NeuroscienceScienceScience / Physics and Mathأخبار تقنيةتقنيةتكنولوجياشروحاتمراجعات تقنيةمقالات معلوماتية

قد يكون للذكاء الاصطناعي الذي يدرس نفسه الكثير من الأشياء المشتركة مع دماغ الإنسان

قد يكون للذكاء الاصطناعي الذي يدرس نفسه الكثير من الأشياء المشتركة مع دماغ الإنسان

لعقد من الزمان الآن ، تم تدريس العديد من أنظمة الذكاء الاصطناعي الأكثر إثارة للإعجاب باستخدام مخزون ضخم من البيانات المصنفة. يمكن تسمية صورة “القط العتابي” أو “القط النمر” ، على سبيل المثال ، “لتدريب” شبكة عصبية اصطناعية للتمييز بشكل صحيح بين تابي والنمر. كانت الإستراتيجية ناجحة بشكل مذهل وقاصرة بشكل مؤسف.

يتطلب مثل هذا التدريب “الخاضع للإشراف” البيانات التي تم تصنيفها بشق الأنفس من قبل البشر ، وغالبًا ما تتخذ الشبكات العصبية طرقًا مختصرة لتعلم ربط التسميات بأقل قدر من المعلومات وأحيانًا السطحية. على سبيل المثال ، قد تستخدم الشبكة العصبية وجود العشب للتعرف على صورة بقرة ، لأن الأبقار عادةً ما يتم تصويرها في الحقول.

“نحن نربي جيلًا من الخوارزميات التي تشبه الطلاب الجامعيين [who] لم يحضروا إلى الفصل الدراسي بأكمله ، ثم في الليلة التي سبقت المباراة النهائية ، كانوا مكتظين ” اليكسي افروس، عالم كمبيوتر في جامعة كاليفورنيا ، بيركلي. “إنهم لا يتعلمون المادة حقًا ، لكنهم يقومون بعمل جيد في الاختبار.”

بالنسبة للباحثين المهتمين بالتقاطع بين الذكاء الحيواني والآلي ، علاوة على ذلك ، قد يكون هذا “التعلم الخاضع للإشراف” محدودًا فيما يمكن أن يكشفه عن الأدمغة البيولوجية. الحيوانات – بما في ذلك البشر – لا تستخدم مجموعات البيانات المصنفة للتعلم. بالنسبة للجزء الأكبر ، فهم يستكشفون البيئة بمفردهم ، وبذلك يكتسبون فهمًا ثريًا وقويًا للعالم.

الآن بدأ بعض علماء الأعصاب الحاسوبيين في استكشاف الشبكات العصبية التي تم تدريبها باستخدام القليل من البيانات الموصوفة بشريًا أو بدونها. أثبتت خوارزميات “التعلم الذاتي” هذه نجاحًا هائلاً في نمذجة لغة الإنسان ومؤخرا ، التعرف على الصور. في العمل الأخير ، أظهرت النماذج الحسابية للأنظمة المرئية والسمعية للثدييات التي تم إنشاؤها باستخدام نماذج التعلم تحت الإشراف الذاتي ، تطابقًا أوثق مع وظائف الدماغ مقارنة بنظرائهم من ذوي التعلم الخاضع للإشراف. بالنسبة لبعض علماء الأعصاب ، يبدو أن الشبكات الاصطناعية بدأت في الكشف عن بعض الأساليب الفعلية التي تستخدمها أدمغتنا للتعلم.

إشراف معيب

نشأت نماذج الدماغ المستوحاة من الشبكات العصبية الاصطناعية منذ حوالي 10 سنوات ، في نفس الوقت تقريبًا الذي أطلقت عليه الشبكة العصبية اسمها AlexNet أحدث ثورة في مهمة تصنيف الصور غير المعروفة. تلك الشبكة ، مثلها مثل جميع الشبكات العصبية ، كانت مكونة من طبقات من الخلايا العصبية الاصطناعية ، ووحدات حسابية تشكل روابط مع بعضها البعض والتي يمكن أن تختلف في القوة ، أو “الوزن”. إذا فشلت الشبكة العصبية في تصنيف صورة بشكل صحيح ، تقوم خوارزمية التعلم بتحديث أوزان الاتصالات بين الخلايا العصبية لتقليل احتمالية سوء التصنيف في الجولة التالية من التدريب. تكرر الخوارزمية هذه العملية عدة مرات مع جميع صور التدريب ، وتعديل الأوزان ، حتى يصبح معدل خطأ الشبكة منخفضًا بشكل مقبول.

يعتقد أليكسي إيفروس ، عالم الكمبيوتر بجامعة كاليفورنيا ، بيركلي ، أن معظم أنظمة الذكاء الاصطناعي الحديثة تعتمد بشكل كبير على الملصقات التي صنعها الإنسان. قال “إنهم لا يتعلمون المادة حقًا”.بإذن من أليكسي إفروس

في نفس الوقت تقريبًا ، طور علماء الأعصاب النماذج الحسابية الأولى لـ النظام البصري الأساسي، باستخدام الشبكات العصبية مثل AlexNet وخلفائها. بدا الاتحاد واعدًا: عندما عُرضت على القرود والشبكات العصبية الاصطناعية نفس الصور ، على سبيل المثال ، أظهر نشاط الخلايا العصبية الحقيقية والخلايا العصبية الاصطناعية مراسلات مثيرة للاهتمام. تم اتباع نماذج اصطناعية للكشف عن السمع والرائحة.

ولكن مع تقدم المجال ، أدرك الباحثون حدود التدريب تحت الإشراف. على سبيل المثال ، في عام 2017 ، التقط ليون جاتيس ، وهو كمبيوتر في جامعة توبنغن في ألمانيا ، وزملاؤه صورة لسيارة فورد موديل تي ، ثم قاموا بتركيب نمط جلد النمر عبر الصورة ، مما أدى إلى تكوين صورة غريبة ولكن يسهل التعرف عليها. صنفت شبكة عصبية اصطناعية رائدة الصورة الأصلية بشكل صحيح على أنها نموذج T ، لكنها اعتبرت الصورة المعدلة نمرًا. لقد تم تثبيته على النسيج ولم يكن لديه فهم لشكل السيارة (أو النمر ، لهذه المسألة).

تم تصميم استراتيجيات التعلم تحت الإشراف الذاتي لتجنب مثل هذه المشاكل. في هذا النهج ، لا يقوم البشر بتسمية البيانات. بدلا من ذلك ، “تأتي التسميات من البيانات نفسها ،” قال نساء فريدمان، عالم الأعصاب الحاسوبي في معهد فريدريش ميشر لأبحاث الطب الحيوي في بازل ، سويسرا. تقوم الخوارزميات الخاضعة للإشراف الذاتي بشكل أساسي بإنشاء فجوات في البيانات وتطلب من الشبكة العصبية ملء الفراغات. في ما يسمى بنموذج اللغة الكبيرة ، على سبيل المثال ، ستعرض خوارزمية التدريب الشبكة العصبية الكلمات القليلة الأولى من الجملة وتطلب منها التنبؤ بالكلمة التالية. عندما تدرب على مجموعة ضخمة من النصوص المستقاة من الإنترنت ، كان النموذج يبدو أن يتعلم البنية النحوية للغة ، مما يدل على قدرة لغوية رائعة – كل ذلك بدون تسميات خارجية أو إشراف.

 

قد يكون للذكاء الاصطناعي الذي يدرس نفسه الكثير من الأشياء المشتركة مع دماغ الإنسان

#قد #يكون #للذكاء #الاصطناعي #الذي #يدرس #نفسه #الكثير #من #الأشياء #المشتركة #مع #دماغ #الإنسان