مطالعه پژوهشگرانی که به دنبال روشهایی برای تقلید معماری و رفتار مغز انسان هستند نشان میدهد که ساختن سیستمهای هوش مصنوعی که خواب میکنند و رویا میبینند میتواند عملکرد و قابلیت اعتماد آنها را بهبود بخشد. هدف از این کار حل یک چالش متداول در هوش مصنوعی به نام “فراموشی ناگهانی” است که در آن مدلهایی که بر روی وظایف جدید آموزش داده میشوند توانایی انجام وظایف قبلی را از دست میدهند.
پژوهشگران دانشگاه کاتانیا یک روش آموزشی به نام یادگیری آب و خفاش (WSCL) توسعه دادند که به نحوی به مغز انسان شباهت دارد. همانند انسانها که خاطرات کوتاهمدت را به خاطرات بلند مدت تحویل میدهند، مدلهای هوش مصنوعی آموزش دیده شده با استفاده از WSCL دورههای “خواب” دارند که در این دورهها آنها به مروری بر تمام دادههای اخیر و قدیمی، ارتباطات و الگوها را پیدا میکنند و اطلاعات جدید را بدون فراموشی دانش موجود یاد میگیرند.
در مرحله خواب، مدلهای هوش مصنوعی با استفاده از WSCL علاوه بر تصاویر ماهیها، به تصاویر دیگری از حیوانات مانند پرندگان، شیر و فیل که در درسهای قبلی آموزش داده شده بودند معرفی میشوند. علاوه بر این، WSCL یک مرحله “رویاپردازی” دارد که در آن مدلها به طور کاملاً جدید با ترکیب مفاهیم قبلی، به عنوان مثال عکسهای طراحی شده از زرافههای تراکمداده شده با ماهی یا شیرهای تراکمداده شده با فیل غذا میشوند. این مرحله رویاپردازی به مدلها کمک میکند تا “نورونهای” دیجیتال گذشته را تلفیق کنند و الگوهایی را ایجاد کنند که به یادگیری وظایف جدید به طرز مؤثری کمک میکند.
در آزمایشها، محققان مشاهده کردند که مدلهای هوش مصنوعی آموزش دیده با استفاده از WSCL در مقایسه با روشهای آموزش سنتی، با افزایش ۲ تا ۱۲ درصد در شناسایی درست محتوای تصاویر عملکرد بهتری داشتند. همچنین مدلهای WSCL نشان دادند که در فرایند یادگیری وظایف جدید، دانش قبلی را بهتر حفظ میکنند.
اگرچه این نتایج نشان میدهند که استفاده از مغز انسان به عنوان چارچوبی برای بهبود عملکرد هوش مصنوعی واعمال دانش است، اما تمامی کارشناسان به این باور نیستند. اندرو روگوسکی از دانشگاه ساری معتقد است که تحقیقات هوش مصنوعی هنوز در مراحل اولیه خود است و نیاز به کپی کامل مغز انسان ندارد. به جای آن، او پیشنهاد میدهد از سایر سیستمهای زیستی مانند دلفینها به عنوان منبع الهام بگیریم که میتوانند همزمان با استفاده از یک بخش از مغز خود خواب کنند و همزمان برای هشدار با بخش دیگر آماده باشند.
به طور خلاصه، بررسی مفهوم خواب و رویاپردازی در آموزش هوش مصنوعی یک دیدگاه جذاب را مطرح میکند. در حالی که برخی به این مسئله عقیده دارند که کپی کردن دقیق مغز انسان هوش مصنوعی را تقویت نمیکند، شواهد در حال افزایش است که ادغام مکانیسمهای شبیهسازی خواب در مدلهای هوش مصنوعی میتواند منجر به بهبود عملکرد و حفظ دانش باشد. با گذشت زمان تحقیقات هوش مصنوعی، ممکن است مفاهیم زیستی دیگری را بررسی کنیم تا قابلیتهای هوش مصنوعی را بهبود بخشیم.
پرسشهای متداول درباره خواب و رویاپردازی در سیستمهای هوش مصنوعی
س: هدف از بررسی خواب و رویاپردازی در سیستمهای هوش مصنوعی چیست؟
ج: هدف از این کار حل چالش “فراموشی ناگهانی” است که مدلهای هوش مصنوعی در آموزش وظایف جدید، توانایی انجام وظایف قبلی را از دست میدهند.
س: چه روش آموزشی توسعه داده شده توسط پژوهشگران دانشگاه کاتانیا است؟
ج: پژوهشگران روش آموزشی به نام یادگیری آب و خفاش (WSCL) را توسعه دادند.
س: چگونه WSCL مکانیسم تلفیق خاطرات مغز انسان در خواب را شبیهسازی میکند؟
ج: مدلهای هوش مصنوعی آموزش دیده با WSCL دورههای “خواب” دارند که در این دورهها آنها به مروری بر تمام دادههای اخیر و قدیمی، به ارتباطات و الگوها پی میبرند و اطلاعات جدید را بدون فراموشی به دانش موجود اضافه میکنند.
س: در مرحله خواب و رویاپردازی در WSCL چه اتفاقی میافتد؟
ج: در مرحله خواب، مدلهای WSCL با ترکیبی از دادههای اخیر و قدیمی آشنا میشوند. در مرحله رویاپردازی نیز، به آنها دادههای کاملاً جدیدی ارائه میشود که مفاهیم قبلی را تلفیق کرده است.
س: مزیتهای مدلهای هوش مصنوعی آموزش دیده با WSCL چیست؟
ج: مدلهای هوش مصنوعی آموزش دیده با WSCL در مقایسه با روشهای آموزش سنتی، باعث افزایش قابلیت شناسایی محتوای تصاویر به میزان ۲ تا ۱۲ درصد با دقت بیشتری شدهاند. همچنین آنها دانش قبلی را بهتر حفظ کرده وقتی وظایف جدیدی یاد میگیرند.
س: معنای “انتقال پیشرو” در زمینه مدلهای هوش مصنوعی چیست؟
ج: “انتقال پیشرو” به حفظ دانش قبلی هنگام یادگیری وظایف جدید اشاره دارد.
س: نظر برخی از کارشناسان درباره تقلید دقیق مغز انسان در سیستمهای هوش مصنوعی چیست؟
ج: برخی از کارشناسان مانند اندرو روگوسکی از دانشگاه ساری معتقدند که تقلید دقیق مغز انسان شاید ضروری نباشد و نقل از سایر سیستمهای زیستی مانند دلفینها میتواند موجب ارتقای عملکرد هوش مصنوعی شود.
تعاریف:
– فراموشی ناگهانی:
The source of the article is from the blog queerfeed.com.br