آیا هوش مصنوعی می‌تواند مانند انسان فکر کند؟!

یک مقاله تحقیقاتی جدید که در مجله “Engineering” منتشر شده، رویکردی نوین به هوش مصنوعی ارائه می‌دهد که با مدل‌سازی آن بر اساس نحوه عملکرد حافظه انسان، به دنبال غلبه بر محدودیت‌های کلیدی مدل‌های بزرگ مقیاس فعلی مانند ChatGPT است و زمینه را برای سیستم‌های هوش مصنوعی کارآمدتر و از نظر شناختی هوشمندتر فراهم می‌کند.

اگرچه مدل‌های بزرگ عملکردی چشمگیر در طیف وسیعی از برنامه‌ها نشان داده‌اند، اما کاستی‌های قابل‌توجهی نیز دارند. این کاستی‌ها شامل نیازهای بالای داده و محاسباتی، حساسیت به فراموشی فاجعه‌آمیز و قابلیت‌های استدلال منطقی محدود است. طبق این مطالعه، این مسائل ناشی از طراحی اساسی شبکه‌های عصبی مصنوعی، فرآیندهای آموزشی آنها و تکیه آنها بر استدلال صرفاً مبتنی بر داده است!

معرفی حافظه ماشین و چارچوب M²I

برای غلبه بر این چالش‌ها، محققان مفهوم “حافظه ماشین” را پیشنهاد می‌کنند، یک ساختار ذخیره‌سازی شبکه‌ای چندلایه و توزیع‌شده که اطلاعات خارجی را به قالبی قابل خواندن و محاسباتی برای ماشین تبدیل می‌کند. این ساختار از به‌روزرسانی‌های پویا، ارتباطات فضازمانی و دسترسی هش مبهم پشتیبانی می‌کند. بر اساس حافظه ماشین، آنها چارچوب M2I را معرفی می‌کنند که از ماژول‌های نمایش، یادگیری و استدلال تشکیل شده و دو حلقه تعاملی را تشکیل می‌دهد.

چهار حوزه تمرکز چارچوب M²I

چارچوب M²I بر چهار حوزه کلیدی تمرکز دارد:

1. مکانیسم‌های عصبی حافظه ماشین: این تحقیق بررسی می‌کند که چگونه سیستم‌های عصبی در مغز از قبل پیکربندی شده‌اند و چگونه رشد و انعطاف‌پذیری مغز به هوش کمک می‌کنند.
2. نمایش انجمنی: این چارچوب قصد دارد اطلاعات را از طریق ارتباطاتی مانند پیوندهای انتزاعی-عینی و ارتباطات فضازمانی رمزگذاری و بازیابی کند و از نحوه سازماندهی و بازیابی دانش توسط حافظه انسان تقلید کند.
3. یادگیری مداوم: برای مقابله با مسئله فراموشی فاجعه‌آمیز، محققان روش‌هایی را پیشنهاد می‌کنند که از یادگیری مداوم، حتی در شرایط کم مصرف، پشتیبانی می‌کنند. این امر سیستم‌های هوش مصنوعی را قادر می‌سازد تا دانش جدید را بدون از دست دادن اطلاعات قبلی ادغام کنند.
4. استدلال مشارکتی: این مدل قصد دارد سیستم‌های استدلال شهودی و منطقی را با هم ترکیب کند و هم قابلیت تفسیر و هم کارایی را در فرآیندهای استدلال هوش مصنوعی افزایش دهد.

در هر یک از این زمینه‌ها، محققان مسائل کلیدی و پیشرفت‌های اخیر را بررسی می‌کنند. به عنوان مثال، در مکانیسم‌های عصبی حافظه ماشین، آنها در مورد چگونگی کمک رشد و انعطاف‌پذیری مغز به هوش بحث می‌کنند. در نمایش‌های انجمنی، آنها راه‌هایی را برای بهبود رمزگذاری و بازیابی اطلاعات در حافظه ماشین بررسی می‌کنند. در یادگیری مداوم، آنها روش‌هایی را برای انطباق با دانش جدید بدون فراموش کردن اطلاعات قدیمی پیشنهاد می‌کنند. و در استدلال مشارکتی، آنها قصد دارند قابلیت تفسیر و کارایی استدلال را در سیستم‌های هوش مصنوعی افزایش دهند.

به سوی نسل بعدی ماشین‌های هوشمند!

این تحقیق پتانسیل ایجاد انقلابی در زمینه هوش مصنوعی را دارد. با تقلید از مکانیسم‌های حافظه مغز انسان، چارچوب M²I می‌تواند منجر به توسعه ماشین‌های هوشمندتر و کارآمدتری شود که می‌توانند وظایف پیچیده را بهتر مدیریت کرده و با محیط‌های متغیر سازگار شوند. با این حال، تحقیقات بیشتری برای تحقق کامل پتانسیل این رویکرد مورد نیاز است.

مطالعه هوش حافظه ماشین که از مکانیسم‌های حافظه انسان الهام گرفته شده، یک مسیر جدید امیدوارکننده برای توسعه هوش مصنوعی ارائه می‌دهد. این مطالعه دیدگاه تازه‌ای در مورد رفع محدودیت‌های مدل‌های بزرگ فعلی ارائه می‌دهد و پتانسیل هدایت نسل بعدی ماشین‌های هوشمند را دارد. با پیشرفت تحقیقات، جالب خواهد بود که ببینیم این ایده‌ها چگونه به کاربردهای عملی تبدیل می‌شوند و چگونه بر صنایع مختلف تأثیر می‌گذارند.

منبع: Scitechdaily