ايتنا - مدل‌های هوش‌ مصنوعی با هم ارتباط برقرار می‌کنند و به یکدیگر آموزش می‌دهند

دانشمندان می‌گویند یک سری سیستم هوش مصنوعی ساخته‌اند که می‌توانند با هم صحبت کنند و مهارت‌هایشان را به هم انتقال دهند.

این شبکه هوش مصنوعی تنها بر اساس دستورالعمل‌‌های نوشتاری قادر به یادگیری و اجرای وظایف است و می‌تواند آنچه را آموخته برای یک سیستم هوش مصنوعی «خواهر» توضیح دهد و سیستم خواهر نیز بدون هیچ آموزش یا تجربه قبلی در اجرای آن، همان کار را انجام دهد.

دانشمندان در مقاله‌ای که در روز ۱۸ مارس (۲۸ اسفند) در مجله علمی نیچر (nature) منتشر شد، می‌گویند که این نخستین هوش مصنوعی است که با استفاده از پردازش زبان طبیعی (ان‌ال‌پی/ natural language processing) با سیستم دیگری ارتباط برقرار کرده است. ان‌ال‌پی زیرشاخه‌ای از هوش مصنوعی است که قصد دارد زبان انسان را در رایانه بازآفرینی کند و در آن، ماشین‌ها می‌توانند متن یا گفتار نوشته‌شده را به طور طبیعی درک و بازتولید و معنی آن‌ها را استخراج کنند.

این سیستم‌ها بر اساس روش‌های شبکه‌های عصبی ساخته شده‌اند و مجموعه‌ای از الگوریتم‌های یادگیری ماشینی به شمار می‌روند که چیدمان نورون‌ها در مغز را تقلید می‌کنند.

در این پژوهش علمی جدید، هنگامی که این وظایف به سیستم هوش مصنوعی آموخته شد، این شبکه توانست آن‌ها را در شبکه دوم‌ــ یعنی در یک کپی از شبکه اول‌ــ توضیح دهد تا شبکه دوم بتواند آن‌ها را بازتولید کند.

به گفته دانشمندان مرکز پژوهش‌های عصبی در دانشگاه ژنو سوییس، این نخستین باری است که دو سیستم هوش مصنوعی توانسته‌اند به روشی کاملا زبانی با یکدیگر اصطلاحا «صحبت کنند».

دانشمندان می‌گویند این کار را با یک مدل پردازش زبان طبیعی به نام «اس‌‌ــ‌برت» (S-Bert) که پیش‌تر برای درک زبان انسانی آموزش داده شده بود، انجام دادند. آن‌ها اس‌‌ــ‌برت را به یک شبکه عصبی کوچک‌تر که بر تفسیر ورودی‌های حسی و شبیه‌سازی اقدام‌های حرکتی در پاسخ متمرکز بود، متصل کردند.

این هوش مصنوعی ترکیبی اصطلاحا یک «شبکه عصبی حسی‌ــ‌حرکتی بازگشتی» است که بر اساس مجموعه‌ای از ۵۰ وظیفه روانی‌ــ‌‌فیزیکی آموزش دیده است. این سیستم‌ها از طریق دستورالعمل‌هایی که از طریق مدل زبان اس‌‌ــ‌برت تغذیه می‌شوند، روی پاسخ به یک محرک‌ــ‌ مانند واکنش به نور‌ــ متمرکز شدند.

شبکه عصبی حسی‌ــ‌‌حرکتی بازگشتی از طریق مدل زبان تعبیه‌شده دستورالعمل‌های نوشتاری را درک کرد. این کار به این سیستم امکان می‌دهد که وظایف را بر اساس دستورالعمل‌های زبان طبیعی انجام دهد. دانشمندان می‌گویند با وجود اینکه این سیستم هرگز هیچ آموزشی ندیده و پیش‌تر وظایف مشابهی را انجام نداده بود، به طور متوسط در ۸۳ درصد موارد درست عمل می‌کرد.

به گفته پژوهشگران، شبکه عصبی حسی‌ــ‌حرکتی بازگشتی سپس باید نتایج یادگیری حسی‌ــ‌حرکتی خود را با استفاده از دستورالعمل‌های زبانی به یک نسخه همسان هوش مصنوعی‌ــ به عبارت دیگر به یک نسخه خواهر از خود‌ــ منتقل می‌کرد تا وظایفی را انجام دهد که پیش از این هرگز آن‌ها را انجام نداده بود.

به گفته دانشمندان، این روش به نوعی مشابه آن چیزی است که ما انسان‌ها نیز انجام می‌دهیم. در واقع انسان‌ها نیز با پیروی از دستورالعمل‌های شفاهی یا نوشتاری برای اجرای وظایفشان، همه‌چیز را یاد می‌گیرند، حتی اگر که قبلا آن اقدام‌ها را انجام نداده باشند.

دقیقا همین عملکرد شناختی انسان است که ما را از حیوانات تفکیک می‌کند. هرچند چت‌بات‌های مجهز به هوش مصنوعی می‌توانند دستورالعمل‌های زبانی را برای تولید یک تصویر یا متن تفسیر کنند، نمی‌توانند دستورالعمل‌های نوشتاری یا شفاهی را به اقدام‌های فیزیکی ترجمه کنند، چه رسد به اینکه بتوانند دستورالعمل‌ها را برای هوش مصنوعی دیگری توضیح دهند.

با این حال، پژوهشگران با شبیه‌سازی مناطقی از مغز انسان که مسئولیت درک زبان، تفسیر آن و همچنین اقدام‌های مبتنی بر دستورالعمل را برعهده دارند، یک هوش مصنوعی با مهارت‌های یادگیری و ارتباطی مشابه انسان ایجاد کردند.

به گفته آن‌ها، این امر به‌تنهایی منجر به ظهور هوش جامع مصنوعی (AGI) نخواهد شد. در هوش جامع مصنوعی، یک عامل هوش مصنوعی می‌تواند به‌خوبی یک انسان استدلال کند و وظایفی را در زمینه‌های مختلف انجام دهد. با این حال، محققان می‌گویند که مدل‌های هوش مصنوعی مانند این مدل می‌تواند به درک ما از نحوه عملکرد مغز انسان کمک کند.

به گفته پژوهشگران، این یافته جدید راهی است برای ربات‌های مجهز به هوش مصنوعی که بتوانند برای برقراری ارتباط با یکدیگر و همچنین یادگیری و انجام دادن وظایف از آن استفاده کنند. در این صورت، اگر تنها یک ربات دستورالعمل‌های اولیه را دریافت کند، می‌تواند آن‌ها را در ساخت و آموزش سایر ربات‌های صنعتی خودکار به کار بندد. دانشمندان در عین حال یادآور می‌شوند که این شبکه بسیار کوچک است اما هیچ مانعی بر سر توسعه شبکه‌های بسیار پیچیده‌تر وجود ندارد و می‌توان روزی این شبکه‌ها را در ربات‌های انسان‌نمایی ادغام کرد که قادرند ما و همچنین یکدیگر را درک کنند.