مدل جدید هوش مصنوعی از شیوه حل مسئله مغز تقلید می‌کند

شفقنا – محققان با الگوبرداری از شیوه سازمان‌دهی اطلاعات در مغز، چارچوبی برای هوش مصنوعی توسعه داده‌اند که می‌تواند مسائل جدید را به‌صورت تطبیقی حل کند و در آینده روی تراشه‌های کم‌مصرف نورومورفیک اجرا شود.

به گزارش سرویس ترجمه شفقنا، پژوهشگران چینی و ایتالیایی مدل جدیدی برای هوش مصنوعی توسعه داده‌اند که به‌جای تکیه بر معماری‌های رایج مانند شبکه‌های عصبی عمیق و مدل‌های زبانی بزرگ، از یافته‌های علوم شناختی و علوم اعصاب درباره نحوه حل مسئله در مغز الهام می‌گیرد. این چارچوب می‌تواند به توسعه سامانه‌های هوش مصنوعی کم‌مصرف‌تر و انعطاف‌پذیرتر کمک کند.

بسیاری از سامانه‌های هوش مصنوعی امروزی برای آموزش و اجرای مدل‌ها به منابع محاسباتی گسترده و انرژی زیادی نیاز دارند. پژوهشگران در این مطالعه تلاش کردند با بررسی نحوه سازمان‌دهی دانش در مغز، رویکرد متفاوتی برای ساخت سامانه‌های هوشمند پیدا کنند.

این رویکرد با هدف بازسازی برخی از راهبردهای محاسباتی مغز طراحی شده است؛ به‌ویژه راهبردهایی که به انسان امکان می‌دهند در شرایط جدید و برای حل مسائل پیچیده، از نوعی انعطاف‌پذیری و شهود استفاده کند.

آزمایش‌های اولیه نشان دادند شبکه عصبی مبتنی بر این مدل می‌تواند به‌صورت تطبیقی برنامه‌ریزی کند و مسائلی را حل کند که پیش از آن با آنها مواجه نشده بود. همچنین فرایندهایی که مدل برای رسیدن به پیش‌بینی‌ها و تصمیم‌های خود طی می‌کند، نسبت به بسیاری از مدل‌های رایج هوش مصنوعی قابل تفسیرتر هستند.

یکی دیگر از ویژگی‌های این چارچوب، یادگیری محلی است؛ روشی که به آموزش‌های بسیار سنگین و پرهزینه مدل‌های بزرگ هوش مصنوعی نیاز ندارد. این ویژگی می‌تواند در کاهش هزینه محاسباتی و انرژی مورد نیاز برای اجرای سامانه‌های هوش مصنوعی مؤثر باشد.

محققان می‌گویند این رویکرد می‌تواند در آینده روی تراشه‌های نورومورفیک و سامانه‌های محاسبات درون‌حافظه‌ای اجرا شود. این فناوری‌ها با الهام از نحوه پردازش اطلاعات در مغز، تلاش می‌کنند فاصله میان حافظه و واحد پردازش را کاهش دهند و در نتیجه انرژی کمتری مصرف کنند.

پژوهشگران اکنون در حال همکاری با مهندسان شرکت‌هایی از جمله اینتل برای انتقال الگوریتم پیشنهادی به تراشه‌های کم‌مصرف هستند. هدف آنها توسعه سامانه‌هایی است که علاوه بر مصرف انرژی پایین، بتوانند با تأخیر کمتر، انعطاف‌پذیری بیشتر در تصمیم‌گیری و قابلیت توضیح بهتر تصمیم‌ها عمل کنند.

به گفته پژوهشگران، مغز انسان تنها با حدود ۲۰ وات انرژی می‌تواند فرایندهای پیچیده شناختی را انجام دهد، در حالی که بسیاری از سامانه‌های هوش مصنوعی مدرن برای آموزش و اجرای مدل‌های بزرگ به منابع محاسباتی و انرژی بسیار بیشتری نیاز دارند. از این رو، تقلید از راهبردهای سازمان‌دهی و پردازش اطلاعات در مغز می‌تواند یکی از مسیرهای توسعه نسل آینده هوش مصنوعی کم‌مصرف باشد.

این خبر را اینجا ببینید.