به گزارش خرید بک لینک یک الگوریتم جدید با قابلیت استنباط اهداف و برنامه های انسان می تواند به ساخت دستگاه هایی کمک نماید که با ماهیت ناقص برنامه ریزی انسانی سازگار باشند.
به گزارش خرید بک لینک به نقل از ایسنا و به نقل از ساینس دیلی، در آزمایشی حول محور هوش اجتماعی انسان که توسط دو روانشناس به نامهای فلیکس وارنکن(Felix Warneken) و مایکل توماسلو (Michael Tomasello) انجام شد، یک کودک ۱۸ ماهه مردی را تماشا می کند که به همراه یک دسته کتاب به سمت کمدی در بسته می رود. هنگامی که به کمد می رسد با کلافگی چندین بار کتاب ها را به آن می کوبد و سپس صدایی عحیب از خود در می آورد.
بعد از آن اتفاقی قابل توجهی رخ داد کودک. با استنباط هدف مرد به سمت کمد رفته و درهای آنرا باز کرد تا مرد بتواند کتاب های خویش را در آن قرار دهد اما یک کودک نوپا با تجربه ای محدود در زندگی چگونه قادر به فهم چنین موضوعی است؟
به تازگی دانشمندان حوزه کامپیوتر به دنبال یافتن راهی هستند که این قابلیت را در دستگاه ها هم ایجاد کنند. مولفه اصلی ایجاد چنین درکی چیزی است که ما را تبدیل به انسان کرده یعنی “اشتباهاتمان”.
همانطور که یک کودک نوپا هدف مرد را از شکست در کاری که می خواسته انجام دهد می فهمد، دستگاه ها هم برای فهمیدن اهداف ما باید اشتباهات ما را در نظر بگیرند.
محققان آزمایشگاه علوم کامپیوتری و هوش مصنوعی در موسسه فناوری ماساچوست(MIT) و موسسه مغز و علوم شناختی، برای ایجاد این هوش اجتماعی در ماشین آلات الگوریتمی را ایجاد کردند که می تواند اهداف و برنامه ها را استنباط کند، حتی اگر این اهداف و برنامه ها در نهایت منجر به شکست شوند. این تحقیقات می تواند به بهبود خیلی از فناوری های کمکی مثل ربات های مراقبتی و یا دستیارهای دیجیتالی مثل سیری و الکسا کمک نماید.
تن ژی ژوان(Tan Zhi-Xuan) دانشجوی دکترای گروه مهندسی برق و علوم کامپیوتر موسسه فناوری ماساچوست که نویسنده ی اصلی این مقاله است می گوید: توانایی تشخیص اشتباهات برای دستگاه هایی که منافع ما را استنتاج می کنند و در جهت آن عمل می کنند بسیار اهمیت دارد. در غیر این صورت سیستم های هوش مصنوعی امکان دارد به اشتباه فکر کنند. از آنجائیکه ما در رسیدن به یک هدف شکست خورده ایم دیگر رسیدن به آن هدف برایمان اهمیتی ندارد.
همه ما دیده ایم که چگونه این الگوریتم ها از استفاده ی بدون برنامه ریزی ما از شبکه های مجازی استفاده می نمایند و ما را به سمت وابستگی و تضاد می کشانند. در شرایط ایده آل الگوریتم ها در آینده اشتباهات، عادات بد و رفتارهای غیرمنطقی ما را شناسایی می کنند و از آنها جلوگیری می کنند.
این گروه برای ایجاد یک مدل از جین(Gen) که پلت فرم جدید برنامه نویسی هوش مصنوعی است بهره برد تا هوش مصنوعی با قدرت استنباط تولید نماید. مدل ساخته شده از مدلهای قبلی دقت و سرعت بیشتری داشت.
استورات راسل(Stuart Russell) استاد مهندسی در دانشگاه کالیفرنیا می گوید: هوش مصنوعی در حال دور شدن از مدل استاندارد سابق است که در آن هدفی مشخص و ثابت به دستگاه داده می شد و هوش مصنوعی نمی دانست که ما چه می خواهیم، این بدان مفهوم است که تحقیق در مورد استنباط اهداف و ترجیحات از رفتار انسان به یک مبحث اصلی در هوش مصنوعی تبدیل می شود. این مقاله این هدف را جدی گرفته است. و این یک گام به سمت مدلسازی است. فرآیندی که با آن انسان رفتار و اهداف و ترجیحات خویش را بوجود می آورد.
این تیم از یک روش معمول برنامه ریزی توسط انسان الهام گرفته است و آن برنامه ریزی های کوتاه مدت به جای یک برنامه ریزی کلی از پیش تعیین شده است. گرچه این نوع برنامه ریزی امکان دارد به اشتباه ختم شود اما بار کمتری بر دوش حافظه کوتاه مدت می گذارد.
بعنوان مثال اگر دوست شما در حال پختن غذا باشد و شما بخواهید غذا را حدس بزنید با عنایت به مراحلی که طی می کند مانند روشن کردن فر چندین مورد را در نظر می گیرید و کمی پیش از انجام قدم بعدی پیشبینی می کنید که چه اتفاقی خواهد افتاد و گزینه های نامربوط را قدم به قدم حذف می کنید و هنگامی که از حدس خود مطمئن شدید به کمک دوستتان می روید.
الگوریتم این گروه هم هر حرکت را قبل از اتفاق افتادن پیشبینی می کند و امیدوار است بتواند از این مدل برای تولید دستگاه هایی بهتر استفاده نماید. بررسی استنتاج های ساده تر که کودکان و حتی نوزادان ۱۰ ماهه در مورد اهداف دیگران انجام می دهند، می تواند به مدل سازی کمک نماید.
ژوان می گوید: “اگرچه این کار فقط یک گام اولیه کوچک در این جهت است، اما امید من این است که این تحقیقات زمینه های فلسفی و مفهومی لازم برای ساخت دستگاه هایی را فراهم آورد که اهداف، برنامه ها و ارزش های انسانی را به درستی درک کنند.

استاندارد دستگاه دیجیتال سیستم