هوش مصنوعی میتواند ایمیلهای شما را بنویسد، کدهای شما را عیبیابی کند و پیش از آنکه قهوهتان را تمام کنید، یک گزارش صد صفحهای را خلاصه کند. این سرعت واقعی است و وسوسهانگیز. اما سرعت بدون جهت، فقط حرکت سریعِ بیهدف است. افراد زیادی دارند فرمان را به ماشین میسپارند. آنها خروجی چتباتها را بدون خواندن، کپی و پیست میکنند. آنها کدهای تولیدشده توسط هوش مصنوعی را بدون درک منطق آن میپذیرند. آنها از یک مدل زبانی میخواهند تصمیمات استراتژیک بگیرد و سپس تعجب میکنند که چرا نتیجه پوچ به نظر میرسد. این استفاده از یک ابزار نیست؛ این تکیه کردن به یک عصا است.
مشکل معمولاً از چیزهای کوچک شروع میشود. یک توسعهدهنده با یک باگ خستهکننده مواجه میشود و به جای ردیابی خودِ خطا، از هوش مصنوعی میخواهد «فقط آن را درست کن». یک بازاریاب دهها پست وبلاگ تولید میکند و بدون بررسی واقعیتها آنها را منتشر میکند، صرفاً چون لحن نوشتهها با اعتمادبهنفس به نظر میرسید. یک مدیر، کل خلاصه پروژه را به یک الگوریتم برونسپاری میکند و سپس طرح را در جلسه ارائه میدهد، بدون اینکه حتی یک موازنه (trade-off) را درونی کرده باشد. در هر مورد، آن شخص از فکر کردن دست کشیده است. آنها نه تنها تایپ کردن، بلکه قضاوت کردن را هم برونسپاری کردهاند. اینجاست که آسیب شروع میشود.
هوش مصنوعی در کارهای خاصی عالی عمل میکند. با آن مانند یک دستیار ماهر رفتار کنید، نه جایگزینی برای تخصص.
آنچه ماشین باید انجام دهد:
سازماندهی دادهها. خروجیهای خام از یک CRM، صفحات گستردهی نامنظم یا بیست صفحه از متن جلسات را به آن بدهید. اجازه دهید دستهبندی، برچسبگذاری و قالببندی را انجام دهد. میتواند الگوهایی را در حجم دادهها تشخیص دهد که دیدن آنها ساعتها از شما زمان میبرد. اما آنچه نباید انجام دهد، تصمیمگیری درباره معنای آن الگوها برای کسبوکار شماست.
پیشنویس ایدههای اولیه. صفحه سفید بسیار لجباز است. هوش مصنوعی میتواند با ارائه یک طرح کلی، یک قالب ایمیل اولیه یا اولین نسخه از مستندات، این مانع شروع را بشکند. این کار اینرسیِ شروع کار را از بین میبرد. پیشنویس، ماده اولیه است، نه محصول نهایی.
سرعت بخشیدن به کارهای تکراری. تغییر نام دستهجمعی فایلها، قالببندی JSON، تولید توابع Boilerplate یا نوشتن پرسوجوهای استاندارد SQL. اینها کارهای مکانیکی هستند. سپردن آنها به ماشین، ساعتها از وقت شما را برای کارهایی که واقعاً نیازمند خلاقیت هستند، آزاد میکند.
اینها نقشهای حمایتی هستند. لحظهای که انتظار داشته باشید ابزار تمام بار را به دوش بکشد، کیفیت فرو میپاشد.
آنچه مغز شما باید حفظ کند:
تفکر انتقادی. هوش مصنوعی دچار توهم (hallucination) میشود. توابع کتابخانهای میسازد که وجود ندارند، به مقالات پژوهشی استناد میکند که هرگز نوشته نشدهاند و دروغها را با گرامری بینقص بیان میکند. اگر شکاک نباشید، خطاها را منتشر میکنید. شما باید هر خروجی را همانطور که کار یک کارآموز تازهکار اما با اعتمادبهنفس را بررسی میکنید، بازبینی کنید: هیچ چیز را بدیهی فرض نکنید و همه چیز را تأیید کنید.
تصمیمات نهایی. یک ابزار میتواند سه استراتژی بازاریابی را فهرست کند، اولویتهای ویژگیها را پیشنهاد دهد یا یک بودجه را پیشنویس کند. اما نمیتواند ظرفیت تیم شما، میزان ریسکپذیری شما یا خط اخلاقی شرکتتان را که از عبور از آن خودداری میکنید، بداند. آن تصمیمات نیازمند زمینهای (context) هستند که خارج از دادههای آموزشی قرار دارد. شما انتخاب میکنید و مسئولیت پیامد آن را بر عهده میگیرید.
حل مسائل پیچیده. باگهای نوظهور، انتخابهای معماری و طراحی انسانمحور تنها با تطبیق الگو (pattern matching) حل نمیشوند. هوش مصنوعی آنچه را که قبلاً دیده است، بازآرایی میکند. وقتی با مشکلی روبرو میشوید که جهان هنوز راه حل شفافی برای آن پیدا نکرده است، تنها چیزی که اهمیت دارد، استدلال خود شماست.
اتوماسیون زمانی بهترین عملکرد را دارد که شما آن را هدایت کنید. آن را مانند سیستم کروز کنترل در بزرگراه تصور کنید. سرعت را ثابت نگه میدارد، اما دستان شما نزدیک فرمان، چشمانتان به جاده و در لحظهای که ترافیک غیرقابل پیشبینی میشود، کنترل را در دست میگیرید. اگر به صندلی عقب بروید و چرت بزنید، تصادف اجتنابناپذیر است.
خطر فقط خطای فوری نیست؛ بلکه تحلیل رفتن تواناییها در درازمدت است. مهارتهای تحلیلی وقتی استفاده نشوند، کند میشوند. یک توسعهدهنده جونیور که اجازه میدهد هوش مصنوعی هر تابع را بنویسد، در جلسه بازبینی کد (code review) وقتی کسی میپرسد «چرا این رویکرد را انتخاب کردی؟» دچار مشکل خواهد شد. نویسندهای که فکر کردن را برونسپاری میکند، همان لحن یکنواخت و کلیشهای را تولید میکند که هر مقاله دیگرِ کمکگرفته از هوش مصنوعی دارد. یک تحلیلگر داده که هرگز مدلهای خودش را نمیسازد، فراموش میکند که چگونه همبستگیهای کاذب را تشخیص دهد. این زوال تدریجی است. متوجه آن زمانی میشوید که یک بحران واقعی رخ دهد و شما به دنبال آن عضله ذهنی بگردید که شش ماه پیش از ورزش کردن بازمانده است.
پس آگاهانه این مهارتها را تیز نگه دارید. در اینجا روش انجام این کار بدون رها کردن کامل فناوری آورده شده است.
ابتدا طرح کلی خودتان را بنویسید. قبل از اینکه از هوش مصنوعی بخواهید یک پروپوزال را پیشنویس کند یا کد تولید کند، ساختار را خودتان ترسیم کنید. حتی یک اسکلتبندی اولیه هم شما را مجبور میکند تا افکار خود را سازماندهی کنید. در این حالت، هوش مصنوعی به یک ویراستار تبدیل میشود، نه نویسنده.
هر خروجی را بازبینی کنید. آن را با صدای بلند بخوانید. واقعیتها را با منابع اصلی تطبیق دهید. اگر هوش مصنوعی یک تابع پایتون به شما داد، منطق آن را خط به خط دنبال کنید. اگر گزارشی را خلاصه کرد، خلاصه را با صفحات اصلی مقایسه کنید. تا زمانی که خلاف آن ثابت نشده، فرض را بر وجود خطا بگذارید.
برای حالت دستی برنامهریزی کنید. هر هفته یک وظیفه را انتخاب کنید و بدون کمک آن را انجام دهید. آن ایمیل را خودتان بنویسید. آن اسکریپت را دستی عیبیابی کنید. آن فرمول صفحه گسترده را از صفر بسازید. هدف اصلی همین اصطکاک است. این کار روانیِ مهارتهای شما را حفظ میکند.
دو بار بپرسید «چرا». وقتی هوش مصنوعی راهکاری پیشنهاد میدهد، به سطح ظاهری بسنده نکنید. چرا این توصیه منطقی است؟ چه فرضیاتی درباره محدودیتهای شما در نظر گرفته است؟ اگر نمیتوانید با کلمات خودتان پاسخ دهید، یعنی پاسخ را به اندازهای که بتوانید بر اساس آن عمل کنید، درک نکردهاید.
اگر درست استفاده شود، هوش مصنوعی توانمندیهای شما را گسترش میدهد. هوش مصنوعی کارهای طاقتفرسا را انجام میدهد تا شما بتوانید انرژی خود را صرف قضاوت، خلاقیت و استراتژی کنید. هوش مصنوعی هوش را تقویت میکند، نه اینکه نبودِ آن را پنهان کند. هدف، دوری از این ابزار نیست. هدف این است که ذهن خود را بر آن مسلط نگه دارید.
مهارتهای تحلیلی شما دارایی اصلی شماست. نرمافزار صرفاً یک کمککننده است. از آن برای حمایت از تفکر خود استفاده کنید، نه برای پنهان کردن آن.
منبع: https://dev.to/fabiosarmento/ai-a-tool-not-a-crutch-11fe
میخواهید گفتگو را ادامه دهید؟ به انجمن یادگیری GyaanSetu بپیوندید: https://t.me/GyaanSetuAi