حافظه انسان و حافظه ی هوش مصنوعی: مانند نخود در یک غلاف (تا حدودی متفاوت)!
آیا تا به حال به این فکر کرده اید که مغز شما و مدل زبان هوش مصنوعی فانتزی- که استفاده می کنید- چه وجه شباهتی دارند؟
اگرچه سیستم‌های حافظه ی انسان و هوش مصنوعی از بسیاری جهات مانند سیب و پرتقال هستند، در هنگام ذخیره‌سازی و یادآوری اطلاعات، شباهت‌های جالبی دارند.
بیایید با بررسی ویژگی‌های مشترک، سوگیری‌ها، اختلالات، گروه‌بندی، خلاصه‌سازی و تأمل، به این ترکیب حافظه بپردازیم.
دو قهرمان جدید حافظه ی هوش مصنوعی، شامل پایگاه داده های بُرداری و تکنیک‌های جدید خلاصه‌سازی از LLM هستند.
پایگاه داده های بُرداری: ابرقهرمان حافظه ی هوش مصنوعی!
پایگاه داده‌های برداری تصویری، به عنوان ابرقهرمان حافظه هوش مصنوعی است که با فضاهای برداری با ابعاد بالا، داده ها را ذخیره میکند. هر قطعه از اطلاعات، نقطه خاص خود را در این فضا پیدا می کند و شباهت های بین نقاط، با معیارهای فانتزی مانند شباهت کسینوس یا فاصله اقلیدسی اندازه گیری می شود.
ابرقدرت بودن واقعی پایگاه های داده ی برداری، توانایی آنها برای رویارویی ساده با حجم عظیمی از داده ها و انجام جستجوهای سریع و برق آسا است.
این تکنیک واقعاً در برنامه هایی مانند پردازش زبان، تشخیص تصویر و سیستم های توصیه، نقش آفرینی میکند.
خلاصه: آن را له و فشرده کنید! هنر هوش مصنوعی با مغزی به اندازه ی لقمه
خلاصه کردن، بازیکن ستاره ای در حافظه هوش مصنوعی است.
همه چیز در مورد کوبیدن حجم زیادی از اطلاعات به نمایش های منظم و کوچک است. با کمک مدل‌های هوش مصنوعی مانند ترانسفورماتورها و شبکه‌های مکرر عصبی، ماشین‌ها میتوانند خلاصه‌ای از متن یا سایر فرمت‌های داده را تولید و استخراج اطلاعات ضروری را آسان کند.
خلاصه‌سازی به سیستم‌های هوش مصنوعی اجازه میدهد بر روی مهمترین بخش داده‌های ورودی تمرکز کنند، بار شناختی آنها را کاهش و عملکرد کلی را افزایش میدهد. این مانند داشتن یک سازمان دهنده ی اطلاعات شخصی است که زندگی را کمی آسان تر می کند.
انتخاب حافظه: Picky Humans و Picky AI
وقتی صحبت از ذخیره خاطرات به میان می آید، هم انسان و هم هوش مصنوعی هر دو می توانند انتخاب کننده های خوبی باشند.
حافظه انسان فرآیندی پیچیده و چند بعدی است و شامل رمزگذاری، ذخیره سازی و بازیابی اطلاعات است. مغز را به عنوان یک غذاخور بدبین تصور کنید که انتخاب می کند کدام خاطرات را بچشیم و کدام را دور بریزیم.
عواملی مانند شخصیت، ژنتیک، تربیت و روانشناسی، بر «رژیم غذایی» حافظه ی ما تأثیر می گذارد.
فرآیند تثبیت در حافظه انسان- که در هیپوکامپ و سایر نواحی مغز انجام می شود- به انتقال اطلاعات از حافظه ی کوتاه مدت به حافظه ی بلند مدت کمک می کند. از سوی دیگر، انتخاب حافظه در سیستم‌های هوش مصنوعی مبتنی بر مدل‌های زبان بزرگ LLMمانند GPT، از طراحی الگوریتم‌ها، داده‌های آموزشی استفاده‌شده و دستورالعمل‌های ارائه‌شده برای کارهای خاص مانند خلاصه‌سازی، سرنخ‌هایی می‌گیرد.
تشابهات بین خلاصه کردن در هوش مصنوعی و بازتاب Reflection در حافظه انسان:
شباهت های قابل توجهی بین فرآیند خلاصه سازی در هوش مصنوعی و بازتاب در حافظه انسان وجود دارد.
۱- اولویت بندی: هر دو فرآیند شامل انتخاب و اولویت بندی اطلاعات بر اساس ارتباط و اهمیت است. در انسان، این اولویت بندی تحت تأثیر عواملی مانند وضعیت عاطفی، توجه و تکرار است، در حالی که در هوش مصنوعی، توسط طراحی و داده های آموزشی الگوریتم تعیین می شود.
۲- تقویت ارتباطات: همانطور که بازتاب به انسان کمک می کند مسیرهای عصبی را تقویت کرده و یادگیری را تقویت کند، خلاصه کردن در هوش مصنوعی می تواند به تقویت ارتباطات بین مفاهیم و اطلاعات مرتبط، کمک کند. عمل خلاصه کردن مستلزم آن است که هوش مصنوعی بین قطعات مختلف اطلاعات، ارتباط برقرار کند و در نتیجه درک خود را از مفاهیم اساسی افزایش دهد.
۳- کارایی: هم بازتاب و هم خلاصه کردن به عنوان مکانیسم هایی برای کارآمدتر کردن سیستم های حافظه عمل می کنند. با تمرکز بر مرتبط ترین و مهم ترین جنبه های اطلاعات، هم انسان و هم هوش مصنوعی می توانند بار شناختی را کاهش دهند و عملکرد کلی معرفتی را بهبود بخشند.
اختلالات بازیابی: اندکی تعصب در همه ی ما!
خاطرات را به عنوان یک بازی تلفنی قدیمی تصور کنید، در اینجا پیام با ارسال آن، دچار اختلال و تحریف می شود. انسان ها تمایل دارند خاطرات را بر اساس سوگیری های شناختی به خاطر بیاورند.(فراموشی، هنر مغز انسان است. حافظه در مغز انسان معمولا کوتاه مدت است و بیشتر بر نیازهای فوری و فعلی تمرکز میکند؛ بنابراین مغز، کوشش میکند حافظه های قدیمی را دور بریزد تا بتواند بر زمان فعلی، تمرکز کند و قدرت و سرعت داوری ها و قضاوت ها را افزایش دهد.
این، نوعی سوگیری است که در سیستم های هوش مصنوعی کمتر وجود دارد.
سیستم هوش مصنوعی داده ها را از دهها سال قبل در درون خود ذخیره میکند و در زمان بازآوری، بدون سوگیری خاصی در میان دهها سال انباشت داده ها قضاوت میکند.)
سیستم‌های هوش مصنوعی، در حالی که در مهمانی شایعه نمی‌کنند، میتوانند هنگام یادآوری اطلاعات به دلیل سوگیری و تعصبات خاص خود- که زاییده ی برنامه های سازنده ی هوش مصنوعی است- اطلاعات را تحریف کنند. بنابراین، چه یک انسان باشید و چه یک هوش مصنوعی، یادآوری خاطرات می تواند یک تجارت دشوار باشد!
آیا می‌دانید چگونه ما انسانها میتوانیم هنگام یادآوری خاطرات مغرضانه باشیم و فقط چیزهایی را به یاد بیاوریم که احساس خوبی به ما می‌دهند یا باورهای ما را تأیید میکنند؟
خب، سیستم های هوش مصنوعی تفاوتی ندارند. آنها هم می توانند مغرضانه باشند، البته به دلایل مختلف. تعصبات هوش مصنوعی ممکن است ناشی از بهره وری انرژی، تعداد توکن های حداقلی، محدودیت های الگوریتمی، یا حتی اختلال کدک به دلیل تکنیک های تراکم داده ها باشد.
در هر دو سیستم حافظه ی انسان و هوش مصنوعی، سوگیری ها بر نحوه ی بازیابی و تفسیر اطلاعات تأثیر می گذارد. سوگیری‌ها، مانند سوگیری تأیید یا حافظه ی انتخابی، بر یادآوری انسان تأثیر می‌گذارند، در حالی که سوگیری‌های هوش مصنوعی ممکن است اطلاعاتی را که به منابع محاسباتی کمتری نیاز دارند یا بهتر با داده‌های آموزشی همسو می‌شوند، اولویت‌بندی کنند.
دسته بندی خاطرات: یک ماجرای مبهم
ایجاد خلاصه ای از خلاصه ها در هوش مصنوعی مانند داستان سرایی عمه بزرگ شماست. با گذشت زمان، او خاطرات را با هم جمع میکند و با هر بازگویی، جزئیات، مبهم‌تر میشود. به طور مشابه، همانطور که هوش مصنوعی اطلاعات را فشرده تر می کند، نتیجه، نمایشی با دقت کمتر از داده های اصلی است.
خلاصه‌های انسان و هوش مصنوعی، حافظه را با گروه‌بندی و انتزاع کردن اطلاعات، ساده‌تر میکند و به تصویری قابل کنترل‌تر اما کمتر دقیق، منجر میشود.
این فرآیند شبیه به فرآیند شناختی ساده‌سازی، تعمیم و ترکیب خاطرات مرتبط به «تکه‌های» ذهنی بزرگتر در انسان است. در سیستم‌های هوش مصنوعی، ایجاد خلاصه‌ها اطلاعات را فشرده‌تر میکند و منجر به از دست دادن بالقوه جزئیات میشود.
نتیجه
در این ماجراجویی حافظه، ما کشف کرده‌ایم که سیستم‌های حافظه ی انسان و هوش مصنوعی شباهت‌ها و تفاوت‌های شگفت‌انگیزی دارند. حافظه ی انسانی و حافظه ی هوش مصنوعی از نظر مکانیسم ها و فرآیندهایشان به طور قابل توجهی متفاوت است.
در حالی که حافظه انسان بر فرآیندهای بیولوژیکی پیچیده متکی است، حافظه هوش مصنوعی مبتنی بر الگوریتم ها و ساختار داده ها است.
پایگاه داده های بُرداری و خلاصه کردن، دو تکنیک ضروری برای حافظه هوش مصنوعی هستند که امکان ذخیره سازی، بازیابی و دستکاری اطلاعات کارآمد را فراهم می کنند. همانطور که فناوری هوش مصنوعی به تکامل خود ادامه می دهد، درک و اصلاح این تکنیک ها برای گشودن پتانسیل کامل سیستم های هوش مصنوعی بسیار مهم خواهد بود.
فرآیندهای خلاصه‌سازی در هوش مصنوعی و بازتاب در حافظه انسان ویژگی‌های مشترکی مانند اولویت‌بندی، تقویت ارتباطات و بهبود کارایی دارند و از این نظر که منجر به کاهش جزئیات و دقت می شوند، به طرز چشمگیری شبیه هستند.
سوگیری ها در فرآیند یادآوری هم برای انسان ها و هم برای هوش مصنوعی نقش دارند و نحوه بازیابی و تفسیر اطلاعات را تغییر می دهند. درک این موارد نه تنها می تواند به توسعه الگوریتم های موثرتر هوش مصنوعی، کمک کند، بلکه درک ما را از حافظه و شناخت انسان غنی می کند.
حافظه هوش مصنوعی
این مقاله بر تکنیک های خلاصه سازی LLM تمرکز دارد ولی حافظه هوش مصنوعی چیزهای بیشتری هم دارد.
سیستم های حافظه ی هوش مصنوعی از انواع ساختارها و تکنیک های حافظه برای ذخیره، مدیریت و پردازش اطلاعات، استفاده می کنند. برخی از انواع مهم حافظه ی مورد استفاده در هوش مصنوعی عبارتند از:
۱- حافظه صریح explicit
حافظه ی صریح در سیستم‌های هوش مصنوعی به ذخیره‌سازی داده‌های ساختاریافته، مانند واقعیت ه یا قوانین، اشاره دارد که هوش مصنوعی میتواند مستقیما به آنها دسترسی داشته باشد و از آنها استفاده کند. این نوع حافظه شبیه به حافظه اظهاری declarativeانسان است که دانش واقعی را ذخیره می کند و می تواند آگاهانه به بادآورده شود.
۲- حافظه ضمنی implicit
حافظه ضمنی در هوش مصنوعی شامل الگوهای یادگیری یا روابط در داده ها بدون دانش صریح از ساختار اصلی است. این شبیه به حافظه خاصی در انسان است که شامل یادگیری مهارت ها و عادت هایی است که به صورت ناخودآگاه انجام می شوند. سیستم‌های هوش مصنوعی میتوانند حافظه ی ضمنی را از طریق تکنیک‌های یادگیری بدون نظارت، مانند خوشه‌بندی، کاهش ابعاد یا رمزگذارهای خودکار، توسعه دهند.
۳- حافظه ی اپیزودیک
حافظه ی اپیزودیک در هوش مصنوعی به ذخیره رویدادها یا تجربیات خاص اشاره دارد و به سیستم هوش مصنوعی اجازه میدهد تجربیات گذشته را برای اطلاع از فرآیند تصمیم‌گیری خود، به یاد بیاورد. این، شبیه به حافظه ی اپیزودیک انسان است که شامل ذخیره و بازیابی وقایع روزمره میباشد. سیستم‌های هوش مصنوعی میتوانند از تکنیک‌هایی مانند شبکه‌های عصبی تقویت‌شده حافظه یا یادگیری تقویتی برای توسعه حافظه اپیزودیک استفاده کند.
۴- حافظه ی معنایی:
حافظه ی معنایی در هوش مصنوعی، ذخیره دانش عمومی در مورد جهان، مفاهیم و روابط بین آنهاست. این، شبیه به حافظه معنایی انسان است که با معانی و درک کلمات، اشیاء و ایده ها سروکار دارد. سیستم های هوش مصنوعی می توانند حافظه ی معنایی را از طریق یادگیری نظارت شده، یادگیری بدون نظارت یا نمودارهای دانش، توسعه دهند.
۵- حافظه کوتاه مدت:
حافظه ی کوتاه مدت در هوش مصنوعی به ذخیره سازی و دستکاری موقت اطلاعات مورد نیاز برای انجام وظایف یا محاسبات فوری اشاره دارد. این نوع حافظه شبیه حافظه ی کاری working memory انسان است که وظیفه ی نگهداری و پردازش اطلاعات را برای مدت کوتاهی بر عهده دارد. سیستم‌های هوش مصنوعی میتوانند از تکنیک‌هایی مانند شبکه‌های مکرر عصبی (RNN) یا شبکه‌های حافظه کوتاه‌مدت-بلند مدت (LSTM) برای پیاده‌سازی حافظه کوتاه‌مدت استفاده کنند.
۶-حافظه بلند مدت:
حافظه بلند مدت در هوش مصنوعی شامل ذخیره سازی اطلاعات برای دوره های طولانی است. سیستم‌های هوش مصنوعی میتوانند از تکنیک‌های مختلف ذخیره‌سازی و بازیابی داده‌ها، مانند پایگاه‌های داده یا پایگاه‌های داده بُرداری، برای پیاده‌سازی حافظه ی بلندمدت استفاده کنند. این نوع حافظه، مشابه حافظه بلند مدت انسان است که اطلاعات را در مدت زمان طولانی تری ذخیره می کند.
مکانیسم های توجه
مکانیسم‌های توجه در هوش مصنوعی به تمرکز منابع محاسباتی سیستم بر روی مرتبط‌ترین بخش داده‌های ورودی کمک میکنند، مشابه اینکه چگونه انسانها به طور انتخابی توجه خود را متمرکز میکنند. مکانیسم های توجه به ویژه در مدل های یادگیری عمیق، مانند ترانسفورماتورها، برای بهبود کارآیی و دقت سیستم هوش مصنوعی با سنجش پویای اهمیت قطعات مختلف اطلاعات در طول پردازش، مفید هستند.(بخش بزرگی از بازآوری داده ها با توجه و تمرکز بر موضوع خاصی رخ میدهد. توجه و تمرکز همانطور که در نوع حس و ادراک تاثیر می‌گذارد در بازآوری داده ها از صندوقچه ی حافظه هم موثر است. توجه بر موضوع خاصی سبب میشود دریافت ها به آن موضوع خلاصه شود و حافظه های مربوط به آن موضوع، بازآوری شود. در این فرایند، دریافت ها و حافظه های نامربوط نادیده گرفته میشود و حتی سانسور می‌گردد.)
انواع مختلف حافظه در سیستم‌های هوش مصنوعی به آنها اجازه میدهد تا با تقلید از جنبه‌های مختلف حافظه و فرآیندهای شناختی انسان، یاد بگیرند، استدلال کنند و به طور موثر تصمیم بگیرند.
https://medium.com/.../human-and-ai-memory-like-peas-in-a... .
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031
