محدودیتهای هوش مصنوعی در تصمیمگیریهای پیچیده و ابهامی زندگی واقعی, الگوریتمهای پیشرفته بازی شطرنج مانند دیپ بلو به گونهای برنامهریزی شدهاند که با تحلیل میلیاردها حرکت احتمالی، استراتژی حریف را پیشبینی کنند. با این حال، این سیستمها قادر نیستند در تصمیمگیریهای انسانی پیچیده — مانند انتخاب شریک زندگی یا مدیریت یک رابطه عاطفی — از میان میلیونها گزینه، بهترین مسیر را انتخاب کنند.

دلیل این ناتوانی در چیست؟\پیشبینیهای هربرت سایمون و واقعیت امروزهربرت سایمون، از بنیانگذاران هوش مصنوعی و برنده جوایز متعدد، معتقد بود اگر ماشینی بتواند بهترین شطرنجباز جهان را شکست دهد، قطعاً به سطح هوش انسانی نیز رسیده است.

او در سال ۱۹۶۵ پیشبینی کرد که تا سال ۱۹۸۵، ماشینها قادر خواهند بود هر کاری را که انسان انجام میدهد، به همان کیفیت یا حتی بهتر از او اجرا کنند.برنامه دیپ بلو در سال ۱۹۹۷ گاری کاسپاروف، بهترین شطرنجباز جهان را شکست داد، اما پیشبینی سایمون محقق نشد. از آن زمان تاکنون، بیش از ۲۵ سال میگذرد و هوش مصنوعی نتوانسته در اکثر وظایف انسانی جایگزین شود.

اگرچه با تکیه بر قانون مور، قدرت محاسبهی کامپیوترها هر دو سال دوبرابر شده و سیستمها در پردازش حجم عظیم داده برتری یافتهاند، اما نویسندگان کتاب عصر هوش مصنوعی و آینده بشر (هنری کیسینجر، اریک اشمیت و دانیل هاتنلاکر) با دیدگاه سایمون موافق نیستند و دلایل قانعکنندهای برای این مخالفت دارند.\اصل دنیای ثابت مرز بین محاسبه و درکتفاوت بنیادین بین بازیهایی مثل شطرنج و تصمیمگیریهای واقعی زندگی در ماهیت محیط است.

در شطرنج، هر موقعیت بر اساس چیدمان مهرهها روی صفحه تعریف میشود؛ قوانین ثابت، شفاف و فاقد ابهاماند. الگوریتم نیازی به درک مفهوم موقعیت ندارد، چون پروفایلهای دادهای به طور کامل واقعیت را بازنمایی میکنند.در مقابل، روابط انسانی و محیطهای اجتماعی پر از ابهام، تغییر و نوسان هستند. یک پروفایل دیجیتالی هرگز نمیتواند یک انسان واقعی را به طور کامل توصیف کند.

اصل دنیای ثابت بیان میکند الگوریتمهای پیچیده در محیطهای ثابت، بهخوبی تعریفشده و غنی از داده، عملکرد عالی دارند؛ در حالی که هوش انسان به طور مداوم با موقعیتهای مبهم، نوظهور و کمداده روبروست و همچنان در آنها تصمیمگیری موثقی انجام میدهد.\چرا پیشبینی رفتار انسان با دادههای بزرگ هم شکست میخورد؟برای پیشبینی دقیق آینده، سه شرط لازم است یک تئوری صحیح، دادههای معتبر و کافی، و یک دنیای ثابت بدون تحول.

ناسا در سال ۲۰۱۱ توانست فضاپیمای مسنجر را دقیقاً در نقطه پیشبینیشده هفت سال پیش روی مریخ فرود دهد، چون حرکت سیارات بر قوانین فیزیک ثابت و شناختهشده استوار است.اما شرکتهای تکنولوژیک که سعی میکنند رفتار انسان را بدون تئوری قوی، داده کامل و در دنیایی متغیر پیشبینی کنند، بارها ناکام ماندهاند.

مثالهای بارز شامل ناکامی در استخدام کارکنان مناسب، پیشبینی نادرست نتایج انتخابات، و برآورد نادرست شیوع ویروسهایی مانند آنفولانزا یا کرونا است.

در این حوزهها، محاسبه و داده به تنهایی کفایت نمیکنند؛ ما به قضاوت، نگرش، درایت و پذیرش ریسک برای مقابله با ابهام نیاز داریم.\ماشینها در کجا برتری دارند و در کجا ناتوانند؟قدرت الگوریتمها در حوزههایی با قوانین ثابت و بدون تحول (مانند بازیها، محاسبات ریاضی، تحلیل الگوهای دادهای تاریخی) رو به افزایش است.

اما در موقعیتهایی که ابهام، ریسک و پیچیدگی انسانی حاکم است — مانند تصمیمگیری در مصاحبه استخدام، یا قضاوت قاضی درباره آزادی موقت متهم — عملکرد آنها ضعیف و ناامیدکننده است.بنابراین، هوش مصنوعی ابزاری قدرتمند برای پردازش الگوهای ثابت است، نه جایگزینی برای حکمت، شهود و انعطافپذیری انسانی در مواجهه با ابهامات زندگی واقعی.\منبع کتاب AI