• 28 اسفند 1402
1628444344 ai help resize md - تکینگی تکنولوژیکی:
زمان مطالعه: 11 دقیقه

در این قرن، پیش بینی می شود که بشریت تجربه ای دگرگون کننده را تجربه خواهد کرد، مانند آن که از زمان شروع به صحبت، ابزارهای مد و کاشت گیاهان دیده نشده است. این تجربه با نام های مختلفی – “انفجار اطلاعات”، “Accelerando”، “تکینگی تکنولوژیکی” – اما همه آنها یک ویژگی مشترک دارند.

همه آنها به این فرضیه می رسند که تسریع تغییرات، پیشرفت فناوری و دانش بشر را بطور اساسی تغییر خواهد داد. این نظریه در اشکال مختلف خود به مفاهیمی مانند ماهیت تکراری فناوری، پیشرفت در محاسبات و موارد تاریخی اشاره می کند که در آن نوآوری های عمده منجر به رشد انفجاری در جوامع بشری شده است.

بسیاری از طرفداران بر این باورند که این “انفجار” یا “شتاب” زمانی در قرن 21 رخ خواهد داد. در حالی که موارد خاص مورد بحث است، بین طرفداران توافق کلی وجود دارد که این امر به پیشرفت در زمینه های محاسبات و هوش مصنوعی (AI)، روباتیک، فناوری نانو و بیوتکنولوژی برمی گردد.

علاوه بر این، در مورد نحوه وقوع آن اختلاف نظر وجود دارد، این که آیا این تغییر در نتیجه تغییرات شتابان، شتاب فراری ناشی از ماشین های خود تکثیر و خود ارتقاء، “انفجار هوش” ناشی از تولد یک هوش مصنوعی پیشرفته و مستقل، یا نتیجه افزایش و تقویت بیوتکنولوژیکی.

نظرات در مورد اینکه آیا این اتفاق ناگهانی شبیه یک سوئیچ یا یک روند تدریجی در طول زمان که ممکن است شروع یا نقطه عطفی قابل تعریف نداشته باشد، احساس می شود یا نه، متفاوت است. اما در هر صورت، توافق شده است که به محض وقوع تکینگی، زندگی دیگر هرگز مانند سابق نخواهد بود. از این نظر، واژه “تکینگی” – که معمولاً در زمینه سیاهچاله ها استفاده می شود – کاملاً مناسب است زیرا افق رویداد نیز دارد، نقطه ای در زمان که ظرفیت ما برای درک پیامدهای آن از بین می رود.

1628444405 paradigmshiftsfrr15eventssvg resize md - تکینگی تکنولوژیکی:

تعریف
استفاده از اصطلاح “تکینگی” در این زمینه برای اولین بار در مقاله ای نوشته استانیسلاو اولام در مورد زندگی و دستاوردهای جان فون نویمان ظاهر شد. در جریان بازگو کردن نظرات دوستش، اولام توضیح داد که چگونه این دو در یک مرحله درباره تسریع تغییرات صحبت کردند:

“یک گفتگو بر پیشرفت روزافزون فناوری و تغییرات در شیوه زندگی بشر متمرکز بود، که به نظر می رسد در تاریخ نژادی به برخی از ویژگی های اساسی نزدیک می شویم که فراتر از آن، امور بشری، همانطور که ما می شناسیم، نمی تواند ادامه یابد. “

با این حال، این ایده که بشر ممکن است روزی به “انفجار اطلاعات” دست پیدا کند، سابقه ای دارد که قبل از توصیف اولم وجود داشته است. به عنوان مثال، ماهندرا پراساد از دانشگاه برکلی، نیکلاس د کاندورس، ریاضیدان قرن هجدهم، اولین پیش بینی ثبت شده و همچنین ایجاد اولین مدل برای آن را اعتبار می داند.د کاندورست در مقاله خود، طرح برای تصویری تاریخی از پیشرفت ذهن بشر: دوره دهم (1794)، بیان کرد که چگونه کسب دانش، توسعه تکنولوژیکی و پیشرفت اخلاقی انسان در معرض شتاب قرار دارد:

“آیا این اطمینان بیشتر، طرح امیدهای ما بسیار وسیع تر خواهد بود اگر … خود این استعدادهای طبیعی [انسانی] و این سازمان [بدن انسان] نیز بهبود یابد؟ … بهبود عملکرد پزشکی. با پیشرفت عقل م eثرتر می شود …

“ما معتقدیم که طول عمر بشر تا ابد افزایش می یابد … آیا ما امیدهای [خود] را [برای کمال] به قوای فکری و اخلاقی تعمیم نمی دهیم؟ … آیا محتمل نیست که تحصیلات آیا در تکمیل این ویژگیها، در همان زمان بر سازمان [فیزیکی] تأثیر می گذارد، اصلاح و کامل می شود؟ ”

یکی دیگر از پیشگامان ریاضی دان بریتانیایی ایروینگ جان گود بود که در جنگ جهانی دوم با آلن تورینگ در پارک بلچلی کار می کرد. در سال 1965، او مقاله ای با عنوان “حدس و گمان در مورد اولین ماشین فوق هوشمند” نوشت، جایی که او مدعی شد که هوش مصنوعی بیشتر از AI می تواند هوش مصنوعی حتی هوشمندتر را در یک فرآیند در حال انجام موسوم به “نظریه زیر مونتاژ” ایجاد کند.

در سال 1965، مهندس آمریکایی گوردون مور خاطرنشان کرد که انتظار می رود تعداد ترانزیستورهای مدار مجتمع (IC) هر سال دو برابر شود (بعداً تقریباً هر دو سال به روز می شود). این قانون با عنوان “قانون مور” شناخته می شود و برای توصیف ماهیت نمایی محاسبات در نیمه دوم قرن بیستم استفاده می شود. همچنین به رابطه تکینگی و اینکه چرا “انفجار اطلاعات” اجتناب ناپذیر است، اشاره شده است.

در سال 1983، ورنور وینگه این نظریه را در مقاله ای برای مجله Omni رواج داد و در آنجا ادعا کرد که هوش مصنوعی به سرعت در حال پیشرفت در نهایت به “نوعی تکینگی” می رسد، که پیش بینی بیش از آن دشوار است. در اینجا بود که اولین مقایسه با سیاه چاله انجام شد:

“ما به زودی هوشهایی بزرگتر از خود ایجاد خواهیم کرد. هنگامی که این اتفاق بیفتد، تاریخ بشریت به نوعی تکینگی می رسد، یک گذار فکری به همان اندازه نفوذناپذیر مانند فضا-زمان گره خورده در مرکز یک سیاهچاله، و جهان بسیار دورتر می گذرد. ما نمی توانیم درک کنیم. من معتقدم که این تکینگی در حال حاضر تعدادی از نویسندگان داستان های علمی تخیلی را درگیر خود کرده است. برون یابی واقعی به آینده بین ستاره ای را غیرممکن می کند. برای نوشتن داستانی که بیش از یک قرن از آن می گذرد، نیاز به یک جنگ هسته ای در بین … بنابراین جهان قابل فهم می ماند. ”

چگونه و چه موقع؟
وینگ در مقاله ای با عنوان “تکینگی تکنولوژیکی در آینده: چگونه در دوران پس از انسان زنده بمانیم” تکینگی تکنولوژیکی را بیشتر محبوب کرد. وینگه علاوه بر تأکید بر ماهیت مفهوم، چهار سناریوی احتمالی برای چگونگی وقوع این رویداد ارائه داد. آنها شامل:

ویدئو کنفرانس WWDC 2022 اپل روز گذشته برگزار شد + ویدئوی کامل با زیر نویس فارسی
> > >

رایانه های فوق هوشمند: این سناریو بر اساس این ایده است که انسانها ممکن است در نهایت رایانه های “هوشیار” بسازند. وینگه گفت، اگر چنین چیزی امکان پذیر است، هیچ شکی وجود ندارد که به طور طبیعی یک هوش مصنوعی بسیار پیشرفته تر از بشریت به دست آورد.

شبکه سازی: در این سناریو، شبکه های بزرگ کامپیوترها و کاربران مربوطه برای تشکیل هوش مافوق بشری گرد هم می آیند.

رابط ذهن-ماشین: وینگ همچنین سناریویی را پیشنهاد کرد که در آن هوش انسانی می تواند با محاسبه ادغام شود تا هوش آنها افزایش یابد و منجر به هوش مافوق بشری شود.

تکامل هدایت شده: وینگه گفت، همچنین ممکن است که علم زیست شناسی بتواند به حدی پیش برود که وسیله ای برای بهبود عقل طبیعی انسان فراهم کند.

اما شاید مشهورترین طرفدار این مفهوم، ری کورزویل مخترع و آینده پژوه باشد. کتاب سال 2005 او، The Singularity is Near: When Humans Transcend Biology، شاید معروف ترین اثر او باشد و ایده های ارائه شده در کتابهای قبلی را گسترش دهد، که مهمترین آنها “قانون تسریع بازگشت” است.

این قانون اساساً تعمیمی از قانون مور است و بیان می کند که سرعت رشد سیستم های تکنولوژیکی در طول زمان به صورت تصاعدی افزایش می یابد. وی در ادامه اشاره کرد که چگونه افزایش تصاعدی فناوری هایی مانند محاسبات، ژنتیک، فناوری نانو و هوش مصنوعی به اوج خود می رسد و منجر به عصر جدیدی از هوش فوق العاده می شود.

کورزویل نوشت: “تکینگی به ما اجازه می دهد از این محدودیت های بدن و مغز بیولوژیکی خود عبور کنیم.” “هیچ فرقی بین انسان و ماشین پس از تکینگی وجود نخواهد داشت.” وی در ادامه پیش بینی کرد که تکینگی تا سال 2045 انجام خواهد شد زیرا این اولین نقطه ای بود که در آن هوش رایانه ای به طور قابل توجهی از مجموع نیروی مغزی انسان فراتر می رفت.

برای مشاهده این روندها در کار، آینده پژوهان و متفکران سوداگر عموماً به نمونه هایی از نوآوری های بزرگ از تاریخ بشر اشاره می کنند، که اغلب بر فناوری هایی تمرکز می کنند که باعث شده ما نحوه انتقال و مصرف اطلاعات را به طور تصاعدی سریعتر کنیم. در همه موارد، هدف این است که نشان دهد چگونه فاصله بین نوآوری ها کوتاه تر می شود.

1628444313 31409423572 23cf161527 k resize md - تکینگی تکنولوژیکی:

تغییر را تسریع می کند
یک مکتب فکری کلیدی مربوط به نحوه به اشتراک گذاری داده ها است که به آن “فشرده سازی پیام” نیز گفته می شود. ایده اصلی در اینجا این است که میزان پیشرونده داده هایی که انسان ایجاد می کند و به اشتراک می گذارد می تواند به عنوان بیان زمان بر تعداد افرادی که رسانه به ما اجازه می دهد به آنها دسترسی پیدا کنیم، اندازه گیری شود.

به عنوان مثال، نقاشی های غار اولین ابزار شناخته شده برای ارتباط غیر مستقیم (یعنی غیر کلامی) هستند، که برخی از آنها قدیمی ترین مربوط به سال می باشد. 40 هزار سال پیش این نقاشی ها – که می تواند پرونده های تاریخی، قصه های اجدادی یا اولین فهرست های صورت های فلکی شناخته شده در آن زمان باشد – احتمالاً فقط توسط اعضای جوامع خانواده بزرگ که آنها را ایجاد کرده اند دیده شده است.

نوآوری عمده بعدی در دوران نوسنگی پدیدار شد – حدود. 9000 سال قبل از میلاد – در قالب نمادهایی که شبیه اجسام فیزیکی هستند (با نام مستعار پیکتوگرام). در حدود 5500 سال پیش، این امر جای خود را به ایدئوگرام ها داد، نمادهایی نوشتند که مفاهیم را منتقل می کردند تا اشیاء.

سپس اولین الفباها، مانند خط فنیقی، تقریباً 3000 سال پیش آمد. آنچه در پی آمد، تکنیک های چاپ جمعی بود که با چاپ چوب (حدود قرن سوم) شروع شد، و سپس انواع قابل جابجایی تا قرن 11 و چاپخانه تا قرن پانزدهم. تلگراف در سال 1792 دنبال شد و ارتباطات تایپ شده را از قسمتی از کره زمین به نقطه دیگر فعال کرد.

سپس تلفن الکساندر گراهام بل در سال 1876 آمد، که امکان ارسال پیام های شنیداری در فواصل وسیع را می داد. ارتباطات رادیویی در اواخر قرن انجام شد که ارتباطات صوتی را حتی دورتر کرد. این امر به طور مختصر با انتقال تصاویر متحرک و تلویزیون (ترکیب پیام های صوتی و تصویری) تا اواسط دهه 1920 همراه شد.

تا سال 1931، H.L Hazen و Vannevar Bush از MIT، دیفرانسیل آنالیز [PDF]، پیچیده ترین کامپیوتر آنالوگ ساخته شده تا کنون را ساختند. در سال 1939، اولین رایانه آنالوگ الکترومکانیکی (با نام مستعار رایانه دیجیتال) معرفی شد. در طول دهه 1940 (و جنگ جهانی دوم)، رایانه هایی که به لوله های خلاء، مدارهای الکترونیکی دیجیتال، ترانزیستورها و برنامه های ذخیره شده متکی بودند، ایجاد شدند.

در طول دهه 1950، اولین مدارهای مجتمع اختراع شد و در دهه 1960، رایانه های شخصی “رومیزی” شروع به ظهور کردند. تا سال 1975، IBM اولین کامپیوتر تلفن همراه (IMB 5100) و اولین “لپ تاپ” را در سال 1980 منتشر کرد. در هزاره، استفاده از تلفن های هوشمند و محاسبات تلفن همراه، و همچنین فناوری فناوری اطلاعات (IT)، پرکار شد.

برای بیان بهتر، تحلیلگران پیش بینی کننده اغلب فناوری تلفن های هوشمند مدرن را با رایانه های دوران آپولو مقایسه می کنند. در حالی که رایانه های ناسا که فضانوردان را شش بار بین سالهای 1969 تا 1972 به ماه هدایت کردند، معادل 73728 بایت حافظه کاری داشتند. در همین حال، تلفن های هوشمند امروزه به اندازه 32 گیگابایت حافظه دارند که حدود 430 هزار برابر حافظه کاری رایانه راهنمای آپولو است.

هوآوی P50، هارمونی 2 و دیگر محصولات آینده این کمپانی
> > >

ناسا همچنین پیشرفت های بشریت را مورد ارزیابی قرار داده است و نشان می دهد که چگونه فضاپیماهای وویجر 1 و 2 – که سیاره های بیرونی را کاوش کرده و اولین اجرام ساخته دست بشر هستند که به فضا بین ستاره ای رسیده اند – 69.63 کیلوبایت حافظه دارند. در مقایسه، آیفون 5 اپل (که برای اولین بار در سال 2012 عرضه شد) دارای حداکثر 16 گیگابایت حافظه است که حدود 240 هزار حافظه بیشتر است.

به طور خلاصه، امروزه مردم مقداری داده مصرف می کنند و تولید می کنند که کاملاً افرادی را که فقط دو نسل پیش زنده بودند شگفت زده می کرد. با این سرعت، بزرگسالان تنها یک نسل از این پس ممکن است در دنیایی زندگی کنند که امروزه برای ما عملاً غیرقابل تصور است.

“عصر اطلاعات” و “داده های بزرگ”
یکی دیگر از شاخص های کلیدی که نشان می دهد تکینگی در افق است شیوه ای است که فناوری اطلاعات و تولید اطلاعات در طول زمان بسیار افزایش یافته است. با پیشرفت هایی مانند محاسبات، شبکه، اینترنت و فناوری بی سیم، تعداد افرادی که به تعداد بیشماری دیگر متصل شده اند در مدت زمان کوتاهی به طور تصاعدی افزایش یافته است.

بین سالهای 1990 تا 2016، تعداد افراد دارای دسترسی به اینترنت در سراسر جهان از 2.6 میلیون نفر به 3408 میلیون نفر رسید (ضریب ضرب 1310).

بر اساس گزارش سال 2018 اتحادیه بین المللی مخابرات سازمان ملل متحد (ITU)، به لطف رشد دستگاه های تلفن همراه و خدمات اینترنت ماهواره ای، 90 درصد جمعیت جهان تا سال 2050 به خدمات اینترنت پهن باند دسترسی خواهند داشت. این رقم 8.76 میلیارد نفر است، یعنی 220 درصد افزایش نسبت به 4 میلیارد نفر (حدود نیمی از جمعیت جهان) که در حال حاضر دسترسی دارند.

معیار اصلی دیگر میزان تولید داده در طول زمان است. در جریان کنفرانس فناوری 2010، اریک اشمیت، مدیرعامل گوگل ادعا کرد که بشریت هر دو روز به اندازه اطلاعاتی که بین طلوع تمدن (حدود 6000 سال پیش) و 2003 وجود داشت، اطلاعات ایجاد می کرد. به گفته وی، این اطلاعات در مجاورت پنج اگزابایت بود. (EB) داده ها، یا پنج کوینتیلیون (1018) بایت.

در دهه 2010، بشریت وارد “عصر Zettabyte” شد، جایی که مقدار داده تولید شده برابر با یک سکستلیون (1021) بایت بود. بر اساس گزارش Statista، حجم داده های ایجاد شده بین 2010 تا 2020 از 2 به 64.2 ZB افزایش یافته است – که 32 درصد در هر سال افزایش می یابد – و پیش بینی می شود که تا سال 2025 به 181 ZB برسد – 36 درصد در هر سال افزایش می یابد.

به طور مشابه، میزان داده های ذخیره شده در طول زمان نیز با نرخ فوق العاده ای افزایش یافته است. بین سالهای 2005 تا 2020، ظرفیت ذخیره سازی در سراسر جهان از 200 EB داده به 6.7 ZB (به طور متوسط 223 درصد در سال) افزایش یافت. با تخمین نرخ رشد سالانه مرکب 19.2 درصد، ظرفیت ذخیره سازی جهانی تا سال 2025 به 16.12 ZB برآورد می شود.

فراتر از آن چه خواهد آمد؟ با توجه به میزان پیشرفت فعلی، احتمالاً بشریت قبل از سال 2050 وارد “دوران یوتابایت” (1024 بایت) می شود. اما با توجه به اینکه این نرخ به خودی خود در معرض شتاب قرار دارد، دور از ذهن نیست که این نقطه عطف خیلی زودتر از اواسط قرن برسد.

همه این داده ها پایه و اساس دانش بشری را تشکیل می دهند و هرچه تعداد بیشتری از مردم به اتصالات پرسرعت اینترنت متصل می شوند و این حجم سرسام آور از داده ها را اساساً در نوک انگشتان خود (یا احتمالاً مستقیماً در مغز آنها قرار می گیرند) پیدا می کنند، این کتابخانه جمعی می تواند به شما کمک کند. به عنوان یک سکوی پرتاب انواع برای تکینگی تکنولوژیکی.

هوش مصنوعی
یکی دیگر از راه های پیش بینی شده به تکینگی، توسعه هوش مصنوعی پیشرفته (AI) است. این مفهوم در ابتدا توسط ریاضیدان مشهور و رمزگشای معروف آلن تورینگ رواج یافت که این س questionال را مطرح کرد “آیا ماشین ها می توانند فکر کنند؟” در مقاله 1950 خود، “ماشینهای محاسبه و هوش”. همچنین در این مقاله بود که او “بازی تقلید” معروف خود (معروف به “آزمون تورینگ”) را طراحی کرد.

بازی، Turning نوشت، متشکل از یک بازجوی انسانی است که سعی می کند بین کامپیوتر و انسانی که به مجموعه ای از سوالات به صورت متن پاسخ می دهد تمایز قائل شود. همانطور که تورینگ توضیح داد:

“ما اکنون این س askال را مطرح می کنیم که” وقتی یک ماشین بخشی از A را در این بازی بگیرد چه اتفاقی می افتد؟ ” آیا بازجو همانطور که در این بازی بازی می کند اشتباه می کند مانند او وقتی بازی بین زن و مرد انجام می شود؟ این سوالات جایگزین اصلی ما می شود، “آیا ماشین ها می توانند فکر کنند؟”

در، پروفسور استوارت راسل (UC برکلی) و پیتر نورویگ (مدیر تحقیقات Google) یک کتاب درسی پیشرو در زمینه مطالعه AI با عنوان هوش مصنوعی: رویکردی مدرن منتشر کردند. در آن، آنها بین سیستم های رایانه ای که مانند انسان ها فکر می کنند و عمل می کنند، در مقایسه با آنهایی که فکر می کنند و منطقی عمل می کنند، تمایز قائل شدند.

در دهه های اخیر، این تمایز به لطف ابر رایانه ها، هوش ماشین، یادگیری عمیق و سایر برنامه هایی که قادر به پردازش اطلاعات و الگوهای تشخیصی هستند آشکارتر شده است. پیشرفت به سوی “ماشین هایی که فکر می کنند” با پیشرفت در محاسبات همگام بوده و منجر به برنامه هایی شده است که از برخی جهات می تواند از هوش انسان پیشی بگیرد.

کامپوزیت تصاویر در چند ثانیه توسط پروژه هوش مصنوعی Adobe
> > >

در سال 1959، تلاش برای توسعه هوش مصنوعی به طور جدی با اختراع حل مشکل عمومی (GPS)، یک برنامه کامپیوتری که توسط اقتصاددان و روانشناس شناختی هربرت A. سیمون و J.C. Shaw و Allen Newell از شرکت RAND ایجاد شده بود، آغاز شد. آنها امیدوار بودند که این برنامه منجر به توسعه “ماشین حلال جهانی مشکل” شود.

در سال 1957، اولین رایانه ای که برای تقلید از شبکه عصبی (Mark 1 Perceptron) طراحی شده بود توسط فرانک روزنبلات – روانشناس آمریکایی ساخته شد. این دستگاه توانایی یادگیری از طریق آزمایش و خطا را نشان داد و باعث افتخار غیر رسمی روزنبلات به عنوان “پدر یادگیری عمیق” شد.

در دهه 1980، الگوریتم های “انتشار عقب خطاها” (به طور خلاصه انتشار مجدد) با شبکه های عصبی ادغام شد و به آنها اجازه داد سریعتر کار کنند و مشکلاتی را حل کنند که قبلاً حل نشدنی تصور می شد. اینها پایه اصلی همه شبکه های عصبی آینده و برنامه های هوش مصنوعی می شوند.

در سال 1996، آی بی ام از رایانه شطرنج Deep Blue رونمایی کرد که در سری بازی ها و بازیهای برگشت قهرمان شطرنج گری کاسپاروف را شکست داد. تا سال 2008، پروژه DeepQA IBM کار بر روی واتسون را انجام داد، یک ابر رایانه پاسخگوی س questionالات که در مسابقه Jeopardy! (و برنده) می شد، قهرمانان کن جنینگز و برد روتر را در سال 2011 شکست داد.

در سال 2014، گوگل شرکت فناوری DeepMind بریتانیایی را خریداری کرد که با ترکیب یادگیری ماشین و علوم اعصاب، الگوریتم های یادگیری چند منظوره ایجاد کرد. در سال 2016، برنامه AlphaGo این شرکت بازیکن قهرمان جهان Go (لی سودول) را در یک مسابقه پنج بازی شکست داد.

در سال 2015، شرکت چینی بایدو مقاله ای را منتشر کرد که در آن ابر رایانه مینوا رکورد جدیدی را در تشخیص تصاویر ثبت کرد و رکورد قبلی گوگل را شکست. این امر با استفاده از نوع جدیدی از یادگیری عمیق که به عنوان شبکه عصبی کانولوشن شناخته می شود، امکان پذیر شده است، که به آن امکان می دهد تصاویر را با دقت بیشتری نسبت به افراد معمولی شناسایی و دسته بندی کند.

امروزه ابر رایانه ها و یادگیری ماشین اغلب توسط دولتها، موسسات تحقیقاتی و بخش خصوصی برای انجام “داده کاوی” – یافتن ناهنجاری ها، الگوها و همبستگی در مجموعه داده های بزرگ استفاده می شوند. این امر برای مقابله با حجم فزاینده اطلاعاتی که روزانه ایجاد می شود و پیش بینی نتایج ضروری است.

1628444320 ibm watson resize md - تکینگی تکنولوژیکی:

در سال 1985، پروفسور ری J. Solomonoff – مخترع نظریه اطلاعات الگوریتمی – مقاله ای نوشت که جزئیات آنچه او به عنوان هفت نقطه عطف توسعه ای که قبل از تحقق هوش مصنوعی نیاز به دستیابی به آن بود را توضیح داد. آنها بودند:

ایجاد هوش مصنوعی به عنوان یک زمینه، مطالعه حل مشکلات انسانی (معروف به “روانشناسی شناختی”) و توسعه رایانه های بزرگ موازی (مشابه مغز انسان).
یک نظریه کلی حل مسئله شامل یادگیری ماشین، پردازش و ذخیره اطلاعات، روشهای پیاده سازی و سایر مفاهیم جدید است. توسعه ماشینی که قادر به خودسازی است. رایانه ای که می تواند تقریباً هر مجموعه ای از داده ها را بخواند و بیشتر مطالب را در پایگاه داده خود قرار دهد.
ماشینی که دارای توانایی کلی حل مسأله نزدیک به انسان در مناطقی است که برای آن طراحی شده است (یعنی ریاضیات، علوم، برنامه های صنعتی و غیره)
دستگاهی با ظرفیت نزدیک به جامعه علوم کامپیوتر. ماشینی با ظرفیت چندین برابر جامعه علوم کامپیوتر.

به طور خلاصه، سلیمانوف معتقد بود توسعه هوش مصنوعی شامل ساخت ماشین هایی است که می توانند عملکردهای مغز انسان (یادگیری، حفظ اطلاعات، حل مسئله، بهبود خود و غیره) را تقلید کرده و در نهایت از آنها پیشی بگیرد. در زمان نگارش این مقاله، او تأکید کرد که همه چیز باید در ابتدا انجام شود.

بر اساس این نقشه راه، ما اکنون به نقطه تحقق هوش مصنوعی واقعی نزدیک شده ایم، زیرا ابر رایانه های مدرن از بسیاری جهات قادرند از انسانها بهتر عمل کنند، اما نه از همه – به ویژه در استدلال انتزاعی یا شهودی. با این وجود، ما در حال نزدیک شدن به روزی هستیم که هوش ماشینی به خوبی می تواند از بشریت پیشی بگیرد.

وقتی این اتفاق بیفتد، تحقیقات و توسعه علمی تسریع می شود و منجر به امکانات جدید جسورانه می شود. اگر این ماشین ها وظیفه ایجاد نسخه های پیشرفته تری از خود را داشته باشند، ممکن است دلیلی نداشته باشند که پس از دستیابی به هوش عمومی در سطح انسان، این کار را متوقف کنند و به سادگی می توانند به پیشرفت خود ادامه دهند تا زمانی که شما آنچه را که کورتزویل به عنوان “فوق هوش مصنوعی” نامیده است، بلند کنید. “، یک نقطه عطف قطعی مشخص کننده تکینگی تکنولوژیکی است.

اما مطمئناً محاسبات، تولید اطلاعات و روشی که پیشرفتها همیشه سریعتر به نظر می رسند، تنها تعدادی از مسیرهایی هستند که می توانند ما را به اصطلاح تکینگی سوق دهند. در بخش دوم، ما بررسی خواهیم کرد که چگونه پیشرفت های فناوری نانو و فناوری پزشکی ما را به نقطه ای از زمان سوق می دهد که پیش بینی آن برای آینده دشوار خواهد بود.

ما همچنین به چگونگی وقوع این انقلاب پیش بینی شده – شروع سریع یا تدریجی – و پیامدهای آن می پردازیم. در آخر، اما مهم نیست، ما نگاهی خواهیم داشت که منتقدان و تردیدکنندگان در این باره چه گفته اند و چگونه پیش بینی های دیگری را انجام می دهد که هرگز به نظر نمی رسد.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *