تيتربرتر - تيتر آخرين و جديدترين اخبار ايران و جهان : هوش مصنوعي خودآموز براي حل مارپيچ
چهارشنبه، 26 اردیبهشت 1397 - 04:32 کد خبر:80845
تيم مهندسان "ديپ‌مايند" (DeepMind) يك هوش مصنوعي شبه‌انساني براي حل يك مارپيچ ايجاد كرده است كه مي‌تواند به دنبال سريع‌ترين ميانبر براي حل معما باشد و به خود آموزش دهد.


به گزارش تيتربرتر و به نقل از گاردين، اكثر انسان‌ها به طور طبيعي به دنبال كوتاه‌ترين مسير بين دو نقطه هستند، چرا كه موجب صرفه‌جويي در زمان، انرژي و اغلب دوري از سردرگمي مي‌شود.
اكنون ديگر اين مهارت تنها منحصر به موجودات زنده نيست. گروهي از مهندسان، يك برنامه هوش مصنوعي را توسعه داده‌اند كه ياد گرفته است ميانبرها را در مارپيچ‌هاي پيچيده پيدا كند.
 
در حالي كه مهندسان اطلاعات پايه‌اي براي جستجوي ميانبر در اين برنامه كار گذاشتند، اين برنامه به طور موثري خود را آموزش داد و ساختارها و روش‌هايي شبيه به روش‌ها و طرز تفكر انسان ايجاد كرد.
 
خالق اين هوش مصنوعي، محققان گروه "DeepMind" هستند. "ديپ‌مايند" يك شركت بريتانيايي هوش مصنوعي است كه در سپتامبر سال 2010 تحت عنوان فناوري‌هاي ذهن عميق تأسيس شد. سپس هنگامي كه در سال 2014 توسط شركت گوگل خريداري شد، نامش به "گوگل ديپ‌مايند" تغيير يافت.
 
اين شركت قبلا هم يك شبكه عصبي مصنوعي به‌وجود آورده بود كه توانايي يادگيري بازي ويديويي را به همان شكل كه انسان آن را مي‌آموزد، داشت. همچنين ماشين تورينگ عصبي را توليد كرده كه مي‌تواند مانند يك ماشين تورينگ معمول به حافظه خارجي دسترسي يابد كه باعث بوجود آمدن كامپيوتري شده كه حافظه كوتاه‌مدت انسان را شبيه‌سازي مي‌كند.
 
نام اين كمپاني در سال 2016 پس از آن كه يكي از ابداعاتش يك گيمر حرفه‌اي بازي "گو"(Go) را براي اولين بار شكست داد، بر سر زبان‌ها افتاد.
 
بنابراين اين نام بايد براي كساني كه طرفدار هوش مصنوعي هستند، آشنا باشد.
 
اين مطالعه خاص به معناي پيشرفت بيشتر هوش مصنوعي (AI) است، چرا كه اين ديگر يك بازي رايانه‌اي نيست.
 
محققان "ديپ‌مايند" كشف كردند زماني كه هوش مصنوعي را براي حركت از ميان پيچ و خم‌هاي معما آموزش دادند، به طور خود به خود فعاليت الكتريكي مشابه آنچه در مغز انسان يافت مي‌شود، صورت گرفته است و اين يعني كه هوش مصنوعي توانسته بود خودش مثل يك انسان راه حل معما را بيايد.
 
در انسان، اين فعاليت الكتريكي در آنچه كه "سلول‌هاي شبكه‌اي" ناميده مي‌شود، انجام مي‌شود. شناسايي اين سلول‌ها چندين سال پيش براي كاشفش جايزه نوبل را به ارمغان آورد.
 
اين پيشرفت مي‌تواند منجر به افزايش پتانسيل سيستم‌هاي هوش مصنوعي براي ايفاي نقش هرچه شبيه‌تر به انسان شود.
 
دكتر "دارشان كوماران"، محقق ارشد در "ديپ‌مايند" گفت: اين سيستم كاري را انجام مي‌دهد كه حيوانات انجام مي‌دهند و هر زمان كه ممكن باشد، مسيرهاي ميانبر را در صورت امكان در اختيار مي‌گيرد.
 
وي افزود: با استفاده از سلول‌هاي شبكه‌اي مصنوعي، عملكرد آن به طور قابل توجهي افزايش يافته است. به اين معني كه مي‌تواند از يك بازيكن انساني پيشي بگيرد.
 
"فرانسيسكو ساولي"، دانشمند علوم انساني دانشگاه "جان هاپكينز" درباره مغز هوش مصنوعي و معماري آن بيشتر توضيح داد. وي در اين كار شركت نداشته است، اما داراي دانش گسترده‌اي از سيستم‌هاي هوش مصنوعي است.
 
وي در مصاحبه‌اي به "فيز" گفت: اين سيستم‌ها به تقليد از تنوع نورون‌هاي واقعي نياز ندارند. بسياري از يادگيري‌ها با تقويت و تضعيف اين سيناپس‌ها رخ مي‌دهد، كه در مورد ارتباط بين نورون‌ها است و اين در مورد اين سيستم‌هاي هوش مصنوعي نيز صادق است. اما اينكه انسان دقيقا چطور آن را انجام مي‌دهد، و با چه قواعدي اين نوع آموزش را اداره مي‌كند، ممكن است در مغز و اين سيستم‌ها بسيار متفاوت باشد.
 
انسان‌ها و اكثر حيوانات ديگر به لطف سلول‌هاي شبكه‌اي در زمينه يافتن ميانبر و راه‌حل‌هاي ساده مشكلي ندارند. اين سلول‌ها دقيقا به بدن مي‌گويند كه كجاست و به كجا برود.
 
محققان "ديپ‌مايند" اين سوال را مطرح كردند كه آيا آنها مي‌توانند يك هوش مصنوعي را توسعه دهند كه بتواند اين روند را تكرار كند؟ آنها به منظور آموزش شبكه هوش مصنوعي، از موش‌ها براي يافتن غذا در يك مارپيچ استفاده مي‌كردند. اين تيم حتي سيستم را با اطلاعاتي در مورد نحوه حركت موش و اينكه سرعت آن در حال حركت چقدر است، علاوه بر تمام اطلاعات مسيريابي در مورد مسيرهايش، تغذيه مي‌كرد.
 
"جيمز نيريم"، يكي از محققان اين پروژه گفت: ظهور واحدهاي شبكه‌اي يك نمونه قابل توجه از يادگيري عميق است كه بهترين عملكرد را انجام مي‌دهد و يك راه‌حل كارآمد و اغلب غيرمنتظره ارائه مي‌دهد.