در عصری که هوش مصنوعی به طور فزاینده ای زندگی روزمره ما را به خود اختصاص می دهد ، یک الگوی جدید قرار است ظهور کند: هوش هیبریدی. این مفهوم نشان دهنده سنتز قدرتمند شناخت انسان – با درک جامع آن از مغز و بدن ، خود و جامعه – و دلاوری محاسباتی سیستم های هوش مصنوعی است. به جای مشاهده هوش مصنوعی به عنوان جایگزینی برای هوش انسانی یا صرفاً یک ابزار ، هوش هیبریدی نقاط قوت مکمل هر دو شکل تجربه و بیان را تشخیص می دهد.

مقدار ضروری: مقادیر در ، مقادیر خارج

اولین جنبه ای که در ذهن انسان خود نگه می دارد ، هنگام حرکت به قلمرو غیرمترقبه یک منظره اشباع شده اشباع شده ، این است که فناوری ارزش های انسانی را به ارث می برد. ما نمی توانیم انتظار داشته باشیم که سیستم های هوش مصنوعی فردا اصول اخلاقی را که خودمان امروز از آن حمایت نمی کنیم ، تجسم کنیم. اصل “زباله در زباله” به همان اندازه در مورد مقادیر اعمال می شود: مقادیر در ، مقادیر خارج.

سیستم های AI از داده هایی که ارائه می دهیم و اهداف تعیین شده را می آموزیم. این سیستم ها هنگام آموزش در مجموعه داده های مغرضانه یا بهینه سازی برای معیارهای باریک مانند مشارکت یا سود با هزینه بهزیستی انسان ، این سیستم ها به طور قابل پیش بینی مشکلات اجتماعی موجود را تحریک و تقویت می کنند. الگوریتم های سیستم های توصیه کننده ، ابزارهای استخدام و پلیس پیش بینی کننده به طور خودجوش چارچوب های اخلاقی را توسعه نمی دهند. آنها منعکس کننده مقادیر ضمنی تعبیه شده در طراحی و آموزش آنها هستند.

این واقعیت مسئولیت عمیقی بر انسان ها به همراه دارد. فناوری ما را از خودمان نجات نخواهد داد. ما باید عمداً انتخاب کنیم که کدام مقادیر برای تعبیه در سیستم های هوش مصنوعی ما و به طور فعال برای اجرای آنها کار می کنیم. این فقط یک چالش فنی نیست بلکه یک انسان ناراحت کننده است که نیاز به تأمل صادقانه در مورد اولویت های ما ، به عنوان افراد و به عنوان یک جامعه دارد.

از آنجا که ما به طور فزاینده ای سیستم های هوش مصنوعی پیشرفته را توسعه می دهیم ، با آینه ای روبرو می شویم که منعکس کننده ارزش ها و تعصبات خودمان است. بهینه سازی می تواند بسیاری از خصوصیات را در بر بگیرد. انتخاب مقادیر اولویت بندی – انصاف ، شفافیت ، حریم خصوصی یا کارآیی و سود – ماست. هیچ پیشرفت فناوری نمی تواند یا باید این انتخاب را برای ما انجام دهد. دامنه اطلاعات ترکیبی انسان ها را به عنوان عوامل اخلاقی جلو و مرکز قرار می دهد. ما مسئولیت تعیین مرزهای اخلاقی که در آن هوش مصنوعی در آن فعالیت می کند ، مسئولیت پذیر هستیم و ما در قبال نتایج آن تنظیم پاسخگو هستیم.

تأثیر هوش مصنوعی بسیار دور است تا پیامدهای اجتماعی خود را به عنوان یک مزیت وثیقه در نظر بگیرد و نه هدف اصلی. ما می توانیم انتظار داشته باشیم که فقط در صورت طراحی ، ارائه و استقرار الگوریتم ها با هدف عمدی استفاده از آنها به عنوان نیرویی برای منافع اجتماعی ، به این هدف برسیم.

سواد مضاعف: ضروری رهبری جدید

دومین بینش اصلی این است که رهبری مؤثر در عصر هوش هیبریدی به نوع جدیدی از سوادآموزی نیاز دارد: آنچه ممکن است سواد مضاعف بنامیم. پوشش می دهد سواد انسانی (درک لیست کوتاه از مغز و بدن ، خود و جامعه = هوش طبیعی) و سواد الگوریتمی (درک کاملی از قابلیت ها و محدودیت های هوش مصنوعی = هوش مصنوعی).

سواد انسانی شامل دانش عمیق روانشناسی انسان ، جامعه شناسی ، اخلاق و پویایی فرهنگی است. این امر به هوش هیجانی ، همدلی و قدردانی از پیچیدگی انگیزه و رفتار انسان نیاز دارد. رهبران با سواد شدید انسانی می فهمند که چگونه آنها و سایر افراد تصمیم می گیرند ، روابط را شکل می دهند و معنا پیدا می کنند – بینش هایی که هیچ سیستم هوش مصنوعی نمی تواند به طور کامل تکرار شود.

در عین حال ، سواد الگوریتمی شامل درک نحوه عملکرد سیستم های هوش مصنوعی ، آنچه می توانند و نمی توانند انجام دهند و چگونه آنها با گردش کار انسان ادغام می شوند. این بدان معناست که دانستن به اندازه کافی در مورد یادگیری ماشین برای پرسیدن سؤالات مناسب در مورد کیفیت داده ها ، محدودیت های مدل و تعصبات بالقوه. رهبران نیازی به برنامه نویسان ندارند ، اما برای استقرار مؤثر آن باید توانایی ها و محدودیت های هوش مصنوعی را درک کنند.

افراد با تنها یک شکل سواد در دوران اطلاعاتی ترکیبی می جنگند. کسانی که فقط سواد انسانی دارند ممکن است فرصت هایی را برای استفاده از هوش مصنوعی از دست دهند یا در شناسایی خطرات آن ناکام باشند. کسانی که تنها سواد الگوریتمی دارند ممکن است سیستم های فنی چشمگیر بسازند که نتوانند نیازهای انسان را برطرف کنند یا پیامدهای اجتماعی ناخواسته ایجاد کنند.

مؤثرترین رهبران کسانی خواهند بود که می توانند بین این دو حوزه روان حرکت کنند و به عنوان بخش های برتر بلکه به عنوان قسمت های مکمل یک کل بزرگتر ، نمی بینند. آنها از سواد انسانی خود برای شناسایی ارزشهایی که باید توسعه AI و سواد الگوریتمی خود را راهنمایی کنند ، استفاده می کنند تا اطمینان حاصل شود که این مقادیر به طور مؤثر اجرا می شوند. لازم به یادآوری در این زمینه است که رهبری یک سفر شخصی است که می توانیم انجام دهیم ، مهم نیست که کدام بخش از سلسله مراتب اجتماعی را اشغال می کنیم.

ساختمان اطلاعات ترکیبی: چارچوب 4 A

برای شروع توسعه قابلیت های اطلاعاتی ترکیبی ، A-Framework می تواند مفید باشد:

آگاهی: نقاط قوت و محدودیت های هوش طبیعی و مصنوعی را بشناسید. درک کنید که هر کدام از آنها برتری دارند و کجا یکدیگر را تکمیل می کنند. آگاهی از چگونگی رمزگذاری مقادیر در سیستم های AI ، عمداً یا نه.

قدردانی: قدردانی واقعی را برای توانایی های منحصر به فرد هر دو شکل اطلاعات پرورش دهید. در برابر وسوسه مشاهده AI از طریق لنزهای باینری Doom-or-Goom مقاومت کنید. در عوض ، به عنوان شریک زندگی در حل مسئله به آن نزدیک شوید.

پذیرش: تصدیق کنید که هوش هیبریدی نیاز به تجدید نظر در ساختارهای سازمانی سنتی و فرآیندهای تصمیم گیری دارد. مایل به آزمایش با روشهای جدید تفکر و احساس ، ایجاد و ترغیب باشید.

پاسخگویی: خطوط واضح مسئولیت تصمیمات گرفته شده با کمک هوش مصنوعی را تعیین کنید. در مورد نتایج ، هیچگونه نمایندگی از مسئولیت پذیری وجود ندارد. به یاد داشته باشید که الگوریتم ها آژانس اخلاقی ندارند. ما انجام می دهیم ساختارهایی را برای خود و تیم خود ایجاد کنید که از سیستم های اطلاعاتی ترکیبی با ارزش های سازمان خود اطمینان حاصل کنید.

با در آغوش گرفتن این اصول ، ما می توانیم به صورت جداگانه و جمعی نه تنها پتانسیل کامل هوش مصنوعی بلکه از طیف گسترده ای از دارایی های طبیعی خود را شروع کنیم. فراخوان هوش هیبریدی ، دعوت به عقب ماندن و مواجهه با ما است که ما را به عنوان انسان و به عنوان یک گونه منحصر به فرد می کند.