هوش مصنوعی و یادگیری ماشین

تحلیل دیدگاه تیمنیت گبرو: چرا هراس از «تهدید وجودی» هوش مصنوعی یک حواس‌پرتی استراتژیک است؟

تیمنیت گبرو، پژوهشگر برجسته اخلاق هوش مصنوعی، در گفتگویی تحلیلی با زیر سوال بردن روایت‌های رایج درباره «تهدید وجودی» (Existential Risk) ناشی از مدل‌های زبانی بزرگ، آن‌ها را نوعی بازی تبلیغاتی برای فرار از مسئولیت‌های واقعی و سلطه بر بازار می‌داند.

توهم ماشین-خدا و چرخه بازاریابی

گبرو معتقد است که ادعاهای مطرح شده توسط غول‌های فناوری مبنی بر اینکه هوش مصنوعی می‌تواند بشریت را نابود کند (و همزمان آن‌ها را به سوی مدینه فاضله هدایت کند)، یک روایت ساختگی برای جهت‌دهی به افکار عمومی و نهادهای نظارتی است. طبق تحلیل او، این سناریوهای آخرالزمانی دقیقاً توسط همان سرمایه‌گذارانی ترویج می‌شود که بیشترین سود را از عرضه اولیه سهام (IPO) این شرکت‌ها می‌برند. او این وضعیت را «اسیر کردن نهادی» (Regulatory Capture) می‌نامد؛ جایی که شرکت‌ها با ایجاد ترس از قدرت‌های خیالی «ابرماشین‌ها»، دولت‌ها را متقاعد می‌کنند که یا نباید در حوزه‌های واقعی (مانند حقوق کپی‌رایت یا بهره‌کشی از کارگران دیتا) دخالت کنند و یا باید طبق استانداردهای آن‌ها قانون‌گذاری کنند تا از رقابت رقبا (مانند مدل‌های متن‌باز چین) جلوگیری شود.

بازخوانی مفهوم «طوطی‌های تصادفی» در سال ۱۴۰۵

پژوهش مشهور گبرو و تیمش با عنوان On the Dangers of Stochastic Parrots که در سال ۲۰۲۱ منتشر شد، همچنان هسته اصلی درک فنی ما از مدل‌های زبانی بزرگ (LLM) است. گبرو تاکید می‌کند که این مدل‌ها ذاتا فاقد «استدلال» یا «درک» هستند و صرفاً توالی‌های متنی محتمل را بر اساس داده‌های آموزشی تولید می‌کنند. منتقدان او (از جمله برخی از هم‌بنیان‌گذاران Anthropic) معتقدند این دیدگاه دیگر کاربرد ندارد، اما گبرو پاسخ می‌دهد: «مدل‌های زبانی همان مدل‌های زبانی باقی مانده‌اند؛ فقط پیچیدگی ساختارها و ترکیب آن‌ها با سیستم‌های دیگر تغییر کرده است. تغییر ندادن نام این ابزارها به استدلال، یک فریب علمی است.»

مشخصات کلیدی و چالش‌های فنی حوزه هوش مصنوعی

  • معماری مدل‌های فعلی: شبکه‌های عصبی مبتنی بر توزیع احتمالات (Stochastic Modeling)
  • چالش‌های استدلالی: شکست در بنچمارک‌های منطقی با کوچکترین تغییر در پارامترهای ارزیابی
  • ابهام داده‌ای: نبود شفافیت در دیتاست‌های آموزشی و نقض حقوق مالکیت معنوی
  • مخاطرات اجتماعی: سوگیری‌های الگوریتمی، بهره‌کشی از نیروی کار انسانی برای برچسب‌گذاری (Data Labeling) و تعصب اتوماسیون (Automation Bias)

مسیر حکمرانی و مسئولیت‌پذیری

از دیدگاه سردبیر SilverSky Tech، راهکار ارائه شده توسط گبرو بر پایه سه رکن استوار است: شفافیت کامل در داده‌های آموزشی، مستندسازی دقیق فرآیندها و پاسخگویی قانونی در قبال سوءاستفاده‌های تجاری. او معتقد است به جای پرداختن به تئوری‌های تخیلیِ «هوش مصنوعی که فردا دنیا را می‌گیرد»، باید قوانین فعلی تجارت و حقوق بشر را برای مهار سوءاستفاده‌های فعلی این شرکت‌ها به کار گرفت. تمرکز بر ایجاد جوامع فناوری جایگزین و مقاومت در برابر روایت‌های سلطه‌جویانه، کلید رسیدن به یک آینده تکنولوژیک پایدار است.

📌 منبع و مطالعه بیشتر: Wired: The Big Interview with Timnit Gebru
حامد

حامد

مسئول مجله فناوری آسمان نقره‌ای