دوشنبه ۲۹ مهر ۱۳۹۸ - ۱۰:۳۱
مهندسی معکوس مغز برای پیشرفت هوش مصنوعی

کتاب «انقلاب یادگیری عمیق»، با اشاره به تاریخچه‌ای از ظهور هوش مصنوعی، مقوله هوش مصنوعی در برابر هوش انسان و مسأله یادگیری را از وجوه گوناگون بررسی می‌کند.

به گزارش خبرگزاری کتاب ایران(ایبنا)، زندگی روی کره زمین پر از رمز و راز است اما شاید یکی از مهم‌ترین آن‌ها ماهیت هوش باشد. انقلاب هوش مصنوعی در آینده نزدیک، نظریه‌ای است که بسیاری آن‌ را غیرقابل انکار می‌دانند، اما مطالعه‌ای جدید نشان می‌دهد انسان‌ها در برابر ربات‌ها چندان نیز بی‌دفاع نخواهند بود. براساس این مطالعات، ‌قدرتمند‌ترین ابرراینه‌های امروز جهان، تنها یک‌ سی‌اُم قدرت مغز انسان را دارند،‌ از این‌رو انسان هنوز مدت زمان زیادی برای غلبه بر قدرت ربات‌ها در اختیار دارد. با این‌همه دانشمندان هنوز به خوبی نمی‌دانند که میزان بهره‌وری مغز از قدرت محاسباتی‌اش در مقایسه با بهره‌وری سیستم‌های طراحی شده توسط انسان چه اندازه‌ است،‌ از این‌رو حتی اگر مشخص بود برای انجام محاسباتی مشابه با محاسبات مغز انسان و به شیوه مغز انسان به چه اندازه سخت‌افزار نیاز است، این تعداد سخت‌افزار تفاوت زیادی با تعداد سخت‌افزارهایی دارد كه مهندسان برای دست‌یابی به عملكردی مشابه با مغز انسان به آن نیاز دارند. یادگیری عمیق یک زیرشاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است. پژوهشگران به دنبال هوشی پرقدرت و البته مصنوعی هستند که توانایی یادگیری را نیز دارا باشد.
 
کتاب «انقلاب یادگیری عمیق» تالیف ترنس ج. سجنوسکی در سال جاری با ترجمه مشترک مراد روح‌رضی و علی محمدیان اصل به بازار نشر عرضه شد. این کتاب در سه فصل به مباحثی همچون هوش بهبودیافته، ظهور یادگیری ماشین، تولد دوباره هوش مصنوعی، طلوع شبکه‌های عصبی، روش‌های زیاد برای یادگیری، سیستم‌های پردازش اطلاعات عصبی، آینده یادگیری ماشین، آگاهی و هوش عمیق می‌پردازد.


نویسنده در مقدمه کتابش نوشته است: «پیشرفت اخیر در هوش مصنوعی (AI) با مهندسی معکوس مغزها ایجاد شده است. الگوریتم‌های یادگیری برای مدل‌های شبکه عصبی لایه‌ای، از روشی الهام گرفته‌اند که نورون‌ها با یکدیگر ارتباط برقرار می‌کنند و با تجربه تغییر می‌یابند. در داخل شبکه، پیچیدگی جهان به‌صورت ترکیبی از الگوهای درونی فعالیت، تبدیل می‌شود که عناصر اطلاعاتی هستند. مدل‌های شبکه‌ای که من در دهه 1980 کار کردم در مقایسه با مدل‌های امروزی بسیار کوچک بودند که اکنون میلیون‌ها نورون مصنوعی دارند و دارای ده‌ها لایه عمیق هستند. چیزی که برای یادگیری عمیق امکان‌پذیر بود، ایجاد موفقیت بزرگ در حل برخی از دشوارترین مسائل در هوش مصنوعی، پایداری، داده‌های بزرگ و توانمندی بسیار کامپیوتر است.»
 

تلاش شبانه‌روزی مغز
«با کمال تعجب، مغز شما حتی زمانی که خواب هستید می‌تواند روی مشکل کار کند و از هیچ‌چیز آگاهی و نگرانی نداشته باشید. اما این‌کار فقط در زمانی است که اگر در حال تلاش برای حل کردن مسأله قبل از خواب تمرکز داشته باشید. در صبح بینش تازه‌ای در ذهن شما ظاهر می‌شود که می‌تواند به شما کمک کند تا مشکل را حل کنید. تلاش شدید قبل از تعطیلات یا به خواب رفتن، برای آماده‌سازی مغز بسیار مهم است. در غیر‌این‌صورت این احتمال وجود دارد که بر روی یک مشکل دیگر کار کند. در این زمینه هیچ چیز خاصی در مورد ریاضیات یا علم وجود ندارد. در این زمینه مغز شما به همان اندازه حل مشکل اجتماعی مانند مشکلات ریاضی و علوم کار می‌کند، اگر این چیزی است که اخیرا در ذهن شما بوده است.»
 

مغز و هزینه‌های ذاتی
«یادگیری عمیق به بهینه‌سازی تابع هزینه بستگی دارد. تابع هزینه در طبیعت چیست؟ معکوس هزینه در تکامل تناسب نامیده می‌شود، اما این مفهومی است که تنها در زمینه مجموعه‌ای از موانع، یا از محیط و یا از سیستم بهینه می‌شود. در مغز، هزینه‌های ذاتی وجود دارند که رفتار را منظم می‌کنند، مانند نیاز به غذا، گرما، ایمنی، اکسیژن و زایش. در یادگیری تقویتی اقداماتی برای بهینه‌سازی پاداش‌های آینده انجام می‌شوند. اما فراتر از پاداش‌هایی که بقا را بیمه می‌کنند، طیف گسترده‌ای از پاداش‌ها می‌توانند بهینه شوند، همانطور که از طیف گیج‌کننده‌ای از رفتارهای انسانی مشهود است. آیا یک تابع هزینه جهانی وجود دارد که مسئول این تنوع باشد؟»
 
نخستین چاپ کتاب «انقلاب یادگیری عمیق» در 406 صفحه با شمارگان یک هزار نسخه به بهای 70 هزار تومان از سوی انتشارات علمیران در تبریز روانه بازار نشر شده است.

نظر شما

شما در حال پاسخ به نظر «» هستید.

برگزیده

پربازدیدترین

تازه‌ها