آنچه در مورد هوش مصنوعی به کودکانمان می گوییم

—d3sign—Getty Images

ما بین ما شش فرزند داریم. قدیمی ترین آنها 12 سال دارد. هیچ کدام از آنها هنوز تلفن ندارند و هیچ کدام از ما نپرسیده اند که آیا هوش مصنوعی زندگی آنها را خراب می کند یا خیر.

آنها خواهند شد.

آنها یاد خواهند گرفت که برخی از افرادی که قدرتمندترین سیستم‌های هوش مصنوعی را می‌سازند، هشدار داده‌اند که این فناوری می‌تواند به‌گونه‌ای خطرناک شود که ما هنوز نمی‌توانیم آن را کنترل کنیم. آنها پیش بینی هایی خواهند شنید که بسیاری از مشاغلی که ممکن است در آینده بخواهند ممکن است ناپدید شوند. آنها با بحث هایی در مورد حقیقت، قدرت، ایمنی، و اینکه آیا مؤسسات ما احتمالا می توانند با ماشین هایی که سریعتر از توانایی ما برای اداره آنها پیشروی می کنند، همگام شوند، مواجه خواهند شد.

ما نمی توانیم به آنها بگوییم که هیچ کدام از اینها مزخرف است. ما فکر نمی کنیم که باشد.

اما خطر دیگری در این لحظه وجود دارد. وقتی مکالمه پیرامون هوش مصنوعی تیره‌تر می‌شود، این خطر را داریم که آنقدر غرق در اشتباه شویم که دیگر توجهی به آنچه دارد درست پیش نمی‌رود، نکنیم.

این دلیلی برای رضایت نیست. خطرات واقعی هستند و نیاز به اقدام فوری دارند. این استدلالی است برای چیزی که فکر می کنیم به همان اندازه ضروری می شود: خوش بینی عمل گرایانه.

ما در یکی از مستعدترین زمینه‌های شکست کار می‌کنیم و سعی می‌کنیم بیماری را بفهمیم و تعیین کنیم کدام داروها ممکن است در انسان‌ها کار کنند. از جایی که نشسته‌ایم، در خط مقدم سرمایه‌گذاری و ایجاد دارو، شروع به مشاهده تغییر هوش مصنوعی در آنچه ممکن است می‌بینیم.

تولید مواد مخدر همیشه یک تجارت وحشیانه بوده است. از نظر تاریخی، از هر 10 درمانی که وارد آزمایش انسانی می شوند، تقریبا 9 درمان با شکست مواجه می شوند. توسعه یک داروی موفق ممکن است یک دهه یا بیشتر و میلیاردها دلار طول بکشد. اما البته، این آمارها هزینه واقعی را مبهم می کند. یک داروی ناموفق یا از دست رفته، بیمار هنوز منتظر است.

در بیشتر توسعه داروهای مدرن، دانشمندان با فرضیه ای در مورد زیست شناسی شروع کرده اند، به دنبال مولکولی می گردند که ممکن است بر آن تأثیر بگذارد، آن مولکول را آزمایش کرده و در طول مسیر به اشتباه متوجه شده اند. هوش مصنوعی شروع به تغییر این داستان کرده است.

ما این شگفتی را داشتیم که این تغییر در بینش و جهت اکتشاف انسان توسط هوش مصنوعی را از نزدیک مشاهده کنیم. اخیرا تیمی از محققان را مشاهده کردیم که از هوش مصنوعی برای طراحی آنتی‌بادی‌هایی از ابتدا علیه برخی از سخت‌ترین اهداف در پزشکی استفاده می‌کنند و رویکردهایی را باز می‌کنند که برخی از پیچیده‌ترین گروه‌های دارویی را متوقف کرده‌اند. در همان نزدیکی، گروه دیگری از تنها پنج دانشمند از یک سیستم آزمایشی مبتنی بر هوش مصنوعی استفاده کردند تا از ایده یک داروی جدید چالش برانگیز به نشان دادن آنچه که ما معتقدیم قابلیت‌های منحصربه‌فرد برای درمان سرطان در پستانداران در کمتر از شش ماه است، حرکت کنند.

برنامه هایی با این جاه طلبی ها معمولا نیازمند تیم هایی از متخصصان است که سال ها کار کنند.

آنچه در حال تغییر است صرفا ابزارهای موجود برای کمک به ما در پیش بینی زیست شناسی انسان نیست. این سرعت خود فرآیند کشف است: ایده ای را پیشنهاد کنید، آن را بسازید، آن را در دنیای فیزیکی آزمایش کنید، از آنچه اتفاق افتاده درس بگیرید و دوباره شروع کنید. روش علمی به خودی خود شروع به تسریع می کند و تعداد تحقیقات علمی، فرصت هایی برای ارتقای سلامت به ازای هر دلار هزینه شده، شروع به افزایش می کند.

ماه گذشته، مرک و مدرنا گزارش دادند که یک واکسن شخصی سازی شده سرطان برای ملانوم به طور قابل توجهی گسترش بیماری را به تاخیر انداخت. نتیجه به خودی خود قابل توجه است، و مطالعات در حال حاضر در تنظیمات دیگر در حال انجام است. چیزی که ما به‌ویژه هیجان‌انگیز می‌یابیم این است که چگونه این شواهد بالینی رو به رشد، همراه با ابزارهای هوش مصنوعی و آزمایشگاه‌های خودکار، می‌تواند میدان را به روی رقبای بیشتری باز کند. شواهد عدم قطعیت در مورد رویکرد را کاهش می دهد، در حالی که این ابزارها می توانند هزینه و زمان مورد نیاز برای پیگیری آن را کاهش دهند.

آنها با هم می توانند تیم های بیشتر و سرمایه بیشتری را در مبارزه ما با سرطان به ارمغان بیاورند و تعداد ایده های امیدوارکننده ای را که با سرعت بی سابقه ای مورد آزمایش قرار می گیرند، گسترش دهند.

ما در همان ابتدای راه هستیم.

هر کسی که ادعا می کند هوش مصنوعی کشف دارو را حل کرده است، چیزی می فروشد. از 117 برنامه دارویی با قابلیت هوش مصنوعی در آزمایشات انسانی در سال گذشته در 63 شرکت. یکی تایید نشده است. زیست‌شناسی نسل‌های دانشمندان درخشان را تحقیر کرده است و هوش مصنوعی زیست‌شناسی را لغو نخواهد کرد. مدل ها اشتباه خواهند شد. داروها شکست خواهند خورد. بیماران به روش هایی که هیچ کس پیش بینی نکرده بود پاسخ خواهند داد.

اما ما شاخه های سبز و یک کالیبراسیون جدید قابل توجه جهت را می بینیم، نه یک مقصد. Direction کل بازی در مبارزه با بیماری و بهبود سلامت انسان است. هوش مصنوعی شروع به ارائه راه های بهتری برای یافتن آن کرده است.

این منبع خوش بینی ماست. نه این باور که خطرات پیرامون هوش مصنوعی اغراق آمیز است، یا اینکه پزشکی در شرف آسان شدن است. ما هیچ کدام را باور نمی کنیم. این از تماشای یک فناوری شروع به تغییر زمینه ای می شود که در آن پیشرفت معنادار از لحاظ تاریخی به طرز دردناکی کند بوده است.

فرزندان ما همه اینها را به ارث خواهند برد. آنها با اختلالاتی که ما اکنون درباره آن بحث می کنیم و دیگرانی که هیچ یک از ما پیش بینی نکرده ایم، زندگی خواهند کرد. آنها سزاوار رهبرانی هستند که این خطرات را جدی بگیرند و موسساتی که مایل باشند قبل از مشخص شدن هر پیامد و قبل از اینکه برخی از خطرناک ترین آنها غیرقابل برگشت شوند، اقدام کنند.

آنها همچنین سزاوار این هستند که بدانند در این لحظه چه اتفاقی در حال رخ دادن است.

بیماری‌هایی که نمی‌توانستیم بفهمیم اکنون اسرار بیشتری را آشکار می‌کنند. اکنون ماشین ها می توانند فرصت هایی را جستجو کنند که هیچ ذهن انسانی به تنهایی نمی تواند آن را پیدا کند. داروها متفاوت طراحی می شوند. بیماری‌های بسیار نادر یا پیچیده که نمی‌توانند توجه کافی را به خود جلب کنند، قابل درمان‌تر می‌شوند.

و اگر همه اینها شروع به ترکیب شدن کرد، سطح پایه سلامت انسان که فرزندان ما به ارث می برند با سلامتی که خودمان به ارث برده ایم متفاوت است.

ما هنوز نمی دانیم که هوش مصنوعی چه چیزی از نسل فرزندان ما خواهد گرفت. از جایی که نشسته ایم، شروع می کنیم به اینکه ببینیم چه چیزی می تواند بدهد.

و این هم داستانی است که ارزش گفتن دارد.