هوش مصنوعی؛ سلاح جدید جنگ‌های آینده
محققان می گویند پیشرفت هوش مصنوعی، چهره نبردهای نظامی آینده را تغییر خواهد داد
باور عمومی بر این است که جهان در آستانه یک انقلاب نظامی دیگر قرار دارد. هوش مصنوعی بناست شخصیت جنگ را تغییر دهد؛ درست همانطور که باروت، تانک، هواپیما و بمب اتمی در دوره‌های قبل، این کار را کردند. امروز دولت‌ها فعالانه به‌دنبال استفاده از قدرت هوش مصنوعی برای داشتن مزیت نظامی در جنگ‌های احتمالی هستند. به‌عنوان مثال، چین قصد کرده است که تا سال2030، رهبری هوش مصنوعی جهان را به‌دست بگیرد. این کشور، در قالب «طرح جامع جدید هوش مصنوعی» اعلام کرده که «هوش مصنوعی فناوری استراتژیکی است که آینده را رهبری خواهد کرد.» به همین ترتیب، ولادیمیر پوتین، رئیس‌جمهور روسیه هم گفته است که «هر کس در این حوزه رهبری را به‌دست بگیرد، حاکم جهان خواهد شد.» در پاسخ به چالشی که چین و روسیه برگزار کرده‌اند، ایالات متحده خود را به استراتژی «افست سوم» متعهد کرده است. طی این پروژه، سرمایه‌گذاری زیادی در هوش مصنوعی و روباتهای خودمختار خواهد شد تا مزیت دفاعی ایالات متحده در برابر چین و روسیه حفظ شود.
یک علاقه جهانی
به گزارش وال‌استریت ژرنال، در پرتو این تحولات چشمگیر، مفسران نظامی عمیقا به مسئله کاربرد نظامی هوش مصنوعی علاقه‌مند شده‌اند. به‌عنوان مثال، بن بوکانان و اندرو ایمری در گزارشی جدید ادعا کرده‌اند که هوش مصنوعی یک اسلحه جدید است. سلاح‌های خودمختار که توسط هوش مصنوعی کنترل می‌شوند و نه انسان، به‌طور فزاینده‌ای دقیق‌تر، سریع‌تر و کشنده‌تر خواهند بود. آنها تصویرکننده آینده جنگ‌ها هستند. بسیاری از دانشمندان و صاحب‌نظران هم با بوکانان و ایمری موافق هستند. برای مثال، استوارت راسل، دانشمند برجسته کامپیوتر و از پیشگامان هوش مصنوعی، یکی از سخنرانی‌های سال۲۰۲۰ بی‌بی‌سی ریث خود را به پتانسیل نظامی هوش مصنوعی اختصاص داد. او مدعی شد که روباتهای قاتل و سلاخ در راهند. او سناریویی را مطرح کرد که در آن یک کوادکوپتر کشنده، به اندازه یک شیشه مربا، می‌تواند به ابزارهای کشنده مسلح شود: «مین‌های ضد‌نفر می‌توانند همه مردم 16 تا 60ساله شهر یا همه شهروندان یهودی اسرائیل را از بین ببرند. 8میلیون نفر شگفت‌زده خواهند بود که چرا نمی‌توانید از آنها در برابر شکار و کشته شدن توسط روبات‌ها محافظت کنید.» بسیاری از محققان دیگر، ازجمله کریستین بروس، کن پین، جان آرکیلا، دیوید همبلینگ و جان آنتال، با راسل هم‌عقیده‌اند که با توسعه نسل دوم هوش مصنوعی، ظهور سلاح‌های خودمختار مرگبار - مانند دسته پهپادهای قاتل - ممکن است قریب‌الوقوع باشد.
یک انقلاب تازه ؟
انقلاب‌های نظامی اغلب کمتر از آنچه مدافعان آن تصور می‌کردند، رادیکال بوده‌اند. انقلاب امور نظامی در دهه1990 قطعا در توسعه امکانات عملیاتی جدید اهمیت داشت، اما نتوانست شک و تردیدها را از بین ببرد. به‌طور مشابه، برخی از بحث‌ها درباره روباتهای قاتل و کشندگی هوش مصنوعی، بیش از حد بزرگ شده است. نحوه عملکرد هوش مصنوعی در حال حاضر و تأثیرات بالقوه آن بر عملیات نظامی در آینده، به اشتباه ارائه شده است. اگرچه با توسعه هوش مصنوعی، سیستم‌های کنترل از راه دور و خودمختار به‌طور فزاینده‌ای اهمیت پیدا میکنند، اما احتمال کمی وجود دارد که ازدحام پهپادهای خودران جایگزین نیروها در میدان نبرد و ابررایانه‌ها جایگزین فرماندهان انسانی شوند.
از تحقیقات تا عملیات
هوش مصنوعی در دهه1950 به یک برنامه تحقیقاتی بزرگ تبدیل شد. در آن زمان، براساس منطق سمبلیک عمل می‌کرد؛ برنامه‌نویسان داده‌های ورودی را برای پردازش توسط هوش مصنوعی کدگذاری می‌کردند. این سیستم به‌عنوان هوش مصنوعی سنتی و محافظه‌کار معروف بود. هوش مصنوعی تا حدی پیشرفت کرد، اما از آنجایی که مبتنی بر دستکاری نمادهای اختصاص داده شده بود، در دنیای واقعی کارکرد بسیار محدودی داشت. از اواخر دهه1990، نسل دوم هوش مصنوعی براساس داده‌های بزرگ، قدرت محاسباتی عظیم و الگوریتم‌ها، پیشرفت‌های قابل‌توجهی ایجاد کرده است. در این دوره شاهد 3 رویداد مهم بودیم. در 11می1997، دیپ بلوی IBM، گری کاسپاروف، قهرمان شطرنج جهان را شکست داد. در سال2011، واتسون از IBM برنده Jeopardy شد. رخداد قابل توجه‌تر، در مارس 2016بود، وقتی که آلفاگو (AlphaGo)، قهرمان جهان، بازیکن گو (Go)، لی سیدول را 4بریک شکست داد. دیپ بلو، واتسون و آلفاگو موفقیت‌هایی مهم در مسیری خارق‌العاده بودند. در عرض 2دهه، هوش مصنوعی از ناامیدی و شکست به پیروزی غیرقابل تصوری تبدیل شد. با این حال، مهم است که بدانیم هوش مصنوعی نسل دوم چه کارهایی می‌تواند انجام دهد و از پس چه کارهایی برنمی‌آید. هوش مصنوعی نسل دوم حول شبکه‌های عصبی توسعه یافته است. برنامه‌های یادگیری ماشینی، حجم عظیمی از داده‌ها را از طریق شبکه‌های خود پردازش میکنند و وزنی را که یک برنامه به قطعات خاصی از داده‌ها اختصاص می‌دهند، دوباره کالیبره میکنند تا درنهایت، پاسخ‌های منسجمی را ایجاد کنند.
در همینه زمینه :
