حراج واقعی! برای دریافت کتاب الکترونیکی رایگان با 25 دستور العمل برتر ما.

پیشرفت جدید پژوهشگران گوگل درزمینه هوش مصنوعی

به گزارش سرویس تازه های دنیای فناوری مجله تک تایمز ،

بیشتر کارهایی که با هوش مصنوعی انجام می‌شود، شامل فرایند آموزشی است که با عنوان یادگیری ماشین شناخته می‌شود و در آن، عملکرد هوش مصنوعی در انجام کارهایی مانند تشخیص گربه یا مکان‌یابی مسیر با تکرار بیشتر این کار بهبود می‌یابد. به‌تازگی، پژوهشگران از همین تکنیک برای ایجاد سیستم‌های هوش مصنوعی جدیدی بدون هرگونه مداخله‌ی انسانی استفاده کرده‌اند.

مهندسان گوگل سال‌ها روی سیستم یادگیری ماشین هوشمندی به‌نام سیستم AutoML (سیستم خودکار یادگیری ماشین) کار کرده‌اند که اکنون می‌تواند هوش‌های مصنوعی ایجاد کند که عملکرد آن از هوش‌های مصنوعی قبلی بهتر است. اکنون، پژوهشگران آن را طوری اصلاح کرده‌اند تا مفاهیم تکامل داروین را دربرگیرد و نشان داده‌اند سیستم مذکور می‌تواند برنامه‌های هوش مصنوعی ایجاد کند که به‌خودی‌خود سریع‌تر از زمانی بهبود پیدا می‌کند که انسان‌ها کدنویسی آن‌ها را انجام می‌دهند.

سیستم جدید AutoML-Zero نامیده می‌شود و اگرچه ممکن است کمی نگران‌کننده به‌نظر برسد، می‌تواند به توسعه‌ی سریع سیستم‌های هوشمندتر منجر شود. برای مثال، شبکه‌های عصبی که برای تقلید دقیق‌تر مغز انسان با چندین لایه و وزن‌دهی طراحی شده‌اند؛ یعنی چیزی که کدنویسان انسانی درباره‌ی آن مشکل دارند. پژوهشگران در مقاله‌ی پیش‌چاپ خود نوشته‌اند:

امروزه این امکان‌پذیر است که به‌طورخودکار الگوریتم‌های کامل یادگیری ماشین را فقط با استفاده از عملیات پایه‌ای ریاضی به‌عنوان واحدهای ساختاری کشف کنیم. ما این کار را با معرفی چهارچوب جدیدی نشان داده‌ایم که ازطریق فضای جست‌وجوی عمومی، اریب ناشی‌ از انسان را کاهش می‌دهد.

در ادامه بخوانید:

هدف سیستم AutoML اولیه آن است که کاربرد یادگیری ماشین را برای اپلیکیشین‌ها آسان‌تر کند و در‌حال‌حاضر، شامل ویژگی‌های خودکار زیادی است؛ اما AutoML-Zero مقدار ورودی‌های موردنیاز انسانی را کاهش می‌دهد. با استفاده از فرایند ساده‌ی سه‌مرحله‌ای شامل راه‌اندازی و پیش‌بینی و یادگیری، این سیستم را می‌توان به چشم «یادگیری ماشینی از صفر» دید. این سیستم با مجموعه‌ای از ۱۰۰ الگوریتم ساخته‌شده با ترکیب تصادفی عملیات ساده ریاضی شروع به کار می‌کند. سپس، فرایند پیچیده‌ی آزمون و خطا بهترین اجراکننده را شناسایی می‌کند که با ترفندهایی برای دور دوم آزمایش‌ها حفظ می‌شود. به‌عبارت‌دیگر، شبکه عصبی همان‌طورکه جلو می‌رود، دچار جهش می‌شود.

وقتی کد جدید تولید می‌شود، روی وظایف هوش مصنوعی مانند تشخیص تفاوت تصویر کامیون و تصویر سگ آزمایش می‌شود و الگوریتم دارای بهترین عملکرد برای دور بعدی حفظ می‌شود (مانند بقای اصلح در انتخاب طبیعی). سرعت آن نیز زیاد است و پژوهشگران برآورد کرده‌اند تا ۱۰ هزار الگوریتم می‌تواند در هر ثانیه به‌ازای پردازنده جست‌وجو شود (هرچه تعداد پردازنده‌های بیشتری برای انجام وظیفه موجود باشد، سریع‌تر کار خواهد کرد).

بدین‌ترتیب، انتظار می‌رود سیستم‌های هوش مصنوعی استفاده‌ی گسترده‌تری پیدا کند و دسترسی برنامه‌نویسان بدون تخصص هوش مصنوعی به آن‌ها آسان‌تر شود. حتی ممکن است سیستم جدید به ما کمک کند تا اریب انسانی را از هوش مصنوعی حذف کنیم؛ زیرا انسان‌ها به‌ندرت درگیر آن می‌شوند. پژوهش درزمینه‌ی بهبود AutoML-Zero ادامه دارد، با این امید که درنهایت بتواند الگوریتم‌هایی را حاصل کند که برنامه‌نویسان انسانی به‌تنهایی هرگز درباره‌ی آن فکر هم نمی‌کردند.

هوش مصنوعی جدید پژوهشگران درحال‌حاضر تنها می‌تواند سیستم‌های هوش مصنوعی ساده‌ای را تولید کند؛ اما آن‌ها معتقدند پیچیدگی آن می‌تواند نسبتا به‌سرعت افزایش پیدا کند. ریستو میککولینین، دانشمند علوم کامپیوتر دانشگاه تگزاس در آستین می‌گوید:

درحالی‌که بیشتر افراد قدم‌های کوچکی برمی‌دارند، این پژوهشگران گامی بزرگ در ناشناخته‌ها برداشته‌اند. این یکی از مقالاتی است که می‌تواند موجب پژوهش‌های زیادی در آینده شود.

پژوهش جدید هنوز مورد داوری قرار نگرفته، اما به‌صورت پیش‌چاپ در وب‌گاه arXiv منتشر شده است.

بمنظور اطلاع از دیگر خبرها به صفحه اخبار فناوری مراجعه کنید.
منبع