۳ محدودیت هوش مصنوعی
در این کارگاه، آقای اسکار لوپز آلگره، رئیس اتاق بازرگانی اسپانیا در ویتنام، که حدود ۱۵ سال در ویتنام زندگی کرده و در صنعت توسعه نرم‌افزار فعالیت داشته است (مدیرعامل شرکت Nextway Technology)، مطالب جالبی را به اشتراک گذاشت.
اسکار گفت: «حدود سال‌های ۲۰۰۸-۲۰۰۹، من در مورد هوش مصنوعی مطالعه می‌کردم. در آن زمان، ما با ربات‌های کوچکی بازی می‌کردیم که می‌توانستند به طور خودکار حرکت کنند، حتی چراغ‌ها را روشن کنند. خیلی جالب بود اما آسان نبود. در سال ۲۰۱۵، من در IBM کار می‌کردم. ما از هوش مصنوعی برای خودکارسازی پیشنهادها برای کارمندان، نوشتن شرح وظایف خودکار استفاده می‌کردیم.»
آقای اسکار لوپز آلگره معتقد است که هوش مصنوعی محدودیت‌های خاصی دارد، بنابراین افراد باید هنگام استفاده از هوش مصنوعی همیشه تفکر انتقادی داشته باشند.
عکس: کوئین من
به گفته اسکار، این کاملاً شبیه به چیزی بود که اکنون در تحلیل داده‌ها اتفاق می‌افتد، اما این فناوری در آن زمان محدود بود. هوش مصنوعی به راحتی ایجاد و یادگیری می‌شود. مدیرعامل اذعان کرد: «امروزه، من از هوش مصنوعی برای همه چیز، از جمله ارائه‌ها، استفاده می‌کنم. هوش مصنوعی همه جا هست، ما هر روز از آن استفاده می‌کنیم و بیشتر و بیشتر. این یکی از سریع‌ترین محصولات پذیرفته شده در تاریخ اینترنت است. با این حال، همه چیزهایی که هوش مصنوعی می‌گوید درست نیست. این پیام اصلی است.»
این شخص مثالی زد: «یک بار پرسیدم چند رئیس جمهور مسلمان در آمریکا وجود دارد؟ پاسخ باراک اوباما بود. اما اوباما مسلمان نیست، این فقط یک کمپین اطلاعات غلط است. چنین پیش‌بینی‌های غلطی می‌تواند مشکلات سیاسی ایجاد کند.
من خودم پرسیدم که چگونه می‌توان گذرنامه اسپانیایی را در ویتنام تمدید کرد. هوش مصنوعی پاسخ داد: این کار را می‌توان در «کشور اسپانیا در شهر هوشی مین» انجام داد، اما شهر هوشی مین «کشور اسپانیا» ندارد! این نشان می‌دهد که محتوای تولید شده توسط هوش مصنوعی همیشه قابل اعتماد نیست.
از آنجا، آقای اسکار به محدودیت‌های هوش مصنوعی اشاره کرد. اولاً، هیچ استدلال واقعی وجود ندارد. هوش مصنوعی فقط بر اساس احتمال آماری پاسخ می‌دهد، نه درک مفاهیم. برای مثال، با «۲ + ۲ = ۴»، عدد ۲ یا جمع را نمی‌فهمد، بلکه فقط نتیجه صحیح را بر اساس یادگیری از داده‌ها پیش‌بینی می‌کند. بنابراین، نمی‌توان آن را هوش واقعی نامید.
محدودیت بعدی این است که داده‌های آموزشی تأثیر زیادی دارند: اگر داده‌ها جانبدارانه باشند، پاسخ‌ها نیز جانبدارانه خواهند بود. این می‌تواند باعث بی‌عدالتی شود، حتی بر تصمیمات استخدام یا اخراج تأثیر بگذارد.
سوم، تعصب است. اسکار گفت: «برای مثال، اگر از یک هوش مصنوعی بخواهید در مورد مردم اسپانیایی زبان جوک بگوید، مشکلی نیست، اما اگر در مورد سیاه پوستان بپرسید، مسدود می‌شود. هوش مصنوعی نباید «قضاوت کننده» آنچه شما می‌توانید بگویید باشد.»
بنابراین، این متخصص فناوری معتقد است که مردم همیشه باید تفکر انتقادی داشته باشند و نباید هوش مصنوعی را به عنوان حقیقت مطلق باور کنند.
آقای اسکار تأکید کرد: «امروزه، گاهی اوقات بیش از حد به آنها تکیه می‌کنیم. گاهی اوقات کاملاً باور می‌کنیم و فراموش می‌کنیم که ما انسان هستیم و چیزی به نام تفکر انتقادی داریم. می‌خواهم به مردم یادآوری کنم که تفکر انتقادی بسیار مهم است، استفاده از مغز بسیار مهم است. همه چیز فقط یک ابزار است. شما انسان هستید. هرگز این را فراموش نکنید. هرگز فراموش نکنید که شما هنوز استاد هستید. اگر استاد نباشید، جایگزین خواهید شد.»
آموزش دانشگاه چگونه باید تغییر کند؟
آقای تران توان آن، معاون مدیر شعبه و رئیس دپارتمان آموزش شعبه دانشگاه FPT در شهر هوشی مین، که در این کارگاه حضور داشت، اعلام کرد که انتظار می‌رود حدود ۳۹ مهارت اصلی کارگران فعلی تا سال ۲۰۳۰ تغییر کند (گزارش آینده مشاغل ۲۰۲۵ - مجمع جهانی اقتصاد ).
علاوه بر این، حدود ۲۷ تا ۲۸ درصد از مشاغل در کشورهای عضو سازمان همکاری و توسعه اقتصادی (OECD) در حال حاضر به دلیل هوش مصنوعی یا فناوری‌های مرتبط در معرض خطر بالای اتوماسیون قرار دارند.
آقای تران توان آن درباره مدل AI-First برای آموزش دانشگاهی صحبت می‌کند
عکس: کوئین من
آقای توان آن گفت: «هوش مصنوعی از نظر الزامات مهارتی و ویژگی‌های شغلی، بازار کار را عمیقاً تغییر می‌دهد. کاربرد هوش مصنوعی در تمام زمینه‌های زندگی به سرعت و به طور برگشت‌ناپذیری در حال وقوع است. بنابراین، وقتی کسب‌وکارها مجبورند مهارت‌های کارگران را برای برآورده کردن فرآیند کاری یکپارچه با هوش مصنوعی، بازآموزی یا ارتقا دهند، گزینه آموزش دانشگاهی چیست؟»
به گفته آقای توآن آن، آموزش دانشگاهی با چالش‌های بی‌سابقه‌ای در آماده‌سازی فارغ‌التحصیلان برای شرایط جدید روبرو است. بنابراین، نیاز به الگویی برای آموزش دانشگاهی وجود دارد.
به گفته آقای توان آن، مدل AI-First ممکن است رویکرد مناسبی در شرایط فعلی باشد. AI-First یک تغییر الگو است که در آن هوش مصنوعی به جای اینکه فقط یک ابزار مکمل در نظر گرفته شود، به عنصر اصلی در فرآیند تدوین استراتژی، تصمیم‌گیری و عملیات تبدیل می‌شود.
به طور خاص، دانشگاه‌ها باید از هوش مصنوعی در تدریس و ارزیابی استفاده کنند، محتوا و مسیرهای یادگیری را شخصی‌سازی کنند و هوش مصنوعی را عمیقاً در برنامه‌های آموزشی ادغام کنند. به طور خاص، چارچوب برنامه آموزشی باید تنظیم شود، محتوای هر موضوع باید با سطح مناسبی از ادغام هوش مصنوعی دوباره طراحی شود، مقیاسی برای اندازه‌گیری و ارزیابی ظرفیت هوش مصنوعی دانشجویان ایجاد شود و به استانداردهای ملی و بین‌المللی دسترسی پیدا شود.
آقای توان آنه گفت: «به طور خاص، دانشگاه‌ها باید نیازهای کارفرمایان را ارزیابی کرده و تغییرات در فرآیندهای کاری را تجزیه و تحلیل کنند تا مشخص شود کدام مهارت‌ها مهم هستند و کدام مهارت‌ها دیگر ضروری نیستند. از آنجا، یک چارچوب شایستگی بر اساس موقعیت‌های شغلی ایجاد کنند.»
به گفته آقای توان آن، هدف از همه موارد فوق، آموزش دانشجویانی است که به افرادی با دانش بنیادی قوی، درک عمیق از حوزه و بین رشته‌ای تبدیل شوند؛ مهارت‌های تفکر (انتقادی، سیستماتیک، خلاقانه) و حل مسئله داشته باشند؛ مهارت‌های اجتماعی، اخلاق و یادگیری مادام‌العمر داشته باشند. در عین حال، روحیه کارآفرینی داشته باشند، نه برای راه‌اندازی یک کسب و کار، بلکه برای اینکه بتوانند به سرعت با تغییرات فناوری و محیط کار سازگار شوند.
منبع: https://thanhnien.vn/chuyen-gia-cong-nghe-chi-ra-su-thieu-tri-tue-cua-ai-va-loi-nhac-quan-trong-18525091915433146.htm
![[عکس] نخست وزیر فام مین چین ریاست اولین جلسه کمیته مرکزی راهبری سیاست مسکن و بازار املاک و مستغلات را بر عهده دارد](https://vphoto.vietnam.vn/thumb/1200x675/vietnam/resource/IMAGE/2025/9/22/c0f42b88c6284975b4bcfcf5b17656e7)
![[عکس] دبیرکل، تو لام، مدال درجه یک کارگری را به گروه ملی انرژی و صنعت ویتنام اهدا می‌کند](https://vphoto.vietnam.vn/thumb/1200x675/vietnam/resource/IMAGE/2025/9/21/0ad2d50e1c274a55a3736500c5f262e5)
نظر (0)