نوع جدیدی از هوش مصنوعی که می‌تواند عملکرد مغز انسان را رمزگشایی کند (بخش دوم و پایانی)

در ادامه‌ی بخش اول از کاربرد هوش مصنوعی برای رمزگشایی ذهن انسان، به بررسی یک الگوریتم بهبودیافته از لورنز می‌پردازیم.

وقتی همپشایر گفته‌های لورن و لیچ را در مورد Automatic Neuroscientist شنید، متوجه شد که این موضوع می‌تواند سرنوشت بازی را عوض کند. لیچ گفت:

آن‌ها می‌توانند یک موضوع را هنگام هدایت آزمایش توسط هوش مصنوعی انجام دهند.

ولی همپشایر گفته آن‌ها را اشتباه شنید و در تمنای چیزی جاه‌طلبانه بود. او هزاران موضوع و آزمایش را در پارامترهای موازی و چندگانه پیشنهاد کرد.

این ایده‌ی عجیب، ظرافت خاص خودش را داشت. علوم شناخت انسان، معضلی پیچیده و غیر انسانی است؛ بنابراین آیا باید با دستگاهی با چنین مشکلاتی مواجه شد؟

لورنز از Automatic Neuroscientist در ژوئن سال ۲۰۱۶، از نسخه آزمایشی مطالعه‌ی تصویربرداری مغز همپشایر استفاده کرد. او از ۲۱ داوطلب برای انجام ۱۶ تست شناختی کمک گرفت. دستگاه می‌بایست مدارهایی از مغز را پیدا می‌کرد که با هر وظیفه، فعال می‌شدند. وظایف انتخاب‌شده از سوی هوش مصنوعی، طبق آزمایش قبلی همپشایر مبتنی بر فعال‌سازی دو شبکه‌ی مغزی استدلال قیاسی و حافظه‌ی کاری فضایی بودند.

این باعث شد که توجه‌ها به آزمایش بیشتر شود. با این نتایج به‌دست‌آمده، همپشایر که هنوز از نتیجه مطمئن نبود، کمی شگفت‌زده شد. طبق مطالعات قبلی، بسیاری از وظایفی که هوش مصنوعی انتخاب می‌کند باید مدارهای متفاوتی را فعال می‌کردند. تأیید دو مدار از سه مداری که در مقاله Neuron در سال ۲۰۱۲ شناسایی شد، خوش‌شانسی محض بود.

هوش مصنوعی بهبود یافته لورنز

 تیم، آزمایش را مجددا در یک روز از ماه می انجام دادند. همکار پرتغالی تیم با نام اینس ویولانته، داخل اسکنر قرار گرفت. لورنز پس از چند دقیقه، نموداری از فعالیت ویولانته در شبکه‌های مختلف مغز برای هر یک از تست‌ها ایجاد کرد؛ این نمودار شبیه یکی از نقاشی‌های رنگارنگ مارک روتکو بود. وقتی فعالیتی در یک مدار با فعالیت دیگر هم‌راستا نبود، رنگ قرمز و وقتی فعالیت‌ها با هم مرتبط بودند، رنگ آبی نشان داده شده بود.

این ایده‌ی عجیب، ظرافت خاص خودش را دارد. از آنجایی که علوم شناخت انسان، معضلی پیچیده و غیرانسانی است، بهتر است برای روبه‌رو شدن با آن از دستگاه کمک گرفته شود.

یک لوزی قرمزرنگ در سمت راست، پایین نمودار وجود دارد. این لوزی بدان معنا است که دو تست، بر دو مدار مستقل مربوط به استدلال استقرایی یا قیاسی و حافظه‌ی کاری فضایی اثر می‌گذارند. این لوزی نتایج به‌دست‌آمده از نسخه آزمایشی را تأیید می‌کرد. لیچ، همپشایر و لورنز اکنون تصمیم داشتند مطالعه آنلاین هوش را که در سال ۲۰۱۲ انجام داده بودند، دوباره تکرار کنند. همپشایر می‌گوید:

می‌خواهیم نوعی دستگاه هوش مصنوعی را به‌ کار بندیم که می‌تواند با استفاده از مقدار زیادی داده، اجزای اصلی هوش انسان را مورد بررسی قرار دهد و در عین حال بی‌طرف باشد.

همپشایر به جای ۱۲ تست قبلی، در حال تدارک ۶۰ تست است. این تست آنلاین خواهد بود و هرکسی می‌تواند در آن شرکت کند.

الگوریتم یادگیری دستگاه آن‌ها همزمان اطلاعات ۱۰۰ نفر را دریافت و جمع‌آوری خواهد کرد. خوشبختانه هزاران نفر در این تست ۶۰ گانه شرکت می‌کنند تا فهرستی از عملکردشان را طی تست ارائه دهند. سپس این تست با وظایفی تصحیح خواهد شد تا مجموعه‌ای بی‌نقص ارائه دهد که عملکرد خوب در یک زمینه‌، راهنمایی برای عملکرد روی دیگری نباشد. Automatic Neuroscientist قادر خواهد بود، تست‌ها را به‌گونه‌ای اصلاح کند که بتواند آزمایشات خودش را طراحی کند.

لیچ برای اینکه مفهوم هوش مصنوعی به‌عنوان ابزاری برای شناسایی مغز را بهتر منتقل کند، آن را به بازی Hangman مرتبط می‌کند. در این بازی، شخص کلمه‌ای پنهانی انتخاب می‌کند و فرد دیگر باید این کلمه را حرف‌به‌حرف حدس بزند.

انشعابات، مشتقات و تأثیرات همیشه گسترده‌تر و وسیع‌تر هستند. لیچ معتقد است که هوش مصنوعی می‌تواند فردیت را از پژوهش حذف کند.

در اسکن مغزی سنتی، حدس فوری و کامل کلمه محتمل بود. پژوهشگران از قبل تصمیم می‌گرفتند چه چیزی را با یک اسکنر اندازه‌گیری کنند و با ثبت داده‌های به‌دست‌آمده از وظایف شناختی فرد، نتایج حاصل از بسته‌های آماری را در هم می‌آمیختند تا بتوانند به موضوع مورد علاقه‌شان برسند.

شیوه‌ی هوش مصنوعی، بیشتر شبیه به بازی واقعی است، شبیه به تست یک حرف است، اینکه درک کنیم چگونه حرف‌ها به‌ شکل درست در کنار هم قرار می‌گیرند، سپس آنقدر فرضیه‌سازی کنیم تا به جواب برسیم.  

انشعابات، مشتقات، و تأثیرات همیشه گسترده‌تر و وسیع‌تر هستند. لیچ معتقد است که هوش مصنوعی می‌تواند فردیت را از پژوهش حذف کند. تنوع هوش مصنوعی در طیفی بین اکتشاف و شناسایی (جایی که فرضیه‌ها ضعیف هستند) و بهره‌برداری (جایی که فرضیه‌های صحیح و قوی در آن تصفیه شده‌اند و قابل بهره‌برداری هستند) قرار دارد. البته بدون شک به افرادی نیاز دارید که فرضیه‌های پیشین را طراحی کنند، کد بنویسند، فرضیه مطرح کنند، برای آزمایش آزادی تعریف کنند، مقاله‌ی پژوهشی بنویسند و مواردی از این دست؛ اما دستگاه از انسان سریع‌تر و همچنین مطمئن‌تر است. لیچ می‌گوید:

تکرار و رونوشت در ذات این روش است. پتانسیل این روش بسیار بالا است و می‌تواند رشته‌ی عصب‌شناسی را منقلب کند. Automatic Neuroscientist می‌تواند راه و روشی جدید برای رادیولوژی اتوماتیک، روانشناسی اتوماتیک و ... ارائه دهد.

لورنز در ۱۳ ژوئن سال ۲۰۱۳، دکترای خودش را گرفت و ۱۲ مقاله در ژورنال‌ها ارائه داد. لورنز یادآور شد:

وقتی می‌خواستم به بیماران فلج به‌عنوان یک محقق در دانشگاه فنی برلین کمک کنم، هنوز ایده‌ی من آنقدر‌ها پیشرفت نکرده بود. تمامی این آزمایشگاه‌ها برای کمک به بیماران بود، ولی تمرکز آن‌ها بر بهبود جزئی در الگوریتم قرار داشت. من احساس ضعف می‌کردم و نگران بودم. تنها در صورتی می‌توانستم امیدوار باشم که بهبودی واقعی حاصل شود؛ حتی اگر این بهبودی کوچک باشد. پس از گذشت ۴ سال چیزی پیدا کردم که تفاوت‌ها را رقم زد.

هوش مصنوعی

شرکت کردن در تست هوش انسان از طریق هوش مصنوعی

تیم کالج ایمپریال لندن، هوش مصنوعی Cognitron را خلق کرده است. Cognitron اولین هوش مصنوعی است که برای ارزیابی مهارت‌های ذهنی انسان طراحی شده است. شما می‌توانید از Cognitron بازدید کنید و پس از وارد کردن کمی از اطلاعات شخصی‌تان، تست را انجام دهید. این تست حدودا نیم ساعت تا یک ساعت زمان می‌برد.

برای اطلاعات بیشتر روی لینک کلیک کنید.

منبع wired

از سراسر وب

  دیدگاه
کاراکتر باقی مانده

بیشتر بخوانید