هوش مصنوعی، قوانین و آینده انسان

به گزارش کارگروه فناوری اطلاعات سایبربان؛ در نخستین کنگره سیاست دانشگاه یادشده (MIT AI Policy Congress)، 7 پنل گوناگون در رابطه با کاربردهای متنوع حوزه بسیار گسترده هوش مصنوعی برگزار شد. در این نشست، 25 نفر سخنرانی کردند که 2 تن از آن‌ها، رئیس ستاد کارکنان سابق کاخ سفید و وزیر پیشین کابینه بودند. از دیگر افراد حاضر در این جلسه می‌توان به رؤسای سیاست دفاعی و امنیت ملی، رهبران صنعت و جامعه مدنی و چندین محقق دیگر اشاره کرد.

تمرکز اشخاص نام‌برده، روی چگونگی بهره‌مندی از فرصت‌هایی است که هوش مصنوعی، در سراسر حوزه‌های مختلف مانند: حمل‌ونقل، ایمنی، پزشکی، کار، دادگستری و امنیت ملی ارائه می‌دهد. درحالی که چالش‌های بسیاری مانند تعصبات اجتماعی بالقوه، نیاز به شفافیت و اشتباهی که ممکن است ایجاد نوآوری را با دشواری روبه‌رو کند، بر سر راه وجود دارد.

دیوید ایدلمن (David Edelman)، مدیر پروژه در بخش فناوری، اقتصادی و امنیتی ملی (TENS) در واحد نوآوری پژوهشی-سیاسی اینترنت دانشگاه بالا (IPRI) و مشاور سابق ویژه رئیس‌ جمهور آمریکا در زمینه اقتصادی و سیاست فناوری در دولت اوباما گفت:

هنگامی که هوش مصنوعی، به حوزه‌های اعتماد عمومی وارد می‌شود، عصر پیشرفت پرشتاب و انقلاب در همه زمینه‌ها پایان می‌یابد.

ایدلمن ادامه داد:

درحقیقت گزینه‌های فراوانی هستند که هیچ‌یک از ما توضیحی برای آن‌ها نداریم.

دنیل ویتزنر (Daniel Weitzner)، مدیرعامل واحد نوآوری سیاست اینترنت و پژوهشگر ارشد آزمایشگاه علوم رایانه و هوش مصنوعی  (CSAIL MIT) خاطرنشان کرد: یکی از اهداف اصلی مکالمه، این بود که به تحلیلگران سیاسی کمک شود، در رابطه با توانایی‌هایشان، به‌منظور ایجاد اثرات هوش مصنوعی در جامعه، اعتماد به نفس بیابند.

ویتزنر در پایان رویداد یادشده افزود:

من امیدوارم سیاست‌گذاران متوجه شده باشند که فناوری هوش مصنوعی، یک شیء مستحکم نیست؛ بلکه یک تعامل مناسب میان علوم رایانه، دولت و جامعه است که باعث توسعه فناوری‌های تازه‌ای خواهد شد و نیازهای جامعه را برطرف خواهد نمود.

کنگره سیاست هوش مصنوعی، ازسوی واحد نوآوری پژوهشی سیاست اینترنت، سازمان‌دهی و به‌طور هم‌زمان با نشست 2 روزه سازمان همکاری و پیشرفت اقتصادی (¹OECD) برگزار شد. این سازمان دولتی بین‌المللی، در پاریس واقع شده است و سیاست‌های مورد نیاز هوش مصنوعی را برای 35 کشور سراسر جهان تصویب و منتشر می‌کند. در بخشی از نشست نام‌برده، متخصصان این سازمان، در کارگاهی نیم روزه، با موضوع یادگیری ماشینی حضور یافتند. این افراد، زیرنظر  هال آبلسون (Hal Abelson)، کلاس 1922 استاد علوم رایانه و مهندسی MIT آموزش دیده، شبکه عصبی را آزمایش کردند.

انجمن یادشده، کار خود را با بیان مباحث پایه‌ای هوش مصنوعی پیش‌رو به‌وسیله آنتونیو تورالبا (Antonio Torralba)، استاد آزمایشگاه علوم رایانه و هوش مصنوعی، دپارتمان مهندسی برق و علوم رایانه (EECS) و مدیر پژوهش اطلاعات MIT (MIT Quest for Intelligence)، آغاز کرد.
تورالبا گفت:

نکات بسیاری در زمینه هوش مصنوعی وجود دارند. خیلی مشکل است که بدانیم آینده، چه شکلی خواهد شد. حتی تشخیص چگونگی وضع کنونی، بسیار سخت است.

تعهدات نوین، برای کاهش چالش‌های اخلاقی

کنگره یادشده، ازسوی واحد نوآوری پژوهشی سیاست اینترنت و واحد تحقیق اطلاعات MIT میزبانی شد. درست هنگامی که هوش مصنوعی، سطح بسیار بالایی از توجه رسانه‌ها و حجم بی‌سابقه‌ای از سرمایه‌گذاری‌های مالی و پشتیبانی‌های سازمانی را به خود اختصاص داده است.

دانشگاه MIT، در اکتبر سال 2018، اعلام کرده بود که استفان شوارزمن، مؤسس و مدیرعامل شرکت خدمات مالی آمریکایی بلک‌استون (Blackstone) به‌منظور تأسیس دانشکده محاسبات استفان شوارزمن (MIT Stephen A. Schwarzman College of Computing) 350 میلیون دلار، به این دانشگاه اهدا کرد. در این مرکز، میان تحقیقات و آموزش میان‌رشته‌ای در زمینه‌‌های دانش رایانه و داده، هوش مصنوعی و دیگر رشته‌های مربوط، پیوند برقرار می‌شود. این رخداد، تنها بخش کوچکی از تعهد یک میلیارد دلاری بی‌سابقه‌ای است که دانشگاه MIT، به‌منظور کسب فرصت‌ها و کاهش چالش‌های جهانی پیرامون هوش مصنوعی در سراسر دنیا اختصاص داده است.

ویتزنر اشاره کرد:

این‌جا در MIT، ما لحظه‌ منحصربه‌فردی را پشت سر می‌گذاریم، وقتی که دانشکده محاسبات استفان شوارزمن راه‌اندازی می‌شود. تعهد پدیدآمده، به‌منظور از میان بردن مسائل سیاسی و اخلاقی حوزه پردازش‌ها، زمینه‌های تحقیقاتی جدیدی را در هوش مصنوعی به‌وجود می‌آورد. همچنین دوره تحصیلی آموزش دانشجویان را برای توسعه فناوری‌های تازه مورد نیاز جامعه ایجاد می‌کند

دیگر مؤسسات، مانند سازمان همکاری و پیشرفت اقتصادی، در زمینه‌ هوش مصنوعی، تعهدات بی‌شماری فراهم کرده و آن را گسترش داده‌اند.

اندرو وایکوف (Andrew Wyckoff)، مدیر مرکز علم، فناوری و نوآوری این سازمان گفت:

اشیا با شتاب رو به دگرگونی هستند. ما باید برای پیشی گرفتن از آن‌ها، شروع به تلاش کنیم.

وایکوف افزود: هوش مصنوعی، یکی از 3 اولویت سیاسی سازمان همکاری و پیشرفت اقتصادی، در سال‌های 2019 و 2020 خواهد بود. همچنین این سازمان، «رصدخانه سیاست» (policy observatory) ایجاد می‌کند؛ تا ارزیابی واقع‌بینانه‌ای از تأثیر هوش مصنوعی در زمینه‌هایی مانند چالش‌های خودمختارسازی مشاغل صورت گیرد.

وی تأکید کرد:

هم‌اینک ترس‌های فراوانی پیرامون آوارگی کارگرها وجود دارد. ما باید این مسئله را درنظر گرفته، بررسی کنیم که چه چیزی واقعی است و در مقابل ترس قرار دارد.

اریک برینجولفسون (Erik Brynjolfsson)، مدیر نوآوری‌های MIT در اقتصاد دیجیتال و استاد دانشکده مدیریت اسلون (MIT Sloan School of Management) در پنلی که در رابطه با تولید کار بود، گفت:

حجم بسیار بالایی از این ترس، بیشتر از واقعیت ریشه می‌دواند.

برینجولفسون در هنگام مقایسه طیفی از مهارت‌های مورد نیاز برای بسیاری از حرفه‌ها توضیح داد:

امروزه الگوریتم‌های یادگیری ماشینی، کارهای محدودی را انجام می‌دهند. من فکر می‌کنم که چنین وضعیتی برای چندین سال دیگر، ادامه خواهد داشت.

وی اشاره کرد که بر پایه تحقیقاتش در این زمینه، طیف گسترده‌ای از وظایف خاصی را که افراد باید در پیشه‌های گوناگون انجام دهند، ارزیابی کرد. این بررسی نشان داد که خودمختاری، جای برخی از این موقعیت‌های شغلی را خواهد گرفت.

مدیر نوآوری MIT افزود: این واقعیت -که رایانه‌ها توانایی اجرای بعضی از کارها را بهتر از انسان‌ها دارند- انکارپذیر نیست؛ اما به بازطراحی و تحول کسب و کارها نیاز دارد. این فرآیند ممکن است چندین سال، یا حتی دهه طول بکشد.

چشم‌انداز سیاست‌های متنوع

یکی از ایده‌های اصلی مطرح‌شده در رویداد مذکور این بود که سیاست‌گذاری هوش مصنوعی، تفاوت‌های میان صنایع گوناگون را آشکار می‌کند. برای خودروهای بی‌راننده -که احتمالا بیشترین بهره‌برداری را از هوش مصنوعی می‌نمایند- آمریکا قدرت شایان‌ توجهی برای تصویب قانون دارد و این‌گونه مقررات ممکن است تا حد فراوانی، با خطوط تعیین‌شده ازسوی دولت، متفاوت باشند.

دنیلا راس (Daniela Rus)، اندرو و ارنا ویتربی (Andrew and Erna Viterbi)، استاد مهندسی برق و علوم رایانه و رئیس آزمایشگاه هوش مصنوعی و علوم رایانه MIT طی سخنرانی‌های خود درباره هوش مصنوعی و حمل‌ونقل، توضیح دادند: این صنعت، هدف اصلی پذیرش هوش مصنوعی درحال حاضر و در آینده نزدیک است.

راس اشاره کرد که استفاده از وسایل نقلیه خودمختار، در بعضی از محیط‌های کم‌سرعت و با پیچیدگی پایین، احتمالا دست‌کم تا 5 سال آینده، امکان‌پذیر خواهد شد. وی همچنین شرح داد که این‌گونه وسایل نقلیه، در شرایط پیچیده‌تر، سرعت بالا، یا موقعیت‌های آب و هوایی بد، عملکرد مناسبی از خود نشان نمی‌دهند.

با توجه به نمونه‌های یادشده، بسیاری از خودروهای بدون راننده، ویژگی‌هایی دارند که به راننده امکان می‌دهند کنترل آن‌ها را در دست بگیرد. با وجود این، چنین قابلیتی، به توانایی واکنش سریع کاربران بستگی دارد. این درحالی است که تحقیقات نشان می‌دهند که رانندگان برای به دست گرفتن کنترل خودروی خود، به 9 ثانیه زمان نیاز خواهند داشت.

در پیشخوان حمل‌ونقل، در رابطه با موارد کاربرد هوش مصنوعی در سامانه‌های دریایی و هوایی نیز سخن به میان آمد. جان-پاول کلارک (John-Paul Clarke)، معاون مدیر فناوری‌های راهبردی در شرکت «یونایتد تکنولوژی» (United Technologies) گفت:

شما نمی‌توانید به هوش مصنوعی همکار خلبان، نگاه و درباره میزان وثوق آن‌، قضاوت کنید.

آنتونیو تورالبا و رجینا بارزیلای (Regina Barzilay)، استاد بخش سازمان‌یافته مهندسی برق و دانش رایانه و آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT روی چالش‌های اساسی هوش مصنوعی در صنایع دیگر مانند دسترسی به داده‌ها تأکید داشتند.

بارزیلای طی برگزاری مجموعه برنامه‌های بهداشت و درمان، در رابطه با یکی از جنبه‌های پژوهش‌هایش توضیحاتی ارائه داد. بر همین اساس، با به‌کارگیری یادگیری ماشینی برای تجزیه‌وتحلیل نتایج ماموگرافی، مراحل اولیه سرطان، بهتر از انسان‌ها تشخیص داده می‌شود. از دیدگاه وی می‌توان چالش‌های فنی اصلی را در این زمینه از طریق سیاست هوش مصنوعی شامل دسترسی به داده‌های بیشتر و آزمایش در سراسر جامعه از بین برد. هر 2 مورد یادشده می‌توانند به بهبود ابزارهای تشخیص خودکار کمک کنند.

اگرچه چگونگی ایجاد دسترسی به داده‌های بیمار، تبادلات جانبی قابل‌ توجه بعدی را به‌وجود می‌آورد، تام پرایس (Tom Price)، وزیر سابق بهداشت و خدمات انسانی در دولت ترامپ اشاره کرد:

داده‌های گم‌راه‌کننده²  (de-identified) به‌طور حتم، کلیدی برای پیشرفت بیشتر‌اند؛ درحالی که شماری از محققان MIT، در میان حضار اظهار می‌کنند که ایجاد داده‌های کاملا بدون نام برای بیمار، تقریبا غیرممکن است.

جیسون فارمن (Jason Furman)، استاد «کاربرد سیاست اقتصادی» (practice of economic policy) در دانشکده هاروارد کندی و رئیس سابق شورای مشاوران اقتصادی در دولت اوباما این نگرانی را مطرح کرد که شرکت‌های بیمه بر پایه‌ پیش‌گویی‌های هوش مصنوعی، از زیر پوشش قرار دادن افرادی که در زندگی خود به بیماری‌های مختلف دچار می‌شوند، خودداری خواهند کرد. وی بهترین روش برای مقابله با این چالش را ممانعت از انکار نگهبانی برطبق شرایط موجود می‌داند که یکی از عناصر مراقبت‌های مقرون به صرفه به‌شمار می‌آید.

فارمن گفت:

مشکل اصلی ما با هوش مصنوعی این است که به میزان کافی از آن نداریم.

ویتزنر پیشنهاد کرد:

درعوض با به‌کارگیری داده‌های پزشکی کاملا بی‌اسم، باید در رابطه با موارد استفاده‌ مجاز و غیرمجاز داده‌ها توافق کنیم؛ زیرا راه صحیح ایجاد نوآوری و حفظ حریم خصوصی، مسئولیتی جدی در پی دارد.

مسئولیت‌پذیری عمومی

یکی دیگر از موضوعات نشست یادشده، به مسئولیت‌پذیری سازمان‌ها مربوط بود که در دسته‌بندی اجرای قوانین و هوش مصنوعی مورد بحث قرار گرفت.

جیم بیکر (Jim Baker)، استاد دانشکده حقوق هاروارد و مشاور عمومی پیشین FBI گفت:

نهادهای دولتی، باید در رابطه با اقداماتی که به کمک هوش مصنوعی انجام می‌دهند، شفاف باشند. من معتقدم که این یک مسئله بدیهی است.

کارول رز (Carol Rose)، مدیر اجرایی اتحادیه آزادی‌های شهروندی آمریکا در ماساچوست (American Civil Liberties Union’s Massachusetts)، نسبت به کاربرد بیش از اندازه از ابزارهای هوش مصنوعی برای اجرای قانون هشدار داد.

رز گفت:

من فکر می‌کنم که هوش مصنوعی، وعده‌های بسیاری داده است؛ اما تحقق آن‌ها، به همکاری دانشمندان داده و اجرایی قانون با یکدیگر بستگی دارد. میزان قابل توجهی از شناخت ناکارآمد³ (junk science) هم‌اکنون راه خود را به ابزارهای کنونی مقامات اجرایی قانون باز کرده ‌است.

وی همچنین از جوی بولاموینی (Joy Buolamwini)، از مدیا لب MIT (MIT Media Lab)، به‌عنوان رهبر ارزیابی این ابزارهای هوش مصنوعی یاد کرد. بولاموینی اتحادیه عدالت الگوریتمی (Algorithmic Justice League) را تأسیس نموده است. این انجمن، تعصبات الگوریتم‌ها را از طریق رسانه‌های تحریک‌آمیز و نمایشگاه‌های تعاملی مشخص می‌کند. 

بولاموینی ادامه داد:

بعضی مواقع، من نگران می‌شوم که ما یک چکش هوش مصنوعی داریم که به‌دنبال میخ می‌گردد.

دیوید ایدلمن اشاره کرد: جهان سیاست از «اصول کاملا متفاوت بدنه‌ قانون» تشکیل شده است و سیاست‌گذاران باید از خودشان بپرسند که قوانین عمومی، تا چه میزانی معنادار هستند. یا آیا سیاست هوش مصنوعی، بهترین راه‌کارهای ویژه را در زمینه پزشکی، دادگستری، یا حمل‌ونقل، پیش روی آن‌ها قرار می‌دهد، یا خیر.

ایدلمن افزود:

هدف ما، درک پیوند حوزه‌های یادشده است؛ اما همان‌گونه که پیش می‌رویم، بگذارید از خود بپرسیم که آیا حاکمیت هوش مصنوعی، فرآیندی درست است، یا خیر. ممکن است تنها در آینده نزدیک باشد که همه‌ دولت‌ها، از طریقی، با مسائل هوش مصنوعی کنار بیایند.

دنیل ویتزنر، برنامه‌های نشست مورد بحث را با فراخوان دولت‌ها به ادامه همکاری با جوامع فنی هوش مصنوعی و علم رایانه، به پایان برد.
 

1. _{Organization for Economic Cooperation and Development}
2. _{فرایندی است که هرگونه ارتباط داده‌ها با هویت یک فرد را انکار می‌کند.}
3. _{این اصطلاح به منظور توضیح علم داده، تحقیقات یا تجزیه‌وتحلیل شخصی به کار می‌رود که از آن‌ها برای جعل و کلاه‌برداری بهره ببرد.}