
بروزرسانی: 10 اردیبهشت 1404
تکامل بعدی هوش مصنوعی با تکامل ما آغاز می شود
ژنوم تنها برای بخش کوچکی از اطلاعات مورد نیاز برای کنترل رفتارهای پیچیده فضا دارد. بنابراین، برای مثال، چگونه یک لاک پشت دریایی تازه متولد شده به طور غریزی می داند که نور ماه را دنبال کند؟ عصب شناسان Cold Spring Harbor توضیحی بالقوه برای این پارادوکس قدیمی ابداع کرده اند. ایده های آنها باید به اشکال سریعتر و تکامل یافته تری از هوش مصنوعی منجر شود.
به یک معنا، هر یک از ما زندگی را آماده برای عمل آغاز می کنیم. بسیاری از حیوانات بلافاصله پس از تولد، کارهای شگفت انگیزی انجام می دهند. عنکبوت ها تار می چرخند. نهنگ ها شنا می کنند. اما این توانایی های ذاتی از کجا می آیند؟ بدیهی است که مغز نقش کلیدی ایفا می کند زیرا حاوی تریلیون ها اتصال عصبی مورد نیاز برای کنترل رفتارهای پیچیده است. با این حال، ژنوم تنها برای بخش کوچکی از این اطلاعات فضا دارد. این پارادوکس چندین دهه است که دانشمندان را سرگردان کرده است. اکنون پروفسورهای آنتونی زادور و الکسی کولاکوف از آزمایشگاه Cold Spring Harbor (CSHL) راه حلی بالقوه با استفاده از هوش مصنوعی ابداع کرده اند.
هنگامی که زادور برای اولین بار با این مشکل روبرو می شود، یک چرخش جدید روی آن قرار می دهد. چه می شود اگر ظرفیت محدود ژنوم همان چیزی باشد که ما را تا این حد باهوش می کند؟ او تعجب می کند. "اگر یک ویژگی باشد، نه یک اشکال، چه؟" به عبارت دیگر، شاید بتوانیم هوشمندانه عمل کنیم و به سرعت یاد بگیریم زیرا محدودیت های ژنوم ما را مجبور به سازگاری می کند. این یک ایده بزرگ و جسورانه است - نشان دادن آن دشوار است. به هر حال، ما نمی توانیم آزمایش های آزمایشگاهی را در طول میلیاردها سال تکامل بسط دهیم. اینجاست که ایده الگوریتم گلوگاه ژنومی مطرح می شود.
در هوش مصنوعی، نسل ها چندین دهه را در بر نمی گیرند. مدل های جدید با فشار دادن یک دکمه متولد می شوند. دیویانشا لاچی و سرگئی شووایف، پسادکترهای زادور، کولاکوف و CSHL شروع به توسعه یک الگوریتم رایانه ای کردند که انبوهی از داده ها را در یک بسته منظم جمع می کند - دقیقاً مانند ژنوم ما که ممکن است اطلاعات مورد نیاز برای تشکیل مدارهای عملکردی مغز را فشرده کند. سپس آنها این الگوریتم را در برابر شبکه های هوش مصنوعی که چندین دوره آموزشی را پشت سر می گذارند، آزمایش می کنند. به طور شگفت انگیزی، آنها دریافتند که الگوریتم جدید و آموزش ندیده وظایفی مانند تشخیص تصویر را تقریباً به همان اندازه هوش مصنوعی پیشرفته انجام می دهد. الگوریتم آن ها حتی در بازی های ویدیویی مانند بازی های ویدیویی نیز خود را حفظ می کند مهاجمان فضایی. انگار ذاتاً می فهمد که چگونه بازی کند.
آیا این بدان معناست که هوش مصنوعی به زودی توانایی های طبیعی ما را تکرار خواهد کرد؟ کولاکوف می گوید: «ما به آن سطح نرسیده ایم. "معماری قشر مغز می تواند حدود 280 ترابایت اطلاعات را در خود جای دهد -- 32 سال ویدئو با کیفیت بالا. ژنوم ما حدود یک ساعت را در خود جای می دهد. این بدان معناست که فناوری فشرده سازی 400000 برابری هنوز نمی تواند مطابقت داشته باشد."
با این وجود، الگوریتم اجازه می دهد تا سطوح فشرده سازی را که تاکنون در هوش مصنوعی دیده نشده است، فراهم کند. این ویژگی می تواند کاربردهای چشمگیری در فناوری داشته باشد. شووایف، نویسنده اصلی این مطالعه، توضیح می دهد: «به عنوان مثال، اگر می خواهید یک مدل زبان بزرگ را روی تلفن همراه اجرا کنید، یک راه [the algorithm] می توان از آن برای باز کردن لایه به لایه مدل روی سخت افزار استفاده کرد."
چنین برنامه هایی می تواند به معنای هوش مصنوعی پیشرفته تر با زمان اجرا سریع تر باشد. و برای فکر کردن، فقط 3.5 میلیارد سال تکامل طول کشید تا به اینجا رسید.
منبع