40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 کلید تحقق نسل بعدی هوش مصنوعی

کلید تحقق نسل بعدی هوش مصنوعی

متخصصان عصب‌شناختی Trinity College و همکاران‌شان، طی پژوهشی در مورد اصول ارتقای هوش مصنوعی، دریافته‌اند که کودکان می‌توانند کلید نسل بعدی هوش مصنوعی باشند.

پژوهش مذکور که در ژورنال Nature Machine Learning Intelligence منتشر شده است، با مطالعه‌ فرایند یادگیری نوزادان از نظر روان‌شناختی و عصب‌شناختی، سه اصل لازم برای ظهور نسل بعدی هوش مصنوعی را مشخص کرده‌اند؛ با تکیه بر این اصول، می‌توان بر محدودیت‌های یادگیری ماشینی غلبه کرد.

دکتر لورجین زادنوردیک، از پژوهشگران Trinity College، توضیح می‌دهد: «طی دهه‌ اخیر، هوش مصنوعی پیشرفت چشمگیری داشته است؛ به لطف این فناوری، اسپیکرهای هوشمند، قابلیت اتوپایلوت خودروها، نرم‌افزارهای هوشمند و تشخیص‌گذاری ارتقاءیافته در حوزه پزشکی جزو روزمره‌ زندگی‌ها شده‌اند. این پیشرفت‌ها وام‌دار یادگیری ماشینی، یعنی آموزش مدل‌های شبکه‌های عصبی با استفاده از دیتاست‌های بزرگ هستند که نسل بعدی هوش مصنوعی را می‌سازند. با این حال، پیشرفت و توسعه‌ بیشتر با بن‌بست مواجه شده است، چون تهیه‌ دیتاست‌هایی که اساس کار یادگیری ماشینی را تشکیل می‌دهند، امر بسیار دشوار و پرزحمتی به شمار می‌رود. این در حالی است که یادگیری مطمئناً شکل بسیار کارآمدتری هم دارد، چون نوزادان از این طریق نمی‌آموزند! بلکه با تجربه‌ محیط اطراف یاد می‌گیرند و گاهی کافیست یک چیز را تنها یک بار ببینند، تا در ذهن‌شان حک شود.»

نسل بعدی هوش مصنوعی

دکتر لورجین زادنوردیک و ردری کوساک، از مؤسسه Trinity College، و دکتر تارک بیسلد، از دانشگاه ایندوون هلند، معتقدند راه‌های بهتری هم برای یادگیری بر اساس داده‌های غیرساختاریافته وجود دارد. این پژوهشگران، در مقاله‌ خود تحت عنوان «Lessons from infant learning for unsupervised machine learning»، برای اولین بار پیشنهاداتی مستحکم مبنی بر به‌کارگیری یادگیری نوزادان در یادگیری ماشینی و به قولی نسل بعدی هوش مصنوعی ارائه داده‌اند و دستورالعمل دقیقی برای پیاده‌سازی یافته‌های خود مطرح کرده‌اند.

به گفته‌ پژوهشگران، شکل‌دهی به یادگیری ماشین‌ها مستلزم این است که از همان ابتدا، ترجیحات خاصی را در آن‌ها تعبیه کرد. به علاوه، برای یادگیری باید از دیتاست‌های غنی‌تری استفاده کرد که ظاهر، صدا، بو، مزه و احساس دنیای واقعی اطراف را در بر دارند. ماشین‌ها نیز باید درست مثل نوزادان، خط‌ سیر رشدی داشته باشند که طی آن، تجارب و شبکه‌ها هم‌گام با رشد ماشین، تغییر می‌کنند.

دکتر تارک بیسلد، پژوهشگر گروه فلسفه و اخلاقیات دانشگاه ایندوون می‌گوید: «پژوهشگران هوش مصنوعی همواره از تشابهات بین سیستم‌ها و رشد ذهنی انسان‌ها به عنوان مثال استفاده می‌کنند. حال زمان آن رسیده است که این مثال‌ها و تشبیه‌ها را جدی بگیریم و از دانش غنی حاصل از رشد روان‌شناختی و عصب‌شناختی نوزادان استفاده کنیم، دانشی که می‌تواند در غلبه بر برجسته‌ترین موانع و محدودیت‌های یادگیری ماشینی به ما کمک کند و نسل بعدی هوش مصنوعی را ایجاد نماید.»

رودری کوساک، استاد عصب‌شناختی و علوم شناختی و رئیس مؤسسه Trinity College، اضافه می‌کند: «در ساخت شبکه‌های هوش مصنوعی تا حدی از مغز انسان‌ها الهام گرفته شده است. این شبکه‌ها نیز همچون نوزادان، مبتنی بر یادگیری هستند. با این حال، آنچه امروزه می‌بینیم، با یادگیری انسان‌ها و حتی حیوانات فاصله‌ زیادی دارد. با پژوهش‌های میان‌رشته‌ای می‌توان از رویه‌ رشد نوزادان برای تحقق نسل بعدی هوش مصنوعی استفاده کرد.»

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]