ابزارهای هوش مصنوعی مانند ChatGPT احتمالا به زودی به طور کامل خودمختار خواهند شد و یاد می‌گیرند که چگونه با محیط اطراف تعامل کنند. یکی از برندگان غیرمنتظره جوایز نوبل امسال، توسعه‌دهندگان AlphaFold بودند؛ مدلی از هوش مصنوعی که می‌تواند ساختار سه‌بعدی بیش از ۲۰۰ میلیون پروتئین را به دقت پیش‌بینی کند.
به گزارش ایتنا، این فناوری با استفاده از شبکه‌های عصبی مصنوعی الگوهایی را از تعامل اسیدهای آمینه استخراج کرده و به مدل‌سازی رفتار پروتئین‌های ناشناخته می‌پردازد.
کتاب «ChatGPT و آینده هوش مصنوعی» نوشته ترنس سِجنوفسکی، نوروبیولوژیست محاسباتی، به بررسی تحولی که این فناوری به همراه دارد، می‌پردازد. سِجنوفسکی خوانندگان را به سفری هیجان‌انگیز در تکامل هوش مصنوعی می‌برد؛ از مدل‌های ساده نورون‌ها در دهه ۱۹۵۰ تا پیشرفت‌های عمیق یادگیری که منجر به تولد مدل‌های زبانی بزرگ (LLMs) شده است.
هدف نهایی هوش مصنوعی، دستیابی به “هوش مصنوعی عمومی ” است؛ ماشینی که بتواند مانند انسان فکر کند و یاد بگیرد. نسل کنونی LLMها هنوز به این هدف نرسیده‌اند و بیشتر زبان انسانی را تقلید می‌کنند بدون اینکه واقعاً درک کنند.
سِجنوفسکی معتقد است آینده هوش مصنوعی نیازمند همکاری بین‌رشته‌ای است. او تصور می‌کند که اصول اساسی هوش مانند انعطاف‌پذیری و توانایی استنتاج کلی از اطلاعات محدود می‌تواند نسل بعدی هوش ماشین را کاتالیز کند.
انقلاب زبان‌شناسی هوش مصنوعی در حال حاضر بسیاری از جنبه‌های زندگی ما را تغییر می‌دهد. LLMها فراتر از نقش اولیه خود به عنوان ابزار عمل کرده و شروع به همکاری در حوزه‌هایی مانند مراقبت‌های بهداشتی، آموزش و حقوق خواهند کرد.
سِجنوفسکی همچنین بر اهمیت مهارت مهندسی درخواست تأکید می‌کند و پیشنهاداتی برای بهبود تعامل با مدل‌های هوش مصنوعی ارائه می‌دهد. وی هشدار می‌دهد که چالش‌های زیادی وجود دارد که باید برای تضمین پایداری بلندمدت این فناوری حل شوند.
در نهایت، سِجنوفسکی بر لزوم بررسی احتمال پیشی گرفتن هوش مصنوعی از هوش انسانی تأکید می‌کند. وی خاطر نشان می‌کند که باید بتوانیم تهدیدات بالقوه را پیش‌بینی کرده و کاهش دهیم. کتاب “ChatGPT و آینده هوش مصنوعی” نه تنها راهنمایی برای ماست بلکه هشداری در مسیر پیشرفت سریع این فناوری است.
source