یادگیری ماشینی سالهاست که توسط شرکت های بزرگ در ابعاد کوچک استفاده میشود. مثلا آمازون با رصد کلیک ها و علاقه مندی های افراد سعی در یافتن سلیقه های فرد کرده و تبلیغاتی متناسب با آن برای وی نشان میدهد یا گوگل در زمینه جستجوهای اینترنتی و فیسبوک در زمینه شبکه های اجتماعی اقدام مشابه را انجام میدهد و پست های مورد علاقه افراد را به برایشان به نمایش در می آورد.

اما اکنون یادگیری ماشینی ابعاد گسترده تری گرفته است و تبدیل به تیتر اصلی رسانه ها شده است. الگوریتم خودروهای خودران و یا ترجمه با گفتار بخش هایی از عملکرد جدید یادگیری ماشین است. ولی آیا افزایش قابلیت های ماشین ها سبب از بین رفتن نژاد انسان خواهد شد؟ و آیا می بایست در برابر یادگیری ماشینی احساس خطر کرد؟

این افزایش قابلیت سبب شکل بخشیدن به آینده خواهد شد و ما را ملزم میکند تا با این شرایط کنار بیاییم. متاسفانه در قبال این مسئله تصورات غلطی نیز پیرامون آن شکل گرفته است. در ادامه به بررسی برخی ابعاد و مشخصات یادگیری ماشین خواهیم پرداخت تا ببینیم آیا واقعا باید در مقابل یادگیری ماشینی احساس خطر کرد؟

original

یادگیری ماشین تنها اطلاعات را خلاصه میکند

در حقیقت هدف اصلی یادگیری ماشین پیش بینی آینده است. بطور مثال از فیلمی که در گذشته نگاه کرده اید میتوان فهمید که در آینده چه فیلمی را نگاه خواهید کرد. یا پولی که بابت چیزی پرداخت کرده اید راهنمایی خواهد شد برای کالایی که در آینده میخرید. الگوریتم یادگیری ماشین هنوز به اندازه کافی هوشمند نشده است اما میلیون ها بار سریعتر از یادگیری انسان خواهد بود.

الگوریتم یادگیری ماشین تنها میتواند ارتباط بین دو رویداد را بررسی کند

این حالت از یادگیری ماشین رابطه ای را بین انسان و رسانه ها بررسی میکند و باعث تاثیرگذاری روی زندگی مردم خواهد شد. مثلا وقتی کاربران اینترنت کلمه “آنفلونزا” را در گوگل جستجو میکنند، با افزایش تعداد جستجو میتوان نتیجه گرفت که این بیماری در حال گسترش است. اما الگوریتم یادگیری ماشین چند قدم جلوتر میرود و اگر مثلا یک خال روی بدن پس از مدتی شکل و رنگ متفاوت و عجیبی بگیرد آنگاه سیستم با دقتی مشخص نتیجه می گیرد که فرد به بیماری سرطان پوست دچار شده است.

یادگیری ماشین تنها رویداد ها را بررسی میکند؛ نه ارتباط بین علت ها را

این حالت یکی از محبوبترین حالت های یادگیری ماشین است که سعی در بررسی فعالیت های مختلف کرده و برای هر نوع از فعالیت نتیجه ی مربوط به آن را پیش بینی میکند. مثلا وقتی شما در انجام کاری بین دو انتخاب قرار می گیرید در نهایت یکی را انتخاب کرده و رویداد های پس از آن بصورت دومینویی اتفاق خواهد افتاد. اما با الگوریتم یادگیری ماشین میتوان بررسی کرد که اگر گزینه ثانوی را انتخاب می کردید چه اتفاقاتی می افتاد.

یادگیری ماشین نمیتواند رویدادهایی که در گذشته اتفاق نیفتاده را پیش بینی کند

تقکر اشتباه تا امروز این بوده است که اگر رویدادی در گذشته هرگز اتفاق نیفتاد پیش بینی آن تقریبا صفر است. اما باید گفت هدف یادگیری ماشین پیش بینی اتفاقات نادر با دقت بالا است. اگر A یکی از علت های B  و B یکی از علت های C باشد آنگاه A  علت C خواهد بود حتی اگر C اتفاق نیفتاده باشد. ترکیدن حباب اقتصادی آمریکا در سال 2008 نه تنها براساس مدل های آماری پیش بینی میشد بلکه براساس ریسک های اقتصادی بانک ها هم قابل پیش بینی بود.

اطلاعات ورودی بیشتر سبب بالا رفتن اشتباه خواهد شد

مثلا اگر NSA روی تعداد مکالمات تلفنی بیشتری از افراد تمرکز کند احتمال اینکه یک فرد بی گناه به عنوان تروریست شناخته شود بیشتر خواهد بود زیرا بطور تصادفی با ضابطه تشخیص تروریست تطبیق خواهد یافت. افزودن ویژگی های بیشتر به یک رویداد سبب افزایش اشتباه خواهد شد. اما متخصصان یادگیری ماشینی برای به حداقل رساندن این اشتباهات بسیار خوب عمل کرده اند. فردی که در حال فیلمبرداری از ساختمان های یک شهر است یا فردی که در حال تهیه آمونیوم نیترات است نمیتوانند مظنون باشند اما اگر این دو فرد با هم تماس تلفنی داشته باشند آنگاه میتوان آنها را رصد کرده تا مطمئن شد که قصد بمبگذاری ندارند.

یادگیری ماشینی دانش از قبل موجود را نادیده میگیرد

دانش حقیقی نتیجه ی سالها فرآیند طولانی استدلال و تجربه است که نمیتوان آن را با الگوریتم خاصی روی دیتابیس یک ربات پیاده سازی کرد. اما همه الگوریتم های یادگیری ماشینی از یک حالت ساده و ابتدایی شروع میکنند و برخی از آنها از دانش به عنوان ساختاری استفاده میکنند که برای کامپیوتر قابل فهم باشد.

شیوه یادگیری ماشین برای انسان قابل فهم نیست

و این طبیعتا باعث نگرانی خواهد شد. اگر الگوریتم یادگیری ربات نامفهوم و غیر قابل درک باشد، چگونه میتوان به آن اعتماد کرد؟ برخی مدل ها به سختی قابل درک اند. مانند استفاده از شبکه های عصبی عمیق. که این مدل های الگوریتم بطور مثال میتواند برای شناسایی یک گربه در ویدیو ها استفاده شود. اما برخی مدلهای الگوریتمی هوشمند تر هستند؛ مانند شناسایی سرطان از روی پوست.

یادگیری ماشینی به زودی باعث ظهور هوش ابرانسانی خواهد شد

روزانه اخبار زیادی مبنی بر تقابل انسان و ماشین و ایجاد شدن برتری ماشین ها در آینده ای نزدیک شنیده میشود. اما از زمان اولین ایده برای ساخت هوش مصنوعی پنچاه سال میگذرد و همچنان راه درازی در پیش است. کامپیوترها امروزه میتوانند وظایف مختلف و ساده ای را بخوبی انجام دهند اما هنوز از احساسات برخوردار نیستند و هیچکس نمیداند که چگونه به آنها آموزش دهد. بنابراین ماشین ها در زمینه هایی از انسان بهتر و قوی تراند و در برخی زمینه ها اینگونه نیستند و آنچه لازم است تا ربات و کامپیوتری با توانایی های در حد خودمان بسازیم مستلزم درک دقیقی از آن می باشد.