معماری شبکه LGI. اعتبار: چی و وو.
محققان دانشگاه آکسفورد اخیرا تلاش کرده اند الگوهای تفکر انسانی در ماشین ها را با استفاده از یک شبکه تخیل راهنمایی شده با زبان (LGI) بازسازی کنند. روش آنها، طرح ریزی شده در مقاله ای در arXiv به صورت پیش-انتشاری، می تواند آگاهی دهنده توسعه هوش مصنوعی باشد که داری قابلیت فکر کردن شبه انسانی است، که یک جریان هدفمند ایده های ذهنی هدایت شده توسط زبان را شامل می شود.
تفکر انسانی به طور کلی نیاز دارد که مغز یک بیان زبانی خاص را درک کند و از آن برای سازماندهی جریان ایده ها در ذهن استفاده کند. به عنوان مثال، اگر فردی که خانه خود را ترک می کند متوجه شود که باران می بارد، ممکن است به خودش بگوید: "اگر من چتر بردارم، ممکن است از این که تر شوم اجتناب کنم"، و سپس تصمیم می گیرد که هنگام خروج از خانه چتر بردارد. به هر حال، همان طور که این اندیشه از ذهن او می گذرد، او به طور خودکار خواهد دانست که ورودی بصری (یعنی قطرات باران) که او مشاهده می کند به چه معنایی است، و چگونه برداشتن چتر می تواند مانع از خیس شدن شود، شاید حتی احساس نگاه داشتن چتر یا خیس شدن زیر باران را مجسم کند.
اگر چه بعضی از ماشین ها اکنون می توانند تصاویر را تشخیص دهند، زبان را پردازش کنند و یا حتی قطرات باران را حس کنند، اما هنوز این قابلیت تفکر منحصر به فرد و تخیلی را به دست نیاورده اند. انسان ها می توانند یک چنین "تفکر مداوم" را به دست آورند زیرا آنها قادر به تولید تصاویر ذهنی هدایت شده با زبان و استخراج نمایندگی های زبان از موقعیت های واقعی یا تصور شده هستند.
در سال های اخیر، محققان ابزارهای پردازش زبان طبیعی (NLP) را توسعه داده اند که می توانند به سؤالات به روش های شبه انسانی پاسخ دهند. با این حال، اینها تنها مدلهای احتمالاتی هستند و بنابراین نمی توانند زبان را به همان شیوه و با همان عمق که یک انسان درک می کند درک کنند. این به این دلیل است که انسان ها دارای یک ظرفیت یادگیری تجمعی غریزی هستند که همان طوری که مغز آنها توسعه پیدا می کند آنها را همراهی می کند. این "سیستم تفکر انسانی" فهمیده شده است که وابسته است با زیر لایه های عصبی ویژه در مغز، که مهمترین آن قشر جلویی مغز (PFC) است.
قشر جلویی، ناحیه ای از مغز است که مسئول کار کردن حافظه است (یعنی فرایندهای حافظه که همان طور که مردم در حال اجرای یک کارِ داده شده هستند رخ می دهد)، که شامل نگهداری و دستکاری اطلاعات در ذهن می شود. در تلاشی برای بازسازی الگوهای تفکر شبه انسانی در ماشین ها، فنگ کی و ونچوان وو، دو محققی که مطالعه اخیر را انجام دادند، یک شبکه عصبی مصنوعی الهام گرفته از قشر جلویی مغز انسان را ایجاد کردند.
محققان در مقاله خود توضیح دادند: "ما یک شبکه تخیلی هدایت شده توسط زبان (LGI) را پیشنهاد دادیم تا به طور افزایشی معنی و استفاده از کلمات و نحوهای متعدد را یاد بگیریم، و این با هدف شکل دادن به یک فرایند تفکر ماشینی شبه انسانی بود".
شبکه تخیلی هدایت شده توسط زبان که توسط کی و وو توسعه داده شده است دارای سه مؤلفه کلیدی است: یک سیستم دید، یک سیستم زبان، و یک قشر جلویی مصنوعی. سیستم دید متشکل از یک رمزگذار است که ورودی دریافت شده توسط شبکه یا سناریوهای تصور شده را به ارائه های جمعیتی انتزاعی بازگشایی می کند، و همچنین یک رمزگشای تخیلی دارد که سناریوهای تصور شده را از ارائه های سطح بالاتر بازسازی می کند.
دومین زیر سیستم، سیستم زبان، شامل یک باینری ساز است که متون نمادین را به بردارهای باینری منتقل می کند، که سیستمی است که وظیفه intraparietal sulcus (IPS) انسان را با استخراج اطلاعات کمیتی از متن های ورودی و یک متن ساز که بردارهای باینری را به نشانه های متنی بر می گرداند تقلید می کند. آخرین جزءِ شبکه‌ی تصورِ هدایت شده با زبان آنها، قشر جلویی مغز انسان را تقلید می کند، که ورودی های هر دوی ارائه های زبان و دید را برای پیش بینی نمادهای متن و تصاویر دستکاری شده ترکیب می کند.
چی و وو شبکه ی تصور هدایت شده با زبان خود را در یک سری از آزمایشات ارزیابی کردند و دریافتند که هشت نحو مختلف یا وظایف در مسیری تجمعی را به دست آورد. تکنیک آنها همچنین اولین حلقه تفکر ماشین را تشکیل داد که نشان دهنده تعامل بین تصاویر تصور شده و متون زبان است. تفکر انسانی به طور کلی نیاز دارد که مغز یک بیان زبانی خاص را درک کند و از آن برای سازماندهی جریان ایده ها در ذهن استفاده کند. در آینده شبکه تصور هدایت شده با زبان که توسط محققان توسعه یافته است می تواند به توسعه هوش مصنوعی پیشرفته‌تر کمک کند که قادر به استراتژی های تفکر شبه انسانی مانند تجسم و تخیل است.
محققان نوشتند: " تصور هدایت شده با زبان به صورت افزایشی هشت نحو (یا وظایف) مختلف را آموخته است، که با آنها یک حلقه تفکر ماشینی به وجود آمده و با تعامل مناسب بین زبان و سیستم دید ارزیابی شد." "مقاله ما یک معماری جدید را ارائه می دهد تا اجازه دهد که ماشین بتواند زبان را در یک شیوه ای شبه انسانی یاد بگیرد، و آن را درک و استفاده کند که در نهایت این شیوه می تواند ماشین را برای ساختن سناریوهای فکری ساختگی قادر سازد و دارای هوش باشد."
همانطور که کلمات به داخل سر ما می آیند، ما ایده هایی را از آنچه که کسی دارد به ما می گوید شکل می دهیم، و می خواهیم درک کنیم که چگونه آنها به مغز ما می آیند. به نظر می رسد باید سیستمهایی برای آن وجود داشته باشد، اما عملا، این فقط نحوه کارکرد زبان نیست. مانند هر چیزی در زیست شناسی، بسیار سخت است که به مجموعه معادلاتی ساده برسیم.
اگر یک کلمه معانی متعددی داشته باشد، شما معنی آن کلمه را برای آن جمله خاص بر اساس آنچه قبلا گفته شده است استنتاج می کنید. فرض ما این است که این امر منجر به پیش بینی های بهتر فعالیت مغز خواهد شد، زیرا مغز در مورد مفاد مراقبت می کند.
منبع: Ingrid Fadelli، Tech Xplore
محققان دانشگاه آکسفورد اخیرا تلاش کرده اند الگوهای تفکر انسانی در ماشین ها را با استفاده از یک شبکه تخیل راهنمایی شده با زبان (LGI) بازسازی کنند. روش آنها، طرح ریزی شده در مقاله ای در arXiv به صورت پیش-انتشاری، می تواند آگاهی دهنده توسعه هوش مصنوعی باشد که داری قابلیت فکر کردن شبه انسانی است، که یک جریان هدفمند ایده های ذهنی هدایت شده توسط زبان را شامل می شود.
تفکر انسانی به طور کلی نیاز دارد که مغز یک بیان زبانی خاص را درک کند و از آن برای سازماندهی جریان ایده ها در ذهن استفاده کند. به عنوان مثال، اگر فردی که خانه خود را ترک می کند متوجه شود که باران می بارد، ممکن است به خودش بگوید: "اگر من چتر بردارم، ممکن است از این که تر شوم اجتناب کنم"، و سپس تصمیم می گیرد که هنگام خروج از خانه چتر بردارد. به هر حال، همان طور که این اندیشه از ذهن او می گذرد، او به طور خودکار خواهد دانست که ورودی بصری (یعنی قطرات باران) که او مشاهده می کند به چه معنایی است، و چگونه برداشتن چتر می تواند مانع از خیس شدن شود، شاید حتی احساس نگاه داشتن چتر یا خیس شدن زیر باران را مجسم کند.
اگر چه بعضی از ماشین ها اکنون می توانند تصاویر را تشخیص دهند، زبان را پردازش کنند و یا حتی قطرات باران را حس کنند، اما هنوز این قابلیت تفکر منحصر به فرد و تخیلی را به دست نیاورده اند. انسان ها می توانند یک چنین "تفکر مداوم" را به دست آورند زیرا آنها قادر به تولید تصاویر ذهنی هدایت شده با زبان و استخراج نمایندگی های زبان از موقعیت های واقعی یا تصور شده هستند.
در سال های اخیر، محققان ابزارهای پردازش زبان طبیعی (NLP) را توسعه داده اند که می توانند به سؤالات به روش های شبه انسانی پاسخ دهند. با این حال، اینها تنها مدلهای احتمالاتی هستند و بنابراین نمی توانند زبان را به همان شیوه و با همان عمق که یک انسان درک می کند درک کنند. این به این دلیل است که انسان ها دارای یک ظرفیت یادگیری تجمعی غریزی هستند که همان طوری که مغز آنها توسعه پیدا می کند آنها را همراهی می کند. این "سیستم تفکر انسانی" فهمیده شده است که وابسته است با زیر لایه های عصبی ویژه در مغز، که مهمترین آن قشر جلویی مغز (PFC) است.
قشر جلویی، ناحیه ای از مغز است که مسئول کار کردن حافظه است (یعنی فرایندهای حافظه که همان طور که مردم در حال اجرای یک کارِ داده شده هستند رخ می دهد)، که شامل نگهداری و دستکاری اطلاعات در ذهن می شود. در تلاشی برای بازسازی الگوهای تفکر شبه انسانی در ماشین ها، فنگ کی و ونچوان وو، دو محققی که مطالعه اخیر را انجام دادند، یک شبکه عصبی مصنوعی الهام گرفته از قشر جلویی مغز انسان را ایجاد کردند.
محققان در مقاله خود توضیح دادند: "ما یک شبکه تخیلی هدایت شده توسط زبان (LGI) را پیشنهاد دادیم تا به طور افزایشی معنی و استفاده از کلمات و نحوهای متعدد را یاد بگیریم، و این با هدف شکل دادن به یک فرایند تفکر ماشینی شبه انسانی بود".
شبکه تخیلی هدایت شده توسط زبان که توسط کی و وو توسعه داده شده است دارای سه مؤلفه کلیدی است: یک سیستم دید، یک سیستم زبان، و یک قشر جلویی مصنوعی. سیستم دید متشکل از یک رمزگذار است که ورودی دریافت شده توسط شبکه یا سناریوهای تصور شده را به ارائه های جمعیتی انتزاعی بازگشایی می کند، و همچنین یک رمزگشای تخیلی دارد که سناریوهای تصور شده را از ارائه های سطح بالاتر بازسازی می کند.
دومین زیر سیستم، سیستم زبان، شامل یک باینری ساز است که متون نمادین را به بردارهای باینری منتقل می کند، که سیستمی است که وظیفه intraparietal sulcus (IPS) انسان را با استخراج اطلاعات کمیتی از متن های ورودی و یک متن ساز که بردارهای باینری را به نشانه های متنی بر می گرداند تقلید می کند. آخرین جزءِ شبکه‌ی تصورِ هدایت شده با زبان آنها، قشر جلویی مغز انسان را تقلید می کند، که ورودی های هر دوی ارائه های زبان و دید را برای پیش بینی نمادهای متن و تصاویر دستکاری شده ترکیب می کند.
چی و وو شبکه ی تصور هدایت شده با زبان خود را در یک سری از آزمایشات ارزیابی کردند و دریافتند که هشت نحو مختلف یا وظایف در مسیری تجمعی را به دست آورد. تکنیک آنها همچنین اولین حلقه تفکر ماشین را تشکیل داد که نشان دهنده تعامل بین تصاویر تصور شده و متون زبان است. تفکر انسانی به طور کلی نیاز دارد که مغز یک بیان زبانی خاص را درک کند و از آن برای سازماندهی جریان ایده ها در ذهن استفاده کند. در آینده شبکه تصور هدایت شده با زبان که توسط محققان توسعه یافته است می تواند به توسعه هوش مصنوعی پیشرفته‌تر کمک کند که قادر به استراتژی های تفکر شبه انسانی مانند تجسم و تخیل است.
محققان نوشتند: " تصور هدایت شده با زبان به صورت افزایشی هشت نحو (یا وظایف) مختلف را آموخته است، که با آنها یک حلقه تفکر ماشینی به وجود آمده و با تعامل مناسب بین زبان و سیستم دید ارزیابی شد." "مقاله ما یک معماری جدید را ارائه می دهد تا اجازه دهد که ماشین بتواند زبان را در یک شیوه ای شبه انسانی یاد بگیرد، و آن را درک و استفاده کند که در نهایت این شیوه می تواند ماشین را برای ساختن سناریوهای فکری ساختگی قادر سازد و دارای هوش باشد."
همانطور که کلمات به داخل سر ما می آیند، ما ایده هایی را از آنچه که کسی دارد به ما می گوید شکل می دهیم، و می خواهیم درک کنیم که چگونه آنها به مغز ما می آیند. به نظر می رسد باید سیستمهایی برای آن وجود داشته باشد، اما عملا، این فقط نحوه کارکرد زبان نیست. مانند هر چیزی در زیست شناسی، بسیار سخت است که به مجموعه معادلاتی ساده برسیم.
اگر یک کلمه معانی متعددی داشته باشد، شما معنی آن کلمه را برای آن جمله خاص بر اساس آنچه قبلا گفته شده است استنتاج می کنید. فرض ما این است که این امر منجر به پیش بینی های بهتر فعالیت مغز خواهد شد، زیرا مغز در مورد مفاد مراقبت می کند.
منبع: Ingrid Fadelli، Tech Xplore
