GML (Graph Machine Learning)

GML (Graph Machine Learning)

یادگیری ماشین گراف
GML (Graph Machine Learning)

GML (Graph Machine Learning)

یادگیری ماشین گراف

هوش‌مصنوعی چگونه بر درک ما از اراده آزاد تأثیر می‌گذارد؟

 امروز صبح تصمیم گرفتم ورزش کنم؟

اگر شما به جای سام هریس، عصب شناس بودید، پاسخ شما این بود: "نه، او این تصمیم را نگرفت." هریس استدلال می‌کند که اراده آزاد یک توهم است.

او پیشنهاد می‌کند که افکار و مقاصد از علل پیش‌زمینه‌ای بیرون می‌آیند که ما از آنها بی‌اطلاعیم و هیچ کنترلی آگاهانه بر آنها اعمال نمی‌کنیم. به گفته وی، افکار و اعمال ما نتیجه رویدادهای از پیش تعیین شده است، به این معنی که اراده آزاد برای انتخاب آنها نداریم.

نظرات او تا حد زیادی توسط علوم اعصاب مشخص شده است. او به مطالعاتی اشاره می‌کند که نشان می‌دهد مغز ما قبل از اینکه آگاهانه از آنها آگاه باشیم تصمیم می‌گیرد. این نشان می‌دهد که تجربه ذهنی ما از انتخاب علت انتخاب نیست، بلکه یک رویداد بعدی است. هنوز با من؟ من اینطور فکر نمی‌کردم.

اما بیایید وانمود کنیم که یا به موارد فوق اعتقاد داریم یا همچنان معتقدیم که کنترل کامل بر تصمیمات و سرنوشت خود داریم. چه اتفاقی می‌افتد وقتی این بازنمایی یا توهم عاملیت را به چیزی می‌سپاریم که معتقدیم برای گرفتن این تصمیم‌ها مجهزتر است؟

یک مثال میتواند تسلا باشد. ماسک استدلال می‌کند که ماشین‌های بدون راننده به طور تصاعدی نسبت به هر راننده‌ای قادر به تصمیم‌گیری بهتر هستند، زیرا با تجربیات صدها هزار راننده آموزش می‌بینند. ناگفته نماند، آنها هرگز تصمیمات عینی ضعیفی مانند ارسال پیامک در حین رانندگی، خوردن چهار کوکتل با شام قبل از رفتن به خانه، یا رفت و آمد به محل کار پس از دو ساعت خواب نمی‌گیرند.

یا می توانید از برایان جانسون بپرسید.

برایان جانسون غول فناوری است که سالانه 2 میلیون دلار در تلاش برای معکوس کردن پیری بیولوژیکی هزینه می‌کند. اما این همه درمان های رنگ مو و پوست نیست (اگرچه برخی از آن ها نیز وجود دارد). جانسون تحت چندین آزمایش هفتگی قرار می‌گیرد که به او دقیقاً نحوه خوردن، درمان، تمرین و مکمل بیولوژی خود را برای بهترین شانس برای طول عمر نهایی می‌آموزد. بدون نظر، نه "خب، من امروز این احساس را دارم." او مطیعانه از داده‌هایی پیروی می‌کند که به نظر او بهترین منافع او در الگوریتم است.

  

برایان جانسون در حال جمع‌آوری اطلاعات کمی

بنابراین، بیایید آن را در مقیاس در نظر بگیریم - مقیاس مدل‌های داده گسترده یا باریک که بهترین منافع ما را در انتظار خط فرمان هستند. سال گذشته، پس از بیان اهداف تناسب اندام خود، با یک انسان دیگر مشورت کردم و او سپس نسخه تمرینی را به من داد که به نظر او بهترین گزینه برای من بود. من همیشه با نظرات او موافق نبودم. به خصوص زمانی که به محدودیت‌های انسانی او در شعبده بازی با بسیاری از مشتریان دیگر، تاریخچه‌ها، برنامه‌ها، و بسیاری از تفاوت‌ها و محیط‌هایی که با آن‌ها کار می‌کردند، اشاره می‌کنیم.

من یک مدل هوش مصنوعی به طور خاص برای تجویز تمرینات قدرتی ایجاد کردم. تاریخچه من، تجهیزاتی که دارم و اهدافم را می‌شناسد. من کاری مشابه برای تغذیه انجام دادم، جایی که کالری و پروتئین مورد نیاز من را بر اساس تمرینی که انجام می‌دهم، ترجیحات غذایی و اهداف کلی می‌داند. سپس برنامه‌های غذایی و لیست مواد غذایی را ارائه می‌دهد. از یک طرف، ممکن است بگویید که اینها فقط راحتی هستند. اما از سوی دیگر، من در حال تسلیم یک سری انتخاب هستم که در غیر این صورت خودم انجام می‌دادم.

با برداشتن این یک گام فراتر، من روی یک هوش مصنوعی کار می‌کنم تا نوشته‌های مجلات جاری را که بیش از یک دهه قدمت دارند، تجزیه و تحلیل کند. مانند یک درمانگر با حافظه کامل، باید بتواند نقاطی را که من از آنها بی‌اطلاعم به هم وصل کند، و توصیه‌ها و بینش‌هایی را برای کمک به من در طول مبارزات فعلی از نظر تئوری ارائه دهد. از آنجا که، مانند بسیاری از ابزارهای هوش مصنوعی در حال حاضر، اطراف لبه‌ها خشن است، اما به اندازه کافی خوب است که چیزی بیش از یک نگاه اجمالی به ما بدهد که به کجا می‌رود.

بنابراین، در چه مرحله‌ای به هوش مصنوعی بر اکثر تصمیم‌های روزانه‌مان فرمان می‌دهیم، زیرا می‌دانیم که به نفع ما عمل خواهد کرد؟ یا برای شروع، آیا واقعاً در این مورد بازنمایی داشتیم؟ من حدس می‌زنم همه چیز بستگی به اعتقاد شما دارد. اگر فکر می‌کنید که برای شروع اراده آزاد دارید، ممکن است در رها کردن آن تردید بیشتری داشته باشید. اگر همانطور که هریس معتقد است که این یک توهم است، ممکن است تمایل بیشتری به پذیرش داشته باشید. اما شاید لازم به ذکر باشد که سم هریس بسیار نگران هوش‌مصنوعی است.

اگر باور دارید که همه ما بخشی از یک سوپ بزرگ جمعی از آگاهی هستیم، شاید هوش‌مصنوعی بیانگر داده همه اینها باشد. اما باز هم، من به اشتباه در خوش‌بینی شناخته شده‌ام.

نظرات 0 + ارسال نظر
ایمیل شما بعد از ثبت نمایش داده نخواهد شد