اطلاعاتی در مورد محدودیت های هوش مصنوعی

از 10 سال پیش دانشمندان برای اینکه بتوانند فعالیت های مغز انسان را رمزگشایی کنند از روش هوش مصنوعی استفاده می کنند. در این مقاله از دکتر سلام اطلاعاتی در خصوص رمزگشایی برای نشان دادن محدودیت های هوش مصنوعی را آماده کرده ایم. توصیه می کنیم که این مقاله را حتما مطالعه کنید و از دست ندهید. با ما همراه شوید.

از حدود 10 سال قبل محققان برای رمزگشایی فعالیت‎های مغز انسان تکنیک‎های هوش مصنوعی به‎نام یادگیری ماشین را به‎کار گرفته‌اند. در واقع دانشمندان سیستم هوش مصنوعی جدیدی را توسعه داده‌اند که می‌تواند سیگنال‌های مغز را رمزگشایی کند. براساس اطلاعات به دست‎ آمده از تصویربرداری عصبی این الگوریتم می‎تواند آنچه که می‎بینیم، می‎شنویم و حتی آنچه که فکر می‎کنیم را دوباره سازمان‌دهی کند. به‎عنوان مثال این داده‎ها نشان می‎دهند که کلماتِ دارای معنای مشابه در قسمت‎های مختلف مغز در داخل محدوده‎های مغزی باهم دسته‌بندی می‎شوند.

اکنون تحقیقات دانشمندان در سوئیس نشان می‎دهد مغز لزوماً از همان مناطقی که یادگیری ماشین برای اجرای یک وظیفه مشخص می‌کند استفاده نمی‎کند. فراتر از آن این نواحی منعکس‎کنندۀ تداعی‎های ذهنی مرتبط با آن وظیفه هستند. در حالی که یادگیری ماشین برای رمزگشایی فعالیت ذهنی مؤثر است لزوماً نمی‌تواند برای درک مکانیسم‎های پردازش اطلاعات خاص در مغز مؤثر باشد. این نتایج در ژورنال PNAS موجود است.

اخیراً تکنیک‎های اطلاعاتی علم عصب‎شناسی مدرن توجه خود را بر این موضوع متمرکز کرده است که مغز چگونه تجسم نام آواها را به‎ صورت فضایی سازمان‎دهی می‎کند و محققان را قادر به نقشه‎یابی دقیق منطقۀ فعالیت می‎کند. دانشمندان عصب‌شناس از خود پرسیدند زمانی‎که مغز وظایف خاصی را اجرا می‎کند چگونه از این نقشه‌های فضایی استفاده می‎کند. آنه لیز گراد پروفسور بخش عصب‎شناسی پایۀ دانشکدۀ پزشکی می‌گوید: «برای دستیابی به پاسخ این سؤال از تمام تکنیک‎های تصویربرداری عصبی استفاده کرده‎ایم.»

دانشمندان علم عصب‌شناسی که طی تحقیقی حدود 50 نفر را در اختیار داشتند وادار به گوش کردن هجاها کردند. واج‎های مرکزی بسیار مبهم بودند و تمایز قائل شدن بین دو انتخاب مشکل بود. سپس دانشمندان از MRI کارکردی و آنسفالوگرافی مغناطیسی استفاده کردند تا به چگونگی رفتار مغز زمانی‎که محرک‎های صوتی (آکوستیک) بسیار واضح هستند یا برعکس زمانی‏که این محرک‎ها مبهم بوده و نیازمند بازنمود ذهنی و فعال صوت و تفسیر آن توسط مغز هستند پی ببرند.

پروفسور آنه لیز گراد خاطرنشان می‎کند: «مشاهده کردیم صرف‌نظر از مشکل بودن دسته‎بندی هجاهای شنیده‎ شده، بین BA و DA، همیشه تصمیم‌گیری بخش کوچکی از لوب گیجگاهی خلفی بالاتر را به‎کار می‎گیرد» اما همان‌طور که آزمایش‎های این گروه از دانشمندان دانشگاه ژنوا نشان داده است آیا اطلاعات دربارۀ هویت هجا به‌صورت محلی ارائه شده است یا براساس نقشه‎های به‌دست آمده از طریق یادگیری ماشین به‌صورت کلی در مغز ما ارائه می‎شود؟ برای پاسخ به این سؤال دانشمندان عصب‎شناس افرادی را در اختیار داشتند که برای اهداف پزشکی الکترودهایی را در مغز آنها به‌صورت مستقیم کار گذاشتند. این تکنیک می‎تواند فعالیت مرکزی مغز را جمع‎آوری کند. یک آنالیز تک متغیری این امکان را فراهم می‎کند تا ببینیم درطول انجام این وظیفه کدام ناحیه از مغز الکترود به الکترود و تماس به تماس به‌کار گرفته می‎شوند. تنها تماس‏های لوب گیجگاهی خلفی بالاتر فعال بودند و در نتیجه نتایج مطالعات دانشگاه ژنوا را تأیید کردند.

این تحقیق درک بهتری از چگونگی توصیف مغز از هجاها ارائه می‎دهد و با نشان دادن محدودیت‎های هوش مصنوعی در شرایط تحقیقاتی خاص بازتاب خوشایندی از چگونگی تفسیر داده‎های تولیدشده توسط الگوریتم‎های یادگیری ماشین را در ذهن می‎پروراند. محققان این پژوهش اظهار کردند: چشم‌انداز ما برای آینده ارائه الگوریتم‌های خودیادگیری است که می‌توانند تصمیمات مختلف کاربر را بر اساس سیگنال‌های مغزی آنها به سرعت تشخیص دهند.

منبع: روزنامه جوان