Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
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
رویدادها
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 هوش مصنوعی جدید مرتکب اشتباهات عمدی می‌شود

هوش مصنوعی جدید مرتکب اشتباهات عمدی می‌شود

زمان مطالعه: 3 دقیقه

برنامه شطرنجی که از خطاهای انسان‌ها می‌آموزد، می‌تواند عملکرد بهتری در کار و گفت‌ و گو با آن‌ها داشته باشد. نزدیک به 50 سال طول کشید تا کامپیوترها بالاخره بتوانند در بازی حساس شطرنج، انسان‌ها را شکست دهند. در حال حاضر، حتی یک گوشی همراه هوشمند می‌تواند هر حرکتی که در سر یک استاد شطرنج می‌گذرد را انجام دهد. اما اخیراً یک برنامه هوش مصنوعی جدید ساخته شده است که بازی افراد معمولی را، با همه‌ی اشتباهات احتمالی آن‌، بررسی می‌کند.

برنامه شطرنج هوش مصنوعی جدید که Maia نام گرفته است، از یک فناوری نوین هوش مصنوعی استفاده می‌کند که زیربنای ساخت بهترین برنامه‌های بازی شطرنج است. هدف این برنامه شکست حریف نیست، بلکه پیش‌بینی حرکات انسان، حتی اشتباهاتش، می‌باشد.

جان کلینبرگ John Kleinberg، استاد دانشگاه کرنل Cornell University که مسئول ساخت Maia بوده معتقد است این برنامه اولین گام در مسیر ساخت هوشی است که احتمال ارتکاب اشتباه توسط انسان‌ها را بهتر درک می‌کند. امید این است که این فناوری در تعامل با انسان‌ها، آموزش و کمک به آن‌ها، یا حتی مباحثه و گفت و گو، عملکرد بهتری داشته باشد.

به گفته‌ی کلینبرگ، یکی از کاربردهای احتمالی Maia می‌تواند در حوزه‌ی بهداشت و درمان باشد. سیستمی که قادر به پیش‌بینی اشتباهات باشد را می‌توان برای آموزش پزشک‌ها در خواندن تصاویر پزشکی یا یافتن خطاها به کار برد. وی معتقد است: «یک راه برای رسیدن به این هدف، یافتن اشتباهاتی است که پزشکان هنگام تشخیص بر اساس تصاویر پزشکی مرتکب می‌شوند. هوش مصنوعی می‌تواند تصاویری را که پزشکان بیشترین اختلاف نظر را روی آن‌ها دارند مشخص کند و از آن‌ها برای آموزش پزشکان استفاده کند.»

کلینبرگ در مورد دلیل تمرکز روی بازی شطرنج توضیح می‌دهد: «شطرنج یکی از اولین حوزه‌هایی است که هوش ماشینی توانست در آن بر انسان‌ها غلبه کند. به همین دلیل بستری ایده‌آل برای امتحان الگوریتم‌های مختلف به شمار می‌رود. به عبارت دیگر، موتورهای شطرنج را می‌توان مدلی برای غلبه‌ی هوش مصنوعی بر انسان دانست.»

کلینبرگ اضافه می‌کند: «مطالعات عمیق و وسیعی روی شطرنج انجام شده است؛ به همین دلیل، شطرنج حکم مگس سرکه در مطالعات زیستی را دارد. هرب سیمون Herb Simon، شطرنج را مگس میوه‌ی روانشناسی و جان مک‌کارتی آن را مگس میوه‌ی هوش مصنوعی خوانده‌اند.»

Maia با استفاده از کدی ساخته شده که از برنامه‌ی Leela Zero گرفته شده است. Leela Zero نسخه‌ی مشابه ولی متن‌باز Alpha Zero است، یکی از برنامه‌های متحول‌کننده‌ی هوش مصنوعی جدید که توسط گروه Alphabet (از زیرشاخه‌های شرکت DeepMind) طراحی شده است.

Alpha Zero برنامه‌های شطرنج‌باز هوش مصنوعی را وارد سطح جدیدی کرد؛ بدین طریق که به کامپیوترها آموخت چطور بدون کمک انسان، شطرنج را به صورت حرفه‌ای بازی کنند. داخل این برنامه، یک شبکه‌ی عصبی شبیه‌سازی شده وجود دارد که نورون‌های عصبی دارد. این نورون‌ها را می‌توان برای پاسخ به ورودی تنظیم کرد. ورودی Alpha Zero موقعیت مهره‌ها روی صفحه‌ی شطرنج و حرکات آن‌هاست که در بازی‌های تمرینی انجام می‌گیرد. این برنامه نورون‌های خود را به نحوی تنظیم می‌کند که حرکات برنده را انجام دهند (رویکردی که به نام یادگیری تقویتی شناخته می‌شود). Alpha Zero می‌تواند با همین رویکرد و با کمترین تغییر ممکن، سایر بازی‌های تخته‌ای (همچون چکرز) را نیز بیاموزد.

تیم کرنل کد Leela Zero را تغییر داده و  برنامه‌ای ساختند که یادگیری‌اش بر مبنای پیش‌بینی صحیح حرکات انسان است. سایر مدل‌های شطرنج، همچون Deep Blue (ماشین IBM که در سال 1997 موفق به شکست قهرمان جهان، گری کاسپارف Garry Kasparov، شد) سعی می‌کنند با بررسی حرکات ممکن، حرکات بعدی بازی را برآورد کنند. اما Maia رویه‌ی متفاوتی دارد؛ تمرکز این مدل روی حرکاتی است که یک انسان به احتمال بالا انجام خواهد داد.

هوش مصنوعی جدید

به گفته‌ی تام سیمونیته: «الگوریتم‌های فراهوشمند هنوز قادر به حل همه‌ی مسائل نیستند؛ اما باید اعتراف کرد که مسائل گوناگون، از تشخیص‌گذاری در پزشکی گرفته تا پیشنهاد تبلیغات، را با سرعت بیشتری می‌آموزند.»

Maia با استفاده از داده‌های سرور محبوب آنلاین شطرنج به نام LiChess آموزش دید. نتیجه، ایجاد یک برنامه‌ی شطرنج بود که می‌تواند شبیه انسان‌ها بازی کند. نسخه‌های مختلف Maia که برای سطوح گوناگون شدت سختی بازی تنظیم شده‌اند را می‌توان در LiChess به چالش کشید.

گفته می‌شود در نهایت، اشکال پیچیده‌تر هوش مصنوعی جدید خواهند توانست در همه‌ی عرصه‌ها، از ریاضیات گرفته تا ادبیات و دیگر حوزه‌ها، از هوش انسانی پیشی بگیرند. اما کلینبرگ معتقد است: «قبل از رسیدن به این مرحله، یک دوره‌ی انتقال طولانی وجود خواهد داشت که طی آن هوش مصنوعی و انسان‌ها کنار یکدیگر کار کرده و تعامل خواهند داشت.»

در هر صورت، در حال حاضر، هوش مصنوعی قادر به پیش‌بینی و تقلید رفتار انسان‌هاست و می‌تواند کاربردهای لحظه‌ای در شطرنج و سایر بازی‌ها داشته باشد. متیو سدلر Matthew Sadler، استاد شطرنج بریتانیایی و نویسنده‌ی کتاب Game Changer (کتابی در مورد قابلیت‌های Alpha Zero در بازی شطرنج) می‌گوید: «حتی فکر کردن به این موضوع هم جالب است. به شدت لازم است بازیکنان موتورهایی در اختیار داشته باشند که به زبان آن‌ها سخن بگویند.»

سدلر معتقد است: «Maia می‌تواند در آموزش و تمرین مفید باشد. مدتی هست که متخصصان در مورد خلق برنامه‌های شطرنجی که قادر به تقلید حرکات خاص بازیکنان باشد، صحبت می‌کنند.» Maia می‌تواند با چند بار بازی تمرینی، آموزش ببیند تا حرکات یک بازیکن خاص را پیش‌بینی کند. وی اضافه می‌کند: «تصور کنید برای مسابقات قهرمانی جهان مقابل مگنس کارلسن آماده می‌شوید و موتوری دارید که درست مثل خود مگنس بازی می‌کند.»

این قابلیت می‌تواند به فراتر از بازی شطرنج نیز توسعه یابد. برای مثال، فرض کنید حریفتان در بازی ویدئویی، یک بازیکن هوش مصنوعی است که آموزش دیده تا یکی از ستارگان برتر ورزش‌های الکترونیک esports را تقلید کند. الگوریتم‌های هوش مصنوعی که قابلیت درک رفتار انسان را دارند، در آماده‌سازی تاکتیک‌های مذاکره و یا تولید نرم‌افزارها و ربات‌هایی که قادر به پیش‌بینی اعمال کارکنان باشند، به شرکت‌ها کمک خواهند کرد.

جولی شا، استادیار MIT که در مورد تعامل و همکاری بین انسان و ماشین مطالعه می‌کند، می‌گوید: «سؤالاتی که در مورد کیفیت پیش‌بینی عملکرد انسان توسط این رویکرد پرسیده می‌شود جالب هستند.» او خاطرنشان می‌کند: «با این‌که اعتبار جنبه‌ی فنی کار باید تأیید شود، بررسی این نکته هم جالب خواهد بود که آیا این رویکرد اصلاً می‌تواند راه بهتری برای تعامل انسان‌ها و ماشین‌ها در بازی شطرنج ایجاد کند یا خیر.»

متیاس سلنر Matthias Sollner ، از اساتید دانشگاه کسل University of Kassel آلمان که به مطالعه‌ی کاربردهای هوش مصنوعی در مشاغل دفتری می‌پردازد، می‌گوید: «مهم این است که این سیستم‌ها رفتاری شبیه انسان داشته باشند. اما نکته‌ی مهم‌تر این است که افراد با نحوه‌ی کارکرد این سیستم‌ها آشنا شوند. اگر یک سیستم هوش مصنوعی به دلیل نامشخص، عملکرد ضعیفی داشته باشد، انسان‌ها نمی‌توانند آن را پذیرفته و به کار ببرند.»

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"]