راه ترقی

آخرين مطالب

محققان الگوریتمی با قابلیت شبیه‌سازی مغز انسان توسعه دادند اقتصاد

محققان الگوریتمی با قابلیت شبیه‌سازی مغز انسان توسعه دادند
  بزرگنمايي:

راه ترقی - توسعه‌ی الگوریتم‌های هوش مصنوعی برای شبیه‌سازی مغز انسان با قدرت ادامه دارد و محققان به نتایج مقبولی نیز دست یافته‌اند.

گروهی از محققان اخیرا توانسته‌اند روشی برای اجرای یادگیری ماشین کشف کنند که برخی از جنبه‌های عملکردی اصلی مغز انسان را تقلید کند. الگوریتم‌های به‌دست‌آمده از تحقیقات جدید امکان‌پذیری بیولوژیکی هم دارند و به‌احتمال زیاد، زمینه‌های جدیدی به حوزه‌ی هوش مصنوعی اضافه می‌کنند. مقاله‌های مرتبط:
پیش‌بینی زمان مرگ؛ ناخوشایندترین قابلیت هوش مصنوعی هوش مصنوعی هم‌اکنون می‌خواند، می‌نویسد و ترجمه می‌کند
دیمیتری کروتوف، محقق IBM و جان جی. هاپفیلد، مخترع شبکه‌ی عصبی مشارکتی، در تحقیقات درباره‌ی الگوریتم جدید همکاری کردند. آن‌ها مجموعه‌ای از الگوریتم‌ها را توسعه دادند که شبیه به آموزش‌ ‌دادن به انسان‌ها، ماشین‌ها را آموزش می‌دهد. الگوریتم آن‌ها به ماشین امکان می‌دهد در رویکردی بدون نظارت خاص آموزش ببیند. درواقع، روش آن‌ها برخلاف راهکارهای موجود برچسب‌گذاری دیتاسِت است که امروزه، در اکثر فرایندهای یادگیری عمیق استفاده می‌شود. بسیاری از تحقیقات پیشین در حوزه‌ی هوش مصنوعی که در دهه‌های 1980 و 1990 انجام شد، روی درک نحوه‌ی فعالیت شبکه‌ی عصبی انسان متمرکز بود. به‌علاوه، تبدیل آن به زبانی درک‌کردنی برای ماشین‌ها نیز در دستورکار آن تحقیقات قرار داشت. ایده‌ی مهم آن سال‌ها درک بهترین روش برای نشان‌دادن فعالیت عصب‌ها با استفاده از ریاضیات بود. مرحله‌ی بعدی نیز با مقیاس‌دهی همان یافته‌ها برای استفاده در ماشین‌ها انجام می‌شد. متأسفانه آن رویکرد به‌خوبی ادامه پیدا نکرد و اکثر تحقیقات درباره‌ی هوش مصنوعی تا دهه‌ی 2000، تقریبا فراموش شده بود.
تحقیقات کروتوف و هاپفیلد به‌نوعی از روش‌های قدیمی توسعه‌ی هوش مصنوعی استفاده می‌کند؛ اما قدمی جدید برای شبیه‌سازی مغزی شبکه‌های عصبی ارائه می‌دهد. کروتوف در مصاحبه‌ای درباره‌ی تحقیقاتش گفت: اگر درباره‌ی عصب‌شناسی صحبت کنیم، قطعا جزئیات زیادی درباره‌ی نحوه‌ی کارکردن آن وجود دارد. سازوکارهای بیوفیزیکی پیچیده در فعالیت‌های انتقال عصبی مفصل‌های سیناپسی، وجود بیش از یک نوع سلول، جزئیات فعالیت‌های پیچیده‌ی آن سلول‌ها و موارد دیگر، همگی پیچیدگی سیستم عصبی را بیشتر می‌کنند. ما در تحقیقاتمان تمام آن جزئیات را نادیده گرفتیم. درعوض، ما تنها یک عنصر پایه‌ای را در فعالیت خود اضافه کردیم که در شبکه‌های عصبی زیستی هم وجود دارد. عنصر پایه‌ای مدنظر ما نیز ارتباط صرفا جفتی عصب‌ها با یکدیگر بود. به‌بیانِ‌دیگر، مدل ما اجرای کامل مدل‌های زیستی واقعی نیست و درواقع، فاصله‌ی زیادی هم با آن دارد. روش ما برداشتی ریاضیاتی از نمونه‌ی زیستی بوده که در مفهومی کاملا ریاضیاتی اجرا شده است. شبیه‌سازی کامل فرایندهای مغز مشکلات جزئی زیادی دارد
مدل‌های مدرن یادگیری عمیق عموما روی روش‌های آموزش «بازگشت به عقب» (Backpropagation) متمرکز می‌شوند. این روش آموزشی روی مغز انسان کاربرد ندارد؛ چون به داده‌های غیرمحلی وابسته است. به‌عنوان مثال، مغز ما می‌تواند تصاویر را بدون آموزش مرسوم پردازش کند. درواقع، می‌توانیم مواردی که قبلا ندیده‌ایم، به‌خوبی پردازش کنیم که با روش آموزش بازگشت به عقب برای ماشین‌ها تفاوت دارد. آموزش یادگیری شبیه انسان به ماشین‌، دشواری‌های زیادی دارد. آن آموزش شبیه این است که خواندن را تنها با توضیح‌دادن حروف الفبا و بدون نشان‌دادن آن‌ها به افراد یاد دهیم. درواقع ماشین‌ها برخلاف ما، ارتباط حسی مستقیمی با جهان پیرامون ندارند. به‌هرحال به‌نظر می‌رسد کروتوف و هاپفیلد مشکل مذکور را با ساختن الگوریتمی حل کرده باشند که نمونه‌‌ای درک‌کردنی از داده می‌سازد.
کروتوف درباره‌ی مدل‌سازی الگوریتم‌شان می‌گوید: اغلب وقتی به شبکه‌ی عصبی عمیق آموزش می‌دهیم، وظیفه‌ی آن را از قبل مشخص می‌کنیم. مثلا می‌گوییم اعداد با دست‌خط دست‌نویس را شناسایی کند. سپس، الگوریتم داده‌های موردنیاز خود را بسته به وظیفه‌ی مدنظر، در فضایی پنهان پیدا می‌کند. در نمونه‌‌ی ما، وزن‌های (Weights) لایه‌ی اولیه‌ی شبکه‌ی عصبی، به دانستن وظیفه نیاز ندارد. درواقع، آن لایه فقط روی خود داده آموزش می‌بیند. سپس بعد از پایان‌یافتن آموزش، می‌توانیم وظیفه را مشخص کنیم. در مفهوم جدید، وزن‌های لایه‌ی اولیه درباره‌ی وظیفه اطلاع خاصی ندارند. تحقیقات اخیر رویکردی در حوزه‌ی هوش مصنوعی اجرا کردند که به‌نوعی فراموش شده بود. درواقع، شاید یادگیری‌های عمیق مدرن امروزه به حوزه‌ی اصلی تحقیقات تبدیل شده باشند؛ اما الگوریتم‌هایی با امکان‌پذیری بیولوژیکی نیز به زمینه‌های اصلی تحقیقات بازگردند. البته، محققان بررسی اخیر می‌گویند کاربردی‌بودن روش آن‌ها در هوش مصنوعی هنوز به بررسی‌های عمیق‌تر نیاز دارد. کوروتوف می‌گوید مقاله‌ی آن‌ها تنها روی کاغذ نشان می‌دهد که با استفاده از روشی شبیه به ساختارهای بیولوژیکی، می‌توان کاربرد مناسبی از هوش مصنوعی انتظار داشت. درواقع، مقاله‌ی آن‌ها بیش از این مرحله پیش نمی‌رود و مهر تأییدی بر کاربردی‌بودن خود نمی‌زند. درنهایت، همین که محققان توانستند روش‌هایی برای اجرای یادگیری شبیه به عناصر بیولوژیکی کشف کنند، جای امیدواری دارد. شاید یافته‌های آن‌ها، آینده‌ی یادگیری عمیق و توسعه‌ی هوش مصنوعی را نیز تغییر دهد.


نظرات شما

ارسال دیدگاه

Protected by FormShield

ساير مطالب

آغاز مهم‌ترین گردهمایی آبی منطقه غرب آسیا در تهران

زنگنه برای شرکت در نشست اوپک وارد وین شد

رشد چهار درصدی شاخص بورس در هفته دوم آذر ماه

افزایش صادرات محصولات پتروشیمی با وجود تحریم‌ها

حذف صفر از پول ملی و احتمال تورم ناشی از آن

نقش سازمان مالیاتی در حذف دهکهای بالا

نفت بخش خصوصی را منزوی کرد

امسال صادرکنندگان کار جهادی کردند

دشمن نتوانست صادرات نفت ایران را صفر کند/همچنان نفت می فروشیم

اردکانیان: تاجیکستان گام‌هایی عملی‌تر برای توسعه روابط اقتصادی با ایران بردارد

اختصاص 6 هزار میلیاردتومان برای همسان‌سازی حقوق بازنشستگان

رشد نرخ رسمی 22 ارز

رشد 26 درصدی سرمایه‌گذاری خارجی در بخش صنعت

جهانگیری آیین‌نامه اجرایی معافیت مالیاتی یکی از اولیای معلولان شدید را ابلاغ کرد

اردکانیان: ایران شریکی مطمئن برای اوراسیاست

افتتاح 310 میلیون دلار پروژه در صنعت مس/تحریم مس شکسته شد

پای رمزارزها به بازار نفت ایران باز می‌شود؟

بودجه 99 در جلسه شورای عالی اقتصاد بررسی شد

بورس کالا میزبان عرضه فرآورده‌های نفتی و پتروشیمی

آقاپور: با قرار دادن این همه مین بر سر راه تولیدکننده توقع دارید قهرمان ماراتن بشود؟

عرضه فولاد، کنسانتره فلزات گران‌بها و طلا در بورس کالا

چالش جاماندگان کمک معیشتی/چرا کد رهگیری برای افراد ارسال نمی‌شود؟

رحمانی: قیمت 50 کالای پرمصرف افزایش یافت

هند بر ادامه همکاری با ایران در بندر چابهار تاکید کرد

نرخ رسمی 24 ارز کاهش یافت

صادرات با کارت‌های اجاره‌ای در مرزهای عراق ادامه دارد

لاریجانی: رفع مشکلات مالی بانک ملی در بودجه 99 لحاظ شود

سقوط ارزش بیت کوین دراثر خط‌و‌نشان دولت چین

حضور استارتاپ‌ها با ایده‌های جالب در نمایشگاه تراکنش ایران

کن بلاک در چین؛ رانندگی دیدنی با فورد F-150

ربات Cloi Chefbot ال‌ جی در رستوران کره‌ای مشغول به کار شد

جوابیه اچ پی به زیراکس: ما نیازی به شما نداریم، زیراکس در وضعیت مناسبی نیست

ایران لاک؛ قفل های بدون کلید برای معلولان

صنعتگران ایرانی چند برابر کشورهای پیشرفته مالیات می‌دهند

رشد 193 درصدی ارزش پرونده‌های تخلف، پس از سهمیه‌بندی بنزین

حمل‌ونقل محموله‌های جدید ایرپاد در سال 2019 به 60 میلیون دستگاه خواهد رسید

تنوع در تالار محصولات صنعتی و معدنی بورس کالا

مایکروسافت: عرضه سرفیس ایرباد جدید تا بهار سال 2020 به‌تعویق می‌افتد

فیسبوک اپلیکیشن تشخیص چهره را روی کارمندان خود آزمایش می‌کند

علاقه مردمان عصر پارینه‌‌سنگی به اسب‌ به پیش از اهلی‌شدن این حیوان بازمی‌گردد

شد 40 درصدی تامین نهاده‌های بخش کشاورزی

رمز دوم پویا چیست و چگونه اجرایی خواهد شد؟

ثبت‌نام و هزینه دوگانه‌سوز شدن خودرو با رعایت استاندارد

اروپا بیشترین رشد فروش گوشی‌های هوشمند را در فصل سوم 2019 تجربه کرد

گوشی جدید نوکیا 14 آذر معرفی می شود

آیفون 12 پرو اپل به 6 گیگابایت حافظه رم مجهز خواهد بود

زیراکس احتمالا برای تصاحب اچ پی مستقیما با سهام‌داران مذاکره خواهد کرد

آمار دانلود اپلیکیشن‌ها در سه‌ماهه سوم 2019 منتشر شد

قیمت ارزان وبکم لاجیتک C920 در بازار بی‌حکمت نیست

سرویس جی سوئیت با دستیار هوشمند گوگل یکپارچه شد