این داده‌‌‌ها به ‌‌‌واسطه مطالعه میلیون‌‌‌ها کتاب و مقاله و جمله، جمع‌‌‌آوری و پردازش شده‌‌‌اند. اما مشکل از آنجا سرچشمه می‌‌‌گیرد که زبان چیزی است که باید به‌‌‌درستی و به طور کامل «فهمیده شود» نه اینکه به‌‌‌محض مشاهده‌‌‌ شدن یک کلمه در یک جمله، یکسری کلمات دیگر در واکنش به آن کلمه پیشنهاد شود. به عبارت بهتر نقطه‌‌‌ ضعف بزرگ ترجمه ماشینی زمانی آشکارتر می‌شود که ابهامات و کلمات و جملات دوپهلو کنایه‌‌‌آمیز در یک متن وجود دارند و الگوریتم‌‌‌ها و کامپیوترها نمی‌‌‌توانند برای معنی‌‌‌کردن این ابهامات کار خاصی انجام دهند.

بنابراین، می‌‌‌توان ادعا کرد که آینده ترجمه ماشینی نه در ترجمه اتوماتیک، بلکه در سیستم‌‌‌های ترجمه با کمک کامپیوتر خلاصه می‌شود؛ یعنی جایی که از کامپیوترها و الگوریتم‌‌‌ها برای تشخیص ناهمگونی‌‌‌ها در یک متن و نظم‌‌‌بخشی به چیدمان لغات و جملات استفاده می‌شود. علاوه بر این، می‌‌‌توان از ترجمه اتوماتیک در مورد متونی که ابهام و پیچیدگی‌‌‌های کمتری دارند و قابل ‌‌‌پیش‌‌‌بینی هستند استفاده کرد؛ از جمله برای ترجمه اخبار و متون تجاری و البته ترجمه متون محرمانه و سری رایج در نهادهای امنیتی و نظامی که این نهادها را از دردسرهایی همچون استخدام و مراقبت‌‌‌های امنیتی از مترجمان مورد اعتماد و وفادار، خلاص خواهد کرد.

تشخیص اشیا و چهره‌‌‌ها

هنگامی که یک کودک به سگی اشاره می‌کند و می‌‌‌گوید: «سگ» یا وقتی که به یک گربه اشاره می‌کند و می‌‌‌گوید: «گربه» در واقع به قدرت تشخیص و شناخت انواع حیوانات دست‌‌‌ یافته است. به‌‌‌طور کلی، تشخیص اشیا یک توانایی بنیادین و کلیدی است و بدون آن سایر توانایی‌‌‌های شناختی سطح بالاتر از جمله تفکر، استنباط و تصمیم‌‌‌گیری غیرممکن خواهند بود. اما یک کودک نوپا چگونه می‌‌‌داند که یک حیوان سگ است و حیوانی دیگر گربه؟ آیا یک کودک به معیارهایی مانند شکل چشم‌‌‌ها یا فرم سر و سایر بخش‌‌‌های بدن حیوان توجه می‌کند و نوع آن حیوان را تشخیص می‌دهد؟ مطالعات انجام شده نشان داده‌‌‌اند که نوزادان سه‌‌‌ماهه به شکل‌‌‌های متفاوتی نسبت به سگ‌‌‌ها و گربه‌‌‌ها واکنش نشان می‌دهند و در این میان بر ویژگی‌‌‌های صورت و سر بیشتر از سایر قسمت‌‌‌های بدن متکی هستند.

تعداد نمونه‌‌‌هایی که کودکان برای یادگیری و تشخیص یک چیز نیاز دارند، بسیار کمتر از نمونه‌‌‌های مورد نیاز برای شبکه عصبی عمیق جهت یادگیری است، به‌‌‌طوری ‌‌‌که شبکه‌‌‌های عصبی عمیق به ده‌‌‌ها هزار تصویر از سگ و گربه نیاز دارند تا بتوانند سگ یا گربه بودن یک حیوان را تشخیص دهند. حال‌‌‌آنکه یک بچه فقط با یک یا چند بار دیدن یک گربه یا سگ می‌‌‌تواند به این توانایی برسد که یک گربه یا سگ را در موقعیت‌‌‌ها و زوایای مختلف و در نور کم ‌‌‌و زیاد و در حال دویدن یا ایستادن تشخیص دهد. اگر یک‌‌‌بار هم‌‌‌زمان با نشان ‌‌‌دادن یک دوچرخه به یک بچه ۳‌‌‌ساله به او بگوییم که این یک دوچرخه است، او این توانایی را دارد تا انواع مختلف دوچرخه را تشخیص دهد. اما یک شبکه عصبی عمیق حتی پس از دیدن هزاران تصویر از دوچرخه باز هم نمی‌‌‌تواند پس از دیدن دوچرخه‌‌‌های مختلف به‌‌‌درستی تشخیص دهد که آنها چه هستند.

برای یک کامپیوتر، تشخیص صورت، فعالیتی متفاوت از تشخیص ماشین‌‌‌ها و درختان محسوب نمی‌شود. اما این چیزها برای یک نوزاد یکسان نیستند. یک نوزاد تنها دو روز بعد از تولدش می‌‌‌تواند صورت مادرش را از دیگران تشخیص دهد. او حتی می‌‌‌تواند تصویر صورت مادرش در یک فیلم ویدئویی را تشخیص داده و به آن خیره شود. بااین‌‌‌همه، باید دانست که توانایی تشخیص صورت در انسان‌‌‌ها از بدو تولدشان به کمال نمی‌‌‌رسد و حدود ۱۰ سال زمان لازم است تا بچه‌‌‌ها به توانایی تشخیص چهره شبیه به آنچه افراد بالغ از آن برخوردار هستند دست یابند.

در واقع سیستم تشخیص و دریافت در انسان، به‌‌‌گونه‌‌‌ای طراحی شده که به او این امکان را می‌دهد تا در موقعیت‌‌‌ها و شرایط گوناگون و متغیر اشیا را تشخیص دهد و خود را با دنیایی که به طور پیوسته در حال دگرگون ‌‌‌شدن است مطابقت دهد. مغز انسان این توانایی را دارد تا نه فقط از یک مسیر، بلکه از مسیرهای مختلفی بر ابهامات و پوشیدگی‌‌‌ها چیره شود و چنانچه یک مسیر بسته باشد از مسیرهای دیگری برای رسیدن به هدفش استفاده کند. این انعطاف‌‌‌پذیری و سازگاری مغز با شرایط و شواهد متغیر و متفاوت را به‌‌‌اصطلاح «کارکرد نیابتی» مغز می‌‌‌نامند که در بسیاری از سیستم‌‌‌های بیولوژیک وجود دارد. در واقع پرندگان مهاجر هزاران کیلومتر را گاهی با اتکا به موقعیت ستارگان و گاهی با اتکا بر کوه‌‌‌ها و دشت‌‌‌هایی که از روی آنها عبور می‌کنند و گاهی باتوجه ‌‌‌به میدان مغناطیسی زمین پرواز می‌کنند و دقیقا به همان مکانی که در نظر دارند می‌‌‌رسند و این نمونه‌‌‌ای است از کارکردهای نیابتی در موجودات.

به همین ترتیب مغز انسان این توانایی را دارد تا صورت یک نفر را گاه براساس شکل چشم، گاه بر اساس فرم بینی و گاه باتوجه‌‌‌ به شکل لب آن فرد تشخیص دهد. حتی اگر بخشی از صورت یا چشم و بینی یک نفر هم پوشیده باشد باز هم مغز انسان این توانایی را دارد تا چهره یک فرد را باتوجه ‌‌‌به ویژگی‌‌‌های خارجی مانند مو یا شکل سر تشخیص دهد.

 اشتباهات انسان متفاوت با اشتباهات ماشین

هنگامی که یک سیستم نمونه تکامل‌‌‌ یافته‌‌‌تر سیستم قبلی باشد، به ‌‌‌احتمال زیاد اشتباهات کمتری مرتکب خواهد شد هر چند که نوع آن اشتباهات تفاوتی نخواهد داشت. بااین‌‌‌حال، اگر دو سیستم از نظر ویژگی‌‌‌های بنیادین با هم متفاوت باشند، مثلا از دو جنس کربن و سیلیکون ساخته شده باشند، اشتباهات آنها هم با هم تفاوت خواهد داشت. بنابراین اگر شبکه‌‌‌های عصبی مصنوعی شبیه به هوش انسانی باشند اشتباهاتی که مرتکب می‌‌‌شوند باید از نظر کمیت با اشتباهاتی که انسان‌‌‌ها مرتکب می‌‌‌شوند متفاوت باشد نه از نظر کیفیت.

با این ‌‌‌همه می‌‌‌بینیم که اشتباهات هوش مصنوعی برای انسان‌‌‌ها غیرمنتظره و غیرقابل ‌‌‌درک هستند و از سویی دیگر، هوش مصنوعی هیچ‌‌‌گاه مرتکب اشتباهاتی نمی‌شود که از انسان‌‌‌ها سر می‌‌‌زند. بسیاری از اشتباهات ما انسان‌‌‌ها از جمله اشتباهات محاسباتی و اشتباهاتی که در نتیجه نفوذ و تأثیرپذیری اجتماعی رخ می‌دهند برای هوش مصنوعی پیش‌‌‌پاافتاده و بی‌‌‌معنی به نظر می‌‌‌رسند. بسیاری از ما در زمینه محاسبات ذهنی کند و ضعیف هستیم، حال ‌‌‌آنکه کامپیوترها می‌‌‌توانند با سرعت و دقت حیرت‌‌‌انگیزی این محاسبات را انجام دهند. علاوه بر این ما انسان‌‌‌ها موجوداتی اجتماعی هستیم که به دیگران وابسته‌‌‌ایم و اعتقادات ما چه بخواهیم و چه نخواهیم تحت‌‌‌تاثیر اعتقادات دوستان و اعضای خانواده و اطرافیان ما قرار دارد.

منبع: کتاب The age of AI: and our human future