تحقیقات جدید هشدار میدهد که هوش مصنوعی میتواند بارها فریب بخورد و نمونههای غیرزیستی را به اشتباه به عنوان موجودات زنده در جهانهای دیگر شناسایی کند. این یافتهها که توسط دو محقق از دانشگاه ایالتی میشیگان انجام شده، زنگ خطری برای مأموریتهای فضایی آینده به شمار میرود.
کریستوف آدامی، زیستشناس محاسباتی دانشگاه میشیگان، در گفتوگو با Space.com اعلام کرد: «ما پیش از این مشاهده کرده بودیم که هوش مصنوعی یک پاشنه آشیل بزرگ دارد: زمانی که میخواهد چیزهایی را طبقهبندی کند که شبیه نمونههای آموزشی آن نیستند. ما این موارد را «خارج از توزیع» مینامیم و فریب دادن هوش مصنوعی برای طبقهبندی اشتباه بسیار آسان است.»
آدامی برنامهای به نام Avida را در سال 1993 طراحی کرد که موجودات دیجیتالی را شبیهسازی میکند. این موجودات با کپی کردن خود و رقابت برای منابع (مانند زمان CPU) تکثیر میشوند، درست مانند موجودات واقعی. این شبیهسازی مجموعه داده عظیمی از حیات مصنوعی فراهم کرد که برای آزمایش هوش مصنوعی ایدهآل است.
این تیم تحقیقاتی با صرف سه ماه پردازش روی هزار ماشین موازی، از هوش مصنوعی خواستند تا مشخص کند کدام برنامهها در آویدا ویژگیهای حیات را دارند. برنامههای زنده و غیرزنده کدگذاری بسیار مشابهی داشتند، همانطور که احتمالاً موجودات بیگانه نیز تفاوتهای ظریفی با موجودات زمینی دارند.
محققان با دنبالهای تصادفی از مولکولها شروع کردند و از هوش مصنوعی خواستند آنها را طبقهبندی کند. سپس با تغییرات تدریجی، سعی کردند هوش مصنوعی را فریب دهند تا نمونه غیرزنده را زنده تشخیص دهد. آدامی میگوید: «حدود 15 تغییر کافی بود تا هوش مصنوعی با اطمینان 100٪ نمونه غیرزنده را زنده اعلام کند، در حالی که هرگز واقعاً حیات نبود.»
این آزمایش نشان داد مهم نیست از چه دنبالهای شروع کنید، هوش مصنوعی به راحتی فریب میخورد. اما آیا این به معنای بیهودگی استفاده از هوش مصنوعی در اکتشافات فضایی است؟
بسیاری از دانشمندان هوش مصنوعی را ابزاری ارزشمند میدانند زیرا میتواند حجم عظیم داده را پردازش و الگوها را شناسایی کند. آدامی نیز معتقد است هوش مصنوعی نقش مهمی دارد، اما همانطور که در زندگی روزمره میبینیم، مستعد توهم و شناسایی الگوهای نادرست است.
مشکل اصلی به دادههای آموزشی بازمیگردد. اگر هوش مصنوعی را روی تصاویر سیب آموزش دهید و سپس از آن بخواهید موز را شناسایی کند، شکست میخورد زیرا موز «خارج از توزیع» دادههای آموزشی است. در مورد حیات بیگانه نیز دقیقاً همین مشکل وجود دارد: ما نمیدانیم موجودات فرازمینی چه شکلی دارند و ممکن است کاملاً متفاوت از میکروبهای زمینی باشند.
آدامی تأکید میکند: «شما باید دادههای آموزشی خود را بشناسید. اگر بدانید دادههای آزمایشی بخشی از همان توزیع هستند، مشکلی ندارید. اما نمیتوانید این را در مورد حیات فرازمینی تضمین کنید.»
این یافتهها برای مأموریتهایی مانند مریخنوردها که به دنبال نشانههای حیات در سیاره سرخ هستند، بسیار مهم است. اگر یک مریخنورد از هوش مصنوعی برای تحلیل نمونهها استفاده کند و فریب بخورد، ممکن است صخرهای بیجان را به عنوان مدرک حیات اعلام کند.
بهطور خلاصه، هوش مصنوعی ابزار قدرتمندی است اما برای جستجوی حیات بیگانه نیاز به احتیاط و طراحی دقیق آزمایشها دارد. دانشمندان بر این باورند که ترکیب هوش مصنوعی با روشهای سنتی و تأیید انسانی بهترین راهکار است.
