3 مشکل بزرگ هوش مصنوعی از نسل قبل که هنوز برطرف نشده است

استفاده از هوش مصنوعی مولد در فناوری احتمالاً نسبت به زمانی که اینترنت معرفی شد قابل توجه تر است. او بسیاری از تلاش‌های خلاقانه را متوقف می‌کند و تا پایان دهه به هیچ وجه به اندازه توانایی‌اش نخواهد رسید.

ژنرال هوش مصنوعی ما را وادار می‌کند تا درباره نحوه برقراری ارتباط، نحوه همکاری، نحوه ایجاد، نحوه حل مشکلات، نحوه قضاوت و حتی نحوه و اینکه آیا سفر می‌کنیم تجدید نظر کنیم. من انتظار دارم که وقتی این فناوری به بلوغ رسید، لیست چیزهایی که تغییر نکرده اند بسیار کوتاه تر از لیست چیزهایی باشد که تغییر کرده اند.

این هفته، من می‌خواهم روی سه چیز تمرکز کنم که باید شروع به بحث کنیم که برخی از خطرات بزرگ‌تر هوش مصنوعی مولد را نشان می‌دهند. من مخالف تکنولوژی نیستم و آنقدر احمق نیستم که پیشنهاد کنم آن را متوقف کنید، زیرا توقف آن اکنون غیرممکن است.

آنچه من پیشنهاد می کنم این است که قبل از اینکه آسیب زیادی به این مشکلات وارد کند، به فکر کاهش این مشکلات باشیم. سه مشکل بارگذاری مرکز داده، امنیت و فساد روابط است.

ما با محصول هفته من به پایان خواهیم رسید، که ممکن است بهترین شاسی بلند برقی موجود در بازار باشد. من ناگهان در بازار یک ماشین الکتریکی جدید هستم، اما بعداً در مورد آن بیشتر توضیح خواهیم داد.

دانلود دیتاسنتر

علیرغم همه ، تعداد کمی از مردم هنوز از هوش مصنوعی مولد استفاده می کنند، چه رسد به اینکه از آن با پتانسیل کامل خود استفاده کنند. این فناوری پردازشگر و داده فشرده است در حالی که بسیار شخصی متمرکز است، بنابراین داشتن آن صرفاً در فضای ابری ممکن نیست، عمدتاً به این دلیل که مقیاس، هزینه و تأخیر حاصله پایدار نخواهد بود.

همانطور که با سایر برنامه های متمرکز بر داده و عملکرد انجام دادیم، بهترین رویکرد احتمالا ترکیبی است که در آن قدرت پردازش نزدیک به کاربر نگه داشته می شود. با این حال، داده‌های بزرگ، که نیاز به مدرن‌سازی گسترده دارند، باید به صورت متمرکز بارگیری شوند و برای محافظت از ظرفیت‌های ذخیره‌سازی محدود دستگاه‌های مشتری، تلفن‌های هوشمند و رایانه‌ها، بیشتر مورد دسترسی قرار گیرند.

اما از آنجایی که ما در مورد یک سیستم به طور فزاینده هوشمند صحبت می کنیم که گاهی اوقات – مانند زمانی که از آن برای بازی، ترجمه یا مکالمه استفاده می کنیم – به تاخیر بسیار کم نیاز دارد. نحوه تقسیم بار بدون آسیب رساندن به عملکرد احتمالاً تعیین کننده موفقیت آمیز بودن اجرای خاص است.

دستیابی به تأخیر کم آسان نخواهد بود زیرا در حالی که فناوری بی سیم بهبود یافته است، به دلیل آب و هوا، قرارگیری برج یا کاربر، قطعی تعمیر و نگهداری، بلایای طبیعی یا ساخته دست بشر، و کمتر از پوشش جهانی کامل، همچنان می تواند غیرقابل اعتماد باقی بماند. هوش مصنوعی باید هم به صورت آنلاین و هم آفلاین کار کند و در عین حال ترافیک داده را محدود کند و از قطعی های فاجعه بار جلوگیری کند.

حتی اگر بتوانیم همه اینها را متمرکز کنیم، هزینه بسیار بالا خواهد بود، حتی اگر عملکرد استفاده نشده ای در ماشین های شخصی خود داشته باشیم که می تواند مقدار زیادی از این هزینه را کاهش دهد. کوالکام یکی از اولین شرکت هایی است که به این مشکل اشاره کرده و تلاش زیادی برای رفع آن می کند. با این حال، با توجه به سرعت پیشرفت هوش مصنوعی مولد و سرعت نسبی توسعه و عرضه چنین فناوری به بازار، انتظار داشته باشید که خیلی کم باشد، خیلی دیر باشد.

حفاظت

من یک حسابرس داخلی متخصص امنیت و تحلیلگر رقابتی بودم که در روش های قانونی نقض امنیت آموزش دیده بود. من یاد گرفتم که اگر کسی بتواند داده های کافی به دست آورد، می تواند داده هایی را که به آنها دسترسی ندارد با دقت بیشتری تخمین بزند.

به عنوان مثال، اگر میانگین تعداد خودروهای موجود در پارکینگ یک شرکت را بدانید، می توانید با دقت معقولی تعداد کارکنان شرکت را تخمین بزنید. شما به طور کلی می توانید رسانه های اجتماعی را اسکن کنید و ببینید که کارمندان ارشد شرکت به چه چیزهایی علاقه دارند و می توانید فرصت های شغلی را مشاهده کنید تا مشخص کنید شرکت احتمالاً چه نوع محصولاتی را در آینده توسعه خواهد داد.

این مدل‌های زبان بزرگ، حجم عظیمی از داده‌ها را جمع‌آوری می‌کنند، و من انتظار دارم بسیاری از چیزهایی که LLM بررسی می‌کند محرمانه باشند یا باید محرمانه باشند. علاوه بر این، اگر اطلاعات کافی جمع آوری شود، شکاف ها از آنچه اسکن نشده است به طور فزاینده ای قابل استخراج خواهد بود.

این سناریو فقط برای اطلاعات شرکت اعمال نمی شود. از طریق نوع اطلاعات شخصی که به راحتی در دسترس است، می‌توانیم درباره زندگی خصوصی کاربران خود اطلاعات بیشتری کسب کنیم.

کارفرمایان می توانند افشاگران، کارمندان ناراضی یا بی وفا، رفتار بد کارکنان و کارمندانی که به طور غیرقانونی از شرکت سوء استفاده می کنند را با دقت بیشتری پیدا کنند. حفاظت از یک نهاد متخاصم که اطلاعات محرمانه ای درباره شما، شرکت یا حتی دولت شما به دست می آورد، با دقت بسیار بیشتری نسبت به آنچه که من به عنوان یک حسابرس یا تحلیلگر رقابتی از آن لذت می بردم، عملی شده است.

بهترین دفاع احتمالاً به اندازه کافی اطلاعات نادرست ایجاد می کند که ابزارها نمی دانند چه چیزی واقعی است و چه چیزی نیست. با این حال، این مسیر سیستم های هوش مصنوعی متصل را به طور کلی کمتر قابل اعتماد می کند، که اگر یک رقیب فقط از این سیستم ها استفاده کند خوب است. با این حال، به احتمال زیاد سیستم های شرکتی را که می خواهید محافظت کنید به خطر بیاندازد و منجر به افزایش تعداد تصمیمات بد شود.

ارتباطات شخصی

شرکت‌هایی مانند Mindverse با MindOS و Suki با شخصیت‌های خود که مکمل کارمندانشان هستند، استفاده شخصی آینده از هوش مصنوعی را به‌عنوان ابزاری نشان می‌دهند که می‌تواند مانند شما عمل کند. همانطور که ما به تدریج از ابزارهایی مانند این استفاده می کنیم، توانایی ما برای تشخیص واقعی و دیجیتالی بسیار کاهش می یابد و نظرات ما در مورد افرادی که از این ابزارها استفاده می کنند بیشتر بر روی ابزار منعکس می شود تا شخص.

تصور کنید دوقلو دیجیتالی شما در حال انجام یک مصاحبه مجازی، چهره حضور شما در یک برنامه دوستیابی یا کنترل بیشتر تعاملات مجازی روزانه شماست. این ابزار سعی می کند به فردی که با آن در تعامل است پاسخ دهد، هرگز خسته یا عصبانی نشود و به شما آموزش داده شود تا شما را در بهترین حالت ممکن ارائه دهد. با این حال، همانطور که او در این مسیر پیشرفت می کند، کمتر و کمتر شبیه شما خواهد شد – و احتمالاً جالب تر، جذاب تر و پست تر از همیشه خواهید شد.

این منجر به مشکلاتی خواهد شد، زیرا، مانند بازیگرانی که با فردی آشنا می‌شوند که زمانی عاشق شخصیت بازیگری که بازی می‌کردند، واقعیت باعث جدایی بعدی و از دست دادن اعتماد می‌شود.

ساده ترین راه حل این است که یاد بگیرید مانند آواتار خود عمل کنید یا از آن برای تعامل با دوستان و همکاران استفاده کنید. من شک دارم که هر کدام را انجام دهیم، اما این دو روش مناسب‌ترین روش برای کاهش این مشکل آینده هستند.

کاغذ بسته بندی

هوش مصنوعی مولد شگفت انگیز است و با ورود به بازار و رسیدن کاربران به حجم بحرانی، عملکرد را به طرز چشمگیری بهبود می بخشد. با این حال، مشکلات مهمی وجود دارد که باید مورد توجه قرار گیرد، از جمله بار بیش از حد مرکز داده، که باید راه‌حل‌های ترکیبی را در آینده ایجاد کند، ناتوانی در جلوگیری از استخراج اسرار از این مدل‌های زبانی عظیم، و کاهش قابل توجه اعتماد بین‌فردی.

درک این خطرات آتی باید به اجتناب از آنها کمک کند. با این حال، اصلاحات عالی نیستند، که نشان می دهد ما احتمالاً از برخی عواقب ناخواسته استفاده از این فناوری پشیمان خواهیم شد.

محیط اطراف فیسکر

جگوار I-Pace من ماه گذشته در یک تصادف بکسل گرد و غبار گرفت که به باتری آسیب رساند. نتیجه تخمین 100000 دلاری برای تعمیر خودرو بود که اکنون ارزش آن نزدیک به 40000 دلار است. من انتظار دارم USAA، شرکت بیمه من، ماشین را جمع کند. بنابراین، من به دنبال خودروهای الکتریکی جایگزین بوده‌ام، و در کل، در دسترس بودن بد است.

احتمالاً در وهله اول جگوار I-Pace دیگری دریافت خواهم کرد زیرا نمی خواهم ماه ها یا سال ها دوباره برای ماشینم منتظر بمانم. در حال حاضر، من یک Volve XC-60 را با همسرم به اشتراک می‌گذارم و مشکلات برنامه‌ریزی زیادی دارم، زیرا هر دو به طور همزمان به ماشین نیاز داریم. من برای خرید یک SUV الکتریکی جدید رفتم و بهترین چیزی که پیدا کردم Fisker Ocean بود.

اطراف فیسکر تمام الکتریکی (اعتبار تصویر: Fisker)

مانند بسیاری از برق ها، انتظار برای یک دستگاه جدید ماه ها طول می کشد، و من نمی توانم این انتظار را تحمل کنم. از میان خودروهای الکتریکی موجود در سال جاری، Fisker Ocean تمام موارد را مشخص می کند. ویژگی های آن عبارتند از:

• برد 350 مایل (نوار 300 مایل)
• گوشی هوشمند شما می تواند کلید ماشین شما باشد
• شارژ معکوس، بنابراین ماشین شما می تواند خانه شما را در هنگام قطع برق تامین کند
• زمان قابل توجه 0 تا 60 حدود 3.6 ثانیه (عاشق عملکرد)
• سقف پنل های خورشیدی برای افزایش برد و تامین برق اضطراری
• حالت تبدیل مانند (واقعا ماشین را باز می کند)
• یکی از تمیزترین طرح های موجود در بازار.

Fisker Ocean ماشین فوق العاده ای است. اگه بتونم تا آخر سال صبر کنم تا یکی بگیرم زودتر سفارش میدم. متاسفانه، این مورد نیست. با این حال، اطراف فیسکر هنوز هم تولیدکنندگان هفته هستند.

نظرات بیان شده در این مقاله متعلق به نویسنده است و لزوماً منعکس کننده نظرات شبکه خبری کالج فناوری امارات نیست.