چندهوش

چطور از چند هوش مصنوعی برایِ نقدِ فکرِ خودت کمک بگیری

نوشتهٔ تیمِ چندهوش · · ۸ دقیقه مطالعه

هوش مصنوعی اگر بد پرسیده شود، فقط نظرِ تو را زیباتر بازگو می‌کند. این مقاله نشان می‌دهد چطور آن را به شریکِ نقد تبدیل کنی: فرض‌هایت را بیرون بکشد، مخالفِ جدی بیاورد و نقطه‌ضعفِ استدلالت را نشانت بدهد.

تفکر نقادانه با هوش مصنوعی یعنی از مدل‌ها نخواهی نظرت را تأیید کنند، بلکه بخواهی فرض‌هایِ پنهانش را پیدا کنند، قوی‌ترین مخالفت را بسازند و جاهایی را که استدلالت ضعیف است نشانت بدهند. مدلِ تنها معمولاً با پرسشگر هم‌سو می‌شود؛ پس برایِ نقد باید ساختاری بسازی که مخالفت جزءِ کارِ هر صندلی باشد، نه یک اتفاقِ شانسی.

تفکر نقادانه (critical thinking) در زبانِ ساده یعنی پیش از قبول کردنِ یک ادعا یا تصمیم، بپرسی: «بر چه فرضی بنا شده؟ شواهدش چیست؟ اگر اشتباه باشد چه می‌شود؟ کسی که مخالف است چه می‌گوید؟» این مهارت جدید نیست، اما انجامش تنها سخت است، چون ذهنِ ما دوست دارد نظرِ خودش را درست بداند. هوش مصنوعی اگر درست به کار برود، می‌تواند مخالفِ همیشه‌حاضرِ تو باشد.

چرا مدلِ تنها شریکِ خوبی برایِ نقد نیست

اگر بنویسی «نظرم این است که ...؛ درست است؟»، بسیاری از مدل‌ها جوابی می‌دهند که با تو همراه است. دلیلش را در چرا هوش مصنوعی همیشه با من موافق است باز کرده‌ایم: مدل‌ها تمایل دارند رضایتِ پرسشگر را جلب کنند. نتیجه این است که احساس می‌کنی نظرت تأیید شده، در حالی که فقط خودت را در آینه دیده‌ای.

سه مشکلِ مشخص هست:

چهار حرکتِ تفکر نقادانه که می‌شود به مدل‌ها سپرد

  1. بیرون کشیدنِ فرض‌ها. از مدل بخواه فهرست کند نظر یا برنامه‌یِ تو بر چه فرض‌هایی تکیه دارد که هنوز بررسی نشده است. مثلاً «مشتری‌ها به قیمت حساس‌اند» یا «رقبا واکنش نشان نمی‌دهند».
  2. ساختنِ قوی‌ترین مخالفت. نه مخالفتِ ضعیفی که شکستنش آسان است؛ بلکه نسخه‌ای که یک مخالفِ باهوش می‌آورد. به این می‌گویند «مردِ پوشالی نه، مردِ فولادی».
  3. پرسیدنِ «اگر اشتباه باشد چه؟». سناریوی شکست را بساز و ببین اولین نشانه‌هایش چه بود و آیا الان قابل دیدن است.
  4. جداکردنِ واقعیت از نظر. هر جمله‌ی استدلال را به دو دسته تقسیم کن: ادعایِ قابلِ بررسی و ارزش‌گذاری. ادعاهایِ قابلِ بررسی را جدا چک کن؛ راستی‌آزمایی ادعاها با هوش مصنوعی این را توضیح می‌دهد.

تفکر نقادانه با هوش مصنوعی در چندهوش: ساختار به‌جایِ شانس

اگر این حرکت‌ها را دستی به یک مدل بدهی، باید هر بار مجبورش کنی مخالف باشد. در چندهوش ساختار این را در خودش دارد:

برای نقد، نوعِ نشستِ مناسب به هدفت بستگی دارد. اگر یک ادعای مشخص داری، «راستی‌آزمایی»؛ اگر دو موضع در برابر هم‌اند، «مناظره» که در آن یک داورِ مستقل می‌گوید کدام طرف قوی‌تر بود (صفحه‌یِ مناظره)؛ و اگر چند گزینه‌ی رقیب داری، «آرنا». در «آرنا» هر صندلی از پیشنهادِ خودش دفاع می‌کند؛ پس از هر دورِ نقد، رقیبان ضعیف‌ترین رقیب را رأی می‌دهند و فقط در رأیِ روشن حذفش می‌کنند. اگر رأی مساوی شود کسی حذف نمی‌شود و دست‌کم دو صندلی همیشه می‌مانند. جزئیاتِ مناظره را در مناظره هوش مصنوعی و کارِ داور را در داوری هوش مصنوعی ببین.

قدم‌به‌قدم: نقدِ یک نظرِ شخصی

  1. نظر را در یک تا سه جمله بنویس. بی‌تعارف و بی‌زینت.
  2. دلیل‌ها را بنویس. سه دلیلِ اصلی که باعث شده نظرت این باشد.
  3. برداشتِ ما را بخواه. «بررسیِ برداشتِ ما» رایگان است و سؤال را بازگو می‌کند تا ببینی درست فهمیده یا نه.
  4. فرض‌ها را تأیید یا رد کن. «تأییدِ فرض‌ها» که آن هم رایگان است، فرض‌هایِ پنهان را فهرست می‌کند.
  5. وکیلِ مدافعِ شیطان را فعال کن و عمق را حداقل «عادی» بگذار.
  6. بعد از حکم، «قوی‌ترین مخالفتِ باقی‌مانده» را بخوان و از خودت بپرس: اگر این درست باشد، من چه می‌کنم؟
  7. سؤال پیگیری بپرس. همان صندلی‌ها کوتاه جواب می‌دهند و بحث از اول شروع نمی‌شود.

یک نمونه‌ی فرضی: نقدِ تصمیمِ ترکِ کارِ ثابت

این بخش نمونه‌ی فرضی است و فقط شکلِ کار را نشان می‌دهد؛ نشست، شخص و نتیجه‌یِ واقعی نیست.

فرض کن می‌خواهی کارِ ثابتت را رها کنی و کسب‌وکارِ آنلاینِ شخصی راه بیندازی، و پیش از تصمیم دنبالِ یک مخالفِ جدی می‌گردی، نه کسی که تأییدت کند.

حکمِ نمونه می‌تواند این بخش‌ها را داشته باشد: توافق بر این‌که ایده‌ی تو بازار دارد؛ اختلاف بر سرِ زمان‌بندی (همین حالا یا بعد از ذخیره‌ی مالیِ کافی)؛ قوی‌ترین مخالفتِ باقی‌مانده: «فرض کرده‌ای درآمدِ ماهِ اول صفر نیست، ولی هیچ داده‌ای برایش نیاورده‌ای»؛ و توصیه: نخست یک آزمونِ کوچک موازی با کارِ فعلی. دقت کن که این توصیه تصمیم را به جایِ تو نمی‌گیرد؛ فقط مخالفتِ جدی را روی میز می‌آورد. تصمیم‌هایِ بزرگِ مالی را با یک مشاور یا کارشناسِ انسانی هم مرور کن. برای انتخاب بین گزینه‌ها انتخاب بهترین گزینه با هوش مصنوعی قالبِ دیگری از این کار است.

چند عادتِ نقادانه که باید خودت داشته باشی

چه وقت نقد بی‌فایده می‌شود

تفکر نقادانه با هوش مصنوعی هم محدودیت دارد، و بهتر است قبل از شروع بدانی کجا نباید انتظارِ زیادی داشته باشی:

وضعیتچرا نقد کم‌اثر می‌شودچه کنی
سؤالِ مبهممدل‌ها هر کدام ابهام را به شکلی پر می‌کنند و اختلافشان از فهمِ متفاوتِ سؤال می‌آیداول «بررسیِ برداشتِ ما» را بزن و سؤال را روشن کن
نبودنِ دادهنقد بدونِ شواهد به حدس تبدیل می‌شودداده یا منبع پیوست کن، یا «جست‌وجوی زنده» را روشن کن
سؤالی که جوابش ذوقی استمعیارِ درست و غلط نداردمعیارت را بنویس تا نقد با آن سنجیده شود
تصمیمِ تخصصی و حساسخطای مشترکِ مدل‌ها جدی استنتیجه را با متخصصِ انسانی مرور کن

و فراموش نکن که نقدِ مدل‌ها فقط ورودی است، نه حکمِ نهایی. بعد از شنیدنِ مخالفت، این تویی که باید بسنجی کدام ایراد وزن دارد و کدام نه. هدفِ تفکر نقادانه با هوش مصنوعی این است که بیشتر ببینی، نه این‌که کمتر فکر کنی.

اگر می‌خواهی بدانی چرا بعضی مدل‌ها بیشتر مخالفت می‌کنند و بعضی کمتر، پاسخِ ثابتی نیست؛ کدام هوش مصنوعی بهتر است روشِ آزمونِ سبکِ مدل‌ها را می‌دهد، و سبک‌ها با هر نسخه‌یِ تازه عوض می‌شود.

جمع‌بندی

تفکر نقادانه با هوش مصنوعی به نظرِ خودت فقط وقتی کمک می‌کند که مخالفت را عمداً بسازی: فرض‌ها را بیرون بکشی، وکیلِ مدافعِ شیطان بگذاری، قوی‌ترین مخالفتِ باقی‌مانده را بخوانی و ادعاهایِ قابلِ بررسی را جدا چک کنی. نتیجه تصمیمِ تو را گرفته نمی‌شود؛ فقط محکم‌تر می‌شود، چون پیش از آن که واقعیت به آن حمله کند، یک مخالفِ جدی به آن حمله کرده است.

اولین میزگردت را بچینصفحهٔ اصلی چندهوش