یادگیری هوش مصنوعی، عمیقتر و عمیقتر میشود
هوش مصنوعی، میتواند در نهایت به انسانها بگوید چرا در حال باخت هستیم!
برخلاف هوش مصنوعی که قهرمانان انسانی را در بازی هایی مانند go شکست داده است، این هوش مصنوعی می تواند دلیل شکست را به شما بگوید.
توسطبی دیوید زارلی
هوش مصنوعی جدید با کنار زدن هشت نفر از بهترین بازیکنان جهانی بازی بریدج، نه تنها در یکی از بازیهایی که انسانها در آن در برابر هوش مصنوعی، مقاومت کردهاند، پیروز شده است، بلکه سایر هوش های مصنوعی هم نوع خود را نیز شکست داده است.
استارتآپ فرانسوی NukkAI's bridge champ، به نام NooK، نوعی هوش مصنوعی متفاوت متشکل از شبکههای عصبی یادگیری عمیق deep learning را نشان میدهد که در حال حاضر به ماشینهای خودران نیرو میدهند، قفل گوشیهای هوشمند را با چهره ی شما باز میکنند و در بازیهای استراتژیک مانندبازی goتسلط دارد.
در حالی که این هوش های مصنوعی قادر به ارائه نتایج برای مشکلات پیچیده هستند، یک نکته وجود دارد: ما نمی دانیم آنهاچگونهاین کار را انجام می دهند.
برنامه هوش مصنوعی فرانسوی NooK، هشت نفر از بهترین بازیکنان بریدج جهان را شکست داد و این، به نوبه ی خود یک پیروزی برای هوش مصنوعی است
.
این هوش مصنوعی- که هوش مصنوعی عصبی-نمادین neurosymbolic نامیده می شود- یادگیری عمیق را با رویکردهای هوش مصنوعی سنتی تر ترکیب می کند تا الگوریتم هایی را با نقاط قوت یادگیری عمیق ایجاد کند.
استفان ماگلتون، استاد یادگیری ماشین در امپریال کالج لندن، به گاردینگفت: «آنچه دیدهایم نشاندهنده ی یک پیشرفت اساسی در وضعیت سیستمهای هوش مصنوعی است.
مشکلجعبه ی سیاه:هوش مصنوعیِ یادگیری عمیق deep learning، توسط شبکه های عصبی تامین می شود.همانطور که از نام آنها پیداست، این الگوریتم ها نشانه های طراحی خود را از مغز وام گرفته اند.
در درون مغز شما، نورون ها به عنوان یک شبکه برای حل مشکلات پیچیده با هم کار می کنند. هوش مصنوعیِ یادگیریِ عمیق، همین کار را انجام می دهد و با استفاده از لایهای بعد از لایه ای در شبکههای عصبی، این هوش مصنوعی، میتواند راهحلهایی را برای برخی مشکلات واقعاً دشوار و فراتر از سطح انسانی، پیدا کند مثلا الگوها را در دادهها بیابد و زمانی که حجم عظیمی از داده به آنها داده میشود، برتری مییابند.
آنها یک جعبه سیاه هستند.
اماپیچیدگی این هوش مصنوعیبدان معناست که عملاً نمیتوانیم فرآیند پاسخهای آنها را بدانیم و اصطلاحا نمیتوانیمفرایند جعبه سیاهرا بدانیم.
ممکن است در هنگام باز کردن قفل آیفون، این موضوع چندان مهم به نظر نرسد، اما زمانی که هوش مصنوعی در حال راندن با یک ماشین است، احتمالاً دوست دارید بدانید که این گوشی به چه چیزی فکر می کند.
این را با هوش مصنوعی نمادین سنتی مقایسه کنید. در هوش مصنوعی سنتی، الگوریتمها با استفاده از یک مجموعه قوانین شناخته شده، طراحی میشوند و می توانیم خروجیهای آنها را تفسیر کنیم.
مجله Knowableگزارش داد که این هوش مصنوعیِ مبتنی بر قوانین، به مجموعهی دادهای عظیمی نیاز ندارد تا زمانی که سؤالات با قوانین آنها مطابقت داشته باشد، سوالات انتزاعی را بهتر میتواند مدیریت کند، محققان در حال یادگیری ترکیب این دو رویکرد هستند.
برندن لیک، دانشمند علوم شناختی و کامپیوتر دانشگاه نیویورک به این مجله گفت: «این یکی از هیجانانگیزترین حوزههای یادگیری ماشینی امروزی است.
آنه نگوین، استادیار علوم کامپیوتر و مهندسی نرمافزار دانشگاه آبرن گفت: هوش مصنوعی نوروسمبولیک، برای کارهایی که ما در آن، توضیحی از هوش مصنوعی میخواهیم مهم است.جعبه ی روشن هوش مصنوعی
هوش مصنوعی نوروسمبلیک:هوش مصنوعی عصبی- سمبولیک ترکیبی، با مجموعه ای از قوانین شناخته شده شروع می شود و شبکه های عصبی آن سپس در آنها عمل می کنند. در این مورد، به NooK، قوانین بازی بریدج آموزش داده شد، سپس سیستم یاد گرفت که چگونه با تمرین بازی، بازی خود را دقیق تر کند.
ماگلتون به گاردین گفت: «رویکرد NooK روشی نزدیکتر به روش انسانها را یاد میدهد.
هوش مصنوعی مانند NooK قوانین شناخته شده را با شبکه های عصبی ترکیب می کند. اجرای یک نسخه اصلاح شده بریدج، توانست در 67 ست از 80 ست، در برابر هشت متخصص انسانی برنده شود؛ هرچند مبارزه با آن در نسخه بهینه سازی شده بازی دقیقا بهترینآزمایشنیست.
با این حال، این یک پیروزی پرشور برای حوزه ی نوپای هوش مصنوعی عصبی-سمبولیک است.
https://www.freethink.com/hard-tech/neurosymbolic-ai?utm_source=facebook&utm_medium=social&utm_campaign=secondary-pages&utm_content=ap_pz1ozgflck&fbclid=IwAR2PGbVtKRj57-6KawZS6a1t6JBDh7A89eUYgTW-BLNG8cadAwRyQIBH4i0
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031