هوش مصنوعی از عروسک های بازی تا کمک به انسان در تولیدات تا زیان های آن بر جسم و روح انسان- قسمت بیست و یکم
هوش مصنوعی، روشن میکند چگونه مغز، زبان را مدیریت میکند.
ممکن است آنچه سیستم زبان انسان، انجام می دهد پیش بینی چیزی باشد که بعدا رخ خواهد داد
تقلید از برنامه های یادگیری در مغز انسان؛ و نه فقط مغز، بلکه هر واکنش هوشمند در کیهان- که منجر به واکنش مناسب در برابر شرایط محیطی میشود- امروز، سیستم های کامپیوتری را تبدیل به غول های محاسباتی کرده است که یاد می گیرد و با گذر زمان- با توجه به قدرت بالای انباشت اطلاعات که مشابه آن هرگز در ذهن انسان فعلی قابل تصور نیست- کامپیوترها را تبدیل به پردازشگرهای فوق قدرتمندی میکند که نه فقط قادر است از دریایی از اطلاعات گذشته، بیاموزد و یاد بگیرد بلکه می تواند با تحلیل علت و معلول ها در این حجم انبوه از اطلاعات گذشته، آینده را پیشگویی کند.
قدرت پیشگویی سیستم های هوش مصنوعی، سالهاست در کشورهای پیشرفته ی جهان در تحلیل همه گیری ها و تلاش برای ساخت واکسن های سودمند، تحت اصطلاح علم بیوانفورماتیک استفاده میشود و نتیجه ی سالها پژوهش های بیو انفورماتیک را امروز در تولید سریعترین و سودمندترین واکسن ها علیه کووید 19 می بینیم. این سیستم ها همچنین میتواند آینده رفتار انسان ها و جوامع را پیشبینی کند و حتی تاثیر تغییر رفتارها بر کیفیت زندگی و حتی ساختار مغز و تعامل بشر آینده با این تغییرات در بدن و مغز و هوش را پیشگویی کند.
از این امکانات وسیع امروز، میتوان استفاده کرد. پوشاندن این حجم وسیع اطلاعات، نه عاقلانه است و نه عملی. به جای این تلاش های ناممکن، میتوان کمکی به پیشرفت این سیستم های هوشمند کرد؛ سیستم هایی که به زودی زندگی بشر را به گونه ای غیرقابل تصورمتحول میکند. از مادربزرگ هایی- که هرگز تصور نمی کردند بتوانند در یک زمستان برفی از فرزندشان در روستای دیگری خبر بگیرند تا امروز که به راحتی میتوان دوستان خود را در چند گوشه ی دیگر دنیا در آن واحد مشاهده کرد، چیزی شبیه به معجزه رخ داده است و موارد مشابه اینها هرگز افسانه نیست.
هنر ما نگاه از فرای بعد زمان است که بسیاری از دیدگاه های موجود را محدود میکند. در دنیای امروز برداشتن سدها و مرزها و رسیدن به فراتر از ابعاد مرسوم، دشوار نیست. دشوار و غیرممکن، نگه داشتن این مرزها و توسعه ی آن، با کشیدن دیوارها و حجاب ها و فیلترها و زندان هایی است که جز فروکردن سر کبکی در برف، از دست شکارچی نیست.
خلاصه: پژوهشگران بیان می کنند مغز انسان ممکن است از پیشبینی لغت بعدی، استفاده کند تا پردازش زبانی را انجام دهد. در سال های قبل مدل های هوش مصنوعی زبان در بسیاری موارد، بسیار خوب عمل کرده است. قابل توجه ترین مورد اینکه آنها در پیشبینی لغت بعدی در زنجیره ی متن، عملکرد خوبی داشته است.
این تکنولوژی کمک میکند ماشین ها و ابزارهای متن سازی ای پیدا کنیم که لغت بعدی را- در زمانی که ما تایپ میکنیم- پیشگویی کند. جدیدترین نسل مدل های زبانی پیشبینی کننده، همچنین به نظر میرسد چیزی را در مورد معنی پایه ای زبان یاد بگیرد.
این مدل ها، نه فقط لغتی را که بعدا می آید پیشگویی میکند؛ بلکه کارهایی را انجام میدهد که به نظر میرسد به درجه ی خاصی از درک واقعی نیاز دارد مانند پاسخ به سوال، خلاصه کردن مطلب و تکمیل داستان.
چنین مدل هایی طراحی شده است تا عملکرد را برای کار خاص پیشبینی متن، ایده آل کند بدون آنکه کوشش کند چیزی را در مورد نحوه ی عملکرد مغز انسان در انجام این کارها یا درک زبان تقلید کند.
ولی یک مطالعه ی جدید از دانشمندان MIT مطرح میکند عملکرد پایه ای این مدل ها شبیه عملکرد مراکز پردازش زبان در مغز انسان است. مدل های کامپیوتری که به خوبی روی انواع دیگر کارهای زبانی کار میکند این شباهت را با مغز انسان نشان نمیدهد ولی مدارکی را ارائه میکند که مغز انسان ممکن است از پیشبینی کلمه ی بعدی استفاده کند تا پردازش زبان را ایجاد کند و پیش ببرد.
نانسی کانویشرپروفسور علوم شناختی، عضو موسسه ی مک گاورن MIT در پژوهش های مغز و مرکز مغز، ذهن و ماشین (CBMM) و مولف این مطالعه میگوید: مدل هر چه بهتر بتواند کلمه ی بعدی را پیش بینی کند، نزدیکتر به مغز انسان خواهد بود.... جالب است مدل ها به این خوبی سازگار میشوند. این، خیلی غیر مستقیم پیشنهاد میدهد ممکن است آنچه سیستم زبان انسان انجام می دهد پیش بینی چیزی باشد که بعدا رخ خواهد داد.
جوشوا تننبائوم پروفسور علوم شناختی محاسباتی در MIT و عضو (CBMM) و آزمایشگاه هوش مصنوعی MIT (CSAIL) و اولینا فدورنکو و کارول میدلتون پروفسورهای دستیار نوروساینس و عضو موسسه ی مک گاورن، مولفان اصلی مقاله هستند. مارتین شریمپدانشجوی MIT و عضو (CBMM) نویسنده ی اصلی مقاله است.
دکتر سید سلمان فاطمی . نورولوژیست, [۱۰/۲۶/۲۰۲۱ ۰۴:۴۶ ب.ظ]
مدل های پیشبینی لغت بعدی- که بسیار عالی عمل می کند- متعلق به یک سری از مدل ها به نامشبکه های عصبی عمیق است. این مدل ها شامل گره های محاسباتی است که ارتباطی با قدرت های متفاوت و لایه های گوناگون برقرار میکند. این لایه ها اطلاعات را به روش تجویز شده، بین یکدیگر انتقال میدهد. طی دهه ها دانشمندان از شبکه های عصبی عمیق استفاده کرده اند تا مدل هایی را برای بینایی بیافرینند که قادر است اشیا را شناسایی کند و نیز عملکردهای مغز نخستی ها را بشناسد.
پژوهش در MIT همچنین نشان داده است عملکرد پایه ای مدل های بینایی، شناسایی اجسام، همراه با سازماندهی کورتکس بینایی نخستی ها است هرچند آن مدل های کامپیوتری به طور خاص با تقلید از روی مغز طراحی نشده است.
در مطالعه ی جدید گروه ام آی تی از الگوی مشابهی استفاده کردند تا مراکز پردازش زبان را در مغز انسان با مدل های پردازش زبان مقایسه کنند. پژوهشگران 43 مدل زبانی متفاوت را تحلیل کردند. اینها شامل مواردی بود که برای پشبینی لغت بعدی ایده آل هستند. اینها شامل مدلی است به نام تبدیل کننده ی تولیدی آنچه از قبل یاد گرفته شده است GPT-3 (Generative Pre-trained Transformer 3) که بی درنگ میتواند متنی را شبیه چیزی که انسان تولید میکند- بسازد. مدل های دیگر برای انجام کارهای متفاوت زبانی مانند پر کردن جای خالی در یک جمله استفاده می شود. چون هر مدل با زنجیره ای از لغات نمایش داده شد پژوهشگران فعالیت گره هایی را اندازه گری کردند که شبکه را تشکیل میدهد.
آنها بعدا این الگوها را با فعالیت موجود در مغز انسان، مقایسه کردند. و آن را در افرادی اندازه گیری کردند که این کارهای زبانی را انجام می دادند؛ به داستان ها گوش می دادند و جملات را با هم می خواندند و جملاتی را می خواندند که در آن یک کلمه در یک زمان، نشان داده میشد. این لیست داده ها در انسان، شامل ام ار ای عملکردی (fMRI) و اندازه گیری های الکتروکورتیکوگرافی داخل جمجمه بود که در افرادی- که به خاطرتشنج، تحت جراحی مغز قرار می گرفتند- گرفته میشد. آنها دیدند مدل های ایده آل پیشبینی لغت بعدی، الگوهای فعالیتی دارد که بسیار نزدیک و شبیه مغزانسان است.
فعالیت در آن مدل های مشابه همچنین تا حد زیادی مرتبط با اندازه گیری های بررسی رفتار انسان است مثلا این که فرد چقدر سریع میتواند یک متن را بخواند.
شریمپ میگوید: ما دیدیم مدل هایی که پاسخ های عصبی را به خوبی پیشبینی میکند، به شکل عالی پاسخ های رفتاری انسان را در شکل خواندن زمان ها پیشبینی می کند؛ سپس هر دوی آنها با عملکرد مدل بر پیشبینی لغت بعدی، توضیح داده میشود. این مثلث حقیقتا همه چیز را با هم مرتبط میکند.
تغییر دهنده ی بازی
یکی از تظاهرات محاسباتی کلیدی در مدل های پیشبینی مانند GPT-3 عنصری است که به عنوان تبدیل کننده ی پیشبینی کننده ی یک طرفه رو به جلو، شناخته میشود. این نوع از تبدیل کننده همچنین می تواند پیشبینی هایی را بر اساس جملات قبلی در مورد آنچه بعدا می آید انجام دهد. تظاهر مهم این تبدیل کننده، آن چیزی است که می تواند پیشبینی هایی را بر اساس زنجیره ای از صدها کلمه ی قبلی و نه فقط تعداد کمی لغات، پیش بینی کند.
تننبائوم می گوید دانشمندان هیچ چرخه ی مغزی یا مکانیسم های یادگیری را پیدا نکردند که مرتبط با این نوع از پردازش باشد. با این همه یافته های جدید، مرتبط با نظریه هایی است که قبلا مطرح کرده است:پیش بینی یکی از عملکردهای کلیدی در پردازش زبان است....
یکی از چالش های پردازش زبان، جنبه ی به موقع بودن آن است. زبان می آید و تو باید با آن همراه باشی و بتوانی به موقع آن را احساس کنی.
مدل های کامپیوتری که بر جنبه های زبانی به خوبی کار میکند این شباهت را با مغز انسان نشان نمیدهد ولی مدارکی را ارئه میدهد که مغز انسان ممکن است از پیشبینی لغت بعدی مشابه کامپیوتر، استفاده کند تا پردازش زبانی را پیش ببرد. پژوهشگران اکنون برنامه دارند متغیرهای این مدل های پردازش زبان را بسازند تا ببینند چگونه تغییرات اندک در طراحی، بر عملکرد آنها و توانایی آنها برای سازگار شدن با اطلاعات عصبی انسان، تاثیر می گذارد.
فدورنکو میگوید: برای من این نتیجه، یک تغییردهنده ی مهم بازی بوده است... این در حال تغییر برنامه ی من است زیرا من هرگز آن را در زندگی خود پیشبینی نکرده بودم که ما بتوانیم به این مدل های واضح محاسباتی برسیم؛ مدل هایی که می تواند بر مغز به مقدار کافی مسلط شوند؛ به گونه ای که ما حقیقتا بتوانیم آنها را در درک چگونگی عملکرد مغز به کار ببریم.
دکتر سید سلمان فاطمی . نورولوژیست, [۱۰/۲۶/۲۰۲۱ ۰۴:۴۶ ب.ظ]
پژوهشگران همچنین برنامه دارند این مدل های دارای عملکرد عالی را با مدل های کامپپیوتری مرتبط کنند.
آزمایشگاه تننبوئم، قبلا آن را ایجاد کرده است تا انواع دیگری از رفتارها مانند بنای تظاهرات احساس جهان فیزیکی را انجام دهد. تننبوئم میگوید: اگر ما بتوانیم چیزی را بفهمیم که این مدل های زبانی انجام میدهد و بفهمیم چگونه آنها می توانند با مدل هایی مرتبط شود که کارها و وظایف آن، بیشتر شبیه دریافت و تفکر است، در آن زمان این میتواند به ما مدل های کامل تری بدهد که نشان میدهد این کارها و وظایف چگونه در مغز، کار میکند.... این میتواند به ما مدل های هوش مصنوعی بهتری بدهد و نیز به ما مدل های بهتری بدهد که نشان میدهد چگونه مغز، بهتر و بیشتر کار میکند و نشان میدهد چگونه هوش عمومی ایجاد میشود و این بیشتر و بهتر از گذشته خواهد بود.
https://neurosciencenews.com/ai-language-processing-19536/?fbclid=IwAR34bPMNg2V_kfjVIRCZrg_wBItop0u87ZGINdNd48zzYi8yHy8oXnnVVds
برخی توضیحات دکتر سید سلمان فاطمی
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031