هوش مصنوعی در سال 2027 چگونه خواهد بود

یک ثانیه دست نگه دارید و به بیرون پنجره به یک پرنده، یک سنجاب یا حتی یک حشره نگاه کنید. همه این موجودات زنده کارهایی را انجام می‌دهند که شامل ادارک غذا و تهدیدات، مسیریابی در میان درختان و دنبال کردن یا پنهان شدن می‌شوند. هیچ ربات یا پهبادی روی این سیاره نیست که بتواند به راحتی این حشرات و حیوانات کوچک این کارها را انجام دهد.

درحالی‌که هوش «طبیعی» بسیار غنی و چندمنظوره است، هوش مصنوعی امروزی هنوز بسیار ابتدایی است. در حال حاضر ابزارهای هوش مصنوعی «ناپخته» هستند. این ابزار برای یک منظور خاص طراحی و ساخته‌ شده‌اند(کدنویسی شده‌اند) و نسبتاً ساده هستند. برای مثال، کدها و حس‌‌گرهایی که پهبادها، خودروهای بدون راننده و اسباب‌بازی‌ها را مدیریت می‌کنند معمولاً در میان وظایف متعدد موجود مانند مسیریابی، شناسایی شی یا تشخیص گفتار روی یک وظیفه تمرکز دارند.

برای اینکه این کاربردها به موجودات زنده شباهت داشته باشند، هوش مصنوعی به یک «مغز» نیاز دارد. قدرت مغزی کنونی هوش مصنوعی برای ارائه کارکردهای محدود طراحی و ساخته شده است. می‌توانید آن را قابلیت دودکشی[1] بنامید. هر عملکرد هوش مصنوعی از لحاظ پردازشی مجزا و منزوی است. این یعنی هوش مصنوعی می‌تواند یک قهرمان شطرنج را شکست دهد اما معمولاً وقتی با سناریوهای جدیدی روبه‌رو می‌شود در هم می‌شکند. قهرمان شطرنج بر خلاف بازیکن هوش مصنوعی شطرنج نه فقط می‌تواند خوب بازی کند بلکه می‌تواند کارهای دیگری را نیز انجام دهد که نیاز به میزان زیادی پردازش و سنجیدن دارند مانند ایستادن، رانندگی کردن، صحبت کردن با بچه‌ها، موسیقی گوش‌دادن، نقاشی کشیدن و غیره. بنابراین وقتی توانایی هوش مصنوعی را با انسان‌ها یا حتی حیوانات مقایسه کنید می‌بینید ما راه بسیار طولانی داریم تا به هوش مصنوعی دست پیدا کنیم. ما از نظر این فنآوری غارنشین محسوب می‌شویم.

تفاوت اصلی میان جایی که در حال حاضر هستیم و جایی که در سال 2027 خواهیم بود این است که هوش مصنوعی بیشتر شبیه به مغز انسان و حیوان عمل خواهد کرد که قابلیت‌های بسیار بیشتری از هوش مصنوعی امروزی دارند. ما به جای پردازش دودکشی، که ورودی‌های گسسته را تفسیر می‌کند، ابعاد مختلف حسّی زندگی را در نظر گرفته و بر اساس چندین عامل پیچیده و همزمان تصمیم‌گیری می‌کنیم که به ما کمک می‌کند به بهترین خروجی دست یابیم.

برای مثال مغز یک موش صحرایی را در نظر بگیرید. حتی مغز کوچکترین حیوانات به شکلی تکامل یافته است که بتواند مسائل پیچیده مانند جستجوی غذا، فرار از صیادان و تعامل با سایر حیوانات را حل کند. توانایی موش صحرایی حتی با مغزی با وزن حدود 2 گرم در ترکیب مسیریابی با علامت‌های دیداری، بویایی و لمسی(با سبیل‌ها) به این معنی است که می‌تواند کارهایی مانند حس کردن، برنامه‌ریزی کردن، مسیریابی و گذر از موانع را انجام دهد. همه این عملکردهای مجزای مغز موش صحرایی یکپارچه هستند و در نهایت یک «راه‌حل کلید در دست[2]» ارائه می‌دهند. راز مغزهای حیوانات و انسان در این است که روشی برای مهندسی هماهنگ این مهارت‌های متعدد در یک بسته کم‌توان پیدا کرده‌اند.

ما این نوع مهندسی هماهنگ را «مغز کامل» می‌نامیم و هوش مصنوعی به سمت این الگوی جدید حرکت می‌کند. پردازش یکپارچه رایج خواهد شد و مرز میان نرم‌افزار، هوش‌مصنوعی و هوش حیوانی و انسانی کم‌رنگ خواهد شد. هوش مصنوعی آینده درست مانند مغز انسان یا حیوان که به نواحی مختلف مغز وابسته است و برای دستیابی به علمکرد خودمختار و کارا آن‌ها را ترکیب می‌کند، از چارچوب‌های یادگیری عمیق یکپارچه و پردازش لبه[3] استفاده می‌کند تا هوش‌مصنوعی را بیش از پیش زمان‌واقعی کند.

سیستم‌های هوش مصنوعی با جاسازی چند عملکرد هوش‌ مصنوعی در یک بسته یا یک بلاک محاسباتی به عملکرد بهتر و سریع‌تری دست خواهند یافت زیرا همکاری بین سیستم‌ها افزایش می‌یابد. این کار به هوش مصنوعی این امکان را می‌دهد که استدلال انتزاعی انجام دهد که به ماشین‌ها امکان می‌دهد اعمال پیچیده و غیرشهودی را اجرا کنند که آن‌ها را یک گام به ما نزدیک‌تر می‌کند.

برای مثال، خط کم‌رنگ میان هوش مصنوعی و نرم‌افزار می‌توان به ساده‌تر کردن و ایمن‌تر کردن حمل‌ونقل کمک کند. خودروهای بدون سرنشین امروزی با روش دودکشی ساخته شده‌اند و یک حس‌گر یا ماژول را در هر زمان اضافه کرده و سپس همه این رشته‌های پردازشی را ترکیب می‌کنند به این امید که کار کنند. از طرف دیگر، انسان‌ها به شکلی همکارانه ، دید تاکتیکی خود را – «مواظب باش! جلوتر یک گودال است!»- با این موارد ترکیب می‌کنند:

  • مسیریابی سطح بالا:‌« من این ساختمان را می‌شناسم؛ معمولاً اینجا به سمت راست می‌پیچم».
  • اجتناب از تصادف بُرد بلند: «این ماشین مسخره رانندگی می‌کند. فاصله‌ام را از این ماشین حفظ می‌کنم»
  • برنامه‌ریزی سطح بالا: «بهتر است از این جاده فرعی بروم زیرا ممکن است ترافیک کمتری داشته باشد»

در‌حالی‌که روش سنتی به یک درهم‌وبرهمی غیرقابل مدیریت از مؤلفه‌های نرم‌افزاری و سخت‌افزاری منجر می‌شد که یکپارچه کردن آن‌ها دشوار بود، روش‌های هوش‌ مصنوعی مغز‌کامل با استفاده از بلاک‌های سازنده مشابه در سراسر مغز کامل، این مؤلفه‌ها را با هم طراحی می‌کنند: نورون‌های مصنوعی متصل شده با سیناپس‌های شبیه‌سازی شده که بسیار شبیه به مغزهای طبیعی است.

به عنوان یک مثال دیگر می‌توان ناسا را نام برد. هنگامی که Neurala در حال کار با ناسا بود تا یک «مغز موش صحرایی» را برای هدایت مریخ‌نورد روی محیط شبیه‌سازی شده مریخ طراحی کند، ما از یک روش مغز کامل استفاده کردیم زیرا ما توان محاسباتی کمی در اختیار داشتیم و به راهکاری نیاز داشتیم که همه این عملکردها را به‌صورت کارا در یک بسته ترکیب کند.

هر چه نباشد حتی هوش مصنوعی دودکشی امروزی نرم‌افزار و ماشین‌هایی تولید می‌کند که می‌توانیم با آن‌ها بهتر تعامل برقرار کنیم و بهره‌وری بهبودیافته‌ای در بسیاری از بخش‌های زندگی ما ارائه می‌دهد. هوش مصنوعی به دنبال این است که فعالیت‌های پیشرفته مغز حیوان و انسان را تقلید کند و در این صورت به ابزاری بسیار مفیدتر تبدیل خواهد شد که مسائل را در زمان‌واقعی حل می‌کند و از قابلیت‌های تصمیم‌گیری مشابه انسان استفاده می‌کند. در 10 سال آینده، همین پردازش یکپارچه که باعث می‌شود موش صحرایی مانند یک نابغه به نظر برسد تبدیل به شکلی از هوش‌مصنوعی خواهد شد که به همه سود می‌رساند.

Max Varsace مدیر اجرایی Neurala (یک شرکت نرم‌افزاری شبکه عصبی یادگیری عمیق) و مدیر و مؤسس آزمایشگاه نورومورفیک دانشگاه بوستون است

[1] Stove-piped

[2] Turnkey solution

[3] Edge processing

 

منبع : Venturebeat

ترک پاسخ