راه ترقی

آخرين مطالب

محققان الگوریتمی با قابلیت شبیه‌سازی مغز انسان توسعه دادند اقتصاد

محققان الگوریتمی با قابلیت شبیه‌سازی مغز انسان توسعه دادند

  بزرگنمايي:

راه ترقی - توسعه‌ی الگوریتم‌های هوش مصنوعی برای شبیه‌سازی مغز انسان با قدرت ادامه دارد و محققان به نتایج مقبولی نیز دست یافته‌اند.

گروهی از محققان اخیرا توانسته‌اند روشی برای اجرای یادگیری ماشین کشف کنند که برخی از جنبه‌های عملکردی اصلی مغز انسان را تقلید کند. الگوریتم‌های به‌دست‌آمده از تحقیقات جدید امکان‌پذیری بیولوژیکی هم دارند و به‌احتمال زیاد، زمینه‌های جدیدی به حوزه‌ی هوش مصنوعی اضافه می‌کنند. مقاله‌های مرتبط:
پیش‌بینی زمان مرگ؛ ناخوشایندترین قابلیت هوش مصنوعی هوش مصنوعی هم‌اکنون می‌خواند، می‌نویسد و ترجمه می‌کند
دیمیتری کروتوف، محقق IBM و جان جی. هاپفیلد، مخترع شبکه‌ی عصبی مشارکتی، در تحقیقات درباره‌ی الگوریتم جدید همکاری کردند. آن‌ها مجموعه‌ای از الگوریتم‌ها را توسعه دادند که شبیه به آموزش‌ ‌دادن به انسان‌ها، ماشین‌ها را آموزش می‌دهد. الگوریتم آن‌ها به ماشین امکان می‌دهد در رویکردی بدون نظارت خاص آموزش ببیند. درواقع، روش آن‌ها برخلاف راهکارهای موجود برچسب‌گذاری دیتاسِت است که امروزه، در اکثر فرایندهای یادگیری عمیق استفاده می‌شود. بسیاری از تحقیقات پیشین در حوزه‌ی هوش مصنوعی که در دهه‌های 1980 و 1990 انجام شد، روی درک نحوه‌ی فعالیت شبکه‌ی عصبی انسان متمرکز بود. به‌علاوه، تبدیل آن به زبانی درک‌کردنی برای ماشین‌ها نیز در دستورکار آن تحقیقات قرار داشت. ایده‌ی مهم آن سال‌ها درک بهترین روش برای نشان‌دادن فعالیت عصب‌ها با استفاده از ریاضیات بود. مرحله‌ی بعدی نیز با مقیاس‌دهی همان یافته‌ها برای استفاده در ماشین‌ها انجام می‌شد. متأسفانه آن رویکرد به‌خوبی ادامه پیدا نکرد و اکثر تحقیقات درباره‌ی هوش مصنوعی تا دهه‌ی 2000، تقریبا فراموش شده بود.
تحقیقات کروتوف و هاپفیلد به‌نوعی از روش‌های قدیمی توسعه‌ی هوش مصنوعی استفاده می‌کند؛ اما قدمی جدید برای شبیه‌سازی مغزی شبکه‌های عصبی ارائه می‌دهد. کروتوف در مصاحبه‌ای درباره‌ی تحقیقاتش گفت: اگر درباره‌ی عصب‌شناسی صحبت کنیم، قطعا جزئیات زیادی درباره‌ی نحوه‌ی کارکردن آن وجود دارد. سازوکارهای بیوفیزیکی پیچیده در فعالیت‌های انتقال عصبی مفصل‌های سیناپسی، وجود بیش از یک نوع سلول، جزئیات فعالیت‌های پیچیده‌ی آن سلول‌ها و موارد دیگر، همگی پیچیدگی سیستم عصبی را بیشتر می‌کنند. ما در تحقیقاتمان تمام آن جزئیات را نادیده گرفتیم. درعوض، ما تنها یک عنصر پایه‌ای را در فعالیت خود اضافه کردیم که در شبکه‌های عصبی زیستی هم وجود دارد. عنصر پایه‌ای مدنظر ما نیز ارتباط صرفا جفتی عصب‌ها با یکدیگر بود. به‌بیانِ‌دیگر، مدل ما اجرای کامل مدل‌های زیستی واقعی نیست و درواقع، فاصله‌ی زیادی هم با آن دارد. روش ما برداشتی ریاضیاتی از نمونه‌ی زیستی بوده که در مفهومی کاملا ریاضیاتی اجرا شده است. شبیه‌سازی کامل فرایندهای مغز مشکلات جزئی زیادی دارد
مدل‌های مدرن یادگیری عمیق عموما روی روش‌های آموزش «بازگشت به عقب» (Backpropagation) متمرکز می‌شوند. این روش آموزشی روی مغز انسان کاربرد ندارد؛ چون به داده‌های غیرمحلی وابسته است. به‌عنوان مثال، مغز ما می‌تواند تصاویر را بدون آموزش مرسوم پردازش کند. درواقع، می‌توانیم مواردی که قبلا ندیده‌ایم، به‌خوبی پردازش کنیم که با روش آموزش بازگشت به عقب برای ماشین‌ها تفاوت دارد. آموزش یادگیری شبیه انسان به ماشین‌، دشواری‌های زیادی دارد. آن آموزش شبیه این است که خواندن را تنها با توضیح‌دادن حروف الفبا و بدون نشان‌دادن آن‌ها به افراد یاد دهیم. درواقع ماشین‌ها برخلاف ما، ارتباط حسی مستقیمی با جهان پیرامون ندارند. به‌هرحال به‌نظر می‌رسد کروتوف و هاپفیلد مشکل مذکور را با ساختن الگوریتمی حل کرده باشند که نمونه‌‌ای درک‌کردنی از داده می‌سازد.
کروتوف درباره‌ی مدل‌سازی الگوریتم‌شان می‌گوید: اغلب وقتی به شبکه‌ی عصبی عمیق آموزش می‌دهیم، وظیفه‌ی آن را از قبل مشخص می‌کنیم. مثلا می‌گوییم اعداد با دست‌خط دست‌نویس را شناسایی کند. سپس، الگوریتم داده‌های موردنیاز خود را بسته به وظیفه‌ی مدنظر، در فضایی پنهان پیدا می‌کند. در نمونه‌‌ی ما، وزن‌های (Weights) لایه‌ی اولیه‌ی شبکه‌ی عصبی، به دانستن وظیفه نیاز ندارد. درواقع، آن لایه فقط روی خود داده آموزش می‌بیند. سپس بعد از پایان‌یافتن آموزش، می‌توانیم وظیفه را مشخص کنیم. در مفهوم جدید، وزن‌های لایه‌ی اولیه درباره‌ی وظیفه اطلاع خاصی ندارند. تحقیقات اخیر رویکردی در حوزه‌ی هوش مصنوعی اجرا کردند که به‌نوعی فراموش شده بود. درواقع، شاید یادگیری‌های عمیق مدرن امروزه به حوزه‌ی اصلی تحقیقات تبدیل شده باشند؛ اما الگوریتم‌هایی با امکان‌پذیری بیولوژیکی نیز به زمینه‌های اصلی تحقیقات بازگردند. البته، محققان بررسی اخیر می‌گویند کاربردی‌بودن روش آن‌ها در هوش مصنوعی هنوز به بررسی‌های عمیق‌تر نیاز دارد. کوروتوف می‌گوید مقاله‌ی آن‌ها تنها روی کاغذ نشان می‌دهد که با استفاده از روشی شبیه به ساختارهای بیولوژیکی، می‌توان کاربرد مناسبی از هوش مصنوعی انتظار داشت. درواقع، مقاله‌ی آن‌ها بیش از این مرحله پیش نمی‌رود و مهر تأییدی بر کاربردی‌بودن خود نمی‌زند. درنهایت، همین که محققان توانستند روش‌هایی برای اجرای یادگیری شبیه به عناصر بیولوژیکی کشف کنند، جای امیدواری دارد. شاید یافته‌های آن‌ها، آینده‌ی یادگیری عمیق و توسعه‌ی هوش مصنوعی را نیز تغییر دهد.





نظرات شما

ارسال دیدگاه

Protected by FormShield

ساير مطالب

2.5 میلیون تُن کالای اساسی در بنادر و گمرکات

شاخص بورس در هفته نخست اردیبهشت ماه به کدام سو می رود؟

نوبخت: 7 هزار میلیارد تومان بابت خسارت به سیل زدگان اعطا می شود

جزئیات عملیات بازار باز و برنامه بانک مرکزی

بررسی حذف صفر از پول ملی در کمیسیون اقتصاد دولت ادامه دارد

ریزش قیمت نفت شدت گرفت

بارندگی ها تولید برق نیروگاه های آبی را 5هزار مگاوات افزایش داد

دلار 100 تومان ارزان‌تر شد

بیش از 4.4 میلیون تن فولاد خام صادر شد

هند به خرید نفت از ایران ادامه می‌دهد

مدیرکل ردمی ساخت گوشی مجهز به اسنپدراگون 855 را تأیید کرد

نخستین پرتاب تجاری راکت فالکون هِوی اسپیس ایکس به پنجشنبه موکول شد

اسپاتیفای، اپل را شرکتی انحصارطلب می‌داند

ژاپن در تدارک اعزام ناوگان روباتیک ساخت‌‌و‌‌ساز به کره ماه

پرفروش‌ترین خودروهای سال 2018 در کشورهای مختلف جهان

تصویربرداری مستقیم از هاله غبارآلود اطراف سیاهچاله برای نخستین‌بار

استانبول و مکان‌های ناشناخته‌ای که باید ببینید

راهنمای جامع بازاریابی برای استارتاپ‌ها

وزارت ارتباطات برنده جایزه اجلاس جهانی جامعه اطلاعاتی شد

نابودی محتوا؛ چرا گذشته در‌‌ اینترنت ناپدید شده است؟

هشدار: جاسوس‌ افزار قدرتمند در کمین آیفون‌های اپل

احتمال بازنشستگی لوئیس همیلتون از فرمول یک و حضور در فرمول E

کمک 5 میلیارد ریالی ایرانسل به سیل‌زدگان اهدا شد

قبل از خارج‌کردن درایو USB در ویندوز 10، دیگر لازم نیست آن را Eject کنید

تنظیم صحیح کوله پشتی و نکاتی برای مراقبت از آن

ضرر نمایندگی‌های خودرو در آمریکا برای اولین بار در 10 سال گذشته

قبل از آغاز حیات، احتمالا DNA و RNA همراه هم روی زمین وجود داشته‌اند

تمایل پژو سیتروئن برای خرید یا ادغام جگوار لندرور

آیا خیره شدن به صفحه نمایش قبل از خواب روی سلامت نوجوانان تأثیر دارد؟

انویدیا پلتفرم AI Clara را در خدمت رادیولوژیست‌ها قرار می‌دهد

اطلاعات اولیه پردازنده‌های نسل سوم Threadripper و Epyc Rome به نرم‌افزار Aida64 افزوده شد

لودینگ 47: 25 سالگی الدر اسکرولز، جالب ترین دروغ های سیزده و همه چیز درباره Borderlands 3

شفافیت در کسب‌وکار؛ پنج راه برای ساختن اعتماد

سامسونگ از پایان کار رسمی سری گلکسی J خبر داد

گلکسی A80 با ماژول دوربین کشویی-چرخشی فردا رونمایی می‌شود

فروش مودم 5G هواوی به اپل؛ شایعه یا حقیقت؟

آیا پیوند عضو حیوان به انسان محقق خواهد شد؟

کارت گرافیک انویدیا GeForce MX250 در دو مدل عرضه خواهد شد

دریافت عوارض در نیویورک برای تردد در مناطق شلوغ تصویب شد

سوءاستفاده تبلیغاتی از امکانات مخابراتی ویژه اطلاع‌رسانی در مواقع بحران و هشدار

نوجوانان تایلندی محبوس در غار، پس از نجات چگونه درمان شدند

عکس‌نوشته برای عکس پروفایل در توپ‌تاپ

در خواست کمک فیات کرایسلر از تسلا برای اجرای استاندارد آلایندگی اروپا

مک بوک 15 تا 17 اینچی نیمه اول 2021 راهی بازار می‌شود

بپرس، اپلیکیشن پرسش و پاسخ آنلاین

نسخه آزمایشی مایکروسافت اج کرومیوم منتشر شد؛ چطور دانلود کنیم؟

تصاویر کیس وان پلاس 7، بریدگی دوربین سلفی پاپ آپ را نشان می‌دهد

هنر دیدن مانند یک عکاس

رده های پایین در برابر واگذاری ها به بخش خصوصی مقاومت می کنند

سامسونگ چهار مدل گلکسی نوت 10 معرفی و به بازار عرضه می‌کند