نخستینبار در وکتورهای ذهن منتشر شد.
برایان کولیس استاد یادگیری ماشین در دانشگاه بوستون (و استاد راهنمای پیشین من) است. او همچنین در صنعت، در تیم نخبهای که مسئول واژهٔ «بیدارباش» آمازون بود، کار کرده است. در این گفتوگو دربارهٔ تاریخچهٔ هوش مصنوعی، نقش صنعت در برابر دانشگاه در پژوهش، و ایمنی هوش مصنوعی بحث میکنیم. او شاهد بوده است که حوزهاش چگونه از گروه کوچکی از شیفتگان ریاضیات، که از طبقهبندی تصاویر سگها و گربهها عاجز بودند، به داغترین فناوری روی کرهٔ زمین تبدیل شده است (فناوریای که شاید همهٔ ما را بکشد). زمانی که دانشجوی تحصیلات تکمیلی بودم، در آسترال کودکس تن بحثهای علمیتخیلی دربارهٔ نابودی ناشی از هوش مصنوعی را میخواندم و گاهی آنها را با برایان و استادان دیگر در میان میگذاشتم (در مهمانیها آدم مفرحی بودم). اکنون، افرادی مانند یشوا بنجیو این سناریوها را جدی میگیرند.
بیشتر مطالبی که دربارهٔ ایمنی هوش مصنوعی میشنویم، از اقلیتی پرصدا با دیدگاههایی بهخوبی شکلگرفته دربارهٔ این موضوع میآید؛ افرادی که ابراز نظر دربارهٔ آن را به یکی از موضوعاتی تبدیل کردهاند که حاضرند در ملأعام بر سرش بحث کنند. اما این افراد، بهطور کلی، همان کسانی نیستند که به نظرسنجیهای پراستناد دربارهٔ AGI و پیامدهای آن پاسخ میدهند. این گفتوگو تصویری ارزشمند از طرز فکر یکی از پژوهشگران باسابقهٔ یادگیری ماشین دربارهٔ این موضوع ارائه میکند.
اما نمیخواهم این گفتوگو را بهعنوان چتی یکساعته دربارهٔ p(doom) عرضه کنم؛ بیشتر زمان را صرف موضوعات کمخیالپردازانهتر میکنیم. خلاصهٔ ChatGPT از گفتوگو:
- دانشکدهٔ رایانش و علم داده در BU: کولیس دربارهٔ تأسیس این واحد جدید در BU صحبت کرد که بر رایانش و علم داده تمرکز دارد. این واحد همکاری میانرشتهای و جذب دانشجو از بخشهای مختلف را تسهیل میکند.
- سیر تحول یادگیری ماشین: دربارهٔ تاریخچهٔ یادگیری ماشین، که از دههٔ ۱۹۴۰ با مدل ریاضی نورونها از سوی مککالاک و پیتس آغاز شد، بحث شد. کولیس روند تحول از مدلهای نخستین تا موج کنونی یادگیری عمیق را توضیح داد و تغییر پارادایمهای یادگیری ماشین را در طول دههها برجسته کرد.
- گذار از سامانههای خبره به مدلهای کنونی یادگیری ماشین: کولیس گذار از سامانههای خبره، که در دهههای ۷۰ و ۸۰ رواج داشتند، به مدلهای کنونی یادگیری ماشین را شرح داد. او اشاره کرد که سامانههای خبرهٔ اولیه محدود و شکننده بودند و ازاینرو برای کاربردهای دنیای واقعی مناسب نبودند.
- پژوهش در یادگیری ماشین و صنعت: در این گفتوگو به جابهجایی استعدادهای هوش مصنوعی و یادگیری ماشین میان دانشگاه و صنعت پرداخته شد. کولیس دربارهٔ چالشهایی صحبت کرد که دانشگاهها در حفظ اعضای هیئت علمیِ حوزهٔ هوش مصنوعی با آن روبهرو هستند؛ اعضایی که اغلب جذب نقشهای صنعتی میشوند.
- هوش مصنوعی آماری و روشهای کرنل: در این مصاحبه دربارهٔ هوش مصنوعی آماری، با تأکید بر نقش آن در تاریخچهٔ یادگیری ماشین، بحث شد. کولیس مفهوم مدلهای احتمالی در هوش مصنوعی آماری و نقاط قوت آن در یادگیری بدون نظارت را توضیح داد.
- نقش دانشگاه در پژوهش یادگیری ماشین: کولیس دربارهٔ نقش دانشگاه در چشمانداز کنونی پژوهش یادگیری ماشین تأمل کرد. او از چالشهای پیش روی دانشگاه، مانند ناتوانی در آموزش مدلهای بزرگ به دلیل محدودیت منابع، و نیز اهمیت دوراندیشی در پژوهش سخن گفت.
- خطرهای وجودی هوش مصنوعی: در این بحث همچنین موضوع هوش مصنوعی و خطرهای وجودی مطرح شد و به مناظرهها و دیدگاههای موجود در جامعهٔ یادگیری ماشین، ازجمله دیدگاههای چهرههای برجستهای مانند هینتون و لوکان، اشاره شد.
- آیندهٔ یادگیری ماشین: کولیس دیدگاههای خود را دربارهٔ جنبههای گوناگون یادگیری ماشین، ازجمله مدلهای زبانی بزرگ، یادگیری تقویتی، AGI و پزشکی شخصیسازیشده بیان کرد. او دربارهٔ آنچه در این حوزه بیشازحد بزرگنماییشده یا کمتر از حد واقعی برآوردشده میداند، اظهارنظر کرد.