ضرورت عبور از هوش مصنوعی فناوری محور به سوی هوش مصنوعی انسان محور

دبیر این نشست، دکتر محمد مهدی مولایی، عضو هیئت علمی دانشگاه علامه طباطبائی و سخنرانان آن دکتر پیام حنفی زاده، عضو هیئت علمی گروه مدیریت صنعتی دانشگاه علامه طباطبائی، دکتر کاوه بازرگان، عضو هیئت علمی گروه ارتباطات دانشگاه علامه طباطبائی، محمد نیک ملکی، دانشجوی دکتری علوم ارتباطات و دکتر امید مهدوی، دکتری مهندسی فناوری اطلاعات و ارتباطات حضور داشتند. این نشست روز دوشنبه ۱۵ اسفند ۱۴۰۱ در دانشکده علوم ارتباطات دانشگاه علامه طباطبائی و در بستر فضای مجازی برگزار شد.

دیدگاه های جامعه شناختی درباره هوش مصنوعی: علمی، فنی و فرهنگی

نیک ملکی در ابتدای نشست، پس از توضیح مفصلی در خصوص حوزه‌های هوش مصنوعی (علمی- فنی و فرهنگی و مطالعاتی) افزود: در دو حوزه دیگر کار انجام شده است، اما در حوزه هوش مصنوعی فرهنگی، تحقیقات و مطالعات تازه و نو پا است و تعداد زیادی از جامعه‌شناسان به بررسی تولیدات اجتماعی و توزیع مصرف هوش مصنوعی تمایل دارند. در واقع بر اساس گونه شناسی که ارائه داده ایم، تغییرات اساسی در خود هوش مصنوعی را در طول زمان به ما نشان می‌دهد.

وی افزود: به عنوان مثال؛ خود هوش مصنوعی علمی که منطبق بر مسائل علمی است و می‌شود در قرن بیستم به عنوان یک اختراع، تغییر و یک چیز جدید آن را تلقی کرد یا هوش مصنوعی لنین که از ۲۰۰۰ و ۲۰۱۰ برجسته است، بیشتر روی کاربرد‌های وسیع و تجاری‌سازی آن متمرکز شده و هوش مصنوعی فرهنگی هم که الان اثرات آن هوش است، در حوزه‌های مختلف متمرکز است. این گونه شناسی به من محقق در جهت یابی ادبیات خود هوش مصنوعی کمک می‌کند. دوم به عنوان مرجعی برای تولیدات اجتماعی خود هوش مصنوعی من می‌کند و سوم به عنوان یک زمینه علمی تحقیقاتی می‌شود به این رویکرد‌ها ظرفیت، به عنوان نیروی متا-فناوری پرداخت. جامعه شناسی هوش مصنوعی باید به تمام افعال هوش مصنوعی بپردازد. این ابعاد شامل حوزه‌هایی که فناوران با بازیگران اجتماعی در تعامل هستند، آن روابط اجتماعی که دارند، آن تغییراتی که در رابطه اجتماعی انجام می‌دهند و آن ساختار‌هایی را که تغییر می‌دهند و واقعیت‌های اجتماعی که بازسازی می‌کند و در نهایت آن حوزه‌هایی که ذهن ما قدرت تخیل را ندارد، شامل می‌شود.

عاملیت در هوش مصنوعی باید با عوامل انسانی باشد

دکتر کاوه بازرگان، عضو هیئت‌علمی گروه ارتباطات علوم ارتباطات اجتماعی دانشگاه علامه طباطبائی با اشاره به این‌که علوم ارتباطات هم یک پیکره دانش دارد که دانشجویان گرامی در دانشکده علوم ارتباطات در درس‌های مختلفی در حوزه روابط عمومی، روزنامه‌نگاری، مطالعات ارتباطاتی و... با آن پیکره دانش آشنا می‌شوید، اظهار داشت: اخیراً برای رشته مطالعات، کارورزی و کارآموزی برای همه دانشجویان گرامی تعریف‌شده تا بتوانید تجربه میدانی از کاربست آنچه یاد گرفته‌اند به دست آورید. هوش مصنوعی هم در علم و هم در حرفه ارتباطات کاربردهای متعددی دارد. هوش مصنوعی مبتنی بر سیستم های اطلاعات است و در آن عوامل انسانی داریم (یعنی کاربر یا خود انسان)، سازوکار داریم (درونی و بیرونی)، قوانین، مقررات، روش‌ها و فرآیندها، ابزار و درنهایت ساختار داریم. هنگام صحبت راجع هوش مصنوعی و علوم ارتباطات بیشتر بر چگونگی تأثیرگذاری و تأثیرپذیری متقابل متمرکز می‌شویم.بن اشنایدرمن (Prof. Ben Schneiderman) پایه‌گذار حوزه تخصصی هوش مصنوعی انسان-محور و بنیان‌گذار آزمایشگاه مرجع قابل تعامل انسان و رایانه در دانشگاه مریلند است. برخی از صحبت‌های امروز من برگرفته از تجربیات او است که صحبت از ضرورت انقلاب کوپرنیکی دوم هم می‌کند و می‌گوید به آن نیاز داریم. بن اشنایدرمن می‌گوید هم‌اکنون نمی‌توانیم برنامه‌های مهم امروز، فردا و آینده‌ای که به سمت آن می‌رویم را دودستی به عوامل هوشمند و هوش مصنوعی واگذار نماییم و خودمان را فقط در مقام مصرف‌کننده کالا و خدمات و همچنین تماشاگر محیط پیرامونی متصور شویم. 

وی تأکید کرد: عاملیت در هوش مصنوعی با عوامل انسانی باید باشد تا با کمک هوش مصنوعی خیلی کار‌ها را بتوانیم انجام دهیم. پس انسان و عوامل انسانی را کانون قرار می‌دهد. تعریف هوش مصنوعی انسان محور این است که یک پیکره دانش نوین و رشته نوظهور است که قصد دارد سیستم‌های هوش مصنوعی را ایجاد کند که به‌جای جایگزینی مهارت‌ها، صلاحیت‌ها و توانایی انسان، آن‌ها را افزایش دهد و تقویت کند، اما عاملیت باهم با خود کاربر یا به‌طورکلی انسان باشد. هوش مصنوعی انسان محور به دنبال حفظ کنترل انسان بر عوامل و سیستم های هوشمند است. کنترل انسان به روشی است که اطمینان حاصل شود هوش مصنوعی نیاز‌ها را برآورده می‌کند و درعین‌حال شفافیت، عادل عمل کردن و حریم خصوصی را پاس می‌دارد. البته چگونگی تحقق و اجرای چنین آرمانی نیازمند گفت‌وگوی بیشتر است و کشورهای مختلف هر یک با رویکردهای متفاوتی، ازجمله تنظیم گیری و قوانینم و مقررات مرتبط همگام با زبان روز و ابزار روز، دست‌به‌کار شده‌اند. برای تحقق آرمان هوش مصنوعی انسان محور، باید پیرامون چرخه‌ای حرکت کنیم که طراحی ما مسئولانه باشد و حریم خصوصی کاربر کاملاً پاس داشته شود. تا زمانی که هوش مصنوعی را در مرحله کاربرد به داوری کاربر نهایی قرار ندهیم نمی‌توانیم ادعا کنیم که هوش مصنوعی ما از نوع انسان محور است. من موضوع در امتداد مفهمی کلیدی دیگری مانند کاربردپذیری (Usability) محصولات و خدمات دیجیتال معنی پیدا می‌نماید. یعنی تا زمانی که آزمون کاربردپذیری (Usability Testing) طراحی و پیاده‌سازی و اجرانشده باشد به‌هیچ‌عنوان نمی‌توان زیر شاخص‌های کاربر-محور همچون کارایی، اثربخشی و رضایت‌مندی را موردسنجش و ارزیابی قرارداد. در بسیاری از کشورهای پیشرو جهان، ازجمله ژاپن، استانداردهای کاربردپذیری ازجمله استانداردهای ملی الزامی تجزیه، تحلیل، طراحی، پیاده‌سازی و راه‌اندازی هرگونه سیستم های دیجیتال است. اما در برخی از کشورها استانداردهای کاربردپذیری حتی به‌عنوان استاندارد ملی اختیاری هم وجود ندارند.

کاوه بازرگان با بیان این‌که تصور غالب این است که هوش مصنوعی ما را در شرایط دوگانه‌ای قرار می‌دهد که یا میزان کنترل توسط عوامل انسان حداکثر است و یا میزان کنترل توسط تعامل هوشمند، گفت: درواقع میزان عاملیت انسان از بسیار کم تا بسیار زیاد محدود و میزان عاملیت سیستم یا عامل هوشمند از بسیار کم تا بسیار زیاد، می‌تواند برود. مثال برای فهم بهتر در خصوص خودرو است. در افقی که به سمتش می‌رویم و هنوز به آن نرسیده‌ایم، «ماشین خودمختار» وجود خارجی ندارد. ماشینی که خودش بنزین بزنند، خودبه‌خود بیمه شود، معاینه فنی شود و خودش به محل پارکینگ در خانه برگردد و به‌طورکلی همه کار را خودش انجام می‌دهد و پول هم درآورد، نداریم. این میزان درجه خودمختاری عامل انسانی در چگونگی ناوبری با کمک مثلاً سیستم و همین میزان عاملیت انسان و ماشین، به زمینه تخصصی رسانه‌ها راهش را باز نموده است. چگونه؟ مثلاً در چرخه حیات رسانه وقتی تأمین، تولید و توزیع را نگاه می‌کنیم باز از آن درجه‌بندی میزان عاملیت کاربر یا انسان در مقابل عاملیت عوامل هوشمند رسانه‌ای مطرح می‌گردد.

این استاد دانشگاه؛ همچنین افزود در داخل دانشگاه استنفورد یک آزمایشگاه هوش مصنوعی انسان محور وجود دارد که برای اولین بار شاخص هوش مصنوعی را، بر اساس یک نظام آماری مرجع، در یک سری از کشور‌های منتخب پایش می‌نماید. قابل‌توجه است پایشی که انجام دادند، در آمریکا شمالی می‌گوید مشاغلی که در ارتباط با هوش مصنوعی بوده و بیشترین آگهی شغلی را داشته است، بیشترین آن «اطلاعات» است. افراد با سوادِ هوش مصنوعی که قادر هستند به صورت اجرایی و محسوس در میدان کار کنند، بیشتر در هند هستند. در خصوص تبدیل لایحه قانون در کشور‌های مختلف نیز در خصوص هوش مصنوعی جالب است بدانید که اولین کشور آمریکا و بعد از آن روسیه است. برای اولین بار ۱۹۰ کشور عضو یونسکو پذیرفتند که توصیه‌های سیاستی اخلاق هوش مصنوعی را به توافق برسند و به مجمع ببرند. این موضوع موضوعی نیست که فقط یک دانشکده بتواند درباره آن صحبت کند بلکه موضوعی میان رشته‌ای و فرا رشته‌ای است.

بازرگان در پایان ارائه خود به برخی از دستاوردها و چالش‌های مندرج در سند «پیش‌نویس نقشه راه توسعه ملی هوش مصنوعی» که به‌تازگی توسط مرکز نوآوری و توسعه هوش مصنوعی وابسته به پژوهشگاه ارتباطات و فناوری اطلاعات اشاره نمود. مثلاً در بخش مربوط به فهرست 29 مورد «ذینفعان کلیدی در توسعه هوش مصنوعی در کشور» عبارت «کاربران»، «شهروندان» یا به‌طورکلی «مردم» به‌صورت محسوس و ملموس ذکر نشده است. لذا می‌توان نتیجه گرفت که با مفاهیم کلیدی، درون‌دادها، فرایندها و برون‌دادها و به‌طورکلی آرمان‌های هوش مصنوی انسان – محور، طبق تعریف و مستندات استاد بن اشنایدرمن، فاصله خیلی زیادی باقی است و می باید همگی هر چه زودتر جهت یادگیری فعال، عمقی و مداورم سواد هوش مصنوعی انسان - محور دست به کار شوند.

در بحث دروازه بانی خبر، نیروی انسانی باید به درستی شکل بگیرد

دکتر امید مهدوی در ادامه این نشست گفت: شاید اولین نسخه هوش مصنوعی انسان محور موضوع پلیس آهنی بود که سالها قبل در قالب یک فیلم سینمایی تخیلی در آمریکا ساخته شد و بعدها نیز چندین سیزن مختلف را در پی داشت و امروزه شاهد پیشرفت چشمگیر این موضوع هستیم که دیگر چنان دور از ذهن و تخیل هم نخواهد بود که ربات های انسان محور به مدد هوش مصنوعی بتوانند جایگزین فعالیت های انسانی شوند البته با چندین تفاوت مهم که در ادامه به آن خواهم پرداخت. 

هدف علم هوش مصنوعی توانمند کردن کامپیوتر در پردازش اطلاعات مشابه با مغز انسان است. بنابراین هوش مصنوعی اساساً بر علم کامپیوتر بنا شده است. راه ارتباط انسان با کامپیوتر برنامه نویسی است و بنابراین برای پیاده کردن الگوریتم های هوش مصنوعی نیاز به دانستن یک زبان برنامه نویسی داریم. در بین زبانهای برنامه نویسی مختلف، پایتون (Python) بالاترین انعطاف پذیری و سرعت و عملکردهای سطح بالا را نشان داده است و نه تنها در سطح آکادمیک بلکه در سطح صنعتی برای توسعه سیستم های هوش مصنوعی استفاده می شود.

الگوریتم های هوش مصنوعی برای اینکه کامپیوتر واقعا بتواند رفتار مغز انسان را تقلید کند اغلب پیچیده هستند و لذا نیاز است یک متخصص هوش مصنوعی به برنامه نویسی کامپیوتری تسلط کافی داشته باشد. در علم هوش مصنوعی هدف ما توانمند کردن کامپیوتر در پردازش اطلاعات مشابه با مغز انسان است. مغز انسان از طریق یادگیری و معنا دهی به اطلاعات ورودی به توانایی پردازش پیچیده اطلاعات دست می یابد. بنابراین برای اینکه کامپیوتر بتواند به سطح بالایی از تحلیل اطلاعات و توانایی تشخیص الگوهای پیچیده دست یابد؛ باید مفاهیم الگوریتم های یادگیری دانش افزا گردد. که به این فرآیند، یادگیری ماشینی می گوییم. در اینجا منظور از ماشین همان کامپیوتر است. در یادگیری ماشینی، کامپیوتر با استفاده از الگوریتم های داده کاوی الگوها را با سرعت بالا از بین داده های خام شناسایی می کند و بعد رابطه بین داده های ورودی و الگوهای احتمالی درون آن را یاد میگیرد. به عبارت دیگر بر خلاف داده کاوی که نتیجه آن تنها شناسایی الگوهای پنهان درون داده ها است، در یادگیری ماشینی کامپیوتر توانایی پیش بینی الگوهای درون داده ها و تلفیق الگوها برای پردازش های پیچیده تر شبیه مغز را به تست می گذارد. به عبارت دیگر از مرحله یادگیری ماشینی ما وارد فضای هوش مصنوعی می شویم. در این بین با مهمترین روش های یادگیری ماشین و الگوریتم های مربوطه و پیاده سازی آنها با استفاده از دانش مراحل قبل (برنامه نویسی و داده کاوی)  توانایی آموزش کامپیوتر برای پیشبینی الگوها در داده هایی که قبلا به آنها داده نشده را به دست می آوریم.

یادگیری عمیق نسخه بسیار پیشرفته تری از یادگیری ماشینی است که ظرفیت های آن در توانمند کردن کامپیوتر در تقلید از مغز انسان در سال های جدید کشف شده است. در هوش مصنوعی کلاسیک بسیاری از پارامترهای الگوریتم های یادگیری ماشینی توسط انسان تنظیم می شود و به همین دلیل توانایی یادگیری کامپیوتر را محدود می کند. اما در یادگیری عمیق، پارامترهای یادگیری ماشینی توسط خود کامپیوتر تنظیم می شود. به عبارت دیگر کامپیوتر در طول فرآیند یادگیری ربات یاد میگیرد که چگونه پارامترهای لازم برای یادگیری بهتر خود را بهینه نماید. این انعطاف بزرگ، عمق یادگیری کامپیوتر را بسیار بیشتر کرده و عملکرد پردازش کامپیوتر را به مغز انسان بسیار شبیه تر می کند. در حقیقت وقتی صحبت از هوش مصنوعی می کنیم در واقع صحبت از یادگیری عمیق است. بدون یادگیری عمیق، یادگیری ماشینی در سطحی نیست که بتوانیم از آن به عنوان “هوش مصنوعی” یاد کنیم. یادگیری عمیق هوش مصنوعی واقعی است که می تواند در سطح مغز انسان و یا حتی بهتر از آن اطلاعات را پردازش کند و همان فناوری است که تحولات پیش روی تمدن انسان مرتبط با هوش مصنوعی را تحقق می بخشد. بنابراین ما بر انواع روش های پیشرفته یادگیری عمیق تسلط پیدا کرده و توانایی ایجاد سیستم های هوش مصنوعی پیشرفته را به دست می آوریم. 

اما آن چه مسلم است جنگ بعدی بر سر لیتیوم است و در حال حاضر نیز ماشین‌هایی وجود دارند که اولاً می‌توانند راننده نداشته باشند و بصورت اتوران حرکت کنند و ثانیاً دیگر نیازی به بنزین و سوخت های فسیلی این چنینی ندارند و تنها با باتری های لیتیومی شارژ مستقیم می‌شوند و قادر به حرکت هستند و به عنوان مثال در امارات نسخه های این دست قبیل خودروهای بدون سرنشین در قالب تاکسی های اینترنتی در حال سرویس دهی به مسافران خود هستند و حتی امکان اینکه آن‌ها به تنهایی باتری های خود را در گیت های مربوط به این کار شارژ کنند نیز فراهم است. حتی موارد دیگر از ربات های ساخت هوش مصنوعی که در همین موضوع کرونا به کمک انسان آمدند و به راحتی برای جابجایی مرسولات مختلف و... با الگوریتم های از پیش تعریف شده به راحتی انجام وظیفه کردند و در خدمت انسان و جامعه برآمدند که از جمله نمونه های قابل قبول در این عرصه بر شمرده می شوند.
و یا در نسخه ملموس تر همچون نرم افزار Siri گوشی‌های هوشمند نیز به نوعی شما را به این سمت سوق می‌دهد و البته در آپدیت های جدید آنها؛ چیزی که می‌خواهید را میتواند همانند چت GPT به شما تا حدی پاسخ دهد.
وی افزود: همانطور که پیش تر اشاره شد؛ در بحث دروازه بانی خبر، نیروی انسانی به درستی باید شکل بگیرد. نیروی انسانی باید تشخیص دهد، در اینجا هوش مصنوعی تنها کمکی که به ما در بحث پلتفرم‌ها می‌تواند کند، بحث فیلترینگ کلمات است. مثلاً در خیلی از الگو‌های پلتفرم اینستاگرام می‌بینیم که خود به راحتی در حال فیلتر کردن کلمات است و اجازه ترویج آن را به مخاطب نمی‌دهد و این‌ها تصویری از مزایای هوش مصنوعی است، ولی در مواجهه با مخاطرات هوش مصنوعی، بحث مخاطرات انسانی را در پی داریم که اولی یا همان بحث اخبار جعلی است که نوک پیکان مخاطرات آن از طریق شبیه سازی چهره یا صدای آن‌ها به سمت سیاستمداران و هنرمندان است. پس از این حیث نیز به حریم خصوصی افراد باید توجه ویژه داشته باشیم. بحث دیگر نیز بحث حذف شدن نیروی انسانی است و بیشتر می‌خواهم راجع به معایب این بحث صحبت کنم.

همچنین دکتر مهدوی این متخصص حوزه فناوری اطلاعات و ارتباطات ادامه داد: ربات‌ها اموری که شاید انسان می‌تواند مثلا در عرض یک بازه زمانی خاص انجام دهد را با استفاده از هوش مصنوعی و صرفاً باتوجه به برنامه‌ای که از طریق انسان به آنها داده می‌شود را به راحتی در کسری از ثانیه یا دقیقه و کمتر از یک‌ساعت انجام دهند. اما فقط می‌تواند یک عمل که از قبل برای آن طرح ریزی و برنامه ریزی شده است را انجام دهد و نمی‌تواند از خود خلاقیت بروز دهد یا مثلا اگر خطایی در سیستم وجود دارد، خود به صورت اتومات آن را مرتفع سازد. در مقابل انسان خود با قدرت اختیاری که دارد می‌تواند به راحتی آن را رفع کند. در اینجا دو بحث عدم تفکر و تعقل برای شروع وجود دارد؛ خودمختاری و عدم خودمختاری این‌ها را به چالش می‌کشد. اما آنچه مسلم است در بحث کاهش تصمیم‌گیری‌های احساسی هم باز با آن مواجه هستیم. چون هوش مصنوعی عاری از هرگونه قلیان‌های درونی و احساس است و صرفاً آن چیزی که برایش طراحی و پردازش شده است را به همان شکل به معرض اجرا می‌گذارد. در بحث اکتشافات فضایی با همین مباحث طرح ریزی و هوش مصنوعی دیگر نیاز نیست، انسانی را به فضا بفرستید و ربات این کار را انجام می‌دهد و از طریق ماهواره به راحتی اخبار را به سیستم بر می‌گرداند و این مزیت را دارد که دیگر از نیروی انسانی هم استفاده نشده است.

صحبت از جایگزینی هوش مصنوعی به جای روزنامه‌نگاران هنوز زود است

در ادامه محمد مهدی مولایی، دبیر علمی نشست، با محدود کردن صحبت خود به حوزه روزنامه‌نگاری به نمونه‌هایی از استفاده هوش مصنوعی در تحریریه‌های رسانه‌ها اشاره کرد. او بیان کرد: هنگام صحبت درباره هوش مصنوعی گاهی فکر می‌کنیم مثلاً قرار است روزی ناگهان ربات‌ها بیایند و جای روزنامه‌نگاران را بگیرد، اما مدت‌ها است که در امور روزمره و در عرصه‌های خبری در حال استفاده از هوش مصنوعی هستیم. در مسیر پیشرفت فناوری شاهد بودیم با آمدن فناوری‌های جدید، برخی مشاغل در تحریریه حذف شده است. مثلاً در گذشته در تحریریه بخش حروف‌چینی وجود داشت، اما الان با پیشرفت دستگاه‌های دیجیتالی و فناوری‌های چاپ جایگزین شده است. در بحث استفاده از هوش مصنوعی در روزنامه‌نگاری، چند اصطلاح در سال‌های اخیر مورد توجه قرار گرفته و با هم بسیار همپوشانی دارند: روزنامه‌نگاری خودکار، روزنامه‌نگاری الگوریتمی و روزنامه‌نگاری رباتیک. کم و بیش این اصطلاحات در نتیجه مسیری که پیشرفت هوش مصنوعی در روزنامه‌نگاری داشته است، شکل گرفته‌اند.

این استاد دانشگاه سپس ادامه داد: با عنوان هوش مصنوعی و روزنامه‌نگاری، دانشگاه علامه طباطبایی با حمایت یونسکو امسال دوره خوبی با مدیریت خانم دکتر زرین زردار برگزار کرد. ویدیو‌های این دوره نیز در صفحه آپارات رسانیوم در دسترس است و می‌توانید مشاهده کنید. در یکی از این ویدیو‌ها من سه مورد از تجربه‌های به‌کارگیری هوش مصنوعی را توضیح داده‌ام که چطور گاردین، واشنگتن‌پست و بی‌بی‌سی از هوش مصنوعی و ربات برای تولید خبر استفاده کرده‌اند. در آنجا به‌طور مفصل در این باره توضیح دادم که از هوش مصنوعی استفاده می‌شود، ولی جایگزین خبرنگاری نشده است. هوش مصنوعی فعلی یک جور ابزار کمکی برای روزنامه‌نگاران است تا بتوانند کارشان را بهتر انجام دهند. پس صحبت از جایگزینی هنوز زود است. مسیر دیگر به‌کارگیری هوش مصنوعی در روزنامه‌نگاری، تولید ربات‌های فیزیکی هستند تا جایگزین اخبارگو‌های برنامه‌های تلویزیونی شوند و در چین یا روسیه نمونه‌های این را می‌بینیم. به‌نظر می‌رسد در کشور‌های شرقی نسبت به غربی به جسمیت بخشیدن به هوش مصنوعی علاقه‌مندی بیشتری وجود دارد. در مسیر تحولات هوش مصنوعی این روز‌ها بیشتر درباره ChatGPT صحبت می‌شود که در سه ماه اخیر مورد توجه قرار گرفته است. این محصول جدید هوش مصنوعی می‌تواند در عرصه‌های روزنامه‌نگاری، تولید محتوای رسانه‌ای و تبلیغاتی و حتی نگارش مقالات علمی استفاده شود و امروز مقالاتی منتشر می‌شود که مثلاً دو نویسنده دارد و یکی از آن‌ها ChatGPT است.

دکتر مولایی اظهار کرد: طی سال‌های اخیر شاهد این بودیم هر زمان دستاورد جدیدی در حوزه هوش مصنوعی معرفی شد، بحثی قدیمی درگرفت که هوش مصنوعی چه زمان جایگزین خبرنگاران خواهد شد. در واقع در نسبت بین روزنامه‌نگاری و هوش مصنوعی، نقطه توجه تاکنون اغلب تولید خبر بوده است. اینجا می‌خواهم توجه را به بحث مصرف رسانه معطوف کنم؛ اینکه چطور دروازه‌بانی خبر هم توسط هوش مصنوعی تحت تأثیر قرار گرفته است و مردم در کشور‌های مختلف چطور اخبار را دنبال می‌کنند. پلتفرم‌ها و مسیر‌های مختلف برای دنبال کردن اخبار وجود دارد. در دنیای دیجیتال روندی شکل گرفته است و دائما مراجعه کاربران به وب‌سایت‌های خبری و اپلیکیشن‌های خبری درحال کاهش است. در مقابل کاربران اخبار را بیشتر از طریق رسانه‌های اجتماعی دنبال می‌کنند. تفاوت در اینجا است که در وب‌سایت‌های خبری نیز فرآیند دروازه‌بانی همچنان به صورت انسانی انجام می‌شود و افراد تحریریه جهت می‌دهند که محتوا را چطور دنبال کنیم. در مقابل در رسانه‌های اجتماعی و گردآورندگان خبر هوشمند می‌توان گفت الگوریتم‌ها هستند که از هوش مصنوعی برای دروازه‌بانی کمک می‌گیرند. در هوش مصنوعی بحث قدیمی سیستم‌های پیشنهاد مطرح بوده است. همین مکانیزم حالا در رسانه‌ها نیز پیاده‌سازی شده است و بخشی از فرآیند پیشنهاد محتوا به کاربران و دروازه‌بانی توسط هوش مصنوعی انجام می‌شود. بخش مهمی از مناسبات فرهنگی را در حال حاضر الگوریتم‌ها تعیین می‌کنند و این اهمیت هوش مصنوعی را به ما نشان می‌دهد. در حال حاضر داریم وارد عصر الگوریتم‌سالاری می‌شویم و تصمیم‌هایی که تا پیش از این توسط انسان گرفته می‌شد به الگوریتم‌های ماشینی سپرده می‌شود و تحولات عرصه روزنامه‌نگاری تنها یکی از مصادیق این تغییر کلان است.

مولایی در پایان اضافه کرد: هوش مصنوعی سایر عرصه‌های روزنامه‌نگاری و رسانه‌ها را هم تحت تاثیر قرار داده و یکی دیگر از موارد پراهمیت این روزها بحث «اخبار جعلی» است. هوش مصنوعی می‌تواند به گسترش اخبار جعلی کمک کند، همچنین در تولید ویدئوهای جعلی deep fake از یادگیری عمیق که یکی از حوزه‌های مرتبط با یادگیری ماشین در هوش مصنوعی است استفاده می‌شود. در عین حال از هوش مصنوعی می‌توان برای مقاله با اخبار جعلی هم استفاده کرد. هوش مصنوعی در بحث صحبت‌سنجی اخبار fact cheking هم ابزار کارآمدی است. با استفاده از هوش مصنوعی می‌توان ساختار‌های اخبار جعلی را شناسایی کرد و به مقابله با گسترش اخبار جعلی رفت.

مطالبات مردم توسط رسانه، باید از سکویی منتشر شود که ذی نفع نباشد

دکتر حنفی زاده گفت: هوش مصنوعی انقلابی در همه عرصه‌ها و حوزه‌ها به وجود آورده است و زمینه کاربرد و وسیعی پیدا کرده است. در ادامه در خصوص کارکرد فنی، زمینه به کارگیری هوش مصنوعی در حوزه رسانه و ارتباطات و چه شد که رونق گرفت و در نهایت این که کاربرد‌های هوش مصنوعی در رسانه ارتباطات به چه ترتیب است، صحبت خواهم کرد. شکل گیری هوش مصنوعی تقلیدی از سلول‌های مغز انسان بود و کارکردی شبیه نورون مغزی انسان را انجام می‌دهد. هوش مصنوعی بدون اطلاعات اساسا نمی‌تواند کارکردی داشته باشد.

وی افزود: در گذشته این‌گونه بود که میزبانی در سایتی محتوایی می‌گذاشت و همه مجبور بودند که بر اساس آن، اطلاعات را استفاده کنند. اما وقتی شبکه‌های اجتماعی آمدند، خصوصا آن‌هایی که اعضای زیادی داشتند، در لحظه افراد توانستند حجم بسیار زیادی محتوا را به اشتراک گذارند. این محتوا شامل پروفایل و آپدیت کردن پروفایل آن‌ها و از همه بیشتر مکالمه آن‌ها با هم می‌شود. پس با پدیده «Big data» مواجه شدیم. بخش مهمی از این اطلاعات در شبکه‌های اجتماعی، در مورد رویداد‌های آن جامعه است و به طور کلی امروزه داده مبنای دارایی‌های نامحسوس است.

وی در خصوص کاربرد‌های هوش مصنوعی بیان کرد: کارکرد اصلی هوش مصنوعی پردازش داده‌ها است. این پردازش‌ها گاهی با سرپرستی است و می‌دانیم چه خروجی احتیاج داریم و گاهی نمی‌دانیم خروجی آن‌ها چیست. در زمینه روزنامه‌نگاری، شما می‌توانید محتوا را «customize» کنید تا با ذائقه مخاطب جور باشد. به طور سنتی رسانه برای هر قشری و با هر سلیقه‌ای وظیفه داشته است که محتوا تولید کند و هنوز هم این روند ادامه دارد. از کاربرد‌های مهم دیگر این است که با داشتن اطلاعات متنوع می‌توان با هوش مصنوعی الگو‌های این اطلاعات را افشا کنیم. مردم امروز به طور ناآگاهانه نسبت به تصمیمات مدیران و جامعه در شبکه‌های اجتماعی حرف می‌زند. پس بدون نیاز به پرسشنامه و نظرسنجی، شبکه‌های هوش مصنوعی می‌تواند محتوای مرتبط به موضوعی را جمع‌آوری و پردازش کند و ببیند که نظرات مثبت و منفی چگونه بوده است و در زمان کوتاه افکار مردم و حوزه‌ها را افشا می‌کند و این افکار را دقیق‌تر می‌توانید بیان کنید.

دکتر حنفی زاده در پایان تاکید کرد: جامعه مطالباتی دارد که متناسب با خواسته‌ها و طبقات جامعه است. امیدوارم رسانه‌ها به نحوه درست بتوانند این خواسته‌ها را به جامعه منتقل کند و شناخت این مطالبات خیلی مهم است. چیزی که در جامعه به آن اهمیت می‌دهیم محتوایی است که از طریق تریبون افرادی که مسئولیتی دارند نشر پیدا می‌کند. رسانه‌ها گاهی به طور نادرست این مطالبات را بازنشر می‌کنند. مطالبات باید از سکویی منتشر شود که ذینفع نباشد و از دل مکالمات بین مردم آمده باشد. این مطالبات مردم از طریق رسانه‌های اجتماعی می‌تواند به درستی منعکس شود و محتوایی که از طریق مسئولین منتقل می‌شود، غالب نشود.

هوش مصنوعی می‌تواند به افزایش نابرابری منجر شود

در جریان این نشست و پس از ارائه سخنرانان، دانشجویان، اعضای هیات علمی و سایر مهمانان حاضر در جلسه به طرح سوالات و نظرات خود پرداختند. از جمله مباحث مطرح شده نگرانی درباره اثرات اجتماعی گسترش هوش مصنوعی و وضعیت نابرابری در جوامع بود. مولایی، دبیر علمی نشست در این‌باره این‌طور توضیح داد: در بحث نابرابری به دلیل پیشرفت هوش مصنوعی دو چیز مطرح هست. یکی حجم داده‌های موجود در اینترنت که بیشتر به زبان انگلیسی است و باعث می‌شود ابزارهایی مانند ChatGPT در زبان‌های دیگر کارآمدی کمتری داشته باشند. در بحث دوم ما یک تصوری داریم که هوش مصنوعی اگر مستقر شود، خطای انسانی در خیلی از عرصه‌ها برطرف خواهد شد. به‌عبارت دیگر تصور می‌کنیم این تبعیض‌هایی که ما خواسته یا ناخواسته در تصمیم‌گیری داریم را اگر به ماشین‌ها بسپاریم، دیگر وجود نخواهد داشت. در صورتی که در سال‌های اخیر توسعه هوش مصنوعی بسیار از مسیر یادگیری ماشین جلو می‌رود و به زبان ساده‌تر داده‌های کلان را دریافت و تحلیل کرده و از آن‌ها یاد می‌گیرد. خیلی اوقات این داده‌ها را ما تولید کرده‌ایم و در موارد مشابه میلیون‌ها تصمیمی که انسان‌ها گرفته‌اند را تحلیل می‌کند و مبتنی بر آن‌ها، هوش مصنوعی عمل می‌کند. در این حالت چون تصمیماتی که گرفته‌ایم تبعیض‌آمیز بودند و خطا داشتند، ممکن است بخشی از این در مکانیسمی که هوش مصنوعی عمل می‌کند، منتقل شود. درباره این قضیه هشدار داده شده و در واقع در مساله تحقق عدالت و کاهش نابرابری در نسبت با هوش مصنوعی در عین حال که می‌تواند فرصت‌هایی را ایجاد کند، چالش‌هایی هم دارد.