هوش مصنوعی
مدلی نظری دو مسیر برای اثر هوش مصنوعی بر توانایی شناختی انسان ترسیم می‌کند
پژوهشگران در یک پیش‌چاپ، با مدل‌سازی تعامل هوش مصنوعی و استدلال انسان، هم امکان تقویت شناخت و هم خطر افت آن را بررسی کرده‌اند؛ این مدل پدیده را توصیف می‌کند و به‌تنهایی شاهد تجربیِ وقوع آن نیست.
پیش‌چاپی در arXiv مدلی دینامیکی برای بررسی هم‌تکاملی شناخت انسان و هوش مصنوعی پیشنهاد می‌کند. مدل، هوش سیال (G_f) و هوش متبلور (G_c) را از هم تفکیک می‌کند و توانایی ماشین را متغیری سریع‌تر در تعامل با این دو در نظر می‌گیرد. نویسندگان می‌گویند چارچوبشان می‌تواند اثرهای مثبت و منفی هوش مصنوعی بر شناخت انسان را صورت‌بندی کند و برای افت یا تقویت شناختیِ ناشی از هوش مصنوعی تعریف ارائه می‌دهد.
بر اساس تحلیل مدل، در یک وضعیت، کاهش سهم استدلال سیال در شکل‌گیری دانش متبلور می‌تواند یک گذار ریاضی به نام انشعاب گره‌زینی ایجاد کند و تعادل مثبتِ پایدار را از میان ببرد. در وضعیت دیگری، معکوس‌شدن اثر دانش متبلور بر استدلال سیال، همراه با افزایش بازخورد در استدلال سیال، ممکن است به انشعاب هاپف و چرخه‌ای پایدار بینجامد.
نویسندگان این چارچوب را مدلی پدیدارشناختی از یک سامانهٔ اجتماعی‌ـ‌فناورانه می‌دانند و دربارهٔ محدودیت‌ها و مسیرهای پژوهش آینده بحث می‌کنند. بنابراین، نتایج به شرایطی وابسته‌اند که مدل برای هر وضعیت فرض می‌کند و به‌خودی‌خود نشان نمی‌دهند که استفاده از هوش مصنوعی در جهان واقعی حتماً به افت شناختی می‌انجامد.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده