علیرضا اخوانپور در گفتوگو با ایسنا در ابتدا با اشاره به حجم انبوه اخبار در شبکههای اجتماعی و فضای مجازی اظهار کرد: برای افراد عادی جامعه، هوش مصنوعی میتواند بهعنوان یک ابزار صحتسنجی (Fact Checker) در گام اول مورد استفاده قرار گیرد. کاربران میتوانند با استفاده از ابزارهایی نظیر چتجیپیتی و فعالسازی قابلیت جستوجو، صحت یک خبر، جعلی بودن آن و وجود خارجیاش در رسانههای معتبر را بررسی کنند، همچنین این امکان وجود دارد که با پایش منابع و خلاصهسازی سایتهای خبری، رویدادهای مهم را سریعتر درک کرده و تصویری واضحتر از واقعیت به دست آورد؛ کاری که اکنون بسیاری از کانالها با بهرهگیری از هوش مصنوعی برای دستهبندی و خلاصهسازی اخبار انجام میدهند.
وی افزود: عموم مردم میتوانند سابقه منابع خبری را از طریق این مدلها بررسی کنند تا مشخص شود آیا یک منبع پیشتر نیز چنین ادعاهایی داشته است یا خیر. تحلیل محتوا برای شناسایی کلمات هیجانی، اغراقآمیز و کشف تناقضهای درونمتنی، مقایسه عکسها و ویدئوها با نسخههای اصلی و شناسایی اکانتهای جعلیِ لایککننده در اخباری که بهسرعت وایرال میشوند، از دیگر کارکردهای هوش مصنوعی است که در نهایت میتواند احتمال جعلی بودن یک خبر را برآورد کند.
OSINT و تحلیلهای تخصصی دادههای ناهمگن
این مشاور هوش مصنوعی در خصوص کاربردهای تخصصیتر برای نخبگان و پژوهشگران بیان کرد: متخصصانی که قصد کار عمیق دارند، میتوانند در حوزههایی نظیر اوسینت(OSINT) از هوش مصنوعی برای پردازش حجم انبوهی از دادههای ناهمگن(متن، تصویر، ویدئو، تصاویر ماهوارهای، رادیو و...) که با سرعت بالایی در حال توسعهاند، بهره ببرند. در این سطح، سیستمهایی چون تشخیص موجودیتهای نامدار(Named Entity Recognition - NER) میتوانند سازمانها یا گروههای خاص را از دل اخبار استخراج کنند. همچنین ماشینها قادرند با استدلالهای گرافی(Graph Reasoning)، ارتباطات و دلایل رخدادها را کشف کرده و در فرایند استخراج رویداد(Event Extraction) و فیلتر کردن نویزها و اخبار انحرافی(Disinformation) نقش مؤثری ایفا کنند.
اخوانپور تصریح کرد: با افزودن تحلیلهای زمانی و مکانی میتوان تغییرات خطوط تماس یا الگوهای تحرکات لجستیک نیروها را، بهعنوان مثال از طریق تصاویر ماهوارهای، بررسی کرد. پیشبینی روندها(Forecasting) با استفاده از سریهای زمانی نیز از دیگر قابلیتهای تخصصی است که نیازمند همکاری مشترک متخصصان هوش مصنوعی و کارشناسان حوزههای مربوطه است.
از تشخیص دیپفیک تا تحلیل شبکههای اجتماعی
وی با تأکید بر اهمیت ارزیابی منابع گفت: در سطح تخصصی، اعتبارسنجی منبع(Source Verification) و سنجش میزان سوگیری آن اهمیت بالایی دارد. هوش مصنوعی میتواند تاریخچه انتشار یک خبر و همسویی یا ناهمسویی منابع مختلف را بررسی کند تا اعتبار یک خبر افزایش یابد. در تحلیل محتوای مبتنی بر پردازش زبان طبیعی(NLP)، سیستمها میتوانند بر مبنای پایگاههای دانش، صحتسنجی دقیقی انجام دهند.
مدرس دانشگاه تربیت دبیر شهید رجایی افزود: در حوزه بینایی کامپیوتر(Computer Vision)، هوش مصنوعی قابلیت تشخیص دیپفیک(مانند تصاویر جعلی منتشر شده از نتانیاهو) را داراست، همچنین با جستوجوی معکوس تصاویر(Reverse Image Search)، میتوان دریافت که آیا یک عکس متعلق به زمان و رویداد فعلی است یا از جنگها و وقایع گذشته بازنشر شده است. جرمشناسی ویدئو(Video Forensics) برای تشخیص دستکاری فریمها و پنهانسازی واقعیت نیز از دیگر کاربردهای این بخش است.
اخوانپور با اشاره به تحلیلهای شبکهای(Network Analysis) خاطرنشان کرد: هوش مصنوعی قادر است پشتپرده ترندهای شبکههای اجتماعی را افشا کند. بهعنوان نمونه، در اخبار مرتبط با پهلوی، گروهها توانستند باتهای متعددی را شناسایی کنند که با ایجاد ترندهای غیرواقعی، جریانسازی میکردند. الگوریتمهای هوش مصنوعی با تشخیص ناهنجاریهای زمانی(Anomaly Detection) و تطبیق متقاطع منابع(Cross-Reference) میتوانند این قبیل اتفاقات غیرطبیعی را شناسایی کنند.
ایده رتبهبندی منابع خبری
وی پیشنهاد داد: در فضای پرتنش رسانهای، میتوان سیستمهایی شبیه به امتیازدهی فروشگاههای اینترنتی ایجاد کرد که در آن، هوش مصنوعی بر مبنای سابقه، شفافیت و اعتبار منابع خبری، به آنها امتیاز(ستاره) بدهد. اگر خبری توسط منابع معتبر تأیید نشود یا مبتنی بر منابع ناشناس باشد، سیستم باید به کاربر هشدار(Alert) داده و آن را پرچمگذاری(Flag) کند تا میزان اتکا به آن مشخص شود.
انقلاب هوش مصنوعی در پهپادها و تجهیزات نظامی
این کارشناس فضای مجازی کاربردهای نظامی هوش مصنوعی را یادآوری کرد و با اشاره به استفادههای اخیر از این فناوری در جریان تقابلهای ایران و رژیم صیهونیستی گفت: مهمترین کاربرد هوش مصنوعی در پهپادها، تحلیل خودکارِ هدف است. با پردازش تصاویر دریافتی از دوربینها، لیدار و سنسورهای مادونقرمز، پهپادها قادرند تجهیزات، افراد و تهدیدات را شناسایی کنند(Object Detection). در کنار این موضوع، سیستمهای ناوبری مستقل از انسان تعبیه شدهاند تا در صورت قطع ارتباط یا بروز اختلالات سیگنالی(جمرها)، پهپاد بتواند بر مبنای آموزشهای قبلی، مستقلاً تصمیمگیری و ناوبری کند.
اخوانپور افزود: واکنش و تصمیمگیری لحظهای، مشابه مانورهایی که برخی موشکها در برابر سیستمهای پدافندی انجام میدهند، اکنون در پهپادها نیز قابل پیادهسازی است. علاوه بر این، فناوری سوارم(Swarm) یا هماهنگی گروهیِ پرندهها، تحولی شگرف ایجاد کرده است؛ جایی که صدها یا هزاران ریزپرنده، مانند دسته زنبورها، با تصمیمگیری جمعی به سمت یک هدف حرکت میکنند. پردازش در لحظه(Real-time) این حجم از دادههای کلان(Big Data) تنها از عهده هوش مصنوعی برمیآید.
وی در تشریح مزایای نظامی این فناوری یادآور شد: هوش مصنوعی سرعت عملیات را بالا برده، نیاز به اپراتور را حذف کرده و دقت تصمیمگیریها را افزایش میدهد، همچنین با کاهش حضور فیزیکی خلبانان و اپراتورها، تلفات انسانی در عملیاتهای پرخطر کاهش مییابد. قابلیت اجرای عملیاتِ بدون خستگی بهصورت ۲۴ ساعته در هفت روز هفته(حتی در شب با دوربینهای دید در شب و حرارتی)، کاهش هزینههای نیروی انسانی و در نهایت تغییر معادله قدرت، از دستاوردهای این فناوری است.
چالشهای اخلاقی، فنی و حقوقی؛ روی تاریک سکه
مشاور هوش مصنوعی در ادامه به چالشهای جدی و خطرات استفاده از این سیستمها پرداخت و هشدار داد: این حوزه با چالشهای اخلاقی بزرگی روبهروست؛ بهطوریکه برخی دانشمندان مطرح مانند جوزف ردمون، از توسعهدهندگان مدلهای مشهور تشخیص شیء مانند YOLO، در سال ۲۰۲۰ به دلیل نگرانی از کاربردهای نظامی از این حوزه فاصله گرفت.
اخوانپور آسیبپذیریهای سایبری را یکی دیگر از چالشها برشمرد و گفت: سیستمهای مبتنی بر هوش مصنوعی قابل هک شدن، فریب دادن و اسپوف(Spoof) شدن هستند. بهعنوان مثال، در جریان درگیریهای ایران و رژیم صیهونیستی دیده شد که با قرار دادن ماکتها یا نقاشیها توانستند سیستمهای هدفیاب مبتنی بر هوش مصنوعی را فریب دهند. این قابلیت فریب، همزمان میتواند مزیتی برای دشمن و چالشی برای کاربرِ سیستم باشد.
وی مسئولیتپذیر نبودن در قبال خطاهای سیستم را فاجعهبار خواند و تصریح کرد: یک انسان نمیتواند مسئولیت جنایات جنگی را از خود سلب کرده و آن را به گردن ماشین بیندازد. مواردی گزارش شده که سیستمهای هدفیابی خودکار در تشخیص اهداف دچار خطا شدهاند. بهعنوان نمونه گفته میشود سیستم هوش مصنوعی رژیم صهیونیستی و آمریکا بهتازگی مکانی به نام پارک پلیس را که یک منطقه غیرنظامی بود، هدف قرار داد؛ صرفاً به این دلیل که کلمه پلیس در نام آن وجود داشت. اینها چالشهای جدی در زمینه جنایات جنگی محسوب میشوند.
این مدرس دانشگاه ادامه داد: وابستگی الگوریتمها به دادهها(Data-Driven) موجب میشود که کیفیت پایین دادهها، سیستم را با مشکل مواجه کند، همچنین محدودیت در تعمیمپذیری(Generalization) باعث میشود سیستمی که برای یک سناریوی خاص آموزش دیده، در مواجهه با شرایط جدید و تغییرات دادهای دچار افت شدید دقت شود. از سوی دیگر، این سیستمها به زیرساختهای عظیم سختافزاری(کارتهای گرافیک، رم بالا و اینترنت) وابستهاند که انهدام آنها در شرایط جنگی، کل سیستم را از کار میاندازد.
اخوانپور تأکید کرد: نبود احساس و درک انسانی در تصمیمگیریهای مرگبار، خطر کشته شدن غیرنظامیان و کودکان را به دلیل باگهای نرمافزاری به شدت بالا میبرد. همانطور که در آمریکا شاهد تبعیضهای الگوریتمی در سیستمهای تشخیص چهره علیه سیاهپوستان در دادگاهها بودهایم، این سوگیریها در جنگ میتواند فاجعهبار باشد. کاهش هزینههای انسانی برای طرفِ مهاجم، ممکن است به تشدیدجنگها و افزایش تلفات غیرنظامی منجر شود. پیچیدگیهای هماهنگی بین انسان و ماشین و رقابت تسلیحاتی خطرناک میان شرکتهای سازنده هوش مصنوعی، از دیگر بحرانهای پیشِ رو است.
چشمانداز هوش مصنوعی در ایران
وی با بررسی وضعیت بومی این فناوری اظهار کرد: در کشور ما تمامی این قابلیتها میتواند پیادهسازی شود. در حوزههای غیرنظامی شاهد کاربرد آن در پزشکی، تشخیص بیماریها، کشاورزی هوشمند، مدیریت منابع آبی و تحلیل دادههای بانکی و مالی هستیم. در عرصههای نظامی و امنیتی نیز با توجه به توانمندیهای پهپادی کشور، استفاده از بینایی کامپیوتر برای شناسایی اهداف و تصمیمگیریهای هوشمند محتمل است.
این کارشناس فضای مجازی افزود: در آینده مدیریت یکپارچه و حرکت گروهی پهپادها(Swarm) برای اهداف مشخص، دور از انتظار نیست. یکپارچهسازی حجم عظیم دادههای ماهوارهای با اطلاعات استخراجشده از سایتهای خبری، کانالهای تلگرامی و شبکههای اجتماعی نظیر توییتر، و ارائه خلاصهها و تحلیلهای احساسات(Sentiment Analysis) در کوتاهترین زمان ممکن، میتواند بهعنوان ابزاری قدرتمند به فرماندهان در فرایند تصمیمگیری یاری رساند.
انتهای پیام
