دکتر حسین مباهی، پژوهشگر ارشد هوش مصنوعی گوگل و دانش آموخته دانشگاه تهران به جزییاتی درباره آگاهی و احساس در هوش مصنوعی گوگل و نقشه راه برای تبدیل شدن به یک متخصص هوش مصنوعی و علم داده پرداخت.
به گزارش خبرگزاری صدا و سیما، پژوهشگر ایرانی هوش مصنوعی گوگل و فوق دکتری هوش مصنوعی MIT که در مقطع کارشناسی ارشد دانشجوی دانشکده فنی دانشگاه تهران بود، در مورد علاقه خود در دوران کارشناسی به هوش مصنوعی و ورود به حوزه پژوهشی و بنیادی هوش مصنوعی گفت: من ۲ انتخاب داشتم؛ یا به عنوان استاد وارد دانشگاه شوم و یا به آزمایشگاه هوش مصنوعی بروم. هر کدام نقاط ضعف و قوت خاص به خود را داشتند، اما در نهایت گوگل را انتخاب کردم. مهم‌ترین معیار، آزادی پروژه‌ای بود که میخواستم روی آن کار کنم. دسترسی به دانشجو‌های ممتاز به صورت کارآموزی نیز امکان کار کردن با دانشجو‌های تراز اول را به ما می‌دهد.
وی در مورد آگاهی هوش مصنوعی گوگل و وجود احساس در آن گفت: اینکه هوش مصنوعی گوگل به آگاهی رسیده خیر، هنوز به این نقطه نرسیده است. اگر بخواهیم در مورد آگاهی صحبت کنیم باید بگوییم که ابتدا آن سیستم هوشمند باید از وجود خود آگاه باشد. فعلا صرفا الگوریتم‌های برنامه نویسان را پیاده سازی می‌کند و انگیزه را نمی‌داند.
دکتر مباهی در خصوص نگرانی‌ها از هوش مصنوعی و آینده این فناوری گفت: قرار نیست هوش مصنوعی جانشین انسان شود و یا از کنترل انسان خارج شود، اما با پیشرفت هوش مصنوعی احتمال جایگزینی شغل‌ها وجود دارد.
دکتر مباهی در مورد نقشه راه برای تبدیل به متخصص هوش مصنوعی گفت: دو نکته در این مسیر بسیار مهم است؛ علاقه و پشتکار که برای موفقیت در هر زمینه‌ای لازم است. اگر این دو نباشد، شکست به خصوص در کار تحقیقاتی محتمل است. انگیزه و علاقه مهم‌ترین نکته در رسیدن به موفقیت است. در مورد هوش مصنوعی، باید بگویم به تلفیقی از اطلاعات کاربردی و بنیادی در این حیطه نیاز است. منظور از زمینه‌های بنیادی، مباحث آکادمیک مانند آمار و احتمال و جبر خطی و در مورد زمینه‌های کاربردی، کار با داده‌های واقعی و مدل دادن است. هر دو بعد نیاز است.
پژوهشگر ایرانی گوگل در مورد ابزار مورد استفاده در گوگل افزود: از نظر زبان برنامه نویسی، پایتون است؛ نه تنها در گوگل بلکه در مایکروسافت و فیسبوک. کتابخانه‌هایی اضافه بر پایتون نیز برای هوش مصنوعی وجود دارد. چیزی که در سال‌های پیش در گوگل استفاده می‌شد، TensorFlow بود، ولی دو سه سالی هست که از کتابخانه JAX استفاده می‌شود. جکس بیشتر برای کار‌های تحقیقاتی استفاده می‌شود.
دانش آموخته دانشگاه تهران در مورد نقاط قوت و ضعف هوش مصنوعی در ایران عنوان کرد: دورادور وضعیت را دنبال میکنم. چیزی که به چشم دیدم این است که دانشجو‌ها مستعد و اساتید نیز با دانش هستند، اما یک نکته منفی این است که بر روی چاپ مقاله تاکید زیادی می‌شود و فشار زیادی به دانشجو وارد می‌شود. این فشار از کیفیت می‌کاهد و بر کمیت می‌افزاید و تغییر این می‌تواند در رشد هوش مصنوعی و در کل رشد علم جامعه دانشگاهی کمک کند.