هوش مصنوعی شرکت IBM مثل انسان فکر می‌کند!

کلیک: وبسایت انگجت (engadget) در گزارشی نوشت؛ الهام گرفتن از طبیعت برای تولید محصولات تکنولوژیک موضوع تازه ای نیست و می توان ریشه آن را در گذشته های دور جستجو کرد؛ یعنی زمانی که افراد مبتکری چون داوینچی از پرواز پرندگان برای طراحی وسایلی نظیر هواپیما الهام می‌گرفتند.

حال شرکت IBM در تلاش است با تقلید از عملکرد ماده خاکستری مغز ما ساختار هوش مصنوعی را بهبود بخشیده و به عملکرد آن سرعت ببخشد.

گفتنی است؛ آلفاگو (نوعی برنامه رایانه‌ای که برای بازی «گو» توسعه یافته است)، ماشین های ترجمه زبان و ماشین های تشخیص چهره و عکس بهترین نمونه های هوش مصنوعی هستند که تاکنون ساخته شده‌اند.

گرچه این ابزار نسبتا هوشمند توانایی های باور نکردنی دارند، اما هنوز با موانع تکنولوژیک مواجه‌اند؛ به عنوان مثال، برای اضافه کردن مهارت های خاص باید مجموعه ای عظیم از داده ها را در آنها تنظیم کرد.

به عبارت دیگر، اگر سازنده این دستگاه ها بخواهد عملکردی را اندکی تغییر دهد، مجبور است به طور کامل داده ها را از نو تنظیم کند. حال این فرآیند پیچیده را با یادگیری مستمر و تغییرات لحظه ای ذهن انسان مقایسه کنید که مهم‌ترین تفاوت هوش ما با هوش مصنوعی است. اما محدودیت های دیگری را نیز می توان در مسیر تولید یک هوش مصنوعی کامل متصور شد؛ ذهن انسان به ویژه در انجام استدلال های ارتباطی، بر منطق استوار است و می تواند از تجارب گذشته برای تصمیم گیری در لحظه کمک بگیرد. هرچند هوش مصنوعی می تواند همانند مغز انسان از عهده مهارت های تشخیصی بر بیاید، اما هنگام استفاده از منطق بسیار بد و ناکارآمد عمل می کند. همچنین هوش های مصنوعی نمادین که می توانند منطق را به کار بندد (مثلا برای بکارگیری قواعد استدلالی آموزش دیده اند) عموما قادر به استفاده درست از این مهارت در زمان واقعی نیستند. حال اگر بتوانیم این ویژگی ها و انعطاف پذیری مغز انسان را با قابلیت پردازش عظیم هوش مصنوعی ترکیب کنیم، چه اتفاقی می‌افتد؟ این دقیقا همان چیزی است که تیم DeepMind اخیرا سعی در انجام آن داشت. این تیم پژوهشی یک شبکه عصبی ایجاد کرده اند که بتواند استدلال ارتباطی را ضمن کار مورد استفاده قرار دهد؛ عملکردی بسیار شبیه به آنچه در شبکه مغز انسان مشاهده می شود. این هوش مصنوعی ترکیبی در آزمایش های مختلف بسیار بهتر از آنچه سازندگان انتظار داشتند، عمل کرد. هوش مصنوعی تیم Deepmind توانست در ۹۸ درصد موارد پاسخ درستی برای سوالات استنباطی ارائه دهد و در شرایطی که اغلب دستگاه های مشابه فقط می توانند به سوال های ساده ای از قبیل «سارا یک توپ است؛ سارا در دفتر راه می رود؛ توپ کجاست؟» پاسخ دهند، سیستم هیبریدی آی بی ام توانسته برای سوالات پیچیده تر و استنباطی تر مثل «لیلی یک قو است، لیلی سفید است. جری یک قو است.جری چه رنگی است؟» پاسخ منطقی پیدا کند.

اعضای تیم DeepMind در حال حاضر روی سیستمی کار می کنند که اطلاعات را می تواند به خاطر بسپارد تا در هنگام کار از آنها استفاده کند. ارتقا هوش مصنوعی در IBM همچنان ادامه دارد و در کنفرانس بین المللی هوش مصنوعی ۲۰۱۷ که هفته گذشته در ملبورن استرالیا برگزار شد، دو مقاله جدید از سوی این کمپانی ارائه گردید.

این دو مقاله به این سوالات پاسخ می داد که چگونه می توان attention span را وارد هوش مصنوعی کرد یا اعمال روند بیولوژیکی نورون ها در هوش مصنوعی به چه صورت است؟

«ایرینا ریش» از اعضای هیات تحقیقاتی IBM در مصاحبه با Engadget اظهار داشت: «یادگیری هوش مصنوعی به طور معمول مهندسی شده است و کار بسیار زیادی برای ساخت یک عملکرد خاص باید انجام شود. امیدوارم روزی برسد که این شبکه ها بتوانند خودشان را تولید کنند!»