دانشمندان موفق شدهاند «مغز هوش مصنوعی» کوچکی بسازند که عملکردی شبیه بخشهای بینایی مغز دارد و به طرز چشمگیری کمحجم و کارآمد است.
پژوهشگران با الهام از نورونهای میمونهای ماکاک مدلی طراحی کردهاند که به جای ۶۰ میلیون متغیر، تنها ۱۰ هزار متغیر دارد، اما تقریباً همان دقت و توانایی نسخه بزرگتر خود را حفظ کرده است. این مدل فشرده نشان میدهد که چگونه سامانههای الهامگرفته از زیستشناسی میتوانند عملکردی مشابه مغزهای زنده داشته باشند و در عین حال انرژی بسیار کمتری مصرف کنند؛ درست مانند مغز انسان که کمتر از یک لامپ برق انرژی نیاز دارد.
نتایج این پژوهش در نشریه Nature منتشر شده و میتواند مسیر ساخت هوشهای مصنوعی کممصرفتر و درک عمیقتر فرآیندهای شناختی مغز را هموار کند؛ از جمله در زمینههایی مانند خودروهای خودران.
دکتر بن کاولی از دانشگاه کارنگی ملون، یکی از نویسندگان اصلی این مطالعه، میگوید این مدل آنقدر کوچک است که میتوان آن را در یک فایل ایمیل یا حتی در قالب یک توییت ارسال کرد. به گفته او، این نسخه کوچک نهتنها کارایی بالایی دارد بلکه از نظر عملکرد شباهت بیشتری به مغز واقعی دارد و میتواند برای درک بهتر بیماریهایی مانند آلزایمر مورد استفاده قرار گیرد.
میتیا چکلوسکی از دانشگاه نیویورک، که در این تحقیق حضور نداشته، معتقد است اگر این مدل واقعاً بتواند اصول سازگار با طبیعت را بازسازی کند، گامی مهم در جهت فهم مکانیزمهای درونی مغز انسان و توسعه «هوش مصنوعیهای انسانیتر» خواهد بود.
این طرح بخشی از پروژهای گستردهتر برای کشف اسرار سیستم بینایی انسان است؛ سیستمی که نور را گرفته و آن را به تصاویر قابلتشخیص تبدیل میکند. از آنجا که نمیتوان این فرآیند را مستقیماً در مغز انسان دید، پژوهشگران با استفاده از سامانههای هوش مصنوعی تلاش کردهاند آن را بازسازی کنند.
در مدل جدید، تمرکز روی نورونهای ناحیه V4 مغز بوده؛ سلولهایی که وظیفه تشخیص رنگ، انحنا و الگوهای بصری پیچیده را دارند. بر خلاف شبکههای عصبی متداول که به سختافزار بسیار قوی نیاز دارند، تیم کاولی با استفاده از روشهای آماری شبیه فشردهسازی تصاویر دیجیتال، موفق شد مدلی سبک و شفاف بسازد که بهخوبی قابل تحلیل است.
نتیجه کار مدلی است که اندازهاش به حدی کاهش یافته که میتوان آن را بهعنوان یک پیوست ایمیل ارسال کرد. بررسی عملکرد نورونهای مصنوعی این مدل نشان داده برخی از آنها نسبت به شکلهای انحنادار یا اشیای گرد (مانند میوهها) واکنش قویتری دارند — درست مانند نورونهای واقعی در مغز.
این مدل نشان میدهد مغز انسان احتمالا از ساختارهای ساده ولی فوقالعاده مؤثری برای پردازش اطلاعات استفاده میکند؛ در حالی که سامانههای امروزی هوش مصنوعی با ساختارهای عظیم و انرژیبر، همان وظایف را انجام میدهند. چنین درکی میتواند به نسل جدیدی از هوشهای مصنوعی فشرده منجر شود که حتی در دستگاههایی کوچک مانند خودروهای خودران، با سختافزار ضعیفتر نیز عملکرد مطلوبی داشته باشند.
با این حال، کارشناسان تأکید میکنند که کوچکسازی به تنهایی کافی نیست. انسانها قادرند چهره دوست خود را از زوایای مختلف یا در شرایط نوری متفاوت تشخیص دهند، اما سامانههای هوش مصنوعی هنوز در این زمینه محدودند. چکلُوسکی معتقد است زمان آن رسیده که طراحی شبکههای عصبی بر اساس دانش تازه از مغز بازنگری شود؛ دانشی که اکنون بسیار فراتر از فهم قرن بیستم ما از مغز قرار دارد.
دیدگاه ها