الگوریتم‌ها و هوش مصنوعی برای دنیایی بهتر
در حالی که تصمیم‌گیری‌های الگوریتمی و هوش مصنوعی مزایای بسیاری همچون تحولات اساسی در سرعت، کارایی و قابلیت پیش‌بینی در طیف وسیعی از زمینه‌ها ارائه می‌دهند، مانیش راغوان در تلاش است تا خطرات مرتبط با این فناوری‌ها را کاهش داده و همزمان از فرصت‌های آن‌ها برای حل مشکلات اجتماعی پیشین بهره ببرد.
راغوان، استاد توسعه شغلی در دانشکده مدیریت Sloan در MIT و دپارتمان مهندسی برق و علوم کامپیوتر و محقق اصلی در آزمایشگاه سیستم‌های اطلاعات و تصمیم‌گیری (LIDS)، می‌گوید: «من در نهایت می‌خواهم تحقیقاتم به راه‌حل‌های بهتری برای مشکلات قدیمی جامعه کمک کند.»
کاربرد هوش مصنوعی در استخدام
یکی از نمونه‌های واضح از دیدگاه راغوان، تحقیق او در زمینه استفاده از هوش مصنوعی در فرآیندهای استخدام است.
راغوان توضیح می‌دهد: «به سختی می‌توان گفت که فرآیندهای استخدامی سنتی، عملکرد مناسبی داشته‌اند یا از ارزش کافی برخوردار بوده‌اند. ابزارهایی که داده‌های گذشته را برای یادگیری تحلیل می‌کنند، تمام سوگیری‌ها و اشتباهات انسان‌ها را نیز به ارث می‌برند.»
با این حال، او یک فرصت بالقوه را نیز در این حوزه می‌بیند و می‌گوید: «اندازه‌گیری تبعیض همیشه سخت بوده است. با این حال، سیستم‌های مبتنی بر هوش مصنوعی گاهی نسبت به انسان‌ها آسان‌تر قابل مشاهده و اندازه‌گیری هستند. یکی از اهداف کار من این است که بررسی کنم چگونه می‌توان این شفافیت بیشتر را برای شناسایی رفتارهای اشتباه در سیستم‌ها به کار برد.»
از علوم پزشکی تا علوم کامپیوتر
راغوان که در منطقه خلیج سان فرانسیسکو و در خانواده‌ای با والدین متخصص علوم کامپیوتر پرورش یافته است، ابتدا قصد داشت پزشک شود. اما پیش از شروع دانشگاه، علاقه‌اش به ریاضیات و محاسبات او را به سمت علوم کامپیوتر سوق داد. او تابستانی را به‌عنوان دانشجو در دانشگاه کرنل نزد جان کلاینبرگ سپری کرد و تصمیم گرفت دکترای خود را در آنجا با موضوع «تأثیرات اجتماعی تصمیم‌گیری الگوریتمی» بنویسد.
وی موفق به دریافت جوایزی مانند بورس تحصیلی National Science Foundation، Microsoft Research PhD Fellowship و جایزه دپارتمان علوم کامپیوتر دانشگاه کرنل شد. در سال ۲۰۲۲، او به عضویت هیئت علمی MIT درآمد.
کاربرد الگوریتم‌ها در پزشکی
شاید بازگشتی به علاقه اولیه‌اش به پزشکی باشد، اما راغوان پژوهشی در مورد میزان دقت ابزار غربالگری الگوریتمی موسوم به Glasgow-Blatchford Score (GBS) برای بیماران مبتلا به خونریزی گوارشی و تأثیر مشورت پزشکان متخصص در بهبود نتیجه این الگوریتم انجام داده است.
او می‌گوید: «GBS به‌طور میانگین به اندازه انسان خوب عمل می‌کند، اما این به این معنی نیست که در مورد همه بیماران یا گروه‌های کوچک آن‌ها بی‌نقص باشد. امید ما این است که بتوانیم بیماران خاصی را که GBS برای آن‌ها اشتباه تصمیم‌گیری می‌کند شناسایی کنیم تا بازخورد پزشکان در این موارد به‌ویژه ارزشمند باشد.»
تأثیر پلتفرم‌های آنلاین
راغوان همچنین درباره تأثیر پلتفرم‌های آنلاین بر کاربران کار کرده است. او به این مسئله پرداخته که چگونه الگوریتم‌های رسانه‌های اجتماعی محتوایی را که کاربر انتخاب می‌کند، مشاهده کرده و سپس مشابه همان محتوا را به او نمایش می‌دهند. او این شرایط را با چیدن یک بسته چیپس توسط کاربران مقایسه می‌کند: چیزی که در لحظه لذت‌بخش است، اما ممکن است در درازمدت کاربر را دچار احساس ناخوشایند کند.
راغوان و همکارانش مدلی از تعامل کاربری که دچار تعارض میان لذت فوری و رضایت بلندمدت است، ارائه کردند. این مدل نشان می‌دهد که چگونه طراحی پلتفرم‌ها می‌تواند تغییر کند تا تجربه‌ای سالم‌تر فراهم شود. این پژوهش جایزه Exemplary Applied Modeling Track Paper را در سال ۲۰۲۲ دریافت کرد.
او می‌گوید: «رضایت بلندمدت در نهایت بسیار مهم است. اگر بتوانیم شواهدی ارائه دهیم که نشان دهد منافع کاربران و شرکت‌ها همسو هستند، امید دارم بتوانیم به پلتفرم‌های سالم‌تری فشار بیاوریم بدون اینکه مجبور باشیم تضادهای منافع را حل کنیم.»
الهام از طبیعت برای حل مسائل علمی
راغوان درباره روند شکل‌گیری ایده‌هایش می‌گوید که بهترین ایده‌ها زمانی به ذهنش می‌آیند که مدتی به‌صورت پراکنده درباره یک مسئله فکر کرده باشد. او به دانشجویانش پیشنهاد می‌کند که مسائل بسیار دشوار را برای یک روز کنار بگذارند و سپس به آن بازگردند. به گفته او: «اغلب اوقات، روز بعد شرایط بهتر است.»
وقتی راغوان مشغول تدریس یا حل مسائل نیست، اغلب می‌توان او را در زمین فوتبال، به‌عنوان مربی تیم فوتبال مردان دانشگاه هاروارد پیدا کرد. او می‌گوید: «این فعالیت باعث می‌شود کارهای روزمره‌ام نظم بیشتری داشته باشند و هیجانی برای پایان روز داشته باشم.»
هوش مصنوعی و درک بهتر از انسان
راغوان درباره آینده هوش مصنوعی و کاربرد آن در جامعه می‌گوید بیشترین هیجان او از این است که AI می‌تواند بینش‌های جدیدی درباره انسان و جامعه انسانی به ما ارائه دهد. او می‌گوید: «امیدوارم بتوانیم از هوش مصنوعی برای شناخت بهتر خودمان استفاده کنیم.»