بعد از یک روز شلوغ ، بالاخره روی نیمکت می خوابید تا مغزتان را خنک کنید ، اما این ذهن لعنتی تازه شروع شده است. یک روز او دیروز به جنگ می رود؛ نگرانی برای خانه آینده ؛ او به جلسه ماه گذشته برمی گردد و سرانجام برای فردا برنامه ریزی می کند. دانشمندان می گویند وقتی می خواهید کاری انجام ندهید ، فعالیت ذهن شما به حداکثر می رسد. این فعالیت نوعی سفر در زمان است و به ما قدرت می دهد تا به آینده برویم. به گفته استیون جانسون ، نویسنده محقق و نظریه پرداز رسانه ، ما باید تاریخ فن آوری را با “انسان آینده نگر” ، مردی که به طور سنتی کشاورزی می کرده و اکنون الگوریتم هایی برای پیش بینی آینده طراحی می کند ، درک کنیم.
به گزارش رویداد برتر ، روزنامه “جوان” در ادامه نوشت: تصور کنید اواخر شب یک روز کاری بود و به پیاده روی رفتید. دور از خانه نیست که به مسافت پیاده روی معمول خود در منطقه برسید و ناگهان ذهن شما به یک جلسه مهم برنامه ریزی شده برای هفته آینده منتقل شود. لحظه ای تصور کنید که به دنیای کارما محور ارل منتقل شده اید. “و به محض اینکه صحنه را تصور کنید ، یک ستاره ظریف شادی در زندگی شما در انتظار شماست – و شما امیدوارید که فرصتی داشته باشید که از رئیس خود بخواهید بزرگ کند. البته نه برای افزایش حقوق از لحظه ای بلکه در ماه های آینده. لحظه ای تصور کنید که وارد دنیای کارما محور ارل شده اید. و سال آینده شما و همسرتان سرانجام می توانید از شر بازار اجاره خلاص شوید و در یک محله بهتر با تحصیلات بهتر خرید کنید. اما سپس ذهن او به دنبال مشکلی می رود که اخیراً با آن دست و پنجه نرم می کند: یکی از اعضای گروهش که با استعداد است اما خلق و خوی دارد. هنگام راه رفتن ، احساس ناخوشایندی را به یاد می آورید که هنگامی که همکار شما به شدت مورد آزار قرار گرفت ، اتاق شما را پر کرده بود. تصور کنید شش ماه بعد جلسه دیگری برگزار شود که همان رفتار انفجاری رخ دهد. این اتفاق فقط این بار در حضور روسا می افتد. موج کوچکی از اضطراب ذهن شما را پر می کند. او با خود فکر می کند که ممکن است خیلی مناسب این شغل نباشد و این فکر پنج سال پیش هنگام اخراج کارمندی به ذهن خطور می کند. شما تنش ناخوشایند مکالمه را به یاد می آورید و سپس تصور می کنید که مکالمه مشابه با کارمند فعلی خود چقدر پرتنش و ناراحت کننده تر خواهد بود. همانطور که ذهن شما این سناریو را تجربه می کند ، نزدیک به وحشت جسمی احساس خواهید شد. در طی چند دقیقه پیاده روی ، او چندین سفر رفت و برگشت جداگانه از گذشته به آینده انجام می دهد: هفته پیش و جلسه مهم خود ، یک یا دو سال بعد ، و خانه ای که پنج سال پیش در محله جدید خریداری کرده است ، چند هفته بعد این زنجیره های علی را ایجاد می کند که مربوط به این لحظات مختلف است و به آرامی و پایدار از حوادث خارجی به سمت رویدادهای تصور شده حرکت می کند. کل این توالی ، شکل پیشرفته ژیمناستیک زمانی است. در این لحظات تفکر بدون ساختار ، ذهن ما مانند یک تدوینگر فیلم که در یک فیلم به عقب و جلو حرکت می کند سریع بین گذشته و آینده حرکت می کند.
توانایی پیش بینی توسط بسیاری از انقلاب های اجتماعی و علمی که تاریخ بشر را شکل داده اند ، منعکس و تقویت می شود. کشاورزی بدون آینده عملی غیرقابل تصور بود: پیش بینی تغییر فصل و تجسم تحولات طولانی مدت مورد انتظار از گیاهان اهلی. سیستم های بانکی و اعتباری به ذهن هایی نیاز دارند که بتوانند ارزش مالی فعلی آنها را فدای احتمال نتایج بیشتر در آینده کنند. ما در چشم انداز آینده با هدیه ای بی نظیر متولد شدیم ، اما از زمان طلوع تمدن این هدایا را تبلیغ می کنیم. امروزه ، پیشرفت های جدیدی در الگوریتم های یادگیری ماشین در افق ظاهر شده است که مردم را از انواع خاصی از پیش بینی ها جلوتر می اندازد. از آنجا که هوش مصنوعی بر اساس رشد استعداد اصلی انسانی ما بنا شده است ، ما با این س exactال دقیق روبرو هستیم: اگر بتوانیم آینده را پیش بینی کنیم ، چه تفاوتی در آینده وجود دارد؟
پیش بینی های دقیق هواشناسی فقط یکی از نتایج اولیه سفر در زمان مبتنی بر نرم افزار است: الگوریتم هایی که چشم اندازهای آینده را امکان پذیر می کنند و تنها برای چند دهه غیرممکن است. و سه نویسنده از دانشگاه تورنتو آنها را در یک کتاب مشترک جدید “ماشین های پیش بینی” می نامند. الگوریتم ها می توانند با ذخیره سازی داده های گسترده از رویدادهای گذشته ، پیش بینی های بسیار دقیق از وقایع آینده را برنامه ریزی کنند. می توان با تجزیه و تحلیل هزاران فروش خانه و سوابق مالی خریداران و بررسی فرضیه ها با یافتن بدهکاران ناقص ، الگوریتمی را برای تأخیر در بازپرداخت اقساط آینده برنامه ریزی کرد. بدیهی است که نتیجه این برنامه ریزی یک پیش بینی قطعی و تخریب ناپذیر نیست ، بلکه چیزی شبیه همان چیزی است که ما در گزارش های هواشناسی به آن اعتماد می کنیم. این الگوریتم ها می توانند به اصلاح خطاهای خطرناک در شبکه پیش فرض کمک کنند: افراد در تخمین احتمالات رفتار بدی دارند. سیستم های یادگیری ماشین می توانند در تصمیم گیری های ظریف که به طور بالقوه گزینه های متنوعی را برطرف می کنند ، کمک بزرگی کنند. افراد بسیار توانایی ساختن و پرداخت همزمان آینده خیالی سری های زمانی رقیب را دارند: در یکی از این برنامه ها ، شما کار جدیدی را پذیرفته اید و در برنامه دیگر رد کرده اید ، اما ذهن ما در صورت لزوم چندین یا صدها مسیر آینده را دنبال می کند. سقف صورت و محدودیت های محاسبه اما دستگاه های پیش بینی هوش مصنوعی این محدودیت را ندارند و باعث می شود آنها بتوانند به آنها در تصمیم گیری های مهم و مهم زندگی کمک کنند. تصمیماتی که به داده های طراحی تحلیلی ارزشمند و تعدادی از آینده های جایگزین بستگی دارد.
در دهه های آینده ، بسیاری از ما با استفاده از پیش بینی های یادگیری ماشین به ما کمک می کنیم تا انواع تصمیمات را در زندگی بگیریم: به عنوان مثال تغییرات شغلی ، برنامه ریزی مالی و تصمیمات شغلی. وقتی می خواهیم بیشتر به دستگاه های پیش بینی هوش مصنوعی اعتماد کنیم ، نیروهای سفر در زمان ما چه می شوند؟ شاید نتیجه این افتضاح یا رهایی باشد ، یا ترکیبی عجیب از هر دو باشد. اکنون به نظر می رسد اجتناب ناپذیر است که هوش مصنوعی قدرت آینده نگرانه ما را به روشی جدید و هدفمند ، خوب یا بد بدل می کند ، اما خوب است که فکر کنیم همه فناوری هایی که در درک اولیه ما از شبکه پیش فرض به ما کمک می کنند. ریشه های ما: به ذهنمان فرصت بیشتری برای پرسه زدن ، فرار از قید زمان حال ، خروج از لحظه فعلی بدهیم.
وب سایت مترجم ترجمه شده توسط استیون جانسون / ترجمه علی کوچکی / لینک: نیویورک تایمز
پیام تمام شد