به نقل از «تابناک»

پیش بینی هوش مصنوعی از برنده جایزه نوبل امسال

تاریخ انتشار: ۹ مهر ۱۴۰۲ | کد خبر: ۳۸۷۹۴۶۲۲

به گزارش تابناک به نقل از ایسنا، با توجه به نزدیک شدن به زمان اعلام جوایز نوبل ۲۰۲۳ که قرار است از روز دهم مهر آغاز شود، یک سوال در ذهن همه وجود دارد: چه کسی برنده خواهد شد؟ در جستجوی سرنخ، فیزیکدان سانتو فورتوناتو (Santo Fortunato) به چت جی‌پی‌تی که یک چت‌بات با هوش مصنوعی است روی آورده است.

 فورتوناتو، پژوهشگر دانشگاه بلومینگتون ایندیانا، از نسخه رایگان چت جی‌پی‌تی پرسید که آیا می‌تواند برندگان جایزه نوبل امسال را پیش‌بینی کند یا خیر و این چت‌بات اینگونه پاسخ داد: نمی‌توانم آینده، از جمله برندگان جایزه نوبل سال ۲۰۲۳ یا هر سال دیگری را پیش‌بینی کنم.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

سپس فورتوناتو از هوش مصنوعی خواست سه اکتشاف بزرگ در شیمی، فیزیک و فیزیولوژی یا پزشکی را که توسط دانشمندان زنده‌ای که پیش از این جایزه نوبل دریافت نکرده‌اند، انجام شده، شناسایی کند. به این سه رشته در بخش علمی نوبل جایزه اهدا می‌شود. شاگردان فورتانو نیز مورد مشابهی را از چت‌بات گوگل به نام کلود خواستند.

هر دو چت‌بات توانستند اکتشافات مهمی از توسعه ابزار ویرایش ژنوم کریسپر تا کشف گرافن ماده دو بعدی را ارائه کنند، اما در پاسخ‌های آن‌ها نقص‌های زیادی وجود داشت.

در برخی موارد، چت‌بات‌ها اکتشافاتی را شناسایی کردند که دانشمندان قبلا برای دستیابی به آن‌ها جایزه نوبل دریافت کرده بودند؛ و این تنها مشکل نبود. فورتوناتو می‌گوید: من در مورد دانشمندانی که در قید حیات هستند پرسیدم و آن‌ها نمونه‌هایی را مطرح کردند که در گذشته‌اند.

قدرت پیش‌بینی
جیمز ایوانز (James Evans)، دانشمند علوم اجتماعی محاسباتی در دانشگاه شیکاگو می‌گوید: اگرچه مدل‌های زبانی بزرگ (LLM) مانند چت جی‌پی‌تی و کلود، ممکن است در شکل کنونی خود پیشگو‌های بزرگ جایزه نوبل نباشند، اما پتانسیل تبدیل شدن به ابزار‌های قدرتمند پیش‌بینی را دارند.

او می‌افزاید: اما برای اینکه آن‌ها برای این هدف مناسب باشند، باید کمی تلاش کرد. برای ایجاد یک هوش مصنوعی پیش‌بینی کننده جوایز نوبل، مدل‌های زبانی بزرگ فعلی باید اصلاح شوند و بر اساس داده‌های مناسب آموزش ببینند.

هوش مصنوعی همچنین می‌تواند تلاش‌های موجود برای پیش‌بینی برندگان آینده را بهبود بخشد.

یک مورد خاص
راسموس بیورک (Rasmus Bjørk)، فیزیکدان دانشگاه فنی دانمارک در کپنهاگ که تجزیه و تحلیل برندگان جایزه نوبل را انجام داده است، می‌گوید: مورد استناد قرار گرفتن به تنهایی برای نشان دادن اینکه چه کسی ممکن است در آینده جایزه نوبل را دریافت کند، کافی نیست. بیورک می‌گوید برای دریافت این جایزه، پژوهشگران باید کار‌های پیشگامانه‌ای انجام دهند که حوزه‌ای را رو به جلو پیش ببرد یا تأثیری اساسی بر جامعه داشته باشد. او می‌گوید: این باید یک مورد خاص باشد. البته، اندازه‌گیری این خاص بودن می‌تواند دشوار باشد.

بنو تورگلر (Benno Torgler)، اقتصاددان رفتاری در دانشگاه فناوری کوئینزلند در بریزبن که برندگان جایزه نوبل را مطالعه کرده است، می‌گوید: مدل‌های زبانی بزرگ ممکن است بتوانند کمک کنند، زیرا می‌توانند منابع و آرشیو‌های آنلاین را برای یافتن اطلاعاتی که نشانه‌های دیگری از تاثیرگذاری تحقیقات را نشان می‌دهند جستجو کنند. این موارد ممکن است شامل ذکر مقاله در پوشش‌های خبری، شبکه‌های همکاری محققان و پیوند‌های آن‌ها با برندگان قبلی جایزه نوبل باشد. تغذیه مدل‌های زبانی بزرگ با این اطلاعات کیفی می‌تواند به پیش‌بینی‌های دقیق‌تری منجر شود.

بیورک می‌گوید: ابزار‌های مولد هوش مصنوعی همچنین می‌توانند به سوگیری‌هایی را که قبلا جوایز نوبل را احاطه کرده بودند، تداوم بخشند. از زمان معرفی جوایز نوبل بیش از یک قرن پیش، تنها ۶۰ زن برنده این جایزه شده‌اند. اگر مدل‌های زبانی بزرگ بر روی داده‌های مربوط به برندگان گذشته آموزش ببینند، احتمال بیشتری وجود دارد که مردان را نسبت به زنان بیشتر به عنوان برندگان بالقوه آینده انتخاب کنند. او می‌گوید: ما باید مدل‌های زبانی بزرگ را طوری آموزش دهیم که این تعصبات را حذف کنیم.

داوری توسط هوش مصنوعی
پندلبری می‌گوید: وقتی صحبت از تصمیم‌گیری برنده جایزه نوبل می‌شود، هیچ چیزی جای داوری انسان‌ها را نمی‌گیرد. او می‌گوید: در نهایت سلیقه لازم است. من فکر می‌کنم این همان چیزی است که به جایزه نوبل زیبایی می‌بخشد.

اما ایوانز فکر می‌کند که مدل‌های زبانی بزرگ روزی می‌توانند به دنیای جوایز علمی مساوات برقرار کنند، زیرا می‌توانند راه را برای انواع جدیدی از جوایز هموار کنند که به جای دیدگاه کمیته‌های انسانی، بر تحلیل‌های کمتر مغرضانه و مبتنی بر هوش مصنوعی متکی هستند. او می‌گوید چنین جوایزی می‌تواند به نمایان کردن تحقیقاتی کمک کند که علم را به‌گونه‌ای که در حال حاضر شناخته نشده است، تغییر داده‌اند.

منبع: تابناک

کلیدواژه: قره باغ بازیهای آسیایی 2022 هفته وحدت لایحه برنامه هفتم هوش مصنوعی جیمز ایوانز قره باغ بازیهای آسیایی 2022 هفته وحدت لایحه برنامه هفتم برندگان جایزه نوبل مدل های زبانی بزرگ جوایز نوبل هوش مصنوعی او می گوید پیش بینی چت بات

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.tabnak.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «تابناک» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۷۹۴۶۲۲ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

هوش مصنوعی گرایش سیاسی افراد را از چهره‌شان می‌خواند

ایتنا - مطالعه‌ای جدید می‌گوید توانایی این الگوریتم در حدس زدن دقیق درباره دیدگاه‌های سیاسی فرد مشابه این است که چگونه مصاحبه‌های شغلی می‌توانند موفقیت در شغل را پیش‌بینی کنند یا مصرف الکل می‌تواند خشونت را تحریک کند.
پس از آنکه نتایج یک پژوهش نشان داد هوش مصنوعی می‌تواند گرایش سیاسی افراد را از روی چهره‌های بدون حالت و بی‌احساس پیش‌بینی کند، محققان هشدار داد‌‌ند که فناوری‌های تشخیص چهره از آنچه قبلا به نظر می‌رسید، «تهدیدآمیزتر» شده‌‌ و برای حریم خصوصی چالش جدی به وجود آورده‌اند.  

مطالعه‌ای جدید که در مجله «روانشناس آمریکایی» (American Psychologist) منتشر شد، می‌گوید توانایی این الگوریتم در حدس زدن دقیق درباره دیدگاه‌های سیاسی فرد مشابه این است که چگونه مصاحبه‌های شغلی می‌توانند موفقیت در شغل را پیش‌بینی کنند یا مصرف الکل می‌تواند خشونت را تحریک کند.

به گفته مایکل کوزینسکی، نویسنده ارشد این پژوهش، ۵۹۴ شرکت‌کننده قبل از آنکه هوش مصنوعی آنها را چهره‌نگاری (استخراج اطلاعات مخصوص و منحصربه‌فرد یک چهره مانند اندازه و شکل چشم، بینی، لب) کند، پرسشنامه‌‌ای درباره گرایش سیاسی خود پر کردند. سپس داده‌های چهره‌نگاری را با پاسخ‌ پرسشنامه‌های جهت‌گیری سیاسی مقایسه کردند تا با استفاده از اطلاعاتی که از چهره‌ها به دست آورده بود، جهت‌گیری سیاسی هر شخص را پیش‌بینی کند.

کوزینسکی می‌گوید: «فکر می‌کنم مردم متوجه نیستند با انتشار یک تصویر ساده، در واقع چقدر خود و اطلاعات شخصی‌شان را برای دیگران فاش می‌کنند.»

او افزود: «ما می‌دانیم که گرایش جنسی، سیاسی و تفکرات مذهبی افراد باید محفوظ بماند. این موضوع در گذشته متفاوت بود. در گذشته شما می‌توانستید به حساب کاربری فیس‌بوک افراد وارد شوید و به عنوان مثال گرایش‌های سیاسی، آنچه را که پسند می‌کنند (لایک می‌زنند) و صفحاتی را که دنبال کرده‌اند، ببینید. اما فیس‌بوک سال‌ها پیش آن را بست زیرا برای سیاست‌گذاران، فیس‌بوک و روزنامه‌نگاران واضح و مبرهن بود که این موضوع پذیرفتنی نیست و بسیار خطرناک است.»

کوسینسکی افزود: «در حال حاضر نیز هر کس می‌تواند به فیس‌بوک برود و عکس هر فردی را ببیند، حتی اگر آن فرد را هیچ‌وقت ملاقات نکرده و او اجازه دسترسی به عکسش را نداده باشد. این مطالعه نشان می‌دهد اطلاعاتی که در تصویر افراد وجود دارد، ممکن است مشابه افشای جهت‌گیری سیاسی آن‌ها باشد.»

محققان می‌گویند که تصاویر افراد شرکت‌کننده در این پژوهش را در شرایطی بسیار مشخص و کنترل‌شده جمع‌آوری کردند. به این ترتیب که این افراد همگی تی‌شرت‌های مشکی‌ پوشیده و زیور‌آلاتشان را در آورده‌ بودند و در صورت نیاز ریششان را هم اصلاح کرده بودند. همچنین با دستمال مرطوب آرایش صورتشان را پاک کرده و موهایشان را با کش مو، گیره یا تل سر به عقب کشیده بودند تا اطراف صورت پخش نشوند. سپس چهره‌ها را از طریق الگوریتم چهره وی‌جی‌جی فیس۲ (VGGFace2) بررسی کردند.

محققان هشدار می‌دهند که فناوری‌های نظارت بیومتریکی، به ویژه فناوری‌های تشخیص چهره، تهدیدی جدی‌تر از گذشته برای حریم شخصی افرادند. پژوهش‌های پیش‌تر نیز نشان داده بودند که تصاویر طبیعی چهره می‌تواند اطلاعات مهمی را درباره جهت‌گیری سیاسی و ویژگی‌های شخصی دیگر انتقال دهند اما مطمئن نبودیم که این پیش‌بینی‌ها به دلیل نحوه ارائه شخص و ویژگی‌های ثابت چهره (خنثی) فعال شده‌اند یا هر دو این عوامل. محققان می‌گویند، نتایج ما نشان می‌دهند که ویژگی‌های ثابت چهره در انتقال این سیگنال‌ها نقش مهمی دارند و افراد روی اطلاعات شخصی و حریم خصوصی خود کمترین کنترل را دارند، زیرا این اطلاعات بدون اجازه و کنترل شخص به دستگاه‌های نظارتی می‌رسد.

به گفته کوزینسکی، این الگوریتم‌ها را می‌توان بسیار سریع و ارزان برای میلیون‌ها نفر اعمال کرد. به عقیده او این مطالعه بیشتر یک هشدار درباره فناوری‌هایی است که در گوشی‌ها وجود دارد و به طور گسترده در همه‌جا استفاده می‌شود.