نمونه های موفقیت آمیز هوش مصنوعی مولد قابل توجه است

دو دسته از سیستم‌های هوش مصنوعی که به داستان‌های موفقیت فعلی هوش مصنوعی کمک می‌کنند – و بسیاری از تبلیغات در مورد برنامه‌های آینده – هوش مصنوعی مولد و هوش مصنوعی متمایز هستند.

• سیستم‌های هوش مصنوعی مولد چیزهایی مانند عکس‌ها، صداها، نمونه‌های نوشتاری و هر چیزی را که می‌توان با سیستم‌های کنترل‌شده توسط رایانه ساخت، مانند چاپگرهای سه‌بعدی، ایجاد می‌کند.
• سیستم‌های تبعیض‌آمیز چیزهایی مانند افراد در تصاویر، کلمات در گفتار یا دست‌خط و واقعی بودن در مقابل جعلی را شناسایی می‌کنند.

هر دو مبتنی بر مدل‌های شبکه عصبی هستند، قادر به تولید خروجی در پاسخ به داده‌های ورودی هستند و ساختارهای داخلی خود را تغییر می‌دهند تا خروجی‌هایی را که براساس بازخورد خوب بودن پاسخ قبلی ایجاد می‌شود، تغییر دهند. آنها با دانش اندک یا بدون دانش داخلی شروع می کنند و با استفاده از حجم زیادی از داده ها آموزش می بینند.

قابل مشاهده‌ترین نوع برنامه‌های هوش مصنوعی – چیزهایی مانند ChatGPT که گاهی اوقات به آن‌ها مدل‌های هوش مصنوعی مولد نیز گفته می‌شود – این دو دسته از هوش مصنوعی را در مدلی که به آن مدل شبکه متخاصم مولد (GAN) می‌گویند، ترکیب می‌کند. هر نوع هوش مصنوعی در GAN به آموزش – بهبود عملکرد – دیگری کمک می کند و در نتیجه یک مدل یادگیری ماشینی قدرتمند ایجاد می کند.

به عنوان مثال، یک GAN برای ایجاد عکس‌های سالنامه واقعی و در عین حال جعلی ممکن است از یک مدل تولیدی برای ترکیب چهره‌های انسان استفاده کند که توسعه‌دهندگان آن را به همراه عکس‌های واقعی از یک مدل متمایز عبور می‌دهند تا ببینند که آیا می‌تواند تشخیص دهد که کدام جعلی است و کدام واقعی. تمرین هر دو مدل را آموزش می دهد. متمایز کننده در شناسایی تقلبی ها بهتر می شود، زیرا گفته می شود که کدام تصاویر توسط ژنراتور ایجاد شده اند. ژنراتور در ایجاد عکس‌های واقعی بهتر می‌شود، زیرا گفته می‌شود که متمایزکننده کدام جعلی را با موفقیت شناسایی کرده است.

نمونه های هوش مصنوعی مولد موفقیت در بسیاری از صنایع را نشان می دهد

داروسازی. شرکت های داروسازی – از جمله Amgen، Insilico Medicine و دیگران – و محققان دانشگاهی در حال کار با هوش مصنوعی مولد در زمینه هایی مانند طراحی پروتئین برای داروها هستند. پیش‌بینی تاخوردگی پروتئین‌ها برای چندین دهه چالش بزرگی برای ژنتیک‌دانان و توسعه‌دهندگان داروسازی بوده است. GAN ها توانایی محققان را برای درک و استفاده از سنتز پروتئین افزایش می دهند.

مبانی شبکه متخاصم مولد.

تحقیقات ژنتیک هوش مصنوعی همچنین در تحقیقات ژنتیکی مشارکت دارد. ژنتیک‌دانان در حال یادگیری درک بیان ژن هستند – این که چگونه ژن‌ها و ترکیب‌های خاص ژن‌ها روشن و خاموش می‌شوند – و ژن‌ها وقتی فعال هستند چه می‌کنند. هوش مصنوعی همچنین به محققان کمک می کند تا پیش بینی کنند که چگونه بیان ژن در پاسخ به تغییرات خاص در ژن ها تغییر می کند. این نشان دهنده نوید بزرگی برای توسعه ژن درمانی است. همچنین با پیش‌بینی داروهایی که ژنتیک فرد به بهترین وجه به آن‌ها پاسخ می‌دهد، درمان‌ها را بهینه می‌کند.

تولید. در تولید، Autodesk، Creo و سایر محصولات از هوش مصنوعی مولد برای طراحی اشیاء فیزیکی استفاده می کنند. در برخی موارد، آنها همچنین آن اشیاء را از طریق پرینت سه بعدی یا ماشینکاری با کنترل کامپیوتر و ساخت افزودنی ایجاد می کنند. برای مثال، هوش مصنوعی مولد می‌تواند قطعات ماشین و مجموعه‌های فرعی اشیاء بزرگ‌تر را ایجاد کند، و گاهی اوقات می‌تواند طرح‌ها را برای جنبه‌های زیر فرآیند تولید بهینه کند: کارایی مواد (به حداقل رساندن ضایعات)، سادگی (کمترین قطعات) و سرعت تولید.

سرگرمی. ChatGPT، Dall-E و ابزارهای دیگر در حال حاضر در تولید هنر مفهومی برای هدایت سناریو و توسعه محیط استفاده می‌شوند و انتظار می‌رود در آینده برای ایجاد محیط‌های کامل استفاده شوند. ابزارهای مولد هوش مصنوعی نیز در حال تولید موسیقی پس‌زمینه برای بازی‌ها هستند. شایان ذکر است که هنرمندان و شرکت‌ها با این استدلال که استفاده از IP محافظت شده آنها در داده‌های آموزشی، همراه با توانایی درخواست خروجی به سبک یک شخص خاص، شکایت‌های متعددی را مبنی بر نقض حق نسخه‌برداری و سرقت مالکیت معنوی تشکیل می‌دهند. استفاده ناعادلانه و نقض کپی رایت این نوع چالش قانونی استفاده از ابزارهای مولد را در برخی زمینه ها کند می کند.

سایر کاربردهای هوش مصنوعی مولد در صنایع

سنتز متن GAN هایی که برای تولید متن آموزش دیده بودند در سال 2022 با انتشار ChatGPT-3 یک جهش تکاملی بزرگ را تجربه کردند. نسخه سوم برنامه OpenAI برای تولید متن در پاسخ به درخواست‌های متنی – یک ربات چت – بهبود قابل توجهی نسبت به تکرارهای قبلی بود که می‌توانست پاسخ‌های متنی را به اندازه‌ای خوب تولید کند که خوانندگان انسانی را به مراتب بیشتر و برای مدت طولانی‌تری نسبت به نسخه‌های قبلی فریب دهد. کاربران از آن و ابزارهایی مانند آن، مانند BLOOM، Flamingo، Jasper و بسیاری از مواردی که گاهی اوقات مدل‌های زبان بزرگ نیز نامیده می‌شوند، برای انواع وظایف تولید محتوا استفاده کرده‌اند: ایجاد یادداشت‌های اداری، صورتجلسه جلسه، کد شروع، تسلیت. کارت ها و البته انشاهای مدرسه.

متنی که این ابزارها تولید می‌کنند، اغلب، فقط از نظر سطحی قابل قبول است – از نظر نحوی درست اما از نظر معنایی خالی یا حتی خود متناقض است. چنین ابزارهایی همانطور که نویسنده نیل گیمن گفته است “نه اطلاعات بلکه جملاتی به شکل اطلاعات” به شما می دهند.

داده‌های آموزشی برای این سیستم‌ها شامل مقادیر زیادی نثر بد نوشته شده، ضعیف ساخته شده و از نظر واقعیات نادرست است. همچنین، در پاسخ به درخواست اطلاعات در مورد یک موضوع، به نظر می‌رسد چنین برنامه‌هایی می‌خواهند و می‌توانند پاسخ‌هایی را بسازند، همراه با مقالات پشتیبان ساختگی (توهمات) از مقامات واقعی یا ساختگی. این منجر به تردید موجه برای استفاده از هوش مصنوعی در زندگی یا مرگ یا سایر موقعیت‌های پرمخاطره، از جمله کدگذاری برنامه‌های پیچیده می‌شود.

متن به گفتار. هوش مصنوعی مولد چه به قول خودش و چه دیگران، سنتز گفتار را نیز بهبود می‌بخشد، کیفیت خوانندگان مصنوعی کتاب‌های الکترونیکی، ارائه‌کنندگان مصنوعی برای کلیپ‌های خبری و تبلیغات – از جمله پست‌های کلیک روی طعمه در رسانه‌های اجتماعی – شخصیت‌های مصنوعی در ویدیو را بهبود می‌بخشد. بازی ها و ربات های چت واقعی که به تماس های تلفنی پاسخ می دهند. تغییرات آهنگ، آهنگ و حجم همگی واقعی‌تر، ظریف‌تر و انعطاف‌پذیرتر می‌شوند. همانند سنتز تصویر، این بهبود کیفیت نیز خطر صدای دیپ‌فیک را افزایش می‌دهد.

سنتز تصویر Dall-E 2 OpenAI و سایر محصولات – Midjourney، Deep Dream Generator، Big Sleep و غیره – از هوش مصنوعی برای ایجاد تصاویر بر اساس توضیحات متنی استفاده می کنند. اگر به یکی بگویید که یک تصویر مسخره از 14 لمینگ و طالبی سخنگو بسازد که کت سنگری پوشیده و وانمود می کند که یک محقق خصوصی است، این کار را می کند. Dall-E و بسیاری از رقبای آن، هم از نظر کیفیت تصویر و هم توانایی خود در ترجمه متن دلخواه به تصاویر، جهش بزرگی به جلو داشته اند. به عنوان مثال، در چند ماه آنها بر کاستی های شدیدی از جمله ناتوانی در تولید دست های واقعی انسان غلبه کردند. چنین سیستم هایی در حال یافتن راه خود در تبلیغات، طراحی محصول، طراحی صحنه، فیلم و سایر صنایع هستند.

آنها همچنین پتانسیل را به عنوان موتورهای اطلاعات نادرست و اطلاعات نادرست نشان می دهند، زیرا می توانند تصاویر عمیق جعلی از رویدادهایی ایجاد کنند که هرگز اتفاق نیفتاده اند یا تصاویر رویدادهایی را که اتفاق افتاده اند تغییر دهند. به عنوان مثال، کاربران Midjourney تصاویری از پاپ فرانسیس با یک کت سفید پف کرده بزرگ، ایلان ماسک که با الکساندریا اوکاسیو-کورتز و دونالد ترامپ توسط پلیس کشیده می‌شوند را ایجاد کرده و در رسانه‌های اجتماعی منتشر کردند.

سنتز فضا همانطور که در مورد تصاویر وجود دارد، این نوع سنتز می تواند با فضاها و اشیاء سه بعدی، اعم از واقعی و دیجیتال رخ دهد. در دنیای واقعی، برنامه هایی مانند Autodesk یا Spacemaker می توانند به طراحی ساختمان ها و فضاهای موجود در آنها یا مناظر شهری با ترکیب عناصر ساخته شده و طبیعی کمک کنند. در این شرایط، هوش مصنوعی کار طراحان انسانی را با پر کردن جزئیات از دست رفته یا ارائه راه‌حل‌هایی برای تناسب با الزامات کد خاص یا محدودیت‌های فضا و مواد تکمیل می‌کند. بسیاری از شرکت ها – به ویژه متا و تمام سازندگان اصلی بازی – در حال توسعه برنامه هایی برای ایجاد فضای مجازی برای طراحی بازی هستند. این سیستم‌های هوش مصنوعی می‌توانند دائماً فضاهای جدیدی ایجاد کنند و احتمالاً حتی آنها را به طور بی‌نهایت قابل گسترش کنند.

نمونه‌های هوش مصنوعی مولد آینده

اگرچه هیچ راهی برای پیش‌بینی اینکه کدام نمونه‌های مولد هوش مصنوعی و موارد استفاده بیشترین نوید را برای آینده نشان می‌دهند وجود ندارد، برخی از آن‌ها مانند تولید تصویر و سنتز گفتار، پیشرفت‌های عظیمی را در چند سال اخیر نشان داده‌اند. سایر زمینه ها مانند پزشکی و تولید نیز ثابت شده است بسیار امیدوار کننده و طیف وسیعی از زمینه هایی را که هوش مصنوعی ممکن است در آنها مشارکت داشته باشد را نشان دهد. پیشرفت در موارد استفاده فیزیکی کندتر به نظر می رسد، که با توجه به محدودیت های ذاتی اعمال شده توسط دستکاری ماده به جای داده، منطقی است.

چنین پیشرفتی به خودی خود شکل می‌گیرد، پویایی در نمایش کامل در سال‌های 2022 و 2023. با ارزان‌تر شدن، در دسترس‌تر شدن و استفاده آسان‌تر از ابزارهای پایه، تعداد افرادی که از آن ابزارها استفاده می‌کنند، گسترده‌تر می‌شود. این باعث افزایش تعداد و نوع موقعیت‌هایی می‌شود که این ابزارها برای مقابله با آن‌ها آموزش می‌بینند و سرعت تغییر را بیشتر تسریع می‌کند.

گنجاندن هوش مصنوعی مولد در سایر مجموعه ابزارهای مجهز به هوش مصنوعی می تواند آنها را به گشتالت قدرتمندتری تبدیل کند. به عنوان مثال، سیستم‌های تولید کد و مستندات کنونی عالی نیستند، اما همانطور که بهبود می‌یابند و با انواع دیگر سیستم‌های هوش مصنوعی در حال حاضر ترکیب می‌شوند – برای شناسایی خطاهای کدنویسی، نقص‌های امنیتی رایج و استفاده از کدهای مجاز در موارد بدون مجوز. برای مثال، راه‌ها — مجموعه ابزار توسعه‌دهنده قدرتمندتر و سازنده‌تر می‌شود.

آنچه مهم است به خاطر بسپارید این است که برنامه های ضد اجتماعی و خطرناک هوش مصنوعی وجود دارد که به همین روش ها آسان تر می شوند.