تیم مهندسان دیپ مایند توسعه داد؛

هوش مصنوعی خودآموز برای حل مارپیچ

رمز من: تیم مهندسان ˮدیپ مایندˮ(DeepMind) یك هوش مصنوعی شبه انسانی برای حل یك مارپیچ بوجود آورده است كه می تواند به دنبال سریع ترین میانبر برای حل معما باشد و به خود آموزش دهد.

به گزارش رمز من به نقل از ایسنا و به نقل از گاردین، اغلب انسان ها به صورت طبیعی به دنبال كوتاه ترین مسیر بین دو نقطه هستند، چون كه باعث صرفه جویی در زمان، انرژی و اغلب دوری از سردرگمی می گردد.

اكنون دیگر این مهارت تنها منحصر به موجودات زنده نیست. گروهی از مهندسان، یك برنامه هوش مصنوعی را توسعه داده اند كه یاد گرفته است میانبرها را در مارپیچ های پیچیده پیدا كند.

در حالی كه مهندسان اطلاعات پایه ای برای جستجوی میانبر در این برنامه كار گذاشتند، این برنامه به صورت موثری خویش را آموزش داد و ساختارها و روش هایی شبیه به روش ها و طرز تفكر انسان تولید كرد.

خالق این هوش مصنوعی، محققان گروه "DeepMind" هستند. "دیپ مایند" یك شركت بریتانیایی هوش مصنوعی است كه در سپتامبر سال 2010 تحت عنوان فناوری های ذهن عمیق تأسیس شد. سپس هنگامی كه در سال 2014 توسط شركت گوگل خریداری شد، نامش به "گوگل دیپ مایند" تغییر یافت.

این شركت قبلا هم یك شبكه عصبی مصنوعی به وجود آورده بود كه توانایی یادگیری بازی ویدیویی را به همان شكل كه انسان آن را می آموزد، داشت. همینطور ماشین تورینگ عصبی را تولید كرده كه می تواند مانند یك ماشین تورینگ معمول به حافظه خارجی دسترسی یابد كه سبب بوجود آمدن كامپیوتری شده كه حافظه كوتاه مدت انسان را شبیه سازی می كند.

نام این كمپانی در سال 2016 بعد از آن كه یكی از ابداعاتش یك گیمر حرفه ای بازی "گو"(Go) را برای نخستین بار شكست داد، بر سر زبان ها افتاد.

بنابراین این نام باید برای كسانی كه طرفدار هوش مصنوعی هستند، آشنا باشد.

این مطالعه خاص به معنای پیشرفت بیشتر هوش مصنوعی (AI) است، چون كه این دیگر یك بازی كامپیوتری نیست.

محققان "دیپ مایند" كشف كردند زمانی كه هوش مصنوعی را برای حركت از میان پیچ و خم های معما آموزش دادند، به صورت خود به خود فعالیت الكتریكی مشابه آنچه در مغز انسان یافت می شود، صورت گرفته است و این یعنی كه هوش مصنوعی توانسته بود خودش مثل یك انسان راه حل معما را بیاید.

در انسان، این فعالیت الكتریكی در آنچه كه "سلول های شبكه ای" نامیده می شود، انجام می گردد. شناسایی این سلول ها چندین سال پیش برای كاشفش جایزه نوبل را به ارمغان آورد.

این پیشرفت می تواند منجر به افزایش پتانسیل سیستم های هوش مصنوعی برای ایفای نقش هرچه شبیه تر به انسان شود.

دكتر "دارشان كوماران"، محقق ارشد در "دیپ مایند" اظهار داشت: این سیستم كاری را انجام می دهد كه حیوانات انجام می دهند و هر زمان كه ممكن باشد، مسیرهای میانبر را در صورت امكان در اختیار می گیرد.

وی اضافه كرد: با استفاده از سلول های شبكه ای مصنوعی، عملكرد آن به صورت قابل توجهی افزایش یافته است. به این مفهوم كه می تواند از یك بازیكن انسانی پیشی بگیرد.

"فرانسیسكو ساولی"، دانشمند علوم انسانی دانشگاه "جان هاپكینز" درباره مغز هوش مصنوعی و معماری آن بیشتر توضیح داد. وی در این كار شركت نداشته است، اما دارای دانش گسترده ای از سیستم های هوش مصنوعی است.

وی در مصاحبه ای به "فیز" اظهار داشت: این سیستم ها به تقلید از تنوع نورون های واقعی نیاز ندارند. خیلی از یادگیری ها با تقویت و تضعیف این سیناپس ها رخ می دهد، كه در مورد ارتباط بین نورون ها است و این در مورد این سیستم های هوش مصنوعی هم صادق است. اما اینكه انسان دقیقا چطور آن را انجام می دهد، و با چه قواعدی این نوع آموزش را اداره می كند، ممكن است در مغز و این سیستم ها بسیار متفاوت باشد.

انسان ها و اغلب حیوانات دیگر به لطف سلول های شبكه ای در زمینه یافتن میانبر و راه حل های ساده مشكلی ندارند. این سلول ها دقیقا به بدن می گویند كه كجاست و به كجا برود.

محققان "دیپ مایند" این سوال را مطرح نمودند كه آیا آنها می توانند یك هوش مصنوعی را توسعه دهند كه بتواند این روند را تكرار كند؟ آنها به منظور آموزش شبكه هوش مصنوعی، از موش ها برای یافتن غذا در یك مارپیچ استفاده می كردند. این تیم حتی سیستم را با اطلاعاتی در مورد نحوه حركت موش و اینكه سرعت آن در حال حركت چقدر است، علاوه بر تمام اطلاعات مسیریابی در مورد مسیرهایش، تغذیه می كرد.

"جیمز نیریم"، یكی از محققان این پروژه اظهار داشت: ظهور واحدهای شبكه ای یك نمونه قابل توجه از یادگیری عمیق است كه بهترین عملكرد را انجام می دهد و یك راه حل كارآمد و اغلب غیرمنتظره عرضه می دهد.

1397/02/26

15:20:50

5.0 / 5

4528

تگهای خبر: اطلاعات , تولید , حافظه , شبكه

اگر مطلب را پسندیدید لایک کنید

(1)

(0)

تازه ترین مطالب مرتبط

نظرات بینندگان در مورد این مطلب

نظر شما در مورد این مطلب

نام:

ایمیل:

نظر:

سوال:

= ۳ بعلاوه ۱