تاریخ امروز:۴ بهمن ۱۴۰۰

الهام گرفتن شبکه های عصبی مصنوعی(ANN) از مغز حیوانات

دکتر آنتونی زادور، عصب شناس، می گوید هوش مصنوعی (AI) هنوز چیزهای زیادی برای یادگیری از مغز حیوانات دارد. اکنون، او امیدوار است که درس های علوم اعصاب بتواند به نسل بعدی هوش مصنوعی کمک کند تا بر برخی از موانع دشوار غلبه کند.

به گزارش پایگاه خبری “وت نیوز”، زادور خود را صرف توصیف شبکه‌های عصبی که مغز را تشکیل می‌دهند، کرده است. اما او کار خود را با مطالعه شبکه های عصبی مصنوعی (ANN) آغاز کرد. ANN ها که سیستم های محاسباتی بوجود آورنده ی هوش مصنوعی هستند، از شبکه های انشعاب نورون ها در مغز حیوانات و انسان الهام گرفته شده اند.

در مطالعه ای که صورت گرفته، دکتر زادور توضیح می‌دهد که چگونه الگوریتم‌های یادگیری بهبودیافته به سیستم‌های هوش مصنوعی اجازه می‌دهند تا در تعداد فزاینده‌ای از مشکلات پیچیده‌تر مانند شطرنج و پوکر به عملکرد فوق‌انسانی دست یابند. با این حال، ماشین‌ها هنوز درگیر مشکلاتی هستند که ما آن را ساده‌ترین مشکلات می‌دانیم!

حل این پارادوکس ممکن است در نهایت به ربات ها این امکان را بدهد که یاد بگیرند چگونه کارهایی ارگانیک مانند تعقیب طعمه یا ساختن یک لانه، یا حتی فعالیتی انسانی مانند شستن ظروف انجام دهند.

تعامل با دنیای فیزیکی :

چیزهایی که برای ما سخت است، مانند تفکر انتزاعی یا بازی شطرنج، در واقع چیز سختی برای ماشین ها نیست. اما کارهای آسان ، مانند تعامل با دنیای فیزیکی، همان چیزی است که برای ربات ها سخت است. دلیل اینکه برخی کارها آسان هستند این است که نیم میلیارد سال تکامل داشته ایم تا بتوانیم آن کار را بدون زحمت انجام دهیم.

تلاش دامپزشکان جهت ممنوعیت نگهداری از مار و حیوانات وحشی در بریتانیا

وی افزود: ” راز یادگیری سریع ممکن است یک الگوریتم یادگیری عمومی کامل نباشد.”

در عوض، او پیشنهاد می‌کند که شبکه‌های عصبی بیولوژیکی که توسط تکامل ساخته شده‌اند. نوعی داربست را برای تسهیل یادگیری سریع و آسان برای انواع خاصی از وظایف فراهم می‌کنند.

سنجاب ها  می توانند در عرض چند هفته پس از تولد از درختی به درخت دیگر بپرند. اما ما موشی نداریم که همان پریدن از درختی را یاد بگیرد. به این دلیل که سنجاب از نظر ژنتیکی از پیش تعیین شده است که به موجودی درختی تبدیل شود.

یکی از نتایج این استعداد ژنتیکی، مدارهای ذاتی است که به هدایت یادگیری اولیه حیوان کمک می‌کند. با این حال، این مدارهای ذاتی که به هدایت یادگیری اولیه حیوان کمک می کنند. بسیار کمتر از یادگیری ماشینی که اکثر کارشناسان هوش مصنوعی دنبال می‌کنند، پیچیده است .

دکتر زادور استدلال می‌کند که اگر شبکه‌های عصبی مصنوعی مجموعه‌ مدار ذاتی مشابهی که در حیوانات بود را شناسایی و تطبیق دهند. ربات‌های خانگی آینده  قادر به انجام تمام فعالیت های فیزیکی یک انسان می شوند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*

code