محققان هوش مصنوعی می خواهند AI را همانند دانشمندان علوم اجتماعی مطالعه کنند.
زمانی که الگوریتم ها همه چیز را از طریق تعاملات اجتماعی، فرهنگی، اقتصادی و سیاسی گردآوری می کنند، دانشمندان کامپیوتر تلاش می کنند با توسعۀ روش های فنی برای درک رفتار آنها، به تقاضاهای رو به افزایش برای توضیح آن پاسخ دهند. اما یک گروه از محققان دانشگاهی و صنعت در حال حاضر استدلال می کنند که ما نیازی به نفوذ به این جعبه های سیاه هوش مصنوعی برای درک و در نتیجه کنترل اثر آن بر زندگی خودمان نداریم. به هر حال اینها اولین جعبه سیاه های مهمی نیستند که ما به آنها برخوردیم. نیک اوبرادویچ، یک محقق آزمایشگاه رسانه ای MIT و همکارانش در این باره می گوید: “ما روش های علمی برای مطالعه جعبه های سیاه را توسعه داده ایم. مقاله جدید منتشر شده از سوی محققیق MIT با عنوان: “ما می توانیم بسیاری از ابزارهای مشابه را برای مطالعه سیستم های جدید AI استفاده کنیم.” نکات مهمی را دربرداشت. نویسندگان مقاله، یک گروه متنوع از محققان صنعت و دانشگاه، پیشنهاد می کنند که رشته تحصیلی جدیدی به نام “رفتار ماشین” ایجاد شود. این روش، مطالعه سیستم های هوش مصنوعی را به همان شیوه ای که ما همیشه برای حیوانات و انسان ها مورد مطالعه قرار داده ایم نزدیک می کند: به صورت مشاهدات تجربی و آزمایش. به این ترتیب، یک متخصص دستگاه برای دانشمند کامپیوتر مانند یک دانشمند علوم انسانی برای یک متخصص مغز و اعصاب است. نفر اول بررسی می کند که یک عضو، چه مصنوعی و چه بیولوژیکی، چگونه در زیستگاهش زمانی که در گروه ها همزیستی می کند و با سایر عوامل هوشمند ارتباط برقرار می کند، رفتار می کند. دومی می خواهد مکانیک تصمیم گیری را شالوده این رفتارها قرار دهد.ایاد رحوان، یکی دیگر از محققان آزمایشگاه رسانه ای و نویسنده اصلی این مقاله، در پست وبلاگی که همراه این نشریه منتشر شده است، گفت: “ما شاهد رشد و ارتقا ماشین ها هستیم. ماشین هایی که بازیگرند، تصمیم می گیرند و به صورت خودکار عمل می کنند.” بنابراین آنها باید “به عنوان یک کلاس جدید از بازیگرانی با الگوهای رفتاری و محیط زیست خاص خود، مورد مطالعه قرار گیرند”.این بدان معنا نیست که سیستم های AI به عنوان سیستم هایی خودکامه معرفی شوند. (مطمئناً اینطور نیستند؛ آنها تنها مدلهای ریاضی شکوهمند را دنبال می کنند) اما به این معناست که باید از دیده شدن سیستم های AI به عنوان ابزاری منفعل که صرفا از طریق معماری، عملکرد و قابلیت های فنی آنها ارزیابی می شوند فاصله بگیریم. در عوض، باید آن ها را به عنوان بازیگرانی فعال در نظر گرفت که بر روی محیط و افراد و ماشینهای اطرافشان تأثیر می گذارند.پس، در واقع این موضوع به چه شکل است؟ رفتار یک ماشین را می توان استنطاق کرد، برای مثال، تأثیر ارتقا دهندگان صدا بر روی رشد شخصیت کودک. یا ممکن است چگونگی تغییرات الگوریتم های دوستیابی آنلاین در ملاقات کردن و عاشق شدن مردم را بررسی کنند. در نهایت، آنها خواصی که از همزیستی بسیاری از انسان ها و ماشین ها بدست می آید را مطالعه می کنند.اوبرادوویچ می گوید: “ما همگی یک انسان ماشینی غول پیکر هستیم. باید این را بدانیم و در موردش مطالعه کنیم.”مهم است که توجه داشته باشید، بیشتر این ایده ها جدید نیستند. به عنوان مثال، رباتیک، مدت زیادی در تعامل انسان و کامپیوتر مطالعه شده اند. و زمینه علم، تکنولوژی و جامعه چیزی است که به عنوان “نظریه بازیگر بازی” شناخته می شود، چارچوبی برای توصیف همه چیز در جهان اجتماعی و طبیعی – هر دو انسان و الگوریتم – به عنوان بازیگرانی هستند که به نوعی با یکدیگر ارتباط دارند. اما در بیشتر موارد، هر کدام از این تلاش ها در رشته های جداگانه قرار گرفته اند. جمع آوری آنها در زیر یک چتر کمک می کند تا اهدافشان را هماهنگ کنند، یک زبان مشترک را تشکیل دهند و همکاری های میان رشته ای را تقویت کنند. اوبرادوویچ می گوید “این کمک می کند که ما یکدیگر را پیدا کنیم.”با وجود وجه تمایز ترتیب و اساس کاری از محققان هوش مصنوعی، رفتارشناسان حوزه ماشین همچنان باید با محققان هوش مصنوعی کار کنند. رفتارشناسان حوزه ماشین، راه های جدیدی که سیستم های هوش مصنوعی بوسیله آن روی مردم تاثیر میگذارند و طوری که با آنها رفتار می کنند را کشف میکنند و میتوانند همانند سابق این آموختهها را وارد طراحی سیستم ها کنند. هرچه این دو بتوانند از تجربه و تخصص یکدیگر بهره بگیرند، بیشتر خواهند توانست این اطمینان را ایجاد کنند که هوش مصنوعی به سود انسان است تا به ضررش.اوبرادوویچ می گوید: “ما به تخصص دانشمندان از همه رشته های رفتاری و محاسباتی نیاز داریم