قوه تخیل
آموزش‌های پایه‌ای هوش مصنوعییادگیری تقویتی

هوش مصنوعی به قوه تخیل مجهز می‌شود

    0
    مدت زمان مطالعه: ۴ دقیقه

    تیمی از پژوهشگران دانشگاه کالیفرنیای جنوبی قصد دارند به هوش مصنوعی کمک کنند تا ندیده‌ها را تصور کند و در واقع به قوه تخیل دست پیدا کند. تحقق این قابلیت منجر به پیدایش هوش مصنوعی منصف‌تر، کشف داروهای جدید و افزایش ایمنی اتومبیل‌های خودران خواهد شد.

    یک گربه نارنجی را در ذهن خود ترسیم کنید. اکنون، همان گربه را با رنگ سیاه نوک‌مدادی تصور کنید که بر روی دیوار بزرگ چین راه می‌رود. با تخیل یک موضوع در حالت‌های مختلف و پشت‌سرهم، یک سری از نرون‌ها (سلول‌های عصبی) به سرعت در مغز فعال می‌شوند که، متناسب با دانش قبلی شما از جهان، حاوی تصاویر مختلفی هستند که در ذهن شما شکل گرفته است.

    به عبارت دیگر، انسان به راحتی می‌‍تواند یک شیء را با خصوصیات مختلف در خیال خود ترسیم کند. با این حال، علی رغم پیشرفت‌های صورت گرفته در شبکه‌های عصبی عمیق که در انجام برخی از وظایف هم‌تراز انسان یا حتی بهتر از انسان هستند، کامپیوترها کماکان در کسب یکی از مهارت‌های انسان موسوم به «قوه تخیل» ناتوان‌اند.

    قوه تخیل

    در حال حاضر، تیمی متشکل از استاد و دانشجویان علوم کامپیوتر، لارنت ایتی، یون‌هاو جی، سامی بلَهجه و گَن ژین از دانشگاه کالیفرنیای جنوبی، نوعی ابزار هوش مصنوعی ساخته‌اند که می‌تواند از قابلیتی شبیه به قوه تخیل انسان برای تصور اشیایی استفاده کند که پیش‌تر ندیده است. این اشیاء می‌توانند خصوصیات مختلفی داشته باشند. این تیم پژوهشی نتایج تحقیقات خود را در مقاله‌ای با عنوان «تلفیق عکس صفر با یادگیری نظارتی گروهی» در کنفرانس بین‌المللی بازنمایی‌های یادگیری که در ماه می ۲۰۲۱ برگزار شد، ارائه کردند.

    قوه تخیل

    به گفته جی، نویسنده اصلی این مقاله، این پژوهشگران با الهام از قالبیت‌های تعمیم بصری انسان سعی داشتند قدرت تخیل انسان را در ماشین شبیه‌سازی کنند: «انسان می‌تواند معلومات خود را با صفت‌هایی مانند شکل، حالت، رنگ و موقعیت تفکیک کند و سپس برای تخیل اجسام جدید آنها را دوباره کنار هم قرار دهند. در این مقاله سعی کردیم این فرآیند را با استفاده از شبکه‌های عصبی شبیه‌سازی کنیم».

    مسئله تعمیم هوش مصنوعی

    برای مثال، فرض کنید می‌خواهید یک سامانه هوش مصنوعی برای ایجاد تصاویری از خودروها طراحی کنید. در حالت ایده‌آل، ابتدا چند تصویر از اتومبیل را به الگوریتم می‌دهید و سپس الگوریتم انواع مختلف اتومبیل را (از پورشه و پونتیاک گرفته تا وانت) در رنگ‌ها و زوایای مختلف ترسیم می‌کند.

    یکی از اهدافی که بشر همیشه در پی آن بوده ساخت مدل‌هایی است که بتوانند برون‌یابی کنند. به عبارت دیگر، مدل باید بتواند با چند مثال معدود، قواعد مربوطه را استخراج کند و این قواعد را در نمونه‌‌های بدیعی که هرگز ندیده است به‌کار گیرد. با این حال، ماشین‌ها به طور متداول بر اساس ویژگی‌های نمونه، مثلاً پیکسل‌ها، و بدون لحاظ کردن خصوصیات اشیاء آموزش می‌بینند.

    علم تخیل

    در این پژوهش، محققان سعی کردند با استفاده از مفهومی به نام «رهاسازی» بر این مشکل پیروز شوند. می‌توان از رهاسازی در ساخت جعل عمیق، مثلا برای جدا کردن حرکات چهره یا هویت فرد، استفاده کرد. جی در این باره می‌گوید: «با این روش می‌توان فیلم‌ها و عکس‌های جدیدی ساخت که در آنها هویت شخص جایگزین شخص دیگری شده است، اما حرکات اصلی او حفظ می‌شود».

    به همین ترتیب، در رویکرد جدید به جای اینکه مانند الگوریتم‌های فعلی در هر دروه آموزشی یک نمونه بررسی شود، گروهی از تصاویر نمونه به مدل تغذیه می‌شوند و مدل برای دستیابی به مفهومی به نام «یادگیری بازنمایی رهاسازی‌شده‌ قابل کنترل»، شباهت بین آنها را استخراج می‌کند.

    سپس، مدل این دانش را برای دستیابی به مفهوم «ساخت تصاویر بدیع و قابل کنترل»، یا به زبان ساده «تخیل»، دوباره کنار هم قرار ‌می‌دهد. جی در ادامه خاطرنشان می‌کند: «برای مثال، فیلم تبدیل‌شوندگان (Transformers) را در نظر بگیرید. مدل می‌تواند ربات مگاترون را با رنگ و بدن ربات بامبلبی در پس زمینه میدان تایمز نیویورک به تصویر کشد. نتیجه یک مگاترون-بامبلی زرد رنگ خواهد بود که در میدان تایمز حرکت می‌کند؛ حتی اگر مدل این نمونه را در داده‌های آموزشی ندیده باشد».

    این کار شبیه برون‌یابی انسان‌ها است: انسان به راحتی می‌تواند رنگ یک جسم را با رنگ جسم دیگری عوض کند (به عبارتی یک جسم را با رنگی دیگر تصور کند). این تیم با استفاده از تکنیک پیشنهادی خود دیتاست جدیدی متشکل از ۵۶/۱ میلیون تصویر (تخیلی) ایجاد کردند که می‌تواند به تحقیقات آتی در این زمینه کمک کند.

    درک جهان

    اگرچه رهاسازی مفهوم جدید نیست، محققان بر این باورند که قالب کلی این الگوریتم می‌تواند تقریباً با هر نوع داده یا دانشی سازگار باشد. به همین دلیل، فرصت به کارگیری آن در زمینه‌های مختلف وجود دارد: برای مثال، در رهاسازی معلومات مرتبط با نژاد و جنسیت، می‌توان با حذف کامل ویژگی‌های حساس از معادله، هوش مصنوعی منصفانه‌‌تری تولید کرد.

    در حوزه پزشکی این الگوریتم می‌تواند با تفکیک موارد استفاده دارو از سایر خواص آن، و سپس ترکیب آن‌ها در تولید داروی جدید، به پزشکان و زیست شناسان کمک کند داروهای مفیدتری تولید کنند. علاوه بر این، تجهیز ماشین‌آلات به تخیل می‌تواند در تولید هوش مصنوعی ایمن کارساز باشد. برای مثال، اتومبیل خودران این قابلیت را خواهد داشت تا با تَصَوُرِ سناریوهای خطرناکی که حتی در حین آموزش ندیده است، از بروز آن‌ها جلوگیری کند.

    ایتی در این باره توضیح می‌دهد «یادگیری عمیق در بسیاری از حوزه ها عملکردی بی‌نظیر و نویدبخش داشته، اما اغلب، عملکرد خوب آن ناشی از تقلید سطحی بوده است، بدون اینکه خصوصیات جداگانه‌ و منحصرد به فرد هر شی را بشناسد. برای اولین مرتبه رویکرد جدید رهاسازی، ادراک جدیدی از تخیل در سیستم‌های هوش مصنوعی را به وجود آورد و ادراک این سیستم‌ها از جهان را به درک انسان‌ها از محیط اطراف نزدیک کرد».

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۱ میانگین: ۵]

    شیراز به جایگاه قطب هوش مصنوعی در علوم پزشکی کشور و منطقه دست یافت

    مقاله قبلی

    فراخواندن پلیس سرقت علمی: حرفه‌ای‌تر شدن هوش مصنوعی و تقلب در مقالات دانشجویی

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *