در یک‌قدمی درمان بیماری‌های مغزی
با دریافت مجوز اولین ایمپلنت مغزی از سازمان غذا و داروی ایالات متحده ایلان ماسک از گردونه رقابت جا ماند

در یک‌قدمی درمان بیماری‌های مغزی

همقدمی هوش مصنوعی و نوزادان در یادگیری

سیستم‌ های هوش مصنوعی امروزه در برخی زمینه‌ها ازجمله بازی‌های فکری یا جمع‌آوری مجموعه‌های بزرگ داده از انسان پیشی گرفته‌اند؛ با وجود این هوش مصنوعی در سایر زمینه‌ها حتی از نوزاد انسان عقب‌تر است.
کد خبر: ۱۳۷۵۱۰۸
نویسنده سمیرا کیان‌پور - گروه دانش و سلامت

برای مثال کودکان کم‌سن‌وسال به‌طور غریزی می‌دانند که وقتی جسمی از پشت جسم دیگری عبور می‌کند نمی‌تواند ناگهان غیب و در جایی دیگر ظاهر شود.

اگر چنین اتفاق جادویی‌ای رخ دهد، نوزادان متعجب می‌شوند اما همین قانون ساده‌ پیوستگی یا سایر قوانین ساده‌ فیزیک تا پیش از این برای هوش مصنوعی قابل درک نبوده است.

حالا دانشمندان با الهام از مطالعاتی که درباره‌ یادگیری کودکان انجام شده بود نوعی سیستم هوش مصنوعی را به نام پلاتو (PLATO) طراحی کرده‌اند.

پلاتو برگرفته از سر واژه‌های «Physics Leaning through Auto-encoding and Tracking Objects» و به معنی یادگیری فیزیک با کمک ردیابی اجسام و رمزگذاری خودکار است. پلاتو به کمک مجموعه‌ای از ویدئو‌های رمزگذاری‌شده که سطح دانش کودک را نشان می‌دهد آموزش داده شده است.

​​​​​​​روند آموزش قوانین فیزیک به هوش مصنوعی

یکی از عصب‌شناسان پروژه‌ دیپ مایند درخصوص این پژوهش می‌گوید: «ما خوش‌شانس بودیم که روان‌شناسان تکوینی سال‌ها روی این‌که نوزادان درباره‌ جهان فیزیکی چه می‌دانند تحقیق کرده‌اند و عناصر اثرگذار در درک فیزیکی را به‌صورت طبقه‌بندی‌شده درآورده‌اند. برای بسط‌دادن کار آنها ما مجموعه داده‌ای به‌صورت دسترسی آزاد از مفاهیم فیزیکی ساختیم.

این مجموعه‌داده‌های ویدئویی از آزمایش‌های تکاملی اصلی الهام گرفته‌اند و به‌‌منظور ارزیابی مفاهیم فیزیکی در مدل‌های ما ساخته شده‌اند.» سه مفهوم فیزیکی اصلی وجود دارد که ما انسان‌ها از سن کم درک می‌کنیم: پایداری (اجسام به‌طور ناگهانی ناپدید نمی‌شوند)، استحکام (اجسام جامد نمی‌توانند از درون یکدیگر عبور کنند)، پیوستگی (اجسام به‌طور پیوسته در طول زمان و مکان حرکت می‌کنند).

مجموعه داده‌ای که دانشمندان تهیه کرده‌اند علاوه بر این مفاهیم دو مورد دیگر را نیز شامل می‌شود؛ تغییرناپذیری (ویژگی‌های جسم مانند شکل تغییر نمی‌کند) و لختی جهت (اجسام به شکلی حرکت می‌کنند که با اصول لختی یا همان اینرسی سازگار است).

این مفاهیم با توپ‌هایی که به زمین می‌افتند، به سمت هم پرتاب می‌شدند، در پشت‌ اجسام دیگر ناپدید می‌گردیدند و سپس دوباره ظاهر می‌شدند تعریف ‌شدند.با کمک این ویدئو‌ها، این مفاهیم به هوش مصنوعی پلاتو آموزش داده شد.

در مرحله‌ بعد نوبت به آزمایش هوش مصنوعی رسید. وقتی که به هوش مصنوعی ویدئوهایی از حالات متناقض با قوانین فیزیکی که یاد گرفته بود نشان داده شد پلاتو تعجب کرد! این نشان می‌دهد پلاتو به قدری باهوش بود که بفهمد اتفاق عجیبی رخ داده که برخلاف قوانین فیزیک است. این یادگیری در مدت کوتاه ۲۸ساعت آموزش حاصل شد.

یادگیری با داده‌های بصری

این تیم در ادامه از اشیایی متفاوت از آنهایی که در داده‌های آموزشی بود استفاده کرد. دوباره، هوش مصنوعی درک کاملی از آنچه باید و نباید اتفاق می‌افتاد نشان داد. به این ترتیب مشخص شد که هوش مصنوعی می‌تواند یاد بگیرد و دانش پایه خود را گسترش دهد.

بااین‌حال، پلاتو هنوز در حد یک نوزاد سه‌ماهه نیست. به نظر می‌رسد خودآموزی در هوش مصنوعی هنوز راه درازی در پیش دارد و این سوال که «توانایی ذاتی یا اکتسابی» کدام نقش‌ پررنگ‌تری دارد، هنوز بی‌جواب است و دانشمندان تکوینی هنوز در مورد نوزادان به جواب قطعی نرسیده‌اند.

این تحقیق می‌تواند به ما درک بهتری از ذهن انسان بدهد و همچنین کمک کند تا تصویر بهتری از عملکرد ذهن انسان به کمک هوش مصنوعی بسازیم.

مدل‌سازی این پژوهش نشان‌دهنده این است که حداقل برخی از مفاهیم اصلی در فیزیک شهودی را می‌توان از طریق یادگیری بصری به دست آورد.

اگرچه تحقیقات در برخی گونه‌های جانداران که زودرس به دنیا آمده‌اند گویای آن است که بعضی از مفاهیم اولیه فیزیکی می‌توانند از بدو تولد وجود داشته باشند، در انسان‌ها داده‌ها نشان می‌دهند که دانش فیزیک شهودی در اوایل زندگی پدیدار می‌شود اما می‌تواند تحت تأثیر تجربه بصری قرار گیرد.»

منبع: Science Alert

newsQrCode
ارسال نظرات در انتظار بررسی: ۰ انتشار یافته: ۰

نیازمندی ها