الگوریتم جدید گوگل هوش مصنوعی را به هوش انسان نزدیکتر می کند-2
دقیقه مطالعه
توانایی به یاد آوردن مهارت‌های قدیمی و به کار بستن آن‌ها در وظایف جدید به‌طور طبیعی
در ذهن انسان وجود دارد. به‌عنوان مثال، برای یک اسکیت‌باز حرفه‌ای، انجام اسکیت روی یخ و
یادگیری آن کاری آسان به شمار می‌رود و دلیل آن هم این است که مهارت‌های گوناگون، همدیگر
را تقویت می‌کنند. اما تجربه ثابت کرده است که بازآفرینی این توانایی در کامپیوترها به‌عنوان یک
چالش بزرگ برای محققان هوش مصنوعی محسوب می‌شود. برنامه‌های ایجادشده در
زمینه‌ی هوش مصنوعی معمولا به صورتی عمل می‌کنند که تنها در انجام یک کار عالی هستند؛ فقط و فقط یک کار یا وظیفه.
با مجله خبری ایشومر همراه باشید :
این مشکل از طریقه‌ی عملکرد هوش مصنوعی برای انجام کارها سرچشمه می‌گیرد.
شمار بیشتری از سیستم‌های هوش مصنوعی، روی برنامه‌هایی پیاده‌سازی می‌شوند
که به نام شبکه عصبی از آن‌ها یاد می‌شود و روند کار آن‌ها بر یادگیری چگونگی انجام
وظیفه‌ها استوار است. منظور از وظیفه در اینجا، مواردی مانند انجام بازی شطرنج بر پایه‌ی
شمار بسیار زیادی از دورهای بازی و روندهای آزمون و خطا است. اما هنگامی که یک شبکه‌ی
عصبی، بازی شطرنج یاد می‌گیرد، یک بازی دیگر را تنها در صورتی می‌تواند یاد بگیرد که
ما مهارت‌های شطرنج آن را با مهارت‌های بازی جدید جایگزین کنیم. محققان هوش مصنوعی
از این ایراد با عنوان «فراموشی فاجعه‌بار» نام می‌برند.
هوش مصنوعی بدون داشتن توانایی ساخت یک مهارت در پی مهارتی دیگر، هرگز
نخواهد توانست روند یادگیری همانند انسان داشته باشد؛ یا اینکه برای مدیریت مسائل
جدید، همانند انسان به‌اندازه‌ی کافی انعطاف‌پذیر باشد. کرک‌پاتریک در این باره می‌گوید:
انسان‌ها و حیوانات، موارد ضروری را می‌توانند یکی پس از دیگری یاد بگیرند و
همین امر خودش یک عامل بسیار مهم است تا آن‌ها را برای یادگیری به‌طور مستمر
و با تکیه بر دانش قبلی خودشان توانمند کند.