کاربردهای هوش مصنوعی برای مدیریت داده های بدون ساختار و همواره در حال تغییر است. این سیستم ها به ارزیابی ریسک می پردازند.
۴-خرده فروشی و خدمات به مشتریان
خوب یا نه، وقت شناسی های اپراتورهای قطار، ان ها را مجبور کرده است که با حجم بالایی از شکایات مشتریان روبرو باشند. وزارت حمل و نقل آمریکا این شکایات را به ۴۷۰ دسته طبقه بندی کرده است. یکی از چالش های پیش روی قطارها هنگامی که نیاز به بروزرسانی عملیات خدمات خود دارند، همین است، پاسخگویی به انتظارات!
به لطف گوشی های هوشمند در همه جا حاضر، در حال حاضر نسبت بالایی از ارتباطات مشتریان از طریق ایمیل انجام می شود. به منظور بهبود پردازش این ارتباطات، اپراتورهای قطار از پلتفرم هوش مصنوعی که inSTREAM نام دارد و می تواند مطالب غیر ساختاریافته را طبقه بندی کند و یادگیری الگوهای جدید از داده های غیرساختاریافته از طریق پردازش می پردازد. سیستم هز زمان که ایمیلی وارد شود، ایمیل را می خواند و معنا و سمنتیک آن را می فهمد و داده های کلیدی را در سیستم مدیریت روابط مشتری ثبت می کند.
فرایندی که به ۳۵ ساعت نیروی انسانی نیاز دارد، به ۴ ساعت در یک روز کاهش می یابد و سرعت را افزایش می دهد و این یک موفقیت کامل است.
گام بعدی برای به کار گیری هوش مصنوعی، خرده فروشی است که مکالمات با مشتری را خودکار سازی می کند. ابزاری که DigitalGenius نام دارد و قبلا در صنعت موتور برای انجام مکالمات شبه انسانی با مشتریان مورد استفاده قرار می گرفت، نمونه ای از سیستم های هوش مصنوعی است. سیستم های شبکه عصبی براساس فناوری عمق کاوی کار می کنند. این سیستم ها با استقرار در یک محل با سطحی از خودکارسازی و هوشمندی تعاملات شبیه مکالمات واقعی را ممکن می سازد.
سرویس های خودکار مشتری یک بازار هدف برای فناوری واتسون IBM است. شرکت اعلام کرده است که این سیستم با محاسبات شناختی به شناسایی و عمل در روندهای در حال ظهور در ارتباطات مشتری می پردازد.
فناوری های شناختی همراه با تجربه انسانی و بینش در آن زمینه موجب بهبود و کمک به تصمیم گیری های آگاهانه به موقع می شود. با استفاده از قابلیت های واتسون، متخصصان Swiss Re می توانند در هنگام خطر تصمیم گیری های آگاهانه تر و دقیق تری بگیرند.
۵- مراقبت سلامت
تصمیم گیری پزشکی یکی از اولین کاربردهای پیش بینی شده برای نسل اول هوش مصنوعی و به اصطلاح سیستم های خبره بود. آنچه قبلا به عنوان چشم انداز این حوزه بود، اکنون به واقعیت تبدیل شده است.
در میان کاربردهای سیستم پردازش زبان طبیعی و یادگیری ماشین سیستم واتسون IBM دیده شده است، همکاری IBM و بیمارستان کودکان بوستون قابل ذکر است که برای کمک به پزشکان در شناسایی گزینه های ممکن برای تشخیص و درمان بیماری های نادر اتفاق افتاد.
واتسون برای نفرولوژی هم به وسیله خواندن متون پزشکی و جمع اوری اطلاعات در مورد جهش مسبب سندرم نفروتیک مقاوم در برابر استروئید آموزش می بیند. این سندرم یک فرم ژنتیکی نادر از بیماری کلیوی است. کارشناسان در بیمارستان کودکان بوستون داده های توالی ژنوم بیماران را به صورت گذشته نگر وارد سیستم واتسون کردند تا آموزش ببیند.
هدف ایجاد یک سیستم شناختی است که به متخصصان بالینی در تفسیر داده های توالی ژنوم کودکان کمک کند و سپس داده ها را با متون پزشکی مقایسه کند و سریعا به شناسایی ناهنجاری ها بیانجامد.
از طرف دیگر، در محیط مراقبت سلامت مساله ای که به ظاهر ساده است ولی با حساسیت هایی روبرو است، مساله مصرف دارویی است که برای بیمار تجویز شده است. درصد نگران کننده ای از بیماران دوره دارو را تکمیل نمی کنند که می تواند به مقاومت در برابر آنتی بیوتیک و عوارض جانبی دیگر منتهی شود.
این امر به ویژه در مطالعات بالینی که اغلب بر روی گفته های بیماران اطمینان می کنند اهمیت می یابد. با این حالف تاکنون آزمایش هایی در این باره انجام شده است و پژوهشگران متوجه شدند که کمتر از ۳۰ درصد از شرکت کنندگان در کارازمایی های بالینی ممکن است دوره مصرف دارو را تکمیل کنند.
یک اپلیکیشن موبایل به نام AiCure ممکن است به این مشکل پاسخ دهد. اپلیکیشن داروهای مردم را ذخیره می کند و بیماران و داروهای آن ها را شناسایی می کند. این کار را با استفاده از ویژگی های پیچیده ای مانند تشخیص چهره انجام می دهد تا مطمئن شود که فریب نمی خورد. داده ها در زمان واقعی برای سازمان هایی که کارازمایی بالینی انجام می دهند نیز در دسترس است.

https://click.ir/1395/09/18/introduc...in-real-world/

هوش مصنوعی و فرصت های جدید شغلی

هوش مصنوعی هر روز بیشتر از روزهای قبل در راه باز کردن راه خود به حوزه های مختلف زندگی افراد است، و یک اختلال بی سابقه را در زندگی شغلی افراد به وجود آورده است. و الگوریتم های یادگیری ماشین و شبکه های عصبی، یعنی مشهورترین تشکیل دهنده های هوش مصنوعی (AI) مدرن، عملکرد بهتری را نسبت به بشر از خود نشان داده اند و حرفه ای تر از بشر عمل کرده اند. انقلاب هوش مصنوعی با سرعت بسیار بالایی در حال رخ دادن است، و اکنون وقت خوبی است تا ما نیز از نظر زیرساخت های آموزشی و اقتصادی خود را برای آینده ای آماده کنیم که بشر هر روز کمتر از روز قبل، در وظایف مشخصی دخالت خواهد داشت. آقای الکس لیندان، متخصص یادگیری ماشین در مرکز تحقیقاتی Gartner می گوید: “به وضوح، اکنون با کامپیوترهایی که در اطراف خود مشاهده می کنیم، در مورد آن ها می شنویم یا می خوانیم، اتوماسیون سازی رونق بی سابقه ای را تجربه خواهد کرد. این امر هنوز هم به خوبی به ثمر ننشسته است. بسیاری از توسعه های اخیر چند سال قبل از این که اتوماسیون سازی مواد بر بشر مسلط شوند، شروع به رخ دادن می کنند. اما در بسیاری از حوزه های تولید…ویرایشگران، متخصصان یادگیری ماشین، و افرادی در شغل های دیگر قطعاً باید از امنیت شغلی خود ترس داشته باشند”. ولی این یک تصور کامل و شامل نیست. هر انقلاب صنعتی بیشتر باعث عزل و اصلاح نیروی کار خواهد شد زیرا قصد دارد یک جایگزین را برای هر جایگاهی انتخاب کند، و این اتفاقات جدیدی که در حال رخ دادن هستند نیز از این قائله مستثنا نیستند. اما تسلط و انتشار هوش مصنوعی همچنین فرصت های شغلی جدیدی را برای بشر فراهم می آورد تا افراد بتوانند با خلاقیت و ابداع خود استفاده موثری را از این فناوری مدرن داشته باشند.
نیاز روز افزون به استعداد فناوری
آقای جو لوبو، مدیر سایت هوش مصنوعی در شرکت Inbenta گفت: “چیزی ما می دانیم این است که هوش مصنوعی در کوتاه مدت برای شغل هایی که می توان آن ها را به چند قسمت مشخص و معمولی تقسیم کرد بیشترین کارایی را خواهد داشت، چه شغل موردنظر از نوع نیروی کار دستی باشد و چه از نوع وظایف شناختی باشد. این به این معنی است که بشریت قادر خواهد بود بر روی وظایف خلاقانه تر و در نتیجه لذت بخش تری تمرکز داشته باشد”. آقای استوارت فرانکل، مدیر اجرایی کمپانی Narrative Science می گوید: “فناوری هرگز یک نابودگر در برابر شغل ها نبوده است. نگاهی بیاندازید به این همه شغلی که هر روزه توسط فناوری در کمپانی های مختلف ایجاد می شود. هیچ یک از این شغل ها در ۲۰ سال پیش وجود نداشته اند، و اکثریت آن ها شاید در ۱۰ سال گذشته حتی وجود خارجی نداشته اند”.
به هر حال، در حال حاضر به جای این که نگران تسلط کامل روبات ها بر شغل بشری باشیم، باید به این مشکل توجه کنیم که هنوز پست های شغلی بسیار زیاد وجود دارند که افراد متخصص و ماهری برای پر کردن این شغل ها وجود ندارند. با رشد و گسترش تجارت مبتنی بر داده ها، نیاز به هوش و استعداد فناوری هر روزه بیشتر از قبل به چشم می خورد. برای نمونه، در سال ۲۰۱۶ کمپانی تحقیقاتی سایبری-اقتصادی به نام Cybersecurity Ventures گزارش کرد که نرخ بیکاری سایبری امنیتی صفر بوده است-و در واقع، نشان دهنده این امر است که در حدود ۱۰ میلیون متخصص مورد نیاز دنیا می باشد که باید برای این پست ها تامین شوند. ناحیه های مشابه شغل-فناوری مانند توسعه نرم افزاری و علوم داده ها، نیز به همین صورت هستند و به شدت نیاز به نیروی کاری دارند که دارای استعداد فناوری باشند تا بتوانند حفره های نیروی کار آن ها را پر کنند. نیاز به متخصصان بیشتر در شغل های فناوری نیز همانند هوش مصنوعی در حال رشد قابل توجهی است و در حال وارد شدن به حوزه های بیشتر و بیشتری می باشد. آقای لوبو افزود: “من معتقد هستم که دولت ها باید اطمینان حاصل کنند که برنامه نویسی به همان میزان انگلیسی، ریاضیات، و علوم دیگر ارزش نهاده می شود، به این ترتیب با وارد کردن کدنویسی و برنامه نویسی در آموزش افراد می توانیم در رویارویی با انقلاب فناوری، بیشتری میزان استفاده از مزایای هوش مصنوعی ببریم”.
در سال های اخیر شاهد تعدادی از پروژه ها بوده ایم که توسط دولت اجرا شده اند و همچنین شاهد طرح هایی بوده ایم که بخش های خصوصی ارائه کرده اند تا بتوانند نیاز به استعداد فناوری را پاسخ دهند. پروژه TechHire متعلق به رئیس جمهور سابق ایالات متحده آقای باراک اوباما یک مثال از این نوع پروژه ها است: این پروژه ۱۰۰ میلیون دلار اعتبار داشت تا به تعداد بیشتری از مردم اجازه دهد که به شغل های فناوری ورود کنند، از جمله این افراد کسانی بودند که مدارک بالای علمی و آموزشی نداشته اند. همچنین ما با رشد بسیار زیاد و روز افزون دوره های آنلاین باز و گسترده (MOOC ها) توسط موسساتی مانند Coursera و Big Data University مواجه هستیم که این موسسات آموزش های آنلاین رایگان را برای مهارت های فنی که به شدت مورد نیاز جامعه هستند برگزار می کنند. کمپ های کدنویسی بوت، موسساتی هستند که برنامه نویسی کامپیوتری را به افراد در یک دوره فشرده آموزش می دهند و شهرت بسیار بالایی را برای خود کسب کرده اند. در همین حال، کمپانی هایی مانند AT&T به کارمندان خود کمک می کنند تا بتوانند خودشان را با آینده کاری و شغلی خود وفق دهند. با رشد سریع هوش مصنوعی، نیازمندی های مربوط به مهارت ها و تخصص ها نیز به همان سرعت تغییر خواهند کرد. حتی توسعه نرم افزار هم به شکل قبل باقی نخواهد ماند و در آینده از کدنویسی به نوشتن الگوریتم های هوش مصنوعی تغییر پیدا خواهد کرد.
یک انقلاب در مداخله میان کامپیوتر و بشر
بسیاری از افرادی که شغل خود را به دلیل گسترش هوش مصنوعی از دست داده اند هیچ مهارت و دانشی را برای ورود به شغل های فناوری ندارند، و آموزش دادن به این افراد نیز هزینه زمانی بسیار زیادی را دارد. خوشبختانه، از این نظر، هوش مصنوعی می تواند در حل کردن یک مساله بسیار کمک کند و همین امر هوش مصنوعی را تبدیل به یک فناوری خودساخته کرده است. هوش مصنوعی ثابت کرده است که می تواند در بخش آموزش، به طریق های مختلفی انقلاب ایجاد کند، از جمله شخصی سازی کردن و بهینه سازی کردن تجربه یادگیری که از این دسته طریق ها است. یعنی یادگیری مهارت های جدید در این روش ها زمان کمتری را می طلبد. آقای لوبو گفت: “بشر می تواند زودتر از هر زمان دیگری به صنعت های دیگر وارد شود، و دارای انعطاف پذیری قابل ملاحظه ای خواهد بود تا بتواند نسبت به تغییرات شغلی در بازار واکنش مناسب داشته باشد و خود را وفق دهد. چرا یک راننده کامیون نتواند با آموزش چند ماهه وارد شغل هایی مانند برنامه نویسی شود؟
جاهایی که هوش مصنوعی نتواند منحنی یادگیری را متعادل کند، قادر خواهد بود تا پیچیدگی وظایف را از بین ببرد و آن ها را ساده تر کند، به این صورت می تواند مردم را قادر سازد تا بتوانند وارد شغل هایی شوند که نیازمند سال ها آموزش و تمرین می باشند. یک رشد و توسعه ارزشمند در این زمینه تولید و پردازش زبان طبیعی (NLP/NLG) است، این شاخه ای از هوش مصنوعی است که با فهم و تولید اسکریپت های زبان بشری در ارتباط می باشد. NLP و NLG روشی را که بشر با کامپیوترها تعامل دارند مجدداً تعریف می کنند، سختی ها و موانع مربوط به اجرای وظایف را از سر راه بشر برمی دارند و ما را قادر می سازند تا در انجام این وظایف کارایی بالاتری را داشته باشیم. آقای فرانکل از موسسه تحقیقاتی Narrative Science می گوید: “NLG یک فناوری توانمندساز و موجب رشد برای بشر است. زمانی که NLG با مهارت های بشری ترکیب شود، می تواند نتایجی را از خود تولید کند که بسیار قوی تر و بهتر از نتایج مربوط به این دو گروه به صورت تکی می باشند. من معتقدم که نرم افزار Excel بسیار به NLG شباهت دارد. زمانی که نرم افزارهای Lotus 123 و Excel برای اولین بار وارد بازار شدند، پیش بینی های زیادی را در مورد آینده حساب داران و تحلیلگران مالی می کردند و نگران شغل های این افراد بودند، اما ما به سرعت خود را با این نرم افزارها وفق دادیم و آن ها را به عنوان ابزارهای مفیدی در تحلیل بازار و تجارت به کار گرفتیم. همین اتفاق هم برای NLG در حال رخ دادن است”. موسسه Narrative Science می خواهد NLG را با پلتفرم های هوش تجاری (BI) یکپارچه کند تا برای کاربران روایت مصنوعی، و ارتباطات دقیق و مکالمه ای را با اطلاعات مخاطب-محوری که شفافیت کامل را در تصمیم های تحلیلی گرفته شده نشان می دهند، ارائه کنند. آقای فرانکل توضیح می دهد که این فناوری در قادر ساختن گروه های وسیع تری از افراد برای انجام وظایفی بدون نیاز به مجموعه ای تخصصی از مهارت هایی مانند علوم داده ها، کمک کننده است. او می گوید: “این امر به این معنی است که مردم یا گروه ها در هر سطح مهارتی از نظر تحلیلی می توانند از این ابزارهای هوش تجازی (BI) استفاده کنند، و به سرعت نیازهای خود را برآورده کنند، و در نهایت، شغل و کار خود را بهتر از قبل انجام دهند”. از طرف دیگر، NLP برای افرادی که با ابزارهای تحلیلگر و منابع اطلاعات و داده ها سر و کار دارند، امور را بسیار آسان تر از قبل می کند. شما می توانید این امر را در پلتفرم هایی مانند IBM Watson Analytics مشاهده کنید که دستورهای زبان طبیعی باعث شده اند که کار کردن با منابع داده ها بسیار آسان تر شوند. این فناوری می تواند روش کار کردن مردم با مهارت های ریاضیات برای ورود به شغل های مربوط به علم داده ها را آسان تر کند و دیگر نیازی به این نباشد که مردم را به دوره های برنامه نویسی طولانی مدت بفرستیم. همچنین NLP به ما کمک می کند تا بسیاری از دانش های بدون ساختار، از جمله مقالات، کتاب ها، و کاغذهای سفید برای ما منطقی به نظر برسند، و به این طریق بتوانیم آن ها را به داده هایی تبدیل کنیم که قابل شناسایی هستند و به دلیل این که سازماندهی شده اند، توسط ماشین ها نیز قابل استفاده باشند. این امر می تواند نرم افزار و خدمات را در کمک کردن به متخصصان بشری بسیار کاراتر از قبل کند. آقای الکس لیندن، محققی در موسسه Gartner معتقد است که این اتفاق می تواند به ایجاد گراف های دانش کاراتری کمک کند-و این داده هایی که ساختاربندی کمتری دارند در تغذیه موتورهای هوش مصنوعی عملکرد بهتری را داشته باشند. او می گوید: “هوش مصنوعی (AI)/NLP می تواند یک صنعت دانش واقعی را ایجاد کند”. اما او اضافه کرده است “ما هنوز در مراحل اولیه این فناوری قرار داریم”.
تکامل تلاش های بشری
یک مثال در این زمینه همان برنامه Watson از کمپانی IBM است که برپایه هوش مصنوعی برای پلتفرم Cybersecurity کار می کند و اخیراً وارد بازار شده است. نرم افزار Watson از الگوریتم های یادگیری ماشین استفاده می کند تا تن ها از داده های ساختاربندی نشده و ساختاربندی شده را تحلیل کند. سپس این نرم افزار در مورد جریان و تهدیدهای بالقوه مواردی را “یاد می گیرد”و به تحلیلگران امنیتی کمک می کند تا شغل ها و وظایف خود را در این زمینه انجام دهند. آقای کالب بارلو، یکی از کارکنان بخش امنیتی کمپانی IBM نقش نرم افزار Watson را مانند یک متخصص پزشکی می داند که به یک متخصص جسمانی کمک می کند. این نرم افزار می تواند به تحلیلگرانی که مهارت و تجربه کمتری را برای کارا و موثر بودن در رویارویی با مسائل امنیتی دارند، کمک بسیار زیادی کند. فناوری تنها بخشی نیست که هوش مصنوعی بتواند در آن باعث کامل شدن تلاش های بشری و قرار دادن افراد بیشتر در شغل های جدید باشد. الگوریتم های هوش مصنوعی در زمینه های سلامت و دارو نیز دارای مزیت هایی هستند، که به مرور زمان متخصصان جسمانی و کارگران مهارت دیده ای را تربیت خواهند کرد. متخصصان شبکه های عصبی و هوش مصنوعی به طریق آسان تری می توانند بیماری ها را کشف، شناسایی و درمان کنند، و از این جهت دیگر نیازی به آموزش دادن دکترها نیست، و باعث می شود که خدمات بهداشتی و درمانی برای بسیاری از مردم، در دسترس قرار بگیرند. آقای فرانکل می گوید: “در تعداد دکترها، پرستاران و متخصصان جسمانی در ایالات متحده کمبود قابل توجهی وجود دارد، و حتی امروزه در این کشور نیاز به پر شدن این جاهای خالی حتی بیشتر از قبل در این دنیای توسعه یافته احساس می شود. شما در مورد تمامی کارهایی که هوش مصنوعی قادر به انجام آن ها است فکر کنید-می تواند حجم های غول آسایی از داده ها را دریافت کند، آن ها را تحلیل کند، و مهمترین نکات مربوط به این تحلیل را به ما گوش زد کند- و همچنین می تواند دسترسی افراد به بسیاری از خدماتی را که می تواند تنها به وسیله آموزش دادن افراد مورد استفاده قرار گیرند (و معمولاً هزینه زیادی برای این کار وجود دارد)، گسترش دهد. شما هنوز به افراد و نیروی کار بشری نیاز دارید تا بیماران را درمان کنند. هوش مصنوعی افراد بیشتری را قادر می سازد تا این کار را انجام دهند زیرا این فناوری می تواند دانش های مربوطه را بیشتر در دسترس افراد قرار دهد. از این نظر، من فکر می کنم که هوش مصنوعی در نهایت شغل های بیشتری را ایجاد خواهد کرد”. در نهایت، توسعه هوش مصنوعی باعث به وجود آمدن فرصت های شغلی زیادی برای مختصصان، در ورای حوزه های مربوط به فناوری سنتی، خواهد شد. آقای دوگ رز، متخصص راهنما در یادگیری لینکدین و نویسنده علوم داده ها اعتقاد دارد که این صنعت نیاز به استفاده از دیگر مهارت ها نیز خواهد داشت. آقای رز می گوید: “نیم قرن گذشته زمان رونق گرفتن زمینه های کمی بوده است.
برنامه نویسان کامپیوتر، مهندسان، و متخصصان علوم داده ها بر بازار شغل سراسر دنیا در این دوره مسلط بوده اند و کمپانی های غول پیکری را بنانهاده اند. با این اوصاف هنوز برخی از چالش های کلیدی در هوش مصنوعی بسیار با نرم افزار متفاوت هستند. در اینجا بزرگترین چالش همان ساختن تجربه بشری بهتر خواهد بود”. هوش مصنوعی با این که باید وظایف پیچیده ای را انجام دهد، با چالش های سیاسی، اخلاقی و اجتماعی نیز رو به رو خواهد شد. مهندسین در حال دست و پنجه نرم کردن با مشکلات کاملاً جدیدی مانند ساختن الگوریتم های نااریب هوش مصنوعی هستند. آقای رز می گوید: “هم اکنون هوش مصنوعی حوزه مربوط به دانشجویان، مهندسان، و توسعه دهندگان نرم افزارها می باشد. در نهایت این زمینه نیاز به مجموعه ای متفاوت از مهارت ها خواهد داشت. این حوزه نیازمند افرادی با سابقه قوی در انسانیت می باشد. کلید اصلی برای به دست آوردن تجربه بشری بهتر مربوط به فلسفه، مطالعات فرهنگی، علم معنا، زبان ها و هنرها خواهد بود. این متخصصان همان راهنمایانی خواهند بود که حفره خالی میان نرم افزار و نیازهای ضروری بشری ما را تامین خواهند کرد”.
آقای رز به یک عنوان در یک مقاله با عنوان “چه کسی خوب و بد را به ماشین های ما یاد می دهد؟”اشاره کرده است که دلیل اصلی نیاز ما به انسان شناسان، متخصصان ارتباط و تعامل، فیلسوفان، و متخصصان فرهنگی برای استفاده از هوش مصنوعی را شرح داده است. کمپانی Inbenta یک کمپانی است که زبانشناسان را برای توسعه واژگانی برای روش های جستجوی خود استخدام می کند، تا مطمئن شود که این واژگان قدرتمند هستند و می توانند نرخ های بالایی از خدمات را به مشتریان این کمپانی ارائه دهند. آقای رز گفت: “دانشجویان زبانشناسی معمولاً انتظار دارند که وارد شغل هایی در رابطه با آموزش دادن یا ترجمه کردن شوند، اما ما مشاهده کرده ایم که بازار کار این افراد نیز به لطف هوش مصنوعی در حال تغییر کردن است. در چند سال آینده شاهد نقش های دیگری از این قبیل خواهیم بود که امروزه نمی توانیم تغییری را در آن ها تصور کنیم و بیشتر از امروز شاهد افرادی خواهیم بود که نگران قدیمی شدن مهارت های خود هستند”. تا زمانی که روبات ها همه شغل ها را بگیرند، هنوز بسیاری از کارها برای بشر وجود دارند که باید آن ها را انجام دهد. اگر ما بتوانیم این تغییر را بپذیریم و خود را برای آن آماده کنیم، در آینده فرصت های شغلی بسیاری را خواهیم داشت.

هوش مصنوعی و فرصت های جدید شغلی | ماهنامه دنیای شبکه

هوش مصنوعی؛ عرصه جنگ سرد بعدی

اوضاع ژئوپلیتیکی جهان این روزها شباهت زیادی به این شرایط در دهه ۱۹۸۰ دارد؛ ایالات متحده آمریکا و روسیه هر دو یکدیگر را به دخالت در امور داخلی کشورهای دیگر متهم می‌کنند، روسیه برخلاف مخالفت‌ها و اعتراضات آمریکا همچنان سعی دارد قلمرو مرزهایش را تغییر دهد تا همه این مسائل نگرانی‌های جدی درباره نبردهای نظامی را ایجاد کنند. با این اوصاف حالا کشورها درست مشابه دوران جنگ سرد و بعد از جنگ جهانی دوم، در حال توسعه و ساخت سلاح‌هایی با استفاده از تکنولوژی‌های پیشرفته هستند. در دوران جنگ سرد سلاح انتخابی موشک‌های هسته‌ای بودند و امروز این سلاح‌ها نرم‌افزاری هستند؛ چه برای حمله به سیستم‌های کامپیوتری استفاده شوند و چه هدف‌هایی در دنیای واقعی داشته باشند.
هوش مصنوعی؛ عرصه جنگ سرد بعدی
اخیرا ادعاها و لفاظی‌های روسیه درباره اهمیت هوش مصنوعی بیشتر شده است که دلایل منطقی دارد؛ با توسعه نرم‌افزارهای مبتنی بر هوش مصنوعی، این کشور می‌تواند به کمک داده‌های بیشتر تصمیم‌گیری‌های دقیق‌تر و سریع‌تری انجام دهد. این کیفیتی است که نمی‌توان تنها با پشتوانه نیروهای انسانی به‌دست آورد. هوش مصنوعی که حالا کاربردهای مهم و مفیدی در حوزه‌های مختلف از پهپادها، خودروهای خودران گرفته تا امنیت سایبری دارد، می‌تواند دوره جدیدی از جنگ سرد را هم شکل دهد که نگرانی‌های جدی مردم سراسر دنیا را به دنبال خواهد داشت.
جنگ سرد مدرن
درست مانند دوران جنگ سرد در دهه‌های ۱۹۴۰ و ۱۹۵۰، هر کدام از طرفین نگرانی‌های جدی از دسترسی طرف مقابل به امکانات و تکنولوژی‌های بهتر و جدیدتر که بتوانند دست بالا را به آن بدهند، داشتند. ولادیمیر پوتین رئیس‌جمهوری روسیه در جلسه اخیر آکادمی موشکی استراتژیک در نزدیکی مسکو اعلام کرد که هوش مصنوعی همان راهی است که به کمک آن روسیه می‌تواند توازن قدرت ایجاد شده از سوی ایالات متحده را تغییر دهد. روسیه هر سال بخش عمده‌ای از بودجه سالانه کشورش را صرف توسعه توان دفاعی‌اش می‌کند. این در حالی است که شبکه رسانه‌ای دولتی RT این کشور اخیرا در گزارشی اعلام کرده هوش مصنوعی راهکاری کلیدی برای غلبه روسیه بر آمریکا در حوزه سیستم‌های دفاعی خواهد بود.
این شرایط بسیار شبیه به زمان جنگ سرد است؛ دوره‌ای که در آن ایالات متحده آمریکا و اتحاد جماهیر شوروی آنقدر سلاح‌های هسته‌ای ساخته بودند که برای از بین بردن تمام مردم کره زمین کافی بود. این روند در نهایت به ایجاد مفهومی به نام «تخریب حتمی متقابل» منجر شد که در آن هیچ کدام از طرفین قدرت ریسک شروع جنگ بدون در نظر گرفتن ویرانی و نابودی کشورش را نداشت. در مقابل هر دو طرف شروع کردند به ذخیره سلاح‌ها و همچنین مقابله غیرمستقیم در درگیری‌های کوچک‌تر و مناقشات سیاسی.
حالا بعد از گذشت بیش از ۳۰ سال از پایان جنگ سرد آن هم در زمانی که تنش‌ها همچنان در حال بیشتر شدن هستند، آمریکا و روسیه ده‌ها هزار سلاح هسته‌ای را منهدم کرده‌اند. در واقع هر جنگ سردی در عصر حاضر شامل حملات سایبری خواهد بود و قدرت‌های هسته‌ای اغلب به پیروزی در نبردهای سیاسی کمک می‌کنند؛ اتفاقی که در حال حاضر رخ می‌دهد. هر دو این کشورها دیپلمات‌های یکدیگر را اخراج کرده‌اند. روسیه بخشی از شبه جزیره کریمه را به قلمرو خودش ضمیمه کرده است و بسیاری از کارشناسان و تحلیلگران معتقدند که جنگ مرزی ترکیه و سوریه هم در واقع جنگ نیابتی میان آمریکا و روسیه است. آمریکا و روسیه و بسیاری از کشورهای دیگر همچنان سلاح‌های هسته‌ای دارند، اما استفاده از این سلاح‌ها هنوز غیرقابل تصور است. این در حالی است که اخیرا گزارش‌های منتشر شده که نشان از افزایش نگرانی‌های عمومی درباره کشورهایی دارد که ممکن است از سلاح‌های هسته‌ای خود استفاده کنند.
دنیای مبارزات سایبری
با این همه اما همچنان استفاده از سلاح‌های سایبری - مخصوصا آنهایی که مبتنی بر هوش مصنوعی هستند- از نظر هر دو طرف اقدام عادلانه‌ای به نظر نمی‌رسند. روسیه و هکرهای پشتیبان آن که جاسوسی الکترونیکی می‌کنند، حملات سایبری مختلفی علیه نیروگاه‌ها، بانک‌ها، بیمارستان‌ها، سیستم‌های حمل و نقل و حتی انتخابات آمریکا انجام داده‌اند. هکرهای روسی حملاتی را هم علیه اوکراین و متحدان آمریکا یعنی بریتانیا و آلمان انجام داده‌اند. ایالات متحده قطعا توانایی پاسخگویی به این حملات را دارد و شاید این کار را هم بکند.
پوتین گفته است که هوش مصنوعی نه تنها آینده روسیه، بلکه آینده بشر است. او در ماه سپتامبر سال ۲۰۱۷ خطاب به دانش‌آموزان گفته بود کشوری که رهبری عرصه هوش‌مصنوعی را به‌دست بگیرد، فرمانروای جهان خواهد شد. پوتین درباره ارائه کدهای انجام حملات هسته‌ای به کامپیوترها صحبت نمی‌کند، اما همه می‌دانند که علوم و تکنولوژی‌های جدید می‌توانند امکان انجام این کار را به دست کامپیوترها بسپارند. او بارها درباره کاربردهای فراوان هوش مصنوعی در حوزه‌های مختلف هم صحبت کرده است.
کنترل سلاح‌های هسته‌ای و غیرهسته‌ای با هوش مصنوعی
تهدیدهای مختلف از سوی زیردریایی‌های مجهز به سلاح‌های هسته‌ای و سلاح‌هایی که در نزدیکی مرزهای یک کشور قرار دارند، ممکن است باعث شود که بعضی کشورها تاکتیک‌های دفاعی خودشان را به سیستم‌های سریع و دقیق مبتنی بر هوش مصنوعی بسپارند. در مورد یک حمله، هوش مصنوعی می‌تواند سریع‌تر و بدون تردیدهای رایج یا دخالت اپراتورهای انسانی، تصمیم گرفته و اقدامات لازم را انجام دهد. توانایی پاسخگویی سریع و خودکار می‌تواند تضمین کند که دشمنان بالقوه چنین کشوری را با توان بالا و آماده دفاع در نظر گرفته و اثر بازدارندگی «تخریب اطمینان متقابل» را هم داشته باشد.
هوش مصنوعی همچنین می‌تواند برای کنترل سلاح‌های غیرهسته‌ای شامل وسایل نقلیه بدون سرنشین مانند پهپادها و سلاح‌های سایبری هم به‌کار برده شود. وسایل نقلیه بدون سرنشین باید امکان کار در شرایطی که ارتباطات‌شان ضعیف است را هم داشته باشند. فراهم آوردن این امکان نیاز به کنترل هوش مصنوعی دارد. کنترل هوش مصنوعی همچنین می‌تواند از حملات احتمالی توسط پهپادها و دیگر دستگاه‌های مدرن جاسوسی، به‌صورت فیزیکی و الکترونیکی جلوگیری کند.
مرتبط : هراس استفان هاوکینگ از هوش مصنوعی
سلاح‌های سایبری هم بهتر است بدون نیاز به ارتباطات مداوم عمل کنند. چنین کاری نیاز به پاسخگویی سریع و دقیق دارد که در حال‌حاضر تنها سیستم‌های کنترل‌شده توسط هوش مصنوعی امکان انجام آن را دارند. حملات هماهنگ‌شده توسط هوش مصنوعی می‌توانند سلاح‌های واقعی یا سایبری را به شکل فوری و مستقیم در دسترس قرار دهند؛ سلاح‌هایی که امکان تصمیم‌گیری برای حمله را بسیار سریع‌تر از انسان‌ها دارند. سیستم‌های هوش مصنوعی می‌توانند اهداف و تکنیک‌ها را سریع‌تر از انسان درک کرده و بر اساس هر تغییر ایجادشده، تصمیم جدیدی بگیرند. به‌عنوان مثال یک سیستم هوش مصنوعی ممکن است دستور حمله پهپادی به یک کارخانه را صادر کند. این سیستم در حالی که همزمان فعالیت پهپادها برای حفظ امنیت‌شان را بررسی می‌کند، بهترین و سریع‌ترین زمان حمله را هم بدون هیچ درنگی مشخص و ارسال می‌کند.
اهمیت توسعه هوش مصنوعی
کشوری که فکر می‌کند دشمنانش سلاح‌های مبتنی بر هوش مصنوعی دارند یا خواهند داشت، می‌خواهد با آنها مقابله کند. با این حال انتظار می‌رود استفاده گسترده از حملات سایبری مبتنی بر سیستم‌های هوش مصنوعی همچنان چندان نزدیک نباشد. کشورها ممکن است با طرح محدود کردن مبارزات هوش‌مصنوعی مطرح‌شده در کنوانسیون دیجیتال ژنو موافقت کنند، با این حال اما این اقدام هم نمی‌تواند جلوی حملات سایبری مبتنی بر هوش مصنوعی را که از سوی گروه‌های مستقل، نظامیان و سازمان‌های تروریستی و افراطیون انجام می‌شود، بگیرد. تقریبا واضح است که هوش مصنوعی در آینده‌ای نه‌چندان دور به‌عنوان سلاحی قدرتمند مورد استفاده قرار خواهد گرفت.
پیشرفت‌های ایجاد شده در حوزه هوش‌مصنوعی می‌تواند علاوه بر کاربردهای نظامی، مزایای اقتصادی و تجاری زیادی برای کشورها داشته باشد، بنابراین در اختیار نداشتن سیستم‌های هوش مصنوعی ممکن است ضررهای قابل‌توجهی به کشورها بزند. در اختیار داشتن این سیستم‌ها همچنین می‌تواند توان دفاعی و بازدارندگی خوبی در مقابل حملات سایبری آینده به کشورها بدهد؛ درست مانند سلاح‌های هسته‌ای در زمان جنگ سرد.

هوش مصنوعی؛ عرصه جنگ سرد بعدی | ITIRAN

امنیت سایبری در گرو هوش مصنوعی


تاکنون راهکارهای متنوعی برای افزایش امنیت کاربران و مقابله با بدافزارها ابداع شده است که هر یک از این روش‌ها مزایا و معایب خاص خود را دارند. اما به نظر می‌رسد در این میان راهکار مبتنی بر هوش مصنوعی که بر پایه یادگیری عمیق کار می‌کند از دقت بالایی برخوردار است. در سال جاری میلادی این یادگیری عمیق بود که موفق شد جایزه نوآورانه‌ترین تکنیک‌ در زمینه شناسایی تهدیدات کامپیوتری را در کنفرانس بلک‌هت از آن خود کند. بر همین اساس پژوهش‌گران بر این باور هستند که الگوی یادگیری عمیق اگر با تقلید از مغز انسان طراحی شود، با دقتی نزدیک به صد در صد (۹۹٫۹) قادر به شناسایی و دفع حملات امنیتی خواهد بود.


زمانی که از سرکار به خانه باز می‌گردید و تشنه هستید، به محض مشاهده بطری آب آن‌را شناسایی می‌کنید و بدون آن‌که به تحلیل محتوای درون بطری آب بپردازید، برای رفع عطش آن‌را می‌نوشید. اما در مقابل ماژول‌های بینایی ماشین که به طور معمول در کامپیوترهای سنتی مورد استفاده قرار می‌گیرند در شناسایی بطری آب با مشکل روبرو هستند. اما اگر شکل پیشرفته‌ای از هوش مصنوعی که به یادگیری عمیق معروف است را چاشنی این مکانیزم شناسایی کنیم، آن‌گاه با یک تغییر جزیی در اطلاعات، کامپیوتر قادر خواهد بود اطلاعات خود را تعمیم داده و حتا زمانی که تصویری مبهم از بطری به دست می‌آورد آن‌را شناسایی کند. یادگیری عمیق که به نام شبکه‌ عصبی از آن یاد می‌شود با الهام گرفتن از توانایی‌‌های مغز در یادگیری و درک درست اجسام عمل می‌کند.مغز انسان این توانایی را دارد تا داده‌هایی که از حس‌گرهای بدن به دست می‌آورد را استخراج و تحلیل کرده و مطالب جدیدی را از آن‌ها بیاموزد. در رویکرد یادگیری عمیق، اطلاعات با استفاده از شبکه‌های عصبی دریافت شده و از طریق آموزش قابلیت یادگیری در اختیار آن‌ها قرار می‌گیرد. الگوریتم‌های مورد استفاده در یادگیری عمیق باید به اندازه‌ای دقیق طراحی شده باشند تا ماشین بداند دقیقا از چه داده‌هایی برای نمونه‌‌سازی و کنکاش‌های خود استفاده کند. اگر خطایی در این میان صورت پذیرد، به واسطه اشتباهات انسانی است و همین موضوع باعث می‌شود تا روند پیشرفت با کندی همراه باشد.آمارها نشان می‌دهند در دنیای امنیت دیجیتال، نزدیک به ۹۹ درصد تهدیدات بدافزاری مبتنی بر الگوهای قدیمی هستند که تغییرات کوچکی در آن‌ها رخ داده است. در مکانیزم مرسوم فعلی ماشین‌‌ها از تکنیک یادگیری ماشین مبتنی بر تحلیل‌های پویا و مرسوم استفاده می‌کنند که در بیشتر موارد کارایی اندکی دارند، به طوری که در دنیای واقعی تنها قادر به شناسایی بدافزارهای خیلی کمی هستند. تکنیک مبتنی بر امضا که در گذشته برای شناسایی بدافزارها مورد استفاده قرار می‌گرفت در دنیای یادگیری ماشین با موانعی روبرو است. این روش‌ها که در دنیای هوش مصنوعی مورد استفاده قرار می‌گیرند به منظور شناسایی رفتار بدافزارها و طبقه‌بندی آن‌ها مورد استفاده قرار می‌گیرند که به طور پیوسته مشکلاتی را به وجود می‌آورند. اما در یادگیری عمیق همه چیز به صورت خودکار از سوی هوش مصنوعی کنترل شده و به دخالت انسانی نیازی نیست. همین موضوع باعث می‌شود تا ضریب اشتباهات به حداقل رسیده و یادگیری عمیق بتواند با دقت ۹۹٫۹ درصد بدافزارها را شناسایی کند. منبع:ماهنامه شبکه


https://netvision.ir/tag/%D9%87%D9%8...8%D8%B9%DB%8C/

نگرانی بزرگان علم و فناوری درباره‌ی امنیت هوش مصنوعی


همه‌ی چیزهایی که ما در مورد «تمدن» دوست داریم، محصول هوش است؛ بنابراین تقویت هوش انسانی ما با استفاده از هوش مصنوعی، پتانسیلی است که کمک می‌کند این تمدن به شکوفایی‌ای برسد که هرگز پیش از این به آن دست نیافته؛ البته تا زمانی که کنترل ربات‌های ابرهوشمند در دست بشر باشد!
سرپوش دیجیتالی - به گزارش ایسنا، هوش مصنوعی (Artificial Intelligence) از سیری (دستیار صوتی اپل) تا ماشین‌های خودران، به سرعت در حال پیشرفت است. در حالی که داستان‌های علمی‌ - تخیلی اغلب هوش مصنوعی را در قالب ربات‌هایی انسان‌نما نشان می‌دهد، هوش مصنوعی، الگوریتم‌های جست‌وجوی گوگل تا پلتفرم تجاری کمپانی آی.‌بی.‌ام و «سلاح‌های خودمختار» را در بر می‌گیرد.

هوش مصنوعی امروزه مشخصا به عنوان هوش مصنوعی محدود یا ضعیف شناخته می‌شود که برای انجام یک وظیفه‌ی محدود (به عنوان مثال فقط تشخیص چهره یا جست‌وجوهای اینترنتی یا راندن یک ماشین) طراحی شده است. با این حال، هدف بلندمدت بسیاری از محققان، ایجاد هوش مصنوعی عمومی‌ یا قوی است. در حالی که هوش مصنوعی محدود ممکن است در وظایف خاصی که به او اختصاص داده می‌شود، مانند بازی شطرنج یا تنها انجام محاسبات، بهتر از انسان عمل کند، هوش مصنوعی عمومی می‌تواند تقریبا در «امور شناختی» (مربوط به فرایند یادگیری، شناختن و آموختن چیزها) بهتر از انسان‌ها عمل کند.

هوش مصنوعی امنیت دارد؟
به گزارش ایسنا، در کوتاه‌مدت، حفظ تأثیرات هوش مصنوعی بر جامعه، انگیزه‌ای است تا در بسیاری از زمینه‌ها، مثل اقتصاد، قانون، امنیت و کنترل تحقیق شود. اگر لپ‌تاپ شما خراب یا هک شود، ممکن است اتفاق ناگواری باشد اما تصور کنید از یک سیستم هوش مصنوعی بخواهید کاری مثل کنترل ماشین، هواپیما، دستگاه تنظیم ضربان قلب، سیستم تجارت خودکار یا سیستم شبکه‌ی برق شما را به دست بگیرد! یکی دیگر از چالش‌های کوتاه‌مدت، جلوگیری از مسابقه‌ی تسلیحاتی در حوزه‌ی سلاح‌های خودمختار مرگبار است.

در درازمدت سؤال مهم این است که اگر تلاش برای هوش مصنوعی قوی موفق شود و سیستم هوش مصنوعی در همه‌ی امور شناختی بهتر از انسان‌ها باشد، چه اتفاقی می‌افتد؟همانطور که جان گود، ریاضیدان انگلیسی در سال ۱۹۶۵ اشاره کرده است، طراحی دقیق سیستم‌های هوش مصنوعی به خودی خود یک کار شناختی است. چنین سیستمی‌ می‌تواند بطور بالقوه «خودبهبودی بازگشتی» را به وجود آورد که موجب انفجار اطلاعاتی می‌شود که عقل بشری پشت سر بگذارد. با اختراع فناوری‌های جدید انقلابی، چنین ابَر هوشی ممکن است برای ریشه‌کن کردن جنگ، بیماری و فقر به ما کمک کند. بنابراین ایجاد هوش مصنوعی قوی ممکن است بزرگ‌ترین رویداد تاریخ بشر باشد. البته بعضی از کارشناسان در این‌باره ابراز نگرانی کرده‌اند؛ آنها می‌گویند اگر ما نتوانیم پیش از ایجاد این ابَر هوش، اهداف هوش مصنوعی را با اهدافش بشری هماهنگ کنیم، ممکن است آخرین باری باشد که بشر چیزی اختراع می‌کند!

بعضی‌ها در دستیابی به ابر هوش تردید می‌کنند و برخی دیگر اصرار دارند که ایجاد هوش مصنوعی ابر هوشمند، ممکن و بطور تضمینی سودمند خواهد بود. کارشناسان هر دو احتمال را در نظر دارند و می‌دانند هوش مصنوعی قوی، ممکن است عمداً یا سهواً موجب خسارت‌های عظیمی‌شود؛ با این حال بر این باورند که تحقیقات امروزی می‌تواند در پیشگیری از این عواقب منفی احتمالی کمک کند و می‌توان در عین اجتناب از معایب، از مزایای ابر هوش بهره‌مند شد.

هوش مصنوعی چگونه می‌تواند خطرناک باشد؟
محققان بر این باورند که بعید است ابر هوش، احساسات انسانی مانند عشق و نفرت را به نمایش بگذارد و هیچ دلیلی وجود ندارد که تعمداً خیرخواه یا بدخواه باشد!

با این حال کارشناسان درمورد خطرات هوش مصنوعی دو سناریو در ذهن دارند:

اول: هوش مصنوعی‌ برای انجام کاری ویرانگر برنامه‌ریزی شده است: سلاح‌های خودمختار، سیستم‌های هوش مصنوعی هستند که برای کشتن برنامه‌ریزی شده‌اند. در دستان آدمِ عوضی، این سلاح‌ها براحتی می‌توانند باعث تلفات جمعی شوند. علاوه بر این، مسابقه‌ی تسلیحاتی در این حوزه می‌تواند منجر به جنگ هوش مصنوعی شود که تلفات زیادی بر جا می‌گذارد. برای جلوگیری از نابود شدن توسط دشمن، این سلاح‌ها طوری طراحی می‌شوند که براحتی «خاموش» نشوند؛ بنابراین احتمالاً انسان‌ها کنترل این وضعیت را از دست می‌دهند! البته این خطر حتی با هوش مصنوعی محدود فعلی نیز وجود دارد اما همپای هوش مصنوعی و افزایش سطح خودمختاری سلاح‌ها رشد می‌کند.

دوم: هوش مصنوعی برای انجام کاری مفید برنامه‌ریزی شده است اما یک روش مخرب برای دستیابی به هدف خود ایجاد می‌کند: اگر نتوانیم اهداف هوش مصنوعی را با اهداف خودمان هماهنگ کنیم این اتفاق هر زمانی ممکن است رخ دهد و دردسرهای زیادی درست کند.

اگر از ماشین هوشمند حرف‌گوش‌کن خود بخواهید که شما را بسرعت به فرودگاه برساند، ممکن است کاری کند که پلیس شما را با هلیکوپتر تعقیب کند! شاید این چیزی نباشد که شما «خواسته‌اید» اما چیزی است که به معنای واقعی کلمه شما «درخواست» کرده‌اید!

همانطور که این مثال‌ها نشان می‌دهند، نگرانی درباره‌ی هوش مصنوعی پیشرفته، بابت «خشونت» نیست، بلکه بابت «صلاحیت» آن است. هوش مصنوعی ابر هوشمند، در دستیابی به اهداف خود بسیار خوب عمل می‌کند و اگر این اهداف با اهداف بشر هماهنگ نباشد، مشکل خواهیم داشت!

شما احتمالاً یک مورچه‌کش شیطان‌صفت که با نفرت مورچه‌ها را لگد می‌کند نیستید اما اگر مسئولیت یک پروژه‌ی برق‌آبی «انرژی سبز» را بر عهده داشته باشید و در محدوده‌ای که بخاطر پروژه قرار است زیر آب برود یک تپه‌ی مورچه‌ای وجود داشته باشد، این برای مورچه‌ها خیلی بد است؛ هدف کلیدی تحقیقات ایمنی در حوزه‌ی هوش مصنوعی، این است که هرگز بشر در موقعیت آن مورچه‌ها قرار نگیرد!

نگرانی بزرگان علم و فناوری درباره‌ی امنیت هوش مصنوعی
استفن هاوکینگ، الون ماسک، استیو ووزنیاک، بیل گیتس و بسیاری دیگر از نام‌های بزرگ در زمینه علم و فناوری، اخیرا در رسانه‌ها و نامه‌های سرگشاده‌ی خود، درباره‌ی خطرات ناشی از هوش مصنوعی ابراز نگرانی کرده و به خیل محققان برجسته‌ی هوش مصنوعی پیوسته‌اند.

چرا این موضوع ناگهان در سرخط خبرها قرار گرفت؟ این ایده که تلاش برای دستیابی به هوش مصنوعیِ قوی در نهایت موفقیت‌آمیز خواهد بود، از قرن‌ها پیش در داستان‌های علمی‌ - تخیلی، وجود داشته است. با این حال، به لطف پیشرفت‌های غیرمنتظره‌ی دهه‌های اخیر، بسیاری از نقاط قوت هوش مصنوعی که کارشناسان انتظار داشتند دهه‌های بعد محقق شود، تنها در پنج سال گذشته به دست آمده است و بسیاری از کارشناسان جداً تصور می‌کنند که ممکن است ما ابر هوش را در طول زندگی خود تجربه کنیم.

در همین حال برخی دیگر از کارشناسان معتقدند که پیشرفت هوش مصنوعی در حد هوش انسانی قرن‌ها طول می‌کشد؛ بطوری که بیشتر محققان در کنفرانس پورتوریکو ۲۰۱۵ معتقد بودند که این اتفاق پیش از سال ۲۰۶۰ محقق خواهد شد و از آنجا که ممکن است تحقیق درباره‌ی امنیت هوش مصنوعی دهه‌ها طول بکشد، احتیاطاً باید از همین حالا شروع کرد.

از آنجا که هوش مصنوعی توانایی این را دارد که هوشمندتر از هر انسانی باشد، هیچ راه مطمئنی برای پیش‌بینی رفتار آن وجود ندارد. نمی‌توانیم یک فناوری قبلی را اساس کار قرار دهیم چون هرگز چیزی که - آگاهانه یا ناآگاهانه - باهوش‌تر از بشر باشد خلق نکرده‌ایم. شاید بهترین مثال از آنچه که ممکن است با آن مواجه شویم، تکامل بشر است؛ انسان‌ها اکنون سیاره‌ی زمین را کنترل می‌کنند، نه بخاطر اینکه ما قوی‌ترین، سریع‌ترین یا بزرگ‌ترین‌ موجودات هستیم بلکه بخاطر اینکه باهوش‌ترین‌ها هستیم. اگر روزی برسد که «باهوش‌ترین» نباشیم، آیا می‌توان مطمئن بود که باز هم کنترل زمین را در دست داشته باشیم؟

برخی بر این باورند که تمدن بشر تا زمانی شکوفا می‌شود که ما در مسابقه‌ی بین فناوری و هوشِ چیزی که آن را مدیریت می‌کنیم، برنده باشیم؛ بهترین راه برای برنده‌شدن در این مسابقه این نیست که مانع از پیشرفت اولی شویم، بلکه باید دومی را با گسترش تحقیقاتِ ایمنیِ هوشِ مصنوعی تسریع دهیم.

افسانه‌های برجسته درباره‌ی هوش مصنوعی پیشرفته
آیا پیشرفت احتمالی هوش مصنوعی تا سطح هوش انسان منجر به انفجار اطلاعاتی خواهد شد؟ آیا باید از این اتفاق خوشحال باشیم یا باید از آن بترسیم؟ نمونه‌های بسیاری از بحث‌های کاذب خسته‌کننده‌ی ناشی از سوءتفاهم‌ درباره‌ی هوش مصنوعی وجود دارد.

زمان‌بندی تحقق ابرهوش
یک تصور غلط این است که بشر در قرن بیست‌ویکم به هوش مصنوعی قوی دست‌ می‌یابد. در حقیقت، تاریخ پر است از پیش‌گویی‌های عرصه‌ی فناوری؛ اتومبیل‌های پرنده‌ای که وعده‌ داده‌ بودیم کجاست؟! هوش مصنوعی هم در گذشته حتی توسط برخی از بنیانگذاران این حوزه بطور مکرر وعده‌ داده شده است.

محققان تصور می‌کنند احتمال دستیابی به چنینی چیزی ۵۰ درصد است و تا سال ۲۰۴۵ به این فناوری می‌رسیم؛ برخی محققان دیگر صدها سال یا بیشتر را حدس زده‌اند. در هر صورت محققان همین حالا مشغول تحقیق درباره‌ی امنیت هوش مصنوعی قوی هستند و استدلال می‌کنند که گرچه مطمئن نیستیم این اتفاق در این قرن رخ دهد اما حل مسائل امنیتی این حوزه ممکن است چندین دهه طول بکشد. بنابراین اگر از حالا محتاطانه شروع به تحقیق کنیم بهتر از این است که برنامه‌نویسان شب قبل از واقعه در حال خوردن ردبول تصمیم بگیرند که کار را شروع کنند!

خطرات ابرهوش
بسیاری از محققان هوش مصنوعی زمانی که این سرخط را می‌بینند چشمانشان گرد می‌شود: «استفن‌ هاوکینگ هشدار می‌دهد که افزایش ربات‌ها ممکن است برای بشر فاجعه‌بار باشد».

مقالات بسیاری در این‌باره منتشر شده که اغلب تصویر یک ربات شیطانی سلاح به دست را نشان می‌دهند و می‌گویند باید نگران افزایش ربات‌ها و کشتار انسان‌ها باشیم زیرا آنها هوشمند یا شرور شده‌اند. چنین مقالاتی واقعاً جذابند اما درباره‌ی چیزی حرف می‌زنند که محققان نگران آن نیستند. این سناریو ترکیبی از سه تصور غلط است: نگرانی درباره‌ی هوش، شر و ربات‌ها.

اینکه ربات‌ها هوشمند باشند و مثل انسان‌ها تجربه‌های ذهنی کسب کنند، مهم نیست؛ مهم، کاری است که هوش مصنوعی قوی می‌تواند انجام دهد. ترس از شرور شدن ربات‌ها موضوع فرعی دیگری است؛ در حالی که نگرانی اصلی درباره‌ی بدرفتاری آنها نیست، بلکه درباره‌ی شایستگی آنهاست. ابرهوش بخوبی می‌تواند به اهداف خود دست پیدا کند، بنابراین ما باید مطمئن شویم که اهداف آن با ما هماهنگ باشد.

انسان‌ها عمدتاً از مورچه‌ها نفرت ندارند اما ما هوشمندتر از آنها هستیم، پس اگر می‌خواهیم نیروگاه برق‌آبی بسازیم، این برای مورچه‌ها خیلی بد است. جنبش «هوش مصنوعی مفید» می‌خواهد از قرار دادن بشریت در موقعیت آن مورچه‌ها اجتناب کند.

تصور غلط دیگر مربوط به این است که ماشین‌ها نمی‌توانند اهداف خود را داشته باشند. برای مثال موشکی که می‌تواند هدف خود را تعقیب کند، هدف مشخصی دارد اما مهم این است که آن هدف با هدفی که شما به دنبال آن هستید هماهنگ باشد. بنابراین نگرانی متخصصان درباره‌ی هوشمندی ماشین‌ها نیست، درباره‌ی اطلاعات هوشمندانه‌ی آنهاست؛ بطور خاص، اطلاعاتی که اهدافشان با ما متفاوت است.

چنین هوش فوق‌العاده‌ای بدون نیاز به بدنِ رباتیک، صرفاً نیازمند اتصال به اینترنت است تا بتواند دردسرهای عظیمی برای جهان درست کند.

اشتباه است که تصور کنیم یک ربات نمی‌تواند انسان را کنترل کند: انسان می‌تواند یک ببر را کنترل کند فقط به این دلیل که از او باهوش‌تر است؛ یعنی اگر ما موقعیت خود را به عنوان هوشمندترین موجود روی زمین از دست بدهیم، به احتمال بسیار زیاد کنترل سیاره را هم از دست می‌دهیم!

ترجمه از میثم خدمتی
منبع: www.futureoflife.org

نگرانی بزرگان علم و فناوری درباره‌ی امنیت هوش مصنوعی