پیشرفت های تازه گوگل در مورد هوش مصنوعی

دسته بندی

اشتراک گذاری

پیشرفت های تازه گوگل در مورد هوش مصنوعی
مهندسان هوش تصنعی و مصنوعی گوگل سیستم هوش تصنعی و مصنوعی را در مسیری گسترش داده‌اند که سوای نیاز به کدنویسی انسانی و با سرعت دوچندان بهبود پیدا می‌نماید .

بیشتر کارهایی که با هوش تصنعی انجام می‌گردد , مشتمل بر مراحل آموزشی است که با تیتر فرا گرفتن اتومبیل شناخته می گردد و در آن , سعی هوش تصنعی در انجام کارهایی نظیر تشخیص گربه یا این که مکان‌یابی مسیر با تکرار بیشتر این فعالیت بهبود می یابد . به‌تازگی , دانشمندان از همین تکنیک برای تولید سیستم‌های هوش تصنعی و مصنوعی جدیدی فارغ از هرگونه مداخله‌ی انسانی به کارگیری کرده‌اند .

مهندسان گوگل سال ها روی سیستم فراگرفتن اتومبیل هوشمندی به‌نام سیستم AutoML ( سیستم خودکار یاد گرفتن اتومبیل ) عمل کرده‌اند که اکنون می تواند هوش‌های تصنعی ساخت نماید که همت آن از هوش‌های تصنعی و مصنوعی پیشین خوب تر است . اکنون , دانشمندان آن را طوری تصحیح کرده‌اند تا مفاهیم تکامل داروین را دربرگیرد و نشان داده‌اند سیستم مذکور قادر است برنامه‌های هوش تصنعی و مصنوعی ساخت نماید که به‌خودی‌خود سریع‌تر از هنگامی بهبود پیدا می کند که انسان‌ها کدنویسی آنان را انجام می دهند .

سیستم نو AutoML – Zero نامیده می‌گردد و هر چند ممکن است یه خرده نگران‌کننده به‌نظر رسد , میتواند به توسعه‌ی پرسرعت سیستم‌های هوشمندتر باعث شود . مثلا , شبکه‌های عصبی که برای تقلید دقیق‌تر مغز بشر با یک سری لایه و وزن‌دهی پباده سازی شده‌اند ; یعنی چیزی که کدنویسان انسانی در مورد آن اختلال دارا هستند . دانشمندان در مقاله‌ی پیش‌چاپ خویش نوشته‌اند :

امروزه این امکان‌پذیر است که به‌طورخودکار الگوریتم‌های بی نقص فرا گرفتن اتومبیل را تنها با به کار گیری از عملیات پایه‌ای ریاضی به‌عنوان واحدهای ساختاری کشف کنیم . ما این عمل را با معرفی چهارچوب جدیدی نشان داده‌ایم که ازطریق فضای جست‌وجوی همگانی , اریب ناشی‌ از بشر را کاهش می دهد .

انگیزه سیستم AutoML نخستین آن است که کاربرد یاد گرفتن اتومبیل را برای اپلیکیشین‌ها آسان‌تر نماید و در‌حال‌حاضر , دربرگیرنده ویژگی‌های خودکار متعددی است ; البته AutoML – Zero اندازه ورودی‌های ما یحتاج انسانی را کاهش می دهد . با به کارگیری از پروسه ساده‌ی سه‌مرحله‌ای دربرگیرنده فعال سازی و پیش‌بینی و یاد گرفتن , این سیستم را می‌توان به دیده «یادگیری ماشینی از صفر» روءیت کرد . این سیستم با مجموعه‌ای از ۱۰۰ الگوریتم ساخته‌شده با ادغام تصادفی عملیات معمولی ریاضی استارت به عمل می کند . بعد از آن , پروسه پیچیده‌ی امتحان و اشتباه شایسته ترین مجری را شناسایی میکند که با ترفندهایی برای به دور دوم آزمایش‌ها محافظت میشود . به‌عبارت‌دیگر , شبکه عصبی همان‌طورکه جلو می رود , در گیر جهش میشود .

زمانی کد نو ایجاد می شود , روی وظیفه‌های هوش تصنعی نظیر تشخیص تفاوت تصویر کامیون و تصویر سگ تست می شود و الگوریتم دارنده شایسته ترین همت برای بدور بعدی محافظت می شود ( مثل بقای اصلح در گزینش ارگانیک ) . سرعت آن هم بسیار است و محققان برآورد کرده‌اند تا ۱۰ هزار الگوریتم میتواند در هر ثانیه به‌ازای پردازنده جست‌وجو شود ( هرچه تعداد پردازنده‌های بیشتری برای انجام وظیفه جان دار باشد , سریع‌تر فعالیت خواهد کرد ) .

بدین‌ترتیب , توقع می رود سیستم‌های هوش تصنعی و مصنوعی استفاده‌ی گسترده‌تری پیدا نماید و دسترسی برنامه‌نویسان فارغ از تخصص هوش تصنعی و مصنوعی به آن ها آسان‌تر شود . چه بسا ممکن است سیستم تازه به ما یاری دهد تا اریب انسانی را از هوش تصنعی حذف کنیم ; چون انسان‌ها به‌ندرت سرگرم آن میشوند . پژوهش درزمینه‌ی بهبود AutoML – Zero ادامه داراست , با این آرزو که درنهایت بتواند الگوریتم‌هایی را نتایج نماید که برنامه‌نویسان انسانی به‌تنهایی هیچ وقت راجع‌به آن اندیشه نیز نمی‌کردند .

هوش تصنعی و مصنوعی تازه محققان درحال‌حاضر صرفا می تواند سیستم‌های هوش تصنعی و مصنوعی ساده‌ای را ایجاد نماید ; البته آنها معتقدند پیچیدگی آن قادر است نسبتا با‌گاز ارتقاء پیدا نماید . ریستو میککولینین , دانشمند علم ها رایانه دانشکده تگزاس در آستین میگوید :

درحالی‌که بیشتر اشخاص قدم‌های کوچکی برمی‌دارند , این دانشمندان قدمی بزرگ در ناشناخته‌ها برداشته‌اند . این یکی‌از مقالاتی است که می تواند موجب پژوهش‌های متعددی در آتی شود .

پژوهش نو هنوز مورد داوری قرار نگرفته , البته به‌صورت پیش‌چاپ در وب‌گاه arXiv پخش شده شده‌است .

اشتراک گذاری