“من نمی توانم کدنویسی کنم، و این من را آزار می دهد زیرا – با کتاب ها و دوره ها و اردوهای بسیار – این روزها فرصت های زیادی برای یادگیری وجود دارد. فکر می کنم اگر به زبان آنها صحبت کنم، انقلاب ماشینی را خیلی بهتر درک می کنم. آیا حداقل باید تلاش کنم؟»
– رمزگشا
رمزگشای عزیز
تمایل شما به صحبت کردن به «زبان» ماشین‌ها مرا به یاد داستان کوتاه تد چیانگ «تکامل علوم انسانی» می‌اندازد. داستان آینده‌ای را تصور می‌کند که در آن تقریباً تمام رشته‌های دانشگاهی تحت تسلط «فرا انسان‌های» فوق‌هوش‌مندی قرار گرفته‌اند که درک آنها از جهان بسیار فراتر از درک متخصصان انسانی است. گزارش‌های مربوط به اکتشافات جدید فراانسان – اگرچه ظاهراً به زبان انگلیسی نوشته شده و در مجلات علمی منتشر شده و هر کسی می‌خواهد آن را بخواند، آنقدر پیچیده و از نظر فنی مبهم است که دانشمندان بشری به نقشی شبیه به الهی‌دانان تنزل داده‌اند و سعی در تفسیر متون مبهم دارند. از نظر آنها همانگونه که اراده خدا برای دانشوران قرون وسطی بود. این دانشمندان بالقوه به جای انجام تحقیقات اصلی، اکنون هنر هرمنوتیک را تمرین می کنند.
زمانی نه چندان دور، زمانی بود که کدنویسی به عنوان یکی از آینده‌نگرترین مجموعه‌های مهارتی در نظر گرفته می‌شد که فردی را وارد نخبگان فناوری کرد که آینده ما را تعیین می‌کرد. داستان چیانگ که برای اولین بار در سال 2000 منتشر شد، از نظر توانایی در پیش بینی محدودیت های این دانش، پیش بینی کننده بود. در زمینه‌هایی مانند یادگیری عمیق و سایر اشکال هوش مصنوعی پیشرفته، بسیاری از فن‌آوران در حال حاضر بیشتر شبیه الهی‌دانان یا کیمیاگران به نظر می‌رسند تا «متخصصان» به معنای امروزی کلمه: اگرچه آنها کد اولیه را می‌نویسند، اما اغلب نمی‌توانند پیدایش را توضیح دهند. مهارت‌های سطح بالاتری که برنامه‌های آنها در حین آموزش روی مجموعه‌های داده ایجاد می‌کنند. (کسی هنوز شوک شنیدن دیوید سیلور، دانشمند تحقیقاتی اصلی در DeepMind را به یاد می آورد که در سال 2016 اصرار داشت که نمی تواند توضیح دهد که AlphaGo – برنامه ای که او طراحی کرده بود – چگونه توانست استراتژی برنده خود را توسعه دهد: “این را برای خودش کشف کرد.” ، “از طریق فرآیند درون نگری و تحلیل خود.”)
در همین حال، الگوریتم‌هایی مانند GPT-3 یا GitHub’s Copilot یاد گرفته‌اند که کد بنویسند، و بحث‌هایی را در مورد اینکه آیا توسعه‌دهندگان نرم‌افزار، که زمانی حرفه‌شان جزیره‌ای آرام در سونامی آینده اتوماسیون در نظر گرفته می‌شد، ممکن است به زودی نامربوط شوند و ترس وجودی در مورد خود-خود را برانگیختند. برنامه نويسي. سناریوهای Runaway AI مدت‌ها است که بر این امکان تکیه می‌کنند که ماشین‌ها ممکن است یاد بگیرند که خودشان تکامل یابند، و در حالی که الگوریتم‌های کدنویسی قصد ندارند تصاحب Skynet را آغاز کنند، با این وجود نگرانی‌های موجهی را در مورد عدم شفافیت فزاینده فناوری‌های ما ایجاد می‌کنند. به هر حال، هوش مصنوعی به کشف راه‌حل‌های خاص و ابداع زبان‌های موردی که برای انسان‌ها غیرمعمول است، تمایل دارد. بسیاری به طور قابل درک شروع به تعجب کرده اند: وقتی انسان ها دیگر نمی توانند کد را بخوانند چه اتفاقی می افتد؟
من همه اینها را، رمزگشا، برای تصدیق واقعیت های بد، برای تحقیر جاه طلبی های شما، که به نظر من قابل ستایش است، ذکر می کنم. با توجه به ارزشش، ترس های غالب در مورد منسوخ شدن برنامه نویسان من را هشدار دهنده و زودرس می دانند. کدهای خودکار چندین دهه است که به شکلی وجود داشته است (ویرایشگرهای وب دهه 1990 که HTML و CSS را تولید کردند) را به یاد بیاورید، و حتی پیشرفته ترین الگوریتم های کدنویسی در حال حاضر مستعد خطاهای ساده هستند و نیازی به نظارت کمی ندارند. به نظر من نیز به نظر می رسد که شما آنقدر به دنبال ایجاد حرفه ای با کدنویسی نیستید، بلکه با یک حس عمیق کنجکاوی انگیزه دارید. شاید شما لذت‌های خلاقانه علاقه‌مندان را در نظر می‌گیرید – مشارکت در پروژه‌های منبع باز یا پیشنهاد رفع اشکالات ساده در برنامه‌هایی که مرتباً از آنها استفاده می‌کنید. یا شاید شما مجذوب امکان خودکارسازی جنبه های خسته کننده کار خود شده اید. آنچه شما بیش از همه آرزو دارید، اگر من سوال شما را به درستی می خوانم، درک کاملتر زبانی است که زیربنای بسیاری از زندگی مدرن است.
دلیل قانع‌کننده‌ای وجود دارد که کدنویسی اکنون یک شکل اساسی از سواد است – اینکه درک ساختار داده‌ها، الگوریتم‌ها و زبان‌های برنامه‌نویسی برای درک ایدئولوژی‌های بزرگ‌تری که در آن گرفتار شده‌ایم به اندازه خواندن و نوشتن بسیار مهم است. البته طبیعی است که به فرد دلتنگی بی اعتماد شویم. (توسعه‌دهندگان آماتور معمولاً به دلیل دانش کافی برای ایجاد خرابی، تحقیر می‌شوند، زیرا بر نحو زبان‌های برنامه‌نویسی تسلط دارند، اما هیچ‌کدام از آینده‌نگری و بینش لازم برای ایجاد محصولات موفق را ندارند.) اما این برزخ تخصص ممکن است به عنوان رشته‌ای در فروتنی نیز تلقی شود. . یکی از فواید دانش آماتوری این است که صرفاً به واسطه تحت تأثیر قرار دادن افراد مبتدی که چقدر کمی می دانند، کنجکاوی ایجاد می کند. در عصر رابط‌های ساده و کاربرپسند، وسوسه انگیز است که فناوری‌های خود را بدون در نظر گرفتن انگیزه‌ها و برنامه‌هایی که در زیر سطح پنهان شده‌اند در نظر بگیریم. اما هر چه بیشتر در مورد ساختار زیربنایی بیاموزید، سؤالات اساسی تری شما را مشغول می کند: چگونه کد به تکانه های الکتریکی ترجمه می شود؟ طراحی نرم‌افزار چگونه تجربه کاربران را تغییر می‌دهد؟ ارزش اساسی اصولی مانند دسترسی آزاد، اشتراک گذاری، و مشترکات دیجیتال چیست؟ برای مثال، برای یک کاربر معمولی، پلتفرم‌های اجتماعی ممکن است برای ارتباط شما با دوستان و ارائه اطلاعات مفید طراحی شده باشند. با این حال، آگاهی از نحوه ساختار یک سایت، ناگزیر باعث می‌شود که بیشتر در مورد اینکه چگونه ویژگی‌های آن برای به حداکثر رساندن توجه، ایجاد مسیرهای داده‌ای قوی و کسب درآمد از نمودارهای اجتماعی به کار گرفته می‌شوند، بیشتر فکر کند.
در نهایت، این دانش پتانسیل این را دارد که ما را در برابر جبرگرایی واکسینه کند. کسانی که درک می کنند که یک برنامه چگونه ساخته می شود و چرا طراحی آن را به عنوان یک برنامه اجتناب ناپذیر می پذیرند. شما از یک انقلاب ماشینی صحبت کردید، اما شایان ذکر است که مشهورترین انقلاب‌های تاریخی (آنهایی که آغاز شده‌اند، یعنی توسط انسان‌ها) نتیجه سوادآموزی توده‌ای همراه با نوآوری‌های فناوری بود. اختراع چاپخانه و تقاضای کتاب از سوی مردمی که تازه باسواد بودند، زمینه ساز اصلاحات پروتستانی و همچنین انقلاب فرانسه و آمریکا شد. هنگامی که بخش قابل توجهی از مردم قادر به خواندن برای خود شدند، شروع به زیر سوال بردن اقتدار کاهنان و پادشاهان و اجتناب ناپذیر بودن فرضیات حاکم کردند.
کادر فناورانی که در حال حاضر در حال سنجش فوری‌ترین پرسش‌های اخلاقی ما هستند – در مورد عدالت داده، اتوماسیون و ارزش‌های هوش مصنوعی – اغلب بر نیاز به بحث عمومی بزرگ‌تر تاکید می‌کنند، اما گفت‌وگوی ظریف زمانی که عموم مردم دانش اساسی از فناوری‌ها ندارند دشوار است. در سوال. (برای مثال، فقط کافی است به جلسه اخیر کمیته فرعی مجلس نمایندگان ایالات متحده نگاهی بیندازید تا ببینید قانونگذاران تا چه اندازه از درک فناوری هایی که به دنبال تنظیم آن هستند فاصله دارند.) نیویورک تایمز کوین روز، نویسنده فناوری مشاهده کرده است که مدل‌های پیشرفته هوش مصنوعی «پشت درهای بسته» در حال توسعه هستند، و افراد عادی کنجکاو به طور فزاینده‌ای مجبور می‌شوند تا از طریق گزارش‌های باطنی در مورد عملکرد درونی‌شان استفاده کنند – یا از توضیحات متخصصان در مورد ایمان استفاده کنند. هنگامی که اطلاعات در مورد [these technologies] او می نویسد که عمومی می شود، “اغلب یا توسط روابط عمومی شرکت ها کم می شود یا در مقالات علمی غیرقابل درک مدفون می شود.”
اگر داستان چیانگ تمثیلی در مورد اهمیت نگه داشتن انسان‌ها «در حلقه» باشد، همچنین یک مورد ظریف برای اطمینان از اینکه دایره دانش تا حد امکان بزرگ است، ایجاد می‌کند. در لحظه‌ای که هوش مصنوعی در زبان‌های ما بیش از پیش مهارت پیدا می‌کند و ما را با توانایی خواندن، نوشتن و مکالمه به‌گونه‌ای شگفت‌زده می‌کند که می‌توان به طور قابل قبولی احساس انسان بودن کرد، نیاز انسان به درک لهجه‌های برنامه‌نویسی به همه چیز تبدیل شده است. فوری تر هر چه بیشتر از ما که بتوانیم آن بحث را بیان کنیم، بیشتر احتمال دارد که نویسندگان انقلاب ماشینی باقی بمانیم تا مفسران آن.
صادقانه،
ابر
اگر چیزی را با استفاده از پیوندهای موجود در استوری های ما خریداری کنید، ممکن است کمیسیون دریافت کنیم. این به حمایت از روزنامه نگاری ما کمک می کند. بیشتر بدانید.
این مقاله در شماره مارس 2023 ظاهر می شود. اکنون مشترک شوید.
نظر خود را در مورد این مقاله با ما در میان بگذارید. ارسال نامه به سردبیر در [email protected].