دیدار غول‌های هوش مصنوعی؛ رؤسای دانشگاه‌های MIT و استنفورد از آینده AI می‌گویند

گاهی فرصتی پیش می‌آید تا چهره‌های برجسته فناوری گرد هم آیند و گفتگوهای ارزشمندی را رقم بزنند.

در حال حاضر، ما در توسعه و استفاده از فناوری در یک نقطه عطف قرار داریم. نگرانی‌ها و دغدغه‌هایی که از سوی دانشگاهیان، کارآفرینان، دانشجویان، مهندسان و محققان مطرح می‌شود، نشان‌دهنده حساسیت بالای این دوران است.

در رویداد اخیر که در کالیفرنیا برگزار شد، دانیلا روس (Daniela Rus)، رئیس آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشگاه MIT (به‌اختصار CSAIL)، و جیمز لندی (James Landy)، رئیس مؤسسه تازه ادغام‌شده هوش مصنوعی انسان‌محور دانشگاه استنفورد (HAI)، به بررسی بزرگ‌ترین پرسش‌ها پیرامون هوش مصنوعی، آینده محیط کار و آموزش پرداختند.

این دو آزمایشگاه از مهم‌ترین بازوهای تحقیقاتی در حوزه هوش مصنوعی در جهان به شمار می‌روند و دیدگاه‌های مدیران آن‌ها می‌تواند مسیر آینده این فناوری را روشن‌تر کند.

دیدگاه‌های MIT CSAIL و Stanford HAI

یکی از مباحث بنیادین این نشست، نقش این آزمایشگاه‌ها و دستاوردهای آن‌ها برای جهان بود.

دانیلا روس در این باره گفت: «هدف آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT، توسعه آینده‌ای است که در آن توانمندی‌های محاسباتی در اختیار همه قرار گیرد و تجربیات انسانی را ارتقا دهد. ما بهترین دانشجویان جهان را آموزش می‌دهیم و برخی از مهم‌ترین مشکلات جوامع را حل می‌کنیم. در حوزه هوش مصنوعی، تمرکز ما بر علم و مهندسیِ هوش است.»

روس به دو رویداد مهم در تاریخ CSAIL اشاره کرد: یکی «پروژه مک» در دهه ۱۹۶۰ که پیشگام استفاده اشتراکی از کامپیوترها بود و دیگری، کنفرانس معروف دارتموث در تابستان ۱۹۵۶ که در آن ماروین مینسکی و جان مک‌کارتی یک ماه را به تفکر درباره فناوری اختصاص دادند؛ رویدادی که به نوعی نقطه تولد هوش مصنوعی محسوب می‌شود.

با در نظر گرفتن این تاریخچه، روس آزمایشگاه خود را این‌گونه توصیف کرد:

«به نظر من، هوش مصنوعی دو جنبه اصلی دارد: چگونه ماشین‌ها را هوشمند کنیم، و چگونه از توان محاسباتی برای درک ماهیت هوش و آنچه ما را هوشمند می‌سازد، استفاده کنیم. ما بر این باوریم که انواع مختلفی از هوش وجود دارد: هوش مصنوعی، هوش انسانی و هوش موجودات زنده. در نهایت، بسیاری از این پرسش‌های مهم به درکِ خودِ زندگی ختم می‌شوند.»

جیمز لندی نیز دیدگاه خود را این‌گونه بیان کرد:

«ما مؤسسه هوش مصنوعی انسان‌محور استنفورد را پایه‌گذاری کردیم، زیرا پیش‌بینی می‌کردیم که به نقطه‌ای خواهیم رسید که هوش مصنوعی تمام بخش‌های جامعه، از مراقبت‌های بهداشتی و آموزش گرفته تا دموکراسی و سیستم‌های مالی را متحول خواهد کرد. با توجه به این موضوع، احساس کردیم نیازمند مؤسسه‌ای هستیم که تمام پیشرفت‌های علوم کامپیوتر را در بر بگیرد.»

همکاری و توسعه بین‌رشته‌ای در حوزه هوش مصنوعی

لندی در ادامه افزود: «مؤسسه HAI تمام دانشکده‌های استنفورد را از مهندسی و پزشکی گرفته تا تجارت، حقوق، پایداری محیط‌زیست و علوم انسانی و اجتماعی پوشش می‌دهد.»

او به سه اصل اساسی در تحقیقات هوش مصنوعی در استنفورد اشاره کرد: رعایت اخلاق از همان ابتدای کار، درک هوش و کشفیات جدید، و تمرکز بر توانمندسازی انسان‌ها به جای جایگزینی آن‌ها.

روس نیز تأکید کرد که آزمایشگاه CSAIL یک محیط کاملاً چندرشته‌ای است:

«ما در MIT ساختار شبکه‌ای داریم. در کنار دپارتمان‌های آموزشی، آزمایشگاه‌هایی مانند CSAIL داریم که اعضای آن‌ها از دپارتمان‌های مختلف هستند. اما آنچه امروز بسیار جالب توجه است، ارتباط عمیق این تحقیقات با مسائل اجتماعی است.»

هوش مصنوعی در خدمت انسان

بخش دیگری از این گفتگو به هوش مصنوعیِ پیوندخورده با دنیای فیزیکی و ساخته‌شده برای انسان‌ها اختصاص داشت.

لندی در این باره گفت: «ما مطمئن می‌شویم که همه چیز را از دریچه نگاه انسان بررسی می‌کنیم، چه از دید کاربر، چه از زاویه تأثیرات هوش مصنوعی بر جوامع. به نظر می‌رسد اکنون تمام دنیا در حال همسو شدن با این دیدگاه ماست.»

روس نیز افزود:

«می‌توانم بگویم جنبه فیزیکی هوش و جنبه تعامل انسانی آن از یکدیگر جدا نیستند؛ بلکه به شدت به هم وابسته‌اند. هوش دیجیتال به صورت پیش‌فرض نیازی به درک فیزیک یا شعور عمومی دنیای واقعی ندارد. بنابراین، برای آوردن هوش مصنوعی از کامپیوترها به دنیای واقعی، باید دست به نوآوری بزنیم. در نهایت، هدف ما ساخت ماشین‌هایی برای حمایت از انسان‌ها است.»

ربات‌های درک‌کننده

هر دو مدیر درباره چالش‌های پیاده‌سازی هوش مصنوعی فیزیکی در قالب ربات‌ها صحبت کردند.

روس اظهار داشت: «من دنیایی را می‌خواهم که در آن ماشین‌ها نه‌تنها در نحوه حرکت و جابجایی اشیاء، بلکه در نحوه تعامل و درک انسان‌ها نیز هوشمند باشند. دوست دارم ربات‌ها متوجه شوند که چه زمانی به کمک نیاز دارم و مانند یک همکار انسانی به یاری من بیایند؛ اما ما هنوز به آن مرحله نرسیده‌ایم.»

لندی نیز تأیید کرد: «ما در یک دنیای فیزیکی و اجتماعی زندگی می‌کنیم، اما این ماشین‌ها در حال حاضر درک بسیار اندکی از این فضا دارند.»

نقش حیاتی دانشگاه‌ها در ارزیابی مدل‌ها

لندی به این موضوع اشاره کرد که حتی مدیران شرکت‌های بزرگ فناوری نیز اکنون خواستار قانون‌گذاری و نظارت بر هوش مصنوعی هستند.

او گفت: «هیچ‌کس به این شرکت‌ها برای ارزیابی مدل‌هایشان اعتماد ندارد؛ چه در زمینه ایمنی، چه سرقت داده‌ها و چه سوگیری‌های احتمالی. اینجاست که دانشگاه‌ها می‌توانند نقش مهمی در اندازه‌گیری و بنچمارک‌گیری مدل‌ها به روشی کاملاً علمی ایفا کنند. ما نباید فقط به بنچمارک‌های ساختگی تکیه کنیم، بلکه باید عملکرد این سیستم‌ها را در وظایف واقعی دنیای فیزیکی ارزیابی کنیم.»

لندی همچنین بر تنوع فکری در محیط‌های آکادمیک تأکید کرد:

«در یک شرکت فناوری، شما با گروهی از افراد همفکر در یک حوزه تخصصی کار می‌کنید؛ اما در دانشگاه، تنوع بسیار بیشتری از افکار و تجربیات وجود دارد.»

روس نیز افزود: «دانشگاه‌ها مستقل هستند و دغدغه سودآوری مالی ندارند. به همین دلیل، ایده‌های بزرگ بعدی که جهان را به جلو می‌رانند، از دل همین دانشگاه‌ها بیرون خواهند آمد.»

جلوگیری از فرار مغزها به بخش خصوصی

در پاسخ به نگرانی‌ها درباره مهاجرت گسترده دانشجویان از فضای آکادمیک به شرکت‌های بزرگ هوش مصنوعی، لندی گفت: «ما دانشجویان را برای آینده آموزش می‌دهیم. در دانشگاه، افراد می‌توانند ریسک‌هایی را بپذیرند که مبتنی بر کنجکاوی علمی است، نه صرفاً رسیدن به اهداف مالی شرکت‌ها.»

روس نیز خاطرنشان کرد: «همه به دنبال پول نیستند. بسیاری از دانشجویان واقعاً به کشف دانش و ایجاد تغییرات بنیادین علاقه‌مندند. ما دانشجویان زیادی داریم که می‌خواهند استاد دانشگاه شوند و رهبری علمی را بر عهده بگیرند. حفظ چنین افرادی در محیط‌های آکادمیک دشوار نیست.»

الزام تغییر در ساختارهای آموزشی

در زمینه موانع پیش روی آموزش، لندی و روس بر ضرورت انعطاف‌پذیری بیشتر دانشگاه‌ها تأکید کردند.

لندی معتقد است: «دانشگاه‌ها تاکنون ساختارهای بسیار خشک و سخت‌گیرانه‌ای داشته‌اند و ما باید برای عصر حاضر، حد وسطی پیدا کنیم.»

روس درباره آینده مدل‌های هوش مصنوعی نیز گفت: «ما باید از معماری ترانسفورمر و مکانیزم توجه که ویژگی کلیدی مدل‌های فعلی است، فراتر برویم؛ هنوز کارهای زیادی در این زمینه باقی مانده است.»

پیشرفت مدل‌های متن‌باز و رقابت جهانی

لندی با اشاره به گزارش اخیر استنفورد درباره وضعیت هوش مصنوعی، به کاهش فاصله مدل‌های متن‌باز (Open-weight) چین با مدل‌های پرچمدار غربی اشاره کرد.

او گفت: «این فاصله مدام در حال کمتر شدن است و در برخی بنچمارک‌ها، آن‌ها حتی از آزمایشگاه‌های پیشرو نیز پیشی گرفته‌اند.»

وی همچنین به تفاوت‌های چشمگیر در دیدگاه عمومی نسبت به هوش مصنوعی در کشورهای مختلف اشاره کرد و گفت: «نگرش عمومی به هوش مصنوعی در کشورهایی مانند آمریکا بسیار منفی‌تر از کشورهای آسیایی و خاورمیانه است. این شکاف بزرگ، تصمیمات جوامع و دولت‌ها را در زمینه قانون‌گذاری و توسعه زیرساخت‌ها شکل خواهد داد.»

در پایان این گفتگو، روس نسبت به آینده پردازش هوش مصنوعی در لبه شبکه (Edge AI) ابراز امیدواری کرد:

«بزرگ‌ترین هیجان من، انتقال هوش مصنوعی از فضای ابری به دستگاه‌های لبه (مثل گوشی‌ها، ربات‌ها و عینک‌های هوشمند) است. همه پردازش‌ها نیاز به زیرساخت‌های ابری ندارند. این تغییر می‌تواند به اندازه انتقال از کامپیوترهای مین‌فریم به کامپیوترهای شخصی تاریخ‌ساز باشد. با این کار، علاوه بر حل مشکل حریم خصوصی، مصرف انرژی و آب در پردازش‌های هوش مصنوعی نیز به شدت کاهش می‌یابد و این فناوری پایدارتر می‌شود.»

لندی نیز با تأیید این موضوع افزود: «هوش مصنوعی کاملاً متن‌باز چیزی است که جامعه در آینده مطالبه خواهد کرد. همان‌طور که این جنبش در ۴۰ سال گذشته علوم کامپیوتر را به جلو راند، در دنیای هوش مصنوعی نیز بازخواهد گشت؛ این اتفاقی اجتناب‌ناپذیر است و به نفع همه ما خواهد بود.»