به عنوان انسان، ما خود را موظف می‌دانیم که به دیگران نشان دهیم که چقدر می‌دانیم، مخصوصاً اگر فکر کنیم نادرست است. ما این کار را اغلب، گاهی در زندگی واقعی و اغلب به صورت آنلاین انجام می دهیم. Reddit، توییتر، فیس بوک، به خصوص Quora، هر انجمنی در مورد هر موضوعی و هر جا که یک بخش نظر و یک مقاله قابل کلیک وجود دارد، ما آنجا هستیم تا زمانی که رنگ آبی (سایه پسند وب) شویم، نظر بدهیم. این میم ظالمانه آن را به خوبی خلاصه می کند.
ما نمی‌توانیم دانش خود را به اشتراک بگذاریم – چه به روشی مفید یا مشتاقانه شکاف‌های دانش دیگران را برطرف کنیم. گاهی اوقات دومی منجر به بحثی می شود که ممکن است حکمتی را به شما منتقل کند، اما احتمالاً به جای پذیرش شکرگزارانه، عمداً نادیده گرفته می شود. در هر صورت، یک واکنش طبیعی انسان این است که از گوشه خود دفاع کنیم، دوبرابر کنیم و بحث را شروع کنیم.
این رفتار یک ویژگی ذاتی افراد است، یعنی. برای نشان دادن آنچه می دانیم، حتی اگر به نظر می رسد که هیچ لطفی به ما نمی کند.
به نظر می رسد که اشتراک دانش منحصر به انسان است. در کتاب شما “چگونه یاد بگیریم – چرا مغز بهتر از هر ماشینی یاد می گیرد… تا کنون”استانیسلاس دهاین، استاد روان‌شناسی شناختی تجربی، پایه‌های یادگیری مؤثر را بر اساس آخرین تحقیقات بیان می‌کند که شامل توجه، مشارکت فعال، بازخورد و تثبیت می‌شود. در میان این ارکان، Dahaene به مفهوم “یادگیری اجتماعی” اشاره می کند، توانایی قدرتمند ما برای یادگیری سریع از افراد دیگر.
این فوق العاده مفید بود. ما سریعتر و کارآمدتر از دیگران یاد می گیریم. ما از تجربه آنها درس می گیریم. اختراعات بزرگ از یک شخص حاصل می شود، اما اغلب افرادی در پشت صحنه هستند که به شکل گیری نتیجه نهایی کمک کردند. آیا یک اظهارنظر معمولی منجر به آن لحظه لامپ یا “ایستادن بر شانه های غول ها” با فروتنی نشان دهد که کار دیگران قبلاً برای این فرآیند ضروری بوده است.
در مصاحبه های گمشده استیو جابز (از سال 1995) او در مورد آن صحبت می کند فرآیند توسعه محصول مانند یک سنگ است جایی که سنگ های خشن به یکدیگر برخورد می کنند، درست مانند گروهی از اعضای تیم با استعداد که “به یکدیگر برخورد می کنند، بحث می کنند، گاهی اوقات دعوا می کنند… تا زمانی که ایده های خود را صیقل می دهند و آنچه بیرون می آید این سنگ های زیبا هستند.” این یک استعاره عالی برای توصیف اصطکاک لازم برای غلبه بر مشکلات سخت ساخت چیزی جدید و نوآورانه است.
ممکن است فرآیند مشاجره و به چالش کشیدن یکدیگر بخش مهمی از روند رشد سریع و مؤثر هوش ما باشد. رفتاری که ممکن است هوش مصنوعی نیاز به انجام آن داشته باشد.
هوش مصنوعی شبیه انسان ها نیست
با وجود الف مقاله اخیر اعلام (من گمان می کنم) پیش از موعد “بازی تمام شده” است زیرا ما اکنون قابلیت تعمیم هوش مصنوعی را در گاتو گوگل هوش مصنوعی به هوش انسانی ما نزدیک نمی شود. نه، ما انسانها هنوز این امتیاز را داریم که نظرات خود را بیان کنیم یا وظایف مهم خود را در اصلاح دانش انجام دهیم، در حالی که کسی از ما نپرسیده است. اگر این کار را نمی کردیم، امروز چه نوآوری هایی از دست می رفت؟ احتمالاً نمونه‌های زیادی از اختراعات وجود دارد که از طریق یک عضو تیم پر سر و صدا و جسور (یا شاید یک عضو غیرتیم ناراضی) انجام شده است که به هر کسی که گوش می‌دهد اجازه می‌دهد دقیقا بداند به چه چیزی فکر می‌کند – حتی اگر منجر به اختلاف شود. در برخی موارد چون منجر به بحث می شود.
هوش مصنوعی مودبانه منتظر می ماند تا شما سؤالی بپرسید یا وقتی فکر می کند چیز مفیدی برای گفتن به شما دارد، همیشه بر اساس یک پیش بینی – به شما وارد می شود – یعنی. شما قبلاً این کار را انجام داده اید، بنابراین شاید این همان چیزی باشد که اکنون به آن نیاز دارید؟ این واقعاً آن نوع ویژگی انسانی نیست که ما در مورد آن صحبت کردیم. هوش مصنوعی معمولاً تمایلی به بحث، مجادله یا تقابل نشان نمی دهد. من هنوز بحث درستی با هوش مصنوعی نداشته ام، اما شاید این اتفاق بیفتد. حدس می‌زنم در مثال استیو جابز، بحث‌های زیادی در تیم اپل برای تبدیل شدن از سنگ ناهموار به سنگ صاف وجود داشت. استدلال های ضروری که تیم را به نوآوری سوق داد.
شاید بتوانید بگویید که هوش مصنوعی نیازی به بحث ندارد، چرا باید این کار را انجام دهد؟ خیلی بیشتر از ما می‌داند، می‌تواند از نظر فنی درست و ساده، آرام و بدون هیچ گونه احساسات انسانی مطمئن باشد، فقط به تکرار آن ادامه دهید. من واقعاً امیدوارم روزی با یک هوش مصنوعی وارد بحث نشوم. من نمی توانم به چیزی خسته کننده تر از بحث کردن با کسی یا چیزی فکر کنم که به شما بگوید درست است (هوش مصنوعی یا انسان). خوب، برای محاسبات ریاضی من تمایل دارم به هوش مصنوعی اعتماد کنم. من پولی نمی‌دهم تا در مورد آن درست باشم. اما برای موقعیتی که نیاز به پاسخی کمتر از سیاه و سفید دارد، گزینه وجود دارد. من می توانم وارد بحث هوش مصنوعی شوم و شاید مزیتی برای آن وجود داشته باشد.
تا زمانی که اینجا هستیم، می توانیم بیشتر حدس بزنیم. دنیایی را در آینده ای نه چندان دور تصور کنید که در آن ما یک کار را به طور کامل به یک هوش مصنوعی یا تیمی از هوش مصنوعی که هر کدام دارای تخصص هستند، برون سپاری کرده ایم. آنها چگونه با اختلاف نظر برخورد می کنند؟ اگر آنها بحث نمی کردند، آیا واقعاً می توانند به اندازه انسان ها یاد بگیرند و رشد کنند؟ آنها احتمالاً نیازی به بحث و جدل به روش قدیمی ما ندارند که صدایمان بلندتر و قرمزتر می شود. آنها می توانند یک تعامل کاملاً غیر عاطفی داشته باشند که در آن یک هوش مصنوعی به محض ارائه داده های مناسب بر اساس یک محاسبه پیچیده احتمالات، به سادگی از بین می رود. خسته کننده، اما حداقل متمدن.
همچنان الهاماتی از انسان (در مغز و نحوه معاشرت ما) وجود دارد که به تحقیق و توسعه هوش مصنوعی ما کمک می کند. امروزه محدود به چیزهایی است که ما قبلاً در مورد نحوه یادگیری مغز می دانیم، و این هنوز ناشناخته های بسیاری را شامل می شود. ما درک می کنیم (با استفاده از MRI) که تأثیرات توجه یا بازخورد، کلید چگونگی رشد مغز دانش خود است. جایی در آنجا محل بحث است – وقتی متوجه خطا می شویم توجه ما سریعتر به دست می آید و تصحیح خطاها به ما کمک می کند تا اتصالات را در نورون های خود ایجاد و تغییر دهیم. این رفتار منطقی ممکن است فعالیت سطح بالاتری باشد که راه را برای درک رسمی باز علمی که اکنون از کتاب Dehaene می شناسیم هموار می کند. فرصت‌های زیادی برای کشف رفتارهای انسانی متنوع ما وجود دارد تا بفهمیم چگونه می‌توانند به هوش و به اشتراک گذاری مؤثر دانش کمک کنند.
تا آن زمان، بحث‌های ما با هوش مصنوعی احتمالاً شامل فریاد زدن ما در Siri/Google Assistant/Alexa/Chatbot خدمات مشتری عمومی خواهد بود، زمانی که نمی‌تواند اساسی‌ترین درخواست را برای صدمین بار درک کند – و می‌دانیم که احتمالاً این کار را نخواهد کرد. به ما پاسخ دهید اما حداقل ما در این بحث پیروز شدیم.
