سیستم های AI به عنوان آینه به بشریت عمل می کنند. آنها ما را به خودمان بازتاب می دهند ، نقاط ضعف و همچنین نقاط قوت ما ، سایه های ما را به اندازه نور خود نشان می دهند.

دلیل عملکرد AI به عنوان آینه این است که AI روی ما آموزش داده می شود – در مجموعه داده های وسیعی که از خروجی های انسانی جمع آوری شده است. به معنای بسیار واقعی ، اکنون همه ما معلم هستیم ، زیرا به طور بالقوه می توان از هر یک از فعالیت ها و خروجی های دیجیتالی ما برای آموزش سیستم های هوش مصنوعی استفاده کرد.

همانطور که مورخ آمریکایی هنری آدامز بیان کرد: “یک معلم بر ابدیت تأثیر می گذارد. او هرگز نمی تواند بگوید که تأثیر وی در کجا متوقف می شود.” اکنون که آن قدرت را داریم ، بهتر بود در مورد چگونگی استفاده عاقلانه فکر کنیم.

همانطور که در کتاب تازه منتشر شده خود توضیح می دهم ، Transcend: باز کردن بشریت در عصر هوش مصنوعی، ما می توانیم مباشرین مسئول سیستم های هوش مصنوعی فعلی و آینده خود باشیم. در این پست ما به مراحلی می پردازیم که می توانیم انجام دهیم تا اطمینان حاصل شود که هوش مصنوعی در یک جهت امن و عاقلانه توسعه می یابد.

معلمان هوش مصنوعی

برای تفکر و رفتار عاقلانه در نقش ما به عنوان معلمان هوش مصنوعی ، درک این موضوع که چگونه سیستم های AI ، و به طور خاص مدل های بزرگ زبان (LLMS) کار می کنند ، مفید است. LLMS سیستمهایی هستند که ما بیشترین آژانس را در استفاده از خود داریم.

LLM ها در مجموعه داده های عظیم متشکل از محتوای انسانی آموزش داده می شوند: کتاب ها ، مقالات ، وب سایت ها ، گزارش ها ، پست های رسانه های اجتماعی و موارد دیگر. از اینها ، مدل ها روابط آماری بین کلمات و عبارات را می آموزند. آنها معنایی را در نحوه انجام انسان درک نمی کنند ، اما در پیش بینی اینکه چه نوع زبانی به طور معمول از یک فوریت خاص پیروی می کنند ، بسیار ماهر می شوند.

از نظر مهم ، تعامل ما با سیستم های هوش مصنوعی هنوز هم می تواند بر پیشرفت آینده آنها تأثیر بگذارد – اما نه به شکلی که بسیاری از مردم تصور می کنند. بیشتر مدل ها یاد نمی گیرند در پرواز از کاربران خاص با این حال ، شرکت ها غالباً ورودی های کاربر جمع شده-از جمله اعلان ها ، تکمیل و بازخورد-را برای کمک به نسخه های آینده یا اطلاع رسانی به روزرسانی های نظارت شده جمع می کنند. اگر انگشت شست یا شست به پایین می دهید ، یا اگر تصمیم به به اشتراک گذاشتن داده های خود دارید ، ممکن است به هدایت نحوه رفتار مدل های آینده کمک کنید.

مسئولیت شکل دادن به هوش مصنوعی

بیایید واضح باشیم – مسائل سیستماتیک به راه حل های سیستمی نیاز دارند. مسئولیت شکل دادن به هوش مصنوعی صرفاً یک مسئولیت فردی نیست. شرکت هایی که در حال توسعه مدل ها و برنامه های هوش مصنوعی هستند ، مسئولیت های قابل توجهی دارند و همچنین دولت ها و نهادهای نظارتی نیز انجام می دهند.

اما این بدان معنی نیست که ما نقشی به عنوان افراد نداریم. از طریق اقدامات فردی ما ، ما به آنچه هوش مصنوعی تبدیل خواهد شد ، کمک می کنیم و این یک قدرت عظیم است. با توجه به اینکه هوش مصنوعی از ما یاد می گیرد ، با توجه به اینکه آنچه را که می شود شکل می دهیم ، باید قدرت خود را تصدیق کنیم و در مورد استفاده از آن با مسئولیت پذیری عمدی باشیم.

چه کاری می توانیم انجام دهیم؟

برای حرکت به طور مؤثر در این مسئولیت ها ، باید به یاد داشته باشیم که هوش مصنوعی به عنوان آینه ای برای بشریت ایستاده است. وت آینه، با تصادف خوش شانس ، مخفف مفیدی را برای اقدامات عملی که می توانیم برای هدایت مسیر آینده هوش مصنوعی انجام دهیم فراهم می کند:

• مگسغصب
• منمگس
• حرفمصرف کننده
• حرفمشکلات eport
• ایآموزش
• حرفرشد چشمگیر

1. ذهن آگاهی

ما باید ذهن آگاهی دیجیتال را پرورش دهیم. ذهن آگاهی به معنای حفظ آگاهی است که فعالیت های دیجیتالی ما ماهیت هوش مصنوعی و آینده جهان را شکل می دهد. یک توییت بی ذهن ، یک بررسی اغراق آمیز یا یک اظهار نظر عجولانه ممکن است در حال حاضر بی نتیجه به نظر برسد. اما در مجموع ، این ماده اولیه ای است که هوش مصنوعی از آن یاد می گیرد.

مراحل عمل:

• قبل از ارسال مطالب آگاهانه تمرین کنید – قبل از ارسال ، بپرسید: “آیا این چیزی است که من می خواهم AI از آن بیاموزد؟”
• از ردپای دیجیتال خود آگاه باشید.
• نامزدی را با اندیشه انتخاب کنید.

مثال: قبل از ارسال یک بررسی منفی رستوران پس از یک وعده غذایی ناامیدکننده ، مکث می کنید و به فکر الگوسازی انتقاد سازنده به جای تهویه عاطفی هستید ، با تمرکز بر جزئیات خاص که بازخورد مفیدی را ارائه می دهد.

2. تأثیر

تأثیر در تعمیق درک ما از عواقب است. درک تأثیر ما همچنین به معنای شناخت پرهیز از تعامل است که خود یک انتخاب با عواقب است. هنگامی که صداهای متنوع از تعامل هوش مصنوعی خودداری می کنند ، سیستم های حاصل می توانند به سمت دیدگاه های کسانی که درگیر هستند ، کمرنگ شوند.

مراحل عمل:

• آسیب بالقوه را در نظر بگیرید.
• اثرات پایین دست را در نظر بگیرید.
• در مورد پیامدهای جمعی تأمل کنید.
• تأثیرات مرتبه دوم را ارزیابی کنید.
• پیامدهای طولانی مدت را وزن کنید.

مثال: هنگام ثبت نام در یک برنامه مراقبت های بهداشتی که از AI استفاده می کند ، ممکن است در نظر بگیرید که چگونه به اشتراک گذاری داده های ناشناس می تواند به بهبود دقت تشخیصی برای جوامع کم نماینده کمک کند ، و این را تشخیص می دهد که تصمیمات فردی می تواند از نتایج عادلانه تر هوش مصنوعی پشتیبانی کند.

3. مصرف مسئول

در یک اقتصاد محور بازار ، گزینه های مصرف ما سیگنال های قدرتمندی را به شرکت هایی که در حال ساخت سیستم های هوش مصنوعی هستند می فرستد. هنگامی که کاربران به خدماتی می پردازند که ملاحظات اخلاقی ، شفافیت و کنترل کاربر را در اولویت قرار می دهد ، صنعت توجه می کند.

مراحل عمل:

• شرکت تحقیقاتی قبل از اتخاذ ابزارهای هوش مصنوعی نزدیک می شود.
• پشتیبانی از توسعه اخلاقی.
• شفافیت ارزش.
• اولویت بندی حریم خصوصی.
• از برنامه های مضر خودداری کنید.

مثال: هنگامی که یک ژنراتور تصویر هوش مصنوعی نتواند نحوه آموزش کار در انسان را فاش کند ، انتخاب گزینه های شفاف تر و جبران کننده هنرمندان پیامی را ارسال می کند که منابع اخلاقی اهمیت دارد.

4. گزارش مشکلات

دیوید موریسون ، رئیس پیشین ارتش استرالیا ، یک بار گفت: “استانداردی که از گذشته می روید استانداردی است که شما می شوید.” اگر اجازه دهیم که خروجی های مشکل ساز از طریق بررسی نشده عبور کنند ، ما به آینده ای کمک می کنیم که در آن خروجی های مشکل ساز به استاندارد عادی برای سیستم های AI تبدیل شوند.

مراحل عمل:

• از ابزارهای گزارش دهی موجود در سیستم عامل های AI استفاده کنید.
• هنگام توصیف مشکلات خاص باشید.
• موضوعات جدی را مستند کنید.
• در صورت لزوم با گروه های نظارتی به اشتراک بگذارید.
• در صورت امکان پیگیری کنید.

مثال: هنگامی که یک دستیار هوش مصنوعی اطلاعات مغرضانه ای در مورد یک موضوع فرهنگی ارائه می دهد ، از یک تصویر عکس بگیرید و آن را از طریق فرم بازخورد با توضیح روشنی در مورد اینکه چرا پاسخ مشکل ساز است ، ارسال کنید.

5. آموزش مداوم

هوش مصنوعی به سرعت در حال تحول است. آموزش مداوم به معنای تعهد به یادگیری مستمر در مورد هوش مصنوعی است ، زیرا هرچه بهتر آن را درک کنیم ، ما قادر به تأثیرگذاری عمداً بر توسعه آن هستیم.

مراحل عمل:

• اصول اولیه را بیاموزید.
• منابع اطلاعاتی خود را متنوع کنید.
• به مکالمات عمومی بپیوندید.
• دانش را به اشتراک بگذارید.
• کنجکاو بمان

مثال: هفته ای یک بار یک بار برای خواندن در مورد روندها و اخلاق هوش مصنوعی کنار بگذارید ، یا در طول رفت و آمد خود پادکست را دنبال کنید. حتی تلاش های کوچک می تواند اعتماد به نفس و سواد را ایجاد کند.

6. رشد بازتابنده

کمک های ساختاری بهداشت روان و مشاوره برای چالش های روانشناختی اکنون یکی از رایج ترین موارد استفاده برای هوش مصنوعی تولیدی است. سیستم های هوش مصنوعی الگوهای پشتی را در رفتار فردی و جمعی ما منعکس می کنند – و بسیاری از این الگوهای ممکن است در غیر این صورت برای ما نامرئی باشند.

مراحل عمل:

• به واکنش های خود در مورد خروجی های AI توجه کنید.
• الگوهای فاش شده را بررسی کنید.
• لبه های رشد را شناسایی کنید.
• خود دلسوزی را پرورش دهید.

مثال: پس از استفاده از یک برنامه تناسب اندام با مربیگری AI که با وجود ترجیح شما برای سرعت ملایم ، تمرینات با شدت بالا را توصیه می کند ، ممکن است مکث کنید تا در مورد محدودیت های برنامه و مقاومت خود خود تأمل کنید و بینش رویکرد تناسب اندام خود را بدست آورید.

پایان

هوش مصنوعی در حال حاضر دنیای ما را به روش های عمیق تغییر می دهد و تأثیر آن فقط رشد خواهد کرد. هیچ یک از ما نمی توانیم آینده هوش مصنوعی را به تنهایی شکل دهیم – نه به عنوان کاربران ، حتی به عنوان توسعه دهنده. حفاظت های سیستمی و پاسخگویی عمومی ضروری است. اما هر یک از ما نقش ایفا می کنیم.

شاید مهمترین کاری که می توانیم برای بهتر شدن هوش مصنوعی انجام دهیم این است که روی خودمان کار کنیم. ما این فرصت را داریم که آگاهانه هوش مصنوعی را شکل دهیم تا منعکس کنیم که چه کسی در بهترین حالت خود هستیم و نه بدترین حالت. این به معنای جدا کردن از الگوهای رفتاری مضر – تجویز ، تقسیم ، روابط کم عمق و راحتی به خاطر خودش است – و خود را به آنچه واقعاً مهم است اختصاص دهیم: آزادی ، ارتباط ، خدمات و عشق.