زندگی با AI: هدیه یا خطر؟

خطرات پنهان

در سن‌دیگو، یک معلم زبان انگلیسی دبیرستان می‌تواند صف تصحیح برگه‌هایش را ظرف چند روز با واگذاری ارزیابی‌های اولیه به چت‌جی‌پی‌تی، خالی کند. در ایالت نیوهمپشایر، دانش‌آموزان مقطع راهنمایی از ابزارهای مولد استفاده می‌کنند تا در عکس‌های دیجیتال لباس همکلاسی‌هایشان را  تغییر دهند و جامعه در جست‌وجوی یک پاسخ سیاستی مناسب سرگردان می‌ماند. در سوئد، یک شرکت پرداختی از سامانه خدمات مشتری مبتنی بر هوش مصنوعی خود تعریف می‌کند که کار ۷۰۰ نفر را انجام می‌دهد، اما مدیرعامل آن بعدا اعتراف می‌کند که در خودکارسازی زیاده‌روی کرده‌اند و قرار است دوباره انسان‌ها را به کار بازگردانند.

هوش مصنوعی، در سیستم‌های کامپیوتری که بر روی مجموعه داده‌های گسترده آموزش دیده‌اند تا پیکسل یا کلمه‌ بعدی محتمل را پیش‌بینی کنند، در همه‌جا حاضر است. در سه سالی که از عرضه‌ چت‌جی‌پی‌تی گذشته است، هوش مصنوعی از یک نوآوری مبتنی بر مرورگر به نوعی زیرساخت پنهان تبدیل شده است.

 این فناوری گوش در اتاق معاینه، شریک خاموش در اتاق مدیریت، و هم‌نویسنده‌ بی‌اعتبار معیارهای ارزیابی کلاس است. بر اساس گزارش سازمان آموزشی آمریکایی هیات کالج، اکنون ۸۴ درصد از دانش‌آموزان دبیرستانی برای انجام تکالیف مدرسه از هوش مصنوعی استفاده می‌کنند. وعده نیروی کار ارزان این فناوری برای مدیران و اتاق‌های هیات‌مدیره نیز وسوسه‌بر‌انگیز است. با این حال، بنا بر اعلام شرکت پژوهشی گارتنر، هزینه‌کرد در حوزه هوش مصنوعی سال گذشته به ۱.۸ تریلیون دلار رسید. به این هزینه باید هزینه‌های زیست‌محیطی را هم افزود. یک مرکز داده‌ متمرکز بر هوش مصنوعی می‌تواند به اندازه‌ ۱۰۰ هزار خانه برق مصرف کند و مراکز بزرگ‌تری نیز در دست ساخت‌اند.

ظهور هوش مصنوعی اغلب به‌صورت نبرد میان انسان و ماشین تصویر می‌شود، اما این نگاه اصل ماجرا را نادیده می‌گیرد. واقعیت امروز، همکاری انسان و ماشین است؛ آنها در نهادهایی با نقص‌های ساختاری و محدودیت‌های بودجه‌ای فعالیت می‌کنند و داده‌های ناقص را به‌عنوان ورودی دارند.در حالی شرکت‌ها برای تولید مدل‌های پیچیده‌تر رقابت می‌کنند و به هوش مصنوعی‌ای فکر می‌کنند تا بتواند با هوش انسانی برابری کند که این کاربردهای روزمره‌ فناوری است که بیشترین تاثیر را دارد. یک پزشک ممکن است کار طاقت‌فرسای مستندسازی را به یک منشی هوش مصنوعی بسپارد تا بتواند به‌جای خیره شدن به مانیتور کنار تخت، در چشمان بیمار نگاه کند. یک مرکز تماس می‌تواند بدون نیاز به ارتشی از چندزبانگان شیفت شب، ساعت سه بامداد به ۳۵ زبان پاسخ دهد. با این حال، خطر آن است که زیان‌ها سریع‌تر از منافع رشد کنند. دیپ‌فیک‌ها این فناوری را به سلاحی شخصی تبدیل می‌کنند. یک ویدئوی دستکاری‌شده می‌تواند بسیار پیش از آنکه منشأ آن مشخص شود، آبروی فردی را نابود کند. یک واقعیت ساختگی می‌تواند در تکلیف مدرسه مزاحمتی جزئی باشد یا در یادداشت بالینی ادعایی خطرناک.

هدیه سرعت یا تله نظارت؟

حتی وقتی کسی قصد آسیب ندارد، این مشارکت نحوه‌ قضاوت افراد را تغییر می‌دهد. خروجی‌ها با اعتمادبه‌نفسی نابه‌جا عرضه می‌شوند، گویی حاصل اندیشه‌ای سنجیده‌اند. یک «هم‌خلبان» هوش مصنوعی کار و مسوولیت حقوقی را بازتوزیع می‌کند. آنچه به‌عنوان کمک فروخته می‌شود، اغلب به نظارت تبدیل می‌شود. این فناوری هدیه‌ سرعت را ارائه می‌کند، اما هم‌زمان شمار لحظاتی را افزایش می‌دهد که انسان باید تصمیم بگیرد آیا به پیشنهاد سیستم اعتماد کند یا نه.

این گزارش، این دگرگونی را در جبهه‌های کلیدی دنبال می‌کند؛ در بیمارستان‌هایی که می‌کوشند بدون فرسایش کیفیت مراقبت، آن را مدرن کنند، در جوامعی که درمی‌یابند یک کلیپ ویدئویی مصنوعی با چه سرعتی از اصلاح پیشی می‌گیرد و در زندگی کاری افرادی که گاه برای تسریع روز کاری، و گاه برای برون‌سپاری مسوولیت از این ابزارها استفاده می‌کنند. وقتی مزایای یک فناوری به‌آسانی ادعا می‌شود و معایبش به‌آسانی انکار، چه کسی هزینه‌ اشتباهات آن را می‌پردازد؟

به همین منظور، در ادامه تجربه کریستوفر شارپ، مدیر ارشد اطلاعات پزشکی دانشگاه استنفورد درباره استفاده از هوش مصنوعی آمده است: «من در درجه‌ اول یک پزشک عمومی فعال هستم و همچنین مدیر ارشد اطلاعات پزشکی بیمارستان خودم. وظیفه‌ام این است که مطمئن شوم ابزارهای هوش مصنوعی مناسب برای حمایت از پزشکان در مراقبت از بیماران در دسترس هستند. یکی از این ابزارها ChatEHR مخفف «پرونده سلامت الکترونیک» نام دارد. با استفاده از رابط گفت‌وگو می‌توانم بگویم: «می‌خواهم درباره یک جنبه مشخص از مراقبت این فرد اطلاعات بیشتری داشته باشم، می‌توانی خلاصه‌ای ارائه دهی؟» این ابزار می‌تواند وظایف را از ساعت‌ها به دقیقه‌ها کاهش دهد. ما همچنین از یک منشی هوش مصنوعی استفاده می‌کنیم که مکالمه با بیمار را گوش می‌دهد و یک خلاصه پزشکی ایجاد می‌کند. پزشکان ما دریافتند که این روش از نظر بار شناختی و سلامت کلی آنها در محیط کار بسیار موثرتر است.»

او همچنین درباره تجربه متمایز نوشتن خلاصه اطلاعات جلسه با بیمارش از طریق انسان و ماشین گفت: «به‌خوبی به خاطر دارم که با بیماری نشسته بودم که درباره‌ مرگ خواهرش برایم تعریف می‌کرد. برای من مهم بود که تایپ نکنم و صرفا به او نگاه کنم و از او حمایت کنم. در طول آن گفت‌وگو، او جزئیات مهمی از سابقه سلامت خانوادگی خود را به اشتراک گذاشت. من هرگز به سمت صفحه‌کلیدم دست دراز نکردم تا آن جزئیات بالینی را ثبت کنم، اما هوش مصنوعی آنها را ضبط کرد.

وقتی خلاصه تولیدشده را خواندم، تحت تاثیر قرار گرفتم. خلاصه تنها گفته بود که خواهر بیمار فوت کرده و وضعیت سلامت او را ذکر کرده بود. این در حالی است که من در آن لحظه ارتباط عاطفی شدیدی با بیمارم داشتم. این نمونه‌ای بود که ماشین، کاری را که در آن مهارت دارد به‌خوبی انجام داد و من کاری را که یک انسان در آن مهارت دارد، به‌خوبی انجام دادم.»