سایت علمی تی‌ان به نقل از پژوهشگران پزشکی شاریته برلین (Charité Universitätsmedizin) نوشته است افراد باهوش ممکن است به زمان بیشتری برای حل مشکلاتِ دشوار نیاز داشته باشند و البته صرف زمان بیشتر منجر به تصمیم‌گیری دقیق‌تر نیز خواهد شد. این سایت نوشته است که پژوهشگران دانشگاه پزشکی شاریته برلین به همراه همکاران شان از بارسلونا، به این نتیجه‌ی شگفت‌انگیز دست یافته‌اند که شرکت‌کنندگانی که ضریب هوشی بالاتری دارند، تنها در انجام کارهای ساده سریع‌تر عمل می‌کنند، در حالی که برای حل مسایل دشوار نسبت به افرادی با IQ پایین‌تر، زمان بیشتری لازم داشتند. در شبیه‌سازی‌های شخصی‌سازی شده از مغز ۶۵۰ شرکت‌کننده، پژوهشگران توانستند مشخص کنند که مغزهایی که انطباق کمتری بین نواحی آن‌ها وجود دارد، هنگام تصمیم‌گیری به‌جای این‌که منتظر بمانند تا مناطق بالادست مراحل پردازش مورد نیاز برای حل مشکل را تکمیل کنند، سریع به مرحله نتیجه‌گیری می‌روند. در واقع، مدل‌های مغزی شرکت‌کنندگانی که ضریب بالاتر هوش را داشتند به زمان بیشتری برای حل وظایف چالش‌برانگیز نیاز داشتند در حالی که خطای آن‌ها کمتر بود. این سایت تاکید کرده است که اکنون دانشمندان یافته‌های خود را در مجله‌ «Nature Communications» منتشر کرده‌اند. براساس معلومات‌های ارائه شده، حدود ۱۰۰ میلیارد نورون در مغز انسان وجود دارد. هر یک از آن‌ها به حدود ۱۰۰۰ نورون همسایه یا دور متصل است. این شبکه‌ غیرقابل درک، کلید توانایی‌های شگفت‌انگیز مغز است و البته چیزی است که درک نحوه‌ی عملکرد مغز را بسیار دشوار می‌کند. پروفسور پترا ریتر (Petra Ritter)، رییس بخش شبیه‌سازی مغز و بخش عصب‌شناسی تجربی شاریته برلین، مغز انسان را با استفاده از کامپیوتر شبیه‌سازی می‌کند. وی می‌گوید: «ما می‌خواهیم بفهمیم فرآیندهای تصمیم‌گیری مغز چگونه کار می‌کند و چرا افراد مختلف تصمیم‌های متفاوتی می‌گیرند.» پروژهشگران برای شبیه‌سازی مکانیسم‌های مغز انسان، از داده‌های دیجیتالی اسکن‌های مغزی مانند تصویربرداری تشدید مغناطیسی (MRI) و همچنین مدل‌های ریاضی مبتنی بر دانش نظری در مورد فرآیندهای بیولوژیکی استفاده کردند. این کارها در ابتدا منجر به ایجاد یک مدل «عمومی» از مغز انسان می‌شود. سپس دانشمندان این مدل را با استفاده از داده‌های مربوط به افراد اصلاح می‌کنند و در نتیجه «مدل‌های مغزی شخصی سازی ‌شده» ایجاد می‌کنند. سایت علمی تی‌ان نوشته است که برای این مطالعه، دانشمندان از داده‌های مربوط به ۶۵۰ شرکت‌کننده که در پروژه‌ی Human Connectome حضور داشتند، استفاده کردند. این پروژه توسط ایالات متحده از ماه سپتامبر ۲۰۱۰ آغاز شده و در حال مطالعه‌ اتصالات عصبی در مغز انسان بوده است. آقای ریتر توضیح می‌دهد: این تعادل مناسب بین برانگیختی و مهار نورون‌ها است که بر تصمیم‌گیری اثر می‌گذارد و کم و بیش فرد را قادر می‌سازد تا مشکلات را حل کند. وی گفته است: «ما می‌توانیم فعالیت‌های مغز افراد را به طور بسیار مؤثری بازتولید کنیم. ما در این فرآیند متوجه شدیم که این مغزها رفتار متفاوتی با یکدیگر دارند که مشابه همتایان بیولوژیکی آن‌ها است. آواتارهای مجازی ما با عملکرد فکری و زمان واکنش آنالوگ‌های بیولوژیکی آن‌ها مطابقت دارند.» او تاکید کرد، جالب توجه است که مغزهای «کُندتر» هم در انسان‌ها و هم در مدل‌ها هماهنگ‌تر بودند. این هماهنگی به مدارهای عصبی در لوب پیشانی اجازه می‌دهد تا تصمیم‌گیری را برای مدت طولانی‌تری نسبت به مغزهایی که هماهنگی کمتری داشتند به تعویق بیاندازد. مدل‌ها نشان دادند که چگونه هماهنگی کمتر منجر به این می‌شود که اطلاعات مورد نیاز برای تصمیم‌گیری در صورت نیاز موجود نباشد و در حافظه کاری ذخیره نشود. در ادامه آمده است که از شرکت‌کنندگان خواسته شد تا قوانین منطقی را در مجموعه‌ای از الگوها شناسایی کنند. این قوانین هر بار پیچیده‌تر می‌شدند و بنابراین رمزگشایی آن‌ها دشوارتر می‌شد. در این مدل، رقابت بین گروه‌های عصبی مختلف درگیر در تصمیم‌گیری رخ داد.  در مورد تصمیمات پیچیده، شواهد اغلب برای تصمیم‌گیری سریع به اندازه کافی واضح نیستند و این گروه‌های عصبی را مجبور می‌کند سریع به نتیجه برسند. این سایت علمی گفته است که همگام‌سازی به معنای تشکیل شبکه‌های عملکردی در مغز ویژگی‌های حافظه فعال و در نتیجه توانایی «تحمل» دوره‌های طولانی‌مدت بدون تصمیم‌گیری را تغییر می‌دهد. در کارهای چالش برانگیزتر، شما باید پیشرفت‌های قبلی را در حافظه کاری ذخیره کنید، در حالی که سایر مسیرهای راه حل را کاوش می‌کنید و سپس آن‌ها را با یکدیگر ادغام می‌کنید.

شاید اینکه چرا هوش مصنوعی نمی‌تواند رانندگی کند، پرسش بسیاری از مردم باشد. پاسخ این پرسش را باید در نوع پردازش اطلاعاتی که رانندگی به آن نیاز دارد و هوش مصنوعی در آن تبحر و تجربه ندارد، جستجو کرد. در حالی که بسیاری از افراد در سنین پایین و قبل از رسیدن به سن قانونی رانندگی را فرا می‌گیرند، هوش مصنوعی با وجود اینکه در حال حاضر حدود ۷۳ سال سن دارد، هنوز نمی‌تواند رانندگی کند. دلایل زیادی در این رابطه وجود دارد که چرا هوش مصنوعی قادر به رانندگی نیست. حسگرها در همه شرایط به اندازه کافی خوب نیستند. قدرت پردازشی مورد نیاز برای رانندگی بیشتر از آن است که حسگرها بتوانند آن را ارائه کنند و زمان پردازش آنها می‌تواند کندتر از مغز انسان باشد. این موضوع حتی در مورد استفاده از یک ابر رایانه نیز صادق است، چرا که به عنوان مثال هوش مصنوعی قادر به تصمیم‌گیری اخلاقی نیست. همچنین موانع فناورانه زیادی وجود دارد که مانع از حرکت خودروها با هوش مصنوعی در جاده‌ها می‌شود. این در حالی است که بزرگترین مانع، حسگرها یا فناوری یا حتی مسائل حقوقی یا اخلاقی نیست، بلکه این واقعیت است که ما واقعاً نمی‌دانیم هوش مصنوعی چگونه فکر می‌کند. یک مطالعه اخیر توسط محققان شرکت آنتروپیک نشان داد که چت‌بات‌های هوش مصنوعی می‌توانند دچار توهم شوند، در انجام محاسبات اولیه ریاضیات خوب نیستند و اغلب در مورد استدلال خود دروغ می‌گویند. بنابراین به نظر می‌رسد ما هیچ چیز زیادی در مورد نحوه عملکرد هوش مصنوعی نمی‌دانیم. همانند مغز انسان، تئوری‌های زیادی در مورد نحوه عملکرد هوش مصنوعی وجود دارد. محققان سعی کردند این موضوع را مورد آزمایش قرار دهند. آنها عبارت ریاضی «۵۷+۹۲» را در ChatGPT وارد کردند و عدد ۱۴۹ را دریافت کردند که درست است، اما وقتی از آن پرسیدند «چگونه به این پاسخ رسیدی؟» هوش مصنوعی کتاب درسی استاندارد را نشان داد و محققان سپس صفرها را به عبارت ریاضی اضافه کردند و نتایج را ترکیب کردند که موجب شد ChatGPT به اشتباه بیفتد. هوش مصنوعی در واقع یک رایانه است و مانند هر ماشین‌حساب پیشرفته‌ای به صورت دیجیتالی(۰ و ۱) کار می‌کند و مجموع عبارت را نشان می‌دهد. به عنوان مثال عبارت فوق را به شکل ۱۱۱۰۰۱ (۵۷) + ۱۰۱۱۱۰۰ (۹۲) = ۱۰۰۱۰۱۰۱ (۱۴۹) محاسبه می‌کند. بنابراین هوش مصنوعی یک رایانه است و اعمال ریاضی را به همین شکل انجام می‌دهد. محققان وقتی از ChatGPT پرسیدند که چگونه اعمال ریاضی را انجام می‌دهد، توضیح کوتاهی از تبدیل اعداد به زبان باینری تا حصول نتیجه، مشابه آنچه در بالا توضیح داده شد، داد. البته همه چیز برای هوش مصنوعی از سال ۱۹۹۴ تاکنون بسیار تغییر کرده است، اما هنوز به اندازه‌ای نرسیده که هوش مصنوعی را قادر به رانندگی و توانایی برابر با انسان کند. شرکت «آنتروپیک» در حال آزمایش یک مدل هوش مصنوعی به نام کلاد(Claude) است که مانند ChatGPT و سایر چت‌بات‌های هوش مصنوعی شبیه به آنچه بسیاری از ما روزانه از طریق زبان طبیعی با آن ارتباط برقرار می‌کنیم، است. آنها دریافتند که «کلاد» اغلب منطقی را برای تطبیق با یک روایت از پیش ساخته به منظور دلجویی یا جلب رضایت شخصی که با او در حال تعامل است، ایجاد می‌کند. شبیه به روشی که سیاستمداران در مورد موضوعی صحبت می‌کنند و به نظر می‌رسد که با کسی موافق هستند، اما در حقیقت اینطور نیست. این موضوع را در رانندگی تصور کنید. در حین رانندگی، ما در هر دقیقه هزاران تصمیم می‌گیریم که می‌تواند به معنای واقعی کلمه نه تنها زندگی ما، بلکه زندگی اطرافیانمان را نیز تحت تاثیر قرار دهد. ما از حواس‌پرتی‌ها در هنگام رانندگی مطلعیم و می‌دانیم که حتی چند لحظه بی‌توجهی می‌تواند به نتایج وحشتناکی منجر شود. حالا در نظر بگیرید که چه اتفاقی می‌افتد اگر هوش مصنوعی یک داده خطرناک را توجیه کند یا نتواند به اندازه کافی سریع تصمیم بگیرد. نکته این است که در حالی که فناوری اطلاع‌رسانی هوش مصنوعی به کار زیادی برای رسیدن به سطح یک راننده انسانی نیاز دارد، خود مدل یادگیری نیز باید به آن برسد. هوش مصنوعی اکنون در دهه ۷۰ زندگی خود است، اما فقط می‌تواند در سطح شناختی یک کودک عمل کند و ما حتی نمی‌دانیم که چگونه این کار را انجام می‌دهد. وسایل نقلیه امروزی دارای ده‌ها حسگر، صدها متر سیم‌کشی، سه یا چند رایانه داخلی، اتصال بی‌سیم و وای-فای، GPS و بسیاری از ابزارهای دیگر هستند. هیچ کدام از اینها نمی‌توانند خودرو را برانند. حتی مدل‌هایی که دارای فناوری نیمه‌خودران یا خودران هستند نیز نیاز به توجه کامل و نظارت انسان دارند. ما انسان‌ها یک مزیت متمایز نسبت به هوش مصنوعی داریم و آن این است که ما با سیستم‌های حسی بسیار قوی متولد شده‌ایم که با گذر از هزاران سال فرگشت(تکامل) که ما را در استفاده از آنها بسیار متبحر کرده است، در قالب‌های چندوجهی کار می‌کنند. ما مانند بسیاری از حیوانات در جمع‌آوری ورودی‌های متعدد و عکس‌العمل بر این اساس برتر هستیم. با توسعه فناوری‌های حسی، هوش مصنوعی ممکن است خود را به عنوان یک محرک برتر نشان دهد، اما نمی‌توانیم این را با اطمینان بگوییم، زیرا هوش مصنوعی آنطور که ما فکر می‌کنیم، نمی‌اندیشد. هوش مصنوعی در شناخت و یادگیری ورودی چند حسی چندان خوب نیست. این یکی از بزرگترین شاهکارهای طبیعت است، اما تاکنون ما نتوانستیم آن را به ماشین‌ها منتقل کنیم. هوش مصنوعی همچنین در تصمیم‌گیری سریع با داده‌های کمی که در دست دارد، چندان خود را ثابت نکرده است. هوش مصنوعی شهودی نیست، در حالی که ما اغلب به صورت شهودی تصمیم می‌گیریم. این بخش بزرگی از چیزی است که ما را نه تنها به نوآوری، بلکه برای سازگاری و غلبه بر آن سوق می‌دهد. با این حال، خبر خوب برای طرفداران وسایل نقلیه خودران این است که چون ما تفکرات هوش مصنوعی را به خوبی درک نمی‌کنیم، می‌تواند کارهایی را انجام دهد که انتظارش را نداریم. این فناوری می‌تواند بصری شود و قادر به مدیریت چندین ورودی به طور همزمان باشد. به جرات می‌توان گفت که اگر این کار را انجام دهد، احتمالاً این کار را در زمان بسیار کوتاه‌تری نسبت به ما انسان‌ها انجام دهد. امیدواریم که حداقل تا آن زمان متوجه شده باشیم که چگونه هوش مصنوعی را راستگو کنیم.