هوش مصنوعی به این زودیها جای دانشمندان کامپیوتر را نخواهد گرفت – در اینجا دلایل متعددی برای این موضوع آورده شده است.
همزمان با گسترش ظرفیتهای چشمگیر سیستمهای هوش مصنوعی، این باور رایج که رشته علوم کامپیوتر (CS) به زودی به گذشته خواهد پیوست، رو به افزایش است. این موضوع به شکل توصیههای خیرخواهانه به دانشجویان آینده منتقل میشود، اما بخش زیادی از آن چیزی بیش از شایعات افرادی نیست که علیرغم هوششان، خارج از تخصص خود صحبت میکنند. چهرههای برجستهای مانند کریستوفر پیساریدیس، اقتصاددان برنده جایزه نوبل، این استدلال را مطرح کردهاند و در نتیجه، این استدلال در سطحی بسیار پیش پا افتادهتر ریشه دوانده است – من حتی شخصاً شنیدهام که مشاوران شغلی دبیرستان، با وجود اینکه هیچ دانشی از خود این رشته ندارند، ایده تحصیل در رشته علوم کامپیوتر را کاملاً رد میکنند. این ادعاها معمولاً دو نقص رایج دارند. اولین مورد این است که این توصیهها از سوی افرادی ارائه میشود که دانشمند کامپیوتر نیستند. ثانیاً، سوءتفاهم گستردهای در مورد آنچه که علم کامپیوتر واقعاً شامل آن میشود، وجود دارد. هوش مصنوعی و افسانه جایگزینی کد گفتن اینکه هوش مصنوعی میتواند از روی دستورالعملها کد کامپیوتری بنویسد، درست همانطور که میتواند اشعار، دستور العملها و نامههای پوششی تولید کند، اشتباه نیست. این میتواند بهرهوری را افزایش دهد و گردش کار را سرعت بخشد، اما هیچکدام از اینها ارزش ورودی انسانی را از بین نمیبرد. کدنویسی مترادف با علوم کامپیوتر نیست. میتوان کدنویسی را بدون شرکت در حتی یک کلاس دانشگاهی یاد گرفت، اما مدرک علوم کامپیوتر فراتر از این یک مهارت است. این رشته، در کنار بسیاری از موارد دیگر، شامل مهندسی سیستمهای پیچیده، طراحی زیرساختها و زبانهای برنامهنویسی آینده، تضمین امنیت سایبری و تأیید صحت سیستمها میشود. هوش مصنوعی نمیتواند این وظایف را به طور قابل اعتمادی انجام دهد و در آینده قابل پیشبینی نیز قادر به انجام آن نخواهد بود. ورودی انسانی همچنان ضروری است، اما اطلاعات نادرست بدبینانه، دهها هزار دانشجوی با استعداد را از مشاغل مهم و معنادار در این حوزه حیاتی دور میکند.

آنچه هوش مصنوعی میتواند و نمیتواند انجام دهد
هوش مصنوعی در پیشبینی کردن عالی است. هوش مصنوعی مولد با افزودن یک لایه ارائه کاربرپسند به محتوای اینترنت، این ویژگی را بهبود میبخشد – اطلاعات را بازنویسی، خلاصه و قالببندی میکند تا شبیه کار انسان باشد. با این حال، هوش مصنوعی فعلی واقعاً “فکر نمیکند”. در عوض، به میانبرهای منطقی، معروف به اکتشافات، متکی است که دقت را فدای سرعت میکنند. این بدان معناست که با وجود صحبت کردن مانند یک شخص، نمیتواند استدلال کند، احساس کند، اهمیت دهد یا چیزی را بخواهد. به همان روشی که ذهن انسان کار میکند، کار نمیکند. چندی پیش به نظر میرسید که “مهندسی سریع” جایگزین CS خواهد شد. با این حال، امروزه عملاً هیچ آگهی شغلی برای مهندسان سریع وجود ندارد، در حالی که شرکتهایی مانند لینکدین گزارش میدهند که مسئولیتهای متخصصان CS در واقع گسترش یافته است.
جایی که هوش مصنوعی کم میآورد
آنچه هوش مصنوعی ارائه میدهد، ابزارهای قدرتمندتری برای متخصصان CS برای انجام کارهایشان است. این بدان معناست که آنها اکنون میتوانند مفاهیم را از ایدهپردازی تا استقرار بازار – در حالی که به نقشهای پشتیبانی کمتر و رهبری فنی بیشتری نیاز دارند، فراتر ببرند. با این حال، حوزههای بسیاری وجود دارد که در آنها هنوز ورودیهای تخصصی انسانی ضروری است، چه برای اعتماد، نظارت یا نیاز به خلاقیت انسانی. مثالها فراوانند، اما۱۰حوزه وجود دارد که به طور خاص برجسته هستند: تطبیق الگوریتم یک صندوق پوشش ریسک با شرایط اقتصادی جدید. این امر مستلزم طراحی الگوریتمی و درک عمیق از بازارها است، نه فقط انبوهی از کد. تشخیص قطعیهای متناوب سرویس ابری از ارائهدهندگانی مانند گوگل یا مایکروسافت. هوش مصنوعی میتواند در مقیاس کوچک عیبیابی کند، اما نمیتواند عیبیابی در مقیاس بزرگ و پرمخاطره را در متن قرار دهد. بازنویسی کد برای رایانههای کوانتومی. هوش مصنوعی نمیتواند این کار را بدون نمونههای گسترده از پیادهسازیهای موفق (که در حال حاضر وجود ندارند) انجام دهد. طراحی و ایمنسازی یک سیستم عامل ابری جدید. این شامل معماری سیستم سطح بالا و آزمایش دقیق است که هوش مصنوعی نمیتواند انجام دهد. ایجاد سیستمهای هوش مصنوعی با بهرهوری انرژی. هوش مصنوعی نمیتواند به طور خودجوش کد GPU کممصرفتری اختراع کند یا معماری خود را از نو اختراع کند. ساخت نرمافزار کنترل ایمن، مقاوم در برابر هکرها و بلادرنگ برای نیروگاههای هستهای. این امر مستلزم ترکیب تخصص سیستمهای تعبیهشده با ترجمه کد و طراحی سیستم است. تایید اینکه نرمافزار یک ربات جراحی تحت شرایط غیرقابل پیشبینی کار میکند. اعتبارسنجی ایمنی-بحرانی فراتر از محدوده فعلی هوش مصنوعی است. طراحی سیستمهایی برای تأیید اعتبار منابع ایمیل و تضمین یکپارچگی. این یک چالش رمزنگاری و چند رشتهای است. ممیزی و بهبود ابزارهای پیشبینی سرطان مبتنی بر هوش مصنوعی. این امر مستلزم نظارت انسانی و اعتبارسنجی مداوم سیستم است. ساخت نسل بعدی هوش مصنوعی ایمن و قابل کنترل. تکامل به سمت هوش مصنوعی ایمنتر نمیتواند توسط خود هوش مصنوعی انجام شود – این یک مسئولیت انسانی است.
چرا علوم کامپیوتر هنوز ضروری است؟
یک چیز قطعی است: هوش مصنوعی نحوه انجام مهندسی و علوم کامپیوتر را تغییر شکل خواهد داد. اما آنچه ما با آن مواجه هستیم تغییر در روشهای کار است، نه تخریب کامل این حوزه. هر زمان که با یک مشکل یا پیچیدگی کاملاً جدید روبرو میشویم، هوش مصنوعی به تنهایی به یک دلیل ساده کافی نخواهد بود: کاملاً به دادههای گذشته بستگی دارد. بنابراین، حفظ هوش مصنوعی، ساخت پلتفرمهای جدید و توسعه زمینههایی مانند هوش مصنوعی قابل اعتماد و مدیریت هوش مصنوعی، همگی به علوم کامپیوتر نیاز دارند. تنها سناریویی که در آن ممکن است به علوم کامپیوتر نیازی نداشته باشیم، این است که به نقطهای برسیم که دیگر انتظار هیچ زبان، سیستم، ابزار یا چالشهای جدیدی در آینده را نداشته باشیم. این امر به طرز چشمگیری بعید است. برخی معتقدند که هوش مصنوعی در نهایت ممکن است همه این وظایف را انجام دهد. این غیرممکن نیست، اما حتی اگر هوش مصنوعی تا این حد پیشرفته شود، تقریباً همه حرفهها را در معرض خطر یکسانی قرار میدهد. یکی از معدود استثنائات، کسانی هستند که هوش مصنوعی را میسازند، کنترل میکنند و پیش میبرند. یک سابقه تاریخی برای این موضوع وجود دارد: در طول انقلاب صنعتی، کارگران کارخانهها به دلیل پیشرفتهای سریع در ماشینآلات و فناوری، با نسبت ۵۰ به ۱ بیکار شدند. در آن صورت، نیروی کار در واقع با یک اقتصاد جدید رشد کرد، اما بیشتر کارگران جدید کسانی بودند که میتوانستند ماشینها را اداره یا تعمیر کنند، ماشینهای جدید توسعه دهند یا کارخانهها و فرآیندهای جدیدی را پیرامون ماشینآلات طراحی کنند. در طول این دوره از تحولات عظیم، مهارتهای فنی در واقع بیشترین تقاضا را داشتند، نه کمترین تقاضا. امروز، این موازیسازی صادق است: تخصص فنی، به ویژه در علوم کامپیوتر، ارزشمندتر از همیشه است.
گروه گزارش