هوش مصنوعی (AI) به طور قابل توجهی پیشرفت کرده است ، از نیروگاه های خود رانندگی گرفته تا کمک به تشخیص پزشکی. با این حال ، یک سوال مهم باقی مانده است: آیا هوش مصنوعی می تواند یک آزمایش شناختی را که برای انسان طراحی شده است بگذرد؟ در حالی که هوش مصنوعی در مناطقی مانند نتایج چشمگیر به دست آورده است پردازش زبان و حل مسئله ، هنوز هم در تلاش است تا پیچیدگی اندیشه انسان را تکرار کند.
مدل های هوش مصنوعی مانند گودال می تواند متن ایجاد کند و مشکلات را به طور مؤثر حل کند ، اما در صورت مواجه شدن با تست های شناختی مانند موارد ، آنها نیز عملکردی ندارند ارزیابی شناختی مونترال (MOCA)، برای اندازه گیری هوش انسانی طراحی شده است.
این شکاف بین دستاوردهای فنی هوش مصنوعی و محدودیت های شناختی چالش های مهم در مورد پتانسیل آن را برجسته می کند. هوش مصنوعی هنوز با تفکر انسان مطابقت ندارد ، به ویژه در کارهایی که نیاز به استدلال انتزاعی ، درک عاطفی و آگاهی متنی دارند.
درک تست های شناختی و نقش آنها در ارزیابی هوش مصنوعی
آزمایش های شناختی ، مانند MOCA ، برای اندازه گیری جنبه های مختلف هوش انسانی از جمله حافظه ، استدلال ، حل مسئله و آگاهی مکانی ضروری است. این آزمایشات معمولاً در تنظیمات بالینی برای تشخیص شرایطی مانند آلزایمر و زوال عقل مورد استفاده قرار می گیرد و بینشی در مورد عملکرد مغز تحت سناریوهای مختلف ارائه می دهد. کارهایی مانند یادآوری کلمات ، کشیدن ساعت و شناخت الگوهای توانایی مغز در حرکت در محیط های پیچیده ، مهارت هایی که در زندگی روزمره ضروری هستند را ارزیابی می کنند.
با این حال ، هنگامی که در AI اعمال می شود) نتایج کاملاً متفاوت است. مدل های هوش مصنوعی مانند chatgpt یا gemini google ممکن است در کارهایی مانند شناخت الگوهای و تولید متن برتری داشته باشند ، اما آنها با جنبه های شناخت مبارزه می کنند که نیاز به درک عمیق تری دارند. به عنوان مثال ، در حالی که هوش مصنوعی می تواند دستورالعمل های صریح را برای انجام یک کار دنبال کند ، فاقد توانایی استدلال به صورت انتزاعی ، تفسیر احساسات یا استفاده از زمینه است که عناصر اصلی تفکر انسان هستند.
بنابراین ، آزمایش های شناختی هنگام ارزیابی هوش مصنوعی ، یک هدف دوگانه را ارائه می دهند. از یک طرف ، آنها نقاط قوت هوش مصنوعی در پردازش داده ها و حل مشکلات ساختاری را به طور مؤثر برجسته می کنند. از طرف دیگر ، آنها شکاف های قابل توجهی را در توانایی هوش مصنوعی در تکرار طیف گسترده ای از عملکردهای شناختی انسان ، به ویژه مواردی که شامل تصمیم گیری پیچیده ، هوش هیجانی و آگاهی متنی هستند ، افشا می کنند.
با استفاده گسترده از هوش مصنوعی ، کاربردهای آن در مناطقی مانند مراقبت های بهداشتی و سیستم های خودمختار بیش از اتمام کار را می طلبد. تست های شناختی معیار را برای ارزیابی اینکه آیا هوش مصنوعی می تواند وظایفی را که نیاز به استدلال انتزاعی و درک عاطفی دارند ، خصوصیات اصلی در هوش بشر را انجام دهد. به عنوان مثال ، در مراقبت های بهداشتی ، در حالی که هوش مصنوعی می تواند داده های پزشکی را تجزیه و تحلیل کند و بیماری ها را پیش بینی کند ، نمی تواند پشتیبانی عاطفی را ارائه دهد یا تصمیمات ظریف را اتخاذ کند که به درک وضعیت منحصر به فرد بیمار بستگی دارد. به طور مشابه ، در سیستم های خودمختار مانند خودروهای خودران ، تفسیر سناریوهای غیرقابل پیش بینی اغلب به شهود مانند انسان نیاز دارد ، که مدل های هوش مصنوعی فعلی فاقد آن هستند.
محققان با استفاده از تست های شناختی که برای انسان طراحی شده اند ، می توانند مناطقی را که AI به پیشرفت نیاز دارد ، شناسایی کنند و سیستم های پیشرفته تری را توسعه دهند. این ارزیابی ها همچنین به تعیین انتظارات واقع بینانه در مورد آنچه که AI می تواند انجام دهد و برجسته می کند در جایی که درگیری انسان هنوز ضروری است ، کمک می کند.
محدودیت های هوش مصنوعی در آزمایش شناختی
مدل های هوش مصنوعی پیشرفت چشمگیری در پردازش داده ها و تشخیص الگوی داشته اند. با این حال ، این مدل ها در مورد کارهایی که نیاز به استدلال انتزاعی ، آگاهی مکانی و درک عاطفی دارند ، با محدودیت های قابل توجهی روبرو هستند. بوها مطالعه اخیر این چندین سیستم هوش مصنوعی را با استفاده از ارزیابی شناختی مونترال (MOCA) آزمایش کرد ، ابزاری که برای اندازه گیری توانایی های شناختی انسان طراحی شده است ، شکاف روشنی بین نقاط قوت هوش مصنوعی در کارهای ساختار یافته و مبارزات آن با عملکردهای شناختی پیچیده تر نشان داد.
در این مطالعه ، Chatgpt 4O از 30 از 30 امتیاز کسب کرده است ، که نشانگر اختلال خفیف شناختی است ، در حالی که جمینی گوگل فقط 16 از 30 گل به ثمر رساند و این نشان دهنده اختلال شدید شناختی است. یکی از مهمترین چالش های هوش مصنوعی مربوط به کارهای دیدنی ، مانند ترسیم ساعت یا تکرار شکل های هندسی بود. این وظایف ، که نیاز به درک روابط مکانی و سازماندهی اطلاعات بصری دارند ، مناطقی هستند که انسان به طور شهودی از آن برتری می کند. با وجود دریافت دستورالعمل های صریح ، مدل های هوش مصنوعی تلاش کردند تا این کارها را به طور دقیق انجام دهند.
شناخت انسان ، ورودی ، خاطرات و احساسات حسی را ادغام می کند و به تصمیم گیری تطبیقی امکان پذیر می شود. مردم هنگام حل مشکلات ، به ویژه در موقعیت های مبهم ، به شهود ، خلاقیت و زمینه متکی هستند. این توانایی برای تفکر انتزاعی و استفاده از هوش هیجانی در تصمیم گیری ، ویژگی اصلی شناخت انسان است و بنابراین افراد را قادر می سازد تا سناریوهای پیچیده و پویا را حرکت دهند.
در مقابل ، هوش مصنوعی با پردازش داده ها از طریق الگوریتم ها و الگوهای آماری کار می کند. در حالی که می تواند پاسخ هایی را بر اساس الگوهای آموخته ایجاد کند ، اما واقعاً زمینه یا معنی پشت داده ها را درک نمی کند. این عدم درک ، انجام وظایفی که نیاز به تفکر انتزاعی یا درک عاطفی دارند ، برای هوش مصنوعی دشوار می کند ، که در کارهایی مانند آزمایش شناختی ضروری است.
جالب اینجاست که محدودیت های شناختی مشاهده شده در مدلهای هوش مصنوعی شباهت هایی با اختلالات دیده شده در بیماریهای عصبی مانند آلزایمر دارد. در این مطالعه ، هنگامی که از هوش مصنوعی در مورد آگاهی مکانی سؤال شد ، پاسخ های آن بسیار ساده و وابسته به متن بود و شبیه به افراد با کاهش شناختی بود. این یافته ها تأکید می کنند که در حالی که هوش مصنوعی در پردازش داده های ساختار یافته و پیش بینی ها برتری دارد ، فاقد عمق درک مورد نیاز برای تصمیم گیری ظریف تر است. این محدودیت به ویژه مربوط به مراقبت های بهداشتی و سیستم های خودمختار است ، جایی که قضاوت و استدلال بسیار مهم است.
با وجود این محدودیت ها ، امکان پیشرفت وجود دارد. نسخه های جدیدتر از مدل های هوش مصنوعی ، مانند ChatGPT 4O ، پیشرفت در استدلال و تصمیم گیری را نشان داده اند. با این حال ، تکرار شناخت مانند انسان نیاز به پیشرفت در طراحی هوش مصنوعی دارد ، به طور بالقوه از طریق محاسبات کوانتومی یا شبکه های عصبی پیشرفته تر.
مبارزات هوش مصنوعی با عملکردهای پیچیده شناختی
علیرغم پیشرفت در فناوری هوش مصنوعی ، از گذراندن تست های شناختی که برای انسان طراحی شده است ، مسیری طولانی است. در حالی که هوش مصنوعی در حل مشکلات ساختار یافته برتری دارد ، با توجه به عملکردهای شناختی ظریف تر ، کوتاه می آید.
به عنوان مثال ، مدل های هوش مصنوعی اغلب وقتی از آنها خواسته می شود شکل های هندسی را ترسیم کنند یا داده های مکانی را تفسیر کنند ، علامت را از دست می دهند. انسان به طور طبیعی اطلاعات بصری را درک و سازماندهی می کند ، که هوش مصنوعی در تلاش است تا به طور مؤثر انجام دهد. این مسئله یک مسئله اساسی را برجسته می کند: توانایی AI در پردازش داده ها با درک نحوه کار ذهن انسان برابر نیست.
در هسته محدودیت های هوش مصنوعی ماهیت مبتنی بر الگوریتم آن قرار دارد. مدل های هوش مصنوعی با شناسایی الگوهای موجود در داده ها کار می کنند ، اما آنها فاقد آگاهی متنی و هوش هیجانی هستند که انسان ها برای تصمیم گیری از آنها استفاده می کنند. در حالی که AI ممکن است به طور مؤثر خروجی هایی را بر اساس آنچه در آن آموزش دیده است ، تولید کند ، اما معنای پشت آن خروجی ها را به روشی که انسان انجام می دهد درک نمی کند. این ناتوانی در مشارکت در تفکر انتزاعی ، همراه با کمبود همدلی ، مانع از انجام وظایف مربوط به عملکردهای شناختی عمیق تر می شود.
این شکاف بین هوش مصنوعی و شناخت انسان در مراقبت های بهداشتی مشهود است. هوش مصنوعی می تواند به کارهایی مانند تجزیه و تحلیل اسکن پزشکی یا پیش بینی بیماری ها کمک کند. با این وجود ، نمی تواند در تصمیم گیری های پیچیده که شامل درک شرایط بیمار است ، قضاوت انسان را جایگزین کند. به طور مشابه ، در سیستم هایی مانند وسایل نقلیه خودمختار ، هوش مصنوعی می تواند مقادیر زیادی از داده ها را برای تشخیص موانع پردازش کند. با این وجود ، نمی تواند در هنگام تصمیم گیری های تقسیم شده در شرایط غیر منتظره ، شهود را تکرار کند.
علیرغم این چالش ها ، هوش مصنوعی پتانسیل بهبود را نشان داده است. مدل های جدید هوش مصنوعی در حال شروع به انجام وظایف پیشرفته تر شامل استدلال و تصمیم گیری اساسی هستند. با این حال ، حتی با پیشرفت این مدلها ، آنها از تطبیق طیف گسترده ای از توانایی های شناختی انسان مورد نیاز برای گذراندن تست های شناختی طراحی شده برای انسان دور هستند.
خط پایین
در پایان ، هوش مصنوعی در بسیاری از زمینه ها پیشرفت چشمگیری داشته است ، اما هنوز هم باید قبل از گذراندن تست های شناختی که برای انسان طراحی شده است ، راه طولانی داشته باشد. در حالی که می تواند وظایفی مانند پردازش داده ها و حل مسئله را انجام دهد ، هوش مصنوعی با کارهایی که نیاز به تفکر انتزاعی ، همدلی و درک متنی دارند ، مبارزه می کند.
علیرغم پیشرفت ها ، هوش مصنوعی هنوز هم با کارهایی مانند آگاهی مکانی و تصمیم گیری تلاش می کند. اگرچه هوش مصنوعی وعده آینده را نشان می دهد ، به ویژه با پیشرفت های تکنولوژیکی ، اما از تکرار شناخت انسان دور نیست.
