17 نوامبر 2021توسط انتشارات دانشگاه Tsinghuaاعتبار: CC0 دامنه عمومی
هوش مصنوعی (AI) می تواند داده های بسیار بیشتری را بسیار سریعتر از هر انسانی ارزیابی کند. با چنین حجم عظیمی از اطلاعات، هوش مصنوعی باید بتواند داده های گذشته را در نظر بگیرد، تمام پیامدها را پردازش کند و پیش بینی قابل اعتمادی را بهتر از یک انسان ارائه دهد، درست است؟ به گفته یک تیم تحقیقاتی چند موسسه که هم افزایی بین نحوه پیش بینی انسان و هوش مصنوعی را بررسی کردند، ممکن است همیشه اینطور نباشد.
اسکات ای پیج، نویسنده مقاله، استاد دانشکده بازرگانی راس دانشگاه میشیگان، می گوید: وظایف پیش بینی همه جا وجود دارد – هر تصمیم گیری در هر زمینه یا جنبه ای از زندگی شامل پیش بینی عواقب گزینه های موجود قبل از انتخاب آنها می شود. درک خطرات و وعده‌های این مجموعه‌ها و ایجاد تعادل مناسب بین این دو، یکی از دغدغه‌های اصلی حرکت رو به جلو است.
به گفته پیج، این نگرانی ناشی از تغییر نسبتاً اخیر از پیش‌بینی‌های انجام‌شده بر اساس تجربه، برخی داده‌ها و غریزه درونی به پیش‌بینی‌های انجام‌شده بر اساس داده‌ها و ملاحظاتی است که سیستم‌های هوش مصنوعی برای انجام آن برنامه‌ریزی شده‌اند.
او می پرسد که آیا افزایش دقت ناشی از بکارگیری الگوریتم‌های قدرتمندتر در پایگاه‌های اطلاعاتی بزرگ‌تر، این سوال را مطرح می‌کند: آیا انسان اصلاً باید در عرصه پیش‌بینی باقی بماند یا اینکه پیش‌بینی را به طور کامل به الگوریتم‌ها واگذار کنیم؟.
محققان دریافتند که پاسخ یک نه قطعی است. نحوه برخورد انسان‌ها با پیش‌بینی‌ها بسیار متفاوت‌تر از روشهای هوش مصنوعی است، که می‌تواند تفاوت مهمی را برای پیش‌بینی دقیق ایجاد کند.
به گفته پیج، هوش مصنوعی داده های بزرگ را به خوبی مدیریت می کند، در حالی که انسان ها برای تجزیه و تحلیل آنچه که محققان داده های “ضخیم” یا قویتر می نامند، مجهزتر هستند. نقاط داده با قدرت کمتر، به جای اینکه از نقاط داده ای مشابه از یک نوع داده تشکیل شده باشد، می تواند داستان غنی تری را بیان کند. برای مثال، سال‌ها داده‌های آماری ممکن است به هوش مصنوعی این امکان را بدهد که پیش‌بینی کند یک بازیکن بیسبال چند ضربه هوم ران ممکن است بزند، اما یک انسان احتمالاً درک می‌کند که چگونه یک بازیکن تیم محبوب ممکن است حرفه طولانی‌تری داشته باشد.
پیج می‌گوید: «داده‌های کلان و داده‌های قوی که با هم کار می‌کنند، پیش‌بینی‌های جمعی دقیق‌تری ایجاد می‌کنند. داده‌های قوی می‌توانند مجموعه‌ای از عوامل را که ممکن است از شکاف‌های بین متغیرهای کلان داده جدا شده عبور کنند، جلب کرده و توجه را جلب کند.
محققان این ایده را با آزمایش ریاضی چگونگی وزن دادن ورودی‌های انسان و هوش مصنوعی به پیش‌بینی‌های متفاوتی آزمایش کردند. آنها دریافتند که در موارد معمولی، به این معنی که نتایج آینده به نتایج گذشته بستگی دارد، هوش مصنوعی برای انجام دقیق پیش‌بینی‌ها به ورودی انسانی نیاز ندارد. با این حال، در موارد غیر معمول با عوامل ناشناخته یا شگفت‌انگیزتر، انسان‌ها به هوش مصنوعی کمک کردند تا خطاهای احتمالی را کاهش دهد.
پیج گفت: تا زمانی که انسان‌ها بتوانند به شناسایی ویژگی‌های مختلف ادامه دهند، یعنی به ساخت داده‌های قویتر ادامه دهند یا موارد غیر معمول را بهتر درک کنند، به افزایش دقت ادامه خواهند داد.
آینده پیش‌بینی‌کننده‌های ترکیبی به‌جای رقابت بین انسان و رایانه، جستجوی پیچیده‌ای برای همزیستی خواهد بود.محققان قصد دارند به بررسی این موضوع ادامه دهند که چگونه سیستم‌های مشترک هوش مصنوعی و انسان می‌توانند به بهبود پیش‌بینی‌ها کمک کنند، از جمله اینکه چگونه چندین سیستم با هم کار می‌کنند ممکن است نتایج دقیق‌تری ارائه دهند.
