شکست هوش مصنوعی در برابر ویروس‏‏‌ها

به همین دلیل هم هست که خیلی‌‌‌ها به دنبال یافتن راهی مطمئن و سریع برای تشخیص و ردیابی شیوع ویروس آنفلوانزا در کشورها هستند. مراکز کنترل بیماری‌‌‌های آمریکا هر ساله و پس از آغاز دوره شیوع ویروس آنفلوانزا اقدام به جمع‌‌‌آوری و پردازش اطلاعات مربوط به مراجعه مبتلایان به پزشکان عمومی در سراسر آمریکا می‌کنند و می‌‌‌کوشند با تهیه یک بانک اطلاعاتی بزرگ به شهروندان در مورد نقشه پراکندگی و تراکم ویروس آنفلوانزا در کشور اطلاع‌‌‌رسانی کنند.

اما مشکل بزرگی که در اینجا وجود دارد و از اثربخشی این اقدام نهادهای بهداشتی می‌‌‌کاهد، زمان‌بربودن این فرآیند است. تا این اطلاعات جمع‌‌‌آوری‌‌‌ شوند و نقشه مراجعه بیماران آنفلوانزایی به پزشکان تهیه شود و در مورد آن اطلاع‌‌‌رسانی صورت پذیرد، زمان طلایی جلوگیری از شیوع ویروس آنفلوانزا از دست می‌رود.

مهندسان گوگل در اواسط سال ۲۰۰۸ اعلام کردند که روشی سریع‌‌‌تر و موثرتر برای شناسایی و پیش‌‌‌بینی شیوع ویروس آنفلوانزا ابداع کرده‌‌‌اند که می‌تواند جلوی شیوع گسترده این ویروس را بگیرد. در این روش از تمایل کاربران اینترنت برای جست‌‌‌وجو در موتورهای جست‌‌‌وجو به‌ویژه گوگل برای پی بردن به علائم ابتلا به آنفلوانزا و درمان‌‌‌های مناسب برای آن کمک گرفته می‌‌‌شد و افزایش موارد جست‌‌‌وجوی کاربران در این زمینه به عنوان نشانه‌‌‌های اولیه شیوع ویروس آنفلوانزا در نظر گرفته می‌‌‌شد.

مهندسان گوگل با استفاده از یک الگوریتم سری و با بهره‌‌‌گیری از پردازش و تحلیل ۵۰میلیون جست‌‌‌وجو که در آنها ۴۵ کلمه کلیدی و پرکاربرد مرتبط با علائم و درمان‌‌‌های آنفلوانزا مورد استفاده کاربران قرار گرفته بود، این ادعا را مطرح کردند که نقشه پراکندگی این ویروس را به طور لحظه‌‌‌ای آماده کرده‌‌‌اند و مدعی بودند که توانسته‌‌‌اند با استفاده از این مدل مراجعه مبتلایان به آنفلوانزا به پزشکان را به صورت روزانه و هفتگی پیش‌‌‌بینی کنند.

این الگوریتم ساخته‌‌‌ و پرداخته مهندسان گوگل موسوم به روندهای آنفلوانزای گوگل (Google Flu Trends) توانست در پاییز و زمستان آن سال تا حد زیادی به‌‌‌خوبی عمل کند و پیش‌‌‌بینی‌‌‌های ارائه شده از سوی آن تا حد زیادی درست از آب درآمد و خیلی‌‌‌ها را نسبت به آینده امیدوار کرد. اما کمی بعد یعنی در بهار سال ۲۰۰۹ اتفاقی افتاد که عملکرد و اعتبار این الگوریتم را زیر سوال برد، چرا که در ماه مارس آن سال، موج پیش‌‌‌بینی نشده‌‌‌ای از آنفلوانزا آمریکا را فرا گرفت و ماه اکتبر به اوج خودش رسید و روند گوگل هم نتوانست این شیوع بزرگ و مهلک ویروس آنفلوانزا را در آمریکا پیش‌‌‌بینی کند. طبق پیش‌‌‌بینی این الگوریتم، ویروس آنفلوانزا در زمستان سال ۲۰۰۹ به اوج می‌‌‌رسید و در تابستان فروکش می‌‌‌کرد که هیچ کدام از این پیش‌‌‌بینی‌‌‌ها درست از آب در نیامد.

 اصرار نابجا بر پیچیدگی

بعد از این شکست و ناکامی بود که مهندسان تصمیم گرفتند الگوریتم‌‌‌های مورد استفاده خود را بهبود ببخشند و برای این کار دو راه پیش رو داشتند: اول اینکه با افزایش پیچیدگی الگوریتم‌‌‌ها سعی کردند نقاط ضعف آنها را برطرف سازند، آن هم با این توجیه که مسائل پیچیده به راه‌حل‌‌‌های پیچیده‌‌‌تری نیاز دارند و اگر یک الگوریتم پیچیده نتوانست مساله‌ای را حل کند پس باید از الگوریتم‌‌‌های پیچیده‌‌‌تری برای حل آن مساله استفاده کرد. رویکرد دوم هم عبارت بود از پیروی از اصل دنیای ثابت که می‌‌‌گوید با استفاده از داده‌‌‌های بزرگ که مبتنی بر زمان گذشته و داده‌‌‌های جمع‌‌‌آوری‌‌‌شده از گذشته هستند نمی‌توان پیش‌‌‌بینی خوبی از آینده و موقعیت‌‌‌های مبهم و نامعلوم آن داشت. بنابراین باید به دنبال ساده‌‌‌سازی چیزها بود. متاسفانه مهندسان گوگل روش اول را انتخاب کردند و به دنبال پیچیدگی بیشتر رفتند و تصمیم گرفتند به‌‌‌جای ۴۵ کلمه به‌‌‌عنوان کلمات کلیدی و پرکاربرد برای جست‌‌‌وجو در مورد آنفلوانزا بر ۱۶۰کلمه تمرکز کنند و از الگوریتم پیچیده‌‌‌تری برای پردازش جست‌‌‌وجوهای انجام‌‌‌گرفته با استفاده از این ۱۶۰ لغت استفاده کردند.

این الگوریتم تقویت‌‌‌شده و پیچیده‌‌‌تر در ابتدا و در کوتاه‌‌‌مدت خیلی موثر عمل کرد و توانست موارد جدید ابتلا به آنفلوانزا را به‌‌‌خوبی پیش‌‌‌بینی کند اما در بلندمدت نتوانست عملکرد خوبی داشته باشد، به‌‌‌طوری که در ۱۰۰هفته از ۱۰۸ هفته در فاصله زمانی بین اوت ۲۰۱۱ تا سپتامبر ۲۰۱۳ این الگوریتم در پیش‌‌‌بینی میزان مراجعه مبتلایان به پزشکان دچار اشتباه شد و این تعداد را بیش از آن حدی که اتفاق افتاد پیش‌‌‌بینی کرده بود. علت اصلی این ناکامی الگوریتم پیچیده جدید در زمینه پیش‌‌‌بینی آینده به این واقعیت مربوط می‌‌‌شد که خود آنفلوانزا یک بیماری ثابت نبود و به طور مداوم تغییر پیدا می‌‌‌کرد و شاهد جهش‌‌‌های متعددی بود که هر کدام دارای علائم و اثرات جانبی متفاوتی نسبت به نمونه‌‌‌های قبلی ویروس آنفلوانزا بودند. همین امر موجب شده بود که پیش‌‌‌بینی وضعیت آنها دشوارتر شود. علاوه بر این، خیلی‌‌‌ها که اصلا مریض نبودند و هیچ علائمی دال بر ابتلا به آنفلوانزا در آنها وجود نداشت نیز از روی کنجکاوی و برای اینکه خیالشان راحت شود که به آنفلوانزا مبتلا نشده‌‌‌اند اقدام به جست‌‌‌وجو در اینترنت می‌‌‌کردند و این در شرایطی بود که الگوریتم قادر به تشخیص و تفکیک این دو گروه جست‌‌‌وجو از هم نبود.  با این‌‌‌ همه، باز هم مهندسان گوگل از اشتباه خود درس نگرفتند و در سال‌های بعد باز هم تلاش کردند تا از طریق پیچیده‌‌‌تر کردن الگوریتم‌‌‌های مورد استفاده خود، پیش‌‌‌بینی‌‌‌های بهتر و دقیق‌‌‌تری از وضعیت شیوع آنفلوانزا ارائه دهند که در اکثر موارد هم ناکام ماندند و در نتیجه پروژه روندهای آنفلوانزای گوگل برای همیشه متوقف شد. به‌‌‌طورکلی باید گفت که علت اصلی شکست پروژه روندهای آنفلوانزای گوگل و بسیاری دیگر از پروژه‌‌‌های مشابه که طراحان و مجریان آنها ترجیح می‌‌‌دادند با افزایش پیچیدگی الگوریتم‌‌‌ها با مشکلات و کمبودها مواجه شوند این بود که آنها به‌‌‌اشتباه سعی داشتند با استفاده از داده‌‌‌های بزرگ که ریشه در گذشته دارد، به مصاف تحولات آینده‌‌‌ای مبهم و در حال تغییر بروند که مشخص است چنین رویه‌‌‌ای راه به جایی نخواهد برد و به شکست خواهد انجامید.

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