به گزارش آماج، کارشناسان معتقدند یکی از مهمترین موانع توسعه هوش مصنوعی در محیطهای کاری، انتقال «دانش ضمنی» یا همان تجربه و شهود انسانی به مدلهای هوش مصنوعی است. دانشی که معمولاً در قالب دستورالعملهای مکتوب قابل انتقال نیست و طی سالها تجربه عملی شکل میگیرد.
این گزارش که بر پایه تحلیلی از The Economist منتشر شده، توضیح میدهد هرچند هوش مصنوعی میتواند قوانین، دادهها و فرآیندهای سازمانی را بیاموزد، اما انتقال مهارتهایی که کارکنان بهصورت ناخودآگاه و بر پایه تجربه کسب کردهاند، همچنان یکی از دشوارترین چالشهای این فناوری به شمار میرود.
دانش ضمنی؛ حلقه مفقوده هوش مصنوعی
فیلسوف مشهور «مایکل پولانی» سالها پیش گفته بود: «ما بیش از آنچه بتوانیم توضیح دهیم، میدانیم.» این جمله بهخوبی مفهوم دانش ضمنی را توصیف میکند؛ دانشی که افراد هنگام انجام کار از آن استفاده میکنند، اما لزوماً قادر به توضیح دقیق آن نیستند.
در بسیاری از مشاغل، تجربه عملی، شهود و تصمیمگیریهای لحظهای نقش مهمی در کیفیت عملکرد دارند؛ مهارتهایی که انتقال آنها به سیستمهای هوش مصنوعی بسیار پیچیدهتر از آموزش قوانین و دستورالعملهای مشخص است.
وقتی رباتها از استادکاران یاد میگیرند
یکی از نمونههای مطرحشده در این گزارش مربوط به استارتاپ هلندی Monumental است که رباتهای آجرچین توسعه میدهد. مهندسان این شرکت هنگام طراحی رباتها دریافتند استادکاران باتجربه نمیتوانند بسیاری از حرکات ظریف خود را توضیح دهند و تنها میگویند: «همیشه همینطور کار کردهایم.»
پس از بررسی ساعتها فیلم از نحوه کار آجرچینها، پژوهشگران متوجه شدند آنها هنگام قرار دادن آجر، لرزش بسیار کوچکی به دست خود میدهند؛ حرکتی که باعث نفوذ بهتر ملات در منافذ آجر و افزایش استحکام دیوار میشود. این رفتار بعدها در طراحی رباتها نیز به کار گرفته شد.
مرز باریک میان آموزش AI و نظارت بر کارکنان
کارشناسان معتقدند برای آموزش بهتر هوش مصنوعی، سازمانها ممکن است ناچار شوند اطلاعات بیشتری از نحوه کار کارکنان جمعآوری کنند؛ موضوعی که نگرانیهای جدی درباره حریم خصوصی و نظارت بیشازحد بر نیروی انسانی ایجاد کرده است.
برخی شرکتها حتی به سراغ ثبت کلیکهای ماوس، فشردن کلیدهای صفحهکلید و رفتار کاربران رفتهاند تا دادههای لازم برای آموزش مدلهای هوش مصنوعی را جمعآوری کنند، اما این رویکرد با واکنش منفی بسیاری از کارکنان روبهرو شده است.
آیا همه تجربههای انسانی قابل انتقال هستند؟
پژوهشگران تأکید میکنند حتی دقیقترین سیستمهای نظارتی نیز نمیتوانند تمام فرآیندهای ذهنی انسان، مانند شناخت سلیقه مشتریان، قدرت قضاوت یا تصمیمگیری بر پایه تجربه را ثبت کنند.
به همین دلیل، یکی از روشهای جایگزین، استفاده از ارزیابی مستمر متخصصان است تا مدلهای هوش مصنوعی بهتدریج کیفیت تصمیمگیری خود را با معیارهای انسانی تطبیق دهند.
چالشهای آینده هوش مصنوعی در محیط کار
کارشناسان معتقدند تلاش برای ثبت و انتقال دانش ضمنی میتواند به حفظ تجربه کارکنان باسابقه کمک کند، اما در کنار آن پرسشهای مهمی نیز مطرح میشود؛ از جمله اینکه مالک این دانش چه کسی است، چه میزان نظارت بر کارکنان قابلقبول خواهد بود و گسترش هوش مصنوعی چه تأثیری بر انتقال تجربه میان نسلهای مختلف نیروی کار خواهد گذاشت.
برای مطالعه تازهترین اخبار حوزه هوش مصنوعی، فناوری و نوآوری، آماج را دنبال کنید.
