داده محدود به معنای نوآوری محدود است. عکس فنونئی سام ولادی / فلیکر, CC BY-SA
دفتر ثبت اختراعات اروپا اخیراً رد شد برنامه ای برای ثبت اختراع که توصیف یک ظرف غذایی است. دلیل این امر این نبود که این اختراع تازه و مفید نبوده بلکه به دلیل ایجاد هوش مصنوعی (AI) بوده است. طبق قانون ، مخترعین باید افراد واقعی باشند. این اولین اختراع توسط هوش مصنوعی نیست - ماشین آلات نوآوری های مختلفی از آن تولید کرده اند مقالات علمی و کتاب به مواد جدید و موسیقی.
این گفته ، خلاق بودن به وضوح یکی از قابل توجه ترین صفات انسانی است. بدون آن هیچ شعری ، اینترنت و مسافرت فضایی نخواهد بود. اما آیا ممکن است هوش مصنوعی همیشه مطابقت داشته باشد یا حتی از ما پیشی بگیرد؟ اجازه دهید نگاهی به این تحقیق بیندازیم.
از دیدگاه نظری ، خلاقیت و نوآوری فرایندی است جستجو و ترکیب. ما از یک قطعه دانش شروع می کنیم و آن را با یک بخش دیگر از دانش به چیز جدید و مفید پیوند می دهیم. در اصل ، این نیز کاری است که توسط دستگاهها قابل انجام است - در واقع ، آنها در ذخیره سازی ، پردازش و ایجاد اتصالات در داده ها برتری دارند.
ماشین آلات با استفاده از روش های تولیدی نوآوری می کنند. اما این دقیقاً چگونه کار می کند؟ وجود دارد رویکردهای مختلف، اما حالت هنر نامیده می شود شبکه های نژادی مولد. به عنوان نمونه ، ماشینی را در نظر بگیرید که قرار است تصویری جدید از شخص ایجاد کند. شبکه های مخالف تولیدی با ترکیب دو وظیفه فرعی ، این کار ایجاد می کنند.
بخش اول ژنراتور است ، که تصاویر جدیدی را از توزیع تصادفی پیکسل ها شروع می کند. بخش دوم ، تبعیض آمیز است ، که به ژنراتور می گوید چقدر نزدیک شد تا در واقع یک تصویر واقعی به وجود بیاورد.
چگونه تشخیص دهنده می داند که انسان چگونه به نظر می رسد؟ خوب ، شما نمونه های زیادی از تصاویر شخص واقعی را قبل از شروع کار به آن تغذیه می کنید. بر اساس بازخورد تشخیص دهنده ، ژنراتور الگوریتم خود را بهبود می بخشد و تصویری جدید را پیشنهاد می کند. این روند ادامه پیدا می کند و ادامه می یابد تا زمانی که تشخیص دهنده تصمیم گیری کند که تصاویر به اندازه کافی به نمونه های تصویری که آموخته اند به نظر برسند. این تصاویر تولید شده آمده است بسیار نزدیک به افراد واقعی
اما حتی اگر ماشین آلات بتواند از داده ها نوآوری ایجاد کند ، این بدان معنی نیست که آنها به زودی می توانند همه جرقه های خلاقیت انسان را به زودی سرقت کنند. نوآوری یک فرایند حل مسئله است - برای اینکه اتفاق بیفتد ، مشکلات با راه حلها ترکیب می شوند. انسانها می توانند به هر دو جهت بروند - آنها با مشكلی شروع می كنند و آن را حل می كنند ، یا راه حل می گیرند و سعی می كنند مشکلات جدیدی برای آن پیدا کنید.
نمونه ای از نوآوری نوع دوم است پس از آن توجه داشته باشید. یک مهندس چسب را توسعه داد که خیلی ضعیف بود و روی میز خود نشسته بود. تنها بعداً یکی از همکاران فهمید که این راه حل می تواند به جلوگیری از یادداشت های وی از نمرات خود در طول تمرین کر کمک کند.
با استفاده از داده ها به عنوان ورودی و كد به عنوان فرمولاسیون صریح مسئله ، ماشین آلات همچنین می توانند راه حل هایی برای مشکلات ارائه دهند. با این حال ، پیدا کردن مشکل برای ماشین ها دشوار است ، زیرا مشکلات اغلب خارج از مرزهای داده داده ای نیست که ماشینها از آن نوآوری می کنند.
علاوه بر این ، غالباً مبتنی بر نوآوری استوار است نیازهایی که حتی نمی دانستیم که داشتیم. به واکمن فکر کنید. حتی اگر هیچ مصرف کننده ای هرگز آرزو به گوش دادن به موسیقی هنگام راه رفتن نداشته باشد ، این نوآوری موفقیت بزرگی بود. از آنجا که چنین نیازهای نهفته ای به سختی می توانند فرموله و شفاف شوند ، آنها نیز بعید به نظر می رسند راه خود را به مجموعه داده های مورد نیاز ماشین آلات برای نوآوری پیدا کنند.
انسان و ماشین آلات همچنین مواد اولیه متفاوتی دارند که از آنها به عنوان ورودی برای نوآوری استفاده می کنند. در جایی که انسان ها برای ایجاد ایده ها از یک عمر تجربیات گسترده استفاده می کنند ، ماشین آلات تا حد زیادی به داده هایی که از آنها تغذیه می کنیم محدود شده اند. ماشین آلات می توانند به سرعت و نوآوری های افزایشی بی شماری را در قالب نسخه های جدید بر اساس داده های ورودی تولید کنند. با این وجود بعید است که نوآوری دستیابی به موفقیت از ماشین آلات خارج شود زیرا غالباً مبتنی بر آن است زمینه های اتصال که از هم دور هستند یا به هم پیوند ندارند. فکر کنید اختراع اسنوبرد، که دنیای اسکی و گشت و گذار را به هم متصل می کند.
همچنین ، خلاقیت فقط مربوط به جدید بودن نیست ، بلکه درباره سودمندی است. در حالی که ماشین ها به وضوح قادر به ایجاد چیزی هستند که به تدریج جدید است ، این بدان معنی نیست که این خلاقیت ها مفید هستند. سودمندی در نظر کسانی است که از نوآوری بالقوه استفاده می کنند و قضاوت در مورد ماشین ها دشوار است. اما انسانها می توانند با انسانهای دیگر همدلی کنند و نیازهای آنها را بهتر درک کنند.
سرانجام ، ایده های خلاقانه تولید شده توسط هوش مصنوعی ممکن است کمتر بخاطر اینکه توسط یک دستگاه ایجاد شده اند ، مورد توجه مصرف کنندگان قرار گیرد. از آنجا که احساس می کنند این ایده ها هستند ، ممکن است انسان ایده های خود را از AI تخفیف دهد کمتر معتبر or حتی تهدیدآمیز. یا ممکن است آنها صرفاً ایده هایی از نوع خود ، یک اثر را ترجیح دهند مشاهده شده است در زمینه های دیگر قبل
از هم اکنون ، بسیاری از جنبه های خلاقیت برای زمین های ماشین آلات و هوش مصنوعی بدون محدودیت زمین باقی مانده است. با این حال ، سلب مسئولیت وجود دارد. حتی اگر ماشین آلات نتوانند انسان را در حوزه خلاق جایگزین کنند ، اینگونه هستند کمک بزرگی برای تکمیل خلاقیت انسان است. به عنوان مثال ، می توانیم سوالات جدید بپرسیم یا مشکلات جدید را شناسایی کنیم که ما در ترکیب حل می کنیم با یادگیری ماشین
بعلاوه ، تجزیه و تحلیل ما مبتنی بر این واقعیت است که ماشین ها بیشتر در مجموعه داده های باریک نوآوری می کنند. اگر بتواند داده های بزرگ ، غنی و در غیر این صورت از هم جدا شود ، هوش مصنوعی می تواند بسیار خلاق تر شود.
همچنین ، ماشین آلات ممکن است در خلاقیت بهتر شوند ، در نوع هوش گسترده ای که انسان از آن برخوردار است - چیزی که ما آن را "هوش عمومی" می نامیم. و این ممکن است در آینده خیلی دور نباشد - برخی از کارشناسان ارزیابی کنید که احتمال 50٪ وجود دارد ماشین آلات ظرف 50 سال آینده به سطح هوش انسانی می رسند.
درباره نویسنده
تیم شویسفورت ، استادیار مدیریت فناوری و مدیریت نوآوری ، دانشگاه جنوبی دانمارک و رنه چستر گودوسچیت ، استاد فناوری و مطالعات نوآوری ، دانشگاه آرهوس
این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.
