پایگاه خبری تحلیلی آریا جوان

محققان الگوریتمی با قابلیت شبیه‌سازی مغز انسان توسعه دادند فناوري

محققان الگوریتمی با قابلیت شبیه‌سازی مغز انسان توسعه دادند

  بزرگنمايي:

آریا جوان - 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

نخستین حضور گروه دیجی‌کالا در الکامپ چگونه بود

نگاهی عمیق به پژو 508 مدل 2019

نشست الکامپ تاکز روز سوم نمایشگاه با حضور مدیر تبلیغات کافه بازار انجام شد

چگونه سفر هوایی ارزان تری داشته باشیم؟

کروم شناسایی حالت ناشناس مرورگر ازسوی وب‌سایت‌ها را غیرممکن می‌کند

کارت‌های گرافیک رادئون Navi معرفی شدند

Dark Sword 2؛ بازی که عاشقان شمشیرزنی نباید از دست بدهند

کم‌حجم‌ترین کیبورد اندرویدی را روی گوشی‌تان نصب کنید

تولید پیکاپ مرسدس بنز کلاس ایکس متوقف می‌شود

همکاری تنسنت و بی ام و در توسعه فناوری خودران

نمونه کمیاب‌ مک لارن F1 حراج می‌شود

داروخانه آنلاین چیست؟ (معرفی داروخانه آنلاین شیدر)

معرفی پر ویژگی‌ترین کیبورد اندرویدی

پیشنهاد تورهای تابستانی پر طرفدار برای تفریح های خانوادگی از آژانس آویسا

اشکان قویدل، معاونت فنی نوژن از حوزه‌ی فعالیت شرکت و چالش‌های پیش‌رو می‌گوید

نام بخش توشیبا مموری به Kioxia America تغییر می‌کند

سرویس اشتراک آنلاین آب آشامیدنی خرید ساده‌تری به ارمغان می‌آورد

رئیس سازمان نظام صنفی رایانه‌ای الکامپ را آینه‌ای از صنف ICT کشور می‌داند

افزایش شمار مبتلایان به فلج اطفال در افغانستان و پاکستان

معرفی یک بازی موبایلی برای علاقمندان به دریفت

گزارش کامل روز دوم رویداد الکام پیچ

فدورا درمقابل اوبونتو؛ مقایسه‌ی سیستم‌عامل‌های لینوکسی

جیلی Bo Yue Pro معرفی شد

رویداد توان تِک؛ ابتکار مجتمع آموزشی نیکوکاری رعد در الکامپ

الیور زیپسه مدیرعامل بی ام و شد

استارتاپ آرمه خدمات دندان‌پزشکی را تسهیل می‌کند

دمو هولولنز جدید مایکروسافت با قابلیت ترجمه منتشر شد

مشخصات فنی مدل پایه پورشه تایکان اعلام شد

Space Marshals 2؛ کلانتر فضایی شوید

Ringtone Maker؛ برای گوشی‌تان رینگتون اختصاصی بسازید

Cover Fire؛ پناه بگیر و دشمنانت را بکش

چگونه انتظارات بر ادراک تأثیر می‌گذارند؟

استخدام پاره‌وقت نیروی کار ماهر به‌ کمک پلتفرم آنلاین استارتاپی فراهم می‌شود

اشتباه قیمت‌گذاری پرایم دی باعث فروش دوربین‌های گران‌قیمت به بهایی ناچیز شد

ZF برای خودروهای برقی جعبه‌دنده دوسرعته تولید کرد

معرفی اپلیکیشن فیس اپ؛ پیری‌ات را ببین

کشف ارتباط بین بی‌اشتهایی و متابولیسم بدن

اگر ادعای رانندگی دارید در این بازی خود را به مردم جهان ثابت کنید

اپلیکیشن Meitu شما را از هر گونه عمل زیبایی بی‌نیاز می‌کند

Dr. Mario World؛ ماریو قارچ خور را در دنیای پزشکی تجربه کنید!

چرا جعلی‌بودن فیلم فرود روی ماه از نظر علمی امکان‌پذیر نیست؟

هیجان تنیس ویمبلدون را در گوشی موبایل‌تان تجربه کنید

Rescue Wings؛ در نقش یک آتش‌نشان فداکار ظاهر شوید

اپلیکیشن‌های اندرویدی که حسادت کاربران آیفون را برمی‌انگیزد - قسمت دوم

معرفی دقیق‌ترین اپلیکیشن هواشناسی که در تابستان به کارتان می‌آید

نگاهی به محبوب‌ترین اپلیکیشن‌ها و بازی‌های هفته چهارم تیر

حضور بازار باسلام در رویداد ایران هوشمند

نمونه تصاویر گرفته شده با آنر 9X پرو در نور کم لو رفت

داستان برند تنسنت، غول جوان و بلندپرواز دنیای فناوری

اندروید Q را بهتر بشناسید