اگر هوش مصنوعی بتواند مانند یک نوزاد یاد بگیرد  

نوزادان انسان موجودات جذابی هستند. علیرغم اینکه برای مدت طولانی کاملاً به والدین خود وابسته هستند، می توانند کارهای شگفت انگیزی انجام دهند. نوزادان درک ذاتی از فیزیک دنیای ما دارند و می توانند به سرعت مفاهیم و زبان های جدید را حتی با اطلاعات محدود یاد بگیرند. حتی قدرتمندترین سیستم های هوش مصنوعی که امروزه در اختیار داریم فاقد این توانایی ها هستند. مدل‌های زبانی که سیستم‌های قدرتی مانند ChatGPT، برای مثال، در پیش‌بینی کلمه بعدی در یک جمله عالی هستند، اما چیزی نزدیک به حس مشترک یک کودک نوپا ندارند.

اما اگر هوش مصنوعی بتواند مانند یک نوزاد یاد بگیرد چه؟ مدل‌های هوش مصنوعی بر روی مجموعه داده‌های وسیعی که از میلیاردها نقطه داده تشکیل شده‌اند، آموزش می‌بینند. محققان دانشگاه نیویورک می‌خواستند ببینند که چنین مدل‌هایی در صورت آموزش روی مجموعه داده‌های بسیار کوچک‌تر، چه کاری می‌توانند انجام دهند: مناظر و صداهایی که کودک هنگام یادگیری صحبت کردن تجربه می‌کند. در کمال تعجب، هوش مصنوعی آنها چیزهای زیادی یاد گرفت - به لطف یک نوزاد کنجکاو به نام سام.

محققان دوربینی را به سر سام بستند و او آن را به مدت یک سال و نیم، از شش ماهگی تا اندکی پس از تولد دومش، درآورد و روشن کرد. کاساندرا ویلیارد در این داستان گزارش می‌دهد که مطالبی که او جمع‌آوری کرد به محققان این امکان را داد که شبکه‌ای عصبی را آموزش دهند تا کلمات را با اشیایی که آنها نشان می‌دهند مطابقت دهد. (فقط برای عکس های فوق العاده زیبا ارزش کلیک کردن را دارد!)

 

این تحقیق تنها نمونه‌ای از این است که چگونه نوزادان می‌توانند ما را یک قدم به آموزش رایانه‌ها برای یادگیری مانند انسان‌ها و در نهایت به ساختن سیستم‌های هوش مصنوعی که به اندازه ما باهوش هستند، نزدیک‌تر کنند. نوزادان سال ها الهام بخش محققان بوده اند. آنها ناظران مشتاق و یادگیرندگان عالی هستند. نوزادان نیز از طریق آزمون و خطا یاد می‌گیرند، و انسان‌ها همچنان باهوش‌تر می‌شوند که ما درباره جهان بیشتر می‌آموزیم. روانشناسان رشد می گویند که نوزادان حس شهودی از اتفاقات بعدی دارند. به عنوان مثال، آنها می دانند که یک توپ وجود دارد، حتی اگر از دید پنهان باشد، که توپ جامد است و شکل ناگهانی آن تغییر نمی کند، و در یک مسیر پیوسته دور می شود و نمی تواند به طور ناگهانی به جای دیگری تله پورت کند. .

محققان در Google DeepMind

سعی کردند با آموزش مدلی برای یادگیری نحوه حرکت اجسام با تمرکز بر روی اشیاء در ویدئوها به جای پیکسل های منفرد، به یک سیستم هوش مصنوعی بیاموزند که همان حس "فیزیک شهودی" را داشته باشد. آنها این مدل را روی صدها هزار ویدیو آموزش دادند تا نحوه رفتار یک شی را بیاموزند. این تئوری می‌گوید که اگر نوزادان از چیزی شبیه به توپی که ناگهان از پنجره به بیرون پرواز می‌کند، وحشت زده می‌شوند، به این دلیل است که جسم به گونه‌ای حرکت می‌کند که درک کودک از فیزیک را نقض می‌کند. محققان در Google DeepMind همچنین موفق سیستم هوش مصنوعی خود را نشان دهند که زمانی که یک شی متفاوت از روشی که برای حرکت دادن اشیا یاد گرفته است، "تعجب" را نشان می دهد.

 

Yann LeCun

 برنده جایزه تورینگ و دانشمند ارشد هوش مصنوعی متا، استدلال کرده است که آموزش سیستم های هوش مصنوعی برای مشاهده مانند کودکان ممکن است راهی به سمت سیستم های هوشمندتر باشد. او می‌گوید انسان‌ها شبیه‌سازی جهان یا یک «مدل جهانی» در مغز ما دارند که به ما این امکان را می‌دهد تا به طور شهودی بدانیم که جهان سه‌بعدی است و وقتی اشیا از دید خارج می‌شوند، در واقع ناپدید نمی‌شوند. این به ما این امکان را می دهد تا در عرض چند ثانیه پیش بینی کنیم که یک توپ پرش یا دوچرخه پرسرعت کجا خواهد بود. او مشغول ساخت معماری های کاملاً جدید برای هوش مصنوعی است که از نحوه یادگیری انسان الهام می گیرد. در اینجا به شرط بزرگ او برای آینده هوش مصنوعی می پردازیم.

سیستم‌های هوش مصنوعی امروزی در کارهای محدودی مانند بازی شطرنج یا تولید متنی که شبیه چیزی است که توسط یک انسان نوشته شده است، برتری دارند. اما در مقایسه با مغز انسان - قدرتمندترین ماشینی که می شناسیم - این سیستم ها شکننده هستند. آنها فاقد آن نوع عقل سلیمی هستند که به آنها اجازه می دهد در یک دنیای پر هرج و مرج منسجم تر عمل کنند، پیچیده تر استدلال کنند و برای انسان مفیدتر باشند. مطالعه نحوه یادگیری نوزادان می تواند به ما کمک کند این توانایی ها را باز کنیم.

یادگیری عمیق تر

ربات می تواند بدون هیچ کمکی یک اتاق را مرتب کند

ربات ها در بعضی چیزها خوب هستند. به عنوان مثال، آنها در برداشتن و جابجایی اشیا عالی هستند و حتی در آشپزی نیز بهتر می شوند. اما در حالی که ربات‌ها می‌توانند کارهایی از این قبیل را به راحتی در آزمایشگاه انجام دهند، واداشتن آنها به کار در محیطی ناآشنا که داده‌های کمی در دسترس است یک چالش واقعی است.

لطفاً انتخاب کنید: اکنون، یک سیستم جدید به نام OK-Robot

می‌تواند به ربات‌ها آموزش دهد تا اشیا را در تنظیماتی که هرگز با آن‌ها مواجه نشده‌اند، بردارند و حرکت دهند. این رویکردی است که ممکن است بتواند شکاف بین مدل‌های هوش مصنوعی را که به سرعت بهبود می‌یابد و قابلیت‌های واقعی ربات پر کند، زیرا به هیچ آموزش اضافی پرهزینه و پیچیده‌ای نیاز ندارد. اطلاعات بیشتر در مورد ریانون ویلیامز را اینجا بخوانید.