نبوغ اینشتین و فوریه در هوش مصنوعی

مبنای این دو متد جدید افکار دو دانشمند پرآوازه در دنیای فیزیک و ریاضی است. بعد از گذشت سال‌ها افکار اینشتین در فیزیک به محققان هوش مصنوعی ایده می‌دهد و یافته‌ها و فرمول‌های فوریه، ریاضیدان بزرگ قرن هجدهم راهنمای راه آنهاست.

در ادامه به توضیح مختصر از این دو متد خواهیم پرداخت.

2 تکنیک جدید برای بینایی رایانه که چگونگی درک انسان از اشیای سه‌بعدی را از انسان تقلید می‌کند، توسط محققان معرفی شده است. این تکنیک‌ها که برایشان فرقی نمی‌کند اشیا چگونه هستند، خمیده یا (Computer Vision) صاف و یا پیچیده باشند یا ساده، می‌تواند به پیشرفت بینایی رایانه‌ای کمک کند. (heat mapping ) این تکنیک‌ها نقشه‌برداری گرما (heat distribution) و توزیع گرمایی نام دارند. کارثیک رامانی، استاد دانشگاه دانشگاه پوردو دونالد، در مورد این دو تکنولوژی می‌گوید: این دو به متد‌های ریاضی اشاره دارد که برای قادر ساختن ماشین (رایانه) به درک محیط اشیای سه‌بعدی کاربرد دارد. او در ادامه می‌گوید درک اشیای سه‌بعدی برای انسان‌ها ساده است، ولی برای رایانه خیلی آسان نیست. ما می‌توانیم یک شئ را به اجزایش در ذهنمان تجزیه کنیم؛ مثلا یک دست را به کف دست و انگشت‌ها، کاری که برای رایانه یک عملیات سخت است.

هر دو تکنیک از روش‌های اساسی فیزیک و معادلات مربوط به چگونگی انتشار گرما در سطوح استفاده می‌کنند.

آلبرت اینشتین کمک‌های شایانی به مبحث انتشار کرد. فیزیکدان و ریاضیدان جوزف فوریه قانون فوریه را برای معادلات حرارت ارائه کرد. رامانی می‌گوید: «ما روی شانه‌های غول‌های علم ایستاده‌ایم تا الگوریتمی‌ برای این روش‌های جدید با استفاده از معادله گرما ارائه کنیم.»

همان ‌طور که گرما روی سطح منتشر می‌شود، برجستگی‌های یک شئ را با دقت در می‌یابد. این سیستم از «هوشمندی گرما» بهره می‌گیرد. گرما، هر نقطه‌ای را شبیه‌سازی می‌کند و در این فرآیند شکل یک شئ را تشخیص می‌دهد.

IEEEیافته‌ها در این مورد در 2 مقاله در کنفرانس دید رایانه‌ای و تشخیص الگوی با جزئیات کامل شرح داده خواهد شد.

یک محدودیت اصلی در متد‌های موجود این است که آنها به اطلاعات قبلی در مورد شئ برای آنالیز کردن آن نیاز دارند، برای مثال در قطعه‌بندی شما باید از قبل به رایانه بگویید که شئ چند قسمت دارد، مثلا 10 یا 12 قسمت. (قطعه‌بندی در بینایی ماشین به فرآیند تجزیه یک تصویر دیجیتال به قطعه‌های کوچک‌تر به منظور آسان‌سازی آنالیز تصویر گفته می‌شود.)

متد‌های جدید، توانایی انسان برای درک اشیا را تقلید می‌کند. به این دلیل که انسان به یک ایده قبلی در مورد این که اشیا از چه اجزایی تشکیل شده‌اند، نیاز ندارد. پس در این متد‌ها نیازی به دانش قبلی نیست.

رامانی می‌گوید: ما سعی می‌کنیم تا آنجا که امکان دارد به قطعه‌بندی انسان نزدیک شویم. یک موضوع به روز در هوش مصنوعی، یادگیری ماشین بدون نظارت است. این به آن معناست که ماشینی مثل ربات می‌تواند بدون دانش قبلی درک کند و یاد بگیرد. ما قادر هستیم اندازه تقسیم‌بندی‌ها را به جای این که از قبل تعیین کنیم، با استفاده از الگوریتم‌های خود تخمین بزنیم.

بخشی از بودجه این کار توسط بنیاد ملی علوم تامین می‌شود. ثبت اختراع این دستاورد نیز در انتظار تایید است.

این متدها کاربردهای بسیاری دارند، موتور جستجوی سه‌بعدی برای پیدا کردن قطعات خودرو در یک پایگاه داده، بینایی و موقعیت‌یابی‌ ربات، تصویربرداری پزشکی سه‌بعدی، هواپیما‌های بدون‌سرنشین، ساخت شخصیت‌های سه‌بعدی در انیمیشن‌ها، کمک به دوربین‌های سه‌بعدی برای درک حرکات انسانی به منظور بازی‌های تعاملی، کمک به پیشرفت بخش‌هایی از علوم و مهندسی که به تشخیص الگو نیازمندند، یادگیری ماشین و بینایی ماشین، می‌تواند از کاربرد‌های این متدها باشد.

متد نقشه برداری گرما اول با تجزیه کردن یک شئ به شبکه‌ای از مثلث‌ها (ساده‌ترین اشکالی که می‌توانند سطوح را مشخص و میزان گرما را در این شبکه‌ها محاسبه کنند) کار می‌کند. این متد در واقع از ردگیری گرما استفاده نمی‌کند، بلکه جریان گرما را با استفاده از اصول ریاضی دقیق شبیه‌سازی می‌کند.

متد نقشه‌برداری گرما به رایانه اجازه می‌دهد یک شئ را تشخیص دهد، اشیایی مانند دست یا بینی با توجه به این که مشکلی نیست اگر دست خم باشد یا بینی بد شکل باشد! این روش قادر است اختلال ناشی از روش‌های اسکن لیزری یا هر نوع داده اشتباه را پوشش می‌دهد.

رامانی می‌گوید: مهم نیست که انگشتان یا کف دست خود را چگونه تکان می‌دهید، به هر حال یک انسان تشخیص می‌دهد که این یک دست است، ولی در این حالت، فهماندن این‌که هنوز این شئ یک دست است، کار دشواری است، در اینجا نیاز به یک الگوریتم قوی و سازگار است که تغییرات شدید را درک کند.

این متد بدقت چگونگی ردگیری گرما را هنگامی‌که شئ ساختار اصلی خود را نشان می‌دهد، شبیه‌سازی می‌کند و شکل کلی شئ را تشخیص می‌دهد. در متد توزیع گرمایی از ردگیری گرما برای تشخیص شکل شئ استفاده می‌شود.

محققان این متدها را روی اشیای پیچیده‌ای مانند دست و یک موجود افسانه‌ای که نیمی ‌از بدن آن اسب و نیمی‌ انسان است، امتحان کرده‌اند. در آینده شگفتی‌هایی را که این دو متد در حوزه‌های مختلف به وجود خواهند آورد، مشاهده خواهیم کرد.

حمید خدابنده‌لو