الگوریتم جدید گوگل هوش مصنوعی را به هوش انسان نزدیکتر می کند-4
دقیقه مطالعه
پژوهشگران که دستاوردهای خود را در قالب یک مقاله در مجموعه مقالات آکادمی
ملی علوم منتشر کرده‌اند، در نوشته‌های خود توضیح می‌دهند که الگوریتم هوش مصنوعی
جدید آن‌ها به چه شکل با استفاده از مهارت‌هایی که در مراحل قبلی آموخته بود، اقدام
به حل مسئله‌ها کرده است.با مجله خبری ایشومر همراه باشید :
اما هنوز روشن نیست که آیا استفاده از مهارت‌های قبلی
باعث شده است هوش مصنوعی عملکرد بهتر داشته باشد یا خیر. در حالی که برنامه‌ی
یادشده، انجام بازی‌های مختلف را یاد گرفته بود، اما باید اشاره کرد که
این برنامه در انجام هیچ کدام از این بازی‌ها دارای عملکردی به‌خوبی یک برنامه‌ی
هوش مصنوعی اختصاصی برای یک بازی خاص نبوده است.
آزمایشگاه رباتیک بریستول در دانشگاه وست انگلستان
پاتریک در این باره گفت:
ما نشان داده‌ایم که برنامه می‌تواند کارهای پی‌درپی را یاد بگیرد؛ اما نشان نداده‌ایم
که عملکرد آن در یادگیری نیز به دلیل اینکه آن‌ها را به‌طور پی‌درپی یاد می‌گیرد، بهتر
شده است. هنوز جای زیادی برای پیشرفت در این برنامه وجود دارد.
پیتر دایان، رئیس واحد علوم اعصاب محاسباتی گتسبی در دانشگاه کالج لندن، از
این کار به‌عنوان کاری «بسیار خوب» یاد می‌کند. او همچنین اظهار کرده است که
کامپیوترها برای رسیدن به هوش مصنوعی عمومی، نیاز به یاد گرفتن
این امر دارند که یک کار چگونه به دیگری مربوط می‌شود و به این ترتیب مهارت‌های
گذشته می‌توانند به‌طور کارآمدی برای مواجهه و حل مسئله‌های جدید به کار آیند.
آلن وینفیلد، در آزمایشگاه رباتیک بریستول در دانشگاه وست انگلستان، باور
دارد که این کار «فوق‌العاده» بوده است.
اما افزود:
من فکر نمی‌کنم که این دستاورد در حال حاضر بتواند ما را به‌طور چشمگیری
به هوش AGI نزدیکتر کند؛ چرا که این کار نه ادعا دارد و نه اینکه می‌تواند
چگونگی بسط یافتن (تعمیم یافتن) یک توانایی یاد گرفته‌شده به توانایی دیگر
را به ما نشان دهد. چنین کاری، چیزی است که من و شما در دوران کودکی
و بدون نیاز به تلاش قابل توجهی می‌توانستیم انجام دهیم.
یکی از دلایلی که هوش مصنوعی نمی‌توانست هر بازی را به نحو عالی
به انجام برساند، این بود که گاهی اوقات قادر به درک میزان اهمیت
و همچنین چگونگی ارتباطات خاص برای استراتژی مختص هر بازی
نبود.
پاتریک چنین تشریح می‌کند:
ما می‌دانیم که یادگیری متوالی مهم است؛ اما هنوز به مرحله‌ی بعدی
وارد نشده‌ایم. مرحله‌ی بعدی آن است که بتوانیم نوعی یادگیری را اجرا کنیم
که انسان‌ها و حیوانات می‌توانند انجام دهند. البته تا آن مرحله هنوز
راه زیادی باقی است. اما اکنون می‌دانیم یکی آن مواردی که به‌عنوان
سدی بزرگ در مسیرمان به شمار می‌رفت، غیر قابل عبور نخواهد بود.
وی می‌افزاید:
ما هنوز راهی واقعا طولانی تا رسیدن به اهداف عمومی متصور برای
هوش مصنوعی داریم و چالش‌های پژوهشی بسیاری برای دست و پنجه
نرم کردن وجود دارند. یکی از بخش‌های اصلی موجود در پازل هوش مصنوعی،
توسعه دادن سیستمی است که بتوانند توانایی یادگیری برای مواجهه با وظیفه‌ها و
چالش‌های جدید را در حالی داشته باشند که بتوانند به‌طور هم‌زمان از توانایی‌های
اکتسابی خود در طی مراحل قبلی نیز بهره ببرند. این پژوهش به‌عنوان یک گام اولیه در
این جهت به شمار می‌رود و می‌تواند در گذر زمان به ما در ساخت و توسعه‌ی سیستم‌هایی
برای حل مسئله کمک کند که دارای انعطاف‌پذیری بیشتر و کارآمدتری در روند یادگیری باشند.
منبع :زومیت