۲۱ اسفند ۱۴۰۱ ۰۷:۱۲
کد خبر: ۳۰۴۷۵۱

عطنا -نشست علمی "هوش مصنوعی در ارتباطات و روزنامه نگاری" به همت گروه روزنامه نگاری دانشگاه علامه طباطبائی و با همکاری انجمن علمی دانشجویی علوم ارتباطات اجتماعی برگزار شد.

دبیر این نشست، دکتر محمد مهدی مولایی، عضو هیئت علمی دانشگاه علامه طباطبائی و سخنرانان آن دکتر پیام حنفی زاده، عضو هیئت علمی گروه مدیریت صنعتی دانشگاه علامه طباطبائی، دکتر کاوه بازرگان، عضو هیئت علمی گروه ارتباطات دانشگاه علامه طباطبائی، محمد نیک ملکی، دانشجوی دکتری علوم ارتباطات و دکتر امید مهدوی، دکتری مهندسی فناوری اطلاعات و ارتباطات حضور داشتند. این نشست روز دوشنبه ۱۵ اسفند ۱۴۰۱ در دانشکده علوم ارتباطات دانشگاه علامه طباطبائی و در بستر فضای مجازی برگزار شد.

نیک ملکی در ابتدای نشست، پس از توضیح مفصلی در خصوص حوزه‌های هوش مصنوعی (علمی- فنی و فرهنگی و مطالعاتی) افزود: در دو حوزه دیگر کار انجام شده است، اما در حوزه هوش مصنوعی فرهنگی، تحقیقات و مطالعات تازه و نو پا است و تعداد زیادی از جامعه‌شناسان به بررسی تولیدات اجتماعی و توزیع مصرف هوش مصنوعی تمایل دارند. در واقع بر اساس گونه شناسی که ارائه داده ایم، تغییرات اساسی در خود هوش مصنوعی را در طول زمان به ما نشان می‌دهد.

وی افزود: به عنوان مثال؛ خود هوش مصنوعی علمی که منطبق بر مسائل علمی است و می‌شود در قرن بیستم به عنوان یک اختراع، تغییر و یک چیز جدید آن را تلقی کرد یا هوش مصنوعی لنین که از ۲۰۰۰ و ۲۰۱۰ برجسته است، بیشتر روی کاربرد‌های وسیع و تجاری‌سازی آن متمرکز شده و هوش مصنوعی فرهنگی هم که الان اثرات آن هوش است، در حوزه‌های مختلف متمرکز است. این گونه شناسی به من محقق در جهت یابی ادبیات خود هوش مصنوعی کمک می‌کند. دوم به عنوان مرجعی برای تولیدات اجتماعی خود هوش مصنوعی من می‌کند و سوم به عنوان یک زمینه علمی تحقیقاتی می‌شود به این رویکرد‌ها ظرفیت، به عنوان نیروی متافراناپذیرش؟! پرداخت. جامعه شناسی هوش مصنوعی باید به تمام افعال هوش مصنوعی بپردازد. این ابعاد شامل حوزه‌هایی که فناوران با بازیگران اجتماعی در تعامل هستند، آن روابط اجتماعی که دارند، آن تغییراتی که در رابطه اجتماعی انجام می‌دهند و آن ساختار‌هایی را که تغییر می‌دهند و واقعیت‌های اجتماعی که بازسازی می‌کند و در نهایت آن حوزه‌هایی که ذهن ما قدرت تخیل را ندارد، شامل می‌شود.

عاملیت در هوش مصنوعی باید با عوامل انسانی باشد

بازرگان با اشاره به این که علوم ارتباطات هم یک پیکر دانش دارد که در دانشکده و در درس‌های مختلفی در حوزه روابط عمومی، روزنامه‌نگاری، مطالعات و... با آن پیکره دانش آشنا می‌شوید، اظهار داشت: اخیرا برای رشته مطالعات، کارورزی و کارآموزی برای همه تعریف شده تا بتوانید تجربه میدانی به دست آورید. هوش مصنوعی هم در علم و حرفه کاربرد دارد. هوش مصنوعی مبتنی بر سیستم‌های اطلاعات است و در آن عوامل انسانی داریم (یعنی کاربر یا خود انسان)، ساز و کار داریم (درونی و بیرونی)، قوانین، مقررات، روش‌ها و فرآیندها، ابزار و در نهایت ساختار داریم. هنگام صحبت راجع به هوش مصنوعی تاثیرگذاری و تاثیرپذیری هوش مصنوعی بر این المان‌ها را می‌خواهیم ببینیم که چگونه است. هوش مصنوعی هم در علم و هم در حرفه کاربرد دارد. بن اشنایدرمن (Ben Schneiderman) پایه گذار مکتب هوش مصنوعی انسان محور و پایه‌گذار آزمایشگاه مرجع قابل تعامل انسان و رایانه در دانشگاه مریلند است و برخی از صحبت‌های من برگرفته از تجربیات ایشان است که صحبت از ضرورت انقلاب کوپرنیک دوم هم می‌کند و می‌گوید به آن نیاز داریم. اشنایدر من می‌گوید که امروز و آینده‌ای که به سمت آن می‌رویم را نمی‌توانیم دو دستی به عوامل هوشمند و هوش مصنوعی دهیم.

وی تأکید کرد: عاملیت با عوامل انسانی باید باشد تا با کمک هوش مصنوعی خیلی کار‌ها را بتوانیم انجام دهیم. پس انسان و عوامل انسانی را کانون قرار می‌دهد. تعریف هوش مصنوعی انسان محور این است که یک پیکره دانش نوین و رشته نوظهور است که قصد دارد سیستم‌های هوش مصنوعی را ایجاد کند که به جای جابجایی توانایی انسان، آن‌ها را افزایش دهد و تقویت کند، اما عاملیت با خودش است. هوش مصنوعی انسان محور به دنبال حفظ کنترل انسان است. کنترل انسان به روشی است که اطمینان حاصل شود هوش مصنوعی نیاز‌ها را برآورده می‌کند و در عین حال شفافیت، عادل عمل کردن و حریم خصوصی را پاس می‌دارد. البته چگونگی اجرای آن نیازمند گفت‌وگوی بیشتر است. برای تحقق آرمان هوش مصنوعی انسان محور، باید پیرامون چرخه‌ای حرکت کنیم که طراحی ما مسئولانه باشد و حریم خصوصی پاس داشته شود. تا زمانی که هوش مصنوعی داور_کاربر ندارید نمی‌توانید ادعا کنید هوش مصنوعی شما انسان محور است. زیرا ماشین است که دارد این کار را برای شما انجام می‌دهد پس باید به داوری گذارید.

این استاد دانشگاه با بیان این که تصور غالب این است که هوش مصنوعی ما را در شرایط دوگانه‌ای قرار می‌دهد که یا میزان کنترل توسط عوامل انسان حداکثر است و یا میزان کنترل توسط تعامل هوشمند، گفت: در واقع میزان عاملیت انسان از بسیار کم تا بسیار زیاد محدود و میزان عاملیت سیستم یا عامل هوشمند از بسیار کم تا بسیار زیاد، می‌تواند برود. مثال برای فهم بهتر در خصوص خودرو است. در افقی که به سمتش می‌رویم و هنوز به آن نرسیده‌ایم، «ماشین خودمختار» وجود خارجی ندارد. ماشینی که خودش بنزین بزنند و به خانه برگردد و همه کار را خودش انجام می‌دهد و پول در آورد، نداریم. این میزان درجه خودمختاری عامل انسانی در چگونگی ناوبری با کمک مثلا سیستم و همین میزان عاملیت انسان و ماشین، به رسانه راهش را باز می‌کند. چگونه؟ مثلاً در رسانه وقتی تأمین، تولید و توزیع را نگاه می‌کنیم باز از آن درجه بندی اش و اقداماتش هم بسته به اینکه در چه نوع رسانه‌ای باشیم، جزیی‌تر می‌شود.

وی افزود: در داخل دانشگاه استنفورد یک آزمایشگاه هوش مصنوعی انسان محور وجود دارد که برای اولین بار آمدند و شاخص هوش مصنوعی را در یک سری از کشور‌ها با یک نظام آماری خیلی جامع پایش کردند. قابل توجه است پایشی که انجام دادند، در آمریکا شمالی می‌گوید مشاغلی که در ارتباط با هوش مصنوعی بوده و بیشترین آگهی شغلی را داشته است، بیشترین آن «اطلاعات» است. افراد با سوادِ هوش مصنوعی که قادر هستند به صورت اجرایی و محسوس در میدان کار کنند، بیشتر در هند هستند. در خصوص تبدیل لایحه قانون در کشور‌های مختلف نیز در خصوص هوش مصنوعی جالب است بدانید که اولین کشور آمریکا و بعد از آن روسیه است. برای اولین بار ۱۹۰ کشور عضو یونسکو پذیرفتند که توصیه‌های سیاستی اخلاق هوش مصنوعی را به توافق برسند و به مجمع ببرند. این موضوع موضوعی نیست که فقط یک دانشکده بتواند درباره آن صحبت کند بلکه موضوعی فراگیر است.

در بحث دروازه بانی خبر، نیروی انسانی باید به درستی شکل بگیرد

دکتر امید مهدوی در ادامه این نشست گفت: شاید اولین نسخه هوش مصنوعی انسان محور موضوع پلیس آهنی بود که سالها قبل در قالب یک فیلم سینمایی تخیلی در آمریکا ساخته شد و بعدها نیز چندین سیزن مختلف را در پی داشت و امروزه شاهد پیشرفت چشمگیر این موضوع هستیم که دیگر چنان دور از ذهن و تخیل هم نخواهد بود که ربات های انسان محور به مدد هوش مصنوعی بتوانند جایگزین فعالیت های انسانی شوند البته با چندین تفاوت مهم که در ادامه به آن خواهم پرداخت. 

هدف علم هوش مصنوعی توانمند کردن کامپیوتر در پردازش اطلاعات مشابه با مغز انسان است. بنابراین هوش مصنوعی اساساً بر علم کامپیوتر بنا شده است. راه ارتباط انسان با کامپیوتر برنامه نویسی است و بنابراین برای پیاده کردن الگوریتم های هوش مصنوعی نیاز به دانستن یک زبان برنامه نویسی داریم. در بین زبانهای برنامه نویسی مختلف، پایتون (Python) بالاترین انعطاف پذیری و سرعت و عملکردهای سطح بالا را نشان داده است و نه تنها در سطح آکادمیک بلکه در سطح صنعتی برای توسعه سیستم های هوش مصنوعی استفاده می شود.

الگوریتم های هوش مصنوعی برای اینکه کامپیوتر واقعا بتواند رفتار مغز انسان را تقلید کند اغلب پیچیده هستند و لذا نیاز است یک متخصص هوش مصنوعی به برنامه نویسی کامپیوتری تسلط کافی داشته باشد. در علم هوش مصنوعی هدف ما توانمند کردن کامپیوتر در پردازش اطلاعات مشابه با مغز انسان است. مغز انسان از طریق یادگیری و معنا دهی به اطلاعات ورودی به توانایی پردازش پیچیده اطلاعات دست می یابد. بنابراین برای اینکه کامپیوتر بتواند به سطح بالایی از تحلیل اطلاعات و توانایی تشخیص الگوهای پیچیده دست یابد؛ باید مفاهیم الگوریتم های یادگیری دانش افزا گردد. که به این فرآیند، یادگیری ماشینی می گوییم. در اینجا منظور از ماشین همان کامپیوتر است. در یادگیری ماشینی، کامپیوتر با استفاده از الگوریتم های داده کاوی الگوها را با سرعت بالا از بین داده های خام شناسایی می کند و بعد رابطه بین داده های ورودی و الگوهای احتمالی درون آن را یاد میگیرد. به عبارت دیگر بر خلاف داده کاوی که نتیجه آن تنها شناسایی الگوهای پنهان درون داده ها است، در یادگیری ماشینی کامپیوتر توانایی پیش بینی الگوهای درون داده ها و تلفیق الگوها برای پردازش های پیچیده تر شبیه مغز را به تست می گذارد. به عبارت دیگر از مرحله یادگیری ماشینی ما وارد فضای هوش مصنوعی می شویم. در این بین با مهمترین روش های یادگیری ماشین و الگوریتم های مربوطه و پیاده سازی آنها با استفاده از دانش مراحل قبل (برنامه نویسی و داده کاوی)  توانایی آموزش کامپیوتر برای پیشبینی الگوها در داده هایی که قبلا به آنها داده نشده را به دست می آوریم.

یادگیری عمیق نسخه بسیار پیشرفته تری از یادگیری ماشینی است که ظرفیت های آن در توانمند کردن کامپیوتر در تقلید از مغز انسان در سال های جدید کشف شده است. در هوش مصنوعی کلاسیک بسیاری از پارامترهای الگوریتم های یادگیری ماشینی توسط انسان تنظیم می شود و به همین دلیل توانایی یادگیری کامپیوتر را محدود می کند. اما در یادگیری عمیق، پارامترهای یادگیری ماشینی توسط خود کامپیوتر تنظیم می شود. به عبارت دیگر کامپیوتر در طول فرآیند یادگیری ربات یاد میگیرد که چگونه پارامترهای لازم برای یادگیری بهتر خود را بهینه نماید. این انعطاف بزرگ، عمق یادگیری کامپیوتر را بسیار بیشتر کرده و عملکرد پردازش کامپیوتر را به مغز انسان بسیار شبیه تر می کند. در حقیقت وقتی صحبت از هوش مصنوعی می کنیم در واقع صحبت از یادگیری عمیق است. بدون یادگیری عمیق، یادگیری ماشینی در سطحی نیست که بتوانیم از آن به عنوان “هوش مصنوعی” یاد کنیم. یادگیری عمیق هوش مصنوعی واقعی است که می تواند در سطح مغز انسان و یا حتی بهتر از آن اطلاعات را پردازش کند و همان فناوری است که تحولات پیش روی تمدن انسان مرتبط با هوش مصنوعی را تحقق می بخشد. بنابراین ما بر انواع روش های پیشرفته یادگیری عمیق تسلط پیدا کرده و توانایی ایجاد سیستم های هوش مصنوعی پیشرفته را به دست می آوریم. 

اما آن چه مسلم است جنگ بعدی بر سر لیتیوم است و در حال حاضر نیز ماشین‌هایی وجود دارند که اولاً می‌توانند راننده نداشته باشند و بصورت اتوران حرکت کنند و ثانیاً دیگر نیازی به بنزین و سوخت های فسیلی این چنینی ندارند و تنها با باتری های لیتیومی شارژ مستقیم می‌شوند و قادر به حرکت هستند و به عنوان مثال در امارات نسخه های این دست قبیل خودروهای بدون سرنشین در قالب تاکسی های اینترنتی در حال سرویس دهی به مسافران خود هستند و حتی امکان اینکه آن‌ها به تنهایی باتری های خود را در گیت های مربوط به این کار شارژ کنند نیز فراهم است. حتی موارد دیگر از ربات های ساخت هوش مصنوعی که در همین موضوع کرونا به کمک انسان آمدند و به راحتی برای جابجایی مرسولات مختلف و... با الگوریتم های از پیش تعریف شده به راحتی انجام وظیفه کردند و در خدمت انسان و جامعه برآمدند که از جمله نمونه های قابل قبول در این عرصه بر شمرده می شوند.
و یا در نسخه ملموس تر همچون نرم افزار Siri گوشی‌های هوشمند نیز به نوعی شما را به این سمت سوق می‌دهد و البته در آپدیت های جدید آنها؛ چیزی که می‌خواهید را میتواند همانند چت GPT به شما تا حدی پاسخ دهد.
وی افزود: همانطور که پیش تر اشاره شد؛ در بحث دروازه بانی خبر، نیروی انسانی به درستی باید شکل بگیرد. نیروی انسانی باید تشخیص دهد، در اینجا هوش مصنوعی تنها کمکی که به ما در بحث پلتفرم‌ها می‌تواند کند، بحث فیلترینگ کلمات است. مثلاً در خیلی از الگو‌های پلتفرم اینستاگرام می‌بینیم که خود به راحتی در حال فیلتر کردن کلمات است و اجازه ترویج آن را به مخاطب نمی‌دهد و این‌ها تصویری از مزایای هوش مصنوعی است، ولی در مواجهه با مخاطرات هوش مصنوعی، بحث مخاطرات انسانی را در پی داریم که اولی یا همان بحث اخبار جعلی است که نوک پیکان مخاطرات آن از طریق شبیه سازی چهره یا صدای آن‌ها به سمت سیاستمداران و هنرمندان است. پس از این حیث نیز به حریم خصوصی افراد باید توجه ویژه داشته باشیم. بحث دیگر نیز بحث حذف شدن نیروی انسانی است و بیشتر می‌خواهم راجع به معایب این بحث صحبت کنم.

همچنین دکتر مهدوی این متخصص حوزه فناوری اطلاعات و ارتباطات ادامه داد: ربات‌ها اموری که شاید انسان می‌تواند مثلا در عرض یک بازه زمانی خاص انجام دهد را با استفاده از هوش مصنوعی و صرفاً باتوجه به برنامه‌ای که از طریق انسان به آنها داده می‌شود را به راحتی در کسری از ثانیه یا دقیقه و کمتر از یک‌ساعت انجام دهند. اما فقط می‌تواند یک عمل که از قبل برای آن طرح ریزی و برنامه ریزی شده است را انجام دهد و نمی‌تواند از خود خلاقیت بروز دهد یا مثلا اگر خطایی در سیستم وجود دارد، خود به صورت اتومات آن را مرتفع سازد. در مقابل انسان خود با قدرت اختیاری که دارد می‌تواند به راحتی آن را رفع کند. در اینجا دو بحث عدم تفکر و تعقل برای شروع وجود دارد؛ خودمختاری و عدم خودمختاری این‌ها را به چالش می‌کشد. اما آنچه مسلم است در بحث کاهش تصمیم‌گیری‌های احساسی هم باز با آن مواجه هستیم. چون هوش مصنوعی عاری از هرگونه قلیان‌های درونی و احساس است و صرفاً آن چیزی که برایش طراحی و پردازش شده است را به همان شکل به معرض اجرا می‌گذارد. در بحث اکتشافات فضایی با همین مباحث طرح ریزی و هوش مصنوعی دیگر نیاز نیست، انسانی را به فضا بفرستید و ربات این کار را انجام می‌دهد و از طریق ماهواره به راحتی اخبار را به سیستم بر می‌گرداند و این مزیت را دارد که دیگر از نیروی انسانی هم استفاده نشده است.

صحبت از جایگزینی هوش مصنوعی به جای روزنامه‌نگاران هنوز زود است/ ورود به عصرالگوریتم سالاری

مولایی با محدود کردن صحبت خود به حوزه روزنامه‌نگاری بیان کرد: هنگام صحبت درباره هوش مصنوعی گاهی فکر می‌کنیم که مثلاً قرار است روزی ناگهان ربات‌ها بیاید و جای روزنامه‌نگاران را بگیرد. اما مدت‌ها است که در امور روزمره و در عرصه‌های خبری در حال استفاده از هوش مصنوعی هستیم. حتی می‌تواند جای بعضی حرفه‌ها در تحریریه را هم بگیرد و در مسیر فناوری شاهدش بودیم. مثلاً در تحریریه یک بخش حروف چینی داشتند که الان با پیشرفت دستگاه‌های چاپ جایگزین شد. در بحث استفاده از هوش مصنوعی در روزنامه‌نگاری، باعث شده است تا چند اصطلاح در سال‌های اخیر مورد توجه قرار بگیرد و با هم بسیار همپوشانی دارند. روزنامه نگاری خودکار، روزنامه‌نگاری الگوریتمی و روزنامه‌نگاری رباتیک از این دسته اصطلاحات هستن. کم و بیش این اصطلاحات در نتیجه مسیری که پیشرفت هوش مصنوعی در روزنامه‌نگاری داشته است، شکل گرفته اند.

این استاد دانشگاه سپس ادامه داد: با همین عنوان هوش مصنوعی و روزنامه‌نگاری، دوره خوبی را دانشگاه علامه طباطبایی با حمایت یونسکو و همکاری خانم دکتر زرین زردار که مسئولیت اجرایی آن را بر عهده داشتند، برگزار کرد. ویدیو‌های این دوره نیز در صفحه رسانیوم در دسترس است و می‌توانید مشاهده کنید. در یکی از این ویدیو‌ها سه تا از این تجربه‌ها را توضیح داده ام که چطور گاردین، واشنگتن‌پست و بی بی سی از هوش مصنوعی و ربات برای تولید خبر استفاده کردند. در آنجا به طور مفصل در این باره توضیح دادم که از هوش مصنوعی استفاده می‌شود، ولی هیچگاه جایگزین خبرنگاری نشده است. یک جور ابزار کمکی برای روزنامه‌نگاران است تا بتوانند کارشان را بهتر انجام دهند. پس صحبت از جایگزینی هنوز زود است. یا مسیر دیگر ربات‌هایی هستند تا جایگزین اخبارگو‌ها شوند و در چین یا روسیه نمونه‌های این را می‌بینیم. در آنجا به جسمیت بخشیدن به هوش مصنوعی علاقه مندی بیشتری وجود دارد. مثلا در کشور‌های شرقی نسبت به غرب این روز‌ها بیشتر درباره چت GPT صحبت می‌شود که در سه ماه اخیر بیشتر مورد توجه قرار گرفته است و مقالاتی دارد منتشر می‌شود که مثلاً دو نویسنده دارد و یکی از آن‌ها چت GPT است.

وی اظهار کرد: هر بار طی این سال‌ها شاهد این بودیم که اتفاقی در حوزه هوش مصنوعی افتاد و دوباره بحث جایگزینی آن به جای خبرنگاران مطرح می‌شود. می‌خواهم توجه را به بحث مصرف معطوف کنم؛ اینکه چطور دروازه بانی خبر هم توسط هوش مصنوعی تحت تأثیر قرار گرفته است و مردم در کشور‌های مختلف چطور اخبار را دنبال می‌کنند. پلتفرم‌ها و مسیر‌های مختلف برای دنبال کردن اخبار وجود دارد. در دنیای دیجیتال اتفاقی که افتاده است و دائما مواجه کاربران و وبسایت‌های خبری و اپلیکیشن‌هایی که خبر گردآوری می‌کند، درحال کاهش است. در مقابل کاربران اخبار را بیشتر از طریق شبکه‌های اجتماعی دنبال می‌کنند. تفاوت در اینجا است که در وبسایت‌های خبری نیز فرآیند دروازه بانی همچنان دارد به صورت انسانی انجام می‌شود و جهت می‌دهند که محتوا را چطور دنبال کنیم، ولی در رسانه‌های اجتماعی و گردآورندگان خبر هوشمند اتفاقی که می‌افتد و اینکه چه کسی دارد دروازه بانی را انجام می‌دهد، می‌توان گفت الگوریتم‌هایی هستند که از هوش مصنوعی کمک می‌گیرند. در هوش مصنوعی بحث قدیمی سیستم‌های پیشنهاد مطرح است. همین مکانیزم حالا در رسانه‌ها نیز آمده است. بخش مهمی از مناسبات فرهنگی را در حال حاضر الگوریتم‌ها دارند رغم می‌زنند که اهمیت هوش مصنوعی را به ما نشان می‌دهد. در حال حاضر داریم وارد عصر الگوریتم سالاری می‌شویم و اینکه مشخص می‌کنند چه چیزی را ببینیم (همان بحث دروازه بانی خبر). هوش مصنوعی هم در حال کمک به گسترش اخبار جعلی از طریق deep fake و همچنین همزمان در حال کمک به این است که تشخیص دهیم چه چیزی هوش مصنوعی است و بتوان ساختار‌های اخبار جعلی را به راحتی شناسایی کرد.

مولایی افزود: عرصه مهم‌تر که خواستم از آن سوال مطرح کنم، بحث مصرف است. در اینجا بحث هوش مصنوعی نسبت به بحث تولید خبر جلوتر رفته است. سرعت تحولات خیلی بالاست. در بحث نابرابری به دلیل پیشرفت هوش مصنوعی دو چیز مطرح هست؛ یکی بحث حجم داده‌های موجود که به زبان انگلیسی بیشتر است و باعث می‌شود در زبان‌های دیگر کارآمدی کمتر باشد. در بحث دوم ما یک تصوری داریم که هوش مصنوعی اگر مستقر شود، خطای انسانی در خیلی از عرصه‌ها برطرف خواهد شد و این تبعیض‌هایی که ما باید خواسته یا ناخواسته در تصمیم گیری داشته باشیم را اگر به ماشین‌ها بسپاریم، دیگر وجود نخواهد داشت. در صورتی که در سال‌های اخیر توسعه هوش مصنوعی بسیار از مسیر یادگیری ماشین جلو می‌رود و به زبان ساده‌تر داده‌های کلان را دریافت و تحلیل کرده و از آن‌ها یاد می‌گیرد. خیلی اوقات این داده‌ها را ما تولید کرده‌ایم و در موارد مشابه میلیون‌ها تصمیمی که انسان‌ها گرفته اند را تحلیل می‌کنیم و مبتنی بر آن‌ها، هوش مصنوعی عمل می‌کند و، چون تصمیماتی که گرفته ایم تبعیض آمیز بودند و خطا داشتند، ممکن است بخشی از این در مکانیسمی که هوش مصنوعی عمل می‌کند، منتقل شود. درباره این قضیه هشدار داده می‌شود و در واقع تحقق عدالت و نابرابری هوش مصنوعی در عین حال که می‌تواند فرصت‌هایی را ایجاد کند، چالش هایی هم دارد.

مطالبات مردم توسط رسانه، باید از سکویی منتشر شود که ذی نفع نباشد

دکتر حنفی زاده گفت: هوش مصنوعی انقلابی در همه عرصه‌ها و حوزه‌ها به وجود آورده است و زمینه کاربرد و وسیعی پیدا کرده است. در ادامه در خصوص کارکرد فنی، زمینه به کارگیری هوش مصنوعی در حوزه رسانه و ارتباطات و چه شد که رونق گرفت و در نهایت این که کاربرد‌های هوش مصنوعی در رسانه ارتباطات به چه ترتیب است، صحبت خواهم کرد. شکل گیری هوش مصنوعی تقلیدی از سلول‌های مغز انسان بود و کارکردی شبیه نورون مغزی انسان را انجام می‌دهد. هوش مصنوعی بدون اطلاعات اساسا نمی‌تواند کارکردی داشته باشد.

وی افزود: در گذشته این‌گونه بود که میزبانی در سایتی محتوایی می‌گذاشت و همه مجبور بودند که بر اساس آن، اطلاعات را استفاده کنند. اما وقتی شبکه‌های اجتماعی آمدند، خصوصا آن‌هایی که اعضای زیادی داشتند، در لحظه افراد توانستند حجم بسیار زیادی محتوا را به اشتراک گذارند. این محتوا شامل پروفایل و آپدیت کردن پروفایل آن‌ها و از همه بیشتر مکالمه آن‌ها با هم می‌شود. پس با پدیده «Big data» مواجه شدیم. بخش مهمی از این اطلاعات در شبکه‌های اجتماعی، در مورد رویداد‌های آن جامعه است و به طور کلی امروزه داده مبنای دارایی‌های نامحسوس است.

وی در خصوص کاربرد‌های هوش مصنوعی بیان کرد: کارکرد اصلی هوش مصنوعی پردازش داده‌ها است. این پردازش‌ها گاهی با سرپرستی است و می‌دانیم چه خروجی احتیاج داریم و گاهی نمی‌دانیم خروجی آن‌ها چیست. در زمینه روزنامه‌نگاری، شما می‌توانید محتوا را «customize» کنید تا با ذائقه مخاطب جور باشد. به طور سنتی رسانه برای هر قشری و با هر سلیقه‌ای وظیفه داشته است که محتوا تولید کند و هنوز هم این روند ادامه دارد. از کاربرد‌های مهم دیگر این است که با داشتن اطلاعات متنوع می‌توان با هوش مصنوعی الگو‌های این اطلاعات را افشا کنیم. مردم امروز به طور ناآگاهانه نسبت به تصمیمات مدیران و جامعه در شبکه‌های اجتماعی حرف می‌زند. پس بدون نیاز به پرسشنامه و نظرسنجی، شبکه‌های هوش مصنوعی می‌تواند محتوای مرتبط به موضوعی را جمع‌آوری و پردازش کند و ببیند که نظرات مثبت و منفی چگونه بوده است و در زمان کوتاه افکار مردم و حوزه‌ها را افشا می‌کند و این افکار را دقیق‌تر می‌توانید بیان کنید.

حنفی زاده در پایان تاکید کرد: جامعه مطالباتی دارد که متناسب با خواسته‌ها و طبقات جامعه است. امیدوارم رسانه‌ها به نحوه درست بتوانند این خواسته‌ها را به جامعه منتقل کند و شناخت این مطالبات خیلی مهم است. چیزی که در جامعه به آن اهمیت می‌دهیم محتوایی است که از طریق تریبون افرادی که مسئولیتی دارند نشر پیدا می‌کند. رسانه‌ها گاهی به طور نادرست این مطالبات را بازنشر می‌کنند. مطالبات باید از سکویی منتشر شود که ذینفع نباشد و از دل مکالمات بین مردم آمده باشد. این مطالبات مردم از طریق رسانه‌های اجتماعی می‌تواند به درستی منعکس شود و محتوایی که از طریق مسئولین منتقل می‌شود، غالب نشود.

عطنا را در شبکه های اجتماعی دنبال کنید:

اینستاگرام                                              تلگرام

ارسال نظر
نام:
ایمیل:
* captcha:
* نظر:
هنر و فرهنگ1
پایان انحصار رسانه‌ها
کرسی آزاد اندیشی

پایان انحصار رسانه‌ها

کرسی آزاداندیشی"پایان انحصار رسانه ها" باحضور نمایندگانی ازفعالان نمایش خانگی، وی او دی‌ها و سازمان صداوسیما برگزارمی‌شود.
دروازه‌بانی، تاثیر مستقیمی بر برداشت ما از واقعیت‌های اجتماعی دارد
معرفی کتاب: "دروازه بانی"، اثر پاملا شومیکر، ترجمه دکتر حسین افخمی:

دروازه‌بانی، تاثیر مستقیمی بر برداشت ما از واقعیت‌های اجتماعی دارد

بنابر نظر پاملا شومیکر، استعاره "دروازه‌بانی" را می‌توان برای هرموقعیت تصمیم گیری و با هرمیزان اطلاعات به کار برد؛ چه این انتقال از طریق کانال‌های جمعی و چه از طریق کانال های بین‌فردی باشد.
نشست علمی
به مناسبت هفتۀ جهانی بزرگداشت سعدی برگزار می شود:

نشست علمی "سعدی در چین و چین در آثار سعدی"

به مناسبت هفتۀ جهانی بزرگداشت سعدی، نشست علمی"سعدی در چین و چین در آثار سعدی، در دانشکدۀ ادبیات فارسی و زبان‌های خارجی دانشگاه علامه طباطبائی برگزار می شود.
پر بازدیدها
آخرین اخبار