هوش مصنوعی و انسان‌ها استراتژی یادگیری مشترک دارند

تحقیقات جدید نشان داد که انسان‌ها و هوش مصنوعی در نحوه ترکیب دو نوع یادگیری شباهت‌هایی دارند و این موضوع، بینش‌های تازه‌ای درباره چگونگی یادگیری انسان‌ها و همچنین توسعه ابزارهای هوش مصنوعی شهودی‌تر ارائه می‌کند. این مطالعه که توسط جیک راسین، پژوهشگر پسادکترا در رشته علوم کامپیوتر دانشگاه براون هدایت شد، نشان داد که با آموزش یک سیستم هوش مصنوعی، حالت‌های یادگیری انعطاف‌پذیر و تدریجی مشابه تعامل حافظه کاری و حافظه بلندمدت در انسان‌ها عمل می‌کنند.

راسین گفت: «این نتایج کمک می‌کند توضیح دهیم چرا انسان‌ها در برخی شرایط شبیه یادگیرندگان مبتنی بر قاعده عمل می‌کنند و در شرایط دیگر شبیه یادگیرندگان تدریجی هستند. همچنین این نتایج نکاتی درباره شباهت‌های جدیدترین سیستم‌های هوش مصنوعی با مغز انسان ارائه می‌دهد.»

راسین دارای سمت مشترک در آزمایشگاه‌های مایکل فرانک، استاد علوم شناختی و روان‌شناسی و مدیر مرکز علوم محاسباتی مغز در موسسه کارنی برای علوم مغز دانشگاه براون، و الی پاولیک، استاد همکار علوم کامپیوتر و سرپرست موسسه تحقیقات هوش مصنوعی در تعامل با دستیاران هوش مصنوعی در براون است.

بسته به نوع وظیفه، انسان‌ها اطلاعات جدید را به یکی از دو روش کسب می‌کنند. برای برخی وظایف، مانند یادگیری قوانین بازی دوز، یادگیری «در بطن زمینه» به افراد اجازه می‌دهد پس از چند مثال قوانین را به سرعت درک کنند. در موارد دیگر، یادگیری تدریجی بر اطلاعات موجود می‌افزاید و در طول زمان فهم را بهبود می‌بخشد؛ مانند تمرین آهسته و مستمر برای یادگیری اجرای یک قطعه موسیقی روی پیانو.

اگرچه پژوهشگران می‌دانستند که انسان‌ها و هوش مصنوعی هر دو شکل یادگیری را ترکیب می‌کنند، اما مشخص نبود این دو نوع یادگیری چگونه با هم کار می‌کنند. در طول همکاری مداوم تیم تحقیقاتی، راسین که کار او پل ارتباطی بین یادگیری ماشینی و علوم عصبی محاسباتی است؛ نظریه‌ای ارائه داد که این پویایی ممکن است مشابه تعامل بین حافظه کاری و حافظه بلندمدت انسان باشد.

برای آزمایش این نظریه، راسین از «فرا-یادگیری» استفاده کرد، نوعی آموزش که به سیستم‌های هوش مصنوعی کمک می‌کند درباره خود عمل یادگیری بیاموزند؛ تا ویژگی‌های کلیدی دو نوع یادگیری را شناسایی کند. آزمایش‌ها نشان داد که توانایی سیستم هوش مصنوعی در یادگیری «در بطن زمینه» پس از فرا-یادگیری از طریق مثال‌های متعدد ظاهر شد.

یکی از آزمایش‌ها که از یک آزمایش انسانی اقتباس شده بود، یادگیری «در بطن زمینه» را با چالشی برای ترکیب ایده‌های مشابه در موقعیت‌های جدید آزمایش کرد: اگر به هوش مصنوعی درباره فهرستی از رنگ‌ها و فهرستی از حیوانات آموزش داده شود، آیا می‌تواند ترکیبی از رنگ و حیوان (مثلاً زرافه سبز) که قبلاً با هم دیده نشده بود را درست تشخیص دهد؟

پس از آن که هوش مصنوعی با مواجهه با ۱۲ هزار وظیفه مشابه، فرا-یادگیری کرد، توانست ترکیب‌های جدیدی از رنگ‌ها و حیوانات را با موفقیت تشخیص دهد. نتایج نشان می‌دهد که برای انسان‌ها و هوش مصنوعی، یادگیری سریع و انعطاف‌پذیر «در بطن زمینه» پس از انجام مقدار مشخصی یادگیری تدریجی ظاهر می‌شود.

پاولیک گفت: «در اولین بازی‌های تخته‌ای، مدتی طول می‌کشد تا بفهمید چگونه بازی کنید. اما وقتی به صد بازی رسیده‌اید، حتی اگر قبلاً آن بازی خاص را ندیده باشید، می‌توانید قوانین بازی را به سرعت یاد بگیرید.»

تیم تحقیقاتی همچنین تعادل‌های مختلفی را شناسایی کرد، از جمله بین حفظ یادگیری و انعطاف‌پذیری: مشابه انسان‌ها، هرچه انجام درست یک کار برای هوش مصنوعی دشوارتر باشد، احتمال اینکه در آینده نحوه انجام آن را به خاطر بسپارد بیشتر است.

فرانک، که این پارادوکس را در انسان‌ها مطالعه کرده است، توضیح داد که این اتفاق به این دلیل است که اشتباه‌ها مغز را برای به‌روزرسانی اطلاعات ذخیره‌شده در حافظه بلندمدت تحریک می‌کنند، در حالی که اقداماتی که بدون خطا و در بطن زمینه یاد گرفته می‌شوند، انعطاف‌پذیری را افزایش می‌دهند اما حافظه بلندمدت را به همان شیوه فعال نمی‌کنند.

برای فرانک، که در ساخت مدل‌های محاسباتی الهام‌گرفته از زیست‌شناسی برای فهم یادگیری و تصمیم‌گیری انسان تخصص دارد، کار تیم نشان داد که تحلیل نقاط قوت و ضعف استراتژی‌های یادگیری مختلف در شبکه‌های عصبی مصنوعی می‌تواند بینش‌های تازه‌ای درباره مغز انسان ارائه دهد.

فرانک گفت: «نتایج ما به طور قابل اطمینان در چندین وظیفه مختلف صادق است و جنبه‌های گوناگون یادگیری انسان را که تا کنون توسط دانشمندان علوم عصبی به هم پیوسته در نظر گرفته نشده بودند، گرد هم می‌آورد.»

این پژوهش همچنین ملاحظات مهمی را برای توسعه ابزارهای هوش مصنوعی شهودی و قابل اعتماد مطرح می‌کند، به ویژه در حوزه‌های حساسی مانند سلامت روان. پاولیک افزود: «برای داشتن دستیاران هوش مصنوعی مفید و قابل اعتماد، شناخت انسان و هوش مصنوعی باید از نحوه عملکرد یکدیگر و میزان تفاوت‌ها و شباهت‌هایشان آگاه باشد. این یافته‌ها یک گام نخست بسیار مهم هستند.»

منبع خبر : neurosciencenews.com